Analisis Faktor Terhadap Faktor Perilaku Penyebab Kanker Serviks
Gisela Azzahra
11/27/2024
- 1 PENDAHULUAN
- 2 SOURCE CODE
- 2.1 Library yang Dibutuhkan
- 2.2 Menginput Data
- 2.3 Menampilkan Struktur data
- 2.4 Uji KMO
- 2.5 Input data dengan variabel dengan MSA > 0.5
- 2.6 Korelasi Data
- 2.7 Uji KMO Data Baru
- 2.8 Uji Bartlett
- 2.9 Nilai Eigen
- 2.10 Scree Plot
- 2.11 Ekstraksi Faktor dengan PCA
- 2.12 Ekstraksi Faktor dengan PFA
- 2.13 Plot
- 3 HASIL DAN PEMBAHASAN
- 4 Penutup
- 5 DAFTAR PUSTAKA
> library(readxl) #Import data format excel
> library(corrplot) #Plot Korelasi
> library(REdaS) #KMO dan Bartlett`s Test
> library(psych) #Analisis faktor1 PENDAHULUAN
1.1 Latar Belakang Kasus
Kanker atau tumor ganas merupakan istilah untuk menjelaskan suatu penyakit di mana sel-sel tubuh yang normal berubah menjadi abnormal. Sel-sel abnormal tersebut menginvansi jaringan di sekitarnya. Sel kanker dapat menyebar ke bagian lain dari tubuh melalui darah dan sistem limpa. Penyakit kanker menjadi salah satu penyebab kematian utama di seluruh dunia. Sampai saat ini ada lebih dari 100 jenis kanker yang telah ditemukan, salah satunya adalah kanker serviks. Kanker serviks adalah kanker yang tumbuh dari sel-sel serviks yang berasal dari sel-sel di leher rahim atau dapat pula tumbuh dari sel-sel mulut rahim maupun keduanya. Sel-sel ini tidak secara tiba-tiba berubah menjadi kanker. Karena pengaruh dari zat karsinogen, sel-sel normal serviks dapat berkembang menjadi sel pra-kanker dan kemudian berubah menjadi sel kanker.Menurut World Health Organization (WHO), diperkirakan lebih dari 311.000 wanita meninggal karena kanker serviks setiap tahunnya. Sekitar 85% kematian akibat kanker serviks di seluruh dunia terjadi di negara kurang berkembang atau berkembang. Angka kematian di negara berpendapatan rendah dan menengah 18 kali lebih tinggi dibandingkan dengan negara berpendapatan tinggi.
Setiap hari di Indonesia, terdapat 40 wanita yang terdiagnosis kanker serviks dan 20 wanita meninggal karena kanker serviks. Pada tahun 2018, menurut Kementrian Kesehatan Republik Indonesia menunjukkan bahwa kanker serviks merupakan kanker terbanyak kedua yang terjadi pada wanita di Indonesia. Tingkat penyebaran kanker serviks di Indonesia pada 5 tahun terakhir sebanyak 84.201 kasus dengan jumlah kasus baru sebanyak 32.469 kasus dan jumlah kematian sebanyak 18.279 kasus. Umumnya, kanker serviks pada wanita di Indonesia terdiagnosis pada stadium lanjut dan berujung pada kematian setelah masa yang sangat lanjut. Faktor eksternal yang diduga berhubungan dengan kanker serviks ialah human papillomavirus (HPV) dan infeksi sperma. Selain itu, faktor terjadi kanker serviks disebabkan oleh gaya hidup yang salah, seperti perilaku seksual dengan banyak pasangan seksual, pola makan, dan merokok. Perubahan yang terjadi akibat kanker serviks biasanya berlangsung beberapa tahun sebelum berkembang menjadi kanker. Untuk mendekteksi dan mengobati perubahan pada sel serviks sebelum berkembang menjadi kanker serviks dapat dilakukan skrinning (pap smear atau IVA). Pentingnya upaya pencegahan dan pendeteksian lebih awal membantu menurunkan risiko yang ditimbulkan oleh kanker serviks.
1.2 Data
Data yang digunakan dalam kasus ini adalah dataset Cervical Cancer
Behavior Risk yang berasal dari UC Irvine Machine Learning Repository.
Dataset berisi 20 atribut mengenairisiko perilaku kanker serviks dan
melibatkan 72 sampel. 20 atribut tersebut yaitu: 1) behavior_sexual
risk
2) behavior_eating 3) behavior_personalHygine 4) intention_aggregation
5) intention_commitment 6) attitude_consistency 7) attitude_spontaneity
8) norm_significantPerson 9) norm_fulfillment 10)
perception_vulnerability 11) perception_severity 12) motivation_strength
13) motivation_willingness 14) socialSupport_emotionality 15)
socialSupport_appreciation 16) socialSupport_instrumental 17)
empowerment_knowledge 18) empowerment_abilities 19) empowerment_desires
20) ca_cervix
Berikut merupakan data yang digunakan dalam penelitian ini:
> data <- read.csv("C:/Users/Asus/Downloads/Data Cervical Cancer.csv")
> data
behavior_sexualRisk behavior_eating behavior_personalHygine
1 10 13 12
2 10 11 11
3 10 15 3
4 10 11 10
5 8 11 7
6 10 14 8
7 10 15 4
8 8 12 9
9 10 15 7
10 7 15 7
11 7 15 7
12 10 15 8
13 10 15 12
14 9 12 14
15 2 15 15
16 10 15 7
17 10 15 9
18 10 12 7
19 10 11 12
20 10 12 12
21 10 15 15
22 10 12 11
23 10 13 14
24 10 15 13
25 10 12 10
26 10 15 13
27 10 13 15
28 10 15 11
29 10 11 11
30 10 14 10
31 10 8 9
32 10 15 15
33 10 10 11
34 10 11 10
35 10 15 15
36 10 3 5
37 10 15 9
38 10 10 12
39 10 9 11
40 10 14 14
41 10 12 11
42 10 15 13
43 10 15 15
44 10 15 15
45 10 11 14
46 10 15 14
47 10 14 11
48 10 15 15
49 10 15 11
50 6 15 11
51 10 11 15
52 10 15 15
53 10 9 12
54 10 13 12
55 10 15 15
56 10 9 8
57 10 10 5
58 10 11 8
59 10 11 9
60 10 13 9
61 10 12 10
62 10 10 10
63 10 13 11
64 10 13 15
65 10 15 8
66 10 13 11
67 10 12 13
68 10 14 14
69 10 12 15
70 10 8 11
71 9 12 13
72 10 14 14
intention_aggregation intention_commitment attitude_consistency
1 4 7 9
2 10 14 7
3 2 14 8
4 10 15 7
5 8 10 7
6 6 15 8
7 6 14 6
8 10 10 5
9 2 15 6
10 6 11 8
11 10 14 7
12 9 15 7
13 10 15 6
14 9 15 10
15 6 13 8
16 6 14 8
17 7 6 8
18 5 10 8
19 2 10 8
20 8 10 8
21 4 15 8
22 10 15 7
23 10 15 6
24 10 15 2
25 7 15 6
26 10 15 6
27 8 13 7
28 10 15 8
29 10 14 5
30 9 15 4
31 10 15 10
32 8 9 8
33 10 15 5
34 9 15 5
35 10 15 10
36 2 9 6
37 3 15 8
38 5 7 6
39 10 15 7
40 10 11 5
41 10 15 7
42 10 15 6
43 10 15 8
44 10 15 9
45 10 15 10
46 10 11 10
47 10 15 9
48 6 11 7
49 10 15 8
50 10 12 8
51 10 11 6
52 10 15 10
53 10 14 9
54 2 15 7
55 10 11 7
56 2 15 6
57 2 15 8
58 10 15 7
59 6 15 6
60 10 15 8
61 10 15 6
62 10 15 6
63 6 15 8
64 10 15 8
65 6 11 6
66 6 14 9
67 10 11 7
68 10 15 6
69 10 15 8
70 6 10 6
71 10 13 6
72 6 12 7
attitude_spontaneity norm_significantPerson norm_fulfillment
1 10 1 8
2 7 5 5
3 10 1 4
4 7 1 5
5 8 1 5
6 10 1 3
7 10 5 3
8 10 5 5
9 10 1 3
10 8 5 3
11 9 1 3
12 10 1 3
13 10 1 3
14 9 3 6
15 9 1 3
16 8 4 8
17 8 1 12
18 8 1 8
19 8 2 10
20 6 2 7
21 10 5 3
22 8 3 3
23 8 1 5
24 10 1 5
25 8 2 4
26 10 1 3
27 8 3 5
28 10 1 3
29 8 1 4
30 5 2 5
31 10 1 3
32 9 4 7
33 8 1 5
34 10 3 3
35 10 1 3
36 10 1 3
37 10 1 3
38 6 4 5
39 6 1 3
40 9 1 5
41 8 3 3
42 10 1 7
43 8 5 11
44 10 5 11
45 10 5 15
46 8 5 11
47 10 5 15
48 6 5 11
49 10 1 15
50 10 5 14
51 10 5 15
52 10 5 15
53 6 5 11
54 10 5 15
55 8 5 15
56 10 1 15
57 10 5 13
58 8 5 14
59 8 5 14
60 8 5 14
61 8 5 15
62 6 5 14
63 10 5 15
64 10 5 14
65 10 5 11
66 10 5 15
67 7 5 14
68 7 5 15
69 8 5 15
70 4 3 13
71 6 5 14
72 8 5 15
perception_vulnerability perception_severity motivation_strength
1 7 3 14
2 4 2 15
3 7 2 7
4 4 2 15
5 3 2 15
6 4 2 14
7 7 2 7
8 5 2 10
9 5 2 9
10 3 4 15
11 8 2 4
12 7 2 15
13 3 2 4
14 3 2 15
15 3 4 15
16 10 2 3
17 5 4 5
18 10 4 6
19 8 7 6
20 6 2 12
21 8 3 11
22 3 2 13
23 5 2 15
24 6 2 14
25 9 2 15
26 5 2 15
27 9 2 13
28 3 2 15
29 3 4 15
30 7 3 10
31 3 2 15
32 6 4 12
33 3 6 15
34 3 2 11
35 3 2 15
36 9 6 11
37 5 6 10
38 10 4 11
39 6 2 15
40 4 2 14
41 4 2 14
42 7 2 15
43 15 10 15
44 15 10 15
45 14 10 15
46 15 10 15
47 15 10 15
48 13 10 15
49 15 10 15
50 13 10 15
51 11 10 15
52 14 9 9
53 11 9 15
54 10 2 15
55 13 10 15
56 15 8 11
57 15 10 15
58 13 8 12
59 11 8 11
60 8 8 11
61 11 8 13
62 13 9 15
63 7 10 13
64 6 8 13
65 15 8 15
66 15 10 15
67 15 9 14
68 14 10 15
69 14 8 12
70 9 8 14
71 13 10 13
72 12 10 10
motivation_willingness socialSupport_emotionality socialSupport_appreciation
1 8 5 7
2 13 7 6
3 3 3 6
4 13 7 4
5 5 3 6
6 8 7 2
7 13 3 3
8 9 13 2
9 15 13 10
10 3 8 2
11 3 7 9
12 3 3 6
13 3 3 2
14 15 3 10
15 3 7 6
16 3 3 2
17 4 3 3
18 3 3 2
19 5 3 2
20 11 9 8
21 3 3 2
22 11 10 7
23 10 12 8
24 14 14 8
25 12 10 7
26 13 9 7
27 11 12 9
28 13 13 10
29 11 13 9
30 7 4 6
31 13 11 6
32 12 14 9
33 13 13 10
34 11 9 4
35 10 10 10
36 10 9 9
37 15 13 10
38 9 11 8
39 15 15 10
40 15 11 8
41 7 9 8
42 7 3 4
43 15 15 10
44 15 15 10
45 9 9 4
46 15 15 10
47 13 6 6
48 15 11 10
49 13 3 2
50 7 5 2
51 15 15 6
52 13 12 9
53 11 3 2
54 12 11 7
55 15 11 8
56 11 13 10
57 3 3 2
58 7 4 3
59 7 3 2
60 3 3 2
61 7 3 2
62 9 13 8
63 7 3 5
64 7 3 4
65 7 3 4
66 3 3 4
67 10 6 6
68 13 9 8
69 14 11 7
70 12 9 7
71 12 11 8
72 13 11 9
