PENDAHULUAN
Analisis faktor pada prinsipnya digunakan untuk mereduksi data, yaitu
proses untuk meringkas sejumlah variabel menjadi lebih sedikit dan
menamakannya sebagai faktor, atau mengetahui variabel apa saja
yang paling berpengaruh.
KASUS
Sebuah Departemen Store, akan melakukan riset pasar untuk
mengetahui apa saja yang mendorong seorang konsumen berbelanja
di toko tersebut. Kepada setiap responden diberikan daftar
pertanyaan yang memuat pertanyaan tentang pendapat responden
terhadap atribut-atribut Departemen Store, yaitu:
Data Faktor_2
LANGKAH
a. Pilih Analyze, sub-menu Data Reduction, pilih Factor
b. Masukkan semua variabel ke kotak Variables
c. Buka icon Descriptive. Pengisian
Correlation Matrix, aktifkan KMO and Bartlettstest of
Continue
d. Klik OK
ANALISIS
KMO and Bartlett's Test
Pada tabel pertama, KMO and Bartlett's Test , terlihat angka pada
Kaiser-Meyer-Olkin Measure of Sampling Adequacy (MSA) sebesar
0,552, dan juga perolehan signifikannya sebesar 0,000
Angka MSA diatas 0,5, dan signifikannya 0,000 maka kumpulan
variabel tersebut dapat diproses lebih lanjut.
1
Pada tabel Anti Image Matrices, pada bagian Anti Image Correlation,
sejumlah angka yang membentuk diagonal, yang bertanda a, yang
menandakan besaran MSA sebuah variabel
Anti-image Matrices
Pedoman
Apakah ada angka MSA yang dibawah 0,5
Apabila terdapat angka 0,5 lebih dari satu, maka variabel yang
HASIL
KMO and Bartlett's Test
2
HASIL
KMO and Bartlett's Test
LANGKAH
a. Pilih Analyze, sub-menu Data Reduction, pilih Factor
b. Masukkan variabel bersih, harga, image, layout, lengkap dan
promosi (perolehan angkanya pada tahake kotak Variables
c. Buka icon Extraction. Pengisian
Method, pilih Principal Components artinya metode yang
Plot.
Abaikan yang lain klik Continue.
d. Klik OK
ANALISIS
1. Communalities
Communalities
Initial Extraction
LAYOUT 1.000 .308
LENGKAP 1.000 .577
HARGA 1.000 .549
PROMOSI 1.000 .465
IMAGE 1.000 .599
BERSIH 1.000 .548
Extraction Method: Principal Component Analysis.
3. Scree Plot
Scree Plot
2.0
1.8
1.6
1.4
1.2
1.0
.8
Eigenvalue
.6
.4
1 2 3 4 5 6
Component Number
4. Component Matrix
4
Component Matrix(a)
Component
1 2
LAYOUT -.301 .466
LENGKAP -.654 .386
HARGA .563 .482
PROMOSI .673 .111
IMAGE .648 .423
BERSIH -.348 .654
Extraction Method: Principal Component Analysis.
a 2 components extracted.
Setelah diketahui dua faktor adalah jumlah yang paling optimal, maka
tabel ini menunjukkan distribusi keenam variabel tersebut pada dua
faktor yang ada.
Angka yang ada pada rebel tersebut adalah Faktor Loadings, atau
besar korelasi antara suatu variabel dengan Faktor 1 atau Faktor 2
REGRESI
Pengaruh dari variabel layout, lengkap, harga, promosi, image dan
kebersihan terhadap kepuasan pelanggan.
ANALISIS
Model Summary
5
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 16.456 6 2.743 57.079 .000a
Residual 4.709 98 .048
Total 21.165 104
a. Predictors: (Constant), PROMOSI, BERSIH, LAYOUT, HARGA, LENGKAP, IMAGE
b. Dependent Variable: KEPUASAN
Tingkat signifikansi sebesar 0,000 lebih kecil dari 0,05, maka model
regresi ini dapat dipakai untuk memprediksi variabel Kepuasan.
Dapat dikatakan, variabel layout, lengkap, harga, promosi, image dan
kebersihan secara bersama-sama berpengaruh terhadap kepuasan
konsumen.
Correlations
PENDAHULUAN
Salah satu instrumen yang sering digunakan dalam penelitian ilmiah
adalah angket, yang bertujuan untuk mengetahui pendapat
seseotang mengenai suatu hal, seperti sikap konsumen terhadap
sebuah Swalayan, pelayanan sebuah bank dan sebagainya.
KASUS
Data Faktor
HASIL
7
****** Method 1 (space saver) will be used for this analysis ******
_
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
N of
Statistics for Mean Variance Std Dev Variables
SCALE 29.5895 14.9033 3.8605 9
Item-total Statistics
Reliability Coefficients
Alpha = .5399
Menentukan hipotesis
Menentukan r tabel
8
Df = jumlah kasus 2
= 105 - 2
= 103
Tingkat signifikan 5%, didapat angka sekitar 0,1279
Mencari r hasil
Disini r hasil untuk tiap item (variabel) bisa dilihat pada kolom
Corrected Item Total Correlation.
Pengambilan keputusan
Jika r hasil positif, serta r hasil > r tabel, maka butir atau
Keputusan
Terlihat dari 9 butir (variabel), ada tidak terdapat tanda negatif, tapi
terdapat butir 1 dan butir 2 dibawah angka r tabel, sehingga tidak
valid, sedangkan ketujuh butir lainnya valid.
Catatan
Karena ada butir yang tidak valid, maka butir yang tidak valid tersebut
dikeluarkan, dan proses analisis diulang untuk butir yang valid saja.
Reliabilitas