16 Januari 2017

Langkah Analisis Faktor Dengan SPSS

 
 
Dalam analisis faktor ini kita menggunakan contoh kasus peningkatan pelayanan sebuah swalayan. Seorang manajer swalayan ingin mengetahui variabel-variabel apa yang dominan dipersepsikan oleh konsumen. Variabel-variabel tersebut kemudian dibuat kuesioner dan disebarkan pada pengunjung swalayan sebanyak 100 orang sebagai sampel. Variabel pertanyaan tersebut meliputi : kenyamanan, lokasi toko, kualitas produk, harga produk, tempat parkir, kebersihan, pelayanan kasir, keberagaman produk dan fasilitas, keindahan interior ruangan. Data dapat didownload SINI

Langkah Analisis Faktor
Langkah-langkah Analisis Faktor dengan SPSS :
  1. Dari menu SPSS Klik Analyze >> Dimension Reduction >> Factor
  2. Masukkan Semua variabel kuesioner ke dalam kotak variable (s)
  3. Klik Descriptive, Klik KMO Bartletts test of Sphericity dan anti Image
  4. Klik Initial Solution
Hasil Output sebagai berikut :

Tabel KMO and Bartlet's Test
Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of sampling Adequacy (MSA) adalah 0.568. Karena nilai 0.568 ('> 0.5). Hal ini menunjukkan kecukupan dari sampel. Angka KMO dan Bartlet's test (yang tanpak pada nilai chi-square) sebesar 574,473 dengan nilai signifikansi 0.000. hal ini menunjukkan bahwa adanya korelasi antar variabel dan layak untuk proses lebih lanjut.
Selanjutnya untuk mengetahui variabel mana yang dapat diproses lebih lanjut dan mana yang dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah ini.

Tabel Anti -image Matrices
Pada tabel Anti-image Matrice di atas, khusus pada bagian (anti Image Correlation) terlihat angka yang bertanda (a) yang menandakan besaran MSA sebuah variabel. Variabel kenyamanan 0.736, lokasi toko 0.659, Kualitas produk 0.569), harga produk 0.569, tempat parkir 0.520, kebersihan 0.652, pelayanan kasir 0.564, keberagaman produk 0.581, fasilitas 0.811 dan keindahan interior 0.517. Nilai MSA masing-masing variabel besarnya > 0.5 maka semua variabel dapat diproses lebih lanjut.

NB. Jika ada variabel yang nilai MSA < 0.5 maka dilakukan proses ulang dari awal dengan mengeluarkan variabel tersebut yang nilai MSA < 0.5.
Langkah analisis selanjutnya : 
  1. Dari menu SPSS, buka kembali analisis factor
  2. Tekan tombol reset
  3. Masukan semua variabel ke dalam kolom variables(s) karena semua variabel lolos uji pertama.
  4. Klik tombol Descriptive, Klik Initial solution, KMO and Bartlett's test of Sphericity, anti Image dan Klik Continue.
  5. Klik Extraction, Klik screee plot, Klik continue
  6. Klik Scores, Kkik save as variable Pilih regression.
  7. Klik Continue dan klik OK.

Tabel. Communalities
Tabel Communalities, variabel kenyamanan besarnya 0,551. Hal ini berarti sekitar 55,1% varians dari variabel kenyamanan dapat dijelaskan oleh faktor yang terbentuk. Variabel lokasi toko 0,483 hal ini berarti 48,3% varian dari variabel lokasi toko dapat dijelaskan oleh faktor yang terbentuk. Demikian juga untuk variabel yang lain. Semakin kecil nilai communalities berarti semakin lemah hubungannya dengan faktor yang terbentuk.
Tabel. Total Variance Explained
 Pada tabel Total Variance Explained di atas menunjukkan ada 4 faktor yang terbentuk dari 10 variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value sebesar 2,938 dengan variance (29,382%), Faktor 2 eigenvalue sebesar 2,024 dengan variance (20,237%), Faktor 3 eigenvalue sebesar 1,193 dengan (11,933%) dan Faktor 4 eigenvalue sebesar 1,142 dengan variance (11,422%).
Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam menghitung varians dari 10 variabel yang di analisis. Bila semua variabel dijumlahkan bernilai 10 (sama dengan banyaknya variabel).
2,938/10 x 100% = 29,38%
2,024/10 x 100% = 20,24%
1,193/10 x 100% = 11,93%
1,142/10 x 100% = 11,42%
Total varians apabila dari 10 variabel diekstrak menjadi 4 faktor adalah :
29,382 % + 20,237% + 11,933 % + 11,422% = 72,974%
Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 72,974% sedangkan sisanya 27,026% dijelaskan oleh faktor lain yang tidak diteliti.

Grafik Scree Plot
Gambar Screeplot menerangkan hubungan antara banyaknya faktor yang terbentuk dengan nilai eigenvalue dalam bentuk grafik.

