Analisa Faktor [PDF]

Citation preview

Analisa  Faktor   Her/ari  Idaja/  



Topik  Bahasan   •  •  •  •  • 



Pendahuluan   Definisi  dan  Tujuan  Analisa  Faktor   Kegunaan  Analisa  Faktor   Tahapan  Analisa  Faktor   Jenis  Analisa  Faktor   –  Exploratory  Faktor   –  Confirmatory  Faktor  



•  Kelebihan  dan  Kelemahan   •  Analisa  Faktor  dengan  SPSS   •  Contoh  Aplikasi  Analisa  Faktor   4/20/16  



 



Her/ari  Idaja/  



Pendahuluan   §  Dalam  Peneli/an  kita  sering  dihadapkan  dengan  kebutuhan   untuk  menganalisis  sejumlah  besar  variabel:   –  hubungan  antar  variabel  yang  harus  dianalisis  melebihi   kemampuan  kita.   –  Diperlukan  teknik  reduksi  data  yang    mampu  meringkas   matrik  korelasi  yang  besar  secara  sistema/s.     §  Analisis  Faktor  merupakan  salah  satu  teknik  sta/s/k   mul/variate  yang  dapat  melayani  kebutuhan  reduksi  data   melalui  iden/fikasi  struktur  dalam  sekumpulan  variabel  yang   diama/    



4/20/16  



Her/ari  Idaja/  



Definisi  Analisa  Faktor   •  Analisis  faktor  merupakan  teknik  analisis  reduksi  data   yang  digunakan  untuk  menyederhanakan  sejumlah   variabel  yang  saling  berkorelasi  menjadi  kelompok-­‐ keloompok  variabel  yang  lebih  kecil,  yang  kemudian   disebut  sebagai  faktor   •  Analisis  faktor  merupakan  alat  analisis  yang  digunakan   untuk  menemukan  hubungan  (interrela8onship)  dari   sejumlah  variabel-­‐variabel  yang  saling  independen   satu  dengan  yang  lainnya  sehingga  bisa  ditentukan   satu  atau  beberapa  kumpulan  variabel  yang  lebih   sedikit  dari  jumlah  variabel  awal   4/20/16  



Her/ari  Idaja/  



Tujuan  Analisa  Faktor   Ø Menstrukturkan  Dataà  mengelompokkan  data   asli  berdasarkan  keeratan  masing-­‐masing  variabel   dalam  kelompok  yang  sama.   Ø Menghilangkan  redudancy  atau  duplikasi   informasi    diantara  sekumpulan    variabel   Ø Menggan8  variabel-­‐variabel  yang  saling   berhubungan  dengan  sekumpulan  variabel  yang   lebih  kecilà  yang  disebut  “Faktor”  



4/20/16  



Her/ari  Idaja/  



Kegunaan  Analisa  Faktor   q Mengekstrak unobservabel variabel (latent variable) dari variabel manifest atau indikator. Atau mereduksi variabel menjadi variabel baru yang jumlahnya lebih sedikit. q Mempermudah interpretasi hasil analisis, sehingga didapatkan informasi yang realistik dan sangat berguna q Pengelompokan dan pemetaan obyek (mapping dan clustering) berdasarkan karakteristik yang terkandung di dalam faktor. q Pemeriksaan validitas dan reliabilitas instrumen penelitian (berupa kuesioner) q Dengan diperolehnya skor faktor, maka analisis faktor merupakan langkah awal(sebagai data input) dari berbagaimetode analisis data yang lain, misalnya Analisis Diskriminan, analisis Regresi, Cluster Analysis, ANOVA, MANCOVA, Analisis Path, Model Struktural, MDS, dsb



Ilustrasi  Anfak  



•  Sejumlah  10  variabel  yang  kemudian  dianalisis  dengan  teknik  analisis  faktor   menghasilkan  3  faktor  yang  rela/f  independen  satu  sama  lain     •  Variabel-­‐variabel  yang  berada  dalam  satu  faktor  menunjukkan  korelasi  yang   /nggi  antar  variabel  dalam    satu  faktor  namun  /dak  ada  korelasi/korelasi   4/20/16   Her/ari   Idaja/   sangat  rendah  dengan  variabel  yang   berbeda   faktor  



