MAKALAH ANALISIS
KOLERASI dan REGRESI
Tentang
ANALISIS FEKTOR
OLEH KELOMPOK
Nama kelompok:
1. Eva kusnita
2. Lailatul fitriani
3. Santi susilawati
SEKOLAH TINGGI
KEGURUAN DAN ILMU PENDIDIKAN
(STKIP) HAMZANWADI
SELONG
2014
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha
Esa, yang mana telah memberikan rahmat dan petunjuk-Nya, sehingga penulis
dapat menyelesaikan panulisan makalah
yang berjudul “Analisis factor”dengan baik
Penulis menyadari berbagai kelemahan dan keterbatasan yang ada, sehingga
terbuka kemungkinan terjadinya kesalahan dalam penulisan makalah ini. Penulis sangat memerlukan kritik
dan saran yang membangun dari para pembaca makalah makalah ini, terutama bapak
dosen dan teman-teman untuk penyempurnaan makalah ini.
Demikianlah yang dapat penulis sampaikan, penulis berharap semoga makalah ini
bermanfaat bagi siapa pun yang membacanya.
DAFTAR ISI
JUDUL................................................................................................................................ i
KATA PENGANTAR........................................................................................................ ii
DAFTAR ISI...................................................................................................................... iii
BAB I PENDAHULUAN
1.1 latar belakang................................................................................................................. 1
1.2 rumusan masalah............................................................................................................ 1
1.3 Tujuan............................................................................................................................ 2
BAB II PEMBAHASAN
2.1 landasan teori ................................................................................................................ 3
2.1.1 konsep analisis factor ................................................................................................. 5
2.1.2 jenis analisis factor...................................................................................................... 5
2.1.3 Fungsi analisis factor.................................................................................................. 6
2.1.4 Langkah-langkah melakukan analisis factor............................................................... 6
2.1.5 Menentukan metode analisis factor........................................................................... 7
2.1.6
penentuan banyaknya factor ...................................................................................... 7
2.1.7
teori analisis factor ..................................................................................................... 11
BAB
III PENUTUP
3.1
kesimpulan .................................................................................................................... 15
BAB I
PENDAHULUAN
1.1
Latar Belakang
Statistik sebagai suatu yang berkenaan dengan data
numerikal sebenarnya sudah banyak digunakan oleh masyarakat, contohnya adalah
untuk menghitung jumlah populasi penduduk, angka kematian, maupun jumlah
kelahiran. Statistik dapat memberikan gambaran, baik gambaran secara khusus
maupun gambaran secara umum tentang suatu gejala, keadaan atau peristiwa dari
waktu ke waktu.
Disini kami akan membahas
tentang analisis factor, dimana analisis factor adalah analisis statistika yang bertujuan
untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai
kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor tersebut
mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal. Prinsip dasar dalam analisis factor adalah menyederhanakan deskripsi
tentang data dengan menguranngi jumlah variable dimensi. Analisis factor memungkinkan peneliti untuk :
1. Menguji ketepatan
model (goodness of fit test) faktor yang terbentuk dari item-item alat ukur
2. Menguji kesetaraan
unit pengukuran antar item
3. Menguji reliabilitas item-item pada tiap factor yang
diukur
4. Menguji adanya invariant item pada populasi
1.2 Rumusan masalah
1. Apa yang dimaksud analisis
factor ?
2. Apa kegunaan dari analisis
factor?
3. Bagaimana cara menentukan
metode yang digunakan untuk mengetahui nilai dari analisis factor ?
4. Seperti apa fungus-fungsi
dari analisis factor tersebut?
5. Berapakah banyak jenis-jenis
analisis factor ?
