Kelompok 7

ANALISIS FAKTOR
Anggota :
• Aulia Ughti
• Laksmi Oktavia Ningsih
• Nabila Eka Putri
• Ranti Faiza Adista
A.
*  Pengertian Analisis Faktor
Analisis faktor merupakan metode analisis multivariat yang
didasarkan pada korelasi antar variabel. Analisis faktor
termasuk salah satu teknik statistika yang dapat digunakan
untuk memberikan deskripsi yang relatif sederhana melalui
reduksi jumlah variabel yang disebut faktor.
Analisis faktor dalam analisis multivariate tergolong analisis
interdependensi (interdependence technique) dimana seluruh
set hubungan yang interdependen diteliti. Variabel yang berada
dalam satu kelompok akan memiliki korelasi yang tinggi
sedangkan variabel yang berbeda kelompok akan memiliki
korelasi yang rendah.
Maka model dari analisis faktor adalah:
B. Metode Analisis Faktor
1. Principal component
Jumlah varian yang terdapat dalam gugus data harus
dipertimbangkan. Diagonal matrik korelasi terdiri dari angka
satu dan full variance dibawa dalam matriks faktor.
2. Common factor analysis
Faktor yang diestimasi hanya didasarkan pada common
variance dan communalities yang dimasukkan dalam matrik
korelasi. Metode ini dianggap sangat tepat jika tujuan
utamanya adalah untuk mengenali/mengidentifikasi dimensi
yang mendasari dan common variance yang menarik
perhatian.
C.
*  Langkah-Langkah Melakukan Analisis Faktor
1. Pemeriksaan Matriks Korelasi
1) Uji Bartlett (Bartlett Test of Sphericity)
Hipotesis
H0: Matriks korelasi merupakan matriks identitas
H1: Matriks korelasi bukan merupakan matriks identitas
Statistik Uji

Keterangan:
N = jumlah observasi
p = jumlah peubah
|R| = determinasi dari matriks korelasi
 
Pengambilan Keputusan
 
Keputusan tolak H0 apabila nilai Setelah dilakukan pengujian terhadap matriks
korelasi, perlu diketahui apakah data layak untuk dianalisis lebih lanjut menggunakan
analisis faktor. Untuk menguji kelayakan tersebut digunakan uji KMO (Kaiser Meyer
Olkin).
*   2) Uji KMO (Kaiser Meyer Olkin)
Rumusnya adalah:
 

Keterangan:
* rij  = koefisien korelasi sederhana antara peubah i dan j
* alphaij  = koefisien korelasi parsial antara peubah i dan j

3) Pengujian dengan MSA

Hair dan Anderson (1998) menyatakan bahwa MSA merupakan ukuran lain yang
digunakan untuk mengukur interkorelasi antar variabel dan kesesuaian dari analisis
faktor.
Santosa (2002) mengemukakan kriteria MSA yang digunakan adalah:
2. Ekstraksi faktor
Ekstraksi faktor adalah proses mereduksi sejumlah variabel menjadi sejumlah set
variabel baru atau faktor yang jumlahnya lebih sedikit. Misal terdapat p variabel
asal, setelah diekstraksi akan menjadi m faktor dimana m<p. metode ekstraksi
faktor berkaitan dengan penentuan jumlah faktor yang menggambarkan struktur
data.

3. Rotasi Faktor
Dua jenis metode untuk rotasi faktor adalah Orthogonal dan Oblique (Rummel,
1970).
* Rotasi orthogonal mengasumsikan bahwa faktor-faktor terbentuk adalah
independent, proses rotasinya dengan mempertimbangkan sudut 900 antar sumbu
kedua faktor umum. Sedangkan rotasi oblique tidak mengharuskan bahwa sudut
yang digunakan adalah 900.
* Rotasi Varimax adalah rotasi yang memaksimalkan faktor pembobot dan
mengakibatkan korelasi peubah-peubah dengan suatu faktor mendekati satu
serta korelasi dengan faktor lainnya mendekati nol sehingga mudah
diinterpretasikan. Rotasi tersebut menghasilkan matriks loading baru L∗ yaitu:
Dimana T= matriks transformasi yang dipilih sehingga T’T=TT’ = I
Matriks tranformasi T ditentukan sedemikian rupa sehingga total keragaman
kuadrat loading L menjadi maksimum.
4. Menghitung Skor Faktor
Skor faktor biasanya dihitung jika hasil dari analisis faktor akan
digunakan untuk analisis lanjutan, karena sebenarnya tanpa
menghitung skor faktor hasil dari analisis ini sudah bermanfaat yaitu
jika tujuannya hanya ingin mereduksi variabel. Penghitungan skor
faktor dalam beberapa penelitian digunakan untuk mencari nilai
penimbang dalam penyusunan indeks komposit
Estimasi skor faktor dengan metode regresi dapat diperoleh dengan
cara berikut:

Keterangan :
Atau jika dengan matriks korelasi estimasi skor faktornya menjadi :

Keterangan:
R : matriks korelasi sampel

dimana;