ANALISIS FAKTOR DENGAN MENGGUNAKAN SPSS

(STUDI KASUS : RENCANA PEMBANGUNAN TERMINAL TERPADU DI

DAERAH KOTA BANDUNG )

Oleh:
DWI DESSORA (153060014)

PROGRAM STUDI PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK
UNIVERSITAS PASUNDAN
BANDUNG
2017

A. PENDAHULUAN
a. Latar Belakang
Kota Bandung merupakan salah satu kota besar di Indonesia yang
menjadi tujuan wisata perekonomian, perdagangan, pariwisata, pendidikan
khususnya di Provinsi Jawa Barat. Sebagai ibukota provinsi, Kota
Bandung banyak dikunjungi oleh masyarakat luar kota Bandung dan
menimbulkan berbagai aktivitas ekonomi, perdagangan, pariwisata dan
pendidikan. Tidak sedikit masyarakat luar Kota Bandung yang
menggunakan transportasi umum khususnya bus untuk mengunjungi kota
Bandung. Hal ini dikarenakan transportasi umum khususnya bus masih
dinilai terjangkau dan praktis dalam menggunakan bus serta terminal bus
pada umumnya dan terdapat pada setiap kota. Sebagai sarana transportasi
kendaraan umum, terminal memiliki peran yang penting dalam
menampung aktivitas masyarakat yang menggunakan transportasi umum,
berdasarkan Badan Pusat Statistika Kota Bandung, Kota Bandung jumlah
 wisatawan Kota Bandung yang datang melalui bandara, stasiun dan
terminal pada tahun 2011 yaitu berjumlah 6.388.447 orang. Melalui
penyediaan terminal yang baik, hal tersebut dapat memberikan kenyaman
bagi pengguna terminal tersebut, sehingga secara tidak langsung dapat
mengundang wisatawan Kota Bandung dengan menggunakan bus.
b. Tujuan
Penelitian ini bertujuan untuk mengetahui adanya hubungan antara
variable (identifikasi struktur data) yang saling bebas satu sama lain
sehingga dapat dibuat satu atau beberapa set variable yang lebih sedikit
dari jumlah variable awal.

B. TINJAUAN TEORI
Definisi Analisis Faktor Analisis ini mencoba menemukan
hubungan antar sejumlah variabel-variabel yang saling bebas satu sama
lain sehingga dapat dibuat satu atau beberapa set variabel yang lebih
sedikit dari jumlah variabel awal. Dalam hal ini variabel yang memiliki
korelasi terbesar akan berkelompok membentuk suatu set variabel
(membentuk faktor). Asumsi analisis factor yaitu:
a. Perlu adanya multikolinearits, yaitu korelasi antar variabel bebasnya
harus cukup kuat, misal di atas 0,5
b. Korelasi parsial (korelasi antar 2 variabel dengan menganggap tetap
variabel yang lain) yang terjadi harus kecil. Dalam aplikasi SPSS
korelasi parsial ditunjukkan dalam Anti-Image Correlation
c. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau
faktor yang terjadi sebaiknya dipenuhi.
Proses dalam analisis factor yaitu:
a. Menentukan variabel apa saja yang akan dianalisis
b. Melakukan proses inti, yaitu factoring
 c. Melakukan proses Factor Rotation atau melakukan rotasi terhadap
faktor yang telah terbentuk
d. Interpretasi atas faktor yang telah terbentuk, khuusnya memberi nama
atas faktor yang terbentuk tersebut, yang dianggap dapat mewakili
variabel-variabel anggota faktor tersebut
e. Validasi atas hasil faktor untuk mengetahui apakah faktor yang
terbentuk telah valid.
Menentukan variabel yang layak tahap pertama pada analisis faktor
adalah menilai mana saja variabel yang dianggap layak untuk dimasukkan
dalam analisis selanjutnya. Pengujian ini dilakukan dengan memasukkan
semua variabel yang ada, kemudian pada variabel-variabel tersebut
dikenakan sejumlah pengujian. Logika pengujian adalah jika sebuah
variabel memang memiliki kecenderungan mengelompok dan membentuk
sebuah faktor, maka variabel tersebut akan memiliki korelasi yang cukup
tinggi dengan variabel yang lain. Sebaliknya, variabel dengan korelasi
yang lemah dengan variabel yang lain cenderung tidak akan mengelompok
dalam faktor tertentu.

C. GAMBARAN UMUM
Berikut contoh kasus berkenaan dengan Pemerintah Kota Bandung
yang bermaksud mendirikan terminal terpadu didaerah Kota Bandung.
Pihak Pemkot bermaksud untuk mengidentifikasi factor-faktor yang harus
dipertimbangkan dalam merencanakan dan membangun terminal terpadu
dengan menggunakan metode Analisis Faktor. Untuk itu dikumpulkan
data 5 variabel dari 10 kecamatan di kota Bandung. Variabel-variabel
yang dimaksud adalah:
Var.1 : Jumlah warga kecamatan
Var.2 : Jumlah tenaga kerja yang tersedia
Var.3 : Luas lahan milik pemerintah yang diperuntukan terminal
 Var.4 : Jumlah keuangan kecamatan
Var.5 : Panjang ruas jalan
No. Kecamatan Var.1 Var.2 Var.3 Var.4 Var.5
1 Cicadas 324 175 0 17210 2,8
2 Arcamanik 122 97 0 18277 4
3 Ujungberung 440 287 65,3 59255 6
4 Cibiru 921 519 0 49215 5
5 Lengkong 944 564 19,6 9078 17
6 Andir 837 787 0 43683 26
7 Cicendo 1102 1068 0 59487 12
8 Sukasari 393 355 0 8041 10
9 Cidadap 230 212 0 8164 10
10 Bandung Wetan 240 175 0 8154 10

