Pengantar Penggunaan banyak variabel dalam penelitian seringkali tak terelakkan, terutama dalam bidang sosial. Korelasi antar variabel-variabel berjumlah.

Slides:



Advertisements
Presentasi serupa
Evaluasi Model Regresi
Advertisements

ANALISIS DATA Dr. Adi Setiawan.
STATISTIKA MULTIVARIAT MANOVA
Syarat-syarat data yang baik adalah:
STATISTIKA MULTIVARIAT ANALISIS FAKTOR
Oleh: I Gusti Bagus Rai Utama, SE., MMA., MA.
Analisis Faktor Zainul Hidayat.
UJI VALIDITAS DAN UJI RELIABILITAS
Rancangan Penelitian Rancangan Korelasi.
MULTIVARIATE ANALYSIS
OLEH : MARIA MUTIARA CO`O 07085
STATISTIK By : Meiriyama Program Studi Teknik Informatika
Statistika Multivariat
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )
ANALISIS REGRESI SEDERHANA
Pengantar SEM Fauziyah, SE., M.Si.
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Uji Hipotesis.
INSTRUMEN PENELITIAN Pertemuan 7 : Mata kuliah : SEMINAR
DATA DAN HIPOTESIS (DATA AND HYPOTHESIS)
FEB Univ. 17 Agustus 1945 Jakarta
Iwan Ariawan Dep. Biostatistika - FKMUI
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Pendahuluan Latar belakang
PENGOLAHAN & ANALISIS DATA
FEB Univ. 17 Agustus 1945 Jakarta
Validitas dan reliabilitas
ANALISIS REGRESI LINIER BERGANDA
Metode Pengumpulan Data
MENGHITUNG NILAI SKOR IRMALA DEWI.Y RUDY HARTONO
STATISTIK INFERENSIAL
DATA DAN HIPOTESIS (DATA AND HYPOTHESIS)
ANALISIS REGRESI DAN KORELASI LINIER
A. Pengertian Statistik
PENGARUH KUALITAS LAYANAN DAN CITRA INSTITUSI TERHADAP KEPUASAN MAHASISWA MAGISTER MANAJEMEN UNIVERSITAS TELKOM Asep Supriatna – Fakultas.
PROGRAM PASCASARJANA MAGISTER MANAJEMEN
METODOLOGI PENELITIAN SESI 11 Korelasi dan REGRESI Analisis Faktor
A. Pengertian Statistik
Beatricia Pahlevi Thamarica – X
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
KORELASI BERGANDA UJI KELAYAKAN INSTRUMEN
A. Pengertian Statistik
Metode Pengumpulan Data
Bismillahirahmanirahim
Syarat-syarat data yang baik adalah:
DATA DAN HIPOTESIS (DATA AND HYPOTHESIS)
MANOVA (Multivariate Analysis of Variance)
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Statistika Multivariat
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
DASAR ANALISIS MULTIVARIATE.
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Kuliah ke-8 dan 9 Instrumen Penelitian
KORELASI.
MULTIVARIATE ANALYSIS
BAB 6 MULTIKOLINIERITAS
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
Analisis Validitas, Reabilitas, dan Faktor
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
TEORI KORELASI RANK SPEARMAN
ANALISIS JALUR ( PATH ANALYSIS ).
Principal Components Analysis
Structural Equation Modeling
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Principal Components Analysis (Pendekatan Sampel)
Analisis Faktor Siti Ulfa Nabila ›Analisis faktor merupakan salah satu dari analisis ketergantungan (interdependensi) antar variabel. ›Prinsip.
ANALISIS REGRESI DAN KORELASI
Analisis Regresi Regresi Linear Sederhana
Transcript presentasi:

Pengantar Penggunaan banyak variabel dalam penelitian seringkali tak terelakkan, terutama dalam bidang sosial. Korelasi antar variabel-variabel berjumlah sangat banyak, 10 var  45 koef. Korelasi, Jika 50 var.  1.225 koef. korelasi Akibatnya, kesulitan dalam melakukan analisis Pengurangan jumlah var akan mengurangi informasi yang terkandung dalam var yang dihilangkan

Pengantar Pembatasan penggunaan var akan berdampak pada penyederhanaan konsep yang digunakan. Akibatnya, penelitian yang dikembangkan hanya mampu diaplikasikan secara terbatas. Kebutuhan terhadap adanya teknik yang mampu merangkum keseluruhan informasi yang dimiliki semua variabel sangat dibutuhkan. Informasi yang terkandung dalam variabel-variabel yang memiliki korelasi seharusnya direduksi sehingga informasi tidak hilang

