BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Landasan Teori Ekonomi Pemasaran Menurut Stanton (Khotijah, 2004) pemasaran adalah suatu sistem keseluruhan dari kegiatan bisnis yang ditujukan untuk merencanakan, menentukan harga, mempromosikan, mendistribusi barang dan jasa yang memuaskan kebutuhan baik pada pembeli yang ada maupun pembeli potensial. Menurut Maynar dan Becman (Alma, 2004) Pemasaran berarti segala kegiatan bisnis yang meliputi penyaluran barang dan jasa dari sektor produksi fisik ke sektor promosi. Berdasarkan definisi diatas dapat diartikan bahwa pemasaran adalah keseluruhan proses dalam memberikan nilai pada konsumen yang meliputi penciptaan, penetuan harga, promosi dan distribus promosi. Menurut Kotler (2009) pemasaran adalah suatu fungsi organisasi dan seperangkat proses untuk menciptakan, mengkomunikaskan dan menyerahkan nilai kepada pelanggan dan mengelola hbungan pelanggan dengan cara yang menguntungkan organisasi dan para pemilik usahanya Produk Menurut Kotler dan Amstrong (2001) produk adalah segala sesuatu yang dapat ditawarkan kepasar untuk diperhatikan, dimiliki, digunakan, atau dikonsumsi yang dapat memuaskan keinginan atau kebutuhan. Produk mencakup objek fisik, jasa, orang, tempat, organisasi, dan gagasan. Sedangkan Zimmener dan Scarborough (2004) produk adalah barang atau jasa yang digunakan untuk memuaskan kebutuhan dan keinginan konsumen.

2 Pada dasarnya Produk biasa dikatakan sebagai unsur program pemasaran yang paling penting, karena produk menentukan lingkup bisnis suatu perusahaan, setiap aspek perusahaan (termasuk keputusan harga, komunikasi, pemasaran dan distribusi) harus sesuai dengan kebijakan produk. Pelanggan dan pesaing juga ditentukan oleh produk yang ditawarkan perusahaan-perusahaan, kebutuhan dan tuntutan adanya riset dan pengembangan tergantung pada teknologi produk dan visi manajemen perusahaan Perencanaan Produk Setiap proses pengembangan produk diawali dengan fase perencanaan, yang berkaitan dengan kegiatan-kegiatan pengembangan teknologi dan penelitian tingkat lanjut. Output fase perencanaan ini adalah pernyataan misi proyek yang nantinya akan digunakan sebagai input yang dibutuhkan untuk memulai tahapan pengembangan konsep dan merupakan suatu petunjuk untuk tim pengembang. Untuk mengembangkan suatu rencana produk dan pernyataan misi proyek, ada lima tahapan proses berikut : 1. Mengidentifikasi peluang Langkah ini dapat dibayangkan sebagai terowongan peluang karena membawa bersama-sama input berupa ide-ide untuk produk baru yang dikumpulkan secara pasif, atau bisa juga dikumpulkan melalui proses identifikasi kebutuhan pelanggan yang mencatat kelemahan produk yang sudah ada, kecenderungan gaya hidup, studi para pesaing, dan status teknologi. 2. Mengevaluasi dan memprioritaskan proyek Langkah ini dalam proses perencanaan produk adalah memilih proyek yang paling menjanjikan untuk diikuti. Empat perspektif dasar yang beguna dalam kategori produk yang sudah ada adalah strategi bersaing, segmentasi pasar, mengikuti perkembangan teknologi, dan platform produk yang merupakan sekumpulan aset yang dibagi dalam sekumpulan produk. 8

3 3. Mengalokasikan sumber daya dan rencana waktu Penentuan waktu dan alokasi daya ditentukan untuk proyek-proyek yang lebih menjanjikan, terlalu banyak akan menimbulkan persaingan untuk beberapa sumber daya. 4. Melengkapi perencanaan pendahuluan proyek Setelah proyek disetujui, maka dibentuk sebuah tim-tim yaitu ahli teknik, pemasaran, manufaktur dan fungsi pelayanan untuk menghasilkan suatu pernyataan visi dan pernyataan misi produk yang isinya memformulasikan suatu definisi yang lebih detail. 5. Merefleksikan kembali hasil dan survei Pada tahap ini dilakukan reality check terhadap pernyataan misi yang merupakan pegangan untuk tim pengembangan Preferensi Konsumen Preferensi adalah motif atau hal yang mempengaruhi konsumen dalam membeli suatu produk. Apabila produsen berhasil mengetahui dan mengendalikan motif ini, maka produsen tersebut mudah menggenggam pasar, sebaliknya apabila produsen gagal dalam mengendalikan motif ini, maka produk produsen tersebut memiliki ancaman gagal yang besar. Pengetahuan terhadap preferensi ini dibutuhkan untuk pengembangan produk dan merk. Dengan kata lain preferensi adalah suatu sikap yang lebih menyukai sesuatu benda daripada benda lain Nilai Guna (Utilitas) Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang. Kalau kepuasan itu semakin tinggi maka semakin tinggi nilai gunanya. Sebaliknya semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah pula. Nilai guna dibedakan menjadi dua pengertian : 9

