1.

Analisis Faktor
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.
Dengan kata lain analisis faktor dapat juga menggambarkan struktur data dari
suatu penelitian. (Suliyanto, 2005). Tujuan analisis faktor ada dua yaitu:
1. Data Sumarization
Yaitu mengidentifikasi adanya hubungan antar variabel dengan melakukan
uji korelasi.
2. Data Reduction
Yaitu setelah melakukan korelasi, maka dilanjutkan dengan proses membuat
sebuah variabel set baru yang dinamakan faktor untuk menggantikan
sejumlah variabel tertentu.
Tujuan umumdari analisis faktor adalah menemukan suatu ara untuk
mereduksi informasi yang terkandung di dalam sejumlah variabel-variabel
orginal ke dalam set vriabel yang lebih kecil dari dimensi-dimensi gabungan
baru. Terdapat 3 fungsi analisis faktor menurut Suliyanto (2005), diantaranya
adalah sebagai berikut:
1. Mengidentifikasikan dimensi-dimensi mendasar yang dapat menjelaskan
korelasi dari serangkaian variabel.
2. Menidentifikasikan variabel-variabel baru yang lebih kecil, untuk
menggantikan variabel tidak berkorelasi dari serangkaian variabel asli yang
berkorelasi.
3. Mengidentifikasikan beberapa variabel kecil dari sejumlah variabel yang
banyak untuk dianalisis multivariat lainnya.
Jenis data yang digunakan dalam analisis faktor minimal adalah data yang
berupa data interval, sehingga apabila data yang diperoleh berupa data ordinal
harus ditransfrmasikan menjadi data interval, misalnya dengan menggunakan
metode successive interval.
2. Analisis Regresi
Istilah regresi pertama kali dikemukakan dalam konsep statistik oleh sir
Francis Galton. Galton memperkenalkan regresi (regression) sebagai nama
proses umum untuk memprediksi satu variabel Sehingga dalam ilmu
statistika, teknik yang umum digunakan untuk menganalisis hubungan antara
dua atau lebih variabel adalah analisis regresi. Analisis Regresi (regression
analysis) merupakan suatu teknik untuk membangun persamaan garis lurus
dan menggunakan persamaan tersebut untukmembuat perkiraan (prediction).
Tujuan penggunaan analisis regersi adalah membuat estimasi rata-rata dan
nilai variabel tergantung dengan didasarkan pada nilai variabel bebas serta
untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai
variabel bebas diluar jangkauan sampel. Data yang digunakan dalam analisis
regresi adalah data dengan skala interval atau rasio. Model matematis dalam
menjelaskan hubungan antar variabel dalam analisis regresi menggunakan
persamaan regresi, yaitu persamaan matematis yang mendefinisikan
hubungan antara dua variabel. Analisis regresi dibagi menjadi dua yaitu:
1. Regresi Linier Sederhana

Regresi linier sederhana adalah regresi yang melibatkan hubungan antara

satu variabel tek bebas (Y) dihubungkan dengan satu variabel bebeas (X).
Bentuk umum persamaan regresi linier sederhana adalah:
Y = a+bx
Dimana:
Y= variabel tak bebas
a= intersep (titik potong kurva terhadap sumbu y)
b=kemiringan (slope) kurva linier
x=variabel bebas
2. Regresi linier berganda
Regresi linier berganda adalah regresi yang melibatkan hubungan antara
satu variabel tak bebas (Y) dihubungkan dengan dua atau lebih variabel
bebas. Bentuk umum persamaan regresi linier berganda adalah:
Y i =a0+a1X1+a2X2+a3X3+...+anXn+i dengan i=1,2...n
Dimana:
Y i =variabel tak bebas ke-i
X i =variabel bebas ke-i
i = kesalahan (error) pada pengamatan ke-i
3. Analisis AHP
AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh
Thomas L.Saaty. model pendukung keputusan ini akan menguraikan masalah
multi faktor atau multi kriteria yang kompleks menjadi satu hirarki, hirarki
merupakan representasi dari sebuah permasalahan yang kompleks dalam
suatu struktur multi level dimana level pertama adalah tujuan yang diikuti
dengan level faktor, kriteria, sub kriteria dan eterusnya ke bawah hingga level
terakhir dari alternatif. Ada 3 prinsip dasar AHP, yaitu 1) Dekomposisi,
merupakan prinsip dengan struktur masalah yang kompleks dibagi menjadi
bagian-bagian secara hirarki. Tujuannya didefinisikan dari umum sampai
khusus, 2) Perbandingan penilaian/pertimbangan (comparative judgement),
dengan prinsip ini akan dibangun perbandingan berpasangan dari semua
elemen yang ada dengan tujuan menghasilkan skala kapentingan relatif dari
elemen, 3) Sintesa Prioritas, dilakukan dengan mengalikan prioritas lokal
dengan prioiritas dari kriteria bersangkutan di level atasnya dan
menambahkannya ke tiap elemen dalam level yang dipengaruhi kriteria.
Hasilnya berupa gabungan atau dikenal dengan prioritas global yang
kemudian digunakan untuk memonopoli prioritas lokal dari elemen di level
terendah sesuai dengan kriteria.
Sarwono, Jonathan. 2013. 12 Jurus Ampuh SPSS untuk Riset Skripsi. Jakarta:
Elexmedia
Komputindo Kompas Gramedia Jakarta.
Seniati, Liche. 2009. Analisis Faktor Statistik Lanjut. Dalam
http://repository.usu.ac.id/analisis
faktor-statistik-lanjut/. Diunduh, 27 Mei 2015
Syaifullah.
2010.
Pengenalan
Metode
AHP.
Dalam
http://library.binus.ac.id/2010/2/pengenalan
analytical-hierarchy-process-pdf. Diunduh, 27 Mei 2015.