Juni 27 Analisis Faktor

8/2/2019 Juni 27 Analisis Faktor

1/39


2/39

Pengantar

Analisis faktor mencoba menemukan hubungan antar

sejumlah variabel yang bersifat independen satu

dengan yang lain sehingga bisa dibuat satu atau

beberapa kumpulan variabel (faktor) yang lebih

sedikit dari jumlah variabel awal. Analisis faktor merupakan salah satu dari analisis

ketergantungan antar variabel.

Prinsip dasar dari analisis faktor adalah

mengekstraksi sejumlah faktor bersama (common

factors) dari gugusan variabel asal X1, X2, X3,.Xp


3/39

Akibat proses ekstrasi:

Banyaknya faktor menjadi lebih sedikit dibandingkan

dengan banyaknya variabel asal. Sebagian informasi (ragam) variabel asal X tersimpan

dalam sejumlah faktor.

Faktor yang terbentuk merupakan variabel baru yang

bersifat unobservable atau variabel latentataukonstruk (construct).

Sebaliknya, variabel asal X merupakan variabel yang

dapat diukur atau diamati, yang lazim disebut sebagaiobservable variable atau variabel manifest atau

indikator.


4/39

Kenapa Analisis Faktor?

Pemilihan analisis faktor sebagai alat analisispada penelitian disebabkan peneliti inginmencoba menemukan hubungan

(interrelationship) beberapa variabel yangsaling independen satu dengan yang lainnyasehingga bisa dibuat kumpulan variabel yang

lebih sedikit dari jumlah variabel awalsehingga akan lebih mudah dikontrol olehpeneliti ybs.


5/39

Analisis faktor digunakan dalam situasi:

Mengenali atau mengindentifikasi

dimensi yang mendasari atau faktor,yang menjelaskan korelasi antarasuatu set variabel.

Mengenali atau mengindentifikasisuatu set variabel baru yang tidakberkorelasi yang lebih sedikitjumlahnya untuk menggantikan

suatu set variabel asli yang salingberkorelasi di dalam analisismultivariat selanjutnya.


6/39

Mengenali atau

mengidentifikasi suatu set

variabel yang penting dari

suatu set variabel yang lebih

banyak jumlahnya untuk

dipergunakan di dalam

analisis multivariat

selanjutnya.


7/39

Tujuan Analisis Faktor

Data Summarization, yaitumengindentifikasi adanya hubungan antar

variabel dengan melakukan uji korelasi.

Data Reduction, yaitu setelah melakukankorelasi, kemudian dilakukan proses

membuat sebuah sekelompok variabel

baru yang dinamakan faktor untukmenggantikan sejumlah variabel tertentu.


8/39

Sample Size Ideal Analisis Faktor

Jumlah sampel ideal adalah 50100.

Jika digunakan rasio, rasio yang ideal adalah 10 : 1,

artinya 10 sampel untuk satu variabel penelitian.

Jika menggunakan program SPSS, besarnya sampel

ideal adalah 50100 baris.

Dalam SPSS 1 variabel = 1 kolom. Jadi, 1 kolom

minimum berisi 10 baris.

Jika menggunakan 5 variabel, jumlah baris minimumyang diperlukan adalah 50.


9/39

Kegunaan Analisis Faktor

Mengekstrak variabel laten dari variabelmanifes atau indikator. Dengan kata lain,mereduksi variabel asal menjadi variabel baru

yang jumlahnya lebih sedikit. Mempermudah interpretasi hasil analisis

sehingga diperoleh informasi yang realistik.

Pengelompokkan dan pemetaan objekberdasarkan karakteristik yang terkandung didalam faktor.


10/39

Pemeriksaan validitas dan reliabilitas

instrumen penelitian (berupa kuesioner).

Dengan diperolehnya skor faktor, analisis

faktor merupakan langkah awal (sebagai

input) dari berbagai metode analisis data yanglain, misalnya analisis diskriminan, analisis

regresi, analisis klaster, ANOVA, MANOVA,

analisis jalur, dan model struktural.


11/39

Asumsi-asumsi Analisis Faktor

Besar korelasi antar variabel independen > 0,5.

