STATISTIK MULTIVARIAT
Analisis Faktor
Disusun Oleh:
Annisa Putri Utami (11140940000033)
Dosen :
Nurmaleni M.Si
Prodi Metematika
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
2017
KATA PENGANTAR
Puji dan syukur senantiasa penulis panjatkan ke hadirat Allah SWT atas rahmat dan
karunia-Nya sehingga penulis dapat menyelesaikan tugas Statistik Multivariat ini. Tugas
akhir ini disusun dengan tujuan untuk lebih memahami Analisis Faktor, khusus nya mengenai
Analisis Faktor Eksploratori metode komponen utama.
Tak lupa penulis ucapkan banyak terima kasih atas dorongan yang diberikan kepada
penulis dalam proses penyelesaian tugas ini. Dosen mata kuliah yang telah memberi berbagai
arahan demi tersusunnya tugas ini, juga tak lupa orang tua yang senantiasa mendoakan saya.
Kepada para pembaca, penulis tak lupa mengharapkan kritik yang bersifat
membangun bilamana terdapat kesalahan dan kekeliruan demi perbaikan tugas akhir ini.
Akhir kata, semoga tugas akhir ini dapat berguna bagi mahasiswa dan bagi semua
nya, semoga apa yang kami penulis di sini dapat dijadikan tambahan ilmu pengetahuan teman
teman semua. Terima kasih.
Penulis
DAFTAR ISI
KATA PENGANTAR.........................................................................................................i
DAFTAR ISI. .....................................................................................................................ii
BAB I PENDAHULUAN
A. Latar Belakang ..............................................................................................................1
B. Rumusan Masalah .........................................................................................................1
C. Tujuan Penulisan............................................................................................................1
D. Manfaat Penulisan .........................................................................................................2
BAB IV PEMBAHASAN
BAB V PENUTUP
A. Kesimpulan...............................
B. Saran.................................
A. Latar Belakang
B. Rumusan Masalah
Berdasarkan latar belakang masalah tersebut maka dapat dirumuskan permasalahan
sebagai berikut :
1. Apa itu analisis faktor?
2. Apa tujuan analisis faktor?
3. Apa manfaat analisis faktor?
4. Bagaimana prosedur analisis faktor khususnya Analisis Faktor Eksploratori
metode komponen utama?
C. Tujuan Penulisan
Berdasarkan rumusan masalah tersebut, maka tujuan dari penulisan ini adalah sebagai
berikut :
1. Menjelaskan analisis faktor.
2. Memaparkan tujuan analisis faktor.
3. Memaparkan manfaat analisis faktor.
4. Menjelaskan prosedur analisis faktor khususnya Analisis Faktor Eksploratori
metode komponen utama.
D. Manfaat Penulisan
Hasil dari penulisan makalah ini diharapkan dapat memberikan manfaat, antara lain:
1. Menambah Referensi mengenai analisis faktor bagi mahasiswa.
BAB II
TINJAUAN PUSTAKA
Analisis faktor adalah analisis statistika yang bertujuan untuk mereduksi dimensi data
dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor, sedemikian
hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang
dijelaskan oleh variabel asal.
Manfaat yang bisa diperoleh dari metode analisis faktor, antara lain:
1. Mereduksi variabel X menjadi variabel baru dengan jumlah yang lebih sedikit. Pada
penelitian dengan jumlah variabel yang besar akan menyulitkan dalam pengolahan. Untuk
memudahkan pengolahan maka variabel-variabel tersebut dikelompokan terlebih dahulu
ke dalam sejumlah faktor yang mempunyai makna bersesuaian.
2. Pemeriksaan validitas dan reabilitas instrument penelitian (berupa kuesioner) dengan
analisis faktor konfirmatori.
3. Mempermudah interpretasi hasil analisis sehingga didapat informasi yang realistis dan
berguna.
4. Dengan diperolehnya skor faktor, maka analisis faktor merupakan langkah awal (sebagai
data input) dari berbagai metode analisis data yang lain, misalnya Analisis Diskriminan,
analisis Regresi, Cluster Analysis, ANOVA, MANCOVA, Analisis Path, Model
Struktural, MDS, dan lain sebagainya.
BAB III
METODELOGI
Untuk i j
Keterangan:
2 = koefisien korelasi antara varibel i dan variabel j
2
= koefisien korelasi parsial antara varibel i dan variabel j
2
=
2 +
2
Untuk i j
Keterangan:
2 = koefisien korelasi antara varibel i dan variabel j
2
= koefisien korelasi parsial antara varibel i dan variabel j
Harga KMO ini merupakan indeks untuk membandingkan besarnya koefisien
korelasi dengan besarnya koefisien korelasi parsial, skala nilainya antara lain :
Uji selanjutnya yaitu uji hipotesis bahwa matriks korelasi adalah bukan
matriks identitas, dengan menggunakan Barletts Test of Sphericity. Nilai
signifikasi yang diperoleh Barletts Test of Sphericity harus lebih kecil dari
0,05 (sig < 0.05)
Dalam analisis faktor, keterkaitan antar variabel sangat diperlukan,
karena tujuan dari analisis ini adalah menghubungkan suatu kumpulan variabel
agar menjadi satu faktor saja. Bila matriks korelasi yang terbentuk adalah
matriks identitas, berarti tidak ada korelasi antar variabel, sehingga analisis
faktor tidak dapat dilakukan.
3.2.2. Pembentukan Faktor
Setelah variabel ditentukan dan dipilih serta perhitungan korelasinya
telah memenuhi persyaratan untuk dilakukan analisis, langkah selanjutnya
adalah membentuk faktor untuk menemukan struktur yang mendasari
hubungan antar variabel awal tersebut.
