BAB IV

ANALISA DAN PEMBAHASAN

Data dalam penelitian ini menggunakan data primer yang diperoleh dari survey.
Survey dilakukan dengan membagikan kuesioner secara langsung kepada para penumpang
angkutan kota trayek D.02. Survei dilakukan pada tanggal 13 April 2022. Analisis dalam
penelitian ini menggunakan analisis deskriptif, analisis korelasi dan analisis faktor.

4.1 Analisis Deskriptif

Penelitian ini menggunakan metode uji statistik deskriptif. Analisis statistik deskriptif
sendiri merupakan analisis data dengan cara mendeskripsikan atau menjabarkan data yang
telah terkumpul. Berikut adalah hasil uji Statistik Deskriptif pada penelitian ini sebagai
berikut:
1. Variabel Keandalan

Tabel 4.1 Hasil Uji Statistik Deskriptif Variabel Keandalan

No Pertanyaan STS TS N ST SS
1 Pertanyaan 1 0% 1% 6% 48% 45%
2 Pertanyaan 2 0% 0% 12% 63% 25%
3 Pertanyaan 3 0% 1% 28% 56% 15%
4 Pertanyaan 4 2% 7% 19% 53% 19%
5 Pertanyaan 5 0% 6% 22% 59% 13%

Mean
PERTANYAAN 5 3,79
PERTANYAAN 4 3,8
PERTANYAAN 3 3,85
PERTANYAAN 2 4,13
PERTANYAAN 1 4,37

3,4 3,6 3,8 4 4,2 4,4 4,6

Mean

Gambar 4.1 Grafik Mean Variabel Keandalan

1
 Pada tabel dan grafik diatas terlihat bahwa pada variabel Keandalan untuk
pertanyaan 1 memiliki nilai rata-rata atau mean sebesar 4,37, untuk pertanyaan 2
memiliki nilai rata-rata atau mean sebesar 4,13, untuk pertanyaan 3 memiliki nilai rata-
rata atau mean sebesar 3,85, untuk pertanyaan 4 memiliki nilai rata-rata atau mean
sebesar 3,8 dan untuk pertanyaan 5 memiliki nilai rata-rata atau mean sebesar 3,79.

2. Variabel Tarif/Ongkos
Tabel 4.2 Hasil Uji Statistik Deskriptif Variabel Tarif/Ongkos
No Pertanyaan STS TS N ST SS
1 Pertanyaan 1 0% 0% 14% 55% 31%
2 Pertanyaan 2 0% 0% 19% 41% 40%
3 Pertanyaan 3 0% 4% 21% 62% 13%
4 Pertanyaan 4 0% 1% 20% 65% 14%

Mean
PERTANYAAN 4 3,92
PERTANYAAN 3 3,84
PERTANYAAN 2 4,21
PERTANYAAN 1 4,17

3,6 3,7 3,8 3,9 4 4,1 4,2 4,3

Mean

Gambar 4.2 Grafik Mean Variabel Tarif/Ongkos

Pada tabel dan grafik diatas terlihat bahwa pada variabel Tarif/Ongkos untuk
pertanyaan 1 memiliki nilai rata-rata atau mean sebesar 4,17, untuk pertanyaan 2
memiliki nilai rata-rata atau mean sebesar 4,21, untuk pertanyaan 3 memiliki nilai rata-
rata atau mean sebesar 3,84 dan untuk pertanyaan 4 memiliki nilai rata-rata atau mean
sebesar 3,92.

3. Variabel Kenyamanan
Tabel 4.3 Hasil Uji Statistik Deskriptif Variabel Kenyaman
No Pertanyaan STS TS N ST SS
1 Pertanyaan 1 0% 0% 6% 57% 37%
2 Pertanyaan 2 0% 3% 18% 54% 25%
3 Pertanyaan 3 1% 5% 25% 54% 15%
4 Pertanyaan 4 0% 2% 24% 60% 14%
5 Pertanyaan 5 2% 4% 11% 63% 20%
6 Pertanyaan 6 1% 2 4% 10% 75% 10%
 Mean
PERTANYAAN 6 3,89
PERTANYAAN 5 3,95
PERTANYAAN 4 3,86
PERTANYAAN 3 3,77
PERTANYAAN 2 4,01
PERTANYAAN 1 4,31
3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4

