Data Analisis Faktor mengenai Tinggi badan
X1 : Makanan Bergizi
X2 : Makanan Jungfood
X3 : Berat Badan Ideal
X4 : Berat Badan Over
X5 : Cabang Olahraga
X6 : Over Aktivitas
X7 : Gen Keturunan
X8 : Obat Peninggi
Penilaian untuk data
1 = Tidak tahu
2 = Tidak setuju
3 = Sedikit setuju
4 = Setuju
5 = Setuju
6 = Lumayan Setuju
7 = Sangat setuju
| NO | X1 | X2 | X3 | X4 | X5 | X6 | X7 | X8 | Fact-1 | Fact-2 | Fact-3 |
| 1 | 5.00 | 4.00 | 5.00 | 4.00 | 6.00 | 6.00 | 4.00 | 4.00 | .54592 | -.93184 | .45367 |
| 2 | 5.00 | 6.00 | 3.00 | 7.00 | 3.00 | 3.00 | 6.00 | 2.00 | -1.51908 | 1.31379 | -.27458 |
| 3 | 6.00 | 3.00 | 6.00 | 4.00 | 6.00 | 6.00 | 3.00 | 4.00 | .83568 | -1.21247 | 1.17007 |
| 4 | 7.00 | 7.00 | 4.00 | 5.00 | 3.00 | 7.00 | 5.00 | 5.00 | .87473 | 1.63242 | -.03278 |
| 5 | 5.00 | 3.00 | 7.00 | 3.00 | 4.00 | 4.00 | 6.00 | 4.00 | -.03757 | -.91023 | .07550 |
| 6 | 7.00 | 5.00 | 4.00 | 5.00 | 3.00 | 3.00 | 3.00 | 6.00 | .28901 | 1.09905 | -.04972 |
| 7 | 5.00 | 6.00 | 6.00 | 7.00 | 6.00 | 6.00 | 5.00 | 3.00 | -.40971 | .08695 | 1.14809 |
| 8 | 5.00 | 5.00 | 3.00 | 2.00 | 7.00 | 7.00 | 6.00 | 7.00 | 1.66753 | -.98983 | -1.54442 |
| 9 | 2.00 | 5.00 | 5.00 | 7.00 | 4.00 | 4.00 | 2.00 | 2.00 | -1.64845 | -.02808 | 1.12992 |
| 10 | 6.00 | 7.00 | 4.00 | 4.00 | 5.00 | 5.00 | 3.00 | 5.00 | .86065 | 1.06602 | .35591 |
| 11 | 3.00 | 3.00 | 7.00 | 7.00 | 5.00 | 2.00 | 4.00 | 5.00 | -1.59552 | -1.12240 | .43030 |
| 12 | 7.00 | 6.00 | 5.00 | 4.00 | 6.00 | 6.00 | 3.00 | 7.00 | 1.63293 | .33975 | .40188 |
| 13 | 4.00 | 7.00 | 4.00 | 5.00 | 3.00 | 2.00 | 7.00 | 7.00 | -.81189 | 1.34280 | -1.90010 |
| 14 | 3.00 | 4.00 | 7.00 | 7.00 | 7.00 | 7.00 | 3.00 | 6.00 | -.10072 | -1.61465 | .96977 |
| 15 | 7.00 | 7.00 | 6.00 | 6.00 | 5.00 | 4.00 | 7.00 | 5.00 | -.02339 | 1.18951 | .13303 |
| 16 | 4.00 | 6.00 | 7.00 | 4.00 | 2.00 | 7.00 | 4.00 | 4.00 | .18903 | .72481 | .75585 |
| 17 | 6.00 | 3.00 | 6.00 | 5.00 | 6.00 | 6.00 | 7.00 | 5.00 | .33159 | -1.33532 | -.15931 |
| 18 | 5.00 | 4.00 | 4.00 | 4.00 | 7.00 | 3.00 | 4.00 | 7.00 | .44406 | -.98069 | -.72967 |
| 19 | 3.00 | 5.00 | 2.00 | 7.00 | 5.00 | 4.00 | 7.00 | 5.00 | -1.33407 | -.22161 | -1.82278 |
| 20 | 5.00 | 4.00 | 7.00 | 4.00 | 4.00 | 5.00 | 7.00 | 4.00 | -.14950 | -.51553 | -.00649 |
| 21 | 4.00 | 6.00 | 6.00 | 6.00 | 5.00 | 4.00 | 6.00 | 3.00 | -.99149 | .24159 | .40140 |
| 22 | 6.00 | 7.00 | 2.00 | 3.00 | 5.00 | 6.00 | 4.00 | 6.00 | 1.39526 | .97144 | -.87925 |
| 23 | 5.00 | 3.00 | 5.00 | 4.00 | 6.00 | 7.00 | 5.00 | 5.00 | .75252 | -1.53350 | -.10133 |
| 24 | 4.00 | 4.00 | 5.00 | 7.00 | 3.00 | 2.00 | 4.00 | 4.00 | -1.61555 | .21562 | .09387 |
| 25 | 2.00 | 5.00 | 3.00 | 5.00 | 3.00 | 6.00 | 7.00 | 7.00 | -.56157 | -.22935 | -2.44129 |
| 26 | 6.00 | 7.00 | 7.00 | 5.00 | 7.00 | 4.00 | 6.00 | 2.00 | -.13919 | .43414 | 1.44643 |
| 27 | 4.00 | 5.00 | 7.00 | 7.00 | 3.00 | 5.00 | 6.00 | 4.00 | -1.15922 | .24359 | .37908 |
| 28 | 6.00 | 3.00 | 3.00 | 4.00 | 4.00 | 7.00 | 7.00 | 5.00 | .63973 | -.75507 | -1.33896 |
| 29 | 6.00 | 5.00 | 4.00 | 6.00 | 7.00 | 5.00 | 3.00 | 3.00 | .15713 | -.25037 | 1.12783 |
| 30 | 7.00 | 7.00 | 7.00 | 4.00 | 2.00 | 7.00 | 3.00 | 7.00 | 1.48114 | 1.72946 | .80809 |
analisis Output
tabel 1
analisis :
Table ini merupakan gambaran tantang data yang diinput, terdiri atas mean / rata-rata, standar deviasi, dan jumlah data yang dianalisis pada tiap-tiap variable.
