ANALISIS FAKTOR

Analisis faktor adalah alat analisis statistik yang dipergunakan untuk mereduksi faktor-faktor yang mempengaruhi suatu variabel menjadi beberapa set indikator saja, tanpa kehilangan informasi yang berarti. Sebagai ilustrasi, terdapat 50 indikator yang diidentifikasi mempunyai pengaruh terhadap keputusan pembelian konsumen. Dengan analisis faktor, ke-50 indikator tersebut akan dikelompokkan menjadi beberapa sub set indikator yang sejenis. Masing-masing kelompok sub set tersebut kemudian diberi nama sesuai dengan indikator yang mengelompok. Pengelompokan berdasarkan kedekatan korelasi antar masing-masing indikator dan penentuan banyaknya sub set berdasarkan nilai eigen values, yang biasanya diambil di atas 1. Analisis faktor digunakan untuk penelitian awal di mana faktor-faktor yang mempengaruhi suatu variabel belum diidentifikasikan secara baik (explanatory research). Selain itu, analisis faktor juga dapat digunakan untuk menguji validitas suatu rangkaian kuesioner. Sebagai gambaran, jika suatu indikator tidak mengelompok kepada variabelnya, tetapi malah mengelompok ke variabel yang lain, berarti indikator tersebut tidak valid.

Selain itu juga analisis faktor digunakan untuk menyederhanakan deskripsi dari suatu set data (peubah) yang banyak dan semaksimal mungkin bisa menjelaskan keragaman data. Jadi misalkan kita punya banyak peubah/variabel pada penelitian kita sedangkan kita menjelaskan sedikit peubah saja kita sulit maka kita bisa menggunakan analisis faktor untuk meringkas peubah yang banyak dan saling berkorelasi menjadi lebih padat berisi serta tidak lagi saling berkorelasi. Tentunya dengan asumsi-asumsi yang sudah ditentukan dari sananya. Menurut Jhonson dan Wichern (1992). Analisis Faktor pada dasarnya bertujuan untuk mendapatkan sejumlah kecil faktor/komponen utama yang memiliki sifat berikut 1. Mampu menerangkan semaksimum mungkin keragaman data. 2. Terdapatnya kebebasan antarfaktor. 3. Tiap faktor dapat diinterpretasikan sejelas-jelasnya. Analisis faktor merupakan suatu alat uji banyak variabel dimana untuk mengamati dan menganalisis suatu fenomena yang dapat dibuat suatu pola. Variabel-variabel yang banyak dan tidak terobservasi disebut sebagai faktor. Pada dasarnya model faktor ini adalah pendorong bagi pembentukan suatu argumentasi. Variabel-variabel yang terdapat dalam model itu akan di kelompokkan berdasarkan hubungan antar variabel tersebut. Faktor analisis dapat dikatakan sebagai analisis komponen utama yang khusus. Keduanya dapat ditampilkan sebagai percobaan dari perkiraan covariance matrix S. Tetapi model analisis faktor lebih rumit, pertanyaan utama dari analisis faktor adalah bagaimana data tersebut dapat konsisten pada struktur model yang sudah ditentukan. Dalam hal menganalisis sejumlah peubah akan dianalisis interkorelasi antar peubah untuk menetapkan apakah variasi yang tampak dalam peubah berasal atau berdasarkan sejumlah faktor

sorotkan mouse pada reduction data. maka analisis faktor akan memperlihatkan bebrapa pola yang mendasari sehingga data yang ada dapat dirancang atau dikurangi menjadi set faktor atau komponen yang lebih kecil. Mampu menerangkan keragaman data secara maksimum. Data yang digunakan adalah hasil kuesioner yang terdiri dari 11 butir pertanyaan (q1 sampai dengan q11).dasar yang jumlahnya lebih sedikit dari variasi yang terdapat pada peubah-nya. sehingga memudahkan untuk analisis selanjutnya. Tiap faktor dapat diinterpretasikan dengan sejelas-jelasnya Berikut adalah simulasi analisis faktor yang digunakan untuk mengelompokkan beberapa indikator menjadi beberapa kelompok tertentu. tanpa kehilangan informasi yang berarti. Pindahkan q1 sampai q11 dari box kiri ke kotak variables . Analisis faktor ini dikerjakan untuk memperoleh sejumlah kecil faktor yang mempunyai sifatsifat sebagai berikut: 1. Jadi analisis faktor mempunyai karakter khusus yaitu mampu untuk mengurai data. dan klik pada Factor seperti pada contoh berikut: Jika anda benar maka akan diarahkan ke menu analisis faktor seperti ini. pilih menu Analyze. Dari tabulasi data SPSS. Jika terdapat korelasi dari sutau set data. Terdapatnya kebebasan faktor. Kita ingin mengelompokkan 11 butir tersebut menjadi beberapa kelompok. 2.

