iiipengukuranvariabel

8/13/2019 IIIPengukuranVariabel

1/19

III

PENGUKURAN VARIABEL LATEN

Model CFA dan PCA

A. Pengukuran Variabel LatenSalah satu ciri dari pendekatan kuantitatif (mainstream) adalah data harus bersifat

kuantitatif yang diperoleh melalui pengukuran. Penelitian di bidang ekonomi, manajemen,

social, dan lain sebagainya sering melibatkan variabel yang tidak dapat diukur secara

langsung, disebut variabel konstruks, laten, atau unobservable; misalnya kepuasan, motivasi

dan lain sebagainya. Sehingga pengukuran variabel merupakan bagian yang sangat penting.

Sebelum dilakukan pengukuran variabel, tentunya hal esensial yang harus dilakukan

adalah menetapkan variabel-variabel apa saja yang akan diukur. Penentuannya didasarkan

pada permasalahan dan hipotesis penelitian serta lingkungan dimana penelitian akan

dilakukan. Hal demikian diharapkan dapat mempermudah identifikasi jenis-jenis variabel,

yaitu variabel dependen, independen, confounding, dan lain sebagainya.

Langkah penting dan paling awal dari proses pengukuran adalah membuat definisi

operasional variabel (DOV). Definisi ini didasarkan pada tujuan penelitian dan teori-teori

yang relevan. Landasan teori ini sangat penting, terutama untuk menjamin validitas isi

(content validity) dari instrumen yang akan dikembangkan.

Pengukuran variabel penelitian di bidang ekonomi manajemen, social, dan lain

sebagainya umumnya dilakukan terhadap responden. Dengan demikian harus dapat diketahui

secara pasti siapa respondennya, apa unit sampel (analisis)-nya, dan apa obyek penelitiannya.

Misal penelitian dilakukan untuk mengetahui faktor-faktor apa yang mempengaruhi kinerja

eksport industri kecil. Di dalam penelitian tersebut, obyeknya adalah industri kecil, unit

analisis (sampel)-nya juga industri kecil, akan tetapi respondennya terdiri dari: (1) pemilik

(pengukuran terhadap visi dan misi), (2) manajer (pengukuran terhadap operasional dan

kinerja perusahaan) dan (3) karyawan (pengukuran terhadap tingkat kepuasan dan motivasi).

1. Konsep, Variabel dan Dimensi

Hipotesis penelitian (mohon dibedakan dengan hipotesis statistik: H0 dan HA)

berisikan hubungan atau keterkaitan antar konsep atau antar variabel. Bilamana hipotesis

tersebut memuat aras hubungan atar konsep disebut hipotesis mayor, sedangkan jika memuat

aras hubungan antar variabel disebut hipotesis minor.

Konsep yang tertuang di dalam hipotesis bersifat unobservable atau berbentuk

konstruks, sehingga di dalam pembuktian hipotesis memerlukan instrumen penelitian. Di sisi

lain, juga terdapat beberapa variabel penelitian yang bersifat unobservable atau berbentuk

konstruks, sehingga juga memerlukan instrumen penelitian, umumya berupa kuisioner.

Komponen-komponen penyusun konsep secara struktur dapat dijelaskan sebagai

berikut:(1)Konsep: tersusun atas partikular-partikular, dimana partikular ini disebut dengan

variabel

(2)Variabel: tersusun atas partikular-partikular, dimana partikular ini disebut dengandimensi

(3)Dimensi: tersusun atas partikular-partikular, dimana partikular ini disebut denganindikator

(4) Indikator: tersusun atas partikular-partikular, dimana partikular ini disebut denganitem.


2/19

Solimun Laboratorium Statistika FMIPA UB 21

Gambar 1

KOMPONEN PENYUSUN KONSEP

Tentunya, di dalam realita penelitian, tidak sama persis dengan struktur tersebut.

Kadang-kadang suatu penelitian hanya ingin membuktikan hipotesis minor, sehingga tidak

ditemukan konsep. Di sisi lain, sering partikular yang terkandung di dalam variabel hanya

berupa indikator, sehingga tidak ditemukan dimensi dan item.

Instrumen penelitian, baik berupa kuisioner ataupun daftar isian, pada dasarnya adalah

kumpulan kalimat yang mengandung makna sebagai stimuli terhadap responden, agar

responden mampu memberikan respon terhadap item yang diukur. Namun demikian, jika

partikular yang terkandung di dalam variabel hanya berupa indikator, maka kalimat stimuli

pada instrumen penelitian adalah komponen indikatorbersangkutan.

2. Pengukuran Variabel

Banyak ahli yang menyatakan pengertian tentang pengukuran variabel, diantaranya

adalah Davis dan Consenza (1993): A measurement scale can be defined as a device that is

used to assign numbers to aspects of objects and eventsdan Malhotra (1996): Scaling is the

process of placing the respondents on continum with respect to their attitude toward objects

or events.

Inti definisi dari para ahli tersebut, bahwa pengukuran adalah suatu proses kuantifikasi

atribut (kualitatif) dari suatu materi atau obyek sehingga diperoleh angka (bilangan)menggunakan aturan tertentu. Dengan demikian bilamana aturannya diubah maka akan

menghasilkan data yang berbeda, misal aturan skor 5 dan skor 11 akan menghasilkan data

yang berbeda.

Instrumen penelitian pada dasarnya adalah berupa perlengkapan untuk mendapatkan

angka (kuantitatif) berdasarkan sikap, perlilaku, dan lain sebagainya dari responden terhadap

obyek atau kejadian. Di dalam perancangan instrumen, terdapat suatu kegiatan yang cukup

penting, yaitu menentukan skala yang akan digunakan. Teknik Pembuatan Skala yang banyak

digunakan antara lain adalah Model Skala Likert dan Thurstone. Likert Scale: Respondent

KONSEP

VARIABEL

DIMENSI

INDIKATOR

ITEM


3/19


indicates degree of agreement or disagreement with statement about attitude, object, person

or event.

