Selasa, 18 Mei 2010

Analisis Faktor Konfirmatori Vs Analisis Komponen Utama (bag 7)

Misalnya kita ingin mengukur Ability dan Aspiration dari karyawan. Kedua variabel tersebut bersifat unobservable, sehingga perlu dikembangkan indikator sebagai pengukurnya. Untuk mengukur Ability dikembangkan 4 indikator, yaitu X1 s/d X4, dan untuk mengukur Aspiration dibuat dua indikator, yaitu X5 dan X6. Permasalahannya : Apakah benar X1 s/d X4 merupakan pengukur Ability yang valid dan reliabel ? Demikian juga : Apakah benar X5 dan X6 merupakan alat ukur Aspiration yang valid dan reliabel ?

Untuk itu, perlu dilakukan konfirmasi lebih lanjut, yaitu memeriksa validitas dan reliabilitasnya. Hal ini dapat dilakukan dengan Analisis Faktor, sehingga dinamakan Analisis Faktor Konfirmatori. Jadi pada prinsipnya kita hanya akan melakukan konfirmasi berdasarkan teori atau konsep yang sudah ada terhadap keakuratan (valid dan reliable) instrumen yang kita buat. Secara visual dapat dilihat pada gambar berikut.


Untuk lebih memperjelas aplikasinya, dapt dilihat ilustrasi berikut.


ILUSTRASI

Suatu penelitian dilakukan dengan tujuan untuk mengetahui karakteristik karyawan. Bilamana terdapat beberapa kelompok karaktersitik, maka pada setiap kelompok ingin diketahui faktor apa yang dominan berpengaruh terhadap kinerjanya (perform). Variabel yang diamati adalah pengembangan karir, kepuasan kerja dan kinerja karyawan. Instrumen penelitian untuk mengukur variabel-variable tersebut adalah sebagai berikut.


 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Data yang diperoleh seperti tersimpan dalam lember kerja softwrae SPSS.
Indikator dari variabel pengembangan karir, dilakukan analisis faktor hasilnya (sebagian output SPSS) disajikan sebagai berikut.


Hasil analisis faktor menunjukkan bahwa pada terdapat 2 faktor yang memiliki eigen value > 1, sehingga dapat dikatakan terdapat dua faktor yang signifikan. Hal ini menunjukkan bahwa instrumen untuk mengukur variabel pengembangan karir tidak valid (unidinemsional). Setelah ditelusuri ternyata indikator X1.1 dan X1.2 memiliki loading faktor yang besar pada faktor 2 (di dalam oput komputer disebut componetn 2). Indikator inilah yang menyebabkan instrumen tidak valid. Oleh karena itu, salah satu cara yang dapat dilakukan adalah dengan cara membuang indikator tersebut.

Hasil analisis faktor menunjukkan bahwa hanya ada satu faktor yang nilai eigen valuenya > 1. Dengan demikian instrumen dianggap valid (unidimensional), kemudian skor faktor disimapan, dan itulah wujud dari data pengembangan karir sebagai variabel komposit. Dilihat dari besarnya loading faktor, maka indikator X1.5 adalah tertiggi, hal ini menunjukkan bahwa pengembangan karir paling besar (dominan) ditentukan oleh X1.5 (penghargaan dari pimpinan terhadap prestasi karyawan). Data ini selanjutnya dapat digunakan untuk berbagai analisis lanjutan, regresi, cluster, analisis jalur, dll.

2. Analisis Komponen Utama


Analisis Komponen Utama atau Principle Component Analysis bermula dari tulisan Karl Pearson pada tahun 1901 untuk variabel non-stokastik. Analisis ini kemudian dirampatkan untuk variabel stokastik oleh Harold Hotelling pada tahun 1933. Analisis ini merupakan analisis tertua dan banyak digunakan dalam analisis multivariat. Perhitungan dalam analisis ini pada waktu tersebut merupakan pekerjaan yang sukar walaupun hanya menggunakan beberapa variabel. Analisis ini baru berkembang penggunaannya setelah tersedianya fasilitas komputasi elektronik.

Analisis Komponen Utama biasanya digunakan untuk:

(1) Identifikasi variabel baru yang mendasari data multi variabel
(2) Mengurangi banyaknya dimensi himpunan variabel yang biasanya terdiri atas variabel yang banyak dan saling berkorelasi menjadi variabel-variabel baru yang tidak berkorelasi dengan mempertahankan sebanyak mungkin keragaman dalam himpunan data tersebut
(3) Menghilangkan variabel-variabel asal yang mempuyai sumbangan informasi yang relatif kecil.

