BAB 2 LANDASAN TEORI 2.1 Variabel Variabel adalah konsep yang mempunyai bermacam-macam nilai. Dengan demikian,variabel adalah merupakan objek yang berbentuk apa saja yang ditentukan oleh peneliti dengan tujuan untuk memperoleh informasi agar bisa ditarik suatu kesimpulan. Secara teori, definisi variabel penelitian adalah merupakan suatu objek, atau sifat, atau atribut atau nilai dari orang, atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti dengan tujuan untuk dipelajari dan ditarik kesimpula. Variabel merupakan suatu istilah yang berasal dari kata vary dan able yang berarti berubah dan dapat. Jadi kata variabel berarti dapat berubah. Oleh sebab itu, setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai itu berupa nilai kuantitatif maupun kualitatif. Dilihat dari segi nilainya, variabel dibedakan menjadi dua, yaitu variabel diskrit dan variabel kontinu. Variabel diskrit nilai kuantitatifnya selalu berupa bilangan bulat. Variabel kontinu nilai kuantitatifnya bisa berupa pecahan. Menurut hubungan antara suatu variabel dengan variabel lainnya, variabel terbagi atas beberapa yaitu: 1. Variabel Dependen Variabel dependen dalam bahasa Indonesia sering disebut sebagai peubah tak bebas, variabel output, kriteria, atau konsekuen. Variabel ini juga sering disebut sebagai variabel terikat. Variabel terikat atau peubah tak bebas ini merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel sebab atau peubah bebas. 2. Variabel Independen Variabel independen atau variabel bebas, atau peubah bebas sering juga disebut dengan variabel stimulus atau predictor, atau variabel antecedent. Jika diterjemahkan dalam bahasa Indonesia, variabel
independen disebut juga sebagai peubah bebas. Peubah bebas ini adalah merupakan peubah yang mempengaruhi atau yang menjadi sebab terjadinya perubahan terhadap peubah tak bebas. Atau yang menyebabkan terjadinya variasi bagi peubah tak bebas (variabel dependen). 2.2 Data Data merupakan sejumlah informasi yang dapat memberikan gambaran tentang sesuatu keadaan. Informasi yang diperoleh memberikan keterangan, gambaran, atau fakta mengenai suatu persoalan dalam bentuk kategori, huruf, atau bilangan. Data digunakan untuk menyediakan informasi bagi suatu penelitian, pengukuran kinerja, dasar pembuatan keputusan dan menjawab rasa ingin tahu. Jenis-jenis data berdasarkan cara memperolehnya yaitu: 1. Data primer Data primer merupakan data yang didapat dari sumber pertama, baik dari individu atau perseorangan seperti hasil wawancara atau pengisian kuisioner yang biasa dilakukan oleh peneliti. Biasanya data primer, peneliti melakukan observasi sendiri baik di lapangan maupun di laboratorium. 2. Data sekunder Data sekunder merupakan data primer yang diperoleh oleh pihak lain atau data primer yang telah diolah lebih lanjut dan disajikan baik oleh pengumpul data primer atau pihak lain yang pada umumnya disajikan dalam bentuk tabel-tabel atau diagram-diagram. (Sugiarto, dkk, 2001). 2.3 Skala Pengukuran Teknik pengukuran data yang digunakan adalah attitude scales, yaitu suatu kumpulan alat pengukuran yang mengukur tanggapan individu terhadap suatu objek atau fenomena. Berdasarkan skala pengukurannya data dibedakan menjadi 4 macam, yaitu: 1. Skala Nominal Misalnya: jenis kelamin, agama, dan sebagainya. Sering juga data nominal diberi simbol bilangan saja. Misalnya: laki-laki diberi nilai 1, perempuan diberi nilai 2.
