[TUTORIAL] Contoh Kasus Analisis Faktor Dengan SPSS - Statistik Ceria

17/3/2017

[T UT UTOR IA IAL] contoh k as asus anal is is is is faktor dengan SPSS - Stati st sti k C er er ia ia

Beranda

PENCARIAN MATERI

Daftar Isi

Tentang

Search

Jasa Konsultasi

Google+



Home » Multivariate » SPSS SPSS » » [TUTORIAL] contoh kasus analisis faktor dengan SPSS

Mar 10, 2013

[TUTORIAL] contoh kasus analisis faktor dengan SPSS nasrul setiawan

Multivariate , SPS SPSS S

26 comm comments ents

contoh kasus untuk analisis faktor



Berdasarkan SDKI 2002-2003 cakupan imunisasi lengkap anak usia 12-23 bulan

di

informasi

Indonesia dari

KMS

berdasarkan

(Kartu

Menuju

Sehat) atau laporan ibu sebesar 52 persen.

Angka

bilBerdasarkan

ini

masih

SDKI

keci

2002-2003

cakupan imunisasi lengkap anak usia 12-23 bulan di Indonesia berdasarkan informasi

dari

KMS

(Kartu

Menuju

Sehat) atau laporan ibu sebesar 52 persen.

Angka

ini

http://stati sti kcer i a.bl ogspot.co.i d/2013/03/tutor i al - contoh- kasus- anal i si s- faktor.htm l

masih

keci

bila 1/26

17/3/2017

[T UT UTOR IA IAL] contoh k as asus anal is is is is faktor dengan SPSS - Stati st sti k C er er ia ia

dibandingkan dengan 80 persen angka cakupan ditargetkan

imunisasi

lengkap

oleh

(

UCI

yang

Universal

Chilhood Imunization). Bila dilihat pada cakupan imunisasi lengkap pada tingkat propinsi hanya ada dua propinsi yang telah

memenuhi

target

UCI

yaitu

Yogyakarta (84 persen) dan Bali (80 Beranda

persen). Oleh karena itu, ingin diketahui faktor

Daftar Isi

dominan

mempengaruhi

apakah

yang

ketidaklengkapan

imunisasi anak usia 12-23 bulan di Tentang

Indonesia. Faktor dominan yang ingin diketahui pengaruhnya dibatasi pada karakteristik ibu dan ayah.

Jasa Konsultasi

Sehingga inti dalam kasus ini yaitu ingin melihat Faktor – Faktor yang Mempengaruhi ketidaklengkapan Imunisasi Anak Usia 12 – 23 Bulan di Indonesia Tahun 2003. Data yang digunakan dalam kasus di atas berasal dari Survei Demografi dan Kesehetan Indonesia, 2002-2003. Silahkan lihat kalau coba-coba disini. data imunisasi

Langkah-langkah dalam Analisis faktor dengan SPSS Popular Posts

Menyamakan satuan data

1. Buka data yang y ang sudah s udah dimasukkan. dimasuk kan. Tampilannya seperti berikut.

Uji hipotesis dengan Analisis Raga Ragam m/ Analysis of variance (Anova) Analisis varians (analysis of variance, ANOVA) ANOV A) adalah suatu s uatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi .... Permasalahan dengan Data tidak normal: Penyebab dan strategi permasalahan Data terdistribusi secara normal adalah konsep umum yang sering salah paham

http://stati sti kcer i a.bl ogspot.co.i d/2013/03/tutor i al - contoh- kasus- anal i si s- faktor.htm l

2/26

17/3/2017

[T UTOR IAL] contoh k asus anal is is faktor dengan SPSS - Stati sti k C er ia

oleh beberapa orang. Beberapa orang percaya bahwa semua data yan... Uji t Perbedaan Rata‐ rata Dua kelompok berpasangan (dependent) parametrik Uji t dua sampel/kelompok seperti materi yang pernah dibuat mengenai uji t dua sampel dibagi kedalam dua jenis yaitu uji t dua sampel/kelomp...

Beranda

Daftar Isi

[Tutorial] cara membuat Grafik pie (pie Chart) menggunakan microsoft Excel 2013 Pie chart atau diagram pie merupakan diagram yang berbentuk bulat dan bisa di potongpotong kedalam beberapa bagian. sesuai dengan namany...

