Professional Documents
Culture Documents
Keterangan : Data yang digunakan adalah data soal 1. Analisa Faktor untuk contoh soal
faktor-faktor yang mempengaruhi sepeda motor.
Keterangan variabel-variabel yang digunakan :
Jawab :
Rumus korelasi sederhana :
) )) (
( ) ))
) )) (
( ) ))
Berikut ini nilai korelasi antar variabel yang dihitung dengan menggunakan rumus
korelasi sederhana di atas :
( )
(
(
(
(
(
)
) ))
)(
))
((
))(
(
(
) ))(
(
( )
) ))(
)(
((
))(
) ))
))
)
0.079
:
:
:
(
))
) ))(
) ))
))
(
(
)
(
))
)
))
))
) ))(
(
))(
)(
((
(
)(
((
))(
) ))
))
)
Berikut hasil perhitungan nilai korelasi antar variabel yang dihitung dengan
menggunakan SPSS :
Kombinasi
Warna
Motor yang
menarik
Model
Hemat
Hemat
Pearson
Bahan Bakar
Correlation
Bahan
Suku
yang
yang
Bakar
Cadang
kompetitif
menarik
Pearson
Suku Cadang
Correlation
Sig. (2tailed)
N
Harga Motor
Pearson
yang
Correlation
kompetitif
Sig. (2tailed)
N
Model Motor
Pearson
yang menarik
Correlation
Sig. (2tailed)
N
Kombinasi
Pearson
Warna
Correlation
Motor yang
Sig. (2-
menarik
tailed)
N
Keawetan
Pearson
Mesin Motor
Correlation
Sig. (2tailed)
N
Promosi
Pearson
Promosi
Pembayaran
Mesin
dari
Kredit yang
Motor
Produsen
wajar
*
.200
.061
.079
-.027
-.216
.299
.584
.164
.674
.584
.850
.131
.035
50
50
50
50
50
50
50
.079
-.089
tailed)
Ketersediaan
Keawetan
.079
Sig. (2-
Motor
Sistem
.584
50
**
.132
-.185
-.316
.541
.000
.359
.197
.026
.015
.487
.341
50
50
50
50
50
50
50
50
.200
-.089
.196
.309
.098
.150
.071
.164
.541
.173
.029
.496
.298
.624
50
50
50
50
50
50
50
50
**
.196
**
-.069
.052
.250
.674
.000
.173
.001
.633
.719
.079
50
50
50
50
50
50
50
50
.079
.132
.309
**
-.046
.096
.290
.584
.359
.029
.001
.750
.507
.041
50
50
50
50
50
50
50
50
-.027
-.185
.098
-.069
-.046
.129
-.035
.850
.197
.496
.633
.750
.370
.809
50
50
50
50
50
50
50
50
-.216
-.316
.150
.052
.096
.129
-.120
.131
.026
.298
.719
.507
.370
.061
.487
.443
.443
.406
50
Sistem
Pearson
Pembayaran
Correlation
Kredit
Sig. (2-
yang wajar
tailed)
50
50
50
50
50
50
50
.071
.250
.290
-.035
-.120
.035
.015
.624
.079
.041
.809
.406
50
50
50
50
50
50
50
.299
.341
Kesimpulan :
Hasil perhitungan nilai korelasi antar variabel yang dihitung dengan menggunakan rumus
korelasi sederhana manual di atas menghasilkan nilai yang sama dengan perhitungan
menggunakan SPSS.
i=1,2,..p
j=1,2,..,p
Selain KMO-MSA, uji Bartlett merupakan tes statistic untuk menguji apakah matriks
korelasi secara statistik merupakan matriks identitas atau tidak, dimana matriks
identitas mengidentifikasikan bahwa diantara variabel bebas tidak terdapat korelasi.
Uji Hipotesis :
: Matriks korelasi R merupakan matriks Identitas.
: Matriks korelasi R bukan merupakan matriks Identitas.
=
*(
+ | |
50
Uji Bartlett merupakan tes statistic untuk menguji apakah variabel-variabel bebas
yang dilibatkan berkorelasi.
