3B.

Badan Pendidikan dan Pelatihan Daerah ( BANDIKLATDA ) merupakan lembaga teknis daerah yang mempunyai tugas pokok merumuskan kebijakan teknis dan pengendalian di bidang pendidikan dan pelatihan aparatur di daerah . Hasil evaluasi kegiatan yang telah dicapai digambarkan sebagai suatu kinerja yang disesuaikan dengan penetapan rencana kinerja yang telah ditetapkan. Perbaikan kinerja baik individu maupun kelompok menjadi pusat perhatian dalam upaya meningkatkan kinerja organisasi . Penelitian dilakukan untuk mengidentifikasi variabel variabel dominan yang menjadi bahan pertimbangan dalam menilai kinerja pegawai di BANDIKLATDA didasarkan pada variabel variabel sebagai berikut : 1. Perencanaan kerja 6. Dukungan dalam keluarga 2. Rekan kerja 7. Disiplin kerja 3. Tim kerja 4. Motif Kerja 5. Rasa ikut memiliki Data hasil penelitian melibatkan variabel variabel di atas dalam skala Likert adalah sebagai berikut : Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Var 1 3,9 3,9 3,9 3,9 2,6 3,9 2,6 2,6 3,9 3,9 3,9 3,9 2,6 2,6 2,6 2,6 3,9 3,9 2,6 Var 2 4,7 3,4 2.4 4,7 3,4 2,4 3,4 4,7 4,7 3,4 1,8 3,4 4,7 3,4 4,7 4,5 3,4 1,8 3,4 Var 3 3,3 3,4 2,2 2,2 2,2 3,3 2,2 2,2 4,5 2,2 2,2 3,3 4,6 3,3 3,3 3,3 4,5 3,3 3,3 Var 4 3,4 4,9 4,9 3,5 3,5 4,9 3,5 4,9 4,9 3,5 3,5 3,5 4,9 4,9 3,4 3,4 3,5 3,5 4,9 Var 5 4,7 4,7 4,7 4,7 3,5 4,6 3,6 4,7 4,7 3,6 3,6 3,5 4,7 3,6 3,6 3,6 3,6 3,6 4,7 Var 6 4,6 4,6 4,6 4,6 3,2 3,2 3,6 4,7 4,7 3,6 3,6 3,6 3,6 2,6 3,6 4,7 2,6 1,8 2,6 Var 7 4,5 4,5 4,5 3,2 3,3 4,6 4,6 3,2 4,5 3,3 3,3 4,5 2,4 4,5 3,2 2,0 1,8 4,6 3,2

Lakukan analisis terhadap data di atas , dan interpretasikan hasilnya .

Jawab : Untuk mengidentifikasi variabel variabel dominan yang menjadi bahan pertimbangan dalam menilai kinerja pegawai di BANDIKLATDA maka digunakan analisis faktor. Berikut merupakan langkah-langkah dalam analisis faktor. Secara umum langkah-langkah pengujian dalam analisis faktor yaitu meliputi: 1. Menentukan Kelayakan Variabel Langkah ini secara spesifik menguji tingkat korelasi guna menentukan apakah variabel mempunyai kesamaan umum (homogen / common) atau tidak dan menguji tingkat kecakupan sampel. Terdapat 2 analisis penting yaitu : a. Bartlett test of sphericity. Bertujuan untuk menguji hipotesis nol yang menyatakan bahwa variabel tidak terdapat korelasi, apabila hipotesis nol ini ditolak maka ketepatan model faktor yang digunakan tidak akan meragukan. Caranya adalah apabila chi squarenya < 0,05. Semakin besar nilai BTSnya menandakan adanya korelasi yang tinggi dan model yang dibentuk layak digunakan apabila nilai Bartlett test minimum. b. Kaiser-Meyer-Olkin (KMO) test. Bertujuan untuk mengetahui apakah pengambilan sampel sudah mencukupi atau tidak. Jika nilai KMO berada range 0,5 sampai 1 berarti analisis faktor baik untuk digunakan atau sampel sudah mencukupi. 2. Menentukan metode analisis faktor. Mengunakan Pricipal Component Analysis (PCA) dimana analisis ini bertujuan untuk memperoleh jumlah minimum dari faktor-faktor yang menghasilkan variance maximum dari data-data untuk digunakan dalam menganalisis multivariate selanjutnya. Untuk menentukan beberapa faktor faktor yang dapat diterima secara empirik dapat dilihat dari besarnya eigen value (nilai eigen). Apabila nilai eigen lebih dari 1 (>1) maka semakin representatif faktor tersebut mewakili variabel. Sedangkan faktor yang nilai eigennya kurang 1 (<1) dikeluarkan dari model penelitian. 3. Rotasi faktor. Tujuan agar matriks faktor menjadi lebih sederhana lebih mudah untuk diinterprestasikan. Rotasi faktor akan menggunakan prosedur varimax dengan tujuan untuk meminimalisasi variabel variabel dengan nilai tertinggi pada sebuah faktor. 4. Interpestasi faktor. Tujuannya adalah menentukan variabel mana yang dapat masuk dalam suatu faktor atau yang tidak masuk dalam faktor. Variabel variabel yang masuk dalam suatu faktor harus memiliki nilai loading faktor pada range 0,5 akan diabaikan atau tidak dimasukkan dalam faktor. Berdasarkan langkah diatas, didapatkan lah hasil analisis faktor sebagai berikut :

