FACTOR ANALYSIS

Exploratory
&
Confirmatory
 Analisis Faktor
KEGUNAAN

• Mereduksi variable menjadi faktor (variabel baru) yang

jumlahnya lebih sedikit
• Mengekstraks variabel laten dari indikator
• Pemeriksaan validitas instrumen penelitian (kuisioner)
• Mendapatkan data variabel laten (berupa skor faktor)
sebagai data input dari analisis diskriminan, analisis
regresi, cluster analisis, MANOVA, Analisis Path, Model
Struktural, MDS, dll.
 Analisis Faktor
Analisis faktor : mengekstraksi sejumlah faktor bersama (common
factors) dari gugusan variabel asal X1, X2, …, Xp, sehingga :
A. Banyaknya faktor lebih sedikit dari variabel asal X.
B. Sebagian besar informasi variabel X, tersimpan dalam faktor
Konsep Dasar :
X1= nilai Matematika, X2 = nilai Fisika, X3 = nilai Geografi, X4 = nilai
PPKN dan X5 = nilai Sejarah.
X1 = 0.03 F1 + 0.94 F2 + 0.46 F3 + 0.85 F4 + 0.34 F5 + 1
X2 = 0.16 F1 + 0.90 F2 + 0.78 F3 + 0.25 F4 + 0.46 F5 + 2
X3 = 0.76 F1 + 0.24 F2 + 0.03 F3 + 0.29 F4 + 0.83 F5 + 3
X4 = 0.84 F1 + 0.15 F2 + 0.64 F3 + 0.82 F4 + 0.27 F5 + 4
X = 0.95 F + 0.13 F + 0.25 F + 0.73 F4 + 0.05 F5 + 5
Faktor 5Bersama1 (common
2
factors
3
):
Misal Faktor Bermakna : F1 dan F2 (eigen value > 1)
F1 = Faktor Kemampuan Menghafal
F2 = Faktor Kemampuan Logika (matematik)
X1 s/d X4 secara bersama-sama mengandung F1 dan F2
 Analisis Faktor
Metode Pendugaan Parameter :
- PCA Solution
- MLE

Data Input (PCA Solution) :

- Matrik Konvarians : Unit satuan sama & rentang homogen
- Matrik Korelasi : Unit satuan dan rentang berbeda
 Analisis Faktor
Hal-hal yang berkait dengan AF :
1. Ragam Variabel Asal (X)

Var(Xi) = ci21  ci22  ...  cip2  i

Var(Xi) = hi2  i ; hi2   cij2

j
2
Komponen hi disebut komunalitas (comunality) menunjukkan proporsi ragam X yang dapat
dijelaskan oleh p faktor bersama. Komponen i proporsi ragam dari X yang
merupakan
disebabkan oleh faktor spesifik dan atau galat (error).

2. Faktor Bermakna

Faktor yang dipertimbangkan bermakna :

- Eigen value lebih besar satu (  1 )
- Keragaman komulatif minimal 75 %
 Analisis Faktor
Hal-hal yang berkait dengan AF :
3. Peragam antara X dengan F
Cov( X i F j )  cij
Pembobot (loading) faktor :
- digunakan untuk interpretasi faktor bermakna
- loading besar merupakan penyusun terbesar dari suatu variabel
- tanda (positif atau negatif) menunjukkan arah.

4. Rotasi Faktor
Variabel Sebelum Rotasi Sesudah Rotasi
F1 F2 F1 F2
X1 = nilai Matematika,
X1 0.50 0.80 0.03 0.94 X2 = nilai Fisika,
X2 0.75 0.70 0.16 0.90 X3 = nilai Geografi,
X3 0.90 -0.25 0.95 0.24 X4 = nilai PPKN dan
X4 0.80 -0.30 0.84 0.15 X5 = nilai Sejarah.
X 0.50 -0.55 0.76 -0.13
 Analisis Faktor
Hal-hal yang berkait dengan AF :

5. Skor Faktor

Matriks input Kovarians :

S-Fa = c’S-1(xj - x )

Matriks input Korelasi :

S-Fa = c’R-1Zj .

Perhatikan : Di dalam Analisis Faktor, skor faktor tidak dapat dihitung langsung
berdasarkan loading faktor sebagai koefisien
Jadi berbeda dengan Skor Diskriminan atau Skor PCA
 Analisis Faktor
Eksploratori

Berapa F yang akan

terbentuk ?

