Intisari Faktor
Intisari Faktor
net/publication/342644284
CITATIONS READS
0 1,074
1 author:
Kuswarini Kusno
Universitas Padjadjaran
41 PUBLICATIONS 70 CITATIONS
SEE PROFILE
All content following this page was uploaded by Kuswarini Kusno on 19 February 2021.
Penulis:
KUSWARINI KUSNO
Copyright @2019, Kuswarini Kusno
Hak cipta dilindungi oleh undang-undang.
Dilarang mengutip atau meperbanyak sebagian
atau seluruh isi buku tanpa izin tertulis dari Penerbit.
Ccetakan ke 1, 2019
Diterbitkan oleh Unpad Press
Grha Kandaga, Gedung Perpustakaan Unpad Jatinangor, Lt 4
Jl. Raya Bandung – Sumedang (Ir. Soekarno) km 21,
Jatinangor – Sumedang 45363 –Jawa Barat-Indonesia
Telp. (022) 84288888 ext 3806, Situs: http://press.unpad.ac.id
email:press@unpad.ac.id/pressunpad@gmail.com/ pressunpad@yahoo.co.id
Anggota IKAPI dan APPTI
x, 68.; 25 cm
ISBN 978-602-439-608-4
Kata Pengantar
Penulis
v
vi
DAFTAR ISI
Halaman
KATA PENGANTAR V
DAFTAR ISI vii
DAFTAR TABEL viii
DAFTAR GAMBAR ix
1. Pendahuluan 1
2. Cara memilih teknik analisis multivariat 4
3. Analisis faktor 11
3.1. Dekomposisi matriks data hipotetik menjadi
faktor-faktor 13
3.2. Dekomposisi matriks data: ekstraksi faktor demi
faktor 18
3.3. Penskalaan kembali (re-scaling) vektor-vektor 21
3.4. Contoh teoritis persoalan yang lebih praktis 24
3.5. Mempertimbangkan kembali dan menormalkan
factorscores 27
4. Contoh persoalan analisis faktor 34
4.1. Masalah perilaku konsumsi yang diukur dengan
unit deviasi standar 34
4.2. Pentingnya representasi grafik 42
4.3. Perumusan hipotesis 48
4.4. Menghadapi masalah kausalitas dan rotasi 58
3. Rangkuman 63
REFERENSI 67
vii
DAFTAR TABEL
Nomor Halaman
Tabel
1. Pemilihan teknik analisis 9
3. Pola pergerakan 51
5. Tentang aspek-aspek 57
viii
DAFTAR GAMBAR
Nomor
Gambar Halaman
1. Matriks Y berordo 3x6 menyajikan banyaknya
tanduk, paruh dan kaki yang terdapat pada enam
peternakan 13
2. Matriks A berordo 3x2 menyajikan banyaknya
tanduk, paruh dan kaki per ternak 14
3. Matriks F berordo 2x6 menyajikan banyaknya
kerbau dan ayam yang terdapat pada enam
peternakan 15
4. Dekomposisi dalam faktor-faktor 16
5. Dekomposisi matriks data berukuran 6 x 9 23
6. Hasil akhir proses analisis faktor 26
7. Matriks F* x tF* 32
8. Variabel, factorscores dan factorloadings dari
Gambar 6 34
9. Proyeksi vektor-vektor ⃗ , , ⃗ dan ⃗⃗ 40
10 Posisi vektor ⃗ 44
11 Konfigurasi vektor-vektor 46
12 Posisi vektor-vektor 47
13 Macam konfigurasi vektor-vektor 50
14 Konfigurasi vektor-vektor untuk data
yang “dinormalkan” 53
ix
15 Konfigurasi vektor-vektor akibat memasukkan
variabel yang tidak penting (Q) ke dalam analisis 55
16 Proyeksi dari konfigurasi Gambar 15 56
17 Konfigurasi-konfigurasi vektor permasalahan
rumah sakit 59
18 Rotasi sumbu-sumbu I, II, III, dan IV 61
x
1|I n ti sa ri Tekni k An alisi s Fa k to r
1. Pendahuluan
variabel yang diteliti terdiri dari variabel bebas dan variabel tidak
diambil dari sampel tidak berpeluang; ini juga tidak benar karena
Isi buku ini sebagian besar dikutip dari tulisan Dr. Ir. J. Mol
berikut:
tersebut.
sebesar 1.
utama
Aanalisis Satu kelompok variabel:
klaster nominal atau rasio; satu
kelompok variabel lainnya:
interval atau rasio
Analisis log- Nominal atau ordinal
linier
K u s w a r i n i K u s n o | 10
sampling, Itu tidak sah, karena salah satu tahap dalam SEM adalah
3. Analisis Faktor
fenomena untuk dibuat suatu pola tertentu. Teori analisis faktor pada
analisis selanjutnya.
bawah ini.
