analisis faktor 1
DESCRIPTION
UNIVERSITAS NEGERI MALANGFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMPROGRAM STUDI MATEMATIKATRANSCRIPT
TUGAS KELOMPOK ANALISIS STATISTIK MULTIVARIAT
“ANALISIS FAKTOR”
Disusun untuk memenuhi tugas matakuliah Analisis Statistik Multivariat
yang dibina oleh Bu Trianingsih Eni Lestari
Oleh :
1. Desy Purwaningtyas Putri GG/409312413116
2. Dessy Rochmatussa’diah GG/409312413117
3. Mustafiva Rosy GG/409312417673
4. Lina Rahmawati GG/409312419797
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
S1 MATEMATIKA
OKTOBER 2011
ANALISIS FAKTOR
1. DEFINISI
Analisis faktor adalah salah satu metode statistik multivariat yang mencoba
menerangkan hubungan antar sejumlah peubah-peubah yang saling independen antara
satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan peubah yang lebih
sedikit dari jumlah peubah awal.
Analisis faktor : mengekstraksi sejumlah faktor bersama (common factors) dari gugusan
variabel asal X1, X2, …, Xp, sehingga :
A. Banyaknya faktor lebih sedikit dari variabel asal X.
B. Sebagian besar informasi variabel X, tersimpan dalam faktor
2. KEGUNAAN ANALISIS FAKTOR
A. Mengekstraks variabel latent dari indikator, atau mereduksi observable variable
menjadi variabel baru yang jumlahnya lebih sedikit.
B. Mempermudah interpretasi hasil analisis, sehingga didapatkan informasi yang
realistik dan sangat berguna.
C. Pemetaan dan Pengelempokkan obyek berdasarkan karakteristik faktor tertentu.
D. Pemeriksaan validitas dan reliabilitas instrumen penelitian
E. Mendapatkan data variabel konstruks (= skor faktor) sebagai data input analisis lebih
lanjut (analisis diskriminan, analisis regresi, cluster analisis, MANOVA, Analisis
Path, Model Struktural, MDS, dll)
Analisis faktor juga digunakan untuk mengetahui faktor-faktor dominan dalam
menjelaskan suatu masalah.
3. TUJUAN ANALISIS FAKTOR
a. Data summarization, yakni mengindentifikasikan adanya hubungan antar peubah
dengan melakukan uji korelasi. Jika korelasi dilakukan antar peubah (dalam
pengertian SPPS adalah ‘kolom’), analisis tersebut dinamakan R Faktor Analysis.
b. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah
peubah set baru yang dinamakan faktor untuk menggantikan sejumlah peubah
tertentu. Dalam hal menganalisis sejumlah peubah akan dianalisis interkorelasi antar
peubah untuk menetapkan apakah variasi yang tampak dalam peubah berasal atau
berdasarkan sejumlah faktor dasar yang jumlahnya lebih sedikit dari variasi yang
terdapat pada peubahnya. Jadi analisis faktor mempunyai karakter khusus yaitu
mampu untuk mengurai data.
4. TEKNIK YANG DIGUNAKAN DALAM 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. Adanya koefisien nilai faktor
(factor score coefficient), sehingga faktor 1 menyerap sebagian besar seluruh variabel,
faktor 2 menyerab sebagian besar sisa varian setelah diambil untuk faktor 1. Faktor 2
tidak berkorelasi dengan faktor 1.
5. INTERPRETASI OUTPUT
• Bartlett’s test of sphericity:
Uji statistik untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam
populasi
• Matrik Korelasi
Multikolinearitas adalah korelasi antar variabel.
• Communality
Communality menyatakan varians setiap variabel yang dijelaskan oleh faktor. Jumlah
varian yang disumbangkan oleh variabel terhadap seluruh variabel lain.
• Scree plot
Scree Plot merupakan cara mendeskripsikan eigenvalue secara visual. Plot dari
eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar; untuk
menentukan banyaknya faktor yang bisa ditarik (factor extraction).
• Descriptive Analysis
Analisis deskriptif memberikan gambaran tentang data yang kita miliki. Dalam
mendeskripsikan data, kita bisa menggunakan berbagai cara. Pada analisis factor,
gambaran diberikan melalui rata-rata (mean) dan standar deviasi (standar deviation)
setiap variabel. Cara lain dapat melalui modus, median, range, proporsi, dan indeks
variabel komulatif.
• Anti-image Matrices
Angka-angka dalam matriks ini menyatakan korelasi parsial antar variable yaitu
korelasi yang tidak dipengaruhi oleh variabel lain.
• Total Variance Explained
Kemampuan setiap factor mewakili variable-variabel yang dianalisis, ditunjukkan oleh
besarnya varian yang dejelaskan yang disebut eigenvalue. Varian yang dimaksud
adalah verian variable-variabel yang sudah distandarisasi.
6. SYARAT UNTUK MEMBANGUN ANALISIS FAKTOR
Hubungan antar variabel terobservasi harus linear dan nilai korelasi tidak boleh NOL
(artinya harus benar-benar ada hubungannya).
