Interprestasi Analisis Faktor dengan SPSS
Interprestasi Analisis Faktor dengan SPSS
Artikel ini tidaklah berdiri sendiri, sebab tergantung pada artikel sebelumnya, yaitu: asumsi analisis faktor dengan SPSS. Artinya, anda akan sampai pada tahap ini apabila sudah selesai melakukan berbagai asumsi pada analisis faktor. Berikut kita pelajari bersama-sama secara bertahap, interprestasi analisis faktor dengan SPSS.
Communalities
Tabel di atas menunjukkan seberapa besar sebuah variabel dapat menjelaskan faktor. Misal X1 nilainya 0,769, artinya variabel X1 dapat menjelaskan faktor sebesar 76,9%. Begitu pula dengan variabel lainnya, di mana semuanya > 50%, oleh karenanya dapat disimpulkan bahwasanya semua variabel dapat menjelaskan faktor.
Faktor Yang Sekiranya Dapat Terbentuk
Tabel Total Variance Explained di bawah ini berguna untuk menentukan berapakah faktor yang mungkin dapat dibentuk.
Berdasarkan tabel di atas, lihat kolom “Component” yang menunjukkan bahwa ada 7 komponen yang dapat mewakili variabel. Perhatikan kolom “Initial Eigenvalues” yang dengan SPSS kita tentukan nilainya 1 (satu). Varians bisa diterangkan oleh oleh faktor 1 adalah 2,644/7 x 100% = 37,776. Oleh faktor 2 sebesar 1,594/7 x 100% = 22,768. Sementara oleh faktor 3 sebesar 1,051/7 x 100% = 15,018. Sehingga total ketiga faktor akan mampu menjelaskan variabel sebesar 37,776% + 22,768% + 15,018% = 75,562%. Dengan demikian, karena nilai Eigenvalues yang ditetapkan 1, maka nilai Total yang akan diambil adalah yang > 1 yaitu component 1, 2 dan 3.
Factor Loading
Setelah kita mengetahui bahwa faktor maksimal yang bisa terbentuk adalah 3 faktor, selanjutnya kita melakukan penentuan masing-masing variabel akan masuk ke dalam faktor mana, apakah faktor 1, 2 atau 3. Cara menentukan tersebut adalah dengan melihat tabel Component Matrix seperti di bawah ini:
Tabel di atas menunjukkan seberapa besar sebuah variabel berkorelasi dengan faktor yang akan dibentuk. Misal: X5 berkorelasi sebesar 0,885 dengan faktor 1, -0,388 dengan faktor 2 dan 0,128 dengan faktor 3.
Rotated Component Matrix
Secara jelasnya dapat anda lihat pada tabel Rotated Component Matrix di bawah ini untuk menentukan variabel mana akan masuk faktor yang mana.
Penentuan variabel masuk faktor mana ditentukan dengan melihat nilai korelasi terbesar. Pada tabel di atas telah diurutkan dari nilai yang terbesar ke yang terkecil per faktor.
Perhatikan baik-baik di atas:
X5 korelasi terbesar dengan faktor 1 yaitu 0,968, begitu pula X8: 0,956 dan X4: 0,731. Yang paling berkorelasi dengan faktor 2 adalah X9: 0,869, X7: 0,769. Sedangkan X1 sebesar 0,877 lebih berkorelasi dengan faktor 3, begitu juga dengan X6: 0,666 masuk ke faktor 3.
Maka dapat disimpulkan anggota masing-masing faktor:
Faktor 1: X5, X8, X4
Faktor 2: X9, X7
Faktor 3: X1, X6
Component Transformation Matrix
Langkah terakhir untuk penentuan faktor adalah melihat tabel Component Transformation Matrix.
Tabel di atas menunjukkan bahwa pada component 1 nilai korelasi 0,886 > 0,5, component 2: 0,712 > 0,5 dan component 3: 0,812 > 0,5. Karena semua component > 0,5 maka ketiga faktor yang terbentuk dapat dikatakan tepat dalam merangkum ketujuh variabel yang ada.
Factor Score
Setelah anda mendapatkan faktor-faktor yang terbentuk, maka langkah selanjutnya untuk keperluan analisis lebih lanjut, anda dapat menentukan faktor skor. Caranya adalah dengan mengulangi langkah analisis faktor tetapi pada saat proses anda tekan tombol “Scores”, kemudian centang “Save as variables” dan pilih method “Regression”.
Setelah anda klik “Continue” dan “OK” pada jendela utama, maka lihat pada dataset anda di “data view”.
Lihat bahwa muncul variabel baru, yaitu FAC1_1 yang merupakan faktor skor dari faktor 1, FAC2_1 yang merupakan faktor skor dari faktor 2 dan FAC3_1 yang merupakan faktor skor dari faktor 3. Dari nilai tersebut anda dapat melakukan analisis lanjutan, misal analisis regresi linear, analisis diskriminan atau analisis lainnya.
NB: Normalitas merupakan salah satu asumsi dari analisis faktor meskipun tidak mutlak. Namun data dalam tutorial ini tidak normal, karena hanya sebagai media pembelajaran saja. Untuk lebih lengkapnya tentang uji normalitas, silahkan baca artikel kami tentang normalitas.
Demikian telah kami jelaskan semua materi yang berkaitan dengan Analisis Faktor, terutama Interprestasi Analisis Faktor dengan SPSS. Semoga bermanfaat.
By Anwar Hidayat
Belum ada Komentar untuk "Interprestasi Analisis Faktor dengan SPSS"
Posting Komentar