What is factor analysis ?

Analisis factor adalahsalah satu metode statistik multivariat yang menerangkan hubungan antar
sejumlah variable-variable yang saling independen antara satu dengan yang lainnya. Sehingga bisa
disederhanakan menjadi beberapa variable yang lebih sedikit dari variable awal. Analisis faktor juga
digunakan untuk mengetahui faktor-faktor dominan dalam menjelaskan suatu masalah yang diteliti.

Tujuan dari faktor analisis antara lain,

Data summarization
Yaitu mengidentifikasi adanya hubungan antar peubah dengan melakukan uji korelasi. Jika
korelasi dilakukan antar peubah, analisis tersebut dinamakan R faktor analisis.
Data Reduction
Yaitu, setelah melakukan korelasi, dilakukan proses membuat sebuah peubah set baru yang
dinamakan faktor untuk menggantikan sejumlah peubah tertentu.

Kegunaan faktor analisis antara lain,

Mengekstrak variable laten (unobservable) dari manifest variable (observable) atau indicator.
Atau mereduksi variable menjadi variable baru yang jumlahnya lebih sedikit.
Mempermudah interpretasi hasil analisis, sehingga didapatkan informasi yang realistic dan
berguna.
Pengelompokkan dan pemetaan object (mapping dan clustering) berdasarkan karakteristik yang
terkandung di dalam faktor.
Pemeriksaan validitas dan reliabilitas instrument penelitian.
Dengan diperoleh skor faktor, maka analisis faktor merupakan langkah awal (sebagai data input)
dari metode analisis data yang lain, missal analisis diskriminan, analisis regresi, analisis cluster,
anova, mancova, analisis path, model structural, dan lainnya.

Factor Analysis decision process

Stage 1 : Objectives of factor analysis

Specifying the unit of analysis

Achieving data summarization versus data reduction
a. Data Summarization
b. Data Reduction
Variable Selection
Using factor analysis with other multivariate techniques

Stage 2 : Designing a factor analysis

Correlation among variables of respondents

Variable selection and measurement issues
Variable yg dipilih yg punya hubgan keterkaitan antar variable
Sample size

Stage 3 : Assumptions in factor analysis

 Conceptual issues
Statistical issues
a. Overall measures of intercorrelation
b. Variable-specific measures of Intercorrelation

Stage 4 : Deriving factor and assessing overall fit

Selecting the factor extraction method

a. Partitioning the variance of variable
Common varians, specific varians, error varians
b. Common factor analysis versus component analysis
Criteria for the number of factors to extract
a. Latent root criterion
b. A priori criterion
c. Percentage of variance criterion
d. Scree test criterion
e. Heterogeneity of the respondents

Stage 5 : Interpreting the factors

The three processes of factor interpretation

a. Estimate the factor matrix
b. Factor rotation
c. Factor interpretation and respecification
d. Penilaian signifikansi atas factor loading
Rotation of factors
a. Orthogonal rotation methods
b. Oblique rotation methods
c. Selecting among rotational methods
Judging the significance of factor loadings
a. Ensurung practical significance
b. Assesing statistical significance
c. Adjusment based on the number of variables
Interpreting a factor matrix
a. Step 1 : Examine the factor matrix of loadings
b. Step 2 : Identifi the significance loading(s) for each variable
c. Step 3 : Asses the communalities of the variables
d. Step 4 : Respecify the factor model if needed
e. Step 5 : Label the factors

Stage 6 : Validation of factor analysis

Use of a confirmatory perspective

Assesing factor structure stability
Detecting influential observation

Stage 7 : Additional uses of factor analysis results

Selecting surrogates variables for subsequent analysis

Creating summated scales
a. Conceptual definition
b. Dimensionality
c. Reliability
d. Validity
e. Calculating summated scales
Computing factor scores
Selecting among the three methods