tabel 2
analisis:
Multikolinearitas adalah korelasi antar variable. Korelasi antarvariabel yang sama (misalnya X1 dan X1), yang nilainya 1,000 tidak perlu diperhatikan. Karena variabel-variabel tersebut dikorelasikan dengan ‘dirinya sendiri’. Yang perlu diperhatikan adalah korelasi antarvariabel yang berbeda
tabel 3
analisis :
Kesimpulan tentang layak-tidaknya analisis factor dilakukan baru sah secara statistic dengan menggunakan uji Kaiser-Meyer-Olkin (KMO) measure of adequancy dan Barlett Test.
KMO uji yang nilainya berkisar antara 0 sampai 1 ini, mempertanyakan kelayakan (appropriateness) analisis factor. Apabila nilai indeks tinggi (berkisar antara 0,5 sampai 1,0) analisis factor layak dilakukan.
Dari di atas terlihat bahwa nilai KMO secara keseluruhan adalah 0,538. Jadi, analisis factor layak dilakukan.
Barlett Test ini merupakan test statistic untuk menguji apakah betul variable-variabel yang dilibatkan berkolerasi. Hipothesis nol (H0) adalah tidak ada korelasi antar variable, sedangkan hipothesis alternative (Ha) adalah terdapat korelasi antarvariabel. Nilai Barlett Test didekati dengan nilai chi-square. Pada table terlihat bahwa nilai chi-square adalah 27.641 yang untuk derajat kebebasan (degree of freedom, disingkat df) sebesar 28
Nilai Signifikasi yaitu sebesar 0.538 > 0.05, sehingga data tersebut tidak saling berkorelasi
tabel 4
analisis :
Angka-angka dalam matriks ini menyatakan korelasi parsial antarvariabel, yaitu korelasi yang tidak dipengaruhi oleh variable lain. Seperti telah dijelaskan, metode principal component analysis menggunakan total variance, yang terdiri dari common variance, specific variance, dan eror variance, namun mengusahakan specific dan eror variance terkecil. Dari table 7-6 terlihat bahwa anti-image covariance dan anti-image correlation pada umumnya kecil. Hal ini berdampak pada nilai KMO setiap variable yang tinggi (diatas 0,500).
tabel 5
analisis :
Table 5 (communalities) menunjukan beberapa varians yang dapat dijelaskan oleh factor yang diekstrak. Cara memperolehnya adalah korelasi pangkat dua. Setiap variable berkorelasi dengan factor-faktor yang diekstrak. Kalau korelasi tersebut dipangkat dua, diperolehlah communalities.
Lihat pada table Component Matrix, kita ambil contoh antara variable 1 (X1) dengan factor 1 (component 1) adalah 0.648, dengan factor 2 adalah -0.017, dengan factor 3 adalah 0.490, dan masing-masing nilai tersebut dipangkat duakan, lalu kemudian dijumlahkan, maka akan dihasilkan nilai communialities sebesar 0.660
tabel 6
analisis :
component (lihat tabel paling kiri) ternyata yang mempunyai nilai initial eigenvalues di atas 1 ada 4 component. Artinya, bahwa 8 butir pertanyaan tersebut dapat dikelompokkan menjadi 4 kelompok tanpa kehilangan informasi yang berarti.
Component 1 mempunyai nilai 2.072 dan mampu menjelaskan varians sebesar 25.905%
Component 2 mempunyai nilai 1.391 dan mampu menjelaskan varians sebesar 17.390%
Component 3 mempunyai nilai 1.194 dan mampu menjelaskan varians sebesar 14.924%
Dengan demikian keempat component tersebut mampu menjelaskan varians sebesar 58.219% atau kita kehilangan informasi sebesar 41.781%.Dari 8
tabel 7
analisis :
Scree plot merupakan cara mendeskripsikan eigenvalue secara visual. Pada sisi vertikal dimasukan eigenvalue, sedangkan sumbu horizontal mewakili seluruh faktor. Lalu ditariklah garis yang menghubungkan titik-titik yang mewakili eigenvalue.
tabel 8
analisis :
Tabel ini menunjukan korelasi setiap variable dengan setiap factor (disebut juga component) yang diekstrak. Antara variable 1 (X1) dengan factor 1 nilai korelasi adalah 0.648, sedangkan dengan factor 2, nilai korelasi adalah -0.017 Pangkat-duakanlah kedua nilai korelasi itu, lalu jumlahkan, hasilnya adalah 0,420. Dengan cara demikianlah seluruh communalities diperoleh.
Dari component matrik kita bisa melihat bahwa X1 ikut component 1karena mempunyai loading factor sebesar 0,648 yang lebih besar dari pada loading factor ke component 2,dan 3 Dengan cara yang sama kita bisa mengelompokkan :
Component 1 : X1
Component 2 : tidak ada
Component 3 : tidak ada
tabel 9
analisis:
Melalui component matriks, jelas bagi kita bahwa X1 dan X6 adalah anggota factor 1 karena ketiga variable tersebut memiliki korelasi yang tinggi dengan factor 1, sedangkan dengan factor 2 dan 3 korelasinya rendah.
tabel 10
tabel 11
tabel 12
