METODOLOGI PENELITIAN
E. Metode Analisis Data
3. Analisis Faktor
Analisis faktor termasuk pada kategori analisis multivariate interdependence techniques, artinya tidak ada variabel dependepen ataupun variabel independen pada analisis tersebut (Verdian, 2019 : 2). Lebih lanjut
Suliyanto (dalam Purwati & Sari, 2015 : 133), menjelaskan bahwa analisis faktor adalah suatu teknik untuk menganalisis hubungan saling ketergantungan (interdependence) atau korelasi antar variabel dengan tujuan untuk menyederhanakan bentuk hubungan antara variabel yang diteliti menjadi lebih sedikit daripada variabel awal, sehingga terbentuk kumpulan variabel baru (a new set of variables) yang disebut faktor atau variabel laten, variabel konstruk, variabel bentukan.
Santoso (dalam Verdian, 2019 : 2), mengatakan berikut ini fungsi dari penggunaan teknik analisis faktor, diantaranya yaitu :
a. Mengidentifikasi variabel yang paling tepat untuk dapat dianalisis lebih lanjut.
b. Membuat seperangkat variabel baru yang lebih kecil yang dapat menggantikan sebagian atau sepenuhnya seperangkat variabel asli untuk dianalisis lebih lanjut.
c. Merancang metode-metode penggabungan atau pengelompokan sejumlah besar respon dalam tiap kelompok yang berbeda dalam populasi yang besar.
d. Mengidentifikasi adanya hubungan antar variabel penyusun faktor atau dimensi dengan faktor yang terbentuk, dengan menggunakan pengujian koefisien korelasi antar faktor dengan komponen pembentuknya. Wagiran (2013 : 287) mengungkapkan bahwa dalam analisis faktor terdapat dua pendekatan utama, yaitu :
a. Exploratory Factor Analysis (EFA), digunakan apabila peneliti tidak mengetahui dengan pasti seberapa banyak faktor yang diperlukan untuk menjelaskan keterkaitan antara satu set karakteristik indikator, atau item. Selain itu, untuk mengetahui faktor-faktor yang melandasi variabel dimana didalamnya tidak mempunyai hipotesis yang menyusun struktur faktor-faktor yang akan dibentuk atau yang akan terbentuk. Butir-butir variabel dibiarkan membentuk polanya sendiri sehingga teknik ini dapat membantu dalam membangun teori baru,
terutama jika dimensi atau aspek yang diukur terlalu luas. Informasi tersebut akan terus dicari sampai dapat menjawab kebutuhan penelitian dalam menerangkan keberagaman variabel.
b. Confirmatory Factor Analysis (CFA), digunakan apabila peneliti sudah memiliki pengetahuan tentang struktur yang mendasari suatu konstruk yang sedang diteliti sehingga dapat dilakukan pengujian atau penilaian struktur hipotesis terkait telah ditemukannya sejumlah faktor dari variabel penelitian. Selanjutnya, dilakukan proses analisis data untuk menguji kontribusi tiap butir faktor-faktornya, lalu dirumuskan dalam bentuk persamaan dan atau diagram tertentu.
Dalam penelitian ini menggunakan Exploratory Factor Analysis (EFA), menurut Santoso (2018 : 74-75) berikut ini tahapan-tahapan dalam melaksanakan analisis faktor, yaitu :
a. Merumuskan Masalah
Proses ini meliputi beberapa hal diantaranya yaitu, mengidentifikasi tujuan analisis faktor, variabel yang akan digunakan harus dispesifikasi terlebih dahulu berdasarkan teori penelitian sebelumnya serta pertimbangan dari peneliti, pengukuran variabel berdasarkan skala likert atau skala interval, dan banyaknya sampel (n) harus cukup atau memadai.
b. Menghitung Matriks Korelasi
Dalam hal ini pengujian yang harus dilakukan meliputi : 1) Barlett’s Test of Spericity
Hasil Barlett’s Test of Spericity (Sig.) digunakan untuk mengindikasikan sejauhmana antar variabel tersebut berkorelasi dan nilainya harus lebih kecil dari 0,05.
