lxiv
2. Analisis Faktor
Analisis faktor merupakan sebuah analisis yang mencari hubungan interdependensi antar variabel, sehingga mampu mengidentifikasi dimensi-
dimensi atau faktor-faktor yang menyusun Ety Rochaety,dkk, 2007: 184. Analisis faktor termasuk pada interdependence techniques, yang berarti
tidak ada variabel dependen ataupun independen. Proses analisis faktor mencoba menemukan hubungan 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.
Analisis faktor merupakan bagian dari metode analisis data multivariate yang digunakan untuk mengurangi reduction dan meringkas
summarization semua variabel terikat dan saling berketergantungan. Ujianto dan Abdurrachman, 2004 : 41 Hubungan ketergantungan antara
satu variabel dengan yang lain yang akan diuji untuk diidentifikasikan dimensi atau faktornya.
Analisis faktor adalah suatu tehnik statistik untuk mengidentifikasikan jumlah faktor yang relatif kecil yang dapat digunakan untuk
menggambarkan hubungan diantara beberapa variabel yang saling berhubungan Malhotra, 1996 dikutip dari Hasbi Ramli, 2004.
Menurut Bhuono 2005 analisis faktor merupakan analisis statistik yang bertujuan untuk mengidentifikasi, mengelompokkan, dan meringkas
faktor-faktor yang merupakan dimensi suatu variabel, definisi, dan sebuah fenomena tertentu.
lxv Maholtra yang dikutip oleh Ujianto, dkk Jurnal Manajemen dan
Kewirausahaan 2004 : 41, menjelaskan kegunaan analisis faktor adalah sebagai berikut :
a. Mengidentifikasi dimensi-dimensi atau faktor-faktor yang mendasari yang menerangkan korelasi diantara satu set variabel.
b. Mengidentifikasi suatu variabel faktor baru yang lebih kecil, menetapkan variabel-variabel yang semula berkorelasi dengan analisis
multivarian analisis regresi atau diskriminan. c. Mengidentifikasi tidak tepat kecil variabel penting dari tidak tepat
besar variabel untuk digunakan dalam analisis multivarian selanjutnya.
Model analisis faktor dinyatakan dengan rumus sebagai berikut : Xi = Aij + Ai2F2 + AiF3.......................+ AimFm + ViUi
Dimana : Xi
= Variabel standar yang ke-i Aij
= Koefisien multipel regresi standar dari variabel ke-i pada common factor j
F = Common factor
Vi = Koefisien regresi berganda standar dari variabel ke-i pada faktor
unik-i Ui
= Faktor unik variabel-i m
= Banyaknya common factor
lxvi Faktor unik berkorelasi satu dengan yang lain dan dengan common
factor. Common factor dapat dinyatakan sebagai kombinasi dari variabel yang diteliti, dengan persamaan :
Fi = Wi1X1 + Wi2X2 + Wi3X3 +..................+ WikXk Dimana :
Fi = Faktor ke-i yang diestimasi
Wi = Bobot atau koefisien Core factor
Xk = Banyaknya variabel X pada faktor ke-k
Prosedur untuk menganalisis faktor adalah sebagai berikut : a. Formulate the Problem Perumusan Masalah. Terdiri dari :
Mengidentifikasi sasaran tujuan analisis faktor dan pengukuran variabel-variabel atas dasar skala Likert interval.
b. Construct The Correlation Matrix Penyusunan Matrik Korelasi. Data disusun dalam matrik korelasi, proses analitik didasarkan pada korelasi
matrik antara variabel-variabel yang ada. Apabila antar variabel tersebut saling berkorelasi maka analisis faktor adalah tepat untuk
digunakan. Pengujian Barlett’s test of sphericity dapat dipakai untuk menguji ketepatan model faktor. KMO berguna untuk pengukuran
kelayakan sampel. c. Determine the Number of Factors Penentuan banyaknya faktor.
