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 .

Tujuannya adalah menentukan variabel mana yang dapat masuk dalam suatu faktor atau yang tidak masuk dalam faktor. Interpestasi faktor. 2. Kaiser-Meyer-Olkin (KMO) test. 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. Semakin besar nilai BTSnya menandakan adanya korelasi yang tinggi dan model yang dibentuk layak digunakan apabila nilai Bartlett test minimum. Bertujuan untuk menguji hipotesis nol yang menyatakan bahwa variabel tidak terdapat korelasi. Apabila nilai eigen lebih dari 1 (>1) maka semakin representatif faktor tersebut mewakili variabel. 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. Caranya adalah apabila chi squarenya < 0. Tujuan agar matriks faktor menjadi lebih sederhana lebih mudah untuk diinterprestasikan. Berdasarkan langkah diatas. b. Berikut merupakan langkah-langkah dalam analisis faktor. Terdapat 2 analisis penting yaitu : a. Secara umum langkah-langkah pengujian dalam analisis faktor yaitu meliputi: 1. Bertujuan untuk mengetahui apakah pengambilan sampel sudah mencukupi atau tidak. Menentukan metode analisis faktor. Rotasi faktor.5 sampai 1 berarti analisis faktor baik untuk digunakan atau sampel sudah mencukupi. Untuk menentukan beberapa faktor faktor yang dapat diterima secara empirik dapat dilihat dari besarnya eigen value (nilai eigen). didapatkan lah hasil analisis faktor sebagai berikut : . apabila hipotesis nol ini ditolak maka ketepatan model faktor yang digunakan tidak akan meragukan.05.Jawab : Untuk mengidentifikasi variabel variabel dominan yang menjadi bahan pertimbangan dalam menilai kinerja pegawai di BANDIKLATDA maka digunakan analisis faktor. 3.5 akan diabaikan atau tidak dimasukkan dalam faktor. Sedangkan faktor yang nilai eigennya kurang 1 (<1) dikeluarkan dari model penelitian. Variabel variabel yang masuk dalam suatu faktor harus memiliki nilai loading faktor pada range 0. Rotasi faktor akan menggunakan prosedur varimax dengan tujuan untuk meminimalisasi variabel variabel dengan nilai tertinggi pada sebuah faktor. Jika nilai KMO berada range 0. Bartlett test of sphericity. 4.

842.a031. 033. 566.884. 825.3V 100. 781. 271. 1V )ASM(ycauqedA gnilpmaS fo serusaeM .001 karena angka tersebut dibawah 0.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. 862. 12 763. 395. 830. 423.a272. 795. 250.760. 592.565. 691.7V 050. 386.781. 302.231.727.824. 221. 510. 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.a924. maka variable dan sampel yang ada belum bisa dianalisis dengan analisis faktor. 510. 541.777. 221.251.432.05 (0. 600.354.652.5V 592. 825. a241. 200. 190. 222. 701.231.322. 4V 842. 381.725. 391.272 y Variabel 3 adalah 0.05).277 dengan signifikansi Bartlettnya 0.6V 190.296. 066.5 namun signifikansi di bawah 0. 566.429 a685. 603.701. 600.251.531. 271.142 y Variabel 2 adalah 0.884. 541. 777.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK 603.830.a652. 980. 386. 200.942.391.980. 727. 050.712. a153. 250.531.130 y Variabel 4 adalah 0.951.725.691.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 . 381.760.420.74 772. 302. 2V .432. 420. 322. 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 0.862.giS fd erauqS-ihC .951.222.395. 354.xorppA tseT s'tteltraB dna OMK .066.001 < 0.795.565.256 y Variabel 5 adalah 0.

