P. 1
ANALISIS FAKTOR

ANALISIS FAKTOR

|Views: 90|Likes:
Published by Hikmah Sujana

More info:

Published by: Hikmah Sujana on Mar 03, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

11/29/2012

pdf

text

original

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

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

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

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

Nah karena nilainya 0.5.180% dan component 2 mempunyai nilai 1. Yup??? Output di bawahnya adalah communalities. yang diharapkan mempunyai nilai di atas 0. Nilai yang diharapkan adalah di atas 0.05 kayaknya jangan digunakan deh analisis faktor karena tidak layak.Yang pertama adalah nilai KMO yaitu sebesar 0.630 dan mampu menjelaskan varians sebesar 51.084%. bahwa 11 butir pertanyaan tersebut dapat dikelompokkan menjadi dua kelompok tanpa kehilangan informasi yang berarti. Dengan demikian .05 maka analisis faktor dapat digunakan pada data yang kita punyai.796. Artinya.796 > 0.411 untuk q1). Kalau nilainya di bawah 0. 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.879 dan mampu menjelaskan varians sebesar 17.4 (minimal adalah 0.4 dan di situ tampak bahwa semua pertanyaan mempunyai nilai di atas 0. Component 1 mempunyai nilai 5.

174.617 yang lebih besar dari pada loading factor ke component 2 yaitu sebesar 0. Bisa dimengerti kok dianggap masuk component 2 bukannya component 1. Eit tunggu dul«. Yach lumayan dech« ha ha«.loading factor untuk component 1 adalah 0. Jadi ya kita lakukan rotasi dan hasilnya sebagai berikut: . q3.736% saja.kedua component tersebut mampu menjelaskan varians sebesar 68. 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 0.264% atau kita kehilangan informasi sebesar 31. Yup« dengan cara yang sama kita bisa mengelompokkan kelompok 1 selainn q1 adalah q2. q5. he he«. q9 dan q10. q7. Sedangkan yang masuk component 2 adalah q4 dan q11. q8. q6. Eit lihat yang q 11«. Jadi bukan hitung-hitungan anak SD yang menyatakan bahwa negatif lebih kecil dari positif he he«.436 dan untuk component 2 adalah -0. q 11 memang component 2 tapi mempunyai nilai negatif sehingga akan membingungkan interpretasinya. Yup kita ambil nilai mutlaknya ya.648.

Nah. . OK« mudah-mudahan bisa dicopy dengan baik. 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. Ntar interpretasi variance explained juga dilihat yang rotation. setelah itu anda kaitkan dengan teori yang ada. Butir q1 sampai q5 masuk component 2 dan butir q5 sampai q 11 masuk component 1.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->