ANALISIS FAKTOR

Analisis Faktor dipergunakan untuk melakukan reduksi dari sekian banyak variabel yang digunakan.
Reduksi yang dilakukan adalah dengan mengelompokkan variable-variabel yang memiliki keeratan
menjadi satu kelompok faktor.

Analisis faktor yang dilakukan adalah untuk melihat faktor-faktor apa saja yang berpengaruh
terhadap perkembangan wilayah di Kecamatan Seberang Ulu I, Seberang Ulu II dan Kecamatan Plaju.

Data yang dipergunakan bersumber dari data Badan Pusat Statistik tahun 2016. Variabel data yang
dipergunakan adalah:

1. Jumlah lapangan voli

2. Jumlah lapangan badminton
3. Pengguna gas
4. Pelanggan telpon kabel
5. Jumlah restoran
6. Bengkel kendaraan bermotor
7. Bengkel elektronik
8. Salon/ tata rias pengantin
9. Bengkel las
10. Jumlah bank
11. Jumlah TK
12. Jumlah SD
13. Jumlah SMP
14. Jumlah SMA
15. Jumlah KK
16. Jumlah bangunan permanen, dan
17. Pelanggan PAM

Dari tujuh belas variabel tersebut ingin dilihat variabel mana saja yang berpengaruh terhadap
perkembangan wilayah Kecamatan Seberang Ulu I, Seberang Ulu II dan Kecamatan Plaju.

Dikarenakan variabel yang ada terlalu banyak untuk dilakukan analisis, maka dibutuhkan
penyederhanaan data yaitu mengelompokkan variable-variabel yang dimaksud ke dalam beberapa
faktor.

Adapun data yang dipergunakan adalah sebagai berikut:

 Penggu Salon/
Lap Bengkel Jumlah
Nama Lap Penggu na Jumlah Bengkel Tata rias Bengkel Jumlah Jum Jum Jum Jumlah Jumlah Pelangga
Kecamatan Badmint Kendaraan Bangunan
Kelurahan Voli na Gas Telpon Restoran elektronik penganti Las Bank TK SD SMP SMA KK n PAM
on Bermotor Permanen
Kabel n

15 ulu seberang ulu I 5 5 3974 250 25 10 7 4 2 2 6 8 3 4 8116 1951 397

1 ulu seberang ulu I 2 1 2201 245 3 3 2 1 1 1 1 4 2 1 2665 482 200
tuan kentang seberang ulu I 1 1 2472 510 2 6 2 3 2 0 2 3 2 1 2665 1495 245
2 ulu seberang ulu I 0 1 1300 150 1 7 2 1 1 0 1 2 1 0 2742 312 146
3/4 ulu seberang ulu I 0 2 3879 160 3 5 1 3 3 0 4 6 2 1 4293 1031 432
5 ulu seberang ulu I 3 1 5432 425 6 5 1 3 2 3 1 7 2 1 4635 2414 604
7 ulu seberang ulu I 0 1 3363 239 5 8 2 9 4 3 4 5 1 0 1767 317 374
8 ulu seberang ulu I 0 2 2202 147 5 10 3 5 4 2 1 1 1 1 10550 825 244
silaberanti seberang ulu I 5 5 2205 420 8 4 1 4 1 5 1 7 4 1 4412 805 356
9/10 ulu seberang ulu I 3 3 2665 350 5 4 1 4 3 2 4 9 4 3 3297 1265 296
11 ulu seberang ulu II 1 1 1920 393 5 8 3 3 0 0 0 0 0 0 1952 252 1829
12 ulu seberang ulu II 0 1 1487 429 7 7 6 2 3 0 1 3 1 1 1546 320 1325
13 ulu seberang ulu II 1 3 2162 687 25 12 7 6 3 0 1 4 0 2 2572 828 2061
14 ulu seberang ulu II 3 5 2868 701 32 22 5 5 12 0 1 5 2 2 2940 610 2542
Tangga takat seberang ulu II 2 1 4047 1029 47 14 3 6 2 1 3 3 0 0 4250 789 3950
16 ulu seberang ulu II 6 7 6807 2158 40 28 10 10 6 0 3 7 3 3 6990 4421 6999
sentosa seberang ulu II 1 4 3925 1110 5 10 0 6 3 0 2 5 0 0 3945 915 3937
Plaju Darat Plaju 4 4 2972 37 6 9 2 2 4 0 1 6 3 3 2995 2666 290
Talang Putri Plaju 2 3 3718 29 7 6 2 3 5 0 2 4 2 0 3742 1621 301
Komperta Plaju 2 4 811 20 1 0 0 1 0 2 3 4 2 3 809 1374 809
Plaju ilir Plaju 0 2 3126 17 24 6 3 4 2 3 3 4 1 2 3129 1200 296
Talang bubuk Plaju 2 2 1684 21 7 4 2 2 0 0 1 1 0 0 1687 1304 105
Plaju Ulu Plaju 2 3 4750 44 24 12 3 13 5 1 1 5 3 4 4751 2127 411
Bagus Kuning Plaju 1 2 2689 24 3 4 1 3 0 2 1 4 2 3 2688 1378 235
Sumber: BPS Kota Palembang 2016
Kemudian terhadap tujuh belas faktor diatas dilakukan analisis faktor untuk melihat kedekatan
pengelompokkan dari variabel-variabel yang ada. Sebelum melakukan analisis faktor terlebih dahulu
dilakukan pengujian KMO and Bartletts untuk melihat apakah data yang ada dapat dilanjutkan
analisa Faktornya.