: Tidak ada korelasi antar variabel bebas
: Ada korelasi antar variabel bebas
Kriteria uji dengan melihat p-value (signifikansi) :
Terima
Jawab :
(i). Menghitung nilai KMO
Ini bertujuan untuk mengukur tingkat kecukupan sampel yang bertujuan untuk
mengetahui apakah semua data yang terambil telah cukup untuk difaktorkan.
Syarat untuk dapat melakukan analisis faktor adalah data dari peubah-peubah
yang dianalisis harus memiliki nilai statistik KMO minimal sebesar 0,5.
Penilaian uji KMO dari matriks antar variabel adalah sebagai berikut :
a) 0,9 < KMO 1,00 unit observasi sangat baik untuk analisis faktor
b) 0,8 < KMO 0,9 unit observasi baik untuk analisis faktor
c) 0,7 < KMO 0,8 unit observasi agak baik untuk analisis faktor
d) 0,6 < KMO 0,7 unit observasi lebih dari cukup untuk analisis faktor
e) 0,5 < KMO 0,6 unit observasi cukup untuk analisis faktor
f) KMO 0,5 unit observasi tidak layak untuk analisis faktor
i=1,2,..p
j=1,2,..,p
Keterangan :
rij = koefisien korelasi sederhana antara variabel i dan j
aij = koefisien korelasi parsial antara variabel i dan j
dimana
= korelasi parsial
Perhitungan :
adalah sbb :
Untuk menghitung nilai korelasi parsial secara manual dapat digunakan rumus
sebagai berikut :
(
[
)(
) ]*
)
(
) +
)(
) ][
(
[
(
)(
) ][
)
) ]
)
) ]
Correlations
Ketersediaan
Control Variables
Harga Motor yang
kompetitif(X3)
Hemat Bahan
Suku
Bakar(X1)
Cadang(X2)
1.000
.099
Significance (2-tailed)
.497
Df
47
.099
1.000
Correlation
Significance (2-tailed)
.497
47
Df
(
[
)(
) ][
(
[
)(
) ][
)
) ]
)
) ]
Correlations
Ketersediaan
Control Variables
Model Motor yang menarik Hemat Bahan Bakar
.698
Df
47
.057
1.000
.698
47
Df
:
(
[
)(
) ][
(
[
(
)(
) ][
)
) ]
)
) ]
Cadang(X2)
Significance (2-tailed)
Significance (2-tailed)
Bakar(X1)
.057
Suku
1.000
Correlation
(X4)
Hemat Bahan
Correlations
Control Variables
Keawetan
Mesin Motor
Promosi dari
Sistem Pembayaran
Produsen(X7)
1.000
-.117
Significance (2-tailed)
.425
Df
47
-.117
1.000
.425
47
Correlation
(X6)
Significance (2-tailed)
Df
0,99
0,057
0,07
0,076
0,012
-0,025
-0,107
-0,215
-0,137
-0,072
-0,044
-0,12
0,485
0,517
0,482
0,484
0,532
0,442
0,127
0,169
-0,107
0,126
0,172
0,037
-0,184
-0,178
-0,174
-0,181
0,209
0,192
0,185
0,204
0,241
0,188
-0,107
-0,215
-0,137
-0,072
-0,044
-0,12
0,188
0,275
0,069
0,204
0,19
0,184
0,3
0,325
0,253
0,315
0,299
0,302
0,106
0,084
0,115
0,119
0,026
0,023
0,029
0,059
0,074
-0,015
0,485
0,517
0,482
0,484
0,532
0,442
0,188
0,275
0,069
0,204
0,19
0,184
0,44
0,437
0,41
0,441
0,441
0,4
-0,068
0,025
-0,091
-0,054
0,07
0,019
0,059
0,078
0,103
-0,008
0,127
0,169
-0,107
0,126
0,172
0,037
0,3
0,325
0,253
0,315
0,299
0,302
0,44
0,437
0,41
0,441
0,441
0,4
-0,044
-0,022
-0,081
-0,017
-0,013
-0,048
-0,023
-0,024
0,001
-0,018
-0,184
-0,178
-0,174
-0,181
-0,154
-0,185
0,106
0,084
0,115
0,119
0,081
0,101
-0,068
0,025
-0,091
-0,054
-0,077
-0,062
-0,044
-0,022
-0,081
-0,017
-0,202
-0,254
-0,22
-0,226
-0,215
-0,191
-0,307
-0,307
-0,391
-0,333
-0,299
-0,294
0,202
0,129
0,143
0,129
0,139
0,16
0,067
0,249
0,023
0,011
0,062
0,086
0,116
0,147
0,053
0,082
0,29
0,291
0,294
0,289
0,298
0,282
0,334
0,35
0,259
0,319
0,341
0,322
0,012
0,108
0,023
-0,02
0,075
0,091
0,244