  Tahapan   A nalisa   F aktor   Langkah  Analisis   Faktor    



4/20/16  



Her/ari  Idaja/  



1.  Merumuskan  Masalah   •  Ini  berkaitan  dengan  tujuan   peneli/an,  objek  dan   variabel  apa  yang  akan   diteli/   •  Jumlah  objek  dan  variabel   sudah  ditentukan   berdasarkan  hasil   pengamatan.  Semakin   banyak  jumlah  objek   (responden/sampel)  maka   hasilnya  akan  semakin   reliable  (layak)   •  Menyusun  matrik  data  awal   4/20/16  



Her/ari  Idaja/  



Matriks  Data  Awal   •  Tidak  ada  aturan  baku  mengenai  berapa  jumlah  objek   yang  harus  diama/  berdasarkan  sejumlah  variabel   yang  sudah  ditentukan,  namun  sebaiknya   perbandingan  jumlah  objek  dan  variabel  adalah  10:1   •  Jika  jumlah  objek  lebih  sedikit  dibandingkan  jumlah   variabel  maka  analisis  faktor  /dak  dapat  dilakukan   •  Variabel-­‐variabel  yang  akan  dikelompokkan  hendaknya   memiliki  satuan  pengukuran  yang  sama,  jika  berbeda   maka  perlu  dilakukan  standarisasi  untuk   menghilangkan  pengaruh  satuan  



Matriks  Data  Awal  (Contoh)   •  Ingin  diketahui  faktor  apa  saja  yang  paling  mempengaruhi  konsumen  dalam   membeli  sepeda  motor.  Untuk  itu  diambil  sampel  sebanyak  50  orang  (objek),  yg   kemudian  diminta  pendapatnya  tentang  atribut/variabel  yg  berhubungan  dgn   spd.motor  (seper/  8  atribut  di  bawah  ini)   •  Se/ap  atribut  diberi  Range  penilaian  dari  1  sampai  5.  Nilai  1  untuk  sangat  /dak   setuju  dan  nilai  5  untuk  sangat  setuju.   1.  Keiritan  Bahan  Bakar  Sepeda  Motor   2.  Ketersediaan  Suku  Cadang/Onderdil   3.  Harga  Sepeda  Motor   4.  Model/Desain  Sepeda  Motor   5.  Kombinasi  Warna  Sepeda  Motor   6.  Keawetan     7.  Promosi  yg  dilakukan  (menarik-­‐/daknya)   8.  Sistem  Pembayaran  Secara  Kredit  



Dapat  langsung   diterapkan  teknik   analisis  faktor,  karena   /dak  ada  perbedaan   satuan  pengukuran   dalam  semua  variabe  



Matriks  Data  Awal  (Contoh)   •  Ingin  diketahui  faktor  apa  saja  yang  paling  mempengaruhi  produk/vitas   salesman  dalam  bekerja.  Untuk  itu  diambil  sampel  sebanyak  50  salesmen   (objek),  yg  kemudian  diminta  pendapatnya  tentang  atribut/variabel  yg   berhubungan  dgn  produk/vitas  (seper/  8  atribut  di  bawah  ini)   •  Se/ap  atribut  memiliki  satuan  pengukuran  yang  berbeda-­‐beda   1.  Gaji  (rupiah/bulan)   2.  Komisi  (rupiah/bulan)   3.  Bonus  (rupiah/bulan)   4.  Rata-­‐rata  /ngkat  absen  (kali/bulan)   5.  Jumlah  pelanggan  yang  dikunjungi  (orang/bulan)   6.  Jumlah  anak  (orang)   7.  Tingkat  pengetahuan  kepada  produk   8.  Tingkat  kemampuan  verbal  dalam  memberikan  promosi  



Harus  distandarisasi   dulu  untuk   menghilangkan   pengaruh  perbedaan   satuan  pengukuran,   sebelum  diterapkan   teknik  analisis  faktor  



2.  Matriks  Korelasi   •  Matrik  yang  memuat  koefisien  korelasi  dari   semua  pasangan  variabel   •  Matriks  data  asal  berukuran        n  x  v  (n  objek   dan  v  variabel)  diubah  menjadi  matriks   korelasi  atau  matriks  kovarians  (v  x  v)   •  Pada  tahap  ini  menilai  variabel  mana  saja   yang  dianggap  layak  (appropriateness)   untuk  dimasukkan  dalam  analisis   selanjutnya   •  Variabel  yang  mempunyai  kecenderungan   mengelompok  dan  membentuk  suatu   faktor,  maka  variabel  tersebut  akan   memiliki  korelasi  yang  cukup  8nggi   dengan  variabel  lain,  dan  sebaliknya   4/20/16  



Her/ari  Idaja/  



Koefisien     Korelasi  



2.  Matriks  Korelasi   •  menentukan besaran nilai Barlett Test of Sphericity (MSA), yang digunakan untuk mengetahui apakah ada korelasi yang signifikan antar variabel, dan •  Menentukan 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.



