Belajar Analisis Faktor

Selasa, 15 November 2011

Udah lama sekali aku nggak update blog. Padahal pengennya eksis di blog tapi apa daya nggak kesampaian. Topik yang pengen aku share kali ini adalah analisis faktor yang merupakan hasil project 2 mata kuliah analisis data II.

Analisis faktor

Analisis faktor itu merupakan salah satu metode di dalam pendekatan multivariate. Yang dimaksud multivariate di sini tidak hanya analisis yang menggunakan banyak variabel tetapi variabel-variabel tersebut memiliki korelasi yang tinggi dan wajib berdistribusi multivariate normal.

Analisis faktor itu digunakan untuk mengelompokkan variabel-variabel yang memiliki korelasi yang relatif tinggi dan berdistribusi multivariate normal. Kelompok-kelompok yang dihasilkan oleh analisis faktor nantinya independen satu dengan lainnya. Selain itu dalam analisis faktor variabel yang berada dalam satu kelompok memiliki korelasi yang tinggi dengan variabel lain dan variabel yang berada di kelompok yang berbeda cenderung memiliki korelasi yang rendah. Analisis faktor sekilas sama dengan analisis komponen utama, meskipun demikian ada perbedaan di antara keduanya. Analisis faktor merupakan analisis yang tidak hanya mengelompokkan saja namun mengkonfirmasi ulang kelompok-kelompok yang di dapat dengan teori yang ada. Sedangkan analisis komponen utama mengelompokkan variabel-variabel yang pada awalnya memiliki korelasi yang tinggi menjadi kelompok-kelompok yang disebut PC (principal component : komponen utama), dimana pc-pc tersebut sudah independen. Analisis komponen utama biasanya dipakai sebagai analisis yang tidak berdiri sendiri sebagai contoh apabila di dalam analisis regresi terjadi multikolinieritas maka variabel-variabel yang memiliki korelasi yang tinggi tersebut dapat dianalisis komponen utama sehingga menghasilkan variabel baru yang disebut pc, pc-pc yang telah independen nantinya dapat diregresikan sehingga asumsi tidak terjadi multikolinieritas dapat terpenuhi.

Di dalam analisis faktor pemilihan banyaknya faktor melalui pendekatan matriks varians-kovarians berbeda dengan pendekatan matriks korelasi. Pemilihan faktor dengan menggunakan matriks korelasi diperbolehkan memilih jumlah faktor berdasarkan banyaknya faktor yang memiliki nilai eigen value yang lebih dari satu namun untuk pemilihan faktor dengan menggunakan pendekatan matriks varians-kovarians hal itu tidak dapat dilakukan karena eigen value yang dihasilkan dari matriks varians-kovarians memiliki nilai yang lebih dari satu semua. Kelebihan lain yang dimiliki pendekatan matriks korelasi adalah skala variabel tidak berpengaruh karena matriks korelasi merupakan matriks varians-kovarians dari data yang telah distandardkan. Sehingga dari beberapa penjelasan yang telah dipaparkan lebih aman menggunakan pendekatan matriks korelasi dalam menganalisis faktor.

Contoh mudahnya untuk analisis faktor itu misalnya data nilai siswa kelas III SMP pada saat tryout. Nilai-nilai itu terdiri dari nilai matematika, fisika, kimia, ekonomi, sejarah, geografi. Nilai-nilai ini kemudian dianalisis faktorkan dan mendapatkan dua faktor yaitu faktor 1 dan faktor 2. Berdasarkan loading faktor terbesar maka faktor 1 merupakan kelompok dimana terdiri dari nilai matematika, fisika, dan kimia. Sedangkan faktor 2 merupakan nilai ekonomi, sejarah dan geografi. Dari hal itu dapat diketahui bahwa faktor satu merupakan faktor kemampuan numeric dan faktor 2 merupakan faktor kemampuan non numeric.

Setelah dijabarkan dengan menggunakan daya tangkapku sebagai mahasiswa kalo masih belum paham dan

Kamu bisa mendownload teori dan asumsi buat analisis faktor dengan klik di sini

Kamu juga bisa download hasil project 2 yang berisi analisis faktor web personal dosen dengan klik di sini

Share

| More