Teknik Pengolahan Data Kuantitatif dengan Analisis Faktor
Siapa yang tidak tahu proses teknik pengolahan data menggunakan analisis faktor? Tentunya semua pasti tahu kan. Analisis yang satu ini merupakan analisis yang terbilang familiar di kalangan peneliti. Analisis faktor merupakan suatu teknik untuk menganalisis tentang saling ketergantungan dari beberapa variabel secara simultan dengan tujuan untuk menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit dari pada variabel yang diteliti. Hal ini berarti, analisis faktor dapat juga menggambarkan tentang struktur data dari suatu penelitian. Analisis ini menyediakan alat-alat untuk menganalisis struktur dari hubungan intern atau korelasi di antara sejumlah besar variabel dengan menerangkan korelasi yang baik antara variabel, yang diasumsikan untuk merepresentasikan dimensi-dimensi dalam data. Jadi, pada prinsipnya analisis faktor digunakan untuk mengelompokkan beberapa variabel yang memiliki kemiripan untuk dijadikan satu faktor, sehingga dimungkinkan dari beberapa atribut yang mempengaruhi satu komponen variabel dapat diringkas menjadi beberapa faktor utama yang jumlahnya lebih sedikit.
Teknik analisis faktor berawal dari metode yang dikembangkan oleh Spearman pada tahun 1904. Dalam studinya terdahulu dijelaskan tentang analisis dua faktor yang mengidentifikasi faktor intelegensi seseorang dimana faktor intelegensi ini dapat dibagi menjadi dua faktor yaitu kemampuan kuantitatif dan kemampuan verbal. Tujuan utama dari analisis faktor adalah mendefinisikan struktur suatu data matrik dan menganalisis struktur saling hubungan (korelasi) antara sejumlah besar variable (test score, test items, jawaban kuesioner) dengan cara mendefinisikan satu set kesamaan variabel atau dimensi dan sering disebut dengan faktor. Jadi dengan analisis ini dapat diidentifikasi dimensi suatu struktur dan kemudian dapat ditentukan sampai seberapa jauh setiap variabel dapat dijelaskan oleh setiap dimensi, begitu dimensi dan penjelasan setiap variabel diketahui maka dua tujuan utama analisis faktor dapat dilakukan yaitu data summarization dan data reduction. Bagi kalian yang ingin menggunakan penelitian dengan analisis faktor penting untuk mengetahui seluk-beluk dan definisi terkait analisis faktor itu sendiri. Pada artikel DQLab kali ini, kita akan membahas mengenai teknik pengolahan data kuantitatif dengan menggunakan analisis faktor Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, pemula data maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys
1. Mengenal Lebih Dekat Analisis Faktor
Analisis faktor adalah salah satu teknik statistika yang dapat digunakan untuk memberikan deskripsi yang relatif sederhana melalui reduksi jumlah peubah yang disebut faktor. Analisis faktor adalah prosedur untuk mengidentifikasi item atau variabel berdasarkan kemiripannya. Kemiripan tersebut ditunjukkan dengan nilai korelasi yang tinggi. Item-item yang memiliki korelasi yang tinggi akan membentuk satu kerumunan faktor. Prinsip dasar dalam analisis faktor adalah menyederhanakan deskripsi tentang data dengan mengurangi jumlah variabel/ dimensi.
Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode Pengumpulan Data
2. Alasan Penggunaan Analisis Faktor
Dalam tulisan Supranto, dikatakan bahwa analisis faktor digunakan untuk mereduksi data/variabel. Analisis faktor dipergunakan dalam kondisi sebagai berikut : Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel.
3. Fungsi Analisis Faktor
Analisis faktor memiliki fungsi penting dalam pengembangan alat ukur. Beberapa fungsi tersebut antara lain sebagai berikut.
a) Pengujian Dimensionalitas Pengukuran
Dimensionalitas pengukuran adalah banyaknya atribut yang diukur oleh sebuah alat ukur. Alat ukur yang unidimensi mengukur satu atribut psikologis saja sedangkan alat ukur yang multidimensi mengukur lebih dari satu atribut ukur. Pengukuran dalam bidang psikologi didominasi oleh pengukuran unidimensi karena alat ukur yang dikembangkan peneliti psikologi biasanya mengukur satu target ukur saja. Misalnya Skala Kecemasan, skala ini diharapkan mengukur atribut kecemasan saja dan tidak mengukur atribut yang lain. Untuk mengetahui apakah alat ukur yang dikembangkan oleh peneliti mengukur satu atribut atau banyak atribut diperlukan analisis faktor.
b) Pengujian Komponen atau Aspek dalam Alat Ukur
Penyusunan alat ukur psikologi biasanya diawali dari penurunan konsep menjadi komponen atau aspek konsep sebelum diturunkan menjadi aitem berupa pernyataan skala. Untuk mengidentifikasi apakah item-item yang diturunkan dari komponen alat ukur mewakili komponen tersebut maka diperlukan analisis faktor. Analisis faktor juga dapat menunjukkan apakah antar komponen memiliki keterkaitan ataukah tidak (independen).
