Laporan Contoh Kasus Analisis Faktor

Aulia N. Utami 21040110141013 Laporan Contoh Kasus Analisis Faktor 1. PENDAHULUAN Perencanaan dibuat untuk menghasilkan suatu sistem yang menyeluruh. menyeluruh. Dalam sistem yang menyeluruh terdapat banyak data yang dikumpulkan kemudian akan dianalisis menjadi perencanaan. Data yang akan dianalisis terkait dalam ruang lingkup. Ruang lingkup perencanaan memiliki cakupan yang luas dalam lingkup materi dan wilayah. Data yang diperlukan dan diperoleh dalam ruang lingkup tersebut berjumlah banyak dan beragam. Data yang ada perlu dikelompokkan menjadi satu berdasarkan karakteristik yang sama. Hal ini dilakukan untuk mempermudah dalam melakukan analisis dibutuhkan alat bantu. Alat analisis yang dapat digunakan dalam kasus ini salah satunya menggunakan analisis faktor. Dengan menggunakan alat analisis faktor, diharapkan penyajian dan d an penyampaian informasi akan lebih mudah sehingga s ehingga akan dapat melakukan analisis selanjutnya dengan lebih mudah. Analisis faktor berguna untuk membentuk kelompok atas variabel-variabel yang ada. Hal ini dilakukan agar mempermudah pemberian nama berdasarkan variabel yang memiliki karakteristik yang sama. Dalam perencanaan wilayah dan kota analisis faktor berguna dalam mengidentifikasi suatu potensi dalam suatu kawasan dan letak penyebaran kawasan tersebut. Misal pengidentifikasian mengenai potensi ekonomi dalam suatu kawasan dan juga penyebaran dalam kawasan tersebut. Karena kemampuan tersebut, perencana wilayah sering menggunakan metode ini untuk menganalisis wilayah dalam berbagai tingkatan administratif, mulai dari tingkatan nasional hingga kabupaten. Data yang digunakan data kualitatif dan kuantitatif, namun jika menggunakan data kuantitatif harus di-convert menjadi tipe data yang berskala. Sedangkan jenis datanya adalah berupa nominal dan ordinal. Data nominal merupakan jenis data nonmetrik dan hanya sebagai simbol atau label. Sedangkan pada data ordinal merupakan data dalam bentuk kategori atau angka kualitatif dan menunjukkan adanya hirarki atau tingkatan. 2. KAJIAN LITERATUR Analisis faktor salah satu analisis multivariat dalam statistik. Pertama kali diperkenalkan oleh Francis Galtom dan Charles Spearman (1927 -1930). Analisis faktor merupakan salah satu metode reduksi data yang bertujuan menyederhanakan sekumpulan besar data yang saling berkorelasi menjadi kelompok-kelompok variabel yang lebih kecil (faktor) agar dapat dianalisis dengan mudah. Dalam perkembangannya, perkembangannya, analisis faktor banyak digunakan oleh berbagai disiplin dis iplin ilmu, seperti ilmu politik, ilmu sosial, teknik industri, pertanian, perencanaan wilayah dan kota, dsb (Dillon, 1984:23). Analisis ini memiliki persamaan dengan analisis cluster yaitu sama-sama menggunakna metode pengelompokkan. Namun jika cluster yang dikelompokan respondennya atau datanya, sedangkan analisis faktor yang dikelompokan variabelnya. Dalam analisis faktor, tidak ada variabel dependen dan independen. Proses analisis faktor 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. Analisis ini tidak ada variabel X maupun Y jadi semua sifatnya sama. Tujuan analisis faktor adalah:  berusaha mengidentifikasi struktur tersembunyi yang terdapat dalam sejumlah variabel yang diamati;

