TUGAS MAKALA

STATISTIK INDUSTRI

DOSEN PEMBIMBING:

FARADILA ANANDA YUL, ST,M.Sc

DIBUAT OLEH :
MUHAMMAD IKBAL HASIBUAN(170103035)
AZMI RAMADHAN(180103016)
TRI YULIYADI SALMAN(180103031)

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH RIAU
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Disaat ini ilmu pengetahuan berkembang sangat pesat,khususnya dalam bidang
statistika banyakpenelitian dengan data yang dipengaruhi berbagai macam faktor. Sehingga
peneliti sering kalikesulitan untuk mengolah data tersebut. Sehingga diperlukan adanya
metode statistik multivariatuntuk menyelesaikan masalah tersebut. Salah satu metode
statistik multivariat yang dapat digunakayaitu dengan mengelompokan beberapa variabel
berdasarkan hubungan antar variabel tersebutsehingga di dapatkan kumpulan variabel yang
lebih sedikit dari jumlah variabel awal . metode inidisebut analisis faktor.1.2

1.2 Rumusan Masalah

1.Apa yang dimaksud dengan analisis faktor?
2.Apa tujuan dari analisis faktor?
3.Apa syarat-syarat yang harus dipenuhi suatu data agar dapat diselesaikan
menggunakan analisisfaktor?
4. Bagaimana proses pada analisis faktor?

1.3Tujuan

1.Untuk mengetahui definisi analisis faktor

2.Untuk mengetahui tujuan dari analisis faktor

3.Untuk mengetahui syarat-syarat yang harus dipenuhi suatu data agar dapat
 BAB II
PEMBAHASAN

2.1 Pengertian Analisis Faktor

Analisis faktor adalah suatu analisis statistic yang bertujuan untuk mengidentifikasi,
mengelompokkan dan meringkas faktor-faktor yang merupakan dimensi suatu variabel, definisi
dan sebuah fenomena tertentu. Analisis faktor juga bertujuan untuk mengetahui faktor-faktor
yang dominan dalam menjelaskan suatu masalah.

Menurut Jhonson dan Wichern (1992) yang dimaksud dengan analisis faktor adalah:
1. Pengembangan dari Analisis Komponen Utama (AKU) yang lebih terperinci dan teliti
2. Mengecek konsistensi data terhadap struktur peubah.

Kegunaan dari Analisis Faktor (Jhonson dan Wichern, 1992) adalah:

1. Untuk meneliti keterkaitan peubah-peubah dalam satu set data.
2. Untuk menyederhanakan deskripsi dari suatu set data (peubah) yang banyak dan saling
berkorelasi menjadi set data lain yang ringkas dan tidak lagi saling berkorelasi

Misalnya suatu studi ingin mengetahui faktor-faktor yang dominan yang menentukan hasil
belajar. Misalnya ada sekitar 20 variabel bebas yang digunakan untuk menentukan hal
tersebut. Analisis faktor akan menentukan faktor-faktor apa saja dari ke-20 peubah tersebut yang
merupakan faktor-faktor dominan dalam menentukan hasil belajar.

2.2 Tujuan Analisis Faktor

Analisis Faktor pada dasarnya bertujuan untuk mendapatkan sejumlah kecil faktor-faktor yang
memiliki sifat-sifat:
1. Mampu menerangkan semaksimal mungkin keragaman data.
2. Faktor-faktor tersebut saling bebas.
3. Tiap-tiap faktor dapat diinterpretasikan sejelas-jelasnya

