Analisis Faktor

ANALISIS FAKTOR

Dalam melakukan penelitian, terkadang kita perlu menganalisis faktor yang dapat menerangkan varians yang akan diteliti. Hal ini sangat penting dilakukan sehingga kita dapat mengurangi jumlah data atau meringkas sejumlah variabel menjadi lebih kecil jumlahnya. Setelah mengurangi atau meringkas data kita dapat menemukan variabel-variabel atau faktor-faktor yang dominan atau penting untuk dianalisa lebih lanjut. Teknik yang digunakan yaitu Analisis Faktor.

Apa itu Analisis Faktor? Apa tujuan dari Analisis Faktor? Dan hal lain apa yang harus kita ketahui tentang analisis faktor?

Mengetahui lebih lanjut tentang Analisis Faktor, terlebih dahulu kita harus mengetahui apa itu Analisis? Dalam bidang matematika, logika, analisis merupakan proses pemecahan suatu masalah kompleks menjadi bagian-bagian kecil sehingga bisa lebih mudah dipahami. Dalam linguistik, analisis adalah kajian yang dilaksanakan terhadap sebuah bahasa guna meneliti struktur bahasa tersebut secara mendalam.

Analisis Faktor merupakan salah satu teknik statistika yang digunakan untuk memberikan deskripsi yang relatif sederhana melalui reduksi jumlah peubah yang disebut faktor. Analisis Faktor adalah sebuah teknik yang digunakan untuk menarik faktor-faktor yang mampu menjelaskan hubungan atau korelasi antara berbagai indikator  independen yang diobservasi.

Analisis Faktor merupakan metode analisis multivariat yang didasarkan pada korelasi antar variabel. Analisis Faktor termasuk salah satu teknik statistika yang dapat digunakan untuk memberikan deskripsi yang relatif sederhana melalui reduksi jumlah variabel yang disebut faktor. 

Menurut Singgih Santoso (2012), secara prinsip Analisis Faktor merupakan suatu metode yang digunakan untuk menemukan hubungan antar sejumlah variabel yang saling independen antara satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan peubah yang lebih sedikit dari jumlah variabel awal.

Menurut J. Supranto (2004), Analisis Faktor merupakan teknik statistika yang utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang banyak diubah menjadi sedikit variabel.

Menurut Fruchter (1954), Analisis Faktor merupakan suatu metode untuk menganalisis sejumlah observasi, dipandang dari sisi interkorelasinya untuk mendapatkan apakah variasi-variasi yang nampak dalam observasi itu mungkin berdasarkan atas sejumlah kategori dasar yang jumlahnya lebih sedikit dari yang nampak.

Tujuan dari Analisis Faktor adalah untuk menggambarkan hubungan-hubungan kovarian antara beberapa variabel yang mendasari tetapi tidak teramati, kuantitas random yang disebut faktor (Johnson and Wichern, 2007).

Menurut Kachigan (1986), aplikasi penggunaan analisis faktor bertujuan untuk:

a. Identifikasi faktor yang mendasari
b. Penyaringan variabel (Screening of Variables)
c. Meringkas data (Summary of Data)
d. Memilih variabel (Sampling of Variables)
e. Pengelompokan Objek (Clustering of Objects)

Model Analisis Faktor yaitu: 

Xi = A1F1 + A2F2 + A3F3 + ... + AimFm + V1Ui

Dimana: 

Xi =  Variabel baku ke- i

Aij =  Koefisien regresi majemuk yang dibakukan dari variabel i atas faktor biasa j.

F =  Faktor biasa.

Vi =  Koefisien regresi yang dibakukan dari variabel i atas faktor unik i.

Ui =  Faktor untuk variabel i.

M =  Banyaknya faktor biasa.