1.3 Tujuan
untuk
mengetahui seperti apakah analisis factor tersebut dan untuk mengethui hubungan
antar variable dengan melakukan uji korelasi sekaligus untuk mengetahui
metode-metode apa yang digunakan dalam analisis faktor
BAB II
PEMBAHASAN
2.1
Landasan Teori
FACTOR ANALYSIS
Factor analysis explores the interrelationships
and commonalties among a set of variables. More precisely, it explains how the variance common to
interrelated measures can be counted by a smaller number of dimensions with which the variables are correlated. Factor analysis examines a
correlation matrix and isolates the
dimensions that disclose correlation patterns. Researchers use factor analysis
to draw inferences about the construct presented by the dimensions. To repeat,
factor analysis ascertains whether a small number of unobserved variables or
factor explain the interrelationships among a set of observed variables
A factor loading becomes the correlation of a
variables with the factor ( see Isaac & Michael, 1981, p. 202). factor
loadings range from -1.00 to + 1.00, similar to correlation coefficients. A set
of factor shoult contain highly positive or negative loadings for the concepts
under investigation. The operational definition of concepts , and their
transltion into something measurable and demonstrating construct validity (see
Hernon & McCure , 1990, Chapter 5),
guide the use and interpretation of factor analysis (Isaac & Michael,
1981,p. 202). Both theory and the literature influence the development of
definition and the formation of a smaller number of dimensions
Factor analysis is a complex statistical
procedure to compute. Computer technology has opened up new approaches and
developments in the use of factor analysis. It is now easier to manipulate data
in machine-readable form that it is to perform long complex calculations by hand
or with the aid of a pocket calculator. The danger, however, is that
researchers might let the dataset dictate the use of statistical tests and the
interpretation of the findings
Example
According to Van House and Children (1990, p.
132), librarians might raise three questions regarding library effectiveness :
What is an effective library?
How do we know effectiveness when we see it?
What makes a library effective?
To these questions, we might add :
How do we measure effectiveness within an
acceptable level of sampling and nonsampling error?
How time-consuming is data collection?
ANALISIS FAKTOR
analisis faktor
mengeksplorasi keterkaitan dan commonalties antara variabel set. lebih
tepatnya, itu menjelaskan bagaimana varians umum untuk langkah-langkah yang
saling terkait dapat caunted oleh sejumlah kecil dimensi dengan mana variabel
tersebut berkorelasi. analisis faktor memeriksa matriks korelasi dan terisolasi
dimensi yang mengungkapkan pola korelasi. peneliti menggunakan analisis faktor
untuk menarik infrances tentang konstruk disajikan oleh dimensi. untuk
mengulang, analisis faktor memastikan apakah sejumlah kecil variabel teramati
atau faktor menjelaskan keterkaitan antara satu set variabel yang diamati.
loading factor menjadi korelasi dari variabel dengan faktor (lihat Ishak dan michael, 1981, hal. 202). faktor loadings berkisar dari - 1,00-1,00, mirip dengan koefisien korelasi. serangkaian faktor harus mengandung beban yang sangat positif atau negatif bagi konsep dalam penyelidikan. definisi opertional konsep, dan terjemahan mereka menjadi sesuatu yang terukur dan menunjukkan validitas konstruk (lihat Hernon dan McClure, 1990, bab 5). panduan penggunaan dan interpretasi analisis faktor (lihat Ishak dan michael, 1981, hal. 202). teori dan literatur mempengaruhi perkembangan definisi dan pembentukan sejumlah kecil dimensi.
analisis faktor adalah prosedur statistik Compleks untuk menghitung. teknologi komputer telah membuka upproaches baru dan perkembangan dalam penggunaan analisis faktor sekarang lebih mudah untuk memanipulasi data dalam mesin-dibaca dari maka itu adalah untuk melakukan perhitungan yang panjang dan rumit dengan tangan atau dengan bantuan kalkulator saku. bahaya. bagaimanapun, adalah bahwa peneliti mungkin membiarkan dataset mendikte penggunaan tes statistik dan interpretasi temuan.
loading factor menjadi korelasi dari variabel dengan faktor (lihat Ishak dan michael, 1981, hal. 202). faktor loadings berkisar dari - 1,00-1,00, mirip dengan koefisien korelasi. serangkaian faktor harus mengandung beban yang sangat positif atau negatif bagi konsep dalam penyelidikan. definisi opertional konsep, dan terjemahan mereka menjadi sesuatu yang terukur dan menunjukkan validitas konstruk (lihat Hernon dan McClure, 1990, bab 5). panduan penggunaan dan interpretasi analisis faktor (lihat Ishak dan michael, 1981, hal. 202). teori dan literatur mempengaruhi perkembangan definisi dan pembentukan sejumlah kecil dimensi.
analisis faktor adalah prosedur statistik Compleks untuk menghitung. teknologi komputer telah membuka upproaches baru dan perkembangan dalam penggunaan analisis faktor sekarang lebih mudah untuk memanipulasi data dalam mesin-dibaca dari maka itu adalah untuk melakukan perhitungan yang panjang dan rumit dengan tangan atau dengan bantuan kalkulator saku. bahaya. bagaimanapun, adalah bahwa peneliti mungkin membiarkan dataset mendikte penggunaan tes statistik dan interpretasi temuan.