socialSupport_instrumental empowerment_knowledge empowerment_abilities
1 12 12 11
2 5 5 4
3 11 3 3
4 4 4 4
5 12 5 4
6 7 13 9
7 15 3 3
8 9 8 7
9 15 13 15
10 9 3 4
11 13 8 3
12 13 7 5
13 15 13 6
14 15 11 3
15 7 7 7
16 5 5 5
17 5 7 7
18 4 4 3
19 4 4 4
20 12 10 10
21 7 8 5
22 12 12 12
23 15 15 15
24 14 15 14
25 12 14 10
26 12 15 11
27 10 12 13
28 15 15 13
29 13 13 12
30 7 5 9
31 15 15 10
32 14 13 9
33 15 13 13
34 9 15 15
35 15 15 15
36 14 6 10
37 15 15 15
38 11 11 10
39 15 15 15
40 14 13 13
41 12 15 10
42 3 11 5
43 15 15 15
44 15 15 15
45 3 14 11
46 15 15 15
47 12 15 11
48 15 11 11
49 9 15 8
50 5 13 9
51 9 15 15
52 15 15 15
53 6 13 7
54 6 10 9
55 15 15 13
56 15 13 13
57 13 15 15
58 3 4 4
59 3 3 3
60 3 3 3
61 3 3 3
62 14 13 12
63 3 3 3
64 3 3 6
65 11 13 10
66 7 7 7
67 6 9 7
68 12 12 11
69 13 15 11
70 11 12 10
71 12 11 13
72 14 13 15
empowerment_desires ca_cervix
1 8 1
2 4 1
3 15 1
4 4 1
5 7 1
6 6 1
7 5 1
8 12 1
9 15 1
10 4 1
11 9 1
12 9 1
13 11 1
14 11 1
15 3 1
16 3 1
17 3 1
18 5 1
19 3 1
20 9 1
21 3 1
22 12 0
23 15 0
24 15 0
25 14 0
26 15 0
27 12 0
28 15 0
29 13 0
30 12 0
31 15 0
32 12 0
33 13 0
34 15 0
35 15 0
36 10 0
37 15 0
38 11 0
39 14 0
40 13 0
41 14 0
42 9 0
43 15 0
44 15 0
45 15 0
46 15 0
47 14 0
48 15 0
49 11 0
50 3 0
51 9 0
52 15 0
53 3 0
54 12 0
55 11 0
56 10 0
57 15 0
58 7 0
59 3 0
60 3 0
61 3 0
62 12 0
63 3 0
64 3 0
65 15 0
66 11 0
67 11 0
68 9 0
69 14 0
70 10 0
71 15 0
72 15 01.3 Latar Belakang Metode
Berdasarkan pada penjelasan di atas, maka untuk mengidentifikasi faktor-faktor perilaku penyebab kanker serviks dilakukan analisis faktor untuk menjelaskan sejumlah besar variabel yang saling berhubungan. Sehingga variabel-variabel dalam satu faktor memiliki korelasi yang tinggi, sedangan korelasi dengan variabel pada faktor lain relatif rendah. Penelitian ini bertujuan untuk mengidentifikasi pola hubungan yang terbentuk dari faktor-faktor perilaku penyebab kanker serviks. Sehingga penelitian ini dapat memberikan penjelasan mengenai faktor-faktor yang berpengaruh terhadap kanker serviks dan membantu dalam upaya pencegahan dan pendeteksian lebih awal untuk membantu menurunkan risiko yang ditimbulkan oleh kanker serviks.
1.4 Tinjauan Pustaka Metode
Analisis faktor merupakan analisis yang digunakan untuk mereduksi data dengan tujuan menemukan variabel baru yang jumlahnya lebih sedikit dari variabel asli. Analisis faktor juga digunakan untuk mengetahui faktor dominan dalam menjelaskan suatu masalah. Faktor yang terbentuk dari analisis faktor tidak berkorelasi satu sama lain, tetapi variabel-variabel asli yang membentuk dikelompokkan berdasarkan korelasi antar variabelnya. Analisis faktor dapat membantu dalam mengidentifikasi pola yang lebih sederhana dan lebih mudah diinterpretasikan dalam data yang kompleks. ### Jenis Analisis Faktor 1. Analisis Faktor Eksploratori Analisis faktor eksploratori adalah suatu teknik analisis faktor di mana beberapa faktor yang akan terbentuk berupa variabel laten. Variabel laten ini belum dapat ditentukan sebelum analisis dilakukan. Analisis faktor eksploratori merupakan teknik untuk mereduksi data dari variabel asal menjadi variabel baru yang jumlahnya lebih kecil dibanding dengan variabel awal. Proses analasis faktor eksploratori berguna untuk menemukan hubungan antar variabel baru atau faktor yang terbentuk yang saling independen sesamanya. Sehingga antar faktor yang terbentuk tidak berkorelasi sesamanya. Analisis faktor eksploratori memiliki prinsip di mana terbentuknya faktor-faktor atau variabel laten baru bersifat acak, yang kemudian akan diinterpretasikan sesuai dengan faktor yang terbentuk. 2. Analisis Faktor Konfirmatori Analisis faktor konfirmatori adalah suatu teknik analisis faktor berdasarkan pada teori dan konsep yang telah ditentukan sebelumnya. Analisis faktor konfirmatori bermanfaat untuk mendapatkan variabel baru atau faktor yang mewakili beberapa sub variabel yang merupakan variabel teramati. Tujuan dari analisis faktor konfirmatori adalah untuk mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi. Selain itu, analisis faktor konfirmatori bertujuan untuk menguji validitas dan realibilitas instrumen untuk mendapatkan data yang valid.
1.4.1 Matriks Korelasi
Langkah pertama dalam melakukan analisis faktor adalah menganalisis apakah data yang digunakan memenuhi syarat dalam analisis faktor. Hal ini dapat dilakukan dengan mencari korelasi matriks antara indikator-indikator yang diteliti. Identifikasi pada matriks korelasi membantu dalam membentuk gambaran awal pada hasil pengelompokan variabel atas faktor yang terbentuk. Tingginya korelasi antara indikator mengindikasikan bahwa indikator tersebut dapat dikelompokkan menjadi indikator yang bersifat homogen sehingga setiap indikator dapat membentuk faktor umum. Sedangkan jika korelasi antara indikator rendah, maka mengidentifikasikan bahwa indikator tersebut tidak homogen sehingga tidak mampu membentuk faktor umum.
1.4.2 Kaiser Meyer Olkin (KMO)
Kaiser Meyer Olkin merupakan salah satu pengujian suatu ukuran kecukupan sampel secara keseluruhan. KMO menghasilkan suatu ukuran rata-rata yang dapat digunakan untuk menilai sejauh mana indikator-indikator dari suatu faktor merupakan anggota bersama dari faktor tersebut. KMO merupakan suatu ukuran kehomognenan dari variabel-variabel. Skala uji KMO berkisar antar 0 sampai 1. Jika hasil nilai KMO lebih rendah dari 0,5 maka analisis faktor tidak layak dilakukan. Sedangkan apabila hasil nilai KMO lebih besar dari 0,5 maka analisis faktor dapat dilakukan.
1.4.3 Measure of Sampling Adequacy (MSA)
Measure of Sampling Adequacy adalah uji yang dilakukan untuk mengukur kecukupan sampling dari setiap variabel. Apabila nilai MSA lebih dari 0,5 maka variabel tersebut dapat diprediksi dan dapat dianalisis lebih lanjut. Sedangkan jika nilai MSA kurang dari 0,5 maka variabel tersebut tidak dapat diprediksi dan dianalisis lebih lanjut sehingga variabel tersebut harus dieliminasi.
1.4.4 Bartlett’s test of sphericity
Bartlett’s test of sphericity merupakan pengujian untuk menentukan apakah variabel tersebut berkorelasi atau tidak. Pada analisis faktor, diperlukan variabel-variabel yang saling berkorelasi. Semakin tinggi korelasi, maka semakin besar variabel tersebut berada di faktor yang sama.
1.4.5 Ekstraksi Faktor
Ekstraksi faktor merupakan metode yang digunakan untuk mereduksi data dari beberapa indikator untuk menghasilkan faktor yang lebih sedikit. Beberapa metode yang dapat digunakan untuk ekstraksi faktor yaitu: 1. Principal Components Analysis, merupakan metode yang paling sederhana dalam melakukan ekstraksi faktor. Principal Component Analisis membentuk kombinasi linear dari indikator yang diteliti. 2. Principal Factor Analysis, merupakan metode ekstraksi faktor dengan mengasumsikan bahwa variasi variabel dapat dibagi menjadi dua bagian, yaitu bagian yang mencakup variasi gabungan semua variabel dan bagian yang mencakup variasi unik masing-masing variabel. 3. Unweighted Least Square, merupakan metode untuk meminimumkan jumlah perbedaan kuadrat antara matriks korelasi yang diteliti dengan mengabaikan matriks diagonal dari sejumlah faktor tertentu.
1.4.6 Rotasi Faktor
Rotasi Faktor bertujuan untuk mendapatkan struktur faktor atau kombinasi linear dari variabel-variabel dengan nilai faktor loadingnya yang lebih sederhana. Proses rotasi dalam pendekatan matematis terdiri dari dua pendekatan yaitu orthogonal rotation dan oblique rotation. Umumnya, peneliti menggunakan pendekatan orthogonal rotation dalam proses pembentukkan faktor dari analisis faktor. Dua jenis pendekatan dalam rumpun rotasi faktor yaitu: 1. Varimax Rotation Tujuan utama dari varimax rotation adalah untuk mendapatkan struktur faktor yang terdiri dari kombinasi variabel-variabel yang memiliki nilai faktor loading yang sangat tinggi hanya pada satu faktor. 2. Quartimax Rotation Quartimax rotation bertujuan agar semua variabel memiliki nilai loading relatif tinggi berimbang pada satu faktor. Selain itu, quartimax rotation juga bertujuan agar setiap variabel memiliki nilai loading yang tinggi pada satu faktor dibanding faktor yang lainnya serta memiliki loading mendekati nol (0) pada faktor lainnya tersebut.
