Analisis Faktor

Analisis faktor merupakan salah satu metode analisis untuk mengolah data penelitian dengan mengidentifikasi variabel dasar atau faktor yang menerangkan pola hubungan dalam suatu himpunan variabel observasi. Analisis faktor sering digunakan pada reduksi data untuk mengidentifikasi suatu jumlah kecil faktor yang menerangkan beberapa faktor yang mempunyai kemiripan karakter. Tujuan reduksi data untuk mengeliminasi variabel independen yang saling berkorelasi sehingga akan diperoleh jumlah variabel yang lebih sedikit dan tidak berkorelasi. Variabel-variabel yang saling berkorelasi mungkin mempunyai kesamaan atau kemiripan karakter dengan variabel lainnya sehingga dijadikan satu faktor.

Analisis Faktor (factor analysis) termasuk pada Independence Technique, yang berarti tidak ada variabel dependen maupun independen. Proses analisis faktor mencoba 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 (Santoso, 2006).

Sebagai contoh, misalnya ada 10 variabel yang bersifat independen satu dengan yang lain. Dengan analisis faktor, kesepuluh variabel tersebut mungkin bisa diringkas hanya menjadi 3 kumpulan variabel baru (new set of variables). Kumpulan variabel tersebut disebut faktor, di mana faktor tetap mencerminkan variabel-variabel aslinya.

Tujuan analisis faktor menurut Santoso (2006) adalah:

1. Data summarization, yakni mengindentifikasikan adanya hubungan antar variabel dengan melakukan uji korelasi. Jika korelasi dilakukan antar variabel (dalam pengertian SPPS adalah kolom), analisis tersebut dinamakan R Factor Analysis.

2. Data reduction. Setelah melakukan korelasi, dilakukan proses membuat variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu.

Oleh karena prinsip utama analisis faktor adalah korelasi, maka asumsi-asumsi analisis faktor akan terkait dengan metode statistik korelasi (Santoso, 2006:13) antara lain:

1.      Besar korelasi atau korelasi antar independen variabel harus cukup kuat, misalnya di atas 0,5.

2.      Besar korelasi parsial, korelasi antar dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS, deteksi terhadap korelasi parsial diberikan lewat pilihan Anti-Image Correlation.

3.      Pengujian seluruh matrik korelasi (korelasi antar variabel) yang diukur dengan besaran Bartlett Test of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.

Comments are closed.

%d bloggers like this: