Analisis Faktor

Definisi

Analisis Faktor merupakan suatu teknik dalam analisis multivariat yang bertujuan mengidentifikasi sejumlah faktor umum (common factor) yang dibutuhkan untuk menjelaskan korelasi antar indikator (Widarjono, 2010).

Secara umum, terdapat dua fungsi dalam analisis faktor yaitu fungsi eksploratori dan konfirmatori. Perbedaan analisis faktor dan analisis komponen utama adalah ada tidaknya faktor bersama. Faktor bersama merupakan faktor yang secara bersama sama juga dimiliki oleh peubah lainnya. Hal ini dapat dilihat berdasarkan persamaan analisis faktor yaitu

Persamaan di atas menunjukkan bahwa peubah asal seolah-olah merupakan kombinasi linier dari sejumlah faktor p.

Tahapan

1. Menghitung Korelasi Antar Indikator 

Di dalam melakukan analisis faktor, keputusan pertama yang harus diambil oleh peneliti adalah menganalisis apakah data yang ada cukup memenuhi syarat di dalam analisis faktor. Langkah pertama ini dilakukan dengan mencari korelasi matriks antara indikator-indikator yang diamati. Ada beberapa ukuran yang bisa digunakan untuk syarat kecukupan data sebagai rule of thumb

  1. Korelasi matriks antar indikator
    Tingginya korelasi antara indikator mengindikasikan bahwa indikator – indikator
    tersebut dapat dikelompokkan ke dalam sebuah indikator yang bersifat homogen
    sehingga setiap indikator mampu membentuk faktor bersama.
  2. Korelasi Parsial
    Korelasi parsial ini disebut dengan negative anti image correlation. Untuk bisa
    dimasukkan ke dalam analisis faktor maka korelasi parsial ini seharusnya sekecil
    mungkin.
  3. Kaiser-Meyer Olkin (KMO)
    Metode ini paling banyak digunakan untuk melihat syarat kecukupan sampel untuk analisis faktor. Metode KMO mengukur kecukupan sampling secara menyeluruh dan mengukur kecukupan sampling untuk setiap indikator. Berikut merupakan formula untuk menghitung KMODi mana rij adalah korelasi parsial dan aij merupakan koefisien korelasi parsial. Nilai KMO > 0.5 masih bisa diakomodasi untuk penentuan analisis faktor. Selain memasukkan semua indikator di dalam perhitungan korelasi, Kaiser-Meyer Olkin
    juga menghitung koefisien korelasi di dalam analisis faktor untuk indikator tertentu yaitu sebagai berikut :
  4. Bartlets test of sphecirity
    Uji Bartlet ini merupakan uji statistik untuk signifikansi menyeluruh dari semua korelasi di dalam matriks korelasi. Di dalam hal ini kita menguji hipotesis nol bahwa data yang diobservasi merupakan sampel dari distribusi populasi normal multivariat yang mana semua koefisien korelasi besarnya nol. Uji ini bisa diproksi menggunakan uji distribusi Chi Square.

2. Ekstraksi Faktor

Ekstraksi faktor adalah suatu metode yang digunakan untuk mereduksi data dari beberapa indikator untuk menghasilkan faktor yang lebih sedikit yang mampu menjelaskan korelasi antara indikator yang diamati.

Beberapa metode yang dapat digunakan adalah Principle Component Analysis, Principle Axis Factoring, Unweighted Least Square, Generalized Least Square, dan Maximum Likelihood

3. Rotasi Faktor

Rotasi Faktor diperlukan jika metode ekstraksi faktor belum menghasilkan komponen
faktor utama yang jelas. Tujuan rotasi faktor agar nilai loading hanya tinggi pada satu
peubah saja (read more : rotasi faktor).

4. Communalities

Komunalitas menunjukkan proporsi ragam yang dapat dijelaskan oleh sejumlah p faktor bersama.

Leave a Reply

Your email address will not be published.

Related posts