Contoh
Menurut Van House dan Children (1990, p. 132), pustakawan harus
memunculkan tiga pertanyaan mengenai keefektifan perpustakaan.
a)
Apa hasil atau kesan pada sebuah perpustakaan ?
b)
Bagaimana kita tahu keefektifan, kapan kita menikmati
hasilnya ?
c)
Apa yang membuat sebuah perpustakaan efectif ?
Untuk pertanyaan-pertanyaan ini, kita harus
menambahkan
a)
Bagaimana kita mengukur keefektifan dalam sebuah
sampel yang dapat diterima dan sampel yang eror?
b)
Berapa waktu yang dihabiskan untuk mengeoleksi data?
2.1.1.KONSEP ANALISIS FAKTOR
Analisis
factor adalah salah satu teknik statistic yang digunakan untuk memberikan
deskripsi yang relative sederhana melalui reduksi jumlah peubah yang disebut
factor. Analisis factor adalah prosedur untuk mengidentifikasi item atau
variable berdasarkan kemiripanny. Kemiripan tersebut ditujukan dengan nilai
korelasi yang tinggi. Item-item yang memiliki korelasi yang tinggi akan
membentuk satu kerumunan factor. Prinsip dasar dalam
analisis factor adalah menyederhanakan deskripsi tentang data dengan menguranngi
jumlah variable dimensi
adapun definisi yang lain tentang
analisis factor
Analisis faktor adalah analisis statistika yang bertujuan
untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai
kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor tersebut
mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal.
Analisis factor memungkinkan peneliti untuk :
5.
Menguji ketepatan model (goodness of fit test) faktor
yang terbentuk dari item-item alat ukur
6.
Menguji kesetaraan unit pengukuran antar item
7.
Menguji reliabilitas
item-item pada tiap factor yang diukur
8.
Menguji adanya
invariant item pada populasi
2.1.2.JENIS
ANALISIS FAKTOR
a) Analisis Factor Eksploratori
( Exploratory Faktor Analysis)
Seorang peneliti membuat
seperangkat item yang mengukur kualitas pelayanan bank. Item tersebut merupakan
operasionalisasi dari teori dan indicator mengenai kualitas layanan. Peneliti
hendak mengidentifikasi berapa factor yang ada di dalam seperangkat item tersebut.
Dari analisis factor kemudian didapatkan 4 faktor yang menggambarkan kualitas
layanan bank, antara lain factor fitur layanan, fasilitas gedung, keramahan
karyawan, serta jaminan keamanan
b) Analisis Faktor Konfirmatori
(Confirmatory Faktor Analysis)
Seorang peneliti merancang
sebuah alat ukur mengenai dukungan social. Alat ukur tersebut berisi
seperangkat item yang ditururnkan dari lima dimensi dukungan social. Peneliti
berusaha memastikan apakah alat ukur yang dibuatnya benar-benar menjelaskan
kelima dimensi tersebut. Ia kemudian melakukan analisis factor konfirmatori.
Hasil dari analisis factor menunjukkan bahwa pembagian kelima factor akhirnya
dibuktikan
Pada dasarnya tujuan
analisis faktor adalah :
1. Data Summarization,
yakni mengidentifikasi adanya hubungan antar variabel dengan melakukan uji
korelasi.
2. Data Reduction, yakni setelah
melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang
dinamakan faktor untuk menggantikan sejumlah variabel tertentu.
2.1.3.FUNGSI ANALISIS FAKTOR
Analisis
factor memiliki fungsi penting dalam pengembangan alat ukur. Beberapa fungsi
tersebut antara lain sebagai berikut :
a)
Pengujian
Dimensionalitas Pengukuran
Dimensionalitas Pengukuran adalah banyaknya atribut
yang diukur oleh sebuah alat ukur. Alat ukur yang unidimensi mengukur satu
atribut psikologis saja sedangkan alat ukur yang multidimensi mengukur lebih
dari sati atribut ukur. Pengukuran dalam bidang psikologi didominasikan oleh pengukuran unidimensi karena alat ukur
yang dikembangkan peneliti psikologi biasanya mengukur atribut kecemasan saja
dan tidak mengukur atribut yang lain. Untuk mengetahui apakah alat ukur yang
dikembangkan oleh peneliti mengukur satu atribut atau banyak atribut diperlukan
nalisis factor
b)
Pengujian Komponen
atau Aspek dalam Alat Ukur
Penyusunan alat ukur psikologi biasaya diawali dari
penurunan konsep menjadi komponen atau aspek konsep sebelum diturunkan menjadi
item berupa pertanyaan skala. Untuk mengidentifikasi apakah item-item yang
diturunkan dari komponen alat ukur mewakili komponen tersebut maka diperlukan
analisis factor. Analisis factor juga dapat menunjukkan apakah antara komponeen
memiliki keterkaitan ataukah tidak ( independen)
2.1.4.LANGKAH-LANGKAH MELKUKAN ANALISIS FAKTOR
Melakukan
uji korelasi antar variable asal dengan tujuan agar penyusutan variabelanalisis
factor menjadi lebih sederhana dan bermanfaat, tanpa kehilangan banyak
informasi sebelumnya
1.
