LAMPIRAN 4

Jurnal

ANALISIS FAKTOR FAKTOR YANG MENYEBABKAN TIDAK TERCAPAINYA TARGET

PENGIRIMAN PRODUK UNILEVER DI PT LINFOX LOGISTIC INDONESIA
Oleh
Yoga Gilang Pragipta CDR
NPM : 6.10.4.030
Program Studi D4 Logistik Bisnis Politeknik Pos Indonesia
Jl. Sariasih 54 Bandung
Email: pradipta_y@yahoo.com
ABSTRAK
Third Party Logistic (3PL) adalah perusahaan yang menyediakan pelayanan warehousing,
transportation dan distribution kepada perusahaan yang belum mampu menangani kegiatan logistik
secara keseluruhan. Setiap perusahaan 3PL pasti memiliki target yang ingin dicapai. PT Linfox
Logistic Indonesia merupakan salah satu perusahaan 3PL yang memiliki target pengiriman untuk
jangka waktu Januari-April 2014 sebesar 1025, 1875, 2100, dan 2100 pengiriman. Sedangkan
berdasarkan data yang penulis peroleh dalam jangka waktu Januari-April tahun 2014 terjadi
pengirirman sebesar 901, 970, 1322, dan 1308 pengiriman, dengan demikian target perusahaan belum
tercapai dan masih jauh dari harapan. Pada dasarnya setiap kendala atau fenomena tidak mungkin
dipengaruhi oleh satu penyebab. Kenyataan yang ada adalah satu akibat pasti dipengaruhi oleh
beberapa penyebab (beberapa faktor atau multi faktor). Analisis faktor merupakan salah satu teknik
analisis statistika multivariat yaitu analisis yang bertujuan untuk mempelajari hubungan beberapa
variabel, dengan mencoba menemukan hubungan (interrelationship) antar sejumlah variabel-variabel
yang awalnya saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa
kumpulan variabel yang lebih sedikit dari jumlah variabel awal. Metode ini dipilih karena sesuai
danegan fenomena yang terjadi pada perusahaan. Hasil dari analisis yang dilakukan adalah dari
sepuluh variabel yang ditemukan telah dibentuk menjadi tiga faktor yaitu Faktor dominan pertama
adalah faktor yang berhubungan dengan kondisi truck prima, supir registrasi sesuai dengan jadwal,
konsistensi transporter dalam menyediakan truck untuk pengiriman, dan kebiasaan karyawan menunda
pekerjaan. Penulis mengkategorikan faktor ini dengan nama Faktor Sumber Daya. Faktor dominan
kedua (faktor pendukung) adalah faktor yang berhubungan dengan pemilihan transporter baik, jumlah
armada perusahaan memadai untuk melakukan pengiriman, dan kebijakan perusahaan tepat dalam
menentukan target perusahaan. Penulis mengkategorikan faktor ini dengan nama Faktor Internal.
Faktor dominan ketiga (faktor tambahan) adalah faktor yang berhubungan dengan tahun kendaraan
dan fasilitas perusahaan tentang pelayanan truck. Penulis mengkategorikan faktor ini dengan nama
Faktor Pelayanan.
Kata Kunci : Third Party Logistic (3PL), Transportasi, Analisis Faktor
ABSTRACT
Third Party Logistics (3PL) is a company that provides warehousing services, transportation and
distribution to companies who have not been able to handle the logistics activities as a whole. Each
3PL company must have a target to be achieved. PT Linfox Logistics Indonesia is one of the 3PL
company that has a delivery target for the period January to April 2014 is 1025, 1875, 2100, and 2100
deliveries. While the authors based on data obtained in the period January to April 2014 delivery
amounted is 901, 970, 1322, and 1308 deliveries, thus the target company has not been achieved and
is still far from expectations. Basically every obstacle or not the phenomena may be influenced by a
single cause. The fact that there is a definite result is affected by several causes (some factor or multifactor). Factor analysis is a multivariate analysis technique, which analyzes aimed to study the
association of several variables, by trying to find a relationship (interrelationship) between a number
of variables that initially mutually independent with each other, so that it can be made of one or a set

