Selasa, 19 Januari 2010

tugas analisis faktot Mad Rudi (081345)

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