Uji kelayakan data (
menggunakan basis factor) apakah cocock dilakukan analisis factor
2.
Mencari akar cirri
dan matriks ∑ atau R
3.
Mengurutkan akar
cirri yang terbentuk dari terbesarsampai terkecil
4.
Mencari proporsi
keragaman atau berguna untuk mengetahui berapa factor yang akan terbentuk
5.
Mengalokasikan setiap
variable asal kedalam factor sesuai dengan nilai loading
6.
Apabila terdapat
nilai loading yang idebtik atau hampir sama maka lakukan rotasi baik
dengan cara orthogonal ataupun non
ortogonal .
setelah yakin
dengan factor yang terbentuk, maka berikan penamaan pada factor tersebut
dengan cara melihat variable-variabel apa saja yang menyusun factor tersebut
2.1.5.MENENTUKAN
METODE ANALISIS FAKTOR
Terdapat
dua cara yang dapat dipergunakan dalam analisis factor khususnya koefisien skor
factor, yaitu principal component dan common factor analysis
1.
principal component
jumlah varian dalam data dipertimbangkan. Diagonal
matrik korelasi terdiri dari angka satu dan full variance dibawa dalam matriks
factor. principal component direkomendasikan jika hal yang pokok adalah
menentukan bahwa banyaknya factor harus minimum dengan memperhitungkan varians maksimum dalam data
untuk dipergunakan di dalam analysis bmultivariate lebih lanjut
2.
.
Common factor analysis
Faktor diestimasi hanya
didasarkan pada common variance, communalities dimasukkan dalam matrik
korelasi. Metode ini dianggap tepat jika tujuan utamanya
mengenali/mengidentifikasi dimensi yang mendasari dan common variance yang
menarik perhatian.
2.1.6.PENENTUAN BANYAKNYA FAKTOR
Maksud melakukan analysis faktor adalah mencari variable baru yang disebut faktor yang tidak saling berkorelasi, bebas satu sama lain, lebih sedikit dari variable asli, tapi dapat menyerap sebagian besar informasi yang terkandung dalam variable asli atau yang dapat memberikan sumbangan terhadap varian seluruh variable. Lalu berapa faktor yang perlu disajikan? Ada beberapa cara;
Maksud melakukan analysis faktor adalah mencari variable baru yang disebut faktor yang tidak saling berkorelasi, bebas satu sama lain, lebih sedikit dari variable asli, tapi dapat menyerap sebagian besar informasi yang terkandung dalam variable asli atau yang dapat memberikan sumbangan terhadap varian seluruh variable. Lalu berapa faktor yang perlu disajikan? Ada beberapa cara;
1.
Penentuan Apriori
Kadang karena peneliti
sebelumnya sudah mengetahui berapa faktor yang digunakan maka kita akan
menentukan dulu berapa faktor yang akan digunakan.
2.
Penentuan Berdasar Eigenvalue
Faktor dengan eigenvalue
lebih besar dari satu yang dipertahankan jika lebih kecil dari satu faktornya
tidak diikutsertakan dalam model. Suatu eigenvalue menunjukkan besar sumbangan
dari faktor terhadap varian seluruh variable asli. Hanya faktor dengan varian
lebih dari 1 yang dimasukkan dalam model. Faktor dengan varian kurang dari 1
tidak baik karena variable asli telah dibakukan yang berarti rata-ratanya 0 dan
variansnya 1. Bila banyak variable asli asli kurang dari 20 pendekatan ini
menghasilkan sejumlah faktor yang konservatif.
3.