Mean

Gambar 4.3 Grafik Mean Variabel Kenyamanan

Pada tabel dan grafik diatas terlihat bahwa pada variabel Kenyamanan untuk
pertanyaan 1 memiliki nilai rata-rata atau mean sebesar 4,31, untuk pertanyaan 2
memiliki nilai rata-rata atau mean sebesar 4,01, untuk pertanyaan 3 memiliki nilai rata-
rata atau mean sebesar 3,77, untuk pertanyaan 4 memiliki nilai rata-rata atau mean
sebesar 3,86, untuk pertanyaan 5 memiliki nilai rata-rata atau mean sebesar 3,95 dan
untuk pertanyaan 6 memiliki nilai rata-rata atau mean sebesar 3,89.

4. Variabel Kepemilikan Kendaraan Pribadi

Tabel 4.4 Hasil Uji Statistik Deskriptif Variabel Kepemilikan Kendaraan

Pribadi
No Pertanyaan STS TS N ST SS
1 Pertanyaan 1 6% 31% 4% 40% 19%
2 Pertanyaan 2 0% 35% 12% 35% 18%
3 Pertanyaan 3 2% 27% 15% 49% 7%
4 Pertanyaan 4 2% 13% 11% 64% 10%

Mean
PERTANYAAN 4 3,67
PERTANYAAN 3 3,32
PERTANYAAN 2 3,36
PERTANYAAN 1 3,35

3,1 3,2 3,3 3,4 3,5 3,6 3,7

Mean

Gambar 4.4 Grafik Mean Variabel Kepemilikan Kendaraan Pribadi

3
 Pada tabel dan grafik diatas terlihat bahwa pada variabel Kepemilikan Kendaraan
Pribadi untuk pertanyaan 1 memiliki nilai rata-rata atau mean sebesar 3,35, untuk
pertanyaan 2 memiliki nilai rata-rata atau mean sebesar 3,36, untuk pertanyaan 3
memiliki nilai rata-rata atau mean sebesar 3,32 dan untuk pertanyaan 4 memiliki nilai
rata-rata atau mean sebesar 3,67.

5. Variabel Keamanan

Tabel 4.5 Hasil Uji Statistik Deskriptif Variabel Keamanan

No Pertanyaan STS TS N ST SS
1 Pertanyaan 1 2% 12% 10% 48% 28%
2 Pertanyaan 2 2% 4% 45% 36% 13%
3 Pertanyaan 3 0% 1% 4% 84% 11%

Mean
PERTANYAAN 3 4,05

PERTANYAAN 2 3,54

PERTANYAAN 1 3,88

3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1

Mean

Gambar 4.5 Grafik Mean Variabel Keamanan

Pada tabel dan grafik diatas terlihat bahwa pada variabel Keamanan untuk pertanyaan
1 memiliki nilai rata-rata atau mean sebesar 3,88, untuk pertanyaan 2 memiliki nilai rata-
rata atau mean sebesar 3,54 dan untuk pertanyaan 3 memiliki nilai rata-rata atau mean
sebesar 4,05.

4.2 Analisis Korelasi

Analisis korelasi pada penelitian ini menggunakan uji korelasi berganda. Uji korelasi
berganda dilakukan untuk mengetahui tingkat keeratan hubungan (simultan) antara dua atau
lebih variabel bebas (X) terhadap variabel terikat (Y). Pada penelitian ini variabel bebas (X)
terdiri dari variabel Keandalan, variabel Tarif/Ongkos, variabel Kenyamanan, variabel
Kepemilikan Kendaraan Pribadi, dan variabel Keamanan. Untuk variabel terikat (Y) terdiri

