3. Menentukan Metode Analisis Faktor
Setelah ditetapkan bahwa analisis faktor merupakan teknik yang tepat untuk menganalisis data yang sudah dikumpulkan, kemudian ditentukan atau dipilih metode
yang tepat untuk analisis faktor. Ada dua cara atau metode yang bisa dipergunakan dalam analisis faktor, khususnya untuk menghitung koefisien skor faktor, yaitu
analisis komponen utama Principal Component Analysis dan analisis faktor umum Common Factor Analysis
Di dalam principal component analysis, jumlah varian dalam data dipertimbangkan. Principal Component Analysis direkomendasikan kalau hal yang
pokok ialah menentukan bahwa banyaknya faktor harus minimun dengan memperhitungkan varian maksimum dalam data untuk dipergunakan di dalam
analisis multivariat lebih lanjut. Faktor-faktor tersebut dinamakan principal components.
Di dalam common factor analysis, faktor diestimasi didasarkan pada common variance, communalities dimasukkan di dalam matriks korelasi. Metode ini dianggap
tidak tepat kalau tujuan utamanya ialah mengenalimengidentifikasi dimensi yang mendasari dan common variance yang menarik perhatian. Metode ini juga dikenal
sebagai principal axis factoring Supranto, 2004. Communalities ialah jumlah varian yang sumbangkan oleh suatu variabel
dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian varian yang dijelaskan common factor, atau besarnya sumbangan suatu faktor
terhadap varian seluruh variabel. Semakin besar communalities sebuah variabel, berarti semakin kuat hubungannya dengan faktor yang dibentuknya.
Eigenvalue merupakan jumlah varian yang dijelaskan oleh setiap faktor. Eigenvalue akan menunjukkan kepentingan relatif masing-masing faktor dalam
menghitung varian yang dianalisis. Wibowo, 2006. 4.
Rotasi Faktor-Faktor
Suatu hasil atau output yang penting dari analisis faktor ialah apa yang disebut matriks faktor pola factor pattern matrix. Matriks faktor berisi koefisien yang
dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien-koefisien ini yang disebut muatan faktor, mewakili korelasi antar-
faktor dan variabel. Suatu koefisien dengan nilai absolutmutlak yang besar menunjukkan bahwa faktor dan variabel berkorelasi sangat kuat. Koefisien dari
matriks faktor bisa dipergunakan untuk menginterpretasikan faktor. Meskipun matriks faktor awal yang belum dirotasi menunjukkan hubungan
antar faktor masing-masing variabel, jarang menghasilkan faktor yang bisa diinterpretasikan diambil kesimpulannya, oleh karena faktor-faktor tersebut
berkorelasi atau terkait dengan banyak variabel lebih dari satu. Di dalam melakukan rotasi faktor, kita menginginkan agar setiap faktor
mempunyai muatan atau koefisien yang tidak nol atau yang signifikan untuk beberapa variabel saja. Dimana gunanya rotasi adalah untuk mengontrolmemeriksa variabel
yang belum layak dimasukkan menjadi layak dimasukkan dalam buat penamaan. Demikian halnya kita juga menginginkan agar setiap variabel mempunyai muatan
yang tidak nol atau signifikan dengan beberapa faktor saja, kalau mungkin dengan
satu faktor saja. Kalau terjadi bahwa beberapa faktor mempunyai muatan tinggi dengan variabel yang sama, sangat sulit untuk membuat interpretasi tentang terhadap
seluruh varian dari seluruh variabel asli mengalami perubahan. Ada dua metode rotasi yang berbeda yaitu :
1. Orthogonal ratation, kalau sumbu dipertahankan tegak lurus sesamanya
bersudut 90 . Metode rotasi yang banyak dipergunakan yaitu varimax,
prosedur. Karena varimax adalah solusi awal yang terbaik dimana gamma=1 yang menunjukkan tingkat kepercayaan yang tinggi. Prosedur ini merupakan
metode orthogonal yang berusaha meminimumkan membuat sedikit mungkin banyaknya variabel dengan muatan tinggi high loading pada satu
faktor, dengan demikian memudahkan pembuatan interpretasi mengenai faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi
satu sama lain uncorreclated each other antara lain none, equimax, varimax, quartimax, orthomax.
- None adalah pilih tidak untuk memutar solusi awal.
- Equimax adalah pilih untuk melakukan rotasi equimax solusi awal
gamma=jumlah faktor 2. -
Variamx adalah pilih untuk melakukan rotasi varimax solusi awal gamma=1.
- Quartimax adalah pilih untuk melakukan rotasi quatimax solasi awal
gamma=0. -
Orthomax adalah pilih untuk melakukan rotasi orthomax solusi awal, kemudian masukkan gamma nilai antara 0 dan 1.
2. Oblique ratation, kalau sumbu tidak dipertahankan harus tegak lurus
sesamanya bersudut 90 dan faktor-faktor tidak berkorelasi. Kadang-kadang
dengan membolehkan korelasi antar-faktor bisa menyederhanakan matriks faktor pola factor pattern matrix. Oblique ratation harus dipergunakan kalau
faktor dalam populasi berkorelasi sangat kuat Supranto, 2004. 5.
