Ad Code

Analisis Faktor dengan SPSS

Analisis faktor adalah analisis yang bertujuan mencari faktor-faktor utama yang paling mempengaruhi variabel dependen dari serangkaian uji yang dilakukan atas serangkaian variabel independen sebagai faktornya. Misalnya, kita hendak menentukan sejumlah agen sosialisasi politik yang paling besar pengaruhnya atas pembentukan budaya politik siswa.

Disclaimer:
Sebagian besar diskusi-komentar terkait 
Analisis Faktor dengan SPSS ini sudah dipindahkan ke artikel :
Analisis Faktor Masalah 1
Analisis Faktor Masalah 2
Silakan kunjungi 


Khusus untuk Analisis Faktor, sejumlah asumsi berikut harus dipenuhi: (Santoso, 2006: 13)

  1. Korelasi antarvariabel Independen. Besar korelasi atau korelasi antar independen variabel harus cukup kuat, misalnya di atas 0,5.
  2. Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS deteksi terhadap korelasi parsial diberikan lewat pilihan Anti-Image Correlation.
  3. Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diukur dengan besaran Bartlett Test of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.
  4. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor yang terjadi sebaiknya dipenuhi.

Uji Asumsi Analisis Faktor

Pada bagian Metode Penelitian telah disebutkan bahwa analisis faktor membutuhkan terpenuhinya serangkaian asumsi. Peneliti akan menguji asumsi analisis faktor satu per satu terlebih dahulu sebelum uji analisis faktor dilakukan.

Korelasi antarvariabel independen, dalam analisis faktor, harus > 0,5 dengan signifikansi < 0,05. Korelasi antarvariabel independen sangat mudah jika dilakukan dengan SPSS. Caranya adalah klik Analyze > Data Reduction > Factor > Masukkan seluruh variabel independen > Klik tombol Descriptives… > Pada kotak dialog Factor Analysis: Descriptives, khususnya pada Correlation Matrix ceklis KMO and Bartlett’s test of sphericity dan Anti-image > Klik Continue > Klik OK.

Hasil uji korelasi antarvariabel independen ada pada output KMO and Bartlett’s Test, sebagai berikut:


Nilai KMO and Bartlett’s Test untuk korelasi antarvariabel yang diinginkan adalah > 0,5. Signifikansi penelitian adalah 0,05. Dari hasil di atas diperoleh nilai KMO sebesar 0,771 yang artinya lebih besar dari 0,5. Sementara itu, signifikansi yang dihasilkan dari Bartlett’s Test of Sphericity sebesar 0,000. (Santoso, 2006: 22)

Dengan hasil di atas, maka dapat dikatakan bahwa variabel dan sampel yang digunakan memungkinkan untuk dilakukan analisis lebih lanjut. Selanjutnya, untuk melihat korelasi antarvariabel independen dapat diperhatikan tabel Anti-Image Matrices. Nilai yang diperhatikan adalah MSA (Measure of Sampling Adequacy). Nilai MSA berkisar antara 0 hingga 1, dengan ketentuan sebagai berikut: (Santoso, 2006: 20)
  1. MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel yang lain.
  2. MSA > 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut.
  3. MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.

Hasil pengujian dengan SPSS sebagai berikut:


Perhatikan baris Anti-Image Correlation, di mana nilai MSA ditandai dengan huruf a. Rincian hasilnya sebagai berikut: 
  1. Agen_sekolah : 0,788 > 0,5
  2. Agen_keluarga : 0,673 > 0,5
  3. Agen_teman : 0,741 > 0,5
  4. Agen_media : 0,798 > 0,5
  5. Agen_agama : 0,835 > 0,5
  6. Agen_parpol : 0,784 > 0,5
  7. Agen_pamarentah : 0,745 > 0,5

Berdasarkan hasil MSA di atas, maka seluruh variabel independen dapat dianalisis lebih lanjut karena masing-masing nilainya > 0,5.

Untuk normalitas data masing-masing variabel, peneliti persembahkan dalam bentuk grafik Normal P-P Plot, yang peneliti sampaikan dalam lampiran penelitian ini. Hasil uji normalitas yang dikehendaki adalah data masing-masing berdistribusi normal yang mengikuti garis Z. Rata-rata data di tiap variabel cenderung mengikuti garis Z sehingga dapat dikatakan normal.

Pengelompokan Faktor

Langkah selanjutnya adalah, upaya penelitian ini guna menentukan apakah variabel-variabel independen bisa dikelompokkan ke dalam satu atau beberapa faktor. Jadi, ketujuh agen sosialisasi politik dalam variabel independen akan dilihat apakah mereka sesungguhnya bisa disederhanakan ke dalam satu atau beberapa faktor. Sekali lagi, upaya ini lebih mudah menggunakan SPSS.

Cara melakukannya adalah klik Analyze > Data Reduction > Factor… > Pada Factor Analysis masukkan seluruh variabel independen ke kotak Variables > Klik tombol Extraction… > Pada kotak dialog Factor Analysis: Extraction > Pada Method pilih Principal of components > Ceklis Correlation Matrix > Pada Display ceklis Unrotated factor solution dan Scree Plot > Eigenvalues oves biarkan bernilai 1, sehingga variabel yang punya angka Eigenvalues < 1 akan dikeluarkan > Maximum Iterations for Convergence tetap pada angka 25 > Klik Continue > Klik Rotation… > Pada kotak dialog Factor Analysis: Rotation tentukan Method yaitu Varimax > Pada Display ceklis kotak Rotated Solution dan Loading Plot(s) > Maximum Iterations for Convergence tetap pada angka 25 > Continue > OK.

Penjelasan Variabel oleh Faktor

Maksud dari penjelasan variabel oleh faktor adalah seberapa besar faktor yang nantinya terbentuk mampu menjelaskan variabel. Untuk itu harus dilihat tabel Communalities sebagai berikut: (Santoso, 2006: 41)


Hasilnya adalah, faktor mampu menjelaskan variabel agen_sekolah sebesar 0,556 atau 55,60%, agen_keluarga diterangkan sebesar 69,70%, agen_teman diterangkan sebesar 66,70%, agen_media diterangkan sebesar 62,00%, agen_agama diterangkan sebesar 54,50%, agen_parpol sebesar 66,00%, dan agen_pamarentah diterangkan sebesar 68,20%. Karena rata-rata penjelasan di atas 50% maka faktor tetap akan ditentukan.

Faktor yang Mungkin Terbentuk

Guna menentukan seberapa banyak faktor yang mungkin terbentuk dapat dilihat pada tabel Total Variance Explained sebagai berikut: (Santoso, 2006: 42-3)


Component berkisar antara 1 hingga 7 yang mewakili jumlah variabel independen. Perhatikan kolom Initial Eigenvalues yang dengan SPSS kita tentukan nilainya 1. Varians bisa diterangkan oleh oleh faktor 1 adalah 3,230/7 x 100% = 46,142. Sementara oleh faktor 2 sebesar 1,198/7 x 100% = 17,113. Dan, total kedua faktor akan mampu menjelaskan variabel sebesar 46,142% + 17,113% = 63,255%. Dengan demikian, karena nilai Eigenvalues yang ditetapkan 1, maka nilai Total yang akan diambil adalah yang > 1 yaitu component 1 dan 2.