of variables over slightly from the initial number of variables. This method was chosen because
according to the phenomena that occur in the company. The results of the analysis conducted are ten
variables that were found to have formed into three factors: the first dominant factor is associated with
conditions excellent truck, driver registration in accordance with the schedule, providing consistency
transporter truck for delivery, and employees habits (delay the work). The factor name is Resource
Factor. The second dominant factor (support factor) is a factor related to the selection of a good
transporter, the amount of the company's fleet is adequate to make deliveries, and corporate policies
right in determining the company target. The factor name is Internal Factors. The third dominant
factor (additional factor) is a factor related to year of manufacture the vehicle and truck service
facilities of the company. The factor name is Service Factor.
Keywords: Third Party Logistics (3PL), Transportation, Factor Analysis
1.

PENDAHULUAN
PT Linfox Logistic Indonesia
merupakan salah satu perusahaan 3PL yang
memiliki target pengiriman untuk jangka
waktu Januari-April 2014 sebesar 1025,
1875, 2100, dan 2100 pengiriman.
Sedangkan berdasarkan data yang penulis
peroleh dalam jangka waktu Januari April
tahun 2014 terjadi pengirirman sebesar 901,
970, 1322, dan 1308 pengiriman, dengan
demikian target perusahaan belum tercapai
dan masih jauh dari harapan. Adapun
rumusan masalah yang diangkat dalam
penelitian ini adalah:
1. Faktor faktor apa saja yang
menyebabkan tidak tercapainya target
pengiriman produk UNILEVER di PT
Linfox Logistic Indonesia?
2. Faktor apa yang dominan dalam tidak
tercapainya target pengiriman produk
UNILEVER di PT Linfox Logistic
Indonesia?
Tujuan dari penelitian ini yaitu:
1.
Mengetahui faktor - faktor yang
menjadi prioritas penyebab tidak
tercapainya target pengiriman produk
UNILEVER di PT Linfox Logistic
Indonesia.
2.
Mengetahui faktor apa yang dominan
dalam tidak tercapainya pengiriman
produk UNILEVER di PT Linfox
Logistic Indonesia.

2.

MODEL PENGOLAHAN
Berdasarkan rumusan masalah yang
ada penulis menggunakan diagram fishbone
untuk memetakan faktor faktor yang
ditemukan dan menggunakan metode

analisis faktor untuk mengetahui faktor

yang dominan.

Menurut Jhonson dan Wichern

(1992) yang dimaksud dengan analisis
faktor adalah suatu analisis data untuk
mengetahui faktor faktor yang dominan
dalam menjelaskan suatu masalah. Analisis
Faktor merupakan pengembangan dari
Analisis Komponen Utama (AKU) yang
lebih terperinci dan teliti yang berfungsi
untuk mengecek konsistensi data terhadap
struktur peubah.
Secara matematis, analisis faktor
menyerupai regresi ganda, dimana setiap
variabel
direpresentasikan
sebagai
kombinasi linier dari faktor-faktor yang
diperoleh dari hasil pengolahan data.
Masing-masing faktor dapat diekspresikan
dengan persamaan sebagai berikut :
F1 = Wi1X1 + Wi2X2 + .. +WikXk
Dimana,
F1 adalah faktor
Wi adalah bobot variabel terhadap factor
X adalah variabel
k adalah jumlah variable
Model analisis faktor adalah :
X1 = c11 F1 + c12 F2 + c13 F3 + ... + c1m Fm +
X2 = c21 F1 + c22 F2 + c23 F3 + ... + c2m Fm +
X3 = c31 F1 + c32 F2 + c33 F3 + ... + c3m Fm +

...
Xp = cp1 F1 + cp2 F2 + cp3 F3 + ... + cpm Fm + p

atau

X1

c11 c12 c13

c c c
21 22 23

X2
X 3 c31 c32 c33

... ... ... ...
X c c c
p p1 p 2 p 3

... c1m F1
... c2 m F2

... c3m F3

... ... ...
... c pm Fm

2
3

...