2. Skala Ordinal Data yang diukur menggunakan ordinal selain mempunyai ciri nominal, juga mempunyai ciri berbentuk peringkat atau jenjang. Misalnya tingkat pendidikan nilai ujian (dalam huruf). 3. Skala Interval Data yang diukur menggunakan skala interval selain mempunyai ciri nominal dan ordinal, juga mempunyai ciri interval yang sama. 4. Skala Rasio Skala rasio ini selain mempunyai ketiga ciri dan skala pengukuran diatas, juga mempunyai nilai nol yang bersifat mutlak. Misalnya: umur, berat sesuatu, pendapatan, dan sebagainya. 2.4 Teknik Sampling Teknik sampling adalah suatu cara untuk menentukan banyaknya sampel dan pemilihan calon anggota sampel, sehingga setiap sampel yang terpilih dalam penelitian dapat mewakili populasinya (representatif) baik dari aspek jumlah maupun dari aspek karakteristik yang dimiliki populasi. Sampling adalah proses pemilihan sejumlah elemen dari populasi sehingga dengan meneliti dan memahami karakteristik sampel dapat digeneralisir untuk karakteristik populasi. Jarang sekali suatu penelitian dilakukan dengan cara memeriksa semua objek yang diteliti (sensus), tetapi sering digunakan sampling (Sugiarto, 2001), alasannya adalah: 1. Biaya, waktu dan tenaga untuk menyelidiki melalui sensus. 2. Populasi yang berukuran besar selain sulit untuk dikumpulkan, dicatat dan dianalisis, juga biasanya akan menghasilkan informasi yang kurang teliti. Dengan cara sampling jumlah objek yang harus diteliti menjadi lebih kecil, sehingga lebih terpusat perhatiannya. 3. Percobaan-percobaan yang berbahaya atau bersifat merusak hanya cocok dilakukan dengan sampling.
Keuntungan dengan menggunakan teknik sampling antara lain adalah mengurangi ongkos, mempercepat waktu penelitian dan dapat memperbesar ruang lingkup penelitian (Sugiarto, 2001). Metode pengambilan sampel yang ideal memiliki sifat-sifat sebagai berikut: 1. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi yang diteliti. 2. Dapat menentukan ketepatan hasil penelitian dengan menentukan penyimpangan baku dari taksiran yang diperoleh. 3. Sederhana dan mudah diperoleh. 4. Dapat memberikan keterangan sebanyak mungkin dengan biaya serendah mungkin. Dalam menentukan besarnya sampel dalam suatu penelitian, ada empat faktor yang harus dipertimbangkan yaitu: 1. Derajat keseragaman populasi. 2. Ketepatan yang dikehendaki dari penelitian. 3. Rencana analisis. 4. Tenaga, biaya dan waktu. Teknik sampling dapat dikelompokkan menjadi dua, yaitu: 1. Probability sampling, meliputi: a. Simple random sampling (populasi homogen) yaitu pengambilan sampel dilakukan secara acak tanpa memperhatikan strata yang ada. Teknik ini hanya digunakan jika populasinya homogen. b. Proportionale stratifiled random sampling (populasi tidak homogen) yaitu pengambilan sampel dilakukan secara acak dengan memperhatikan strata yang ada, artinya setiap strata terwakili sesuai proporsinya. c. Disproportionate stratifiled random sampling yaitu teknik ini digunakan untuk menentukan jumlah sampel dengan populasi berstrata tetapi kurang proporsional, artinya ada beberapa kelompok strata yang ukurannya kecil sekali.
d. Cluster sampling (sampling daerah) yaitu teknik ini digunakan untuk menentukan jumlah sampel jika sumber data sangat luas. Pengambilan sampel didasarkan daerah populasi yang telah ditetapkan. 2. Non probability sampling, meliputi: sampling sistematis, sampling kuota, sampling incidental, purposive sampling, sampling jenuh, dan snowball sampling. 2.5 Metode Pengambilan Sampel 2.5.1 Angket atau kuesioner Angket atau kuesioner adalah sejumlah pertanyaan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadinya atau hal-hal yang ia ketahui. Metode kuesioner ini digunakan untuk memperoleh informasi atau keterangan responden mengenai analisis faktor yang mempengaruhi mahasiswa dalam keputusan pembelian smartphone. Kuesioner yang digunakan adalah angket tertutup yaitu kuesioner yang sudah disediakan jawabannya, sehingga responden tinggal memilih jawabannya saja (Arikunto, 2006:152). Untuk tiap pertanyaan terdiri atas 5 alternatif jawaban dengan skor: a. Nilai 1 = STS (Sangat Tidak Setuju) b. Nilai 2 = TS (Tidak Setuju) c. Nilai 3 = KS (Kurang Setuju) d. Nilai 4 = S (Setuju) e. Nilai 5 = SS (Sangat Setuju) 2.5.2 Observasi Observasi adalah memperhatikan segala sesuatu atau pemuatan perhatian terhadap sesuatu objek dengan menggunakan seluruh alat indra melalui penglihatan, penciuman, pendengaran, peraba dan pengecap, dimana sering disebut pengamatan. Penelitian observasi ini dapat dilakukan dengan tes, kuesioner, rekaman gambar, rekaman suara dan sebagainya (Arikunto, 2006:156-157). Dalam penelitian ini metode pengambilan sampel yang digunakan adalah Proportionale stratifiled random sampling (populasi tidak homogen) yaitu