Tentang

Jasa Konsultasi

Analisis Ragam / Analysis of variance (Anova) satu arah (one way) Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil perlakuan (treatment) pada sebuah populasi dengan populasi yang lain denga...

2. Karena data memiliki variasi yang besar (karena satuan dan rentang data yang berbeda-beda), maka distandardisasi

terlebih

dahulu

dengan

mentransformasikan ke dalam bentuk Z-score, yaitu dengan klik Descriptive Statistics→Descriptives. Maka akan muncul tampilan berikut.

cara membuat daftar gambar otomatis menggunakan microsoft word Trilogi dari tips menggunakan microsft word akhirnya selesai juga. Setelah 2 topik sebelumnya yaitu cara menggunakan daftar isi dan daftar ... Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two sample ) Sebelum ini sudah dibahas mengenai Pengujian Rata‐rata sampel tunggal (Single sample t‐test) . untuk

http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

3/26

17/3/2017


3. Pada kolom Variable(s) masukkan semua variabel, lalu centang pilihan ‘Save standardized values as

kali ini sedikit lebih tinggi yaitu Pen...

variables’. Kemudian Pilih Menu Options maka akan muncul tampilan berikut.

Labels Analisis deskriptif

Analisis regresi

anova

Beranda

Asumsi Daftar Isi

Ekonometrik

grafik Metode Penarikan Contoh

Tentang

Metode Statistik

Multivariate Jasa

Peluang

Konsultasi

4. Beri tanda cek pada Mean, dengan pada Dispersion dicek Standard Deviation dan Variance, serta beri tanda cek pada Variable List pada Display Order . kemudian Klik Continue. Maka akan muncul variabel baru seperti berikut.

R statistic Regresi Logistik

SPSS Tabel statistik

Time Series uji rata-rata Validitas dan realibilitas

Blog Teman METODE STATISTIK Mean, Median, & Modus Data Tunggal 5 months ago Sleepingtux Menggunakan IF Pada Excel 1 year ago Awan Sehat 10 Tips Kesehatan Mata untuk Menjaga Penglihatan 2 years ago Melek Analisis Sosial dan Ekonomi


4/26

17/3/2017


Melakukan Analisis Faktor

1. Pilih Analyze >> Data Reduction >> Factor. Maka akan muncul jendela Factor Analysis

Beranda

Daftar Isi

Tentang

Jasa Konsultasi

2. Pilih semua variabel sebagai variabel analisis. Klik Descriptive, pada bagian Correlation Matrix beri tanda

cek

pada

Coefficient,significan

levels,

invers, Anti image dan KMO and Bartlett’s test of sphericity. Klik Continue.

3. Kemudian klik pada Extraction dan pastikan pilihan Analyze pada correlation matrix dan pada bagian Display beri tanda cek pada kedua pilihan. Sebagai kriteria ekstaksi (Extraction) kita akan menggunakan eigenvalue, yaitu Eigenvalues over: 1. Klik Continue.


5/26

17/3/2017


Beranda

Daftar Isi

4. Klik Rotation lalu pilih Varimax dan pada Display pilih Tentang

Rotated Solution. Klik Continue

Jasa Konsultasi

5. Klik Scores, lalu beri tanda cek Save as Variables dengan Method: Regression dan Display factor score coefficient matrix, agar kita bisa melihat nilai variabel/faktor baru yang terbentuk. Klik Continue.

6. Setelah itu klik OK, akan muncul kumpulan output yang siap diinterpretasi. http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

6/26

17/3/2017


Intrepretasi Deskripsi Beranda

Daftar Isi

Deskripsi Data

Correlation Matrix Tabel Correlation Matrix merupakan tabel matriks korelasi

Tentang

yang berisi nilai-nilai korelasi antara variabel-variabel yang akan dianalisis. Pada bagian Correlation dapat dilihat besarnya korelasi antarvariabel. Sebagai contoh, korelasi

Jasa

antara variabel ibu tinggal di desa dengan ibu yang bekerja

Konsultasi

sebesar -0,573 yang menunjukkan terdapat hubungan yang cukup kuat dan negative. Artinya, semakin banyak persentase ibu yang tinggal di desa, maka makin sedikit persentase ibu yang bekerja.

