Pendahuluan

Bilson Simamora

First published: September 21, 2017, last updated: September 21, 2017.

DALAM  analisis faktor, yang dianalisis adalah kombinasi linier antar variabel. Status semua variabel sama, tidak ada variabel independen yang menjadi prediktor bagi variabel dependen, sebagaimana dijumpai dalam metoda dependence, seperti regresi. Analisis faktor  tergolong metoda interdependence, sebagaimana analisis klaster dan multidimension scaling.

Apabila dalam sejumlah besar variabel terdapat multikolinearitas, dapatlah kita mencurigai (karena belum melakukan analisis faktor) adanya sejumlah faktor dalam data kita.  Faktor itu adalah semacam konstruk.  Pekerjaan, pendapatan, dan kekayaan, misalnya, tentulah berkorelasi satu sama lain. Pekerjaan yang bagus akan menghasilkan pendapatan yang tinggi, selanjutnya kekayaan yang lebih tinggi.  Apakah tidak lebih baik ketiga variabel diwakilkan satu variabel saja? Jawabannya ya.  Dalam stepwise regression, dari ketiga variabel tersebut, kita akan mencari salah satu variabel yang paling mewakili.  Sedangkan dalam analisis faktor, kita tidak memilih salah satu, akan tetapi mencari variabel baru (yang dinamakan faktor) untuk mewakili ketiganya, lengkap dengan skor baru.

Tanpa analisis faktor pun, kita dapat mengelompokkan ketiga variabel di atas sebagai kelas sosial karena teori mengatakan demikian. Namun, pengakuan teori tidaklah cukup – sekalipun hasil analisis faktor tidak boleh melawan teori – masih diperlukan bukti empiris untuk mengetahui seberapa yakin kita dengan kesimpulan yang kita buat.

Analisis Faktor Digunakan untuk Apa?

Mengonfirmasi variabel-variabel pengamatan suatu konstruk.  Dalam sebuah penelitian, sering kita mengoperasionalkan suatu konstruk ke dalam beberapa variabel pengamatan. Misalkan, konstruk intensi mengastemisasi (customizing) motor terbagi ke dalam dua sub-konstruk (dimensi). Setiap dimensi terbagi lagi ke dalam beberapa variabel pengamatan (Tabel 5.1). Analisis faktor dapat kita gunakan untuk mengonfirmasi apakah setiap variabel pengamatan tergabung ke dalam dimensinya (analisis faktor tingkat pertama) dan apakah setiap dimensi sah sebagai bagian dari konstruk (analisis faktor tingkat kedua).  Analisis faktor demikian disebut analisis faktor konfirmatori (confirmatory factor analysis).  Analisis ini dapat juga dipakai sebagai analisis validitas dalam riset pemasaran.

Struktur Hubungan Antar Variabel. Analisis faktor dapat digunakan untuk mengidentifikasi struktur hubungan antar variabel ataupun antar responden.  Katakanlah kita punya 10 variabel.  Dengan melihat korelasi antar variabel, kita dapat mengetahui dimensi-dimensi laten yang mendasari.  Dalam contoh terdahulu, kita memang menyatukan variabel-variabel ‘pekerjaan, pendapatan dan kekayaan’ menjadi kelas sosial. Namun, tidak selalu mudah menemukan dimensi-dimensi laten kalau belum ada teori yang melandasinya.  Analisis faktor dapat menolong kita untuk menemukan dimensi-dimensi yang mendasari sejumlah variabel.

Kalau tujuan analisis faktor adalah untuk mencari dimensi-dimensi laten yang mewakili variabe-variabel, maka analisis faktor yang kita lakukan disebut exploratory factor analysis.

Analisis faktor juga dapat digunakan untuk mencari korelasi antar responden.  Dengan kata lain, dengan analisis faktor, kita dapat mengelompokkan responden berdasarkan kesamaan-kesamaan karakteristik yang dimilikinya dengan analisis faktor Q (Q factor analysis).  Segmentasi dengan analisis faktor Q jarang dilakukan.  Untuk tujuan tersebut, umumnya para peneliti menggunakan analisis klaster.

 

Mengurangi jumlah variabel. Adakalanya jumlah responden yang kita miliki tidak mencukupi. Sebagai contoh, dalam analisis SEM terdapat ketentuan bahwa jumlah responden minimal adalah lima kali jumlah variabel pengamatan (Hair, et al. 2005; Wijanto, 2008). Katakanlah kita memiliki 200 responden dan variabel pengamatan berjumlah 60. Berarti ketentuan tersebut belum terpenuhi. Jalan keluarnya adalah mengurangi jumlah variabel pengamatan. Analisis faktor dapat digunakan untuk keperluan tersebut.