Besar Korelasi Parsial, yaitu korelasi antar duavariabel dengan mengganggap tetap variabel lain

justru harus kecil. (Pada SPSS deteksi terhadapkorelasi parsial diberikan lewat pilihan ANTI-

IMAGE CORELLATION). Pengujian seluruh matrik korelasi diukur dengan

nilai BARTLET TEST OF SPHERICITY atauMEASURE SAMPLING ADEQUACY (MSA).

Pengujian ini mengharuskan adanya korelasi yangsignifikan di antara beberapa variabel.

Data harus normal.


12/39

Proses Dasar Analisis Faktor

Menentukan variabel-variabel penelitian.

Menguji variabel-variabel tersebut dengan

menggunakan metodeBartlet test of sphericity atau

measure sampling adequacy (MSA).

Melakukanfactoring, yaitu menurunkan satu ataulebih faktor dari variabel-variabel yang telah lolos

pada uji variabel sebelumnya.

Melakukan proses Factor Rotation atau rotasi

terhadap faktor yang telah terbentuk, yang bertujuan

untuk memperjelas variabel yang masuk ke dalam

faktor tertentu.


13/39

Interpretasi atas faktor yang telah

terbentuk, khususnya memberi nama atasfaktor yang terbentuk tersebut, yang

dianggap bisa mewakili variabel-variabel

anggota faktor tersebut. Validasi atas hasil faktor untuk

mengetahui apakah faktor yang terbentuk

telah valid. Validasi dapat dilakukandengan cara sebagai berikut:


14/39

Membagi sampel awal menjadi dua bagian,

kemudian membandingkan hasil faktor

sampel satu dengan sampel dua. Jikahasilnya sama, dapat dikatakan faktor yang

terbentuk telah valid.

Dengan melakukan Confirmatory FactorAnalysis dengan cara Structural Equation

Modeling. Pada umumnya dilakukan dengan

menggunakan program khusus, misalnyaAMOS, LISREL.


15/39

Jenis-jenis Analisis Faktor

Analisis

Faktor

AF

KONFIRMATORI

AFEKSPLORATORI


16/39

Analisis Faktor Eksploratori

Di dalam AFE jumlah faktor yang akan terbentuk dan

faktor tersebut merupakan variabel laten apa saja

belum dapat ditentukan sebelum AFE dilakukan.

Dengan AFE akan dieksplorasi indikator-indikatoratau variabel-variabel manifes yang ada sehingga

terbentuk faktor-faktor yang akan dilakukan

interpretasi terhadapnya guna menentukan variabel-

variabel laten apa saja yang diperoleh.


17/39

Berapa F yang

Akan terbentuk?

F tersebut

merupakan

variabel latenapa saja?

X1

X2

X3

X4

X5

X6

F?


18/39

Analisis Faktor Konfirmatori

Dalam AFK seorang peneliti secara apriori

berdasarkan landasan teori dan konsep yang dimiliki

sudah mengetahui berapa banyak faktor yang harus

terbentuk serta variabel-variabel apa laten saja yangtermasuk ke dalam faktor-faktor tersebut.

Dengan AFK peneliti hanya akan mengonfirmasi

berdasarkan konsep atau teori yang sudah ada

terhadap keakuratan (valid dan reliabel) instrumenyang dibuat sebelumnya.


19/39

Faktor yang harus

terbentuk = 2, yaitu

F1 dan F2.

X1

X2

X3

X4

X5

X6

F1

F2


20/39

MENILAI KELAYAKAN SUATU

VARIABEL

Tahap I pada Analisis Faktor adalah menilaivariabel-variabel apa saja yang dianggap layakuntuk dimasukkan dalam analisis selanjutnya

dengan melakukan sejumlah pengujian. Pengujian dilakukan dengan anggapan bahwa

jika suatu variabel memiliki kecenderuganmengelompok dan membentuk suatu faktor,variabel tersebut berkorelasi yang cukup tinggidengan variabel lain.


21/39

Contoh Kasus I

Buka file faktor.

Dari menu Analyze, pilih submenu Dimension

Reduction.

Masukkan variabel-variabel irit, onderdil,

harga, model, warna, promosi, dan kredit.

Aktifkan pilihanKMO and Bartletts test of

sphericity dan Anti-image pada kotak

DESCRIPTIVE.


22/39

Analisis Hasil

Tabel KMO and Bartletts Test.