Analisis faktor pada dasarnya dapat dibedakan seara nyata menjadi dua macam yaitu:

     1.    Analisis Faktor Explanatori

               Analisis Faktor Explanatori adalah suatu analisis yang digunakan untuk menguji antarvariabel yang yang dihipotesiskan. Pada analisis ini terdapat hipotesis yang akan diuji kebenarannya. Hipotesis ini menggambarkan hubungan antara dua variabel, untuk mengetahui apakah variabel bersosiasi ataukah tidak dengan variabel lainnya, atau variabel disebabkan atau dipengaruhi atau tidak oleh variabel lainnya, sehingga akan menghasilkan pengelompokan atau tepatnya abstraction dari banyak variabel menjadi hanya beberapa variabel baru atau faktor dengan maksud mudah untuk dikelola.

       2.    Analisis Faktor Konfirmatori

             Analisis Faktor Konfirmatori adalah suatu teknik analisis faktor dimana secara apriori berdasarkan teori dan konsep yang sudah diketahui dan yang sudah diketahui, dipahami, dan ditentukan sebelumnya, maka dibuat sejumlah faktor yang dibentuk serta variabel apa saja yang termasuk kedalam masing-masing faktor yang dibentuk dan sudah pasti tujuannya. Rumus yang digunakan untuk menguji validitas menggunakan konfirmatori sebagai berikut:

                    Indikator = Variabel Laten + Kesalahan Pengukuran

Analisis Faktor digunakan untuk mengetahui faktor-faktor yang dominan dalam menjelaskan suatu masalah. Misalnya suatu studi ingin mengetahui faktor-faktor yang dominan yang menentukan keberhasilan Program Keluarga Berencana. Misalnya ada sekitar 20 peubah bebas yang digunakan untuk menentukan hal tersebut. Analisis Faktor akan menentukan faktor-faktor apa saja dari 20 peubah yang merupakan faktor-faktor dominan dalam menentukan keberhasilan Program Keluarga Berencana.

Tahapan Analisis Faktor yaitu:

1. Tabulasi data pada data view
2. Pembentukan matrik korelasi
3. Ekstraksi faktor
4. Rotasi faktor
5. Interpretasi faktor
6. Pembuatan factor scores
7. Pilih variabel surrogate atau tentukan summated scale

Langkah Analisis Faktor Dengan SPSS

Dalam analisis faktor ini kita menggunakan contoh kasus peningkatan pelayanan sebuah swalayan. Seorang manajer swalayan ingin mengetahui variabel-variabel apa yang dominan dipersepsikan oleh konsumen. Variabel-variabel tersebut kemudian dibuat kuesioner dan disebarkan pada pengunjung swalayan sebanyak 100 orang sebagai sampel. Variabel pertanyaan tersebut meliputi : kenyamanan, lokasi toko, kualitas produk, harga produk, tempat parkir, kebersihan, pelayanan kasir, keberagaman produk dan fasilitas, keindahan interior ruangan.

Langkah Analisis Faktor 1
Bagan 1 Langkah Analisis Faktor

Langkah-langkah :

1. Dari menu SPSS Klik Analyze >> Dimension Reduction >> Factor
2. Masukkan Semua variabel kuesioner ke dalam kotak variable (s)
3. Klik Descriptive, Klik KMO Bartletts test of Sphericity dan anti Image
4. Klik Initial Solution

Hasil Output sebagai berikut :

Tabel KMO and Bartlet's Test 1

Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of sampling Adequacy (MSA) adalah 0.568. Karena nilai 0.568 ('> 0.5). Hal ini menunjukkan kecukupan dari sampel. Angka KMO dan Bartlet's test (yang tanpak pada nilai chi-square) sebesar 574,473 dengan nilai signifikansi 0.000. hal ini menunjukkan bahwa adanya korelasi antar variabel dan layak untuk proses lebih lanjut.

Selanjutnya untuk mengetahui variabel mana yang dapat diproses lebih lanjut dan mana yang dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah ini.

