ANALISIS FAKTOR YANG MEMPENGARUHI SEORANG WANITA JATUH CINTA KEPADA SEORANG PRIA

Seorang peneliti ingin mengetahui faktor apa yang melandasi seorang wanita bisa jatuh cinta kepada seorang pria. Analsis yang digunakan adalah analisis faktor karena analisis ini bertujuan untuk mengekplorasi wilayah-wilayah variabel agar diketahui dan ditunjukkan faktor-faktor yang diduga melandasi variabel itu, atau ingin menguji hipotesis tentang relasi-relasi antar variabel-variabel tersebut. Peneliti tersebut mengambil sampel sebanyak 50 orang yang dipilih secara acak danditabulasikan sebagai berikut :

NO SUBJEK	KOMUNIKASI	INTENSITAS	FISIK	MATERI	PEKERJAAN
1	9	7	8	6	6
2	8	7	7	8	8
3	9	8	8	7	6
4	9	9	9	9	9
5	9	7	4	8	8
6	7	7	7	8	6
7	7	6	6	5	4
8	9	9	9	9	9
9	7	6	7	5	6
10	6	5	5	5	5
11	9	3	8	4	6
12	8	4	5	6	4
13	6	5	6	4	5
14	9	7	8	7	7
15	7	8	7	7	8
16	7	6	7	7	8
17	8	6	7	6	5
18	5	7	5	5	5
19	9	8	8	8	8
20	9	9	9	9	9
21	5	5	5	5	5
22	9	9	7	8	8
23	9	6	4	7	7
24	7	7	7	7	5
25	5	5	3	5	5
26	8	7	5	6	7
27	7	8	6	8	8
28	9	8	5	4	7
29	9	8	8	7	6
30	8	7	7	7	5
31	9	5	8	7	5
32	8	6	7	4	3
33	7	7	7	6	5
34	9	5	5	5	5
35	9	8	7	8	8
36	9	7	9	2	9
37	9	9	9	1	9
38	9	7	8	9	8
39	9	8	6	9	5
40	4	5	6	5	6
41	3	4	3	5	5
42	1	8	5	9	9
43	1	5	5	9	7
44	2	9	5	7	7
45	4	5	5	4	5
46	1	5	5	4	4
47	4	7	7	9	8
48	2	9	7	8	8
49	3	5	5	5	5
50	3	5	6	5	5

HASIL ANALISIS DATA

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.		,708
Bartlett's Test of Sphericity	Approx. Chi-Square	70,201
	df	10
	Sig.	,000

KMO bertujuan untuk mengukur kecukupan sampling (sampling adequacy)

Besarnya nilai koefesien KMO adalah 0,708>0,5 berarti data tersebut memenuhi untuk dilakukan analisis faktor.

Anti-image Matrices
		Gaya Komunikasi Pria	Intensitas Pertemuan	Fisik/Wajah Pria	Materi/  Kekayaan	Pekerjaan Pria
Anti-image Covariance	Gaya Komunikasi Pria	,713	-,044	-,302	,026	,040
	Intensitas Pertemuan	-,044	,464	-,121	-,163	-,243
	Fisik/Wajah Pria	-,302	-,121	,576	,053	-,102
	Materi/Kekayaan	,026	-,163	,053	,750	-,125
	Pekerjaan Pria	,040	-,243	-,102	-,125	,512
Anti-image Correlation	Gaya Komunikasi Pria	,632a	-,076	-,471	,035	,066
	Intensitas Pertemuan	-,076	,715a	-,234	-,276	-,499
	Fisik/Wajah Pria	-,471	-,234	,693a	,080	-,188
	Materi/Kekayaan	,035	-,276	,080	,775a	-,201
	Pekerjaan Pria	,066	-,499	-,188	-,201	,722a
a. Measures of Sampling Adequacy(MSA)

Tabel diatas adalah untuk melihat nilai korelasi antar variabel multivariat, output pada Anti Image Matrices dimana disini perlu kita lihat sisi Measure of Sampling Adequacy (MSA) saja yaitu yang ada huruf “a” nya pada Anti Image Correlationnya.

MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel yang lain.

MSA > 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut.

MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.

Dari tabel diatas diketahui semua nilai MSA > 0,5 yang artinya semua variabel masih bisa diprediksi dan dianalisis lebih lanjut.

Communalities
	Initial	Extraction
Gaya Komunikasi Pria	1,000	,776
Intensitas Pertemuan	1,000	,762
Fisik/Wajah Pria	1,000	,758
Materi/Kekayaan	1,000	,669
Pekerjaan Pria	1,000	,725
Extraction Method: Principal Component Analysis.

