Nama : Agung Kurniawan

Nim : 16113200
Jurusan : Teknik Industri
Kelas : 16A Karyawan

Tugas Analisis Multivariat (Analisis Faktor dalam Spss)

A. Definisi Analisis Faktor
Analisis faktor adalah sebuah teknik yang digunakan untuk mencari faktor-faktor yang mampu
menjelaskan hubungan atau korelasi antara berbagai indikator independen yang diobservasi.
Analisis faktor merupakan perluasan dari analisis komponen utama. Digunakan juga untuk
mengidentifikasi sejumlah faktor yang relatif kecil yang dapat digunakan untuk menjelaskan
sejumlah besar variabel yang saling berhubungan. Sehingga variabel-variabel dalam satu faktor
mempunyai korelasi yang tinggi, sedangkan korelasi dengan variabel-variabel pada faktor lain relatif
rendah. Tiap-tiap kelompok dari variabel mewakili suatu konstruksi dasar yang disebut faktor. Untuk
meningkatkan daya interpretasi faktor, harus dilakukan transformasi pada matriks loading.
Transformasi dilakukan dengan merotasi matriks tersebut dengan metode varimax, quartimax,
equamax, quartimin, biquartimin dan covarimin serta oblimin.

Hasil rotasi ini akan mengakibatkan setiap variabel asal mempunyai korelasi tinggi dengan faktor
tertentu saja dan dengan faktor yang lain korelasi relatif rendah sehingga setiap faktor akan lebih
mudah untuk diinterpretasikan. Untuk mengetahui rotasi mana yang sesuai digunakan Μ2min yang
dihasilkan dari analisis procrustes.

B. Tujuan Analisis Faktor

Tujuan utama analisis faktor adalah untuk menjelaskan struktur hubungan di antara banyak
variabel dalam bentuk faktor atau vaiabel laten atau variabel bentukan. Faktor yang terbentuk
merupakan besaran acak (random quantities) yang sebelumnya tidak dapat diamati atau diukur
atau ditentukan secara langsung. Selain tujuan utama tersebut, terdapat tujuan lainnya adalah:
 1. Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel
baru yang jumlahnya lebih sedikit dari variabel asal, dan variabel baru tersebut dinamakan
faktor atau variabel laten atau konstruk atau variabel bentukan.
2. Untuk mengidentifikasi adanya hubungan antarvariabel penyusun faktor atau dimensi
dengan faktor yang terbentuk, dengan menggunakan pengujian koefisien korelasi antar
faktor dengan komponen pembentuknya. Analisis faktor ini disebut analisis faktor
konfirmatori.
3. Untuk menguji valisitas dan reliabilitas instrumen dengan analisis faktor konfirmatori.
4. Validasi data untuk mengetahui apakah hasil analisis faktor tersebut dapat digeneralisasi ke
dalam populasinya, sehingga setelah terbentuk faktor, maka peneliti sudah mempunyai
suatu hipotesis baru berdasarkan hasil analisis tersebut.

C. Jenis Analisis Faktor

a. Analisis Faktor Eksploratori (Exploratory Factor Analysis)
Seorang peneliti membuat seperangkat item yang mengukur kualitas pelayanan bank. Item
tersebut merupakan operasionalisasi dari teori dan indikator mengenai kualitas layanan.
Peneliti hendak mengidentifikasi berapa faktor yang ada di dalam seperangkat item
tersebut. Dari analisis faktor kemudian didapatkan ada 4 faktor yang menggambarkan
kualitas layanan bank, antara lain faktor fitur layanan, fasilitas gedung, keramahan
karyawan, serta jaminan keamanan.
b. Analisis Faktor Konfirmatori (Confirmatory Factor Analysis).
Seorang peneliti merancang sebuah alat ukur mengenai dukungan sosial. Alat ukur tersebut
berisi seperangkat aitem yang diturunkan dari lima dimensi dukungan sosial. Peneliti
berusaha memastikan apakah alat ukur yang dibuatnya benar-benar menjelaskan kelima
dimensi tersebut. Ia kemudian melakukan analisis faktor konfirmatori. Hasil dari analisis
faktor menunjukkan bahwa pembagian kelima faktor akhirnya dibuktikan.

