Analisis Faktor Kelompok 4 [PDF]

Citation preview

APLIKASI ANALISIS KUANTITATIF ”Analisis Faktor ” Dosen Pengampu: Dr. Nengah Suardika, SE.,MM



Oleh: Manajemen B – Kelompok 4 Nama Kelompok: Kadek Yuliari



01/1902612010001



Ni Putu Anysa Pratami



05/1902612010005



Anak Agung Dewi Widya Saraswati



07/1902612010007



Anak Agung Inten Sari Saraswati



08/1802612010008



Ni Nengah Arya Puspita Dewi



27/1902612010027



Ni Putu Grivia Oktanaryanti



28/1902612010028



PRODI MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS MAHASARASWATI DENPASAR DENPASAR 2020



ANALISIS FAKTOR A.



Pengertian Analisis Faktor Analisis faktor merupakan suatu teknik untuk menganalisis tentang saling ketergantungan dari beberapa variabel secara simultan dengan tujuan untuk menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit dari pada variabel yang diteliti. Hal ini berarti, analisis faktor dapat juga menggambarkan tentang struktur data dari suatu penelitian (Suliyanto, 2005). Analisis faktor adalah suatu teknik interdependensi (interdependence technique), dimana tidak ada pembagian variabel menjadi variabel bebas dan variable tergantung dengan tujuan utama yaitu mendefinisikan struktur yang terletak di antara varaibel-variabel dalam analisis. Analisis ini menyediakan alat-alat untuk menganalisis struktur dari hubungan interen atau korelasi di antara sejumlah besar variabel dengan menerangkan korelasi yang baik antara variabel, yang diasumsikan untuk merepresentasikan dimensi-dimensi dalam data (Hair, 2010). Jadi, pada prinsipnya analisis faktor digunakan untuk mengelompokkan beberapa variabel yang memiliki kemiripan untuk dijadikan satu faktor, sehingga dimungkinkan dari beberapa atribut yang memengaruhi satu komponen variabel dapat diringkas menjadi beberapa faktor utama yang jumlahnya lebih sedikit.



B.



Tujuan Analisis Faktor Pada dasarnya, tujuan analisis faktor adalah: 1) Data Sumarization, yakni mengidentifikasi adanya hubungan antar variable dengan melakukan uji korelasi. 2) Data Reduction, yakni setelah melakukan korelasi, maka dilanjutkan dengan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu. Tujuan umum dari teknik analisis faktor adalah menemukan suatu cara untuk mereduksi informasi yang terkandung di dalam sejumlah variabel-variabel original ke dalam set variabel yang lebih kecil dari dimensi-dimensi gabungan dan baru. Untuk menemukan tujuan tersebut, ada 4 hal yang mendukung yaitu mengkhususkan unit analisis, mencapai ringkasan data atau pengurangan data, pemilihan variabel, dan menggunakan hasil analisis faktor dengan teknik-teknik multivariat yang lain (Hair, 2010).



Terdapat 3 fungsi analisis faktor menurut Suliyanto (2005), diantaranya adalah sebagai berikut: a) Mengidentifikasi dimensi-dimensi mendasar yang dapat menjelaskan korelasi dari serangkaian variabel. b) Mengidentifikasi variabel-variabel baru yang lebih kecil, untuk menggantikan variabel tidak berkorelasi dari serangkaian variabel asli yang berkorelasi. c) Mengidentifikasi beberapa variabel kecil dari sejumlah variabel yang banyak untuk dianalisis multivariat lainnya. C.



