ANALISIS FAKTOR

Oleh:
Novi Hidayat Pusponegoro

Sejarah

Galton (1888), Pertama kali menemukan

tentang konsep faktor laten
Spearman (1904) meneliti pola tertentu yang
sistematik pada matriks korelasi dari skor nilai
pada suatu sekolah.
general intellective ability
individual tests.

Kenapa Analisis Faktor?

Pemilihan analisis faktor sebagai alat

analisis pada penelitian ini, disebabkan
karena penelitian ini mencoba
menemukan hubungan (interrelationship)
beberapa variabel yang saling independen
satu dengan yang lainnya, sehingga bisa
dibuat kumpulan variabel yang lebih
sedikit dari jumlah variabel awal sehingga
akan lebih mudah dalam
menginterpretasikan

Definisi dan Konsep

Analisis Faktor , metode multivariate yang

digunakan untuk menganalisis variabelvariabel yang diduga memiliki keterkaitan
satu sama lain sehingga keterkaitan
tersebut dapat dijelaskan dan dipetakan
atau dikelompokkan pada faktor/variabel
laten yang tepat (Sharma,1996).
Teknik Interdepedensi dengan data metrik

Tujuan Analisis Faktor

1) untuk menentukan jumlah faktor/
variabel laten yang mendasari membangun
satu set item (variabel)
2) untuk menjelaskan variasi antar variabel
(item) melalui beberapa variabel laten
(Faktor),
3) untuk menentukan isi atau makna
faktor/variabel laten

Perbedaan AKU & AF

AF menghasilkan faktor; AKU memproduksi
komponen
Faktor menyusun variabel; komponen disusun dari
variabel

FA

I1

I2

PCA

I3

I1

I2

I3

Perbedaan AKU & AF (2)

AF mengkaji varians yang diberikan masingmasing variabel (varians umum saja, tidak
mengkaji varians khusus atau residual);
AF: Apa yang mendasari proses sehingga
menghasilkan korelasi tsb?;
PCA mengkaji keseluruhan varians
PCA: meringkas asosiasi empiris, berdasarkan data

Jenis-Jenis Analisis Faktor

Exploratory FA
Confirmatory FA

Exploratory FA
digunakan untuk penelitian awal di mana
faktor-faktor yang mempengaruhi suatu
faktor / variabel laten belum
diidentifikasikan secara baik terutama
digunakan dalam explanatory research.

EFA dapat digunakan untuk:

Menentukan banyaknya konstruk yang harus

dibentuk dari teori yang ada, dimana teori
mengenai indikator penyusun variabel latennya
belum ada sehingga struktur hubungan variabel
dalam model tidak dispesifikasi secara khusus
oleh peneliti
Menentukan satu set variabel terukur/indikator
mendasari suatu konstruk yang dijelaskan
dengan muatan (loading) faktornya

Confirmatory FA
Digunakan untuk mengestimasi
parameter dan menguji hipotesis
tentang sejumlah faktor yang
mendasari hubungannya dengan
suatu set indikator.

CFA digunakan untuk:

Menguji hipotesis mengenai hubungan antara

variabel yang diamati dan laten yang mendasari
konstrak yang ada.
Menguji validitas suatu alat ukur/rangkaian
kuesioner yang diguakan untuk mengukur suatu
konstrak teoitis
Memverifikasi struktur faktor dari satu set
variabel yang diamati.