Hasil KMO and Bartletts yang diperoleh adalah

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .626

Bartlett's Test of Sphericity Approx. Chi-Square 312.794

df 136

Sig. .000
Ho = data belum memadai untuk dianalisis lebih lanjut
H1 = data sudah memadai untuk dianalisis lebih lanjut

Dengan ketentuan,
H0 diterima jika angka KMO MSA kurang dari dari 0,5 dan signifikansi lebih dari dari 0,05.
H1 diterima jika angka KMO MSA lebih dari 0,5 dan signifikansi kurang dari 0,05.

Dari hasil analisis KMO dan Bartletts diperoleh nilai KMO sebesar 0.626. Hal ini menandakan bahwa
H0 ditolak, dan H1 diterima, yaitu data yang digunakan dapat dilakukan analisis lanjutan.

Nilai signifikansi juga lebih kecil dari 0.05, sehingga menyatakan H0 ditolak dan H1 diterima, yaitu
data yang digunakan dapat dilakukan proses analisis lanjutan.

Langkah selanjutnya adalah melihat nilai Anti Image Matric. Nilai tersebut bertujuan untuk melihat
keakuratan predictor dari variable-variabel yang digunakan. Angka MSA (Measure of Sampling
Adequacy) berkisar antara 0 sampai 1, dengan ketentuan :

MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel yang lain.
MSA > 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut.
MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, sehingga variable
tersebut harus dibuang atau dikeluarkan dari variabel lainnya.
 Anti-image Matrices

Lapanga Pelang Bengkel

n gan Jumlah kendaraa Salon/ Tata Jumlah

Lapanga Badminto Penggun telp Restora n Bengkel Rias Bengke Jumlah Jum Jumla Jum Jum Bang Pelangga
n Voli n a gas kabel n bermotor elektronik Pengantin l Las Bank TK h SD SMP SMA Jum KK Permnen n PAM

Anti-image Lapangan Voli .121 -.056 .004 .001 -.068 -.016 -.001 .049 .057 -.002 .082 -.022 -.060 .049 .014 -.028 .006
Covariance Lapangan Badminton -.056 .118 .049 .027 .039 -.002 -.008 -.064 -.031 -.015 -.025 -.034 .010 .012 -.090 -.044 -.033

Pengguna gas .004 .049 .062 .020 -.016 -.008 .008 -.071 .003 .013 .019 -.047 .003 .053 -.085 -.067 -.018

Pelanggan telp kabel .001 .027 .020 .029 .014 -.009 -.026 -.023 .015 -.003 .019 -.026 -.017 .037 -.036 -.019 -.025

Jumlah Restoran -.068 .039 -.016 .014 .174 -.018 -.039 -.007 -.013 -.084 -.092 .014 .039 -.046 .031 .034 -.015