Analisis Faktor_Laporan Metode Analisis Perencanaan Tahun 2012

Page 1

Aulia N. Utami 21040110141013 Laporan Contoh Kasus Analisis Faktor

menganalisis data sampel yang bersifat kualitatif dan ditransformasikan ke bentuk kuantitatif dengan proses penskalaan. Terdapat dua macam analisis faktor, yaitu Principal Component Analysis (PCA) dan Factor Analytic Model (FAM). Prosedur kedua teknik sebagian besar sama, kecuali varian output yang akan dianalisis.  PCA menguji seluruh varian dalam variabel observasi. Bertujuan untuk mengelompokkan variabel-variabel tersebut menjadi komponen-komponen yang dibentuk oleh variabelvariabel awal yang memiliki korelasi yang tinggi sedangkan  FAM hanya menguji sebagian varian variabel. Bertujuan membentuk faktor baru dengan terlebih dahulu mereduksi variabel-variabel yang memiliki nilai unik yang tinggi terhadap variabel lainnya (korelasi kecil). (Brown, 1998:38). 

3. GAMBARAN KASUS/WILAYAH PERENCANAAN Contoh kasus yang akan dianalisis dalam laporan kali ini adalah mengenai faktor yang mempengaruhi penilaian kualitatif pada pemilihan kawasan perumahan Tlogosari sebagai tempat tinggal bagi warga Kota Semarang. Terdapat 15 responden yang melakukan penilaian. Penilaian tersebut berdasarkan variabel kondisi jalan, jarak ke pusat kota, aksesibilitas, ketersediaan sarana pendidikan; kesehatan; dan perdagangan dan jasa, serta banyaknya penghijauan yang mempengaruhi kenyamanan bagi penduduk. Tabel 1 Indikator dan skor tiap-tiap variabel Jenis variabel Indikator

Kondisi jalan

Jarak ke pusat kota

Aksesibilitas Ketersediaan sarana pendidikan, kesehatan, perdagangan dan jasa Banyaknya penghijauan

Skor

Baik

1

Cukup baik Buruk Sangat dekat Dekat Cukup dekat Jauh Lancar

2 3 1 2 3 4 1

Cukup lancar Kurang lancar Lengkap Kurang lengkap Tidak lengkap Banyak Sedang Sedikit

2 3 1 2 3 1 2 3

sumber: Analisis Pribadi, 2012


Page 2


Berdasarkan indikator di atas penjabaran mengenai data yang diperoleh adalah sebagai berikut: Tabel 2 Faktor yang mempengaruhi penilaian kualitatif pada pemilihan kawasan perumahan Tlogosari ketersediaan sarana jarak ke kondisi pendidikan, banyaknya Responden pusat aksesibilitas jalan kesehatan, penghijauan kota perdagangan dan jasa

A B

3 2

2 3

2 2

1 2

2 1

C D E F G H I J K L M N O

1 1 2 2 3 2 3 3 1 2 2 3 3

2 2 2 3 4 3 4 2 1 2 3 4 2

1 1 2 2 3 1 3 2 1 2 2 3 2

3 1 1 1 1 2 3 2 1 1 2 3 1

1 1 2 1 2 2 3 2 1 2 2 3 2

sumber: analisis pribadi, 2012

Analisis yang akan dilakukan adalah analisis pembentukan kelompok dalam faktor. Ada lagi analisis untuk melihat dan menilai tingkat hubungan atau korelasi masing-masing variabel. Serta menganalisis untuk menentukan faktor agar dapat diberi nama sesuai karakteristiknya. 4. ANALISIS  Tahapan analisis 1. Klik “File”  “New”  “Data” 2. Buat definisi variabel dengan cara klik pada “Variabel View” lalu mulai masukan:  Responden Name = Responden Type = string karena jenisnya teks Width = 20 karakter Decimals = 0 karena tipe datanya adalah teks Label =Value =Missing =Columns =8 Align = dapat diisikan sesuai kebutuhan (rata kanan, kiri, atau tengah) Measure = nominal karena tidak dapat dilakukan operasi hitungan


Page 3






 