2 SOURCE CODE
2.1 Library yang Dibutuhkan
> # Library
> library(readxl)
> library(corrplot)
> library(REdaS)
> library(psych) Library “readxl” digunakan untuk membaca Microsoft Excel dari dalam R. Library “coorplot” digunakan untuk membuat plot korelasi Library “REdas” digunakan untuk analisis data seperti uji KMO dan Bartlett’s test Library “psych” digunakan untuk analisis faktor
2.2 Menginput Data
> data <- read.csv("C:/Users/Asus/Downloads/Data Cervical Cancer.csv")
> data.frame(data)
behavior_sexualRisk behavior_eating behavior_personalHygine
1 10 13 12
2 10 11 11
3 10 15 3
4 10 11 10
5 8 11 7
6 10 14 8
7 10 15 4
8 8 12 9
9 10 15 7
10 7 15 7
11 7 15 7
12 10 15 8
13 10 15 12
14 9 12 14
15 2 15 15
16 10 15 7
17 10 15 9
18 10 12 7
19 10 11 12
20 10 12 12
21 10 15 15
22 10 12 11
23 10 13 14
24 10 15 13
25 10 12 10
26 10 15 13
27 10 13 15
28 10 15 11
29 10 11 11
30 10 14 10
31 10 8 9
32 10 15 15
33 10 10 11
34 10 11 10
35 10 15 15
36 10 3 5
37 10 15 9
38 10 10 12
39 10 9 11
40 10 14 14
41 10 12 11
42 10 15 13
43 10 15 15
44 10 15 15
45 10 11 14
46 10 15 14
47 10 14 11
48 10 15 15
49 10 15 11
50 6 15 11
51 10 11 15
52 10 15 15
53 10 9 12
54 10 13 12
55 10 15 15
56 10 9 8
57 10 10 5
58 10 11 8
59 10 11 9
60 10 13 9
61 10 12 10
62 10 10 10
63 10 13 11
64 10 13 15
65 10 15 8
66 10 13 11
67 10 12 13
68 10 14 14
69 10 12 15
70 10 8 11
71 9 12 13
72 10 14 14
intention_aggregation intention_commitment attitude_consistency
1 4 7 9
2 10 14 7
3 2 14 8
4 10 15 7
5 8 10 7
6 6 15 8
7 6 14 6
8 10 10 5
9 2 15 6
10 6 11 8
11 10 14 7
12 9 15 7
13 10 15 6
14 9 15 10
15 6 13 8
16 6 14 8
17 7 6 8
18 5 10 8
19 2 10 8
20 8 10 8
21 4 15 8
22 10 15 7
23 10 15 6
24 10 15 2
25 7 15 6
26 10 15 6
27 8 13 7
28 10 15 8
29 10 14 5
30 9 15 4
31 10 15 10
32 8 9 8
33 10 15 5
34 9 15 5
35 10 15 10
36 2 9 6
37 3 15 8
38 5 7 6
39 10 15 7
40 10 11 5
41 10 15 7
42 10 15 6
43 10 15 8
44 10 15 9
45 10 15 10
46 10 11 10
47 10 15 9
48 6 11 7
49 10 15 8
50 10 12 8
51 10 11 6
52 10 15 10
53 10 14 9
54 2 15 7
55 10 11 7
56 2 15 6
57 2 15 8
58 10 15 7
59 6 15 6
60 10 15 8
61 10 15 6
62 10 15 6
63 6 15 8
64 10 15 8
65 6 11 6
66 6 14 9
67 10 11 7
68 10 15 6
69 10 15 8
70 6 10 6
71 10 13 6
72 6 12 7
attitude_spontaneity norm_significantPerson norm_fulfillment
1 10 1 8
2 7 5 5
3 10 1 4
4 7 1 5
5 8 1 5
6 10 1 3
7 10 5 3
8 10 5 5
9 10 1 3
10 8 5 3
11 9 1 3
12 10 1 3
13 10 1 3
14 9 3 6
15 9 1 3
16 8 4 8
17 8 1 12
18 8 1 8
19 8 2 10
20 6 2 7
21 10 5 3
22 8 3 3
23 8 1 5
24 10 1 5
25 8 2 4
26 10 1 3
27 8 3 5
28 10 1 3
29 8 1 4
30 5 2 5
31 10 1 3
32 9 4 7
33 8 1 5
34 10 3 3
35 10 1 3
36 10 1 3
37 10 1 3
38 6 4 5
39 6 1 3
40 9 1 5
41 8 3 3
42 10 1 7
43 8 5 11
44 10 5 11
45 10 5 15
46 8 5 11
47 10 5 15
48 6 5 11
49 10 1 15
50 10 5 14
51 10 5 15
52 10 5 15
53 6 5 11
54 10 5 15
55 8 5 15
56 10 1 15
57 10 5 13
58 8 5 14
59 8 5 14
60 8 5 14
61 8 5 15
62 6 5 14
63 10 5 15
64 10 5 14
65 10 5 11
66 10 5 15
67 7 5 14
68 7 5 15
69 8 5 15
70 4 3 13
71 6 5 14
72 8 5 15
perception_vulnerability perception_severity motivation_strength
1 7 3 14
2 4 2 15
3 7 2 7
4 4 2 15
5 3 2 15
6 4 2 14
7 7 2 7
8 5 2 10
9 5 2 9
10 3 4 15
11 8 2 4
12 7 2 15
13 3 2 4
14 3 2 15
15 3 4 15
16 10 2 3
17 5 4 5
18 10 4 6
19 8 7 6
20 6 2 12
21 8 3 11
22 3 2 13
23 5 2 15
24 6 2 14
25 9 2 15
26 5 2 15
27 9 2 13
28 3 2 15
29 3 4 15
30 7 3 10
31 3 2 15
32 6 4 12
33 3 6 15
34 3 2 11
35 3 2 15
36 9 6 11
37 5 6 10
38 10 4 11
39 6 2 15
40 4 2 14
41 4 2 14
42 7 2 15
43 15 10 15
44 15 10 15
45 14 10 15
46 15 10 15
47 15 10 15
48 13 10 15
49 15 10 15
50 13 10 15
51 11 10 15
52 14 9 9
53 11 9 15
54 10 2 15
55 13 10 15
56 15 8 11
57 15 10 15
58 13 8 12
59 11 8 11
60 8 8 11
61 11 8 13
62 13 9 15
63 7 10 13
64 6 8 13
65 15 8 15
66 15 10 15
67 15 9 14
68 14 10 15
69 14 8 12
70 9 8 14
71 13 10 13
72 12 10 10
motivation_willingness socialSupport_emotionality socialSupport_appreciation
1 8 5 7
2 13 7 6
3 3 3 6
4 13 7 4
5 5 3 6
6 8 7 2
7 13 3 3
8 9 13 2
9 15 13 10
10 3 8 2
11 3 7 9
12 3 3 6
13 3 3 2
14 15 3 10
15 3 7 6
16 3 3 2
17 4 3 3
18 3 3 2
19 5 3 2
20 11 9 8
21 3 3 2
22 11 10 7
23 10 12 8
24 14 14 8
25 12 10 7
26 13 9 7
27 11 12 9
28 13 13 10
29 11 13 9
30 7 4 6
31 13 11 6
32 12 14 9
33 13 13 10
34 11 9 4
35 10 10 10
36 10 9 9
37 15 13 10
38 9 11 8
39 15 15 10
40 15 11 8
41 7 9 8
42 7 3 4
43 15 15 10
44 15 15 10
45 9 9 4
46 15 15 10
47 13 6 6
48 15 11 10
49 13 3 2
50 7 5 2
51 15 15 6
52 13 12 9
53 11 3 2
54 12 11 7
55 15 11 8
56 11 13 10
57 3 3 2
58 7 4 3
59 7 3 2
60 3 3 2
61 7 3 2
62 9 13 8
63 7 3 5
64 7 3 4
65 7 3 4
66 3 3 4
67 10 6 6
68 13 9 8
69 14 11 7
70 12 9 7
71 12 11 8
72 13 11 9
socialSupport_instrumental empowerment_knowledge empowerment_abilities
1 12 12 11
2 5 5 4
3 11 3 3
4 4 4 4
5 12 5 4
6 7 13 9
7 15 3 3
8 9 8 7
9 15 13 15
10 9 3 4
11 13 8 3
12 13 7 5
13 15 13 6
14 15 11 3
15 7 7 7
16 5 5 5
17 5 7 7
18 4 4 3
19 4 4 4
20 12 10 10
21 7 8 5
22 12 12 12
23 15 15 15
24 14 15 14
25 12 14 10
26 12 15 11
27 10 12 13
28 15 15 13
29 13 13 12
30 7 5 9
31 15 15 10
32 14 13 9
33 15 13 13
34 9 15 15
35 15 15 15
36 14 6 10
37 15 15 15
38 11 11 10
39 15 15 15
40 14 13 13
41 12 15 10
42 3 11 5
43 15 15 15
44 15 15 15
45 3 14 11
46 15 15 15
47 12 15 11
48 15 11 11
49 9 15 8
50 5 13 9
51 9 15 15
52 15 15 15
53 6 13 7
54 6 10 9
55 15 15 13
56 15 13 13
57 13 15 15
58 3 4 4
59 3 3 3
60 3 3 3
61 3 3 3
62 14 13 12
63 3 3 3
64 3 3 6
65 11 13 10
66 7 7 7
67 6 9 7
68 12 12 11
69 13 15 11
70 11 12 10
71 12 11 13
72 14 13 15
empowerment_desires ca_cervix
1 8 1
2 4 1
3 15 1
4 4 1
5 7 1
6 6 1
7 5 1
8 12 1
9 15 1
10 4 1
11 9 1
12 9 1
13 11 1
14 11 1
15 3 1
16 3 1
17 3 1
18 5 1
19 3 1
20 9 1
21 3 1
22 12 0
23 15 0
24 15 0
25 14 0
26 15 0
27 12 0
28 15 0
29 13 0
30 12 0
31 15 0
32 12 0
33 13 0
34 15 0
35 15 0
36 10 0
37 15 0
38 11 0
39 14 0
40 13 0
41 14 0
42 9 0
43 15 0
44 15 0
45 15 0
46 15 0
47 14 0
48 15 0
49 11 0
50 3 0
51 9 0
52 15 0
53 3 0
54 12 0
55 11 0
56 10 0
57 15 0
58 7 0
59 3 0
60 3 0
61 3 0
62 12 0
63 3 0
64 3 0
65 15 0
66 11 0
67 11 0
68 9 0
69 14 0
70 10 0
71 15 0
72 15 0Fungsi read.csv() digunakan untuk memuat data dengan argumen yang berisikan lokasi tempat file disimpan. Data tersebut disimpan dengan nama “data”. Kemudian digunakan fungsi data.frame() untuk membentuk data frame.
