Kelompok 7 :

1. Deki Sa'bansyah Putra (18037013)

2. Fitri Diana Musa (18037023)
3. Inda Ismi Yusiana (18037031)
4. Lisa Anggraini (18037037)
5. Panji Rahmadi (18037053)
 ANALISIS FAKTOR

Analisis faktor adalah salah satu teknik statistika yang dapat

digunakan untuk memberiikan deskripsi yang relatif
sederhana melalui reduksi jumlah peubah yang disebut faktor.
Analisis faktor adalah prosedur untuk mengidentifikasi item
atau variabel berdasarkan kemiripannya. Kemiripan tersebut
ditunjukkan dengan nilai korelasi yang tinggi. Item-item yang
memiliki korelasi yang tinggi akan membentuk satu
kerumunan faktor.Prinsip dasar dalam analisis faktor adalah
menyederhanakan deskripsi tentang data dengan mengurangi
jumlah variabel/ dimensi.
 ANALISIS FAKTOR
Tujuan

Menjelaskan struktur hubungan diantara banyak variabel dalam bentuk faktor/variabel (laten/bentukan), bahkan antar
responden. Faktor berupa besaran acak yang sebelumnya tidak dapat diamati/diukur.

Mereduksi jumlah variabel asal yang banyak menjadi variabel baru yang lebih sedikit (mereduksi data)

Mengidentifikasi adanya hubungan antara variabel pembentuk faktor dengan faktor yang terbentuk •Uji validitas dan
reliabilitas instrumen dengan analisis faktor konfirmator

Uji validasi data untuk mengetahui apakah hasil analisis faktor dapat digeneralisasi ke populasi

Menggunakan analisis faktor dengan teknik analisis lain

 ANALISIS FAKTOR
Asumsi atau Persyaratan dalam analisis Faktor

Data masing-masing variable yang teliti berdistribusi normal

Nilai Kaiser-mayer-olkin Measure Of Sampling Adequacy (KMO MSA) lebih besar dari 0.50 and nilai Bartlet’s Test Of
Sphericity (sig. ) lebih kecil 0.05

Ada hubungan atau korelasi yang kuat antar variable. Hal ini dintandai dengan Anti-Image Correlation antar variable lebih
besar dari 0.50
 SOAL

Examination scores for graduate

students in Mathematics

A
B D
C
Penyelesaian menggunakan dengan menggunakan SPSS
Buka lembar kerja baru SPSS, lalu klik Variable View untuk mengisi Name, Decimals, Label, dan
Measure, dengan ketentuan sebagaimana gambar dibawah ini :
Selanjutnya klik Data View, kemudian masukkan
data
Dari menu SPSS klik Analyze >>
Dimension Reduction >> Factor
Muncul kotak dialog “Factor Analysis”
selanjutnya masukan semua variabel, lalu
klik Descriptives
Muncul kotak dialog “factor Analysis:
Descriptives”kemudian berikan tanda
centang pada Initial solution, KMO and
Bartlett’s test of sphericity, dan Anti-image,
lalu klik Continue
Selanjutnya klik Extraction maka muncul
kotak dialog “ Factor Analysis :
Extraction”berikan tanda centang pada
Unrotated factor solution dan Scree Plot,
lalu klik Continue.
Berikutnya klik Rotation maka muncul
kotak dialog “Factor Analysis: Rotation”lalu
aktifkan Varimax dan beri tanda centang
pada Rotated Solution, lalu klik Continue
Kemudian klik scores maka muncul kotak dialog “factor Analysis: Factor Scores” lalu aktifkan Save as
Variable lalu klik continue

Terakhir adalah klik Ok. Maka akan muncul

output Factor Analysis SPSS
INTERPRETASI :
a. Tabel Output Pertama “KMO and Bartlett’s Test”

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .871

Bartlett's Test of Sphericity Approx. Chi-Square 102.847

df 10
Sig. .000

Tabel output KMO and Bartlett’s Test berguna untuk mengetahui kelayakan suatu variabel apakah
dapat di proses lebih lanjut menggunakan teknik analisis faktor ini atau tidak.
Dengan melihat nilai KMO MSA( Kaiser-Meyer-Olkin Measure of Sampling Adequacy). Jika
nilai KMO MSA lebih besar dari 0.05 maka teknik analisis faktor dapat dilanjutkan .
Berdasarkan output diatas diketahui nilai KMO MSA sebesar 0.871 > 0.50 dan nilai Bartlett’s Test
Of Sphericity(sig. ) 0.00 < 0.05 maka analisis faktor dalam penelitian ini dapat dilanjutkan karena
sudah memenuhi persyaratan pertama.
 Anti-image Matrices
INTERPRETASI :
b.Tabel Output Kedua “Anti-image diffgeom complex algebra reals statistics
Matrices” Anti-image diffgeom .271 -.140 .001 -.050 -.066
Covariance

