FAKTOR
Faktor: tidak dapat langsung diukur (Unobservable variable / latent
variable)
LOGIKA PENGUJIAN ANALISIS FAKTOR
X2
Berapa F yang akan
terbentuk ?
X3
F? F tersebut merupakan
X4
Variabel laten apa saja?
X5
X2
Berapa F yang akan
terbentuk = 2
X3 Ability
Faktor I = Ability
X4
Faktor II = Aspiration
Aspiration
X5
X6
TUJUAN PENGGUNAAN FACTOR
ANALYSIS
• Analisis faktor adalah analisis yang bertujuan mencari faktor-faktor utama yang paling
mempengaruhi variabel dependen dari serangkaian uji yang dilakukan atas serangkaian variabel
independen sebagai faktornya.
• Analisis faktor digunakan sebagai teknik reduksi data.
• Analisis faktor mengambil sejumlah besar variabel dan mengurangi atau meringkasnya untuk
mewakili mereka dalam faktor-faktor kecil yang berbeda, faktor-faktor tersebut terdiri dari
kumpulan variabel awal.
• Analisis faktor adalah metode untuk menyelidiki apakah sejumlah variabel yang menarik terkait
dengan sejumlah kecil faktor yang tidak dapat diamati. Hal ini dilakukan dengan
mengelompokkan variabel berdasarkan interkorelasi diantara sekumpulan variabel.
• Variabel awal tersebut adalah variabel manifes/variabel teramati sedangkan faktor yang
diekstraksi dalam proses adalah variabel laten.
• Penggunaan umum analisis faktor adalah dalam mengembangkan skala/kuesioner untuk
mengukur konstruksi yang tidak dapat diamati secara langsung dalam kehidupan nyata.
• Teknik Analisis faktor terutama mempelajari saling ketergantungan yang sistematis di antara
serangkaian variabel yang diamati (melalui korelasi), dan variabel-variabel yang memiliki
korelasi lebih tinggi dikelompokkan bersama.
• Analisis faktor membantu para sarjana menjawab pertanyaan bahwa “Seberapa baik item-item itu
berjalan dengan baik? Jika kami sedang membangun Skala baru ”
EKSPLORATORY FACTOR ANALYSIS
(ANALISIS FAKTOR EKSPOLARATORI)
• Eksploratory Factor Analysis (Analisis Faktor
Ekspolaratori)adalah metode statistik yang digunakan untuk
membangun model struktur yang terdiri dari satu set atau banyak
variabel. EFA adalah salah satu metode analisis faktor untuk
mengidentifikasi hubungan antara variabel manifest atau variabel
indikator dalam membangun sebuah konstruk. EFA digunakan
dalam kondisi dimana peneliti tidak memiliki informasi awal atau
hipotesis harus dikelompokkan ke dalam variabel mana saja
sekumpulan indikator yang telah dibuat. jadi peneliti berangkat
dari indikator (manifest) kemudian membentuk variabel. EFA
juga digunakan dalam kondisi dimana variabel laten memiliki
indikator yang belum jelas. indikator satu variabel laten
dimungkinkan overlap dengan indikator variabel laten lainnya.
CONFIRMATORY FACTOR ANALYSIS
(ANALISIS FAKTOR KONFIRMATORY)
• Satu hal yang serupa dengan kedua metode statistik ini adalah
keduanya menggunakan varians dari masing-masing variabel
manifest sebagai representasi ukuran kontribusi terhadap
variabel konstruknya.
TABEL OUTPUT DALAM ANALISIS
FAKTOR
• Kaiser-Meyer-Olkin (KMO) Measure of sampling adequacy (MSA)
Indeks digunakan untuk meneliti ketepatan analisis faktor, nilai antara
0,5-1 berarti analisis factor tepat, kalau kurang dari 0,5 analisis faktor
dikatakan tidak tepat. Measure of sampling adequacy (MSA) ukuran
dihitung untuk seluruh matrix korelasi dan setiap variabel yang layak
untuk diaplikasikan pada analisis faktor.
MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel
lain.
MSA > 0,5 variabel masih dapat diprediksi dan dapat dianalisis lebih
lanjut.
MSA < 0,5 variabel tidak dapat diprediksi dan tidak dapat dianalisis lebih
lanjut.
