Академический Документы
Профессиональный Документы
Культура Документы
A. DASAR TEORI
Analisis faktor adalah suatu metode untuk menganalisis sejumlah observasi,
dipandang dari sisi interkorelasinya untuk mendapatkan apakah variasi-variasi yang
nampak dalam observasi itu mungkin berdasarkan atas sejumlah kategori dasar yang
jumlahnya lebih sedikit dari yang nampak (Fruchter, 1954). Sementara itu Kerlinger
(1990) mengungkapkan bahwa faktor adalah gagasan atau konsep suatu hipotesis yang
sungguh-sungguh ada yang mendasari suatu tes, skala, item dan pengukuran-pengukuran
dalam banyak hal. Jadi analisis faktor bermanfaat untuk mengurangi pengukuranpengukuran dan tes-tes yang beragam supaya menjadi sederhana.
Fungsi umum analisis faktor yaitu mereduksi jumlah variabel yang banyak untuk
pengolahan data selanjutnya dengan tetap mempertahankan informasi awal yang
terkandung dalam variabel sebanyak mungkin. Fungsi analisis faktor yang lebih terinci
adalah sebagai berikut (Hair et. Al., 1992) :
1. Mengidentifikasi struktur hubungan variabel atau responden.
Melalui analisis faktor dapat diidentifikasikan struktur hubungan variabel atau
2.
responden dengan memeriksa korelasi antar variabel atau korelasi antar responden.
Mereduksi data.
Analisis faktor dapat mereduksi data melalui 2 cara:
a. Menyeleksi variabel-variabel yang tepat untuk digunakan dalam analisis
b.
Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit
beberapa variabel.
4. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor yang
terjadi sebaiknya dipenuhi.
(http://setabasri01.blogspot.com/2012/04/analisis-faktor-dengan-spss.html)
B. KASUS
Pada kasus ini terdapat 12 variabel yaitu banyaknya sms sehari, banyaknya
telepon sehari, banyaknya nge date seminggu, banyaknya pertemuan seminggu,
banyaknya bertengkar dalam dua minggu, jumlah teman dekat kekasih yang dikenal,
jumlah saudara kekasih yang dikenal, lama pacaran, jumlah pacaran, selisih umur dengan
kekasih,
jumlah anggota keluarga inti yang tidak setuju, dan berapa kali kekasih
memberikan tanda cinta. Tujuan dilakukan analisis faktor ini adalah kami ingin
mengetahui faktor-faktor dominan yang paling mempengaruhi hubungan dalam pacaran.
3. Centang save standardized values as variables, agar nilai z dari tiap variabel tersimpan
sebagai variabel baru
D. ANALISIS OUTPUT.
Uji Asumsi Analisis Faktor
KMO merupakan indeks untuk membandingkan besarnya koefisien korelasi amatan dengan
besarnya koefisien parsial. Korelasi antarvariabel independen dalam analisis faktor harus
memiliki nilai KMO > 0,5 dengan signifikansi < 0,05. Nilai ukuran KMO yang kecil
mengindikasikan bahwa analisis faktor perlu dipertimbangkan dan data perlu ditambah lagi.
Angka KMO-MSA (Kaiser-Meyer-Olkin and Measure of Sampling Adequacy) berkisar antara
0 sampai dengan 1 yang menunjukkan apakah sampel bisa dianalisis lebih lanjut atau tidak.
Apabila nilai KMO-MSA 0.5 dan dengan nilai signifikan (sig) 0.05; maka dapat
dikatakan bahwa item-item yang dianalisis dalam analisis faktor sudah layak untuk
difaktorkan.
Pada tabel Anti-Image Correlation diatas, nilai MSA ditandai dengan huruf a. Rincian
hasilnya sebagai berikut:
sms
telp
neg-date
ketemu
bertengkar
jml teman
mantan
sel. Umur
tdk setuju
tanda cinta
Berdasarkan hasil MSA di atas, maka tidak semua variabel independen dapat
dianalisis lebih lanjut karena memiliki nilai MSA lebih dari > 0,5. Variabel yang layak
dianalisis lebih lanjut adalah:
Zscore(Jumlah_sms_1hari)
Zscore(Jumlah_Telpon_1hari)
Zscore(Jumlah_Ngedate_1minggu)
Zscore(Jumlah_Ketemu_1minggu)
Zscore(Jumlah_teman_dekat_kekasih_yang_dikenal)
Zscore(Berapa_Kali_Kekasih_memberikan_Tanda_Cinta)
Pengelompokan Faktor
Langkah selanjutnya adalah, tujuan penelitian ini untuk menentukan apakah variabelvariabel independen bisa dikelompokkan ke dalam satu atau beberapa faktor. Jadi, variabelvariabel akan dilihat apakah mereka sesungguhnya bisa disederhanakan ke dalam satu atau
beberapa faktor.