Kemudian pada baris sig.(1-tailed) menunjukkan signifikansi korelasi antara variabel-variabel tersebut. Korelasi antara variabel ibu tinggal di desa dengan ibu yang bekerja signifikan, terlihat dari nilai p-value sebesar 0,001(<0.05) yang berarti terdapat memang terdapat hubungan antara variabel ibu tinggal di desa dengan variabel ibu yang bekerja. http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

7/26

17/3/2017


Inverse of Correlation Matrix Sedangkan table Inverse of Correlation Matrix menyatakan nilai-nilai pada matriks korelasi setelah matriks tersebut diinverskan.

Beranda

Daftar Isi

Tentang

Jasa Konsultasi



Catatan : Dalam kasus ini, digunakan matriks

korelasi

analisis

faktor

digunakan

untuk sebab

memiliki

berbeda-beda,sehingga

keperluan data

yang

satuan

yang

distandarisasi

menggunakan matriks korelasi untuk menghilangkan bias.

Analisis Inferensia KMO dan Bartlett’s Test


8/26

17/3/2017


Berdasarkan Bartlett’s Tes of Sphericity dengan ChiSquare 94,304 (df 45) dan nilai sig = 0,000 < 0,05 menunjukkan bahwa matriks korelasi bukan merupakan Beranda

matriks

identitas

sehingga

dapat

dilakukan

analisis

komponen utama. Di samping itu, Nilai KMO yang Daftar Isi

dihasilkan adalah sebesar 0.574 serta p-value sebesar 0,000 (<0,05) , nilai tersebut jatuh dalam kategori “lebih dari cukup” layak untuk kepentingan analisis faktor. Oleh karena

Tentang

itu, variabel – variabel dapat dianalisis lebih lanjut (AA Afifi,1990:Dillon dan Goldstein,1984).

Jasa

Tabel Anti-Image Matrices

Konsultasi

Selain pengecekan terhadap KMO and Bartlett test, dilakukan juga pengecekan Anti Image matrices untuk mengetahui apakah variabel – variabel secara parsial layak untuk dianalisis dan tidak dikeluarkan dalam pengujian. Berdasarkan tabel di atas, terlihat bahwa dari sepuluh variabel yang akan dianalisis, terdapat dua variabel yang memiliki nilai MSA (dapat dilihat pada output yang bertanda a pada kolom Anti-Image Correlation) < 0,5 yaitu variabel ibu tidak bekerja dan variabel bapak yang tidak bekerja. Karena ada variabel yang nilai MSA nya < 0,5 , maka variabel

tersebut

tidak

dapat

dianalisis

lebih

lanjut.

Meskipun ada dua variabel yang nilai MSA nya < 0,5, namun kita tidak harus membuang dua variabel sekaligu. Pilih salah satu variabel yang memiliki MSA terkecil, yaitu bapak tidak bekerja sebesar 0,360 sehingga variabel tersebut dikeluarkan dan dilakukan pengujian ulang terhadap kesembilan variabel lainnya seperti pada cara di atas.


9/26

17/3/2017


Setelah variabel bapak tidak bekerja dikeluarkan, maka nilai KMO meningkat menjadi 0,652 dan tingkat signifikansi Beranda

0,000.Pengurangan

variabel

yang

“tidak

layak”

meningkatkan nilai KMO sehingga cukup beralasan untuk Daftar Isi

melakukan

pengurangan

tersebut

Hal

ini

dapat

menunjukkan bahwa kesembilan variabel tersebut’ lebih dari cukup’ layak untuk dilakukan analisis faktor. Tentang

Communalities Jasa Konsultasi

Dari keseluruhan nilai dalam table communalities, diperoleh bahwa

kesembilan

variabel

awal

mempunyai

nilai

communalities yang besar ( > 0.5). Hal ini dapat diartikan bahwa keseluruhan variabel yang digunakan memiliki hubungan yang kuat dengan faktor yang terbentuk. Dengan kata lain, semakin besar nilai dari communalities maka semakin baik analisis faktor, karena semakin besar karakteristik variabel asal yang dapat diwakili oleh faktor yang terbentuk.