Tabel Communality diatas kita manfaatkan sebagai uji validitas faktor yang nanti terbentuk dan bisa menjelaskan dan memotret variabel-variabel yang mempengaruhi seorang wanita jatuh cinta kepada seorang pria. Untuk gaya komunikasi pria nilai communality sebesar 0,776 yang berarti 77,6% varians dari variabel gaya komunikasi pria bisa dijelaskan oleh faktor yang dibentuknya. Untuk intensitas pertemuan nilai communality sebesar 0,762 yang berarti 76,2% varians dari variabel intensitas pertemuan bisa dijelaskan oleh faktor yang dibentuknya. Untuk fisik/wajah pria nilai communality sebesar 0,758 yang berarti 75,8% varians dari variabel fisik/wajah pria bisa dijelaskan oleh faktor yang dibentuknya. Untuk materi/kekayaan nilai communality sebesar 0,669 yang berarti 66,9% varians dari variabel materi/kekayaan bisa dijelaskan oleh faktor yang dibentuknya. Untuk pekerjaan pria nilai communality sebesar 0,725 yang berarti 72,5% varians dari variabel pekerjaan pria bisa dijelaskan oleh faktor yang dibentuknya.

Total Variance Explained
Component	Initial Eigenvalues			Extraction Sums of Squared Loadings			Rotation Sums of Squared Loadings
	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	2,537	50,738	50,738	2,537	50,738	50,738	2,030	40,600	40,600
2	1,152	23,045	73,783	1,152	23,045	73,783	1,659	33,183	73,783
3	,592	11,845	85,628
4	,397	7,950	93,577
5	,321	6,423	100,000
Extraction Method: Principal Component Analysis.

Dalam menentukan jumlah faktor yang akan dibentuk ada beberapa cara yang digunakan, salah satunya dengan melihat eigenvalues. Nilai eigenvalues telah ditentukan sebesar 1, sehingga yang koefesien eigenvaluesnya diatas 1 merupakan faktor yang terbentuk. Dari tabel diatas dapat kita lihat ada 2 faktor terbentuk, yaitu faktor 1 yang akan menjelaskan variasi data sebesar 50,738% dan faktor 2 yang akan menjelaskan variasi data sebesar 23,045%.

Scree plot adalah grafik yang juga menggambarkan plot nilai eigenvalue dari masing-masing variabel. Dari scree plot diatas dapat dilihat adanya 2 belokan ekstrim seperti menyiku, nah posisi menyiku itulah nah menunjukkan adanya 2 faktor yang berhasil dibentuk dari variabel yang telah terkumpul.

Component Matrixa
	Component
	1	2
Gaya Komunikasi Pria	,533	,701
Intensitas Pertemuan	,852	-,190
Fisik/Wajah Pria	,735	,467
Materi/Kekayaan	,581	-,576
Pekerjaan Pria	,806	-,273
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

Tabel component matrix diatas menunjukkan faktor mana saja yang berkorelasi dengan variabel, bila nilai faktor loading > 0,5 baik yang bertanda (+) atau (-) berarti menunjukan variabel tersebut tergabung dengan faktor yang mana. Dari tabel tersebut dapat dilihat bahwa Gaya Komunikasi Pria, Intensitas Pertemuan, Fisik/Wajah Pria, Materi/Kekayaan,  Pekerjaan Pria termasuk dalam faktor atau komponen 1, dan Gaya Komunikasi Pria, Materi/Kekayaan termasuk dalam faktor atau komponen 2.

Reproduced Correlations
		Gaya Komunikasi Pria	Intensitas Pertemuan	Fisik/Wajah Pria	Materi/Kekayaan	Pekerjaan Pria
Reproduced Correlation	Gaya Komunikasi Pria	,776a	,320	,719	-,094	,238
	Intensitas Pertemuan	,320	,762a	,537	,604	,739
	Fisik/Wajah Pria	,719	,537	,758a	,158	,465
	Materi/Kekayaan	-,094	,604	,158	,669a	,626
	Pekerjaan Pria	,238	,739	,465	,626	,725a
Residualb	Gaya Komunikasi Pria		-,042	-,188	,155	-,044
	Intensitas Pertemuan	-,042		-,057	-,144	-,068
	Fisik/Wajah Pria	-,188	-,057		,004	-,039
	Materi/Kekayaan	,155	-,144	,004		-,193
	Pekerjaan Pria	-,044	-,068	-,039	-,193
Extraction Method: Principal Component Analysis.
a. Reproduced communalities
b. Residuals are computed between observed and reproduced correlations. There are 6 (60,0%) nonredundant residuals with absolute values greater than 0.05.

Tabel Residual berfungsi untuk menentukan ketepatan/kecocokan model (fit model). Residual merupakan perbedaan antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi harsil reproduksi yang diperkirakan dari matrix faktor. Nilai ini dapat digunakan untuk menentukan ketepatan model dengan yang nilai residuannya lebih besar dari 0,05 digunakan sebagai indikatorya. Dari tabel diatas yang > 0,05 adalah sebanyak 6 (60,0%), secara umum model tersebut dikatakan cocok/fit.

Component Transformation Matrix
Component	1	2
1	,796	,605
2	-,605	,796
Extraction Method: Principal Component Analysis.   Rotation Method: Varimax with Kaiser Normalization.

Correlations
		REGR factor score   2 for analysis 1	REGR factor score   1 for analysis 1
REGR factor score   2 for analysis 1	Pearson Correlation	1	,000
	Sig. (2-tailed)		1,000
	N	50	50
REGR factor score   1 for analysis 1	Pearson Correlation	,000	1
	Sig. (2-tailed)	1,000
	N	50	50

Tabel diatas adalah pembuktian bahwa diantara kedua faktor tidak ada korelasi, dan koefesien diantara keduanya adalah 1.