Tabel. Rotated Component Matrix
Rotated Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor merupakan besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut. Untuk variabel kenyamanan, korelasi antara variabel kenyamanan dengan faktor 1 (0,173), faktor 2 (0,156), faktor 3 (-0,134), faktor 4 (0,692). Hal ini dapat dikatakan bahwa variabel kenyamanan masuk ke dalam Faktor 4, karena korelasinya paling tinggi diantara faktor yang lain. Demikian juga faktor loading untuk variabel yang lain.
Variabel lokasi toko nilai loading faktor dengan faktor 1 (0,265), faktor 2 (0,266), faktor 3 (0,170), faktor 4 (0,560). Maka variabel lokasi toko masuk ke Faktor 4.
Variabel kualitas produk nilai loading faktor dengan faktor 1 (0,161), faktor 2 (0,942), faktor 3 (-0,940), faktor 4 (0,40). Maka variabel kualitas produk masuk Faktor 2.
Variabel harga produk nilai loading faktor dengan faktor 1 (0,952), faktor 2 (0,163), faktor 3 (0,021), faktor 4 (0,081). Maka variabel harga produk masuk Faktor 1.
Variabel tempat parkir nilai loading faktor dengan faktor 1 (-0,088), faktor 2 (-0,110), faktor 3 (0,936), faktor 4 (0,081). Maka variabel tempat parkir masuk ke Faktor 3.
Variabel kebersihan nilai loading faktor dengan faktor 1 (0,233), faktor 2 (0,055), faktor 3 (0,413), faktor 4 (-0,110). Maka variabel kebersihan masuk Faktor 3.
Variabel pelayanan kasir nilai loading faktor dengan faktor 1 (0,166), faktor 2 (0,953), faktor 3 (-0,41), faktor 4 (-0,078). Maka variabel pelayanan kasir masuk ke Faktor 2.
Variabel keberagaman produk nlai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176), faktor 3 (0,035), faktor 4 (0,036). Maka variabel keberagaman produk masuk Faktor 1.
Variabel fasilitas faktor nlai loading dengan faktor 1 (0,210), faktor 2 (0,206), dengan faktor 3 (-0,023) dan faktor 4 (0,643). Maka variabel fasilitas masuk ke Faktor 1.
Variabel keindahan interior nilai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176), faktor 3 (0,035), faktor 4 (0,078). Maka variabel keindahan interior masuk Faktor 1.

Tabel. Component Transformation Matrix
Tabel Component Transformation matrix, menunjukan hasil rotasi varimax. Variabel-variabel sudah terditribusikan ke masing-masing faktor yaitu 4 faktor yang terbentuk.
Setelah dilakukan rotasi dan terbentuk 4 faktor, selanjutnya memberi nama faktor tersebut. Penamaan faktor ini tergantung peneliti dan dapat mewakili variabel-variabelnya.
  1. Faktor 1 terdiri dari variabel harga produk, keberagaman produk dan fasilitas. Diberinama Faktor Produk dan Fasilitas.
  2. Faktor 2 terdiri dari variabel kualitas produk dan pelayanan kasir. Diberinama Faktor Kualitas dan Pelayanan.
  3. Faktor 3 terdiri dari variabel kebersihan dan keindahan interior. Diberinama Faktor Kebersihan.
  4. Faktor 4 terdiri dari variabel kenyamanan dan variabel lokasi toko. Diberinama Faktor Akses.

Baca juga :

Catatan.
Analisis faktor dapat juga digunakan sebagai salah satu analisis untuk menanggulangi masalah multikolinieritas dalam regresi berganda, yaitu dengan mereduksi variabel-variabel independen yang mengalami problem multikolineritas.
 
Referensi :

Field, A. (2009). Discovering Statistics Using SPSS 3rd. London : Sage Publications.

Gudono.(2012).Analisis Data Multivariat.Yogyakarta: BPFE.

Tabanick,B.G and Fidel,L.S.(2007).Using Multivariate Statistics 5th.New York: Pearson Education

Yamin, S dan Kurniawan, H.(2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek.

115 komentar:

Unknown mengatakan...

postingannya sangat membantu dalam pembuatan tugas saya, terima kasih thor :)

Unknown mengatakan...

Ini yang saya cari Terimakasih sudah berkenan untuk berbagi. Sukses selalu

krismayanti mengatakan...

mau tanya, kenapa hasil data saya ngak kebaca KMO-nya ya. padahal saya sudh ikutin semua tutorialnya

Suseno Bimo mengatakan...

Krisma yanti : nilai KMO menunjukkan kecukupan data sampel dan adanya hubungan antar faktor. Jika ditambah jumlah sampel nilai KMO tidak ada, artinya uji analisis faktor tidak tepat/cocok.

Unknown mengatakan...

Pak, bagaimana cara memberi nama variabel atau faktor baru? Adakah teori yang bisa dipakai rujukan? Mohon kasih tahu buku apa yang bisa saya rujuk untuk pemerian nama faktor atau variabel baru tersebut. Terima kasih

Suseno Bimo mengatakan...

Azka Barizati : untuk pemberian nama variabel atau faktor baru, tidak ada buku referensi/rujukannya. Nama faktor baru,tergantung dari peneliti dan sesuai kemiripan/kesamaan dari variabel-variabel tersebut.

@trisnosubekti mengatakan...

Assalamu'alaikum wr wb.,
Selamat pagi

Apakah dalam analisis faktor, ada batas minimal jumlah responden ?

terima kasih

Suseno Bimo mengatakan...

