2.12 Langkah-langkah Analisis Faktor
Langkah-langkah dalam analisis faktor adalah sebagai berikut:
1. Merumuskan Masalah
Merumuskan masalah meliputi beberapa kegiatan yaitu mengidentifikasi tujuan analisis faktor, menentukan besarnya sampel.
2. Membentuk Matriks Korelasi
Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus
berkorelasi.
3. Menghitung
Eigenvalue
nilai eigen
Perhitungan
eigenvalue
, di mana perhitungan ini berdasarkan persamaan karakteristik:
det I - A
= 0 2.17
dengan: A = matriks korelasi
=
eigenvalue
I = matriks identitas
Eigenvalue
adalah jumlah varian yang dijelaskan oleh setiap faktor Anton Howard, 2000.
4. Menghitung
Eigenvector
vektor eigen
Penentuan
eigenvector
yang bersesuaian dengan
eigenvalue
, yaitu dengan persamaan:
Ax = x
2.18 dengan:
x =
eigenvector
Anton Howard, 2000
5. Menentukan Banyaknya Faktor
Beberapa prosedur yang dapat digunakan dalam menentukan banyaknya faktor: a.
Penentuan berdasarkan
A Priori
Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi.
Hampir sebagian besar program komputer memungkinkan peneliti untuk menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.
b. Penentuan berdasarkan
Eigenvalue
Pada pendekatan ini
eigenvalue
mempresentasikan besarnya sumbangan dari faktor terhadap varian seluruh variabel aslinya. Hanya faktor dengan
varian lebih besar dari 1 satu yang dimasukkan dalam model. c.
Penentuan berdasarkan
Scree Plot Scree plot
merupakan
plot
dari nilai
eigenvalue
terhadap banyaknya faktor dalam ekstraksinya. Bentuk
plot
yang dihasilkan digunakan untuk menentukan banyaknya faktor.
d. Penentuan berdasarkan Persentase Varian
Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentase kumulatif varian mencapai tingkat yang memuaskan
peneliti. Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau persentase kumulatif varian sudah mencapai paling sedikit 60 atau 75
dari seluruh varian variabel asli Supranto, 2010. e.
Penentuan berdasarkan
Split-Half Reliability
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masing-masing bagian. Hanya faktor yang memiliki
factor loading
tinggi pada masing-masing bagian sampel yang akan dipertahankan.
f. Penentuan berdasarkan Uji Signifikan
Dimungkinkan untuk menentukan uji signifikansi statistik untuk
eigenvalue
yang terpisah dan mempertahankan faktor-faktor yang berdasarkan uji statistik
eigenvalue
signifikan pada = 5 atau = 1.
6. Menghitung Matriks
faktor loading
Matriks
factor loading
diperoleh dengan mengalikan matriks
eigenvector
V dengan akar dari matriks
eigenvalue
L.
7. Melakukan Rotasi Faktor
Sebuah hasil penting dari analisis faktor adalah matriks faktor. Matriks faktor memiliki koefisien yang digunakan untuk mengekspresikan variabel yang
dibakukan distandarisasi dinyatakan dalam faktor. Walaupun matriks faktor awal mengindikasikan hubungan antara faktor dengan variabel individu
tertentu, akan tetapi masih sulit diambil kesimpulan tentang banyaknya faktor yang bisa diekstraksi, hal ini disebabkan karena faktor berkorelasi dengan
banyak variabel. Beberapa metode rotasi, yaitu
orthogonal rotation
kalau sumbu dipertahankan tegak lurus sesamanya bersudut 90 derajat. Yang paling
banyak digunakan adalah
varimax procedure
, yaitu metode
orthogonal
dengan meminimumkan banyaknya variabel yang memiliki
loading
tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasikan faktor-faktor yang tidak
berkorelasi satu sama lain.
Oblique rotation
adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya bersudut 90 derajat dan faktor-
faktor tidak berkorelasi. Kadang-kadang, mentoleransi korelasi antar faktor- faktor bisa menyederhanakan matriks pola faktor.
Oblique rotation
harus dipergunakan kalau fakor dalam populasi berkorelasi sangat kuat.
8. Interpretasi Faktor
Interpretasi dipermudah dengan mengidentifikasikan variabel yang
factor loading
besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasikan menurut variabel-variabel yang memiliki
loading
tinggi dengan faktor tersebut.
9. Menentukan Ketepatan Model
model fit
Langkah terakhir dalam analisis faktor ialah menentukan ketepatankecocokan model
model fit
. Perbedaan disebut sisa
residual
. Kalau ada
residual
yang besar, model faktor tidak bisa memberikan
a good fit
pada data dan model perlu dipertanyakan.
BAB 3 PEMBAHASAN DAN HASIL
3.1 Populasi, Sampel, dan Teknik Pengambilan Sampel
Kategori