Analisis faktor

KELOMPOK II

NIM Nama
210007301049 Zulfiani Wulandari
210007301051 Rismayanti
210007301052 Widya Salsabila Amri
210007301053 Ayu Rahyuni Ali
210007301056 A.Nurlutvia Ahmad
210007301059 Haryanti Dahlan
210007301061 Nur Fadliah Ahmad
210007301064 Wa Ode Sitti Alawiyah Yunus
210007301067 Irvan A. Mappangara
210007301068 Indah Perdana Putri
210007301070 Fitriana
210007301071 Fetty Amria
 2

Analisis faktor adalah sebuah teknik yang digunakan untuk

Pengertian
Pengertian Analisis
Analisis mencari faktor-faktor yang mampu menjelaskan hubungan atau
Faktor
Faktor korelasi antara berbagai indikator independen yang diobservasi

Membuat reduksi atau abstraksi atau meringkas dari banyak

variabel menjadi sedikit variabel

Teknik yang digunakan adalah teknik interdepensi

Konsep
Konsep
Dasar
Dasar Analisis faktor menekankan adanya communality
Analisis
Analisis
Faktor
Faktor
Kovariasi antar-variabel yang diuraikan akan memunculkan common
factors (jumlahnya sedikit) dan unique factors setiap variabel

Adanya koefisien nilau faktor (factor score coefficient),

 3
FUNGSI ANALISIS FAKTOR

Analisis faktor berfungsi untuk mendapatkan sejumlah kecil faktor yang memiliki sifat-
sifat sebagai berikut:
Mampu Tiap-tiap
menerangkan Faktor-faktor faktor dapat
semaksimal tersebut diinterpretasik
mungkin saling bebas an dengan
keragaman sejelas-
data jelasnya
1 3

TUJUAN ANALISIS 2

FAKTOR
tujuan lainnya adalah, yaitu:
Tujuan utama analisis faktor 1. Menguji validitas dan reliabilitas
adalah memilih fakor-faktor instrumen dengan analisis faktor
Menurut Santoso
yang dapat menjelaskan konfirmatori.
keterkaitan (interrelationship) 2. Validasi data untuk mengetahui
Data summarization
apakah hasil analisis faktor
Data reduction tersebut dapat digeneralisasi ke
dalam populasinya
 4
Asumsi Analisis Faktor

Korelasi atau keterkaitan Indeks perbandingan jarak

antar variabel harus antara koefisien korelasi
dengan koefisien korelasi
cukup kuat misalnya
parsialnya secara
diatas 0,5. keseluruhan harus kecil

Dalam beberapa kasus,

Pengujian seluruh matriks
asumsi normalitas dari
korelasi yang diukur dengan
variable-variabel atau besaran Bartlett Test of
faktor yang terjadi Sphericity atau Measure
sebaiknya terpenuhi Sampling Adequacy (MSA)
 5

LANGKAH-LANGKAH ANALISIS FAKTOR

Merumuskan Interpretasi Model Fit
masalah Penentuan faktor (ketepatan model)
jumlah faktor
1 3 5
7

2 4 6

Membuat matriks Rotasi faktor Penyeleksian

korelasi surrogate
variable

KELEBIHAN ANALISIS FAKTOR
Dapat menunjukkan apakah antar
komponen memiliki keterkaitan ataukah
tidak (independen).
Mengetahui apakah alat ukur yang
dikembangkan oleh peneliti mengukur satu
atribut atau banyak atribut diperlukan
analisis faktor.
Dapat mengidentifikasi item atau variabel
berdasarkan kemiripannya
Menyederhanakan deskripsi tentang
data dengan mengurangi jumlah
variabel/ dimensi
6
KEKURANGAN ANALISIS FAKTOR
Tujuan analisis faktor harus
diidentifikasi.
Variabel yang akan dipergunakan di
dalam analisis faktor harus
dispesifikasi berdasarkan penelitian
sebelumnya, teori dan pertimbangan
dari peneliti.
Pengukuran variabel berdasarkan
skala interval atau rasio
Banyaknya elemen sampel (n) harus
cukup atau memadai.
 7