Tahap Pertama : Menilai variable yang Layak

KMO and Batlett test digunakan dan Anti-Image digunakan untuk menguji awal apakah data yang ada dapat diurai menjadi sejumlah faktor. Hipotesis : Ho : Variabel belum memadai untuk dianalisis lebih lanjut H1 : Variabel sudah memadai untuk dianalisis lebih lanjut = 5% Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :

Angka KMO adalah 0,277 dengan signifikansi Bartlettnya 0,001 karena angka tersebut dibawah 0,5 namun signifikansi di bawah 0,05 (0,001 < 0,05), maka variable dan sampel yang ada belum bisa dianalisis dengan analisis faktor. Berikut besar MSA dari hasil output SPSS nya :
secirtaM egami-itnA

Terlihat pada table diatas pada nilai diagonal Anti-image Correlation nilai MSA : y Variable 1 adalah 0,142 y Variabel 2 adalah 0,272 y Variabel 3 adalah 0,130 y Variabel 4 adalah 0,256 y Variabel 5 adalah 0,429

a685, 050, 190, 592,842, 600, 603,296, 420, 830, 221,531, 200, 541,7V

050, a153, 250,432,395, 386,884,420, 033, 510,760,322, 381,951,6V

190, 250,a924, 777,862, 354,725,830, 510,652, 691,980, 701,251,5V

592,432,777,a652, 825,565, 066, 221,760,691,942, 271,231, 781, 4V

842, 395, 862, 825,a031, 566,795,531, 322, 980, 271,824, 302,222,3V

100, 12 763,74

772,
600, 386,354,565, 566,a272, 727, 200, 381,701,231, 302,712, 391, 2V

.giS fd erauqS-ihC .xorppA

tseT s'tteltraB dna OMK .ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK

603,884,725,066, 795,727, a241, 541,951,251,781, 222,391, 423, 1V )ASM(ycauqedA gnilpmaS fo serusaeM .a 7V 6V 5V 4V 3V 2V 1V 7V 6V 5V 4V 3V 2V 1V ecnairavoC egami-itnA noitalerroC egami-itnA

yticirehpS fo tseT s'tteltraB

y Variabel 6 adalah 0,351 y Variabel 7 adalah 0,586 Karena hanya satu variabel yang MSA lebih dari 0,5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut. Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation pertama yaitu variabel 3 dengan nilai MSA sebesar 0,130, sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. Berikut merupakan hasil pengujian KMO, Bartlett dan anti-image dengan 6 variabel (variabel 3 dihilangkan). Hipotesis : Ho : Variabel belum memadai untuk dianalisis lebih lanjut H1 : Variabel sudah memadai untuk dianalisis lebih lanjut = 5% Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :

Angka KMO adalah 0,431 dengan signifikansi Bartlettnya 0,002 karena angka tersebut dibawah 0,5 namun signifikansi di bawah 0,05 (0,002 < 0,05), maka variable dan sampel yang ada belum bisa dianalisis dengan analisis faktor. Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :

Terlihat pada table diatas pada nilai diagonal Anti-image Correlation nilai MSA : y Variable 1 adalah 0,267 y Variabel 2 adalah 0,437 y Variabel 4 adalah 0,347

a086, 521,620, 991,632, 302,737, 670,210, 001,721, 321,7V

521,a306, 372,611, 974,802,670,905, 201,940, 412,501,6V

620, 372,a944, 677,283,474,210, 201,672, 042,521,771,5V

200, 51 575,53

134,
991,611, 677,a743, 833, 605, 001,940, 042,543, 421, 112, 4V

secirtaM egami-itnA

632, 974,283,833, a734, 155, 721, 412,521,421, 093, 442, 2V

.giS fd erauqS-ihC .xorppA

tseT s'tteltraB dna OMK .ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK

)ASM(ycauqedA gnilpmaS fo serusaeM .a 302,802,474,605, 155, a762, 321,501,771,112, 442, 305, 1V 7V 6V 5V 4V 2V 1V 7V 6V 5V 4V 2V 1V ecnairavoC egami-itnA noitalerroC egami-itnA