TABEL OUTPUT DALAM ANALISIS
FAKTOR
Note :
• Responden akan memberi tanda diantara 1 sampai 5. Denagan demikian , skala untuk pengukuran presepsi
ini adalah data interval, karena dimungkinkan hasil berupa decimal.
• Tabel data hasil penyebaran kuisioner sebagai berikut :
• Dari data presepsi konsumen terhadap faktor-faktor yang menentukan dalam pembelian sebuah sepeda
motor tersebut, akan diuji variable mana saja yang bisa dilakukan pengujian lanjutan.
LANGKAH-LANGKAH PENGUJIAN
Setelah semua variable terisi, masukan data hasil koesioner dengan terlebih dahulu masuk
pada tab Data View , baik secara manual ataupun melalui tabel yang dilakukan pada
program excel (lebih mudah) sehingga tampak sebagai berikut :
LANGKAH-LANGKAH PENGUJIAN
Untuk pengisian :
LANGKAH-LANGKAH PENGUJIAN
Untuk pengisian :
Variables atau variable mana yang akan diuji. Sesuai
dengan contoh kasus, masukkan semua variable ke
dalam kotak variable tersebut, yakni irit, onderdil,
harga, warna, awet, promosi dan kredit.
LANGKAH-LANGKAH PENGUJIAN
•Descriptives
Klik mouse pada kotak descroptives..... hingga
tampak
Pengisian :
Lihat bagian Correlation Matrix yang berisi
berbagai alat pengujian dengan korelasi
antar-variabel. Untuk keseragaman,
aktifkan KMO dan Barlett’s test of
sphericity dan Anti-Image.
LANGKAH-LANGKAH PENGUJIAN
lebih lanjut menggunakan teknik analisis faktor ini atau tidak. Caranya dengan melihat nilai KMO dan MSA
(Kaiser-Mayer-Olkin Measure 0f Sampling Adequacy). Jika nilai KMO MSA > 0,50 maka teknik analysis
faktor dapat dilanjutkan. Berdasarkan output diatas diketahui nilai KMO MSA sebesar 0,590 > 0,50 dan nilai
Bartlett’s Tes of Sphericity (Sig.) 0,000 < 0,05, maka analysis faktor dalam penelitian ini dapat dilanjutkan
Communalities
Initial Extraction
Initial Extractio
n
KEIRITAN BAHAN 1.000 .719
BAKAR SEPEDA
Sampai tahap ini anda telah berhasil memnuhi MOTOR
syrat-syarat/asumsi untuk pengujian Analisis KETERSEDIAN SUKU 1.000 .689
Faktor. Untuk interpretasi selanjutnya yaitu CADANG (ONDERDIL)
pembentukan component faktor, rotasi faktor, TERMASUK KUALITAS
Component
1 2 3
KEIRITAN BAHAN BAKAR .292 -.487 .630
SEPEDA MOTOR
KETERSEDIAN SUKU .668 -.491 -.033
CADANG (ONDERDIL)
TERMASUK KUALITAS
ONDERDIL
HARGA SEPEDA MOTOR .336 .731 .103
MODEL DAN DESAIN .869 -.015 .071
SEPEDA MOTOR
KOMBINASI WARNA .660 .468 -.167
SEPEDA MOTOR
KEAWETAN SEPEDA -.189 .376 .783
MOTOR, KHUSUSNYA
MESIN
Extraction Method: Principal Component Analysis.
a. 3 components extracted.
TABEL OUTPUT ROTATED COMPONENT
MATRIX
a
Rotated Component Matrix
Component
1 2 3
FAKTOR VARIABEL
1 HARGA SEPEDA MOTOR, KOMBINASI WARNA SEPEDA
MOTOR
2 KEIRITAN BAHAN BAKAR SEPEDA MOTOR, KETERSEDIAN
SUKU CADANG (ONDERDIL) TERMASUK KUALITAS
ONDERDIL DAN MODEL DAN DESAIN SEPEDA MOTOR
3 KEAWETAN SEPEDA MOTOR, KHUSUSNYA MESIN
COMPONENT TRANSFORMATION
MATRIX
Component 1 2 3
1 .676 .702 -.222
2 .728 -.591 .348
3 -.113 .397 .911
Buat persamaan dari loading faktor. (lihat Table Total Variance Explained)
•Masukan persamaan
regresi seperti pada
langkah 4 lalu klik OK
TABEL SCORE