FAKTOR YANG BERPENGARUH TERHADAP PERSEPSI MASYARAKAT

DALAM MEMILIH PERMUKIMAN DI MASA PANDEMI

Diajukan untuk memenuhi salah satu tugas mata kuliah Metode Analisis Perencanaan
dan Pembangun dengan dosen pengampu Dr. Okto Risdianto Manullang, S.T., M.T.

Dibuat oleh:

Annisa Magfirah Ramadhani (NIM. 21040121410015)

MAGISTER PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK
UNIVERSITAS DIPENOGORO
2021
ANALISIS FAKTOR
Analisis korelasi dilakukan untuk mengetahui faktor-faktor yang berpengaruh
terhadap minat persepsi masyarakat dalam memilih permukiman di masa pandemi. Faktor-
faktor yang menjadi pertimbangan yaitu letak perumahan, akses keluar masuk, penggunaan
portal atau pagar, sarana kegiatan Bersama, dan kondisi fisik perumahan. Dengan jumlah
sampel yang diteliti berjumlah 30 orang. Adapun pembobotan dari setiap variabel dijabarkan
pada tabel di bawah ini.
Variabel Kriteria Skor
Letak perumahan Sangat Berpengaruh 5
Berpengaruh 4
Cukup Berpengaruh 3
Kurang Berpengaruh 2
Tidak Berpengaruh 1
Akses keluar masuk Sangat Berpengaruh 5
Berpengaruh 4
Cukup Berpengaruh 3
Kurang Berpengaruh 2
Tidak Berpengaruh 1
Penggunaan pagar atau Sangat Berpengaruh 5
Berpengaruh 4
portal
Cukup Berpengaruh 3
Kurang Berpengaruh 2
Tidak Berpengaruh 1
Sarana kegiatan bersama Sangat Berpengaruh 5
Berpengaruh 4
Cukup Berpengaruh 3
Kurang Berpengaruh 2
Tidak Berpengaruh 1
Kondisi fisik perumahan Sangat Berpengaruh 5
Berpengaruh 4
Cukup Berpengaruh 3
Kurang Berpengaruh 2
Tidak Berpengaruh 1
HASIL ANALISIS FAKTOR

1. Tabel KMO and Bartlett’s Test

KMO and Bartlett's Test

Kaiser-Meyer-Olkin 0,666
Measure of Sampling
Adequacy.
Bartlett's Approx. 24,751
Test of Chi-
Sphericit Square
y df 10
Sig. 0,006

Tabel KMO and bartlett’s Test berguna untuk mengetahui kelayakan suatu variabel,
apakah dapat melanjutkan proses analisis lebih lanjut dengan menggunakan analisi factor
atau tidak. Jika nilai KMO MSA lebih besar dari 0,50 maka proses analisis dapat dilanjutkan.
Pada tabel terlihat bahwa nilai KMO MSA sebesar 0,666 > 0,50 dan Sig sebesar 0,006 <
0,05, maka proses analisis faktor ini dapat dilanjutkan karena sudah memenuhi kriteria.

2. Tabel Anti-Image
Anti-image Matrices

  Letak Akses Keluar Penggunaan Sarana Kondisi Fisik

Perumahan Masuk Pagar atau Kegiatan Perumahan
Portal Bersama
Anti-image Letak Perumahan 0,699 -0,224 -0,180 -0,075 -0,123
Covariance Akses Keluar Masuk -0,224 0,741 -0,123 0,004 -0,145
Penggunaan Pagar -0,180 -0,123 0,889 -0,021 0,104
atau Portal
Sarana Kegiatan -0,075 0,004 -0,021 0,676 -0,315
Bersama
Kondisi Fisik -0,123 -0,145 0,104 -0,315 0,605
Perumahan
Anti-image Letak Perumahan .721a -0,312 -0,228 -0,109 -0,189
Correlation
Akses Keluar Masuk -0,312 .721a -0,152 0,006 -0,217
a
Penggunaan Pagar -0,228 -0,152 .577 -0,027 0,142
atau Portal
Sarana Kegiatan -0,109 0,006 -0,027 .645a -0,492
Bersama
Kondisi Fisik -0,189 -0,217 0,142 -0,492 .626a
Perumahan
a. Measures of Sampling Adequacy(MSA)

Anti-Image berguna untuk mengetahui dan menentukan variabel mana saja yang
layak untuk digunakan dalam analisis faktor. Pada kolom angka yang terdapat kode (a)
merupakan tanda untuk MSA. Persyaratan yang harus dipenuhi adalah MSA > 0,50. Dari
tabel diatas diketahui bahwa nilai dari masing-masing MSA adalah sebagai berikut: letak
perumahan = 0,721 > 0,50, akses keluar masuk = 0,721 > 0,50, penggunaan pagar atau
portal = 0,577 > 0,50, sarana kegiatan bersama = 0,645 > 0,50, dan kondisi fisik perumahan
= 0,626 > 0,50. Maka ditarik kesimpulan semua variabel layak diguankan untuk analisis.

3. Tabel Communalities

Communalities
  Initial Extraction
Letak Perumahan 1,000 0,623

Akses Keluar Masuk 1,000 0,554

Penggunaan Pagar atau Portal 1,000 0,727

Sarana Kegiatan Bersama 1,000 0,676

Kondisi Fisik Perumahan 1,000 0,762

Extraction Method: Principal Component Analysis.