pengambilan sampel dilakukan secara acak dengan memperhatikan strata yang ada. Artinya setiap strata terwakili sesuai proporsinya. Jumlah sampel menggunakan rumus Slovin: n = keterangan : n : Jumlah sampel N : Populasi e : Perkiraan tingkat kesalahan N 1+Ne 2 (2.1) 2.6 Analisis Data 2.6.1 Uji Validitas Validitas merupakan alat ukur untuk melihat atau mengetahui apakah kuesioner dapat digunakan untuk mengukur keadaan responden sebenarnya. Untuk menguji validitas keadaan responden digunakan rumus korelasi Product Moment Pearsons, yaitu: keterangan: r XY X Y n r XY = n( XY) ( X. Y) {n X 2 ( X) 2 }{n Y 2 ( Y) 2 (2.2) : Koefisien Korelasi antar variabel X dan variabel Y : Nilai Pertanyaan dari Variabel : Jumlah Total dari nilai X : Jumlah Respnden Untuk melakukan uji validitas secara manual dalam penelitian ini menggunakan tabel t-student untuk menghitung r tabel dengan menggunakan nilai α = 10% (0,1). Dalam penelitian ini diperoleh dari rumus validitas terbagi atas empat macam, yaitu: a. Validitas Isi (Content Validity) Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan khusus tertentu yang sejajar dengan materi atau isi pelajaran yang diberikan. Misalnya seorang peneliti ingin mengukur bagaimana persepsi konsumen terhadap suatu produk.
b. Validitas Konstruk (Construct Validity) Sebuah tes dikatakan memiliki validitas konstruksi apabila butir-butir soal yang membangun tes tersebut mengukur setiap aspek berpikir seperti yang disebutkan dalam tujuan instruksional khusus. c. Validitas ada sekarang (Concurrent Validity) Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan pengalaman.misalnya seorang guru ingin mengetahui apakah tes sumatif yang disusun sudah valid atau belum. d. Validitas Prediksi (Predictive Validity) Memprediksi artinya meramal, dan meramal selalu mengenai hal yang akan datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan memiliki validitas prediksi apabila mempunyai kemampuan untuk meramalkan apa yang akan terjadi pada masa yang akan datang. 2.6.2 Uji Reliabilitas Realibilitas merupakan indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Pengukuran yang memiliki realibilitas tinggi disebut sebagai pengukuran yang reliabel. berikut: keterangan: α k S i 2 S t 2 Nilai Cronbach Alpha diperoleh dengan menggunakan rumus sebagai α = ( k ) (1 S 2 i ) k 1 S2 (2.3) t : nilai koefisien Cronbach Alpha : banyaknya variabel penelitian : jumlah varians skor total : varians skor masing masing item Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai berikut: a. Teknik Pengukuran Ulang (Testretest) Teknik ini meminta kepada responden yang sama untuk menjawab pertanyaan dalam alat pengukuran sebanyak dua kali. Caranya perhitungannya adalah
dengan mengkorelasikan jawaban pada wawancara pertama dengan jawaban pada wawancara kedua. b. Teknik Belah Dua Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas alat pengukur, maka alat pengukur yang disusun harus memiliki cukup banyak item pertanyaan yang mengukur aspek yang sama. c. Teknik Bentuk Paralel Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat pengukur yang mengukur aspek yang sama. Kedua alat ukur tersebut diberikan pada responden yang sama, kemudian dicari validitasnya untuk masing-masing jenis. d. Internal Consistency Reliability Internal consistency reliability berisi tentang sejauh mana item-item instrumen bersifat homogen dan mencerminkan konstruk yang sama sesuai dengan yang melandasinya. Suatu variabel dikatakan reliabel jika memberikan nilai cronbach alpha > 0,60 atau nilai cronbach alpha > 0,80 (Husnaini Usman, 2003). 2.7 Transformasi Data Ordinal Menjadi Interval Proses transformasi merupakan upaya yang dilakukan untuk merubah data ordinal menjadi data interval misalnya analisis faktor dimana variabel bebasnya harus berskala interval. Data ordinal yang ditransformasikan menjadi data interval adalah data penelitian yang diperoleh menggunakan instrumen berupa angket yang memiliki jawaban berupa skala likert. Cara melakukan proses transformasi data ordinal menjadi data interval menggunakan MSI (Method of Successive Interval), (Jonathn Sarwono, 2013:265). Adapun langkahnya sebagai berikut: 1. Mencari F (Frekuensi) jawaban responden. 2. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi. 3. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi berurutan perkolom skor. 4. Menghitung nilai Z untuk setiap proporsi dengan menggunakan tabel distribusi normal.
