STATISTIKA INDUSTRI 2

Uji Analisis Faktor

Pertemuan 13

Universitas Teknologi Yogyakarta

Analisis Faktor
 Analisis Faktor
KONSEP DASAR ANALISIS FAKTOR
1. Analisis faktor merupakan suatu teknik analisis yang
memuat informasi tentang pengelompokan variabel
faktor dalam sebuah penelitian.
2. Analisis faktor bertujuan untuk menyaring variabel
mana yang paling unggul atau paling dominan dari
beberapa variabel yang dipilih oleh peneliti.
3. Hasil analisis faktor dapat juga digunakan untuk
membedakan variabel prioritas berdasarkan
perangkingan yang ada.
 Analisis Faktor
Pada analisis faktor, asumsi yang harus terpenuhi adalah sebagai berikut:
1. Korelasi antar variabel Independen. Besar korelasi atau korelasi antar
independen variabel harus cukup kuat, misalnya di atas 0,5.
2. Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan
menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS deteksi
terhadap korelasi parsial diberikan lewat pilihan AntiImage Correlat
ion.
3. Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diuk
ur dengan besaran Bartlett Test of Sphericity atau Measure Sampling
Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang sig
nifikan di antara paling sedikit beberapa variabel.
4. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor
yang terjadi sebaiknya dipenuhi.
 Analisis Faktor
Pada analisis faktor, asumsi yang harus terpenuhi adalah sebagai berikut:
1. Korelasi antar variabel Independen. Besar korelasi atau korelasi antar
independen variabel harus cukup kuat, misalnya di atas 0,5.
2. Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan
menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS deteksi
terhadap korelasi parsial diberikan lewat pilihan AntiImage Correlat
ion.
3. Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diuk
ur dengan besaran Bartlett Test of Sphericity atau Measure Sampling
Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang sig
nifikan di antara paling sedikit beberapa variabel.
4. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor
yang terjadi sebaiknya dipenuhi.
Analisis Faktor
Uji Analisis Faktor
Seorang mahasiswa semester akhir ingin melakukan penelitian tentang “Analisis Faktor” Faktor yang
mepengaruhi Kepuasan Pelanggan terhadap Pelayanan PT. Telkom Solo”. Ada 25 orang responden
dengan jawaban 5 item pertanyaan kuesioner tentang: P1 (Keandalan), P2 (Ketanggapan),
P3 (Keyakinan), P4 (Empati), dan P5 (Berwujud). Pertanyaan tersebut adalah jenis pertanyaan positif
(favorable) dimana setiap pertanyaan memiliki lima pilihan jawaban dengan penskorannya, sebagai
berikut:
Sangat Tidak Puas (skor 1)
Kurang Puas (skor 2)
Cukup Puas (skor 3)
Puas (skor 4)
Sangat Puas (skor 5)
 Langkah-langkah pengolahan
Uji Analisis Factor di SPSS

1. Input data di atas ke dalam SPSS

2. Pada menu SPSS, klik Analyze, Data Reduction, Factor. Masukkan semua
variabel ke dalam kotak "Variables".
3. Tekan tombol "Descriptives" kemudian centang "Univariate descriptives", "Ini
tial Solutions", "Coefficients", "Significance Levels", "Determinant", "KMO an
d Bartlett`s test of sphericity" dan "Anti Image". Klik "Continue".
4. Tekan tombol "Extractions" kemudian pilih "Principal components" sebagai
method, pada "Analyze" pilih "Correlation matrix", pada "display" pilih "Unrot
ated factor solution" dan "Scree plot". Pada extract, pilih Eigenvalue over
dan isi dengan angka "1". Klik "Continue".
5. Tekan tombol "Rotation" kemudian centang "Varimax" dan pada display cent
ang semua, yaitu "Rotated solutions" dan "Loading plot(s)". Klik "Continue".
 Langkah-langkah pengolahan
Uji Analisis Factor di SPSS

6. Tekan tombol "Options" kemudian centang "Sorted by Size".

7. langkah ini bukan langkah terakhir dalam analisis faktor, karena analisis
Anda dapat dilakukan secara berulang hingga syarat minimal nilai KMO,
Bartlett's Sphericity, MSA dan Communalities terpenuhi.
8. Factor Score
Setelah anda mendapatkan faktor-faktor yang terbentuk, maka langkah selanjut
nya untuk keperluan analisis lebih lanjut, anda dapat menentukan faktor skor. C
aranya adalah dengan mengulangi langkah analisis faktor tetapi pada saat pros
es anda tekan tombol "Scores", kemudian centang "Save as variables" dan pilih
method "Regression Setelah anda klik "Continue" dan "OK" pada jendela utama
, maka lihat pada dataset anda di "data view".
Hasil Pengolahan Uji Analisis Factor di SPSS

Matrik korelasi dikatakan antar variabel saling terkait apabila determinan bernilai
mendekati nilai 0. Hasil perhitungan menunjukkan nilai Determinant of Correlation
Matrix sebesar 0,328. Nilai ini mendekatai 0, dengan demikian matriks korelasi
antara variabel saling terkait.
Hasil Pengolahan Uji Analisis Factor di SPSS

Kaiser Meyer Olkin Measure of Sampling (KMO) adalah indeks perbandingan jarak
antara koefisien korelasi dengan koefisien korelasi parsialnya. Jika jumlah kuadrat
koefisen korelasi parsial di antara seluruh pasangan variabel bernilai kecil jika
dibandingkan dengan jumlah kuadrat koefisien korelasi, maka akan menghasilkan
nilai KMO mendekati
1. Nilai KMO dianggap mencukupi jika lebih dari 0,5. dari asil penelitian menunjuk
kan bahwa nilai Kaiser Meyer Olkin Measure of Sampling sebesar 0,681. Maka
persyaratan KMO sudah memenuhi karena memiliki nilai di atas 0,5.
Hasil Pengolahan Uji Analisis Factor di SPSS

