Anda di halaman 1dari 26

PENDAHULUAN

MEREDUKSI DATA (EKSPLORATORI) Proses meringkas sejumlah variabel menjadi lebih sedikit atau menjadi satu atau beberapa faktor MENGKONFIRMATORI TEORI ATAU KONSEP Apakah variabel terukur mampu menjelaskan variabel yang dibentuk UKURAN DATA Data berskala interval atau rasio atau variabel dummy Ukuran sampel 50, lebih baik di atas 100 Jumlah sampel minimum 5 kali jumlah variabel atau 10 kali jumlah variabel

MEREDUKSI DATA (EKSPLORATORI)


Proses meringkas sejumlah variabel menjadi lebih sedikit atau menjadi satu atau beberapa faktor
VARIABEL

VARIABEL

TUJUAN VARIABEL ANALISIS FAKTOR

VARIABEL

VARIABEL

VARIABEL

FAKTOR B

FAKTOR A

MENGKONFIRMATORI TEORI ATAU KONSEP


Apakah variabel terukur mampu menjelaskan variabel yang dibentuk

UKURAN DATA

Data berskala interval atau rasio atau variabel dummy


Ukuran sampel 50, lebih baik di atas 100 Jumlah sampel minimum 5 kali jumlah variabel atau 10 kali jumlah variabel

Langkah-langkah
Analyze Data reduction Factor

Blok semua variabel, pindahkan ke kolom

variables Klik descriptives, centang semua menu pada correlation matrix, klik rotation, pilih varimax, abaikan yang lain, klik OK.

Contoh 13.1

IDENTIFIKASI VARIABEL

MEMILIH VARIABEL
MENENTUKAN JUMLAH FAKTOR EKSTRAKSI FAKTOR

ROTASI FAKTOR
MEMBERI NAMA FAKTOR

TAHAPAN ANALISIS FAKTOR


1. IDENTIFIKASI VARIABEL Variabel yang direduksi ke dalam faktor hendaknya berdasarkan teori atau penelitian terdahulu

CONTOH 13.1
Analisis 1

1. IDENTIFIKASI VARIABEL
Ada 8 variabel yang dipertimbangkan seseorang untuk menjadi nasabah suatu bank, yaitu : 1. yantel 7. parkir yang aman 2. yanpam 8. tersedianya ATM 3. yamkon 4. tingkat suku bunga 5. produk yang ditawarkan 6. ruang tunggu yang nyaman

TAHAPAN ANALISIS FAKTOR


2. MEMILIH VARIABEL
Harus ada korelasi yang kuat diantara variabel yang akan

dikelompokkan Jika ada variabel berkorelasi lemah dengan variabel lainnya akan dikeluarkan Alat yang digunakan : KMO (Kaiser-Meyer-Olkin) dan Bartletts test (KMO > 0,5) Tabel Anti Image matrices, khususnya Anti Image Correlation (arah diagonal dengan angka berpangkat a) = MSA. jika ada angka < 0,5, maka pilih variabel dengan angka terkecil untuk dikeluarkan Langkah ini diulangi setelah mengeluarkan variabel yang korelasinya < 0,5 sampai menemukan semua nilai variabel > 0,5

CONTOH 13.1
2. MEMILIH VARIABEL
Dari hasil pengolahan data pada Tabel KMO dan

Bartletts test, nilai KMO Measure of Sampling Adequacy adalah 0,583. Oleh karena angka ini > 0,5 dan dilihat dari Bartletts test, nilai chi square = 181,741 dan signifikansinya 0,000 maka kumpulan variabel tersebut dapat diolah lebih lanjut Pada Tabel Anti-Images Matrices khususnya Anti Images Correlation terlihat ada 3 variabel yang nilainya < 0,5. Oleh karena variabel bunga memiliki MSA < 0,5 yang paling kecil maka variabel ini dikeluarkan

TAHAPAN ANALISIS FAKTOR


2. MEMILIH VARIABEL Selain lihat nilai MSA, dapat dilihat juga pada Tabel Communalities Tabel Comunalities digunakan untuk mengetahui seberap besar varians variabel dapat dijelaskan oleh faktor yang terbentuk Semakin kecil communalities suatu variabel, berarti semakin rendah hubungannya dengan faktor yang terbentuk Jika ada variabel yang nilai communalitiesnya < 0,5, maka variabel tersebut dikeluarkan dan analisis akan diulang dari awal lagi

CONTOH 13.1
Analisis 2
1. IDENTIFIKASI VARIABEL Setelah dianalisis ternyata ada 1 variabel yang dikeluarkan shg tdk diikutkan dlm analisis selanjutnya, yaitu variabel bunga. Jadi sekarang ada 7 variabel yg dipertimbangkan seseorang untuk menjadi nasabah suatu bank, yaitu : 1. yantel 6. parkir yang aman 2. yanpam 7. tersedianya ATM 3. yamkon 4. produk yang ditawarkan 5. ruang tunggu yang nyaman

CONTOH 13.1
2. MEMILIH VARIABEL
Dari hasil pengolahan data pada Tabel KMO dan Bartletts test, nilai KMO Measure of Sampling Adequacy adalah 0,625. Oleh karena angka ini > 0,5 dan dilihat dari Bartletts test, nilai chi square = 153,206 dan signifikansinya 0,000 maka kumpulan variabel tersebut dapat diolah lebih lanjut Pada tabel Anti-Images Matrices, khususnya Anti Images Correlation terlihat ada variabel yang nilainya < 0,5, yaitu variabel produk MSAnya = 0,427, sehingga variabel ini dikeluarkan pada analisis selanjutnya