Variabel komponen hipotetis yang disebut faktor ada dua:
(a) COMMON FACTORS
(b) UNIQUE FACTORS
Common faktor selalu dianggap tidak berkorelasi dengan faktor unik. Common faktor
lebih sedikit daripada variabel asli. Unique factors biasanya dianggap sama dengan
jumlah variabelnya.
7. JUMLAH FAKTOR YANG DIEKSTRAK
Analisis faktor akan mengusulkan jumlah factor sebanyak jumlah variable yang
dilibatkan. Namun jumllah variable yang valid pasti lebih kecil daripada jumlah variable
input karena dengan analisis faktor kita mencari sejumlah faktor yang mewakili variabel-
variabel input. Pertanyaannya berapa jumlah faktor yang valid.
Menurut Maholtra jumlah faktor yang valid dapat didasarkan pada :
• Kebutuhan sendiri
Umumnya computer menyediakan pilihan berapa jumlah faktor yang kita butuhkan.
Kalau pilihan tersebut tidak direspon, otomatis program akan menentukan sendiri
jumlah faktor yang valid. Namun, sekalipun ditentukan sendiri, jumlah faktor yang
ditentukannya selalu memenuhi kreteria yang diajukan oleh teori.
• Eigenvalue
Jumlah varian yang dijelaskan oleh setiap faktor. Hanya eigenvalue ≥ 1 dianggap
valid sehingga dimasukkan dalam model. Sebaliknya factor yang eigenvaluenya < 1
tidak valid.
• Scree Plot
Dengan Scree Plot, kita dapat melihat pola penurunan eigenvalue. Perhatikan garis
penghubung nilai-niali eigenvalue. Kalau setelah sebuah faktor mengalami penurunan
tajam, maka faktor yang valid hanya sampai faktor itu.
8. INTERPRETASI FAKTOR
Setelah diperoleh sejumlah factor yang valid, selanjutnya kita perlu menginterpretasi
nama factor, mengingat factor merupakan sebuah konstruk menjadi berarti kalau dapat
diartikan. Interpretasi factor dapat dilakukan dengan mengetahui variable-variabel yang
membentuknya. Interpretasi nama factor didasarkan variable apa yang diwakilinya.
Interpretasi dilakukan dengan judgement. Karena sifatnya subyektif, hasil bias berbeda jika
interpretasi dilakukan oleh orang lain.
• Surrogate Variable
Jika ada dua factor, pakailah dua variable, satu variable mewakili satu factor. Di
antara X1, X2, X6, dan X7, mana yang mewakili factor 1? Yang factor loading-nya paling
tinggi, yaitu X2 dengan r = 0,902. Factor 2 diwakili X4 dengan r = 0,930. Kedua variable
pegganti ini disebut surrogate variable.
Pemilihan surrogate variable bukan tanpa masalah. Pertama, kalau dua, tiga atau
beberapa variable memiliki factor loading yang sama atau sedikit berbeda, pemilihan
surrogate variable menjadi sulit.
Contoh, untuk factor 1, X2 (r = 0,902) sebenarnya bersaing dengan X6 (r = 0,901).
Masalah iini bisa diatasi dengan memeriksa mana yang paling mewakili secara teori.
Kedua, dengan mewakilkan satu, dua, atau beberapa variable pada satu variable
pengganti.
Summated Scales
Untuk menggantikan variable-variabel asli, summated scaled merupakan gabungan
dari variable-variabel yang berada pada factor yang sama. Variable-variabel tersebut
digabung dengan dua cara. Pertama, memakai rata-rata semua variable. Kedua, memakai
hasil penjumlahan skor variable-variabel yang berkoalisi.
Hal-hal yang berkait dengan Analisis Faktor :
1. Ragam Variabel Asal (X)
Var(Xi) =
Var(Xi) = +
Komponen disebut komunalitas (comunality) menunjukkan proporsi ragam X yang
dapat dijelaskan oleh p faktor bersama. Komponen merupakan proporsi ragam dari
X yang disebabkan oleh faktor spesifik dan atau galat (error).
2. Faktor Bermakna
Faktor yang dipertimbangkan bermakna :
- Eigen value lebih besar satu ( 1 )
- Keragaman komulatif minimal 75 %
iipii ccc 22
2
2
1 ...
j
ijii ch 22
i
2 h ;
2
ih
i
9. KETERBATASAN ANALISIS FAKTOR
Walaupun tampak canggih, analisis faktor bukan segalanya. Teknik ini tidak
terlepas dari berbagai kelemahan. Keterbatasan utama adalah tingginya subjektivitas
dalam penentuan jumlah faktor, interpretasi setiap faktor, dan pemilihan rotasi.
Keterbatasan lainnya, tidak ada criteria untuk menyatakan bahwa hasil analisis
faktor betul-betul sah. Hasil KMO dan Barlett’s Test saja bisa bertolak belakang.