BAB I

ANALISIS FAKTOR

Bab I ini akan membahas konsep analisis faktor, mengapa berbeda dengan
analisis varian, regresi berganda, dan analisis diskriminan; prosedur di dalam
melakukan faktor yang meliputi perumusan masalah (problem formulation),
pembentukan matriks korelasi, seleksi metode yang tepat, menentukan banyaknya
faktor, notasi, dan interpretasi faktor, perbedaan antara principal component factor
analysis dan common factor analysis methods. Pemilihan surrogate variables dan
penggunaanya dengan penekanan pada pemanfaatan buat analisis berikutnya,
misalnya analisis faktor bisa dilanjutkan menjadi analisis regresi berganda dan
diskriminan, prosedur untuk menentukan model faktor analisis yang tepat/cocok
dengan menggunakan the observed and the reproducted correlations. Untuk
menghindari terjadinya multicollinearty dalam analisis regresi linear berganda,
variabel bebas yang banyak harus diubah menjadi faktor sebagai variabel baru yang
tidak saling berkorelasi.

1.1 Pendahuluan
Di dalam analisis varian, analisis regresi, dan analisis diskriminan, salah satu
variabel dipastikan sebagai variabel tak bebas Y. Di dalam analisis faktor, variabel
tidak dikelompokkan menjadi variabel bebas dan tak bebas, sebaliknya sebagai
penggantinya seluruh set hubungan interdependent antar-variabel diteliti. Di dalam
bab ini akan dibahas konsep dasar dari analisis faktor dan akan diberikan eksposisi
model faktor. Penulis menguraikan langkah-langkah di dalam analisis faktor dan
mengilustrasikan di dalam konteks principal components analysis. Selanjutnya
penulis tunjukkan suatu aplikasi common factor analysis.

1.2 Konsep Dasar

Analisis faktor merupakan nama umum yang menunjukkan suatu kelas
prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas, dari
variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang
lama diubah menjadi 4 atau 5 variabel baru yang disebut faktor dan masih memuat

1
sebagian besar informasi yang terkandung dalam variabel asli (original variable). Di
dalam riset pemasaran pada khususnya dan riset bidang sosial pada umumnya, akan
diperoleh banyak sekali variabel, kebanyakan dari variabel-variabel tersebut
berkorelasi sesamanya dan harus diperkecil jumlahnya agar mudaah dikelola
(manageable). Hubungan antar-set dari banyak variabel yang saling terkait
(berhubungan) diteliti dan dinyatakan dalam sedikit faktor yang mendasari. Sebagai
contoh, citra pasar swalayan mungkin diukur dengan menanyakan kepada responden
untuk mengevaluasi pasar swalayan pada suatu deret atribut dengan suatu skala
semantic differential. Atribut-atribut tersebut sebagai variabel kemudian dianalisis
untuk menentukan faktor-faktor yang mendasari citra swalayan tersebut.
Di dalam analisis varian, regresi berganda dan diskriminan, satu variabel
disebut sebagai variabel tak bebas (dependent variable) atau criterion dan variabel
lainnya sebagai variabel bebas atau predictor. Di dalam faktor tersebut teknik
interdependensi (interdependence technique) di mana seluruh set hubungan yang
interdependen diteliti.
Analisis faktor dipergunakan di dalam situasi sebagai berikut.
1. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying
dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel.
Sebagai contoh, suatu set pernyataan mengenaai gaya hidup mungkin bisa
dipergunakan untuk mengukur psikografik profil pelanggan (pembeli/konsumen).
Pernyataan-pernyataan ini setelah diberi nilai berdasarkan jawaban dari responden
(pelanggan) kemudian dilakukan analisis faktor untuk mengenali faktor
psikografik yang mendasari. Misalnya dari 21 variabel (21 pernyataan yang sudah
dinilai) diperas (direduksi) menjadi 7 faktor. Menganalisis faktor berarti
mereduksi data/variabel.
2. Mengenali atau mengidentifikasi suatu set varibel baru yang tidak berkorelasi
(independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel
asli yang saling berkorelasi di dalam analisis multivariate selanjutnya, misalnya
analisis regresi berganda dan analisis diskriminan. Sebagai contoh, faktor
psikografik yang dikenali (diidentifikasi) mungkin dipergunakan sebagai variabel
bebas di dalam menjelaskan perbedaan antara pelanggan loyal (setia) dan
pelanggan yang tidak loyal, dalam analisis diskriminan.

