Kind: captions
Language: id
Assalamualaikum warahmatullahi
wabarakatuh berjumpa lagi dengan saya di
channel YouTube saya ensiklopedia Ahmad
Fauzi di video kali ini Mari kita
pelajari Bagaimana caranya melakukan
eksploratory facto analisis menggunakan
program Jazz Apa itu
eksploratorialisis secara detail akan
saya bahas di video lainnya namun secara
sederhana
exploratory faktor analisis itu analisis
yang tujuan utamanya adalah untuk
mengetahui
item-item dari instrumen kita itu dapat
mengelompok menjadi berapa faktor nah
exploratory faktor analisis sering
digunakan ketika kita akan mengembangkan
instrumen misalkan ini ya saya
mengembangkan instrumen terdiri dari 16
item 16 pernyataan kemudian 16
pernyataan ini nanti bisa dikelompokkan
menjadi berapa faktor sih dikelompokkan
menjadi berapa dimensi sih Nah itu bisa
kita tentukan dengan menggunakan I Fe
atau exploratory faktor analisis Nah
kalau kita mengembangkan instrumen kita
akan mengenal istilah item variabel
faktor laten atau dimensi Apa itu
sederhananya item itu ya pernyataan atau
pertanyaan di kuesioner atau instrumen
yang kita kembangkan nomor 1 Nomor 2 Nah
itu item ya item dalam pengembangan
instrumen itu kita kenal juga sebagai
variabel sehingga kalau nanti saya
menyatakan variabel variabel itu merujuk
pada item kemudian item-item itu nanti
akan bisa mengumpul menjadi beberapa
kelompok nah setiap kelompok itu kita
kenal sebagai faktor laten atau kalau
dalam pengembangan instrumen kita kenal
sebagai dimensi misalkan kita ingin
mengembangkan instrumen motivasi belajar
instrumen motivasi belajar ini bisa
dibagi menjadi beberapa dimensi nah
dimensi ini tidak bisa diukur secara
langsung sehingga butuh beberapa item
untuk mengukur dimensi tersebut misalkan
motivasi belajar terdiri dari timment si
motivasi intrinsik kemudian ada dimensi
motivasi ekstrinsik kemudian ada dimensi
efikasi diri motivasi intrinsik itu
tidak bisa kita ukur langsung kita tidak
bisa membuat pernyataan seberapa tinggi
motivasi intrinsik anda untuk belajar
atau seberapa besar motivasi ekstrinsik
anda untuk belajar biologi seberapa
tinggi efikasi diri anda itu susah saya
tidak bisa diukur secara langsung nah
sesuatu yang tidak bisa diukur secara
langsung dalam pengembangan instrumen
itu kita kenal sebagai faktor laten atau
yang tadi saya katakan dimensi tadi Nah
faktor laten ini bisa diukur menggunakan
beberapa item misalkan motivasi
intrinsik bisa kita ukur dengan
pertanyaan-pertanyaan atau
pernyataan-pernyataan persetujuan
misalkan ya
untuk faktor intrinsik pernyataannya
misalkan saya sangat puas Ketika saya
mendapatkan nilai bagus
kemudian pilihan responnya sangat tidak
Setuju Agak setuju setuju sangat setuju
kemudian saya sangat senang ketika saya
bisa memahami materi biologi responnya
nanti sangat tidak Setuju Agak setuju
setuju sangat setuju motivasi ekstrinsik
misalkan nanti pernyataan-pernyataannya
berkaitan dengan pujian dari orang tua
support dari guru nah begitu efikasi
diri nanti diukur dengan
pernyataan-pernyataan terkait tingkat
kepercayaan diri mereka untuk belajar
tingkat kepercayaan diri mereka ketika
mendapatkan masalah dan bisa mengatasi
permasalahan tersebut Nah item-item itu
digunakan untuk mengukur dimensi yang
sudah ditentukan tadi jadinya beberapa
item digunakan untuk mendapatkan satu
dimensi atau satu faktor laten