Bengkel kendaraan -.016 -.002 -.008 -.009 -.018 .038 -.038 -.022 -.053 .016 .004 .019 .004 -.016 -.021 .006 -.002
bermotor

Bengkel elektronik -.001 -.008 .008 -.026 -.039 -.038 .247 .036 .034 .038 -.050 .004 .038 -.043 .003 -.004 .030

Salon/ Tata Rias .049 -.064 -.071 -.023 -.007 -.022 .036 .268 .020 -.100 -.012 .043 -.012 -.064 .108 .060 .025

Pengantin

Bengkel Las .057 -.031 .003 .015 -.013 -.053 .034 .020 .131 .044 .056 -.036 -.039 .047 .026 .004 .004

Jumlah Bank -.002 -.015 .013 -.003 -.084 .016 .038 -.100 .044 .404 .070 -.033 -.027 .032 -.112 .020 .009

Jumlah TK .082 -.025 .019 .019 -.092 .004 -.050 -.012 .056 .070 .440 -.082 -.017 .062 -.104 -.024 -.012

Jumlah SD -.022 -.034 -.047 -.026 .014 .019 .004 .043 -.036 -.033 -.082 .069 -.009 -.061 .075 .049 .018

Jumlah SMP -.060 .010 .003 -.017 .039 .004 .038 -.012 -.039 -.027 -.017 -.009 .143 -.055 -.012 -.006 .018

Jumlah SMA .049 .012 .053 .037 -.046 -.016 -.043 -.064 .047 .032 .062 -.061 -.055 .137 -.060 -.074 -.024

Jumlah KK .014 -.090 -.085 -.036 .031 -.021 .003 .108 .026 -.112 -.104 .075 -.012 -.060 .375 .068 .043

Jumlah Bangunan -.028 -.044 -.067 -.019 .034 .006 -.004 .060 .004 .020 -.024 .049 -.006 -.074 .068 .112 .016
Permanen

Pelanggan PAM .006 -.033 -.018 -.025 -.015 -.002 .030 .025 .004 .009 -.012 .018 .018 -.024 .043 .016 .026
Anti-image Lapangan Voli .698a -.471 .043 .015 -.467 -.238 -.003 .275 .456 -.008 .358 -.247 -.458 .381 .067 -.243 .100
Correlation Lapangan Badminton -.471 .647a .578 .460 .272 -.035 -.049 -.362 -.252 -.071 -.111 -.373 .079 .093 -.428 -.380 -.589

Pengguna gas .043 .578 .538a .459 -.157 -.158 .063 -.550 .034 .084 .117 -.725 .034 .579 -.557 -.812 -.454

Pelanggan telp kabel .015 .460 .459 .579a .189 -.273 -.307 -.255 .247 -.030 .168 -.588 -.269 .575 -.339 -.328 -.887

Jumlah Restoran -.467 .272 -.157 .189 .778a -.217 -.186 -.032 -.088 -.317 -.332 .127 .244 -.299 .123 .246 -.224

Bengkel kendaraan -.238 -.035 -.158 -.273 -.217 .788a -.394 -.222 -.758 .130 .030 .369 .048 -.219 -.178 .092 -.061

bermotor

Bengkel elektronik -.003 -.049 .063 -.307 -.186 -.394 .818a .139 .190 .121 -.151 .030 .200 -.232 .011 -.024 .376

Salon/ Tata Rias .275 -.362 -.550 -.255 -.032 -.222 .139 .651a .108 -.304 -.036 .317 -.063 -.333 .341 .345 .296
Pengantin

Bengkel Las .456 -.252 .034 .247 -.088 -.758 .190 .108 .592a .193 .233 -.384 -.283 .347 .116 .035 .072

Jumlah Bank -.008 -.071 .084 -.030 -.317 .130 .121 -.304 .193 .649a .167 -.201 -.111 .134 -.287 .093 .084

Jumlah TK .358 -.111 .117 .168 -.332 .030 -.151 -.036 .233 .167 .542a -.471 -.066 .251 -.257 -.106 -.109