Nilai MSA pada tabel di atas ditunjukkan pada baris Anti Image Correlation dengan
tanda "a". Misal P1 nilai MSA = 0,693 dimana > 0,5 maka memenuhi syarat MSA …
…… kesimpulan bahwa semua variabel untuk nilai MSA memenuhi syarat.
Hasil Pengolahan Uji Analisis Factor di SPSS

Tabel Communalities ini menunjukkan nilai variabel yang diteliti apakah mampu untuk
menjelaskan faktor atau tidak. Variabel dianggap mampu menjelaskan faktor jika nilai
Extraction > 0,50. Berdasarkan output di atas, diketahui nilai Extraction untuk semua
variabel adalah lebih besar dari 0,50. Dengan demikian dapat disimpulkan bahwa
semua variabel dapat dipakai untuk menjelaskan faktor.
Hasil Pengolahan Uji Analisis Factor di SPSS
Tabel Total Variance Explained menunjukkan nilai masing-masing variabel yang di analisis.
Dalam penelitian ini ada 5 variabel berarti ada 5 Component yang di analisis. Ada dua mac
am analisis untuk menjelaskan suatu varian, yaitu Initial Eigenvalues dan Extraction
Sums of Squared Loadings.
Pada varian Initial Eigenvalues menunjukkan faktor yang terbentuk. Apabila semua faktor di
jumlahkan menunjukkan jumlah variabel (yaitu 2,293 + 1,211 + 0,628 + 0,439 + 0,429 = 5
variabel). Sedangkan pada bagian Extraction Sums of Squared Loadings menunjukkan
jumlah variasi atau banyaknya faktor yang dapat terbentuk, pada hasil output di atas ada 2
(dua) variasi faktor, yaitu 2,293 dan 1,211.
Penjelasan Lain Kotak Warna Hijau: berdasarkan tabel “Initial Eigenvalues”, maka ada 2
faktor yang dapat terbentuk dari 5 variabel yang di analisis. Dimana syarat untuk menjadi
sebuah faktor, maka nilai Eigenvalue harus > 1. Nilai Eigenvalue Component 1 sebesar 2,2
93 atau >1 maka menjadi faktor 1 dan mampu menjelaskan 45,870% variasi. Sedangkan
nilai Eigenvalue Component 2 sebesar 1,211 atau >1 maka menjadi faktor 2 dan mampu
menjelaskan 24,228% variasi. Jika faktor 1 dan faktor 2 dijumlahkan maka mampu menjela
skan 70,098% variasi.Catatan: Nilai total Component 3, 4, dan 5 tidak dihitung sebab nilai
Eigenvalue Component 3, 4, dan 5 < 1 maka tidak menjadi
sebuah faktor.
Hasil Pengolahan Uji Analisis Factor di SPSS

Component Matrix ini menunjukkan nilai korelasi antara masing-masing variabel dengan
faktor yang terbentuk. Misal: dari output di atas terlihat pada variabel Ketanggapan,
yakni nilai korelasi variabel ini dengan faktor 1 adalah sebesar 0,771, dan korelasi
dengan faktor 2 adalah sebesar 0,222………….. Untuk variabel yang lain cara memakn
ainya sama seperti pada variabel Keandalan.
Hasil Pengolahan Uji Analisis Factor di SPSS
Untuk memastikan suatu variabel masuk dalam kelompok faktor mana, maka dapat d
itentukan dengan melihat nilai korelasi terbesar antara variabel dengan faktor
(Component) yang terbentuk. Cara membaca hasil analisis faktor model rotasi,
dapat mengikuti penjelasan berikut ini.
1. Variabel Keandalan. Nilai korelasi variabel ini dengan faktor 1 = 0,351 dan faktor
2 = 0,751, karena nilai korelasi faktor 2 > faktor 1maka variabel Keandalan terma
suk kelompok faktor 2
2. Variabel Ketanggapan. Nilai korelasi variabel ini dengan faktor 1 = 0,417 dan fakt
or 2 = 0,685, karena nilai korelasi faktor 2 > faktor 1 maka variabel Ketanggapan
termasuk kelompok faktor 2
3. Variabel Keyakinan. Nilai korelasi variabel ini dengan faktor 1 = - 0,225 dan fakto
r 2 = 0,809, karena nilai korelasi faktor 2 > faktor 1 maka variabel Keyakinan ter
masuk kelompok faktor 2
4. Variabel Empati. Nilai korelasi variabel ini dengan faktor 1 = 0,851 dan faktor 2 =
0,101, karena nilai korelasi faktor 1 > faktor 2 maka variabel Empati termasuk kel
ompok faktor 1
5. Variabel Berwujud. Nilai korelasi variabel ini dengan faktor 1 = 0,851 dan faktor 2
= 0,101, karena nilai korelasi faktor 1 > faktor 2 maka variabel Berwujud termasu
k kelompok faktor 1
Hasil Pengolahan Uji Analisis Factor di SPSS

Component Transformation Matrix menunjukkan bahwa pada component 1 nilai korelasi

nya adalah sebesar 0,735 > 0,5, dan component 2 nilai korelasinya sebesar ,735 > 0,5.
Karena nilai korelasi semua component > 0,5 maka kedua faktor yang terbentuk ini dap
at disimpulkan layak untuk merangkum kelima variabel yang dianalisis.
Hasil Pengolahan Uji Analisis Factor di SPSS
Factor Score
Lihat bahwa muncul
variabel baru, yaitu
FAC1 1 yang merupa
kan faktor skor dari fa
ktor 1 dan FAC2_1 ya
ng merupakan faktor
skor dari faktor 2.
Thank you