Wa'alaikumsalam :untuk analisis faktor batasan minimal kecukupan sampel atau responden = 50

Anonim mengatakan...

Assalamualaikum, jika dilakukannuji validitas terhadap indikator dari dimensi pada kuesioner, hasil anti image menunjukkan 1 indikator perlu direduksi, namun hasil component matrix hingga rotated component matrix selalu terbagi menjadi 3, itu diapakan ya Mas?terimakasih sebelumnya

Suseno Bimo mengatakan...

Waalaikumsalam : jika hasil rotated component matrix terbagi menjadi 3, maka dapat diberi nama faktor baru ada 3. dimana variabel-variabel/indikator yang menjadi anggota faktor tersebut adalah yang memiliki nilai positif tertinggi dan 1 variabel hanya masuk dalam 1 faktor tersebut.

Anonim mengatakan...

Assalamualaikum mas mau nanya kalo misalkan component matrix nya cuma 1 component dan rotated nya jadi engga keluar itu gimana mas? Terimakasih

Unknown mengatakan...

Assalamu'alaikum wr wbr.
Pak, saat ini saya sedang menjalankan penelitoan ttg analisis faktor pak jadi utk variabelnya belum diketahui tapi sudah punya faktor2 yg mempengaruhi pak. Tapi saya tdk mengerti bagaimana cara mengolahnya melalui spss analisis faktor soalnya utk data kuesioner saya belum ada pak, terimakasih.

Unknown mengatakan...

Assalamu'alaikum wr wbr.
Pak, bagaimana cara mengolah faktor2 yg belum diketahui variabelnya pak sebab saya belum melakukan pengisian kuesioner pak utk bab3. Karena saya masih mencari faktor yg paling dominan diantara 10 faktor yg saya punya pak, terimakasih.

Unknown mengatakan...

Assalamuallaikum, apakah ada teori mengenai jumlah minimal atau maksimal faktor yang sebaiknya digunakan dalam penelitian dengan metode analisis faktor pak? terimakasih sebelumnya.

Unknown mengatakan...

Assalamu'alaikum pak, tutorialnya boleh dibuat dalam bentuk video aja gk pak? Biar lebih mudah memahami cara mengerjakannya pak. Terima kasih sebelumnya pak. Wassalam

Suseno Bimo mengatakan...

Oktaviana nur : walaikumsalam : tidak ada batasan jumlah faktor yang digunakan

Suseno Bimo mengatakan...

anonim : Walaikumsalam..langkah-langkas seperti tutorial di atas. Data rekap kuesioner disiapkan sebelum dianalisis pakai SPSS

Unknown mengatakan...

Assalamualaikum pak, mau nanya kalo terjadi semua nilai matrix yg besar terisi pada satu komponen bagaimana?sedangkan saya masi ada komponen 2,3, dan 4

Suseno Bimo mengatakan...

Unknown : Waalaikumsalam : Kalau semua nilai yang besar dan positif dalam 1 component artinya semua variabel membentuk 1 faktor yang terbentuk.

tita ayu anggraeni mengatakan...

assallamu'allaikum pak, pak saya mau tanyak, saya khant baru mau menganalisis faktor, sedangkan sy kurang faham tentang analisis faktor. apakah analisis faktor harus dicari hingga tidak ada faktor lain itu gmana caranya pak. apakah setiap menganalisa pasti ada faktor baru yang muncul. contohnya "Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 72,974% sedangkan sisanya 27,026% dijelaskan oleh faktor lain yang tidak diteliti" itu apakah harus ada penelitian ulang pak?

Suseno Bimo mengatakan...

Tita ayu anggraeni : Waalaikumsalam..Kalau hasil analisis faktor dengan faktor terbentuk adalah 72.974% sudah baik/layak karena di atas 60%. Tidak perlu dilakukan penelitian ulang sampai diperoleh tidak ada sisa faktor penyebab lainnya.

Ekonomi Syariah mengatakan...

ASSALAMMUALAIKUM PAK. saya mau nanya kenapa hasil KMO and battles punya saya gak keluar hasilnya, saya pake sampelnya 30 pak. saya udah ngikuti berbagai toturial tetap gk keluar juga pak. kira kira letak kesalahnya dimana ya pak

Ekonomi Syariah mengatakan...

ASSALAMMUALAIKUM PAK. saya mau nanya kenapa hasil KMO and battles punya saya gak keluar hasilnya, saya pake sampelnya 30 pak. saya udah ngikuti berbagai toturial tetap gk keluar juga pak. kira kira letak kesalahnya dimana ya pak

Ken dedes mengatakan...

Maksudnya "jika ditamvah jumlah sampel nilai kmo tidak ada, artinya analisis faktor tidak cocok" itu gmna ya mas. Soalnya kmo saya juga ga muncul

Suseno Bimo mengatakan...

Adek irma : Nilai KMO untuk menguji kelayakan model analisis faktor, hal ini dapat disebabkan 2 hal :
1. Karena sampel yang sedikit 30 sampel, jadi perlu ditambah sampelnya menjadi lebih dari 40 sampel.
2. Karena tidak adanya korelasi antara indikator/variabelnya. cek nilai antiimage correlation, apa ada korelasi yang kuat antar variabelnya.

