Nim : 16113200
Jurusan : Teknik Industri
Kelas : 16A Karyawan
Hasil rotasi ini akan mengakibatkan setiap variabel asal mempunyai korelasi tinggi dengan faktor
tertentu saja dan dengan faktor yang lain korelasi relatif rendah sehingga setiap faktor akan lebih
mudah untuk diinterpretasikan. Untuk mengetahui rotasi mana yang sesuai digunakan Μ2min yang
dihasilkan dari analisis procrustes.
Langkah-langkah :
1. Dari menu SPSS Klik Analyze >> Dimension Reduction >> Factor
2. Masukkan Semua variabel kuesioner ke dalam kotak variable (s)
3. Klik Descriptive, Klik KMO Bartletts test of Sphericity dan anti Image
4. Klik Initial Solution
Hasil Output sebagai berikut :
Pada tabel KMO dan bartlett's test di atas terlihat angka KMO Measure of sampling Adequacy
(MSA) adalah 0.568. Karena nilai 0.568 ('> 0.5). Hal ini menunjukkan kecukupan dari sampel.
Angka KMO dan Bartlet's test (yang tanpak pada nilai chi-square) sebesar 574,473 dengan nilai
signifikansi 0.000. hal ini menunjukkan bahwa adanya korelasi antar variabel dan layak untuk
proses lebih lanjut.
Selanjutnya untuk mengetahui variabel mana yang dapat diproses lebih lanjut dan mana yang
dikeluarkan dapat dilihat pada tabel Anti-image matrices di bawah ini.
Pada tabel Anti-image Matrice di atas, khusus pada bagian (anti Image Correlation) terlihat
angka yang bertanda (a) yang menandakan besaran MSA sebuah variabel. Variabel kenyamanan
0.736, lokasi toko 0.659, Kualitas produk 0.569), harga produk 0.569, tempat parkir 0.520,
kebersihan 0.652, pelayanan kasir 0.564, keberagaman produk 0.581, fasilitas 0.811 dan
keindahan interior 0.517. Nilai MSA masing-masing variabel besarnya > 0.5 maka semua variabel
dapat diproses lebih lanjut.
NB. Jika ada variabel yang nilai MSA < 0.5 maka dilakukan proses ulang dari awal dengan
mengeluarkan variabel tersebut yang nilai MSA < 0.5.
Langkah analisis selanjutnya
1. Dari menu SPSS, buka kembali analisis factor
2. Tekan tombol reset
3. Masukan semua variabel ke dalam kolom variables(s) karena semua variabel lolos uji
pertama.
4. Klik tombol Descriptive, Klik Initial solution, KMO and Bartlett's test of Sphericity, anti Image
dan Klik Continue.
5. Klik Extraction, Klik screee plot, Klik continue
6. Klik Scores, Kkik save as variable Pilih regression.
7. Klik Continue dan klik OK.
Tabel. Communaties
Tabel Communalities, variabel kenyamanan besarnya 0,551. Hal ini berarti sekitar 55,1%
varians dari variabel kenyamanan dapat dijelaskan oleh faktor yang terbentuk. Variabel
lokasi toko 0,483 hal ini berarti 48,3% varian dari variabel lokasi toko dapat dijelaskan oleh
faktor yang terbentuk. Demikian juga untuk variabel yang lain. Semakin kecil nilai
communalities berarti semakin lemah hubungannya dengan faktor yang terbentuk.
Pada tabel Total Variance Explained di atas menunjukkan ada 4 faktor yang terbentuk dari
10 variabel yang di masukkan. Masing-masing faktor eigenvalue > 1. Faktor 1 eigen value
sebesar 2,938 dengan variance (29,382%), Faktor 2 eigenvalue sebesar 2,024 dengan
variance (20,237%), Faktor 3 eigenvalue sebesar 1,193 dengan (11,933%) dan Faktor 4
eigenvalue sebesar 1,142 dengan variance (11,422%).