Factor Loading

Setelah kita mengetahui bahwa faktor maksimal yang bisa terbentuk adalah 2, selanjutnya kita melakukan penentuan masing-masing variabel independen akan masuk ke dalam faktor 1 atau faktor 2. Cara menentukannya adalah dengan melihat tabel Component Matrix sebagai berikut: (Santoso, 2006: 45)


Dapat kita lihat bersama bahwa korelasi antar variabel independen dengan faktor yang hendak terbentuk adalah: 
  1. agen_sekolah : Faktor 1 korelasi 0,724; Faktor 2 korelasi - 0,179
  2. agen_keluarga : Faktor 1 korelasi 0,535; Faktor 2 korelasi 0,641
  3. agen_teman : Faktor 1 korelasi 0,688; Faktor 2 korelasi 0,441
  4. agen-media : Faktor 1 korelasi 0,781; Faktor 2 korelasi 0,101
  5. agen_agama : Faktor 1 korelasi 0,734; Faktor 2 korelasi 0,080
  6. agen_parpol : Faktor 1 korelasi 0,656; Faktor 2 korelasi - 0,479
  7. agen_pamarentah : Faktor 1 korelasi 0,606; Faktor 2 korelasi - 0,561

Agar lebih jelas variabel mana masuk ke faktor mana, bisa dilihat tabel Rotated Component Matrix sebagai berikut:


Penentuan input variabel ke faktor tertentu mengikut pada besar korelasi antara variabel dengan faktor, yaitu kepada yang korelasinya besar. Dengan demikian maka faktor dan variabel anggotanya adalah :

Faktor 1: 
  1. Agen Sosialisasi Politik Sekolah
  2. Agen Partai Politik
  3. Agen Pemerintah

Faktor 2: 
  1. Agen Keluarga
  2. Agen Teman
  3. Agen Media
  4. Agen Agama

Sebagai langkah akhir dari penentuan faktor, maka dapat dilihat tabel Component Transformation Matrix berikut:


Baik Faktor 1 (component) ataupun Faktor 2 memiliki korelasi sebesar 0,719 yang artinya cukup kuat karena 0,719 > 0,5. Dengan demikian Faktor 1 dan Faktor 2 dapat dikatakan tepat untuk merangkum ke-7 variabel independen.

Faktor yang Terbentuk

Pada analisis sebelumnya telah diperoleh bahwa ada 2 faktor yang terbentuk yaitu : (1) Faktor 1 dan (2) Faktor 2.

Faktor 1 terdiri atas variabel independen: 
  1. Agen Sosialisasi Sekolah
  2. Agen Sosialisasi Partai Politik
  3. Agen Sosialisasi Pemerintah

Faktor 2 terdiri atas variabel independen: 
  1. Agen Sosialisasi Keluarga
  2. Agen Sosialisasi Teman
  3. Agen Sosialisasi Agama
  4. Agen Sosialisasi Media

Faktor 1 berisikan variabel-variabel agen sosialisasi politik yang sifatnya “Institutionalized” atau terlembaga berupa organisasi formal yang punya struktur dan fungsi resmi. Faktor 2 berisikan variabel-variabel agen sosialisasi politik yang sifatnya “noninstitutionalized” atau cenderung lebih bersifat hubungan emosional dan tidak resmi. Misalnya, media massa kendatipun siaran atau pemberitaannya bersifat resmi, tetapi cenderung bersifat non formal karena siswa sekolah mampu mengaksesnya tanpa protokol resmi. Bahkan, media massa bisa hadir di dalam lingkungan pribadi dan keluarga siswa.

Dengan demikian, faktor-faktor yang terbentuk dapat dideskripsikan sebagai berikut: 
  • Faktor 1 disebut sebagai Agen Formal
  • Faktor 2 disebut sebagai Agen Informal

-------------------------------------------
Daftar Pustaka

Santoso, Singgih. Seri Solusi Bisnis Berbasis TI: Menggunakan SPSS untuk Statistik Multivariat. Jakarta: Elex Media Komputindo, 2006.

-------------------------------------------

tags:
uji faktor analisis faktor spss asumsi uji analisis faktor bartlett tes nilai msa faktor loading pengelompokan variabel melakukan analisis faktor 

Disclaimer:
Sebagian besar diskusi-komentar terkait 
Analisis Faktor dengan SPSS ini sudah dipindahkan ke artikel :
Analisis Faktor Masalah 1
Analisis Faktor Masalah 2
Silakan kunjungi 
Reactions

Posting Komentar

108 Komentar

  1. Anonim8.5.12

    Terima kasih, uraiannya jelas, sangat membantu pemahaman

    BalasHapus
  2. wah, makasih mas tutorialnya. sangat bermanfaat.

    BalasHapus
  3. Anonim28.12.12

    makasih mas... jelas dan membantu...

    BalasHapus
  4. vella anggresta28.8.14

    siang pak...
    mohon bantuanyya bapak..saya sedang menyelesaikan penelitan dengan judul 'analisis faktor yang mempengaruhi prestasi belajar mahasiswa'. dalam penelitan ini saya di arahkan mengunakan analisis faktor dan kemuadian d lanjutkan dengan analisis regresi..apakah itu mungkin dilakukan bpk?? mohon juga dengan refensinya ya bpk..terima kasih

    BalasHapus
    Balasan
    1. Selamat siang, Vella. Jawabannya adalah sangat mungkin. Justru analisis faktor bermanfaat untuk mereduksi jumlah variabel bebas yang digunakan dalam penelitian kita. Seperti diketahui, semakin besar jumlah variabel bebas yang digunakan, maka semakin besar potensi "redundancy" dan jumlah sampel yang harus digunakan dalam penelitian. Untuk referensi metode analisis faktor, saya rekomendasikan buku yang singkat tetapi pada dan jelas yaitu Santoso, Singgih. Seri Solusi Bisnis Berbasis TI: Menggunakan SPSS untuk Statistik Multivariat. Jakarta: Elex Media Komputindo, 2006.

      Hapus
    2. vella anggresta9.9.14

      terima kasih bapak, sebelumnya saya mw bertnya lagi bapak, tentang proses pengelolahan data, ketika variabel X mengunakan data skala likers dan variabel Y beruapa nilai IPK, apakah keduanya bisa di kombinaksikan bapak, menginat rentang nilai IPK max 4,, mohon bantuanya lagi bapak,,terima kasih

      Hapus
    3. Tentu saja bisa. Pengolahan data dengan Likert Scale dikombinasikan dengan IPK yang Ratio Scale, karena ada pendapat yang memasukkan bahwa Likert Scale ini boleh dianggap interval scale. Interval Scale adalah skala terendah dengan mana regresi linier bisa dilaksanakan.
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
  5. Assalamualaikum pak
    Saya mau tanya. saya sdg melakukan penelitian perilaku konsumen susu bubuk. lalu saya menguji validitas dan reliabilitas 10 atribut produk susu bubuk ( beserta skor dr skala likert) tsb dg spss v16. namun hasil regresi uji validitas saya, nilai KMO tak muncul (this matrix is not positive definite). saya mencoba drop satu atribut, muncul kmo tapi nilainya kecil sekali (hanya 0,221). bagaimana solusinya ya pak? Apakah saya hrs drop satu atribut, mengingat kesepuluh atribut sgt penting bagi produk susu bubuk tsb ?
    Terimakasih pak, mohon bantuannya.