Unknown mengatakan...

Izin bertanya pak. Adakah oenjelasan lebih lanjut mengenai tabel component transformation matrix?
Apakah ada ketentuan seperti nilai korelasi harus di tas o.5? Terimakash ak

Tanto Alfiathur mengatakan...

Assalamu alaikum wrwb bapak.
saya sedang menyusun proposal berjudul "ANALSISI FAKTOR BERPENGARUH TERHADAP KEBERHASILAN PENGELOLAAN LIMBAH B3 DI RUMAH SAKIT"

NO VARIABLE/DIMENSI SUB VARIABEL/DIMENSI
1 Ekonomi Alokasi anggaran
Biaya operasional

2 Sosial Pengetahuan stakehoder
Kedisiplinan stakehoder
Jumlah pasien
Teknik pengangkutan
Penyuluhan/sosialsiasi

3 Lingkungan Tempat Penampungan Sementara
Bak sampah
Alat angkut
Alat kebersihan
Alat Pelindung Diri

4 Kesehatan Infeksi nosocomial
Derajat kesehatan pelaku sampah
Medical checkup petugas

Kalau saya pelajari, kita akan memilih faktor2 penentu dari sekian variabel di atas. Contoh kasus pada Toko Swalayan, paling pas memang respondennya adalah pembeli atau pelanggan toko.
namun pada kasus limbah B3 RS, apakah respondennya juga pelanggan rumah sakit?
Ini kan spesifik,
pertanyaan saya, boleh enggak respondennya berbasis pakar di bidang K3?

Misal:
1. Praktisi (pengelola limbah RS), Manajer RS terkait
2. Akademisi (dosen pengajar Kesehatan lingkungan/limbah B3)
3. Kelompok peduli lingkungan hidup lingkungan hidup (misal Walhi atau NGO2 lainnya)
4. dll

dengan demikian jumlah responden pasti tidak sampai 30 orang. Saya pernah baca wawancara mendalam pakar ideal adalah 5-7 orang, kalau lebih malah menjadi bias karenanya.

Di atas ada pernyataan responden akan lebih baik di atas 30 (kasus pelanggan toko)
Mohon pencerahan dan terimakasiha tas ilmunya Bapak..

NB: Mohon buku referensinya karena kami harus tuliskan dalam daftar kepustakaan

Wassalamu alaikum wrwb

Suseno Bimo mengatakan...

Susi nugrahati : untuk component tranformation matrix tidak menggunakan batasan seperti korelasi di atas 0.5. Tetapi dengan membandingkan nilai yang tertinggi (positif)yang diperoleh pada tiap variabel pada faktor yang terbentuk, jika variabel X1 pada componen (faktor) 1 nilai 0.32 sedangkan ke componen 2(faktor 2) sebesar 0.41 maka X1 masuk kedalam componen 2 (faktor 2).

Unknown mengatakan...

Pak saya mau tanya apakah kalau nilai communalities ada yang kurang dari nilai 5 apakah kita masih bisa melanjutkan untuk mengananalisis. Mohon di jelaskan ya pak ☺️

Vany mengatakan...

Jumlah variabel saya 21,namun KMO tidak muncul,namun dg variabel 10 nilai KMO muncul,apakah ada maksimum variabel?

Suseno Bimo mengatakan...

Tidak ada batasan untuk jumlah variabelnya. Kemungkinan penyebabnya dengan jumlah variabel 21 tersebut lebih tinggi dari jumlah sampel yang digunakan.

Anonim mengatakan...

Pak, apabila KMO 0.86, component matrix nya ada 1 component, sehingga pada rotated component tidak keluar, ada tulisan only one component was extrated, the solution cannot be rotated. Itu bagaimana ya Pak? Terimakasih. Tyas

Suseno Bimo mengatakan...

Unknown : jika ada nilai comunalities kurang dari 0.5, masih bisa tetap lanjut. Karena nilai communalities untuk menunjukkan kuat dan lemahnya hubungan dengan faktor yang terbentuk.

Unknown mengatakan...

selamat pagi malam pak, saya mau bertanya nilai KMO saya sebesar 0.506 sedangkan sig nya bernilai 0.114 sedangkan model dapat dikatakan layak untuk diuji jika sig memiliki nilai 0.000, apakah bapak memiliki solusi terhadap nilai sig sebesar 0.114 ?

terima kasih

asep mengatakan...

selamat malam pak, saya mau bertanya, saya memiliki nilai KMO sebesar 0.506 dengan sig sebesar 0.114 sedangkan model dikatakan layak diuji jika memiliki nilai 0.000, apakah bapak memiliki solusi terhadap nilai sig sebesar 0.114 ?

Uland mengatakan...

dear baak..saya ,mau nanya..variabel saya ada 10, namun hasil rotated component matrix saya hanya keluar 6 factor..bagaimana caranya agar bisa keluar 10 ya pak?
mohon pencerahanya pak..
terimakasih

Suseno Bimo mengatakan...

Anonim : rotated component terbentuk jika component matrix lebih dari 1 sehingga bisa dilakukan rotasi.

Suseno Bimo mengatakan...