kemudian ketika kita ingin mengolah data
tersebut
tadi kan ada sangat tidak setuju
kemudian Agak setuju itu kan skala
ordinal nah skala itu kemudian datanya
kita Ubah menjadi angka seperti ini
misalkan sangat tidak setuju 0 kemudian
Agak setuju satu dan sebagainya urut
begitu ya dari yang sangat jelek sampai
bagus itu diurutkan begitu sesuai dengan
pernyataan yang positif atau negatif
Nah kalau kita ingin melakukan analisis
data dicek seperti yang kita pelajari di
video sebelumnya kita ndak bisa
menginput manual satu persatu data kita
langsung ke program Jazz maka kita
membutuhkan bantuan Excel terlebih
dahulu di Excel kita bisa menata data
kita seperti ini ya
variabel-variabel kita atau item-item
kita kita tulis di atas item 1 item 2
item 3 atau mungkin menggunakan istilah
lain A1 A2 A3 kemudian di sini B1 B2
terserah ya kalau di sini contohnya item
1 sampai item 16 ada 16 pernyataan
misalkan di sini kemudian ini tingkat
persetujuan sudah diubah menjadi
angka-angka seperti ini nah dalam
pengembangan instrumen ini misalnya kita
melibatkan 200 siswa maka setiap siswa
itu ditulis dari satu baris ke baris
selanjutnya baris ini merupakan data
siswa pertama baris ini data siswa kedua
baris ini data siswa ketiga dan
seterusnya sampai siswa terakhir karena
ini contohnya 200 siswa maka nanti di
baris ke sini merupakan data dari siswa
kedua 200 kayak gitu Setelah kita
menyiapkan data seperti ini kita harus
save data kita dalam format csv
Bagaimana caranya kita ke file kemudian
shift kemudian kita
browse kita ingin simpan di folder mana
sih kita pilih foldernya misalkan di
folder download
kemudian di file nama kita bisa
sesuaikan misalkan data ife nah kemudian
ini yang perlu kita ingat ya save as
typenya harus csv koma delimited ya
dicari nah ini ada csv kita pilih
kemudian kita klik save sehingga data
kita sudah terformat menjadi csv kalau
dalam format xls atau Excel itu tidak
bisa dibaca oleh Jess bisa membaca yang
formatnya csv sekarang kita kembali ke
chest
di pojok kiri ada garis 3 ini kita klik
kemudian di menu pertama ada Open
kemudian kita pilih yang computer ya
kemudian kita pilih browse kita cari
foldernya tadi di mana oh di folder
download kalau di sini kemudian nama
filenya apa Oh data ife kita klik kiri
kemudian kita klik Open sehingga data
kita
sudah muncul di sini ya sudah muncul di
cash ini ya datanya
kemudian di sini ada simbol semacam
grafik batang seperti ini ini
mengindikasikan bahwasanya data kita
dalam skala ordinal namun sebelum kita
melakukan analisis faktor
skala ini harus kita ubah dari ordinal
menjadi
skill ya bagaimana cara mengubahnya nah
di grafik ini bisa kita klik ya Mouse
kita saya perbesar dulu biar enak ya Nah
Mouse kita tangan ini yang muncul ini
bisa diarahkan ke sini nah sampai
menunjuk seperti ini kemudian kita klik
kiri Lalu ada pilihan Nah kita pilih
yang skill kalau salah klik nanti bisa
muncul yang nah seperti ini Ini salah
salah ngeklik ya ini bisa kita hilangkan
dengan menekan tombol X ini ya Sehingga
ini kita
perbaiki dulu kita Ubah menjadi skill
hingga ke item terakhir kayak gitu
Nah setelah semua diubah menjadi skill
sehingga simbolnya berubah seperti ini
maka kita sudah siap untuk mengolah data
ini menggunakan ife caranya gimana di
atas ini ada faktor ini faktor ini bisa
kita klik kemudian ada tiga pilihan kita