p

(p x 1)
(p x m)
(m x1)
dan
X1, X2,..., Xp adalah variabel asal
F1, F2,..., Fm adalah faktor bersama
(common factor)
cij adalah bobot (loading) dari variabel asal
ke-i pada faktor ke-j
p adalah error
Secara umum, jumlah sampel yang
dianjurkan adalah antara 50 sampai 100
sampel. Secara umum, jumlah sampel
dalam analisis faktor minimal 50
pengamatan. Bahkan seharusnya ukuran
sampel sebanyak 100 atau lebih besar.
Biasanya ukuran sampel dalam analisis ini
dianjurkan memiliki paling sedikit 5 kali
jumlah variabel yang akan diamati, karena
semakin banyak sampel yang dipilih akan
mencapai patokan rasio 10:1, dalam arti
untuk satu variabel ada 10 sampel (Hair,
2010). Dalam pengertian SPSS, hal ini
berarti untuk setiap 1 kolom yang ada,
seharusnya terdapat 10 baris data, sehingga
jika ada 5 kolom (variabel), minimal
seharusnya ada 50 baris data (sampel).
Langkah

langkah
dalam
melakukan
pengolahan
menggunakan
analisis faktor adalah sebagai berikut:
Langkah 1
Pertama dilakukan adalah mengenali
atau
mengidentifikasi
masalah,
menanyakan
pertanyaan
yang
membantu, dan harus bisa dijabarkan
dengan tepat serta pengumpulan data
awal dapat membantu dalam proses
analisis. Data yang dikumpulkan harus
tepat dan konkrit serta lengkap
Langkah 2

Melakukan uji korelasi antar variabel

asal dengan tujuan agar penyusutan
variabel analisis faktor menjadi lebih
sederhana dan bermanfaat, tanpa
kehilangan
banyak
informasi
sebelumnya.
Langkah 3
Mengukur homogenitas variabel atau
uji kelayakan data sebagai indikator
kesesuaian antar variabel. Menurut
keiser (Dallas
E. Johnson, 1998,
Applied Multivariate Method For Data
Analysis), statistika yang digunakan
adalah uji Kaiser Meyer Oikin (KMO)
bertujuan untuk mengetahui apakah
semua data yang telah terambil telah
cukup untuk difaktorkan. Hipotesis dari
KMO adalah sebagai berikut :
Hipotesis
Ho : Jumlah data cukup untuk
difaktorkan
H1 : Jumlah data tidak cukup untuk
difaktorkan
Statistik uji :
p

r
i 1 j 1

2
ij

rij2 a ij2
i 1 j 1

i 1 j 1

KMO =

i = 1, 2, 3, ..., p dan j = 1, 2, ..., p

rij = Koefisien korelasi antara variabel i
dan j
aij = Koefisien korelasi parsial antara
variabel i dan j
Apabila nilai KMO lebih besar dari 0,5
maka terima Ho sehingga dapat
disimpulkan jumlah data telah cukup
difaktorkan
Langkah 4
Melakukan pengujian kebebasan antar
variable dengan menggunakan metode
uji Bartlett. Uji Bartlett bertujuan untuk
mengetahui apakah terdapat hubungan
antar variabel dalam kasus multivariat.
Jika
variabel
X1,
X2,,Xp
independent (bersifat saling bebas),
maka matriks korelasi antar variabel

sama
dengan
matriks
identitas.
Sehingga untuk menguji kebebasan
antar variabel ini, uji Bartlett
menyatakan hipotesis sebagai berikut:

H0 : = I
H1 : I
Statistik Uji :

1 p
rk
rik
p 1 i 1
, k = 1, 2,...,p

2
rik
p ( p 1) i k

( p 1) 2 1 (1 r ) 2

p ( p 2)(1 r ) 2

Dengan :

rk
= rata-rata elemen diagonal pada
kolom atau baris ke k dari matrik R
(matrik korelasi)

r
= rata-rata keseluruhan dari elemen
diagonal
Daerah penolakan :
Tolak H0 jika

(n 1)

p
2

(
r

r
)

(r k r )2 2( p 1) ( p 2) / 2;

2 ik
(1 r ) i k
k 1

Maka
variabel-variabel
saling
berkorelasi hal ini berarti terdapat
hubungan antar variabel. Jika H0 ditolak
maka analisis multivariat layak untuk
digunakan terutama metode analisis
komponen utama dan analisis faktor.
Langkah 6
Mencari akar ciri dan matriks atau R.
Langkah 7
Mengurutkan akar ciri yang terbentuk
dari terbesar sampai terkecil.

