TUGAS KELOMPOK ANALISIS STATISTIK MULTIVARIAT

ANALISIS FAKTOR

Disusun untuk memenuhi tugas matakuliah Analisis Statistik Multivariat yang dibina oleh Bu Trianingsih Eni Lestari

Oleh : 1. Desy Purwaningtyas Putri 2. Dessy Rochmatussadiah 3. Mustafiva Rosy 4. Lina Rahmawati GG/409312413116 GG/409312413117 GG/409312417673 GG/409312419797

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM S1 MATEMATIKA OKTOBER 2011

ANALISIS FAKTOR

1. DEFINISI Analisis faktor adalah salah satu metode statistik multivariat yang mencoba menerangkan hubungan antar sejumlah peubah-peubah yang saling independen antara satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan peubah yang lebih sedikit dari jumlah peubah awal. 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

2. KEGUNAAN ANALISIS FAKTOR A. Mengekstraks variabel latent dari indikator, atau mereduksi observable variable menjadi variabel baru yang jumlahnya lebih sedikit. B. Mempermudah interpretasi hasil analisis, sehingga didapatkan informasi yang realistik dan sangat berguna. C. Pemetaan dan Pengelempokkan obyek berdasarkan karakteristik faktor tertentu. D. Pemeriksaan validitas dan reliabilitas instrumen penelitian E. Mendapatkan data variabel konstruks (= skor faktor) sebagai data input analisis lebih lanjut (analisis diskriminan, analisis regresi, cluster analisis, MANOVA, Analisis Path, Model Struktural, MDS, dll) Analisis faktor juga digunakan untuk mengetahui faktor-faktor dominan dalam menjelaskan suatu masalah. 3. TUJUAN ANALISIS FAKTOR a. Data summarization, yakni mengindentifikasikan adanya hubungan antar peubah dengan melakukan uji korelasi. Jika korelasi dilakukan antar peubah (dalam pengertian SPPS adalah kolom), analisis tersebut dinamakan R Faktor Analysis. b. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah peubah set baru yang dinamakan faktor untuk menggantikan sejumlah peubah tertentu. Dalam hal menganalisis sejumlah peubah akan dianalisis interkorelasi antar peubah untuk menetapkan apakah variasi yang tampak dalam peubah berasal atau berdasarkan sejumlah faktor dasar yang jumlahnya lebih sedikit dari variasi yang

terdapat pada peubahnya. Jadi analisis faktor mempunyai karakter khusus yaitu mampu untuk mengurai data. 4. TEKNIK YANG DIGUNAKAN DALAM ANALISIS FAKTOR Teknik yang digunakan adalah Teknik interdepensi, yakni seluruh set hubungan yang interdependen diteliti. Prinsipnya menggunakan korelasi r = 1 dan r = 0. Dipergunakan dalam hal mengidentifikasi variabel yang berkorelasi dan yang tidak/kecil korelasinya. Analisis Faktor menekankan adanya comunnality yaitu jumlah varian yang disumbangkan oleh suatu variabel pada variabel lainnya. Adanya koefisien nilai faktor (factor score coefficient), sehingga faktor 1 menyerap sebagian besar seluruh variabel, faktor 2 menyerab sebagian besar sisa varian setelah diambil untuk faktor 1. Faktor 2 tidak berkorelasi dengan faktor 1. 5. INTERPRETASI OUTPUT Bartletts test of sphericity: Uji statistik untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi Matrik Korelasi Multikolinearitas adalah korelasi antar variabel. Communality Communality menyatakan varians setiap variabel yang dijelaskan oleh faktor. Jumlah varian yang disumbangkan oleh variabel terhadap seluruh variabel lain. Scree plot Scree Plot merupakan cara mendeskripsikan eigenvalue secara visual. Plot dari eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar; untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction). Descriptive Analysis Analisis deskriptif memberikan gambaran tentang data yang kita miliki. Dalam mendeskripsikan data, kita bisa menggunakan berbagai cara. Pada analisis factor, gambaran diberikan melalui rata-rata (mean) dan standar deviasi (standar deviation) setiap variabel. Cara lain dapat melalui modus, median, range, proporsi, dan indeks variabel komulatif. Anti-image Matrices Angka-angka dalam matriks ini menyatakan korelasi parsial antar variable yaitu korelasi yang tidak dipengaruhi oleh variabel lain. Total Variance Explained

Kemampuan setiap factor mewakili variable-variabel yang dianalisis, ditunjukkan oleh besarnya varian yang dejelaskan yang disebut eigenvalue. Varian yang dimaksud adalah verian variable-variabel yang sudah distandarisasi. 6. SYARAT UNTUK MEMBANGUN ANALISIS FAKTOR Hubungan antar variabel terobservasi harus linear dan nilai korelasi tidak boleh NOL (artinya harus benar-benar ada hubungannya). Variabel komponen hipotetis yang disebut faktor ada dua: (a) COMMON FACTORS (b) UNIQUE FACTORS Common faktor selalu dianggap tidak berkorelasi dengan faktor unik. Common faktor lebih sedikit daripada variabel asli. Unique factors biasanya dianggap sama dengan jumlah variabelnya.

