ANALISIS FAKTOR

Your company information

Analisis faktorSalah satu teknik statistika yang dapat

digunakan untuk memberiikan deskripsi yang relatif sederhana melalui reduksi jumlah peubah yang disebut faktor.

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.Prinsip dasar dalam analisis faktor adalah menyederhanakan deskripsi tentang data dengan mengurangi jumlah variabel/ dimensi.

Tujuan Analisis Faktor Analisis Faktor

1. Tujuan kepertama untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal, dan variabel baru tersebut dinamakan faktor atau variabel laten atau konstruk atau variabel bentukan.

2. Tujuan kedua adalah untuk mengidentifikasi adanya hubungan antarvariabel penyusun faktor atau dimensi dengan faktor yang terbentuk, dengan menggunakan pengujian koefisien korelasi antarfaktor dengan komponen pembentuknya. Analisis faktor ini disebut analisis faktor kofirmatori.

3. Tujuan ketiga adalah untuk menguji valisitas dan reliabilitas instrumen dengan analisis faktor konfirmatori.

4. Tujuan keempat salah satu tujuan analisis faktor adalah validasi data untuk mengetahui apakah hasil analisis faktor tersebut dapat digeralisasi ke dalam populasinya, sehingga setelah terbentuk faktor, maka peneliti sudah mempunyai suatu hipotesis baru berdasarkan hasil analisis faktor.

Teknik yang digunakan adalah Teknik interdepensi, yakni seluruh set hubungan yang interdependen diteliti. Prinsipnya menggunakan korelasi r = 1 dan r = 0. Dipergunakan dalam hal mengidentifikasi variabel yang berkorelasi dan yang tidak/kecil korelasinya.

Analisis Faktor menekankan adanya comunnality yaitu jumlah varian yang disumbangkan oleh suatu variabel pada variabel lainnya.

KONSEP DASAR ANALISIS FAKTOR

Bartlett’s test of sphericity:uji statistik untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi.Matriks korelasi.

Communality: jumlah varian yang disumbangkan oleh variabel terhadap seluruh variabel lain.

Eigenvalue: jumlah varian yang dijelaskan oleh setiap faktor. Hanya eigenvalue >1 yang dimasukkan dalam model.

Scree plot: plot dari eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar; untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction).

TEKNIK STATISTIK UNTUK ANALISIS FAKTOR

4. Analisis Faktor Ekspolatori atau Analisis Komponen UtamaAnalisis faktor

1). Analisis faktor ekspolatori dan

2). Analisis faktor konfirmatori.

Analisis Faktor Eksploratori

Merupakan analisis awal

Analisis faktor eksploratori

Reduksi data

Sebuah set variabel baru/konstrukVariabel = skor faktor (SF) atau skor komponen

Variabel baru digunakan MelanjutkanPenelitian

5.Analisis Faktor Eksploratori dan Analisis Faktor Konfirmatori

Analisis faktor eksploratori atau analisis komponen utama (PCA)

Analisis faktor eksploratori atau analisis komponen utama (PCA = principle component analysis) yaitu suatu teknik analisis faktor di mana beberapa faktor yang akan terbentuk berupa variabel laten yang belum dapat ditentukan sebelum analisis dilakukan

Analisis faktor eksplanator menggunakan matriks korelasi

( r ) untuk mengestimasi faktor struktur

5.Analisis Faktor Eksploratori dan Analisis Faktor Konfirmatori

Analisis faktor konfirmatori (CFA)suatu teknik analisis faktor di mana secara apriori

berdasarkan teori dan konsep yang sudah diketahui dipahami atau ditentukan sebelumnya, maka dibuat sejumlah faktor yang akan dibentuk, serta variabel apa saja yang termasuk ke dalam masing-masing faktor yang dibentuk dan sudah pasti tujuannya

Tujuan1.untuk mengidentifikasi adanya hubungan

antarvariabel dengan melakukan uji korelasi2.Tujuan kedua untuk menguji valisitas dan reliabilitas

instrumen

Teknik analisis faktor konfirmatori & teknik analisis faktor eksploratori

dengan menghitung factor loading atau koefisien faktor atau nilai lamda (λi) yang serupa dengan nilai koefisien regresi βi yaitu faktor loading antara indikator Xi dengan faktor Fj yang terbentuk.

lamda (λi ≥ 0,5) atau dapat diuji dengan uji t

6.Tahapan Analisis Faktor Konfirmatori (FCA)