Kondisi Jalan Name = Kondisi_Jalan Type = numeric karena jenisnya angka Width = 8 karakter Decimals = 0 karena tipe datanya angka, atau dapat diubah sesuai kebutuhan Label =Value = 1: baik, 2: cukup baik, 3: buruk Missing =Columns =8 Align = dapat diisikan sesuai kebutuhan (rata kanan, kiri, atau tengah) Measure = Ordinal karena angka yang ada bersifat kualitatif Jarak ke pusat kota Name = jarak_kepusat_kota Type = numeric karena jenisnya angka Width = 8 karakter Decimals = 0 karena tipe datanya angka, atau dapat diubah sesuai kebutuhan Label =Value = 1: sangat dekat, 2; dekat, 3: cukup dekat, 4: jauh Missing =Columns =8 Align = dapat diisikan sesuai kebutuhan (rata kanan, kiri, atau tengah) Measure = Ordinal karena angka yang ada bersifat kualitatif aksesibilitas Name Type Width Decimals Label Value Missing Columns Align Measure

= aksesibilitas = numeric karena jenisnya angka = 8 karakter = 0 karena tipe datanya angka, atau dapat diubah sesuai kebutuhan == = 1: lancar, 2: cukup lancar, 3: kurang lancar =8 = dapat diisikan sesuai kebutuhan (rata kanan, kiri, atau tengah) = Ordinal karena angka yang ada bersifat kualitatif

Ketersediaan sarana pendidikan, kesehatan, perdagangan dan jasa Name = pendidikan_kesehatan_perdagangan-dan-jasa Type = numeric karena jenisnya angka Width = 8 karakter Decimals = 0 karena tipe datanya angka, atau dapat diubah sesuai kebutuhan


Page 4


Label Value Missing Columns Align Measure  

== 1: lengkap, 2: kurang lengkap, 3: tidak lengkap ==8 = dapat diisikan sesuai kebutuhan (rata kanan, kiri, atau tengah) = Ordinal karena angka yang ada bersifat kualitatif

Banyaknya penghijauan Name = Banyaknya_penghijauan Type = numeric karena jenisnya angka Width = 8 karakter Decimals = 0 karena tipe datanya angka, atau dapat diubah sesuai kebutuhan Label =Value = 1: banyak, 2: sedang, 3: sedikit Missing =Columns =8 Align = dapat diisikan sesuai kebutuhan (rata kanan, kiri, atau tengah) Measure = Ordinal karena angka yang ada bersifat kualitatif

3. Masukkan data yang akan dianalisis sesuai dengan variabel dan type yang telah ditentukan pada lembar kerja “Data View”. Bila data berada pada file excel, agar lebih mudah memasukkan pada SPSS maka dapat dilakukan dengan cara sebagi berikut : Pada lembar Data View klik “File”, “Open” pilih “Data” maka akan muncul kotak dialog Open Data. Pilih file yang ingin dimasukkan, pada tipe data masukan tipe Excel, klik “Open” lalu akan muncul kotak dialog Opening Excel Data Source. Pada kolom Range isikan angka yang sama dengan Worksheet yang ada di dalam kurung. Klik “Continue” maka data akan terbuka di lembar kerja SPSS. 4. Tahapan Analisis Faktor 1. Klik “Analyze” kemudian “Data Reduction”, pilih “Factor” 2. Setelah muncul kotak dialog “Factor Analysis” masukkan variabel yang ingin dianalisis. 3. Pada kotak Descriptive pilih “Univariate descriptive”, “Initial solution”, “Coefficients”, “Inverse”, “Reproduced”, Anti -image” dan “KMO and Barlett’s test of sphericity”. Klik “Continue” 4. Pada kotak Extraction bagian Method pilih “Principal Component”. Pada bagian Analyze pilih “correlation matrix”, pada bagian Display pilih “Unroated Factor Solution” dan “Scree Plot”, pada bagian Extract pilih “Eigenvalues over 1”. Klik “Continue”. 5. Pada kotak Rotation pilih “varimax” dan “Display pilih Rotated Solution” . Klik “Continue”. 6. Pada kotak Scores, pilih “Display factor scores coefficient matrix”. Klik “Continue”. 7. Pada kotak Option pilih “exclude cases listwise”. Klik “Continue”. 8. Klik “OK”, hasilnya akan muncul pada output Analisis Faktor_Laporan Metode Analisis Perencanaan Tahun 2012