2.  Matriks  Korelasi   Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,715 Bartlett's Test of Sphericity Approx. Chi- 975,233 Square df 190 Sig. ,000



KMO



MSA



2.  Matriks  Korelasi   Menurut  Santoso  (2002)  tentang  MSA:   1.  Jika   MSA   =   1,   maka   variabel   tersebut   dapat   diprediksi   tanpa   kesalahan  oleh  variabel  yang  lainnya.     2.  Jika   MSA   lebih   besar   dari     setengah   0,5   maka   variabel   tersebut   masih  dapat  diprediksi  dan  bisa  dianalisis  lebih  lanjut.     3.  Jika  MSA  lebih  kecil  dari  setengah  0,5  dan  atau  mendeka/  nol  (0),   maka   variabel   tersebut   8dak   dapat   di   analisis   lebih   lanjut,   atau   dikeluarkan  dari  variabel  lainnya.  



2.  Matriks  Korelasi   Menurut Wibisono (2003) Tentang KMO: –  Jika nilai KMO sebesar 0,9 berarti sangat memuaskan, –  Jika nilai KMO sebesar 0,8 berarti memuaskan, –  Jika nilai KMO sebesar 0,7 berarti nilai menengah, –  Jika nilai KMO sebesar 0,6 berarti cukup, –  Jika nilai KMO sebesar 0,5 berarti kurang memuaskan, dan –  Jika nilai KMO kurang dari 0,5 tidak dapat diterima.



3a.  Matriks  Faktor   •  Pada  matriks  faktor,  bagian  kolom   adalah  faktor  yang  terbentuk  dan  bagian   baris  adalah  variabel     •  Nilai  yang  ada  pada  sel  merupakan  nilai   yg  disebut  sebagai  loading  factor   •  Nilai  laoding  factor  berkisar  antara           -­‐1,00  sampai  +1,00     •  Nilai  tersebut  menunjukkan  derajat   korelasi  masing-­‐masing  variabel  dengan   masing-­‐masing  faktor  à  loading  factor   dalam  matriks  korelasi  sama  halnya   dengan  koefisien  korelasi   •  Variabel  dengan  loading  yang  /nggi   (mendeka/  -­‐1,00  atau  +1,00)  dapat   menjadi  penentu  utama  dalam   penamaan  F  tersebut  



4/20/16  



Her/ari  Idaja/  



Loading  Factor  



3b.  Ekstraksi  Faktor   •  Tahap  ini  untuk  mereduksi  data  dari   beberapa  variabel  untuk  menghasilkan   faktor  yang  lebih  sedikit  yang  mampu   menjelaskan  korelasi  antara  indikator  yang   diobservasi   •  Pada  tahap  ini,  akan  dilakukan  proses  in/  dari   analisis  faktor,  yaitu  melakukan  ekstraksi   terhadap  sekumpulan  variabel  yang  ada   KMO>0,5  sehingga  terbentuk  satu  atau  lebih   faktor.  



4/20/16  



Her/ari  Idaja/  



3b.  Ekstraksi  Faktor   •  Teknik  pemfaktoran  (Factoring  Technique):   –  Principal  Component  Analysis  (PCA)   •  Faktor  dipandang  sebagai  kombinasi  bobot  dari   variabel  input  dengan  banyaknya  faktor  yang   dihasilkan  sebanyak  jumlah  variabelnya   •  Jika  terdapat  10  variabel  maka  10  faktor  terekstraksi;   Faktor-­‐1  yang  terekstraksi  akan  paling  besar   menyumbang  pada  total  variance  dari  data;  Faktor-­‐2   akan  <  dari  F-­‐1;  F-­‐3  akan  <  F-­‐4……dan  seterusnya   hingga  F-­‐10  akan  <  F-­‐9  



