Dari hasil olahan data analisis faktor pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.00. Maka dapat kita interpretasikan hasil analisisnya sebagai berikut :
Dari hasil olahan data tersebut dengan rumusan masalah adalah untuk mengetahui faktor-faktor perilaku rumah tangga dan belanja. Dalam hal ini untuk mereduksi 7 variabel (X1, X2, X3, X4, X5, X6 dan X7) menjadi lebih sedikit atau kurang dari 7 variabel. Metode yang digunakan adalah Principal Component Analysis.
Uji analisis kelayakan data dengan menggunakan KMO Bartlett Tes't diperoleh bahwa nilai KMO sebesar 0,550 yaitu lebih besar dari 0,50 hal ini menunjukkan bahwa sampel cukup untuk dilakukan analisis faktor. Selanjutnya pada uji Bartlett's Test of Sphericity sebesar 0,000 artinya ada korelasi antar variabel atau ketujuh variabel tersebut atau dalam bentuk statistika bahwa matriks korelasi bukan matrik identitas. Hal ini dapat dilihat pada gambar 1 berikut :
Gambar 1. Hasil KMO dan Uji Bartlett
Selanjutnya metode yang dipilih adalah metode Principal Component Analysis yaitu dengan mempertimbangkan nilai variannya. Maka dilakukan penentuan jumlah faktor yaitu dengan menggunakan nilai eigen, atau scree plot atau persentase varians. Dalam hal ini akan dibahas ketiganya.
1. Penentuan jumlah faktor dengan nilai eigen
Banyaknya faktor ditentukan dengan nilai eigen yang lebih dari 1. Dari gambar 2 di bawah pada kolom Initial Eigenvalues - Total yang memiliki nilai eigen lebih dari 1 ada sebanyak 3 component. Artinya terdapat tiga faktor yang terbentuk.
Gambar 2. Total Variance Explained
2. Penentuan jumlah faktor dengan persentase varians
Dari gambar 2 di atas, persentase varians terletak pada kolom Initial Eigenvalues - Cumulative %. Jika dilihat per tahapan, 1 faktor (component) besarnya persentase varians sebesar 35,505 persen artinya sekitar 35,505 persen variasi varian dari tujuh variabel dapat dijelaskan oleh 1 faktor, tentu nilai ini masih kurang dari 60 persen. Untuk 2 faktor (component) besarnya persentase varians sebesar 51,518 persen artinya sekitar 51,518 persen variasi varian dari tujuh variabel dapat dijelaskan oleh dua faktor. Nilai persentase ini masih kurang dari 60 persen. Selanjutnya jika diambil 3 faktor (component) besarnya persentase varians sebesar 80,649 persen artinya sekitar 80,649 persen variasi varian dari tujuh variabel dapat dijelaskan oleh tiga faktor. Nilai ini sudah lebih dari 60 persen. Dan jika dilihat dari nilai eigennya, sampai tiga faktor (component) nilai eigen sudah lebih dari 1. Jadi dapat disimpulkan bahwa faktor yang terbentuk adalah sebesar 3 faktor.
3. Penentuan jumlah faktor dengan scree plot
Scree plot atau plot patahan dapat menentukan jumlah faktor yang terbentuk. Jumlah patahan yang tajam menunjukkan banyaknya faktor yang terbentuk. Dari gambar di bawah terdapat tiga garis patahan yang tajam, sedangkan patahan ke empat sampai ke tujuh tidak terlalu tajam. Sehingga dapat disimpulkan bahwa faktor yang terbentuk adalah sebanyak 3 faktor.
Gambar 3. Scree Plot
Jadi terdapat tiga faktor yang mewakili tujuh item tersebut. Dan sekitar 80,649 persen variasi dari varians tujuh item dapat dijelaskan oleh tiga faktor.
Setelah banyaknya faktor ditentukan, selanjutnya adalah menentukan variabel mana yang masuk ke dalam ketiga faktor tersebut. Yaitu dengan menggunakan matrik rotasi dengan metode varimax yang dapat dilihat pada gambar 4 berikut :
Gambar 4. Matrik Faktor Rotasi
Dari gambar 4 di atas, variabel yang membentuk faktor tertentu adalah variabel yang memiliki nilai korelasi tertinggi. Variabel X1 memiliki nilai korelasi 0,897 pada faktor/component 1 artinya variabel X1 membentuk Faktor 1. Selanjutnya jika dilihat secara keseluruhan maka faktor 1 dapat dibentuk oleh variabel X1, X3, dan X5. Ketiga variabel ini saling berkorelasi sehingga membentuk faktor 1. Faktor 2 dibentuk oleh korelasi X4 dan X7 dan faktor 3 dibentuk oleh korelasi variabel X2 dan X6.
Faktor yang terbentuk ini selanjutnya dapat diinterpretasikan dengan memberikan nama terhadap masing-masing faktor. Tentunya didasarkan pada teori dan variabel yang membentuk.
Sebagai contoh :
Jika dilihat dari soal sebelumnya pada contoh penggunaan analisis faktor dimana tujuh variabel tersebut yang membentuk faktor adalah
Faktor 1 :
X1 = saya lebih baik tinggal di rumah daripada pergi pesta
X3 = majalah lebih menarik daripada bioskop
X5 = saya termasuk homebody
Faktor 2 :
X4 = saya tidak mau membeli produk yang diiklankan di billboard
X7 = perusahaan banyak menghabiskan uang untuk membiayai iklan
Faktor 3 :
X2 = saya selalu mengecek harga walaupun pada barang murah
X6 = saya menyimpan dan membelanjakan kupon
selanjutnya penamaan ditentukan oleh teori dan variabel yang membentuk. Misalnya faktor 1 diberi nama faktor perilaku pribadi, faktor 2 diberi nama faktor penjualan dan faktor 3 diberi nama faktor pembelian. Atau lainnya dikaitkan dengan teori yang ada.
Untuk menghitung faktor skor dalam hal ini menggunakan Anderson-Rubin dalam IBM SPSS 21.00 sudah langsung diperoleh nilai faktor 1, faktor 2 dan faktor 3. Dan setiap faktor memiliki model faktor yang dapat digunakan untuk menghitung skor faktor tersebut. Membentuk skor faktor dapat didasarkan pada gambar 5 berikut ini :
Gambar 5. Matrik Koefisien Skor Faktor
Berikut model faktor tersebut :
Faktor 1 = 0,391X1 + 0,10X2 + 0,302X3 + 0,170X4 + 0,405X5 - 0,008X6 - 0,086X7
Faktor 2 = 0,020X1 - 0,048X2 - 0,189X3 + 0,542X4 + 0,211X5 + 0,145X6 + 0,461X7
Faktor 3 = -0,048X1 + 0,530X2 + 0,043X3 + 0,059X4 + 0,021X5 + 0,595X6 + 0,035X7
Dan hasil skor faktor yang terbentuk di data view IBM SPSS 21.00 dapat digunakan untuk analisis lebih lanjut.
Gambar 6. Hasil Skor Faktor Anderson-Rubin
by MEYF
Postingan