Model Faktor
X p x 1 p x 1 L p x m F m x 1 p x 1
Dengan:

adalah rata-rata variabel ke-i

adalah faktor khusus ke-i/spesific factor

Fj

adalah faktor umum ke-j /common facor

lij
L

adalah loading dari variabel ke-i pada faktor

ke-j
adalah matriks dari faktor loading

Asumsi Analisis Faktor

Struktur Covarians X
X X ' LF LF '
LF LF ' '
LF LF ' ' LF ' LF ' '
E LF

LF '

E LF F ' L '

( LL ' ) E ( FF ' )
LL '. I
LL '

E F ' L'' L' E F '

L'0 0

E '

E X X ' cov( X ) LL '

Struktur Covarians X (2)

lij lij: komunalitas atau varians faktor umum

Merupakan jumlah kuadrat dari loading
Digunakan untuk menyatakan proporsi yang mampu dijelaskan oleh
faktor umum
Ekspektasi: komunalitas memberikan kontribusi yang sebesarbesarnya

Loading Faktor (l)

Korelasi antara variabel asal dengan
faktor yang terbentuk

Ukuran Sampel untuk

Analisis Faktor

Ukuran sampel minimal 5 x Variabel

yang diteliti. Jika terdapat 20
Variabel, maka sampel haruslah
minimal 100 responden, ini berarti
dalam penelitian ini ada 20 kolom
(variabel) dan 100 baris
(responden) atau 2000 sel data.
(Multivariate Data Analysis, Thatam-Black-Hair)

Penentuan Banyak Faktor

Umum
AKU
Faktor Utama
Analisis Citra
Faktor Kanonik Iterasi Haris
MLE
Unweigthed LS

Metode Ekstraksi AKU

Tahapan analisis faktor

1.
2.
3.
4.
5.

Tabulasi data pada data view,

Pembentukan matrik korelasi,
Ekstraksi faktor,
Rotasi faktor, dan
Penamaan faktor yang terbentuk.
Seluruh proses pengolahan data,
mempergunakan alat bantu SPSS versi

terbaru for windows.

Contoh
Analisis

Faktor

Faktor penggunaan air minum kemasan

sebagai sumber air minum

Tahap Pertama, Tabulasi dan

pengolahan

Tabulasi hasil angket/questioner

anda ke dalam komputer (SPSS)

Jika anda memiliki 20 variabel,

seharusnya ada 100 buah angket
ditangan anda yang siap anda
tabulasi ke komputer

Tahap Kedua, Pembentukan

Matrik Korelasi

Matriks korelasi merupakan matrik yang

memuat koefisien korelasi dari semua
pasangan variabel dalam penelitian ini.

Matriks ini digunakan untuk mendapatkan

nilai kedekatan hubungan antar variabel
penelitian.

Nilai kedekatan ini dapat digunakan untuk

melakukan beberapa pengujian untuk
melihat kesesuaian dengan nilai korelasi
yang diperoleh dari analisis faktor.

Dalam tahap ini, ada dua hal yang perlu

dilakukan agar analisis faktor dapat
dilaksanakan, yang pertama yaitu menentukan
besaran nilai Barlett Test of Sphericity, yang
digunakan untuk mengetahui apakah ada
korelasi yang signifikan antar variabel, dan

kedua adalah Keiser-Meyers-Oklin (KMO)

Measure of Sampling Adequacy, yang digunakan
untuk mengukur kecukupan sampel dengan cara
membandingkan besarnya koefisien korelasi
yang diamati dengan koefisein korelasi
parsialnya.

Bartletts Test of Sphericity

Bartletts Test of Sphericity, dilakukan untuk mengetahui

adanya korelasi antar variabel sehingga variabel yang
diteliti tersebut dapat dianalisis lebih lanjut dengan analsisi
faktor, dengan hipotesis:
H0 : Matrik korelasi adalah matriks identitas (tidak
terdapat korelasi antar variabel yang signifikan)
Ha : Matrik korelasi bukan matriks identitas (terdapat
korelasi antar variabel yang signifikan)
Statistik uji

Measure of Sampling Adequacy

MSA merupakan indeks untuk mengukur hubungan antar
variabel yang diteliti dengan indikasi nilai MSA yang mendekati 1
menunjukkan bahwa nilai suatu variabel dapat diprediksi oleh
varibel lainnya dengan kesalahan yang kecil. Menurut Anderson
et.al (2008), nilai MSA yang kurang dari 0,5 menunjukkan
hubungan variabel tersebut dnegan variabel lainnya tidak kuat,
sehingga variabel tersebut tidak dapat dianalisis lebih lanjut
dengan dengan analisis faktor