Tabel Anti-image Matrices 1

Pada tabel Anti-image Matrice di atas, khusus pada bagian (anti Image Correlation) terlihat angka yang bertanda (a) yang menandakan besaran MSA sebuah variabel. Variabel kenyamanan 0.736, lokasi toko 0.659, Kualitas produk 0.569), harga produk 0.569, tempat parkir 0.520, kebersihan 0.652, pelayanan kasir 0.564, keberagaman produk 0.581, fasilitas 0.811 dan keindahan interior 0.517. Nilai MSA masing-masing variabel besarnya > 0.5 maka semua variabel dapat diproses lebih lanjut.

NB. Jika ada variabel yang nilai MSA < 0.5 maka dilakukan proses ulang dari awal dengan mengeluarkan variabel tersebut yang nilai MSA < 0.5.

Langkah analisis selanjutnya : 

1. Dari menu SPSS, buka kembali analisis factor
2. Tekan tombol reset
3. Masukan semua variabel ke dalam kolom variables(s) karena semua variabel lolos uji pertama.
4. Klik tombol Descriptive, Klik Initial solution, KMO and Bartlett's test of Sphericity, anti Image dan Klik Continue.
5. Klik Extraction, Klik screee plot, Klik continue
6. Klik Scores, Klik save as variable pilih regression.
7. Klik Continue dan klik OK.

Tabel Communayies 1

Tabel Communalities, variabel kenyamanan besarnya 0,551. Hal ini berarti sekitar 55,1% varians dari variabel kenyamanan dapat dijelaskan oleh faktor yang terbentuk. Variabel lokasi toko 0,483 hal ini berarti 48,3% varian dari variabel lokasi toko dapat dijelaskan oleh faktor yang terbentuk. Demikian juga untuk variabel yang lain. Semakin kecil nilai communalities berarti semakin lemah hubungannya dengan faktor yang terbentuk.

Tabel Total Variance Explained 1

 Pada tabel Total Variance Explained di atas menunjukkan ada 4 faktor yang terbentuk dari 10 variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value sebesar 2,938 dengan variance (29,382%), Faktor 2 eigenvalue sebesar 2,024 dengan variance (20,237%), Faktor 3 eigenvalue sebesar 1,193 dengan (11,933%) dan Faktor 4 eigenvalue sebesar 1,142 dengan variance (11,422%).

Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam menghitung varians dari 10 variabel yang di analisis. Bila semua variabel dijumlahkan bernilai 10 (sama dengan banyaknya variabel).

2,938/10 x 100% = 29,38%

2,024/10 x 100% = 20,24%

1,193/10 x 100% = 11,93%

1,142/10 x 100% = 11,42%

Total varians apabila dari 10 variabel diekstrak menjadi 4 faktor adalah :

29,382 % + 20,237% + 11,933 % + 11,422% = 72,974%

Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 72,974% sedangkan sisanya 27,026% dijelaskan oleh faktor lain yang tidak diteliti.

Gafik Scree Plot 1

Gambar Screeplot menerangkan hubungan antara banyaknya faktor yang terbentuk dengan nilai eigenvalue dalam bentuk grafik.

Tabel Rotated Component Matrix 1

Rotated Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor merupakan besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut. Untuk variabel kenyamanan, korelasi antara variabel kenyamanan dengan faktor 1 (0,173), faktor 2 (0,156), faktor 3 (-0,134), faktor 4 (0,692). Hal ini dapat dikatakan bahwa variabel kenyamanan masuk ke dalam Faktor 4, karena korelasinya paling tinggi diantara faktor yang lain. Demikian juga faktor loading untuk variabel yang lain.

Variabel lokasi toko nilai loading faktor dengan faktor 1 (0,265), faktor 2 (0,266), faktor 3 (0,170), faktor 4 (0,560). Maka variabel lokasi toko masuk ke Faktor 4.

Variabel kualitas produk nilai loading faktor dengan faktor 1 (0,161), faktor 2 (0,942), faktor 3 (-0,940), faktor 4 (0,40). Maka variabel kualitas produk masuk Faktor 2.