Ketentuan Analisis Faktor Untuk menentukan banyaknya jumlah faktor yang terbentuk dalam analisis faktor dapat dilakukan beberapa pendekatan berikut: 1) Penentuan berdasarkan apriori. Dalam metode penentuan ini, jumlah faktor telah ditentukan sebelumnya oleh peneliti. 2) Penentuan berdasarkan eigenvalue. Untuk menentukan jumlah faktor yang terbentuk dapat didasarkan pada eigenvalue. Jika suatu variabel memiliki eigenvalue > 1, dianggap sebagai suatu faktor, sebaliknya jika suatu variabel hanya memiliki eigenvalue < 1, tidak dimasukkan dalam model. 3) Penentuan berdasarkan scree plot. Scree plot pada dasarnya merupakan grafik yang menggambarkan hubungan antara faktor dengan eigenvalue, pada sumbu Y menunjukkan eigenvalue, sedangkan pada sumbu X menunjukkan jumlah faktor. Untuk dapat menentukan berapa jumlah faktor yang diambil, ditandai dengan slope yang sangat tajam antara faktor yang satu dengan faktor berikutnya. 4) Penentuan berdasarkan persentase varian (percentage of variance). Persentase varian menunjukkan jumlah variasi yang berhubungan pada suatu faktor yang dinyatakan dalam persentase. Untuk dapat menentukan berapa jumlah faktor yang diambil, harus memiliki nilai persentase varian > 0,5. Sedangkan apabila menggunakan kriteria kumulatif persentase varian, besarnya nilai kumulatif persentase varian > 60%. Untuk mengetahui peranan masingmasing variabel dalam suatu faktor dapat ditentukan dari besarnya loading variabel yang bersangkutan. Loading dengan nilai terbesar berarti mempunyai



peranan utama pada faktor tersebut. Variabel yang memiliki nilai loading < 0,5 dianggap tidak memiliki peranan yang berarti terhadap faktor yang terbentuk sehingga variabel tersebut dapat diabaikan dalam pembentukan faktor. D.



Aplikasi Analisis dan Contoh Kasus Riset Analisis Faktor Contoh Kasus Analisis Faktor Menggunakan SPSS: Seorang mahasiswa menganalisis tingkat kepuasan konsumen terhadap 7 merek sabun mandi adapun merek - merek sabun tersebut adalah : DOVE, CITRA, SHINZUI, GIV, LIFEBUOY, DETOL, dan SEHAT. Pada penelitian ini di ambil 20 responden. Setiap merek diberikan 3 pilihan jawaban : 1. Kurang Puas 2. Cukup Puas 3. Sangat Puas



Berikut data hasil responden (nilai rekayasa penyusun): No Dove Shinzui Citra Giv Lifebuoy Detol Sehat 1 3.0 2.0 2.0 3.0 2.0 3.0 1.0 2 3.0 2.0 3.0 3.0 2.0 2.0 2.0 3 2.0 3.0 2.0 3.0 3.0 3.0 2.0 4 1.0 2.0 2.0 3.0 3.0 2.0 1.0 5 3.0 3.0 1.0 2.0 2.0 3.0 3.0 6 3.0 3.0 1.0 1.0 1.0 1.0 3.0 7 1.0 3.0 1.0 1.0 3.0 3.0 3.0 8 1.0 3.0 2.0 1.0 2.0 2.0 3.0 9 2.0 2.0 2.0 2.0 1.0 2.0 2.0 10 3.0 2.0 3.0 3.0 2.0 2.0 2.0 11 3.0 3.0 2.0 2.0 3.0 2.0 3.0 12 2.0 3.0 2.0 2.0 3.0 3.0 2.0 13 2.0 3.0 2.0 3.0 1.0 2.0 2.0 14 2.0 2.0 2.0 3.0 2.0 2.0 2.0 15 2.0 2.0 3.0 3.0 2.0 2.0 3.0 16 2.0 2.0 3.0 2.0 2.0 1.0 3.0 17 2.0 3.0 2.0 2.0 2.0 3.0 1.0 18 2.0 1.0 3.0 3.0 2.0 3.0 1.0 19 3.0 2.0 3.0 2.0 3.0 3.0 2.0 20 3.0 1.0 3.0 2.0 2.0 3.0 1.0



E.



analisis menggunakan SPSS adalah sebagai berikut : 1.



Buka program SPSS, kemudian isi kolom-kolomnya dengan data :  Variabel DOVE



Tahapan Analisis Faktor (Tutorial dalam SPSS) Prosedur Pemilhan Variabel Model-1 Adapun langkahlangkah



-



Kolom Name pada baris pertama isi dengan P1



-



Kolom Type diisi dengan Numeric



-



Kolom Width diisi dengan 8



-



Kolom label isi dengan DOVE



-



Kolom Value diisi dengan :