yticirehpS fo tseT s'tteltraB

y Variabel 5 adalah 0,449 y Variabel 6 adalah 0,603 y Variabel 7 adalah 0,680 Karena masih terdapat variabel yang MSA kurang dari 0,5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut. Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation kedua yaitu variabel 1 dengan nilai MSA sebesar 0,267, sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. Berikut merupakan hasil pengujian KMO, Bartlett dan anti-image dengan 5 variabel (variabel 1 dan 3 dihilangkan) Hipotesis : Ho : Variabel belum memadai untuk dianalisis lebih lanjut H1 : Variabel sudah memadai untuk dianalisis lebih lanjut = 5% Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :
tseT s'tteltraB dna OMK

Angka KMO adalah 0,520 dan angka KMO tersebut telah diatas 0,5 dengan signifikansi Bartlettnya 0,004 dengan signifikansi di bawah 0,05 (0,002 < 0,05), maka variable dan sampel yang ada sudah bisa dianalisis dengan analisis faktor, namun harus melihat besar antiimage (MSA) yang memenuhi yaitu lebih besar dari 0,5. Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :
secirtaM egami-itnA

Terlihat pada table diatas pada nilai diagonal Anti-image Correlation nilai MSA : y Variabel 2 adalah 0,554 y Variabel 4 adalah 0,474

274, a 471,180,411,624, 967, 111,240,860,082, 7V

471,a535, 134,262, 744,111,135, 881,031, 442,6V

180,134,635, a 607,361,240,881,753, 782,370,5V

400, 01 607,52 411,262, 607,474, a 280, 860,031, 782,464, 240, 4V

025,

)ASM(ycauqedA gnilpmaS fo serusaeM .a

624, 744,361,280, 455, a 082, 442,370,240, 165, 2V

.giS fd erauqS-ihC .xorppA 7V 6V 5V 4V 2V 7V 6V 5V 4V 2V

.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB

y Variabel 5 adalah 0,536 y Variabel 6 adalah 0,535 y Variabel 7 adalah 0,472 Karena masih terdapat variabel yang MSA kurang dari 0,5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut. Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation kedua yaitu variabel 7 dengan nilai MSA sebesar 0,472, sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. Berikut merupakan hasil pengujian KMO, Bartlett dan anti-image dengan 4 variabel (variabel 1, 3 dan 7 dihilangkan) Hipotesis : Ho : Variabel belum memadai untuk dianalisis lebih lanjut H1 : Variabel sudah memadai untuk dianalisis lebih lanjut = 5% Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :
tseT s'tteltraB dna OMK

Angka KMO adalah 0,525 dan angka KMO tersebut telah diatas 0,5 dengan signifikansi Bartlettnya 0,001 dengan signifikansi di bawah 0,05 (0,001 < 0,05), maka variable dan sampel yang ada sudah bisa dianalisis dengan analisis faktor, namun harus melihat besar antiimage (MSA) yang memenuhi yaitu lebih besar dari 0,5. Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :
secirtaM egami-itnA

Terlihat pada table diatas pada nilai diagonal Anti-image Correlation nilai MSA : y Variabel 2 adalah 0,646 y Variabel 4 adalah 0,437

a855, 454,842, 914,845, 102,621, 752,6V

454,715, a 227,341,102,953, 792,170,5V

100, 6 001,22 842, 227,a734, 541, 621, 792,074, 280, 4V

525,

)ASM(ycauqedA gnilpmaS fo serusaeM .a

914,341,541, 646, a 752,170,280, 586, 2V

.giS fd erauqS-ihC .xorppA 6V 5V 4V 2V 6V 5V 4V 2V

.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB

y Variabel 5 adalah 0,517 y Variabel 6 adalah 0,558 Karena masih terdapat variabel yang MSA kurang dari 0,5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut. Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation kedua yaitu variabel 4 dengan nilai MSA sebesar 0,437, sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. Berikut merupakan hasil pengujian KMO, Bartlett dan anti-image dengan 3 variabel (variabel 1, 3, 4 dan 7 dihilangkan) Hipotesis : Ho : Variabel belum memadai untuk dianalisis lebih lanjut H1 : Variabel sudah memadai untuk dianalisis lebih lanjut = 5% Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :
tseT s'tteltraB dna OMK

Angka KMO adalah 0,619 dan angka KMO tersebut telah diatas 0,5 dengan signifikansi Bartlettnya 0,016 dengan signifikansi di bawah 0,05 (0,016 < 0,05), maka variable dan sampel yang ada sudah bisa dianalisis dengan analisis faktor, namun harus melihat besar antiimage (MSA) yang memenuhi yaitu lebih besar dari 0,5. Dari hasil perhitungan menggunakan Software SPSS didapat output sebagai berikut :
secirtaM egami-itnA

Terlihat pada table diatas pada nilai diagonal Anti-image Correlation nilai MSA : y Variabel 2 adalah 0,634 y Variabel 5 adalah 0,668 y Variabel 6 adalah 0,581 Karena semua variabel yang MSA sudah lebih besar dari 0,5 maka variable tersebut sudah dapat diprediksi dan bisa diuji lebih lanjut.