Dalam analisis faktor ini seluruh variabel yang ada akan dilihat hubungannya (interdependent
antar variabel), sehingga akan menghasilkan pengelompokan atau tepatnya abstraction dari
banyak variabel mejadi hanya beberapa variabel baru atau faktor. Dengan sedikit faktor ini
sebenarnya akan menjadi lebih mudah untuk dikelola. Ini sebenarnya
merupakan: EXPLORATORY RESEARCH.
2.3Contoh Kasus Analisis Faktor Menggunakan SPSS
Seorang Mahasiswa Menganalisis tingkat kepuasan konsumen terhadap 7 merek sabun mandi
adapun merek-merek sabun tersebut adalah : DOVE, CITRA, SHINZUI, GIV, LIFEBUOY,
DETOL, dan SEHAT. Pada penelitian ini di ambil 20 responden. Setiap merek diberikan 3
pilihan jawaban :
1. Kurang Puas
2. Cukup Puas
3. Sangat Puas

Berikut data hasil responden

NO DOVE SHINZUI CITRA GIV LIFEBUOY DETOL SEHAT
1 3.0 2.0 2.0 3.0 2.0 3.0 1.0
2 3.0 2.0 3.0 3.0 2.0 2.0 2.0
3 2.0 3.0 2.0 3.0 3.0 3.0 2.0
4 1.0 2.0 2.0 3.0 3.0 2.0 1.0
5 3.0 3.0 1.0 2.0 2.0 3.0 3.0
6 3.0 3.0 1.0 1.0 1.0 1.0 3.0
7 1.0 3.0 1.0 1.0 3.0 3.0 3.0
8 1.0 3.0 2.0 1.0 2.0 2.0 3.0
9 2.0 2.0 2.0 2.0 1.0 2.0 2.0
10 3.0 2.0 3.0 3.0 2.0 2.0 2.0
11 3.0 3.0 2.0 2.0 3.0 2.0 3.0
12 2.0 3.0 2.0 2.0 3.0 3.0 2.0
13 2.0 3.0 2.0 3.0 1.0 2.0 2.0
14 2.0 2.0 2.0 3.0 2.0 2.0 2.0
15 2.0 2.0 3.0 3.0 2.0 2.0 3.0
16 2.0 2.0 3.0 2.0 2.0 1.0 3.0
17 2.0 3.0 2.0 2.0 2.0 3.0 1.0
18 2.0 1.0 3.0 3.0 2.0 3.0 1.0
19 3.0 2.0 3.0 2.0 3.0 3.0 2.0
20 3.0 1.0 3.0 2.0 2.0 3.0 1.0

Adapun langkah-langkah analisis menggunakan SPSS adalah sebagai berikut :

1. Buka program SPSS, kemudian isi kolom-kolomnya dengan data :
a. Variabel DOVE
- Kolom Name pada baris pertama isi dengan X1
 - Kolom Type diisi dengan Numeric
- Kolom Width diisi dengan 8
- Kolom label isi dengan DOVE
- Kolom Value diisi dengan : 1= Tidak Puas
2= Cukup Puas
3= Sangat Puas
- Kolom Missing diisi dengan : None
- Kolom Coloums diisi dengan 4
- Kolom Align diisi degan Center
- Kolom Measure diisi dengan Scale

b. Variabel SHINZUI
- Kolom Name pada baris pertama isi dengan X2
- Kolom Type diisi dengan Numeric
- Kolom Width diisi dengan 8
- Kolom label isi dengan SHINZUI
- Kolom Value diisi dengan : 1= Tidak Puas
2= Cukup Puas
3= Sangat Puas
- Kolom Missing diisi dengan : None
- Kolom Coloums diisi dengan 4
- Kolom Align diisi degan Center
- Kolom Measure diisi dengan Scale
Dan seterusnya.

