2. Untuk menentukan alternatif yang harus ditempuh dalam upaya
menggunakan atau mengembangkan potensi yang ada dalam perusahaan atau organisasi secara efektif dan efisien.
3.2. Analisis Faktor 3.2.1. Pengertian Analisis Faktor
Analisis faktor diperkenalkan pada tahun 1927 – 1930 oleh Charles Spearman dan Francis Galton, yang dikembangkan lebih lanjut oleh Thurstone
pada tahun 1935. Analisis faktor pada prinsipnya digunakan untuk mereduksi data, yaitu
proses untuk meringkas sejumlah variabel menjadi lebih sedikit dan menamakannya dengan faktor Santoso, 2001:248.
Fungsi analisis faktor diantaranya : -
Menentukan himpunan dari dimensi yang tidak mudah diamati dalam himpunan variabel R R factor analysis.
- Mengelompokkan orang-orang responden ke dalam kelompok-kelompok
berbeda di dalam populasi Q factor analysis. -
Mengidentifikasikan variabel-variabel yang akan digunakan dalam analisis lanjutan regresi, korelasi, atau diskriminan.
- Membentuk himpunan dari variabel dengan jumlah lebih sedikit untuk
menggantikan sebagian atau seluruh himpunan variabel awal. -
Menganalisis suatu fenomena dengan data yang sangat besar.
Universitas Sumatera Utara
- Menguraikan suatu kaitan kompleks diantara fenomena ke dalam fungsi
kesatuan-kesatuan maupun ke dalam bagian-bagiannya serta dapat mengidentifikasikan pengaruh luar independen.
Penggunaan metode analisis faktor dapat diklasifikasikan menjadi : 1.
Penyelidikan untuk penemuan exploratory. Analisis faktor digunakan utnuk menyelidiki dan mendeteksi satu pola dari variabel-variabel yang ada dengan
tujuan untuk menemukan suatu konsep baru dan kemungkinan pengurangan data dari data besar.
2. Penegasan suatu hipotesa confiratory uses. Analisis faktor digunakan untuk
mengadakan pengujian suatu hipotesa menenai struktur dan variabel-variabel baru yang berkaitan dengan sejumlah faktor signifikan yang diharapkan.
3. Alat pengukur measuring devices. Analisis faktor digunakan untuk
membentuk variabel-variabel untuk digunakan sebagai variabel baru pada analisis berikutnya.
3.2.2. Model Analisis Faktor
Ada beberapa teknik analisis interdependensi variabel yang dapat dimasukkan dalam analisis faktor yaitu:
1. Analisis Komponen Utama Principle Component Analysis
Merupakan teknik reduksi data yang bertujuan untuk membentuk suatu kombinasi linier dari variabel awal dengan memperhitungkan sebanyak
mungkin.
Universitas Sumatera Utara
2. Analisis Faktor Utama Common Factor Analysis
Merupakan model faktor yang digunakan untuk mengidentifikasikan sejumlah dimensi dalam data faktor yang tidak mudah untuk dikenali.
3.2.3. Langkah-Langkah Analisis Faktor
Langkah – langkah analisis faktor adalah sebagai berikut : 1.
Penyusunan Matriks Data Mentah Matriks data mentah berisi nilai-nilai asli yang diperoleh dari kuesioner
penelitian. Format matriks adalah m x n, dimana m menyatakan responden dan n adalah jumlah variabel independen.
Bentuk matriks adalah sebagai berikut: X
11
X
12
X
13
… X
1p
X
21
X
22
X
23
… X
2p
. . . . . . . . . . X
n1
X
n2
X
n3
… X
np
2. Penyusunan Matriks Korelasi
Matriks korelasi merupakan input bagi pengolahan analisis faktor dan matriks ini disusun berdasarkan korelasi antara variable-variabel independen untuk
melihat kedekatan hubungan variable. Rumus korelasi yang digunakan adalah korelasi Pearson’s Product moment,
yang dirumuskan sebagai berikut:
X
nxp
Universitas Sumatera Utara
∑ ∑ ∑
∑ ∑
∑ ∑
− −
− =
2 2
2 2
Y Y
N X
X N
Y X
XY N
r
xy
Keterangan: r
xy
= korelasi moment-product
N =
Jumlah subjek penelitian X
= skor dari tes I
Y =
skor dari tes II ΣX =
Sigma atau jumlah X skor butiritem ΣY =
Sigma Y skor faktor ΣXY =
Sigma perkalian X dan Y 3.
