View
220
Download
0
Category
Preview:
Citation preview
8/2/2019 Juni 27 Analisis Faktor
1/39
8/2/2019 Juni 27 Analisis Faktor
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
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis 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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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:
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
15/39
Jenis-jenis Analisis Faktor
Analisis
Faktor
AF
KONFIRMATORI
AFEKSPLORATORI
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
17/39
Berapa F yang
Akan terbentuk?
F tersebut
merupakan
variabel latenapa saja?
X1
X2
X3
X4
X5
X6
F?
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
19/39
Faktor yang harus
terbentuk = 2, yaitu
F1 dan F2.
X1
X2
X3
X4
X5
X6
F1
F2
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
8/2/2019 Juni 27 Analisis Faktor
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.
Recommended