991.53 134.112.474.6V 620. 670.a944. sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. 833.421. maka variable dan sampel yang ada belum bisa dianalisis dengan analisis faktor. 677.474. 001.283.05 (0.05).611. 155. 372. 421. 321. 201.586 Karena hanya satu variabel yang MSA lebih dari 0.802.a306.620. 001.xorppA tseT s'tteltraB dna OMK .5 namun signifikansi di bawah 0.giS fd erauqS-ihC . Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan.802.833.543.437 y Variabel 4 adalah 0. 442.501. 042. 4V secirtaM egami-itnA 632. 442.521. 372.130.7V 521.940.002 < 0. 042. 1V 7V 6V 5V 4V 2V 1V 7V 6V 5V 4V 2V 1V ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB .002 karena angka tersebut dibawah 0. 201. 991. 51 575. 721. 155.347 a086. 321. a762. 112.5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut.672.611. 2V . 677. Bartlett dan anti-image dengan 6 variabel (variabel 3 dihilangkan).y Variabel 6 adalah 0. 974. 093.351 y Variabel 7 adalah 0.283.210. 412.721. 605.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK )ASM(ycauqedA gnilpmaS fo serusaeM .267 y Variabel 2 adalah 0.771.771. 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.a743.a 302.521. a734.670.940. 305. 302.501.737.632.5V 200. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation pertama yaitu variabel 3 dengan nilai MSA sebesar 0.605.431 dengan signifikansi Bartlettnya 0. 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. 412.905. 974. Berikut merupakan hasil pengujian KMO. 521.210.

y Variabel 5 adalah 0. 607.361.004 dengan signifikansi di bawah 0.860. maka variable dan sampel yang ada sudah bisa dianalisis dengan analisis faktor.370.6V 180. 967. Berikut merupakan hasil pengujian KMO. 2V . Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation kedua yaitu variabel 1 dengan nilai MSA sebesar 0. namun harus melihat besar antiimage (MSA) yang memenuhi yaitu lebih besar dari 0. 240.262.5V 400. 442.5.240. 01 607.635.180. 782.624. )ASM(ycauqedA gnilpmaS fo serusaeM . Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan.280.554 y Variabel 4 adalah 0. 7V 471. 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. 782.a535. a 607.680 Karena masih terdapat variabel yang MSA kurang dari 0.411.xorppA 7V 6V 5V 4V 2V 7V 6V 5V 4V 2V . 111.449 y Variabel 6 adalah 0. 881.520 dan angka KMO tersebut telah diatas 0.giS fd erauqS-ihC .603 y Variabel 7 adalah 0. 744.a 624. a 280. 442.52 411.031.881. 4V 025.464.111.240.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB . 134. sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya.135. a 471. 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 0.134.267.002 < 0.262.05).474 274.370.5 dengan signifikansi Bartlettnya 0.082.240.474.05 (0. 860. 455.753. a 082.031. 744.5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut. 165.361.

6 001.a734.5V 100.845. 792.541.341. 752. namun harus melihat besar antiimage (MSA) yang memenuhi yaitu lebih besar dari 0.102.437 a855.5.5 dengan signifikansi Bartlettnya 0.280.536 y Variabel 6 adalah 0. Berikut merupakan hasil pengujian KMO. sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. )ASM(ycauqedA gnilpmaS fo serusaeM .842. 280. 621.22 842.5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut. 792.001 < 0. a 752.074.xorppA 6V 5V 4V 2V 6V 5V 4V 2V .472 Karena masih terdapat variabel yang MSA kurang dari 0.05). a 227.170. 646. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation kedua yaitu variabel 7 dengan nilai MSA sebesar 0.giS fd erauqS-ihC .ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB .535 y Variabel 7 adalah 0.a 914.525 dan angka KMO tersebut telah diatas 0.6V 454.715.001 dengan signifikansi di bawah 0. Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan. 541. 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 0.472.y Variabel 5 adalah 0. Bartlett dan anti-image dengan 4 variabel (variabel 1.341. 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 0.170. 227.05 (0. maka variable dan sampel yang ada sudah bisa dianalisis dengan analisis faktor.646 y Variabel 4 adalah 0. 586. 914. 454.621. 2V . 102.953. 4V 525.