Jumlah SD -.247 -.373 -.725 -.588 .127 .369 .030 .317 -.384 -.201 -.471 .500a -.091 -.624 .468 .559 .427

Jumlah SMP -.458 .079 .034 -.269 .244 .048 .200 -.063 -.283 -.111 -.066 -.091 .760a -.391 -.053 -.049 .293

Jumlah SMA .381 .093 .579 .575 -.299 -.219 -.232 -.333 .347 .134 .251 -.624 -.391 .461a -.263 -.599 -.400

Jumlah KK .067 -.428 -.557 -.339 .123 -.178 .011 .341 .116 -.287 -.257 .468 -.053 -.263 .497a .332 .434

Jumlah Bangunan -.243 -.380 -.812 -.328 .246 .092 -.024 .345 .035 .093 -.106 .559 -.049 -.599 .332 .605a .291
Permanen

Pelanggan PAM .100 -.589 -.454 -.887 -.224 -.061 .376 .296 .072 .084 -.109 .427 .293 -.400 .434 .291 .599a

a. Measure of Sampling Adequacy (MSA)

Pada variabel Jumlah SMA dan jumlah KK, nilai MSA masih dibawah 0.5, yaitu 0.461 dan 0.497. Oleh
karena itu perlu dikeluarkan terlebih dahulu 1 variabel yang memiliki nilai MSA terkecil. Dan
kemudian dilakukan analisis ulang terhadap nilai and Bartletts dan nilai Anti-Images Metric. Adapun
variabel Jumlah SMA dikeluarkan pada tahap analisis selanjutnya.
Sehingga hasil baru yang diperoleh adalah sebagai berikut:

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .673

Bartlett's Test of Sphericity Approx. Chi-Square 285.682

Df 120

Sig. .000
Ho = data belum memadai untuk dianalisis lebih lanjut
H1 = data sudah memadai untuk dianalisis lebih lanjut

Dengan ketentuan,
H0 diterima jika angka KMO MSA kurang dari dari 0,5 dan signifikansi lebih dari dari 0,05.
H1 diterima jika angka KMO MSA lebih dari 0,5 dan signifikansi kurang dari 0,05.

Dari hasil analisis KMO dan Bartletts diperoleh nilai KMO sebesar 0.673. Hal ini menandakan bahwa
H0 ditolak, dan H1 diterima, yaitu data yang digunakan dapat dilakukan analisis lanjutan.

Nilai signifikansi juga lebih kecil dari 0.05, sehingga menyatakan H0 ditolak dan H1 diterima, yaitu
data yang digunakan dapat dilakukan proses analisis lanjutan.

Selanjutnya perlu dilihat nilai Anti-Images Metric yang dihasilkan untuk memastikan variabel yang
dikelompokkan nanti memberikan keakuratan untuk mewakili kelompok faktor. Hasil Anti-Images
Metric yang dihasilkan sebagai berikut:
 Anti-image Matrices

Lapang Pelang Bengkel Salon/

an gan kendaraa Tata Rias Juml Jumlah

Lapanga Badmin Penggun telp Jumlah n Bengkel Penganti Bengke Jumlah Jumlah ah Jumlah Jumlah Bangunan Pelangga
n Voli ton a gas kabel Restoran bermotor elektronik n l Las Bank TK SD SMP KK Permanen n PAM

Anti-image Lapangan Voli .141 -.071 -.027 -.021 -.066 -.013 .018 .095 .054 -.015 .075 -.001 -.056 .045 -.003 .020

Covariance Lapangan Badminton -.071 .119 .068 .036 .048 -.001 -.005 -.067 -.040 -.019 -.033 -.047 .018 -.092 -.058 -.037

Pengguna gas -.027 .068 .093 .012 .003 -.002 .039 -.078 -.026 .002 -.007 -.058 .043 -.100 -.091 -.016

Pelanggan telp kabel -.021 .036 .012 .044 .042 -.008 -.023 -.009 .005 -.018 .004 -.025 -.005 -.032 .002 -.033

Jumlah Restoran -.066 .048 .003 .042 .191 -.026 -.061 -.035 .003 -.082 -.083 -.012 .026 .013 .016 -.030