2.3 Menampilkan Struktur data
> str(data)
'data.frame': 72 obs. of 20 variables:
$ behavior_sexualRisk : int 10 10 10 10 8 10 10 8 10 7 ...
$ behavior_eating : int 13 11 15 11 11 14 15 12 15 15 ...
$ behavior_personalHygine : int 12 11 3 10 7 8 4 9 7 7 ...
$ intention_aggregation : int 4 10 2 10 8 6 6 10 2 6 ...
$ intention_commitment : int 7 14 14 15 10 15 14 10 15 11 ...
$ attitude_consistency : int 9 7 8 7 7 8 6 5 6 8 ...
$ attitude_spontaneity : int 10 7 10 7 8 10 10 10 10 8 ...
$ norm_significantPerson : int 1 5 1 1 1 1 5 5 1 5 ...
$ norm_fulfillment : int 8 5 4 5 5 3 3 5 3 3 ...
$ perception_vulnerability : int 7 4 7 4 3 4 7 5 5 3 ...
$ perception_severity : int 3 2 2 2 2 2 2 2 2 4 ...
$ motivation_strength : int 14 15 7 15 15 14 7 10 9 15 ...
$ motivation_willingness : int 8 13 3 13 5 8 13 9 15 3 ...
$ socialSupport_emotionality: int 5 7 3 7 3 7 3 13 13 8 ...
$ socialSupport_appreciation: int 7 6 6 4 6 2 3 2 10 2 ...
$ socialSupport_instrumental: int 12 5 11 4 12 7 15 9 15 9 ...
$ empowerment_knowledge : int 12 5 3 4 5 13 3 8 13 3 ...
$ empowerment_abilities : int 11 4 3 4 4 9 3 7 15 4 ...
$ empowerment_desires : int 8 4 15 4 7 6 5 12 15 4 ...
$ ca_cervix : int 1 1 1 1 1 1 1 1 1 1 ...Fungsi str() digunakan untuk melihat struktur data yang telah diinput.
2.4 Uji KMO
> kmos <-KMOS(data)
> kmos
Kaiser-Meyer-Olkin Statistics
Call: KMOS(x = data)
Measures of Sampling Adequacy (MSA):
behavior_sexualRisk behavior_eating
0.4655245 0.3924522
behavior_personalHygine intention_aggregation
0.6874391 0.5791712
intention_commitment attitude_consistency
0.5622069 0.3570079
attitude_spontaneity norm_significantPerson
0.4318635 0.6813741
norm_fulfillment perception_vulnerability
0.7937685 0.7753074
perception_severity motivation_strength
0.7159228 0.8045861
motivation_willingness socialSupport_emotionality
0.8572748 0.8066775
socialSupport_appreciation socialSupport_instrumental
0.6591025 0.7012307
empowerment_knowledge empowerment_abilities
0.7279541 0.8332068
empowerment_desires ca_cervix
0.8930772 0.7716111
KMO-Criterion: 0.7342776Uji KMO dihitung menggunakan fungsi KMOS() dengan terlebih dahulu mengaktifkan packages “REdas”. Fungsi KMOS() juga akan menampilkan hasil MSA untuk setiap variabel.
2.5 Input data dengan variabel dengan MSA > 0.5
> data2 <- read.csv("C:/Users/Asus/Downloads/Data Cervical Cancer 2.csv")
> data.frame(data2)
behavior_personalHygine intention_aggregation intention_commitment
1 12 4 7
2 11 10 14
3 3 2 14
4 10 10 15
5 7 8 10
6 8 6 15
7 4 6 14
8 9 10 10
9 7 2 15
10 7 6 11
11 7 10 14
12 8 9 15
13 12 10 15
14 14 9 15
15 15 6 13
16 7 6 14
17 9 7 6
18 7 5 10
19 12 2 10
20 12 8 10
21 15 4 15
22 11 10 15
23 14 10 15
24 13 10 15
25 10 7 15
26 13 10 15
27 15 8 13
28 11 10 15
29 11 10 14
30 10 9 15
31 9 10 15
32 15 8 9
33 11 10 15
34 10 9 15
35 15 10 15
36 5 2 9
37 9 3 15
38 12 5 7
39 11 10 15
40 14 10 11
41 11 10 15
42 13 10 15
43 15 10 15
44 15 10 15
45 14 10 15
46 14 10 11
47 11 10 15
48 15 6 11
49 11 10 15
50 11 10 12
51 15 10 11
52 15 10 15
53 12 10 14
54 12 2 15
55 15 10 11
56 8 2 15
57 5 2 15
58 8 10 15
59 9 6 15
60 9 10 15
61 10 10 15
62 10 10 15
63 11 6 15
64 15 10 15
65 8 6 11
66 11 6 14
67 13 10 11
68 14 10 15
69 15 10 15
70 11 6 10
71 13 10 13
72 14 6 12
norm_significantPerson norm_fulfillment perception_vulnerability
1 1 8 7
2 5 5 4
3 1 4 7
4 1 5 4
5 1 5 3
6 1 3 4
7 5 3 7
8 5 5 5
9 1 3 5
10 5 3 3
11 1 3 8
12 1 3 7
13 1 3 3
14 3 6 3
15 1 3 3
16 4 8 10
17 1 12 5
18 1 8 10
19 2 10 8
20 2 7 6
21 5 3 8
22 3 3 3
23 1 5 5
24 1 5 6
25 2 4 9
26 1 3 5
27 3 5 9
28 1 3 3
29 1 4 3
30 2 5 7
31 1 3 3
32 4 7 6
33 1 5 3
34 3 3 3
35 1 3 3
36 1 3 9
37 1 3 5
38 4 5 10
39 1 3 6
40 1 5 4
41 3 3 4
42 1 7 7
43 5 11 15
44 5 11 15
45 5 15 14
46 5 11 15
47 5 15 15
48 5 11 13
49 1 15 15
50 5 14 13
51 5 15 11
52 5 15 14
53 5 11 11
54 5 15 10
55 5 15 13
56 1 15 15
57 5 13 15
58 5 14 13
59 5 14 11
60 5 14 8
61 5 15 11
62 5 14 13
63 5 15 7
64 5 14 6
65 5 11 15
66 5 15 15
67 5 14 15
68 5 15 14
69 5 15 14
70 3 13 9
71 5 14 13
72 5 15 12
perception_severity motivation_strength motivation_willingness
1 3 14 8
2 2 15 13
3 2 7 3
4 2 15 13
5 2 15 5
6 2 14 8
7 2 7 13
8 2 10 9
9 2 9 15
10 4 15 3
11 2 4 3
12 2 15 3
13 2 4 3
14 2 15 15
15 4 15 3
16 2 3 3
17 4 5 4
18 4 6 3
19 7 6 5
20 2 12 11
21 3 11 3
22 2 13 11
23 2 15 10
24 2 14 14
25 2 15 12
26 2 15 13
27 2 13 11
28 2 15 13
29 4 15 11
30 3 10 7
31 2 15 13
32 4 12 12
33 6 15 13
34 2 11 11
35 2 15 10
36 6 11 10
37 6 10 15
38 4 11 9
39 2 15 15
40 2 14 15
41 2 14 7
42 2 15 7
43 10 15 15
44 10 15 15
45 10 15 9
46 10 15 15
47 10 15 13
48 10 15 15
49 10 15 13
50 10 15 7
51 10 15 15
52 9 9 13
53 9 15 11
54 2 15 12
55 10 15 15
56 8 11 11
57 10 15 3
58 8 12 7
59 8 11 7
60 8 11 3
61 8 13 7
62 9 15 9
63 10 13 7
64 8 13 7
65 8 15 7
66 10 15 3
67 9 14 10
68 10 15 13
69 8 12 14
70 8 14 12
71 10 13 12
72 10 10 13
socialSupport_emotionality socialSupport_appreciation
1 5 7
2 7 6
3 3 6
4 7 4
5 3 6
6 7 2
7 3 3
8 13 2
9 13 10
10 8 2
11 7 9
12 3 6
13 3 2
14 3 10
15 7 6
16 3 2
17 3 3
18 3 2
19 3 2
20 9 8
21 3 2
22 10 7
23 12 8
24 14 8
25 10 7
26 9 7
27 12 9
28 13 10
29 13 9
30 4 6
31 11 6
32 14 9
33 13 10
34 9 4
35 10 10
36 9 9
37 13 10
38 11 8
39 15 10
40 11 8
41 9 8
42 3 4
43 15 10
44 15 10
45 9 4
46 15 10
47 6 6
48 11 10
49 3 2
50 5 2
51 15 6
52 12 9
53 3 2
54 11 7
55 11 8
56 13 10
57 3 2
58 4 3
59 3 2
60 3 2
61 3 2
62 13 8
63 3 5
64 3 4
65 3 4
66 3 4
67 6 6
68 9 8
69 11 7
70 9 7
71 11 8
72 11 9
socialSupport_instrumental empowerment_knowledge empowerment_abilities
1 12 12 11
2 5 5 4
3 11 3 3
4 4 4 4
5 12 5 4
6 7 13 9
7 15 3 3
8 9 8 7
9 15 13 15
10 9 3 4
11 13 8 3
12 13 7 5
13 15 13 6
14 15 11 3
15 7 7 7
16 5 5 5
17 5 7 7
18 4 4 3
19 4 4 4
20 12 10 10
21 7 8 5
22 12 12 12
23 15 15 15
24 14 15 14
25 12 14 10
26 12 15 11
27 10 12 13
28 15 15 13
29 13 13 12
30 7 5 9
31 15 15 10
32 14 13 9
33 15 13 13
34 9 15 15
35 15 15 15
36 14 6 10
37 15 15 15
38 11 11 10
39 15 15 15
40 14 13 13
41 12 15 10
42 3 11 5
43 15 15 15
44 15 15 15
45 3 14 11
46 15 15 15
47 12 15 11
48 15 11 11
49 9 15 8
50 5 13 9
51 9 15 15
52 15 15 15
53 6 13 7
54 6 10 9
55 15 15 13
56 15 13 13
57 13 15 15
58 3 4 4
59 3 3 3
60 3 3 3
61 3 3 3
62 14 13 12
63 3 3 3
64 3 3 6
65 11 13 10
66 7 7 7
67 6 9 7
68 12 12 11
69 13 15 11
70 11 12 10
71 12 11 13
72 14 13 15
empowerment_desires ca_cervix
1 8 1
2 4 1
3 15 1
4 4 1
5 7 1
6 6 1
7 5 1
8 12 1
9 15 1
10 4 1
11 9 1
12 9 1
13 11 1
14 11 1
15 3 1
16 3 1
17 3 1
18 5 1
19 3 1
20 9 1
21 3 1
22 12 0
23 15 0
24 15 0
25 14 0
26 15 0
27 12 0
28 15 0
29 13 0
30 12 0
31 15 0
32 12 0
33 13 0
34 15 0
35 15 0
36 10 0
37 15 0
38 11 0
39 14 0
40 13 0
41 14 0
42 9 0
43 15 0
44 15 0
45 15 0
46 15 0
47 14 0
48 15 0
49 11 0
50 3 0
51 9 0
52 15 0
53 3 0
54 12 0
55 11 0
56 10 0
57 15 0
58 7 0
59 3 0
60 3 0
61 3 0
62 12 0
63 3 0
64 3 0
65 15 0
66 11 0
67 11 0
68 9 0
69 14 0
70 10 0
71 15 0
72 15 0Fungsi read.csv() digunakan untuk memuat data baru dengan argumen yang berisikan lokasi tempat file disimpan. Kemudian digunakan fungsi data.frame() untuk membentuk data frame yang baru dan disimpan dengan nama “data2”.