pilih yang exploratory Factor analysis
kemudian di sini kita lihat nah ini
sudah muncul tabel-tabel kosongan yang
siap akan menghasilkan hasil olahan data
setelah kita mengatur di sisi kiri Ini
saya perkecil dulu ya biar tampilannya
seperti awal nah ini ya Ini tampilan
awalnya seperti ini kemudian di sisi
kiri Ini ada variabel-variabel kita tadi
pastikan simbolnya sudah seperti ini ya
kalau ternyata simbolnya ada yang masih
grafik ya artinya dia masih ordinal
Bagaimana cara mengubahnya kita bisa
menutup jendela ini ya kita bisa
menggunakan tanda x ini remove di
analisis kemudian nanti tinggal misalkan
Nomor 8 tadi misal ya masih ordinal Maka
langsung Kita sesuaikan menjadi skill
kalau sudah tidak ada yang terlewat
tidak kembali lagi klik menu factors
kemudian kita pilih exploratory Factor
analysis
kemudian kita
pindahkan seluruh item ini Eh sorry ya
Mohon maaf saya perkecil dulu
Setelah itu kita pindahkan seluruh item
ini ke kotak variabel di sini ya kita
bisa Klik salah satu kemudian kita
kontrol a di keyboard masing-masing
kemudian di sini ada tombol panah kita
klik sehingga seluruh item masuk sini
dan di sini sudah mulai mengolah data
kemudian di sini ada number of based on
nah ini kita ingin mengelompokkan
variabel kita menjadi faktor itu
dasarnya apa dasar analisis atau dasar
penentuannya apa di sini setidaknya ada
3 cara untuk mengelompokkan faktor
mengelompokkan item-item ini menjadi
faktor yang pertama menggunakan analisis
pararel yang kedua menggunakan agent
values kemudian yang ketiga manual
misalkan kita mengembangkan instrumen
kemudian menyebarkan instrumen tersebut
tetapi kita belum tahu atau belum secara
pasti menentukan nanti item ini akan
saya kelompokkan menjadi beberapa faktor
lah potensi Nanti akan saya kelompokkan
menjadi berapa dimensi sebaiknya kalau
kita belum tahu kita pilih yang pararel
analisis ini lebih akurat lebih mudah
lebih otomatis begitu ya tetapi kalau
kita sudah punya dasar oh nanti
instrumen yang saya kembangkan ini akan
saya kelompokkan menjadi 3 faktor laten
maka di sini ya Ada pilihan manual nah
ini manual ya manual ini bisa kita klik
nah kemudian number of factorsnya
tinggal Kita sesuaikan usaha ingin
mengelompokkan menjadi tiga maka ini
bisa diganti menjadi angka 3 nah
misalnya seperti itu Anggap saja
instrumen yang saya kembangkan tadi
belum saya tentukan berdasarkan teori
atau belum Saya prediksi atau belum saya
inginkan oh nanti akan menjadi tiga
faktor maka Ya sudah saya pilih yang
pararel analisis
kemudian di sini ada factoring message
metode memfaktorkannya menggunakan apa
di sini kalau kita klik ada banyak
pilihan ada minimum residual ada
maksimum mulai kelihatan
ini yang paling sering digunakan
dan banyak program yang defaultnya
adalah minimum residual
ini banyak digunakan Tetapi dia agak
sensitif kalau datanya nggak normal
sedangkan kalau maksimum mulai kelihatan
itu lebih fleksibel meskipun datanya
normal lebih aman sehingga kita pilih
yang maksimum mulai kelihatan saja Oke
kemudian di sini ada Rotation
ada dua pilihan ada olshorgonal ada
objek
itu kalau faktor-faktor laten kita kita
anggap kita ketahui tidak berkorelasi
tidak berhubungan satu sama lain
sehingga faktor-faktor tersebut
membentuk sudut 90° atau siku-siku atau
tegak lurus begitu sedangkan kalau oblic
kita anggap atau kita ketahui bahwasanya