3.

Langkah 8
Mencari proporsi keragaman atau
berguna untuk mengetahui berapa faktor
yang akan terbentuk.
Langkah 9
Mengalokasikan setiap variabel asal
kedalam faktor sesuai dengan nilai
loading.
Langkah 10
Apabila terdapat nilai loading yang
identik atau hampir sama maka lakukan
rotasi baik dengan cara orthogonal
ataupun non orthogonal.
Langkah 11
Setelah yakin dengan faktor yang
terbentuk, maka berikan penamaan pada
faktor tersebut dengan cara melihat
variable variable apa saja yang
menyusun faktor tersebut.

HASIL
PNENELITIAN
DAN
PEMBAHASAN
Berdasarkan
dari
pemetaan
menggunakan fishbone diagram pada bab
sebelumnya diperoleh data faktor faktor
yang menyebabkan tidak tercapainya target
pengiriman. Adapun hasil perolehan data
terdapat dalam lampiran dengan keterangan
faktor sebagai berikut:
X1= Kondisi truck prima
X2= Supir registrasi sesuai dengan
jadwal
X3= Pemilihan transporter baik
X4= Jumlah armada perusahaan
memadai untuk melakukan pengiriman
X5= Kebijakan perusahaan tepat dalam
menentukan target perusahaan
X6= Sumber daya manusia yang
memadai
X7= Konsistensi transporter dalam
menyediakan truck untuk pengiriman
X8= Tahun kendaraan
X9=Fasilitas
perusahaan
tentang
pelayanan truck
X10= Kebiasaan karyawan
Dalam penelitian ini penulis
menggunakan rating scale (skala penilaian).
Pada rating scale, data yang diperoleh
adalah data kuantitatif (angka) yang

kemudian ditafsirkan dalam pengertian

kualitatif. Seperti halnya skala lainnya,
dalam rating scale responden akan memilih
salah satu jawaban kuantitatif yang telah
disediakan.
Rating scale lebih fleksibel, tidak
saja untuk mengukur sikap tetapi dapat juga
digunakan untuk mengukur persepsi
responden terhadap fenomena lingkungan,
seperti skala untuk mengukur status sosial,
ekonomi, pengetahuan, kemampuan, dan
lain-lain. Pada rating scale nilai dapat
bergerak dari nol sampai dengan sepuluh
sebagai skor tertinggi.
Dalam penelitian ini penulis
mengguanakan SPSS 17.0 windows untuk
melakukan analisis, adapun hasil analisis
yang penulis peroleh adalah:

KMO and Bartletts test of sphericity

Gambar KMO and Bartletts test

Berdasarkan Bartletts Tes of
Sphericity dengan Chi-Square 75,5102 (df
45) dan nilai sig = 0,003 < 0,05
menunjukkan bahwa matriks korelasi bukan
merupakan matriks identitas sehingga dapat
dilakukan analisis komponen utama. Nilai
KMO yang dihasilkan adalah sebesar 0.511
serta p-value sebesar 0,003 (<0,05), nilai
tersebut layak untuk kepentingan analisis
faktor. Oleh karena itu, variabel variabel
dapat dianalisis lebih lanjut (AA
Afifi,1990:Dillon dan Goldstein,1984).