Penentuan Berdasar Screeplot
Dapat dilihat dari grafik
screeplot dimana scree mulai terjadi menunjukkan banyak faktor yang benar,
tepatnya ketika scree mulai mendatar. Kenyataan menunjukkan bahwa penentuan
banyaknya faktor dengan screeplot akan mencapai satu atau lebih banyak dari
penentuan dengan eigenvalue.
4.
Penentuan Didasarkan pada Presentase Varian
Banyak faktor diekstraksi
ditentukan sedemikian rupa sehingga kumulatif presentase varian yang
diekstraksi oleh faktor mancapai suatu level tertentu yang memuaskan. Ekstraksi
faktor dihentikan jika kumulatif presentase varian sudah mencapai paling
sedikit 60% atau 75% dari seluruh varian variable asli.
Model analisis faktor adalah :
X1 = c11 F1
+ c12 F2 + c13 F3 + ... + c1m
Fm + έ
X2 = c21 F1
+ c22 F2 + c23 F3 + ... + c2m
Fm + έ 2
X3 = c31 F1
+ c32 F2 + c33 F3 + ... + c3m
Fm + έ 3
...
Xp = cp1 F1
+ cp2 F2 + cp3 F3 + ... + cpm
Fm + έ p
atau
(p x 1) (p x m) (m x1)
dan
X1, X2,..., Xp
adalah variabel asal
F1, F2,..., Fm adalah
faktor bersama (common factor)
cij adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j
έ έ2 .........έ
p adalah error
Hubungan antara varians variabel
asal dengan, varians faktor dan varians error
adalah sebagai berikut :
var(Xi)= varians yang
dijelaskan oleh faktor untuk variabel asal ke-i + var(error)
= communality
+ specific variance
= 
= 
Besarnya bobot cij dapat
diduga dengan menggunakan metode komponen utama ataupun kemungkinan maksimum (maximum likelihood). Metode komponen
utama terbagi menjadi dua metode yaitu non-iteratif dan iteratif. Nilai dugaan
cij yang diperoleh dengan metode non-iteratif adalah :
atau 
untuk variabel
asal yang dibakukan dan
adalah bobot (loading)
dari variabel asal ke-i pada faktor
ke-j
adalah koefisien variabel asal ke-i untuk komponen utama ke-j
adalah eigen value
untuk komponen utama ke-j
adalah simpangan baku (standard of deviation) variabel asal ke-j
Algoritma untuk metode komponen
utama iteratif adalah sebagai berikut :
Mulai
Tentukan nilai awal communality
untuk seluruh variabel asal (
,
i=1,...,p), 
,
i=1,...,p),
Ganti nilai diagonal matriks
korelasi dengan nilai (
)
()
Tentukan nilai eigen-value dan eigen-vector dari
matriks korelasi
Tentukan nilai bobot (loading)
Temtukan nilai communality 
Jika nilai communality pada dua iterasi terakhir dianggap sama maka pergi ke 9
Pergi ke 3
Selesai
Untuk kepentingan intepretasi,
seringkali diperlukan untuk memberi nama masing-masing faktor sesuai dengan
besar harga mutlak bobot . Diharapkan setiap variabel asal hanya dominan di
salah satu faktor saja (Nilai harga mutlak bobot variabel asal mendekati 1 di
salah satu faktor dan mendekati o untuk faktor lainnya). Harapan ini
kadang-kadang tidak dapat dipenuhi, untuk mengatasi hal ini diperlukan rotasi
dari matriks bobot C. Beberapa macam teknik rotasi yang tersedia di program
paket statistika adalah : varimax,
quartimax, equamax, parsimax (MINITAB). Formula untuk masing-masing rotasi
i ni adalah :
. Diharapkan setiap variabel asal hanya dominan di
salah satu faktor saja (Nilai harga mutlak bobot variabel asal mendekati 1 di
salah satu faktor dan mendekati o untuk faktor lainnya). Harapan ini
kadang-kadang tidak dapat dipenuhi, untuk mengatasi hal ini diperlukan rotasi
dari matriks bobot C. Beberapa macam teknik rotasi yang tersedia di program
paket statistika adalah : varimax,
quartimax, equamax, parsimax (MINITAB). Formula untuk masing-masing rotasi
i ni adalah :
|
Rotasi
|
0
|
Quartimax
|
1
|
Varimax
|
m/2
|
Equamax
|
 |
Parsimax
|
Matriks bobot hasil rotasi (C*)
dapat dinyatakan sebagai C*=CT, T adalah matriks transformasi.
