1. Pendahuluan

Laporan ini menganalisis data kepribadian menggunakan metode Principal Component Analysis (PCA). Data awal merupakan dataset besar yang kemudian difilter untuk mengambil 12 variabel spesifik yang mewakili dimensi Extraversion (EXT) dan Emotional Stability (EST).

2. Persiapan Data

Langkah pertama adalah memuat data dan melakukan subsetting variabel yang akan dianalisis.

library(psych)

# Membaca data
data.final <- read.delim("C:/Users/LENOVO/Downloads/data-final.csv")

# Disini kami memilih 12 variabel
ini_anmul <- data.final[, c("EXT1", "EXT2", "EXT3", "EXT4", "EXT5", "EXT6", "EXT7", "EXT8", "EXT9", "EXT10", "EST1", "EST2")]

# Lalu kita ubah ke numerik
ini_anmul <- as.data.frame(lapply(ini_anmul, as.numeric))

# Membuang data kosong di dataset
ini_anmul <- na.omit(ini_anmul)

head(ini_anmul)
##   EXT1 EXT2 EXT3 EXT4 EXT5 EXT6 EXT7 EXT8 EXT9 EXT10 EST1 EST2
## 1    4    1    5    2    5    1    5    2    4     1    1    4
## 2    3    5    3    4    3    3    2    5    1     5    2    3
## 3    2    3    4    4    3    2    1    3    2     5    4    4
## 4    2    2    2    3    4    2    2    4    1     4    3    3
## 5    3    3    3    3    5    3    3    5    3     4    1    5
## 6    3    3    4    2    4    2    2    3    3     4    3    4
# Uji KMO
KMO(ini_anmul)
## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = ini_anmul)
## Overall MSA =  0.9
## MSA for each item = 
##  EXT1  EXT2  EXT3  EXT4  EXT5  EXT6  EXT7  EXT8  EXT9 EXT10  EST1  EST2 
##  0.92  0.91  0.92  0.93  0.92  0.91  0.91  0.89  0.91  0.93  0.62  0.59
# Uji Bartlett
cortest.bartlett(ini_anmul)
## $chisq
## [1] 4541381
## 
## $p.value
## [1] 0
## 
## $df
## [1] 66
# Menentukan jumlah komponen
fa.parallel(ini_anmul, fa="pc", n.iter=100, main="Scree Plot Data Big Five Personality")

## Parallel analysis suggests that the number of factors =  NA  and the number of components =  2
# PCA
hasil_final <- principal(ini_anmul, nfactors = 3, rotate = "varimax")
print(hasil_final$loadings, cutoff = 0.4)
## 
## Loadings:
##       RC1    RC3    RC2   
## EXT1   0.714              
## EXT2          0.679       
## EXT3   0.735              
## EXT4          0.706       
## EXT5   0.730              
## EXT6          0.710       
## EXT7   0.798              
## EXT8          0.712       
## EXT9   0.515 -0.404       
## EXT10         0.613       
## EST1                -0.866
## EST2                 0.812
## 
##                  RC1   RC3   RC2
## SS loadings    3.060 2.880 1.502
## Proportion Var 0.255 0.240 0.125
## Cumulative Var 0.255 0.495 0.620
# Visualisasi PCA (Factor Diagram)
fa.diagram(hasil_final, main = "Struktur Komponen Utama")

# 1. Ambil skor tiap responden (RC1, RC3, RC2)
skor_responden <- as.data.frame(hasil_final$scores)

colnames(skor_responden) <- c("Extraversion_A", "Extraversion_B", "Emotional_Stability")

#boxplot skor responden
boxplot(skor_responden, 
        main = "Distribusi Skor Komponen Utama",
        col = c("#5dade2", "#58d68d", "#ec7063"), # Warna Biru, Hijau, Merah
        ylab = "Skor Komponen",
        las = 1,          
        cex.axis = 0.8)