Unknown : Dapat disebabkan karena sampel yang sedikit. Bisa dilakukan dengan penambahan sampelnya.

Nutcrackss mengatakan...

isi blog nya sangat berguna, namun backgroundnya sangat mengganggu shg menyulitkan saya utk membaca langkah2nya

Unknown mengatakan...

kenapa tempat saya ga muncul tabel rotationnya ya?

barda mengatakan...

assalamualaikum wr.wb. pak
izin bertanya, saya kan melakukan penelitian sesuai dengan artikel terdahulu. di penelitian terdahulu tersebut terdapat indikator yang menerangkan variabel tertentu. saya mencoba menyamakan dengan menggunakan analisis faktor tetapi hasilnya malah berbeda jauh: 23 indikator terbagi ke 4 faktor tetapi indikator tersebut tidak sesuai dengan penelitian terdahulu. padahal harapan saya mirip dengan penelitian terdahulu. solusinya bagaimana ya pak?

Suseno Bimo mengatakan...

Unknown : Pada menu rotation pilih salah satu method seperti varimax, quartimax, equamax dll.

Suseno Bimo mengatakan...
Komentar ini telah dihapus oleh pengarang.
Suseno Bimo mengatakan...

barda : Wa'alaikumsalam,...memang hasil penelitian terdahulu hasil seperti apa?

Ayu mengatakan...

Assalamualaikum pak,bolehkah saya bertanya bagian pembahasan analisis faktor,untuk melihat hasil uji dominan apakah dari tabel component matrix kalau dari tabel component matrix apakah ada teori yang mendukung pak.
Sebelumnya saya ucapkan terimakasih.

Suseno Bimo mengatakan...

Ayu : Waalaikumsalam..untuk melihat hasil yang dominan pada analisis faktor dapat dilihat pada tabel component matrix. untuk teori yang mendukung dapat dilihat pada metode Principal Component Analysis (PCA.

leo mengatakan...

pak saya mau bertanya, ko KMO nya tidak muncul ya pada spss saya, ksalahan saya ada dmna ya

BIAN's mengatakan...

Assalamualaikum pak, Saya sedang melakukan uji analisis faktor, sejauh ini oke pak, hanya saja saat mengeluarkan output, tabel KMO dan Barlett test, juga ANti image tidak muncul. dan di bagian awal output, ada kalimat "Correlation matriks : this matrix is not positive definite". Saya harus bagaimana ya pak? terimakasih
(Sudah tidak memungkinkan menambah jumlah variabel dan responden

Indra Dwi Sukmawati mengatakan...

Assalammualaikum pak izi mau bertanya dalam penelitian saya ada 4 variabel dengan 5 pertanyaan 53 item. Untuk nilai msa dan kmo sudah diatas kriteria akan tetapi pada tabel component transfornation milik saya ada yang nilainya dibawah 0.5, berarti kita biarkan dan tidak perlu melakukan uji lagi ya bpk?
Mohon bantuannya bpk. Wassalammualaiku

Indra Dwi Sukmawati mengatakan...

Apakah yang berarti nilai dibawah 0,5 itu belum tepat dan tidak memiliki korelasi ya pak.
Dalak bukunya singgih susanto hanya menjelaskan nilai diatas 0.5 itu sudah tepat dan mempunyai korlasi yang tinggi antara faktor sebelum dan sesudsh rotasi
Mohon penjelasannya juga bpk

May mengatakan...

Selamat siang pak, apakah nilai pada rotated component matrix harus tidak ada yang kurang dari 0.5 sehingga dapat digunakan ? Saya liat analisis bapak hasil dari loading faktor yang telah dirotasi dengan varimax ada yang kurang dari 0.5 ? Sedangkan saya juga liat dari sumber lain tidak ada yang kurang dari 0.5
Bagaimana ya pak ? Mohon jawabannya

May mengatakan...

Selamat siang pak, apakah hasil rotated component matrix tidak kurang dari 0.5? Saya lihat di sumber lain nilai rotated component matrix nya tidak ada yang kurang dari 0.5 sedangkan hasil analisis bapak ada yg kurang dari 0.5
Bagaimana ya pak seharusnya ? Mohon jawabannya

Suseno Bimo mengatakan...

Leo : KMO tidak muncul, dapat disebabkan dari kurangnya sampel. Tambah sampel penelitiannya.

Suseno Bimo mengatakan...

Waalaikumsalam : Cek data tiap indikator. Dapat disebabkan indikator yang memiliki nilai korelasi terlalu tinggi dengan indikator lainnya. keluarkan indikator tersebut.

Suseno Bimo mengatakan...

May : Yang terpenting uji Analisis faktor yaitu nilai KMO dan Bartlett's test, Anti image matrice, nilai eigenvalue dan loading component matrix. Untuk rotated component matrix hanya uji lanjut saja, jadi tidak masalah kalau nilai loading hasil rotasi <0.5.

Anonim mengatakan...

Halo, pak. Mohon pencerahannya. Penelitian saya menggunakan regresi berganda, apakah KMO MSA bisa saya pakai untuk uji kecukupan datanya? atau memang dikhususkan alurnya untuk analisis faktor, pak? Terima kasih.