Peternakan
1 2 3 4 5 6
Tentu saja hal ini bukan masalah sulit karena kita mengetahui bahwa
Kerbau Ayam
Tanduk 2 0
Paruh 0 1
Kaki 4 2
kuantitas 100 tanduk atau 200 kaki). Pada peternakan 2, pasti ada 80
ekor kerbau; pada peternakan 3 harus ada 50 ekor kerbau dan 100
Peternakan
1 2 3 4 5 6
Kerbau 50 80 50 0 30 0
matriks Y yaitu elemen baris ke tiga dan kolom ke lima: 180. Dalam
sebagai berikut:
( ) ( )
A F
( ) Y
K u s w a r i n i K u s n o | 16
berikut:
Faktor 1
50 80 50 0 30 0 kerbau
Faktor 2
0 0 100 100 30 400 ayam
yang lebih halus dapat dibuat jika kita memberi perhatian juga pada
tingkatan factorscores-nya.
( ).
( ) Y’
( )-
( )=
Y’
( )
diekstraksi :
0
1
2
K u s w a r i n i K u s n o | 20
peternakan.
( ). =
( ) Y’’
merupakan matriks nol. Dipandang dari segi analisis faktor, kita telah
ekstraksi dua faktor. Dalam praktek, dan secara sangat kasar dapat
ini, yakni : faktor pertama dipilih, lalu faktor ke dua, lalu ke tiga, dan
bernilai nol.
21 | I n t i s a r i T e k n i k A n a l i s i s F a k t o r
( )
F = Y
K u s w a r i n i K u s n o | 22
( )
( )
A*:
( )
.............
faktor 1
.........
faktor 2 .............
.........
faktor 3 .............
.........
.............
.........
.............
.........
.............
.........
.............
.........
.............
.........
.............
.........
( )
maka juga
harus dibagi β.
Y*
di berbagai kota.
sejumlah kecil keluarga dapat dijelaskan secara total oleh hanya dua
faktor.
data pendapatan (I) pada tahun tertentu; konsumsi (C) pada tahun
yang sama; banyaknya anak per keluarga (N) dan besarnya premi
dengan cermat.
K u s w a r i n i K u s n o | 26
Faktor 1 1 1 1 2 2 1 U
F:
f.scores
Faktor 2 1 2 3 2 3 4 S
-2100
+3760
1660
5420
9180
3320
7080
12940
C
-2000
+4000
2000
6000
10000
4000
8000
14000
Y:
I matriks
data
2
0
2
6
N
+
-
340
580
820
680
920
1060
+ 100
+ 240
bahwa jika urbanisasi meningkat satu poin, konsumsi turun 2100 unit
pendapatan sebesar 4000 unit, konsumsi 3760 poin dan premi 240
kepala keluarga.
tidak ada cara yang lazim untuk mengukur factorscores. Sama halnya
diukur misalnya dalam lira, rupiah, dollar, sen, atau dalam unit yang
lain. Nanti kita dapat melihat bahwa banyak cara luwes untuk
kembali data tipe seperti ini sesuai dengan kemauan kita. Kita akan
atau kecil, oleh tingkat pendidikan yang tinggi atau rendah, dan
jika ia menghendaki. Nanti akan kita ketahui betapa sulitnya hal ini.
didiskusikan kemudian.
variabel yang diukur dalam matriks datanya. Nanti dapat kita lihat
itu tidak berakhir; melainkan ia mesti bertanya pada diri sendiri apa
∑
. Rata-rata scores ini adalah
√∑
dan deviasi standarnya adalah . Sekarang barisnya
√
dinormalkan: ( )
…………….
…………….
…………….
K u s w a r i n i K u s n o | 32
∑ ∑ √
∑
panjang √ .
berbeda harus memiliki korelasi nol, artinya perkalian dua baris yang
Jika sekarang kita buat suatu “matriks” yang kolom pertamanya sama
dengan baris pertama F*, kolom ke dua sama dengan baris ke dua F*,
dan seterusnya, dan kita namakan matriks baru ini dengan transpose
t *
F , maka kedua kondisi tersebut di atas ( korelasi nol antara baris
dikali tF* harus menghasilkan suatu matriks yang setiap elemen pada
bawah):
33 | I n t i s a r i T e k n i k A n a l i s i s F a k t o r
t *
F
N 0 0 0
= 0 N 0 0
0 0 N 0
dinormalkan dengan cara yang sama seperti F *. Jika matriks ini kita
K u s w a r i n i K u s n o | 34
dapat menyatakan :
bahwa a21 dan a22 juga harus dibagi 2000; sehingga loadings ini
= A*
. Jadi
√ √
√ √ √ √
A* =
Misalkan dan
39 | I n t i s a r i T e k n i k A n a l i s i s F a k t o r
menjelaskan:
variabel lainnya.