Page 5




Interpretasi output dan penjelasan  Tabel Descriptive Statistics Descriptive Statistics menampilkan hasil yang berupa pengolahan data untuk menampilkan data agar lebih informatif. Terdiri dari 3 kolom yaitu mean (rata-rata), standar deviasi, dan jumlah data yang diinput. Descriptive Statistics

Mean

Std. Deviation

Analysis N

kondisi_jalan

2.20

.775

15

jarak_kepusat_kota

2.60

.910

15

aksesibilitas

1.93

.704

15

1.67

.816

15

1.80

.676

15

pendidikan_kesehatan_perd agangan-dan-jasa banyaknya_penghijauan



Tabel Correlation Matrix Tabel Correlation Matrix menampilkan tingkat hubungan atau korelasi masing-masing variabel terhadap variabel lain. Dari tabel di bawah angka-angka hasil analisis menunjukkan angka yang mendekati 1 artinya korelasi antar variabel kuat. Semakin mendekati 1 korelasinya kuat yang menjauhi 1 korelasinya lemah. Correlation Matrix

pendidikan_kese jarak_kepusat_ko kondisi_jalan Correlation

kondisi_jalan

ta

hatan_perdagang banyaknya_peng aksesibilitas

an-dan-jasa

hijauan

1.000

.527

.812

.113

.764

jarak_kepusat_kota

.527

1.000

.736

.481

.557

aksesibilitas

.812

.736

1.000

.207

.721

.113

.481

.207

1.000

.388

.764

.557

.721

.388

1.000

pendidikan_kesehatan_perda gangan-dan-jasa banyaknya_penghijauan 

Tabel KMO and Bartlett’s Teast Tabel KMO dan Bartlett’s Test menunjukkan tingkat korelasi antar variabel secara keseluruhan. Pada Bartlett’s Teast jika angka signifikansi < 0.05 artinya korelasi antara

variabel cukup erat. Table KMO untuk melihat dapat/tidak dapat datanya digunakan, dengan syarat nilai KMO harus > 0.5. Pada tabel di bawah menunjukkan angka KMO 0.696 > 0.5 maka data dapat digunakan dalam analisis faktor. Tabel ini dilihat juga dari nilai Signifikansi. Pada


Page 6


tabel di bawah angka signifikansi adalah 0.000 < 0.05 artinya terdapat korelasi yg kuat antar tiap-tiap variabel. KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

Approx. Chi-Square df Sig.

.696 38.983 10 .000



Tabel Anti Image Matrices Tabel Anti-image Matrices menunjukkan nilai MSA [(Measures of Sampling Adequacy) angka yang memiliki nilai a di atasnya] pada masing-masing variabel. Pembacaan tabel ini dilihat dari MSA dengan indikator jika nilai MSA < 0.5  data tidak dapat digunakan dalam analisis faktor, jika > 0.5  dapat digunakan dalam analisis faktor dan jika MSA = 1  maka dapat digunakan berdasar variable yang digunakan artinya memiliki nilai mutlak. Berdasar tabel di bawah angka MSA untuk kondisi jalan adalah 0.729 > 0.5, artinya data dapat digunakan untuk analisis faktor. Dari keseluruhan hanya variabel pendidikan, kesehatan, perdagangan dan jasa saja yang memiliki nilai MSA < 0.5 artinya variabel ini tidak dapat digunakan dalam analisis faktor.



Tabel Communalities Cara baca tabel Communalities dilihat dari kolom Extraction. Dari tabel di bawah angka Extraction yang paling besar ditunjukkan oleh variabel ketersediaan pendidikan, kesehatan, perdagangan dan jasa sebesar 0.943. Artinya variabel tersebut adalah variabel yang paling mempengaruhi dalam pemilihan kawasan perumnas Tlogosari s ebagai tempat tinggal.


