Pada artikel sebelumnya kita sudah membahas konsep umum dari analisis komponen utama (AKU) atau principal component analysis (PCA). Tujuan utama dari analisis AKU atau PCA sendiri adalah untuk mereduksi data dalam arti bahwa ada peringkasan sejumlah besar variabel hanya menjadikannya beberapa (2 atau 3) komponen utama yang dapat mensarikan variasi pada sejumlah besar variabel tersebut sebesar 80% s.d 90%-nya. Cara ini sangat praktis bagi peneliti yang memiliki tantangan dengan banyaknya variabel yang ditelitinya.
Selain itu, AKU atau PCA juga dapat difungsikan sebagai salah satu solusi ketika terjadi masalah multikolinearitas pada model regresi yang terbentuk. Dengan menggunakan komponen utama yang dihasilkan dari analisis AKU atau PCA bisa dipastikan bahwa komponen utama yang terbentuk bebas dari masalah multikolinearitas sehingga sangat solutif bagi model regresi dengan masalah multikolinearitas. Keunikan lain adalah dalam hal penamaan baru bagi komponen utama yang terbentuk dengan melihat karakteristik variabel dominan yang menyusunnya (lihat nilai loading faktornya).
Pada kesempatan kali ini kita coba uraikan pengaplikasiannya pada data dengan bantuan software SPSS, yang akan diuraikan pada bagian berikut ini.
- Pastikan variabel yang kita miliki memenuhi kriteria analisis AKU atau PCA yaitu sejumlah variabel yang banyak yang menyulitkan peneliti atau hendak menanggulagi masalah multikolinearitas pada model regresi.
- Buka software SPSS lalu masukan data penelitian yang kita punya pada jendela Data View dan definisikan variabel yang kita punya di jendela Variable View.
- Pastikan aturan yang sudah dikemukakan pada artikel sebelumnya dilakukan. Apabila satuan dari data kita berbeda lakukan standarisasi terlebih dahulu pada data yang kita punya.
- Setelahnya klik pada menu Analyse, pilih menu Data Reduction dan Factor lalu klik, maka akan muncul jendela seperti gambar berikut.
- Setelah itu pada menu Extraction, pilih Method pada Principal Components dan pada display centang tambahan untuk menampilkan Scree Plot, seperti tampak pada gambar berikut.
- Pada menu Scores centang pada pilihan Save as variables dan pilih metode yang digunakan dalam proses menghasilkan nilai Score. Pemunculan nilai scores ini diperlukan jika hendak dilakukan analisis lanjutan terhadap data Scores yang dihasilkan.
- Jika sudah yakin dengan berbagai pilihan perlakuan pada data dalam proses analisis, setelah semua variabel dimasukan ke dalam kolom Variables, lalu klik OK dan SPSS akan memproses data.
- Hasil dari analisis AKU atau PCA yang diproses oleh SPSS seperti ditunjukkan pada gambar berikut. Penjelasan pada output SPSS disesuaikan dengan penjelasan pada artikel sebelumnya. Yang penting untuk diperhatikan adalah penentuan jumlah komponen utama dan besar keragaman yang dapat dijelaskan oleh komponen utama.
Ouput 1. Komponen Utama Terbentuk (Variance Explained & Scree Plot)
Output 2. Nilai Loading Komponen Utama (Component Matrix)
- Selain bentuk output SPSS di atas, pada jendela Data View terdapat variabel baru yaitu skor dari komponen utama yang terbentuk. Nilai skor inilah yang nantinya menjadi data variabel baru yang dapat langsung diinterpretasikan maupun dilakukan pengujian lanjutan terhadap data variabel terbentuk.
Output 3. Score Komponen Utama (Fac1 & Fac2)
Analisis komponen utama (AKU) atau Principal Component Analysis (PCA) merupakan jenis analisis yang sederhana pada rumpun analisis multivariat interdependensi. Sesuai dengan fungsinya, AKU atau PCA berguna dalam meringkas data dalam artian komponen utama yang dihasilkan merupakan suatu kombinasi linear dari variabel-variabel asli penyusunnya dengan tetap mempertahankan maksimum varians awal. Sampai jumpa pada pembahasan artikel selanjutnya. SEMANGAT MENCOBA!!!
———————————————————————————————————————————————————-
- Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
- WhatsApp : 081321709749
- Email : welcome@mobilestatistik.com
- Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
- “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”
———————————————————————————————————————————————————-