–  Other  Mainstream  Common  Factor  Analysis  (CFA)   4/20/16  



•  Tiap  variabel  input  dipandang  sebagai  kombinasi   bobot  dari  faktor-­‐faktor  dengan  banyaknya  faktor   Her/ari  Idaja/  input   lebih  sedikit  dari  variabel  



4.  Rotasi  Faktor   •  Tujuan  rotasi  faktor:   –  Membuat  faktor-­‐faktor  sebeda  mungkin  atau   membuat  perbedaannya  setajam  mungkin   –  Untuk  memperjelas  variabel-­‐variabel  yang  masuk   ke  dalam  faktor  tertentu   –  Dapat  memperoleh  struktur  faktor  yang  lebih   sederhana  agar  mudah  diinterpretasikan.  



4/20/16  



Her/ari  Idaja/  



4.  Rotasi  Faktor   •  Metode  rotasi  faktor:  



–  Orthogonal  rota6on  yaitu  rotasi  dengan  memutar  90°  atau   tegak  lurus  satu  sama  lain  



•  Se/ap  faktor  ditentukan  saling  independen  dengan  faktor  lainnya   karena  sumbunya  saling  tegak  lurus   •  Metode  rotasi  ini  digunakan  jika  dalam  mereduksi  variabel  /dak   memper/mbangkan  besarnya  ar/  dari  jumlah  faktor  yang  diekstraksi   •  Beberapa  metode  yang  termasuk  dalam  metode  ini  adalah  Metode   Quar/max,  Varimax,  Equimax  



–  Oblique  Rota6on  merupakan  metode  rotasi  dengan  memutar   ke  kanan  pada  sudut  tertentu,  namun  /dak  harus  memutar  90°  



•  Perbedaannya  dengan  metode  orthogonal  adalah  korelasi  antar   faktor  masih  diper/mbangkan  karena  sumbu  faktor  /dak  saling  tegak   lurus   •  Sehingga  jumlah  faktor  yang  diekstraksi  secara  teori/s  cukup  berar/   •  Beberapa  metode  yang  termasuk  dalam  metode  ini  adalah  Metode   Oblimin,  Quar/min,  Covarimin,  Biquar/min,  dan  Oblimax  



4/20/16  



Her/ari  Idaja/  



5.  Interpretasikan  Faktor   •  Setelah  diperoleh  sejumlah  faktor  yang  valid,   selanjutnya  kita  perlu  menginterprestasikan   nama-­‐nama  faktor,  mengingat  faktor   merupakan  sebuah  konstruk  dan  sebuah   konstruk  menjadi  berar8  kalau  dapat  diar8kan.     •  Interprestasi  faktor  dapat  dilakukan  dengan   mengetahui  variable-­‐variabel  yang   membentuknya.     •  Interprestasi  dilakukan  dengan  judgment.  Karena   sifatnya  subjek/f,  hasil  bisa  berbeda  jika   dilakukan  oleh  orang  lain.   4/20/16  



Her/ari  Idaja/  



6.  Hitung  Skor  Faktor   •  Faktor  score  yang  dibuat,  berguna  jika  akan   dilakukan  analisis  lanjutan,  seper/  analisis   regresi,  analisis  diskriminan  atau  analisis   lainnya.  



4/20/16  



Her/ari  Idaja/  



Ilustrasi  Sederhana  Tahapan  Anfak  



Matriks  Data  Awal   4/20/16  



Matriks  Korelasi   Her/ari  Idaja/  



Matriks  Faktor  



Jenis  Analisis  Faktor   Eksploratory  Factor  Analysis  



Factor  Analysis  



Dalam  Analisis  Faktor  Ekspolaratori  akan  dilakukan   eksplorasi  dari  indikator-­‐indikator  atau  variabel-­‐ variabel  manifest  yang  ada,  yang  nan/nya  akan   terbentuk  faktor-­‐faktor,  yang  kemudian  dilakukan   interpretasi  terhadapnya  untuk  menentukan  variabel-­‐ variabel  laten  apa  yang  dapat  diperoleh  



Confirmatory  Factor  Analysis   Dalam  analisis  faktor  konfirmatori,  seseorang  secara   apriori  berlandaskan  teori  dan  konsep  yang     dimiliki,  dia  sudah  mengetahui  berapa  banyak  faktor   yang  harus  terbentuk,  serta  variabel-­‐variabel  laten  apa   saja  yang  termasuk  ke  dalam  faktor-­‐faktor  tersebut.  



