Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Selasa, 16 April 2013

KONSEP KOMPREHENSIF ANALISIS FAKTOR (CONFIRMATORY FACTOR ANALYSIS) DISERTAI CONTOH KASUS DENGAN SPSS

KONSEP KOMPREHENSIF ANALISIS FAKTOR (CONFIRMATORY FACTOR ANALYSIS) DISERTAI CONTOH KASUS DENGAN SPSS

Malam nih sobat semua hehehe,, Wah gimana nih kabarnya? Moga sehat aja yak semua hehehe..
Hemmh, malam ini saya mau kasi postingan lagi nih sob yaitu tentang gimana sih konsep analisis faktor itu.. Gak cuma itu, saya juga kasi contoh pengerjaannya dengan SPSS 16 hehehe..
Oke deh, kali ini bahasan saya adalah tentang analisis faktor.. Sebelumnya saya harap sobat bisa pahami dulu dengan baik konsep analisis ini ditambah konsep analisis jalur (path analysis) yang sudah ada pada postingan sebelumnya yaak. 

Tujuannya gak muluk-muluk sob, agar ketika sebentar kita akan masuk ke analisis selanjutnya, yakni Structural Equation Modelling (SEM), sobat bisa lebih mudah memahaminya hehehe.. Tentu ini buat kebaikan bersama dong soob hehehe.. Kalau ibarat kata, kedua analisis nih yang nantinya menjadi dasar kokoh untuk masuk ke SEMnya sob..

Yap, saya berikan ringkasan sedikit dari apa yang bisa saya sarikan dari bukunya bapak Richard dan Dean (mbahnya analisis multivariat) tentang analisis faktor hehehe,,, Beliau bilang bahwa tujuan utama dari analisis faktor ini adalah untuk menggambarkan hubungan kovarians atau korelasi antara variabel-variabel bebas yang dipakai tapi inget ya variabel bebas yang dimaksud disini merupakan variabel laten (variabel yang gak bisa secara langsung kita tentuin nilainya) sooob.. (hal 477).

Misalnya contoh variabel laten: variabel tingkat kepuasan pelanggan, besarnya motivasi kerja karyawan, motivasi seseorang membeli barang atau bisa juga motivasi dalam menentukan pilihan tempat tinggal.. Pahami lagi bahwa analisis faktor ini bukan bicara tentang bagaimana hubungan atau besarnya pengaruh antara variabel bebas dan terikat karena dalam analisis faktor sori-sori aja nih yee, kita gak kenal kedua istilah itu lagi hahaha.. Analisis faktor ini lebih tepat disebut sebagai analisis pengkonfirmasi sehingga gak salah kalau namanya disebut Confirmatory Factor Analysis (CFA).

Perlu sobat tahu kalau analisis faktor ini tepat dipakai untuk menguji apakah benar faktor yang ada sudah tepat dalam mencerminkan/menggambarkan variabel (constructing factor). Selain itu, analisis faktor ini sering dipakai untuk mengatasi analisis regresi yang tersandung masalah multikolinieritas sob.. Tau kan apa multikol itu? Hehehe.. Becanda sooob..  Multikol adalah kondisi dimana terjadi hubungan/korelasi yang kuat diantara variabel bebas yang mengakibatkan beberapa variabel gak signifikan kendati nilai R Square yang dihasilkan tinggi.. Jadi, dengan analisis faktor, kita kelompokkan variabel-variabel bebas yang berkorelasi erat ke dalam satu variabel baru (disebut faktor).

Memang salah satu jalan yang paling mantap dipakai saat terjadi multikol tanpa kita harus membuang variabel bebas yang berkorelasi selain analisis Ridge Regression ya analisis faktor sooob.

Setelah variabel bebas yang berkorelasi katakanlah tadi ada 5 variabel bebas pada akhirnya dimasukkan ke dalam dua faktor misalnya faktor I (variabel bebas 2,3,5) dan faktor II (1,4), maka score pada kedua faktor inilah yang nanti kembali diregresikan dengan variabel terikat (untuk kelanjutan dengan analisis regresi yang sudah terbebas dari masalah multikolinieritas). Jadi, hati-hati juga sob kalau mau buat judul skripsi itun jangan sembarangannya ya.. Kadang ada yang buat judul “Faktor-faktor yang memengaruhi blablabla..” atau ada lagi yang buat judul “Variabel-variabel yang memengaruhi blablabla..”. 