Anti-Image Matrices

Tabel Anti-Image Matrices bertujuan

untuk mengetahui apakah variabel
variabel secara parsial layak untuk
dianalisis dan tidak dikeluarkan dalam
pengujian. Berdasarkan tabel diatas, terlihat
bahwa dari sepuluh variabel yang akan
dianalisis, terdapat enam variabel yang
memiliki nilai MSA < 0,5 yaitu variabel
X2, X3, X5, X6, X8, X9. Karena terdapat
variabel yang nilai MSA nya < 0,5 , maka
variabel tersebut tidak dapat dianalisis lebih
lanjut. Dari enam variable dipilih salah satu
variabel yang memiliki MSA terkecil, yaitu
X6 (sumber daya manusia yang memadai)
sebesar 0,234 sehingga variabel tersebut
direduksi dan dilakukan pengujian ulang
terhadap kesembilan variabel lainnya.
Setelah variabel X6 direduksi, maka
nilai KMO meningkat menjadi 0,621 dan
tingkat signifikansi 0,001. Pengurangan
variabel X6 meningkatkan nilai KMO
sehingga reduksi yang dilakukan tepat. Hal
ini dapat menunjukkan bahwa kesembilan
variabel tersebut layak untuk dilakukan
analisis faktor .

Gambar KMO and Bartletts test setelah

dilakukan reduksi

Communalities

Berdasarkan seluruhan nilai dalam

tabel diperoleh bahwa kesembilan variabel
awal mempunyai nilai communalities yang
besar (>0.5). Hal ini dapat diartikan bahwa
keseluruhan variabel yang digunakan
memiliki hubungan yang kuat dengan
faktor yang terbentuk.
Hubungan variabel X1 (kondisi
truck prima) sebesar 0,749 artinya
hubungan variabel X1 terhadap faktor yang
terbentuk erat. Atau dapat juga dikatakan
kontribusi variabel X1 terhadap faktor yang
terbentuk sebesar 74,9%. Begitu pula pada
variable yang lainnya, semakin besar nilai
dari communalities maka semakin baik
analisis faktor, karena semakin besar
karakteristik variabel asal yang dapat
diwakili oleh faktor yang terbentuk.

Table Total Variance Explained

menunjukkan
besarnya
persentase
keragaman total yang mampu diterangkan
oleh keragaman faktor - faktor yang
terbentuk. Dalam tabel di atas juga terdapat
nilai eigenvalue dari tiap-tiap faktor yang
terbentuk. Faktor 1 memiliki eigenvalue
sebesar 3,350, faktor 2 sebesar 1,976, dan
faktor 3 sebesar 1,165. Untuk menentukan
berapa komponen/ faktor yang dipakai agar
dapat menjelaskan keragaman total maka
dilihat dari besar nilai eigenvalue pada
setiap
variabel,
komponen
dengan
eigenvalue >1 adalah komponen yang
dipakai.
Kolom
cumulative
%
menunjukkan persentase kumulatif varians
yang dapat dijelaskan oleh faktor.
Berdasarkan tabel
di atas
didapatkan nilai eigenvalue seperti berikut:
Faktor 1 sebesar 37,226%
Faktor 2 sebesar 59,181% (37,226
+ 21,955)
Faktor 3 sebesar 72,122% (37,226
+ 21,955 + 12,941)
Berdasarkan tabel Total Variance
Explained terlihat bahwa hanya 3 faktor
yang terbentuk karena terdapat 3 faktor
yang memiliki nilai eigenvalue lebih besar
dari 1. Sedangkan untuk faktor ke-4 nilai
eigenvalue sudah dibawah 1 yakni 0.956
sehingga proses factoring seharusnya
berhenti pada faktor ke 3 saja.

Scree Plot

Table Total Variance Explained

Scree Plot adalah salah satu

alternatif yang dapat digunakan untuk
membantu peneliti menentukan berapa
banyak faktor terbentuk yang dapat
mewakili keragaman peubah peubah asal.
Bila kurva masih curam, akan ada petunjuk

untuk menambahkan komponen. Bila kurva

sudah landai, akan ada petunjuk untuk
menghentikan penambahan komponen,
walaupun penilaian curam/ landai bersifat
subjektif peneliti.
Berdasarkan gambar di atas terlihat
pada saat satu komponen terbentuk, kurva
masih menunjukkan kecuraman, begitu juga
pada saat di titik ke-2, garis kurva masih
tajam, di titik ke-3 garis kurva masih tajam
namun sedikit berbeda dari pola kedua garis
sebelumnya. Setelah melewati titik ke-3,
garis kurva sudah mulai landai, semakin ke
kanan akan semakin landai. Berdasarkan
analisa ini dapat ditarik kesimpulan bahwa
terdapat tiga komponen atau faktor yang
terbentuk.