Communalities
Initial
Extraction
Zscore(Jumlah_sms_1hari)
1.000
.592
Zscore(Jumlah_Telpon_1hari)
1.000
.574
Zscore(Jumlah_Ngedate_1min
1.000
.818
1.000
.804
1.000
.530
1.000
.654
ggu)
Zscore(Jumlah_Ketemu_1ming
gu)
Zscore(Jumlah_Anggota_Kelua
rga_yang_tidak_setuju)
Zscore(Jumlah_teman_dekat_k
ekasih_yang_dikenal)
Extraction Method: Principal Component Analysis.
Nilai initial mencerminkan peranan atau sumbangan kalau variabel penyusun faktor
secara individual membentuk faktor tersebut, sedangkan extraction menjelaskan persentase
peranan atau sumbangan masing-masing dimensi atau sub-variabel penyusun faktor secara
individual terhadap faktor.
Hasilnya adalah, faktor mampu menjelaskan variabel jumlah sms 1 hari sebesar 0,592
atau 59,2%, jumlah telpon 1 hari diterangkan sebesar 57,4%, jumlah ngedate 1 minggu
diterangkan sebesar 81,8% dan seterusnya. Dikarenakan rata-rata penjelasan di atas 50%
maka faktor tetap akan ditentukan.
Factor Loading
Setelah kita mengetahui bahwa faktor maksimal yang bisa terbentuk adalah 2,
selanjutnya kita melakukan penentuan masing-masing variabel independen akan masuk ke
dalam faktor 1 atau faktor 2. Cara menentukannya adalah dengan melihat tabel Component
Matrix sebagai berikut:
Component Matrixa
Component
1
Zscore(Jumlah_sms_1hari)
0.77
-0.061
Zscore(Jumlah_Telpon_1hari)
0.12
0.749
Zscore(Jumlah_Ngedate_1minggu)
-0.86
0.286
Zscore(Jumlah_Ketemu_1minggu)
-0.85
0.279
Zscore(Jumlah_Anggota_Keluarga_yang_tidak_setuju)
0.67
0.284
Zscore(Jumlah_teman_dekat_kekasih_yang_dikenal)
0.35
0.731
Apabila nilai komponen faktor 0,5 berarti bahwa dimensi atau sub-variabel
pengukuran faktor tersebut merupakan anggota faktor yang terbentuk. Sebaliknya, jika nilai
komponen faktor < 0,5 berarti bahwa dimensi sub-variabel pengukuran bukan anggota faktor
tersebut.
Apabila pada sebuah dimensi sub-variabel pengukuran memiliki nilai yang 0,5 pada
kedua faktor, maka analisis faktor harus diulang dan dilakukan rotasi faktor dengan metode
varimax atau yang lain sampai tidak terdapat nilai-nilai komponen bersama yang 0,5 pada
dua komponen faktor atau lebih.
Rotated Component Matrixa
Component
1
Zscore(Jumlah_sms_1hari)
-0.76
0.143
0.09
0.753
Zscore(Jumlah_Ngedate_1minggu)
0.9
0.049
Zscore(Jumlah_Ketemu_1minggu)
0.9
0.045
Zscore(Jumlah_Anggota_Keluarga_yang_tidak_setuju)
-0.57
0.451
Zscore(Jumlah_teman_dekat_kekasih_yang_dikenal)
-0.14
0.796
Zscore(Jumlah_Telpon_1hari)
2.
3.
4.
Faktor 2:
1.
2.
Sebagai langkah akhir dari penentuan faktor, maka dapat dilihat tabel Component
Transformation Matrix berikut:
Component Transformation Matrix
Component
-.965
.264
.264
.965
Baik Faktor (component) 1 ataupun Faktor 2 memiliki korelasi sebesar 0,965 yang
artinya cukup kuat karena 0,965 > 0,5. Dengan demikian Faktor 1 dan Faktor 2 dapat
dikatakan tepat untuk merangkum ke-6 variabel independen.
Component scor coefient matrix
Scor coefient merupakan kontanta atau koefisien serupa dengan koefisien regresi (i )
pada persamaan regresi berganda.
2
-.293
.033
Zscore(Jumlah_Telpon_1hari)
.105
.551
Zscore(Jumlah_Ngedate_1min
.371
.120
.367
.116
-.190
.272
.018
.561
ggu)
Zscore(Jumlah_Ketemu_1ming
gu)
Zscore(Jumlah_Anggota_Kelua
rga_yang_tidak_setuju)
Zscore(Jumlah_teman_dekat_k
ekasih_yang_dikenal)
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.