Analisis Faktor Rev 2011
Analisis Faktor Rev 2011
Pendahuluan :
TEORI ANALISIS MULTIVARIAT
Metode statistik yang memungkinkan melakukan
penelitian terhadap lebih dari 2 variabel secara
bersamaan.
Dapat menganalisis pengaruh beberapa variabel
terhadap variabel lain secara bersamaan
KLASIFIKASI TEKNIK ANALISIS
MULTIVARIT
DEPENDENSI: menerangkan variabel tergantung dengan
menggunakan 2/lebih variabel bebas (regresi linear
berganda,diskriminan, varian multivariat,korelasi
kanonikal)
INTERDEPENDENSI: seperangkat variabel/membuat
kelompok-kelompok secara bersamaan (analisis faktor,
kluster, multidimensional scaling parametrik,
multidimensional scaling non parametrik)
Measurement Scales
Data Nonmetric: data yang memberikan
deskripsi ada atau tidaknya suatu
karakteristik tertentu.
Misal: variable gender seorang responden
laki-laki, maka dia bukan perempuan. “Kadar
atau jumlah” gender juga tidak dapat diukur,
misal: seberapa laki-laki responden tersebut.
Nonmetric scales
Data nonmetric dapat dalam bentuk:
skala nominal: angka yang digunakan untuk
representasi kategori, tidak memiliki arti secara
kuantitatif (misal: 1= laki-laki, 2= perempuan)
skala ordinal: nilai dapat diranking, tetapi tidak
bisa ditentukan selisihnya (misal: 1=Tidak Puas,
2=Puas, 3=Sangat Puas).
Metric scales
Data metric, data berupa nilai angka yang memiliki
makna dan digunakan ketika subyek berbeda jumlah
atau tingkat .
Skala dalam data metric bisa berupa skala interval dan
skala rasio.
Perbedaannya pada penggunaan titik 0.
Intervaltitik 0 secara bebas, misal: ukuran skala temperature
celcius & Fahrenheit.
Rasio titik 0 absolut, misal: ukuran berat, panjang, dll. Karena
titik 0 absolut, suatu nilai bisa ditulis sebagai skala dari nilai yang
lain. Misal, 10 kg sama dengan 2 kali 5 kg.
Pemilihan Metode Analisis Multivarite
Multivariate
Methods
Dependence Interdependence
Methods Methods
Multiple
Relationships -
Structural
One Several Equations Metric Nonmetric
Dependent Dependent
Variable Variables
SEM CFA
Tahapan Pertama
1. Apakah EFA atau CFA?
EFA – Structural Equation Model
CFA – ikuti tahapan selanjutnya
2. Pilih variabel :
Penyimpulan data dan identifikasi struktur
Reduksi data
Tahapan Kedua
1. Pilih apa yang dikelompokkan (variabel atau responden
?)
Jika Variabel (karakteristik) – matrik korelasi (R Faktor
analisis)
Jika responden – Q faktor analisis / cluster analisis
1 5
Tahap 1: proses penyaringan (variabel2 yang
memenuhi syarat untuk dianalisis
`
Sistem
Harga Kombinasi Pembayaran
Hemat Ketersediaan Motor yang Model Motor Warna Motor Keawetan Promosi dari Kredit yang
Bahan Bakar Suku Cadang kompetitif yang menarik yang menarik Mesin Motor Produsen wajar
Anti-image Covariance Hemat Bahan Bakar ,827 ,046 -,181 -,009 ,034 ,024 ,184 -,220
Ketersediaan Suku
,046 ,574 ,090 -,292 ,068 ,095 ,227 -,172
Cadang
Harga Motor yang
-,181 ,090 ,814 -,092 -,174 -,079 -,080 ,028
kompetitif
Model Motor yang
-,009 -,292 -,092 ,578 -,230 -,007 -,130 ,007
menarik
Kombinasi Warna
,034 ,068 -,174 -,230 ,704 ,056 -,025 -,174
Motor yang menarik
Keawetan Mesin Motor ,024 ,095 -,079 -,007 ,056 ,949 -,055 -,039
Promosi dari Produsen ,184 ,227 -,080 -,130 -,025 -,055 ,791 -,007
Sistem Pembayaran
-,220 -,172 ,028 ,007 -,174 -,039 -,007 ,754
Kredit yang wajar
Anti-image Correlation Hemat Bahan Bakar ,511a ,066 -,220 -,013 ,045 ,027 ,228 -,279
Ketersediaan Suku a
,066 ,514 ,131 -,508 ,107 ,129 ,338 -,262
Cadang
Harga Motor yang a
-,220 ,131 ,585 -,134 -,230 -,090 -,099 ,036
kompetitif
Model Motor yang a