Table Component Matrix

Table
component
matrix
menunjukkan besarnya korelasi tiap
variabel dalam faktor yang terbentuk. Nilai
nilai koefisien korelasi antara variabel
dengan faktor - faktor yang terbentuk

(loading factor) dapat dilihat pada table

Component Matrix. Ketiga faktor tersebut
menghasilkan matrik loading faktor yang
nilai-nilainya merupakan koefisien korelasi
antara variabel dengan faktor faktor
tersebut.
Variabel X1 (kondisi truck prima):
Korelasi antara variabel X1
dengan faktor 1 adalah +0.818
(kuat karena diatas 0.5)
Korelasi antara variabel X1
dengan faktor 2 adalah -0.236
(lemah karena dibawah 0.5)
Korelasi antara variabel X1
dengan faktor 3 adalah -0.157
(lemah karena dibawah 0.5)
Berarti variabel X1 bisa dimasukkan
sebagai komponen faktor 1 karena angka
loading factor terbesar pada component
nomor 1 (tanda negativ hanya menunjukkan
arah korelasi).
Bila dilihat dari tabel di atas variabel
variabel yang berkorelasi terhadap setiap
faktornya, ternyata loading faktor yang
dihasilkan belum mampu memberikan arti
sebagaimana yang diharapkan. Hal ini
terlihat dari variabel X9 (fasilitas
perusahaan tentang pelayanan truck)
variabel ini dengan faktor 1 sebesar 0,516,
dan faktor 2 sebesar 0,655, sehingga kita
sulit untuk memutuskan apakah variabel X9
dimasukkan ke faktor 1 atau faktor 2. Tiap
faktor belum dapat diinterpretasikan dengan
jelas karena loading factor > 0,5 sudah
dianggap kuat sehingga perlu dilakukan
rotasi dengan metode varimax.
Rotasi varimax adalah rotasi
orthogonal yang membuat jumlah varian
loading factor dalam masing-masing faktor
akan menjadi maksimum, dimana nantinya
peubah asal hanya akan mempunyai
korelasi yang tinggi dan kuat dengan faktor
tertentu saja (korelasinya mendekati 1) dan
tentunya memiliki korelasi yang lemah
dengan faktor yang lainnya (korelasinya
mendekati 0).

Rotated Component Matrix

Setelah dilakukan rotasi faktor

dengan metode varimax, diperoleh table
seperti yang tertera di atas yaitu Rotated
Component Matrix. Terdapat perbedaan
nilai korelasi variabel dengan setiap faktor
sebelum dan sesudah dilakukan rotasi
varimax. Terlihat bahwa loading faktor
yang dirotasi telah memberikan arti
sebagaimana yang diharapkan dan setiap
faktor sudah dapat diinterpretasikan dengan
jelas. Terlihat jelas bahwa loading factor
yang dulunya kecil semakin diperkecil, dan
loading factor yang besar semakin
diperbesar. Dengan demikian, lebih tepat
digunakan loading faktor yang telah
dirotasi sebab setiap faktor sudah dapat
menjelaskan keragaman variabel awal
dengan tepat dan hasilnya adalah sebagai
berikut

Variabel
X1,
dimasukkan ke faktor 1 karena
loading factor terbesar terdapat pada
faktor (0.776)

Variabel
X2
dimasukkan ke faktor 1 karena
loading factor terbesar terdapat pada
faktor 1 (0.767)

Variabel
X3
dimasukkan ke faktor 2 karena

loading factor terbesar terdapat pada

faktor 2 (0.490)

