aplikasi analisis faktor dengan spss bagian 1
DESCRIPTION
go to http://teorionline.wordpress.com/ for more reference'sTRANSCRIPT
APLIKASI ANALISIS FAKTOR DENGAN SPSS VERSI 15.0 BAGIAN 1UJI VALIDITAS FAKTOR
http://teorionline.wordpress.com/
A. PENDAHULUANAnalisis factor merupakan salah satu teknik statistic multivariate. Tujuannya adalah untuk
mengelompokkan data menjadi beberapa kelompok sesuai dengan saling korelasi antar variabel. Pada aplikasi penelitian, analisis factor dapat digunakan untuk mengetahui pengelompokan individu sesuai dengan karakteristiknya, maupun untuk menguji validitas konstruk. Dalam analisis factor, tidak ada variabel dependen dan independen. Proses analisis factor sendiri mencoba menemukan hubungan (interrelationship) antar sejumlah variabel-variabel yang saling dependen dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal.
Contohnya. Ada 8 variabel yang bersifat independen satu dengan yang lain. Dengan analisis factor, 8 variabel tersebut mungkin bisa diringkas menjadi 3 kumpulan variabel baru (new set of variables). Kumpulan variabel tersebut disebut dengan factor, dimana factor tetap mencerminkan variabel-variabel aslinya.
Dalam kegiatan penelitian, analisis factor paling tidak digunakan untuk : 1. Menguji Validitas Konstruk. Salah satu cara untuk menguji validitas konstruk dapat dilakukan
dengan menggunakan analisis factor. Analisis factor akan menampilkan hasil ekstaksi butir-butir pertanyaan menjadi beberapa komponen yang diinginkan peneliti. Prinsip yang digunakan sama yaitu mengelompokkan data berdasarkan interkorelasi antar butir. Sebuah butir / item dinyatakan merupakan pembentuk factor jika nilai korelasinya lebih besar sama dengan (>=) 0,5.
2. Menguji Validitas Faktor. Dalam analisis ini, pengujian dilakukan untuk melihat seberapa besar korelasi antara factor satu dengan yang lain yang menjadi pembentuk variabel. Jika ditemukan korelasi yang cukup kuat diantara factor-faktor pembentuk maka factor tersebut dinyatakan memang sebagai pembentuk variabel. Besarnya matrik korelasi yang lazim digunakan adalah 0,5
Dalam SEM, analisis factor konfirmatory (CFA) ditujukan untuk menguji validitas dan reliabilitas. Atau lebih tepatnya adalah untu menguji konsep teori, atau konstruk, atau laten variabel, yang tidak dapat diobservasi langsung.Dengan demikian, menurut Kusnendi (2008:98), tujuan utama dari CFA adalah untuk mengkonfirmasikan model, yaitu model pengukuran yang perumusannya berasal dari teori. Sesuai dengan itu, maka permasalahan penelitian dalam kerangka CFA paling tidak akan membahas antara lain :
1. Apakah indicator-indikator yang dikonsepsikan secara unidimensional, tepat, dan konsistenn dapat menjelaskan konstruk yang diteliti
2. Indikator-indikator apa yang dominan membentuk konstruk yang diteliti. (pembahasan lebih lanjut mengenai CFA akan dibahas kemudian).
B. STUDI KASUS UJI VALIDITAS FAKTOR
Dari pada bingung dengan berbagai definisi di atas, berikut ini akan ditampilkan contoh aplikasi analisis factor.
Kasus 1.
Variabel yang diuji adalah kepemimpinan transformasional. Konstruk kepemimpinan ini dibentuk dari 5 indikator yaitu Attributed charisma (karisma), Idealized influence (pengaruh ideal), Inspirational motivation (motivasi dan menginspirasi), Intelectual stimulation (stimulasi intelektual), dan Individualized consideration (perhatian terhadap individu).
Sampel berjumlah 101, dan instrument pengumpul data adalah angket terbuka.
Data dapat didownload di sini
Penyelesaian KasusCara melakukan analisis factor adalah : 1. Buka file baru pada SPSS2. Klik Analyze > Dat Reduction > Factor3. Setelah muncul kotak factor analysis, masukkan seluruh faktor ke dalam kotak
“VARIABLES” yang ada disebelah kanan.