Besarnya skor faktor dapat
dinyatakan sebagai :
, j=1,...,n
Variabel asal (density,
urban, lifeexpf, lifeexpm, literacy, babymort, gdp_cap) dapat dinyatakan
dalam kombinasi linear faktor 1 dan faktor 2 sebagai berikut :
Nilai communality untuk
density adalah : 0.5932
+(-0.723)2 = 0.874 yang berarti faktor1 dan faktor2 mampu
menjelaskan sebesar 87.4 % keragaman data yang dijelaskan oleh variabel density.
Dari harga mutlak nilai bobot tiap variable pada tiap
faktor, dapat diintepretasikan bahwa faktor 2 adalah faktor kepadatan penduduk
dan faktor 1 adalah faktor urbanisasi dan kualitas penduduk. Kualitas penduduk
semakin baik dicirikan oleh semakin
tingginya lifeexpf, lifeexpm, literacy,
gdp_cap dan semakin rendahnya babymort.
Dari contoh ini terlihat bahwa analisis faktor dapat digunakan untuk tujuan
pengelompokan variabel. Hasil pengelompokan variabel dengan menggunakan
analisis faktor ini sesuai dengan hasil pengelompkam variabel dengam
menggunakan metode single-linkage.
2.1.7.TEORI ANALISIS FAKTOR
Suatu teori empiris, yakni tehnik analisis
faktor, dan pendirian teoritis yang perkembangannya
sangat tergantung pada penggunaan metode tersebut,yakni teori kepribadian dari Raymond B.
Cattell. Para teoritis lain yang berkecimpung dibidang kepribadian telah pula
menggunakan tehnik ini; H.J Eysenck, J.P Guilford, Cyril Burt,L.L Thurstone dan
W. Stephenson termasuk dalam jajaran para pelopor yang penting. Akan tetapi teori Cattell
merupakan teori kepribadian yang paling komprehensif dan yang paling tuntas dikembangkan
berdasarkan analisi faktor. Seorang
psikolog inggris terkemika dan yang menjadi sangat terkenal karena karyanya tentang
kemampuan-kemampuan mental ( Spearman,1927). Ia berpendapat bahwa jika kita menyelidiki
dua tes kempuan yang paling berhubungan, maka kita bisaberharap menemukan dua
macam faktor yang ikut menentukan performans pada dua testersebut pertama,
terdapat faktor umum dan yang kedua terdapat faktor khusus. Metodeanalisis
faktor dikembangkan sebagai sarana untuk menentukan adanya faktor-faktor umum dan membantu untuk
mengenalinya. Analisis faktor dewasa ini memberikan tekanan khusus pada
faktor-faktor kelompok ini.Suatu pemahaman terinci tentang analisis faktor
tidak terlalu diperlukan untuk tujuan pemaparan dalam bab ini; akan tetapi
penting bahwa pembaca menyadari logika umum
yang melatar belakangi
tehnik tersebut. Teoritikus faktor biasanya memulai penelitian tentang tingkah laku dengan sejumlah besar
skor untuk masing-masing dari sejumlah
besar subyek. Idealnya, pengukuran-pengukuran ini harus mencakup bermacam-macam aspek
tingkah laku.
Berdasarkan indeks-indeks kasar ini, penelitian kemudian memakai tehnik
analisis faktor untuk menentukan faktor-faktor pokok atau mengontrol variasi pada
variabel-variabel permikaan tersebut.Hasil analisis faktor tidak hanya mengisolasikan
faktor-faktor fundamental, tetapi juga memberikan pengukuran dan kumpulan
skor sutu taksiran tentang sejauh manakah pengukuran
dari masing-masing faktor. Taksir ini biasanya disebut muatan faktor (
factor loading
) atau serapan (
saturation) dari suatu pengukuran dan menunjukan seberapa banyak variasi pada suatu
pengukuran tertentu disebabkan oleh masing-masing dari antara faktor-faktor
tersebut. Faktor-faktor hanya merupakan usaha untuk merumuskan
A. Asumsi
yang harus dipenuhi pada Analisis Faktor :
Oleh karena prinsip utama Analisis Faktor
adalah korelasi, maka asumsi-asumsi terkait dengan korelasi:
a)
Besar KORELASI atau korelasi antar independen
variabel harus cukup kuat, di atas 0,5.
b)
Besar Korelasi Parsial, korelasi antar dua
variabel dengan menganggap tetap variabel yang lain, justru harus kecil. Pada
SPSS, deteksi terhadap korelasi parsial diberikan lewat pilihan ANTI-IMAGE
CORRELATION.
c)
Pengujian seluruh matrik
korelasi (korelasi antar variabel), yang diukur dengan besaran BARTLETT TEST OF
SPHERICITY atau MEASURE SAMPLING ADEQUACY (MSA). Pengujian ini mengharuskan
adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.
d)
Pada beberapa kasus, asumsi
NORMALITAS dari variabel-variabel atau faktor yang terjadi sebaiknya dipenuhi.