CONTOH PENERAPAN ANALISIS FAKTOR

Seorang mahasiswa semester akhir ingin melakukan penelitian tentang

Faktor yang mempengaruhi motivasi belajar matematika peserta didik
kelas X. Terdapat 25 orang peserta didik dengan jawaban 5 item
pertanyaan kuesioner yaitu: Minat (X1), Guru (X2), Media Pembelajaran
(X3), Penggunaan Teknologi (X1), dan Teman Sebaya (X5). Pertanyaan
tersebut adalah jenis pertanyaan positif (favorable) dimana setiap
pertanyaan memiliki lima pilihan jawaban dengan penskorannya, sebagai
berikut:
 Sangat tidak setuju (skor 1)
 Kurang setuju (skor 2)
 Cukup Setuju (skor 3)
 Setuju (skor 4)
 Sangat Setuju (skor 5)
Adapun data jawaban ke 25 orang responden tersebut adalah sebagaimana yang 8
ada di bawah ini: Responden X1 X2 X3 X4 X5
A 5 4 4 4 4

B 5 4 3 4 4

C 4 4 4 3 3

D 4 4 4 4 3

E 4 5 4 4 5

F 5 5 4 3 3

G 4 4 5 4 5

H 4 4 3 4 4

I 3 3 4 3 3

J 4 5 1 4 4

K 4 5 3 5 5

L 4 5 4 3 4

M 5 4 4 5 4

N 3 3 3 3 3

O 5 4 4 4 4

P 5 5 5 4 4

Q 3 2 2 3 3

R 4 3 3 3 3

S 3 4 3 3 3

T 3 4 4 4 3

U 4 4 2 5 5

V 4 4 3 3 3
 9
Analisis dengan metode Analisis Faktor menggunakan program IBM SPSS 21

1. Siapkan data yang akan di analisis. Kemudian, 2. Buka Data View, lalu masukkan data yang telah
buka aplikasi SPSS dan klik Variable View. Pada diperoleh sehingga akan diperoleh tampilan seperti
kolom Name ketik X1 sampai X5 yang berguna berikut ini:
untuk mewakili 5 variabel studi kasus tersebut.
Begitupula pada kolom Decimal diubah menjadi
angka 0, Label diubah sesuai dengan variabel
studi kasus, serta Measure yang diubah ke scale
yang berarti data tersebut dapat diukur. Berikut ini
tampilan dari Variable View yang telah dibuat:

3. Sebelum melakukan analisis faktor, terlebih
dahulu lakukan uji normalitas dari kelima
variabel yang akan diteliti dengan cara klik
Analyze  pilih Nonparametric Tests  pilih  
10
4. Setelah itu klik OK dan akan muncul output SPSS
yang menampilkan hasil uji normalitas menggunakan
metode One-Sample Kolmogorov-Smirnov Test.
One-Sample Kolmogorov-Smirnov Test

Legacy Dialogs  klik 1-Sample K-S akan Minat Guru Media Penggunaan Teman
 
muncul kotak dialog One-Sample Kolmogorov- Pembelan Teknologi Sebaya
 
Smirnov Test. Setelah itu pindahkan kelima N 25 25 25 25 25

3,80  
variable pada kotak Test Variable List, dan dapat Normal Parametersa,b
Mean 4,04 4,00 3,44 3,80

,764  
dilihat bahwa pada bagian Test Distribution Std. Deviation ,735 ,816 ,917 ,764

,242 ,260 ,249 ,253 ,253  

sudah terdapat tanda centang pada pilihan Most Extreme
Absolute

Positive ,242 ,220 ,191 ,253 ,253  

Normal yang artinya akan dilakukan uji Differences
Negative -,238 -,260 -,249 -,203 -,203  
normalitas.
Kolmogorov-Smirnov Z 1,209 1,300 1,247 1,263 1,263  

Asymp. Sig. (2-tailed) ,108 ,068 ,089 ,082 ,082  

a. Test distribution is Normal.

b. Calculated from data.

 
Dari table di atas nilai Sig. maka dapat disimpulkan
bahwa kelima data dari varabel faktor yang diteliti
berdistribusi normal