Untuk menentukan kelayakan suatu variabeluntuk dianalisis lebih lanjut, perhatikan angka

Sig. dan MSA.1. Angka Sig. digunakan dengan kriteria berikut:

Jika angka Sig. > 0,05, sampel belum layak

untuk dianalisis lebih lanjut. Jika angka Sig. < 0,05, sampel sudah layak

untuk dianalisis lebih lanjut.


23/39

Angka Sig. dapat dilihat dalam Tabel KMO and

Bartletts Test berikut ini.

Karena angka Sig. < 0,05, sampel sudah layak untuk

dianalisis lebih lanjut.

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .560

Bartlett's Test of Sphericity Approx. Chi-Square 57.339

df 28

Sig. .001


24/39

2. Angka KMA

Angka MSA, yang berkisar antara 0 s.d. 1

digunakan dengan kriteria berikut:

Jika MSA = 1, variabel tersebut dapat diprediksi

tanpa kesalahan oleh variabel yang lain.

Jika MSA > 0,5, variabel tersebut masih dapat

dianalisis lebih lanjut.

Jika MSA < 0,5, variabel tersebut tidak dapatdiprediksi dan dianalisis lebih lanjut sehingga

harus dikeluarkan.


25/39

Untuk menggunakan angka MSA tersebut, lihat

Tabel Anti-image Matrices, khususnya pada bagian

Anti-image Correlation. Angka MSA dapat dilihat pada arah diagonal dari kiri

atas ke kanan bawah, khususnya pada angka korelasi

yang bertanda a).

Jika ada suatu variabel yang memiliki angka korelasi

< 0,50, variabel tersebut harus dikeluarkan dan

pengujian diulangi lagi.

Jika terdapat dua variabel atau lebih yang memilikiangka MSA < 0,50, variabel yang memiliki angka

MSA yang terkecil yang harus dikeluarkan.


26/39

FACTORING dan ROTASI

Factoring bertujuan untuk menurunkan satu

atau lebih faktor dari variabel-variabel yang

telah lolos pada uji variabel sebelumnya

dengan melalui proses ekstraksi terhadapvariabel-variabel tersebut.

Metode yang paling populer digunakan dalam

proses ekstraksi adalah metode PrincipalComponent Analysis.


27/39

Jika terdapat suatu variabel yang sulit

ditentukan akan masuk ke dalam faktor

tertentu dengan tepat, perlu dilakukan proses

Rotasi (Rotation) pada faktor-faktor yang

terbentuk sehingga memperjelas posisi suatu

variabel.

Cara untuk melakukan proses rotasi dapat

digolongkan ke dalam

Orthogonal

Oblimin


28/39

Lanjutan Kasus 1

Masukkan variabel-variabel irit, onderdil,

harga, warna, awet, dan kredit.

Pada pilihan Extraction, aktifkan Scree Plot.

Pada pilihan Rotation, aktifkan Varimax

pada bagian Method dan Loading Plot(s)

pada bagian Display.

Tekan OK untuk memproses Factoring dan

Rotasi.


29/39

OUTPUT

Tabel Communalities

Tabel ini menjelaskan jumlah varians dari suatu variabel mula-

mula yang bisa dijelaskan oleh faktor yang ada.

Communalities

Initial Extraction

Hemat Bahan Bakar 1.000 .816

Ketersediaan Suku Cadang 1.000 .705

Harga Motor yang kompetitif 1.000 .675

Model Motor yang menarik 1.000 .740

Kombinasi Warna Motor yang menarik 1.000 .650

Keawetan Mesin Motor 1.000 .322

Sistem Pembayaran Kredit yang wajar 1.000 .600

Extraction Method: Principal Component Analysis.


30/39

Tabel Total Variance Explained terdiri atas 3 kolom,

yaitu Initial Eigenvalue, Extraction Sums of

Squared Loadings, dan Rotation Sums of SquaredLoadings.

ComponentInitial Eigenvalues

Total % of Variance Cumulative %

1 2.136 30.520 30.520

2 1.307 18.670 49.190

3 1.064 15.204 64.394

4 .907 12.953 77.347

5 .691 9.872 87.219

6 .534 7.622 94.840

7 .361 5.160 100.000


31/39

Initial Eigenvalue

Kolom ini menunjukkan besarnya varians yangbisa dijelaskan oleh jumlah faktor yang terbentuk

(lihat kolom % of Variance dan Cummulative %).