D. ANALISIS
Correlation Matrixa

Var.1 Var.2 Var.3 Var.4 Var.5

Var.1 1.000 .915 -.002 .577 .501

Var.2 .915 1.000 -.107 .602 .609

Correlation Var.3 -.002 -.107 1.000 .403 -.116

Var.4 .577 .602 .403 1.000 .062

Var.5 .501 .609 -.116 .062 1.000

Var.1 .000 .498 .041 .070

Var.2 .000 .384 .033 .031

Sig. (1-tailed) Var.3 .498 .384 .124 .375

Var.4 .041 .033 .124 .432

Var.5 .070 .031 .375 .432

a. Determinant = ,026

Nilai determinant yaitu 0,26

 Total Variance Explained

Compon Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
ent Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %

1 2.713 54.253 54.253 2.713 54.253 54.253 2.617 52.340 52.340

2 1.358 27.158 81.411 1.358 27.158 81.411 1.454 29.071 81.411

3 .660 13.194 94.605

4 .222 4.442 99.048

5 .048 .952 100.000

Extraction Method: Principal Component

Analysis.

Setelah dilakukan ekstraksi, tampak dalam tabel diatas bahwa factor yang
terbentuk sebanyak 2 faktor, dengan masing-masing mempunyai nilai eigenvalues
2,713 dan 1,358. Sesuai dengan definisi eigenvalues berarti kita dapat mengatakan
bahwa factor 1 beranggotakan 2,713 variabel dan factor 2 beranggotakan 1,358
variabel ( factor yang mempunyai nilai eigenvalues < 1 berarti tidak mempunyai
anggota variable pembentuk factor).
Tabel diatas menunjukkan adanya 5 komponen (variable) yang dimasukkan
dalam analisis factor dengan masing-masing variable memiliki variansi 1 maka total
variansi adalah 5x1=5.
Jika 5 variabel diekstrak menjadi 1 faktor, maka : (2,713/5) x 100% = 54,26 %
Jika 5 variabel diekstrak menjadi 2 faktor, maka : (1,358/5) x 100% = 27,16 %
Sedangkan total kedua factor tersebut akan mampu menjelaskan 81,42% dari
variabilitas kelima variabel asli tersebut.
 Component Matrixa

Component

1 2

Var.2 .969 -.138

Var.1 .938 -.039

Var.4 .694 .603

Var.5 .640 -.466

Var.3 .058 .870

Extraction Method: Principal

Component Analysis.

a. 2 components extracted.

Korelasi variabel jumlah tenaga kerja yang tersedia dengan factor 1 adalah
+0,969, berarti menunjukkan hubungan yang sangat kuat.sedangkan dengan factor 2
mempunyai korelasi -0,138 yang berarti tidak adanya hubungan antara variabel
jumlah tenaga kerja dengan factor 2. Dengan demikian, variabel jumlah tenaga kerja
dimasukkan dalam komponen factor 1. Hal ini berlaku pula untuk variabel lainnya.
Besar korelasi pada setiap baris yang ada didalam tabel adalah sebagai berikut:
a. Korelasi antara variabel 2 dengan komponen adalah 0,969 (korelasi kuat
karena diatas 0,5)
b. Korelasi antara variabel 1 dengan komponen adalah 0,938 (korelasi kuat
karena diatas 0,5)
c. Korelasi antara variabel 4 dengan komponen adalah 0,694 (korelasi kuat
karena diatas 0,5)
d. Korelasi antara variabel 5 dengan komponen adalah 0,640 (korelasi kuat
karena diatas 0,5)
e. Korelasi antara variabel 3 dengan komponen adalah 0,058 (korelasi tidak
kuat karena dibawah 0,5)
 Rotated Component Matrixa

Component

1 2

Var.2 .971 .124

Var.1 .915 .212

Var.5 .741 -.279

Var.3 -.175 .854

Var.4 .508 .765

Extraction Method: Principal

Component Analysis.
Rotation Method: Equamax with
Kaiser Normalization.

a. Rotation converged in 3
iterations.

Apabila dalam ekstraksi yang dilakukan ini masih dirasa belum dapat
diyakini, misalnya masih adanya suatu variabel yang belum jelas akan menjadi
komponen factor mana, maka langkah rotasi harus dilakukan. Sebagai contoh dalam
kasus ini yaitu penentuan variabel masuk factor mana ditentukan dengan melihat nilai
korelasi terbesar. Pada tabel diatas telah diurutkan dari nilai yang terbesar ke yang
terkecil per factor. Variabel 2 korelasi terbesar dengan factor 1 yaitu 0,971 begitu
pula variabel 1 : 0,915 dan variabel 5 : 0,741. Yang paling berkorelasi dengan factor
2 adalah variabel 3 : 0,854 dan variabel 4 : 0,765.
Maka dapat disimpulkan anggota masing-masing factor :
Faktor 1 : variabel 2 ; variabel 1 ; dan variabel 5
Faktor 2 : variabel 3 dan variabel 4
 E. KESIMPULAN
Dari hasil analisis factor yang dilakukan dalam penelitian ini, factor yang
terbentukdan mempunyai nilai tertinggi dari 5 variabel dimana jumlah tenaga kerja,
jumlah warga kecamatan dan panjang ruas jalan masuk kedalam factor 1. Sedangkan
variabel luas lahan milik pemerintah yang diperuntukan terminal dan jumlah
keuangan kecamatan masuk kedalam factor 2.