TUGAS ESSAY ANALISIS FAKTOR (STATISTIK MULTIVARIAT)

Nama : Juan charmel askelon siregar

NIM : 7203510027
Kelas : Manajemen 3 C

Factor Analysis Kasus 1

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .560
Bartlett's Test of Sphericity Approx. Chi-Square 57.339
df 28
Sig. .001

Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of sampling
Adequacy (MSA) adalah 0.560. Karena nilai 0.560 ('> 0.5). Hal ini menunjukkan kecukupan
dari sampel. Angka KMO dan Bartlet's test (yang tanpak pada nilai chi-square) sebesar
57.339 dengan nilai signifikansi 0.001. hal ini menunjukkan bahwa adanya korelasi antar
variabel dan layak untuk proses lebih lanjut.

Communalities
Initial Extraction
irit 1.000 .755
onderdil 1.000 .729
harga 1.000 .612
model 1.000 .733
warna 1.000 .621
awet 1.000 .273
promosi 1.000 .638
kredit 1.000 .502

Extraction Method: Principal

Component Analysis.

Tabel Communalities, variabel irit besarnya 0,775. Hal ini berarti sekitar 77,5% varians dari
variabel irit dapat dijelaskan oleh faktor yang terbentuk. Variabel ordendil 0,729 hal ini
berarti 72,9% varian dari variabel onderdil dapat dijelaskan oleh faktor yang terbentuk.
Demikian juga untuk variabel yang lain. Semakin kecil nilai communalities berarti semakin
lemah hubungannya dengan faktor yang terbentuk.

Total Variance Explained

Extraction Sums of Squared
Initial Eigenvalues Loadings
Component Total % of Variance Cumulative % Total % of Variance
1 2.160 26.999 26.999 2.160 26.999
2 1.527 19.090 46.089 1.527 19.090
3 1.177 14.711 60.800 1.177 14.711
4 .908 11.350 72.150
5 .748 9.349 81.499
6 .623 7.787 89.286
7 .533 6.667 95.953
8 .324 4.047 100.000

Total Variance Explained

Extraction Sums of Squared Loadings
Component Cumulative %
1 26.999
2 46.089
3 60.800
4
5
6
7
8

Extraction Method: Principal Component Analysis.

Pada tabel Total Variance Explained di atas menunjukkan ada 3 faktor yang terbentuk dari 8
variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value
sebesar 2,160 dengan variance (26,999%), Faktor 2 eigenvalue sebesar 1,527 dengan
variance (19,090%), Faktor 3 eigenvalue sebesar 1,177 dengan (14,711%)

Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam

menghitung varians dari 8 variabel yang di analisis. Bila semua variabel dijumlahkan bernilai
8 (sama dengan banyaknya variabel).
2,160/10 x 100% = 21,60%
1,527/10 x 100% =15,27%
1,177 /10 x 100% = 11,77%

Total varians apabila dari 8 variabel diekstrak menjadi 3 faktor adalah :

21,60% + 15,27% + 11,77 % = 48,64%
Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 48,64%
sedangkan sisanya 51,36% dijelaskan oleh faktor lain yang tidak diteliti.

Component Matrixa
Component
1 2 3
irit .397 -.085 .768
onderdil .673 -.440 -.287
harga .301 .647 .320
model .737 .192 -.392
warna .621 .465 -.142
awet -.205 .392 .278
promosi -.225 .702 -.307
kredit .662 -.084 .238

Extraction Method: Principal Component

Analysis.a
a. 3 components extracted.

Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor merupakan
besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut.
 Untuk variabel irit, korelasi antara variabel irit dengan faktor 1 (0,397), faktor 2 (-
0,85), faktor 3 (0,768), Hal ini dapat dikatakan bahwa variabel irit masuk ke dalam
Faktor 3, karena korelasinya paling tinggi diantara faktor yang lain.
 Demikian juga faktor loading untuk variabel yang lain. Variabel onderdil nilai loading
faktor dengan faktor 1 (0,673), faktor 2 (-0,440), faktor 3 (-0,287). Maka variabel
onderdil masuk ke Faktor 1.
 Variabel harga nilai loading faktor dengan faktor 1 (0,301), faktor 2 (0,647), faktor 3
(0,320). Maka variabel harga masuk Faktor 2.
 Variabel model nilai loading faktor dengan faktor 1 (0,737), faktor 2 (0,192), faktor 3
 (-0,392), Maka variabel model masuk Faktor 1.
 Variabel warna nilai loading faktor dengan faktor 1 (0,621), faktor 2 (0,465), faktor 3
(-0,142). Maka variabel warna masuk ke Faktor 1.
 Variabel awet nilai loading faktor dengan faktor 1 (-0,205), faktor 2 (0,702), faktor 3
(-(-0,307). Maka variabel awet masuk Faktor 2.
 Variabel promosi nilai loading faktor dengan faktor 1 (-0,225), faktor 2 (0,702), faktor
3 (-0,307). Maka variabel pelayanan kasir masuk ke Faktor 2.
 Variabel kredit nlai loading faktor dengan faktor 1 (0,662), faktor 2 (-0, 084), faktor 3
(0, 238). Maka variabel keberagaman produk masuk Faktor 1.

