RESUME FACTOR ANALYSIS

Factor Analysis • Prosedur analisis yang digunakan untuk data reduction atau
mereduksi dimensi:
• Interdependence technique (teknik interdependen) untuk menguji hubungan
sekumpulan variabel.
Kegunaan Factor Analysis:
• Untuk mengidentifikasi underlying dimensions yang dapat menjelaskan
korelasi sekumpulan variabel.
• Untuk mengidentifikasi variabel baru, yang dapat digunakan untuk analisis
lainya
• Untuk mengidentifikasi satu atau beberapa variabel dari variabel yang banyak
jumlahnya
• Mengkonfirmasi kontruksi suatu variabel laten.

Adapun tipe analisis faktor yaitu:

• Q-Factor Analysis
• R-Factor Analysis
• Confirmatory Factor Analysis (CFA)
Analisis teknik konfirmatori yaitu suatu teknik analisis factor dimana
secara apriori berdasarkan teori dan konsep yang sudah diketahui,dipahami dan
ditentukan sebelumnya.Maka sejumlah factor yang akan dibentuk serta variable
apa saja yang termasuk kedalam masing-masing factor yang dibentuk dan sudah
pasti tujuannya. Pembentukan factor konfirmatori(CFA) secara sengaja
berdasarkan teori konsep dalam upaya mendapatkan variable baru atau factor
mewakili beberapa item atau sub-variabel yang merupakan variable teramati.
• Exploratory Factor Analysis (EFA)
Analisis factor eksplorasi atau analisi komponen utama (PCA = principle
component analysis) adalah suatu teknik analisis factor dimana beberapa factor
yang akan dibentuk berupa variable laten yang belum dapat ditentukan sebelum
analisis dilakukan.

Analisis faktor bukan tentang membuat prediksi dari variabel-itu tetapi tentang
menemukan
hubungan antara seluruh set variable dan menemukan kekuatan hubungan itu.
Basic Factor Analysis Concepts
• Communality - besarnya varian variabel yang disaring dengan variabel
lainnya.
• Eigenvalue - total variance yang dapat dijelaskan masingmasing faktor.
• Factor loadings – korelasi antara faktor dan variabel.
• Factor Matrix - matrik yang berisi faktor loading dari faktor yang terekstrasi
• KMO measure of sampling adequacy - indeks yang digunakan untuk menguji
kesesuaian analisis faktor, nilainya minimal 0,5.
Kriteria kesesuaian dalam pemakaian analisis factor:
KMO = 0,9 • sangat memuaskan
KMO = 0,8 • memuaskan
KMO = 0,7 • harga menengah
KMO = 0,6 • cukup
KMO = 0,5 • kurang memuaskan harga
KMO < 0,5 • tidak dapat diterima
• Residuals - perbedaan antara korelasi observasi dan korelasi hasile estimasi
dari matrik faktor.

Adapun tahapan Factor Analysis:

• Formulasi Problem – Apa tujuan penelitian? – Apa jumlah observasi
mencukupi paling sedikit 4 -5 observasi untuk setiap variabel, minimal 100
sampel.
• Menyusun Matrik Korelasi – Matrik ini menunjukkan hubungan antara
variabel. Nilai korelasi yang tinggi atau signifikan menunjukkan bahwa kedua
variabel tersebut berhubungan erat
• Tentukan Prosedur analisis – Principal components analysis; menguji total
variance suatu data, umumnya digunakan untuk mereduksi itemitem. – Principal
axis factor analysis ; menguji hanya common variance , biasanya digunakan
untuk mengidentifikasi underlying dimensi.
• Mengekstraksi Faktor (Extracting Factors) – Metode yangumum digunakan
adalah dengan melihat Eigenvalue lebih besar atau sama dengan dari 1.0
• Merotasi faktor (Rotating Factors) – Orthogonal rotation: Prosedur yang
umum digunakan adalah varimax rotation, yang mana meminimalkan jumlah
variabel dengan loading faktor yang besar. – Oblique rotation: digunakan
bilamana variabel berkorelasi tinggi dengan variabel lainnya
• Interpretasi: –Dilihat loading faktornya – Jika tujuanya mereduksi data , beri
nama faktor hasil reduksi dan hitung faktor skornya.
• Menentukan kecocokan model - Lihatlah residual (perbedaan antara korelasi
yang diamati dan direproduksi). - Jika ada banyak residual besar, model ini
tidak menyediakan data yang baik.