Prosedur Analisis Faktor dengan Menggunakan Program Komputer

Analisis faktor adalah prosedur untuk mengidentifikasi item atau variabel berdasarkan kemiripannya. Kemiripan tersebut ditunjukkan dengan nilai korelasi yang tinggi. Item-item yang memiliki korelasi yang tinggi akan membentuk satu kerumunan faktor. Dalam analisis faktor dikenal istilah konstrak empirik dan konstrak laten. Item adalah konstrak empirik karena didapatkan langsung dari skor empirik. Faktor merupakan konstrak yang bersifat laten karena tidak ada data empirik yang menunjukkan besarnya faktor tersebut. Faktor adalah konstrak buatan peneliti berdasarkan item-item dalam faktor tersebut. Karena faktor didapatkan dari seperangkat item yang memiliki interkorelasi yang tinggi, peneliti kemudian harus merasionalisasi seperangkat item kemudian memberi label untuk menggambarkan seperangkat item item tersebut. Di bawah ini adalah hasil dari analisis faktor terhadap empat item yang menghasilkan dua faktor. 

Tabel 1. Hasil analisis faktor pada data fiktif Skala Body Image (4 item)

Faktor	Pernyataan (item)
Faktor 1	Saya memiliki wajah yang menarik
	Saya bangga pada wajah yang saya miliki
Faktor 2	Saya memiliki tubuh yang atletis
	Tubuh saya terawat dengan baik

            Berdasarkan kemiripan item-item di dalam faktor, akhirnya kita menyimpulkan bahwa faktor 1 kita namakan persepsi terhadap wajah dan faktor 2 adalah persepsi terhadap tubuh. Dari sini kita akhirnya tahu bahwa faktor bersifat laten disebabkan kita tidak memiliki data empirik yang langsung menunjukkan faktor.

Analisis faktor memungkinkan peneliti untuk 1) menguji ketepatan model (goodness of fit test) faktor yang terbentuk dari item-item alat ukur 2) menguji kesetaraan unit pengukuran antar item, 3) menguji reliabilitas item-item pada tiap faktor yang diukur, 4) menguji adanya invarian item pada populasi.

1. Jenis Analisis Faktor

            Untuk menjual HP bekas kita, kita bisa menentukan sendiri berapa harga yang kita minta atau pembeli yang kita minta menaksir harga HP kita. Dalam analisis faktor pun demikian. Ada dua alternatif yang dapat kita pilih. Kita menentukan sendiri berapa faktor didalam data kita (analisis faktor konfirmatori) atau memilih menanyakan berapa faktor dari data kita sebenarnya (analisis faktor eksploratori). Berikut ini akan diperjelas masing-masing jenis analisis faktor tersebut.

a)     Analisis Faktor Eksploratori (Exploratory Factor Analysis)

Seorang peneliti membuat seperangkat item yang mengukur kualitas pelayanan bank. Item tersebut merupakan operasionalisasi dari teori dan indikator mengenai kualitas layanan. Peneliti hendak mengidentifikasi berapa faktor yang ada di dalam seperangkat item tersebut. Dari analisis faktor kemudian didapatkan ada 4 faktor yang menggambarkan kualitas layanan bank, antara lain faktor fitur layanan, fasilitas gedung, keramahan karyawan, serta jaminan keamanan.

b)    Analisis Faktor Konfirmatori (Confirmatory Factor Analysis).

Seorang peneliti merancang sebuah alat ukur mengenai dukungan sosial. Alat ukur tersebut berisi seperangkat item yang diturunkan dari lima dimensi dukungan sosial. Peneliti berusaha memastikan apakah alat ukur yang dibuatnya benar-benar menjelaskan kelima dimensi tersebut. Ia kemudian melakukan analisis faktor konfirmatori. Hasil dari analisis faktor menunjukkan bahwa pembagian kelima faktor akhirnya dibuktikan.

3. Fungsi Analisis Faktor

Analisis faktor memiliki fungsi penting dalam pengembangan alat ukur. Beberapa fungsi tersebut antara lain sebagai berikut.

a)     Pengujian Dimensionalitas Pengukuran

Dimensionalitas pengukuran adalah banyaknya atribut yang diukur oleh sebuah alat ukur. Alat ukur yang unidimensi mengukur satu atribut psikologis saja sedangkan alat ukur yang multidimensi mengukur lebih dari satu atribut ukur. Pengukuran dalam bidang psikologi didominasi oleh pengukuran unidimensi karena alat ukur yang dikembangkan peneliti psikologi biasanya mengukur satu target ukur saja. Misalnya Skala Kecemasan, skala ini diharapkan mengukur atribut kecemasan saja dan tidak mengukur atribut yang lain. Untuk mengetahui apakah alat ukur yang dikembangkan oleh peneliti mengukur satu atribut atau banyak atribut diperlukan analisis faktor.

b)    Pengujian Komponen Dalam Alat Ukur

Penyusunan alat ukur psikologi biasanya diawali dari penurunan konsep menjadi komponen-komponen konsep sebelum diturunkan menjadi item berupa pernyataan skala. Untuk mengidentifikasi apakah item-item yang diturunkan dari komponen alat ukur mewakili komponen tersebut maka diperlukan analisis faktor. Analisis faktor juga dapat menunjukkan apakah antar komponen memiliki keterkaitan ataukah independen.

3. Prosedur Analisis Faktor Melalui Program Komputer

a)     Analisis Faktor Eksploratori

Prosedur analisis faktor dapat menggunakan program komputer seperti SPS, SPSS, STATISTICA dan banyak lagi program lainnya. Berikut ini yang akan dipakai adalah program SPSS.

-         Siapkan data seperti prosedur penyiapan data pada umumnya. Baris menunjukkan subjek dan kolom menunjukkan item. Masukkan data seperti yang terpampang pada gambar.

-         Tekan Analyze – Data Reduction – Factor Analysis. Lalu masukkan keempat item yang hendak dianalisis.

-         Tekan menu Rotation, lalu pilih Method Varimax. Tekan Continue kemudian OK.

Hasil analisis akan keluar seperti yang terpampang pada tabel-tabel berikut.

                Communalities

	Initial	Extraction
item_1	1.000	.923
item_2	1.000	.899
item_3	1.000	.943
item_4	1.000	.920

Extraction Method: Principal Component Analysis.

               

Keterangan :

            Communalities menunjukkan sumbangan efektif tiap item terhadap faktor yang terbentuk. Misalnya item 1, item tersebut memberikan sumbangan sebesar 92,3% terhadap faktor yang terbentuk. Dapat dikatakan item ini cukup baik karena mampu menjelaskan sebagian besar varian didalam faktor 1.

                Total Variance Explained

Component	Initial Eigenvalues			Rotation Sums of Squared Loadings
	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	2.397	59.920	59.920	1.921	48.022	48.022
2	1.288	32.206	92.127	1.764	44.105	92.127
3	.222	5.561	97.687
4	.093	2.313	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 4 item menjadi 1 faktor dapat menjelaskan 59,92% varian, sedangkan pembagian 2 faktor menjelaskan 92,13% varian.

Rotated Component Matrix(a)

	Component
	1	2
item_1	.008	.961
item_2	.310	.896
item_3	.964	.117
item_4	.946	.159

Keterangan :

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.