Proses pengukuran variabel secara sederhana dapat dilihat pada uraian berikut.

(1) Buat Definisi Operasional Variabel (DOV)

Ada yang menyebut konseptualisasi, yaitu pemberian arti operasional terhadap variabel(ada yang dimulai dari konsep terlebih dahulu) yang tercantum di dalam hipotesis

penelitian. Definisi ini didasarkan pada teori-teori yang sesuai, agar pengukuran bersifat

valid secara isi (content validity).

(2) Identifikasi Dimensi dari variabel sesuai DOV (optional), kemudian rumuskan definisi

operasional masng-masing dimensi

(3) Identifikasi Indikator (particular) dari setiap dimensi atau variabel, selanjutnya buat

definisi operasional dari setiap indikator.

(4) Identifikasi Item dari masing-masing indikator, kemudian buat definisi operasional setiap

item.

(5) Tetapkan sistem respon yang ingin diukur : affective domain (perasaan / sikap terhadap

sesuatu), conative domain( tendensi untuk bertingkah laku) atau cognitive domain(tahu

atau tidak tahu).(6) Pilih model skala pengukuran yang akan digunakan: skala semantik diferensial, Likert

atau skala kontinyu.

(7) Susun item (pertanyaan) boleh negatif (unfavorable) atau positif (favorable), tidak

direkomendasikan ada item netral

(8) Tetapkan banyaknya respon pada setiap item : 3, 5, 7, 9 atau 11, yang banyak digunakan

adalah 5

(9) Tetapkan skor pada setiap respon : 1 = sangat tidak setuju, 2 = setuju, 3 = tidak punya

pilihan, 4 = setuju , 5 = sangat setuju

(10) Asumsi : harus ada contimum

(11) Banyaknya respon jawaban setiap item diusahakan sama

(12) Skor yang telah diperoleh diubah menjadi skala (MSI dari Thurston atauLikert Scale)

(13) Uji coba instrumen: uji validitas dan reliabilitas

CONTOH : Pengukuran Variabel Perilaku Manajemen

Definisi Operasional Variabel:

Variabel perilaku manajemen merupakan proses spanning yang menunjukkan intensi

manajemen untuk mencapai kesuksesan strategi, yang mencakup; orientasi tugas dan orientasi

kompetisi, kemampuan penyelenggaraan internasionalisasi, upaya pengelola perguruan tinggi

untuk mempertahankan keberlangsungan institusi, serta upaya meningkatkan kesejahteraan

institusi dan anggotanya. Variabel perilaku manajemen diukur berdasarkan persepsi

pengelola institusi pendidikan tinggi yang menjalin kerjasama dengan universitas asing

terhadap perilaku manajemen pengelolaan pendidikan tinggi.

Model skala pengukuran yang digunakan adalah Likert Scale, dengan rentang skor 1 (sangat

tidak setuju) sampai dengan 5 (sangat setuju). Variabel perilaku manajemen ini diukur

berdasarkan indikator:

1. Pelaksanaan tugas yang sudah direncanakan untuk diimplementasikan (Javalgi, et al.,2003; Winsted dan Patterson, 1998)

2. Kemampuan institusi untuk menyelenggarakan berbagai program yang berkaitan dengankerjasama antar institusi (Javalgi, et al., 2003)


4/19


3. Orientasi dan motivasi untuk berkompetisi dengan institusi pendidikan tinggi dilingkungan lokal maupun di lingkungan internasional (Winsted dan Patterson, 1998)

4. Motivasi untuk mempertahankan keberlangsungan dan meningkatkan pertumbuhaninstitusi dalam jangka panjang (Winsted dan Patterson, 1998)

5. Motivasi untuk meningkatkan kesejahteraan institusi dan anggotanya (Winsted dan

Patterson, 1998)

Bentuk Instrumen :

Pernyataan-pernyataan berikut ini berkaitan dengan keputusan Bapak/Ibu sebagai pengelola

institusi terhadap kerjasama internasional yang diimplementasikan. Bapak/Ibu dimohon untuk

mengungkapkan sejauh mana tingkat kesetujuan atau ketidaksetujuan Bapak/Ibu terhadap

masing-masing pernyataan berikut dengan memberi tanda silang (X) pada pilihan jawaban

yang tersedia, dengan ketentuan sebagai berikut:

1 = sangat tidak setuju

2 = tidak setuju

3 = ragu-ragu4 = setuju

5 = sangat setuju

No Pernyataan STS TS RR S SS

1

Program kerjasama internasional sudah merupakan

salah satu tugas Bapak/Ibu sebagai pengelola

institusi yang harus diimplementasikan

1 2 3 4 5

2

Bapak/Ibu sebagai pengelola institusi secara

rasioanal sudah melakukan perhitungan atas

kemampuan untuk mneyelenggarakan program

kerjasama internasional

1 2 3 4 5

3

Bapak/Ibu sebagai pengelola institusi

mengimplementasikan program kerjasama

internasional dengan orientasi pengembangan

kemampuan institusi untuk berkompetisi di

lingkungan lokal dan internasional

1 2 3 4 5

4


mengimplementasikan program kerjasama

internasional sebagai upaya institusi untuk

mempertahankan keberlangsungan institusi dalam

jangka panjang

1 2 3 4 5

5


mengimplementasikan program kerjasamainternasional sebagai upaya institusi untuk

meningkatkan kesejahteraan institusi dan anggotanya

1 2 3 4 5

Sumber: Semua contoh ini diambil dari Disertasi Benedictus Karno Budiprasetyo, dengan judul Pemasaran jasaInternasional berbasis sumberdaya yang terintegrasi dengan prespektif pengetahuan, Budaya dan institusional; Studi pada

Institusi Pendidikan Tinggi Indonesia yang bekerja sama dengan Institusi pendidikan tinggi asing, Program Pascasarjana

Universitas Brawijaya tahun 2006.