7. JUMLAH FAKTOR YANG DIEKSTRAK Analisis faktor akan mengusulkan jumlah factor sebanyak jumlah variable yang dilibatkan. Namun jumllah variable yang valid pasti lebih kecil daripada jumlah variable input karena dengan analisis faktor kita mencari sejumlah faktor yang mewakili variabelvariabel input. Pertanyaannya berapa jumlah faktor yang valid. Menurut Maholtra jumlah faktor yang valid dapat didasarkan pada : Kebutuhan sendiri Umumnya computer menyediakan pilihan berapa jumlah faktor yang kita butuhkan. Kalau pilihan tersebut tidak direspon, otomatis program akan menentukan sendiri jumlah faktor yang valid. Namun, sekalipun ditentukan sendiri, jumlah faktor yang ditentukannya selalu memenuhi kreteria yang diajukan oleh teori. Eigenvalue Jumlah varian yang dijelaskan oleh setiap faktor. Hanya eigenvalue 1 dianggap valid sehingga dimasukkan dalam model. Sebaliknya factor yang eigenvaluenya < 1 tidak valid. Scree Plot Dengan Scree Plot, kita dapat melihat pola penurunan eigenvalue. Perhatikan garis penghubung nilai-niali eigenvalue. Kalau setelah sebuah faktor mengalami penurunan tajam, maka faktor yang valid hanya sampai faktor itu.

8. INTERPRETASI FAKTOR

Setelah diperoleh sejumlah factor yang valid, selanjutnya kita perlu menginterpretasi nama factor, mengingat factor merupakan sebuah konstruk menjadi berarti kalau dapat diartikan. Interpretasi factor dapat dilakukan dengan mengetahui variable-variabel yang membentuknya. Interpretasi nama factor didasarkan variable apa yang diwakilinya. Interpretasi dilakukan dengan judgement. Karena sifatnya subyektif, hasil bias berbeda jika interpretasi dilakukan oleh orang lain. Surrogate Variable Jika ada dua factor, pakailah dua variable, satu variable mewakili satu factor. Di antara X1, X2, X6, dan X7, mana yang mewakili factor 1? Yang factor loading-nya paling tinggi, yaitu X2 dengan r = 0,902. Factor 2 diwakili X4 dengan r = 0,930. Kedua variable pegganti ini disebut surrogate variable. Pemilihan surrogate variable bukan tanpa masalah. Pertama, kalau dua, tiga atau beberapa variable memiliki factor loading yang sama atau sedikit berbeda, pemilihan surrogate variable menjadi sulit. Contoh, untuk factor 1, X2 (r = 0,902) sebenarnya bersaing dengan X6 (r = 0,901). Masalah iini bisa diatasi dengan memeriksa mana yang paling mewakili secara teori. Kedua, dengan mewakilkan satu, dua, atau beberapa variable pada satu variable pengganti. Summated Scales Untuk menggantikan variable-variabel asli, summated scaled merupakan gabungan dari variable-variabel yang berada pada factor yang sama. Variable-variabel tersebut digabung dengan dua cara. Pertama, memakai rata-rata semua variable. Kedua, memakai hasil penjumlahan skor variable-variabel yang berkoalisi. Hal-hal yang berkait dengan Analisis Faktor : 1. Ragam Variabel Asal (X) 2 Var(Xi) = ci2 ci22 ... cip i 1
2 2 2 Var(Xi) = hi i ; h i cij + i j Komponen h 2 disebut komunalitas (comunality) menunjukkan proporsi ragam X yang i dapat dijelaskan oleh p faktor bersama. Komponen merupakan proporsi ragam dari X yang 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 %

9. KETERBATASAN ANALISIS FAKTOR Walaupun tampak canggih, analisis faktor bukan segalanya. Teknik ini tidak terlepas dari berbagai kelemahan. Keterbatasan utama adalah tingginya subjektivitas dalam penentuan jumlah faktor, interpretasi setiap faktor, dan pemilihan rotasi. Keterbatasan lainnya, tidak ada criteria untuk menyatakan bahwa hasil analisis faktor betul-betul sah. Hasil KMO dan Barletts Test saja bisa bertolak belakang.