a 303.a 474.05). a 014. 172.650.xorppA 6V 5V 2V 6V 5V 2V . 3 553. 140.581 Karena semua variabel yang MSA sudah lebih besar dari 0. a 650.157.485.303. Bartlett dan anti-image dengan 3 variabel (variabel 1.y Variabel 5 adalah 0. namun harus melihat besar antiimage (MSA) yang memenuhi yaitu lebih besar dari 0. 3. Berikut merupakan hasil pengujian KMO.619 dan angka KMO tersebut telah diatas 0.5 maka variable tersebut sudah dapat diprediksi dan bisa diuji lebih lanjut. Nilai MSA yang paling kecil dari hasil pengujian anti-image correlation kedua yaitu variabel 4 dengan nilai MSA sebesar 0.436.517 y Variabel 6 adalah 0. maka variable dan sampel yang ada sudah bisa dianalisis dengan analisis faktor.668 y Variabel 6 adalah 0. 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.giS fd erauqS-ihC .016 < 0.5. 185.01 014. Untuk lebih lanjutnya variabel yang memiliki nilai MSA paling kecil dikeluarkan dari perhitungan. sehingga variabel tersebut dikeluarkan dalam perhitungan selanjutnya. 2V . )ASM(ycauqedA gnilpmaS fo serusaeM .5 maka variable tersebut belum dapat diprediksi dan bisa diuji lebih lanjut.140.05 (0.6V 610.866.558 Karena masih terdapat variabel yang MSA kurang dari 0. 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 0.5 dengan signifikansi Bartlettnya 0.5V 916.007.437.ycauqedA gnilpmaS fo erusaeM niklO-reyeM-resiaK ecnairavoC egami-itnA noitalerroC egami-itnA yticirehpS fo tseT s'tteltraB .474.172.016 dengan signifikansi di bawah 0.634 y Variabel 5 adalah 0.

1 laitinI 3 2 1 tnenopmoC 6V 5V 2V . noitcartxE 004.1 000.8% varians dari variable 6 bisa dijelaskan oleh faktor yang terbentuk .sisylanA tnenopmoC lapicnirP :dohteM noitcartxE 857. y Untuk variable 2 angka adalah 0. maka total varians adalah 3 x 1 = 7. 306.758 berarti sekitar 75. Dengan masing-masing variable mempunyai varians 1.3% varians dari variable 2 bisa dijelaskan oleh faktor yang terbentuk y Untuk variable 5 angka adalah 0.36 176.1 000.31 176.001 923. 055.550 berarti sekitar 55.Tahap Kedua : Proses Factoring dan Rotasi seitilanummoC Communalities adalah jumlah varians dari suatu variable mula-mula bias dijelaskan oleh faktor yang ada.910).910 + 0. 019.36 019.0% varians dari variable 5 bisa dijelaskan oleh faktor yang terbentuk y Ada 3 variabel (Component) yang dimasukan dalam analisis faktor.400 = 3 Karena pada Component 1 angka eigen value di atas 1 (1.36 % evitalumuC ecnairaV fo % seulavnegiE laitinI .1 latoT 000. Dari output diatas terlihat pula jumlah total varians adalah 1. 176. 096.32 176. namun pada Component 2 angka eigen value langsung ada di bawah angka 1 (0.68 100.36 176. maka proses factoring bisa di hentikan.690) .603 berarti sekitar 60.sisylanA tnenopmoC lapicnirP :dohteM noitcartxE Untuk variable 6 angka adalah 0.1 % evitalumuC ecnairaV fo % latoT sgnidaoL derauqS fo smuS noitcartxE denialpxE ecnairaV latoT 000.690 + 0.

5 E evl e i n au g 1.a xirtaM tnenopmoC detatoR a a xirtaM tnenopmoC 078.0 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). 147.55.detcartxe stnenopmoc 1 .detcartxe saw tnenopmoc eno ylnO .Scree Plot 2.a .5 0. 677. Dari hasil output Component Matrix diatas terlihat bahwa semua angak faktor loadings ada di atas angka pembatas (cut off point) yang adalah 0.0 1. Hal ini menunjukan bahwa satu faktor adalah paling bagus untuk meringkas ketujuh variable tersebut. 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 : . arah garis menurun dengan tajam. 1 tn enopmoC 6V 5V 2V .0 0.sisylanA tnenopmoC lapicnirP :dohteM noitcartxE .detator eb tonnac noitulos ehT .

4676 -2.2842 0.1726 -0.6687 Angka yang muncul pada variable Faktor 1 merupakan composite (gabungan) dari variable asal terkait.4327 -0.5129 -0.8875 -0.5074 0.y Dari 7 variable yang diteliti.0120 -0.0503 0.7526 0. 5 dan 6 Tahap keempat : Membuat Factor Score: Dari perhitungan menggunakan software SPSS didapat hasil sebagai berikut: Fak 1 1.3952 -0.5748 -1. dengan proses factoring bias direduksi menjadi hanya satu faktor saja Faktor yang terbentuk terdiri atas variable 2.0588 -0.0889 1.5457 -0. .6117 -0.0294 -1.8165 1.

Sign up to vote on this title
UsefulNot useful