Hasil Uji Bartlet & KMO Tahap 1 Berdasarkan hasil pengujian Bartlet menunjukkan bahwa dengan tingkat kepercayaan

95 persen maka dapat disimpulkan bahwa matriks korelasi merupakan matriks identitas maka penyusutan dimensi terhadap peubah ganda tersebut bermakna untuk dilakukan analisis dengan metode analisis Faktor. Selain hasil pengujian Bartlet, suatu ukuran statistik yang digunakan untuk mengetahui apakah himpunan data layak dianalisis dengan analisis faktor adalah dengan statistic Kaiser-Meyer-Olkin (KMO). Hasil statistic KMO menunjukkan angka 0,767 sehingga masuk criteria cukup. Dengan demikian dapat disimpulkan bahwa data dapat dilanjutkan dengan analisis Faktor. Tetapi ketika dilihat dari critera (Measures of Sampling Adequacy) lewat matrik anti-image masih ada variabel yang memiliki nilai MSA yang kurang dari 0,5. Asumsi yang digunakan bahwa semua variabel yang digunakan berperan sejajar kepentingannya (SUMBER ALASANNYA) dalam analisis ini. Variabel yang memiliki nilai MSA yang kurang dari 0,5 adalah variabel selisih stok yaitu sebesar 0,161. Selanjutnya dikeluarkan variabel selisih stok untuk kemudian di run ulang. Tahap 2 Setelah variabel selisih stok dikeluarkan nilai KMO yang diperoleh adalah 0,796 dengan masih ada satu variabel yang memiliki nilai MSA yang kurang dari 0,5 yaitu variabel modal tetap. Selanjutnya variabel modal tetap dikeluarkan kemudian data yang diperoleh di run kembali. Tahap 3 Setelah variabel modal tetap dikeluarkan, nilai KMO yang diperoleh tidak berubah sedangkan nilai korelasi dalam matriks anti image nilainya sudah lebih besar dari 0,5. Langkah berikutnya adalah melakukan pembentukan faktor dengan menggunakan delapan faktor yaitu jumlah tenaga kerja, pengeluaran tenaga kerja, bahan baku penolong, listrik, pengeluaran lainnya, bahan baku, nilai produksi, serta pendapatan lainnya. KOMENTAR SKRIPSI 1. Pengelompokkan kluster menggunakan metode hierarki padahal data yang digunakan cukup banyak. Namun sepertinya penulis mengalami kesulitan dalam menentukan berapa jumlah kluster yang harus dibentuk akibat jumlah variabel yang digunakan. 2. Pengeluaran variabel melihat tingkat kepentingan terapi penulis tidak menjelaskan alasan mengeluarkan salah satu variabel tersebut.