SlideShare ist ein Scribd-Unternehmen logo
1 von 4
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.
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.
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
28   40.00   60.00   70.00
29   30.00   65.00   60.00
30   25.00   40.00   60.00

Weitere ähnliche Inhalte

Andere mochten auch

Rising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agricultureRising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agricultureDecision and Policy Analysis Program
 
Mattj Presentation
Mattj PresentationMattj Presentation
Mattj Presentationmattomatto
 
Wdc Overview
Wdc OverviewWdc Overview
Wdc OverviewSmrtAss
 
Curriculum series 2010 posterous
Curriculum series 2010   posterousCurriculum series 2010   posterous
Curriculum series 2010 posterousFrank
 
GN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive LodgeGN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive LodgeBSBfan
 
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...Yangki Sulaeman
 

Andere mochten auch (9)

Get smart!short
Get smart!shortGet smart!short
Get smart!short
 
Rising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agricultureRising to the challenge of establishing a climate smart agriculture
Rising to the challenge of establishing a climate smart agriculture
 
Mattj Presentation
Mattj PresentationMattj Presentation
Mattj Presentation
 
Regresi Asli
Regresi AsliRegresi Asli
Regresi Asli
 
Wdc Overview
Wdc OverviewWdc Overview
Wdc Overview
 
Curriculum series 2010 posterous
Curriculum series 2010   posterousCurriculum series 2010   posterous
Curriculum series 2010 posterous
 
GN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive LodgeGN441 Luxury Locomotive Lodge
GN441 Luxury Locomotive Lodge
 
JRV – GBIF Science Symposium 2013
JRV – GBIF Science Symposium 2013JRV – GBIF Science Symposium 2013
JRV – GBIF Science Symposium 2013
 
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
Nanosecond Pulsed Electric Fields (nsPEFs) Low Cost Generator Design using Po...
 

Ähnlich wie A Nfak Asli

Analisis Faktor Agoez
Analisis Faktor AgoezAnalisis Faktor Agoez
Analisis Faktor Agoezguest294e7062
 
Analisis Faktor Agus Mulyadi
Analisis Faktor Agus MulyadiAnalisis Faktor Agus Mulyadi
Analisis Faktor Agus Mulyadiguest294e7062
 
Analisis Faktor Agus
Analisis Faktor AgusAnalisis Faktor Agus
Analisis Faktor Agusguest294e7062
 
Analisis Faktor Hamsah
Analisis Faktor HamsahAnalisis Faktor Hamsah
Analisis Faktor Hamsahguest16fb8ad
 
Analisis Facktor Isep Hendari
Analisis Facktor Isep HendariAnalisis Facktor Isep Hendari
Analisis Facktor Isep Hendariguest7afef24
 
Analisis Facktor Isep Hendari
Analisis Facktor Isep HendariAnalisis Facktor Isep Hendari
Analisis Facktor Isep Hendariguest294e7062
 
A N A L I S I S F A C K T O R I S E P H E N D A R I
A N A L I S I S  F A C K T O R  I S E P  H E N D A R IA N A L I S I S  F A C K T O R  I S E P  H E N D A R I
A N A L I S I S F A C K T O R I S E P H E N D A R Iguest294e7062
 
A N A L I S I S F A C K T O R I S E P H E N D A R I
A N A L I S I S  F A C K T O R  I S E P  H E N D A R IA N A L I S I S  F A C K T O R  I S E P  H E N D A R I
A N A L I S I S F A C K T O R I S E P H E N D A R Iguest294e7062
 
Analisis Facktor Isep Hendari
Analisis Facktor Isep HendariAnalisis Facktor Isep Hendari
Analisis Facktor Isep Hendariguest294e7062
 