2) Uji Kaiser-Mayer-Olkin (KMO)
Uji KMO adalah uji statistik yang paling banyak digunakan dalam mengetahui kecukupan atau kelayakan sampel. Nilai KMO dianggap layak untuk dapat dilakukan analisis faktor, apabila nilai KMO lebih besar dari 0,5.
3) Uji Measure of Sampling Adequency (MSA)
Uji MSA digunakan untuk mengukur derajat korelasi setiap variabel dengan kriteria sebagai berikut :
• Nilai MSA = 1, variabel dapat diprediksi tanpa kesalahan dari variabel lain.
• Nilai MSA > 0,5, variabel masih bisa diprediksi dan dianalisis lebih lanjut.
• Nilai MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut.
Semakin tinggi nilai koefisien korelasi MSA maka sangat beralasan untuk memasukan indikator secara individual didalam analisis faktor
4) Uji Anti-image correlation
Berdasarkan Tabel Anti-image Matrices, khususnya pada bagian Anti-image Correlation menunjukkan sejumlah angka yang akan membentuk garis diagonal, yang bertanda “a”, menandakan nilai MSA suatu variabel. Apabila nilai MSA suatu variabel di bawah 0,5 maka variabel tersebut harus dikeluarkan dan dilakukan pengulangan pemilihan variabel.
c. Estimasi Communalities
Tahap ini bertujuan untuk mengetahui apakah nilai variabel yang telah dipilih mampu menjelaskan faktor atau tidak, dengan melihat nilai extraction > 0,50 pada tabel Communalities. Metode yang digunakan adalah principal component analysis, untuk melakukan prediksi terhadap sejumlah faktor yang akan dihasilkan.
d. Penentuan Jumlah Faktor dan Rotasi
Sejumlah variabel yang telah memenuhi syarat dapat berlanjut pada proses inti analisis faktor. Pada tahap ini akan dilakukan proses ekstraksi (factoring) yaitu suatu metode yang digunakan untuk mereduksi data dari beberapa indikator menjadi faktor yang lebih sedikit yang mampu menjelaskan korelasi atara indikator yang diteliti.
Penentuan jumlah faktor berdasarkan pada besarnya nilai eigenvalue, dimana harus lebih besar dari 1 (>1). Sedangkan Rotasi Faktor diperlukan apabila metode ekstraksi faktor belum menghasilkan komponen faktor yang jelas sehingga dapat memperoleh struktur faktor yang lebih sederhana agar mudah diinterpretasikan (disimpulkan). Berikut ini terdapat beberapa metode rotasi, yaitu :
1) Rotasi Orthogonal, yaitu memutar sumbu 90 derajat. Prosesnya dibedakan lagi menjadi varimax, quartimax, dan equamax. 2) Rotasi Oblique, yaitu memutar sumbu ke kanan tetapi tidak harus
90 derajat. Prosesnya dibedakan lagi menjadi promax, oblimin, dan orthoblique.
Pemilihan metode rotasi didasarkan pada kebutuhan penelitian, karena tujuan penelitian ini adalah mengurangi jumlah variabel asli (asli) maka menggunakan rotasi Orthogonal yaitu Varimax, yang berarti metode untuk meminimalisasi jumlah indikator yang mempunyai factor loading tinggi pada tiap faktor.
e. Interpretasi Faktor
Setelah diperoleh sejumlah faktor yang valid, diperlukan interpretasi dengan mengelompokkan variabel yang mempunyai factor loading yang tinggi ke dalam faktor tersebut lalu memberikan nama. Interpretasi dilakukan dengan judgement. Karena sifatnya subyektif, sehingga setiap orang akan berbeda hasilnya. Dalam menamai faktor yang telah terbentuk dapat dilakukan dengan dua cara, yaitu :
1) Memberikan nama faktor yang dapat mewakili nama-nama variabel pembentuk faktor tersebut.
2) Memberikan nama faktor berdasarkan atas variabel yang memiliki nilai factor loading tertinggi.
Dalam mengetahui faktor yang paling dominan dipertimbangkan oleh mahasiswa dalam memilih berkarir di perbankan syariah adalah dengan
melihat nilai factor loading tertinggi dari masing-masing variabel pembentuk faktor.