185, a 014,474,485, 172,303,6V

610, 3 553,01 014,866, a 650,172,157, 140,5V

916,

)ASM(ycauqedA gnilpmaS fo serusaeM .a

474,650,436, a 303,140,007, 2V

.giS fd erauqS-ihC .xorppA 6V 5V 2V 6V 5V 2V

.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB

Tahap Kedua : Proses Factoring dan Rotasi

seitilanummoC

Communalities adalah jumlah varians dari suatu variable mula-mula bias dijelaskan oleh faktor yang ada. y Untuk variable 2 angka adalah 0,603 berarti sekitar 60,3% varians dari variable 2 bisa dijelaskan oleh faktor yang terbentuk y Untuk variable 5 angka adalah 0,550 berarti sekitar 55,0% varians dari variable 5 bisa dijelaskan oleh faktor yang terbentuk

Ada 3 variabel (Component) yang dimasukan dalam analisis faktor. Dengan masing-masing variable mempunyai varians 1, maka total varians adalah 3 x 1 = 7. Dari output diatas terlihat pula jumlah total varians adalah 1,910 + 0,690 + 0,400 = 3 Karena pada Component 1 angka eigen value di atas 1 (1,910), namun pada Component 2 angka eigen value langsung ada di bawah angka 1 (0,690) , maka proses factoring bisa di hentikan.

176,36 176,36 019,1 % evitalumuC ecnairaV fo % latoT sgnidaoL derauqS fo smuS noitcartxE

denialpxE ecnairaV latoT

000,001 923,31 176,68 100,32 176,36 176,36 % evitalumuC ecnairaV fo % seulavnegiE laitinI

.sisylanA tnenopmoC lapicnirP :dohteM noitcartxE

Untuk variable 6 angka adalah 0,758 berarti sekitar 75,8% varians dari variable 6 bisa dijelaskan oleh faktor yang terbentuk

.sisylanA tnenopmoC lapicnirP :dohteM noitcartxE

857, 055, 306, noitcartxE

004, 096, 019,1 latoT

000,1 000,1 000,1 laitinI

3 2 1 tnenopmoC

6V 5V 2V

Scree Plot

2.0

1.5

E evl e i n au g

1.0

0.5

0.0 1 2 3

Component Number

Dari gambar Scree Plot terlihat bahwa dari faktor satu ke faktor dua (garis dari sumbu Component Number 1 ke 2), arah garis menurun dengan tajam. Hal ini menunjukan bahwa satu faktor adalah paling bagus untuk meringkas ketujuh variable tersebut.

Dari hasil output Component Matrix diatas terlihat bahwa semua angak faktor loadings ada di atas angka pembatas (cut off point) yang adalah 0,55. Dengan demikian sebuah faktor yang terbentuk sudah bisa mewakili semua variable yang ada.

Hasil rotasi faktor tidak muncul karena proses rotasi minimal diperlukan dua faktor

Kesimpulan: Dari hasil analisis diatas dapat disimpulakn bahwa :

.detcartxe stnenopmoc 1 .a .sisylanA tnenopmoC lapicnirP :dohteM noitcartxE

.detator eb tonnac noitulos ehT .detcartxe saw tnenopmoc eno ylnO .a

xirtaM tnenopmoC detatoR a

xirtaM tnenopmoC 078, 147, 677, 1 tn enopmoC 6V 5V 2V

y Dari 7 variable yang diteliti, dengan proses factoring bias direduksi menjadi hanya satu faktor saja Faktor yang terbentuk terdiri atas variable 2, 5 dan 6

Tahap keempat : Membuat Factor Score: Dari perhitungan menggunakan software SPSS didapat hasil sebagai berikut: Fak 1 1,2842 0,7526 0,8165 1,6117 -0,4327 -0,5129 -0,0889 1,5074 0,8875 -0,0120 -0,5457 -0,3952 -0,0294 -1,1726 -0,0503 0,5748 -1,4676 -2,0588 -0,6687

Angka yang muncul pada variable Faktor 1 merupakan composite (gabungan) dari variable asal terkait.