    BalasHapus
    Balasan
    1. Wa'alaikum salaam Ervina. Masalah ketidakmunculan nilai KMO ini memang kerap terjadi. Umumnya terjadi pada analisis faktor dengan jumlah atribut cukup besar sementara jumlah sampel agak kecil. Esensinya, analisis faktor mirip dengan regresi, karena membutuhkan jumlah sampel yang agak besar agar pengacakan data yang dilakukan pada rumus dapat lebih maksimal.
      Hal ini tampak pada penelitian. Yaitu, ketika 1 atribut dikeluarkan maka nilai KMO dapat tampil kendati kecil. Sebenarnya, solusi selain pengeluaran atribut adalah penambahan jumlah sampel. Apabila memang atribut yang 10 itu tidak memungkinkan untuk dikeluarkan, maka dapat dipertimbangkan untuk menambah besaran sampelnya.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  6. assalamualaikum bapak. saya saat ini sedang mengerjakan skripsi mengenai ketidakamanan kerja yang menjelaskan faktor-faktor dari ketidakamanan kerja.
    terdiri dari 7 variabel yang akan saya reduksi menjadi 2 variabel.
    kemudian dari masing masing variabel saya menyediakan pernyataan (questioner) untuk responden, masing2 item pertanyaan sesuai dengan indikator yang ada pada definisi operasional variabel. yang ingin saya tanyakan bagaimana cara saya mengolah hasil questioner masing masing variabel yang terdiri dari banyak item pertanyaan untuk dapat diolah dengan analisis faktor menggunakan SPSS bapak ? terimakasih, mohon bantuannya bapak.

    BalasHapus
    Balasan
    1. Wa'alaikum salaam Retno.
      Tema penelitian tampaknya adalah faktor-faktor ketidakamanan kerja. Ia terdiri atas 7 variabel yang direncanakan untuk kemudian direduksi menjadi 2 variabel. Mengenai pengolahan data kiranya cukup sederhana. Misalnya, variabel terdiri atas X1, X2, X3, X4, X5, X6, dan X7. Setiap variabel punya 3 indikator. Setiap indikator dinyatakan oleh 1 item pernyataan. Dengan demikian untuk variabel X1 (misalnya), dijumlahkan item 1 + item 2 + item 3 = Skor total X1. Juga demikian halnya untuk X2 hingga X7. Nah, yang dianalisis faktornya adalah skor-skor total masing-masing variabel tersebut. Namun, hendaklah tidak keliru dalam mencari skor total masing-masing variabel ini seperti item yang harusnya untuk variabel X6 masuk ke X7 ataupun sejenisnya.
      Barulah apabila skor total masing-masing variabel diperoleh, dilakukan langkah analisis faktor seperti di sub "Pengelompokan Faktor" pada artikel di sebelah atas.
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
    2. Asalammualaikum pak seta, saya juga ingin bertanya, jadi pada skripsi saya menggunakan 7 variabel yang terdiri dari 4 variabel X, 2 variabel Z dan 1 variabel Y. pertanyaan saya pada saat di tampilan factor analysis, variabel yang di pindahkan pada kolom "variables" itu variabel X nya saja atau semua (Variabel X,Z dan Y) variabelnya ya pak.? mohon jawabannya, terima kasih.

      Hapus
  7. Andro Saladin14.11.14

    Pak Seta, sebagai contoh: Dalam SPSS saya mendapatkan 3 faktor. Bagaimana caranya menentukan case/respondent/id dari setiap faktor ini. Saya ingin melakukan tabulasi dari setiap faktor ini menurut gender, age, dan lain-lain. Terimakasih Banyak, dan Tetap Menulis untuk semua.

    BalasHapus
    Balasan
    1. Mungkin ada baiknya diimajinasikan sebuah tabel. Case/respondent/id terletak di baris, sementara faktor adalah dua atau lebih "merger" atas serangkaian variabel terletak di kolom. Dengan demikian, sebaran suatu kolom adalah di seluruh baris. Hal ini menjadikan sesuatu yang sulit apabila hendak dilakukan "identifikasi" yang unik atas tiap-tiap faktor mengingat masing-masing faktor memiliki sebaran data yang serupa.
      Namun, apabila hendak melakukan deskripsi atas case/respondent/id, kiranya dapat dilakukan dengan Crosstabulation yaitu klik Analyze > Description > Crosstabulation.
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
  8. Anonim29.11.14

    Siang pak Seta. Ini baru pertama kali saya berkunjung di page bpk. Saya sangat bersyukur. Saya sedang mengerjakan skripsi dan kesulitan mengolah data saya. Yang sedang saya teliti adalah Daya Tarik Wisata dimana ada 7 variabel bebas. Saya telah menghitung validitas dan reabilitas data dengan analisis faktor dan hasilnya rata2 di atas 0.890.
    Permasalahan muncul ketika saya melakukan uji regresi berganda dimana hasilnya terjadi multikolinearitas. Ada 7 variabel bebas, hanya 1 yg tdk multikolinear.
    Saya mencoba menggunakan Analisis faktor karena masalah tersebut tapi masalahnya pada output Component Matrix hanya terdiri satu komponen bukan dua seperti penjelasan diatas.
    Trima kasih banyak pak.
    Pertanyaan saya:
    1. Bagaimana saya mengatasi masalah tersebut ?
    2. Apakah saya harus tetap melakukan uji normalitas dan hipotesis jika seandainya menggunakan PCA telah berhasil ?

    BalasHapus
    Balasan
    1. Selamat siang.
      Mungkin alangkah lebih baiknya apabila juga dimuat besar dari sampel yang digunakan di dalam penelitian. Masalah dengan analisis faktor ini (mirip dengan regresi) agak sensitif dengan proporsi jumlah variabel bebas dan jumlah sampel. Semakin besar jumlah variabel bebas, semakin uji statistik membutuhkan sampel yang lebih besar agar efektif dalam melakukan perhitungan.
      Cara mengatasi hal tersebut ada beberapa pilihan. Pertama, lakukan uji validitas dan reliabilitas item dengan metode berbeda kemudian dilihat hasilnya. Kedua, kurangi jumlah VB (dibarengi perubahan pada desain penelitian) lalu dilaukan pengujian ulang. Ketiga, jumlah VB tetap tetapi jumlah sampel ditambah kemudian dilakukan pengujian ulang. Pilihan-pilihan ini tentu saja harus dipertimbangkan secara matang dan didiskusikan dengan dosen pembimbing.
      Lalu, mengenai uji normalitas sepemahaman saya tidak perlu kembali dilakukan apabila sebelum dilakukan PCA ia telah diberlakukan. Namun, apabila belum, maka uji normalitas tetap harus dilakukan mengingat faktor-faktor yang terbentuk nantinya akan diregresikan.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  9. pak seta saya mau tanya kira" analisis faktor diatas apakah dapat dilakukan apabila variabel penelitian yang digunakan adalah variabel tunggal?
    dan bagaimana cara menghitung hipotesis penelitiannya jika menggunakan metode analisis faktor?

    BalasHapus
    Balasan
    1. Mungkin alangkah lebih baik apabila diterakan berapa jumlah indikator di dalam variabel tunggal tersebut. Apabila indikatornya cukup besar misalnya di atas 5, maka analisis faktor dapat saja dilakukan untuk meringkas indikator yang cukup besar menjadi 2 atau 3. Namun, apabila memang hanya ditujukan pada satu variabel saja, faktor analisis kiranya tidak perlu dilakukan.
      Mengenai bagaimana menghitung hipotesis penelitian. Analisis faktor sekurangnya ada 2 macam, yaitu Confirmatory Factor Analysis (CFA) dan Exploratory Factor Analysis (EFA). CFA dimaksudkan untuk mengonfirmasi pengetahuan yang sudah ada sebelumnya mengenai sejumlah faktor, sementara EFA diasumsikan peneliti belum memiliki kepastian atas faktor-faktor yang membentuk suatu variabel. Untuk CFA umumnya digunakan goodness of fit test, sementara untuk EFA umumnya dilanjutkan oleh para peneliti untuk melakukan regresi (CFA juga kerap setelah ditest goodness of fit-nya, lalu dilanjutkan pada regresi).
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  10. Anonim18.12.14

    mas seta, beberapa pertanyaan muncul setelah saya baca penjelasan mas.,
    misalkan dalam analisis faktor, nilai KMO sudah diatas 0,5 tapi nilai signifikansi Bartlett's test lebih besar dari 0,05..apakah analisis faktor dapat dilanjutkan? dan bagaimana teknik untuk meningkatkan nilai Bartlett's test? terimakasih mas tanggapannya.

