ANALISIS FAKTOR

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 :

X1 = c11 F1 + c12 F2 + c13 F3 + ... + c1m Fm + ε1

X2 = c21 F1 + c22 F2 + c23 F3 + ... + c2m Fm + ε2
X3 = c31 F1 + c32 F2 + c33 F3 + ... + c3m Fm + ε3


Xp = cp1 F1 + cp2 F2 + cp3 F3 + ... + cpm Fm + εp

atau

 X1   c11 c12 c13 ... c1m  F1  ε1 

     
X2   c21 c22 c23 ... c2m  F2  ε 2 
X  c c32 c33 ... c3m  F3  + ε 3 
 3  31    
              
  c  
 X p   p1 c p2 c p3 ... c pm  Fm  ε p 
 
(p x 1) (p x m) (m x1)

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

= (ci21 + ci22 + ci23 + ... + cim

2
) +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

a ji adalah koefisien variabel asal ke-i untuk komponen utama ke-j

λ j adalah eigen value untuk komponen utama ke-j

s xi adalah simpangan baku (standard of deviation) variabel asal ke-j
Algoritma untuk metode komponen utama iteratif adalah sebagai berikut :
1. Mulai
2. Tentukan nilai awal communality untuk seluruh variabel asal ( hi2 , i=1,...,p), 0 ≤ hi2 ≤ 1

3. Ganti nilai diagonal matriks korelasi dengan nilai hi2 ( rii = hi2 )

4. Tentukan nilai eigen-value dan eigen-vector dari matriks korelasi

5. Tentukan nilai bobot (loading) cij = a ji λ j

6. Temtukan nilai communality hi2 = (ci21 + ci22 + ci23 + ... + cim

2
)

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

Uji Kaiser Meyer Olkin (KMO).

Uji KMO adalah pengujian yang menggunakan nilai korelasi antar variabel untuk menguji
apakah data yang digunakan layak untuk dianalisa dengan analisis faktor atau tidak, dimana yang
diharapkan nilai KMO > 0.5. Nilai 0.5 yaitu nilai korelasi minimal agar data dapat diolah.
Hipotesis :
H0 : data sudah cukup layak dianalisa
H1 : data tidak cukup layak dianalisa

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

dimana : rij = koefisien korelasi antar variabel i dan j

3
 α ij = koefisien korelasi parsial antar variabel i dan j

Keputusan : Tolak H0 jika nilai KMO < 0.5

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

Kesimpulan : Sehingga dapat dipastikan bahwa terdapat korelasi antar variabel.

Misal : Evaluasi citra suatu restoran (score 1 – 10)

1. Tatanan kursi & meja yang tepat & baik akan sangat mendukung keberadaan suatu restoran
2. Kebersihan ruangan sangat mempengaruhi citra restoran
3. Alunan musik akan membuat pengunjung restoran betah berlama-lama di restoran
4. Dekorasi ruang restoran yang tidak tepat akan membuat pengunjung enggan berlama-lama di
restoran
5. Penampilan karyawan & pelayan restoran yang baik dan menarik mendukung citra restoran
6. Selisih waktu antara pemesanan sampai tersedianya hidangan yang cukup lama akan
membuat pengunjung restoran enggan kembali ke restoran tersebut
7. Cita rasa hidangan merupakan salah satu faktor utama keberhasilan suatu restoran
8. Penataan hidangan yang baik akan meningkatkan kepuasan pengunjung
9. Keramahan pelayanan akan membuat pengunjung restoran merasa nyaman & dihargai
10. Pelayanan yang tidak sigap melayani akan menyebabkan pengunjung merasa tidak
diperhatikan

4
11. Tingkat harga merupakan pilihan penting bagi pelanggan

Terdapat 11 variabel yakni:

X1 : tatanan meja dan kursi
X2 : kebersihan ruangan
X3 : alunan music
X4 : dekorasi ruangan
X5 : penampilan karyawan
X6 : waktu layanan
X7 : cita rasa
X8 : penataan hidangan
X9 : keramahan pelayan
X10 : kesigapan pelayan
X11 : tingkat harga

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

Variabel yang tidak terpakai adalah :

6
X9 : Keramahan pelayan
X10 : Kesigapan pelayan

Berdasarkan variabel-variabel yang terkandung dalam masing-masing faktor, maka ditetapkan

nama-nama faktor tersebut adalah :
 Faktor pertama : Faktor suasana restoran
 Faktor kedua : Faktor cita rasa dan pelayanan
 Faktor ketiga : Faktor harga