5/19


Uji Validitas dan Reliabilitas Instrumen

Pada variabel fisik (kuantitatif), misal berat kering tanaman, lingkar leher sapi,

diameter batang, kadar estrogen dan lain sebagainya, umumnya telah tersedia alat ukur

standart. Agar alat ukur tersebut bersifat valid dan presisi selayaknya dilakukan kalibrasi

sebelum digunakan untuk penelitian. Spesifikasi dan merek alat harus dinyatakan secaraeksplisit.

Pada variabel kualitatif, instrumen penelitian berupa kuisioner atau daftar isian juga

harus valid dan reliabel. Untuk itu, uji coba instrumen merupakan langkah yang penting. Uji

coba instrumen seharusnya memperhatikan:

(a).Kondisi uji coba harus menjamin diperolehnya data yang benar-benar mencerminkankeadaan sebenarnya.

(b).Dilakukan sekurang-kurangnya terhadap 30 responden.

1. Validitas Instrumen

Validitas menunjukkan sejauh mana suatu alat ukur mampu mengukur apa yang ingin

diukur. Data hasil uji coba instrumen digunakan untuk uji validitas instrrumen. Jenis-jenis

validitas instrumen dapat dilihat pada uraian berikut:(a) Validitas isi: kadang-kadang disebut dengan face validity, ditentukan berdasarkan

landasan teori dan atau pendapat pakar.

(b) Validitas kriteria: diukur dengan cara menghitung korelasi antara skor masing-masingitem dengan skor total menggunakan teknik korelasi product moment (metode

interkorelasi). Menurut Masrun (1979), bilamana koefisien korelasi positif dan > 0.3

maka indikator bersangkutan dianggap valid. Perhitungan koefisien korelasi dapat

dilakukan dengan software SPSS

(c) Validitas unidimensionalitas: diukur dengan Goodness of Fit Index(GFI), bilamana GFI> 0.90 maka instrumen bersangkutan dikatakan valid (Hair et. al., 1992). Perhitungan

GFI dapat dilakukan dengan software LISREL 8.30 atau AMOS Rel. 4.01. Atau dapat

diukur dengan analsis faktor konfirmatori, yaitu jika terdapat F1 (satu) faktor yang

bermakna (eigen value >1 atau keragaman komulatif sekitar 75 %).

2. Reliabilitas Instrumen

Reliabilitas adalah ukuran yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan. Terdapat beberapa jenis ukuran reliabilitas: test re test,

alternative-forms dan internal consistency. Salah satu ukuran reliabilitasinternal consistency

adalah koefisien Alpha Cronbach, dimana jika > 0,6 menunjukkan instrumen tersebutreliabel (Malhotra, 1992). Perhitungan koefisien alpha Cronbach dilakukan dengan software

SPSS.

Di bawah ini diberikan contoh perhitungan uji validitas dan reliabilitas menggunakan

SPSS. Misal untuk mengukur variabel sumber daya manusia dikembangkan instrumen

penelitian dengan 3 indikator, yaitu X11, X12, dan X13. Pengukuran dengan menerapkanModel Likert dengan 5 skor, yaitu 1 = sangat tidak setuju, 2 = setuju, 3 = netral, 4 = setuju , 5

= sangat setuju. Responden yang diukur sebanyak 50 orang dan data hasil pengukuran (data

simulasi) diberikan pada Tabel 3.1 sebagai berikut.


6/19


Tabel 1

DATA SKOR: INDIKATOR DARI VARIABEL MOTIVASI

Sumber Daya Manusia MotivasiResponden

X11 X12 X13Responden

X11 X12 X13

1

2 4 3 26

4 3 5

2 1 2 2 27 5 5 53 4 4 2 28 2 4 44 3 4 3 29 3 3 55 2 2 3 30 5 5 46 4 2 4 31 1 3 37 4 4 3 32 2 4 38 1 1 1 33 2 2 49 2 2 1 34 5 1 310 3 5 5 35 2 4 311 3 4 4 36 1 4 212 2 4 5 37 2 4 313 5 2 4 38 1 1 314 2 4 2 39 2 3 315 4 4 4 40 2 3 216 1 4 2 41 2 4 517 1 4 1 42 3 3 318 2 2 4 43 3 5 319 1 2 1 44 2 2 320 1 3 3 45 3 4 521 4 4 5 46 1 2 322 2 2 2 47 1 3 323 2 2 2 48 2 4 424 2 1 1 49 1 2 225 5 4 5 50 5 4 3

Hasil analisis uji validitas instrumen diberikan sebagai berikut:

(1) Validitas unidimensionalitas

Total Variance Explained

1.841 61.371 61.371 1.841 61.371 61.371

.702 23.389 84.760

.457 15.240 100.000

Component

1

2

3

Total % of Variance Cumulative % Total % of Variance Cumulative %

Initial Eigenvalues Extraction Sums of Squared Loadings

Extraction Method: Principal Component Analysis.

Hasil analisis menunjukkan hanya component 1 yang signifikan (Initial eigenvalues) >1,

dengan demikian instrumen penelitian dikatakan valid unidimensionalitas.


7/19


(2) Validitas kriteria

Correlations

1 .311* .523** .800**

.028 .000 .000

50 50 50 50

.311* 1 .419** .717**

.028 .002 .000

50 50 50 50

.523** .419** 1 .828**

.000 .002 .000

50 50 50 50

.800** .717** .828** 1

.000 .000 .000

50 50 50 50

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

X11

X12

X13

Total_X1

X11 X12 X13 Total_X1

Correlation is significant at the 0.05 level (2-tailed).*.Correlation is significant at the 0.01 level (2-tailed).**.

Koefisien korelasi antara SDM (berupa total dari seluruh indikator) dengan setiap

indkator (X11, X12, dan X13) yaitu sebesar 0,800; 0,717; dan 0,828 semuanya di atas 0,3

sehinga dapat dikatakan instrumen penelitian valid kriteria.