5. Menentukan nilai densitas untuk setiap nilai Z yang diperoleh dengan menggunakan tabel densitas. 6. Menentukan SV (Scale Value = nilai skala) dengan rumus sebagai berikut: SV = density at lower limit density at upper limit area below upper limit area below lower limit keterangan: SV Density at lower limit Density at upper limit Area below upper limit Area below lower limit = interval rata-rata = kepadatan batas bawah = kepadatan batas atas = daerah dibawah batas bawah = Daerah diatas batas bawah 7. Menentukan nilai transformasi dengan rumus: Y = SV + SV min keterangan: Y : Nilai hasil Penskalaan akhir SV : Nilai Skala SV min : Nilai Skala minimum 2.8 Analisis Faktor Menurut J. Supranto (2004), analisis faktor merupakan teknik statistika yang utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (original variable). Dalam analisis faktor tidak ada variabel dependen dan independen, proses analisis faktor sendiri mencoba menemukan hubungan (interrelationship) antara sejumlah variabel yang saling dependen dengan yang lain sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal. Analisis faktor digunakan di dalam situasi sebagai berikut:
a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel. b. Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya. c. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya. Faktor yang tidak berkorelasi dengan sesama faktor dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed variables) hasil penelitian lapangan. F i = W i1 X 1 + W i2 X 2 + W i3 X 3 + + W ik X k (2.4) keterangan: i : 1, 2, 3,..., k k : Banyaknya variabel. F i W i X i : Perkiraan faktor ke-i (didasarkan pada nilai variabel X dengan koefisiennya Wi). : Timbangan/bobot atau koefisien nilai faktor ke-i. : Variabel ke X i yang sudah dibakukan (standardized). Menurut Johnson dan Wichern (1982), Secara umum analisis faktor atau analisis komponen utama bertujuan untuk mereduksi data dan menginterprestasikannya sebagai suatu variabel baru yang berupa variabel bentukan. Andaikan dari p buah variabel awal/asal terbentuk k buah faktor/komponen di mana k < p, misalkan dari sejumlah variabel p sebanyak 10 variabel terbentuk k = 2 buah faktor/komponen yang dapat menerangkan kesepuluh variabel awal/asal tersebut. K buah faktor/komponen utama dapat mewakili p buah variabel aslinya sehingga lebih sederhana. 2.9 Langkah-langkah Analisis Faktor
2.9.1 Tabulasi Data Data yang telah diperoleh dari penyusunan serta penyebaran kuesioner di tempat yang telah ditentukan, kemudian data-data ini dikumpulkan serta ditabulasikan pada kolom-kolom agar mempermudah untuk dikonversi pada software yang akan digunakan. 2.9.2 Pembentukan Matriks Korelasi Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana (r) antara seluruh kemungkinan pasangan variabel yang dilibatkan kedalam analisis. Nilai atau angka pada diagonal utama semuanya sama yaitu 1. Jika banyak variabel sebanyak n maka terdapat matriks n x n sebagai berikut: r n = [ r n1 1 r 12 r 13 r 1n r 21 1 r 23 r n2 r n3 r 2n ] (2.5) 1 Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan yaitu: a. Penentukan besaran nilai Barlett Test of Sphericity, yaitu suatu uji statistik yang dipergunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi (uncorrelated) dalam populasi. Dengan kata lain, matriks korelasi populasi merupakan matriks identitas (identity matrix), setiap variabel berkorelasi dengan dirinya sendiri secara sempurna dengan (r = 1) akan tetapi sama sekali tidak berkorelasi dengan lainnya (r = 0). Statistik uji Bartlett s Test of Sphericity (Hardius dan Nurdin, 2013:35), adalah: X 2 = [(N 1) (2p+5) ] ln R (2.6) 6 dengan derajat kebebasan (degree of freedom) df = p(p 1) keterangan : N : Jumlah observasi p : Jumlah variabel R : Determinan matriks korelasi 2
