Definisi
Analisis faktor adalah sebuah teknik yang digunakan untuk mencari faktor-faktor
yang mampu menjelaskan hubungan atau korelasi antara berbagai indikator
independen yang diobservasi. Analisis faktor merupakan perluasan dari analisis
komponen utama. Digunakan juga untuk mengidentifikasi sejumlah faktor yang relatif
kecil yang dapat digunakan untuk menjelaskan sejumlah besar variabel yang saling
berhubungan.
Hasil rotasi ini akan mengakibatkan setiap variabel asal mempunyai korelasi tinggi
dengan faktor tertentu saja dan dengan faktor yang lain korelasi relatif rendah
sehingga setiap faktor akan lebih mudah untuk diinterpretasikan. Untuk mengetahui
rotasi mana yang sesuai digunakan Μ2min yang dihasilkan dari analisis procrustes.
A. Merumuskan masalah
C. Ekstraksi faktor
Ekstraksi Faktor adalah suatu metode yang digunakan untuk mereduksi data dari
beberapa indikator untuk menghasilkan faktor yang lebih sedikit yang mampu
menjelaskan korelasi antara indikator yang diobservasi. Ada beberapa metode
yang bisa digunakan untuk melakukan ekstraksi faktor yaitu:
D. Merotasi faktor
Setelah kita melakukan ekstraksi faktor, langkah selanjutnya adalah rotasi faktor
(rotation). Rotasi faktor ini diperlukan jika metode ekstraksi faktor belum
menghasilkan komponen faktor utama yang jelas. Tujuan dari rotasi faktor ini
agar dapat memperoleh struktur faktor yang lebih sederhana agar mudah
diinterpretasikan. Ada beberapa metode rotasi faktor yang bisa digunakan yaitu:
E. Interpratasikan faktok
Setelah diperoleh sejumlah factor yang valid, selanjutnya kita perlu
menginterprestasikan nama-nama factor, mengingat factor merupakan sebuah
konstruk dan sebuah konstruk menjadi berarti kalau dapat diartikan. Interprestasi
factor dapat dilakukan dengan mengetahui variable-variabel yang membentuknya.
Interprestasi dilakukan dengan judgment. Karena sifatnya subjektif, hasil bisa
berbeda jika dilakukan oleh orang lain.
G. Surrogate variable
Variabel surrogate adalah satu variable yang paling dapat mewakili satu factor.
Misak factor 1 terdiri dari variable X1, X2 dan X3. Maka yang paling mewakili
factor 1 adalah variable yang memiliki factor loading terbesar. Apabila factor
loading tertinggi dalam satu factor ada yang hampir sama, missal X1 = 0,905 dan
X2 = 0,904 maka sebaiknya pemilihan surrogate variable ditentukan berdasarkan
teori, yaitu variable mana secara teori yang paling dapat mewakili factor. Atau
cara lain adalah dengan menggunakan Summated Scale.
H. Summated scale
Summated Scale adalah gabungan dari beberapa variable dalam satu factor, bisa
berupa nilai rata-rata dari semua factor tersebut atau nilai penjumlahan dari
semua variable dalam satu factor.
Analisis faktor eksploratori merupakan suatu teknik untuk mereduksi data dari
variabel asal atau variabel awal menjadi variabel baru atau faktor yang jumlahnya
lebih kecil dari pada variabel awal. Proses analisis tersebut mencoba untuk
menemukan hubungan antarvariabel baru atau faktor yang terbentuk yang saling
independen sesamanya, sehingga bisa dibuat satu atau beberapa kumpulan variabel
laten atau faktor yang lebih sedikit dari jumlah variabel awal yang bebas atau tidak
berkorelasi sesamanya. Jadi antar faktor yang terbentuk tidak berkorelasi sesamanya.
Contoh soal :
8. Klik OK
Notes
Output Created 05-DEC-2019 13:03:36
Comments
Input Data C:\Users\hp\Downloads\EFA -
coping.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 177
Missing Value Handling Definition of Missing MISSING=EXCLUDE: User-
defined missing values are
treated as missing.
Cases Used LISTWISE: Statistics are based
on cases with no missing values
for any variable used.
Syntax FACTOR
/VARIABLES I1 I2 I3 I4 I5 I6 I7
/MISSING LISTWISE
/ANALYSIS I1 I2 I3 I4 I5 I6 I7
/PRINT INITIAL KMO
EXTRACTION ROTATION
/FORMAT SORT BLANK(.3)
/PLOT EIGEN
/CRITERIA MINEIGEN(1)
ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.