Page 7


Communalities

Initial

Extraction

kondisi_jalan

1.000

.886

jarak_kepusat_kota

1.000

.740

aksesibilitas

1.000

.887

1.000

.943

1.000

.771


Extraction Method: Principal Component Analysis. 

Total Variance Explained Menunjukkan hasil pengelompokan faktor dan dapat menjelaskan besarnya variasi di tiap faktor. Tabel ini hanya menentukan berapa faktor yg terbentuk. Penentuan untuk masuk/tidak dilihat dari nilai total Eigenvalue yang nilainya harus > 1. Pada kolom variance untuk component 1 tertera angka 64,430 % artinya sebayak 64,430 % dapat menjelaskan dari data-data yang ada (data yang diinput). Sisanya sebanyak 35,57 % tidak dapat menjelaskan dari data-data yang ada.



Diagram Scree Plot Diagram Scree plot menunjukkan besaran eigenvalue secara grafik. Titik yang berada pada lebih dari 1 (dilihar dari sisi eigenvalue) maka terbentuk 2 faktor.


Page 8




Tabel Component Matrix Menunjukkan pengelompokan berdasarkan variabel yang dianalisis masuk ke dalam beberapa faktor dan faktor mana saja. Dilihat dari angka yang paling tinggi, namun tidak berlaku angka minus (min diabaikan). Pada tiap-tiap faktor terdapat variable. Kolom 1 dan 2 merupakan faktor yang terbentuk. Berdasarkan tabel di bawah yang masuk pada faktor 1 adalah variabel aksesibilitas karena angka nya paling besar jika dibanding angka variabel lain di dalam kolom 1 yaitu 0.913. Sedangkan yang masuk dalam faktor 2 adalah variabel pendidikan, kesehatan, perdagangan dan jasa. Hal ini disebabkan angka yang ada yaitu 0.855 merupakan angka tertinggi dibandingkan variabel lain di faktor 2. Component Matrixa

Component 1

2

kondisi_jalan

.854

-.396

jarak_kepusat_kota

.824

.247

aksesibilitas

.913

-.232

.460

.855

.877

-.053


Extraction Method: Principal Component Analysis. a. 2 components extracted.


Page 9




Tabel Rotated Component Matrix Pengelompokan faktor berdasarkan Tabel Componen Matrix sehigga dapat diberi nama pengelompokan baru berdasarkan faktor yang terbentuk. Faktor 1 dapat diberi nama faktor infrastruktur. Faktor 2 dapat diberi nama faktor sarana. Rotated Component Matrixa

Component 1

2

kondisi_jalan

.941

-.015

jarak_kepusat_kota

.652

.561

aksesibilitas

.928

.159

.072

.968

.823

.308


Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.

5. KESIMPULAN Analisis faktor berguna untuk membentuk kelompok atas variabel-variabel yang ada. Agar mempermudah pemberian nama berdasarkan variabel yang memiliki karakteristik yang sama. Dalam perencanaan wilayah dan kota analisis faktor dapat digunakan sebagai identifikasi potensi pada suatu kawasan. Berdasarkan analisis di atas terdapat 2 faktor yang mempengaruhi penilaian kualitatif pada pemilihan kawasan perumahan Tlogosari sebagai tempat tinggal bagi warga Kota Semarang. Faktor tersebut adalah faktor infrastruktur yang terdiri dari variable kondisi jalan, aksesibilitas, dan banyaknya penghijauan. Faktor ke 2 adalah faktor sarana meliputi variabel ketersediaan fasilitas pendidikan; kesehatan; perdagangan dan jasa, dan jarak ke pusat kota. DAFTAR PUSTAKA