1. Penentuan Keiser-Meyesr-Olkin (KMO) Measure of Sampling Adequacy, yang digunakan untuk mengukur kecukupan sampel dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisien korelasi parsialnya (Hardius dan Nurdin, 2013:38). KMO = p p 2 i=1 j 1 r ij p p r2 p p i=1 k 1 ij + a2 i=1 k 1 ij (2.7) keterangan: rij aij i : Koefisien korelasi sederhana antara ke-i dan ke-j. : Koefisien korelasi parsial antara variabel ke-i dan ke-j. : 1,2,3,...,p dan j = 1,2,3,...,p MSA digunakan untuk mengukur kecukupan sampel. keterangan: p : Jumlah variabel r ij 2 MSA = i=1 k 1 r ij 2 p p p r2 p i=1 ij + a2 i=1 ij : Kuadrat matriks korelasi sederhana (2.8) 2 a ij i : Kuadrat matriks korelasi parsial. : 1,2,3,...,p dan j = 1,2,3...,p Kriteria kesesuaian dalam pemakaian analisis faktor adalah: 1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan 2. Jika harga KMO sebesar 0,8 berarti memuaskan 3. Jika harga KMO sebesar 0,7 berarti harga menengah 4. Jika harga KMO sebesar 0,6 berarti cukup 5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan 6. Jika harga KMO kurang dari 0,5 tidak dapat diterima Angka MSA bekisar antara 0 sampai dengan 1, dengan kriteria yang digunakan untuk intepretasi adalah sebagai berikut:
1. Jika MSA = 1 maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lainnya. 2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut. Jika MSA lebih kecil dari 0,5 dan atau mendekati nol (0), maka variabel tersebut tidak dapat dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya. 2.9.3 Ekstraksi Faktor Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstrasi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal). Setelah sejumlah variabel terpilih, maka dilakukan ekstrasi variabel tersebut sehingga menjadi beberapa faktor. Setelah memproses variabel-variabel yang layak, maka dengan program SPSS versi 22 akan diperoleh nilai hasil statistik yang menjadi indikator utama yaitu tabel communalities, tabel Total Variance Explained, Grafik Scree Plot, tabel component matrix dan tabel rotated component matrix. Tabel Communalities merupakan tabel yang menunjukkan persentase variansi dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk.nilai yang dilihat adalah extraction yang terdapat pada tabel communalities.makin kecil nilainya, makin lemah hubungan antara variabel yang terbentuk. Perhitungan communality setiap variabel dengan persamaan: hi 2 = l 2 i1 + l 2 2 i2 + + l im (2.9)
keterangan: hi = communality variabel ke-i 2 l i1 = Nilai faktor Loading Communality adalah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian varian yang dijelaskan oleh common faktor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel. Tabel Total Variance Explained, menunjukkan persentase variance yang dapat dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk ke dalam faktor. Factor Loading ini merupakan nilai yang menghubungkan faktorfaktor dengan variabel-variabel.variabel yang masuk ke dalam faktor adalah yang nilainya lebih dari satu ( 1). Dari sini akan terlihat pula jumlah faktor yang akan terbentuk. Grafik Scree Plot menggambarkan tampilan grafik dari tabel Total Variance Explained. Grafik ini sebenarnya menunjukkan peralihan dari satu faktor ke faktor lainnya garis menurun disepanjang sumbu y. Sumbu x menunjukkan jumlah komponen faktor yang terbentuk, sedangkan sumbu y menunjukkan nilai eigenvalues. Tabel component matrix menunjukkan kategori variabel-variabel ke dalam komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai faktor loading yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa kuadrat faktor loading dari tiap variabel tidak lain merupakan nilai extraction untuk tiap variabel yang tercantum dalam tabel communalities.
2.9.4 Rotasi Faktor Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor dilakukan dengan metode rotasi varimax. Hasil dari rotasi ini terlihat pada tabel Rotated Component Matrix, dimana dengan metode ini nilai total variansi dari tiap variabel yang ada di tabel component matriks tidak berubah. Yang berubah hanyalah komposisi dari nilai faktor Loading dari tiap variabel. Interpretasi hasil dilakukan dengan melihat Faktor Loading. Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris di dalam setiap tabel. Dalam penelitian ini digunakan metode Varimax, karena bertujuan untuk mengekstraksi sejumlah variabel menjadi beberapa faktor. Selain itu metode ini menghasilkan struktur relatif lebih sederhana dan mudah diinterpretasikan. 2.9.5 Penamaan Faktor Pada tahap ini akan diberikan nama-nama faktor yang telah terbentuk berdasarkan factor loading suatu variabel terhadap faktor terbentuknya. Setelah tahapan pemberian nama faktor terbentuk.