Analisis Faktor

ANALISIS MULTIVARIAT

sesi-5
(factor analysis)

PROGRAM STUDI S1 PWK
UNIVERSITAS GADJAH MADA 2006

Pengantar

(principal component analysis

factor analysis)

Dalam analisis faktor ini seluruh variabel yang ada akan dilihat hubungan-nya (inter-dependent antar variabel), sehingga akan menghasilkan pengelompokan atau tepatnya abstraction dari banyak variabel menjadi hanya beberapa variabel baru atau faktor. Dengan sedikit faktor ini akan menjadi lebih mudah untuk dikelola. Ini sebenarnya EXPLORATORY RESEARCH
V1 V4 V5 V7 V8 Faktor 1 V1 V4 V5 V8 Faktor 2 V3 V7 V9 Faktor 3 V2 V6 V9 V3 V2

V6

statistika-2 pwk s1 ugm-agam

1

sehingga faktor 1 menyerab sebagian besar seluruh variabel. . dilakukan oleh komputer. Prinsipnya menggunakan KORELASI r = 1 dan r = 0. Dipergunakan dalam hal mengidentifikasi variabel yang berKORELASI dan yang tidak/kecil KORELASI-nya. vk variables V1 v2 v3 … vk Factors F1 F2 … Fm V1 variables V2 V3 . statistika-2 pwk s1 ugm-agam 2 . faktor 2 menyerab sebagian besar sisa varian setelah diambil untuk faktor 1. .PROSEDUR UMUM dalam ANALISIS FAKTOR variables V1 v2 v3 … 1 2 3 variables sample 4 . Teknik yang digunakan adalah TEKNIK INTERDEPENSI. Faktor 2 TIDAK berkorelasi dengan faktor 1. 5. V3 Correlations coefficients Vk Factor loadings Vk ORIGINAL DATA MATRIX CORRELATION MATRIX FACTOR MATRIX KONSEP DASAR ANALISIS FAKTOR 1. 3. . Adanya koefisien nilai faktor (factor score coefficient). (FAKTOR-FAKTOR tidak secara jelas terlihat). TAPI membuat REDUKSI atau ABSTRAKSI atau MERINGKAS dari BANYAK variabel menjadi SEDIKIT variabel. 2. . . Bukan mengkaitkan antara dependen variabel dengan independen variabel. Analisis Faktor menekankan adanya COMMUNALITY= jumlah varian yang disumbangkan oleh suatu variabel pada variabel lainnya. n Observational data V1 V2 . Kovariasi antar-variabel yang diuraikan akan memunculkan COMMON FACTORS (jumlahnya sedikit) dan UNIQUE FACTORS setiap variabel. 4. yakni SELURUH set HUBUNGAN yang interdependen diteliti. .

.000 . (2-tailed) N Pearson Correlation Sig.000 235 235 -.268** 1 .002 235 235 235 235 235 -. .002 . .054 .199** .166* -.001 235 235 -. 235 235 235 235 235 -.199** . .142* -.260** -.166* -.408 235 235 235 235 235 -.033 .535** .01 level (2-tailed).213** .797** . .312** -.213** .153* 1 .139* -.000 . (2-tailed) N Pearson Correlation Sig.242** -. 2. Matriks korelasi. Scree plot: plot dari eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar.000 .000 235 235 -.312** . • Jumlah sampel = 4 kali jumlah variabel.013 .000 .000 .000 .987** 1 -.362** .798** -.054 .113 -.000 . Communality: jumlah varian yang disumbangkan oleh variabel terhadap seluruh variabel lain.272 .011 .797** . (2-tailed) N Pearson Correlation Sig. Correlation is significant at the 0.084 235 235 -.329** .019 .019 .139* -.408 .000 .329** -.084 . (2-tailed) N Pearson Correlation Sig.000 .000 .987** -.022 .001 . 4. 3.033 .029 . Eigenvalue: jumlah varian yang dijelaskan oleh setiap faktor.000 . Correlation is significant at the 0. (2-tailed) N Pearson Correlation Sig.798** . 5.535** 1 . Hanya eigenvalue >1 yang dimasukkan dalam model. back statistika-2 pwk s1 ugm-agam 3 . Bartlett’s test of sphericity: uji statistik untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi.072 .072 -.029 . Misal jumlah variabel =10.013 .000 .TEKNIK STATISTIK UNTUK ANALISIS FAKTOR 1. untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction).839 235 235 1 -.153* -.242** .000 .113 .000 235 235 235 235 235 -.737 235 235 235 235 235 . (2-tailed) N **. maka n-nya = 40 unit.05 level (2-tailed).000 .000 235 235 -. Matriks korelasi Correlations harga persen persen pajak persen pajak harga tanah bangunan pajak bang keamanan kebersihan 1 .142* -.737 . Catatan: • Jenis variabelnya interval atau rasio.839 235 235 235 235 235 FAR lama tinggal -.268** . 235 235 harga bangunan harga tanah persen pajak bang persen pajak keamanan persen pajak kebersihan FAR lama tinggal Pearson Correlation Sig.260** -.011 . *.362** 1 . (2-tailed) N Pearson Correlation Sig.272 235 235 235 235 235 .022 .000 .000 .

Syarat untuk membangun factor analysis: 1. Common factors lebih sedikit daripada variabel asli. 2. Hubungan antar variabel terobservasi harus linear dan nilai korelasi tidak boleh NOL (artinya harus benar-benar ada hubungannya). CONTOH KASUS: statistika-2 pwk s1 ugm-agam 4 . Unique factors biasanya dianggap sama dengan jumlah variabelnya. Common factors selalu dianggap TIDAK berkorelasi dengan faktor unik. Variabel komponen hipotetis yang disebut FAKTOR ada dua: (a) COMMON FACTORS & (b) UNIQUE FACTORS 3.

statistika-2 pwk s1 ugm-agam 5 .

statistika-2 pwk s1 ugm-agam 6 .

196 1.148 .332E-02 Extraction Method: Principal Component Analysis a.580 61.002 15.730 .581 .580 .921 18.000 Extraction Sums of Squared Loadings Total % of Variance Cumulative % 3.422 80.. 2 components extracted.660 3.000 .848 .814 -.497 1. .000 KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.276 worksec .453E-02 Extraction Method: Principal Component Analysis. Chi-Square df Sig.276 ..850 99.789 Extraction Method: Principal Component Analysis.000 -.000 1.986 ..000 1.223 -.658 95.079 2 .000 -.- F A C T O R A N A L Y S I S ..002 Component Total 1 3..730 popnight .237 -.580 18.952 9...764E-03 .000 1.886 6.497 workter .000 .000 Extraction .921 3 .848 .196 -.927 .914 .324 -.237 . a Component Matrix popday popnight workpri worksec workter Component 1 2 .192 5 2.580 61.491 100.000 1.814 workpri -.728 -.. statistika-2 pwk s1 ugm-agam 7 . Bartlett's Test of Sphericity Approx.728 1. Total Variance Explained Initial Eigenvalues % of Variance Cumulative % 61.502 93.324 .509 .148 1.133E-02 .762 4.000 Communalities popday popnight workpri worksec workter Initial 1..357 .438 10 .783 4 .422 80.- Factor Analysis Correlation Matrix Correlation popday popnight workpri worksec workter popday 1.079 61.824 .730 .

Scree Plot 3 Eigenvalue 2 1 0 1 2 3 4 5 Component Number statistika-2 pwk s1 ugm-agam 8 .

statistika-2 pwk s1 ugm-agam 9 .

Sign up to vote on this title
UsefulNot useful