1. Keeratan hubungan variabel ibu bekerja terhadap faktor

yang

terbentuk

sebesar

0,811

artinya

hubungan variabel ibu bekerja terhadap faktor yang http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

10/26

17/3/2017


terbentuk erat. Atau dapat juga dikatakan kontribusi variabel ibu bekerja terhadap faktor yang terbentuk sebesar 81,1 %. 2. Kemudian, keeratan hubungan variabel bapak yang pendidikannya SD ke bawah sebesar 0,849 artinya hubungan variabel bapak yang pendidikannya SD ke bawah terhadap faktor yang terbentuk erat. Atau dapat juga dikatakan kontribusi variabel variabel Beranda

bapak yang pendidikannya SD ke bawah terhadap faktor yang terbentuk sebesar 84,9 %.

Daftar Isi

Total Variance Explained Tentang

Table Total Variance Explained menunjukkan besarnya persentase keragaman total yang mampu diterangkan oleh Jasa Konsultasi

keragaman faktor - faktor yang terbentuk. Dalam tabel tersebut juga terdapat nilai eigenvalue dari tiap-tiap faktor yang terbentuk. Faktor 1 memiliki eigenvalue sebesar 2,991, Faktor 2 sebesar 2,120, dan Faktor 3 sebesar 1,323. Untuk menentukan berapa komponen/faktor yang dipakai agar dapat menjelaskan keragaman total maka dilihat dari besar nilai eigenvaluenya, komponen dengan eigenvalue >1 adalah komponen yang dipakai. Kolom ‘cumulative %’ menunjukkan persentase kumulatif varians yang dapat dijelaskan oleh faktor. Besarnya keragaman yang mampu diterangkan

oleh

Faktor

1

sebesar

33,233

persen,

sedangkan keragaman yang mampu dijelaskan oleh Faktor 1 dan 2 sebesar 56,787 persen. Ketiga faktor mampu menjelaskan keragaman total sebesar 71,485 persen. Berdasarkan alasan nilai eigen value ketiga faktor yang lebih dari 1 dan besarnya persentase kumulatif ketiga faktor sebesar 71,485 persen, dapat disimpulkan bahwa ketiga faktor sudah cukup mewakili keragaman variabel – variabel asal.


11/26

17/3/2017


Proporsi keragaman data yang dijelaskan tiap komponen setelah dilakukan rotasi terlihat lebih merata daripada sebelum dilakukan rotasi. Faktor pertama menerangkan keragaman data dengan proporsi terbesar, yaitu 33,233 persen menurut metode ekstraksi dengan analisis faktor (sebelum rotasi) dan dengan analisis faktor (setelah rotasi) keragaman data awal dapat dijelaskan sebesar 26,841 persen. Beranda

Kemudian

untuk

faktor

kedua

menerangkan

keragaman data awal dengan proporsi 23,554 persen menurut metode ekstraksi dengan analisis faktor (sebelum

Daftar Isi

rotasi)

dan

dengan

analisis

faktor

(setelah

rotasi)

keragaman data awal dapat dijelaskan sebesar 26,315 Tentang

persen. Sedangkan untuk faktor ketiga menerangkan keragaman sebesar 14,698 persen sebelum dilakukan rotasi dan naik menjadi 18,328 persen setelah dirotasi.

Jasa Konsultasi

Proporsi keragaman data yang lebih merata setelah dilakukan rotasi menunjukkan keseragaman data awal yang dijelaskan oleh masing-masing faktor menjadi maksimum.

Scree Plot

Scree Plot adalah salah satu alternatif yang dapat digunakan untuk membantu peneliti menentukan berapa banyak faktor terbentuk yang dapat mewakili keragaman peubah – peubah asal. Bila kurva masih curam, akan nada petunjuk untuh menambahkan komponen. Bila kurva sudah landai, akan ada petunjuk untuk menghentikan penambahan komponen,

walaupun

penilaian

curam/landai

bersifat

subjektif peneliti. Dari scree plot di atas, terlihat pada saat satu komponen terbentuk, kurva masih menunjukkan http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

12/26

17/3/2017


kecuraman, begitu juga pada saat di titik ke-2, garis kurva masih tajam, di titik ke-3 garis kurva masih tajam namun sedikit berbeda dari pola kedua garis sebelumnya. Setelah melewati titik ke-3, garis kurva sudah mulai landai, semakin ke kanan akan semakin landai. Dari penjelasan di atas, dapat kita tarik kesimpulan bahwa terdapat tiga komponen atau faktor yang terbentuk. Beranda

