STATISTIKA MULTIVARIAT ANALISIS FAKTOR

Presentasi berjudul: "STATISTIKA MULTIVARIAT ANALISIS FAKTOR"— Transcript presentasi:

1 STATISTIKA MULTIVARIAT ANALISIS FAKTOR
Wahyu Sardjono 2009

2 Pengantar Analisis Faktor
Analisis faktor merupakan suatu cabang dari analisis variabel ganda yang memperhatikan hubungan internal dari sebuah himpunan variabel-variabel dimana hubungan tersebut dapat diartikan sebagai hubungan linier atau mendekati.

3 STATISTIKA MULTIVARIAT ANALISIS FAKTOR
Dalam analisis faktor ini seluruh yang ada akan dilihat hubungan-nya (inter-dependent antar variabel), sehingga akan menghasilkan pengelompokan atau tepatnya abstraction dari banyak variabel menjadi hanya beberapa variabel baru atau faktor. Dengan sedikit faktor ini akan menjadi lebih mudah untuk dikelola dan di interpretasikan.

4 STATISTIKA MULTIVARIAT ANALISIS FAKTOR
Tujuan utama dari analisis faktor adalah untuk menggambarkan keragaman diantara banyak variabel-variabel yang sebenarnya dapat dibedakan dalam beberapa sifat yang mendasar namun tidak dapat terobservasi kuantitasnya. Sifat yang mendasar namun tak dapat terobservasi kuantitasnya ini yang disebut faktor

5 KONSEP DASAR ANALISIS FAKTOR
1. Bukan mengkaitkan antara dependen variabel dengan independen variabel, TAPI membuat REDUKSI atau ABSTRAKSI atau MERINGKAS dari BANYAK variabel menjadi SEDIKIT variabel. 2. Teknik yang digunakan adalah TEKNIK INTERDEPENSI, yakni SELURUH set HUBUNGAN yang interdependen diteliti. Prinsipnya menggunakan KORELASI r = 1 dan r = 0. Dipergunakan dalam hal mengidentifikasi variabel yang berKORELASI dan yang tidak/kecil KORELASI-nya. 3. Analisis Faktor menekankan adanya COMMUNALITY= jumlah varian yang disumbangkan oleh suatu variabel pada variabel lainnya. 4. Kovariasi antar-variabel yang diuraikan akan memunculkan COMMON FACTORS (jumlahnya sedikit) dan UNIQUE FACTORS setiap variabel. (FAKTOR-FAKTOR tidak secara jelas terlihat). 5. Adanya koefisien nilai faktor (factor score coefficient), sehingga faktor 1 menyerab sebagian besar seluruh variabel, faktor 2 menyerab sebagian besar sisa varian setelah diambil untuk faktor 1. Faktor 2 TIDAK berkorelasi dengan faktor 1.

6 TEKNIK STATISTIK Untuk ANALISIS FAKTOR
1. Bartlett’s test of sphericity: uji statistik untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi. 2. Matriks korelasi. 3. Communality: jumlah varian yang disumbangkan oleh variabel terhadap seluruh variabel lain. 4. Eigenvalue: jumlah varian yang dijelaskan oleh setiap faktor. Hanya eigenvalue >1 yang dimasukkan dalam model. 5. Scree plot: plot dari eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar; untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction). Catatan: • Jenis variabelnya interval atau rasio. • Jumlah sampel = 4 kali jumlah variabel. Misal jumlah variabel =10, maka n-nya = 40 unit. Adapula beberapa referensi yang memberikan informasi berbeda mengenai jumlah sampel yang digunakan.

7 Syarat untuk membangun Analisis Faktor:
1. Hubungan antar variabel terobservasi harus linear dan nilai korelasi tidak boleh NOL (artinya harus benar-benar ada hubungannya). 2. Variabel komponen hipotetis yang disebut FAKTOR ada dua Common Factors dan Unique factors 3. Common factors selalu dianggap TIDAK berkorelasi dengan faktor unik. Common factors lebih sedikit daripada variabel asli. Unique factors biasanya dianggap sama dengan jumlah variabelnya.

8 Working Assignment Carilah permasalahan yang sekiranya layak untuk dilakukan penelitian terkait dengan kegiatan operasional perusahaan Buatlah rancangan peneltiannya dan siapkan kuesioner untuk mendapatkan data primer. Gunakan analisis lengkap sesuai dengan tahapan dan asumsi yang harus dipenuhi pada Analisis Faktor . Tuliskan Implikasi Manajerial yang terjadi sehubungan dengan penelitian anda.

9 Prosedur Analisis Faktor
Memilih variabel yang layak dimasukkan dalam analisis faktor. Oleh karena analisis faktor berupaya mengelompokkan sejumlah variabel, maka seharusnya korelasi yang cukup kuat diantara variabel, sehingga akan terjadi pengelompokkan. Jika sebuah variabel atau lebih berkorelasi lemah dengan variabel lainnya, maka variabel tersebut akan dikeluarkan dari analisis faktor. Alat seperti MSA atau Barlett’s test dapat digunakan untuk keperluan ini. Setelah sejumlah variabel terpilih maka dilakukan ektraksi variabel tersebut hingga menjadi satu atau beberapa faktor. Beberapa metode pencarian faktor yang sering digunakan adalah Principal Component dan Maximum Likehood.

10 Prosedur Analisis Faktor (2)
Faktor yang terbentuk pada banyak kasus, kurang menggambarkan perbedaan diantara faktor-faktor yang ada. Hal tersebut dapat mengganggu analisis, karena justru sebuah faktor harus berbeda secara nyata dengan faktor lain. Untuk itu, jika isi faktor masih diragukan, maka dapat dilakukan proses rotasi untuk memperjelas apakah faktor yang terbentuk sudah secara signifikan berbeda dengan faktor lain. Setelah faktor benar-benar sudah terbentuk, maka proses dilanjutkan dengan menamakan faktor yang ada. Dan kemudian dilakukan langkah validasi hasil faktor. 6

11 Analisis Faktor dengan SPSS
Pilih variabel mana yang akan dimasukkan dalam analisis faktory Pilih berapa faktor yang akan terbentuk nanti (Confirmatory)

12 Analisis Faktor dengan SPSS
Step 1 : Buka Menu SPSS : Lakukan, langkah berikut, ANALYZE --- DATA REDUCTION --- FACTOR Berikutnya Masukan variabel yang akan diproses.

13 Analisis Faktor dengan SPSS
STEPS 2, Open data lagi dan klik Analyze --- Data --- Reduction --- Factor.. Klik extraction, pilih metode Principal Component, untuk display Unrotated Factor Solution and Scree Plot,. untuk Extract pilih Number of Factor dan masukkan nilai X yang dikehendaki. klick continue.

14 Analisis Faktor dengan SPSS
STEPS 3, Open data lagi dan klik Analyze --- Data --- Reduction --- Factor.. Klik Rotation, pilih metode varimax, untuk display Rotated Factor Solution and SlOADING PLOT(S). klick continue.

15 Analisis Hasil Pilih variabel yang memiliki nilai MSA lebih dari 0.5. hilangkan variabel yang memiliki nilai kurang dari 0.5 pilih variabel yang memiliki nilai paling kecil untuk dihilangkan terlebih dahulu. Ulangi analisis lagi sampai tinggal tersisa variabel yang memiliki nilai MSA yang lebih dari 0,5.