Resources Processor Time 00:00:00,62
Elapsed Time 00:00:00,42
Maximum Memory Required 7376 (7,203K) bytes
Communalities
Initial Extraction
Memanfaatkan waktu luang 1,000 ,535
untuk mengerjakan tugas (i1)
Segera mengerjakan begitu 1,000 ,625
ada tugas baru (i2)
Berpikir positif bahwa tugas 1,000 ,572
pasti bisa diselesaikan (i3)
Menenangkan hati dan pikiran 1,000 ,702
(i4)
Tidur lebih banyak untuk 1,000 ,590
melupakan tugas yang ada (i5)
Mencari kegiatan pengalihan 1,000 ,663
dengan berolah raga (i6)
Menyenangkan diri dengan 1,000 ,617
menonton film (i7)
Extraction Method: Principal Component Analysis.
Component Matrixa
Component
1 2
Segera mengerjakan begitu ,787
ada tugas baru (i2)
Berpikir positif bahwa tugas ,648 ,390
pasti bisa diselesaikan (i3)
Tidur lebih banyak untuk -,620 ,453
melupakan tugas yang ada (i5)
Menenangkan hati dan pikiran ,615 ,569
(i4)
Menyenangkan diri dengan -,611 ,493
menonton film (i7)
Memanfaatkan waktu luang ,601 ,418
untuk mengerjakan tugas (i1)
Mencari kegiatan pengalihan -,559 ,592
dengan berolah raga (i6)
Extraction Method: Principal Component Analysis.
a. 2 components extracted.
Component Transformation
Matrix
Component 1 2
1 ,744 -,668
2 ,668 ,744
Extraction Method: Principal Component
Analysis.
Rotation Method: Varimax with Kaiser
Normalization.
b. Faktor konfirmatori
Analisis faktor konfirmatori yaitu suatu teknik analisis faktor di mana secara apriori
berdasarkan teori dan konsep yang sudah diketahui dipahami atau ditentukan
sebelumnya, maka dibuat sejumlah faktor yang akan dibentuk, serta variabel apa
saja yang termasuk ke dalam masing-masing faktor yang dibentuk dan sudah pasti
tujuannya. Pembentukan faktor konfirmatori (CFA) secara sengaja berdasarkan teori
dan konsep, dalam upaya untuk mendapatkan variabel baru atau faktor yang
mewakili beberapa item atau sub-variabel, yang merupakan variabel teramati atau
observerb variable.
Contoh soal
Data file yang dapat digunakan dalam analisis di AMOS bermacam-macam, kita
dapat mengimpor dari excel, SPSS, txt, csv, dll. Dalam contoh kali ini, kita akan
menggunakan file dari SPSS. Dalam contoh ini kita akan menggunakan data yang
sama seperti analsis sebelumnya dengan LISREL, namun dengan file SPSS yakni
WFB.sav. Fomat inputnya pun sama, yakni seperti gambar di bawah ini.
Jawaban
2. Karena data memiliki variasi yang besar (karena satuan dan rentang data
yang berbeda-beda), maka distandardisasi terlebih dahulu dengan
mentransformasikan ke dalam bentuk Z-score, yaitu dengan
klik Descriptive Statistics→Descriptives. Maka akan muncul tampilan
berikut.
3. Pada kolom Variable(s) masukkan semua variabel, lalu centang pilihan ‘Save
standardized values as variables’. Kemudian Pilih Menu Options maka
akan muncul tampilan berikut.
Factor Analysis
Notes
Output Created 05-DEC-2019 13:44:58
Comments
Input Active Dataset DataSet2
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 5
Missing Value Handling Definition of Missing MISSING=EXCLUDE: User-
defined missing values are
treated as missing.
Cases Used LISTWISE: Statistics are based
on cases with no missing values
for any variable used.
Syntax FACTOR
/VARIABLES Zsat1 Zsat2
Zsat3 Ztime1 Ztime2 Ztime3
Ztime4 Zinv1 Zinv2 Zinv3
/MISSING LISTWISE
/ANALYSIS Zsat1 Zsat2 Zsat3
Ztime1 Ztime2 Ztime3 Ztime4
Zinv1 Zinv2 Zinv3
/PRINT UNIVARIATE INITIAL
CORRELATION SIG KMO INV
AIC EXTRACTION ROTATION
FSCORE
/PLOT EIGEN
/CRITERIA MINEIGEN(1)
ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/SAVE REG(ALL)
/METHOD=CORRELATION.
Resources Processor Time 00:00:00,02
Elapsed Time 00:00:00,06
Maximum Memory Required 14616 (14,273K) bytes
Descriptive Statistics
Mean Std. Deviation Analysis N
Zscore(sat1) . . 0
Zscore(sat2) . . 0
Zscore(sat3) . . 0
Zscore(time1) . . 0
Zscore(time2) . . 0
Zscore(time3) . . 0
Zscore(time4) . . 0
Zscore(inv1) . . 0
Zscore(inv2) . . 0
Zscore(inv3) . . 0
Descriptives
Notes
Output Created 05-DEC-2019 13:47:32
Comments
Input Active Dataset DataSet2
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 5
Missing Value Handling Definition of Missing User defined missing values are
treated as missing.