Interpretasi Faktor
Interpretasi dipermudah dengan mengindentifikasi variabel yang muatannya besar pada faktor yang sama. Faktor tersebut kemudian bisa diinterpretasikan,
dinyatakan dalam variabel yang mempunyai muatan tinggi padanya. Manfaat lainnya di dalam membantu untuk membuat interpretasi ialah menge-plot variabel, dengan
menggunakan factor loading sebagai sumbu koordinat sumbu F1 dan F2. Variabel pada ujung atau akhir suatu sumbu ialah variabel yang mempunyai
high loading hanya pada faktor tertentu faktor F1 dan F2 oleh karena itu bisa menyimpulkan bahwa faktor tersebut terdiri dari variabel-variabel tersebut.
Sedangkan variabel yang dekat dengan titik asal perpotongan sumbu F1 dan F2 mempunyai muatan rendah low loading pada kedua faktor.
Variabel yang tidak dengan sumbu salah satu faktor berarti berkorelasi dengan kedua faktor tersebut. Kalau suatu faktor tidak bisa diberi label sebagai faktor tidak
terdefinisikan atau faktor umum. Variabel-variabel yang berkorelasi kuat nilai factor loading yang besar dengan faktor tertentu dan memberikan inspirasi nama faktor
yang bersangkutan Supranto, 2004 6.
Menghitung Skor dan Nilai Faktor
Nilai faktor adalah ukuran yang mengatakan representasi suatu variabel oleh masing-masing faktor. Nilai faktor menunjukkan bahwa suatu data mewakili
karakteristik khusus yang direpresentasikan oleh faktor. Nilai faktor ini selanjutnya digunakan untuk analisis lanjutan.
Sebenarnya analisis faktor tidak harus dilanjutkan dengan menghitung skor atau nilai faktor, sebab tanpa menghitung pun hasil analisis faktor sudah bermanfaat
yaitu mereduksi variabel yang banyak menjadi variabel baru yang lebih sedikit dari variabel aslinya.
7. Memilih Surrogate Variables
Surrogate variable adalah suatu bagian dari variabel asli yang dipilih untuk digunakan di dalam analisis selanjutnya. Pemilihan surrogate variable meliputi
sebagian dari beberapa variabel asli untuk dipergunakan di dalam analisis selanjutnya. Hal ini memungkinkan peneliti untuk melakukan analisis lanjutan dan
menginterpretasikan hasilnya dinyatakan dalam variabel asli bukan dalam skor faktor. Dengan meneliti matriks faktor, kita bisa memilih untuk setiap faktor variabel dengan
muatan tinggi pada faktor yang bersangkutan. Variabel tersebut kemudian bisa dipergunakan sebagai variabel pengganti atau
surrogate variable untuk faktor yang bersangkutan. Proses untuk mencari variabel pengganti akan berjalan lancar kalau muatan faktor factor loading untuk suatu
variabel jelas-jelas lebih tinggi daripada muatan faktor lainnya. Akan tetapi pilihan menjadi susah, kalau ada dua variabel atau lebih mempunyai muatan yang sama
tingginya. Di dalam hal seperti ini, pemilihan antara variabel-variabel ini harus didasarkan pada pertimbangan teori dan pengukuran sebagai contoh, mungkin teori
menyarankan bahwa suatu variabel dengan muatan sedikit lebih kecil mungkin lebih penting daripada dengan sedikit lebih tinggi.
Demikian juga halnya, kalau suatu variabel mempunyai muatan sedikit lebih rendah akan tetapi telah diukur lebih telitiakurat, seharusnya dipilih sebagai
surrogate variable. 8.
Proses Analisis Faktor
Secara garis besar tahapan pada analisis faktor adalah sebagai berikut: 1.
Memilih variabel yang layak dimasukkan dalam analisis faktor. Oleh karena analisis faktor berupaya mengelompokkan sejumlah variabel, maka
seharusnya ada korelasi yang cukup kuat diantara variabel, sehingga akan terjadi pengelompokkan. Jika sebuah variabel atau lebih berkorelasi lemah
dengan variabel lainnya, maka variabel tersebut akan dikeluarkan dari analisis faktor. Alat seperti MSA atau Bartlett’s Test dapat digunakan untuk keperluan
ini. 2.
Setelah sejumlah variabel terpilih, maka dilakukan ”ekstraksi” variabel tersebut hingga menjadi satu atau beberapa faktor.
3. Faktor yang terbentuk dapat menggambarkan perbedaan diantara
faktor-faktor yang ada. Hal tersebut akan mengganggu analisis, karena justru sebuah faktor harus berbeda secara nyata dengan faktor
lain. 4.
Kemudian mengartikan hasil penemuan artinya faktor-faktor tersebut mewakili variabel yang mana saja
2.4. Alur Penelitian