Bengkel kendaraan -.013 -.001 -.002 -.008 -.026 .039 -.047 -.035 -.057 .021 .012 .020 -.003 -.031 -.004 -.006
bermotor

Bengkel elektronik .018 -.005 .039 -.023 -.061 -.047 .261 .019 .058 .052 -.034 -.026 .026 -.017 -.045 .029

Salon/ Tata Rias .095 -.067 -.078 -.009 -.035 -.035 .019 .302 .054 -.098 .020 .027 -.050 .097 .044 .018
Pengantin

Bengkel Las .054 -.040 -.026 .005 .003 -.057 .058 .054 .149 .039 .042 -.030 -.027 .056 .052 .017

Jumlah Bank -.015 -.019 .002 -.018 -.082 .021 .052 -.098 .039 .412 .061 -.033 -.017 -.107 .058 .017

Jumlah TK .075 -.033 -.007 .004 -.083 .012 -.034 .020 .042 .061 .469 -.095 .010 -.089 .016 -.001

Jumlah SD -.001 -.047 -.058 -.025 -.012 .020 -.026 .027 -.030 -.033 -.095 .112 -.064 .086 .041 .015

Jumlah SMP -.056 .018 .043 -.005 .026 -.003 .026 -.050 -.027 -.017 .010 -.064 .169 -.046 -.066 .012

Jumlah KK .045 -.092 -.100 -.032 .013 -.031 -.017 .097 .056 -.107 -.089 .086 -.046 .403 .060 .042

Jumlah Bangunan -.003 -.058 -.091 .002 .016 -.004 -.045 .044 .052 .058 .016 .041 -.066 .060 .174 .005
Permanen

Pelanggan PAM .020 -.037 -.016 -.033 -.030 -.006 .029 .018 .017 .017 -.001 .015 .012 .042 .005 .031
 Anti-image Lapangan Voli .694a -.550 -.235 -.270 -.401 -.171 .095 .461 .373 -.064 .293 -.012 -.363 .187 -.020 .298
Correlation Lapangan Badminton -.550 .588a .646 .500 .316 -.015 -.029 -.352 -.304 -.084 -.139 -.405 .126 -.420 -.406 -.604

Pengguna gas -.235 .646 .613a .189 .021 -.039 .249 -.464 -.218 .008 -.036 -.570 .347 -.514 -.713 -.297

Pelanggan telp kabel -.270 .500 .189 .680a .463 -.184 -.217 -.082 .061 -.133 .029 -.358 -.059 -.238 .026 -.876

Jumlah Restoran -.401 .316 .021 .463 .761a -.303 -.275 -.146 .018 -.293 -.278 -.080 .145 .048 .088 -.392

Bengkel kendaraan -.171 -.015 -.039 -.184 -.303 .783a -.468 -.321 -.745 .165 .090 .305 -.042 -.250 -.050 -.166

bermotor

Bengkel elektronik .095 -.029 .249 -.217 -.275 -.468 .787a .067 .297 .157 -.099 -.151 .122 -.053 -.209 .317

Salon/ Tata Rias .461 -.352 -.464 -.082 -.146 -.321 .067 .689a .253 -.277 .053 .148 -.223 .279 .192 .188
Pengantin

Bengkel Las .373 -.304 -.218 .061 .018 -.745 .297 .253 .602a .158 .161 -.228 -.170 .229 .324 .245

Jumlah Bank -.064 -.084 .008 -.133 -.293 .165 .157 -.277 .158 .651a .139 -.151 -.065 -.264 .218 .151

Jumlah TK .293 -.139 -.036 .029 -.278 .090 -.099 .053 .161 .139 .641a -.415 .036 -.205 .057 -.010

Jumlah SD -.012 -.405 -.570 -.358 -.080 .305 -.151 .148 -.228 -.151 -.415 .623a -.465 .404 .296 .247

Jumlah SMP -.363 .126 .347 -.059 .145 -.042 .122 -.223 -.170 -.065 .036 -.465 .705a -.175 -.384 .162

Jumlah KK .187 -.420 -.514 -.238 .048 -.250 -.053 .279 .229 -.264 -.205 .404 -.175 .543a .227 .372