Camkan (penekanan nih sob hehehe),, camkan bahwa kita pakai judul faktor-faktor yang memengaruhi itu jika memang sebelum masuk ke model melihat pengaruh (misalnya regresi), kita sudah melakukan analisis faktor sebelumnya.. Entah karena masalah multikol ataupun karena masalah variabel laten tadi..

Nah, syarat utama analisis faktor ada dua yang kudu kita penuhi..  Pertama, data kita cukup buat analisis faktor (nanti dalam pengujian lihatnya pakai nilai Kaiser Meyer Oikin (KMO) lebih besar dari 0,5) dan syarat yang kedua adalah uji korelasi antar variabel yang dipakai.. Pakainya uji Bartlett yaaa.. Nah, harapan kita sih nilai Sig. Bartlettnya 0,000 alias signifikan (nilai Sig < Alpha sehingga kita tolak Ho dan disimpulkan terdapatnya korelasi antar variabel multivariat sehingga analisis faktor ini layak digunakan.

Berbeda dengan analisis komponen utama yang agak jadulan, di dalam analisis faktor ini kelebihannya sudah diperlengkapi dengan fasilitas rotasi dengan Varimax yang membuat antara faktor yang satu dengan faktor lain yang terbentuk tidak lagi saling berkorelasi. Gak sabar dengan contohnya.. Okeee.. Nih saya kasi deh contoh pengerjaannya,, Silahkan unduh data pengujiannya sob disini.

Nah, disini saya mau melihat tingkat motivasi seseorang menentukan tempat penginapan(variabel laten). Latenitas variabel motivasi ini hanya bisa terobservasi secara tidak langsung yakni dengan menyebarkan angket/kuesioner kepada beberapa sampel (dalam kasus ini ada 25 sampel) untuk mengisi variabel kenyamanan (meliputi rasa aman untuk menginap), cost per night (biaya reguler per malam menginap), fasilitas (kelengkapan fasilitas kamar dan hotel seperti spa, fitness, dll), promo cost (diskon-diskon yang sering diberikan misal jika memiliki kartu kredit merk tertentu) dan strategis (kedekatan jangkauan lokasi penginapan dengan mal, bioskop, transportasi, dll).

Oke langkah pertama silahkan input data ke dalam SPSS. Berikut ilustrasi variable view dan data viewnya..



Nanti ada 25 responden yaak hehehe..
Selanjutnya klik Analyze, Data Reduction, Factor.. Lalu silahkan masukkan kelima variabel ke dalam bagian Variables.. Nih gambarannya..





Klik pada bagian Desriptive dan centang pada Initial Solution, KMO and Bartlett dan Anti Image.. Berikut gambarannya..


Selanjutnya klik bagian Extraction dan untuk Method pakai yang Principal Components.. Untuk Analyze ada dua pilihan yaitu Correlation Matrix dan Covarince Matrix.. Logikanya gini sob,, kalau data kita berbeda-beda satuan misalkan ada rupiah, persen dll pakainya yang correlation karena bayangkan kalau kita pakai yang Covariance maka hasilnya jauh banget antar variabel..  Pertanyaannya lantas kalo satuan datanya sama bisa gak pake Correlation? Ya bisa-bisa aja dong sooob hehehe.. Next, pada kolom Display, centang Unrotated Factor Solution dan Scree Plot (grafik penentuan jumlah faktor yang nanti terbentuk). Nah, untuk defaultnya biarkan eigen valuenya over 1 saja.. 




Selanjutnya klik pada bagian Rotation, lalu pada bagian Method pilih Varimax (memaksimumkan varians antar faktor yang tebentuk nantinya). Pada kolom Display, centang Rotated Solution.. Iterasi maksimum biarkan saja maksimum 25 (dah banyak tuh sob hehehe)..







Lalu, klik lagi pada bagian Scores.. dan centang save as variables agar nanti nilai score faktor yang terbentuk sudah ditampilkan sebagai variabel baru pada data view.. Untuk metode pakai Regression.. Jangan lupa centang juga Display factor score coefficient matrix.