faktor-faktor laten di dalam model kita
nanti itu berkorelasi sehingga membentuk
sudut lancip begitu nah sekarang kita
anggap faktor-faktor kita itu tidak
berkorelasi sehingga kita pilih yang
ortogonal kemudian ini masih 6 ini kita
pilih yang
seperti ini kemudian di based on
analysis di sini ada tiga pilihan Nah
ada correlation ada co-varian ada
polytronik dan tetrakonik korelation
Matrix kita pilih yang correlation
Matrix terlebih dahulu kemudian nah ini
ada output option ini bisa kita klik ya
sehingga muncul beberapa pilihan di sini
Untuk menggeser di sini ada batang ini
ya bisa kita
drag seperti ini nah kemudian di sini
ada tabel
kita ingin menambahkan tabel apa sih di
sini sebetulnya sudah ada banyak tabel
ya tabel dasar tabel ife dasar tetapi
kita ingin menambahkan tabel lain yang
penting maka kita bisa menambahkan di
tabel sini Misalkan kita ingin tambahkan
structure Matrix kemudian faktor
correlation untuk melihat hubungan antar
faktor yang tadi saya singgung ketika
memilih Rotation di sini
kemudian ada additional feed in disease
ini bisa dicentang bisa tidak ada resi
dual Matrix boleh dicentang paralel
analisis mau dicentang silahkan begitu
kemudian di sini ada plotch di sini kita
pilih ya patch diagram kita centang
sehingga nanti muncul diagram hasil
analisis faktor modelnya Seperti apa
kemudian juga ada script nah script ini
berkaitan dengan agent value Bagaimana
caranya kita menentukan jumlah faktor
itu juga bisa didasarkan pada script ini
tetapi kalau kita ingin patch diagram
saja nggak masalah ya karena tadi kita
di sini sudah menggunakan paralel
Analisis untuk menentukan jumlah faktor
di dalam instrumen kita
kemudian di sini ada display loading
above jadinya kita ingin memunculkan
angka-angka di sini Itu yang di atas
Angka berapa defaultnya 0,4 sehingga di
atas 0,4 akan muncul di sini kalau kita
naikkan menjadi lebih tinggi ya Nanti
banyak yang hilang kalau kita turunkan
nanti muncul semua begitu ya kita coba
ya misalkan ini saya tarik terlebih
dahulu kemudian saya perkecil layarnya
Oke seperti ini Nah ini kan Nol di atas
0,4 semua sekarang saya coba naikkan
menjadi 0,87 nah ini cuma satu yang
muncul karena yang di atas 0,871
hanyalah item 6 di faktor 3 kalau saya
turunkan nanti muncul semua
item-itemnya bisa muncul di semua faktor
begitu defaultnya 0,4 maka kita bisa
gunakan default tersebut 0,4
nah sehingga seperti ini ya
ini juga bisa disesuaikan sesuai
keinginan peneliti kemudian
di bawah lagi ada beberapa menu yang
penting juga ini asomption checks kita
ingin ngecek apakah data kita memenuhi
asumsi untuk ife kita gunakan qmo ya
kemudian part LED untuk spesifikasi ini
juga kita centang oke nah Ini yang
penting-penting sudah kita centang
sekarang kita lihat hasilnya di sini ada
tanda panah ini ya bisa kita klik untuk
memperluas output kita nah yang pertama
ini ya
faktor analisis ini qmo-nya
di sini ada hasilnya
di sini ada overall MSI nya prinsipnya
ya semakin tinggi angkanya semakin
mendekati satu angkanya semakin bagus
tetapi
Kita juga bisa menggunakan Cut offnya
nilai minimalnya pasti gradenya yang
bagus itu berapa ya nanti kalau kalian
mencari referensi nanti ada kan banyak
referensi yang mengatakan qmo itu
minimal 0,5 ini kita lihat ya semuanya
di atas 0,5 overall-nya juga di atas 0,5
kemo itu untuk apa qmo itu untuk
mengetes
kecukupan dan ketepatan kecukupan dan