2
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set
variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis
multivariate selanjutnya. Sebagai contoh, beberapa pernyataan gaya hidup yang
asli yang berkorelasi sangat kuat dengan faktor yang sudah dikenali, mungkin
dipergunakan sebagai variabel bebas untuk menjelaskan perbedaan antara
pelanggan loyal dan tak loyal. Variabel yang dimaksud ialah substitute or
surrogate variables.
Analisis faktor, banyak aplikasinya di dalam riset pemasaran, manajemen dan ilmu
sosial/kedokteran, untuk klafikasi/pengelompokkan.
1. Analisis faktor bisa dipergunakan di dalam segmentasi pasar untuk
mengidentifikasi variabel yang mendasari yang dipergunakan untuk
mengelompokkan pelanggan.
Pembeli mobil baru mungkin dikelompokkan didasarkan pada penekanan relative
(relative emphases) yang dikaitkan pada ekonomi, alat transpor yang
menyenangkan (convenience), penampilan, kesenangan (comport), dan
kemewahan (luxury). Berdasarkan data ini mungkin bisa diperoleh lima segmen
pelanggan/pembeli (lima faktor) yaitu: economy seekers, convenience seekers,
performance seekers, comfort seekers, dan luxury seekers.
2. Di dalam riset produk analisis faktor dapat dipergunakan untuk menentukan
atribut atau karakteristik merek yang mempengaruhi pilihan pelanggan/pembeli.
Misalnya merek pasta gigi bisa dievaluasi berdasarkan perlindungan terhadap gigi
(supaya tidak berlubang), memutihkan gigi, rasanya (pedas seperti permen keras),
napas segar, dan harga murah.
3. Di dalam studi advertensi, analisis faktor dapat dipergunakan untuk memahami
kebiasaan mengkonsumsi media atau the media consumption habits dari pasar
sasaran (the target market). Pengguna makanan beku mungkin pemirsa berat TV
kabel, melihat banyak film layar lebar atau sinetron, mendengarkan country
music.
4. Di dalam penelitian harga, bisa dipergunakan untuk mengenali/mengidentifikasi
karakteristik atau sifat-sifat pelanggan/pembeli yang sensitif terhadap harga.
Sebagai contoh, pelanggan ini mungkin agamanya metodis atau methodical,
economy minded dan home contered.

3
1.3 Model Analisis Faktor dan Statistik yang Relevan
Secara matematis, analisis faktor agak mirip dengan regresi linear yaitu bahwa
setiap variabel dinyatakan sebagai suatu kombinasi linear dari faktor yang mendasari
(underlying factors). Jumlah (amount) varian yang disumbangkan oleh suatu variabel
dengan variabel lainnya yang tercakup dalam analisis disebut communality.
Kovariasi antara variabel yang diuraikan, dinyatakan dalam suatu common factor
yang sdikit jumlahnya ditambah dengan faktor yang unik untuk setiap variabel.
Faktor-faktor ini tidak secara jelas terlihat (not overtly observed).
Kalau variabel-variabel dibakukan (standardized), model faktor bisa ditulis
sebagai berikut:
Xi = Bi1 F1 + Bi2 F2 + Bi3 F3 + ... + Bij Fj + ... + Bim Fm + Vi𝜇 i
Xi = Variabel ke i yang dibakukan (rata-rata nol, standar deviasinya satu).
Bi = Koefisien regresi parsial yang dibakukan untuk variabel i pada common factor
ke j.
F1 = common factor ke j.
Vi = Koefisien regresi yang dibakukan untuk variabel ke i pada faktor yang unik
ke i (unique factor).
𝜇 i = Banyaknya common factor.
Faktor yang unik tidak berkorelasi dengan faktor yang sesama unik dan juga
tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan
sebagai kombinasi linear dari variabel-variabel yang terlihat/terobservasi (the
observed variables) hasil penelitian lapangan.
Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + ... + Wik Xk
Di mana:
Fi = perkiraan faktor ke i (didasarkan pada nilai variabel X dengan koefisiennya Wi.
Wi = timbangan atau koefisien nilai faktor ke i.
k = banyaknya variabel.
Dimungkinkan untuk memilih timbangan (weight) atau koefisien nilai faktor (
factor score coefficients) sehingga faktor yang pertama menjelaskan sebagian besar
porsi nseluruh varian atau menyerap sebagian besar varian seluruh variabel.
Kemudian set timbangan yang kedua dapat dipilih, sehingga faktor yang kedua
menyerap sebagian besar sisa varian, setelah diambil faktor pertama, dengan syarat
4
bahwa faktor yang kedua tidak berkorelasi (orthogonal) dengan faktor pertama.
Prinsip yang sama dapat dipergunakan untuk memilih faktor selanjutnya, sebagai
faktor tambahan, yaitu faktor ketiga. Jadi, faktor bisa diperkirakan/diestimasi
sehingga nilai faktor yang satu tidak berkorelasi dengan nilai faktor lainnya. Faktor
yang diperoleh merupakan variabel baru yang tidak berkorelasi antara satu faktor
dengan faktor lainnya, artinya tidak terjadi muli collinearity. Banyaknya faktor lebih
sedikit daripada banyaknya variabel asli yang dianalisis faktor, sebab analisis faktor
memang mereduksi jumlah variabel yang banyak menjadi variabel baru yang
jumlahnya lebih sedikit.
Lebih lanjut, faktor pertama menyerap sebagian besar varian dari seluruh
variabel, kemudian faktor kedua menyerap sebagian besar sisa varian dari variabel,
setelah diperoleh faktor pertama, dan faktor ketiga menyerap sebagian besar sisa
varian dari variabel , setelah faktor 1 dan faktor 2 diperoleh. Begitu seterusnya,
sehingga faktor 1 menyerap sebagian besar varian dari seluruh variabel, faktor 2
menyerap sebagian besar varian yang kedua dan kemudian proses pencarian faktor
berhenti setelah varian dari seluruh variabel asli sudah terserap, katakan lebih dari
75%. Semua proses ini dilakukan oleh komputer. Kalau dilakukan secara manual
(dihitung dengan taangan, akan banyak waktu).