You are on page 1of 6

APLIKASI ANALISIS FAKTOR DENGAN SPSS VERSI 15.

0 BAGIAN
1
UJI VALIDITAS FAKTOR
http://teorionline.wordpress.com/

A. PENDAHULUAN
Analisis factor merupakan salah satu teknik statistic multivariate.
Tujuannya adalah untuk mengelompokkan data menjadi beberapa
kelompok sesuai dengan saling korelasi antar variabel. Pada aplikasi
penelitian, analisis factor dapat digunakan untuk mengetahui
pengelompokan individu sesuai dengan karakteristiknya, maupun
untuk menguji validitas konstruk.
Dalam analisis factor, tidak ada variabel dependen dan independen.
Proses analisis factor sendiri mencoba menemukan hubungan
(interrelationship) antar sejumlah variabel-variabel yang saling
dependen dengan yang lain, sehingga bisa dibuat satu atau beberapa
kumpulan variabel yang lebih sedikit dari jumlah awal.

Contohnya. Ada 8 variabel yang bersifat independen satu dengan yang


lain. Dengan analisis factor, 8 variabel tersebut mungkin bisa diringkas
menjadi 3 kumpulan variabel baru (new set of variables). Kumpulan
variabel tersebut disebut dengan factor, dimana factor tetap
mencerminkan variabel-variabel aslinya.

Dalam kegiatan penelitian, analisis factor paling tidak digunakan untuk


:
1. Menguji Validitas Konstruk. Salah satu cara untuk menguji
validitas konstruk dapat dilakukan dengan menggunakan analisis
factor. Analisis factor akan menampilkan hasil ekstaksi butir-butir
pertanyaan menjadi beberapa komponen yang diinginkan peneliti.
Prinsip yang digunakan sama yaitu mengelompokkan data
berdasarkan interkorelasi antar butir. Sebuah butir / item
dinyatakan merupakan pembentuk factor jika nilai korelasinya lebih
besar sama dengan (>=) 0,5.
2. Menguji Validitas Faktor. Dalam analisis ini, pengujian dilakukan
untuk melihat seberapa besar korelasi antara factor satu dengan
yang lain yang menjadi pembentuk variabel. Jika ditemukan korelasi
yang cukup kuat diantara factor-faktor pembentuk maka factor
tersebut dinyatakan memang sebagai pembentuk variabel.
Besarnya matrik korelasi yang lazim digunakan adalah 0,5

Dalam SEM, analisis factor konfirmatory (CFA) ditujukan untuk menguji


validitas dan reliabilitas. Atau lebih tepatnya adalah untu menguji
konsep teori, atau konstruk, atau laten variabel, yang tidak dapat
diobservasi langsung.
Dengan demikian, menurut Kusnendi (2008:98), tujuan utama dari CFA
adalah untuk mengkonfirmasikan model, yaitu model pengukuran yang
perumusannya berasal dari teori. Sesuai dengan itu, maka
permasalahan penelitian dalam kerangka CFA paling tidak akan
membahas antara lain :
1. Apakah indicator-indikator yang dikonsepsikan secara
unidimensional, tepat, dan konsistenn dapat menjelaskan
konstruk yang diteliti
2. Indikator-indikator apa yang dominan membentuk konstruk yang
diteliti. (pembahasan lebih lanjut mengenai CFA akan dibahas
kemudian).

B. STUDI KASUS UJI VALIDITAS FAKTOR

Dari pada bingung dengan berbagai definisi di atas, berikut ini akan
ditampilkan contoh aplikasi analisis factor.

Kasus 1.

Variabel yang diuji adalah kepemimpinan transformasional.


Konstruk kepemimpinan ini dibentuk dari 5 indikator yaitu Attributed
charisma (karisma), Idealized influence (pengaruh ideal), Inspirational motivation
(motivasi dan menginspirasi), Intelectual stimulation (stimulasi intelektual), dan
Individualized consideration (perhatian terhadap individu).

Sampel berjumlah 101, dan instrument pengumpul data adalah angket terbuka.