4/20/16  



Her/ari  Idaja/  



Exploratory  Factor  Analysis  



Exploratory Factor Analysis (EFA)   q Teori : q Analisis ini berusaha melakukan pengelompokkan faktor berdasarkan variabel data yang didapatkan q Hasil EFA adalah terbaginya indikator-indikator kedalam 1 grup atau lebih yang menjadi faktor. q Kelemahan EFA: Hasil analisis seringkali tidak sesuai dengan pengelompokkan yang dihipotesiskan oleh peneliti, dikarenakan pengelompokkan dihitung berdasarkan kedekatan dari tiap variabel yang didapatkan.



4/20/16  



Her/ari  Idaja/  



Exploratory Factor Analysis (EFA)



Sebelum Survei



1



Variabel ditentukan oleh Peneliti Peneliti menentukan variabel-variabel yang mempengaruhi suatu tema yang diangkat pada suatu lokasi berdasarkan kajian pustaka maupun survey primer



Proses Survei



Pengolahan Data



2



Faktor terbentuk dari hasil pengelompokkan variabel Faktor terbentuk mengikuti hasil-hasil data variabel yang dilemparkan kepada responden. Jumlah Faktor terbentuk sesuai kedekatan antar data variabel.



Exploratory Factor Analysis (EFA) X1   X2   X3   X4   X5   X6  



F  



Contoh Format Kuisioner untuk Analisis Faktor



Kelebihan Analisis Faktor Eksploratori q  Dapat menunjukkan pembentukan faktor dari variabel-variabel bebas yang dipertimbangkan tanpa menentukan faktor yang mempengaruhi. Hal ini sangat sesuai pada kasus dimana tidak dapat diidentifikasi faktor yang mempengaruhi. q  Faktor yang terbentuk merupakan representasi suatu wilayah terhadap variabel bebas yang dipertimbangkan



Kelemahan Analisis Faktor Eksploratori q  Dikarenakan pada mekanisme komputasi hasil survey responden/kuisioner) menjadi alat utama dalam penilaian pembentukan faktor, maka terkadang faktor yang terbentuk tidak sesuai dengan yang diharapkan q  Dengan alasan tersebut, maka hasil faktorisasi yang dihasilkan cukup menyulitkan dalam mendapatkan teori yang mendukungnya dalam suatu penelitian q  Hasil analisis seringkali tidak sesuai dengan pengelompokkan yang dihipotesiskan oleh peneliti, dikarenakan pengelompokkan dihitung berdasarkan kedekatan dari tiap variabel yang didapatkan



Confirmatory  Factor  Analysis  



Confirmatory  Factor  Analysis     •  Dalam  analisis  faktor  konfirmatori,  seseorang   secara  apriori  berlandaskan  teori  dan  konsep   yang  dimiliki,     •  Peneli8  sudah  mengetahui  berapa  banyak   faktor  yang  harus  terbentuk,  serta  variabel-­‐ variabel  laten  apa  saja  yang  termasuk  ke   dalam  faktor-­‐faktor  tersebut.  



4/20/16  



Her/ari  Idaja/  



Penger/an   •  Pembentukan  faktor  konfirmatori  (CFA)  secara  sengaja   berdasarkan  teori  dan  konsep,  dalam  upaya  untuk   mendapatkan  variabel  baru  atau  faktor  yang   mewakili  beberapa  item  atau  sub-­‐variabel,  yang   merupakan  variabel  terama/  atau  observerb  variable.     •  Sebagai  Contoh  :   –  faktor  kepandaian  diukur  secara  langsung,  melalui  :     variabel  kepasihan  membaca,  kecakapan  berhitung,   kepandaian  ilmu  sosial,  kepadaian  menulis,  kepasisan   berbahasa,  pintar  mengarang.     –  faktor  keberhasilan  seseorang  dapat  diukur  dengan   variabel:  kepandaian,  keuletan,  kekayaan,  dan  kemujuran.     4/20/16  