Buchori, Imam, dkk. 2007. “Buku Ajar Metode Analisis Perencanaan” . Jurusan Perencanaan Wilayah dan Kota Fakultas Teknik Universitas Diponegoro Semarang. BPS Kota Semarang. “Kecamatan Dalam Angka 2009” Modul Pedoman Metode Analisis Perencanaan Wilayah dan Kota LAMPIRAN 1. Klik “File”  “New”  “Data”. Buat definisi variabel dengan cara klik pada “Variabel View” lalu mulai input variabel


Page 10


2. Masukkan data yang akan dianalisis sesuai dengan variabel dan type yang telah ditentukan pada lembar kerja “Data View”. Bila data berada pada file excel, agar lebih mudah memasukkan pada SPSS maka dapat dilakukan dengan cara sebagi berikut : Pada lembar Data View klik “File”, “Open” pilih “Data” maka akan muncul kotak dialog Open Data. Pilih file yang ingin dimasukkan, pada tipe data masukan tipe Excel, klik “Open” lalu akan muncul kotak dialog Opening Excel Data Source. Pada kolom Range isikan angka yang sama dengan Worksheet yang ada di dalam kurung. Klik “Continue” maka data akan terbuka di lembar kerja SPSS.


Page 11


3. Klik “Analyze” kemudian “Data Reduction”, pilih “Factor”. Setelah muncul kotak dialog “Factor Analysis” masukkan variabel yang ingin dianalisis

4. Pada kotak Descriptive pilih “Univariate descriptive”, “Initial solution”, “Coefficients”, “Inverse”, “Reproduced”, Anti -image” dan “KMO and Barlett’s test of sphericity”. Klik “Continue”


Page 12


5. Pada kotak Extraction bagian Method pilih “Principal Component”. Pada bagian Analyze pilih “correlation matrix”, pada bagian Display pilih “Unroated Factor Solution” dan “Scree Plot”, pada bagian Extract pilih “Eigenvalues over 1”. Klik “Continue”.

6. Pada kotak Rotation pilih “varimax” dan “Display pilih Rotated Solution” . Klik “Continue”.


Page 13


7. Pada kotak Scores, pilih “Display factor scores coefficient matrix”. Klik “Continue”

8. Pada kotak Option pilih “Exclude cases listwise”. Klik “Continue”.


Page 14


9. Klik “OK”, hasilnya akan muncul pada output Descriptive Statistics

Mean

Std. Deviation

Analysis N

kondisi_jalan

2.20

.775

15

jarak_kepusat_kota

2.60

.910

15

aksesibilitas

1.93

.704

15

1.67

.816

15

1.80

.676

15


Correlation Matrix

pendidikan_kese jarak_kepusat_ko kondisi_jalan Correlation

kondisi_jalan

ta

hatan_perdagang banyaknya_peng aksesibilitas

an-dan-jasa

hijauan

1.000

.527

.812

.113

.764

jarak_kepusat_kota

.527

1.000

.736

.481

.557

aksesibilitas

.812

.736

1.000

.207

.721

.113

.481

.207

1.000

.388

.764

.557

.721

.388

1.000

pendidikan_kesehatan_perda gangan-dan-jasa banyaknya_penghijauan

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

Approx. Chi-Square df Sig.


.696 38.983 10 .000

Page 15


Communalities

Initial

Extraction

kondisi_jalan

1.000

.886

jarak_kepusat_kota

1.000

.740

aksesibilitas

1.000

.887

1.000

.943

1.000

.771


Extraction Method: Principal Component Analysis.


Page 16

Aulia N. Utami 21040110141013 Laporan Contoh Kasus Analisis Faktor Component Matrixa

Component 1

2

kondisi_jalan

.854

-.396

arak_kepusat_kota

.824

.247

aksesibilitas

.913

-.232

.460

.855

.877

-.053


Extraction Method: Principal Component Analysis. a. 2 components extracted.

Rotated Component Matrixa

Component 1

2

kondisi_jalan

.941

-.015

jarak_kepusat_kota

.652

.561

aksesibilitas

.928

.159

.072

.968

.823

.308


Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.


Page 17

Laporan Contoh Kasus Analisis Faktor

Recommend Documents