Secara garis besar, tahapan pada analisis
faktor :
1. Menentukan
variabel apa saja yang akan dianalisis. Jika nilai-nilai dalam masing-masing
variabel sangat bervariasi dalam satuan, dalam artian ada variabel
(data) dengan satuan Ratusan Ribu (misal Gaji), sampai satuan Jumlah di bawah
10 (misal Jumlah anak). Perbedaan yang sangat mencolok akan menyebabkan bias
dalam Analisis Faktor sehingga data asli harus ditransformasi (standardisasi)
sebelum bisa dianalisis. Proses standardisasi data bisa dilakukan dengan
mentransformasi data ke bentuk z-Score. SPSS : Analyze >
Descriptives Statistics > Descriptives… Lalu masukkan semua variabel ke
kotak VARIABLE(S), kemudian aktifkan Save Standardized values as variables
> OK. Variable yang akan dianalisis kemudian adalah variable yang
berawalan huruf z.
2. Menguji variabel tersebut agar menjadi
variabel yang layak dimasukkan dalam analisis faktor.
3. Setelah sejumlah variabel terpilih, maka
dilakukan proses factoring, atau ‘ekstraksi’ variabel tersebut hingga
menjadi satu atau beberapa faktor. Beberapa metode pencarian faktor yang
populer adalah Principal Componen dan Maximum Likelihood.
4. Faktor yang terbentuk, pada banyak kasus,
kurang menggambarkan perbedaan diantara faktor – faktor yang ada. Untuk itu,
jika isi faktor masih diragukan, dapat dilakukan Factor Rotation untuk
memperjelas apakah faktor yang terbentuk sudah secara signifikan berbeda dengan
faktor lain. Beberapa metode Rotasi :
Ø Orthogonal Rotation, yakni memutar sumbu 90o.
Perotasian secara ortogonal dilakukan dengan tetap mempertahankan keortogonalan
faktor – faktor yang berimplikasi pada ada tidaknya perbedaan antara pattern
dengan bobot terstruktur. Hasil perotasian ini tidak akan menyebabkan perubahan
proporsi keragaman peubah yang dijelaskan oleh m faktor bersama (Sharma, 1996).
Beberapa rotasi yang termasuk rotasi ortogonal adalah rotasi Varimax,
Quartimax, Equamax dan Parsimax.
Ø Oblique Rotation, yakni memutar sumbu ke
kanan, namun tidak harus 90o. Pada rotasi non-ortogonal (oblique)
diasumsikan bahwa faktor – faktor yang dihasilkan saling berkorelasi. Beberapa
rotasi yang termasuk oblique adalah rotasi Promax, Procustes, dan
Harris-Kaiser.
5. Interpretasi faktor yang telah terbentuk,
khususnya memberi nama atas faktor yang terbentu, yang dianggap bisa mewakili
variabel-variabel anggota faktor tersebut.
6. Validasi faktor dimaksudkan untuk
mengetahui apakah hasil analisis factor tersebut bisa digeneralisasikan ke
populasi. Seperti jika pada kasus faktor – faktor yang mempengaruhi motivasi
kerja karyawan, dari 100 sampel yang ada kemudian didapat 2 faktor. Uji
validasi akan menentukan apakah jika demikian, faktor – faktor yang
mempengaruhi motivasi kerja karyawan dari semua orang (tentu jauh lebih besar
dari 100 sampel) tersebut juga bisa direduksi menjadi dua faktor seperti pada
sampel. Validasi bisa dilakukan dengan berbagai cara, seperti:
7. Membagi sampel awal menjadi dua bagian,
kemudian membandingkan hasil faktor sampel satu dengan sampel dua. Jika hasil
tidak banyak perbedaan, bisa dikatakan faktor yang terbentuk telah valid
8. Dengan
melakukan metode Confirmatory Factor Analysis (CFA) dengan cara Structural
Equation Modelling. Proses ini bisa dibantu dengan software khusus seperti LISREL.