    BalasHapus
    Balasan
    1. Masalah nilai sig. hitung ini umum terjadi dalam analisis faktor. Sepemahaman saya, nilai sig. dimaksudkan untuk memberi pernyataan bahwa faktor-faktor yang terbentuk adalah signifikan (meyakinkan) karena (misalnya) < 0,05. Namun, faktor-faktor sesungguhnya dapat dinyatakan terbentuk kendati tidak signifikan (karena sig. hitung > 0,05). Hal yang umum terjadi mengapa nilai sig. hitung > 0,05 karena terlampau besarnya jumlah faktor yang hendak dianalisis diperbandingkan dengan jumlah sampel yang digunakan. Nilai sig. hitung otomatis akan bergerak ke arah < 0,05 apabila jumlah sampel ditambah. Atau sebaliknya, jumlah faktor yang dikurangi dan sementara jumlah sampel tetap.
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
  11. salam mas seta.
    sangat bagus penjelasaan yang di huraikan oleh mas seta tentang analisis faktor.
    saya ingin taya analisis apa yang sesuai dengan judul penelitian ini:
    "Framework Self Concept, resilience and career decision making Self Efficacy for graduating students University"

    BalasHapus
    Balasan
    1. Salam Pak Subhan.
      Mungkin ini bukan jawaban melainkan hanya penanggapan dari saya atas judul tersebut. Apabila diletakkan dalam konteks analisis faktor, maka penelitian kiranya akan membuat rangcangan seputar kerangka. Kerangka tersebut menggambarkan bagaimana self concept, self efficacy, resilience and carreer, serta decision making pada diri mahasiswa. Dapat saja dilakukan exploratory factor analysis, yaitu dengan mana penelitian membangun kerangka-kerangka baru atas empat variabel yang ada di dalam diri mahasiswa. Menariknya, mungkin akan ditemukan hal-hal baru seputar keempat hal tersebut yang kemudian dijadikan indikator-indikator baginya.
      Demikian tanggapan dari saya. Terima kasih atas apresiasinya, Pak. Semoga bermanfaat.

      Hapus
  12. Anonim4.1.15

    Salam kenal, Pak Seta, saya Wita. Mau tanya, Pak. Saya punya masalah pada hasil dalam "rotated component matrix", yaitu: ada 1 faktor yang tidak termasuk dalam "component" manapun, dalam kasus saya, tidak termasuk dalam component1, component2, maupun component3. Mengapa bisa terjadi hal tsb ya Pak? Padahal hasil2 lainnya bagus, yaitu signifikan, dapat mewakili construct, dll.
    Sebagai catatan, dari 13 faktor/item statements yang dinyatakan cocok utk mewakili construct tsb, 3 diantaranya adalah "reverse questions/statements". Apakah karena hal ini masalah saya tadi muncul? Apakah saya harus me-reverse skornya terlebih dahulu saat saya pertama kali input data ke ms.excel/awal spss? Atau ada indikasi lain, Pak?

    Maaf jika ada kata2/istilah2 yang tidak sesuai, Pak. Saya pemula dalam spss.

    Terima kasih..

    BalasHapus
    Balasan
    1. Salam kenal juga untuk Anda. Mungkin faktor yang akan terbentuk adalah 3 faktor. Namun, ada satu yang membuat 'sedikit bimbang.' Jikalau demikian, dapatlah kiranya dilakukan kembali faktor analysis dan dispesifikkan jumlah faktor yang meyakinkan. Caranya, lakukan kembali faktor analysis, lalu klik Extraction, method Principal component, Analyze Correlation matrix, Display Scree plot, Extract Number of factors ketikkan 3, Maximul Iterations of Convergence 25. Klik Continue. Silakan lihat apakah yang kemudian diperoleh.
      Apabila masih hasilnya seperti di saat-saat awal, ada kemungkina reverse questions tersebut berpengaruh dan idealnya, memang reverse questions dikonversi terlebih dahulu.
      Demikian tanggapan dari saya. Semoga bermanfaat.

      Hapus
  13. nonna26.1.15

    Salam pak seta
    Skripsi saya faktor2 yg mempengaruhi skeptisisme profesional auditor. Dosen saya menghimbau untuk menggunakan analisis faktor lalu diregresikan. Variabel X sy ada 6. Saya kurang begitu paham dan buta akan analisis faktor. Uji apa yang saya gunakan nanti pak? Apakah uji validitas, uji reabilitas& uji asumsi klasik masih saya gunakan? Mohon bantuannya pak. Nuhun

    BalasHapus
    Balasan
    1. Salam. Untuk yang pertama, lakukan saja uji validitas dan reliabilitas instrumen. Lakukan secara biasa dan koreksi apabila ada butir-butir yang tidak valid. Kemudian, lakukan Analisis Faktor terhadap seluruh item kuesioner Anda yang telah lolos uji validitas dan relibilitas. Analisis faktor ini sebenarnya lebih tertuju pada pengklasifikasian kembali aneka item pernyataan di dalam kuesioner ke dalam faktor-faktor baru. Hasilnya, akan diperoleh sejumlah 'variabel' baru untuk kemudian diregresikan. Untuk itu, dapatlah kiranya didiskusikan dengan dosen pembimbing Anda mengenai maksud dan tujuan dari analisis faktor ini. Hal yang cukup tampak di permukaan adalah apabila dilakukan analisis faktor, maka jumlah variabel yang tadinya 6 kemungkinan akan berkurang misalnya menjadi 2, 3, 4 atau 5. Apabila jadi dilakukan uji regresi, maka yang diregresikan adalah faktor-faktor yang baru terbentuk nantinya. Dan, tentu saja, sebelum dilakukan uji regresi, rangkaian uji asumsi klasiknya perlu diadakan terlebih dahulu.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  14. Anonim27.1.15

    Maaf pak, saya mau tanya mengenai analisis faktor. Kan saya sedang meneliti mengenai reaksi pasar. Jadi saya mengelompokkan perusahaan2 yang di teliti kedalam kelompok yg bertumbuh dan tdk bertumbuh dgn menggunakan proksi ios. Dr proksi ios tersebut di analisis lah dgn analisis faktor sehingga terbentuklah dua faktor baru yaitu fac_1 dan fac_2 . Nah menurut untuk mengelompokkan perusahaan kedlm 2 kelompok maka fac_1 dan fac_2 tadi di jumlah menjadi fac_sum dan kemudian di rengking dr terbesar ke yg terkecil sehingga terbentuklah perusahaan bertumbuh dan tdk bertumbuh. Tapi saya tdk mengerti apakah fac_sum ini merupakan hasil penjumlahan saja atau ada cara dlm analisi faktor pada spss. Mohon jawabannya pak terima kasih

    BalasHapus
    Balasan
    1. Sepemahaman saya, setelah dilakukan analisis faktor maka terbentuk 'variabel baru' yang memiliki kriteria berbeda yang signifikan. Itulah makanya yang satu dinamakan fac_1 dan lainnya fac_2, bukan fac_sum. Fac_sum tersebut justru merupakan 'variabel baru' lagi yang dihasilkan dari penjumlahan fac_1 dan fac_2, yang keberadaan terpisah dari keduanya. Analisis yang serupa ini pernah ditulis oleh Yetti Iswahyudi dan L. Suryanto (FE Undip Semarang) dengan judul Analisis Perbedaan Perusahaan Tumbuh dan Tidak Tumbuh ..... tahun 2008.
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
  15. pak, ini ada link data nya ga? saya mau nyoba

    BalasHapus
    Balasan
    1. Maaf. Link data penelitiannya kebetulah tidak ada.