Hasil analisis uji reliabilitas instrumen diberikan sebagai berikut:

Reliability Statistics

.683 3

Cronbach's

Alpha N of Items

Hasil analisis = 0,683, mengingat > 0,60 maka dikatakan instrumen penelitian reliabel.

Hasil pengukuran variabel bisa berupa data ordinal atau mendekati interval. Bilamana

hasil pengukuran berupa data ordinal, maka analisis yang tepat adalah nonparametrik,

sedangkan jika interval dapat dilakukan dengan analisis parametrik (regresi, analisis path,

SEM, dan lain-lain).

Beberapa rujukan yang dapat digunakan, agar pengukuran dapat menghasilkan datainterval diberikan sebagai berikut. Menurut Sharma (1996), hasil pengukuran akan

menghasilkan skala interval (interval scale), jika the differences between the successive

categories are equal Sedangkan Sekaran (1992), secara eksplisit mengemukakan bahwa Skala

Likert dapat menghasilkan data interval.


8/19


B. DATA Variabel Latent

Seperti telah dibicarakan sebelumnya, bahwa penelitian di bidang ekonomi dan sosial

sering melibatkan variabel yang tidak dapat diukur secara langsung, disebut variabel latent

atau unobservable; misalnya kepuasan, motivasi dan lain sebagainya. Pengukuran variabel

laten menggunakan instrumen berupa kuisioner akan menghasilkan data dari setiap indikator

atau data dari setiap item. Oleh karena itu, indikator atau item sering disamakan denganvariabel manifest atau variabel observable.

Untuk memperoleh data dari variabel latent atau variabel unobservable dapat

dilakukan dengan beberapa cara, antara lain:

1. Metode Total Skor2. Metode Rata-Rata Skor3. Metode Rescoring4. Metode Indikator Terkuat5. Metode Skor Faktor6. Metode Skor Komponen Utama

Metode pertama berarti menjumlahkan skor semua indikator, shingga diperoleh data

total skor yang merupakan data variabel laten bersangkutan. Sedangkan metode keduamenggunakan rata-rata skor indikator. Sebagai ilustrasi digunakan data rekaan di bawah ini

(menggunakan skala Likert 1 sampai 5).

Indikator 1 Indikator 2 Indikator 3Variabel Laten

(Total Skor)

Variabel Laten

(Rata-rata Skor)

2 3 2 7 2.33

3 5 3 11 3.67

1 2 1 4 1.33

1 3 3 7 2.33

2 4 5 11 3.67

3 4 4 11 3.67

2 2 5 9 3.00

1 3 4 8 2.67

2 1 1 4 1.33

2 5 3 10 3.33

Metode ketiga adalah rescoring. Metode ini merubah total skor menjadi skala awal (1

sampai 5). Caranya adalah, untuk data di atas, sebagai berikut:

- Nilai minimal skor total yang mungkin adalah 3

- Nilai maksimal skor total yang mungkin adalah 15

- Range = 15 3 = 12

- Interval kelas (banyaknya skor awal, 1 sampai 5) adalah 5- Lebar interval kelas = 12/5 = 2.4

- Rescoringbernilai 1 jika nilai skor total antara 3 sampai (3 + 2.4) = 5.4

Rescoringbernilai 2 jika nilai skor total antara >5.4 sampai (5.4 + 2.4) = 7.8

Rescoringbernilai 3 jika nilai skor total antara >7.8 sampai 10.2

Rescoringbernilai 4 jika nilai skor total antara >10.2 sampai 12.6

Rescoringbernilai 5 jika nilai skor total antara >12.6 sampai 15


9/19



(Total Skor)

Variabel Laten

(Rescoring)

2 3 2 7 2

3 5 3 11 4

1 2 1 4 11 3 3 7 2

2 4 5 11 4

3 4 4 11 4

2 2 5 9 3

1 3 4 8 3

2 1 1 4 1

2 5 3 10 3

Untuk observasi pertama, nilai skor total adalah 7, di mana 7 berada pada selang

rescoring 2, yaitu >5.4 sampai 7.8. Demikian seterusnya. Ketiga metode ini bersifat setiap

indikator dipandang memiliki bobot yang sama, dan informasi 100% terpakai atau tercakup

dalam variabel latent.Metode keempat adalah menggunakan indikator terkuat. Indikator terkuat diperoleh

dari hasil korelasi antar masing-masing indikator dengan total skor. Indikator yang memiliki

korelasi terbesar dipandang sebagai indikator terkuat dan digunakan untuk mewakili variabel

latent. Nilai korelasi antara setiap indikator dengan total skor:

Correlations

1 .480 .218 .625

. .160 .545 .053

10 10 10 10

.480 1 .396 .832**

.160 . .257 .003

10 10 10 10

.218 .396 1 .790**

.545 .257 . .007

10 10 10 10

.625 .832** .790** 1

.053 .003 .007 .

10 10 10 10

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)N

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

INDIKAT1

INDIKAT2

INDIKAT3

SKOR_TOT

INDIKAT1 INDIKAT2 INDIKAT3 SKOR_TOT

Correlation is significant at the 0.01 level (2-tailed).**.

Dari hasil analisis tersebut diperoleh nilai korelasi antara indikator 1 dengan skor total adalah

0.625, indikator 2 dengan skor total adalah 0.832 dan indikator 3 dengan skor total adalah

0.790. Indikator yang memiliki korelasi tertinggi adalah indikator 2 (0.832), sehingga variabellatent yang digunakan menggunakan skor indikator 2.