Table component matrix

Daftar Isi

Tentang

Jasa Konsultasi

Table component matrix menunjukkan besarnya korelasi tiap variabel dalam faktor yang terbentuk. Nilai – nilai koefisien korelasi antara variabel dengan faktor - faktor yang terbentuk (loading factor) dapat dilihat pada table Component Matrix. Ketiga faktor tersebut menghasilkan matrik loading faktor yang nilai-nilainya merupakan koefisien korelasi antara variabel dengan faktor-faktor tersebut. Bila dilihat variabel –variabel yang berkorelasi terhadap setiap faktornya, ternyata loading faktor yang dihasilkan belum mampu memberikan arti sebagaimana yang diharapkan. Hal ini terlihat dari variabel ibu yang tidak punya KMS dimana korelasi variabel ini dengan faktor 1 sebesar 0,609, sedangkan dengan faktor 2 sebesar -0,508 (tanda negative hanya menunjukkan arah korelasi), sehingga kita sulit untuk memutuskan apakah variabel ibu tidak punya KMS dimasukkan ke faktor 1 atau faktor 2. Tiap faktor belum dapat

diinterpretasikan

dengan

jelas

sehingga

perlu

dilakukan rotasi dengan metode varimax. Rotasi varimax adalah rotasi orthogonal yang membuat jumlah varian faktor loading

dalam

masing-masing


faktor

akan

menjadi 13/26

17/3/2017


maksimum, dimana nantinya peubah asal hanya akan mempunyai korelasi yang tinggi dan kuat dengan faktor tertentu saja (korelasinya mendekati 1) dan tentunya memiliki korelasi yang lemah dengan faktor yang lainnya (korelasinya mendekati 0). Hal yang demikian belum tercapai pada table component matrix diatas.

Beranda

Rotated Component Matrix

Daftar Isi

Tentang

Jasa Konsultasi

Setelah dilakukan rotasi faktor dengan metode varimax, diperoleh table seperti yang tertera di atas yaitu Rotated Component Matrix. Terdapat perbedaan nilai korelasi variabel dengan setiap faktor sebelum dan sesudah dilakukan rotasi varimax. Terlihat bahwa loading faktor yang dirotasi

telah

memberikan

arti

sebagaimana

yang

diharapkan dan setiap faktor sudah dapat diinterpretasikan dengan jelas. Terlihat pula bahwa setiap variabel hanya berkorelasi kuat dengan salah satu faktor saja (tidak ada variabel yang korelasinya < 0,5 di ketiga faktor). Dengan demikian, lebih tepat digunakan loading faktor yang telah dirotasi sebab setiap faktor sudah dapat menjelaskan keragaman variabel awal dengan tepat dan hasilnya adalah sebagai berikut

1. Faktor 1 , beberapa variabel yang memiliki korelasi yang kuat dengan faktor 1 , yaitu variabel ibu yang tinggal di desa, ibu yang mengakses koran, ibu yang bekerja dan urutan anak.


14/26

17/3/2017


2. Faktor 2, terdapat beberapa variabel yang memiliki korelasi yang kuat dengan faktor 2 , yaitu variabel ibu yang mengakses radio, ibu yang mengakses TV, ibu yang

tidak

punya

KMS,

dan

bapak

yang

pendidikannya SD ke bawah. 3. Faktor 3, dalam faktor ini tiga variabel yang memiliki korelasi yang kuat dengan faktor 3, yaitu variabel ibu yang pendidikannya SD ke bawah. Beranda

Component Transformation Matrix Daftar Isi

Tentang

Jasa Konsultasi

Tabel Component Transformation Matrix berfungsi untuk menunjukkan apakah faktor – faktor yang terbentuk sudah tidak memiliki korelasi lagi satu sama lain atau orthogonal. Bila dilihat dari table Component Transformation Matrix, nilai – nilai korelasi yang terdapat pada diagonal utama berada di atas 0,5 yaitu -0,606;0,614;0,891. Hal ini menunjukkan bahwa ketiga faktor yang terbentuk sudah tepat karena memiliki korelasi yang tinggi pada diagonal – diagonal utamanya.