      Hapus
  16. asni hasaini30.5.15

    Ass.. pa.. untuk interpretasi
    misalnya : data post test experimen grup mean score 36.2±8.21
    dan data post test kontrol grup mean kontrol 43.4±7.69
    terima kasih pa

    BalasHapus
    Balasan
    1. Wa'alaikum salaam. Mungkin boleh dielaborasi lebih lanjut?

      Hapus
  17. Anonim11.6.15

    Ass.. pa
    skripsi saya menggunakan CFA untuk uji validitas, terdiri dari 4 variabel bebas dan 1 variabel terikat masing-masing varibael terdiri pernyataan-pernyataan(konstruk) , yg ingin saya tanyakan apakah variabel dependen juga diuji menggunakan CFA ? lalu setelah diuji apakah cukup berhenti sampai pada tabel MSA ?

    BalasHapus
    Balasan
    1. Wa'alaikum salaam. Hal yang hendak dituju adalah uji validitas yang terdiri atas 4 VB dan 1 VT. Untuk itu, maka VT juga diperlakukan secara sama di dalam uji validitas yang dikehendaki tersebut hingga tabel MSA.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  18. saya mau tanya pada baris Anti-Image Correlation, di mana nilai MSA ditandai dengan huruf a, apabila nilai MSA tidak semua pada variabel > 0,5 yang artinya tidak dapat di analisis lebih lanjut itu bagaimana ? Apakah hanya beberapa variabel saja atau gemana pak ? padahal saya ingin benar" mereduksi.

    BalasHapus
    Balasan
    1. Hal yang dimaksud di sini adalah apabila ada nilai-nilai MSA yang di bawah 0,5 maka varibel tersebut dipertimbangkan untuk direduksi atau tidak dipergunakan secara lebih lanjut. Variabel yang direduksi tersebut adalah yang tidak lolos ketentuan > 0,5. Nah, justru dengan nilai MSA ini menjadi dasar seleksi yang nilainya terukur.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  19. untuk tau valid atau ngga nya , KMO sama anti image itu hrs di atas 0,5 ya?

    BalasHapus
    Balasan
    1. Kira-kira demikian menurut ketentuan teoretis di bagian atas artikel. Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  20. Salam pak, saat ini saya sedang menggunakan analisis CFA untuk keperluan tesis saya. hasil yang saya dapatkan menunjukan: RMSEA sebesar 0.07, hanya saja CLI nya 0.8 pak itu gmn ya pak. saya menggunakan program MPLUS. mohon pencerahannya ya pak. makasih. pak.

    BalasHapus
    Balasan
    1. Mungkin dapat dielaborasi nilai 0,07 dan 0,8 tersebut adalah nilai apa?

      Hapus
  21. maaf mau bertanya ini pakai spss versi berapa ya? saya bingung kenapa pada spss 21 tidak ada hasil KMO dan anti image ?

    BalasHapus
    Balasan
    1. IYA SAMA, SAYA JUGA MENGALAMI HAL DEMIKIAN,MOHON PENCERAHAN PAK

      Hapus
    2. Mungkin ada pengguna SPSS versi 21 lainnya. Untuk versi 16 hasil tersebut ada.

      Hapus
  22. assalammualaikum, pak. sya mau tanya sedikit...
    bgai mana jika dalam analisis faktor yang hanya terbentuk satu faktor, tetapi pada tabel cummunalities dan tabel commponent matrix terdapat 2 variabel yang nilainya sama.
    terimakasih
    ditunggu responnya

    BalasHapus
    Balasan
    1. sama..bagaimana ya?

      Hapus
    2. Wa'alaikum salaam. Mungkin dapat ditentukan di bagian setting analisis faktor. Yaitu diklik tombol Extraction dan ditentukan jumlah faktornya 2 lalu kemudian lihat hasilnya apakah kedua variabel tersebut nilainya masih sama ataukah tidak.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  23. Selamat sore pak.
    Kalau uji rotasi matrix itu untuk apa ya pak?
    apakah dipakai untuk keterkaitan satu masalah dengan masalah lain.
    Contohnya keterkaitan antara media sosial terhadap kehidupan.
    Mohon penjelasan ya pak.
    Terima kasih.

    BalasHapus
    Balasan
    1. Selamat malam. Uji ini berisikan factor loading (pembentukan faktor) yang didasarkan atas item-item kuesioner kita. Hasilnya terdiri atas Pattern Matrix (PM) dan Structure Matrix (SM). Hasil PM lebih sederhana dan lebih mudah diinterpretasi ketimbang yang SM. Jadi, rotasi ini lebih tertuju pada pembentukan variabel bukan menguji keterkaitan antar dua atau lebih variabel.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  24. Selamat sore pak.
    Kalau uji rotasi matrix itu untuk apa ya pak?
    apakah dipakai untuk keterkaitan satu masalah dengan masalah lain.
    Contohnya keterkaitan antara media sosial terhadap kehidupan.
    Mohon penjelasan ya pak.
    Terima kasih.

    BalasHapus
  25. selamat siang, pak saya mau tanya. analisis faktor kan digunakan untuk variabel ya, kalo analisis faktor digunakan untuk menguji indikator apa bisa? trims

    BalasHapus
    Balasan
    1. Selamat siang. Sepemahaman saya bisa saja. Justru bukankan item-item pernyataan di dalam kuesioner kita disusun berdasarkan indikator, dan indikator disusun berdasarkan variabel.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  26. Selamat malam pak, mau bertanya. untuk factor analysis pengelompokan itu data yang ada dibuat "mean" nya dulu atau tidak ya? soalnya saya sebelum di "mean" dapat 12 kelompok. namun setelah di "mean" malah cuma 1 kelompok saja. mohon dijawab pak. terimakasih

    BalasHapus
    Balasan
    1. Selamat malam. Sejauh yang saya pahami, analisis faktor disusun segera setelah kita memperoleh skor total dari masing-masing item pernyataan di dalam kuesioner.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  27. Assalamualaikum.. Pak...
    Saya mahasiswa yg sedang menyusun tesis... Saya memiliki kebingungan pada penentuan hasil penelitian (hipotesis)... Begini pak penelitian saya memiliki sampel 4 nilai kinerja guru dan 4 nilai prestasi siswa.. lalu setelah sy uji spss dgn uji kendall tau.. Hasilx H0 yg diterima.. Tp nilai corelasix 0,676... Bgmn cara menginterpretasikan pak kenapa tidak ada hubungan tapi corelasinya kuat...padahal logikax kinerja guru ada hubungan dgn prestasi belajar... Mohon penjelasanx pak..

    BalasHapus
    Balasan
    1. Wa'alaikum salaam. Mungkin dapat dielaborasi apakah dasar dari penerimaan atau penolakan H0 tersebut? Sepemahaman saya H0 adalah Kendall tau = 0. Jika Kendall tau tidak sama dengan 0 maka diputuskan ada korelasi.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  28. Assalamualaikum.. Pak...
    Saya mahasiswa yg sedang menyusun tesis... Saya memiliki kebingungan pada penentuan hasil penelitian (hipotesis)... Begini pak penelitian saya memiliki sampel 4 nilai kinerja guru dan 4 nilai prestasi siswa.. lalu setelah sy uji spss dgn uji kendall tau.. Hasilx H0 yg diterima.. Tp nilai corelasix 0,676... Bgmn cara menginterpretasikan pak kenapa tidak ada hubungan tapi corelasinya kuat...padahal logikax kinerja guru ada hubungan dgn prestasi belajar... Mohon penjelasanx pak..