Suseno Bimo mengatakan...

Anonim : uji kecukupan data hanya untuk analisis faktor.

Anonim mengatakan...

Bismillah, assalamulaikum...
izin bertanya pak,
setelah saya melakukan analisis di SPSS didapatkan 14 faktor yg terbentuk di Rotated Component Matrix nya. 13 faktor diketahui nilai yg paling besarnya, akan tetapi di faktor ke-14 tidak ada satupun nilai terbesar (sudah diambil sama faktor yang lainnya semua). Itu kira-kira bagaiaman interpretasi dan solusinya ya pak.
Terimakasih sebelumnya pak.

Anonim mengatakan...

izin bertanya pak, jika pada rotated component factor yg terbentuk itu adalah 14, setelah dilihat nilainya faktor yg ke 14 itu tidak ada yg paling besar (sudah diambil 13 faktor lainnya), maka interpretasinya bagaimana dan solusinya bagaimana ? terimakasih sebelumny pak

Suseno Bimo mengatakan...

Anonim:untuk menentukan setiap tiap faktor masuk ke component mana? ditentukan dengan nilai loading terbesar dalam pembentukan componentnya dengan cara dari kiri ke arah samping kanan (dalam tabel).

Anonim mengatakan...

Maksud saya adalah menentukan nilai faktor pada faktor ke-14 pak..
karena semua nilai terbesar dar semua butir masuk ke 13 faktor lainnya, sedangkan di faktor 14 tidak ada.
Apa baiknya saya kirim screenshootnya saja pak?

Anonim mengatakan...

yang saya maksudkan adalah bagaimana jika faktor ke-14 itu tidak ada nilai terbesarnya?
karena semua butir dengan nilai terbesar sudah masuk ke faktor lainnya

Suseno Bimo mengatakan...

Anonim: untuk mengetahui faktor tersebut masuk ke component mana, dilihat tabel component matrix, nilai tiap faktor dipilih terbesar secara mendatar di component yang terbentuk.

Anonim mengatakan...

Asmlkm pak.. jika kita melakukan analisis faktor dapat terlihat tidak seberapa besar kontribusi setiap faktor tersebut? atau kita harus melakukan analisis statistik lainnya. trims pak

Suseno Bimo mengatakan...

Anonim :Wa'alaikumsalam..ya kita dapat mengetahui besarnya konstribusi dari setiap faktor dalam membentuk variabel latenya. Dapat dilihat pada nilai Component matrix.

Anonim mengatakan...

Assalamualaikum pak. Kalau nilai KMO dibawah 0,5 dan juga nilai MSA di semua aitem dibawah 0,5 gimana ya pak?

Suseno Bimo mengatakan...

Anonim : Wa'alaikumsalam..karena nilai KMO < 0.5 dan MSA semua <0.5 maka disimpulkan bahwa model Confirmatory Factor Analysis (CFA) tidak layak untuk dilanjutkan.

Anonim mengatakan...

Assalamualaikum pak izin bertanyak
pada Tabel Component Transformation matrix untuk mengetahui faktor tersebut terdapat pada variabel mana, bagaimana ya caranya

Suseno Bimo mengatakan...

Waalaikumsalam: untuk mengetahui faktor tersebut masuk ke variabel 1,2,3 dsb, dapat dilihat pada nilai loadingnya positif tertinggi.

Yunus mengatakan...

Assalamualaikum izin tanya pak, setelah hasil uji data saya, terdapat 11 faktor pak dan factor loading per item yang diatas 0,5 tidak urut. Yang saya tanyakan, semakin banyak faktor akan berdampak terhadap apa ya pak dan untuk hasil item yang tidak urut bagaiamana solusinya? terimakasih

Hana mengatakan...

bapak ijin bertanya, apakah perlu mengisi value pada variabel? apakah jika tidak bermasalah pada hasil KMO dll nya?
terimakasih

Suseno Bimo mengatakan...

Yunus : Waalaikumsalam: Semakin banyak faktor, cenderung akan banyak pembagian menjadi beberapa variabel laten lebih dari 1. maksudnya tidak urut?

Suseno Bimo mengatakan...

Hana : yang diisi value atau nilai pada faktornya.

Unknown mengatakan...

Selamat siang pak, mau bertanya bagaimana jika nilai MSA semua < 0.5 akan tetapi KMO berada di nilai > 0.05? dari hasil tersebut terdapat 3 faktor, untuk mengurangi nya dilakukan dengan memilih nila MSA < 0.5 akan tetapi disini semua berada di bawah 0.05. mohon solusinya pak. Terimakasih

Suseno Bimo mengatakan...

Unknown:kalau nilai MSA semua berada faktor <0.5 maka uji aanalisis faktor belum layak dipakai. Dapat dengan menambah sampel,diharapakn nilai MSA akan naik.

Unknown mengatakan...

Mau bertanya, setelah diolah data saya menghasilkan 5 component faktor. Mau bertanya, perbedaan component matrix dengan rotated component matrix apa ya pak? Untuk melihat variabel tersebut masuk di component faktor mana, Apakah saya cukup lihat d component matrix atau yang rotated comoonent matrix?

Suseno Bimo mengatakan...

