PPT Tugas Kuliah Principal Component Analysis dan Analisis Faktor

Tugas Kuliah Analisis Multivariat

1. Oleh : Ratna Achdiati (1311100113) Dewi Indra Setiawan (1311100115) Tingkat Perkembangan Industrialisasi di Jawa Timur Dengan Menggunakan Principal Component Analysis (PCA) dan Analisis Faktor

2. Uji KMO

3. Uji Barlett

4. Analisis Komponen Utama Analisis komponen utama → teknik statistik untuk mengubah dari sebagian besar variabel asli yang digunakan yang saling berkorelasi satu dengan yang lainnya menjadi satu set variabel baru yang lebih kecil dan saling bebas ( tidak berkorelasi ). Tahapan : Menentukan p eigen value Menentukan m common factor berdasar kritera Menentukan m eigen vector dari m eigen value terkait Menentukan p loading factor dari m common factor Menentukan p communality dan p specific varians

5. Analisis Faktor Analisis faktor adalah analisis statistika yang bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor , sedemikian hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal Asumsi yang harus dipenuhi sebelum menggunakan analisis faktor adalah sebagai berikut : 1. Besar nilai KMO harus cukup kuat yaitu > 0.5. Variabel dengan nilai KMO > 0.5 layak dimasukkan dalam analisis faktor berarti variabel tersebut bisa diprediksi dan bisa dianalisis lebih lanjut. 2. Jika sebuah variabel berkorelasi lemah dengan variabel lainnya, maka variabel tersebut dikeluarkan dari analisis faktor. Pada analisis faktor untuk menentukan jumlah faktor baru menggunakan nilai eigen ( ) > 1 berdasarkan proporsi keragaman > 70%. 3. Pada beberapa kasus, asumsi normalitas dari variabel- variabel atau faktor yang terjadi sebaiknya dipenuhi.

6. Sumber data “Pemodelan Kabupaten/Kota Berdasarkan Tingkat Perkembangan Industralisasi di Jawa Timur dengan Menggunakan Metode Principal Component Analysis (PCA) dan Geographically Weighted Regression (GWR)” Variabel Penelitian : X 1 = status pekerjaan berusaha sendiri tanpa bantuan orang lain, X 2 = status pekerjaan berusaha dengan dibantu buruh tidak tetap, X 3 = status pekerjaan berusaha dengan dibantu buruh tetap, X 4 = status pekerjaan pekerja keluarga, X 5 = bekerja dengan lapangan pekerjaan utama industri pengolahan X 6 = bekerja dengan pendidikan tertinggi diploma atau sarjana

7. Metode Analisis Data Uji Kelayakan Variabel (KMO dan Barlett test) Analisis Komponen Utama Analisis Faktor

8. Uji KMO dan Uji Barlett KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .815 Bartlett's Test of Sphericity Approx. Chi-Square 138.665 df 15 Sig. .000 Kesimpulan : Nilai KMO > 0.50 → Data yang digunakan layak untuk difaktorkan. Pvalue uji barlet < 0.05 → Variabel yang digunakan berkorelasi satu sama lain

9. Analisis Komponen Utama Variabel Extraction X 1 0.69 6 X 2 0. 813 X 3 0. 982 X 4 0.585 X 5 0.7 59 X 6 0.8 87 Nilai Komunalitas Kesimpulan : V ariabel X 3 memiliki proporsi variansi tertinggi sebesar 98.2% dan variabel X 4 memiliki proporsi variansi yang paling rendah, yaitu sebesar 58.5%

10. Nilai Eigen value masing-masing komponen Komponen Eigenvalue % Variansi % Kumulatif 1 3. 715 6 1.923 6 1.923 2 1.006 1 6.767 7 8.689 3 0.5 44 9.064 8 7.753 4 .3 85 6. 416 94. 169 5 .2 33 3. 885 9 8. 053 6 .117 1 .94 7 100 Kesimpulan : Komponen pertama dan komponen kedua eigen value > 1, yaitu sebesar 3.847 dan 1.066 → Komponen pertama dan kedua yang dapat digunakan untuk analisis faktor. K umulatif proporsi varians sebesar 78.689 % → ke dua komponen mampu menjelaskan keseluruhan keragaman dari seluruh faktor sebesar 78.689%

11. Scree Plot Kesimpulan N ilai eigen value turun curam dari 3.715 ke 0.544 , sehingga persamaan PC yang terbentuk adalah sebanyak dua → D ua komponen sudah cukup untuk menjelaskan seluruh variabel

12. Analisis Faktor Component Matrix a Rotated Component Matrix a Component Component 1 2 1 2 VAR00001 0.832 -0.057 0.821 -0.147 VAR00002 0.882 0.19 0.897 0.093 VAR00003 -0.172 0.976 -0.064 0.989 VAR00004 0.761 -0.079 0.748 -0.161 VAR00005 0.87 0.035 0.869 -0.06 VAR00006 -0.938 -0.082 -0.941 0.021 Kesimpulan : Persamaan analisis faktor yang didapat adalah Status Pekerjaan 1 = 0.832 X 1 + 0.882 X 2 + 0.761 X 4 + 0.87 X 5 - 0.938 X 6 Status Pekerjaan 2 = 0.976 X 3

13. Kesimpulan dan Saran Nilai KMO > 0.50 → Data yang digunakan layak untuk difaktorkan. Pvalue uji barlet < 0.05 → Variabel yang digunakan berkorelasi satu sama lain Komponen pertama dan komponen kedua eigen value > 1, yaitu sebesar 3.847 dan 1.066 → Komponen pertama dan kedua dapat digunakan untuk analisis faktor. K umulatif proporsi varians sebesar 78.689% → ke dua komponen mampu menjelaskan keseluruhan keragaman dari seluruh faktor sebesar 78.689%

14. N ilai eigen value turun curam dari 3.715 ke 0.544 , sehingga persamaan PC yang terbentuk adalah sebanyak dua → D ua komponen sudah cukup untuk menjelaskan seluruh variabel Persamaan analisis faktor yang didapat adalah Status Pekerjaan 1 = 0.832 X 1 + 0.882 X 2 + 0.761 X 4 + 0.87 X 5 - 0.938 X 6 Status Pekerjaan 2 = 0.976 X 3