4. Jenis Analisis Faktor
Analisis faktor pada dasarnya dapat dibedakan secara nyata menjadi dua macam yaitu:
1. Analisis Faktor Eksploratori Atau Analisis Komponen Utama (PCA)
Analisis faktor eksploratori atau analisis komponen utama (PCA = principal component analysis) yaitu suatu teknik analisis faktor di mana beberapa faktor yang akan terbentuk berupa variabel laten yang belum dapat ditentukan sebelum analisis dilakukan. Pada prinsipnya analisis faktor eksploratori dimana terbentuknya faktor-faktor atau variabel laten baru adalah bersifat acak, yang selanjutnya dapat diinterpretasi sesuai dengan faktor atau komponen atau konstruk yang terbentuk. Analisis faktor eksploratori persis sama dengan analisis komponen utama (PCA). Dalam analisis faktor eksploratori di mana peneliti tidak atau belum mempunyai pengetahuan atau teori atau suatu hipotesis yang menyusun struktur faktor-faktornya yang akan dibentuk atau yang terbentuk, sehingga dengan demikian pada analisis faktor eksploratori merupakan teknik untuk membantu membangun teori baru.
Analisis faktor eksploratori merupakan suatu teknik untuk mereduksi data dari variabel asal atau variabel awal menjadi variabel baru atau faktor yang jumlahnya lebih kecil dari pada variabel awal. Proses analisis tersebut mencoba untuk menemukan hubungan antar variabel baru atau faktor yang terbentuk yang saling independen sesamanya, sehingga bisa dibuat satu atau beberapa kumpulan variabel laten atau faktor yang lebih sedikit dari jumlah variabel awal yang bebas atau tidak berkorelasi sesamanya. Jadi antar faktor yang terbentuk tidak berkorelasi sesamanya.
2. Analisis Faktor Konfirmatori (CFA)
Analisis faktor konfirmatori yaitu suatu teknik analisis faktor di mana secara apriori berdasarkan teori dan konsep yang sudah diketahui dipahami atau ditentukan sebelumnya, maka dibuat sejumlah faktor yang akan dibentuk, serta variabel apa saja yang termasuk ke dalam masing-masing faktor yang dibentuk dan sudah pasti tujuannya. Pembentukan faktor konfirmatori (CFA) secara sengaja berdasarkan teori dan konsep, dalam upaya untuk mendapatkan variabel baru atau faktor yang mewakili beberapa item atau sub-variabel, yang merupakan variabel teramati atau observer variable. Pada dasarnya tujuan analisis faktor konfirmatori adalah: pertama untuk mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi. Tujuan kedua untuk menguji validitas dan reliabilitas instrumen untuk mendapatkan data penelitian yang valid dan reliabel dengan analisis faktor konfirmatori
Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif
5. Belajar Pengolahan Data Biar Makin Handal di DQLab Yuukk!
Kini Sahabat Data DQLab sudah tidak perlu khawatir lagi. Karena dengan belajar data science di DQLab sekarang tidak perlu install software lagi. Kamu bisa langsung belajar dari sekarang karena dataset yang telah disediakan sudah sudah terintegrasi dengan live code editor. Jika kamu penasaran dengan data science dan ingin belajar data science secara langsung, caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu gratis!
Dapatkan keuntungan-keuntungan yang didapatkan salah satunya tidak perlu install software tambahan. Karena kalian belajar secara langsung terhubung dengan live code editor dari device yang kalian gunakan. Tersedia berbagai macam modul-modul yang terupdate mulai dari free hingga platinum semua dapat diakses jika kamu ingin berlangganan buat akses seluruh modul lengkapnya. Kalian juga bisa mencoba studi kasus penerapan real case industry dan kamu juga diberikan kesempatan mendapatkan job connector dari perusahaan ternama di ranah industri data. Uniknya kamu bisa langsung apply dari akun kamu loh. So, tunggu apalagi, buruan SIGNUP Sekarang ya!
Penulis: Reyvan Maulid