! Qsphsbn!Qfozfhbsbo! ! !
Sangat Baik Sangat Kurang Baik
Kurang Baik
Baik
Bobmjtjt!Tubujtujl!Eftdsjqujwf!
Merancang Struktur Variabel
Nfoubcvmbtj!Ebub!
Mengisi atau mentabulasi Data harus baris perbaris bukan perkolom
Dalam pertemuan ini, tidak dilakukan latihan men-tabulasi karena akan membuang waktu yang cukup lama. Sebagai alternative, akan diberikan data yang sudah jadi/tertabulasi.
! ! !
1. Analyze
Descriptive Statistics Frequencies
2. Pilih Variables
yang akan di olah
3. Tentukan Nilai
apa yang akan dicari
4. Pilih Jenis
Grafik/Chart yang akan di tampilkan 3
Pvuqvu!TQTT! Gsfrvfodz!
Toilet Cumulative Percent 3.0 33.0 98.0 100.0 Valid Sangat Kurang Baik Kurang Baik Baik Sangat Baik Total Frequency 3 30 65 2 100 Percent 3.0 30.0 65.0 2.0 100.0 Valid Percent 3.0 30.0 65.0 2.0 100.0
Toilet
Sangat Baik
Kurang Baik
Baik
Valid
Frequency 3 32 60 5 100
Kamar Mandi
Sangat Kurang Baik
Sangat Baik
Kurang Baik
Baik
Lpsfmbtj!
Korelasi Antara Varibel Jarak Objek Wisata dengan Mudah Pencapaian yang tidak significance karena Sig (2-tailed) [0.217] > 0,05 pada nilai korelasi r = 0.125
Correlations Jarak Objek Wisata 1 . 100 .125 .217 100 Mudah Pencapaian .125 .217 100 1 . 100
Mudah Pencapaian
Korelasi Antara Varibel Toilet dengan Kamar Mandi yang significance karena Sig (2-tailed) [0.000] < 0,05 pada nilai korelasi r = 0.733
Correlations Toilet Toilet Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Kamar Mandi 1 .733** . .000 100 100 .733** 1 .000 . 100 100
Kamar Mandi
Nilai Kunci pada Analisis Korelasi adalah: Berapa besarkan nilai r (Pearson Correlation) yang menyatakan seberapa kuatkah hubungan kedua variable yang dianalisis! Apakah hubungannya Significan (Sig. (2-tailed), Jika < 0.05 atau pada skala yang lebih extreme ** 0.01 level (2-tailed) maka hubungan dapat dikatakan significan Tanda ** atau * untuk menandakan bahwa hubungan yang terjadi benar-benar significan. Nilai Extreme untuk r 1 dan +1 yang artinya nilai hasil analisis ada pada kisaran 1 sampai dengan +1, Jika r = 0 artinya tidak ada hubungan kedua variable.
Analisis Regresi
1. Pilih
Regression Linier
2. Tentukan
Variabel Dependent (terikat) dan tentukan juga variable Independent(s)
Model 1
Variables Removed .
Method Enter
Analisis Regresi untuk pembentukan model PREDIKSI variable terikat (dalam contoh terlihat toilet) Key-analisisnya adalah nilai: (B Coefficients) (a Constant) Significancy
Nilai koefisien pebuah atau B = 0.676 dan Korelasi terjadi secara Sig (0.000) < 0.005 Variabel Kamar Mandi berkorelasi secara significance terhadap variabel Toilet. Jadi Model terbentuk Y (Toilet) = 0.854 + 0.676 (Kamar Mandi)
Coefficientsa Unstandardized Coefficients B Std. Error .854 .174 .676 .063 Standardized Coefficients Beta .733
Model 1
t 4.916 10.674
Services
Q19.
Q20.
Nfsbodboh!Tusvluvs!Wbsjbcfm!
Lfobqb!Bobmjtjt!Gblups@!
Pemilihan analisis faktor sebagai alat analisis pada penelitian ini, disebabkan karena penelitian ini mencoba menemukan hubungan (interrelationship) beberapa variabel yang saling independen satu dengan yang lainnya, sehingga bisa dibuat kumpulan variabel yang lebih sedikit dari jumlah variabel awal sehingga akan lebih mudah dikontrol oleh manajemen perusahaan atau pemegang kebijakan perusahaan
Ubibqbo!bobmjtjt!gblups!!
Ubcvmbtj!ebub!qbeb!ebub!wjfx-!! Qfncfouvlbo!nbusjl!lpsfmbtj-!! Qfncfouvlbo!nbusjl!lpsfmbtj-!! Fltusbltj!gblups-!! Fltusbltj!gblups-!! Spubtj!gblups-!ebo!! Spubtj!gblups-!ebo!! Qfobnbbo!gblups!zboh!ufscfouvl/ obnbbo!gblups!zboh!ufscfouvl/! Qfobnbbo!gblups!zboh!ufscfouvl/! Vkj!Lfufqbubo!Npefm
10
11
3/! Qfncfouvlbo!Nbusjl!Lpsfmbtj!
! Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. ! Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan, yang pertama yaitu menentukan besaran nilai Barlett Test of Sphericity, yang digunakan untuk mengetahui apakah ada korelasi yang signifikan antar variabel, dan
kedua adalah Keiser-Meyers-Oklin (KMO) Measure of Sampling Adequacy, yang digunakan untuk mengukur kecukupan sampel dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisein korelasi parsialnya.
