Analisis Faktor Mempengaruhi Join Website Ini
ANALISIS FAKTOR
(FACTOR ANALYSIS)
Teori Singkat 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.
Model analisis faktor adalah :
X1 = c11 F1 + c12 F2 + c13 F3 + ... + c1m Fm + ε1 X2 = c21 F1 + c22 F2 + c23 F3 + ... + c2m Fm + ε2 X3 = c31 F1 + c32 F2 + c33 F3 + ... + c3m Fm + ε3 ... Xp = cp1 F1 + cp2 F2 + cp3 F3 + ... + cpm Fm + εp
atau
[pic] (p x 1) (p x m) (m x1)
dan X1, X2,..., Xp adalah variabel asal F1, F2,..., Fm adalah faktor bersama (common factor) cij adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j ε1, ε2, ..., εp adalah error
Hubungan antara varians variabel asal dengan, varians faktor dan varians error adalah sebagai berikut : var(Xi)= varians yang dijelaskan oleh faktor untuk variabel asal ke-i + var(error) = communality + specific variance = [pic] = [pic]
Besarnya bobot cij dapat diduga dengan menggunakan metode komponen utama ataupun kemungkinan maksimum (maximum likelihood). Metode komponen utama terbagi menjadi dua metode yaitu non-iteratif dan iteratif. Nilai dugaan cij yang diperoleh dengan metode non-iteratif adalah : [pic]atau [pic] untuk variabel asal yang dibakukan dan [pic]adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j [pic]adalah koefisien variabel asal ke-i untuk komponen utama ke-j [pic]adalah eigen value untuk komponen utama ke-j [pic]adalah simpangan baku (standard of deviation) variabel asal ke-j Algoritma untuk metode komponen utama iteratif adalah sebagai berikut : 1. Mulai
(FACTOR ANALYSIS)
Teori Singkat 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.
Model analisis faktor adalah :
X1 = c11 F1 + c12 F2 + c13 F3 + ... + c1m Fm + ε1 X2 = c21 F1 + c22 F2 + c23 F3 + ... + c2m Fm + ε2 X3 = c31 F1 + c32 F2 + c33 F3 + ... + c3m Fm + ε3 ... Xp = cp1 F1 + cp2 F2 + cp3 F3 + ... + cpm Fm + εp
atau
[pic] (p x 1) (p x m) (m x1)
dan X1, X2,..., Xp adalah variabel asal F1, F2,..., Fm adalah faktor bersama (common factor) cij adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j ε1, ε2, ..., εp adalah error
Hubungan antara varians variabel asal dengan, varians faktor dan varians error adalah sebagai berikut : var(Xi)= varians yang dijelaskan oleh faktor untuk variabel asal ke-i + var(error) = communality + specific variance = [pic] = [pic]
Besarnya bobot cij dapat diduga dengan menggunakan metode komponen utama ataupun kemungkinan maksimum (maximum likelihood). Metode komponen utama terbagi menjadi dua metode yaitu non-iteratif dan iteratif. Nilai dugaan cij yang diperoleh dengan metode non-iteratif adalah : [pic]atau [pic] untuk variabel asal yang dibakukan dan [pic]adalah bobot (loading) dari variabel asal ke-i pada faktor ke-j [pic]adalah koefisien variabel asal ke-i untuk komponen utama ke-j [pic]adalah eigen value untuk komponen utama ke-j [pic]adalah simpangan baku (standard of deviation) variabel asal ke-j Algoritma untuk metode komponen utama iteratif adalah sebagai berikut : 1. Mulai