Statistik Industri (Analisis Faktor)

Analisis Faktor

Dalam studi perilaku dan sosial, peneliti membutuhkan pengembangan pengukuran untuk bermacam-macam variabel yang tidak dapat diukur secara langsung, seperti tingkah laku, pendapat, intelegensi, personality dan lain-lain. Faktor analisis adalah metode yang dapat digunakan untuk pengukuran semacam itu. (Subash Sharma, 1996).

       Tujuan dari analisis faktor adalah untuk menggambarkan hubungan-hubungan kovarian antara beberapa variabel yang mendasari tetapi tidak teramati, kuantitas random yang disebut faktor, (Johnson &Wichern, 2002). Vektor random teramati X dengann p komponen, memiliki rata-rata dan matrik kovarian.

      Tujuan analisis faktor adalah menggunakan matriks korelasi hitungan untuk 1.) Mengidentifikasi jumlah terkecil dari faktor umum (yaitu model faktor yang paling parsimoni) yang mempunyai penjelasan terbaik atau menghubungkan korelasi diantara variabel indikator. 2.) Mengidentifikasi, melalui faktor rotasi, solusi faktor yang paling masuk akal. 3.) Estimasi bentuk dan struktur loading, komunality dan varian unik dari indikator. 4.) Intrepretasi dari faktor umum. 5.) Jika perlu, dilakukan estimasi faktor skor. (Subash Sharma, 1996).    

Uji Bartlett (Kebebasan Antar Variabel)

Uji Bartlett bertujuan untuk mengetahui apakah terdapat hubungan antar variabel dalam kasus multivariat. Jika variabel X₁, X₂,…,X_p  independent (bersifat saling bebas), maka matriks korelasi antar variabel sama dengan matriks identitas.  Sehingga untuk menguji kebebasan antar variabel ini, uji Bartlett menyatakan hipotesis sebagai berikut:

H₀ : ρ = I

H₁ : ρ ≠ I

Kaiser Meyer Oikin (KMO)

Uji KMO bertujuan untuk mengetahui apakah semua data yang telah terambil telah cukup untuk difaktorkan. Hipotesis dari KMO adalah sebagai berikut :

Hipotesis

Ho : Jumlah data cukup untuk difaktorkan

H₁  : Jumlah data tidak cukup untuk difaktorkan

Maka variabel-variabel saling berkorelasi hal ini berarti terdapat hubungan antar variabel. Jika H₀ ditolak maka analisis multivariat layak untuk digunakan terutama metode analisis komponen utama dan analisis faktor.

Pengertian dan Tujuan

Analisa faktor  adalah suatu metode untuk menganalisis sejumlah observasi, dipandang dari sisi interkorelasinya untuk mendapatkan apakah variasi-variasi yang nampak dalam observasi itu mungkin berdasarkan atas sejumlah kategori dasar yang jumlahnya lebih sedikit dari yang nampak (Fruchter, 1954). Sementara itu Kerlinger (1990) mengungkapkan bahwa faktor adalah  gagasan atau konsep suatu hipotesis yang sungguh-sungguh ada yang mendasari suatu tes, skala, aitem dan pengukuran-pengukuran dalam banyak hal. Jadi analisis faktor bermanfaat untuk mengurangi pengukuran-pengukuran dan tes-tes yang beragam supaya menjadi sederhana.

Menurut Kerlinger (1990), maksud dan kegunaan dasar analisa faktor ada dua yaitu;a)mengeksplorasi wilayah-wilayah variabel guna mengetahui dan menunjukkan faktor-faktor yang diduga melandasi variabel-variabel itu, b)menguji  hipotesis tentang relasi-relasi antar variabel.

Secara garis besar ada dua tipe analisa faktor, yaitu:

1)    Confirmatory Factor Analysis

Model yang diasumsikan  untuk menggambarkan, menjelaskan atau menghitung data empirik. Konstruksi dari model ini  berdasar pada informasi yang apriori mengenai sifat dari struktur data atau isi dari teori (Joreskog & Sorbon, 1989 dalam Crowley & Fan, 1997).

2)    Exploratory Factor Analysis

Model yang  diaplikasikan untuk mengeksplorasi data yang ada mengenai jumlah karakteristiknya, sifat-sifat yang menarik dan hubungan-hubungan yang mungkin ada.Exploratory Factor Analysis ini berguna untuk  tujuan menggenerasikan struktur, model-model teoritis dan mengetes hipotesis (Gorsuch, 1983 dalam Crowley & Fan, 1997). Pada penelitian ini yang digunakan adalah analisis faktor eksploratori (exploratory factor analysis). Menurut Panter,dkk (1997) aplikasi dari exploratory factor analysis adalah mengidentifikasi makna, konstrak  atau dimensi yang dievaluasi oleh kovarians yang diobservasi yang meliputi sifat yang diobservasi, respon, tanda dan symton. Model ini secara umum dijelaskan sebagai perilaku yang diobservasi yang dapat digambarkan dalam bentuk konstrak tertentu dengan asumsi hanya pada kasus yang jarang yang dapat menjadi korespondensi secara eksak antara indeks perilaku spesifik yang diobservasi tertentu yang bervariasi  atau operasionalisasi dan konstruks tertentu yang berhubungan. 

