Asumsi Analisis Faktor dengan SPSS

Asumsi Analisis Faktor dengan SPSS

Sebelumnya kita telah melakukan proses analisis faktor dengan SPSS, maka saatnya untuk mempelajari asumsi analisis faktor dengan membaca output dari analisis tersebut.

Perlu diingat kembali bahwa pada analisis faktor, asumsi yang harus terpenuhi adalah:

1. Korelasi antar variabel Independen. Besar korelasi atau korelasi antar independen variabel harus cukup kuat, misalnya di atas 0,5.
2. Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS deteksi terhadap korelasi parsial diberikan lewat pilihan Anti-Image Correlation.
3. Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diukur dengan besaran Bartlett Test of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.
4. Pada beberapa kasus, asumsi Normalitas dari variabel-variabel atau faktor yang terjadi sebaiknya dipenuhi.

Buka Output SPSS anda!

Uji Determinant of Correlation Matrix

Asumsi Analisis Faktor yang pertama adalah: Uji Determinant of Correlation Matrix. Matrik korelasi dikatakan antar variabel saling terkait apabila determinan bernilai mendekati nilai 0. Hasil perhitungan menunjukkan nilai Determinant of Correlation Matrix sebesar 0,006. Nilai ini mendekatai 0, dengan demikian matrik korelasi antara variabel saling terkait.

Kaiser Meyer Olkin Measure of Sampling

Asumsi Analisis Faktor yang kedua adalah: Kaiser Meyer Olkin Measure of Sampling (KMO) adalah indek perbandingan jarak antara koefisien korelasi dengan koefisien korelasi parsialnya. Jika jumlah kuadrat koefisen korelasi parsial di antara seluruh pasangan variabel bernilai kecil jika dibandingkan dengan jumlah kuadrat koefisien korelasi, maka akan menghasilkan nilai KMO mendekati 1. Nilai KMO dianggap mencukupi jika lebih dari 0,5. Hasil penelitian menunjukkan bahwa nilai Kaiser Meyer Olkin Measure of Sampling sebesar 0,580. Dengan demikian persyaratan KMO memenuhi persyaratan karena memiliki nilai di atas 0,5.

Bartlett Test of Sphericity

Asumsi Analisis Faktor yang pertama adalah: Bartlett Test of Sphericity. Rumus yang digunakan untuk Bartlett Test of Sphericity adalah sebagai berikut:

Bartlett Test

Dimana

R = Nilai determinan n = Jumlah data p = jumlah variabel

Hasil perhitungan dengan SPSS dihasilkan nilai Barlett Test of Spehricity sebesar 207,690 dengan signifikansi sebesar 0,000. Dengan demikian Bartlett Test of Spehricity memenuhi persyaratan karena signifikansi di bawah 0,05 (5%).

Measures of Sampling Adequacy (MSA)

Pengujian persyaratan MSA terhadap 9 variabel, dijelaskan pada tabel di bawah ini:
Hasil Uji Persyaratan MSA.

Nilai MSA pada tabel di atas ditunjukkan pada baris Anti Image Correlation dengan tanda “a”. Misal X1 nilai MSA = 0,513 dimana > 0,5 maka X1 memenuhi syarat MSA, sedangkan MSA X2 = 0,450 < 0,5 maka X2 tidak memenuhi syarat MSA. Dari 9 variabel, hanya X2 dengan MSA < 0,5, maka X2 dikeluarkan dari pengujian. Sehingga anda harus mengulangi langkah analisis faktor seperti pada artikel sebelumnya, yaitu: analisis faktor dengan SPSS tanpa mengikutsertakan X2.

Silahkan ulangi lagi, dan kembali lihat nilai Determinant, KMO, Barlett Test of Spehricity dan MSA.

Setelah anda ulangi tanpa X2, maka lihat nilai Determinant: 0,009.  KMO, yaitu: 0,593. Barlett Test of Spehricity: 190,949 dengan sig: 0,000. Maka syarat KMO dan Barlett Test of Spehricity terpenuhi. Selanjutnya kembali lihat nilai MSA:

Berdasarkan tabel di atas, masih ada variabel dengan MSA < 0,5 yaitu X3. Maka ulangi lagi proses analisis tanpa mengikutsertakan X3.

Kemudian cek ulang, dan hasilnya yaitu:

Setelah anda ulangi tanpa X3, maka nilai Determinant: 0,013.

Setelah anda ulangi tanpa X3, maka nilai KMO: 0,609. Barlett Test of Spehricity: 176,562 dengan sig: 0,000. Maka syarat KMO dan Barlett Test of Spehricity terpenuhi. Selanjutnya kembali lihat nilai MSA:

Dari tabel di atas menunjukkan bahwa 7 variabel diuji memenuhi persyaratan MSA yaitu di atas 0,5 sehingga dapat digunakan untuk pengujian selanjutnya.

Kesimpulan Asumsi Analisis Faktor

Dari tabel di atas menujukkan 7 variabel diuji memenuhi persyaratan komunalitas yaitu lebih besar dari 0,5 (komunalitas > 0,5). Perlu diingat bahwa jika ada variabel dengan nilai Extraction pada tabel Communalities < 0,5, maka variabel tersebut tidak memenuhi syarat komunalitas dan harus dikeluarkan dari pengujian serta anda harus mengulangi langkah analis faktor dari awal tanpa mengikutsertakan variabel yang tidak memenuhi syarat komunalitas. Pengulangan tersebut sama dengan cara pengulangan pada syarat MSA yang telah dijelaskan di atas.

Sampai pada tahap ini anda telah berhasil memenuhi syarat-syarat/asumsi untuk pengujian Analisis Faktor. Untuk interprestasi selanjutnya yaitu pembentukan component faktor, rotasi faktor, scree plot dan faktor skor, akan kita bahas pada artikel selanjutnya, yaitu:
Interprestasi Analisis Faktor dengan SPSS. Demikian penjelasan mengenai asumsi analisis faktor.

By Anwar Hidayat