5. Setelah diketahui bahwa data berdistribusi normal,
maka analisis faktor dalam penelitian dapat
dilanjutkan. Buka kembali data yang akan dianalisis
pada SPSS, kemudian klik Analyze  Pilih
Dimension Reduction  klik Factor akan muncul
kotak dialog Factor Analysis. Pindahkan kelima
variabel pada kotak Variables.
11
6. Setelah memindahkan kelima variable, klik
Descriptives dan pada bagian Correlation Matrix
berikan tanda centang pada pilihan KMO and
Bartlett’s test of sphericity dan pada juga pada
pilihan Anti-image lalu klik Continue lalu Oke. Hal ini
bertujuan untuk memenuhi syarat kedua dan ketiga
sebelum melakukan analisis faktor.
 KMO and Bartlett's Test
Hasil Output 12
Kaiser-Meyer-Olkin Measure of Sampling ,681
Anti-image Matrices
Adequacy.  
Minat Guru Media Penggun Teman
Bartlett's Test of Approx. Chi-Square 23,968
Pembelajara aan Sebay
Sphericity Df 10
n Teknologi a
Sig. ,008
Anti-image Minat ,622 -,270 -,190 -,069 -,069
Dari
  tabel di atas diketahui bahwa nilai dari KMO Covariance Guru -,270 ,640 -,107 -,080 -,080
MSA adalah dengan signifikansi . Oleh karena Media
-,190 -,107 ,850 ,057 ,057
nilai KMO MSA di atas dan signifikansi jauh di Pembelajaran

bawah maka teknik analisis faktor dapat Penggunaan

-,069 -,080 ,057 ,641 -,318
Teknologi
dilanjutkan karena sudah memenuhi persyaratan
Teman Sebaya -,069 -,080 ,057 -,318 ,641

 Perhatikan bagian Anti-Image Correlation Anti-image Minat ,693a -,428 -,262 -,109 -,109

tabel di samping, pada tabel tersebut Correlation

Guru -,428 ,721a -,145 -,126 -,126
terdapat kode huruf (a) yang artinya tanda
untuk Measure of Sampling Adequacy Media -,262 -,145 ,659a ,077 ,077

(MSA). Pembelajaran

Penggunaan -,109 -,126 ,077 ,657a -,496

Dari hasil tabel di samping diketahui Teknologi

bahwa nilai MSA untuk semua variabel Teman Sebaya -,109 -,126 ,077 -,496 ,657a

yang diteliti adalah , maka persyaratan ini a. Measures of Sampling Adequacy(MSA)

pun terpenuhi
 13
Communalities
  Initial Extraction

Minat 1,000 ,688

Guru 1,000 ,643

Media Pembelajaran 1,000 ,704

Penggunaan Teknologi 1,000 ,735

Teman Sebaya 1,000 ,735

Extraction Method: Principal Component Analysis.

 
Berdasarkan output di atas, diketahui nilai Extraction untuk
semua variabel . Dengan demikian dapat disimpulkan bahwa
semua variabel dapat dipakai untuk menjelaskan faktor.

Berdasarkan hasil output diatas maka semua variabel dapat digunakan untuk
analisis faktor.
 14

8. Kemudian Rotation
7. Selanjutnya klik kembali Analyze 
dan pada bagian
Pilih Dimension Reduction  klik
Method klik pilihan
Factor akan muncul kotak dialog
Varimax kemudian klik
Factor Analysis. Setelah itu klik
Continue.
Extraction dan pada bagian Display
berikan tanda centang pada pilihan
Scree plot lalu klik Continue.

9. Terakhir klik Scores dan berikan tanda centang pada

pilihan Save as variables lalu klik Continue pada kotak
dialog Factor Analysis. kemudian klik OK

10. Setelah klik OK akan

muncul output SPSS
 Hasil Output Analisis Faktor 15

Tabel Ouput Pertama

Total Variance Explained
Extraction Sums of Rotation Sums of Berdasarkan tabel “Initial Eigenvalues”di
Initial Eigenvalues  
Squared Loadings Squared Loadings samping, maka ada 2 (dua) faktor yang dapat
Component

terbentuk dari 5 variabel yang di analisis.

Cumulative %

Cumulative %
Cumulative %
% of Variance

% of Variance

% of Variance
Dimana syarat untuk menjadi sebuah faktor,
Total

Total

Total
 
maka nilai Eigenvalue harus > 1. Nilai
Eigenvalue Component 1 sebesar 2,293 atau
1 2,293 45,870 45,870 2,293 45,870 45,870 1,797 35,931 35,931  
>1 maka menjadi faktor 1 dan mampu
2 1,211 24,228 70,098 1,211 24,228 70,098 1,708 34,167 70,098  
menjelaskan 45,870% variasi.
3 ,628 12,554 82,652              
4 ,439 8,777 91,429              
 