Her/ari  Idaja/  



Tujuan  analisis  faktor  konfirmatori     •  Untuk  mengiden8fikasi  adanya  hubungan   antar  variabel  dengan  melakukan  uji  korelasi.     •  Untuk  menguji  valisitas  dan  reliabilitas   instrumen.  Dalam  pengujian  terhadap   valisitas  dan  reliabilitas  instrumen  atau   kuisioner  untuk  mendapatkan  data  peneli/an   yang  valid  dan  reliabel  dengan  analisis  faktor   konfirmator.   4/20/16  



Her/ari  Idaja/  



Confirmatory  Factor  Analysis  



Jumlah  Faktor  dan   variabel  /ap  faktor   ditentukan  oleh   peneli/  



Variabel  dilemparkan   kepada  responden   untuk  melihat   signifikansi  lokasi  



Validasi  variabel  yang   relevan  dengan  cara   mereduksi  variabel   yang  dianggap   responden  signifikan  



Tinjauan  Pustaka/   Kajian  Teori  



4/20/16   manifest/indikator   variabel  



Her/ari  Idaja/  



Jumlah  faktor  tetap,   namun  variabel  dapat   berubah  



Confirmatory  Factor  Analysis   X1   X2   X3  



Mereduksi  Variabel  



F1  



X4   X5  



F2  



X6  



4/20/16  



Her/ari  Idaja/  



Confirmatory  Factor  Analysis  



4/20/16   manifest/indikator   variabel  



Her/ari  Idaja/  



Confirmatory  Factor  Analysis  



4/20/16   manifest/indikator   variabel  



Her/ari  Idaja/  



Confirmatory  Factor  Analysis  



3  FAKTOR  



4/20/16   manifest/indikator   variabel  



Her/ari  Idaja/  



Seleksi  variabel  /ap  Faktor   (kelompok  variabel)  dilakukan   oleh  peneli/  



Confirmatory  Factor  Analysis  



3  FAKTOR  



4/20/16   manifest/indikator   variabel  



Seleksi  variabel  /ap  Faktor   (kelompok  variabel)  setelah   Analisis  Faktor   Her/ari  Idaja/  



Variabel  yang   dikeluarkan  



Tahapan  Confirmatory   •  Memperha/kan  ukuran:   –  Kelompokkan  variabel  menjadi  beberapa  faktor,  sesuai  telaah  kajian   pustaka/teori   –  Lakukan  sampling  kepada  responden   –  Lakukan  Analisis  Anfak  untuk  se/ap  kelompok  variabel  (satu  faktor)   secara  terpisah   –  Cek  apakah  sudah  terbentuk  1  faktor  atau  belum.   –  Jika  belum,  lakukan  reduksi  /ap  variabel  yang  memiliki  MSA  <  0.5   (terkecil)  satu  demi  satu,  hingga  terbentuk  jumlah  1  faktor  untuk   sekelompok  variabel  yang  diuji  tersebut.  



4/20/16  



Her/ari  Idaja/  



Hal-hal diperhatikan pada analisis faktor dg SPSS q  Communality - besarnya varian variabel yang disaring dengan variabel lainnya. q  Eigenvalue - total variance yang dapat dijelaskan masing-masing faktor. q  Factor loadings – korelasi antara faktor dan variabel. 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. q  Factor Matrix - matrik yang berisi faktor loading dari faktor yang terekstrasi q  Residuals - perbedaan antara korelasi observasi dan korelasi hasil estimasi dari matrik faktor. q  Bartlett's test of sphericity: menguji apakah matriks korelasi merupakan matriks identitas? Jika hipotesa ini ditolak (artinya probabilitasnya < 0,05) maka matriks korelasi bukan merupakan matriks identitas, artinya terdapat korelasi yg signifikan antar variabel q  KMO measure of sampling adequacy - indeks yang digunakan untuk menguji kesesuaian analisis faktor, nilainya minimal 0,5. akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu atau lebih faktor. q  MSA: dilihat pada matriks anti-image correlation, menguji apakah variabel layak dipertimbangkan dalam analisis faktor? Semakin besar nilai MSA artinya semakin kecil nilai korelasi parsialnya dengan variabel lain, yang berarti semakin layak dipertimbangkan dalam pembentukan faktor à nilai MSA > 0,50



  Contoh  Aplikasi  Analisa  Faktor  



Studi  Kasus  1   •  Kabupaten  Bandung  merupakan  salah  satu   wilayah  di  provinsi  Jawa  Barat  yang  memiliki   peran  pen/ng  dalam  mendukung  wilayah   metropolitan  Bandung  Raya  sebagai  PKN   (Pusat  Kegiatan  Nasional)   •  Oleh  karena  itu,  perlu  meninjau  bagaimana   potensi  karakteris/k  fasum  fasos  di  kabupaten   ini  melalui  analisis  faktor  



Tahap  1  Anfak:  Matriks  Data  Awal   •  Unit  analisis  adalah  semua  kecamatan  di   Kabupaten  Bandung:  43   •  Variabel  yang  diama/  adalah  variabel  fasum   fasos:  17,  yaitu:   1.  2.  3.  4.  5.  6.  7.  8.  9. 