2.6 Korelasi Data
> R<- cor(data2)
> corrplot(R, method = "number",type = "lower")
Fungsi cor() digunakan untuk menhitung korelasi data baru dan disimpan
dengan nama “R”
2.7 Uji KMO Data Baru
> kmos <-KMOS(data2)
> kmos
Kaiser-Meyer-Olkin Statistics
Call: KMOS(x = data2)
Measures of Sampling Adequacy (MSA):
behavior_personalHygine intention_aggregation
0.6519707 0.6403873
intention_commitment norm_significantPerson
0.6010776 0.7100226
norm_fulfillment perception_vulnerability
0.7969729 0.7863939
perception_severity motivation_strength
0.7667476 0.8388115
motivation_willingness socialSupport_emotionality
0.9271103 0.8332689
socialSupport_appreciation socialSupport_instrumental
0.7010591 0.7148148
empowerment_knowledge empowerment_abilities
0.7580711 0.8420355
empowerment_desires ca_cervix
0.8868892 0.8484645
KMO-Criterion: 0.7855702Uji KMO dihitung menggunakan fungsi KMOS() dengan terlebih dahulu mengaktifkan packages “REdas”. Fungsi KMOS() juga akan menampilkan hasil MSA untuk setiap variabel dari data baru.
2.8 Uji Bartlett
> bart_spher(data2)
Bartlett's Test of Sphericity
Call: bart_spher(x = data2)
X2 = 815.531
df = 120
p-value < 2.22e-16Uji Bartlett menggunakan fungsi bart_spher() dan argumen berisikan data baru. Pengujian ini dilakukan dengan terlebih dahulu mengaktifkan packages “REdas”
2.9 Nilai Eigen
> eigen<- eigen(R)
> eigen$values
[1] 5.76110126 3.64013904 1.55769893 1.07409373 0.68420274 0.61594361
[7] 0.50010243 0.44591498 0.43189257 0.37920376 0.26554088 0.22122207
[13] 0.14628712 0.11318777 0.09288102 0.07058808Untuk menghitung nilai eigen digunakan fungsi eigen() dan argumen berisikan korelasi data baru.
2.10 Scree Plot
> screeplot = plot(eigen$values, main = "Scree Plot", xlab = "Faktor", ylab = "Eigen Values", pch = 16, type = "o", col = "blue", lwd = 1) + axis(1, at = seq(1,9)) + abline(h=1, col = "red")
Membuat scree plot menggunakan fungsi plot() dengan label sumbu x adalah
faktor dan label sumbu y adalah nilai eigen. Tipe plot yang digunakan
adalah o dengan warna titik dan garis biru serta ketebalan garis adalah
1
2.11 Ekstraksi Faktor dengan PCA
> PCA = principal(r = R, nfactors = 4, rotate = "varimax")
> PCA$communality
behavior_personalHygine intention_aggregation
0.7430518 0.6813529
intention_commitment norm_significantPerson
0.8321007 0.6440356
norm_fulfillment perception_vulnerability
0.8740938 0.8591853
perception_severity motivation_strength
0.8715744 0.5030313
motivation_willingness socialSupport_emotionality
0.6609214 0.7742749
socialSupport_appreciation socialSupport_instrumental
0.7379094 0.7712756
empowerment_knowledge empowerment_abilities
0.7481084 0.8319900
empowerment_desires ca_cervix
0.8091808 0.6909466 Menghitung PCA menggunakan fungsi principal() yang berisi matriks korelasi antar variabel dan banyak komponen untuk diekstrak adalah 4 faktor serta metode rotasi yang digunakan adalah varimax
2.12 Ekstraksi Faktor dengan PFA
> PFA = fa(r = data2, nfactors = 4, rotate = "varimax", fm = "pa")
> PFA
Factor Analysis using method = pa
Call: fa(r = data2, nfactors = 4, rotate = "varimax", fm = "pa")
Standardized loadings (pattern matrix) based upon correlation matrix
PA1 PA2 PA3 PA4 h2 u2 com
behavior_personalHygine 0.27 0.20 0.67 -0.06 0.57 0.43 1.5
intention_aggregation 0.04 -0.01 0.60 0.30 0.45 0.55 1.5
intention_commitment 0.02 -0.03 0.14 0.49 0.26 0.74 1.2
norm_significantPerson -0.16 0.68 0.20 -0.03 0.52 0.48 1.3
norm_fulfillment -0.12 0.91 0.13 -0.03 0.87 0.13 1.1
perception_vulnerability 0.11 0.90 -0.11 0.04 0.83 0.17 1.1
perception_severity 0.04 0.92 0.10 0.00 0.86 0.14 1.0
motivation_strength 0.24 0.15 0.47 0.25 0.37 0.63 2.3
motivation_willingness 0.66 0.08 0.42 0.00 0.62 0.38 1.7
socialSupport_emotionality 0.81 -0.03 0.31 -0.12 0.77 0.23 1.3
socialSupport_appreciation 0.80 -0.12 0.19 -0.14 0.71 0.29 1.2
socialSupport_instrumental 0.82 -0.19 -0.09 -0.01 0.72 0.28 1.1
empowerment_knowledge 0.77 0.07 0.24 0.28 0.73 0.27 1.5
empowerment_abilities 0.87 0.14 0.16 0.11 0.81 0.19 1.2
empowerment_desires 0.84 0.00 -0.03 0.33 0.81 0.19 1.3
ca_cervix -0.40 -0.48 -0.33 -0.38 0.64 0.36 3.7
PA1 PA2 PA3 PA4
SS loadings 4.81 3.32 1.65 0.77
Proportion Var 0.30 0.21 0.10 0.05
Cumulative Var 0.30 0.51 0.61 0.66
Proportion Explained 0.46 0.31 0.16 0.07
Cumulative Proportion 0.46 0.77 0.93 1.00
Mean item complexity = 1.5
Test of the hypothesis that 4 factors are sufficient.
df null model = 120 with the objective function = 12.58 with Chi Square = 815.53
df of the model are 62 and the objective function was 1.65
The root mean square of the residuals (RMSR) is 0.03
The df corrected root mean square of the residuals is 0.04
The harmonic n.obs is 72 with the empirical chi square 16.93 with prob < 1
The total n.obs was 72 with Likelihood Chi Square = 102.5 with prob < 0.00093
Tucker Lewis Index of factoring reliability = 0.882
RMSEA index = 0.094 and the 90 % confidence intervals are 0.061 0.128
BIC = -162.66
Fit based upon off diagonal values = 0.99
Measures of factor score adequacy
PA1 PA2 PA3 PA4
Correlation of (regression) scores with factors 0.97 0.97 0.87 0.80
Multiple R square of scores with factors 0.94 0.95 0.76 0.63
Minimum correlation of possible factor scores 0.88 0.90 0.52 0.27
> PFA$scores
PA1 PA2 PA3 PA4
[1,] 0.20529742 -0.45008014 -0.61013589 -1.36220226
[2,] -1.12996957 -0.98851029 1.26579631 -0.71322073
[3,] -0.25540979 -0.71661635 -2.86728220 0.29545014
[4,] -1.21074506 -0.98080964 0.77490978 -0.40838881
[5,] -0.72943588 -1.08903563 -0.65321654 -0.53508275
[6,] -0.59922720 -1.08842392 -0.21790280 0.26583694
[7,] -0.78160592 -0.79800576 -1.39826314 -0.51535738
[8,] -0.27649707 -0.68692638 -0.05511672 -0.52051326
[9,] 1.55408903 -1.00356501 -1.34955968 -0.74500807
[10,] -1.15601157 -0.77488642 -0.33431110 -0.95578852
[11,] -0.25469362 -1.02827713 -1.06156564 -0.48648597
[12,] -0.51078661 -0.93952049 -0.97672171 0.34233435
[13,] -0.52823799 -1.25041602 -0.67345535 0.66589760
[14,] -0.22129196 -1.22383769 0.95598496 -0.14701223
[15,] -0.84989850 -0.98679694 0.62495125 -1.23520966
[16,] -1.35066578 -0.22680165 -1.26407120 -0.57177878
[17,] -1.12462308 -0.21718824 -0.59676699 -1.49393979
[18,] -1.29900923 -0.04366104 -1.54071463 -0.73018877
[19,] -1.35390672 0.29168964 -0.80005290 -1.53735071
[20,] 0.25583566 -0.71296843 0.06660170 -1.29915002
[21,] -1.31830586 -0.58681896 -0.02456700 -0.52604707
[22,] 0.32946325 -1.12039614 0.55546993 0.69766050
[23,] 1.00751317 -0.83889607 0.44139346 0.58744690
[24,] 1.06198291 -0.77962732 0.55069195 0.44698531
[25,] 0.53901117 -0.61816440 -0.20724846 0.90317410
[26,] 0.50359584 -1.04317425 0.57173613 1.22773576
[27,] 0.64285785 -0.50583643 0.54345208 -0.21912997
[28,] 1.07140063 -1.23138822 0.59150784 0.58603573
[29,] 0.71635367 -0.93164591 0.65955555 0.29379686
[30,] -0.37411808 -0.51253948 -0.58258690 1.01154621
[31,] 0.57410706 -1.18132520 0.25168324 1.22627186
[32,] 0.59797716 -0.45445101 1.01699558 -1.00388987
[33,] 0.95355689 -0.69281303 0.67425650 0.16389979
[34,] 0.41386625 -1.02238879 0.06031409 1.55908896
[35,] 1.01897142 -1.20059254 0.68123993 0.65213694
[36,] 0.69329430 -0.21493826 -1.80319290 -0.82478916
[37,] 1.49287680 -0.60369558 -0.62696644 0.06060982