Jumlah Bangunan -.020 -.406 -.713 .026 .088 -.050 -.209 .192 .324 .218 .057 .296 -.384 .227 .701a .070
Permanen

Pelanggan PAM .298 -.604 -.297 -.876 -.392 -.166 .317 .188 .245 .151 -.010 .247 .162 .372 .070 .645a

a. Measures of Sampling Adequacy(MSA)

Sumber: Hasil Analisis

Dari hasil analisis Anti-Images Matrices diperoleh nilai yang keseluruhan diatas 0.5. Sehingga dapat
ditarik suatu kesimpulan bahwa variabel bisa diprediksi dan bisa dianalisis lebih lanjut karena memiliki
keakuratan yang baik.

Untuk dapat melihat besaran pengaruh faktor untuk dapat mewakili variabel, maka dapat dilihat dari
nilai Communalities.

Communalities

Initial Extraction

Lapangan Voli 1.000 .858

Lapangan Badminton 1.000 .763
Pengguna gas 1.000 .719
Pelanggan telp kabel 1.000 .852
Jumlah Restoran 1.000 .703
Bengkel kendaraan 1.000 .966
bermotor
Bengkel elektronik 1.000 .588
Salon/ Tata Rias Pengantin 1.000 .717
Bengkel Las 1.000 .855
Jumlah Bank 1.000 .619
Jumlah TK 1.000 .539
Jumlah SD 1.000 .797
Jumlah SMP 1.000 .891
Jumlah KK 1.000 .446
Jumlah Bangunan 1.000 .655
Permanen
Pelanggan PAM 1.000 .907

Extraction Method: Principal Component Analysis.

Dari hasil communalities dapat ditarik kesimpulan bahwa variabel jumlah bengkel kendaraan bermotor
sebesar 96,6 persen dapat diwakiliki oleh faktor nya, dan demikian seterusnya. Hingga variabel terkecil
yang dapat diwakili faktornya yaitu Jumlah KK, yang hanya 44,6 persen dapat terwakili oleh faktornya.

Langkah selanjutnya adalah menentukan Jumlah faktor yang dapat mewakili keseluruhan variabel yang
dianalisis. Dengan cara melihat nilai Initial Eigenvalue yang lebih dari 1. Nilai eiginvalue tersebut dapat
dilihat pada tabel total variance experience.
 Total Variance Explained

Comp Extraction Sums of Squared Rotation Sums of Squared

onent Initial Eigenvalues Loadings Loadings

% of % of Cumulative % of Cumulative
Total Variance Cumulative % Total Variance % Total Variance %

1 6.605 41.279 41.279 6.605 41.279 41.279 4.292 26.827 26.827

2 3.015 18.844 60.123 3.015 18.844 60.123 3.421 21.380 48.207

3 1.249 7.806 67.929 1.249 7.806 67.929 2.201 13.756 61.963

4 1.006 6.290 74.219 1.006 6.290 74.219 1.961 12.256 74.219

5 .866 5.412 79.632

6 .809 5.058 84.690

7 .754 4.714 89.404

8 .518 3.238 92.642

dimension0

9 .354 2.213 94.855

10 .308 1.924 96.780

11 .186 1.163 97.943

12 .138 .864 98.806

13 .099 .619 99.425

14 .046 .288 99.714

15 .029 .182 99.896

16 .017 .104 100.000

Extraction Method: Principal Component Analysis.

Dari enam belas variabel yang ada, berdasarkan hasil eiginvalue maka diperoleh empat faktor utama
yang memiliki nilai lebih dari 1. Dimana keempat faktor tersebut mewakili 74 persen dari enam variabel
variabel yang ada.

Secara visual distribusi nilai eiginvalue tersebut juga dapat dilihat pada grafik diatas, bahwa component
number (jumlah faktor) yang dapat mewakili seluruh variabel adalah sebanyak 4 faktor (nilai diatas 1).
Sedangkan lima belas faktor lainnya hanya memberikan kontribusi yang tidak terlalu signifikan.
Untuk mengetahui distribusi variabel-variabel kedalam faktor, maka dapat dilihat pada nilai component
matriks, namun jika hasil nilai component matriks tidak terdapat perbedaan yang signifikat maka data
harus dilakukan rotasi terlebih dahulu, dengan demikian nilai yang menjadi panduan untuk
mengelompokkan faktor adalah nilai rotate component matriks.