Fasilitas  TK   Fasilitas  SD   Fasilitas  SMP   Fasilitas  SMA   Fasilitas  Akademi/PT     Puskesmas   RSU   Praktek  Dokter   Pasar  



10.  11.  12.  13.  14.  15.  16.  17. 



PDAM   Kantor  Pos   Terminal   Jalan  Propinsi   Jalan  Kabupaten   Jalan  Lokal   Fasilitas  Peribadatan   Fasilitas  Rekreasi/OR  



Tahap  1  Anfak:  Matriks  Data  Awal   Kecamatan  



Variabel   1  



2  



……………  



17  



Ciwidey   Rancabali   Pasirjambu     Cimaung     Pangalengan   Kertasari   Pacet   Ibun   Paseh   …………   N  =  43  



Nilai  observasi  dari  variabel  perlu   distandarisasi  dahulu  sebelum   diproses  ke  dalam  teknik  anfak  



Tahap  2  Anfak:  Matriks  Korelasi   •  Memperha/kan  ukuran:  



–  KMO  MSAà  menguji  apakah  korelasi  parsial  diantara  variabel   kecil?  Semakin  kecil  korelasi  parsial  antar  variabel  maka  nilai   KMO  semakin  besar  ar/nya  model  faktor  yang  dikembangkan   semakin  baik  (>  0,5)     –  Bartleo's  test  of  sphericity:  menguji  apakah  matriks  korelasi   merupakan  matriks  iden/tas?  Jika  hipotesa  ini  ditolak  (ar/nya   probabilitasnya  <  0,05)  maka  matriks  korelasi  bukan   merupakan  matriks  iden/tas,  ar/nya  terdapat  korelasi  yg   signifikan  antar  variabel   –  MSA:  dilihat  pada  matriks  an/-­‐image  correla/on,  menguji   apakah  variabel  layak  diper/mbangkan  dalam  analisis  faktor?   Semakin  besar  nilai  MSA  ar/nya  semakin  kecil  nilai  korelasi   parsialnya  dengan  variabel  lain,  yang  berar/  semakin  layak   diper/mbangkan  dalam  pembentukan  faktor  à  nilai  MSA  >   0,50  



Tahap  2  Anfak:  Matriks  Korelasi   •  Output:  



–  KMO  and  Bartleo's  test  of  sphericity   •  KMO:  0,752  à  middling   •  Bartleo's  test  of  sphericity:  0,00  



–  Variabel  yang  /dak  layak  diper/mbangkan  dalam  model   anfak  (nilai  MSA  <  0,50):   •  •  •  •  •  • 



Tahap  1:  RSU   Tahap  2:  Terminal   Tahap  3:  Fasilitas  Akademi/PT     Tahap  4:  Kantor  Pos   Tahap  5:  Jalan  Lokal   Tahap  6:  Jalan  Kabupaten  



–  Ada  11  variabel  yang  layak  diper/mbangkan  dalam   pembentukan  faktor  



Tahap  2  Anfak:  Matriks  Korelasi  



Tahap  3  Anfak:  Ekstraksi  Faktor  



Berdasarkan:   •  nilai  eigenvalue  >  1   •  Total  varians  yang  mampu  dijelaskan   oleh  sejumlah  faktor  yang  dibentuk   •  Jumlah  faktor:  3   •  Total  varians  yang  dapat  dijelaskan:   66,091%  



Tahap  4:  Matriks  Faktor  Sebelum  Rotasi  



Loading  Factor  



Semakin  besar  nilai  loading  factor,  semakin  besar  korelasi   variabel  tersebut  terhadap  faktor  tertentu  