!
Nfovsvu!Xjcjtpop!)3114*!lsjufsjb!lftftvbjbo!ebmbn! qfnblbjbo!bobmjtjt!gblups!bebmbi!!
Kjlb!ibshb!LNP!tfcftbs!1-:!cfsbsuj!tbohbu!nfnvbtlbo-!! Kjlb!ibshb!LNP!tfcftbs!1-9!cfsbsuj!nfnvbtlbo-! Kjlb!ibshb!LNP!tfcftbs!1-8!cfsbsuj!ibshb!nfofohbi-!! Kjlb!ibshb!LNP!tfcftbs!1-7!cfsbsuj!dvlvq-!! Kjlb!ibshb!LNP!tfcftbs!1-6!cfsbsuj!lvsboh!nfnvbtlbo-!! Kjlb!ibshb!LNP!lvsboh!ebsj!!1-6!ujebl!ebqbu!ejufsjnb/!!
12
!
Menurut Santoso (2002) angka MSA berkisar antara 0 sampai dengan 1, dengan kreteria yang digunakan untuk intepretasi adalah sebagai berikut:
!
Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lainnya. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut. Jika MSA lebih kecil dari setengah 0,5 dan atau mendekati nol (0), maka variabel tersebut tidak dapat di analisis lebih lanjut, atau dikeluarkan dari variabel lainnya.
13
3. Ekstraksi faktor,
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga terbentuk satu atau lebih faktor.
Metode yang digunakan untuk maksud ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal).
1. Terlihat pada penelitian (tabel di atas) diperoleh lima faktor yang memiliki eigenvalue lebih besar dari 1,0.
3.
Kelima faktor tersebut menjelaskan (69,218) % total varian variabel yang mempengaruhi
14
5/! Spubtj!gbdups!
Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor dilakukan dengan metode rotasi varimax. Interpretasi hasil dilakukan dengan melihat faktor Loading. Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris di dalam setiap tabel.
15
Kode Q1 Q2 Q3 Q4 Q5 Q6 Q8 Q9 Q10 Q11 Q12 Q13 Q14 Q15 Q16 Q17 Q18** Q19 Q20 Eigenvalues % Trace
1 0,001484 -0,07354 0,223423 -0,0496 0,130852 0,128471 0,360964 0,5623 0,6912 0,6095 0,8658 0,8472 0,7979 0,053455 0,080956 0,127035 0,350761 0,49889 0,7128 5,280 27,791
2 0,191044 0,058915 -0,0989 0,5845 0,273412 0,312921 0,152589 0,355054 0,184135 0,415269 -0,10307 -0,08787 0,07506 0,7479 0,8892 0,8689 0,493782 0,305378 0,177861 2,985 15,712
Komponen 3 4 0,9182 -0,02651 0,8734 -0,01827 0,7187 0,238049 0,038758 0,51973 0,082047 0,6934 -0,14651 0,021861 -0,03727 -0,7820 0,05798 -0,32043 0,178207 0,255525 -0,23718 -0,12448 -0,05842 0,138295 0,013761 -0,03187 0,157343 -0,10662 0,093343 0,237089 0,037462 -0,06764 0,01323 -0,04301 0,202443 0,321382 -0,1713 0,002655 -0,00128 -0,14442 2,282 12,010 1,518 7,990
5 -0,05007 -0,15108 0,190392 0,004112 0,237604 0,7566 0,24805 -0,07076 0,15837 -0,11852 -0,01411 -0,02179 0,054962 0,25445 0,025986 0,010975 0,04816 -0,5393 0,048844 1,086 5,715
Komunalitas 0,883 0,795 0,669 0,616 0,636 0,709 0,828 0,553 0,634 0,630 0,783 0,727 0,681 0,692 0,804 0,773 0,513 0,662 0,563 13,151 69,218
16
6/!Qfobnbbo!gblups!zboh! ufscfouvl/!
Pada tahap ini, akan diberikan nama-nama faktor yang telah terbentuk berdasarkan faktor loading suatu variabel terhadap faktor terbentuknya.
Setelah tahapan pemberian nama faktor yang terbentuk, berarti hipotesis penelitian telah terjawab.
18
Joufsqsfubtjozb!Ibtjm!Bobmjtjt!Gbdups!
! Gblups!qfsubnb!bebmbi!gblups!Ubsjg!ebo!Qfmbzbobo!Lfcvo!Sbzb! fmbzbobo!Lfcvo!Sbzb!! Gblups!qfsubnb!bebmbi!gblups!Ubsjg!ebo!Qfmbzbobo!Lfcvo!Sbzb! Faktor ini merupakan faktor yang memiliki pengaruh terbesar dengan eigenvalue 5,280 dan mampu menjelaskan variance total sebesar 27,791%.
! Gblups!lffnqbu!bebmbi!gblups!Tjuvbtj!Lfcvo!Sbzb!! Gblups!lffnqbu!bebmbi!gblups!Tjuvbtj!Lfcvo!Sbzb
Faktor keempat ini merupakan faktor yang memiliki pengaruh cukup dengan eigenvalue 1,518 dan mampu menjelaskan variance total sebesar 7,990 %.
19