Sedangkan nilai Eigenvalue Component 2
5 ,429 8,571 100,000            
sebesar 1,211 atau >1 maka menjadi faktor 2
Extraction Method: Principal Component Analysis.
 Ada dua macam analisis untuk menjelaskan suatu varian, dan mampu menjelaskan 24,228% variasi.
pertama Pada varian Initial Eigenvalues menunjukkan faktor Jika faktor 1 dan faktor 2 dijumlahkan maka
yang terbentuk. Apabila semua faktor dijumlahkan mampu menjelaskan 70,098% variasi. Untuk
menunjukkan jumlah variabel (yaitu variabel). Dan ke-dua nilai total Component 3, 4, dan 5 tidak dihitung
Extraction Sums of Squared Loadings menunjukkan jumlah sebab nilai Eigenvalue Component 3, 4, dan 5
variasi atau banyaknya faktor yang dapat terbentuk. pada hasil < 1 maka tidak menjadi sebuah faktor.
output di atas ada 2 (dua) variasi faktor, yaitu dan .
 16
Output Kedua Tabel Output Ketiga
Component Matrixa
  Component
1 2
Minat ,767 ,315
Guru ,771 ,222
Media Pembelajaran ,383 ,747
Penggunaan Teknologi ,694 -,503
Teman Sebaya ,694 -,503
Extraction Method: Principal Component Analysis.

a. 2 components extracted.

Dari gambar Scree Plot di atas terdapat 2 titik
Component yang memiliki nilai Eigenvalue maka dapat
diartikan bahwa terdapat 2 faktor yang dapat terbentuk.
Dari output di atas terlihat pada variabel minat,
yakni nilai korelasi variabel ini dengan faktor 1
adalah sebesar , dan korelasi dengan faktor 2
adalah sebesar . Untuk variabel yang lain cara
memaknainya sama seperti pada variabel minat.
Tabel Output Keempat 17
 Variabel Media Pembelajaran. Nilai korelasi
Rotated Component Matrixa variabel ini dengan faktor 1 = -0,225 dan faktor 2 =
  Component 0,809, karena nilai korelasi faktor 2 > faktor 1 maka
1 2 variabel Media Pembelajaran termasuk kelompok
Minat ,351 ,751 faktor 2.
Guru ,417 ,685  Variabel Penggunaan Teknologi. Nilai korelasi
Media Pembelajaran -,225 ,809
variabel ini dengan faktor 1 = 0,851 dan faktor 2 =
Penggunaan ,851 ,101
0,101, karena nilai korelasi faktor 1 > faktor 2 maka
Teknologi
variabel Penggunaan Teknologi termasuk kelompok
Teman Sebaya ,851 ,101
faktor 1.
Extraction Method: Principal Component Analysis.
 Variabel Teman Sebaya. Nilai korelasi variabel ini
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
dengan faktor 1 = 0,851 dan faktor 2 = 0,101,
Cara membaca hasil analisis faktor model rotasi, karena nilai korelasi faktor 1 > faktor 2 maka
dapat mengikuti penjelasan berikut ini: variabel Teman Sebaya termasuk kelompok faktor
 Variabel Minat. Nilai korelasi variabel ini dengan 1.
faktor 1 = 0,351 dan faktor 2 = 0,751, karena nilai
korelasi faktor 2 > faktor 1 maka variabel minat Dengan melihat pembahasan di atas maka kesimpulan
termasuk kelompok faktor 2. yang dapat kita ambil dalam analisis faktor ialah dari 5
 Variabel Guru. Nilai korelasi variabel ini dengan variabel yang ada dapat direduksi menjadi dua faktor
faktor 1 = 0,417 dan faktor 2 = 0,685, karena nilai yaitu pada faktor 1 terdapat variabel Penggunaan
korelasi faktor 2 > faktor 1 maka variabel Guru teknologi dan teman sebaya, kemudian pada faktor 2
termasuk kelompok faktor 2. terdapat variabel minat, guru, dan media pembelajaran.
 18
Tabel Output Kelima

Component Transformation Matrix

Component 1 2

1 ,735 ,678

2 -,678 ,735

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

 
Component Transformation Matrix menunjukkan bahwa pada component 1 nilai
korelasinya adalah sebesar , dan component 2 nilai korelasinya sebesar . Karena nilai
korelasi semua component > 0,5 maka kedua faktor yang terbentuk ini dapat
disimpulkan layak untuk merangkum kelima variabel yang dianalisis
 19

Thanks!
Any questions?