10/19



(Indikator 2)

2 3 2 3

3 5 3 5

1 2 1 21 3 3 3

2 4 5 4

3 4 4 4

2 2 5 2

1 3 4 3

2 1 1 1

2 5 3 5

Metode kelima dan keenam adalah menggunakan analisis faktor dan analisis

komponen utama. Metode ini menghasilkan skor faktor dan skor komponen utama, yang

dijadikan sebagai data untuk variabel latent. Kedua metode ini berbeda dengan ketiga metode

pertama yaitu bobot masing-masing indikator adalah berbeda, dan tidak 100% informasiterpakai atau tercakup. Kedua metode terakhir ini akan dijelaskan pada sub bab tersendiri

pada bab ini. Perbedaan masing-masing metode dapat dilihat dari gambar berikut:

Indikator 1

Indikator 2

Indikator 3

Laten 1

Indikator 1

Indikator 2

Indikator 3

Laten 1

Konstruk dengan Analisis Faktor Konstruk dengan Analisis Komponen Utama

Gambar 2

PERBANDINGAN ANTARA KONSTRUK DENGAN ANALISIS FAKTOR

DAN ANALISIS KOMPONEN UTAMA

Pada kedua gambar tampak terlihat perbedaan terletak bagaimana arah hubungan

antara variabel laten dengan indikator. Pada analisis faktor, masing-masing variabel indikator

adalah fungsi dari variabel latent, sedangkan pada analisis komponen utama, variabel latent

adalah fungsi dari seluruh variabel indikator. Konstruk dengan analisis faktormenganggap

bahwa variabel latent adalah refleksi dari sejumlah indikator, sedangkan konstruk dengananalisis komponen utama menganggap bahwa variabel latent dibentuk (formasi) dari

sejumlah indikator. Oleh karena itu, pembentukan variabel latent menggunakan analisis faktor

dinamakan bentuk reflektif, sedangkan pembentukan variabel latent menggunakan analisis

komponen utama dinamakan bentuk formatif.


11/19


1. Analisis Faktor

Analisis faktor merupakan salah satu teknik analisis statistika yang banyak digunakan

dalam penelitian bidang sosial, ekonomi, pendidikan, manajemen dan psikologi.

Perkembangan aplikasinya saat ini sudah sampai pada bidang-bidang penelitian eksakta,

misalnya pertanian (agrokompleks), biologi, teknik, dan kedokteran. Analisis ini merupakan

salah satu dari Analisis Peubah Ganda (Multivariate Analysis).Analisis faktor merupakan salah satu dari analisis ketergantungan (interdependensi)

antar variabel. Prinsip dasar analisis faktor adalah mengekstraksi sejumlah faktor bersama

(common factors) dari gugusan variabel asal X1, X2, , Xp, sehingga:

a. Banyaknya faktor lebih sedikit dibandingkan dengan banyaknya variabel asal X.b. Sebagian besar informasi (ragam) variabel asal X, tersimpan dalam sejumlah faktor.

Agar terjadi kesamaan persepsi, untuk selanjutnya faktor digunakan untuk menyebut

faktor bersama. Faktor ini merupakan variabel baru, yang bersifat unobservable atau

variabel latent atau variabel konstruks. Sedangkan variabel asal (X), merupakan variabel

yang dapat diukur atau dapat diamati, sehingga sering disebut sebagai observable variable

atau variabel manifest atau indikator.Salah satu tujuan dari analisis faktor adalah mereduksi jumlah variabel dengan cara

mirip seperti pengelompokkan variabel. Di dalam analisis faktor, variabel-variabel

dikelompokkan berdasarkan korelasinya. Variabel yang berkorelasi tinggi akan berada dalam

kelompok tertentu membentuk suatu faktor, sedangkan dengan variabel dalam kelompok

(faktor) lain mempunyai korelasi yang relatif kecil.

Di dalam berbagai penelitian sosial, ekonomi, psikologi, pendidikan, dan lain

sebagainya, kebanyakan variabel yang menjadi perhatian peneliti tidak dapat diamati atau

diukur secara langsung. Dengan demikian, dikembangkan beberapa indikator untuk mengukur

variabel tersebut. Pengelompokkan indikator-indikator dapat berguna untuk menentukan

dimensi-dimensi dari variabel tersebut. Faktor dalam hal ini merupakan hasil

pengelompokkan indikator, di dalam penelitian sosial, ekonomi, psikologi, atau pendidikan

merupakan dimensi (variabel) yang tidak dapat diamati secara langsung.

Kegunaan analisis faktor :

1. Mengekstraks unobservable variable (latent variabel) dari manifest variable atauindikator. Atau mereduksi variabel menjadi variabel baru yang jumlahnya lebih sedikit.

2. Mempermudah interpretasi hasil analisis, sehingga didapatkan informasi yang realistikdan sangat berguna.

3. Pengelempokan dan pemetaan obyek (mappingdan clustering) berdasarkan karakteristikyang terkandung di dalam faktor.

4. Pemeriksaan validitas dan reliabilitas instrumen penelitian (berupa kuisioner).5. Dengan diperolehnya skor faktor, maka analisis faktor merupakan langkah awal (sebagai

data input) dari berbagai metode analisis data yang lain, misal analisis diskriminan,

analisis regresi, cluster analisis, ANOVA, MANCOVA, Analisis Path, Model Struktural,

MDS, dan lain sebagainya.

a. Konsep DasarMisal terdapat variabel X1, X2, , Xp yang menyebar normal dengan vektor nilai

tengah dan var-cov matrix ,

( ) ,NX p


12/19


maka dapat dibuat model

X1= c11F1+ c12 F2 + . . . + c1p Fp+ 1

X2= c21F1+ c22 F2 + . . . + c2p Fp+ 2.

.

.