Cases Used All non-missing data are used.
Syntax DESCRIPTIVES
VARIABLES=sat1 sat2 sat3
time1 time2 time3 time4 inv1
inv2 inv3
/SAVE
/STATISTICS=MEAN
STDDEV.
Resources Processor Time 00:00:00,00
Elapsed Time 00:00:00,05
Variables Created or Modified Zsat1 Zscore: a1
Zsat2 Zscore: a2
Zsat3 Zscore: a3
Ztime1 Zscore: b1
Ztime2 Zscore: b2
Ztime3 Zscore: b3
Ztime4 Zscore: b4
Zinv1 Zscore: c1
Zinv2 Zscore: c2
Zinv3 Zscore: c3
Descriptive Statistics
N Mean Std. Deviation
a1 5 3,8000 1,09545
a2 5 4,0000 1,00000
a3 5 4,4000 ,54772
b1 5 3,4000 ,89443
b2 5 4,2000 ,83666
b3 5 3,8000 ,83666
b4 5 3,8000 ,44721
c1 5 4,0000 ,70711
c2 5 3,8000 ,83666
c3 5 3,4000 1,51658
Valid N (listwise) 5
Factor Analysis
Notes
Output Created 05-DEC-2019 13:48:49
Comments
Input Active Dataset DataSet2
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 5
Missing Value Handling Definition of Missing MISSING=EXCLUDE: User-
defined missing values are
treated as missing.
Cases Used LISTWISE: Statistics are based
on cases with no missing values
for any variable used.
Syntax FACTOR
/VARIABLES Zsat1 Zsat2
Zsat3 Ztime1 Ztime2 Ztime3
Ztime4 Zinv1 Zinv2 Zinv3
/MISSING LISTWISE
/ANALYSIS Zsat1 Zsat2 Zsat3
Ztime1 Ztime2 Ztime3 Ztime4
Zinv1 Zinv2 Zinv3
/PRINT UNIVARIATE INITIAL
CORRELATION SIG KMO INV
AIC EXTRACTION ROTATION
FSCORE
/PLOT EIGEN
/CRITERIA MINEIGEN(1)
ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/SAVE REG(ALL)
/METHOD=CORRELATION.
Resources Processor Time 00:00:00,41
Elapsed Time 00:00:00,34
Maximum Memory Required 14616 (14,273K) bytes
Variables Created FAC1_1 Component score 1
FAC2_1 Component score 2
FAC3_1 Component score 3
Descriptive Statistics
Mean Std. Deviation Analysis N
Zscore: a1 ,0000000 1,00000000 5
Zscore: a2 ,0000000 1,00000000 5
Zscore: a3 ,0000000 1,00000000 5
Zscore: b1 ,0000000 1,00000000 5
Zscore: b2 ,0000000 1,00000000 5
Zscore: b3 ,0000000 1,00000000 5
Zscore: b4 ,0000000 1,00000000 5
Zscore: c1 ,0000000 1,00000000 5
Zscore: c2 ,0000000 1,00000000 5
Zscore: c3 ,0000000 1,00000000 5
Communalities
Initial Extraction
Zscore: a1 1,000 ,895
Zscore: a2 1,000 ,951
Zscore: a3 1,000 ,992
Zscore: b1 1,000 ,883
Zscore: b2 1,000 ,966
Zscore: b3 1,000 ,992
Zscore: b4 1,000 ,991
Zscore: c1 1,000 ,875
Zscore: c2 1,000 ,940
Zscore: c3 1,000 ,965
Extraction Method: Principal Component
Analysis.
Component Matrixa
Component
1 2 3
Zscore: a1 ,686 -,305 ,576
Zscore: a2 ,793 ,257 ,506
Zscore: a3 ,547 -,565 -,611
Zscore: b1 ,247 ,900 ,109
Zscore: b2 ,821 ,471 -,264
Zscore: b3 ,948 -,110 -,286
Zscore: b4 ,639 -,612 ,456
Zscore: c1 ,848 -,381 ,108
Zscore: c2 ,463 ,841 ,136
Zscore: c3 ,778 ,173 -,574
Extraction Method: Principal Component Analysis.
a. 3 components extracted.
Rotated Component Matrixa
Component
1 2 3
Zscore: a1 ,081 ,939 ,082
Zscore: a2 ,140 ,739 ,620
Zscore: a3 ,879 ,171 -,435
Zscore: b1 -,015 -,125 ,931
Zscore: b2 ,694 ,166 ,676
Zscore: b3 ,863 ,462 ,187
Zscore: b4 ,171 ,951 -,238
Zscore: c1 ,539 ,764 -,019
Zscore: c2 ,119 ,054 ,961
Zscore: c3 ,925 ,052 ,328
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 4 iterations.