1. Mengenali atau mengidentifikasi dimensi yang mendasari Underlying
dimensions atau faktor, yang menjelaskan korelasi antara suatu set variabel.
2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkolerasi
independent yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkolerasi di dalam analisis multivariate selanjutnya.
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set
variabel lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariate selanjutnya.
2.3.2. Tujuan Analisis Faktor
Pada dasarnya tujuan Analisis faktor adalah : a.
Data Summarization, yakni mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi. Jika korelasi dilakukan antar variabel, analisis
tersebut dinamakan R Faktor Analysis. Namun, jika korelasi dilakukan antar responden atau sampel, analisis disebut Q Faktor Analysis, yang juga populer
disebut CLUSTER ANALYSIS. b.
Data Reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah
variabel tertentu.
2.3.3. Model Analisis Faktor dan Statistik yang Relevan
Secara sistematis, analisis faktor agak mirip dengan regresi linear berganda, yaitu bahwa setiap variabel dinyatakan sebagai suatu kombinasi linear dari faktor
yang melandasi underlying factors. Jumlah amount varian yang disumbangkan
Universitas Sumatera Utara
oleh suatu variabel dengan variabel lainnya yang tercakup dalam analisis disebut communiality.
Kovariasi antar variabel yang diuraikan, dinyatakan dalam suatu common factors
yang sedikit jumlahnya ditambah dengan faktor yang unik untuk setiap variabel. Supranto, 2010
Untuk memilih timbangan weight atau koefisien nilai faktor factor score coeficients
sehingga faktor yang pertama menjelaskan sebagian besar porsi seluruh varian atau menyerap sebagian besar varian seluruh variabel.
Kemudian set timbangan yang kedua dapat dipilih, sehingga faktor yang kedua menyerap sebagian besar sisa varian, setelah diambil faktor pertama, dengan
syarat bahwa faktor yang kedua tidak berkolerasi orthogonal dengan faktor pertama. Prinsip yang sama dapat dipergunakan untuk memilih faktor selanjutnya,
sebagai faktor tambahan, yaitu faktor ketiga. Jadi, faktor bida diperkirakandiestimasi sehingga nilai faktor yang satu tidak berkolerasi dengan nilai faktor lainnya. Faktor
yang diperoleh merupakan variabel baru yang tidak berkolerasi antara satu faktor dengan faktor lainnya, artinya tidak terjadi multi collinearity. Bayak nya faktor lebih
sedikit daripada banyaknya variabel asli yang dianalisis faktor, sebab analisis faktor memang mereduksi jumlah variabel yang banyak menjadi variabel baru yang
jumlahnya lebih sedikit. Lebih lanjut, faktor pertama menyerap sebagian besar varian dari seluruh
variabel, kemudian faktor kedua menyerap sebagian besar sisa varian dari variabel, setelah diperoleh faktor pertama, dan faktor ketiga menyerah sebagian besar sisa
varian dari variabel, setelah faktor 1 dan faktor 2 diperoleh. Begitu seterusnya,
Universitas Sumatera Utara
sehingga faktor 1 menyerap sebagian besar varian dari seluruh variabel, faktor 2 menyerap sebagian besar varian yang kedua dan kemudian proses pencarian faktor
berhenti setelah varian dari seluruh variabel asli sudah terserap, katakan lebih dari 75.
2.3.4. Model Matematik dalam Analisis Faktor