Xp= cp1F1+ cp2 F2 + . . . + cpp Fp+ p

Dalam bentuk catatan matiks dituliskan sebagai berikut :

X = c F +

Untuk mendapatkan gambaran yang jelas, dapat dilihat pada ilustrasi berikut. Misal

terdapat variabel-variabel X1= nilai pelajaran Matematika, X2= nilai pelajaran Fisika, X3=

nilai Geografi, X4= nilai pelajaran PPKN dan X5= nilai Sejarah. Seandainya terdapat data

dari 50 siswa, dan setelah dilakukan analisis diperoleh hasil analisis faktor dengan loading

sebagai berikut :

X1= 0.03 F1+ 0.94F2 + 0.46 F3+ 0.85F4+ 0.32 F5+ 1

X2= 0.16 F1+ 0.90F2 + 0.78 F3+ 0.25F4+ 0.65 F5+ 2

X3= 0.76 F1+ 0.24F2 + 0.03 F3+ 0.29F4+ 0.73 F5+ 3

X4= 0.84 F1+ 0.15F2 + 0.64 F3+ 0.82F4+ 0.13 F5+ 4

X5= 0.95 F1+ 0.13F2 + 0.25 F3+ 0.73F4+ 0.86 F5+ 5

dalam hal ini :

Fj= Faktor bersaman ke j

cij= bobot (loading) dari variabel ke i pada faktor ke j, yang menunjukkan pentingnya

faktor ke j dalam komposisi dari variabel ke i.

j= galat (erorr) atau faktor spesifik

Faktor yang eigen value-nya lebih besar dari satu (> 1) misalkan hanya dua, yaitu F1dan F2, sehingga diputuskan hanya ada 2 faktor yang bermakna (hal ini akan dibahas pada

uraian berikutnya). Untuk dapat melakukan interpretasi terhadap F1dan F2, perhatikan besar

loading dari faktor-faktor tersebut pada masing-masing variabel. Pada F1, loading untuk X1dan X2kecil, sedangkan loading X3, X4dan X5besar, sehingga F1 dapat kita interpretasikan

sebagai faktor kemampuan menghafal. Di sisi lain F2dapat diinterpretasikan sebagai faktor

kemampuan logika, karena loading faktor untuk X1 dan X2besar, sedangkan loading X3, X4

dan X5kecil, hal ini mengingat X1 dan X2 adalah nilai Matematika dan Fisika yang sangat

membutuhkan logika tinggi. Sementara F3 dan F4 diabaikan, mengingat eigen value-nya

dimisalkan lebih kecil dari satu (< 1).Walaupun kecil, pelajaran Sejarah juga membutuhkan komponen kemampuan logika,

sehingga faktor logika ini dimiliki secara bersama-sama oleh seluruh variabel X, oleh karena

itu disebut sebagai faktor bersama (common factor). Nilai pelajaran Sejarah, di samping

ditentukan oleh komponen menghafal dan logika, juga masih ditentukan oleh faktor lain,

misalnya keberuntungan karena soal-soal yang dipelajari keluar dalam ujian, faktor ini disebut

dengan faktor spesifik, dan dilambangkan dengan .Metode pendugaan pembobot (loading) dalam analisis faktor, antara lain adalah

metode kemungkinan maksimum (MLE = maximum likelihood estimation) dan solusi

principle component analysis(PCA). Data input untuk PCA dapat berupa matriks kovarians


13/19


(S) atau matriks korelasi (R). Matriks kovarians digunakan bilamana unit satuan dari seluruh

variabel yang akan dinanalisis adalah sama, dan bilamana tidak digunakan R. Dari R atau S

diperoleh j(eigen value) dan aj(eigen vextor) yang berpadanan, di dalam PCA ajmerupakanpembobot atau loading komponen pokok. Pembobot atau loading faktor adalah :

cj= jj a

b.Hal-hal yang Berkaitan dengan Analisis Faktor

1. Ragam Variabel Asal (X)Ragam variabel X di dalam analisis faktor dapat dipilah menjadi dua komponen, yaitu

komunalitas ( 2ih ) dan i .

Var(Xi) = i2ip

22i

21i c...cc ++++

atau

Var(Xi) = =+ j

2

ij

2

ii

2

i ch;h

Komponen 2ih disebut komunalitas (comunality) yang menunjukkan proporsi ragam X yang

dapat dijelaskan oleh p faktor bersama. Komponen i merupakan proporsi ragam dari X yang

disebabkan oleh faktor spesifik dan atau galat (error).

Besarnya ragam Xiyang dapat dijelaskan oleh Fj, adalah :

Var(Xi) yang dijelaskan Fj= %100xc

c

i

2ij

2ij

2. Faktor BermaknaBilamana pendugaan loading faktor (cij) menggunakan solusi PCA, maka indikator

dan kriteria yang berlaku pada PCA juga berlaku untuk Analisis Faktor. Faktor yangdipertimbangkan bermakna adalah bilamana eigen value-nya lebih besar satu (1 ) dan ataukeragaman komulatifnya kira-kira 75 %.

3. Peranan FaktorBanyaknya faktor yang bermakna, selain menggunakan indikator eigen value dan

proporsi keragam komulatif, juga dapat diperiksa melalui peranan faktor. Peranan Fjdalam

menjelaskan keragam total data, diberikan sebagai berikut :

Bilamana input data berupa matiks ragam-peragam,

Peranan( )

%100xStr

c

F iij

j

= ; S = var-cov matrix

Bilamana input data berupa matiks ragam-peragam,

%100xp

c

F iij

j

= ; p = banyaknya variabel yang dianalisis

4. Peragam antara X dengan FPeragam antara Xidengan Fidiberikan sebagai berikut :

ijji c)FX(Cov =


14/19


Sehingga pembobot (loading) faktor dapat digunakan untuk melakukan interpretasi terhadap

setiap faktor yang bermakna. Faktor dengan loading besar berarti merupakan komponen

penyusun terbesar dari variabel bersangkutan, sedangkan tanda (positif atau negatif)

menunjukkan arah. Dengan demikian faktor sebagai variabel baru atau latent variable dapat

diketahui merupakan variabel laten apa atau variabel baru apa? Contoh kongkritnya dapat

dilihat pada ilustrasi sebelumnya, yaitu analisis faktor terhadap nilai mata pelajaranMatematika, Fisika, Geografi, PPKN, dan Sejarah.

5. Skor FaktorSering kali analisis faktor merupakan analisis awal dari suatu permasalahan dalam

penelitian, yaitu upaya mendapatkan variabel baru atau variabel laten. Untuk selanjutnya

dapat dilakukan analisis dengan berbagai metode, misalnya model struktural, analisis

diskriminan, analisis cluster, analisis konjoin, MDS atau MANOVA atau lainnya. Dengan

demikian, variabel laten tersebut harus ada datanya, yaitu merupakan skor faktor.

