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.
Dalam analisis faktor dikenal istilah konstrak empirik dan konstrak laten. Item adalah
konstrak empirik karena didapatkan langsung dari skor empirik. Faktor merupakan konstrak
yang bersifat laten karena tidak ada data empirik yang menunjukkan besarnya faktor tersebut.
Faktor adalah konstrak buatan peneliti berdasarkan item-item dalam faktor tersebut. Karena
faktor didapatkan dari seperangkat item yang memiliki interkorelasi yang tinggi, peneliti
kemudian harus merasionalisasi seperangkat item kemudian memberi label untuk
menggambarkan seperangkat item item tersebut. Di bawah ini adalah hasil dari analisis faktor
terhadap empat item yang menghasilkan dua faktor.
Tabel 1. Hasil analisis faktor pada data fiktif Skala Body Image (4 item)
Faktor Pernyataan (item)
Saya memiliki wajah yang menarik
Faktor 1
Saya bangga pada wajah yang saya miliki
Saya memiliki tubuh yang atletis
Faktor 2
Tubuh saya terawat dengan baik
1
Handout Mata Kuliah Psikometri
Wahyu Widhiarso | Fakultas Psikologi UGM
- Tekan Analyze – Data Reduction – Factor Analysis. Lalu masukkan keempat item yang
hendak dianalisis.
- Tekan menu Rotation, lalu pilih Method Varimax. Tekan Continue kemudian OK.
2
Handout Mata Kuliah Psikometri
Wahyu Widhiarso | Fakultas Psikologi UGM
Hasil analisis akan keluar seperti yang terpampang pada tabel-tabel berikut.
Communalities
Initial Extraction
item_1 1.000 .923
item_2 1.000 .899
item_3 1.000 .943
item_4 1.000 .920
Extraction Method: Principal Component Analysis.
Keterangan :
Communalities menunjukkan sumbangan efektif tiap item terhadap faktor yang
terbentuk. Misalnya item 1, item tersebut memberikan sumbangan sebesar 92,3%
terhadap faktor yang terbentuk. Dapat dikatakan item ini cukup baik karena mampu
menjelaskan sebagian besar varian didalam faktor 1.
Keterangan :
Total Variance Explained adalah persentase varian konstrak ukur yang dapat dijelaskan
oleh pembagian faktor. Dari kolom initial eigenvalues pada sub kolom cumulative,
terlihat bahwa pemecahan atau pereduksian 4 item menjadi 1 faktor dapat
menjelaskan 59,92% varian, sedangkan pembagian 2 faktor menjelaskan 92,13%
varian.
Keterangan :
Tabel di atas menunjukkan jumah faktor yang muncul serta korelasi antara item dengan
faktor. Kita tahu bahwa jumlah faktor yang muncul ada dua yaitu komponen 1 dan
komponen 2. Pada baris item_1 terlihat bahwa item 1 memiliki korelasi yang besar
dengan komponen 2 dibanding dengan komponen 1. Oleh karena itu item_1 masuk
dalam komponen 2. Melihat korelasi yang lain, kita mendapatkan informasi bahwa
komponen atau faktor 1 terdiri dari item_3 dan item_4 sedangkan faktor 2 terdiri dari
item_1 dan item_2.