0,103
0,242
0,142
0,249
0,259
0,28
0,263
0,283
0,207
0,001
-0,018
-0,202
-0,254
-0,22
-0,226
-0,215
-0,191
0,29
0,291
0,294
0,289
0,298
0,282
-0,154
-0,185
-0,307
-0,307
-0,391
-0,333
-0,299
-0,294
0,334
0,35
0,259
0,319
0,341
0,322
0,081
0,101
0,202
0,129
0,143
0,129
0,139
0,16
0,012
0,108
0,023
-0,02
0,075
0,091
-0,077
-0,062
0,067
0,249
0,023
0,011
0,062
0,086
0,244
0,103
0,242
0,142
0,249
0,259
-0,059
-0,038
0,116
0,147
0,053
0,082
0,013
0,138
0,28
0,263
0,283
0,207
0,289
0,305
-0,059
-0,038
0,127
0,076
0,117
0,134
0,135
0,126
-0,028
0,03
-0,042
-0,018
-0,023
-0,02
0,013
0,138
0,127
0,076
0,117
0,134
0,135
0,126
-0,059
-0,014
-0,133
-0,138
-0,155
-0,117
0,289
0,305
-0,028
0,03
-0,042
-0,018
-0,023
-0,02
-0,059
-0,014
-0,133
-0,138
-0,155
-0,117
))
0,554015
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of
Approx. Chi-Square
Sphericity
Df
Sig.
.560
57.339
28
.001
Kesimpulan :
Dari perhitungan yang telah dilakukan di atas, diperoleh nilai KMO sebesar 0.560. Karena
nilai KMO yang diperoleh berkisar antara 0.5 sampai 1, maka layak dilakukan analisis faktor
atau dapat disimpulkan data lebih dari cukup untuk analisis faktor.
Uji Hipotesis :
: Matriks korelasi R merupakan matriks Identitas.
: Matriks korelasi R bukan merupakan matriks Identitas.
*(
+ | |
Keterangan :
n
= jumlah observasi
= jumlah variabel
Perhitungan :
=
+ | |
( ( )
[(
[(
*(
| |
]
)
Approx. Chi-Square
Sphericity
Df
.560
57.339
28
Sig.
.001
(0,5),28 = 41,337
> 41.337
Kesimpulan
Karena diperoleh nilai
j=1,2,..,p; ij
i=1,2,..,p;
Jawab :
Perhitungan :
(
0,0849127
0,1398784
(
0,1466028
0,1516175
0,1525817
0,1346007
0,1595679
4. Ekstraksi Faktor
Ekstraksi faktor adalah proses inti dalam analisis faktor, ekstraksi faktor dilakukan
dengan menggunakan metode komponen utama yang berfungsi untuk menaksirkan
parameter-parameter dalam analisis faktor yaitu, varians spesifik, komunalitas dan
matriks loading factor. Ekstraksi faktor yang dilakukan didasarkan pada matriks
varian-kovarian. Untuk menghitung matriks varian-kovarian digunakan formula di
bawah ini :
Jawab :
) dan
)(
(
(
(
)
)
(
)
)
(
(
)
)
(
(
)
)
)
(
(
)
)
:
:
:
)
(
(
(
)
)
(
)
Variance
50
.537
50
.496
50
1.366
50
.962
50
1.059
50
1.185
50
1.114
50
.860
Sistem Pembayaran
Kredit yang wajar
Valid N (listwise)
50
)(
(
(
)
)(
)(
)
)(
(
)
)(
)(
(
(
)
)(
(
(
)
)(
)(
)(
:
:
:
)(
(
(
)(
(
)
)
)(
(
)
Jika dua belas variabel diringkas menjadi satu faktor maka variansi yang bias
dijelaskan oleh satu faktor tersebut adalah :
( )
dimana :
= nila eigen ke-j
( )
Jawab :
Untuk memperoleh nilai-nilai eigen adalah dengan mendefinisikan matriks variankovarian
I=
Langkah
selanjutnya
untuk
haruslah
mendapatkan
((
persamaan
karakteristik,
maka
))
((
))
((
))
Setelah itu nilai eigen yaitu dalam hal ini nilai eigen 1 ( ) sampai dengan nilai eigen
8 ( ) dihitung menggunakan software mathematica5, sehingga didapatkan hasil
perhitungan sbb :
Dapat disimpulkan : Banyak faktor yang akan dipilih adalah yang memiliki nilai eigen lebih
dari 1, sedangkan faktor yang memiliki nilai eigen kurang dari satu akan dibuang. Jadi ada 3
faktor yang memiliki nilai eigen lebih dari 1atau dengan kata lain diperoleh 3 faktor
komponen utama.