Ada tiga cara mengurangi variabel, pertama menggunakan ‘faktor’ yang dihasilkan, kedua memakai surrgogate variables dan ketiga, menggunakan summated scales. Dengan analisis faktor, kita dapat menemukan faktor-faktor (disebut juga dimensi ataupun komponen) yang mewakili variabel-variabel asli.  Katakanlah kita temukan tiga faktor. Ketiga faktor ini dapat dijadikan variabel baru yang mewakili kesepuluh variabel asli, dengan catatan informasi yang hilang diminimalkan. Bisa pula beberapa variabel diwakili faktor, sementara variabel lain tetap dalam bentuk aslinya.  Ini merupakan tujuan paling umum.  Dalam banyak penelitian, kita tidak tahu variabel mana dengan variabel mana yang bisa dipertautkan, sebelum analisis faktor dilakukan.

            Surrogate variables adalah adalah variabel yang berhubungan paling erat dengan faktor. Misalkan kita memiliki enam variabel pengamatan. Setelah dilakukan analisis faktor, factor loading dari X1 sampai X6 adalah: 0.654, 0.457, 0.870, 0.786, 0.721 dan 0.612. Dengan demikian, X3-lah surrogate variable.

Summated scale berarti menggunakan hasil penjumlahan skor semua variabel pengamatan sebagai skor variabel baru. Cara ini bisa dilakukan apabila dipastikan variable-variabel pengamatan yang digunakan memang tergabung pada satu faktor.

Menggunakan analisis faktor dengan teknik analisis lain.  Dengan kemampuan dasar menganalisis korelasi antar variabel, mencari dimensi-dimensi yang mendasari serta meringkas data, analisis faktor dapat dikombinasikan dengan teknik analisis lain dalam riset pemasaran maupun dalam displin ilmu lainnya.  Karena itu, Hair et. al. (2005) mengatakan sebagian ahli menganggap analisis faktor  sebagai bagian dari riset eksploratori, sekali pun sebenarnya teknik ini juga dapat dipakai untuk tujuan konfirmatori (Hair et al., 2006) semuanya diajukan sekaligus, penetrasi pesan ke dalam otak konsumen akan kurang dalam. Pada sisi lain, perusahaan tidak mau mengurangi jumlah appeals yang ditawarkan menjadi dua, tiga dan seterusnya, maunya semua appeals terekspos dalam iklan.  Analisis faktor dapat mengakomodasi keinginan perusahaan sekaligus mempertajam penetrasi pesan. Caranya, dengan memadatkan keduabelas appeals tersebut menjadi beberapa faktor saja.  Itulah yang diekspos dalam iklan, setelah melalui proses kreatif.

Bagi yang terbiasa dengan regresi ganda (multiple regression), multikolinearitas – yaitu adanya korelasi antar variabel independen- tentu tidak disukai.  Multikolinearitas dapat dideteksi melalui analisis faktor.  Melalui analisis faktor, dengan mudah kita mengetahui variabel mana saja yang berkorelasi.

Variabel dan Sampel Yang Dilibatkan

Untuk analisis data yang dibutuhkan adalah data metrik.  Memang analisis faktor juga dapat menggunakan variabel dummy, misalnya dengan metoda Boolen, namun jarang dilakukan.

Sekali pun peneliti memerlukan jumlah variabel yang optimal untuk setiap faktor, variabel yang dilibatkan dalam analisis faktor minimal lima (Hair et al., 2006).  Memang SPSS menerima dua variabel, akan tetapi, janganlah menganggap bahwa hasil analisis faktor sudah menjawab segala permasalahan walaupun jumlah variabel sedikit (misalnya dua).  Dalam analisis faktor, judgment tetap diperlukan agar hasilnya baik. Analisis faktor hanya menghasilkan angka. Sekiranya angka-angka tersebut kita masukkan sembarang, analisis faktor tetap saja melakukan tugasnya, namun hasilnya  tentu sembarangan juga.

Tidak ada ukuran sampel minimal yang diterima dalam analisis faktor.  Memang, semakin besar ukuran sampel,  analisis faktor semakin akurat.  Sebaiknya memang ukuran sampel 100 atau lebih, dan janganlah melakukan analisis faktor kalau ukuran sampel kurang dari 50.  Akan tetapi ketentuan ini tidak mutlak. Sebagai aturan umum, jumlah responden minimal (kadang-kadang juga disebut kasus atau observasi, penulis) adalah tiga kali jumlah variabel.  Jadi, kalau ada lima variabel, maka jumlah responden minimal adalah 15 orang. Lebih baik lagi kalau rasionya adalah satu banding sepuluh.  Bahkan, ada peneliti yang menginginkan perbandingan 1: 20 (Hair et al., 2006).