Analisis faktor adalah salah satu teknik Statistika Multivariate yang bertujuan untuk
mengelompokkan variabel ke dalam faktor-faktor yang lebih sederhana. Analisis faktor
dipergunakan untuk mereduksi atau meringkas data, dari variabel banyak dirubah menjadi
variabel baru yang lebih sedikit yang dinamakan faktor, yang masih memuat sebagian besar
informasi yang terkandung dalam variabel asal. Faktor-faktor tersebut mampu menjelaskan besar
keragaman data yang dijelaskan oleh variabel asal. Dalam analisis faktor, tidak membedakan antara
variabel respon maupun variabel prediktor yang diamati
Model analisis faktor adalah :
atau
dan
X1, X2,..., Xp adalah variabel asal
F1, F2,..., Fm adalah faktor bersama (common factor)
cij adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j
ε1, ε2, ..., εp adalah error
1
Hubungan antara varians variabel asal dengan, varians faktor dan varians error adalah sebagai
berikut :
var(Xi)= varians yang dijelaskan oleh faktor untuk variabel asal ke-i + var(error)
= communality + specific variance
= hi2 + ψ i
Besarnya bobot cij dapat diduga dengan menggunakan metode komponen utama ataupun
kemungkinan maksimum (maximum likelihood). Metode komponen utama terbagi menjadi dua metode
yaitu non-iteratif dan iteratif. Nilai dugaan cij yang diperoleh dengan metode non-iteratif adalah :
a ji λ j
cij = atau cij = a ji λ j untuk variabel asal yang dibakukan
s xi
dan
cuj adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j
3. Ganti nilai diagonal matriks korelasi dengan nilai hi2 ( rii = hi2 )
7. Jika nilai communality pada dua iterasi terakhir dianggap sama maka pergi ke 9
8. Pergi ke 3
9. Selesai
Untuk kepentingan intepretasi, seringkali diperlukan untuk memberi nama masing-masing faktor
sesuai dengan besar harga mutlak bobot cuj . Diharapkan setiap variabel asal hanya dominan di salah satu
2
faktor saja (Nilai harga mutlak bobot variabel asal mendekati 1 di salah satu faktor dan mendekati o untuk
faktor lainnya). Harapan ini kadang-kadang tidak dapat dipenuhi, untuk mengatasi hal ini diperlukan
rotasi dari matriks bobot C. Beberapa macam teknik rotasi yang tersedia di program paket statistika
adalah : varimax, quartimax, equamax, parsimax (MINITAB). Formula untuk masing-masing rotasi i ni
adalah :
1 m p c
2
γ p c
2
max ∑ ∑ − ∑ ij
ij
p j =1 i =1 hi
p i =1 hi
γ rotasi
0 Quartimax
1 Varimax
m/2 Equamax
p (m − 1)
parsimax
p+m−2
Matriks bobot hasil rotasi (C*) dapat dinyatakan sebagai C*=CT, T adalah matriks transformasi.
Besarnya skor faktor dapat dinyatakan sebagai :
F = C' S −1 ( X j − X) , j=1,...,n
Statistik Uji :
p p
∑∑ r
2
ij
i =1 j =1
KMO = p p p
,i ≠ j
∑∑ r + ∑∑ a
2 2
ij ij
i =1 j =1 i =1 j =1
3
α ij = koefisien korelasi parsial antar variabel i dan j
Uji Barlett
Uji Barlett digunakan untuk menguji apakah matriks korelasi sama dengan matrik identitas
atau tidak.
Hipotesis :
H0 : matrik korelasi = matrik identitas
H1 : matrik korelasi ≠ matrik identitas
Statistik Uji :
2p + 5
= N −1−
2
X ln R
hitung
6
dimana : R = matriks korelasi
>
2 2
Keputusan: Tolak H0 jika x hitung xα , p ( p −1) / 2
4
11. Tingkat harga merupakan pilihan penting bagi pelanggan
Data:
resp X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11
A 7 6 4 7 7 7 6 6 6 5 6
B 6 5 1 6 7 6 7 8 6 6 7
C 6 6 5 7 6 7 6 6 6 6 7
D 6 6 4 7 7 7 7 5 7 6 6
E 5 6 4 6 8 7 8 7 6 6 7
F 6 7 5 7 8 7 8 6 6 6 7
G 4 7 1 4 9 7 8 7 7 6 8
H 8 8 4 7 9 8 9 7 8 8 5
I 7 7 5 7 7 8 8 3 5 6 8
J 7 7 5 7 7 7 7 2 7 9 7
5
Akan dikelompokkan menjadi tiga faktor saja.
Faktor pertama terdiri dari :
X4 : Dekorasi ruangan
X3 : Alunan musik
X1 : Tatanan meja dan kursi
X8 : Penataan hidangan
Faktor kedua terdiri dari :
X7 : Citra rasa hidangan yang disajikan
X2 : Kebersihan ruangan
X5 : Penampilan karyawan dan pelayanan restoran
X6 : Waktu antara pemesanan sampai tersedianya hidangan
Faktor ketiga terdiri dari :
X11 : Tingkat harga
6
X9 : Keramahan pelayan
X10 : Kesigapan pelayan