Keiser-Meyers-Oklin (KMO)
KMO, merupakan indeks yang dipergunakan untuk membandingkan
koefisien korelasi pengamatan dengan koefisien korelasi parsial
KMO yang yang kecil mengindikasikan bahwa pemilihan variabel yang
digunakan dalam analisis faktor belum sesuai Anderson et.al (2008).
Kriteria kesesuaian dalam pemakaian analisis faktor adalah :
Jika
Jika
Jika
Jika
Jika
Jika

harga
harga
harga
harga
harga
harga

KMO
KMO
KMO
KMO
KMO
KMO

sebesar 0,9
sebesar 0,8
sebesar 0,7
sebesar 0,6
sebesar 0,5
kurang dari

berarti sangat memuaskan,

berarti memuaskan,
berarti harga menengah,
berarti cukup,
berarti kurang memuaskan, dan
0,5 tidak dapat diterima.

Besaran Nilai Barlett Test of Sphericity dan

Nilai Keiser-Meyers-Oklin (KMO) Measure of
Sampling Aduquacy Uji Tahap Pertama

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Approx. Chi-Square
Sphericity
df
Sig.

.603
6.406E5
45
.000

Hasil

perhitungan

menunjukkan

besaran

nilai

Barlett Test of Sphericity pada signifikan 0,000

yang berarti pada penelitian ini ada korelasi yang
sangat

signifikan

antar

variabel

dan

hasil

perhitungan KMO yang menyatakan kecukupan

sampel termasuk kategori yang cukup.

Tahap Ketiga, Ekstraksi

Faktor

Pada tahap ini, akan dilakukan proses inti

dari analisis faktor, yaitu melakukan
ekstraksi terhadap sekumpulan variabel
yang ada KMO>0,5 sehingga terbentuk
satu atau lebih faktor.

Metode yang digunakan untuk maksud ini

adalah Principal Component Analysis dan
rotasi faktor dengan metode Varimax
(bagian dari orthogonal).

Total Variance Explained dengan

Eigenvalue satu.
Total Variance Explained
Extraction Sums of Squared
Loadings

Initial Eigenvalues

Component

% of
Cumulative
Variance
%
2.3744 23.7441
23.7441
2.0249

Total
1
2
3
4
5
6
7
8
9
10

1.0932
1.0295

10.9324
10.2945

0.8551
8.5511
0.7111
7.1112
0.5401
5.4009
0.2856
2.8555
0.183428 1.834282

54.9259
65.2204
0.9027
82.7981
89.9094
95.3102
98.1657
100

Extraction Method: Principal Component Analysis.

Total
2.3744
2.0249
1.0932
1.0295

% of
Cumulative
Variance
%
23.7441
23.7441
20.2493
43.9934
10.9324
54.9259
10.2945
65.2204

Rotation Sums of Squared

Loadings
Total
2.2569
2.0828
1.0990
1.0834

% of
Variance
22.5687
20.8276
10.9899
10.8343

Cumulative
%
22.5686666
43.3962245
54.3861148
65.220377

Penjelasan tabel tersebut

Terlihat pada penelitian (tabel di

atas) diperoleh 4 faktor yang
memiliki eigenvalue lebih besar dari
1,0.