Tahap  5:  Matriks  Faktor  Sesudah  Rotasi   Kesimpulan:   •   Faktor  1:  à  Fasilitas  Primer   •  Fasilitas  SD   •  Fasilitas  SMP   •  Fasilitas  SMA   •  Puskesmas   •  Jalan  Propinsi   •  Fasilitas  Peribadatan   •   Faktor  2:  à  Fasilitas  Sekunder   •  Fasilitas  TK   •  Praktek  Dokter   •  Fasilitas  Rekreasi/OR   •   Faktor  3:  à  Fasilitas  Tersier   •  Pasar   •  PDAM  



Tahap  5:  Interpretasi  Factor  Score  



Tinggi  rendahnya  potensi   ketersediaan  fasilitas  primer,   sekunder,  dan  tersier  dari   masing-­‐masing  kecamatan  



Studi  Kasus  2   •  Kabupaten  Tasikmalaya  merupakan  pusat  kegiatan   wilayah  (PKW)  di  Jawa  Barat   •  Dalam  rangka  mendukung  fungsinya  sebagai  PKW,   perlu  untuk  meninjau  potensi  wilayahnya  berdasarkan   karakteris/k  fisiknya   •  Variabel  yang  mencerminkan  karakteris/k  fisiknya   ditentukan  sejumlah  4  variabel,  yaitu:   –  Jumlah  penduduk   –  Luas  wilayah   –  Jumlah  fasilitas  peribadatan   –  Jumlah  fasilitas  kesehatan  (posyandu)   –  Luas  lahan  kri/s  dan  kering  



Tahap  Pembentukan  Matriks  Korelasi  



•  KMO:  0,603  à  mediocre   •  Bartleo's  test  of  sphericity:  0,00   Semua  variabel  layak  diper/mbangkan  dalam  pembentukan  faktor  



Tahap  Ekstraksi  Faktor  



Berdasarkan:   •  nilai  eigenvalue  >  1   •  Total  varians  yang  mampu   dijelaskan  oleh  sejumlah  faktor   yang  dibentuk   •  Jumlah  faktor:  1   •  Total  varians  yang  dapat   dijelaskan:  67,297%  



Tahap  Pembentukan  Matriks  Faktor   Kesimpulan:   •   Faktor  yang  terbentuk  adalah  1   faktor,  sehingga  /dak  perlu  rotasi   faktor   •   Variabel  yang  paling  besar   pengaruhnya  dalam  pembentukan   faktor  tersebut  adalah  variabel   jumlah  fasilitas  kesehatan   (posyandu),  karena  memiliki  nilai   loading  factor  yang  paling  besar  



Lesson  Learned  Studi  Kasus  Anfak   •  Kelebihan  penggunaan  anfak   –  Meringkas  dan  menstrukturkan  data,  dari   sejumlah  variabel  dapat  diringkas  menjadi   sejumlah  kecil  faktor  yang  dapat  digunakan  untuk   menjelaskan  potensi  kecamatan  berdasarkan   karakteris/k  faktor  (dilihat  dari  nilai  factor  score)   –  Memudahkan  analis  meninjau  karakteris8k  mana   berdasarkan  faktor  mana  yang  merupakan  potensi   terbaik  dari  masing-­‐masing  objek/kecamatan  



Lesson  Learned  Studi  Kasus  Anfak   •  Kelemahan  penggunaan  anfak   –  Kesulitan  dalam  penamaan  faktor  yang  kadangkala   didalamnya  terdiri  dari  berbagai  nama  variabel  yang   secara  logis  /dak  berhubungan  à  menuntut  krea/vitas   analis  untuk  memberikan  nama  faktor   –  Kadangkala  beberapa  variabel  yang  dianggap  signifikan   menjelaskan  objek/kecamatan  menurut  literatur  harus   dieleminasi  dalam  pembentukan  faktor  à  biasanya  ini   disebabkan  oleh  ukuran  sampel/populasi  dari  objek  dan   jumlah  variabel  yang  dilibatkan   •  Pada  kasus  1:  jumlah  objek  adalah  43  kecamatan,  jumlah  variabel   adalah  17  à  hasil  anfak  ada  6  variabel  yang  dieleminasi   •  Pada  kasus  2:  jumlah  objek  adalah  39  kecamatan,  jumlah  variabel   adalah  4  à  hasil  anfak  /dak  ada  variabel  yang  dieleminasi  



Terima  Kasih     4/20/16  



Her/ari  Idaja/