Untuk

lengkapnya

disini

beserta

bisa

didownload intrepretasi

Tutorial contoh analisis faktor beserta hasil intrepretasi dengan SPSS ouputnya

Untuk sedikit materi analisis faktor bisa dilihat

disini

gan.

teori analisis

faktor

"Terima kasih sudah membaca artikel Multivariate / SPSS dengan judul [TUTORIAL] contoh kasus analisis faktor dengan SPSS. Anda bisa bookmark halaman ini dengan URL http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

15/26

17/3/2017


http://statistikceria.blogspot.co.id/2013/03/tutorialcontoh-kasus-analisis-faktor.html . Apabila ada yang kurang jelas silahkan tinggalkan komentar atau pesan." Share artikel ke: Facebook Twitter Google+ Linkedin Technorati Digg Lintasme

Beranda

Materi Terkait

ltivariate Daftar Isi

Tentang

Konsep Analisis Korelasi Kanonik [Tutorial] Analisis Diskriminan dengan SPSS Konsep Teori Analisis Diskriminan [TUTORIAL] contoh kasus analisis faktor dengan

Jasa Konsultasi

SPSS

NEWER POST OLDER POST COMMENT!

26 COMMENTS : 1.

CHOLEEKYUARAMarch 15, 2013 at 3:12 AM uji normalitas data panel eviews sama uji asumsi klasik lainnya pake eviews data panel, gimana caranya mas? ReplyDelete Replies 1.

NASRUL SETIAWAN March

15,

2013 at 3:56 PM maaf ya blom dbuat. nnti insya allah dbuat tutorialnya juga. Delete http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

16/26

17/3/2017


2.

GALIH N GUMILAR March 18, 2013 at 9:05 AM mantap kawan artikelnya ReplyDelete

Beranda

3.

ALLAMAH LALA April 8, 2013 at 10:11 PM

Daftar Isi

Assalamu'alaikum...salam kenal pak...maaf comment dsini. Saya sedang butuh software SPSS, sya sudah download di link yang ada di blog ini tapi kok tidak bisa ya...bisa kah saya minta tolong di burningkan kemudian di kirim k alamat saya??? saya tunggu jawabannya nggih...tolong hubungi saya di [email protected]

Tentang

Jasa Konsultasi

ReplyDelete 4.

gitaDecember 31, 2013 at 10:50 PM selamat siang pak, selamat tahun baru. mau tanya pak, apakah pada data kuantitatif, langkah-langkah analisis faktornya sama dengan data kualitatif? kalau berbeda, bisa tlg beritahu dimana perbedaannya pak? trims ReplyDelete Replies 1.

NASRUL SETIAWAN January

1,

2014 at 4:25 AM Selamat malam dan selamat tahun baru pak. analisis faktor (yaitu , yang didasarkan http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html

17/26

17/3/2017


pada matriks korelasi Pearson ) mengasumsikan bahwa variabel kuantitatif dan mengikuti distribusi normal multivariat. Jika model termasuk variabel yang kualitatif analisis faktor dapat dilakukan dengan menggunakan matriks korelasi polikorik. untuk saat ini saya belum ngebahas itu.

Beranda

Daftar Isi

Tentang

Jasa

Delete

Konsultasi

5.

AnonymousFebruary 2, 2014 at 12:48 AM mas..makasi banyak ilmunya :) saya kebetulan sedang mau nulis skripsi yang menggunakan analisis faktor ini.. izinkan saya bertanya sedikit yah.. :) 1. saya pernah dengar melalui analisis faktor dapat menyusun indeks.. seperti misalnya DKP (dewan ketahanan pangan) menyusun Indeks Ketahanan Pangan.. yang ingin saya tanyakan.. itu bagaimana caranya ya? 2. Jika skripsi saya ingin mengkaji mengenai "faktor-faktor yang mempengaruhi ketahana pangan di Indonesia", maka apakah dalam analisis faktor ini dibutuhkan semacam variabel dependen seperti provinsi dengan status rawan pangan?


