 |
| Sumber: Google |
Salam semua, dah lama tak update entry di sini, hampir 3 bulan. Idea untuk menulis memang sentiasa ada, cuma agak keterbatasan waktu untuk mengolah agar ayat lebih mudah difahami kepada pembaca.
Juga terima kasih kepada anda yang pernah mendapatkan khidmat dan servis saya, jutaan terima kasih atas kepercayaan yang diberikan.
Sebenarnya adakalanya idea menulis itu datang ketika menjalankan analisis, yang adakalanya saya tak terokai waktu zaman belajar dahulu, namun begitulah mana-mana bidang ilmu, selagi kita teroka dan gali, rasa banyak sangat maklumat yang tidak diketahui. Namun sedikit sebanyak ilmu yang kita dapat mungkin dapat dikongsi dengan orang lain yang tidak berkesempatan untuk menggalinya.
Ok lah untuk entry kali ini, saya nak ceritakan sedikit mengenai perbandingan kaedah putaran dalam analisis faktor, selalunya bila kita guna SPSS > Analyze > Dimention Reduction > Factor Analysis > Rotation. Kaedah rotation yang manakah harus digunakan? Namun dalam entry ini lebih kepada perbandingan antara kaedah varimax dan promax sahaja. Kajian lanjut nanti kita buat paper lah..hehe.
 |
Hampir semua kaedah putaran dalam analisis
faktor boleh dibahagikan kepada 2 jenis umum iaitu, ‘orthogonal’ dan ‘oblique’.
Jadual: Perbandingan Putaran Jenis Orthogonal dan Oblique
 |
Analisis dalam kaedah promax menghasilkan
putaran struktur yang lebih mudah berbanding Varimax, khususnya apabila
ciri-ciri pemboleh ubah pendam (latent) adalah berkorelasi tinggi (McLeod et
al., 2001).
McDonald
(1997) mencadangkan jenis putaran oblique lebih sesuai kerana dalam aplikasi
sebenar, jarang untuk menemui setiap faktor dalam kajian tidak berkorelasi
antara satu sama lain.
De
Vellis (2003) pula dalam kajiannya mencadangkan apabila korelasi antara faktor
adalah < 0.15, jenis orthogonal lebih
baik, sebaliknya jika lebih r > 0.15, maka jenis oblique adalah sesuai.
Kieffer
(1998) pula mencadangkan menggunakan kedua-dua orthogonal dan oblique, kemudian
kedua-dua keputusan dibandingkan. Jika kedua-dua kaedah menghasilkan keputusan
yang sama atau tidak banyak beza, orthogonal boleh digunakan. Namun jika
terdapat banyak perbezaan, pendekatan oblique lebih sesuai.
(Johnson
& Wichem, 2002; McDonald, 1997; Tabachnick & Fidell, 2001) secara
umumnya mencadangkan bahawa jika pengkaji percaya bahawa faktor tersembunyi (underlying
factor) adalah berkorelasi antara satu sama lain, jenis oblique harus
digunakan.
Namun
berdasarkan cadangan-cadangan penulis terdahulu, tiada kajian yang betul-betul
menguji sejauh mana pencapaian pendekatan orthogonal mahupun oblique mengikut
bidang kajian tertentu.
Oleh kerana putaran faktor tidak mengubah penyuaian
(fit) sebenar penyelesaian dalam analisis faktor, tiada satu kaedah yang ada
boleh dikatakan lebih baik berbanding yang lain. Sebaliknya, setiap kaedah
mempunyai kelebihan dan kekurangan yang unik, di mana sesuatu pendekatan
tersebut mungkin lebih sesuai dalam sesetengah keadaan/ kajian tertentu.
Ok, setakat ini dahulu perkongsian hari ini. Ada masa kita cerita lagi.
Artikel
ini saya olah daripada:
Finch,
H. (2006). Comparison of the Performance of Varimax and Promax Rotations:
Factor Structure Recovery for Dichotomous Items. Journal of Educational
Measurement, Vol. 43, No. 1 (Spring, 2006), pp. 39-52
Rujukan:
Johnson,
R. A., & Wichern, D. W (2002). Applied multivariate statistical analysis.
Upper Saddle River, NJ: Prentice Hall.
DeVellis,
R. F. (2003). Scale development: Theory and applications. Thousand Oaks, CA:
Sage
Kieffer,
K. M. (1998). Orthogonal versus oblique rotation: A review of the literature
regarding the pros and cons. Paper presented at the Annual Meeting of the
Mid-South Educational Research Association, New Orleans, LA, November, 1998.
McDonald,
R. P. (1997). Test theory: A unified treatment. Mahwah, NJ: Erlbaum.
McLeod,
L. D., Swygert, K. A., & Thissen, D. (2001). Factor analysis for items
scored in two categories. In D. Thissen & H. Wainer (Eds.), Test scoring
(pp. 189-216). Mahwah, NJ: Erlbaum
Tabachnick,
B. G., & Fidell, L. S. (2001). Using multivariate statistics. Needham Heights,
MA: Allyn & Bacon.