Untuk varibel-variabel berikutnya sama dengan cara di atas,Berikut hasil inputnya :

a. Setelah Variabel View diisi, maka langkah selanjutnya adalah menginput data
dalam data View. Berikut hasil inputnya :
b. Selanjutnya klik menu Analyze => Pilih Data/Dimension Reduction
kemudian pilih=> Faktor seperti gambar berkut :

c. Setelah Factor di klik, muncul dialog Factor Analysis

 d. Masukkan semua varibel (P1 s.d P7) ke kotak Variabels :

e. Pada dialog Factor Analysis klik dialog Descriptives => kemudian

tandai/aktifkan => Initial Solution, Anti Image, dan KMO dan Bratlett’s
test of spericity kemudian lanjutkan => klik Continue => pada dialog
Factor Analysis klik OK
:

f. Hasilnya akan terlihat pada jendela output berikut ini

 KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling

.547
Adequacy.
Bartlett's Test of Approx. Chi-Square 38.142
Sphericity Df 21
Sig. .012

Anti-image Matrices

DOVE SHINZUI CITRA GIV LIFEBUOY DETOL SEHAT

Anti-image DOVE .868 .022 -.082 -.068 .202 -.140 -.097

Covariance
SHINZUI .022 .359 .243 -.037 -.086 -.011 -.152

CITRA -.082 .243 .384 -.146 -.136 .082 -.037

GIV -.068 -.037 -.146 .602 -.029 .069 .207

LIFEBUOY .202 -.086 -.136 -.029 .636 -.307 -.108

DETOL -.140 -.011 .082 .069 -.307 .499 .245

SEHAT -.097 -.152 -.037 .207 -.108 .245 .414

Anti-image DOVE .449a .039 -.143 -.095 .272 -.212 -.162

Correlation
SHINZUI .039 .626a .654 -.079 -.179 -.027 -.393

CITRA -.143 .654 .583a -.305 -.276 .188 -.092

GIV -.095 -.079 -.305 .710a -.048 .126 .414

LIFEBUOY .272 -.179 -.276 -.048 .335a -.545 -.211

DETOL -.212 -.027 .188 .126 -.545 .396a .538

SEHAT -.162 -.393 -.092 .414 -.211 .538 .555a

a. Measures of Sampling Adequacy(MSA)

Analisis awal dilakukan untuk mengetahui variabel mana saja yang layak dimasukkan dalam
analisis lanjut, karena tidak semua variable bisa masuk dalam analisis lanjut harus disaring dulu.
Caranya dapat dilihat pada KMO-MSA (Kaiser-Meyer-Olkin Measure of Sampling Adequacy)
bila hasilnya lebih besar dari 0.5, maka dapat melanjutkan proses analisis factor. Pada hasil
perhitungan diproleh hasil KMO-MSA sebesar 0.547, artinya 0.547>0.5, maka proses analisis
factor dapat berlanjut. Proes selanjutnya kita melihat table Anti-image Matrix untuk
menentukan variable mana saja yang layak digunakan dalam analisis lanjutan. Pada table
tersebut ada kode “a” yang artinya tanda untuk Measures of Sampling Adequacy(MSA).
Diketahui nilai MSA untuk masing-masing Variabel adalah : 0.449 (P1), 0.626(P2), 0.583(P3),
0.710(P4), 0.335(P5), 0.396(P6), 0.555(P7). Jadi Variabel paling kecil yang harus dikeluarkan
pertama adalah Variabel Paling Kecil MSA nya adalah 0.335(P5) sabun Lifebuoy.

Prosedur Pemilhan Variabel Model-2

Prosedur selanjutnya adalah melakukan pemilihan variable ulang. Dengan langkah-langkah
sebagai berikut :
1. Menggunakan data yang tadi klik menu= > Analyize pilih Data Reduction=> maka
akan muncul menu Factor Analysis=> masukkan semua Varibel ke Variables kecuali
varibel Lifebuoy (P5)

2. Kemudian klik menu Descriptives… Muncullah Dialog Factor Analysis Descriptives,

lalu tandai menu : Initial Solution, Anti Image, dan KMO dan Bratlett’s test of
spericity kemudian lanjutkan => klik Continue => pada dialog Factor Analysis klik
OK
3. Maka hasilnya akan terlihat seperti berikut :
 KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling

.605
Adequacy.
Bartlett's Test of Approx. Chi-Square 31.630
Sphericity Df 15
Sig. .007

Anti-image Matrices

DOVE SHINZUI CITRA GIV DETOL SEHAT

Anti-image Covariance DOVE .938 .055 -.046 -.064 -.065 -.071

SHINZUI .055 .371 .251 -.042 -.077 -.180

CITRA -.046 .251 .415 -.166 .025 -.068

GIV -.064 -.042 -.166 .603 .078 .212

DETOL -.065 -.077 .025 .078 .710 .286

SEHAT -.071 -.180 -.068 .212 .286 .433

Anti-image Correlation DOVE .728a .093 -.073 -.085 -.079 -.111

SHINZUI .093 .614a .639 -.089 -.151 -.448

CITRA -.073 .639 .625a -.331 .046 -.160
GIV -.085 -.089 -.331 .702a .120 .414
DETOL -.079 -.151 .046 .120 .428a .516
SEHAT -.111 -.448 -.160 .414 .516 .561a

a. Measures of Sampling Adequacy(MSA)

Berdasarkan hasil analisis model ke-2 tadi, hasilnya menunjukkan bahwa masih ada variable
yang nilai MSA nya kurang dari 0.5. yaitu Variabel sabun DETOL sebesar 0.428, sehinga masih
perlu dilakukan pemilihan variable sampai tidak ada variable yang kurang dari 0.5.

Proses Pemilihan Varibel Model-3

langkah –langkahnya adalah sama dengan pemilihan Variabel model ke-2 yaitu :
1. Tetap Menggunakan data yang tadi klik menu= > Analyize pilih Data Reduction=>
maka akan muncul menu Factor Analysis=> masukkan Variabel P1,P2,P3,P4 dan P6
ke Variables.
 2. Kemudian klik menu Descriptives… Muncullah Dialog Factor Analysis Descriptives,
lalu tandai menu : Initial Solution, Anti Image, dan KMO dan Bratlett’s test of
spericity kemudian lanjutkan => klik Continue => pada dialog Factor Analysis klik
OK
3. Maka hasilnya akan terlihat seperti berikut :

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .635

Bartlett's Test of Sphericity Approx. Chi-Square 26.624

Df 10
Sig. .003

Anti-image Matrices

DOVE SHINZUI CITRA GIV SEHAT

Anti-image Covariance DOVE .944 .049 -.044 -.058 -.062

SHINZUI .049 .379 .260 -.035 -.207

CITRA -.044 .260 .416 -.171 -.106

GIV -.058 -.035 -.171 .612 .249

SEHAT -.062 -.207 -.106 .249 .591

Anti-image Correlation DOVE .814a .082 -.070 -.076 -.083

SHINZUI .082 .620a .654 -.073 -.437

CITRA -.070 .654 .607a -.339 -.214
GIV -.076 -.073 -.339 .708a .415
SEHAT -.083 -.437 -.214 .415 .609a

a. Measures of Sampling Adequacy(MSA)

Dari hasil analisis varibel model-3 kita peroleh nilai KMO-MSA sebesar 0.635. berarti proses
analisis boleh dilanjutkan. Kemudian dari table Anti-Image Corelation sudah tidak ada lagi
variable yang kurang dari 0.5. Artinya tidak perlu dilakukan pemilihan varibel lagi.
Analisis Faktor
Dari ketiga model proses analisis pemilihan variable yang sudah dilakukan dan memiliki nilai
standar, maka kita dapat melanjutkan Analisis Faktor dengan langkah-langkah sebagai berikut :
1. Kembali ke jendela SPSS dengan menhilangkan atau mengekstraksi dua variable yang
tidak memnuhi kriteria yaitu variable P5 dan P6