Pada tahap kepertama menilai apakah semua sub-variabel atau item atau indicator pembentuk faktor layak untuk diikutkan pada analisis faktor atau tidak

item-item yang tidak layak untuk difaktorkan, maka dilakukan faktoring atau mereduksi item dengan jalan sub-variabel yang tidak layak difaktorkan dikeluarkan dari analisis faktor

setelah faktornya terbentuk, maka dapat dilakukan analisis data lanjutan dengan menggunakan nilai skor faktor (SF

7.Contoh analisis faktor eksploratori (CPA)

Suatu penelitian yang ingin mengetahui faktor apa saja yang sebenarnya membuat seseorang ingin membeli barang pada suatu pertokoan.

responden diminta pendapatnya mengenai atribut pertokoan seperti: layout pertokoan, kelengkapan barang yang dijual, harga barang, pelayanan karyawan toko, pelayanan kasir, promosi, image, dan kebersihan toko.

Apabila nilai KMO-MSA sama dan lebih besar dari setengah dan dengan nilai signifikan (sig) atau peluang (p) lebih kecil dari setengah; maka dikatakan bahwa item item yang dianalisis dalam analisis faktor sudah layak untuk difaktorkan

Tabel 8.2 Nilai matriks anti image correlation

pada angka koefisien korelasi yang berada pada off diagonal (nilai yang ditebalkan). Apabila nilai matriks anti image correlation lebih kecil dari setengah, maka variabel tersebut harus dikeluarkan atau dieliminasi dari analisis faktor

Tabel 8.3 komponen faktor-1 dan komponen faktor-2 (Component-1 dan Component-2).

7.Contoh analisis faktor konfirmatori (CFA)

faktor skunder penjualan dihipotesiskan ditentukan oleh faktor internal (FI) dan faktor eksternal (FE). Dimana adalah berupa variabel unobserable atau variabel yang tidak teramati atau berupa faktor

Faktor internal (FI) dan faktor eksternal (FE) disebut variabel laten ataufaktor tingkat ke-pertama. Faktor yang dibentuk oleh faktor internal (FI) dan faktor eksternal (FE) disebut variabel laten atau faktor primer yang dapat membentuk faktor lanjutan atau faktor skunder dan sterusnya

Jadi pada perinsipnya hanya melakukan konfirmasi berdasarkan teori atau konsep untuk membentuk sebuah faktor yang telah dihipotesiskan.

Pada model analisis faktor konfirmatori, analisisnya menggunakan matriks varians-kovarians

Aplikasi Analisis Faktor

Suatu kelompok peternak pemelihara sapi ingin mengetahui keberhasilan pemeliharaan ternak sapinya

(X1), pada berat bibit awal yang dipeliharanya(X2), jumlah makanan hijauan(X3),makanan kering jerami(X4), makanan dedak (X5), jenis suplemen(X6), jenis obat-obatan (X7), tenaga kerja yang dicurahkan pada usaha ternaknya(D), jenis kandang yang digunakan pada pemeliharaan ternaknya.D = 1, kandang permanen, D = 0,kandang tradisional.

(Y)= Keberhasilan diukur dengan berat sapi yang dijualnya setelah pemeliharaan

Bagaimana ? Untuk menjelaskan data Tabel 8.4 di atas

Analisis faktor eksploratori(1) Kaiser-Meyer-Olkin (KMO test), (2) anti-image correlassion test, (3) total variance explained test, (4) comunality, (5) component matrix, (6) component scor coefisient matrix, dan (7) factor rotation.

(1). Kaiser-Meyer-Olkin and Bartlett's Test. Yang perlu diperhatikan dalam KMO and Bartlett's test yaitu nilai KMO-MSA dan nilai peluang (sig. = p.)

(2). Anti-image correlassion test nilai anti image korelasi > 0,5 = OK

(3) total variance explained test, (4) comunality,

apabila nilai komponen faktornya ≥ 0,5 berarti bahwa dimensi atau sub-variabel pengukuran faktor tersebut merupakan anggota faktor yang terbentuk

menekankan pada bentuk hubungan atau model atau persamaan antara faktor dengan variabel penyusunnya, Scor coefient merupakan kontanta atau koefisien serupa dengan koefisien regresi (βi ) pada persamaan regresi berganda

Factor rotation. Apabila antara komponen faktor yang satu dan komponen faktor yang lain terdapat nilai-nilai komponen faktor dalam satu variabel pengukuran yang ≥ 0,5 pada kedua faktor bersama, maka analisis faktor harus diulang dengan cara lain atau dilakukan rotasi faktor (factor rotation). Rotasi faktor dilakukan dengan metode varimax atau equamax atau yang lain sampai tidak terdapat nilai komponen bersama yang ada pada sub-variabel ≥ 0,5 pada dua komponen faktor atau lebih.