Pengujian Ulang

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .570
Bartlett's Test of Sphericity Approx. Chi-Square 46.985
df 21
Sig. .001

Communalities
Initial Extraction
irit 1.000 .816
onderdil 1.000 .705
harga 1.000 .675
model 1.000 .740
warna 1.000 .650
awet 1.000 .322
kredit 1.000 .600

Extraction Method: Principal

Component Analysis.

Total Variance Explained

Component Initial Eigenvalues Extraction Sums of Squared
Loadings
 Total % of Variance Cumulative % Total % of Variance
1 2.136 30.520 30.520 2.136 30.520
2 1.307 18.670 49.190 1.307 18.670
3 1.064 15.204 64.394 1.064 15.204
4 .907 12.953 77.347
5 .691 9.872 87.219
6 .534 7.622 94.840
7 .361 5.160 100.000

Total Variance Explained

Extraction Sums of Squared Loadings
Component Cumulative %
1 30.520
2 49.190
3 64.394
4
5
6
7

Extraction Method: Principal Component Analysis.

Component Matrixa
Component
1 2 3
irit .369 .290 .772
onderdil .627 -.558 -.001
harga .354 .729 -.131
model .764 -.109 -.380
warna .666 .287 -.353
awet -.174 .532 -.092
kredit .651 -.047 .417

Extraction Method: Principal Component

Analysis.a
a. 3 components extracted.
 Factor Analysis Kasus 2

Communalities
Initial Extraction
gaji 1.000 .747
komisi 1.000 .597
bonus 1.000 .794
absen 1.000 .673
test 1.000 .622
anak 1.000 .659
kunjung 1.000 .831

Extraction Method: Principal

Component Analysis.

Tabel Communalities, variabel gaji besarnya 0,747. Hal ini berarti sekitar 74,7% varians dari
variabel gaji dapat dijelaskan oleh faktor yang terbentuk. Variabel komisi 0,597 hal ini berarti
59,7% varian dari variabel komisi dapat dijelaskan oleh faktor yang terbentuk. Demikian juga
untuk variabel yang lain. Semakin kecil nilai communalities berarti semakin lemah
hubungannya dengan faktor yang terbentuk.

Total Variance Explained

Extraction Sums of Squared
Initial Eigenvalues Loadings
Component Total % of Variance Cumulative % Total % of Variance
1 2.687 38.387 38.387 2.687 38.387
2 1.192 17.027 55.414 1.192 17.027
3 1.044 14.920 70.334 1.044 14.920
4 .786 11.231 81.565
5 .703 10.044 91.609
6 .423 6.047 97.656
7 .164 2.344 100.000

Total Variance Explained

Extraction Sums of Squared Loadings
Component Cumulative %
1 38.387
2 55.414
3 70.334
4
5
6
7

Extraction Method: Principal Component Analysis.

Pada tabel Total Variance Explained di atas menunjukkan ada 3 faktor yang terbentuk dari 7
variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value
sebesar 2,687 dengan variance (38,387%), Faktor 2 eigenvalue sebesar 1,192 dengan
variance (17,027%), Faktor 3 eigenvalue sebesar 1,044 dengan (14,920%)

Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam

menghitung varians dari 7 variabel yang di analisis. Bila semua variabel dijumlahkan bernilai
7 (sama dengan banyaknya variabel).
2,687/10 x 100% = 26,87%
1,192/10 x 100% =11,92%
1,044 /10 x 100% = 10,44%

Total varians apabila dari 7 variabel diekstrak menjadi 3 faktor adalah :

26,87% + 11,92% + 10,44% = 49,23%
Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 49,23%
sedangkan sisanya 50,77% dijelaskan oleh faktor lain yang tidak diteliti.