2. Kemudian aktifkan Data View=> selanjutnya klik menu Analyize => pilih Data
Reduction kemudian => pilih Factor

3. Setelah di klik Factor maka muncul dialog Factor Analysis => selanjutnya masukkan
semua Variabel mulai P1 s.d P7 ke kotak Variables => kemudian klik menu
Descriptives.. maka muncullah dialog Factor Analysis Description kemudian tandai :
Initial Solution, Anti Image, dan KMO dan Bratlett’s test of spericity => klik
Continue
4. Kemudian klik menu Extraction…maka muncul Dialog Factor Analysis Extraction =>
kemudian tandai menu : Correlation Matrix, Unrotated Factor Solution, Scree Plot,
Egenvalues Over=> lanjutkan klik Continue

5. Kembali ke Dialog Factor Analysis klik OK, maka akan muncul hasil output nya,
seperti berikut :
KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling

.635
Adequacy.
Bartlett's Test of Approx. Chi-Square 26.624
Sphericity Df 10
Sig. .003

Anti-image Matrices

DOVE SHINZUI CITRA GIV SEHAT

Anti-image Covariance DOVE .944 .049 -.044 -.058 -.062

SHINZUI .049 .379 .260 -.035 -.207

CITRA -.044 .260 .416 -.171 -.106
GIV -.058 -.035 -.171 .612 .249
SEHAT -.062 -.207 -.106 .249 .591

Anti-image Correlation DOVE .814a .082 -.070 -.076 -.083

SHINZUI .082 .620a .654 -.073 -.437

CITRA -.070 .654 .607a -.339 -.214
GIV -.076 -.073 -.339 .708a .415
SEHAT -.083 -.437 -.214 .415 .609a

a. Measures of Sampling Adequacy(MSA)

Communalities

Initial Extraction

DOVE 1.000 .094

SHINZUI 1.000 .739
CITRA 1.000 .670
GIV 1.000 .571
SEHAT 1.000 .504

Extraction Method: Principal

Component Analysis.
Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Comp % of Cumulative % of Cumulative

onent Total Variance % Total Variance %

1 2.578 51.550 51.550 2.578 51.550 51.550

2 .984 19.672 71.222
3 .694 13.881 85.103
4 .532 10.642 95.745
5 .213 4.255 100.000

Extraction Method: Principal Component

Analysis.
Component Matrixa

Component

DOVE .307
SHINZUI -.859
CITRA .818
GIV .755
SEHAT -.710

Extraction Method: Principal

Component Analysis.
a. 1 components extracted.

Komponen Matrix menunjukkan nilai korelasi antara suatu variabel dengan faktor yang
terbentuk. Pada tabel tersebut dapat dilihat bahwa korelasi variabel sabun DOVE dengan faktor
1 adalah 0.307. variabel SHINZUI -0.859, variabel CITRA 0.818, Variabel GIV 0.755, dan
Variabel sabun SEHAT -0.710
 BAB111
KESIMPULAN

Dapat kita simpulkan bahwah pada prosedur pemilihan variabel model 1, variabel yang palung
kecil SMA nya adalah 0’335(P5) lifebuoy, berarti tingkat kepuasan konsumen pada P5 kurang.
Dan nilai-nilai tertinggi kolerasinya dengan paktor yang terbentuk, bisa kita lihat pada kolerasi
sabun DOVE dengan paktor 0;307. Variabel SHINZUI 0,859, variabel CITRA 0’818, variabel
GIV 0,755, dan variabel sabun SEHAT 0,710.
 DAFTAR PUSTAKA

C, Trihendradi. 2013. Step by step IBM SPSS 21. Penerbit Andi: Yogyakarta

V, Wiratna Sujarweni. 2014. SPSS untuk Penelitian.Pustaka Baru Press: Yogyakarta

http//www.Statisticceria.com ( di akses pada 22 mei 2014)

http://id.shvoong.com/social-sciences/education/2287651-pengertian-penelitian-eksplanatori-
menurut-para/#ixzz32TNFss9r ( di Akses pada 22 mei 2014)