[38,] 0.47845031 -0.19616104 -0.26591373 -0.89325245
[39,] 1.32975693 -0.96891097 0.47026552 0.26123322
[40,] 0.77575715 -0.93982619 0.76159602 -0.04069977
[41,] 0.30294839 -1.14042853 0.47471292 1.16786951
[42,] -1.13976756 -0.63434566 0.76084732 1.43912812
[43,] 1.41520024 1.12352702 0.56381100 -0.23326465
[44,] 1.41520024 1.12352702 0.56381100 -0.23326465
[45,] -0.12122404 1.41542146 0.58066297 1.19355217
[46,] 1.47689840 1.12905721 0.40424947 -0.56683140
[47,] 0.36081855 1.36419672 -0.05278308 1.04779413
[48,] 1.03999691 1.02060080 0.13271548 -0.71130850
[49,] -0.38005356 1.31747411 -0.17582989 1.48463283
[50,] -1.02293761 1.17121006 0.66779719 0.26464400
[51,] 0.53566753 1.15590790 1.44858299 -0.87333173
[52,] 1.17194453 1.21518448 0.23081104 -0.19656735
[53,] -1.18486572 0.66131142 1.02523813 0.67488128
[54,] 0.02113581 0.38442703 0.23067594 -0.31955192
[55,] 0.78132920 1.21184284 0.85482387 -0.66980183
[56,] 1.16041620 1.15908172 -1.23851169 -1.06227229
[57,] 0.48095633 1.50192870 -2.48104152 1.64566789
[58,] -1.34604888 1.05690520 -0.14206190 0.68087450
[59,] -1.68938921 0.94359348 -0.08784899 0.02949846
[60,] -1.90037273 0.66920818 0.37310313 0.32209980
[61,] -1.79929002 0.97043106 0.47859892 0.25103697
[62,] 0.67466446 1.08240265 0.11563262 -0.06708052
[63,] -1.62585843 0.82023330 0.71357183 -0.30960348
[64,] -1.62075588 0.52376507 1.38020169 -0.16377839
[65,] 0.14898604 1.03558076 -1.40678824 1.25994569
[66,] -0.66056604 1.54658481 -0.81571837 0.64187280
[67,] -0.40584819 1.24714402 0.31309817 0.18799164
[68,] 0.25200987 1.27311900 0.75949937 -0.27056736
[69,] 0.59855787 1.10755022 0.60907423 0.13893274
[70,] 0.23928886 0.60367134 0.15008205 -0.54567823
[71,] 0.76973412 1.24947161 0.12101106 -0.03908968
[72,] 1.15964888 1.24864235 -0.16081864 -0.65108553Menghitung PFA menggunakan fungsi fa yang berisi matriks korelasi data2, banyak komponen yang diekstrak adalah 4, rotasi yang digunakan adalah varimax, dan metode ekstraksi faktor yaitu pa
2.13 Plot
> loads = PFA$loadings
> fa.diagram(loads)
>
> round(PFA$loadings[1:16,],4)
PA1 PA2 PA3 PA4
behavior_personalHygine 0.2722 0.2034 0.6749 -0.0598
intention_aggregation 0.0378 -0.0063 0.6017 0.2969
intention_commitment 0.0196 -0.0315 0.1359 0.4882
norm_significantPerson -0.1625 0.6766 0.1977 -0.0312
norm_fulfillment -0.1235 0.9137 0.1302 -0.0328
perception_vulnerability 0.1063 0.8974 -0.1116 0.0426
perception_severity 0.0438 0.9190 0.1009 0.0017
motivation_strength 0.2425 0.1494 0.4723 0.2530
motivation_willingness 0.6610 0.0808 0.4176 -0.0018
socialSupport_emotionality 0.8092 -0.0325 0.3120 -0.1187
socialSupport_appreciation 0.8043 -0.1186 0.1852 -0.1379
socialSupport_instrumental 0.8235 -0.1923 -0.0850 -0.0090
empowerment_knowledge 0.7679 0.0673 0.2447 0.2775
empowerment_abilities 0.8674 0.1362 0.1611 0.1140
empowerment_desires 0.8406 0.0037 -0.0312 0.3259
ca_cervix -0.3980 -0.4770 -0.3303 -0.3758Menyimpan loadings dari PFA yang diberi nama loads. Fungsi fa.diagram() dengan argument loadings dari metode PFA (loads). Menampilkan nilai loading yang dibulatkan dari 16 variabel dan 4 angka di belakang koma.
3 HASIL DAN PEMBAHASAN
3.1 Uji KMO
> kmos <-KMOS(data)
> kmos
Kaiser-Meyer-Olkin Statistics
Call: KMOS(x = data)
Measures of Sampling Adequacy (MSA):
behavior_sexualRisk behavior_eating
0.4655245 0.3924522
behavior_personalHygine intention_aggregation
0.6874391 0.5791712
intention_commitment attitude_consistency
0.5622069 0.3570079
attitude_spontaneity norm_significantPerson
0.4318635 0.6813741
norm_fulfillment perception_vulnerability
0.7937685 0.7753074
perception_severity motivation_strength
0.7159228 0.8045861
motivation_willingness socialSupport_emotionality
0.8572748 0.8066775
socialSupport_appreciation socialSupport_instrumental
0.6591025 0.7012307
empowerment_knowledge empowerment_abilities
0.7279541 0.8332068
empowerment_desires ca_cervix
0.8930772 0.7716111
KMO-Criterion: 0.7342776Berdasarkan output di atas, diperoleh hasil uji KMO sebesar 0.7343. Nilai tersebut lebih besar dari 0.5, sehingga dapat disimpulkan analisis faktor dapat diterapkan menggunakan matriks korelasi antar variabel pada data.
Nilai MSA untuk variabel behavior sexualRisk, behavior eating, attitude consistency, dan attitude spontaneity kurang dari 0.5 sehingga variabel tersebut tidak dapat dianalisis.
3.2 Input data dengan variabel dengan MSA > 0.5
> data2 <- read.csv("C:/Users/Asus/Downloads/Data Cervical Cancer 2.csv")
> data.frame(data2)
behavior_personalHygine intention_aggregation intention_commitment
1 12 4 7
2 11 10 14
3 3 2 14
4 10 10 15
5 7 8 10
6 8 6 15
7 4 6 14
8 9 10 10
9 7 2 15
10 7 6 11
11 7 10 14
12 8 9 15
13 12 10 15
14 14 9 15
15 15 6 13
16 7 6 14
17 9 7 6
18 7 5 10
19 12 2 10
20 12 8 10
21 15 4 15
22 11 10 15
23 14 10 15
24 13 10 15
25 10 7 15
26 13 10 15
27 15 8 13
28 11 10 15
29 11 10 14
30 10 9 15
31 9 10 15
32 15 8 9
33 11 10 15
34 10 9 15
35 15 10 15
36 5 2 9
37 9 3 15
38 12 5 7
39 11 10 15
40 14 10 11
41 11 10 15
42 13 10 15
43 15 10 15
44 15 10 15
45 14 10 15
46 14 10 11
47 11 10 15
48 15 6 11
49 11 10 15
50 11 10 12
51 15 10 11
52 15 10 15
53 12 10 14
54 12 2 15
55 15 10 11
56 8 2 15
57 5 2 15
58 8 10 15
59 9 6 15
60 9 10 15
61 10 10 15
62 10 10 15
63 11 6 15
64 15 10 15
65 8 6 11
66 11 6 14
67 13 10 11
68 14 10 15
69 15 10 15
70 11 6 10
71 13 10 13
72 14 6 12
norm_significantPerson norm_fulfillment perception_vulnerability
1 1 8 7
2 5 5 4
3 1 4 7
4 1 5 4
5 1 5 3
6 1 3 4
7 5 3 7
8 5 5 5
9 1 3 5
10 5 3 3
11 1 3 8
12 1 3 7
13 1 3 3
14 3 6 3
15 1 3 3
16 4 8 10
17 1 12 5
18 1 8 10
19 2 10 8
20 2 7 6
21 5 3 8
22 3 3 3
23 1 5 5
24 1 5 6
25 2 4 9
26 1 3 5
27 3 5 9
28 1 3 3
29 1 4 3
30 2 5 7
31 1 3 3
32 4 7 6
33 1 5 3
34 3 3 3
35 1 3 3
36 1 3 9
37 1 3 5
38 4 5 10
39 1 3 6
40 1 5 4
41 3 3 4
42 1 7 7
43 5 11 15
44 5 11 15
45 5 15 14
46 5 11 15
47 5 15 15
48 5 11 13
49 1 15 15
50 5 14 13
51 5 15 11
52 5 15 14
53 5 11 11
54 5 15 10
55 5 15 13
56 1 15 15
57 5 13 15
58 5 14 13
59 5 14 11
60 5 14 8
61 5 15 11
62 5 14 13
63 5 15 7
64 5 14 6
65 5 11 15
66 5 15 15
67 5 14 15
68 5 15 14
69 5 15 14
70 3 13 9
71 5 14 13
72 5 15 12
perception_severity motivation_strength motivation_willingness
1 3 14 8
2 2 15 13
3 2 7 3
4 2 15 13
5 2 15 5
6 2 14 8
7 2 7 13
8 2 10 9
9 2 9 15
10 4 15 3
11 2 4 3
12 2 15 3
13 2 4 3
14 2 15 15
15 4 15 3
16 2 3 3
17 4 5 4
18 4 6 3
19 7 6 5
20 2 12 11
21 3 11 3
22 2 13 11
23 2 15 10
24 2 14 14
25 2 15 12
26 2 15 13
27 2 13 11
28 2 15 13
29 4 15 11
30 3 10 7
31 2 15 13
32 4 12 12
33 6 15 13
34 2 11 11
35 2 15 10
36 6 11 10
37 6 10 15
38 4 11 9
39 2 15 15
40 2 14 15
41 2 14 7
42 2 15 7
43 10 15 15
44 10 15 15
45 10 15 9
46 10 15 15
47 10 15 13
48 10 15 15
49 10 15 13
50 10 15 7
51 10 15 15
52 9 9 13
53 9 15 11
54 2 15 12
55 10 15 15
56 8 11 11
57 10 15 3
58 8 12 7
59 8 11 7
60 8 11 3
61 8 13 7
62 9 15 9
63 10 13 7
64 8 13 7
65 8 15 7
66 10 15 3
67 9 14 10
68 10 15 13
69 8 12 14
70 8 14 12
71 10 13 12
72 10 10 13
socialSupport_emotionality socialSupport_appreciation
1 5 7
2 7 6
3 3 6
4 7 4
5 3 6
6 7 2
7 3 3
8 13 2
9 13 10
10 8 2
11 7 9
12 3 6
13 3 2
14 3 10
15 7 6
16 3 2
17 3 3
18 3 2
19 3 2
20 9 8
21 3 2
22 10 7
23 12 8
24 14 8
25 10 7
26 9 7
27 12 9
28 13 10
29 13 9
30 4 6
31 11 6