90 adalah nol, sesuai dengan korelasi nol antara U dan S. Sudut
satu; atau dengan kata lain: korelasi antara I dan C hampir satu.
O = Produksi tahunan
D = Jarak ke pusat
A = Umur perusahaan
Variabel Perusahaan
I II III IV N -1 N
0,8 x nilai D). Selanjutnya perhatikan bahwa tidak ada korelasi antara
yang ada ini juga berlaku untuk baris-baris yang tidak diisi data.
45 | I n t i s a r i T e k n i k A n a l i s i s F a k t o r
Vektor ⃗⃗⃗ dan ⃗ dilukiskan pada bidang melalui sumbu I dan II dan
tegak lurus terhadap vektor ⃗ dan vektor lainnya (lihat Gambar 11).
K u s w a r i n i K u s n o | 46
lurus.
vektor ⃗⃗⃗ ini seharusnya menjadi lebih pendek daripada yang tampak
lebih besar pada arah pusat populasi; korelasi yang negatif antara
O dan D disebabkan oleh upah yang lebih tinggi (W) pada pusat
skala besar.
yang sangat jauh dari pusat. Alasan adanya perbedaan ukuran ini
lama berdiri.
suatu korelasi negatif yang kuat antara M dan harga produk (P).
berkualitas rendah dan karena itu harganya rendah. Harga ini tidak
juga dengan jarak ke pusat (D). Sekarang, perbedaan dalam harga (P)
Tabel 3.
C + 0
D - 0
A + 0
M 0 +
W + 0
P + -
ini. Mengenai hal ini akan didiskusikan secara singkat di bawah ini.
Demikian juga tiap baris dalam Tabel 2 itu dapat diperlakukan sama.
K u s w a r i n i K u s n o | 54
dalam cara ini, yaitu semua vektor akan sama panjang, sementara
(faktor) I adalah 0,6 dan pada sumbu (faktor) II adalah 0,8. Karena
4 di bawah ini.
C 100+ 0 100
D 100- 0 100
A 100+ 0 100
M 0 100+ 100
W 100+ 0 100
Gambar 16.
Gambar 6.
O 100+ 0 100
M 0 100+ 100
Q 1+ 1- 2
lebih sulit.
59 | I n t i s a r i T e k n i k A n a l i s i s F a k t o r
untuk membedakan rumah sakit-rumah sakit itu dalam hal “biaya per
ukuran rumah sakit yang diukur oleh banyaknya tempat tidur (S)
1)
kota besar 0, kota berukuran sedang 1, desa 2
K u s w a r i n i K u s n o | 60
korelasi negatif antara S dan C (biaya per pasien per hari). Upah para
Banyaknya dokter per tempat tidur (D) dan variabel N tidak penting
dalam sub-ruang ini. Tetapi pada gambar sebelah kanan kita lihat
bahwa (D) berkorelasi positif dengan (C). Selanjutnya kita lihat juga
61 | I n t i s a r i T e k n i k A n a l i s i s F a k t o r
bahwa (D) dan (N) berkorelasi negatif sangat kuat. Variabel harga
karena itu biaya per pasien per harinya menjadi lebih rendah; (S C).
banyaknya spesialis yang dibutuhkan (D) menjadi sedikit dan hal ini
Gambar 18.
K u s w a r i n i K u s n o | 62
factorloadings dari (C) pada sumbu yang baru); terdapat tiga faktor
rumah sakit dan yang dapat menjelaskan 0,62 x 100 = 36% varians
dalam (C). Faktor II yang berkaitan dengan tingkat urbanisasi dan
sakit dan (100 x 0,62) = 36% varians dalam (C). Faktor IV yang
5. Rangkuman
itu, dalam buku ini diungkapkan esensi dari teknik analisis faktor
analisis faktor.
Hasilnya adalah 2 buah faktor. Jadi, dari 18 buah data asli direduksi
paruh, dan kaki kerbau dengan vektor baris yang elemennya adalah
factorloadings.
factorloadings-nya.
REFERENSI
Louvain-la-Neuve.
Kependidikan Jakarta.