7 0 2 MB
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/