Analisis Faktor Dengan Teori

Sebelum melakukan analisis faktor, perlu dilakukan pengujian kelayakan data yaitu dengan menggunakan Uji Kaiser Meyer Olkin (KMO).Uji KMO digunakan untuk mengetahui apakah metode penarikan sampel yang digunakan memenuhi syarat atau tidak. Di samping itu, uji KMO dalam Analisis Faktor berguna untuk mengetahui apakah data yang digunakan dapat dianalisis lebih lanjut atau tidak dengan Analisis Faktor. Rumusan uji KMO adalah:

di mana:

rij = Koefisisen korelasi sederhana antara peubah i dan j

aij = Koefisien korelasi parsial antara peubah i dan j

Adapun penilaian uji KMO dari matrik antar peubah adalah sebagai berikut:

• 0,90≤KMO<1,00 ; data sangat baik untuk analisis faktor.
• 0,80≤KMO<0,90 ; data baik untuk analisis faktor.
• 0,70≤KMO<0,80 ; data agak baik untuk analisis faktor.
• 0,60≤KMO<0,70 ; data lebih dari cukup untuk analisis faktor.
• 0,50≤KMO<0,60 ; data cukup untuk analisis faktor.
  • KMO<0,50 ; data tidak layak untuk uji lebih lanjut dengan analisis faktor.

Dari kriteria penilaian di atas, dapat dilihat bahwa anlisis faktor dapat dilakukan jika nilai KMO lebih dari 0,50.

Pada analisis faktor terdapat beberapa konsep dasar yaitu sebagai berikut:

1. Analisis faktor 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. dilakukan oleh komputer.

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.

        Scree plot: plot dari eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu datar; untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction).

download data analisis faktor dalam m.excel

baca juga analisis faktor dalam teori

baca juga analisis faktor denagn spss