4
dari variabel Seberapa puas anda dengan pelayanan Angkot D.02 dan variabel Seberapa
setuju anda utuk berpergian menggunakan Angkot D.02 walaupun anda memiliki kendaraan
pribadi. Terdapat beberapa dasar pada uji Korelasi Berganda ini[10]:
➢ Dasar Pengambilan Keputusan
a. Jika nilai Sig. F change < 0,05, maka berkorelasi
b. Jika nilai Sig. F change > 0,05, maka tidak berkorelasi
➢ Dasar Pedoman Derajat Hubungan
a. Nilai Pearson Correlation (R) 0,00 s/d 0,20 = tidak ada korelasi
b. Nilai Pearson Correlation (R) 0,21 s/d 0,40 = korelasi lemah
c. Nilai Pearson Correlation (R) 0,41 s/d 0,60 = korelasi sedang
d. Nilai Pearson Correlation (R) 0,61 s/d 0,80 = korelasi kuat
e. Nilai Pearson Correlation (R) 0,81 s/d 1,00 = korelasi sempurna

Berikut adalah hasil Uji Korelasi Berganda pada penelitian ini:

1. Dengan Y adalah variabel Seberapa puas anda dengan pelayanan Angkot D.02

Tabel 4.6 Hasil Uji Korelasi Berganda

Adjusted R Std. Error of the
Model R R Square Change Statistics
Square Estimate
R Square F Sig. F
df1 df2
Change Change Change
a
1 .548 0,301 0,263 0,440 0,301 8,079 5 94 0,000

Terlihat pada tabel diatas bahwa Sig. F Change nya memiliki nilai < 0,05, maka
pada variabel ini terdapat korelasi antar variabel. Kemudian terlihat pada nilai Pearson
Correlation-nya adalah sebesar 0,548, maka untuk variabel ini memiliki tingkat
korelasi sedang.

2. Dengan Y adalah variabel Seberapa setuju anda utuk berpergian menggunakan

Angkot D.02 walaupun anda memiliki kendaraan pribadi

Tabel 4.7 Hasil Uji Korelasi Berganda

Adjusted R Std. Error of the
Model R R Square Change Statistics
Square Estimate
R Square F Sig. F
df1 df2
Change Change Change

1 .567a 0,322 0,286 0,685 0,322 8,930 5 94 0,000

5
 Terlihat pada tabel diatas bahwa Sig. F Change nya memiliki nilai < 0,05, maka
pada variabel ini terdapat korelasi antar variabel. Kemudian terlihat pada nilai Pearson
Correlation-nya adalah sebesar 0,567, maka untuk variabel ini memiliki tingkat
korelasi sedang.

4.3 Analisis Faktor

Analisis faktor pada penelitian ini menggunakan metode Ekstraksi Komponen dan
Varimax Rotation. Adapun proses seleksi variabel dalam penelitian ini adalah sebagai
berikut:
a. Uji Kaiser Meiyer Olkin (KMO) dan Barlette’s Test.
Tahap awal dalam analisis faktor yaitu uji KMO dan Barlette’s Test untuk
mengetahui valid atau tidak faktor-faktor yang terdaat dalam penelitian ini. Pada tahap
ini nilai KMO dan Bralette’s Test harus > (0,5).

Tabel 4.8 Hasil Uji KMO dan Barlette’s Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,805

Approx. Chi-Square 874,314
Bartlett's Test of Sphericity df 231
Sig. 0,000

Nilai KMO dan Barlette’s Test adalah 0,774 dengan nilai Signifikan (Sig.) 0,000,
karena nilai KMO dan Barlette’s Test sudah diatas 0,5 dan nilai Signifikan jauh
dibawah 0,05, maka variabel dan sampel yang ada dapat dianalisis dengan
menggunakan analisis faktor. Selain melihat hasil KMO dan Barlette’s Test, juga harus
dilihat dari hasil MSA (Measure of Sampling Adequacy). Terdapat beberapa syarat
angkat MSA berkisar 0 sampai 1, dengan kriteria sebagai berikut:
a. MSA= 1, variabel tersebut dapat diperdiksi tanpa kesalahan oleh variabel lain
b. MSA > 0,5, variabel masih bisa dipredisksi dan bisa dianalisis lebih lanjut.
c. MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis, atau
dikeluarkan dari variabel lainnya dan mengulang test dari tahap awal.

