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.
1 komentar:
Khusus Analisis Dengan Software STATA, Banxia Frontier Analysis (BFA)
Frontier 4.1, DEAP 2.1, SPSS, AMOS, LISREL, EVIEWS, SMARTPLS, Software R
WA : +6285227746673
IG : @olahdatasemarang
Posting Komentar