Your SlideShare is downloading. ×
A Nfak Asli
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

A Nfak Asli

266

Published on

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
266
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Communalities Initial Extraction TEMAN 1.000 .632 ORANGTUA 1.000 .884 KEMAUAN 1.000 .701 Extraction Method: Principal Component Analysis. Keterangan : Communalities menunjukkan sumbangan efektif tiap item terhadap faktor yang terbentuk. Misalnya orang tua,item tersebut memberikan sumbangan sebesar 88,4% terhadap faktor yang terbentuk. Dapat dikatakan item ini cukup baik karena mampu menjelaskan sebagian besar varian didalam faktor 1. Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Component Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 1.194 39.794 39.794 1.194 39.794 39.794 1.177 39.244 39.244 2 1.023 34.103 73.897 1.023 34.103 73.897 1.040 34.653 73.897 3 .783 26.103 100.000 Extraction Method: Principal Component Analysis. Keterangan : Total Variance Explained adalah persentase varian konstrak ukur yang dapat dijelaskan oleh pembagian faktor. Dari kolom initial eigenvalues pada sub kolom cumulative, terlihat bahwa pemecahan atau pereduksian 7 item menjadi 1 faktor dapat menjelaskan 39,8% varian, sedangkan pembagian 2 faktor menjelaskan 34.1% varian Component Matrix(a) Component 1 2 TEMAN -.791 -.077 ORANGTUA .297 .892 KEMAUAN .692 -.471 Extraction Method: Principal Component Analysis. a 2 components extracted. Rotated Component Matrix(a) Component 1 2 TEMAN -.728 -.320 ORANGTUA .005 .940 KEMAUAN .804 -.232 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 3 iterations.
  • 2. Component Transformation Matrix Component 1 2 1 .950 .311 2 -.311 .950 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Tabel di atas menunjukkan jumah faktor yang muncul serta korelasi antara item dengan faktor. Kita tahu bahwa jumlah faktor yang muncul ada dua yaitu komponen 1 dan komponen 2. Pada baris item 1 terlihat bahwa item 1 memiliki korelasi yang besar dengan komponen 2 dibanding dengan komponen 1. Oleh karena itu item_1 masuk dalam komponen 2. Melihat korelasi yang lain, kita mendapatkan informasi bahwa komponen atau faktor 1 terdiri dari item_3 dan item_4 sedangkan faktor 2 terdiri dari item_1 dan item_2.
  • 3. Analisis factor Nama : wisnu sumarwanto Nim :082499 Data analsis faktor mengenai Factor-faktor yang mempengaruhi keinginan masuk kuliah di UNIVERSITAS SULTAN AGENG TIRTAYASA pada kelas 3E program studi pendidikan Biologi, adalah sebagai berikut : No Teman Orang tua kemauan 1 40.00 40.00 60.00 2 35.00 50.00 60.00 3 20.00 40.00 65.00 4 25.00 40.00 75.00 5 35.00 50.00 50.00 6 40.00 50.00 70.00 7 50.00 40.00 75.00 8 45.00 60.00 55.00 9 30.00 55.00 65.00 10 35.00 50.00 75.00 11 25.00 65.00 75.00 12 20.00 60.00 50.00 13 35.00 45.00 60.00 14 30.00 50.00 60.00 15 30.00 50.00 60.00 16 45.00 55.00 50.00 17 20.00 65.00 70.00 18 20.00 65.00 75.00 19 30.00 40.00 70.00 20 40.00 45.00 50.00 21 35.00 60.00 60.00 22 45.00 65.00 65.00 23 40.00 55.00 60.00 24 30.00 50.00 70.00 25 35.00 50.00 75.00 26 30.00 55.00 60.00 27 35.00 55.00 60.00
  • 4. 28 40.00 60.00 70.00 29 30.00 65.00 60.00 30 25.00 40.00 60.00

×