Dari dua cara di atas yang paling praktis
digunakan adalah dengan menguji kestabilan factor yang telah terbentuk. Untuk
mengetahui kestabilan tersebut, sampel yang ada akan dipecah (split) menjadi
dua bagian, dan kemudian setiap bagian akan diuji dengan analisis faktor.
Kemudian masing – masing hasil diperbandingkan, dengan ketentuan, jika sebuah
factor stabil, maka hasil – hasil yang ada relatif tidak jauh berbeda, baik
jumlah factor atau angka – angkanya.
Pembuatan factor scores yang akan
berguna jika akan dilakukan analisis lanjutan, seperti analisis regresi,
analisis diskriminan atau lainnya.
B. Jumlah
sampel (sample size) yang ideal untuk proses Analisis Faktor
Secara umum, jumlah sampel yang dianjurkan
adalah antara 50 sampai 100 sampel. Atau bisa dengan patokan rasio 10:1, dalam
arti untuk 1 variabel seharusnya ada 10 sampel, sehingga jika ada 10 variabel,
minimal seharusnya ada 100 sampel.
C. Pemodelan
Analisis Faktor
Secara matematis, analisis faktor menyerupai
regresi ganda, dimana setiap variabel direpresentasikan sebagai kombinasi
linier dari faktor-faktor yang diperoleh dari hasil pengolahan data.
Masing-masing faktor dapat diekspresikan dengan persamaan sebagai berikut :
F1 = Wi1X1 +
Wi2X2 + ….. +WikXk
Dimana,
F1 adalah faktor
Wi adalah bobot variabel terhadap
faktor
X adalah variabel
k adalah jumlah variabel
D. Metode
untuk menentukan jumlah faktor
a)
Penentuan di awal (apriori
determination)
Jumlah faktor yang akan diambil telah
ditentukan sendiri oleh peneliti.
b)
Penentuan berdasarkan nilai
Eigen (determination based on Eigen value)
Nilai Eigen menunjukkan jumlah variasi yang
berhubungan pada suatu faktor. Setiap variabel memeiliki nilai Eigen ≥ 1
sehingga faktor yang nilai Eigennya<1 tidak dipakai.
c)
Penentuan berdasarkan scree
plot (determination based on scree plot)
Scree plot adalah grafik yang menunjukkan
relasi antara faktor dengan nilai Eigennya. Bentuk scree plot digunakan untuk
menentukan jumlah faktor yang diambil. Pada umumnya batas jumlah faktor yang
diambil ditandai dengan slope yang sangat tajam antara faktor yang satu dengan
faktor berikutnya.
d)
penentuan berdasarkan
persentase variance (determination based on % variance).
Jumlah faktor yang diambil ditentukan
berdasarkan jumlah kumulatif variasi yang telah dicapai. Jumlah kumulatif
variasi ini subyektif terhadap masalah yang sedang diteliti
BAB 111
PENUTUP
3.1 kesimpulan
Dari uraian di atas dapat
disimpulkan bahwa dalam analisis korelasi dan regresi mengenai analisis factor
adalah Analisis factor adalah salah satu teknik statistic yang digunakan untuk
memberikan deskripsi yang relative sederhana melalui reduksi jumlah peubah yang
disebut factor. Analisis factor adalah prosedur untuk mengidentifikasi item
atau variable berdasarkan kemiripanny. Kemiripan tersebut ditujukan dengan
nilai korelasi yang tinggi. Item-item yang memiliki korelasi yang tinggi akan
membentuk satu kerumunan factor. Prinsip dasar dalam
analisis factor adalah menyederhanakan deskripsi tentang data dengan
menguranngi jumlah variable dimensi.
Dalam
analisis factor juga terdapat Suatu teori empiris, yakni
tehnik analisis faktor, dan pendirian teoritis yang perkembangannya sangat
tergantung pada penggunaan metode tersebut,yakni teori kepribadian dari Raymond B.
Cattell. Para teoritis lain yang berkecimpung dibidang kepribadian telah pula
menggunakan tehnik ini; H.J Eysenck, J.P Guilford, Cyril Burt,L.L Thurstone dan
W.
DAFTAR PUSTAKA
Jumat.14.03.2014 WWW//ANALISIS FAKTOR//google
Van House dan
Children (1990, p. 132) ANALISIS CORELASI AND REGRESI