Tabel Communalities ini digunakan untuk mengetahui apakah variabel yang ada
mampu menjelaskan faktor atau tidak. Pada tabel diketahui bahwa semua variabel nilainya
lebih besar dari 0.50 maka disimpulkan bahwa semua variabel memenuhi kriteria untuk
digunakan menjelaskan faktor.

4. Tabel Total Variance Expleined

Total Variance Explained

Componen Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
t
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2,204 44,082 44,082 2,204 44,082 44,082 1,808 36,164 36,164

2 1,138 22,751 66,833 1,138 22,751 66,833 1,533 30,669 66,833

3 0,710 14,192 81,025            

4 0,539 10,776 91,801            

5 0,410 8,199 100,000            

Extraction Method: Principal Component Analysis.

Tabel Total Variance Expleined memberikan nilai pada masing-masing variabel yang
dianalisis. Pada kolom Initial Eigenvalues, jika total nilai variabel dijumlahkan,
2,204+1,138+0,710+0,539+0,410 = 5, sesuai dengan jumlah variabel yang diteliti yaitu 5
variabel. Dan pada kolom Extraction Sums of Squared Loadings menunjukkan jumlah variasi
atau banyaknya faktor yang dapat terbentuk. Pada tabel terlihat ada 2 output yang muncul
yaitu 2,204 dan 1,138.

Dari hasil yang diperoleh maka diketahui bahwa dari 5 variabel yang ada, terdapat
dua variasi yang mewakili. Syarat sebuah faktor adalah nilai Eigenvalue harus > 1. Untuk
Component pertama nilainya sebesar 2,204 > 1 dan mampu menjelaskan faktor sebesar
44,082%. Untuk Component kedua nilainya sebesar 1,138 > 1 dan mampu menjelaskan
faktor sebesar 22,751%.

5. Scree Plot

Scree Plot
2.5
2
Eigenvalue

1.5
1
0.5
0
1 2 3 4 5
Component Number

Gambar Scree plot menampilkan jumlah variasi faktor yang terbentuk yang dapat
dilihat pada titik Component yang berada diatas nilai Eigenvalue >1. Dan pada gambar
Scree Plot diatas terlihat bahwa terdapat 2 titik Component yang memenuhi kriteria.

6. Tabel Component Matrix

Component Matrixa
Component
1 2
Letak Perumahan 0,745 0,260
Akses Keluar Masuk 0,698 0,260
Penggunaan Pagar atau Portal 0,333 0,785
Sarana Kegiatan Bersama 0,690 -0,446
Kondisi Fisik Perumahan 0,758 -0,433
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

Tabel Component matrix ini menunjukkan korelasi antara masing-masing variabel

yang ada dengan variasi faktor yang terbentuk. Masing-masing dari kelima variabel yang
ada memberikan kontribusi terhadap 2 faktor yang tercipta. Besar kecilnya hubungan
korelasi dapat dilihat pada masing-masing nilainya.

7. Tabel Rotated Component Matrix

Rotated Component Matrixa
Component
1 2
Letak Perumahan 0,433 0,660
Akses Keluar Masuk 0,395 0,631
Penggunaan Pagar atau Portal -0,214 0,825
 Sarana Kegiatan Bersama 0,819 0,067
Kondisi Fisik Perumahan 0,865 0,118
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Pada tabel Rotated Component Matrix digunakan untuk mengetahu posisi masing-
masing variabel terhadap faktor yang ada yang ditentukan dengan melihat nilai korelasi
terbesar antara kedua faktor yang terbentuk. Penjelasan dari tabel antara lain iyalah:

1. Variabel Letak Perumahan memiliki nilai korelasi paling besar di kelompok faktor 2
2. Variabel Akses Keluar Masuk memiliki nilai korelasi paling besar di kelompok faktor 2
3. Variabel Penggunaan Pagar atau Portal memiliki nilai paling besar di kelompok faktor
2
4. Variabel Sarana Kegiatan Bersama memiliki nilai korelasi paling besar di kelompok
faktor 1
5. Variabel Kondisi Fisik Perumahan memiliki nilai korelasi paling besar di kelompok
faktor 1

8. Tabel Component Transformation Matrix

Component Transformation Matrix

Component 1 2

1 0,793 0,609
2 -0,609 0,793
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.

Pada tabel yang terakhir dalam analisis faktor ini yaitu tabel Component
Transformation Matrix memperlihatkan bahwa Component 1 nilai korelasinya adalah
sebesar 0,793 > 0.50 dan Component 2 nilai korelasinya adalah sebesar 0,793 >
0,50 maka dari kedua faktor yang terbentuk dapat dinyatakan memenuhi kriteria
untuk merangkum atau mewakili kelima variabel yang ada.

KESIMPULAN
Dari analisi faktor yang dilakukan, ditemukan 2 variasi faktor yang berpengaruh dan
dapat mempresentasikan semua variabel yang ada. Variasi faktor yang pertama terbentuk
yaitu letak perumahan, akses keluar masuk, dan penggunaan portal atau pagar. Dan untuk
variasi faktor yang kedua yaitu sarana kegiatan bersama dan kondisi fisik perumahan.