D. Langkah-Langkah Melakakukan Analisis Faktor

1. Melakukan uji korelasi antar variabel asal dengan tujuan agar penyusutan variabel analisis
faktor menjadi lebih sederhana dan bermanfaat, tanpa kehilangan banyak informasi
sebelumnya.
2. Uji kelayakan data (menggunakan basis faktor) apakah cocok dilakukan analisis faktor.
3. Mencari akar ciri dan matriks Σ atau R.
4. Mengurutkan akar ciiri yang terbentuk dari terbesar sampai terkecil.
5. Mencari proporsi keragaman atau berguna untuk mengetahui berapa faktor yang akan
terbentuk.
6. Mengalokasikan setiap variabel asal kedalam faktor sesuai dengan nilai loading
7. Apabila terdapat nilai loading yang identik atau hampir sama maka lakukan rotasi baik
dengan cara orthogonal ataupun non orthogonal.
8. Setelah yakin dengan faktor yang terbentuk , maka berikan penamaan pada faktor tersebut
dengan cara melihat variabel-variabel apa saja yang menyusun faktor tersebut.
E. Menentukan Metode Analisis Faktor
Terdapat dua cara yang dapat dipergunakan dalam analisis faktor khususnya koefisien skor
faktor, yaitu Principal component dan Common factor analysis
1. Principal component
Jumlah varian dalam data dipertimbangkan. Diagonal matrik korelasi terdiri dari angka satu
dan full variance dibawa dalam matriks faktor. Principal component direkomendasikan jika
hal yang pokok adalah menentukan bahwa banyaknya faktor harus minimum dengan
memperhitungkan varians maksimum dalam data untuk dipergunakan di dalam analysis
multivariate lebih lanjut.
2. Common factor analysis
Faktor diestimasi hanya didasarkan pada common variance, communalities dimasukkan
dalam matrik korelasi. Metode ini dianggap tepat jika tujuan utamanya
mengenali/mengidentifikasi dimensi yang mendasari dan common variance yang menarik
perhatian

F. Contoh Analisis Faktor Dengan SPSS

contoh kasus peningkatan pelayanan sebuah swalayan. Seorang manajer swalayan ingin
mengetahui variabel-variabel apa yang dominan dipersepsikan oleh konsumen. Variabel-
variabel tersebut kemudian dibuat kuesioner dan disebarkan pada pengunjung swalayan
sebanyak 100 orang sebagai sampel. Variabel pertanyaan tersebut meliputi : kenyamanan,
lokasi toko, kualitas produk, harga produk, tempat parkir, kebersihan, pelayanan kasir,
keberagaman produk dan fasilitas, keindahan interior ruangan.

Langkah Analisis Faktor

Langkah-langkah :
1. Dari menu SPSS Klik Analyze >> Dimension Reduction >> Factor
2. Masukkan Semua variabel kuesioner ke dalam kotak variable (s)
3. Klik Descriptive, Klik KMO Bartletts test of Sphericity dan anti Image
4. Klik Initial Solution
Hasil Output sebagai berikut :

Tabel KMO and Bartlet's Test

Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of sampling Adequacy
(MSA) adalah 0.568. Karena nilai 0.568 ('> 0.5). Hal ini menunjukkan kecukupan dari sampel.
Angka KMO dan Bartlet's test (yang tanpak pada nilai chi-square) sebesar 574,473 dengan nilai
signifikansi 0.000. hal ini menunjukkan bahwa adanya korelasi antar variabel dan layak untuk
proses lebih lanjut.
Selanjutnya untuk mengetahui variabel mana yang dapat diproses lebih lanjut dan mana yang
dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah ini.

Tabel Anti -image Matrices

Pada tabel Anti-image Matrice di atas, khusus pada bagian (anti Image Correlation) terlihat
angka yang bertanda (a) yang menandakan besaran MSA sebuah variabel. Variabel kenyamanan
0.736, lokasi toko 0.659, Kualitas produk 0.569), harga produk 0.569, tempat parkir 0.520,
kebersihan 0.652, pelayanan kasir 0.564, keberagaman produk 0.581, fasilitas 0.811 dan
keindahan interior 0.517. Nilai MSA masing-masing variabel besarnya > 0.5 maka semua variabel
dapat diproses lebih lanjut.
NB. Jika ada variabel yang nilai MSA < 0.5 maka dilakukan proses ulang dari awal dengan
mengeluarkan variabel tersebut yang nilai MSA < 0.5.
Langkah analisis selanjutnya
1. Dari menu SPSS, buka kembali analisis factor
2. Tekan tombol reset
3. Masukan semua variabel ke dalam kolom variables(s) karena semua variabel lolos uji
pertama.
4. Klik tombol Descriptive, Klik Initial solution, KMO and Bartlett's test of Sphericity, anti Image
dan Klik Continue.
5. Klik Extraction, Klik screee plot, Klik continue
6. Klik Scores, Kkik save as variable Pilih regression.
7. Klik Continue dan klik OK.

Tabel. Communaties

Tabel Communalities, variabel kenyamanan besarnya 0,551. Hal ini berarti sekitar 55,1%
varians dari variabel kenyamanan dapat dijelaskan oleh faktor yang terbentuk. Variabel
lokasi toko 0,483 hal ini berarti 48,3% varian dari variabel lokasi toko dapat dijelaskan oleh
faktor yang terbentuk. Demikian juga untuk variabel yang lain. Semakin kecil nilai
communalities berarti semakin lemah hubungannya dengan faktor yang terbentuk.