Model-model dari analisa faktor mempunyai peranan penting didalam memformulasikan model konsep didalam kepribadian dan untuk menguji secara empiris berbagai instrumen yang mengukur kepribadian (Panter,dkk, 1997). Hal ini didukung oleh pendapat Ozer dan Reise, 1994 (dalam Panter,dkk, 1997) bahwa pendekatan analisa faktor didalam asesmen kepribadian mempunyai peran utama didalam mengkontruksi skala dan mengetes teori dalam hal struktur kepribadian dan perkembangannya. Banyak inventori-inventori kepribadian yang telah dikonstruksi dengan menggunakan metode analisa faktor (Aiken, 1997).

b. Komponen-komponen dalam Analisa Faktor

Ada berbagai pengertian atau komponen yang penting dalam analisa faktor, antara lain,unity  atau total variance, common variance, specific variance dan error variance (Fruchter, 1954 & Mulaik, 1972). Berikut definisi secara ringkas mengenai hal tersebut.

1).Unity atau total variance merupakan suatu ubahan yang terdiri dari tiga variance yaitu;common, specific dan error. Proporsi besarnya unity atau variance total ini adalah 1,00. Gabungan antara common variance dan specific variance  akan merupakan suatu  nilai yang biasanya diindikasikan sebagai koefisien keandalan (reliabilitas)

2).Common variance atau komunalitas merupakan bagian dari  reliable variance  yang berhubungan dengan variabel lain. Komunalitas merupakan jumlah kuadrat dari common variance dan dilambangkan dengan simbol h² (Fruchter, 1954). Menurut Suryabrata (1982) komunalitas menunjukkan proporsi varians variabel tertentu yang diterangkan oleh faktor-faktor. Semakin tinggi h², berarti variabel-variabel tersebut makin mempunyai kesamaan faktor.

3). Specific variance  merupakan bagian dari reliable variance yang tidak berhubungan dengan variabel lain.

4). Error variance merupakan hasil dari kesalahan-kesalahan sampling, pengukuran, kondisi tes yang tidak standar, pengaruh fisiologi atau pengaruh lain dalam diri individu yang membuat tidak reliabel. Variance ini tidak berkorelasi dengan reliable variance.

c. Langkah-langkah dalam Analisa Faktor

         Berbagai langkah yang dilakukan dalam analisa faktor (Fruchter, 1954; Suryabrata, 1982; Santoso, 2003) yaitu:

1). Membuat matriks korelasi antar masing-masing subfaktor . Masing-masing subfaktor tersebut dalam penelitian ini adalah penjumlahan dari 6 aitem sehingga keseluruhan didapatkan 30 subfaktor. Selanjutnya dilakukan pengujian Measure of Sampling Adequacy(KMO) dengan Kaiser Meyer Olkin (KMO)

2). Menentukan faktor  atau ekstraksi faktor dengan menggunakan Principle Component Analysis (PC) karena dapat mengambil  atau menyedot varians sebanyak-banyaknya (Fruchter, 1954).

3). Untuk menghentikan ekstraksi faktor menggunakan tolak ukur  eigen value diatas 1.

4). Melakukan rotasi dari faktor yang telah terbentuk. Tujuan rotasi untuk memudahkan dalam interpretasi. Metode rotasi yang digunakan adalah rotasi orthogonal dengan metodevarimax. Pemilihan metode rotasi orthogonal karena strukturnya sederhana dan metodevarimax untuk memudahkan interpretasi bagi peneliti mengenai faktor-faktor yang diperoleh.

Analisis faktor adalah analisis yang bertujuan mencari faktor-faktor utama yang paling mempengaruhi variabel dependen dari serangkaian uji yang dilakukan atas serangkaian variabel independen sebagai faktornya. Misalnya, kita hendak menentukan sejumlah agen sosialisasi politik yang paling besar pengaruhnya atas pembentukan budaya politik siswa.

Khusus untuk Analisis Faktor, sejumlah asumsi berikut harus dipenuhi: (Santoso, 2006: 13)

Korelasi antarvariabel Independen. Besar korelasi atau korelasi antar independen variabel harus cukup kuat, misalnya di atas 0,5.

Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS deteksi terhadap korelasi parsial diberikan lewat pilihan Anti-Image Correlation.

Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diukur dengan besaran Bartlett Test of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.

Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor yang terjadi sebaiknya dipenuhi.

Uji Asumsi Analisis Faktor

Pada bagian Metode Penelitian telah disebutkan bahwa analisis faktor membutuhkan terpenuhinya serangkaian asumsi. Peneliti akan menguji asumsi analisis faktor satu per satu terlebih dahulu sebelum uji analisis faktor dilakukan.