lalu tekan continue. sehingga anda akan diarahkan kembali ke box analisis faktor.Klik pada menu descriptive di bagian kiri bawah. sehingga akan diarahkan ke box menu sebagai berikut: Berikan tick mark (centang) seperti gambar. sehingga akan diarahkan ke menu box sebagai berikut . Tekan Extraction di samping Descriptive.

akan keluar output yang siap untuk diinterpretasikan. He he diulang-ulang ya. sehingga akan diarahkan ke menu sebagai berikut: Berikan tanda centang seperti gambar.. . Nah abis tekan continue. tekan continue. lalu tekan continue. maka tekan OK pada box menu analisis faktor. Dan jreng«.Lalu berikan tanda centang seperti pada gambar. Tekan rotation di samping extraction. maka akan kembali ke menu analisis faktor. Ya emang.

4 dan di situ tampak bahwa semua pertanyaan mempunyai nilai di atas 0.5. Artinya.180% dan component 2 mempunyai nilai 1. Dengan demikian . bahwa 11 butir pertanyaan tersebut dapat dikelompokkan menjadi dua kelompok tanpa kehilangan informasi yang berarti. Nilai yang diharapkan adalah di atas 0.084%. yang diharapkan mempunyai nilai di atas 0.05 maka analisis faktor dapat digunakan pada data yang kita punyai.879 dan mampu menjelaskan varians sebesar 17. Selanjutnya kita lihat output yang berikut Dari 11 component (lihat tabel paling kiri) ternyata yang mempunyai nilai initial eigenvalues di atas 1 hanya ada 2 component. Yup??? Output di bawahnya adalah communalities.796.4 (minimal adalah 0.411 untuk q1).796 > 0. Nah karena nilainya 0.05 kayaknya jangan digunakan deh analisis faktor karena tidak layak.Yang pertama adalah nilai KMO yaitu sebesar 0. Component 1 mempunyai nilai 5. Kalau nilainya di bawah 0.630 dan mampu menjelaskan varians sebesar 51.

q5.264% atau kita kehilangan informasi sebesar 31. Terus kalau kita pengin melihat butir mana yang masuk kelompok 1 dan butir mana yang masuk kelompok 2 kita lihat output berikut: Dari component matrik kita bisa melihat bahwa q1 ikut component 1 karena mempunyai loading factor sebesar 0.648.436 dan untuk component 2 adalah -0. Yup kita ambil nilai mutlaknya ya. q7. q 11 memang component 2 tapi mempunyai nilai negatif sehingga akan membingungkan interpretasinya. Sedangkan yang masuk component 2 adalah q4 dan q11.loading factor untuk component 1 adalah 0. Jadi ya kita lakukan rotasi dan hasilnya sebagai berikut: . q9 dan q10. Eit lihat yang q 11«. he he«.174. q3. Bisa dimengerti kok dianggap masuk component 2 bukannya component 1. Yup« dengan cara yang sama kita bisa mengelompokkan kelompok 1 selainn q1 adalah q2. Eit tunggu dul«. q6. q8. Jadi bukan hitung-hitungan anak SD yang menyatakan bahwa negatif lebih kecil dari positif he he«. Yach lumayan dech« ha ha«.617 yang lebih besar dari pada loading factor ke component 2 yaitu sebesar 0.kedua component tersebut mampu menjelaskan varians sebesar 68.736% saja.

Nah. Butir q1 sampai q5 masuk component 2 dan butir q5 sampai q 11 masuk component 1. setelah itu anda kaitkan dengan teori yang ada. Butir q1 sampai q5 anda beri nama sesuai dengan isi dari pertanyaan dan merupakan suatu konstruk yang berbeda dengan konstruk yang terdiri dari q6 sampai q 11. .Nah kan jadi lebih jelas. OK« mudah-mudahan bisa dicopy dengan baik. Ntar interpretasi variance explained juga dilihat yang rotation.

Sign up to vote on this title
UsefulNot useful