    BalasHapus
  29. Siang pak.. saya bertanya pada Tabeo Component Transformation Matrix. Nilai korelasi component 2 nya bernilai -0,783. Mohon bantuannya apa maksud nya ya pak?

    BalasHapus
    Balasan
    1. Selamat siang. Dalam interpretasinya, tanda positif dan negatif dikesampingkan dan dilihat besarannya saja. Dalam analisis faktor yang dicari adalah korelasi antar item atau antar faktor dan apabila terdapat tanda positif (tanpa tanda) maknanya adalah hubungan positif, sementara apabila negatif (-) maknanya adalah hubungan negatif.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  30. Malam Pak Seta, mohon maaf saya ingin menanyakan apakah hasil dari data component matrix diperlukan? Dan bagaimana jika tabel communalities tidak mempunyai kolom extraction? Hasil akhir saya sampai ke rotated component matrix mengkonfirmasi bahwa 3 komponen yang saya miliki dapat mewakili variabel independent, namun di component transformation matrix, factor ke 3 saya memiliki hasil -.926, maka faktor 1 dan 2 dapat merangkum sedangkan faktor ke 3 tidak? apa benar?

    BalasHapus
    Balasan
    1. Selamat malam.
      Tentu saja ketiga faktor itu tetap digunakan, kendatipun faktor ke-3 memiliki hasil -0,926. Ketiga faktor tetap merangkum apa yang sudah terbentuk.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  31. Selamat malam pak seta....sy ingin bertanya...sy menguji validitas dengan Confirmatory Factor Analysis dgn sampel 30 sebagai bagian dari pra riset utk uji validitas dan reliabilitas....namun utk uji validitas mnggunakan CFA ini hasilny tidak ada hasil KMO Test dan Rotated Component Matrix......lalu ada tulisan "this matrix is not positive definite".....artinya apa ya pak? Lalu bagaimana cara sy mengatasinya agar mendapatkan hasil uji validitas menggunakan CFA ini? Mohon saran dan koreksinya.....trima kasih sebelumnya....

    BalasHapus
    Balasan
    1. Selamat malam. Mohon maaf terlambat menanggapi.
      Saya kira, Anda akan memperoleh jawaban yang cukup jelas di sini:
      http://www-01.ibm.com/support/docview.wss?uid=swg21477275
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  32. selamat malam bapak seta basri, bapak mohon bantuannya dan pencerahannya. Bapak, saya sedang melakukan uji analisis komponen utama. Nilai correlation matrik pada salah satu variabel misal A pada B adalah negatif yaitu -0.6656. maksudnya apa ya bapak?
    terima kasih sebelumnya bapak.

    BalasHapus
    Balasan
    1. Selamat malam.
      Nilai correlation matrix yang minus menandakan hubungan negatif antara kedua faktor. Ini terkait dengan item-item pernyataan dalam kuesioner, mungkin ada yang positif dan negatif. Secara umum hal tersebut bukan merupakan masalah.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  33. malam pak , mau nanya kalau saya pake metode analisis factor tapi hanya sampai communalities untuk melihat seberapa besar peranan suatu variable apakah boleh pak ?

    BalasHapus
    Balasan
    1. Selamat malam.
      Untuk metode pendahuluan boleh saja. Semua tergantung kebutuhan penelitian kita. Statistik sekadar alat saja kok.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  34. Mohon pencerahannya pak, variabel yang saya himpun ada sebanyak 30, setelah dilakukan analisis hasil KMO di bawah 0.5, kira-kira penyebabnya apa ya pak

    BalasHapus
    Balasan
    1. Mungkin dapat Anda telusuri pada jumlah sampelnya. Variabel Anda cukup besar tentu ada baiknya dipadani dengan jumlah sampel yang mencukupi pula. Ini karena KMO erat berkait dengan masalah sampel.
      Setelah sampel ternyata mencukupi, coba dilihat kembali jawaban responden atas pernyataan, bagaimana polanya.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
    2. selamat malam pak, saya danica sedang mengerjakan skripsi dengan metode CFA, ingin bertanya berkaitan tentang KMO kurang dari 0,5 juga, pertanyaan kuesioner saya keseluruhan berjumlah 35, dengan jumlah responden 40 orang, dengan perhitungan skala likert. apakah penyebabnya apakah jumlah responden kurang mencukupi ? karena saya telah mencoba menambah 5 responden sehingga keseluruhan menjadi 45 responden .tetapi nilai KMO tetap kurang dari 0,5. mohon arahannya pak, terimakasih.

      Hapus
  35. selamat malam saya mau bertanya...kenapa pada validitas konstrul pada bagian analisis vaktor hanya menggunakan KMO & anti image...sedangkan Initial Solutions, Coefficients, Significance Levels, Determinant tidak di centang...mohon diberi penjelasanya? trimkasih

    BalasHapus
    Balasan
    1. Selamat malam. Initial Solutions secara default sudah otomatis terceklis (jika belum diubah sebelumnya). Coefficients kita ceklis untuk menghasilkan R-matrix. Significance levels untuk menghasilkan matrix yang mengindikasikan nilai dari tiap korelasi di dalam R-matrix. Determinant adalah penting untuk melakukan test multikolinieritas atas faktor-faktor yang kita masukkan.
      Silakan diceklis apabila kita menghendaki nilai-nilai tersebut.
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  36. Khusus Analisis Dengan Software STATA, Banxia Frontier Analysis (BFA)
    Frontier 4.1, DEAP 2.1, SPSS, AMOS, LISREL, EVIEWS, SMARTPLS, Software R
    WA : +6285227746673
    IG : @olahdatasemarang

    BalasHapus
    Balasan
    1. Silakan bagi yang berminat.
      Semoga bermanfaat.

      Hapus
  37. Anonim18.11.18

    Terima kasih banyak! sungguh sangat membantu :)

    BalasHapus
  38. Selamat pagi pak,
    Terima kasih atas tanggapan bapak atas uji rotasi matrix

    Saya tanya lagi pak,
    Dalam SPSS, bagaimana membandingkan populasi yang tidak sama besarnya.
    Contoh, saya meneliti penggunaan computer antara laki-laki dan perempuan dengan menyebarkan angket.
    Angket yang disebar di mahasiswa saya, fakultas ilmu komputer.

    Ternyata, populasi perempuannya hanya 96 responden dan laki2 sebanyak 160 responden.

    Memakai uji apakah jika ingin membandingkan dengan populasi yang tidak sama jumlahnya?
    Terima kasih.

    BalasHapus
    Balasan
    1. Selamat pagi.
      Sepemahaman saya, nantinya akan berlaku nilai rerata. Pun, jumlah perempuan cukup besar yaitu 96. Apabila anda hendak konsisten menggunakan seluruh responden laki-laki dan perempuan tersebut hemat saya bisa saja terus dilakukan.
      Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.

      Hapus
  39. Izin Pak mau tanya, saya telah melakukan pengujian analisis faktor dg spss.. Maka terbentuklah 10 faktor baru, diantara 10 faktor baru tsb terdapat 1 faktor yg memiliki 1 variabel.. Apakah 1 faktor tsb bisa dihilngkan atau digabungkan dg faktor lainnya ya Pak?? mohon pencerahnnya. terima kasih

    BalasHapus
    Balasan
    1. Sebelumnya, 10 faktor tersebut menurut saya masih cukup besar. Mungkin ada baiknya anda lakukan satu kali lagi proses analisis faktor tersebut (dari langkah awal) dan lihatlah apakah masih 10 faktor tersebut yang muncul?
      Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.