F tersebut merupakan
variabel laten apa saja ?
 Analisis Faktor Eksploratori
ILUSTRASI
Suatu penelitian Analisis Perilaku Konsumen Mancanegara Dalam
Keputusan Pembelian Produk Emas dan Perak. Variabel yang diamati
adalah sebagai berikut:
(X­1) Pengetahuan Produk
(X­2) Pengalaman tentang produk
(X­3) Nilai Budaya
(X­4) Keluarga
(X­5) Teman
(X­6) Pendapatan
(X­7) Kualitas
(X-8) Disain
(X­9) Keunikan
(X10) Ukuran
(X11) Tingkat harga
(X12) Potongan harga
(X13) Personal selling
(X14) Pameran
(X15) Transportasi
(X16) Saluran distribusi
(X17) Arsitektur bangunan DATA TERSEDIA PADA LEMBAR
(X18) Sarana parkir
(X19) Tata letak produk KERJA SPSS
(X20) Sarana lainnya
OUTPUT SPSS
OUTPUT SPSS

Variab MSA Variabel MSA

el
X1 0,242 X11 0,672
X2 0,601 X12 0,652
X3 0,615 X13 0,676
X4 0,249 X14 0,677
X5 0,675 X15 0,618
X6 0,673 X16 0,632
X7 0,801 X17 0,664
X8 0,816 X18 0,163
X9 0,847 X19 0,661
X10 0,797 X20 0,191
OUTPUT SPSS: 16 Variabel

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4.504 28.152 28.152 4.504 28.152 28.152
2 1.859 11.617 39.769 1.859 11.617 39.769
3 1.503 9.395 49.164 1.503 9.395 49.164
4 1.376 8.600 57.764 1.376 8.600 57.764
5 1.329 8.308 66.072 1.329 8.308 66.072
6 1.273 7.954 74.026 1.273 7.954 74.026
7 1.134 7.089 81.115 1.134 7.089 81.115
8 .538 3.363 84.477
9 .445 2.781 87.258
10 .393 2.458 89.716
11 .350 2.187 91.903
12 .307 1.918 93.821
13 .273 1.707 95.528
14 .259 1.616 97.144
15 .250 1.565 98.709
16 .207 1.291 100.000
Extraction Method: Principal Component Analysis.
OUTPUT SPSS: 16 Variabel
Component Matrixa

Component
1 2 3 4 5 6 7
Pengalaman
.460 .270 .551 -.006 .107 .444 .230
tentang produk
Nilai Budaya .486 .267 .467 .094 .146 .519 .175
Teman .531 .127 .136 .213 -.592 -.307 .206
Pendapatan .535 .174 .158 .270 -.555 -.282 .198
Kualitas .583 -.600 .030 -.033 .005 -.110 .054
Disain .585 -.528 .102 -.017 .126 -.014 .020
Keunikan .608 -.468 -.149 -.096 .191 .134 .098
Ukuran .589 -.598 .127 -.025 .001 -.067 .020
Tingkat harga .535 .033 -.561 .205 -.163 .402 -.179
Potongan harga .487 .128 -.507 .388 -.150 .392 -.155
Personal selling .515 .213 .201 .326 .370 -.318 -.375
Pameran .527 .255 .118 .308 .346 -.292 -.436
Transportasi .512 .190 .008 -.610 -.224 .008 -.369
Saluran distribusi .513 .226 .062 -.632 -.203 .027 -.295
Arsitektur bangunan .500 .356 -.418 -.171 .275 -.205 .387
Tata letak produk .497 .334 -.289 -.210 .336 -.232 .443
Extraction Method: Principal Component Analysis.
a. 7 components extracted.
OUTPUT SPSS: 16 Variabel, ROTASI untuk mempermudah interpretasi

Rotated Component Matrixa

Component
1 2 3 4 5 6 7
x2 .091 -.014 .073 .115 .895 .119 .078
x3 .094 .128 .057 .067 .896 .065 .127
x5 .141 .087 .083 .890 .068 .112 .070
x6 .107 .107 .082 .882 .118 .075 .120
x7 .825 .045 .037 .156 -.023 .065 .058
x8 .781 .047 .032 .054 .110 .057 .131
x9 .747 .238 .215 -.081 .104 .080 .004
x10 .827 .019 -.034 .155 .054 .082 .082
x11 .179 .890 .110 .067 .027 .146 .036
x12 .070 .900 .083 .130 .083 .000 .121
x13 .135 .035 .104 .104 .123 .045 .882
x14 .096 .120 .112 .085 .084 .101 .886
x15 .120 .094 .086 .089 .055 .899 .086
x16 .105 .045 .126 .096 .131 .888 .059
x17 .059 .166 .886 .089 .027 .113 .104
x19 .099 .030 .894 .077 .102 .100 .113
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
OUTPUT SPSS: Interpretasi Hasil

Faktor 1 (Faktor desain)

Faktor 1 meliputi X7 (kualitas), X8 (desain), X9 (keunikan), dan X10
(ukuran).
Dapat diinterpretasi sebagai variabel keunggulan produk
Dapat menjelaskan 28,152% dari keragaman total, artinya keputusan
konsumen dalam membeli produk emas dan perak 28, 15 % ditentukan
oleh keunggulan produk.