32 14 9
33 13 10
34 9 4
35 10 10
36 9 9
37 13 10
38 11 8
39 15 10
40 11 8
41 9 8
42 3 4
43 15 10
44 15 10
45 9 4
46 15 10
47 6 6
48 11 10
49 3 2
50 5 2
51 15 6
52 12 9
53 3 2
54 11 7
55 11 8
56 13 10
57 3 2
58 4 3
59 3 2
60 3 2
61 3 2
62 13 8
63 3 5
64 3 4
65 3 4
66 3 4
67 6 6
68 9 8
69 11 7
70 9 7
71 11 8
72 11 9
socialSupport_instrumental empowerment_knowledge empowerment_abilities
1 12 12 11
2 5 5 4
3 11 3 3
4 4 4 4
5 12 5 4
6 7 13 9
7 15 3 3
8 9 8 7
9 15 13 15
10 9 3 4
11 13 8 3
12 13 7 5
13 15 13 6
14 15 11 3
15 7 7 7
16 5 5 5
17 5 7 7
18 4 4 3
19 4 4 4
20 12 10 10
21 7 8 5
22 12 12 12
23 15 15 15
24 14 15 14
25 12 14 10
26 12 15 11
27 10 12 13
28 15 15 13
29 13 13 12
30 7 5 9
31 15 15 10
32 14 13 9
33 15 13 13
34 9 15 15
35 15 15 15
36 14 6 10
37 15 15 15
38 11 11 10
39 15 15 15
40 14 13 13
41 12 15 10
42 3 11 5
43 15 15 15
44 15 15 15
45 3 14 11
46 15 15 15
47 12 15 11
48 15 11 11
49 9 15 8
50 5 13 9
51 9 15 15
52 15 15 15
53 6 13 7
54 6 10 9
55 15 15 13
56 15 13 13
57 13 15 15
58 3 4 4
59 3 3 3
60 3 3 3
61 3 3 3
62 14 13 12
63 3 3 3
64 3 3 6
65 11 13 10
66 7 7 7
67 6 9 7
68 12 12 11
69 13 15 11
70 11 12 10
71 12 11 13
72 14 13 15
empowerment_desires ca_cervix
1 8 1
2 4 1
3 15 1
4 4 1
5 7 1
6 6 1
7 5 1
8 12 1
9 15 1
10 4 1
11 9 1
12 9 1
13 11 1
14 11 1
15 3 1
16 3 1
17 3 1
18 5 1
19 3 1
20 9 1
21 3 1
22 12 0
23 15 0
24 15 0
25 14 0
26 15 0
27 12 0
28 15 0
29 13 0
30 12 0
31 15 0
32 12 0
33 13 0
34 15 0
35 15 0
36 10 0
37 15 0
38 11 0
39 14 0
40 13 0
41 14 0
42 9 0
43 15 0
44 15 0
45 15 0
46 15 0
47 14 0
48 15 0
49 11 0
50 3 0
51 9 0
52 15 0
53 3 0
54 12 0
55 11 0
56 10 0
57 15 0
58 7 0
59 3 0
60 3 0
61 3 0
62 12 0
63 3 0
64 3 0
65 15 0
66 11 0
67 11 0
68 9 0
69 14 0
70 10 0
71 15 0
72 15 0Dilakukan input data baru yang diberi nama “data2” tanpa menggunkan variabel behavior sexual Risk, behavior eating, attitude consistency, dan attitude spontaneity. Kemudian dibuat data frame dari data baru yang telah diinput
3.3 Korelasi Data
> R<- cor(data2)
> corrplot(R, method = "number",type = "lower")
> corrplot(R, tl.cex = 0.5)
Berdasarkan plot korelasi di atas, nilai korelasi mendekati 1 dan -1
menunjukkan adanya korelasi yang kuat antara variabel tersebut. Selain
itu hubungan korelasi dapat dilihat dari warna, semakin gelap warna maka
semakin kuat korelasinya. Warna biru menandakan korelasi positif dan
warna merah menandakan korelasi negatif.
3.4 Uji KMO Data Baru
> kmos <-KMOS(data2)
> kmos
Kaiser-Meyer-Olkin Statistics
Call: KMOS(x = data2)
Measures of Sampling Adequacy (MSA):
behavior_personalHygine intention_aggregation
0.6519707 0.6403873
intention_commitment norm_significantPerson
0.6010776 0.7100226
norm_fulfillment perception_vulnerability
0.7969729 0.7863939
perception_severity motivation_strength
0.7667476 0.8388115
motivation_willingness socialSupport_emotionality
0.9271103 0.8332689
socialSupport_appreciation socialSupport_instrumental
0.7010591 0.7148148
empowerment_knowledge empowerment_abilities
0.7580711 0.8420355
empowerment_desires ca_cervix
0.8868892 0.8484645
KMO-Criterion: 0.7855702Berdasarkan output di atas, diperoleh hasil KMO-criterion 0.78557 lebih besar dari 0.5 sehingga dapat disimpulkan analisis faktor dapat diterapkan menggunakan matriks korelasi antar variabel data. Nilai MSA pada seluruh variabel juga bernilai lebih besar dari 0.5 sehingga variabel dapat dianalisis lebih lanjut.
3.5 Uji Bartlett
\[ \begin{align} & \text{Hipotesis :}\\ & H_0:\text{Tidak terdapat korelasi yang signifikan antar variabel}\\ & H_1:\text{Terdapat korelasi yang signifikan antar variabel}\\ \end{align} \]
> bart_spher(data2)
Bartlett's Test of Sphericity
Call: bart_spher(x = data2)
X2 = 815.531
df = 120
p-value < 2.22e-16Berdasarkan output di atas, nilai-p kurang dari 0.05, maka tolak H0. Sehingga dengan taraf nyata 5% dapat disimpulkan bahwa terdapat korelasi yang signifikan antar variabel. Sehingga layak dilanjutkan dengan analisis faktor.
3.6 Nilai Eigen
> eigen<- eigen(R)
> eigen$values
[1] 5.76110126 3.64013904 1.55769893 1.07409373 0.68420274 0.61594361
[7] 0.50010243 0.44591498 0.43189257 0.37920376 0.26554088 0.22122207
[13] 0.14628712 0.11318777 0.09288102 0.07058808Berdasarkan pada ouput di atas, didapatkan informasi nilai eigen pada setiap variabelnya. Variabel yang memiliki nilai eigen lebih dari satu ada pada komponen 1, komponen 2, komponen 3, dan komponen 4. Sehingga faktor yang dapat menjelaskan keseluruhan data ada 4 faktor.
3.7 Scree Plot
> screeplot = plot(eigen$values, main = "Scree Plot", xlab = "Faktor", ylab = "Eigen Values", pch = 16, type = "o", col = "blue", lwd = 1) + axis(1, at = seq(1,9)) + abline(h=1, col = "red")
Berdasarkan hasil scree plot juga ditunjukkan bahwa terdapat 4 faktor
yang memiliki nilai eigen lebih besar dari satu. Sehingga banyak faktor
bermakna yang akan diekstrak sebanyak 4 faktor.
3.8 Ekstraksi Faktor dengan PCA
> PCA = principal(r = R, nfactors = 4, rotate = "varimax")
> PCA$communality
behavior_personalHygine intention_aggregation
0.7430518 0.6813529
intention_commitment norm_significantPerson
0.8321007 0.6440356
norm_fulfillment perception_vulnerability
0.8740938 0.8591853
perception_severity motivation_strength
0.8715744 0.5030313
motivation_willingness socialSupport_emotionality
0.6609214 0.7742749
socialSupport_appreciation socialSupport_instrumental
0.7379094 0.7712756
empowerment_knowledge empowerment_abilities
0.7481084 0.8319900
empowerment_desires ca_cervix
0.8091808 0.6909466 Berdasarkan output di atas, dapat dilihat bahwa setiap variabel memiliki nilai kurang dari 1. Hal ini mengindikasikan hilangnya informasi sehingga data kurang representatif. Oleh karena itu, PCA kurang tepat digunakan dalam penelitian ini.
3.9 Ekstraksi Faktor dengan PFA
> PFA = fa(r = data2, nfactors = 4, rotate = "varimax", fm = "pa")
> PFA
Factor Analysis using method = pa
Call: fa(r = data2, nfactors = 4, rotate = "varimax", fm = "pa")
Standardized loadings (pattern matrix) based upon correlation matrix
PA1 PA2 PA3 PA4 h2 u2 com
behavior_personalHygine 0.27 0.20 0.67 -0.06 0.57 0.43 1.5
intention_aggregation 0.04 -0.01 0.60 0.30 0.45 0.55 1.5
intention_commitment 0.02 -0.03 0.14 0.49 0.26 0.74 1.2
norm_significantPerson -0.16 0.68 0.20 -0.03 0.52 0.48 1.3
norm_fulfillment -0.12 0.91 0.13 -0.03 0.87 0.13 1.1
perception_vulnerability 0.11 0.90 -0.11 0.04 0.83 0.17 1.1
perception_severity 0.04 0.92 0.10 0.00 0.86 0.14 1.0
motivation_strength 0.24 0.15 0.47 0.25 0.37 0.63 2.3
motivation_willingness 0.66 0.08 0.42 0.00 0.62 0.38 1.7
socialSupport_emotionality 0.81 -0.03 0.31 -0.12 0.77 0.23 1.3
socialSupport_appreciation 0.80 -0.12 0.19 -0.14 0.71 0.29 1.2
socialSupport_instrumental 0.82 -0.19 -0.09 -0.01 0.72 0.28 1.1
empowerment_knowledge 0.77 0.07 0.24 0.28 0.73 0.27 1.5
empowerment_abilities 0.87 0.14 0.16 0.11 0.81 0.19 1.2
empowerment_desires 0.84 0.00 -0.03 0.33 0.81 0.19 1.3
ca_cervix -0.40 -0.48 -0.33 -0.38 0.64 0.36 3.7
PA1 PA2 PA3 PA4
SS loadings 4.81 3.32 1.65 0.77
Proportion Var 0.30 0.21 0.10 0.05
Cumulative Var 0.30 0.51 0.61 0.66
Proportion Explained 0.46 0.31 0.16 0.07
Cumulative Proportion 0.46 0.77 0.93 1.00
Mean item complexity = 1.5
Test of the hypothesis that 4 factors are sufficient.
