ANALISIS FAKTOR

(FACTOR ANALYSIS)

Teori Singkat
Analisis faktor adalah analisis statistika yang bertujuan untuk mereduksi dimensi
data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor,
sedemikian hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin
keragaman data yang dijelaskan oleh variabel asal.
Model analisis faktor adalah :
X1 = c11 F1 + c12 F2 + c13 F3 + ... + c1m Fm +
X2 = c21 F1 + c22 F2 + c23 F3 + ... + c2m Fm +
X3 = c31 F1 + c32 F2 + c33 F3 + ... + c3m Fm +
...
Xp = cp1 F1 + cp2 F2 + cp3 F3 + ... + cpm Fm + p
atau

 X1 c1 c12 c13 . c1m F1 1

X 2 c21 c2 c23 . c2m F2 2
X3 c31 c32 c3 . c3m F3 3

. . . . . . . .
X c c c . c F
p p1 p2 p3 pm m p

(p x 1)

(p x m)

(m x1)

dan
X1, X2,..., Xp adalah variabel asal
F1, F2,..., Fm adalah faktor bersama (common factor)
cij adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j
p adalah error

Hubungan antara varians variabel asal dengan, varians faktor dan varians error
adalah sebagai berikut :
var(Xi)= varians yang dijelaskan oleh faktor untuk variabel asal ke-i + var(error)
= communality + specific variance
2
= hi i
= (ci1 ci 2 ci 3 ... cim ) i
Besarnya bobot cij dapat diduga dengan menggunakan metode komponen utama
ataupun kemungkinan maksimum (maximum likelihood). Metode komponen utama
terbagi menjadi dua metode yaitu non-iteratif dan iteratif. Nilai dugaan cij yang diperoleh
dengan metode non-iteratif adalah :
2

cij

a ji j
s xi

atau

c ij a ji

untuk variabel asal yang dibakukan

dan
c uj adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j
a ji adalah koefisien variabel asal ke-i untuk komponen utama ke-j

j adalah eigen value untuk komponen utama ke-j

s xi adalah simpangan baku (standard of deviation) variabel asal ke-j

Algoritma untuk metode komponen utama iteratif adalah sebagai berikut :
1. Mulai
2
2. Tentukan nilai awal communality untuk seluruh variabel asal ( hi , i=1,...,p),
0 hi2 1

Ganti nilai diagonal matriks korelasi dengan nilai hi ( rii hi )

Tentukan nilai eigen-value dan eigen-vector dari matriks korelasi
Tentukan nilai bobot (loading) cij a ji j
2
2
2
2
2
Temtukan nilai communality hi (ci1 ci 2 ci 3 ... cim )
Jika nilai communality pada dua iterasi terakhir dianggap sama maka pergi ke
9
8. Pergi ke 3
9. Selesai
Untuk kepentingan intepretasi, seringkali diperlukan untuk memberi nama
masing-masing faktor sesuai dengan besar harga mutlak bobot cuj . Diharapkan setiap
variabel asal hanya dominan di salah satu faktor saja (Nilai harga mutlak bobot variabel
asal mendekati 1 di salah satu faktor dan mendekati o untuk faktor lainnya). Harapan ini
kadang-kadang tidak dapat dipenuhi, untuk mengatasi hal ini diperlukan rotasi dari
matriks bobot C. Beberapa macam teknik rotasi yang tersedia di program paket statistika
adalah : varimax, quartimax, equamax, parsimax (MINITAB). Formula untuk masingmasing rotasi i ni adalah :
1 m p c 2 p c 2
ij
ij
max
p i 1 hi
p j 1 i 1 hi

rotasi

3.
4.
5.
6.
7.

0
1
m/2

p (m 1)
pm2

Quartimax
Varimax
Equamax
parsimax

Matriks bobot hasil rotasi (C*) dapat dinyatakan sebagai C*=CT, T adalah matriks
transformasi.
Besarnya skor faktor dapat dinyatakan sebagai :
F C' S 1 ( X j X) , j=1,...,n