Tabel. Total Variance Explained

Pada tabel Total Variance Explained di atas menunjukkan ada 4 faktor yang terbentuk dari
10 variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value
sebesar 2,938 dengan variance (29,382%), Faktor 2 eigenvalue sebesar 2,024 dengan
variance (20,237%), Faktor 3 eigenvalue sebesar 1,193 dengan (11,933%) dan Faktor 4
eigenvalue sebesar 1,142 dengan variance (11,422%).
Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam
menghitung varians dari 10 variabel yang di analisis. Bila semua variabel dijumlahkan
bernilai 10 (sama dengan banyaknya variabel).
2,938/10 x 100% = 29,38%
2,024/10 x 100% = 20,24%
1,193/10 x 100% = 11,93%
1,142/10 x 100% = 11,42%
Total varians apabila dari 10 variabel diekstrak menjadi 4 faktor adalah :
29,382 % + 20,237% + 11,933 % + 11,422% = 72,974%

Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 72,974%
sedangkan sisanya 27,026% dijelaskan oleh faktor lain yang tidak diteliti.

Grafik Scree Plot

Gambar Screeplot menerangkan hubungan antara banyaknya faktor yang terbentuk dengan
nilai eigenvalue dalam bentuk grafik.
 Tabel. Rotated Component Matrix
Rotated Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor
merupakan besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut. Untuk
variabel kenyamanan, korelasi antara variabel kenyamanan dengan faktor 1 (0,173), faktor 2
(0,156), faktor 3 (-0,134), faktor 4 (0,692). Hal ini dapat dikatakan bahwa variabel
kenyamanan masuk ke dalam Faktor 4, karena korelasinya paling tinggi diantara faktor yang
lain. Demikian juga faktor loading untuk variabel yang lain.
Variabel lokasi toko nilai loading faktor dengan faktor 1 (0,265), faktor 2 (0,266), faktor 3
(0,170), faktor 4 (0,560). Maka variabel lokasi toko masuk ke Faktor 4.
Variabel kualitas produk nilai loading faktor dengan faktor 1 (0,161), faktor 2 (0,942), faktor
3 (-0,940), faktor 4 (0,40). Maka variabel kualitas produk masuk Faktor 2.
Variabel harga produk nilai loading faktor dengan faktor 1 (0,952), faktor 2 (0,163), faktor 3
(0,021), faktor 4 (0,081). Maka variabel harga produk masuk Faktor 1.
Variabel tempat parkir nilai loading faktor dengan faktor 1 (-0,088), faktor 2 (-0,110), faktor
3 (0,936), faktor 4 (0,081). Maka variabel tempat parkir masuk ke Faktor 3.
Variabel kebersihan nilai loading faktor dengan faktor 1 (0,233), faktor 2 (0,055), faktor 3
(0,413), faktor 4 (-0,110). Maka variabel kebersihan masuk Faktor 3.
Variabel pelayanan kasir nilai loading faktor dengan faktor 1 (0,166), faktor 2 (0,953), faktor
3 (-0,41), faktor 4 (-0,078). Maka variabel pelayanan kasir masuk ke Faktor 2.
Variabel keberagaman produk nlai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176),
faktor 3 (0,035), faktor 4 (0,036). Maka variabel keberagaman produk masuk Faktor 1.
Variabel fasilitas faktor nlai loading dengan faktor 1 (0,210), faktor 2 (0,206), dengan faktor
3 (-0,023) dan faktor 4 (0,643). Maka variabel fasilitas masuk ke Faktor 1.
Variabel keindahan interior nilai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176),
faktor 3 (0,035), faktor 4 (0,078). Maka variabel keindahan interior masuk Faktor 1.
 Tabel. Component Transformation Matrix

Tabel Component Transformation matrix, menunjukan hasil rotasi varimax. Variabel-

variabel sudah terditribusikan ke masing-masing faktor yaitu 4 faktor yang terbentuk.
Setelah dilakukan rotasi dan terbentuk 4 faktor, selanjutnya memberi nama faktor tersebut.
Penamaan faktor ini tergantung peneliti dan dapat mewakili variabel-variabelnya.
1. Faktor 1 terdiri dari variabel harga produk, keberagaman produk dan fasilitas.
Diberinama Faktor Produk dan Fasilitas.
2. Faktor 2 terdiri dari variabel kualitas produk dan pelayanan kasir. Diberinama Faktor
Kualitas dan Pelayanan.
3. Faktor 3 terdiri dari variabel kebersihan dan keindahan interior. Diberinama Faktor
Kebersihan.
4. Faktor 4 terdiri dari variabel kenyamanan dan variabel lokasi toko. Diberinama Faktor
Akses.

Catatan.
Analisis faktor dapat juga digunakan sebagai salah satu analisis untuk menanggulangi
masalah multikolinieritas dalam regresi berganda, yaitu dengan mereduksi variabel-variabel
independen yang mengalami problem multikolineritas