Component Matrixa

Component

1 2 3 4

Bengkel kendaraan bermotor .863 -.435 -.022 .180

Pengguna gas .782 .115 .291 -.099

Pelanggan telp kabel .768 -.358 -.083 -.356

Jumlah Restoran .756 -.297 .207 -.030
Pelanggan PAM .744 -.477 -.088 -.345

Lapangan Badminton .741 .285 -.357 .069

Jumlah Bangunan Permanen .702 .300 -.213 -.164
Bengkel elektronik .682 -.345 -.053 .029

Lapangan Voli .682 .466 -.399 -.128

Salon/ Tata Rias Pengantin .650 -.130 .475 .226
Jumlah KK .517 .180 .361 .127

Jumlah SMP .351 .812 -.231 .235

Jumlah SD .535 .714 .004 -.020
Jumlah Bank -.087 .661 .414 -.056

Jumlah TK .311 .413 .434 -.288

Bengkel Las .599 -.186 -.047 .678

Extraction Method: Principal Component Analysis.

a. 4 components extracted.

Hasil component matriks telah cukup menunjukkan pembagian dari kelompok variabel terhadap
faktornya. Adapun pengelompokkan variabel tersebut adalah:

Variabel yang termasuk kedalam Faktor 1 (Fasilitas Pelayanan Sosial Ekonomi), antara lain:
- Bengkel Kendaraan bermotor
- Pengguna Gas
- Pelanggan Telpon Kabel
- Jumlah Restoran
- Pelanggan PAM
- Lapangan Badminton
- Jumlah Bangunan Permanen
- Bengkel Elektronik
- Lapangan Voli
- Salon/ Tata rias pengantin
- Jumlah KK

Variabel yang termasuk kedalam Faktor 2 (Fasilitas Pendidikan), antara lain:

- Jumlah SMP
- Jumlah SD
- Jumlah Bank

Variabel yang termasuk kedalam Faktor 3 (Fasilitas Penunjang), antara lain:

- Jumlah TK

Variabel yang termasuk kedalam Faktor 4 (Fasilitas Khusus), antara lain:

- Bengkel Las
ANALISIS

Dari hasil Faktor tersebut dapat dianalisa bahwasanya faktor yag mempengaruhi pertumbuhan
dan perkembangan di Kecamatan Seberang Ulu I, Kecamatan Seberang Ulu II dan Kecamatan
Plaju dipengaruhi oleh Faktor Fasilitas Pelayanan Sosial ekonomi, Fasilitas Pendidikan, Fasilitas
Penunjang dan Fasilitas Khusus.

Fasilitas sosial ekonomi memang menjadi dasar kebutuhan dari setiap penduduk, keberadaan
layanan dasar seperti Air Bersih ataupun Jaringan Listrik menjadi kebutuhan pokok yang tidak
dapat dipisahkan dari aktivitas penduduk.

Kebutuhan akan ruang siap bangun serta kebutuhan fasilitas olahraga juga menjadi kebutuhan
dasar bagi penduduk khususnya sebagai ruang untuk berinteraksi. Dengan demikian untuk
perencanaan kedepan, pemenuhan Faktor Pelayanan Sosial Ekonomi menjadi prioritas utama
untuk dapat menstimulasi pertumbuhan di Ketiga Kecamatan tersebut.

Faktor kedua yang tidak kalah penting adalah fasilitas Pendidikan. Pendidikan merupakan benih
yang harus terus disemai oleh setiap Wilayah. Dari pendidikan inilah akan muncul para penerus
bangsa yang mampu berinovasi dalam membangun wilayahnya. Merekalah yang pada saatnya
nanti dapat mengisi setiap sendi kehidupan di masyarakat. Diharapkan dengan adanya
pendidikan yang baik, maka akan melahirkan calon penerus bangsa yang berkualitas. Untuk itu
Pembangunan fasilitas pendidikan menjadi prioritas utama untuk dibangun.