-,013 -,508 -,134 ,552 -,361 -,010 -,193 ,011
menarik
Kombinasi Warna a
,045 ,107 -,230 -,361 ,614 ,068 -,034 -,238
Motor yang menarik
Keawetan Mesin Motor ,027 ,129 -,090 -,010 ,068 ,657a -,063 -,046
Promosi dari Produsen ,228 ,338 -,099 -,193 -,034 -,063 ,493a -,010
Sistem Pembayaran a
Anti-image Matrices
Sistem
Harga Kombinasi Pembayaran
Hemat Ketersediaan Motor yang Model Motor Warna Motor Keawetan Kredit yang
Bahan Bakar Suku Cadang kompetitif yang menarik yang menarik Mesin Motor wajar
Anti-image Covariance Hemat Bahan Bakar ,872 -,009 -,173 ,024 ,043 ,038 -,230
Ketersediaan Suku
-,009 ,648 ,128 -,299 ,085 ,126 -,192
Cadang
Harga Motor yang
-,173 ,128 ,822 -,110 -,178 -,086 ,028
kompetitif
Model Motor yang
,024 -,299 -,110 ,601 -,244 -,017 ,006
menarik
Kombinasi Warna
,043 ,085 -,178 -,244 ,705 ,054 -,174
Motor yang menarik
Keawetan Mesin Motor ,038 ,126 -,086 -,017 ,054 ,953 -,039
Sistem Pembayaran
-,230 -,192 ,028 ,006 -,174 -,039 ,754
Kredit yang wajar
Anti-image Correlation Hemat Bahan Bakar ,533a -,012 -,204 ,033 ,054 ,042 -,284
Ketersediaan Suku a
-,012 ,526 ,176 -,479 ,126 ,160 -,275
Cadang
Harga Motor yang a
-,204 ,176 ,547 -,157 -,234 -,097 ,035
kompetitif
Model Motor yang a
,033 -,479 -,157 ,578 -,375 -,023 ,009
menarik
Kombinasi Warna a
,054 ,126 -,234 -,375 ,593 ,066 -,239
Motor yang menarik
Keawetan Mesin Motor ,042 ,160 -,097 -,023 ,066 ,547a -,046
Sistem Pembayaran a
-,284 -,275 ,035 ,009 -,239 -,046 ,623
Kredit yang wajar
a. Measures of Sampling Adequacy(MSA)
Tahap 2 (Proses Factoring dan
Rotasi)
Eugen value < 1
maka
dikeluarkan
Communalities
Initial Extraction
Hemat Bahan Bakar 1,000 ,816 Contoh:
Ketersediaan Suku Variabel Hemat Bahan Bakar:
1,000 ,705
Cadang
0.816 81.6% varian variabel
Harga Motor yang
kompetitif
1,000 ,675 Hemat dapat dijelaskan oleh
Model Motor yang
faktor yang terbentuk dalam
menarik
1,000 ,740 Componet matrix.
Kombinasi Warna
1,000 ,650
Motor yang menarik
Keawetan Mesin Motor 1,000 ,322
Sistem Pembayaran
1,000 ,600
Kredit yang wajar
Extraction Method: Principal Component Analysis.
Hanya 3 faktor yang terbentuk (nilai eigen
value di atas 1)
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Component Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2,136 30,520 30,520 2,136 30,520 30,520 1,802 25,748 25,748
2 1,307 18,670 49,190 1,307 18,670 49,190 1,370 19,565 45,314
3 1,064 15,204 64,394 1,064 15,204 64,394 1,336 19,081 64,394
4 ,907 12,953 77,347
5 ,691 9,872 87,219
6 ,534 7,622 94,840
7 ,361 5,160 100,000
Extraction Method: Principal Component Analysis.
Component Matrix : distribusi ketujuh
variabel pada tiga faktor yang terbentuk
Component Matrixa Suku cadang
Component masuk faktor
1 2 3 berapa ??
Hemat Bahan Bakar ,369 ,290 ,772
Ketersediaan Suku
,627 -,558 -,001
Cadang
Harga Motor yang
,354 ,729 -,131
kompetitif
Model Motor yang
,764 -,109 -,380
menarik
Kombinasi Warna
,666 ,287 -,353
Motor yang menarik
Keawetan Mesin Motor -,174 ,532 -,092
Sistem Pembayaran
,651 -,047 ,417
Kredit yang wajar
Extraction Method: Principal Component Analysis.
a. 3 components extracted.
1.0
awet harga
0.5
Component 2
irit warna
0.0
kredit model
-0.5
onderdil
-1.0
-1.0
-1.0 -0.5
-0.5 0.0 0.0
0.5 0.5
Compone 1.0 1.0 nt 3
nt 1 pone
Com
Analisis :
Faktor 1 = desain
ada sekelompok konsumen yang membeli sepeda
motor disebabkan desain model dan warna yang
menarik
Berdasarkan Component Plot in Rotated Place, warna
dan model bergerak positif
(semakin menarik model dan warna, konsumen
semakin tertarik untuk membeli)