18/26

17/3/2017


terimakasih..mohon bantuannya :) ReplyDelete Replies 1. Beranda

YOHO February

2, 2014 at 3:44 PM 1. iya, analisis faktor setahu sy mmg bisa dipakai buat bikin alat ukur (indeks). Setelah semua variabel dkelompokkan jd bbrapa faktor, faktor-faktor itu bisa dbkin skor faktornya. Indeksnya bisa dbuat dari skor faktor2 tsb, bisa dikalikan, dijumlah pakai penimbang dsb, asal ada dasar (referensi) yang kuat. 2. kalo judulnya itu, pakai regresi jg bisa, asal ada variabel x dan y aja. Analisis faktor itu cm mengelompokkan variabel, dari yang banyak menjadi cuma beberapa faktor

Daftar Isi

Tentang

Jasa Konsultasi

Delete

6.

SHARIKHA AL MUSTASHRIKHA April 7, 2014 at 1:32 PM


19/26

17/3/2017


pak,, mohon dibantu.. sy sedang dalam penyelesaian skripsi. Judul penelitian sy itu mengenai tingkat kepuasan mahasiswa pak. tingkat kepuasannya itu dilihat dari tingkat harapan dan kinerja. Kalo sy analisis data menggunakan analisis faktor, yang sy uji itu tingkat harapan, kinerja atau keduaduanya pak?? terima kasih pak.. mohon jawabannya..

Beranda

Daftar Isi

Tentang

ReplyDelete Replies

Jasa

1.

Konsultasi

NASRUL SETIAWAN April

7, 2014 at 5:33 PM menurut sy sebaiknya keduaduanya. karena untuk melihat kepuasan harus melihat dari kedua variabel tersebut. karena melihat harapan dan kinerja. Delete

7.

NASUTION IQBAL IBRAHIM April 14, 2014 at 2:29 AM selamat sore pak. saya sedang menyelesaikan proposal tentang kualitas audit. untuk kualitias audit terdapat 8 independen variabel. dosen saya minta dilakukan uji faktor untuk mereduksi independen variabel. punya referensi buku tentang analisis faktor pak?.


20/26

17/3/2017


terima kasih ReplyDelete 8.

Affinity August 19, 2014 at 1:31 AM Makasih banyak ilmunya Pak. Ijin sedot materinya ya Pak :)

Beranda

ReplyDelete Daftar Isi

9.

PUNGKI YANUARDI November 12, 2014 at 9:04 AM

Tentang

Slmt malam. Sangat menarik penjelasanya. Mas nasrul, kebetulan saat ini saya sedang mengerjakan tesis tentang analisa data sekunder. Jika berkenan saya ingin berkonsultasi dengn mas nasrul, bila berkenan saya mohon kontak yg dapat dihubungi. Email sy [email protected]. terimakasih atas bagi2 ilmunya mas.

Jasa Konsultasi

ReplyDelete

10.

DELYANET KARMONI January 8, 2015 at 10:58 PM terima kasih ilmunya, mas... sangat bermanfaat. ReplyDelete

11.

LOVESHOPPING May 14, 2015 at 5:35 AM pak, jadi faktor yang paling dominan yang mempengaruhi pada contoh yang bapak berikan apa ya pak ? ReplyDelete


21/26

17/3/2017


12.

LIDRA WATI May 30, 2015 at 5:00 PM Terimakasih ilmunya pak, sangat bermanfaat sekali Saya mau bertanya...sblum analisis faktor konfirmatori kita uji asumsi dulu kan ya, diantaranya 1. Outlier 2. Normalitas 3. Multikolonieritas Nah pertanyaan saya uji normalitas pada multivariat ini bagaimana caranya pak? Mohon bantuanya, dosen saya bilang pakai uji jarak mahalanovis, tapi saya tidak mengerti,mohon di beri petunjuk pak. Terimakasih...

Beranda

Daftar Isi

Tentang

Jasa Konsultasi

ReplyDelete 13.

qonitaJuly 3, 2015 at 9:14 PM terimakasih sekali pak,sangat membantu dalam pengerjaan skripsi saya ini.. oiya tapi masalah yang saya temui mengenai tidak dapat dirotasi pak, kira-kira kenapa ya, padahal faktor yg terbentuk sudah >2 alias ada 14 faktor pak tp tetap tidak bisa dirotasi.. mohon dengan sangat kiranya bapak bisa memberi solusi nya.. terimakasih sukses selalu pak :)) ReplyDelete

14.