1= Tidak Puas 2= Cukup Puas 3= Sangat Puas



-



Kolom Missing diisi dengan : None



-



Kolom Coloums diisi dengan 4



-



Kolom Align diisi degan Center



-



Kolom Measure diisi dengan Scale  Variabel SHINZUI



-



Kolom Name pada baris pertama isi dengan P2



-



Kolom Type diisi dengan Numeric



-



Kolom Width diisi dengan 8



-



Kolom label isi dengan SHINZUI



-



Kolom Value diisi dengan :



1= Tidak Puas 2= Cukup Puas 3= Sangat Puas



-



Kolom Missing diisi dengan : None



-



Kolom Coloums diisi dengan 4



-



Kolom Align diisi degan Center



-



Kolom Measure diisi dengan Scale



Untuk varibel-variabel berikutnya sama dengan cara di atas, berikut hasil inputnya :



2. Setelah Variabel View diisi, maka langkah selanjutnya adalah menginput data dalam data View. Berikut hasil inputya :



3. Selanjutnya klik menu Analyze => Pilih Data Reduction kemudian pilih=> Faktor seperti gambar berkut :



4. Setelah Factor di klik, muncul dialog Factor Analysis



5. Masukkan semua varibel (P1 s.d P7) ke kotak Variabels :



6. Pada dialog Factor Analysis klik dialog Descriptives => kemudian tandai/aktifkan => Initial Solution, Anti Image, dan KMO dan Bratlett’s test of spericity kemudian lanjutkan => klik Continue.



7. Pada dialog Factor Analysis klik OK.



Prosedur Pemilhan Variabel Model-2 Prosedur selanjutnya adalah melakukan pemilihan variable ulang. Dengan langkah-langkah sebagai berikut : 1. Menggunakan data yang tadi klik menu= > Analyize pilih Data Reduction=> maka akan muncul menu Factor Analysis=> masukkan semua Varibel ke kecuali varibel Lifebuoy (P5).



Variables



2. Kemudian klik menu Descriptives  lalu muncul Dialog Factor Analysis Descriptives, lalu tandai menu : Initial Solution, Anti Image, dan KMO dan Bratlett’s test of spericity kemudian lanjutkan => klik Continue



3. Pada dialog Factor Analysis klik OK



Proses Pemilihan Varibel Model-3 Langkah – langkahnya adalah sama dengan pemilihan Variabel model ke-2 yaitu :



1. Tetap Menggunakan data yang tadi klik menu= > Analyize pilih Data Reduction=> maka akan muncul menu Factor Analysis=> masukkan Variabel P1,P2,P3,P4 dan P7 ke Variables.



2. Kemudian klik menu Descriptives lalu muncul Dialog Factor Analysis Descriptives, lalu tandai menu : Initial Solution, Anti Image, dan KMO dan Bratlett’s test of spericity kemudian lanjutkan => klik Continue



3. Pada dialog Factor Analysis klik OK



Analisis Faktor Dari ketiga model proses analisis pemilihan variable yang sudah dilakukan dan memiliki nilai standar, maka kita dapat melanjutkan Analisis Fakor dengan langkah-langkah sebagai berikut: 1. Kembali ke jendela SPSS dengan menhilangkan atau mengekstraksi dua variable yang tidak memnuhi kriteria yaitu variable P5 dan P6



2. Kemudian aktifkan Data View=> selanjutnya klik menu Analyize => pilih Data Reduction kemudian => pilih Factor



3. Setelah di klik Factor maka muncul dialog Factor Analysis => selanjutnya masukkan semua Variabel mulai P1 s.d P7 ke kotak Variables => kemudian klik menu Descriptives.. maka muncullah dialog Factor Analysis Description kemudian tandai: Initial Solution, Anti Image, dan KMO dan Bratlett’s test of spericity => klik Continue



4. Kemudian klik menu Extraction…maka muncul Dialog Factor Analysis Extraction => kemudian tandai menu: Correlation Matrix, Unrotated Factor Solution, Scree Plot, Egenvalues Over=> lanjutkan klik Continue



5. Kembali ke Dialog Factor Analysis klik OK,



6. Hasil Analisis dan Interpretasi Prosedur Pemilhan Variabel Model-1 Hasilnya akan terlihat pada jendela output berikut ini



KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig.