kecocokan data kita untuk analisis Ifi
cukup nggak cocok nggak dengan ife Nah
itu di analisis menggunakan gmo kalau di
atas 0,5 artinya data kita ya cocok
untuk Efi
kemudian analisis selanjutnya adalah
Mark letest sama kayak squaretes ini ya
ini
harapannya adalah di bawah 0,05 P
valuenya kalau di bawah 0,05 artinya
bagus Fungsinya bertetes untuk apa
fungsinya bartest Ini untuk apa ya
menguji korelasi korelasi di dataset
kita tadi ya apakah data kita variabel
kita tadi saling berkorelasi atau tidak
analisis faktor itu dasarnya adalah
korelasi sehingga kalau data kita tidak
berkorelasi ya nggak bisa nggak cocok
untuk analisis faktor
kemudian di sini ada faktor loading Apa
itu faktor loading sederhananya faktor
loading itu ya semacam angka yang
menggambarkan
hubungan antara item kita atau variabel
kita dengan faktor laten ini kan
item-item kita tadi ya Tadi ada 16
kemudian menggunakan faktor loading
dikelompokkan dia item 16 itu lebih
berhubungan atau lebih berkontribusi ke
faktor yang ke berapa
di sini kita lihat Oh ternyata item 16
di faktor 1 item 10 di faktor 1 item 13
di faktor 2 item 7 di faktor 3
yang semakin besar
loading factornya maka dia semakin
berkaitan dengan faktor tersebut begitu
kemudian Nah di sini ada structure
Matrix ya ini hampir ini tidak dibaca
dulu Enggak masalah kemudian di sini ada
faktor karakteristik ada agen value dari
setiap faktor nah kemudian ini ada
faktor korelation korelasi antara satu
faktor dengan faktor lainnya
tadi kita kan memilih yang ortogonal ya
yang asumsi kita bahwasanya setiap
faktor kita itu tidak berkorelasi Dan
ini sehingga muncul seperti ini ya
faktor 1 ke faktor 2 0,00
itu kan artinya tidak ada korelasi
kemudian ada di channel fit in this ini
nggak wajib ya kalau ife beda sama cfe
nanti kita butuh melakukan edisial
kemudian ini pediagram yang
menggambarkan
hubungan antara item-item kita dengan
variabel laten kita ya Ini oke nah saya
Tampilkan seperti ini aja biar enak nah
ini ya jadinya ini sama dengan tabel
yang di sini tadi Eh sorry tabel yang
sini tadi tetapi dimunculkan dalam
bentuk diagram di sini ada tiga faktor
laten ya Ada tiga dimensi rc1 RC itu
sama rc3 ya
di sini kita lihat ada garis semakin
tebal garisnya itu artinya semakin kuat
ini jadinya kita lihat bahwasanya rc3
itu item 6 dan 7 kalau kita cocokkan di
atas tadi nah sama ya item 6 sama item 7
nah ini vektor 3 masuk ya kemudian 11 12
13 14 di faktor tuh kita lihat ini RC
itu ada 14 13 12 11 kemudian sisanya Di
lc1 ya semakin tebal artinya dia semakin
kuat hubungannya kemudian ini script Ya
mungkin akan saya bahas di video lain
tetapi untuk analisis kita saat ini kita
tidak perlu membaca ini karena tadi juga
kita mendasarkan analisis faktor kita
menggunakan paralel analisis oke itu
cara kita melakukan analisis
eksploratory menggunakan Jazz diagram
ini harus kita Munculkan kalau kita
membuat laporan atau publikasi ilmiah
kemudian di sini kita baca dan bisa kita
simpulkan bahwasanya dari 16 item tadi
sebaiknya ya item 8 tidak
dilibatkan karena dia tidak masuk di
faktor manapun kemudian instrumen kita
bisa dikelompokkan menjadi tiga faktor
semacam ini Oke demikian video kali ini
di video selanjutnya akan kita pelajari
caranya melakukan
konfirmatory faktor analisis menggunakan
Jazz terima kasih assalamualaikum
warahmatullahi wabarakatuh