Selanjutnya , besar persentase atau total varian yang dapat dijelaskan oleh masingmasing faktor dapat dihitung dengan rumus sbb :
( )
dimana :
= nilai eigen ke-j
( )
( )=
(
( )
( )
( )
( )
( )
( )
( )
( )
Jawab :
Untuk menghitung vektor eigen dapat digunakan persamaan sebagai berikut :
(
Menentukan nilai vektor eigen untuk
(
((
)) [
[ ]
((
)) [
)[
[ ]
[ ]
Faktor loading adalah korelasi antara faktor dan variabel, dihitung dengan rumus sbb :
Component
1
Hemat Bahan Bakar
Ketersediaan Suku
Cadang
Harga Motor yang
kompetitif
Model Motor yang
menarik
Kombinasi Warna
Motor yang menarik
Keawetan Mesin
Motor
Promosi dari
Produsen
Sistem Pembayaran
Kredit yang wajar
.397
-.085
.768
.673
-.440
-.287
.301
.647
.320
.737
.192
-.392
.621
.465
-.142
-.205
.392
.278
-.225
.702
-.307
.662
-.084
.238
8. Rotasi Matriks
Untuk memperoleh nilai faktor loading setelah dirotasi, matriks faktor loading
sebelum dirotasi dikalikan dengan matriks rotasi.
Jawab :
Component
1
Hemat Bahan Bakar
Ketersediaan Suku
Cadang
Harga Motor yang
kompetitif
Model Motor yang
menarik
Kombinasi Warna
Motor yang menarik
Keawetan Mesin
Motor
Sistem Pembayaran
Kredit yang wajar
-.053
.099
.897
.413
-.709
.179
.499
.610
.231
.812
-.280
.030
.791
.122
.097
.005
.566
-.041
.306
-.268
.659
9. Communality
Dari nilai-nilai faktor loading yang terbentuk bias diketahui jumlah varian dari
masing-masing variabel terhadap faktor yang terbentuk dengan cara menjumlahkan
kuadrat dari setiap faktor loading pada empat faktor yang terbentuk untuk masingmasing variabel, nilai yang didapat disebut dengan communality.
Jawab :
Communalities
Initial
Hemat Bahan Bakar
Ketersediaan Suku
Cadang
Harga Motor yang
kompetitif
Model Motor yang
menarik
Extraction
1.000
.816
1.000
.705
1.000
.675
1.000
.740
Kombinasi Warna
Motor yang menarik
Keawetan Mesin
Motor
Sistem Pembayaran
Kredit yang wajar
1.000
.650
1.000
.322
1.000
.600
(
(
(
)
)
)
(
(
)
(
)
)
)
(
(
(
)
(
)
)
)
(
(
)
)
:
:
:
)
(
(
(
)
)
(
(
(
)
)
(
(
)
(
)
Variance
50
.537
50
.496
50
1.366
50
.962
50
1.059
50
1.185
50
1.114
50
.860
Sistem Pembayaran
Kredit yang wajar
Valid N (listwise)
50