6
 Tabel 4.9 Nilai MSA

No Variabel Nilai MSA

1 X1 Pertanyaan 1 0,726
2 X1 Pertanyaan 2 0,522
3 X1 Pertanyaan 3 0,830
4 X1 Pertanyaan 4 0,853
5 X1 Pertanyaan 5 0,797
6 X2 Pertanyaan 1 0,621
7 X2 Pertanyaan 2 0,859
8 X2 Pertanyaan 3 0,837
9 X2 Pertanyaan 4 0,802
10 X3 Pertanyaan 1 0,733
11 X3 Pertanyaan 2 0,919
12 X3 Pertanyaan3 0,939
13 X3 Pertanyaan 4 0,860
14 X3 Pertanyaan 5 0,805
15 X3 Pertanyaan 6 0,738
16 X4 Pertanyaan 1 0,778
17 X4 Pertanyaan 2 0,832
18 X4 Pertanyaan 3 0,696
19 X4 Pertanyaan 4 0,744
20 X5 Pertanyaan 1 0,831
21 X5 Pertanyaan 2 0,738
22 X5 Pertanyaan 3 0,815

Terlihat pada tabel diatas hasilnya menunjukkan semua MSA diatas memenuhi
kriteria (> 0,5) dan bisa dianalisis lebih lanjut.

b. Communalities
Communalities pada dasarnya merupakan jumlah varians dari suatu variabel awal
yang dapat dijelaskan oleh faktor yang ada. Syarat yang dibutuhkan untuk nilai
communalities sendiri yaitu lebih besar dari 0,5[11]. Hasil analisis communalities
untuk 22 variabel yang tersisa dan bisa dilakukan pengujian selanjutnya adalah sebagai
berikut:

7
 Tabel 4.10 Nilai Communalities

No Variabel Initial Extraction

1 X1.Pertanyaan 1 1,000 0,571
2 X1 Pertanyaan 2 1,000 0,686
3 X1.Pertanyaan 3 1,000 0,636
4 X1.Pertanyaan 4 1,000 0,742
5 X1.Pertanyaan 5 1,000 0,731
6 X2.Pertanyaan 1 1,000 0,752
7 X2.Pertanyaan 2 1,000 0,576
8 X2.Pertanyaan 3 1,000 0,590
9 X2.Pertanyaan 4 1,000 0,588
10 X3.Pertanyaan 1 1,000 0,722
11 X3.Pertanyaan 2 1,000 0,625
12 X3.Pertanyaan 3 1,000 0,638
13 X3.Pertanyaan 4 1,000 0,722
14 X3.Pertanyaan 5 1,000 0,792
15 X3.Pertanyaan 6 1,000 0,723
16 X4.Pertanyaan 1 1,000 0,781
17 X4.Pertanyaan 2 1,000 0,673
18 X4.Pertanyaan 3 1,000 0,806
19 X4.Pertanyaan 4 1,000 0,708
20 X5.Pertanyaan 1 1,000 0,623
21 X5.Pertanyaan 2 1,000 0,634
22 X5.Pertanyaan 3 1,000 0,709

Berdasarkan tabel 4. diatas dapat dilihat nilai komunalitas dari 22 variabel tersebut
memiliki nilai lebih besar dari 0,5, sehingga 22 variabel tersebut dapat melanjutkan
pengujian menggunakan analisis faktor.

c. Total Variance Explained.