Variabel
X4
dimasukkan ke faktor 2 karena
loading factor terbesar terdapat pada
faktor 2 (0.845)

Variabel
X5
dimasukkan ke faktor 2 karena
loading factor terbesar terdapat pada
faktor 2 (0.716)

Variabel
X7
dimasukkan ke faktor 1 karena
loading factor terbesar terdapat pada
faktor 1 (0.813)

Variabel
X8
dimasukkan ke faktor 3 karena
loading factor terbesar terdapat pada
faktor 3 (0.898)

Variabel
X9
dimasukkan ke faktor 3 karena
loading factor terbesar redapat pada
faktor 3 (0.845)

Variabel
X10
dimasukkan ke faktor 1 karena
loading factor terbesar terdapat pada
faktor 1 (0.869)
Dengan demikian sembilan variabel
tersebut telah direduksi menjadi 3 faktor
yaitu:
Faktor 1, terdapat empat variabel yang
memiliki korelasi yang kuat dengan
faktor 1, yaitu variabel kondisi truck
prima, supir registrasi sesuai dengan
jadwal, konsistensi transporter dalam
menyediakan truck untuk pengiriman,
dan Kebiasaan karyawan menunda
pekerjaan.
Faktor 2, terdapat tiga variabel yang
memiliki korelasi yang kuat dengan
faktor 2, yaitu variabel pemilihan
transporter baik, jumlah armada
perusahaan memadai untuk melakukan
pengiriman, dan kebijakan perusahaan
tepat dalam menentukan target
perusahaan.
Faktor 3, terdapat dua variabel yang
memiliki korelasi yang kuat dengan
faktor 3, yaitu variabel tahun
kendaraan dan fasilitas perusahaan
tentang pelayanan truck.

Component Tranformation Matrix

3.

Tabel Component Transformation

Matrix berfungsi untuk menunjukkan
apakah faktor faktor yang terbentuk sudah
tidak memiliki korelasi lagi satu sama lain
atau orthogonal. Bila dilihat dari table di
atas, nilai nilai korelasi yang terdapat
pada diagonal utama berada di atas 0,5
yaitu 0,901; 0,505; 0,597. Hal ini
menunjukkan bahwa ketiga faktor yang
terbentuk sudah tepat karena memiliki
korelasi yang tinggi pada diagonal
diagonal utamanya.
4.

KESIMPULAN DAN SARAN

4.1. Kesimpulan
Berdasarkan hasil analisis faktor
terbentuk tiga faktor dominan yang
menyebabkan tidak tercapainya target
pengiriman produk UNILEVER pada
PT Linfox Logistic Indonesia.
1. Faktor dominan pertama adalah
faktor yang berhubungan dengan
kondisi
truck
prima,
supir
registrasi sesuai dengan jadwal,
konsistensi transporter dalam
menyediakan
truck
untuk
pengiriman,
dan
kebiasaan
karyawan menunda pekerjaan.
Penulis mengkategorikan faktor ini
dengan nama Faktor Sumber Daya.
Hal ini berarti bahwa ada beberapa
sumber daya yang tidak sesuai atau
tidak tepat untuk diterapkan pada
PT Linfox Logistic Indonesia.
2. Faktor dominan kedua (faktor
pendukung) adalah faktor yang
berhubungan dengan pemilihan
transporter baik, jumlah armada
perusahaan
memadai
untuk
melakukan
pengiriman,
dan
kebijakan perusahaan tepat dalam

menentukan target perusahaan.

Penulis mengkategorikan faktor ini
dengan nama Faktor Internal. Hal
ini
berarti
bahwa
terdapat
kesalahan yang berasal dari dalam
pada PT Linfox Logistic Indonesia.
Faktor dominan ketiga (faktor
tambahan) adalah faktor yang
berhubungan
dengan
tahun
kendaraan dan fasilitas perusahaan
tentang pelayanan truck. Penulis
mengkategorikan faktor ini dengan
nama Faktor Pelayanan. Hal ini
berarti bahwa pelayanan yang
diberikan PT Linfox Logistic
Indonesia baik dari segi armada
dan fasilitas.

