Catatan Kuliah Analisis Faktor

Pengenalan Analisis Faktor

• Pentingnya:
  • Analisis data sangat penting untuk membuat keputusan bisnis dan penelitian yang yakin.
  • Analisis faktor menyederhanakan dan meningkatkan akurasi dalam mempelajari data.
• Apa itu Analisis Faktor?:
  • Teknik statistik untuk mengurangi banyak variabel menjadi lebih sedikit faktor.
  • Dikenal sebagai reduksi dimensi.
  • Contoh: Kepuasan kerja dapat dipengaruhi oleh berbagai faktor seperti kesesuaian peran kerja, perilaku atasan, dll.

Variabel Laten

• Definisi: Variabel yang tidak diamati langsung tetapi disimpulkan dari variabel lain yang diamati.
• Jenis: Contohnya termasuk kualitas hidup, kepercayaan bisnis, moral, kebahagiaan.

Asumsi dalam Analisis Faktor

• Data harus bersih (tidak ada outlier atau nilai yang hilang).
• Ukuran sampel harus melebihi jumlah faktor (rasio 1:5).
• Variabel harus saling berhubungan (yaitu, berkorelasi).
• Variabel harus berupa numerik (data interval).
• Normalisasi data disukai tetapi tidak esensial.

Tujuan Analisis Faktor

• Reduksi Data: Menyederhanakan analisis dengan mengurangi variabel.
• Penemuan Variabel Laten: Membantu menemukan faktor yang tidak dapat diukur seperti empati melalui variabel terukur.
• Penyederhanaan: Menggabungkan bidang serupa seperti variabel terkait layanan dalam contoh restoran.
• Penilaian Dimensionalitas dan Homogenitas: Menganalisis struktur dan konsistensi data.

Jenis Analisis Faktor

• Exploratory Factor Analysis (EFA):
  • Menemukan struktur dasar menggunakan matriks korelasi.
• Confirmatory Factor Analysis (CFA):
  • Menguji ekspektasi yang diperoleh dari EFA menggunakan persamaan.

Jenis Exploratory Factor Analysis

• Analisis Komponen Utama (PCA): Mengidentifikasi komponen variabel yang diamati.
• Analisis Faktor Umum: Mirip dengan PCA tetapi fokus pada varians bersama.
• Metode lain termasuk Faktoring Gambar, Peluang Maksimum, Faktoring Alfa, dan Berat Kuadrat.

Mengatasi Masalah dengan Analisis Faktor

• Memilih Antara PCA dan Analisis Faktor:
  • PCA fokus pada komponen varians; Analisis Faktor fokus pada faktor laten.
• Menafsirkan Hasil:
  • Gunakan faktor pemuatan untuk melihat korelasi antara variabel dan faktor.
  • Hitung komunialitas (jumlah kuadrat mendatar) dan nilai eigen (jumlah kuadrat vertikal).
  • Tangani pemuatan silang dengan rotasi variabel.
• Menentukan Jumlah Faktor:
  • Gunakan scree plot atau kriteria Kaiser (nilai eigen > 1) untuk menentukan jumlah faktor.

Logika Dasar Analisis Faktor

• Proses:
  • Analisis Faktor membuat kombinasi matematis dari variabel untuk memaksimalkan prediksi varians.
  • Lanjutkan membuat komponen sampai varians terhitung sepenuhnya.
  • Tafsirkan faktor menggunakan matriks terotasi dan pemuatan.

Kesimpulan

• Dorongan untuk meninggalkan komentar jika ada keraguan dan berlangganan untuk konten edukatif lebih lanjut di Edureka.