ANALISIS FAKTOR

Mahmudah
 Fungsi
Mengurangi jumlah variabel dengan mengabungkannya
menjadi beberapa faktor.

Faktor yang terbentuk :

 Saling independen
 Variabel yang ada dalam satu faktor berkorelasi
 Model
Jika X adalah variabel random (yang dapat diamati) sebanyak p, mempunyai
nilai rata-rata μ dan matriks covarians Σ , maka :

𝑋1 − 𝜇1 = 𝑙11 𝐹1 + 𝑙12 𝐹2 + ⋯ + 𝑙1𝑚 𝐹𝑚 + 𝜀1

𝑋2 − 𝜇2 = 𝑙21 𝐹1 + 𝑙22 𝐹2 + ⋯ + 𝑙2𝑚 𝐹𝑚 + 𝜀2
:
𝑋𝑝 − 𝜇𝑝 = 𝑙𝑝1 𝐹1 + 𝑙𝑝2 𝐹2 + ⋯ + 𝑙𝑝𝑚 𝐹𝑚 + 𝜀𝑝
 Model
Atau dapat ditulis dalam bentuk matrik, sebagai berikut :

(𝑿 − 𝝁)(𝒑𝒙𝟏) = 𝑳(𝒑𝒙𝒎) 𝑭(𝒎𝒙𝟏) + 𝜺(𝒑𝒙𝟏)

Keterangan:
X= vektor variabel asal
µ = vektor rata-rata variabel asal
L = matrik loading factor
F = vektor common factor (tidak teramati)
ε = vektor faktor spesifik atau error
 Model
Model pada persamaan adalah Linear

Nilai loading menunjukkan :

 Korelasi antara faktor yang terbentuk dengan variabel asal
 Semakin besar nilai loading maka semakin erat hubungan antara
factor dan variabel asal
 Asumsi
Beberapa asumsi yang harus dipenuhi dalam analisis factor
adalah:
 Korelasi antar variabel independen, harus cukup kuat
(adanya korelasi yang signifikan antara beberapa variabel independen)
 Korelasi parsial (korelasi antar dua variabel dengan menganggap tetap
variabel yang lain) harus kecil
Contoh Kasus
Nilai KMO and Bartlett’s Test digunakan untuk mengkaji korelasi antar
variabel. Jika akan menggunakan analisis faktor diharapkan nilai KMO > 0,5
dan signifikan (pada taraf α tertentu)

Dari Output SPSS diperoleh nilai KMO 0,702 (> 0,5) dan signifikansi
sebesar 0,000. Jika digunakan α sebesar 5%, maka dapat disimpulkan
korelasi antar variabel signifikan.
 See

Selain nilai KMO and Bartlett’s Test, perlu dikaji juga nilai MSA (Measures of Sampling Adequacy).
Nilai MSA harus lebih besar dari 0,5 sebagai syarat variabel dapat dianalisis lebih lanjut.

Dari Output diatas, semua variabel mempunyai nilai MSA > 0,5, jadi semua variabel dapat dilakukan
analisis faktor.
Output Analisis Faktor

Tabel di samping menjelaskan seberapa besar

variabel yang dianalisis dapat menjelaskan faktor.
Misal “matematika” nilainya 0,945, artinya
matematika dapat menjelaskan faktor sebesar
94,5%.

Semua variabel mempunyai nilai > 50%, maka

dapat disimpulkan bahwa semua variabel dapat
menjelaskan faktor.
 Tabel diatas menjelaskan berapa faktor yang mungkin bisa dibentuk dari 8 variabel yang ada
 Ada 3 faktor yang akan dibentuk (component yang mempunyai eigenvalue yang lebih besar dari 1)
 Dari 3 faktor yang terbentuk, 85,331% varians dapat diteragkan oleh ke-3 faktor tersebut
 Tabel di samping menjelaskan seberapa
besar korelasi masing-masing variabel
terhadap faktor yang akan dibentuk.
 Setiap variabel akan masuk dalam satu
faktor saja, yaitu yang mempunyai korelasi
terbesar.
 Untuk semakin memperjelas kedudukan
setiap variabel, maka perlu dilakukan rotasi
terhadap matrik yang ada.
Rotasi yang digunakan adalah Varimax
Setelah dilakukan rotasi varimax,
maka semakin jelas posisi setiap
variabel terhadap faktor yang
terbentuk.

Varimax adalah metode rotasi orthogonal

untuk meminimalisasi jumlah indikator yang
mempunyai faktor loading tinggi pada tiap
faktor.
 Ketiga faktor mempunyai koefisien korelasi yang cukup tinggi
 Ketiga faktor mempunyai koefisien korelasi > 0,5
 ketiga faktor yang terbentuk dapat dikatakan tepat dalam merangkum ke-8
variabel yang ada.