Keterangan : KT1 adalah kepemimpinan transformasional factor ke-1, dst
4. Klik DESKRIPTIVES yang ada disebelah kiri bawah kotak dialog.
5. Pilih dengan menandai KMO and Bartlett’s Test of Sphericity serta Anti Image. Kemudian Klik Continue.
6. Klik OK.
Intreprestasi Hasil
KMO and Bartlett's Test
.764
143.757
10
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-Square
df
Sig.
Bartlett's Test ofSphericity
Dari hasil analisis diperoleh nilai Kaiser-Meyer-Olkin Measure of Sampling Adequacy pada kotak KMO and Bartlet’s Test adalah sebesar 0,764. Hasil ini memperlihatkan bahwa instrumen ini valid karena nilai KMO telah melebihi dari 0,5. Disamping itu, dilihat dari nilai Bartlett’s Test menunjukkan nilai 143,757 dengan nilai signifikansi 0,000 sehingga dapat disimpulkan bahwa instrumen ini telah memenuhi syarat valid.
Anti-image Matrices
.588 -.278 -.024 -.135 -.081
-.278 .631 -.105 -.067 .012
-.024 -.105 .593 -.080 -.272
-.135 -.067 -.080 .682 -.149
-.081 .012 -.272 -.149 .578
.750a -.456 -.040 -.214 -.139
-.456 .742a -.172 -.101 .020
-.040 -.172 .756a -.126 -.464
-.214 -.101 -.126 .849a -.238
-.139 .020 -.464 -.238 .739a
X21
X22
X23
X24
X25
X21
X22
X23
X24
X25
Anti-image Covariance
Anti-image Correlation
X21 X22 X23 X24 X25
Measures of Sampling Adequacy(MSA)a.
Selanjutnya, hasil korelasi dari masing-masing faktor tersebut juga tergolong tinggi (> 0,5). Hasil pengujian analisis diketahui bahwa nilai korelasi masing-masing faktor yaitu : karisma 0,750 (KT1), pengaruh Ideal (KT2) 0,742, motivasi inspirasional (KT3) 0,756, Stimulasi Intelektual (KT4) 0,849, dan perhatian Individual (KT5) 0,739. Sehingga berdasarkan hasil pengujian validitas faktor dapat disimpulkan bahwa semua faktor adalah valid sebagai pembentuk variabel kepemimpinan transformasional.
OUTPUT Factor Analysis 1
KMO and Bartlett's Test
.764
143.757
10
.000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-Square
df
Sig.
Bartlett's Test ofSphericity
Anti-image Matrices
.588 -.278 -.024 -.135 -.081
-.278 .631 -.105 -.067 .012
-.024 -.105 .593 -.080 -.272
-.135 -.067 -.080 .682 -.149
-.081 .012 -.272 -.149 .578
.750a -.456 -.040 -.214 -.139
-.456 .742a -.172 -.101 .020
-.040 -.172 .756a -.126 -.464
-.214 -.101 -.126 .849a -.238
-.139 .020 -.464 -.238 .739a
KT1
KT2
KT3
KT4
KT5
KT1
KT2
KT3
KT4
KT5
Anti-image Covariance
Anti-image Correlation
KT1 KT2 KT3 KT4 KT5
Measures of Sampling Adequacy(MSA)a.
Communalities
1.000 .571
1.000 .504
1.000 .565
1.000 .528
1.000 .568
KT1
KT2
KT3
KT4
KT5
Initial Extraction
Extraction Method: Principal Component Analysis.
Total Variance Explained
2.736 54.711 54.711 2.736 54.711 54.711
.853 17.052 71.763
.600 11.993 83.756
.441 8.827 92.584
.371 7.416 100.000
Component1
2
3
4
5
Total % of Variance Cumulative % Total % of Variance Cumulative %
Initial Eigenvalues Extraction Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
Component Matrixa
.755
.710
.752
.727
.754
KT1
KT2
KT3
KT4
KT5
1
Component
Extraction Method: Principal Component Analysis.
1 components extracted.a.