Component Matrixa
Component
1 2 3
gaji .838 -.113 .178
komisi .665 .244 -.308
bonus .675 -.486 .320
absen .790 .204 -.091
test .606 .220 -.455
anak -.176 .790 .066
kunjung .257 .411 .772

Extraction Method: Principal Component

Analysis.a
a. 3 components extracted.

Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor merupakan
besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut.
 Untuk variabel gaji, korelasi antara variabel gaji dengan faktor 1 (0,838), faktor 2 (-
0,113), faktor 3 (0,178), Hal ini dapat dikatakan bahwa variabel irit masuk ke dalam
Faktor 1, karena korelasinya paling tinggi diantara faktor yang lain.
 Demikian juga faktor loading untuk variabel yang lain. Variabel komisi nilai loading
faktor dengan faktor 1 (0,665), faktor 2 (0,244), faktor 3 (-0,308). Maka variabel
onderdil masuk ke Faktor 1.
 Variabel bonus nilai loading faktor dengan faktor 1 (0,675), faktor 2 (-0,486), faktor
3 (0,320). Maka variabel harga masuk Faktor 1.
 Variabel absen nilai loading faktor dengan faktor 1 (0,790), faktor 2 (0,204), faktor 3
(-0,091), Maka variabel model masuk Faktor 1.
 Variabel test nilai loading faktor dengan faktor 1 (0,606), faktor 2 (0,220), faktor 3 (-
0,455). Maka variabel warna masuk ke Faktor 1.
 Variabel anak nilai loading faktor dengan faktor 1 (-0,176), faktor 2 (0,790), faktor 3
(0,066). Maka variabel awet masuk Faktor 2.
 Variabel kunjung nilai loading faktor dengan faktor 1 (0,257), faktor 2 (0,411), faktor
3 (0,772). Maka variabel pelayanan kasir masuk ke Faktor 3.

Pengujian Ulang

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .507
Bartlett's Test of Sphericity Approx. Chi-Square 94.075
df 21
 Sig. .000

Communalities
Initial Extraction
gaji 1.000 .747
absen 1.000 .673
test 1.000 .622
anak 1.000 .659
kunjung 1.000 .831
komisi 1.000 .597
bonus 1.000 .794

Extraction Method: Principal

Component Analysis.

Total Variance Explained

Extraction Sums of Squared
Initial Eigenvalues Loadings
Component Total % of Variance Cumulative % Total % of Variance
1 2.687 38.387 38.387 2.687 38.387
2 1.192 17.027 55.414 1.192 17.027
3 1.044 14.920 70.334 1.044 14.920
4 .786 11.231 81.565
5 .703 10.044 91.609
6 .423 6.047 97.656
7 .164 2.344 100.000

Total Variance Explained

Extraction Sums of Squared Loadings
Component Cumulative %
1 38.387
2 55.414
3 70.334
4
5
6
7

Extraction Method: Principal Component Analysis.

 Component Matrixa
Component
1 2 3
gaji .838 -.113 .178
absen .790 .204 -.091
test .606 .220 -.455
anak -.176 .790 .066
kunjung .257 .411 .772
komisi .665 .244 -.308
bonus .675 -.486 .320

Extraction Method: Principal Component

Analysis.a
a. 3 components extracted.
 Factor Analysis Kasus 3

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .507
Bartlett's Test of Sphericity Approx. Chi-Square 94.077
df 21
Sig. .000

Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of sampling
Adequacy (MSA) adalah 0.507. Karena nilai 0.507 ('> 0.5). Hal ini menunjukkan kecukupan
dari sampel. Angka KMO dan Bartlet's test (yang tanpak pada nilai chi-square) sebesar
94.077 dengan nilai signifikansi 0.000. hal ini menunjukkan bahwa adanya korelasi antar
variabel dan layak untuk proses lebih lanjut.

Communalities
Initial Extraction
Zgaji 1.000 .747
Zkomisi 1.000 .597
Zbonus 1.000 .794
Zabsen 1.000 .673
Ztest 1.000 .622
Zanak 1.000 .659
Zkunjung 1.000 .831

Extraction Method: Principal

Component Analysis.