Keempat faktor tersebut

menjelaskan (65,22) % total varian
variabel yang mempengaruhi

ScreePlot
Variabel
JUMLAH ART YANG MENDERITA DEMAM
JUMLAH ART AYANG MENDERITA DIARE
JUMLAH ART YANG MENDERITA SAKIT HINGGA AKTIVITANYA TERGA
LUAS LANTAI
JARAK PENAMPUNGAN TINJA DENGAN SUMBER AIR MINUM
BIAYA KESEHATAN
PENGELUARAN MAKANAN
PENGELUARAN RATA-RATA/BULAN
JUMLAH ANGGOTA KELUARGA
RATA-RATA JUMLAH HARI ART SAKIT/RT

Inittial
Komunalitas
VarianSpesifik
0.643
0.357
0.343
0.657
0.797
0.203
0.628
0.372
0.576
0.424
0.709
0.291
0.847
0.153
0.78
0.22
0.616
0.384
0.582
0.418

ROTASI

Tujuan Rotasi, untuk memberikan representasi

nilai loading suatu faktor sehingga memudahkan
dalam intrpretasi
Tidak mempengaruhi komunalitas
Merubah nilai muatan faktor

L* L
, matriks orthogonal

JENIS ROTASI
Orthogonal Rotation
Yaitu suatu rotasi yang sedemikian rupa sehingga
sudut kedua sumbu faktor umum tersebut
membentuk sudut 90o.
Quartimax
Varimax
Jenis rotasi orthogonal yang sering digunakan
adalah varimax, yaitu rotasi yang membuat
jumlah keragaman dari faktor pembobot dari
masing-masing faktor umum menjadi
maksimum.
Equimax

JENIS ROTASI
Oblique Rotation
Yaitu suatu rotasi yang menghasilkan sudut kedua
sumbu faktor umum tidak harus 90o. Jenis rotasi
ini antara lain adalah direct quartimin, yaitu
suatu rotasi yang membuat faktor-faktor umum
berada ditengah-tengah kelompok peubah-peubah
asal.

Tahap Keempat, Matrik

Rotasi Faktor

Pada rotasi faktor, matrik faktor

ditransformasikan ke dalam matrik yang
lebih sederhana, sehingga lebih mudah
diinterpretasikan.

Dalam analisis ini rotasi faktor dilakukan

dengan metode rotasi varimax.

Interpretasi hasil dilakukan dengan

melihat faktor Loading.

Faktor Loading adalah angka yang

menunjukkan besarnya korelasi antara
suatu variabel dengan faktor satu, faktor
dua, faktor tiga, faktor empat atau faktor
lima yang terbentuk.

Proses penentuan variabel mana akan

masuk ke faktor yang mana, dilakukan
dengan melakukan perbandingan besar
korelasi pada setiap baris di dalam setiap
tabel.

Distribusi Komponen Matrik yang

Dirotasi

Tahap kelima, Memberi

Nama Faktor

Pada tahap ini, akan diberikan namanama faktor yang telah terbentuk
berdasarkan faktor loading suatu variabel
terhadap faktor terbentuknya.

Setelah tahapan pemberian nama faktor

yang terbentuk, berarti hipotesis
penelitian telah terjawab.

 Faktor 1, terdiri dari variabel luas lantai dan jarak

penampungan tinja dengan sumber air minum,
sehingga
dapat
disebut
dengan
FAKTOR
LINGKUNGAN.
Faktor 2, terdiri dari variabel jumlah ART yang sakit
demam, jumlah ART yang sakit diare, jumlah ART
yang sakit hingga aktivitasnya terganggu dan ratarata jumlah hari ART sakit per rumah tangga., yang
dapat disebut dengan FAKTOR KEJADIAN SAKIT
RUMAH TANGGA
Faktor 3, terdiri dari pengeluaran makanan,
pengeluaran rata-rata per bulan dan jumlah ART,
yang disebut dengan FAKTOR POLA KONSUMSI
RUMAH TANGGA.
Faktor 4, terdiri dari variabel biaya kesehatan, yang
dapat disebut dengan FAKTOR BIAYA KESEHATAN.

Uji Ketepatan Model

Dengan menggunakan program SPSS

diketahui besarnya persentase Residuals
are computed between observed and
reproduced correlations.