tidak susila, bercabul, berzinah, melakukan tindak pidana asusila, mencabul, menzinahi, memperkosa, mencemari kehormatan perempuan.
2.4 Analisis Komponen Utama AKU
Analisis Komponen Utama adalah teknik statistik yang digunakan manakala peneliti tertarik pada sekumpulan data yang saling berkorelasi. Tujuannya adalah
untuk menemukan sejumlah variabel yang koheren dalam sub kelompok yang secara relatif independen terhadap yang lain. Analisis komponen utama kebalikan
dari analisis faktor di mana analisis komponen utama bersifat konvergen dan analisis faktor bersifat divergen Tabachnick, 1983.
Analisis komponen utama AKU biasanya digunakan untuk: 1.
Mengidentifikasi variabel-variabel baru yang mendasari data variabel ganda. 2.
Mengurangi banyaknya dimensi himpunan variabel asal yang terdiri atas banyak variabel yang saling berkorelasi.
3. Menetralisir variabel-variabel asal yang memberikan sumbangan informasi
yang relatif kecil. Analisis komponen utama terkonsentrasi pada penjelasan struktur variansi
dan kovariansi melalui suatu kombinasi linier variabel-variabel asal, dengan tujuan utama melakukan reduksi data dan membuat interpretasi. Analisis
komponen utama lebih baik digunakan jika variabel-variabel asal saling berkorelasi. Di dalam proses analisis faktor metode yang digunakan untuk
melakukan proses ekstraksi adalah analisis komponen utama, metode ini dipilih karena tujuan utama dari analisis faktor adalah untuk mereduksi data. Umumnya
analisis komponen utama merupakan analisis intermediate yang berarti hasil komponen utama dapat digunakan untuk analisis selanjutnya Supranto, 2010.
Keunggulan analisis komponen utama adalah tidak adanya asumsi mengenai acak sebaran tertentu, tidak ada hipotesis yang diuji dan tidak ada model yang
mendasarinya Chatfield, 1980.
2.5 Analisis Faktor AF
Menurut J. Supranto 2004, analisis faktor merupakan teknik statistika yang utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang
banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih memuat
sebagian besar informasi yang terkandung dalam variabel asli original variable. Dalam analisis faktor, tidak ada variabel dependen dan independen, proses
analisis faktor sendiri mencoba menemukan hubungan interrelationship antara sejumlah variabel-variabel yang saling dependen dengan yang lain, sehingga bisa
dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal.
Analisis faktor digunakan di dalam situasi sebagai berikut:
d. Mengenali atau mengidentifikasi dimensi yang mendasari underlying
dimensions atau faktor yang menjelaskan korelasi antara suatu set variabel. e.
Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi independent yang lebih sedikit jumlahnya untuk menggantikan suatu set
variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya. f.
Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam
analisis multivariat selanjutnya. Kalau variabel-variabel dibakukan standardized, model analisis faktor bisa
ditulis sebagai berikut:
2.1
keterangan: = Variabel ke-i yang dibakukan rata-ratanya nol, standar deviasinya
satu. = Koefisien regresi parsial yang dibakukan untuk variabel i pada
common factor ke-j. = common factor ke-j.
= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i unique factor.
= Faktor unik variabel ke-i. m
= Banyaknya common factor. i = 1,2,3,...,n
j = 1,2,3,...,m
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan
sebagai kombinasi linier dari variabel-variabel yang terlihatterobservasi the observed variables hasil penelitian lapangan.
2.2
keterangan: i
= 1,2,3,...,p p
= Jumlah variabel. = Perkiraan faktor ke-i didasarkan pada nilai variabel X dengan
koefisiennya W
i
. = Timbanganbobot atau koefisien nilai faktor ke-i.
= Variabel ke yang sudah dibakukan standardized. Secara umum analisis faktor atau analisis komponen utama bertujuan
untuk mereduksi data dan menginterprestasikannya sebagai suatu variabel baru yang berupa variabel bentukan. Andaikan dari p buah variabel awalasal terbentuk
k buah faktorkomponen di mana k p, misalkan dari sejumlah variabel p sebanyak 10 variabel terbentuk k = 2 buah faktorkomponen yang dapat
menerangkan kesepuluh variabel awalasal tersebut. K buah faktorkomponen utama dapat mewakili p buah variabel aslinya sehingga lebih sederhana
Tabachnick, 1983. Tujuan utama analisis faktor adalah untuk menjelaskan struktur di antara
banyak variabel dalam bentuk faktor. Faktor yang terbentuk merupakan besaran
acak random quantities yang sebelumnya tidak dapat diamati atau diukur secara langsung. Selain tujuan utama analisis faktor, terdapat beberapa tujuan lainnya
yaitu: 1.
Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal dan
variabel baru tersebut dinamakan faktor. 2.
Untuk mengidentifikasi adanya hubungan antar variabel penyusun faktor atau dimensi dengan faktor yang terbentuk dengan menggunakan pengujian
koefisien korelasi antar faktor dengan komponen pembentuknya. 3.
Adanya validasi data untuk mengetahui apakah hasil analisis faktor tersebut dapat digeneralisasikan ke dalam populasinya sehingga setelah terbentuk
faktor maka peneliti sudah mempunyai suatu hipotesis baru berdasarkan hasil analisis faktor.
Konsep dasar analisis faktor adalah sebagai berikut: 1.
Tidak mengaitkan antara dependen variabel dengan independen variabel tetapi membuat reduksi atau abstraksi atau meringkas dari banyak variabel menjadi
sedikit variabel. 2.
Teknik yang digunakan adalah teknik interdependensi yaitu seluruh set hubungan interdependen diteliti. Prinsip menggunakan korelasi r = 0 dan r = 1
digunakan dalam mengidentifikasi variabel yang berkorelasi dan yang tidakkecil korelasinya.
3. Analisis faktor menekan adanya komunalitas; jumlah varian yang
disumbangkan oleh suatu variabel pada variabel lainnya. 4.
Kovariansi antar variabel yang diuraikan akan muncul common factor jumlah sedikit dan unique factor setiap variabel faktor-faktor tidak secara jelas
terlihat. 5.
Adanya koefisien nilai faktor factor score coefficient sehingga faktor 1 menyerap sebagian besar seluruh variabel, faktor 2 menyerap sebagian sisa
varian setelah diambil untuk faktor 1, faktor 2 tidak berkorelasi dengan faktor.
Analisis faktor termasuk pada kategori Interdependence Techniques, yang berarti tidak ada variabel dependen ataupun variabel independen pada analisis
tersebut, yang berarti juga tidak diperlukan sebuah model tertentu untuk analisis faktor. Hal ini berbeda dengan model Dependence Techniques seperti regresi
berganda, yang mempunyai sebuah variabel dependen dan beberapa variabel independen sehingga diperlukan sebuah model Santoso, 2010.
2.6 Statistik yang Relevan dengan Analisis Faktor
