P. 1
Analisis Faktor

Analisis Faktor

|Views: 120|Likes:
Dipublikasikan oleh Efriana Damai

More info:

Published by: Efriana Damai on Apr 12, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/29/2013

pdf

text

original

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

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

260** -.000 .213** .362** .033 .535** .798** .798** -.000 .199** .153* -.013 .01 level (2-tailed).312** -.054 .000 235 235 235 235 235 -. Matriks korelasi Correlations harga persen persen pajak persen pajak harga tanah bangunan pajak bang keamanan kebersihan 1 . . Catatan: • Jenis variabelnya interval atau rasio.000 .029 .000 .142* -.268** 1 .535** 1 . Eigenvalue: jumlah varian yang dijelaskan oleh setiap faktor.022 .000 . 235 235 harga bangunan harga tanah persen pajak bang persen pajak keamanan persen pajak kebersihan FAR lama tinggal Pearson Correlation Sig.113 . 3.839 235 235 235 235 235 FAR lama tinggal -. Hanya eigenvalue >1 yang dimasukkan dalam model.019 . Correlation is significant at the 0.408 .000 .213** .000 .033 . Misal jumlah variabel =10. (2-tailed) N Pearson Correlation Sig. Communality: jumlah varian yang disumbangkan oleh variabel terhadap seluruh variabel lain.142* -.737 235 235 235 235 235 .019 .002 235 235 235 235 235 -.000 . (2-tailed) N Pearson Correlation Sig.839 235 235 1 -.001 235 235 -.242** -.001 .084 . Bartlett’s test of sphericity: uji statistik untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi.797** .272 235 235 235 235 235 .000 . (2-tailed) N Pearson Correlation Sig.737 .011 .987** -.000 235 235 -.242** .260** -.408 235 235 235 235 235 -. Scree plot: plot dari eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar. (2-tailed) N Pearson Correlation Sig.072 .139* -. .054 .113 -.329** .166* -.05 level (2-tailed). maka n-nya = 40 unit.199** .000 .000 . (2-tailed) N **.987** 1 -.000 .153* 1 .084 235 235 -.000 235 235 -.072 -.272 .362** 1 . 2.000 .002 . .166* -.029 . (2-tailed) N Pearson Correlation Sig.011 . . back statistika-2 pwk s1 ugm-agam 3 . (2-tailed) N Pearson Correlation Sig.268** .000 235 235 -.TEKNIK STATISTIK UNTUK ANALISIS FAKTOR 1. Correlation is significant at the 0. • Jumlah sampel = 4 kali jumlah variabel. *. 4.312** .329** -.797** .013 . untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction). 235 235 235 235 235 -.000 .022 .000 . Matriks korelasi.000 . 5.139* -. .

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

statistika-2 pwk s1 ugm-agam 5 .

statistika-2 pwk s1 ugm-agam 6 .

196 1.. 2 components extracted.502 93.497 1..921 18..276 .986 ..223 -.192 5 2.002 15.764E-03 .581 .497 workter .000 .324 -..814 workpri -.730 .000 -.580 61.453E-02 Extraction Method: Principal Component Analysis.730 popnight .000 .580 61.000 Communalities popday popnight workpri worksec workter Initial 1. Total Variance Explained Initial Eigenvalues % of Variance Cumulative % 61.848 .000 1.000 KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx..324 .237 . a Component Matrix popday popnight workpri worksec workter Component 1 2 .000 Extraction Sums of Squared Loadings Total % of Variance Cumulative % 3.276 worksec .079 2 .658 95.789 Extraction Method: Principal Component Analysis. statistika-2 pwk s1 ugm-agam 7 .079 61.000 1.196 -.850 99.357 .- F A C T O R A N A L Y S I S . Chi-Square df Sig.133E-02 .148 .. .728 -.000 -.509 .000 Extraction ..914 .921 3 .660 3.000 1.730 .332E-02 Extraction Method: Principal Component Analysis a.237 -.- Factor Analysis Correlation Matrix Correlation popday popnight workpri worksec workter popday 1.848 .422 80.952 9.728 1.002 Component Total 1 3.580 .927 .000 1.824 .886 6.762 4.814 -.783 4 .491 100.148 1.580 18..438 10 .422 80.

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 .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->