LANDASAN TEORI
yang sangat popular dan telah dipergunakan secara luas dalam berbagai ilmu
diantara banyak variabel dalam bentuk beberapa faktor. Faktor- faktor tersebut
merupakan besaran acak (random quantities) yang tidak dapat diamati (diukur)
sistem konkret.
Analisis faktor bisa digunakan untuk dua fungsi utama dalam data
8
9
data. Yang kedua, analisis faktor mudah digunakan untuk mereduksi ukuran
dari pada banyaknya variabel asal( mereduksi data dari banyak variabel
yang disebut faktor dan masih memuat sebagian besar informasi yang
selanjutnya.
c. Mengenali atau mengidentifikasi satu set variabel yang penting dari suatu
varian yang disumbangkan oleh suatu variabel dengan variabel lainnya yang
ditambah dengan faktor yang unik untuk setiap variabel. Faktor – faktor ini
satu).
common factor ke j.
Fj : common factor ke j
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik
dan juga tidak berkorelasi dengan common factor. Common factor sendiri
11
Dimana :
koefsiennya Wi).
K : Banyak Variabel.
yang kedua menyerap sebagian besar sisa varian, setelah diambil faktor yang
ketiga. Jadi, faktor bisa diperkirakan/ diestimasi sehingga nilai faktor yang
satu tidak berkorelasi dengan dengan nilai faktor lainnya. Faktor yang
diperoleh merupakan variabel baru yang tidak berkorelasi antara satu faktor
faktor, sebab analisis faktor memang mereduksi jumlah variabel yang banyak
ada faktor yang menjadi kombinasi linear dari faktor lain, sebab
sama lain.
timbangan yang bukan nol nilainya atau faktor loading yang terkait
dengan faktor.
13
n Î X1, X 2 , . . . , Xn
dianggap bahwa :
pokok n = 3 n = 4.
X1 X2 X3 X4
X1 X2 X3 X1 1
X1 1 X2 R21 1
juga dianggap bahwa E(F) = () dan E (EF’) = R11 suatu matriks korelasi.
14
X = AF + Vµ
sebagai berikut.
Rxx = E(XX’)
= E{(AF+Vµ) (AF+Vµ)’}
= E{(AF+Vµ) (A’F’+V’µ’)}
= E {(AFF’A’+AFV’µ’+A’F’Vµ+VµVµ’}
= ARffA’ + AFfµV’+ VRµfA + V2
Diketahui bahwa common factor tidak berkorelasi dengan faktor unik, kita
peroleh:
Rfµ = Rµf = 0
common factor.
I Merumuskan Masalah
IV
Lakukan rotasi
V Interpretasikan faktor
faktor yang akan disarikan (extracted) dari variable yang banyak tersebut dan
dari peneliti.
pendalaman yang berguna bisa diperoleh dari penelitian matrik ini. Agar
angkanya satu, di luar diagonal pokok angkanya nol. Uji statistik untuk
matriks korelasi.
Nilai yang besar untuk uji statistic, berarti hipotesis nol harus ditolak.
variabel tidak bisa diterangkan oleh variabel lainnya dan analisis faktor
ditentukan atau dipilih metode yang tepat untuk analisis faktor. Sebetulnya
ada dua cara atau metode yang bisa dipergunakan dalam analisis faktor,
dipertimbangkan. Diagonal matriks korelasi terdiri dari angka satu (1) dan
matriks korelasi. Metode ini dianggap tepat kalau tujuan utamanya ialah
variance yang menarik perhatian. Metode ini juga dikenal sebagai principal
axis factoring.
melakukan analisis faktor ialah mencari variabel baru yang disebut faktor
yang saling tidak berkorelasi, bebas satu sama lainnya, lebih sedikit
informasi yang terkandung dalam variabel asli atau yang bisa memberi
significance test.
a. Penentuan a priori
misalnya 3 atau 4 faktor yang harus disarikan dan variabel atau data asli.
1 (satu) yang dipertahankan, kalau lebih kecil dari satu, faktornya tidak
sumbangan dari faktor terhadap varian seluruh variabel asli. Hanya faktor
dengan varian lebih besar dan satu, yang dimasukkan dalam model. Faktor
dengan varian lebih kecil dari satu tidak lebih baik dari asli, sebab variabel
variannya satu. Apabila banyaknya variabel asli kurang dari 20, pendekatan
mana the scree mulai terjadi, menunjukkan banyaknya faktor yang benar.
bahwa penentuan banyaknya faktor dengan scree plot akan mencapai satu
suatu level yang memuaskan? Hal ini sangat tergantung pada masalahnya.
mencapai paling sedikit 60% atau 75% dan seluruh varian variabel asli.
masing bagian sampel tersebut. Hanya faktor dengan faktor loading yang
21
khususnya dengan ukuran sampel yang besar, katakan di atas 200 responden,
faktor-faktor.