Kolom Total Initial Eigenvalue menunjukkankepentingan relatif setiap faktor dalam

menghitung varians ketujuh variabel yang

dianalisis. Jumlah faktor yang terbentuk bisa dilihat dari

nilai Eigenvalue yang besarnya > 1.


32/39

Jumlah faktor yang dihasilkan sebanyak 3 faktor dengan angka

eigenvalues > 1.

Dengan demikian , proses factoring berhenti pada 3 faktorsaja.

Jumlah faktor yang terbentuk juga dapat dilihat dalam gambar

Scree Plot berikut.


33/39

Tabel Component Matrix

Tabel ini menunjukkan distribusi semua

variabel ke dalam faktorfaktor yangterbentuk.

Angka-angka yang ada dalam tabel tersebutmerupakanfactor loading yang menunjukkan

besarnya korelasi antara suatu variabel denganfaktor-faktor yang terbentuk.

Penentuan penggolongan suatu variabel kedalam suatu faktor ditentukan oleh besarnya

factor loading yang besarnya > 0,55, yangmerupakan cut-off point.


34/39

Catatan: Jika ada suatu variabel yang memiliki angkafactor

loading > 0,55 pada lebih dari 1 faktor, perludilakukan proses rotasi.

Variabel suku cadang tampak masuk dalamkomponen 1 dan 2 sehingga perlu dilakukan rotasiuntuk menentukan variabel tersebut masuk

komponen 1 atau 2 dengan pasti. Setelah rotasi, variabel suku cadang masuk ke dalam

komponen 2.


35/39

Component Matrixa

Component

1 2 3

Hemat Bahan Bakar .369 .290 .772

Ketersediaan Suku Cadang .627 -.558 .000

Harga Motor yang kompetitif .354 .729 -.131

Model Motor yang menarik .764 -.109 -.380

Kombinasi Warna Motor yang menarik .666 .287 -.353

Keawetan Mesin Motor -.174 .532 -.092

Sistem Pembayaran Kredit yang wajar .651 -.047 .417

Extraction Method: Principal Component Analysis.

a. 3 components extracted.


36/39

Tabel Rotated Component Matrix

Tabel ini menunjukkan distribusi variabel yang lebih jelas dan

nyata setelah dilakukan rotasi.

Rotated Component Matrixa

Component

1 2 3

Hemat Bahan Bakar -.053 .099 .897

Ketersediaan Suku Cadang .413 -.709 .179

Harga Motor yang kompetitif .499 .610 .231

Model Motor yang menarik .812 -.280 .030

Kombinasi Warna Motor yang menarik .791 .122 .097

Keawetan Mesin Motor .005 .566 -.041

Sistem Pembayaran Kredit yang wajar .306 -.268 .659

Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 5 iterations.


37/39

Tabel Component Transformation Matrix

Tabel ini digunakan untuk membuktikan ketepatan faktor-

faktor yang terbentuk dengan cara melihat angka-angka yangada pada diagonal dari kiri atas ke kanan bawah.

Tampak bahwa ketiga angka (0,825, 0,955, dan 0,840) jauh di

atas 0,5. Hal ini membuktikan ketiga komponen (faktor) yang

terbentuk sudah tepat karena memiliki korelasi yang tinggi.

Component Transformation Matrix

Component 1 2 3

1 .825 -.280 .491

2 .187 .955 .229

3 -.533 -.097 .840

Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.


38/39

Simpulan Dari variabel yang digunakan dalam analisis, dengan

proses factoring dapat direduksi menjadi hanya 3faktor.

Faktor 1 terdiri atas variabel model dan warna. Jikafaktor tersebut diberi nama, bisa disebut Faktor

Desain. Faktor 2 terdiri atas variabel onderdil, harga, dan

awet. Jika faktor tersebut diberi nama, bisa disebutFaktor Internal.

Faktor 3 terdiri atas variabel hemat dan kredit. Jikafaktor tersebut diberi nama, bisa disebut FaktorKeunggulan.


39/39

Tugas Analisis Faktor

Manajemen Hatco bermaksud mereduksi

variabel X1 s.d. X7 menjadi dua atau tiga

faktor.

Lakukan analisis faktor untuk memenuhi

tujuan di atas dan beri nama setiap faktor

yang terbentuk namun tetap mencerminkan

isi faktor tersebut.

Simpan hasilnya dalam file Analisis Faktor.

Juni 27 Analisis Faktor

Documents

Transcript of Juni 27 Analisis Faktor