Variabel baru yang di maksud di atas disebut komponen utama, yang berciri

(1) Merupakan kombinasi linier variabel-variabel asal
(2) Jumlah kuadrat koefisien dalam kombinasi linier tersebut bernilai 1
(3) Antar variabel tidak berkorelasi (saling bebas atau independen)
(4) Antar variabel mempunyai ragam berurut dari yang terbesar ke yang terkecil.

Variabel baru yang disebut komponen utama ini bersifat unobservable variable dan disebut variabel latent, sedangkan variabel asal (X) yang membentuk komponen utama tersebut adalah observable variable disebut variabel manifest (indikator).
Berikut dijelaskan konsep-konsep yang berkaitan dengan pembentukan skor komponen utama pada analisis komponen utama. Misal terdapat p variabel X, yaitu X1, X2, ..., Xp, maka dapat dibuat kombinasi linier:

K1 = a11X1 + a21X2 + ... + ap1Xp
K2 = a12X1 + a22X2 + ... + ap2Xp
.
.
Kp = a1pX1 + a2pX2 + ... + appXp

Dalam bentuk catatan matriks ditulis: K = AX

Ada 3 metode yang digunakan untuk menentukan banyaknya komponen utama, salah satunya adalah : Proporsi kumulatif dari keragaman total. Kriteria ini paling banyak digunakan dan dapat digunakan untuk matriks kovariansi atau korelasi pada AKU. Kriteria dalam metode ini adalah menspesifikasikan sebelumnya persentase minimum dari keragaman total yang sesuai (kira-kira 90%) dan jumlah komponen utama yang terkecil yang memenuhi spesifikasi tersebut yang dipilih. Jika λ1 ≥ λ2 ≥ ... ≥ λp adalah nilai eigen dari matriks kovariansi (korelasi), maka proporsi kumulatif dari k nilai eigen pertama adalah :






Download Pengukuran Variabel Bagian 1 s/d 7 gratis KLIK DISINI

ARTIKEL TERKAIT :
  1. Pengukuran Variabel Laten (bag 1) 
  2. Konsep, Variabel dan Dimensi (bag 2) 
  3. Pengukuran Variabel (bag 3)
  4. Uji Validitas dan Reliabilitas Instrumen (bag 4)
  5. DATA Variabel Latent (bag 5)
  6. Analisis Faktor (bag 6)
  7. Analisis Faktor Konfirmatori Vs Analisis Komponen Utama (bag 7)
  8. Tips cara membuat pendahuluan / latar belakang penelitian



3 komentar:

Indah mengatakan...

ass.wr.wb.
maaf mbak, saya mau tanya..

saya mahasiswa yang sedang mengerjakan skripsi dan salah satu pengolahan datany menggunakan faktor analisis dg SPSS 14.
salah satu syarat faktor analisis, data harus berupa interval sedangkan data saya berupa data ordinal (kuesioner dg skala likert).
tapi pada ekstraksi faktor,di SPSS 14 menggunakan pilihan principal component analysis yang pada teorinya bisa digunakan untuk data ordinal juga.

kalau seperti itu, jadi sebaiknya data ordinal harus diubah dulu menjadi interval atau tidak ya mbak sebelum dilakukan analisis faktor?
mohon bantuannya dan terima kasih atas bantuannya mbak..

ANA ARISANTI mengatakan...

mbak Indah makasih ya atas pertanyaannya, Saya sendiri juga belum terlalu paham tentang masalah itu, akhirnya saya menanyakan masalah tersebut ke ahli statistik univ. brawijaya, menurut beliau data ordinal tidak bisa diubah menjadi data interval dan tidak bisa dianalisis faktor, jadi sebaiknya mbak pertimbangkan lagi apakah alat analisis yang mbak pilih sudah tepat

Ida Geong mengatakan...

Selamat siang mba sy mahasiswa akhir yg sedang menyelesaikan tugas akhi. Sy menggunakanakan analisis faktor konfirmatori, namun sampai saat ini sy belum menemukan perbedaan proses atau langkah" anfak EFA dan CFA. Mungkin mba bisa membantu sy tentang langkah" CFA yg benar. Terima kasih