Bilamana matriks input data adalah S, maka skor faktor dihitung dengan rumus :

S-Fa = cS-1

(xj- x )

Bilamana matriks input data adalah R, maka skor faktor dihitung dengan rumus :

S-Fa = cR-1

Zj.

Di dalam analisis faktor terdapat dua pembahasan, yaitu analisis faktor eksploratori dan

konfirmatori.

Analisis Faktor Konfirmatori

Misalnya kita ingin mengukur Ability dan Aspiration dari karyawan. Kedua variabel

tersebut bersifat unobservable, sehingga perlu dikembangkan indikator sebagai pengukurnya.

Untuk mengukur Ability dikembangkan 4 indikator, yaitu X1 s/d X4, dan untuk mengukur

Aspiration dibuat dua indikator, yaitu X5dan X6. Permasalahannya : Apakah benar X1s/d X4merupakan pengukur Ability yang valid dan reliabel ? Demikian juga : Apakah benar X5dan

X6merupakan alat ukur Aspiration yang valid dan reliabel ?Untuk itu, perlu dilakukan konfirmasi lebih lanjut, yaitu memeriksa validitas dan

reliabilitasnya. Hal ini dapat dilakukan dengan Analisis Faktor, sehingga dinamakan Analisis

Faktor Konfirmatori. Jadi pada prinsipnya kita hanya akan melakukan konfirmasi berdasarkan

teori atau konsep yang sudah ada terhadap keakuratan (valid dan reliable) instrumen yang kita

buat. Secara visual dapat dilihat pada gambar berikut.

Untuk lebih memperjelas aplikasinya, dapt dilihat ilustrasi berikut.

Faktor yang harus

terbentuk = 2

Faktor I = Ability

Faktor II = Aspiration


15/19


ILUSTRASI

Suatu penelitian dilakukan dengan tujuan untuk mengetahui karakteristik karyawan.

Bilamana terdapat beberapa kelompok karaktersitik, maka pada setiap kelompok ingin

diketahui faktor apa yang dominan berpengaruh terhadap kinerjanya (perform). Variabel yang

diamati adalah pengembangan karir, kepuasan kerja dan kinerja karyawan. Instrumenpenelitian untuk mengukur variabel-variable tersebut adalah sebagai berikut.

Instrumen Penelitian

Lingkari salah satu jawaban yang dianggap paling tepat, dengan bobot penilaian sbb :

1. sangat tidak setuju, 2. tidak setuju , 3.Netral, 4. setuju , 5. sangat setuju

Pengembangan Karier ( X1)

Skor

Pilihan1 Jabatan/tugas yang bapak/ibu emban memerlukan peningkatan

kemampuan /ketrampilan melalui Diklat.

1 2 3 4 5

2 Tingkat kemampuan karyawan dapat diukur dengan lamanya masa

kerja.

1 2 3 4 5

3 Daftar urutan kepangkatan (DUK) adalah metode yang paling tepat

untuk syarat promosi jabatan karyawan (naik jabatan).

1 2 3 4 5

4 Pimpinan memberi dorongan kepada bapak/ibu untuk studi lanjut,

agar bisa menunjang peningkatan karir

1 2 3 4 5

5 Pimpinan memberi penghargaan terhadap prestasi bapak/ibu. 1 2 3 4 5

Kepuasan Kerja Karyawan (Y1)1 Tugas/jabatan yang sedang bapak/ibu jalani menyenangkan. 1 2 3 4 5

2 Dalam tugas sehari-hari atasan selalu memberikan arahan yang berkaitan

dengan tugas bapak/ibu.

1 2 3 4 5

3 Prestasi bapak/ibu di tempat kerja sangat memungkinkan untuk mendapat

peluang promosi jabatan (kenaikan jabatan).

1 2 3 4 5

4 Kondisi kerja bapak/ibu sangat kondusif dan menyenangkan. 1 2 3 4 5

5 Rekan sekerja bapak/ibu selalu mendukung pelaksanaan tugas yang sedang

bapak/ibu jalani.

1 2 3 4 5

Kinerja Karyawan (Y2)

1 Bapak/ibu dapat menyelesaikan tugas dengan tingkat ketelitian yangtinggi.

1 2 3 4 5

2 Setiap hari bapak/ibu dapat menyeleseikan tugas pada hari itu juga,

tidak menunggu hari esok.

1 2 3 4 5

3 Setiap hari bapak/ibu bisa hadir di kantor sesuai dengan waktu yang

ditentukan.

1 2 3 4 5

4 Bila meninggalkan kantor pada jam dinas untuk kepentingan pribadi,

bapak/ibu minta ijin kepada atasan.

1 2 3 4 5

5 Setiap mengakhiri pelaksanaan tugas, bapak/ibu membuat laporan

tertulis/lisan kepada atasan.

1 2 3 4 5


16/19


Data yang diperoleh seperti tersimpan dalam lember kerja softwrae SPSS.

Indikator dari variabel pengembangan karir, dilakukan analisis faktor hasilnya

(sebagian output SPSS) disajikan sebagai berikut.

Communalities

1.000 .332

1.000 .710

1.000 .501

1.000 .666

1.000 .722

X1.1

X1.2

X1.3

X1.4

X1.5

Initial Extraction



1.820 36.407 36.407 1.820 36.407 36.407

1.110 22.199 58.606 1.110 22.199 58.606

.897 17.944 76.550

.760 15.201 91.752

.412 8.248 100.000

Component

1

2

3

4

5




Component Matrixa

-.377 .435

.189 .821

.553 .442

.788 -.210

.846 -.083

X1.1

X1.2

X1.3

X1.4

X1.5

1 2

Component


2 components extracted.a.