4.2. Saran
Berdasarkan
analisis
yang
penulis lakukan terhadap faktor
faktor yang menyebabkan tidak
tercapainya target pengiriman produk
UNILEVER pada PT Linfox Logistic
Indonesia, penulis ingin memberikan
saran pada perusahaan agar dimasa
mendatang dapat mencapai target yang
diinginkan.
a. Berdasarkan
hasil
analisis
perusahaan
seharusnya
bisa
mengelola sumber daya lebih baik
lagi, mulai dari control supir,
transporter,
dan
pegawai
perusahaan sendiri.
b. Faktor internal perusahaan juga
berperan dalam tercapainya target
perusahaan,
maka
dari
itu
perusahaan sebaiknya lebih baik
lagi dalam mengambil suatu
keputusan.
c. Perusahaan
sebaiknya
memperhatikan tentang pelayanan
yang diberikan biarpun tidak
merupakan faktor paling dominan
tapi apabila dilakukan lebih baik
lagi maka perusahaan akan
merasakan
manfaat
untuk
pencapaian target perusahaan.
5.

DAFTAR PUSTAKA
Buku

Sugiyono. (2011). Statistika Untuk

Analisis

Penelitian. Bandung: Alfabeta

Tugas Akhir/Skripsi
Simarmata, Iska. (2013). Aplikasi

Penentuan

Analisis

Faktor

Dengan

Metode

Principal Component Analysis Dan

Maximum Likelihood Dalam FaktorFaktor Yang Memengaruhi Pemberian
Makanan Tambahan Pada Bayi Usia 06 Bulan Di Desa Pematang Panjang
Kecamatan

Air

Putih

Batubara

Tahun

Kesehatan

Masyarakat,

Kabupaten

2013,

Fakultas
Universitas

Sumatera Utara Medan.

Widiastuti, Mahdalena. (2007). Analisis
Mengenai Faktor Yang Mempengaruhi
Customer

Menggunakan

Jasa

Pengiriman Domestic PT Kamadjaja

Komponen
Faktor

Utama
Dominan

(Studi Kasus : Sman 1 Medan)

Nguyen, Hong-Oanh.2013. Critical factors
in e-business adoption: Evidence from
Australian

transport

and

ep-manajemen-logistik/, diakses pada

21 Juli 2014, pukul 21.49)
(http://bellashabrina.wordpress.com/2013/0
9/17/5-skala-pengukuran-sikap/, diakses
pada 8 Juli 2014, pukul 21.32)
(http://onemino21.blogspot.com/2011/10/pe
ngertian-logistik.html, diakses pada 21
Juli 2014, pukul 20.33)
(http://statistikceria.blogspot.com/2013/03/t

Analysis

Faktor.

Jurusan

Logistik

faktor.html, diakses pada 1 Juli 2014,

Politeknik

Pos

Indonesia

pukul 08.43)
(http://www.academia.edu/1269466/Transp

Bandung.
Widyapurna, Made Prima. (2012). Model
Pemilihan Vendor Trucking Prioritas
Dan Alokasi Order Untuk Delivery
Project Account Perfetti Van Melle
(Case Study : Pt Damco

Indonesia), Jurusan Logistik Bisnis,

Politeknik Pos Indonesia Bandung.
Jurnal
Hardika, Juliarti., Djakaria Sebayang,
Pasukat

logistics

companies
Online
(http://adman.staf.upi.edu/2012/07/27/kons

utorial-contoh-kasus-analisis-

Indonesia

Yang

Mempengaruhi Prestasi Belajar Siswa

Logistics perwakilan Jakarta Metode

Bisnis,

Dalam

Sembiring.2013.

Penerapan

ortasi_dan_Perkembangan_Wilayah,
diakses pada 10 Mei 2014, pukul 19.43)
(http://www.lampungtimurkab.go.id/index.p
hp?
mod=berita&opt=detail_berita&id=822,
diakses pada 10 Mei 2014, pukul 20.18)