Pada bahasan analisis faktor eksploratori sebelumnya kita sudah banyak membahas terkait konsepsi, kegunaan dan fungsi dari analisis faktor eksploratori itu sendiri. Tahapan implementasi data pada software SPSS dalam menghasilkan faktor-faktor yang dimaksudkan juga sudah kita perlihatkan pada bahasan sebelumnya. Sehingga berharap apa yang sudah kita paparkan pada pembahasan sebelumnya dapat membantu para peneliti dalam proses memahami dan praktek pada data yang dimilikinya.
Beberapa pemahaman yang harus kita ulang-ulang bahwa ada kemiripan pada analisis faktor eksploratori dan analisis faktor konfirmatori (bahasan secara konsepsi narasi, tidak sebagai konsepsi matematis). Pada bahasan eksploratori perlakuan terhadapa variabel-variabel yang ada adalah dalam rangka menemukan sebuah pola variabel yang mengelompok yang berkontribusi dalam pembentukan suatu faktor (belum berlandaskan teori yang pasti), sehingga belum ditetapkannya suatu konsepsi variabel laten dan variabel manifest. Sedangkan pada konfirmatori semua konsep variabel sudah ditentukan berdasarkan teori yang sudah ditetapkan berdasarkan literatur dan dikenal sedari awal bahwa faktor/variabel induk tidak dapat di ukur secara langsung sehingga dikenal istilah variabel laten dan variabel manifest.
Dengan gambaran tersebut diharapkan para peneliti tidak salah dalam menentukan software pembantu dalam menganalisis datanya. SPSS banyak digunakan dalam analisis faktor eksploratori dan LISREL (sejenisnya) banyak digunakan dalam analisis faktor konfirmatori.
Pada kesempatan kali ini kita akan coba menjelaskan konsepsi rotasi yang muncul pada pembahasan analisis faktor ekploratori. Pada proses aplikasi pada software SPSS kita dituntut pula untuk memilih jenis rotasi yang akan dilakukan pada data yang dimiliki dengan tujuan mendapatkan kombinasi variabel penyusun faktor yang optimal.
Tujuan Rotasi Faktor
Tujuan utama dari dilakukannya proses rotasi pada proses pembentukan faktor pada analisis faktor eksploratori adalah untuk mendapatkan struktur faktor (kombinasi linear dari variabel-variabel dengan nilai faktor loadingnya) yang lebih sederhana dan dapat sangat membantu dalam proses interpretasi oleh para peneliti.
Secara teoritis proses rotasi dalam pendekatan matematis (matriks) terdiri dari 2 (dua) pendekatan yaitu orthgonal rotation dan oblique rotation (secara matematis tidak akan dibahas dalam artikel ini). Umumnya untuk memudahkan interpretasi para peneliti menggunakan pendekatan orthogonal rotation dalam proses pembentukan faktor dari analisis faktor. Dan pada kesempatan kali ini kita akan coba menerangkan dua (2) jenis pendekatan dalam rumpun rotasi orthogonal yaitu Varimax Roration dan Quantimax Rotation.
Sekali yang perlu diperhatikan dan dipahami oleh para peneliti atau data master adalah fungsi rotasi yang bertujuan untuk mengoptimalkan dihasilkannya kombinasi linear variabel-variabel dalam suatu faktor (1 atau 2 faktor) yang terbentuk dari hasil analisis faktor dan hal ini diindikasikan dengan mudahnya peneliti mengidentifikasi faktor terbentuk atas kontribusi besar (loading faktor) variabel-variabel penyusunnya.
Gambar 1. Menu Rotasi pada Software SPSS
Varimax Rotation
Dalam rotasi varimax tujuan utamanya adalah untuk mendapatkan struktur faktor yang terdiri dari kombinasi variabel-variabel yang memiliki nilai faktor loading yang sangat tinggi hanya pada satu faktor. Dengan demikian jika terbentuk lebih dari satu faktor maka nilai variabel loading suatu variabel pada satu faktor akan sangat tinggi dan pada faktor lainnya mendekati nol.
Oleh karenanya, hasil struktur faktor dengan menggunakan pendekatan rotasi varimax dapat dengan mudah dibedakan dengan struktur faktor yang lainnya (antar faktor terbentuk berdasarkan kombinasi variabel-variabel pembentuknya).
Quartimax Rotation
Dalama rotasi quantimax terdapat 2 (dua) tujuan utama diantaranya pertama, semua variabel memiliki nilai loading relatif tinggi berimbang pada satu faktor dan kedua, tiap variabel memiliki nilai loading yang tinggi pada satu faktor dibanding faktor yang lainnya serta memiliki loading mendekati nol (0) pada faktor lainnya tersebut.
Berdasarkan pemaparan kedua jenis rotasi sebelumnya, maka dengan jelas bahwa pada rotasi quatimax akan di dapat dua klasifikasi faktor diantaranya adalah pertama, suatu struktur faktor yang akan mewakili satu faktor yang dapat dianggap mewakili keseluruhan faktor (general factor) dan kedua, faktor lainnya yang terbentuk merupakan suatu konstruk yang spesifik. Oleh karenanya, rotasi quantimax sangat cocok jika digunakan apabila peneliti mencurigai sedari awal, kehadiran dari suatu “faktor umum” (merujuk pada hasil pertama). Dan hal ini bertentangan dengan rotasi varimax yang mengasumsikan bahwa faktor umum dihilangkan dan seharusnya tidak digunakan ketika teridikasi adanya faktor umum tersebut.
Sedikit gambar tentang rotasi pada analisis faktor eksploratori pada pembahasan sebelumnya diharapkan dapat membantu para peneliti atau data master untuk melakukan treatment pada data yang akan dianalisis secara tepat, sehingga dihasilkan faktor yang optimal sebagaimana dimaksudkan dalam tujuan penelitian yang sudah ditetapkannya. SEMANGAT MEMAHAMI!!!
Sumber :
- Subhash Sharma, Applied Multivariate Technique
- Vincent Gaspersz, Teknik Analisis Rancanangan Percobaan
———————————————————————————————————————————————————-
- Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
- WhatsApp : 081321709749
- Email : welcome@mobilestatistik.com
- Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
- “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”
———————————————————————————————————————————————————-