df null model = 120 with the objective function = 12.58 with Chi Square = 815.53
df of the model are 62 and the objective function was 1.65
The root mean square of the residuals (RMSR) is 0.03
The df corrected root mean square of the residuals is 0.04
The harmonic n.obs is 72 with the empirical chi square 16.93 with prob < 1
The total n.obs was 72 with Likelihood Chi Square = 102.5 with prob < 0.00093
Tucker Lewis Index of factoring reliability = 0.882
RMSEA index = 0.094 and the 90 % confidence intervals are 0.061 0.128
BIC = -162.66
Fit based upon off diagonal values = 0.99
Measures of factor score adequacy
PA1 PA2 PA3 PA4
Correlation of (regression) scores with factors 0.97 0.97 0.87 0.80
Multiple R square of scores with factors 0.94 0.95 0.76 0.63
Minimum correlation of possible factor scores 0.88 0.90 0.52 0.27
> PFA$scores
PA1 PA2 PA3 PA4
[1,] 0.20529742 -0.45008014 -0.61013589 -1.36220226
[2,] -1.12996957 -0.98851029 1.26579631 -0.71322073
[3,] -0.25540979 -0.71661635 -2.86728220 0.29545014
[4,] -1.21074506 -0.98080964 0.77490978 -0.40838881
[5,] -0.72943588 -1.08903563 -0.65321654 -0.53508275
[6,] -0.59922720 -1.08842392 -0.21790280 0.26583694
[7,] -0.78160592 -0.79800576 -1.39826314 -0.51535738
[8,] -0.27649707 -0.68692638 -0.05511672 -0.52051326
[9,] 1.55408903 -1.00356501 -1.34955968 -0.74500807
[10,] -1.15601157 -0.77488642 -0.33431110 -0.95578852
[11,] -0.25469362 -1.02827713 -1.06156564 -0.48648597
[12,] -0.51078661 -0.93952049 -0.97672171 0.34233435
[13,] -0.52823799 -1.25041602 -0.67345535 0.66589760
[14,] -0.22129196 -1.22383769 0.95598496 -0.14701223
[15,] -0.84989850 -0.98679694 0.62495125 -1.23520966
[16,] -1.35066578 -0.22680165 -1.26407120 -0.57177878
[17,] -1.12462308 -0.21718824 -0.59676699 -1.49393979
[18,] -1.29900923 -0.04366104 -1.54071463 -0.73018877
[19,] -1.35390672 0.29168964 -0.80005290 -1.53735071
[20,] 0.25583566 -0.71296843 0.06660170 -1.29915002
[21,] -1.31830586 -0.58681896 -0.02456700 -0.52604707
[22,] 0.32946325 -1.12039614 0.55546993 0.69766050
[23,] 1.00751317 -0.83889607 0.44139346 0.58744690
[24,] 1.06198291 -0.77962732 0.55069195 0.44698531
[25,] 0.53901117 -0.61816440 -0.20724846 0.90317410
[26,] 0.50359584 -1.04317425 0.57173613 1.22773576
[27,] 0.64285785 -0.50583643 0.54345208 -0.21912997
[28,] 1.07140063 -1.23138822 0.59150784 0.58603573
[29,] 0.71635367 -0.93164591 0.65955555 0.29379686
[30,] -0.37411808 -0.51253948 -0.58258690 1.01154621
[31,] 0.57410706 -1.18132520 0.25168324 1.22627186
[32,] 0.59797716 -0.45445101 1.01699558 -1.00388987
[33,] 0.95355689 -0.69281303 0.67425650 0.16389979
[34,] 0.41386625 -1.02238879 0.06031409 1.55908896
[35,] 1.01897142 -1.20059254 0.68123993 0.65213694
[36,] 0.69329430 -0.21493826 -1.80319290 -0.82478916
[37,] 1.49287680 -0.60369558 -0.62696644 0.06060982
[38,] 0.47845031 -0.19616104 -0.26591373 -0.89325245
[39,] 1.32975693 -0.96891097 0.47026552 0.26123322
[40,] 0.77575715 -0.93982619 0.76159602 -0.04069977
[41,] 0.30294839 -1.14042853 0.47471292 1.16786951
[42,] -1.13976756 -0.63434566 0.76084732 1.43912812
[43,] 1.41520024 1.12352702 0.56381100 -0.23326465
[44,] 1.41520024 1.12352702 0.56381100 -0.23326465
[45,] -0.12122404 1.41542146 0.58066297 1.19355217
[46,] 1.47689840 1.12905721 0.40424947 -0.56683140
[47,] 0.36081855 1.36419672 -0.05278308 1.04779413
[48,] 1.03999691 1.02060080 0.13271548 -0.71130850
[49,] -0.38005356 1.31747411 -0.17582989 1.48463283
[50,] -1.02293761 1.17121006 0.66779719 0.26464400
[51,] 0.53566753 1.15590790 1.44858299 -0.87333173
[52,] 1.17194453 1.21518448 0.23081104 -0.19656735
[53,] -1.18486572 0.66131142 1.02523813 0.67488128
[54,] 0.02113581 0.38442703 0.23067594 -0.31955192
[55,] 0.78132920 1.21184284 0.85482387 -0.66980183
[56,] 1.16041620 1.15908172 -1.23851169 -1.06227229
[57,] 0.48095633 1.50192870 -2.48104152 1.64566789
[58,] -1.34604888 1.05690520 -0.14206190 0.68087450
[59,] -1.68938921 0.94359348 -0.08784899 0.02949846
[60,] -1.90037273 0.66920818 0.37310313 0.32209980
[61,] -1.79929002 0.97043106 0.47859892 0.25103697
[62,] 0.67466446 1.08240265 0.11563262 -0.06708052
[63,] -1.62585843 0.82023330 0.71357183 -0.30960348
[64,] -1.62075588 0.52376507 1.38020169 -0.16377839
[65,] 0.14898604 1.03558076 -1.40678824 1.25994569
[66,] -0.66056604 1.54658481 -0.81571837 0.64187280
[67,] -0.40584819 1.24714402 0.31309817 0.18799164
[68,] 0.25200987 1.27311900 0.75949937 -0.27056736
[69,] 0.59855787 1.10755022 0.60907423 0.13893274
[70,] 0.23928886 0.60367134 0.15008205 -0.54567823
[71,] 0.76973412 1.24947161 0.12101106 -0.03908968
[72,] 1.15964888 1.24864235 -0.16081864 -0.65108553Berdasarkan output di atas, dapat diketahui bahwa setiap variabel memiliki nilai kurang dari 1. Sehingga PFA sudah tepat digunakan untuk metode ekstraksi faktor pada kasus ini. Model analisis faktor yang terbentuk adalah sebagai berikut:
X1 = 0.27F1 + 0.20F2 + 0.67F3 - 0.06F4 X2 = 0.04F1 - 0.01F2 + 0.60F3 + 0.30F4 X3 = 0.02F1 - 0.03F2 + 0.14F3 + 0.49F4 X4 = -0.16F1 + 0.68F2 + 0.20F3 - 0.03F4 X5 = -0.12F1 + 0.91F2 + 0.13F3 - 0.03F4 X6 = 0.11F1 + 0.90F2 - 0.11F3 + 0.04F4 X7 = 0.04F1 + 0.92F2 + 0.10F3 + 0.00F4 X8 = 0.24F1 + 0.15F2 + 0.47F3 + 0.25F4 X9 = 0.66F1 + 0.08F2 + 0.42F3 + 0.00F4 X10 = 0.81F1 - 0.03F2 + 0.31F3 - 0.12F4 X11 = 0.80F1 - 0.12F2 + 0.19F3 - 0.14F4 X12 = 0.82F1 - 0.19F2 - 0.09F3 - 0.01F4 X13 = 0.77F1 + 0.07F2 + 0.24F3 + 0.28F4 X14 = 0.87F1 + 0.14F2 + 0.16F3 + 0.11F4 X15 = 0.84F1 + 0.00F2 - 0.03F3 + 0.33F4 X16 = -0.40F1 - 0.48F2 - 0.33F3 - 0.38F4
Berdasarkan output tersebut juga diperoleh nilai proporsi ragam setiap faktor sebagai berikut: Faktor 1 = 0.30 Faktor 2 = 0.21 Faktor 3 = 0.10 Faktor 4 = 0.05
Faktor pertama mampu menjelaskan keragaman sebesar 30%, faktor kedua sebesar 21%, faktor ketiga sebesar 10%, dan faktor keempat sebesar 5%. Dari keempat faktor, yang mampu menjelaskan keragaman terbesar adalah faktor pertama.
3.10 Plot
> loads = PFA$loadings
> fa.diagram(loads)
>
> round(PFA$loadings[1:16,],4)
PA1 PA2 PA3 PA4
behavior_personalHygine 0.2722 0.2034 0.6749 -0.0598
intention_aggregation 0.0378 -0.0063 0.6017 0.2969
intention_commitment 0.0196 -0.0315 0.1359 0.4882
norm_significantPerson -0.1625 0.6766 0.1977 -0.0312
norm_fulfillment -0.1235 0.9137 0.1302 -0.0328
perception_vulnerability 0.1063 0.8974 -0.1116 0.0426
perception_severity 0.0438 0.9190 0.1009 0.0017
motivation_strength 0.2425 0.1494 0.4723 0.2530
motivation_willingness 0.6610 0.0808 0.4176 -0.0018
socialSupport_emotionality 0.8092 -0.0325 0.3120 -0.1187
socialSupport_appreciation 0.8043 -0.1186 0.1852 -0.1379
socialSupport_instrumental 0.8235 -0.1923 -0.0850 -0.0090
empowerment_knowledge 0.7679 0.0673 0.2447 0.2775
empowerment_abilities 0.8674 0.1362 0.1611 0.1140
empowerment_desires 0.8406 0.0037 -0.0312 0.3259
ca_cervix -0.3980 -0.4770 -0.3303 -0.3758Berdasarkan hasil output di atas, dapat dilihat bahwa faktor 1 memiliki korelasi yang signifikan terhadap empowerment abilities, empowerment abilities, social Support instrumental, social Support emotionality, social Support appreciation, empowerment knowledge, dan motivation willingness. Faktor 2 memiliki korelasi yang signifikan terhadap perception severity, norm fulfillment, perception vulnerability, norm significant Person, dan ca cervix. Faktor 3 memiliki korelasi yang signifikan terhadap behavior personal Hygine, intention aggregation, dan motivation strength. Sedangkan faktor 4 hanya memiliki satu korelasi yang signifikan yaitu pada intention commitment.
4 Penutup
4.1 Kesimpulan
Berdasarkan pada hasil analisis yang telah dilakukan dapat ditarik kesimpulan bahwa terdapat 4 faktor bermakna yang dapat diekstrak dari 16 variabel atau indikator pengaruh perilaku yang menyebabkan kanker serviks. Terdapat empat variabel dengan nilai MSA kurang dari 0.5 sehingga variabel tersebut harus dieliminasi. Keempat variabel tersebut yaitu: variabel behavior sexual Risk, behavior eating, attitude consistency, dan attitude spontaneity.
4.2 Saran
Saran yang dapat diberikan dalam penelitian ini yaitu menambah sampel yang lebih besar sehingga memberikan hasil penelitian yang lebih akurat.
5 DAFTAR PUSTAKA
Banjarnahor, S., Lenny L.S., Regina M.S., dan Sridama Y.H. 2024. Pencegahan Kanker Serviks. CV jejak: Sukabumi. Nurwijaya, H., Andrijono, dan Suheimi, H.K. 2013. Elex Media Kompitundo: Jakarta. Herniyatun, Lestyani, Kuntoadi G.B., Karlina N., dan Dewi S.U. 2024. Faktor- Faktor yang Berhubungan dengan Kanker Serviks. Ensiklopedia of Journal, 5, hal 111-116. Nasution, M.Z., Nababan A.A., Syaliman K.U., Novelan M.S., dan Jannah M. Penerapan Principal Component Analysis (PCA) dalam Penentuan Faktor Dominan yang Mempengaruhi Pengidap Kanker Serviks. Jurnal Mantik Penusa, 3, hal 204-210.
sumber data: https://archive.ics.uci.edu/dataset/537/cervical+cancer+behavior+risk