Pengantar Teknik mereduksi data yang memiliki banyak variabel menjadi sekumpulan variabel yang membentuk faktor-faktor yang berjumlah lebih sedikit dinamakan analisis faktor. Kerlinger (1993)  primadona metode analisis sehubungan dengan kekuatan, keluwesan dan kedekatan thd konsep dalam penelitian

Kenapa Analisis Faktor? Pemilihan analisis faktor sebagai alat analisis pada penelitian ini, disebabkan karena penelitian ini mencoba menemukan hubungan (interrelationship) beberapa variabel yang saling independen satu dengan yang lainnya, sehingga bisa dibuat kumpulan variabel yang lebih sedikit dari jumlah variabel awal sehingga akan lebih mudah dikontrol oleh manajemen perusahaan atau pemegang kebijakan perusahaan

Tujuan Analisis Faktor Pada dasarnya tujuan analisis faktor adalah untuk melakukan data summarization untuk variabel-variabel yang dianalisis, yakni mengidentifikasi adanya hubungan antar variabel. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor

Gambaran Umum analisis faktor V1  variabel yang diamati dengan n Observasi O1 ……………… On V1 V1 V2 O1 o1v1 o1v2 O2 o2v1 o2v2 O3 o3v1 o3v2 .... … .... On onv1 onv2

Gambaran Umum analisis faktor

Konsep dasar Analisis Faktor : X1 = 1 (1) CF (1) + 1 (2) CF (2) + …………. + 1 (m) CF (m) X2 = 2 (1) CF (1) + 2 (2) CF (2) + …………. + 2 (m) CF (m) X3 = 3 (1) CF (1) + 3 (2) CF (2) + …………. + 3 (m) CF (m) . Xp = p (1) CF (1) + p (2) CF (2) + …………. + p (m) CF (m)

Konsep dasar Analisis Faktor : Ada dua model Analisis faktor : Explanatory Factor Analysis (EFA) Confirmatory Factor Analysis (CFA) EFA  tidak ada dasar teori CFA  Berdasarkan teori tertentu Variabel harus valid dan reliabel (uji)

Aplikasi : Membentuk indeks Variabel latent  SEM

Gambaran Umum analisis faktor Variabel yang akan dianalisis Pendidikan, Pendapatan, Lap. Kerja, Jenis, pekerjaan, Lantai, MCK, Air minum, Listrik, MKJP, CEB, Imunisasi, Gizi Analisis faktor : mereduksi 13 var menjadi 3 faktor yang terdiri dari sosial ekonomi, lingkungan dan kesehatan-KB.

Gambaran Umum analisis faktor Sosek : Pendidikan Pendapatan Lap. Kerja Jenis pekerjaan Lingkungan : Lantai MCK Air minum Listrik Kes/KB: MKJP CEB Imunisasi Gizi

Konsep dasar Analisis Faktor : 1 X1 2 X2 CF1 CF2 3 X3 X4 4

Konsep dasar Analisis Faktor : Pada dasarnya CF yang dihasilkan akan sebanyak variabel yang digunakan dalam analisis faktor CF yang akan diambil seharus lebih sedikit dibandingkan variabel  mereduksi Penentuan banyak CF yang akan diambil berdasarkan : Eigen Value ≥ 1 % Variasi total menjelaskan lebih dari 70 %

Konsep dasar Analisis Faktor : Ada dua model Analisis faktor : Explanatory Factor Analysis (EFA) Confirmatory Factor Analysis (CFA) EFA  tidak ada dasar teori CFA  Berdasarkan teori tertentu Variabel harus valid dan reliabel (uji)

Aplikasi : Membentuk indeks Variabel latent  SEM

Ukuran Sampel untuk Analisis Faktor Ukuran sampel minimal 5 x Variabel yang diteliti. Jika terdapat 20 Variabel, maka sampel haruslan minimal 100 responden, ini berarti dalam penelitian ini ada 20 kolom (variabel) dan 100 baris (responden) atau 2000 sel data.

Tahapan analisis faktor Tabulasi data pada data view, Pembentukan matrik korelasi, Ekstraksi faktor, Rotasi faktor, dan Penamaan faktor yang terbentuk. Seluruh proses pengolahan data, mempergunakan alat bantu SPSS versi terbaru for windows.