Selanjutnya adalah melakukan pengujian Total Variance Explained. Tujuan dari
pengujian ini yaitu untuk menentukan faktor yang terbentuk. Maka harus dilihat nilai
eigenvalue-nya lebih besar dari 1. Jika nilai tersebut kurang dari 1 maka variabel
tersebut tidak bisa menjadi faktor yang terbentuk.
Eigenvalue merupakan indikator untuk menunjukkan kepentingan relatif masing-
masing faktor dalam menghitung varians dari total variabel yang ada. Nilai pada
eigenvalue selalu diurutkan pada nilai yang terbesar sampai yang terkecil. Tabel nilai
Total Variance Explained adalah sebagai berikut:
8
 Tabel 4.11 Nilai Total variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Component
% of Cumulative % of Cumulative % of Cumulative
Total Total Total
Variance % Variance % Variance %
1 6,787 30,849 30,849 6,787 30,849 30,849 3,431 15,596 15,596
2 1,900 8,638 39,487 1,900 8,638 39,487 3,029 13,769 29,365
3 1,445 6,570 46,057 1,445 6,570 46,057 2,052 9,326 38,691
4 1,415 6,432 52,490 1,415 6,432 52,490 1,897 8,624 47,315
5 1,243 5,650 58,139 1,243 5,650 58,139 1,836 8,344 55,659
6 1,159 5,270 63,409 1,159 5,270 63,409 1,501 6,823 62,482
7 1,078 4,901 68,310 1,078 4,901 68,310 1,282 5,828 68,310
8 0,861 3,916 72,226
9 0,828 3,763 75,989
10 0,688 3,125 79,114
11 0,614 2,789 81,904
12 0,590 2,682 84,586
13 0,547 2,484 87,070
14 0,484 2,201 89,271
15 0,443 2,014 91,285
16 0,421 1,911 93,197
17 0,338 1,537 94,733
18 0,306 1,392 96,126
19 0,286 1,300 97,426
20 0,239 1,087 98,513
21 0,192 0,871 99,384
22 0,136 0,616 100,000

Terlihat dari tabel diatas dapat diketahui bahwa terdapat 7 faktor yang terbentuk,
karena seperti yang telah dijelaskan sebelumnya untuk menentukan faktor yang
terbentuk dilihat dari nilai eigenvalue-nya harus lebih besar dari satu (1) dan faktor 1
– 7 tersebut memiliki nilai lebih besar dari 1 yaitu yang terkecil adalah 1,078.
Jumlah faktor pada analisis faktor ini ditentukan berdasarkan nilai proporsi
kumulatif. Bila nilai proporsi variansnya antara 60% – 70%, maka komponen tersebut
dapat dipilih sebagai faktor utamanya. Dari ketentuan tersebut didapatkan lah tujuh
faktor utama yang mempunyai proporsi kumulatifnya berkisar antara 60% – 70%.
Sehingga ketujuh faktor utama tersebut adalah kesimpulan dari 22 variabel yang
dianalisis.
Faktor pertama dengan proporsi kumulatif berkisar antara 60% – 70% dapat
menjelaskan sebesar 30,849% dari keragaman total variabel yang ada, pada faktor
kedua dapat menjelaskan sebesar 8,638% dari keragaman total variabel yang ada, pada
faktor ketiga dapat menjelaskan sebesar 6,570% dari keragaman total variabel yang
ada, pada faktor keempat dapat menjelaskan sebesar 6,432% dari keragaman total
variabel yang ada, pada faktor kelima dapat menjelaskan sebesar 5,650% dari
keragaman total variabel yang ada, pada faktor keenam dapat menjelaskan sebesar
5,270% dari keragaman total variabel yang ada, dan selanjutnya pada faktor ketujuh
dapat menjelaskan sebesar 4,901% dari keragaman total variabel yang ada. Jadi

9
 kumulatif ketuju faktor yang terbentuk dapat menerangkan sebesar 68,310% dari total
keragaman variabel penelitian.

d. Menentukan Variabel Dominan pada Setiap Faktor

Tahapan selanjutnya adalah menentukan variabel-variabel yang dominan pada
setiap faktor tersebut. Hal ini dapat dilihat pada tabel Component Matrix yang
menunjukkan distribusi variabel penelitian dari ketujuh faktor yang terbentuk.
Component Matrix terdiri dari variabel awal terhadap faktor yang terbentuk:

Tabel 4.12 Component Matrix

Component
No Variable
1 2 3 4 5 6 7
1 X1.Pertanyaan 1 0,439 0,380 0,018 0,311 -0,275 -0,245 -0,026
2 X1.Pertanyaan 2 0,137 0,597 0,017 0,194 -0,002 0,460 0,247
3 X1.Pertanyaan 3 0,614 -0,212 -0,364 -0,204 -0,130 0,144 -0,053
4 X1.Pertanyaan 4 0,669 0,157 0,010 -0,151 -0,404 0,204 -0,207
5 X1.Pertanyaan 5 0,546 0,395 -0,057 0,331 -0,129 -0,368 -0,105
6 X2.Pertanyaan 1 0,297 0,458 -0,397 -0,031 0,074 0,154 0,517
7 X2.Pertanyaan 2 0,483 -0,125 0,441 -0,031 -0,269 -0,198 0,144
8 X2.Pertanyaan 3 0,441 -0,074 -0,167 -0,491 -0,185 -0,093 0,280
9 X2.Pertanyaan 4 0,516 0,372 0,175 -0,315 -0,007 0,166 -0,159
10 X3.Pertanyaan 1 0,330 0,240 0,544 -0,251 0,297 -0,308 0,116
11 X3.Pertanyaan 2 0,642 0,047 -0,189 0,225 -0,025 0,231 -0,268
12 X3.Pertanyaan 3 0,759 -0,080 0,006 0,060 -0,213 -0,049 0,063
13 X3.Pertanyaan 4 0,711 0,080 0,084 -0,145 -0,026 0,156 -0,396
14 X3.Pertanyaan 5 0,682 -0,009 0,505 0,189 0,074 0,165 0,055
15 X3.Pertanyaan 6 0,458 0,312 -0,440 0,085 0,349 -0,299 -0,065
16 X4.Pertanyaan 1 0,692 -0,290 0,009 0,207 0,106 -0,014 0,404
17 X4.Pertanyaan 2 0,676 -0,230 -0,003 0,327 -0,092 -0,198 0,090
18 X4.Pertanyaan 3 0,590 -0,533 0,049 0,067 0,014 0,326 0,246
19 X4.Pertanyaan 4 0,651 -0,210 -0,161 -0,047 0,383 -0,254 -0,026
20 X5.Pertanyaan 1 0,603 -0,313 -0,248 -0,225 0,021 -0,100 -0,196
21 X5.Pertanyaan 2 0,259 -0,138 0,079 0,410 0,506 0,269 -0,212
22 X5.Pertanyaan 3 0,505 0,229 0,121 -0,456 0,416 0,074 0,009

10
 Pada awalnya, tahap ekstraksi masih sulit untuk menentukan variabel dominan
yang termasuk dalam faktor karena nilai korelasi yang hampir sama dari beberapa
variabel. Untuk mengatasi hal tersebut, maka dilakukan rotasi yang mampu
menjelaskan distribusi variabel yang lebih jelas dan nyata. Dibawah ini merupakan
tabel yang menunjukkan hasil rotasi untuk mendapatkan posisi sebuah variabel pada
sebuah faktor:

Tabel 4.13 Rotated Component Matrix

Component
No Variabel
1 2 3 4 5 6 7
1 X1.Pertanyaan 1 0,094 0,168 -0,029 0,028 0,059 0,148 0,712
2 X1.Pertanyaan 2 -0,055 0,147 0,167 -0,176 0,073 0,130 0,761
3 X1.Pertanyaan 3 0,397 -0,027 0,553 0,337 -0,149 0,028 -0,188
4 X1.Pertanyaan 4 0,214 0,285 0,757 -0,060 0,066 0,107 -0,152
5 X1.Pertanyaan 5 0,090 0,180 0,780 0,241 0,111 0,096 0,038
6 X2.Pertanyaan 1 0,122 0,017 0,103 0,310 0,007 0,762 -0,223
7 X2.Pertanyaan 2 -0,175 0,155 0,304 -0,214 0,360 0,467 -0,190
8 X2.Pertanyaan 3 0,078 0,280 -0,062 0,225 0,155 0,310 -0,576
9 X2.Pertanyaan 4 -0,019 0,212 0,117 0,042 0,437 0,578 -0,043
10 X3.Pertanyaan 1 0,077 -0,024 0,152 0,062 0,829 -0,030 -0,033
11 X3.Pertanyaan 2 0,282 0,563 0,269 0,219 -0,114 0,130 0,281
12 X3.Pertanyaan 3 0,412 0,551 0,356 0,126 0,099 0,025 -0,107
13 X3.Pertanyaan 4 0,182 0,744 0,179 0,148 0,247 -0,046 0,135
14 X3.Pertanyaan 5 0,457 0,310 0,239 -0,153 0,552 0,087 0,306
15 X3.Pertanyaan 6 -0,009 0,107 0,349 0,080 0,735 0,195 0,075
16 X4.Pertanyaan 1 0,820 0,049 0,148 0,228 0,121 0,128 0,036
17 X4.Pertanyaan 2 0,643 0,153 0,431 0,192 0,005 -0,098 0,062
18 X4.Pertanyaan 3 0,020 0,267 -0,190 0,830 -0,021 0,021 0,091
19 X4.Pertanyaan 4 0,431 0,182 0,093 0,632 0,234 -0,138 0,084
20 X5.Pertanyaan 1 0,359 0,468 0,006 0,445 0,004 -0,250 -0,118
21 X5.Pertanyaan 2 0,240 0,729 -0,052 0,180 0,049 0,027 0,085
22 X5.Pertanyaan 3 0,072 0,621 -0,152 0,353 0,362 0,200 -0,007