Suatu hasil atau output yang penting dan analisis faktor ialah apa
yang disebut matriks faktor pola (factor pattern matrix). Matriks faktor
faktor mempunyai muatan (loading) atau koefisien yang tidak not (non zero)
atau yang signifikan untuk beberapa variabel saja. Demikian halnya kita juga
nol atau signifikan dengan beberapa faktor saja, kalau mungkin hanya
dengan satu faktor saja. Kalau terjadi bahwa beberapa faktor mempunyai
muatan tinggi (high loading) dengan variabel yang sama, sangat sulit untuk
berbeda. Ada dua metode rotasi yang berbeda yaitu orthogonal and oblique
banyaknya variabel dengan muatan tinggi (high loading) pada satu faktor,
matrix dengan unrotated matrix (entitled factor matrix), kita bisa melihat
meningkatkan interpretability.
yang muatannya (loadingnya) besar pada faktor yang sama. Faktor tersebut
Variabel pada ujung atau akhir suatu sumbu ialah variabel yang
yang dekat dengan titik asal (perpotongan sumbu mempunyai muatan rendah
low loading .
Variabel yang tidak dekat dengan sumbu salah satu faktor berarti
berkorelasi dengan kedua faktor tersebut. Kalau suatu faktor tidak bisa
diberi label sebagai faktor tidak tendefinisikan atau faktor umum (undefined
loading yang besar) dengan faktor tertentu akan memberikan inspirasi nama
out computer, perlu menghitung skor atau nilai faktor. Sebetulnya analisis
faktor tidak harus dilanjutkan dengan menghitung skor, atau nilai faktor,
sebab tanpa menghitung pun hasil analisis faktor sudah bermanfaat yaitu
baru yang lebih sedikit dan variabel aslinya. Namun demikian kalau tujuan
analisis faktor untuk mencari variabel baru yang independent (bebas satu
skor/nilai faktor.
25
variabel asli. Skor atau nilai faktor ke I bisa dihitung dengan menggunakan
rumus:
k = banyaknya variabel
itu, di dalam principal component analysis, skor ini tidak berkorelasi (bebas
Di dalam common factor analysis, estimasi atau perkiraan dan skor ini
diperoleh, akan tetapi tidak ada jaminan bahwa faktor-faktor tersebut tidak
akan berkorelasi satu sama lain. Skor faktor bisa dipengunakan sebagai
multivariate lainnya.
26
kecocokan model (model fit). Asumsi dasar yang mendasari analisis faktor
yang diestimasi antara variabel dan faktor. Perbedaan antara korelasi yang
dikaji (examined) untuk menentukan model fit. Perbedaan ini disebut: sisa
atau residuals. Kalau residual yang besar, model faktor tidak bisa
Eigen value dapat ditemukan untuk matrik segi empat yang simetrik.
berdasarkan baris, ataupun kolom pada matrik. Deskripsi yang realistic dari
atau panjang relative dari sebuah axis (diturunkan dari matrik segi empat
value adalah panjang sebuah axis, dan eigen vector menjelaskan orientasi
dalam ruangnya. Nilai dalam eigen vector bukan unik karena kordinasi yang
27
eigen vector distandarkan dalam suatu cara. Misalnya, hasil penambahan dari
nilai eigen vector pangkat dua, menghasilkan satu. eigen vector biasanya
masa lalu, saat ini, dan kemungkinannya di masa depan. (syamsuddin , 2001,
p37). Analisis laporan keuangan yang sangat popular dan digunakan secara
dan kompleks. Untuk membuat rasio yang dihitung menjadi lebih bermakna,
yang lebih luas. Hasil analisis rasio berorentasi ke masa depan meskipun
rasio yang dihasilkan dari nilai historis, yaitu data keuangan pada periode
oleh kreditur. Semakin tinggi debt ratio, semakin besar jumlah modal
Total Assets
hutang dengan modal sendiri yang dimiliki oleh perusahaan. DER mengukur
perusahaan. Jika DER sangat tinggi, biaya modal menjadi meningkat dengan
diri untuk perluasan usaha, kecuali jadi mendapatkan dana dalam bentuk
equity(modal sendiri).
pemegang saham biasa maupun pemegang saham preferen) atas modal yang
perusahaan.
akan diterima oleh semua pihak penyedia modal (hutang dan saham),
terlepas dari mana sumber modal tersebut berasal. Semakin tinggi nilai ROA,
Net Profit Margin adalah merupakan rasio antara laba bersih (net
operasi suatu perusahaan. Suatu NPM yang dikatakan “baik” akan sangat
yang diterima atas setiap rupiah dari penjualan yang dilakukan. Operating
profit disebut murni (pure) dalam pengertian bahwa jumlah tersebutlah yang
2.4 R Language
peubah, data, fungsi, hasil dan sebagainya disimpan dalam memori aktif
logikal, dan pembanding) dan fungsi (yang dia sendiri merupakan objek).
Semua aksi R dilakukan pada objek-objek yang ada pada memori aktif
membaca dan menulis file hanya digunakan untuk input dan ouput data dan
perintah dan hasilnya ditampilkan langsung pada layar, disimpan pada objek
atau ditulis ke hard disk (khususnya grafik). Karena hasil itu sendiri
sebagaimana halnya data. File-file data dapat dibaca dari disk lokal atau
yang bernama base merupakan inti dari R, yang berisi fungsi-fungsi dasar
pada direktori R dan direktorinya diberi nama sama dengan nama package
32
R_HOME/library/base/R/base.
Earning Ratio (PER), Price to Book Value (PBV), Debt to Assets Ratio
terhadap Return Saham pada LQ-45. Penelitian ini ditulis oleh Erlina
Statistika.
timur. Penelitian ini ditulis oleh Suhandojo yang merupakan staf pengajar
FMIPA-UBINUS.