Data dapat didownload di sini

Penyelesaian Kasus
Cara melakukan analisis factor adalah :
1. Buka file baru pada SPSS
2. Klik Analyze > Dat Reduction > Factor
3. Setelah muncul kotak factor analysis, masukkan seluruh faktor ke dalam kotak
“VARIABLES” yang ada disebelah kanan.
Keterangan : KT1 adalah kepemimpinan transformasional factor ke-1, dst

4. Klik DESKRIPTIVES yang ada disebelah kiri bawah kotak dialog.

5. Pilih dengan menandai KMO and Bartlett’s Test of Sphericity serta Anti Image.
Kemudian Klik Continue.

6. Klik OK.

Intreprestasi Hasil
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .764

Bartlett's Test of Approx. Chi-Square 143.757


Sphericity df 10
Sig. .000

Dari hasil analisis diperoleh nilai Kaiser-Meyer-Olkin Measure of Sampling


Adequacy pada kotak KMO and Bartlet’s Test adalah sebesar 0,764. Hasil ini
memperlihatkan bahwa instrumen ini valid karena nilai KMO telah melebihi dari 0,5.
Disamping itu, dilihat dari nilai Bartlett’s Test menunjukkan nilai 143,757 dengan nilai
signifikansi 0,000 sehingga dapat disimpulkan bahwa instrumen ini telah memenuhi
syarat valid.

Anti-image Matrices

X21 X22 X23 X24 X25


Anti-image Covariance X21 .588 -.278 -.024 -.135 -.081
X22 -.278 .631 -.105 -.067 .012
X23 -.024 -.105 .593 -.080 -.272
X24 -.135 -.067 -.080 .682 -.149
X25 -.081 .012 -.272 -.149 .578
Anti-image Correlation X21 .750a -.456 -.040 -.214 -.139
X22 -.456 .742a -.172 -.101 .020
X23 -.040 -.172 .756a -.126 -.464
X24 -.214 -.101 -.126 .849a -.238
X25 -.139 .020 -.464 -.238 .739a
a. Measures of Sampling Adequacy(MSA)

Selanjutnya, hasil korelasi dari masing-masing faktor tersebut juga tergolong


tinggi (> 0,5). Hasil pengujian analisis diketahui bahwa nilai korelasi masing-masing
faktor yaitu : karisma 0,750 (KT1), pengaruh Ideal (KT2) 0,742, motivasi inspirasional
(KT3) 0,756, Stimulasi Intelektual (KT4) 0,849, dan perhatian Individual (KT5) 0,739.
Sehingga berdasarkan hasil pengujian validitas faktor dapat disimpulkan bahwa semua
faktor adalah valid sebagai pembentuk variabel kepemimpinan transformasional.
OUTPUT Factor Analysis 1

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .764

Bartlett's Test of Approx. Chi-Square 143.757


Sphericity df 10
Sig. .000

Anti-image Matrices

KT1 KT2 KT3 KT4 KT5


Anti-image Covariance KT1 .588 -.278 -.024 -.135 -.081
KT2 -.278 .631 -.105 -.067 .012
KT3 -.024 -.105 .593 -.080 -.272
KT4 -.135 -.067 -.080 .682 -.149
KT5 -.081 .012 -.272 -.149 .578
Anti-image Correlation KT1 .750a -.456 -.040 -.214 -.139
KT2 -.456 .742a -.172 -.101 .020
KT3 -.040 -.172 .756a -.126 -.464
KT4 -.214 -.101 -.126 .849a -.238
KT5 -.139 .020 -.464 -.238 .739a
a. Measures of Sampling Adequacy(MSA)
Communalities

Initial Extraction
KT1 1.000 .571
KT2 1.000 .504
KT3 1.000 .565
KT4 1.000 .528
KT5 1.000 .568
Extraction Method: Principal Component Analysis.

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings


Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.736 54.711 54.711 2.736 54.711 54.711
2 .853 17.052 71.763
3 .600 11.993 83.756
4 .441 8.827 92.584
5 .371 7.416 100.000
Extraction Method: Principal Component Analysis.

Component Matrixa

Compone
nt
1
KT1 .755
KT2 .710
KT3 .752
KT4 .727
KT5 .754
Extraction Method: Principal Component Analysis.
a. 1 components extracted.

You might also like