d. Rotate Factors Melakukan Rotasi terhadap Faktor. Hasil penting dari analisis faktor adalah matriks faktor, yang disebut juga pattern matrix
lxvii matrik pola faktor, berisi koefisien yang digunakan untk
menunjukkan variabel-variabel yang distandarisasi dalam batasan sebagai faktor. Didalam suatu matriks yang kompleks sulit
menginterpretasikan suatu faktor. Oleh karena itu, melalui rotasi matriks, faktor ditransformasikan ke dalam bentuk yang lebih
sederhana yang lebih mudah untuk diinterpretasikan, dengan harapan setiap faktor memiliki nilai non zero tidak 0 atau signifikan. Rotasi
tidak berpengaruh pada communalities dan prosentase variance total yang dijelaskan. Tetapi prosentase variance yang diperhitungkan
untuk setiap faktor tidak berubah. Variance yang dijelaskan oleh faktor individual diretribusikan melalui rotasi. Perbedaan metode rotasi akan
menghasilkan identifikasi faktor yang berbeda. Metode yang digunakan untuk rotasi dalam penelitian ini adalah varimax procedure,
yang meminimalkan banyaknya variabel dengan loading tinggi pada faktor, sehingga meningkatkan kemampuan menginterpretasikan
faktor-faktor yang ada. e. Interpret Factors Menginterpretasikan Faktor. Interpretasi dipercepat
melalui variabel-variabel yang memiliki loading lebih besar pada faktor yang sama yang kemudian dapat diinterpretasikan dalam
batasan variabel-variabel yang loadingnya tinggi f. Select Surrograte Variables Memilih Variabel-variabel Pengganti.
Memilih variabel pengganti sehingga peneliti dapat melaksanakan analisis berikutnya dan menginterpretasikan hasil dalam batasan
lxviii variabel semula daripada skor faktor dengan menguji matriks faktor
dan memilih setiap faktor variabel yang memiliki loading paling tinggi pada faktor tersebut.
g. Determine Model Fit Menetepkan Model yang Sesuai. Langkah akhir dalam analisis faktor adalah penentuan ketepatan model. Perbedaan
antara korelasi yang diamati yang terdapat dalam input matriks korelasi dan korelasi yang dihasilkan kembali seperti yang
diestimasikan pada matriks faktor dapat diuji melalui model itu sendiri, yang disebut residual. Jika terdapat banyak residual yang
besar, maka model faktor kurang tepat dan model perlu dipertimbangkan kembali.
Dalam menggunakan analisis faktor, maka yang harus diperhatikan yaitu nilai-nilai dari:
a. Bartles Test of Sphericity BTS Bartles Test of Sphericity digunakan untuk mengetahui apakah
data-data yang terdapat pada analisis faktor memiliki hubungan satu dengan lain atau tidak. Nilai Bartles Test of Sphericity dikatakan
signifikan apabila maksimum sebesar 0,05. Ketentuan tersebut didasarkan pada kriteria sebagai berikut: Eti Rochaety dkk.,2007:186
1 Jika probabilitas sig 0,05 maka variabel penelitian dapat dianalisis lebih lanjut.
lxix 2 Jika probabilitas sig 0,05 maka variabel penelitian tidak dapat
dianalisis lebih lanjut. b. Kaiser-Meyer-Olkin KMO
Kaiser-Meyer-Olkin memiliki tujuan untuk menganalisis kecukupan sampel atau data yang digunakan dalam analisis faktor. Bertujuan
untuk megetahui apakah pengambilan sampel sudah mencukupi atau tidak. Jika sampel yang digunakan semakin cukup, maka berarti
analisis faktor baik untuk digunakan atau matrik korelasi yang terbentuk semakin baik. Persyaratan yang harus dipenuhi agar data
dapat dianalisa lebih lanjut adalah angka Measure of Sampling Adequacy MSA harus di atas 0,5.
c. Eigen Value Eigen value digunakan untuk mengkaji serta melihat layak suatu
faktor baru. Syarat layak menjadi suatu faktor baru adalah eigen value 1. Sedangkan apabila terdapat faktor yang memiliki eigen value 1
maka faktor tersebut akan dikeluarkan atau tidak digunakan. d. Kumulatif Varians
Nilai kumulatif
varians menunjukkan
besarnya tingkat
keterwakilan faktor baru yang terbentuk terhadap faktor awal atau semula. Syarat apabila faktor baru yang terbentuk mampu mewakili
faktor awal atau semula maka nilai kumulatif varians 60. Nilai kumulatif varians menunjukkan besarnya tingkat keterwakilan faktor
baru yang terbentuk terhadap faktor awal atau semula. Syarat apabila
lxx faktor baru yang terbentuk mampu mewakili faktor awal atau semula
maka nilai kumulatif varians 60. e. Nilai Loading
Bertujuan untuk mengetahui layak atau tidaknya suatu varian masuk dalam faktor baru. Nilai loading ini dapat dilihat dari, jika eigen
value 1 maka suatu varian layak masuk kedalam faktor baru.
E. Variable Operasional Penelitian