Analisis Faktor Contoh Faktor faktor yang mempengaruhi Wisatawan Berkunjung ke Botanical Garden Eka Karya Bali

Tahap Pertama, Tabulasi dan pengolahan Tabulasi hasil angket/questioner anda ke dalam komputer (SPSS) Jika anda memiliki 20 variabel, seharusnya ada 100 buah angket ditangan anda yang siap anda tabulasi ke komputer

Tahap Kedua, Pembentukan Matrik Korelasi Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.

Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan, yang pertama yaitu menentukan besaran nilai Barlett Test of Sphericity, yang digunakan untuk mengetahui apakah ada korelasi yang signifikan antar variabel, dan kedua adalah Keiser-Meyers-Oklin (KMO) Measure of Sampling Adequacy, yang digunakan untuk mengukur kecukupan sampel dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisein korelasi parsialnya.

Jika harga KMO sebesar 0,9 berarti sangat memuaskan, Menurut Wibisono (2003) kriteria kesesuaian dalam pemakaian analisis faktor adalah Jika harga KMO sebesar 0,9 berarti sangat memuaskan, Jika harga KMO sebesar 0,8 berarti memuaskan, Jika harga KMO sebesar 0,7 berarti harga menengah, Jika harga KMO sebesar 0,6 berarti cukup, Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan Jika harga KMO kurang dari 0,5 tidak dapat diterima.

Besaran Nilai Barlett Test of Sphericity dan Nilai Keiser-Meyers-Oklin (KMO) Measure of Sampling Aduquacy Uji Tahap Pertama

Hasil perhitungan menunjukkan besaran nilai Barlett Test of Sphericity adalah 975,233 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel dan hasil perhitungan KMO sebesar 0,715 sehingga kecukupan sampel termasuk kategori yang menengah.

Menurut Santoso (2002) angka MSA berkisar antara 0 sampai dengan 1, dengan kreteria yang digunakan untuk intepretasi adalah sebagai berikut:

Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lainnya. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut. Jika MSA lebih kecil dari setengah 0,5 dan atau mendekati nol (0), maka variabel tersebut tidak dapat di analisis lebih lanjut, atau dikeluarkan dari variabel lainnya.

Tahap Ketiga, Ekstraksi Faktor Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal).

Total Variance Explained dengan Eigenvalue  satu.  

Penjelasan tabel tersebut Terlihat pada penelitian (tabel di atas) diperoleh lima faktor yang memiliki eigenvalue lebih besar dari 1,0. Kelima faktor tersebut menjelaskan (69,218) % total varian variabel yang mempengaruhi

Tahap Keempat, Matrik Rotasi Faktor Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor dilakukan dengan metode rotasi varimax. Interpretasi hasil dilakukan dengan melihat faktor Loading.

Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris di dalam setiap tabel.

Distribusi Komponen Matrik yang Dirotasi

Tahap kelima, Memberi Nama Faktor Pada tahap ini, akan diberikan nama-nama faktor yang telah terbentuk berdasarkan faktor loading suatu variabel terhadap faktor terbentuknya. Setelah tahapan pemberian nama faktor yang terbentuk, berarti hipotesis penelitian telah terjawab.

Faktor pertama adalah faktor Tarif dan Pelayanan Kebun Raya Faktor ini merupakan faktor yang memiliki pengaruh terbesar dengan eigenvalue 5,280 dan mampu menjelaskan variance total sebesar 27,791%.

Faktor kedua adalah faktor Atraksi Alam Kebun Raya Faktor ini merupakan faktor yang memiliki pengaruh besar dengan eigenvalue 2,985 dan mampu menjelaskan variance total sebesar 15,712 %.

Faktor ketiga adalah faktor Aksesibilitas Menuju Kebun Raya Faktor ketiga ini merupakan faktor yang memiliki pengaruh sedang dengan eigenvalue 2,282 dan mampu menjelaskan variance total sebesar 12,010 %.

Faktor keempat adalah faktor Situasi Kebun Raya Faktor keempat ini merupakan faktor yang memiliki pengaruh cukup dengan eigenvalue 1,518 dan mampu menjelaskan variance total sebesar 7,990 %.

Faktor kelima adalah faktor Fasilitas Kebun Raya Faktor ini merupakan faktor yang memiliki pengaruh terkecil dengan eigenvalue 1,086 dan mampu menjelaskan variance total sebesar 5,715%.

Uji Ketepatan Model Dengan menggunakan program SPSS 11 diketahui besarnya persentase “Residuals are computed between observed and reproduced correlations. There are 65 (38%) nonredundant residuals with absolute values greater than 0.05” berarti ketepatan model dapat diketahui dan dapat diterima dengan ketepatan model 62% pada tingkat signifikan 0,05.

TERIMA KASIH