Tabel Communalities, variabel Zgaji besarnya 0,747. Hal ini berarti sekitar 74,7% varians
dari variabel Zgaji dapat dijelaskan oleh faktor yang terbentuk. Variabel Zkomisi 0,597 hal
ini berarti 59,7% varian dari variabel Zkomisi dapat dijelaskan oleh faktor yang terbentuk.
Demikian juga untuk variabel yang lain. Semakin kecil nilai communalities berarti semakin
lemah hubungannya dengan faktor yang terbentuk.
 Total Variance Explained
Extraction Sums of Squared
Initial Eigenvalues Loadings
Component Total % of Variance Cumulative % Total % of Variance
1 2.687 38.387 38.387 2.687 38.387
2 1.192 17.027 55.414 1.192 17.027
3 1.044 14.920 70.334 1.044 14.920
4 .786 11.231 81.566
5 .703 10.043 91.609
6 .423 6.047 97.656
7 .164 2.344 100.000

Total Variance Explained

Extraction Sums of Squared Loadings
Component Cumulative %
1 38.387
2 55.414
3 70.334
4
5
6
7

Pada tabel Total Variance Explained di atas menunjukkan ada 3 faktor yang terbentuk dari 7
variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value
sebesar 2,687 dengan variance (38,387%), Faktor 2 eigenvalue sebesar 1,192 dengan
variance (17,027%), Faktor 3 eigenvalue sebesar 1,044 dengan (14,920%)

Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam

menghitung varians dari 7 variabel yang di analisis. Bila semua variabel dijumlahkan bernilai
7 (sama dengan banyaknya variabel).
2,687/10 x 100% = 26,87%
1,192/10 x 100% =11,92%
1,044 /10 x 100% = 10,44%
Total varians apabila dari 7 variabel diekstrak menjadi 3 faktor adalah :
26,87% + 11,92% + 10,44% = 49,23%
Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 49,23%
sedangkan sisanya 50,77% dijelaskan oleh faktor lain yang tidak diteliti.

Component Matrixa
Component
1 2 3
Zgaji .838 -.113 .178
Zkomisi .665 .244 -.308
Zbonus .675 -.486 .320
Zabsen .790 .204 -.091
Ztest .606 .220 -.455
Zanak -.176 .790 .066
Zkunjung .257 .411 .772

Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor merupakan
besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut.
 Untuk variabel Zgaji, korelasi antara variabel gaji dengan faktor 1 (0,838), faktor 2 (-
0,113), faktor 3 (0,178), Hal ini dapat dikatakan bahwa variabel irit masuk ke dalam
Faktor 1, karena korelasinya paling tinggi diantara faktor yang lain.
 Demikian juga faktor loading untuk variabel yang lain. Variabel Zkomisi nilai
loading faktor dengan faktor 1 (0,665), faktor 2 (0,244), faktor 3 (-0,308). Maka
variabel onderdil masuk ke Faktor 1.
 Variabel Zbonus nilai loading faktor dengan faktor 1 (0,675), faktor 2 (-0,486), faktor
3 (0,320). Maka variabel harga masuk Faktor 1.
 Variabel Zabsen nilai loading faktor dengan faktor 1 (0,790), faktor 2 (0,204), faktor
3 (-0,091), Maka variabel model masuk Faktor 1.
 Variabel Ztest nilai loading faktor dengan faktor 1 (0,606), faktor 2 (0,220), faktor 3
(-0,455). Maka variabel warna masuk ke Faktor 1.
 Variabel Zanak nilai loading faktor dengan faktor 1 (-0,176), faktor 2 (0,790), faktor
3 (0,066). Maka variabel awet masuk Faktor 2.
 Variabel Zkunjung nilai loading faktor dengan faktor 1 (0,257), faktor 2 (0,411),
faktor 3 (0,772). Maka variabel pelayanan kasir masuk ke Faktor 3.
Pengujian Ulang
 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .555
Bartlett's Test of Sphericity Approx. Chi-Square 86.758
df 15
Sig. .000

Communalities
Initial Extraction
Zgaji 1.000 .719
Zkomisi 1.000 .576
Zbonus 1.000 .758
Zabsen 1.000 .655
Ztest 1.000 .523
Zanak 1.000 .579

Total Variance Explained

Extraction Sums of Squared
Initial Eigenvalues Loadings
Component Total % of Variance Cumulative % Total % of Variance
1 2.645 44.088 44.088 2.645 44.088
2 1.165 19.418 63.506 1.165 19.418
3 .843 14.046 77.552
4 .704 11.737 89.288
5 .462 7.700 96.988
6 .181 3.012 100.000

Total Variance Explained

Extraction Sums of Squared Loadings
Component Cumulative %
1 44.088
2 63.506
3
4
5
6

Component Matrixa
 Component
1 2
Zgaji .835 -.146
Zkomisi .674 .349
Zbonus .680 -.544
Zabsen .780 .219
Ztest .620 .372
Zanak -.197 .735