Analisis
faktor merupakan salah satu analisis yang banyak digunakan pada statistika multivariat
(peubah ganda). Analisis ini biasanya digunakan apabila dalam suatu penelitian dilibatkan
variabel-variabel yang jumlahnya banyak, dimana antar variabel saling
independen. Dari variabel-variabel yang banyak tersebut dimungkinkan untuk dilakukan
reduksi variabel menjadi beberapa kelompok variabel baru yang lebih sedikit.
Caranya yaitu dengan menemukan hubungan antar variabel yang ada. Sebagai contoh,
suatu penelitian melibatkan 10 variabel yang independen satu dengan yang lain.
Dengan menggunakan analisis faktor, 10 variabel tersebut mungkin dapat
direduksi menjadi 3 kumpulan variabel baru. Kumpulan variabel baru tadi disebut
“faktor”, dimana faktor tersebut tetap mencerminkan karakteristik dari
variabel-variabel awal. Jadi, inti dalam analisis faktor adalah menemukan
hubungan (interrelationship) antar sejumlah variabel-variabel yang saling
independen satu dengan yang lain sehingga bisa dibuat satu atau beberapa
kumpulan variabel yang lebih sedikit dari jumlah variabel awal.
Prosedur dalam
analisis faktor meliputi beberapa tahapan, yaitu :
1. Penyeleksian variabel
Tahap penyeleksian variabel ini
adalah menilai variabel mana saja yang dianggap layak untuk dimasukkan dalam
tahapan analisis faktor selanjutnya. Untuk keperluan ini, pengujian dilakukan
dengan metode Keiser Meyer Olkin Measure
of Sampling Adequacy (KMO-MSA) and
Bartlett’s test of sphericity. Aturan pengambilan
keputusan untuk pengujian ini adalah :
Pertama, jika angka
KMO and Bartlett’s test > 0,5 dan nilai Signifikansi (dalam output
SPSS tertulis “Sig.”) bernilai lebih kecil dari taraf nyata (α), maka berarti bahwa variabel-variabel dalam
pengujian ini sudah memadai atau dapat diikutkan dalam tahapan analisis faktor
selanjutnya.
Kedua, angka MSA (Measure
of Sampling Adequacy) berkisar 0 sampai 1, dengan kriteria :
§ MSA = 1, variabel tersebut 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.
2. Melakukan proses factoring
Proses factoring adalah proses inti dalam analisis faktor. Metode yang
digunakan dalam proses factoring ada beberapa macam, namun yang umum dipakai
dan paling sederhana adalah metode komponen utama. Pada tahap ini dilakukan
pereduksian sejumlah variabel yang banyak menjadi beberapa faktor yang
jumlahnya lebih sedikit dari pada variabel awal tersebut. Ada dua hal penting
yang menjadi perhatian dalam analisis faktor, yaitu :
1)
Menentukan
berapa banyak faktor yang dapat dibentuk.
Prosedur pengambilan keputusan mengenai jumlah faktor yang dapat dibentuk
salah satunya adalah berdasarkan nilai akar ciri (eigenvalue), dengan ketentuan bahwa faktor tersebut memiliki akar
ciri lebih besar atau sama dengan 1. Selain itu juga perlu dilihat berapa
persentase keragaman yang dapat dijelaskan oleh faktor-faktor yang telah
terbentuk. Semakin besar persentase keragaman yang dapat dijelaskan, maka
faktor yang terbentuk akan mampu menjelaskan variabel awal dengan baik.
2)
Menentukan variabel-variabel apa saja yang
masuk ke dalam faktor-faktor yang telah terbentuk.
Untuk keperluan ini, dilakukan dengan melihat besarnya angka loading
faktor. Angka loading faktor ini menunjukkan besarnya korelasi antara suatu
variabel dengan faktor yang terbentuk. Nilai loading faktor dari suatu variabel
yang lebih besar pada faktor pertama dari pada faktor lain, maka variabel
tersebut akan masuk ke dalam faktor pertama, dan seterusnya.
3. Melakukan proses rotasi faktor
Rotasi faktor atau rotasi terhadap
faktor yang telah terbentuk bertujuan untuk memperjelas variabel yang masuk ke
dalam faktor tertentu. Proses rotasi ini untuk mengatasi keraguan dalam
memasukkan variabel-variabel ke dalam faktor tententu. Atau apabila faktor yang
terbentuk hanya satu faktor sehingga sebuah variabel diragukan apakah layak
dimasukkan ke dalam faktor yang terbentuk atau tidak. Ada beberapa metode
rotasi faktor, yaitu :
a.
Orthogonal
Rotation, yaitu rotasi dengan memutar sumbu 90o. Proses rotasi
orthogonal ini dibedakan menjadi tiga, yaitu Quartimax, Varimax, dan Equimax.
b.
Oblique
Rotation, yaitu rotasi dengan memutar sumbu ke kanan, namun tidak harus 90o.
Proses rotasi oblique dibedakan
menjadi beberapa metode, yaitu Oblimin, Promax, Orthoblique, dan lainnya.
4. Pemberian nama faktor yang telah terbentuk yang
dianggap mewakili variabel-variabel anggota faktor tersebut.
Referensi :
1. Singgih Santoso : SPSS Statistik Multivariat
2. Dept. Statistika IPB : Analisis Peubah Ganda
Tidak ada komentar:
Posting Komentar