Variabel harga produk nilai loading faktor dengan faktor 1 (0,952), faktor 2 (0,163), faktor 3 (0,021), faktor 4 (0,081). Maka variabel harga produk masuk Faktor 1.

Variabel tempat parkir nilai loading faktor dengan faktor 1 (-0,088), faktor 2 (-0,110), faktor 3 (0,936), faktor 4 (0,052). Maka variabel tempat parkir masuk ke Faktor 3.

Variabel kebersihan nilai loading faktor dengan faktor 1 (0,233), faktor 2 (0,055), faktor 3 (0,413), faktor 4 (-0,110). Maka variabel kebersihan masuk Faktor 3.

Variabel pelayanan kasir nilai loading faktor dengan faktor 1 (0,166), faktor 2 (0,953), faktor 3 (-0,41), faktor 4 (-0,078). Maka variabel pelayanan kasir masuk ke Faktor 2.

Variabel keberagaman produk nlai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176), faktor 3 (0,035), faktor 4 (0,036). Maka variabel keberagaman produk masuk Faktor 1.

Variabel fasilitas faktor nlai loading dengan faktor 1 (0,210), faktor 2 (0,206), dengan faktor 3 (-0,023) dan faktor 4 (0,643). Maka variabel fasilitas masuk ke Faktor 1.

Variabel keindahan interior nilai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176), faktor 3 (0,035), faktor 4 (0,078). Maka variabel keindahan interior masuk Faktor 1.

Tabel Component Transformation Matrix 1

Tabel Component Transformation matrix, menunjukan hasil rotasi varimax. Variabel-variabel sudah terditribusikan ke masing-masing faktor yaitu 4 faktor yang terbentuk.

Setelah dilakukan rotasi dan terbentuk 4 faktor, selanjutnya memberi nama faktor tersebut. Penamaan faktor ini tergantung peneliti dan dapat mewakili variabel-variabelnya.

1. Faktor 1 terdiri dari variabel harga produk, keberagaman produk dan fasilitas. Diberinama Faktor Produk dan Fasilitas.

2. Faktor 2 terdiri dari variabel kualitas produk dan pelayanan kasir. Diberinama Faktor Kualitas dan Pelayanan.

3. Faktor 3 terdiri dari variabel kebersihan dan keindahan interior. Diberinama Faktor Kebersihan.

4. Faktor 4 terdiri dari variabel kenyamanan dan variabel lokasi toko. Diberinama Faktor Akses.

Catatan:

Analisis faktor dapat juga digunakan sebagai salah satu analisis untuk menanggulangi masalah multikolinieritas dalam regresi berganda, yaitu dengan mereduksi variabel-variabel independen yang mengalami problem multikolineritas. 

Sumber :

1. https://statmat.id/panduan-menguasai-metode-analisis-faktor/

2. https://www.slideshare.net/mobile/perikanankelautanunila/06-analisis-faktor

3. https://www.google.co.id/amp/s/www.statistikian.com/2014/03/analisis-faktor.html%3famp

4. http://www.statistikolahdata.com/2017/01/langkah-analisis-faktor-dengan-spss.html?m=1

5. https://ejournal.undip.ac.id/index.php/jgti/article/download/2164/1887

6. https://media.neliti.com/media/publications/111532-ID-analisis-faktor-faktor-yang-mempengaruhi.pdf

7. http://repository.uinjkt.ac.id/dspace/bitstream/123456789/31507/1/Meinarini%20Catur%20Utami.pdf

8. https://id.m.wikipedia.org/wiki/Analisis

9. https://statistikceria.blogspot.com/2013/03/teori-analisis-faktor-factor-analysis.html?m=1


Sosial media kami :
Line : @bsk6272o
Instagram : @hmps.statistika.unm
Facebook : Hmps Statistika Fmipa UNM
Youtube : HMPS Statistika FMIPA UNM
Blog : hmps-statistika-fmipa-unm.blogspot.com

Read More