A N A L I S I S F A C K T O R I S E P H E N D A R I
A N A L I S I S  F A C K T O R  I S E P  H E N D A R IA N A L I S I S  F A C K T O R  I S E P  H E N D A R I
A N A L I S I S F A C K T O R I S E P H E N D A R Iguest294e7062
 
analisis kkm matematika materi fungsi invers kelas XI MIA
analisis kkm matematika materi fungsi invers kelas XI MIAanalisis kkm matematika materi fungsi invers kelas XI MIA
analisis kkm matematika materi fungsi invers kelas XI MIAMuhammad Alfiansyah Alfi
 
ANALISIS FAKTOR - STATISTIK.pptx
ANALISIS FAKTOR - STATISTIK.pptxANALISIS FAKTOR - STATISTIK.pptx
ANALISIS FAKTOR - STATISTIK.pptxDennySaputra54
 
Aminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptx
Aminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptxAminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptx
Aminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptxAminullah Assagaf
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azisguest3bd5cca
 

Ähnlich wie A Nfak Asli (20)

Analisis Faktor Agoez
Analisis Faktor AgoezAnalisis Faktor Agoez
Analisis Faktor Agoez
 
Analisis Faktor Agus Mulyadi
Analisis Faktor Agus MulyadiAnalisis Faktor Agus Mulyadi
Analisis Faktor Agus Mulyadi
 
Analisis Faktor Agus
Analisis Faktor AgusAnalisis Faktor Agus
Analisis Faktor Agus
 
Analisis Faktor
Analisis FaktorAnalisis Faktor
Analisis Faktor
 
ANALISIS FAKTOR
ANALISIS FAKTORANALISIS FAKTOR
ANALISIS FAKTOR
 
Analisis Faktor
Analisis FaktorAnalisis Faktor
Analisis Faktor
 
purwa
purwapurwa
purwa
 
Analisis Faktor Hamsah
Analisis Faktor HamsahAnalisis Faktor Hamsah
Analisis Faktor Hamsah
 
Analisis Facktor Isep Hendari
Analisis Facktor Isep HendariAnalisis Facktor Isep Hendari
Analisis Facktor Isep Hendari
 
Analisis Facktor Isep Hendari
Analisis Facktor Isep HendariAnalisis Facktor Isep Hendari
Analisis Facktor Isep Hendari
 
A N A L I S I S F A C K T O R I S E P H E N D A R I
A N A L I S I S  F A C K T O R  I S E P  H E N D A R IA N A L I S I S  F A C K T O R  I S E P  H E N D A R I
A N A L I S I S F A C K T O R I S E P H E N D A R I
 
A N A L I S I S F A C K T O R I S E P H E N D A R I
A N A L I S I S  F A C K T O R  I S E P  H E N D A R IA N A L I S I S  F A C K T O R  I S E P  H E N D A R I
A N A L I S I S F A C K T O R I S E P H E N D A R I
 
Analisis Facktor Isep Hendari
Analisis Facktor Isep HendariAnalisis Facktor Isep Hendari
Analisis Facktor Isep Hendari
 
A N A L I S I S F A C K T O R I S E P H E N D A R I
A N A L I S I S  F A C K T O R  I S E P  H E N D A R IA N A L I S I S  F A C K T O R  I S E P  H E N D A R I
A N A L I S I S F A C K T O R I S E P H E N D A R I
 
analisis kkm matematika materi fungsi invers kelas XI MIA
analisis kkm matematika materi fungsi invers kelas XI MIAanalisis kkm matematika materi fungsi invers kelas XI MIA
analisis kkm matematika materi fungsi invers kelas XI MIA
 
ANALISIS FAKTOR - STATISTIK.pptx
ANALISIS FAKTOR - STATISTIK.pptxANALISIS FAKTOR - STATISTIK.pptx
ANALISIS FAKTOR - STATISTIK.pptx
 
Aminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptx
Aminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptxAminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptx
Aminullah Assagaf_PLS SEM & SPSS-4 Juli 2023.pptx
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 
Data Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al AzisData Spss Anova Hidayatullah Al Azis
Data Spss Anova Hidayatullah Al Azis
 

A Nfak Asli

  • 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