Unknown: component matrix merupakan hasil dari ekstraksi metode PCA. rotated component matrix merupakan langkah lanjutanya, dimana setiap variabel dirotasi, salah satunya dengan rotasi varimax. rotasi ini dilakukan supaya variabel-variabel yang memiliki loading faktor tinggi tidak mengelompok pada 1 faktor saja. untuk mengetahui tiap variabel masuk ke component faktor mana, dapat dilihat pada rotated component matrix.

Anonim mengatakan...

Halo pak, terimakasih materinya sangat membantu...
tapi saya mau tanya pak, apabila nilai KMO = 0.005 gimana ya pak? padahal responden sudah 100 tetapi memang variabel yg dipakai hanya 2, apakah itu sudah layak untuk dilanjutkan pak? terimakasih

Suseno Bimo mengatakan...

Anonim :Karena nilai KMO < 0.5 maka tidak layak untuk dilanjutkan.

Anonim mengatakan...

Siang pak , terimakasih materinya sangat membantu . Pak jika terbentuk 2 faktor apakah nilai yang muncul di data view spss yang digunakan untuk uji selanjutnya pak? karena hasilnya banyak bernilai negatif sehingga agak sulit untuk di normalkan

Suseno Bimo mengatakan...

Anonim : Maksudnya data view di SPSS untuk uji lanjutan apa?

Nhm mengatakan...

Assalamu'alaikum bapak, mau menanyakan terkait nilai extaction apabila ada yang < 0,5 bagaimana nggeh? Dan variabel nya itu ada 7
Langkah apa yang harus di lakukan?

Suseno Bimo mengatakan...

NhM: Wa'alaikumsalam, nilai extraction < 0.5 tidak jadi masalah, bisa dilanjutkan.

AFP mengatakan...

Assalamu'alaikum pak, izin bertanya. Saya sedang melakukan penelitian untuk mengetahui faktor penyebab keterlambatan proyek ABC. Kuesioner disebar untuk mengetahui faktor yang dominan (101 variabel) dan faktor yang sering terjadi (101 variabel) dengan skala likert. Saya sudah mendapatkan data dari 18 responden dan diharuskan untuk melakukan uji kecukupan data untuk mengetahui apakah data yang saya terima ini sudah cukup atau masih kurang. Apakah uji kecukupan data yang dimaksud adalah uji KMO-MSA ini? Saya juga menemukan rumus uji kecukupan data yang bisa dilakukan dengan excel (N'<N) namun semua tutorialnya tidak ada contoh data yang menggunakan skala likert. Mohon pencerahannya pak Suseno, terima kasih.

Suseno Bimo mengatakan...

AFP: Waalaikumsalam..Ya memang untuk Analisis Faktor, nilai KMO-MSA merupakan uji kecukupan model.

KPOP WORLD mengatakan...

Pak mau tanya apakah nilai loading harus diatas 0,6 /0,5 ?kalau nilainya 0,4 bagaimana ya pak

Suseno Bimo mengatakan...

KPOP WORLD : Kalau untuk nilai loading tidak harus > 0.5 dan tidak jadi masalah jika nilai 0.4.

indri mengatakan...

Pak maaf mau bertanya, apabila hasil output rotated component matrix tidak muncul bagaimana ya? terdapat tulisan rotation failed in 25 iterations.
Padahal uji sebelumnya spt KMO sdh layak, dan pada tabel component matrix nya terdapat 6 faktor yang terbentuk.

indri mengatakan...

Pak maaf jika tabel rotated compnent matrix tidak muncul harus bagaimana ya

Ni'mah Mufidah mengatakan...

Pak, bagaimana jika hasil rotated komponen nilainya di atas 0.5, tapi masuknya ke kolom faktor lainnya. apakah itemnya ttp dimasukkan atau di hapus saja?

Anonim mengatakan...

halo kak, saya mau nanya apa yang harus dilakukan jika nilai signifikan lebih besar dari 0.05? *nilai sig yang ada di tabel KMO Barlette's test nya ka

Suseno Bimo mengatakan...

indri : apa sudah dicentang pilihan rotation nya? Jika sudah, bisaganti metode rotasi ada pilihan varimax, quartimax, promax atau equamax.

Suseno Bimo mengatakan...

Ni'mah mufidah : hasil rotated komponen bertujuan untuk mengelompokan setiap atribut atau variabel yang bernilai tinggi tidak mengelompok dalam 1 faktor. Jadi tidak masalah untuk hasil rotasi, yang terpenting masuk dalam komponen tersebut pilih positif tertinggi.

Suseno Bimo mengatakan...

Anonim : nilai signifikansi KMO bartlett's test merupakan pengujian kecukupan sampel, jadi jika masih tidak signifikan, perlu ditambah jumlah sampelnya.

Zizi mengatakan...

Halo Kak, saya mau bertanya, saya sudah lakukan uji sesuai langkah, tetapi pas udah liat outputnya component saya tidak keluar sesuai jumlah dimensi, bagaimana cara memperbaikinya?

Zizi mengatakan...

Halo kak, saya mau tanya nilai rotated co.ponent saya tidak muncul sesuai jumlah dimensi, bagaimana perbaikannya ya?