.547 38.142 21 .012



Analisis awal dilakukan untuk mengetahui variable mana saja yang layak dimasukkan dalam analisis lanjut, karena tidak semua variable bisa masuk dalam analisis lanjut harus disaring dulu. Caranya dapat dilihat pada KMO-MSA (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) bila hasilnya lebih besar dari 0.5, maka dapat melanjutkan proses analisis factor. Pada hasil perhitungan diproleh hasil KMO-MSA sebesar 0.547, artinya 0.547>0.5, maka proses analisis factor dapat belanjut.



Anti-image Matrices SHINZ Anti-image Covariance



DOVE SHINZ



DOVE .868 .022



UI CITRA .022 -.082 .359 .243



LIFEBU DETO GIV -.068 -.037



OY .202 -.086



L SEHAT -.140 -.097 -.011 -.152



UI CITRA GIV LIFEBU



-.082 -.068 .202



.243 -.037 -.086



.384 -.146 -.136



-.146 .602 -.029



-.136 -.029 .636



.082 .069 -.307



-.037 .207 -.108



OY DETOL SEHAT DOVE SHINZ



-.140 -.097 .449a .039



-.011 -.152 .039 .626a



.082 -.037 -.143 .654



.069 .207 -.095 -.079



-.307 -.108 .272 -.179



.499 .245 -.212 -.027



.245 .414 -.162 -.393



UI CITRA GIV LIFEBU



-.143 -.095 .272



.654 -.079 -.179



.583a -.305 -.276



-.305 .710a -.048



-.276 -.048 .335a



.188 .126 -.545



-.092 .414 -.211



OY DETOL -.212 -.027 SEHAT -.162 -.393 a. Measures of Sampling Adequacy(MSA)



.188 -.092



.126 .414



-.545 -.211



.396a .538



.538 .555a



Anti-image Correlation



Proses selanjutnya kita melihat table Anti-image Matrix untuk menentukan variabel mana saja yang layak digunakan dalam analisis lanjutan. Pada tabel tersebut ada kode “a” yang artinya tanda untuk Measures of Sampling Adequacy (MSA). Diketahui nilai MSA untuk masing-masing Variabel adalah : 0.449 (P1), 0.626(P2), 0.583(P3), 0.710(P4), 0.335(P5), 0.396(P6), 0.555(P7). Jadi Variabel paling kecil yang harus dikeluarkan pertama adalah Variabel Paling Kecil MSA nya adalah 0.335(P5) sabun Lifebuoy. Prosedur Pemilhan Variabel Model-2 KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity



Approx. Chi-Square df Sig.



.605 31.630 15 .007



Dapat dilihat pada KMO-MSA (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) bila hasilnya lebih besar dari 0.5, maka dapat melanjutkan proses analisis faktor. Pada hasil perhitungan diproleh hasil KMO-MSA sebesar 0.605, artinya 0.605>0.5, maka proses analisis faktor dapat belanjut.



Anti-image Matrices SHINZU Anti-image Covariance



Anti-image Correlation



DOVE SHINZU



DOVE .938 .055



I CITRA .055 -.046 .371 .251



GIV DETOL SEHAT -.064 -.065 -.071 -.042 -.077 -.180



I CITRA GIV DETOL SEHAT DOVE SHINZU



-.046 -.064 -.065 -.071 .728a .093



.251 -.042 -.077 -.180 .093 .614a



.415 -.166 .025 -.068 -.073 .639



-.166 .603 .078 .212 -.085 -.089



.025 .078 .710 .286 -.079 -.151



-.068 .212 .286 .433 -.111 -.448



I CITRA



-.073



.639



.625a



-.331



.046



-.160



GIV -.085 DETOL -.079 SEHAT -.111 a. Measures of Sampling Adequacy(MSA)



-.089 -.151 -.448



-.331 .046 -.160



.702a .120 .414



.120 .428a .516



.414 .516 .561a



Berdasarkan hasil analisis model ke-2 tadi, hasilnya menunjukkan bahwa masih ada variabel yang nilai MSA nya kurang dari 0.5, yaitu Variabel sabun DETOL sebesar 0.428, sehinga masih perlu dilakukan pemilihan variabel sampai tidak ada variable yang kurang dari 0.5.



Proses Pemilihan Varibel Model-3 1. Maka hasilnya akan terlihat seperti berikut : KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of



.635



Approx. Chi-Square df Sig.