Menghitung Rata-rata mean dan Standar Deviasi Rumus menghitung rata-rata, yaitu:
∑
=
=
n j
ij
x n
x
1
1
Keterangan: x
= rata-rata variabel
n =
jumlah pertanyaan
∑
= n
j ij
x
1
= jumlah nilai seluruh variabel
Rumus menghitung varians, yaitu:
2 1
2
1
i n
j ij
i
x x
n s
− =
∑
=
Keterangan:
2 i
s
= varians ke-i
Universitas Sumatera Utara
4. Pengujian Kelayakan Model
Tujuan penelitian ini adalah untuk menentukan apakah model yang digunakan sesuai untuk mengelola data. Kriteria pengujian yang digunakan adalah:
- Matriks korelasi memiliki nilai koefisien antar variabel yang tinggi. Hal ini
ditujukan dengan nilai determinan matriks yang harus mendekati nol. -
Pengujian yang lain adalah pengujian Bartlett’s Test of Sphericity yang bertujuan untuk melihat apakah matriks korelasi tersebut merupakan
matriks identitas atau bukan. Bila merupakan matriks identitas maka matriks tersebut tidak dapat digunakan untuk analisis faktor berikutnya.
- Untuk menguji kesesuaian pemakaian analisis faktor digunakan
pengukuran Kaiser-Meyer-Olkin KMO. Kriteria pembatas harga KMO menurut Kaiser 1974 adalah:
a. Harga KMO
≥ 0,9 menyatakan sangat memuaskan b.
Harga 0,8 ≤ KMO 0,9 menyatakan memuaskan
c. Harga 0,7
≤ KMO 0,8 menyatakan cukup memuaskan d.
Harga 0,6 ≤ KMO 0,7 menyatakan agak memuaskan
e. Harga 0,5
≤ KMO 0,6 menyatakan kurang memuaskan f.
Harga KMO dibawah 0,5 menyatakan tidak memuaskan 5.
Perhitungan Nilai Eigen Komunalitas dan Nilai Variasi Nilai eigen menunjukkan tingkat keseragaman yang mampu diterangkan oleh
suatu faktor. Semakin besar nilai eigen maka semakin besar keseragaman yang dapat diterangkan oleh faktor tersebut. Nilai komunalitas menunjukkan
proporsi keseragaman dari setiap variabel manifes yang diterangkan oleh
Universitas Sumatera Utara
seluruh faktor. Apabila belum diesktraksi maka nilai komunalitas setiap variabel asal merupakan nilai maksimum yaitu 1. Persentase variasi
menunjukkan proporsi variasi yang dapat dijelaskan oleh faktor bersangkutan terhadap total variasi.
Menghitung nilai komunalitas, yaitu:
2 2
2 2
1 2
...
im i
i i
e e
e h
+ +
+ =
−
Keterangan:
2 −
i
h
= nilai komunalitas variabel ke–i D = nilai loadings factor ke–I eigen factor
Menghitung eigen value dan eigen factor, yaitu: D -
λi e’ = 0
[ ] [ ] [
] [ ]
1 2
1
= −
e e
b d
a c
λ
Keterangan: λi
= nilai eigen value ke-i
D =
matriks pengumpulan data e
= nilai eigen factor
Nilai eigen menunjukkan nilai keseragaman yang mampu diterangkan oleh suatu faktor. Semakin besar nilai eigen
≥1 dari suatu komponen, maka semakin besar keseragaman yang dapat diterangkan oleh komponen tersebut.
Persentase kontribusi sub-variabel pembentuk variabel menunjukkan proporsi variasi yang dapat dijelaskan oleh faktor tersebut terhadap total variansi.
Menghitung total varians, yaitu:
Universitas Sumatera Utara
Ti = λi p 100
Keterangan: Ti
= total varians faktor ke-i
p =
jumlah item penelitian 6.
Ekstraksi Faktor Tujuan utama dari ekstrasi faktor adalah untuk mereduksi variabel-variabel
manifes menjadi beberapa faktor. 7.
Rotasi Faktor Rotasi faktor digunakan untuk mencari harga maksimum dari kontribusi sub-
variabel pada salah satu variabel, sehingga lebih mudah menginterpretasikan variabel tersebut. Metode yang digunakan adalah metode varimaks.
8. Pembobotan Faktor
Matriks faktor menunjukkan koefisien yang sudah di standarisasi untuk masing-masing faktor. Koefisien ini disebut juga dengan bobot faktor. Faktor
dengan harga mutlak koefisien yang tinggi untuk suatu variabel menunjukkan kedekatan hubungan dengan variabel tersebut. Bobot faktor menunjukkan
besarnya kontribusi sub-variabel pada variabel. Sub-variabel yang memiliki bobot faktor yang lebih besar mempunyai pengaruh lebih besar terhadap
variabel. Berdasarkan bobot faktor, sub-variabel dikelompokkan ke dalam variabel tertentu dan bobot faktor yang dipilih adalah bobot terbesar dari
variabel tersebut.
Universitas Sumatera Utara
3.3. Radio Sebagai Sarana Periklanan