Nilai eigenvalue menggambarkan kepentingan relatif masing-masing faktor dalam
menghitung varians dari 10 variabel yang di analisis. Bila semua variabel dijumlahkan
bernilai 10 (sama dengan banyaknya variabel).
2,938/10 x 100% = 29,38%
2,024/10 x 100% = 20,24%
1,193/10 x 100% = 11,93%
1,142/10 x 100% = 11,42%
Total varians apabila dari 10 variabel diekstrak menjadi 4 faktor adalah :
29,382 % + 20,237% + 11,933 % + 11,422% = 72,974%
Besarnya varians yang mampu dijelaskan oleh faktor baru yang terbentuk adalah 72,974%
sedangkan sisanya 27,026% dijelaskan oleh faktor lain yang tidak diteliti.
Gambar Screeplot menerangkan hubungan antara banyaknya faktor yang terbentuk dengan
nilai eigenvalue dalam bentuk grafik.
Tabel. Rotated Component Matrix
Rotated Component matrix nilai loading faktor dari tiap-tiap variabel. Loading faktor
merupakan besarnya korelasi antara faktor yang terbentuk dengan variabel tersebut. Untuk
variabel kenyamanan, korelasi antara variabel kenyamanan dengan faktor 1 (0,173), faktor 2
(0,156), faktor 3 (-0,134), faktor 4 (0,692). Hal ini dapat dikatakan bahwa variabel
kenyamanan masuk ke dalam Faktor 4, karena korelasinya paling tinggi diantara faktor yang
lain. Demikian juga faktor loading untuk variabel yang lain.
Variabel lokasi toko nilai loading faktor dengan faktor 1 (0,265), faktor 2 (0,266), faktor 3
(0,170), faktor 4 (0,560). Maka variabel lokasi toko masuk ke Faktor 4.
Variabel kualitas produk nilai loading faktor dengan faktor 1 (0,161), faktor 2 (0,942), faktor
3 (-0,940), faktor 4 (0,40). Maka variabel kualitas produk masuk Faktor 2.
Variabel harga produk nilai loading faktor dengan faktor 1 (0,952), faktor 2 (0,163), faktor 3
(0,021), faktor 4 (0,081). Maka variabel harga produk masuk Faktor 1.
Variabel tempat parkir nilai loading faktor dengan faktor 1 (-0,088), faktor 2 (-0,110), faktor
3 (0,936), faktor 4 (0,081). Maka variabel tempat parkir masuk ke Faktor 3.
Variabel kebersihan nilai loading faktor dengan faktor 1 (0,233), faktor 2 (0,055), faktor 3
(0,413), faktor 4 (-0,110). Maka variabel kebersihan masuk Faktor 3.
Variabel pelayanan kasir nilai loading faktor dengan faktor 1 (0,166), faktor 2 (0,953), faktor
3 (-0,41), faktor 4 (-0,078). Maka variabel pelayanan kasir masuk ke Faktor 2.
Variabel keberagaman produk nlai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176),
faktor 3 (0,035), faktor 4 (0,036). Maka variabel keberagaman produk masuk Faktor 1.
Variabel fasilitas faktor nlai loading dengan faktor 1 (0,210), faktor 2 (0,206), dengan faktor
3 (-0,023) dan faktor 4 (0,643). Maka variabel fasilitas masuk ke Faktor 1.
Variabel keindahan interior nilai loading faktor dengan faktor 1 (0,948), faktor 2 (0,176),
faktor 3 (0,035), faktor 4 (0,078). Maka variabel keindahan interior masuk Faktor 1.
Tabel. Component Transformation Matrix
Catatan.
Analisis faktor dapat juga digunakan sebagai salah satu analisis untuk menanggulangi
masalah multikolinieritas dalam regresi berganda, yaitu dengan mereduksi variabel-variabel
independen yang mengalami problem multikolineritas