      Hapus
  40. Salam kenal pak Seta, jawaban bapak sangat membantu saya. ini dengan Ali. penelitian saya mengunakan CFA pada dasarnya saya punya 7 factor saya sudah bentukan variabel baru dari hasil Rotation. pertanyaan saya bagaimana caranya menamai variabel baru itu? dan proses selanjutnya apalagi yang saya perlu lakukan lagi? minta penjelasan..

    BalasHapus
    Balasan
    1. Salam kenal juga untuk anda.
      Menurut yang saya pahami, justru analisis faktor ini bertujuan untuk mencari kesamaan dari aneka indikator yang awalnya berjumlah besar. Setelah sejumlah faktor berada dalam kuadran serupa, tentu kita wajib memberikan penamaan baru atasnya. Bisa anda buat sendiri atau diskusikan dengan pembimbing penelitian anda.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  41. selamat pagi pak. mau bertanya pak, sebelumnya saya sudah melakukan pemfaktoran dan hasilnya sepertinya cukup bagus. tapi setelah saya melakukan uji asumsi klasik dengan hasil faktor tsb, ternyata terjadi heteroskedastisitas..
    mnurut bbrpa referensi yg sya baca, saya bisa melakukan transformasi data.. akan tetapi, hasil faktor tsb ternyta bbrpa bernilai negatif dengan nilai paling jauh dari 0 adlah -3,sekian..
    yang ingin saya tanyakan bagaimna sya bisa mentransformasikan data hasil faktor tsb? bisakah sya gunakan rumus Ln(x+4)?? atau di ubah ke absolut dulu..?? atau adakah solusi lain.?

    BalasHapus
    Balasan
    1. Selamat malam.
      Hal yang pertama perlu diketahui adalah perimbangan antara jumlah faktor dengan jumlah sampel penelitian. Jika jumlah faktor banyak sementara jumlah faktor sedikit, hal tersebut di atas umumnya bisa saja muncul.
      Analisis faktor tentu lebih pas apabila dilakukan atas data-data berskala minimal interval. Dapat anda lakukan terlebih dahulu MSI (method of successive interval) sebelum melakukan analisis faktor dan lihat apakah tetap terdapat heterokedastisitas tersebut.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  42. selamat malam pak, saya mahasiswa skripsi ingin bertanya pak, jadi saya ingin mencari validitas suatu item melalui CFA pada SPSS, itu yang saya lihat bagian mananya yah pak? supaya saya tahu ini valid atau harus gugur itemnya? terimakasih banyak

    BalasHapus
    Balasan
    1. Selamat malam.Maaf ini baru sempat jawab.
      Mungkin yang Anda maksud menggunakan Pricipal Component Analysis (PCA). Analyze > Lalu pilih Correlation Matrix. Nanti perhatikan tabel Correlation Matrix. Di sana, lihat item yang korelasi dengan lainnya 'biasa-biasa' saja, jangan yang terlalu kuat karena itu mencirikan multikolinieritas, tidak independen satu sama lain, sementara item itu harus 'mandiri'. Kalau terlalu kuat hubungan 2 item artinya ia bukan 2 tapi 1 item. Munkin yang 0,5 maksimal, tergantung kebutuhan Anda. Tapi kalau sudah 0,6 apalai 0,9, ganti saja dengan item lainnya.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  43. selamat malam pak, terimakasih bayak atas penjelasan bapak di atas.
    pak, saya sekarang sedang skripsi dan menemui beberapa masalah mengenai penelitian saya, saya meneliti tentang analisis faktor yang berpengaruh terhadap keterlambatan studi tepat waktu mahasiswa menggunakan metode PCA, di pengolahan data ada yang saya bingung pak..
    1. Di kuesioner yang di sebarkan ada 33 pertanyaan yang mewakili 9 faktor (masing masing faktor dibreakdown menjadi 3-5 prtanyaan), apakah di pengolahan data yang di input ke spss adalah angka dari hasil kuesioner 33 per tanyaan itu langsung, atau kita kelompokan lagi menjadi 9 faktor, lalu di input??
    2. Pada penelitian saya semua asumsi terpenuhi pak, tapi hanya uji normalitas saja yang tidak terprnuhi, dan di samping itu saya pernah baca jika asumsi uji normalitas tidak mutlak di PCA, apakah benar pak?
    3. pak tolong berikan beberapa saran buku untuk analisis faktor yang bisa menjadi acuan saya dalam penelitian??

    Terimakasih banyak pak :))

    BalasHapus
    Balasan
    1. Selamat malam. Maaf sekali saya baru punya kesempatan menanggapi. Anda mungkin sudah sarjana saat ini.

      1. Karena Anda melakukan analisis faktor, maka setiap item dilebur dahulu ke dalam 1 faktor tunggal. Akibatnya, Anda memiliki 9 faktor. 9 Faktor inilah yang kemudian dianalisis oleh SPSS. Namun, apabila Anda hendak melihat 33 item tersebut saling multikolineritas atau tidak satu sama lain, masukkan dulu secara mandiri ke-33 item tersebut lalu lihat hasil tabel Correlation Matrix. Jika ada 2 item punya korelasi 'ajaib' yaitu 0,6 atau lebih, sementara ia Anda posisikan sebagai indikator faktor berbeda, salah satunya harus dibuang karena nanti mempengaruhi analisis lanjutan.

      2. Memang demikian, saya selalu curiga dengan jumlah sampel sehubungan dengan uji normalitas ini. Yang perlu kita ingat, dalam analisis faktor tujuan kita hendak mereduksi faktor, dari banyak menjadi sedikit. Saya kira, Anda jalan terus saja.
      3. Kalau saya pribadi menyarankan Andy Field, Discovering Statistics with SPSS. Mungkin di Brittish Council Library ada itu.

      Sama-sama. Semoga bermanfaat.

      Hapus
  44. Selamat malam pak mo tanya jumlah angket 23 dan sdh valid dan reabiliti tpi pas uji analisis faktor KMO nya tidak munvul kira2 penyebabnya apa ?
    Trimakasi

    BalasHapus
    Balasan
    1. Selamat malam.
      Maksudnya, tabel KMO and Bartlet's Test nya tidak muncul secara keseluruhan ataukan sekedar Bartlett's Test of Sphericity tidak ada?
      Ada sudah ceklis KMO and Bartlett's test of sphericity saat awal klik Factor Analysis?
      Sama-sama. Semoga bermanfaat.

      Hapus
  45. Selamat pagi pak seta, sya sedang melakukan penelitian baru pada tahap pre test utk 50 responden.. dan utk hasilnya di rotated component matrix ada beberapa item yg tidak mengelompok..yg ingin saya tanyakan.. apa keputusan selanjutnya yg akan saya lakukan ya pak mengenai penelitian inj diliat dr hasil rotated component matrix yg spt itu?terimakasih

    BalasHapus
    Balasan
    1. Selamat malam. Maaf baru sempat saya tanggapi.
      Menurut saya, justru di sanalah esensi dari analisis faktor: mencari agregat atas unsur-unsur yang setara, dan mengeliminasi yang tidak. Saran saya, 'outlier' itu di tinggalkan saja dan Bapak fokus kepada yang beragregat.
      Sama-sama. Semoga bermanfaat.