Analisis faktor pada penelitian ini rotasi yang dipakai adalah dengan metode
varimax. Mekanisme rotasi varimax adalah dengan membuat korelasi variabel hanya
dominan terhadap satu faktor. Caranya dengan melihat nilai korelasi variabel
mendekati nilai mutlak 1 pada setiap faktor, sehingga memudahkan dalam inerpretasi
variabel dominan. Dapat dilihat setelah di rotasi, kita dapat lebih mudah menentukan
faktor satu, faktor dua, atau faktor tiga, dan fakor-faktor selanjutnya hingga faktor
ketujuh. Dari hasil tabel rotasi diatas dapat dijabarkan penyebaran faktor-faktor yang
ada sebagai berikut:

11
➢ Faktor 1: Terdiri atas dua variabel yaitu variabel X4 Pertanyaan 1 dengan nilai
loading 0,820 dan variabel X4 Pertanyaan 2 dengan nilai loading 0,643. Maka
jika diberi nama menjadi Faktor Kepemilikan Kendaraan Pribadi.
➢ Faktor 2: Terdiri atas enam variabel yaitu variabel X3 Pertanyaan 2 dengan nilai
loading 0,563, variabel X3 Pertanyaan 3 dengan nilai loading 0,551, variabel X3
Pertanyaan 4 dengan nilai loading 0,744, variabel X5 Pertanyaan 1 dengan nilai
loading 0,468, variabel X5 Pertanyaan 2 dengan nilai loading 0,729, dan variabel
X5 Pertanyaan 3 dengan nilai loading 0,621. Maka jika diberi nama menjadi
Faktor Keamanan.
➢ Faktor 3: Terdiri atas tiga variabel yaitu variabel X1 Pertanyaan 3 dengan nilai
loading 0,553, variabel X1 Pertanyaan 4 dengan nilai loading 0,757, dan variabel
X1 Pertanyaan 5 dengan nilai loading 0,780. Maka jika diberi nama menjadi
Faktor Keandalan.
➢ Faktor 4: Terdiri atas dua variabel yaitu variabel X4 Pertanyaan 3 dengan nilai
loading 0,830 dan variabel X4 Pertanyaan 4 dengan nilai loading 0,632. Maka
jika diberi nama menjadi Faktor Kebutuhan Kendaraan Pribadi.
➢ Faktor 5: Terdiri atas tiga variabel yaitu variabel X3 Pertanyaan 1 dengan nilai
loading 0,829, variabel X3 Pertanyaan 5 dengan nilai loading 0,552 dan variabel
X3 Pertanyaan 6 dengan nilai loading 0,735. Maka jika diberi nama menjadi
Faktor Kelayakan.
➢ Faktor 6: Teridiri atas empat variabel yaitu variabel X2 Pertanyaan 1 dengan nilai
loading 0,762, variabel X2 Pertanyaan 2 dengan nilai loading 0,467, variabel X2
Pertanyaan 3 dengan nilai loading 0,310, dan variabel X2 Pertanyaan 4 dengan
nilai loading 0,578. Maka jika diberi nama menjadi Faktor Tarif/Ongkos.
➢ Faktor 7: Terdiri atas dua variabel yaitu variabel X1 Pertanyaan 1 dengan nilai
loading 0,712 dan variabel X1 Pertanyaan 2 dengan nilai loading 0,761. Maka
jika diberi nama menjadi Faktor Kenyamanan.

12