Faktor 2 (Faktor harga)

Faktor 2 meliputi X11 (tingkat harga) dan X12 (potongan harga).
Dapat diinterpretasi sebagai variabel harga
Faktor ini menjelaskan 11,617% dari keragaman total, artinya
keputusan konsumen dalam membeli produk emas dan perak 11,61 %
ditentukan oleh harga.
 Analisis Faktor
Konfirmatori

Faktor yang harus

terbentuk = 2

Faktor I = Ability
Faktor II = Aspiration
 Analisis Faktor Konfirmatori
ILUSTRASI
Suatu penelitian dilakukan dengan tujuan untuk mengetahui karakteristik
karyawan dan variabel apa yang memperngaruhi kinerjanya (performance).
Variabel yang diamati adalah pengembangan karir, kepuasan kerja dan
kinerja karyawan.
Instrumen penelitian untuk mengukur variabel adalah sebagai berikut.
Lingkari salah satu jawaban yang dianggap paling tepat, dengan bobot penilaian sbb :
1. sangat tidak setuju 2. tidak setuju 3. Biasa / netral 4. setuju 5. sangat setuju

Pengembangan Karier ( X1) Skor Pilihan

1 Jabatan/tugas yang bapak/ibu emban memerlukan peningkatan kemampuan /ketrampilan 1 2 3 4 5

melalui Diklat.
2 Tingkat kemampuan karyawan dapat diukur dengan lamanya masa kerja. 1 2 3 4 5

3 Daftar urutan kepangkatan (DUK) adalah metode yang paling tepat untuk syarat promosi 1 2 3 4 5
jabatan karyawan (naik jabatan).
4 Pimpinan memberi dorongan kepada bapak/ibu untuk studi lanjut, agar bisa menunjang 1 2 3 4 5
peningkatan karir
5 Pimpinan memberi penghargaan terhadap prestasi bapak/ibu. 1 2 3 4 5

Kepuasan Kerja Karyawan (Y1)

1 Tugas/jabatan yang sedang bapak/ibu jalani menyenangkan. 1 2 3 4 5

2 Dalam tugas sehari-hari atasan selalu memberikan arahan yang berkaitan dengan tugas bapak/ibu. 1 2 3 4 5

3 Prestasi bapak/ibu di tempat kerja sangat memungkinkan untuk mendapat peluang promosi jabatan 1 2 3 4 5
(kenaikan jabatan).
4 Kondisi kerja bapak/ibu sangat kondusif dan menyenangkan. 1 2 3 4 5

5 Rekan sekerja bapak/ibu selalu mendukung pelaksanaan tugas yang sedang bapak/ibu jalani. 1 2 3 4 5
 Kinerja Karyawan (Y2) Skor Pilihan

1 Bapak/ibu dapat menyelesaikan tugas dengan tingkat ketelitian yang tinggi. 1 2 3 4 5

2 Setiap hari bapak/ibu dapat menyeleseikan tugas pada hari itu juga, tidak menunggu hari 1 2 3 4 5
esok.
3 Setiap hari bapak/ibu bisa hadir di kantor sesuai dengan waktu yang ditentukan. 1 2 3 4 5

4 Bila meninggalkan kantor pada jam dinas untuk kepentingan pribadi, bapak/ibu minta ijin 1 2 3 4 5
kepada atasan.
5 Setiap mengakhiri pelaksanaan tugas, bapak/ibu membuat laporan tertulis/lisan kepada 1 2 3 4 5
atasan.

DATA TERSEDIA DALAM

LEMBAR KERJA SPSS
HASIL ANALISIS DENGAN SPSS
Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 1.820 36.407 36.407 1.820 36.407 36.407
2 1.110 22.199 58.606 1.110 22.199 58.606
3 .897 17.944 76.550
4 .760 15.201 91.752
5 .412 8.248 100.000
Extraction Method: Principal Component Analysis.

Instrumen TIDAK VALID: eigen value >1 ada dua faktor (component)

Component Matrixa

1
Component
2
Penyebab tidak valid: X1.1 dan X1.2, hal
X1.1 -.377 .435 ini dapat dilihat untuk faktor
X1.2 .189 .821
X1.3 .553 .442 (component) 1, dari loading faktor kecil
X1.4
X1.5
.788
.846
-.210
-.083
dan lebih besar untuk faktor 2
Extraction Method: Principal Component Analysis.
a. 2 components extracted.
HASIL ANALISIS DENGAN SPSS
Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 1.728 57.612 57.612 1.728 57.612 57.612
2 .844 28.133 85.745
3 .428 14.255 100.000
Extraction Method: Principal Component Analysis.

Instrumen VALID: eigen value >1 hanya ada satu faktor (component)

Component Matrixa

Compone Pengukur terkuat (dominan) unttuk

nt
1 pemgembangan karir: X1.5
X1.3 .557
X1.4 .830 (penghargaan pimpinan terhadap
X1.5 .854
Extraction Method: Principal Component Analysis.
prestasi)
a. 1 components extracted.
HASIL ANALISIS DENGAN SPSS

• Hasil akhir dari CFA: data variabel laten (berupa skor

faktor)
• Data tersebut berupa gabungan (komposit) dari indikator,
dengan besarnya bobot ditentukan oleh nilai loading faktor
• Data tsb dapat digunakan sebagai input untuk analisis lebih
lanjut: regresi, analisis jalur, cluster, dll
TERIMA KASIH