ANALISIS FAKTOR MENILAI VARIABEL ATRIBUT

1

ANALISIS FAKTOR
MENILAI VARIABEL (ATRIBUT) YANG LAYAK

Disampaikan Pada Praktikum FE UST
Praktikum Statistik Sebagi Salah Satu
Alat Dukung Analisis Data
Instruktur:
Drs. I. B. N. Udayana, MSi

UNIVERSITAS SARJANAWIYATA TAMANSISWA
JURUSAN MANAJEMEN
FAKULTAS EKONOMI
2011

2

ANALISIS FAKTOR (1)
MENILAI VARIABEL YANG LAYAK
A. Pengantar

Tahap pertama dalam analisis faktor adalah menilai faktor mana saja variabel yang
dianggap layak (appropriateness) untuk dimasukkan dalam analisis selanjutnya.
Pengujian ini dilakukan dengan memasukkan semua variabel yang ada, kemudian pada
variabel-variabel tersebut dikenakan sejumlah pengujian.
Logika pengujian adalah jika sebuah variabel memang mempunyai kecendrungan
mengelompok dan membentuk sebuah faktor, maka variabel tersebut akan mempunyai
korelasi yang cukup tinggi dengan variabel lain. Sebaliknya variabel dengan variabel
korelasi yang lemah dengan variabel lain cendrung tidak akan mengelompok dalam
faktor tertentu.
B. Kasus
Ingin diketahui faktor apa saja yang sebenarnya membuat seseorang ingin membeli
sebuah sepeda motor. Untuk itu diambil sampel sebanyak 50 orang, yang kemudian
diminta pendapatnya tentang atribut-atribut sepeda motor seperti:
 Keiritan bahan bakar sepeda motor
 Ketersidaan suku cadang (orderdil)
 Harga sepeda motor
 Model dan disain sepeda motor
 Kombinasi warna sepeda motor
 Kewetan sepeda motor (khususnya mesin)
 Promosi yang dilakukan sepeda motor

 Sistem pembayaran sepeda motor.

3
Dari data Persepsi Konsumen terhadap faktor-faktor yang menentukan dalam pembelian
sebuah sepeda motor, akan diuji variabel mana saja yang bisa dilakukan pengujian
lanjutan?
C. Langkah-langkah:
1) Buka file

2) Analyze  data reduction  faktor
Sehingga dimonitor akan nampak kota dialog sbb:

4

D. Pengisian
Masukkan semua variabel / Atribut yang ada pada kotak listing, ke dalam kotak variabels
tersebut yakni variabel irit, onderdil, harga, model, warna, awet, promosi, dan kredit.
Descriptifes sehingga di monitor nampak sbb:

Pengisian:

Correlation Matris yang berisi berbagai alat pengujian dengan dasar korelasi antar
variabel, untuk keseragaman, pilih KMO and Bartlett’s test of sphecity dan anti-image
continu  OK
Sehingga output nampak sbb:

5
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

Approx. Chi-Square
df
Sig.

.507
51.278
28
.005

E. Analisis: (Menentukan kecukupan sampel dalam penelitian)
Angka KMO and

Bartlett’s test of sphecity dan anti-image adalah 0,56 dengan

signifikansi 0,001. Oleh karena angkat tersebut sudah diatas 0,5 dan signifikansi jauh di
bawah 0,05 (0,001 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut.
 MSA < 0,5, variabel tersebut tidak dapat diprediksi lebih lanjut, atau dikeluarkan
dari variabel lainnya.
ANTI IMAGE MATRICES (Menentukan variabel yang layak)
Anti-image Matrices
Anti-image Covariance

Anti-image Correlation

irit
onderdil
harga
model

warna
awet
promosi
kredit
irit
onderdil
harga
model
warna
awet
promosi
kredit

irit
.960
.006
-.027
-.015
.011
-.036

.063
-.134
.618a
.008
-.032
-.021
.012
-.039
.071
-.155

a. Measures of Sampling Adequacy(MSA)

onderdil
.006
.574
-.034
-.298
.107
.016

.227
-.139
.008
.517a
-.051
-.526
.159
.022
.333
-.208

harga
-.027
-.034
.756
-.187
-.244
-.146
-.053
.082

-.032
-.051
.554a
-.287
-.316
-.176
-.067
.106

model
-.015
-.298
-.187
.559
.011
.130
-.197
-.063
-.021
-.526

-.287
.519a
.016
.182
-.294
-.096

warna
.011
.107
-.244
.011
.785
.094
-.052
-.260
.012
.159
-.316
.016

.450a
.111
-.066
-.331

awet
-.036
.016
-.146
.130
.094
.917
-.120
-.044
-.039
.022
-.176
.182
.111
.424a

-.139
-.052

promosi
.063
.227
-.053
-.197
-.052
-.120
.809
.065
.071
.333
-.067
-.294
-.066
-.139
.384a
.082

kredit
-.134
-.139
.082
-.063
-.260
-.044
.065
.782
-.155
-.208
.106
-.096
-.331
-.052
.082
.570a

6
Perhatikan angka korelasi bertanda a (arah diagonal dari kiri atas ke kanan bawah).
Seperti angka MSA untuk variabel irit 0,618, untuk variabel onderdil 0,517 dan
seterusnya untuk variabel yang lain. Dengan kriteria angka MSA seperti sudah dibahas di
atas, terlihat MSA variabel warna (0,450); awet (0,424); dan promosi (0,384) tidak
memenuhi batas 0,5 maka variabel tersebut dikeluarkan satu persatu mulai dari
variabel yang memiliki korelasi terkecil dan pengujian diulang lagi, setiap mengeluarkan
satu variabel yang memiliki korelasi terkecil, kemudian lihat korelasi anti-image tiap-tiap
variabel sampai semua variabel memiliki koefisien korelasi > 0,5.
A. Pengujian Ulang.
B. Buka file faktor
C. Analisis data
Analye  Data Reduction  Factor…
D. Pengisian
E. OUTPUT:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

Approx. Chi-Square
df
Sig.

.596
28.863
10
.001

Anti-image Matrices
Anti-image Covariance

Anti-image Correlation

irit
onderdil
harga
model
kredit
irit
onderdil
harga
model
kredit

irit
.966
-.015
-.026
.004
-.153
.602a
-.019
-.028
.005
-.166

a. Measures of Sampling Adequacy(MSA)

onderdil
-.015
.672
.033
-.323
-.156
-.019
.587a
.043
-.498
-.202

harga
-.026
.033
.871
-.239
.006
-.028
.043
.596a
-.324
.007

model
.004
-.323
-.239
.625
-.060
.005
-.498
-.324
.570a
-.080

kredit
-.153
-.156
.006
-.060
.882
-.166
-.202
.007
-.080
.702a

7

F. Analisis:
Angka KMO and Bartlett’s test of sphecity dan anti-image adalah 0,596 dengan
signifikansi 0,001. Oleh karena angkat tersebut sudah diatas 0,5 dan signifikansi jauh
di bawah 0,05 (0,001