Kedua Faktor tersebut akan menjadi lengkap dengan kehadiran Fasilitas Penunjang. Fasilitas
Penunjang dapat berupa penunjang secara langsung terhadap kedua faktor prioritas utama,
atapun penunjang yang bersifat tidak langsung. Salah satu fungsi penunjang yang terkait
langsung adalah keberadaan Taman Kanak-kanak. Berdasarkan sistem pendidikan resmi,
keberadaan TK bukanlah menjadi hal penting dalam sistem pendidikan, namun keberadaannya
dapat menjadi penunjang bagi pendidikan anak sebelum menginjak di tingkat SD. Anak-anak
dapat meningkatkan kemampuan sosialisasi dan komunikasi pada saat menginjak tingkat TK
tersebut. Diharapkan dengan adanya TK ini, pembentukan karakter anak dapat dilakukan sedini
mungkin.

Faktor terakhir adalah keberadaan fasilitas khusus. Fasilitas khusus bukanlah kebutuhan dasar
dari setiap penduduk, namun keberadaannya akan sangat vital untuk beberapa aktivitas. Bahkan
fasilitas khusus ini secara tidak langsung dapat memberikan manfaat lebih kepada masyarakat
luas. Seperti halnya keberadaan Bengkel Las, secara tidak langsung masyarakat tidak menjadikan
proses penempaan las sebagai kebutuhan sehari-hari. Akan tetapi proses pembangunan gedung
maupun infrastruktur wilayah tidak terlepas dari kegiatan bengkel las tersebut. Penggunaan besi
sebagai rangka membutuhkan jasa dari bengkel las tersebut. Selain itu, berbagai contoh fasilitas
khusus lainnya yang baik secara langsung maupun tidak langsung memberikan manfaat bagi
masyarakat adalah Perusahaan Asuransi, LRT (Light Rail Transit), dan lainnya.

Untuk melihat kekuatan pengaruh dari tiap faktor dapat dilihat pada Tabel Component
Transformation Matrix. Jika nilainya lebih dari 0,5 maka keberadaan faktor tersebut sangat
signifikant terhadap perkembangan dan pertumbuhan di ketiga kecamatan.

Component Transformation Matrix

Component 1 2 3 4

1 .691 .509 .447 .250

2 -.551 .665 -.171 .474

dimension0

3 -.053 -.545 .257 .797

4 -.465 .031 .839 -.280
 Component Transformation Matrix

Component 1 2 3 4

1 .691 .509 .447 .250

2 -.551 .665 -.171 .474

dimension0

3 -.053 -.545 .257 .797

4 -.465 .031 .839 -.280

xtraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

Dari hasil nilai component transformation matrix serta gambar component plot maka dapat
disimpulkan, bahwa untuk melakukan perencanaan terhadap pembangunan Kecataman
Seberang Ulu I, Seberang Ulu II dan Kecamatan Plaju. Oleh karena itu, diperlukan pembangunan
infrastruktur dan fasilitas yang terkait dengan kegiatan sosial, ekonomi dan pendidikan.
Pemerintah perlu menambah prasarana dan sarana yang menunjang kegiatan ekonomi, social
dan pendidikan di wilayah Kecamatan, seperti Pembangunan Universitas, Pembangunan
Sekolah-sekolah, Lembaga Kursus dan Pendidikan maupun Ruang terbuka Hijau/ Ruang Publik
untuk menstimulasi perkembangan wilayah. Sedangkan untuk fasilitas lainnya, dapat menjadi
tambahan pelengkap jika memungkinkan atas pembiayaannya.
 TUGAS

METODE ANALISA PERENCANAAN

ANALISIS FAKTOR
Dosen : Sri Maryati, ST, MIP, Dr.

Dibuat Oleh

Muhammad Robie Chemistra

NIM: 25417062

SEKOLAH ARSITEKTUR, PERENCANAAN DAN PENGEMBANGAN KEBIJAKAN

MAGISTER PERENCANAAN WILAYAH DAN KOTA

KONSENTRASI PERENCANAAN KOTA

Tahun 2017