      Hapus
  46. Yang terhormat bapak seta basri, mohon ijin bertanya. Sy sedang melakukan analisis faktor dg EFA spss, sy kesulitan dalam mengeluarkan item yg tidak valid. Setiap sy mengeluarkan item d4 dan h4 pasti rotated component matrixnya tidak muncul. Padahal untuk item yang lain tidak ada masalah jika tidak diikutkan dalam perhitungan lanjutan. Mohon pencerahan, apa yg harus sy lakukan. Terimakasih sebelumnya,

    BalasHapus
    Balasan
    1. Maaf saya sangat telat menanggapi. Ibu coba aktifkan Varimax dalam milihan Factor Analysis: Rotation. Mengapa ini bisa dipilih? Mungkin menurut Ibu H4 dan D4 itu penting dan independen satu sama lain, perelasiannya harus Orthogonal (itu manfaat Varimax).
      Sama-sama Bu. Semoga bermanfaat.

      Hapus
  47. Selamat malam pak, saya mahasiswa tingkat akhir.saya masih belum ngerti sama pengambilan nilai keputusan signifikansi 0.5 itu dari mana?

    BalasHapus
  48. Selamat siang pak, ijin betanya apabila nilai communalitiesnya kurang dari 0,5 tapi lebih dari 0,4 bagaimana ya pak? soalnya saya menemukan beberapa sumber yg meneybutkan bila tidak kurang dari atau sama denga 0,4 tidak apa2 dan ada juga yang menyebutkan harus dielimasi pak. tapi masalahnya adalah ketika saya mnecoba untuk dieliminasi/dikeluarkan dari hitungan, malah nilai MSA nya terpengaruh. mohon bantuannya pak dan apabila memang ada landasan nilai communalities boleh minimal 0,4, mohon info sumbernya. Terimakasih banyak

    BalasHapus
  49. Izin mau bertanya pak, sebelum melakukan analisis faktor, data yang digunakan sebelumnya harus di uji normalitasnya, ketika data yang akan digunakan tidak normal, maka bagaimana cara mengatasi data tidak normal dalam analisis faktor? (Cara normalisasi data pada data analisis faktor)

    BalasHapus
    Balasan
    1. Saran saya untuk masalah ini: Bisa tidak sampelnya ditambah? Terkadang dengan penambahan jumlah sampel, kecenderungan normalitas tersebut teratasi. Juga skala data Anda, apakah minimal interval atau kurang dari itu. Apabila kurang dari itu bisa digunakan MSI (Method of Sucessive Interval) terlebih dahulu, baru adakan kembali uji normalitas.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  50. Anonim27.10.19

    Selamat malam, Pak.
    Saat ini saya sedang mengerjakan skripsi dengan menggunakan teknik analisis faktor eksploratori.
    Rumusan masalah saya berbunyi "faktor apa sajakah yang memengaruhi hasil belajar siswa ...?"
    Apakah bentuknya benar seperti itu, Pak?
    Kemudian, buku yang saya baca menyebutkan bahwa ketika memilih teknik EFA, peneliti belum atau tidak memiliki pengetahuan atau teori sebelumnya. Lalu bagaimana saya mengisi tujuan teoritis di skripsi, pak?
    Mohon bantuannya, Pak. Terima kasih.

    BalasHapus
    Balasan
    1. Selamat malam. Sudah di bagian bawah ya ...

      Hapus
  51. Selamat malam, Pak.
    Saat ini saya sedang mengerjakan skripsi dengan judul "Analisis faktor-faktor yang memengaruhi hasil belajar"
    Apakah benar jika rumusan masalah saya berbunyi "Faktor apa sajakah yang memengaruhi hasil belajar?"
    Kemudian, buku yang saya baca menyebutkan bahwa peneliti tidak atau belum memiliki pengetahuan/ teori sebelumnya ketika menggunakan EFA.
    Lalu bagaimana pengisian manfaat teoritis di skripsinya, Pak?
    Mohon bantuannya. Terima kasih banyak, Pak.

    BalasHapus
    Balasan
    1. Selamat malam.
      Itulah sebenarnya menariknya EFA, karena ia akan mengeksplorasi sejumlah hal yang diyakini memiliki hubungan dengan suatu fenomena. Anda dapat saja mengambil 10 atau 15 faktor yang diduga memiliki pengaruh terhadap hasil belajar siswa (misalnya: didikan orang tua, peran bimbel, ketersediaan IT, dan sejenisnya). Dari 15 faktor tersebut, lewat EFA, Anda kemudian memperoleh 2 atau 3 faktor 'agregat' (kelompok dari sejumlah faktor). Dan, faktor-faktor yang baru terbentuk tadi, Anda dapat namai sesuai kebutuhan Anda sendiri. Ujungnya, Anda membentuk sebuah teori baru, lalu lakukan uji regresi dengan hasil belajar.
      Selamat meneliti. Semoga bermanfaat.

      Hapus
  52. Selamat pagi pak
    Mau bertanya, salah satu variabel penelitian saya memiliki indikator sebanyak 11 butir, lalu saya coba lakukan uji validitas namun tabel KMO dan Anti imagenya tidak muncul. Bagaimana itu pak? Tolong pencerahannya

    BalasHapus
    Balasan
    1. Selamat pagi. Pada kotak dialog Factor Analysis: Descriptives, khususnya pada Correlation Matrix ceklis KMO and Bartlett’s test of sphericity dan Anti-image > Klik Continue > Klik OK.
      Namun, ada komentar sebelumnya yang mengalami masalah serupa. Mungkin versi SPSS yang digunakan ada pengaruhnya.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  53. selamat malam pak, saya danica sedang mengerjakan skripsi dengan metode CFA, ingin menanyakan apabila nilai KMO kurang dari 0,5 bagaimana ya ? kuesioner saya berjumlah 35 pertanyaan dengan jumlah responden 40 orang apakah jumlah tersebut masih kurang untuk sampelnya? mohon arahannya terimakasih

    BalasHapus
    Balasan
    1. Selamat malam. Analisis faktor adalah sebuah analisis "berat" yang perlu rasio kecukupan jumlah sampel. Jumlah 35 pertanyaan cukup besar yang perlu diimbangi jumlah sampel yang juga cukup besar. Rasionya adalah uji regresi berganda, yang 1 variabel bebas perlu standar 58 sampel. Kira-kira hal demikian dapat menaksir nilai KMO yang muncul.
      Alternatifnya, Anda tetap dengan 40 sampel, tetapi kurangi atribut penelitiannya. Misalnya dari 7 indikator menjadi 3 atau 4. Lalu Anda lihat apakah nilai KMO tersebut muncul atau tidak.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus
  54. Bismillah. Mau nanya, bagaimn kalau pada component transformations matrix ada salah componen nilainya kecil 0.5. Spa yg harus dilakukan???

    BalasHapus
    Balasan
    1. Nilai 0,5 tidak cukup kuat. Kini diperlukan tinjauan desain konstruk penelitian Anda. Pelajari kesesuaian antara hasil CTM dengan landasan teori. Diperiksa kelayakannya apakah dilanjutkan nilai 0,5 tersebut, atau melakukan desain ulang instrumen penelitian > menyebarkan kembali kuesioner > lalu kembali melakukan perhitungan. Sebenarnya, nilai 0,5 adalah nilai standar yang harus dilampaui. Namun, itu sekadar statistik dan hal terpenting adalah landasan teoretik (konstruk penelitian) yang Anda kembangkan.
      Demikian tanggapan saya. Semoga bermanfaat.

      Hapus

Anonim pun dapat berkomentar. Namun, tentu saja dengan akun pun sangat dipersilakan. Jika sudah klik Publikasikan. Juga pemirsa boleh bersoal/sharing tanggapan. Komentar pemirsa tentu tidak berisi kata atau link yang merujuk pada p*rn*grafi, jud*, *ogel, kekerasan, atau sejenisnya. Terima kasih.