ASCARYAN RAFINDAOctober 16, 2015 at 7:45 PM mas saya ada 12 item pertanyaan yang sy rencanakan di reduksi menjadi 4 faktor. yang mana 4 faktor tersebut menjadi divergen dari sebuah konstruk. Apakah bisa


22/26

17/3/2017


diatur saat running data dari 12 item mau kita susun menjadi 4? atau memang itu automatis dari spss nya yang akan mencari tahu brp faktor yang tepat dari item item yang kita masukkan sebagai data? mohon penjelasannya. ReplyDelete Beranda

Daftar Isi

15.

MUHAMMAD WILDAN December 18, 2015 at 6:21 PM

Tentang

saya mau tanya, apakah saat nlia factor loading pada rotated component matrix ada tanda negative diabaikan atau tidak?

Jasa Konsultasi

ReplyDelete 16.

AnonymousFebruary 21, 2016 at 6:47 PM saya mau tanya. apabila saya menggunakan metode kuesioner dan variabel X1 sampai Xy masing2 terdiri dari 3 pertanyaan, dan rentang setiap jawaban antara 1-5. bagaimana cara mengolah datanya? apakah masih perlu menggunakan standarisasi zscore? mohon dijawab untuk keperluan skripsi. terima kasih. ReplyDelete

17.

ARFIAH BAKHTIAR May 24, 2016 at 6:17 AM Assalamu alaykum, pak sy mau nanya. gimana caranya kita menentukan jumlah faktor yang akan terbentuk. kan kalau kayak contoh yg bapak berikan itu dilepas saja, terserah nanti mau terbentuk berapa faktor.


23/26

17/3/2017


namun yang sy tanyakan disini, gimana caranya kita nentuin faktor yang akan terbentuk nantinya, misalnya kita mau faktor yang terbentuk itu 4 atau 5 terserah nanti indikator pembentuknya itu masuk di klp mana aja. mohon bantuannya pak, lagi perbaikan skripsi trus disuruh nentuin faktornya sm dosen ybs :|

Beranda

ReplyDelete

Daftar Isi

Tentang

18.

RIRIN P June 27, 2016 at 9:45 PM asw pak maaf kalo analisis data yangdigunakan untuk membandingkan berbagai perlakuan namun variabel nya banyak apa bisa memakai analisis yang diatas? lalu bagaimana caranya?

Jasa Konsultasi

ReplyDelete

19.

LULUK FAUZIAH July 3, 2016 at 12:39 AM Pak, saya mau nanya, nilai dari non redundant test bisa dilihat dari mana ya? Terima kasih ReplyDelete

20.

LULUK FAUZIAH July 3, 2016 at 12:39 AM Pak, saya mau nanya, nilai dari non redundant test bisa dilihat dari mana ya? Terima kasih ReplyDelete

21.

REDHO D SATRIA August 10, 2016 at 10:35 AM


24/26

17/3/2017


Permisi admin, saya mahasiswa sedang dalam pengerjaan tugas akhir.. saya mengalami masalah di pca dimana nilai msa dari faktor2 yang saya ambil dilapangan pas2an di angka +- 0,500 (paling tinggi baru 0,502 itupun faktornya tinggal 4).. Beranda

kira2 ada tips dan triks tidak untuk meningkatkan angka ini tidak min???? (hehe.. :D)

Daftar Isi

Tentang

terima kasih ReplyDelete Jasa Konsultasi

22.

RIDHO GUNAWAN August 10, 2016 at 8:09 PM assalamualaikum pak saya mau bertanya saya sedang mmbuat skripsi tentang pertimbangan mahasiswa dalam pembelian telepon pintar menggunakan analisis faktor. saya menggunakan varimax rotasi. apakah itu perlu dilakukan pak? dan hasil akhir dengan mencari orthogonal nya dengan 7 faktor kenapa tidak semuanya diatas 0,5 pak? apa itu wajar? yang nilai diatas 0,5 hanya 3. terimakasih pak ReplyDelete


25/26

17/3/2017


Beranda

Daftar Isi

Load more...

Tentang

Copyright @ 2013 Statistik Ceria Jasa Konsultasi


26/26

[TUTORIAL] Contoh Kasus Analisis Faktor Dengan SPSS - Statistik Ceria

Recommend Documents