CONTOH 13.1
Analisis 3
1. IDENTIFIKASI VARIABEL Setelah dianalisis ternyata ada 1 lagi variabel yang dikeluarkan shg tdk diikutkan dlm analisis selanjutnya, yaitu variabel produk. Jadi sekarang ada 6 variabel yg dipertimbangkan seseorang untuk menjadi nasabah suatu bank, yaitu : 1. yantel 5. parkir yang aman 2. yanpam 6. tersedianya ATM 3. yamkon 4. ruang tunggu yang nyaman

CONTOH 13.1
2. MEMILIH VARIABEL
Dari hasil pengolahan data pada tabel KMO dan Bartletts test, nilai KMO Measure of Sampling Adequacy adalah 0,648. Oleh karena angka ini > 0,5 dan dilihat dari Bartletts test, nilai chi square = 143,829 dan signifikansinya 0,000 maka kumpulan variabel tersebut dapat diolah lebih lanjut Pada tabel Anti-Images Matrices, khususnya Anti Images Correlation terlihat sudah tidak ada variabel yang nilai MSAnya < 0,5, sehingga dapat dilakukan analisis selanjutnya

Contoh 13.1
2. MEMILIH VARIABEL
Dari tabel Communalities terlihat pada nilai extraction variabel parkir adalah 0,571 yang berarti sekitar 57,1 % varians dari variabel parkir dapat dijelaskan oleh faktor yang terbentuk Communalities variabel ATM aadlah 0,592 yang berarti 59,2 % varians dari variabel ATM dapat dijelaskan oleh faktor yang terbentuk, dst, dst..

TAHAPAN ANALISIS FAKTOR


3. MENENTUKAN JUMLAH FAKTOR Menggunakan eigenvalue, a priori determination, scree plot (diagram dari eigenvalue) atau percentage of variance Syarat :

Nilai Initial Eigenvalue Total > 1 Varians Cumulative Persentase > 60 %

Contoh 13.1
3. MENENTUKAN JUMLAH FAKTOR

Dari tabel Total Variance Explained terlihat bahwa ada 2 component yang nilai total initial eigenvaluesnya > 1. Berarti pada kasus ini akan terbentuk 2 faktor. Dilihat dari varians kumulatifnya, 2 komponen membentuk persentase > 60 %. Variance faktor 1 : 33,662 dan faktor 2 : 27,799 sehingga kedua faktor tersebut dapat menjelaskan 61,461 % dari variabilitas keenam variabel Dengan melihat scree plot, ada 2 faktor yang terbentuk karena nilai eigenvaluenya lebih dari 1

TAHAPAN ANALISIS FAKTOR


4. EKSTRAKSI VARIABEL

Variabel diekstraksi sehingga menjadi satu atau beberapa faktor Menggunakan metode principal component Pada output SPSS : Tabel Component Matrix Untuk menentukan variabel-variabel tersebut masuk ke dalam suatu faktor, maka pilih nilai loading faktornya yang lebih besar (tanpa mempertimbangkan tanda negatif) atau bisa juga menggunakan syarat nilai loading faktornya > 0,55 Bandingkan nilai loading faktor masing-masing variabel diantara faktor yang terbentuk

Contoh 13.1
4. EKSTRAKSI VARIABEL
Dengan melihat tabel Component Matrix, maka variabel akan diekstraksi menjadi 2 faktor. Masing-masing variabel memiliki faktor loading pada kedua faktor yang menunjukkan korelasi suatu variabel dengan faktor 1 dan 2

Contoh 13.1
4. EKSTRAKSI VARIABEL Jadi dari tabel Component Matrix, dapat dilihat bahwa : - korelasi variabel parkir dengan faktor 1 adalah -0,08 (sangat lemah) dan dengan faktor 2 adalah 0,751 (kuat). Oleh karena korelasi dengan faktor 2 lebih kuat/besar, maka variabel parkir masuk ke faktor 2, begitu juga dengan variabel ATM, dan Ruang Tunggu masuk ke faktor 2, - sedangkan variabel Yantel, Yanpam, dan Yankon masuk ke faktor 1

TAHAPAN ANALISIS FAKTOR


5. ROTASI FAKTOR

Memperjelas variabel yang masuk ke dalam faktor tertentu Metode rotasi : a. Orthogonal (memutar sumbu 90) :

quartimax, varimax, dan equamax. digunakan utk mengurangi jumlah variabel asli (awal) b. Oblique (memutar sumbu ke kanan, tetapi tidak harus 90) : oblimin, promax, dan orthoblique. Digunakan untuk mendapatkan faktor atau konstruk yang sesuai teori

Contoh 13.1
5. ROTASI FAKTOR Proses rotasi memperjelas masuknya suatu variabel ke dalam salah satu faktor Jadi variabel Yantel, Yanpam, Yancust masuk ke faktor 1. Variabel parkir, ruang tunggu, dan tersedianya ATM masuk ke faktor 2.

Faktor 1
- Yantel
- Yanpam - Yancust

Faktor 2
-Parkir
- Ruang Tunggu - ATM

TAHAPAN ANALISIS FAKTOR


6. PEMBERIAN NAMA FAKTOR Nama faktor yang dibentuk disesuaikan dengan nama variabel yang memiliki nilai loading factor tertinggi

Contoh 13.1
6. MENAMAKAN FAKTOR

Faktor 1 terdiri atas yantel, yanpam, yancust diberi nama faktor pelayanan Faktor 2 terdiri atas parkir, ruang tunggu, dan ATM diberi nama faktir fasilitas fisik Jadi kesimpulannya, ada 2 faktor yang dipertimbangkan oleh seseorang untuk menjadi nasabah di suatu bank yaitu faktir pelayanan dan fasilitas fisik

TERIMA KASIH