Hasil analisis faktor menunjukkan bahwa pada terdapat 2 faktor yang memiliki eigen

value > 1, sehingga dapat dikatakan terdapat dua faktor yang signifikan. Hal ini menunjukkan

bahwa instrumen untuk mengukur variabel pengembangan karir tidak valid (unidinemsional).Setelah ditelusuri ternyata indikator X1.1 dan X1.2 memiliki loading faktor yang besar pada

faktor 2 (di dalam oput komputer disebut componetn 2). Indikator inilah yang menyebabkan

instrumen tidak valid. Oleh karena itu, salah satu cara yang dapat dilakukan adalah dengan

cara membuang indikator tersebut.


17/19


Communalities

1.000 .310

1.000 .689

1.000 .729

X1.3

X1.4

X1.5

Initial Extraction



1.728 57.612 57.612 1.728 57.612 57.612

.844 28.133 85.745

.428 14.255 100.000

Component

1

2

3




Component Matrixa

.557

.830

.854

X1.3

X1.4

X1.5

1

Compone

nt


1 components extracted.a.

Hasil analisis faktor menunjukkan bahwa hanya ada satu faktor yang nilai eigen value-

nya > 1. Dengan demikian instrumen dianggap valid (unidimensional), kemudian skor faktor

disimapan, dan itulah wujud dari data pengembangan karir sebagai variabel komposit. Dilihatdari besarnya loading faktor, maka indikator X1.5 adalah tertiggi, hal ini menunjukkan bahwa

pengembangan karir paling besar (dominan) ditentukan oleh X1.5 (penghargaan dari

pimpinan terhadap prestasi karyawan). Data ini selanjutnya dapat digunakan untuk berbagai

analisis lanjutan, regresi, cluster, analisis jalur, dll.


18/19


2. Analisis Komponen Utama

Analisis Komponen Utama atau Principle Component Analysisbermula dari tulisan

Karl Pearson pada tahun 1901 untuk variabel non-stokastik. Analisis ini kemudian

dirampatkan untuk variabel stokastik oleh Harold Hotelling pada tahun 1933. Analisis ini

merupakan analisis tertua dan banyak digunakan dalam analisis multivariat. Perhitungan

dalam analisis ini pada waktu tersebut merupakan pekerjaan yang sukar walaupun hanyamenggunakan beberapa variabel. Analisis ini baru berkembang penggunaannya setelah

tersedianya fasilitas komputasi elektronik.

Analisis Komponen Utama biasanya digunakan untuk:

(1) Identifikasi variabel baru yang mendasari data multi variabel

(2) Mengurangi banyaknya dimensi himpunan variabel yang biasanya terdiri atas variabel

yang banyak dan saling berkorelasi menjadi variabel-variabel baru yang tidak berkorelasi

dengan mempertahankan sebanyak mungkin keragaman dalam himpunan data tersebut

(3) Menghilangkan variabel-variabel asal yang mempuyai sumbangan informasi yang relatif

kecil.

Variabel baru yang di maksud di atas disebut komponen utama, yang berciri

(1) Merupakan kombinasi linier variabel-variabel asal(2) Jumlah kuadrat koefisien dalam kombinasi linier tersebut bernilai 1

(3) Antar variabel tidak berkorelasi (saling bebas atau independen)

(4) Antar variabel mempunyai ragam berurut dari yang terbesar ke yang terkecil.

Variabel baru yang disebut komponen utama ini bersifat unobservable variable dan

disebut variabel latent, sedangkan variabel asal (X) yang membentuk komponen utama

tersebut adalah observable variabledisebut variabel manifest (indikator).

Berikut dijelaskan konsep-konsep yang berkaitan dengan pembentukan skor

komponen utama pada analisis komponen utama. Misal terdapat p variabel X, yaitu X1, X2, ...,

Xp, maka dapat dibuat kombinasi linier:

K1= a11X1+ a21X2+ ... + ap1Xp

K2= a12X1+ a22X2+ ... + ap2Xp

.

.

Kp= a1pX1+ a2pX2+ ... + appXp

Dalam bentuk catatan matriks ditulis:

K = AX

Ada 3 metode yang digunakan untuk menentukan banyaknya komponen utama, salah

satunya adalah : Proporsi kumulatif dari keragaman total. Kriteria ini paling banyakdigunakan dan dapat digunakan untuk matriks kovariansi atau korelasi pada AKU. Kriteria

dalam metode ini adalah menspesifikasikan sebelumnya persentase minimum dari keragaman

total yang sesuai (kira-kira 90%) dan jumlah komponen utama yang terkecil yang memenuhi

spesifikasi tersebut yang dipilih. Jikap

...21 adalah nilai eigen dari matriks

kovariansi (korelasi), maka proporsi kumulatif dari k nilai eigen pertama adalah :


19/19


pkp

i

i

k

i

i

,...,1,

1

1 =

=

=

dan untuk matriks korelasi : pkp

k

i

i

,...,1,1 ==

.

Tabel 2

PERBANDINGAN ANTARA ANALISIS FAKTOR

DENGAN ANALISIS KOMPONEN UTAMA

Karakteristik Analisis Komponen Utama Analisis FaktorModel matematika -Komponen Utama merupakan

kombinasi linier dari variabel asal(X1, X2,... Xp)

-Komponen Utama merupakan fungsidari variabel asal (X1, X2,... Xp)

-Faktor terkandung dalam variabelasal (X1, X2,... Xp)

-Variabel asal (X1, X2,... Xp)merupakan fungsi dari faktor

Variabel asal (X1, X2,... Xp) Tidak memiliki atau memiliki faktorbersama Harus memiliki faktor bersama(common factor)

Metode Pendugaan loading Konsepeigen valuedaneigen vector - PCAsolution- MLE

Model pengukuran -Indikator: formatif-Variabel laten: berupa variabel

komposit yang dibentuk olehIndikator

- Indikator: refeksif- Variabel laten: berupa faktor yang

direfleksikan oleh Indikator

iiipengukuranvariabel

Documents