Sphericity



26.624 10 .003



Anti-image Matrices SHINZU DOVE SHINZU



DOVE .944 .049



I CITRA GIV SEHAT DOVE SHINZU



-.044 -.058 -.062 .814a .082



.260 -.035 -.207 .082 .620a



.416 -.171 -.106 -.070 .654



-.171 .612 .249 -.076 -.073



-.106 .249 .591 -.083 -.437



I CITRA -.070 GIV -.076 SEHAT -.083 a. Measures of Sampling Adequacy(MSA)



.654 -.073 -.437



.607a -.339 -.214



-.339 .708a .415



-.214 .415 .609a



Anti-image Covariance



Anti-image Correlation



I CITRA .049 -.044 .379 .260



GIV SEHAT -.058 -.062 -.035 -.207



Dari hasil analisis varibel model-3 kita peroleh nilai KMO-MSA sebesar 0.635. berarti proses analisis boleh dilanjutkan. Kemudian dari tabel Anti-Image Corelation sudah tidak ada lagi variabel yang kurang dari 0.5. Artinya tidak perlu dilakukan pemilihan variabel lagi.



Analisis Faktor 1. Maka akan muncul hasil output nya, seperti berikut : KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity



Approx. Chi-Square df Sig.



.635 26.624 10 .003



Anti-image Matrices SHINZU DOVE SHINZU



DOVE .944 .049



I CITRA GIV SEHAT DOVE SHINZU



-.044 -.058 -.062 .814a .082



.260 -.035 -.207 .082 .620a



.416 -.171 -.106 -.070 .654



-.171 .612 .249 -.076 -.073



-.106 .249 .591 -.083 -.437



I CITRA -.070 GIV -.076 SEHAT -.083 a. Measures of Sampling Adequacy(MSA)



.654 -.073 -.437



.607a -.339 -.214



-.339 .708a .415



-.214 .415 .609a



Anti-image Covariance



Anti-image Correlation



Communalities Extractio DOVE SHINZU



Initial 1.000 1.000



n .094 .739



I CITRA 1.000 .670 GIV 1.000 .571 SEHAT 1.000 .504 Extraction Method: Principal Component Analysis.



I CITRA .049 -.044 .379 .260



GIV SEHAT -.058 -.062 -.035 -.207



Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings % of Cumulative % of Cumulative Component Total Variance % 1 2.578 51.550 51.550 2 .984 19.672 71.222 3 .694 13.881 85.103 4 .532 10.642 95.745 5 .213 4.255 100.000 Extraction Method: Principal Component Analysis.



Component Matrixa Component 1 DOVE .307 SHINZU -.859 I CITRA GIV SEHAT



.818 .755 -.710



Total 2.578



Variance 51.550



% 51.550



Extraction Method: Principal Component Analysis. a. 1 components extracted. Komponen Matrix menunjukkan nilai korelasi antara suatu variabel dengan faktor yang terbentuk. Pada tabel tersebut dapat dilihat bahwa korelasi variabel sabun DOVE dengan faktor 1 adalah 0.307. Variabel SHINZUI -0.859, Variabel CITRA 0.818, Variabel GIV 0.755, dan Varibel sabun SEHAT -0.710 Kesimpulan



Kesimpulan Berdasarkan hasil analisis dan pembahasan, maka akan disajikan beberapa kesimpulan yaitu sebagai beriku : 1. Analisis Faktor merupakan suatu teknik untuk menganalisis tentang saling ketergantungan dari beberapa variabel secara simultan dengan tujuan untuk menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit dari pada variabel yang diteliti. 2. Pada Kasus yang kami analisis tingkat kepuasan konsumen terhadap 7 merek sabun mandi adapun merek-merek sabun tersebut adalah: DOVE, CITRA, SHINZUI, GIV, LIFEBUOY, DETOL, dan SEHAT. 3. Dari hasil analisis pada Komponen Matrix menunjukkan nilai korelasi antara suatu variabel dengan faktor yang terbentuk. Pada tabel tersebut dapat dilihat bahwa korelasi variabel sabun DOVE dengan faktor 1 adalah 0.307. Variabel SHINZUI -0.859, Variabel CITRA 0.818, Variabel GIV 0.755, dan Varibel sabun SEHAT -0.710