Suseno Bimo mengatakan...

Zizi : untuk mengeluarkan nilai rotated component matrix, saat langkah analisis centang/pilih pada menu rotation pilih varimax, equamax,quartimax dll.
Apa yang dimaksud tidak muncul sesuai jumlah dimensi?
Hasil analisis faktor, masing-masing variabel akan masuk ke dalam komponen/faktor yang terbentuk. Jumlah komponen/faktor yang terbentuk bisa 2,3 atau 4 dapat dilihat pada tabel Total variance explained atau scree plot component number.

Nurul mengatakan...

Hallo kak, kak saya hasil score nya ada dua faktor untuk analisis selanjutnya menggunakan yang mana ya kak ? Terima kasih

Suseno Bimo mengatakan...

Nurul : gunakan tabel rotated component matrix. Pada tabel tersebut, setiap variabel dapat diketahui masuk ke faktor 1 atau faktor 2 dengan nilai loading terbesar.

Tasya mengatakan...

Selamat malam pak, pak saya ingin bertanya. Saya ada 4 variabel, CPV, KPK, NPK, dan KSK. Tetapi pada tabel rotated component matrix nya msh ada variabel yg tidak berkelompok sesuai variabel nya. Jumlah sampel saya 270. Akan tetapi pak nilai KMO 0,924 dan uji barlet sig nya 0,000. Serta uji reliabilitas nya juga semua reliabel. Dan pada saat uji hipotesis juga semua nya berpengaruh positif. Kira2 apa masalahnya pada rotated component ya pak? Dan apakah hal tersebut merupakan masalah yang besar dalam penelitian? Terima kasih pak.

Suseno Bimo mengatakan...

Tasya: Tabel Rotated component matrix merupakan hasil rotasi dari supaya tiap indikator yang memiliki nilai loading tinggi tidak mengelompok menjadi satu komponen Faktor. Jadi tidak ada masalah jika tidak mengelompok sesuai dengan variabelnya.

Putri mengatakan...

Selamat malam pak, izin bertanya kalau saya melakukan analisis faktor gabungan antara Variabel 1, 2, 3 dan di variabel 3 hanya terdapat 4 item pertanyaan dan hasil output menunjukkan bahwa ternyata yg msa yang < 0.5 ada 3 item, sehingga tersisa 1 item saja yang mana tidak memenuhi syarat uji reliabilitas karna hanya 1. Solusi nya bagaimana ya pak?

Dola25 mengatakan...

Permisi mau nanya saya sudah klik anti image nya tp kok kenapa tidak muncul ya? Mohon penjelasannya terimakasih🙏

Suseno Bimo mengatakan...

Putri : diulangi penyebaran kuesioner dan perbaiki item pertanyaan kuesuioner tersebut. Jadi bisa ganti data atau menambah sampelnya.

Suseno Bimo mengatakan...

Dola25: Cek junlah responden dan data inputnya.

Anonim mengatakan...

Kak aku udah 50 sampel tapi kok ga muncul ya KMO sama anti image nya

Suseno Bimo mengatakan...

Anonim : Saat Langkah analisis di Menu Descriptives, pastikan sudah dicentang pilihan KMO dan anti-image

Anonim mengatakan...

assalamualaikum pak, izin bertanya. dicontoh bapakkan 1variabel hanya ada 1 data. bagaimana jika variabel saya 4 dan ada 29 item pertanyaan. apakah semua data trsebut dimasukan untuk diuji pak?

Anonim mengatakan...

sebelumnya saya menggunakan uji regresi linier pak, lalu dirubah menjadi uji analisis faktor. untuk uji asumsi klasik dan uji hipotesis pada regresi linier apakah caranya akan berbeda dengan hasil asumsi klasik dan uji hipotesis di uji analisis faktor pak?

Arief mengatakan...

Pak, kalau berdasarkan nilai communalities yang dibawah 0,5 apakah wajib dikeluarkan dari analisis?

Suseno Bimo mengatakan...

Anonim: dalam analisis faktor tidak diperlukan uji asumsi klasik dan hipotesis seperti pada regresi linier.

Suseno Bimo mengatakan...

Anonim: Wa'alaikumsalam..,pengujian analisis faktor dilakukan pada masing-masing variabel.

Suseno Bimo mengatakan...

Arief: communalities <0.5 tidak perlu dikeluarkan dapabilai nilai MSA sudah >0.5

Anonim mengatakan...

permisi pak, saya sudah ambil data 200 siswa, pada salah subvariabel yang saya kaji menggunakan EFA via SPSS terdiri dari 5 butir pernyataan. menghasilkan 1 faktor. namun di rotated factor matrixnya tidak muncul data, hanya tulisan "Only one factor was extracted. The solution cannot be rotated." maksudnya bagaimana yah pak? apakah ada kekeliruan? atau hal ini tidak jadi masalah dalam proses interpretasinya. terimakasih.

Suseno Bimo mengatakan...

Anonim : Rotated Factor maksudnya item pertanyaan tersebut dirotasi ke dalam beberapa factor (lebih dari 1 faktor) jika dari 5 item tersebut masuk dalam 1 factor ya tentu saja tidak perlu ada rotasi.