complex -.140 .286 -.072 .007 -.002

algebra .001 -.072 .182 -.101 -.089

reals -.050 .007 -.101 .260 -.050

Anti- image Martices berguna untuk mengetahui dan menentukan statistics -.066 -.002 -.089 -.050 .251
variabel mana saja yang layak pakai dalam analisis faktor.
Anti-image diffgeom .869a -.504 .005 -.188 -.252
Perhatikan bagian Anti-image Correlation, pada tabel tersebut Correlation
terdapat kode huruf(a) yang artinya tanda untuk MSA. Diketahui
nilai MSA dari masing-masing yang diteliti sebagai adalah complex -.504 .863a -.317 .025 -.009

sebagai berikut : algebra .005 -.317 .840a -.465 -.416

1. Diffgeom sebesar 0.869
reals -.188 .025 -.465 .890a -.194
2. Complex sebesar 0.863
3. Algebra sebesar 0.840 statistics -.252 -.009 -.416 -.194 .898a
4. Reals sebesar 0.890 a. Measures of Sampling Adequacy(MSA)
5. Statistics sebesar 0.898

Dari hasil diatas diketahui bahwa nilai MSA untuk semua

variabel yang diteliti adalah > 0.50 maka persyaratan dalam
analisis faktor ini pun terpenuhi.
 INTERPRETASI :
c.Tabel Output Ketiga “Communalities”

Communalities

Initial Extraction
diffgeom 1.000 .803
complex 1.000 .778
algebra 1.000 .870
reals 1.000 .807
statistics 1.000 .824
Extraction Method: Principal Component Analysis.

Tabel ini menunjukkan nilai variabel yang diteliti apakah mampu untuk
menjelaskan faktor atau tidak. Variabel dianggap mampu menjelaskan faktor jika
nilai Extraction lebih besar dari 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.
 INTERPRETASI :
d.Tabel Output Keempat “Total Variance
Explained” Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings
Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4.081 81.623 81.623 4.081 81.623 81.623
2 .374 7.477 89.100
3 .217 4.331 93.431
4 .205 4.096 97.527
5 .124 2.473 100.000
Extraction Method: Principal Component Analysis.

Tabel total variance Explained menunjukkan nilai masing-masing variabel yang

di analisis. Dalam penelitian ini ada 5 variabel berarti ada 5 Component yang
dianalisis. Ada dua macam analisis untuk menjelaskan suatu varian, yaitu Intial
Eigenvalues dan Extraction Sums of Squared Loadings. Pada varian Intial
Eigenvalues menunjukkan faktor yang terbentuk. Apabila semua faktor
dijumlahkan menunjukkan jumlah variable. Sedangkan pada bagian Extraction
Sums Of Squared Loadings menunjukkan jumlah variasi atau banyaknya faktor
yang dapat terbentuk, pada hasil diatas ada 1 variasi faktor, yaitu 4.081.

Berdasarkan tabel output diatas maka ada 1 faktor yang terbentuk dari 5
variabel yang dianalisis. Dimana syarat untuk menjadi sebuah factor, maka nilai
Eigenvalue harus lebih besar dari 1. Nilai Eigenvalue Component 1 sebesar
4.081 atau >1 maka, faktor 1 mampu menjelaskan 81.623% variasi.
INTERPRETASI :
e.Tabel Output kelima “Scree Plot”plained”

Gambar scree plot ini dapat juga menunjukkan jumlah faktor yang
terbentuk. Caranya dengan melihat nilai titik component yang
memiliki nilai Eigenvalue > 1. Dari gambar scree plot diatas ada 1 titik
component yang memiliki nilai Eigenvalue > 1 maka dapat diartikan
bahwa ada 1 faktor yang dapat terbentuk.
INTERPRETASI :
Component Matrixa

Component
1
diffgeom .896
complex .882
algebra .933
reals .898
statistics .908
Extraction Method: Principal Component Analysis.

a. 1 components extracted.
Component matrix ini menunjukkan nilai korelasi atau hubungan antara
masing-masing variable dengan faktor yang akan terbentuk.Dari output diatas
terlihat pada variable keandalan., yakni nilai korelasi variable diffgeom ini
dengan faktor 1 adalah sebesar 0,896.Variabel complex 0,882.Variabel algebra
0,933.Variabel reals 0,898. Variabel statistics 0,908.
INTERPRETASI :

Rotated Component Matrixa

a. Only one component was

extracted. The solution cannot be
rotated.

Karena hanya satu komponen yang diekstraksi dari analisi faktor yaitu variable diffgeom, maka
tidak bisa digantikan oleh variabel lain, yang artinya tidak dapat di rotated.
Thank you