Faktor I = Ability
Faktor II = Aspiration
1 1 = 111 + 122 + + 1 + 1
2 2 = 211 + 222 + + 2 + 2
= 11 + 22 + + + p (3.1)
() () = ()() + () (3.2)
dengan,
: sisaan atau error dari variabel ke- (spesific factor) atau disebut
faktor khusus
1. () = (), () = [] = () (3.3)
1 0 0
0 0
2. () = () , () = [] = () =[ 2 ] (3.4)
0 0
Dengan > 0
() = () + ()() + () (3.5)
Model ortogonal dari analisis faktor berakibat kepada struktur kovariansi untuk variabel acak
X, yaitu:
( )( ) = ( + )( + )
= ( + )(() + )
= () + () + + (3.6)
Berdasarkan pada persamaan (3.3) dan (3.4) maka matriks kovariansinya menjadi
= () = ( )( )
= [() + () + + ]
= () + () + () + ()
= . + . 0 + . 0 +
= + (3.7)
atau dapat ditulis sebagai:
( ) = 21 + 22 + + 2 + (3.8)
(, ) = 11 + + (3.9)
( ) = ( + )
= + (3.10)
(, ) = ( )
= [ + ]
= () + ()
= + 0
= (3.11)
Variansi dari variabel ke- yang disumbangkan oleh common faktor disebut komunalitas
ke-. Nilai () = merupakan nilai komunalitas yang ditambahkan dengan nilai
variansi spesifik atau uniknya. Dari persamaan (3.8) dan persamaan (3.9) diperoleh
= 21 + 22 + + 2 + (3.13)
Komunalitas ke- dinotasikan sebagai 2 , atau dengan menggunakan notasi diatas diperoleh
persamaan
2 = 21 + 22 + + 2 (3.14)
dan
= 2 + , = 1,2,, (3.15)
Nilai komunalitas ke- merupakan jumlah kuadrat dari factor loading variabel ke- pada m
faktor.
var(Xi)= varians yang dijelaskan oleh faktor untuk variabel asal ke-i + var(error)
= hi2 i
= 21 + 22 + + 2 +
faktor utama
non-iteratif
analisis citra
(image analysis)
faktor kanonik
metode
non-iteratif
pendugaan
Harris
kemungkinan
maksimum
iteratif
kuadrat terkecil
tak-terboboti
Metode komponen utama pada analisis faktor adalah metode yang paling
sederhana. Metode ini bertujuan untuk menaksirkan parameter pada analisis
faktor, yaitu varian spesifik () , communality () dan matriks faktor
loading () .
Komponen utama analisis faktor pada matriks varian kovarian
memiliki pasangan nilai eigen dan vektor eigen (1 , 1 ), , ( , ) dimana
1 2 > 0 dengan = + .
= + . = + 0 =
1 1
= [1 1 |2 2 | | ] [ ] + 0
Jika m<p merupakan jumlah dari faktor umum, maka matriks dari
estimasi faktor loading { } dinyatakan sebagai:
L = [1 1 |2 2 | | ]
1 0 0
0
= 0 2
[ 0 0
]
= 1
2
=1
2 = 1+
2 2
2+ . +
2
= 2
=
Dengan demikian kita memiliki model k-faktor dengan L diduga oleh
dan diduga dengan , sehingga diperoleh pendekatan bagi R adalah
= +
Dalam prakteknya kita harus melakukan validasi model, sehingga
sebelum menerima L dan sebagai penduga akhir, perlu dihitung matriks
sisaan
+ )
= (
Matriks sisaan Res selalu memiliki unsur diagonal nol. Pada kasus yang
ideal, Res = 0. Dengan demikian, dalam bahasa intuitif, jika unsur nondiagonal
juga dekat dengan nilai 0 maka penduga dan dianggap cukup bagus dan
dapat diterima. Hal ini memicu munculnya statistik untuk menilai mutu dari
pendugaan.
=+1 =+1
=
=1
Dapat dijadikan ukuran kebaikan suai dari model faktor. Semakin kecil
nilainya mengindikasikan kebaikan suai yang tinggi. Perlu ditegaskan bahwa
jika yang digunakan bukan matriks korelasi melainkan matriks ragam
peragam, maka =1 tidak selalu sama dengan p.
1 2
=
(1 )
=1
Variansi spesifik adalah variansi yang dimiliki oleh variabel yang bersifat
reliabel secara spesifik dan tidak berhubungan dengan variabel lain. Sedangkan
variansi error adalah variansi yang berhubungan dengan ketidak reliabel, yang
terjadi dari proses pengumpulan data, error pengukuran dan kesalahan acak.
Dalam menentukan jumlah faktor yang diinginkan sebagai hasil ekstrak, terdapat
beberapa kriteria, yaitu :
PEMBAHASAN
BAB V
PENUTUP
A. Kesimpulan
B. Saran
Penulis menyarankan pada pembaca untuk membaca materi Analisis Faktor dari
sumber lain, dikarenakan ketidaksempurnaan makalah yang penulis buat.
DAFTAR PUSTAKA
Supranto, J. 2004. Analisis Multivariat, Arti dan Interpretasi. Edisi-1. Rineka Cipta. Jakarta.
Johnson, R. A. and Wichern, D. W. 1998. Applied Multivariate Statistical Analysis. Prentice-Hall, Inc.
USA.
Mattjil, Ahmad Ansori, dkk. 2011. Sidik Peubah Ganda Dengan menggunakan SAS. Bogor:
kampus IPB Darmaga