Selanjutnya tinggal klik Continue lalu OK dan akan kita peroleh output SPSS analisis faktor. Nah, untuk output spss dan interpretasi outputnya akan segera diposting setelah postingan ini ya sooob.. 

Oke deh, gitu dulu yang bisa saya jelaskan tentang konsep analisis faktor dan langkah kerjanya dengan contoh kasus.. Kurang lebihnya, saya mohon maaf yak.. Moga postingan ini bermanfaat bagi kita semua.. Salam sukses dan salam hangat dari saya hehehe :-)




12 komentar:

  1. Blognya sangat bagus. penjelasannya detail dan memudahkan. sangat membantu. Spasiba

    BalasHapus
  2. salam kenal mas nugraha. Terimakasih mas, senang tulisan sederhana ini bisa bermanfaat. Sukses terus..

    BalasHapus
  3. Kenalkam saya darmawan. Terima ksh atas penjelasannya. Saya hanya ingin tahu pada tabel data diatas, misalnya utk responden pertama memberikan nilai 36 utk faktor kenyamanan. Dari mana didapatnya angka 36? Lalu bagaimana model kuesionernya? Tks

    BalasHapus
  4. Salam kenal mas Darmawan. Ya, terimakasih juga sudah berkunjung ke blog ini.
    Data yang dipakai adalah data fiktif (bukan data sebenarnya) karena tujuan postingan ini dititikberatkan untuk memaparkan prosedur dan konsep pemahaman penggunaan analisis faktor. Sekian. Salam

    BalasHapus
  5. Ya terima kasih atas tanggapannya. Namun yg sy tanyakan adlah angka 36 itu menunjukkan apa? tingkat kepuasan atau tingkat kesetujuan terhadap kenyamanan?

    Kalau misalnya saya punya 100 variabel yg berupa faktor yg menentukan suksesnya studi seseorang. Faktor tsb misalnya ketekunan, komitmen, lingkungan, dukungan dana, dll. Sy ingin mengelompokkan dgn analisis faktor, lalu caranya bgaimana?

    BalasHapus
  6. Nah, jadi yang 36 itu adalah penilaian responden pertama terhadap kenyamanan yang dirasakan. Pertama dalam analisis faktor, mas harus pahami dulu apa yang disebut sebagai variabel manifest yaitu indikator dan apa yang disebut sebagai faktor yaitu konstruk/variabel laten) karena keduanya berbeda. Ingat bahwa masing-masing faktor itu dibentuk oleh beberapa indikator. Jadi, faktor ketekunan, faktor komitmen, lingkungan dll masing-masing dibangun oleh indikator2 pembentuknya. Semoga bermanfaat. Salam

    BalasHapus
  7. Maksudnya faktor ketekunan, komitmen adalah konstruk/variabel laten ? Artinya kenyamanan, strategis, cost per night, fasilitas itu juga variabel laten ya?

    BalasHapus
  8. Selamat siang, mas Sitopu. Saya ingin menanyakan knapa di output spss utk bagian KMOnya tidak keluar ya? Disana tertera "This matrix is not positive definite". Apa maksudnya ya? Terima kasih

    BalasHapus
  9. Selamat sore mas/mbak anonim 2
    Nilai KMO tidak bisa diproses oleh karena adanya nilai eigen value pada matriks korelasi yang nilainya kurang dari nol. Bisa jadi disebabkan oleh jumlah observasinya terlampau sedikit sementara variabel yang dipakai untuk reduksi (dimensi variabel) banyak. Perhatikan juga mas mencentang pilihan Correlation Matrix pada saat ekstraksi faktor (mau berdasarkan eigen value > 1 atau jumlah faktor sudah ditentukan sebelumnya). Sekian. Kembali kasih

    BalasHapus
  10. ka bisa sya minta datanya? krn sya butuh datanya utk keperluan tugas?

    BalasHapus
  11. terimakasih pak, sangat membantu sekali..
    masalah yang saya temui dalam pengerjaan ini adalah faktor tidak dapat dirotasi pak.. saya bingung sekali bagaimana solusinya.. mohon sekali pencerahannya ya pak..
    sukses terus buat bapak :))

    BalasHapus