4 a. Nilai Guna Marginal Nilai guna marginal adalah pertambahan atau pengurangan kepuasan akibat adanya pertambahan atau pengurangan penggunaan satu unit barang tertentu. b. Total Nilai Guna Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari mengkonsumsi sejumlah barang-barang tertentu. (Ramma Lessandro. 2008) Jika konsumen membeli barang karena mengharap memperoleh nilai gunanya, tentu saja secara rasional konsumen berharap memperoleh nilai guna optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang dikonsumsi meningkat. Ada dua cara mengukur nilai guna yaitu secara kardinal yaitu dengan pendekatan yang absolut dan secara ordinal yaitu dengan pendekatan nilai relatif, order atau rangking. Dalam pendekatan kardinal bahwa nilai guna yang diperoleh konsumen dapat dinyatakan secara kuantitaif dan dapat diukur secara pasti. Untuk setiap unit yang dikonsumsi akan dapat dihitung nilai gunanya. 2.2 variabel Variabel di dalam penelitian merupakan suatu atribut dari sekelompok objek yang diteliti, mempunyai variasi antara satu dan lainnya dalam kelompok tersebut, misalnya: tinggi badan dan berat badan yang merupakan atribut dari seseorang yang dalam hal ini adalah objek penelitiannya (Riduwan, 2002). Variabel mempunyai bermacam-macam bentuk menurut hubungan antara satu variabel dan variabel lainnya, yaitu: a. Variabel independen, yaitu: variabel yang menjadi sebab terjadinya atau terpengaruhnya variabel dependen. b. Variabel dependen, yaitu: variabel yang nilainya dipengaruhi oleh variabel 10

5 independen. c. Variabel moderator, yaitu: variabel yang memperkuat atau memperlemah hubungan antara variabel dependen dan independen. d. Variabel intervening, yaitu: variabel moderator, tetapi nilainya tidak dapat diukur, seperti : kecewa, gembira, sakit hati. e. Variabel kontrol, yaitu: variabel yang dikendalikan peneliti. f. Variabel dummy, yaitu: variabel yang isinya berupa kode-kode yang berfungsi untuk membedakan data yang berada pada variabel-variabel tertentu pada kelompok-kelompoknya. 2.3 Data Data adalah suatu bahan mentah yang jika diolah dengan baik melalui berbagai analisis dapat melahirkan berbagai informasi, dimana dengan informasi tersebut kita dapat mengambil keputusan Data Menurut Sifatnya Menurut sifatnya data dibagi atas 2 bagian, yaitu: a. Data Kuantitatif Data kuantitatif adalah serangkaian observasi atau pengukuran yang dapat dinyatakan dalam angka-angka. Contoh: Data hasil pengukuran kemampuan Matematika siswa yang berwujud skor hasil tes kemampuan. Data itu akan berupa angka seperti : 70, 35, 75, 80 dan sebagainya. b. Data Kualitatif Data kualitatif adalah serangkaian observasi dimana tiap observasi yang terdapat dalam sampel (atau populasi) tergolong dalam salah satu kelaskelas yang saling lepas dan tidak dinyatakan dalam angka-angka. Contoh: Hasil penelitian tentang pendapat siswa terhadap cara mengajar guru Matematika di sekolah mereka. 11

6 3.3.2 Data Menurut Sumbernya Menurut sumbernya data dibagi atas 2 bagian, yaitu: a. Data Intern Data intern adalah data yang dibutuhkan seorang pemimpin perusahaan guna dipakai sebagai landasan pengambilan keputusan yang diperoleh dari catatan-catatan intern perusahaan itu sendiri. Misalnya: - Catatan-catatan akuntansi - Catatan-catatan produksi - Catatan-catatan inventaris, dan lain-lain b. Data Ekstern Data ekstern adalah data yang hanya diperoleh dari sumber-sumber dari luar perusahaan atau instansi. Data ekstern dibagi atas 2 bagian, yaitu: 1. Data Primer Data primer adalah data yang langsung dikumpulkan oleh orang yang berkepentingan atau yang memakai data tersebut. Data yang diperoleh, seperti hasil wawancara atau hasil penelitian kuisioner. Dalam metode pengumpulan data primer, peneliti atau observer melakukan sendiri observasi di lapangan maupun di laboratorium. Pelaksanaannya dapat berupa survei atau percobaan (eksperimen). 2. Data Sekunder Data sekunder adalah data yang diterbitkan oleh organisasi yang bukan merupakan pengolahannya atau data yang tidak secara langsung dikumpulkan oleh orang yang berkepentingan dengan data tersebut. Data sekunder pada umumnya disajikan dalam bentuk tabel-tabel atau diagram-diagram. Misalnya: - Data kinerja Perbankan Nasional yang dikeluarkan suatu badan riset 12

7 - Data indeks prestasi mahasiswa dari suatu universitas. 2.4 Skala Pengukuran Data Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada sejumlah cirri dari suatu objek agar dapat menyatakan karakteristik angka pada ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian: a. Skala nominal (klasifikasi) Skala nominal adalah pengukuran berupa bilangan atau lambang-lambang lain untuk mengelompokkan objek atau benda-benda lain, dimana bilangan atau angka yang diberikan suatu kategori tidak menggambarkan kedudukan kategori tersebut terhadap kategori lainnya tetapi hanya sekedar kode maupun label. Misalnya : jenis kelamin anda 1 = pria 2 = wanita b. Skala ordinal Skala ini mengurutkan data dari tingkat yang paling rendah ke tingkat yang paling tinggi atau sebaliknya, dengan interval yang tidak harus sama. Misalnya: Seorang anggota ABRI dapat dikelompokkan menurut pangkatnya: mayor, kapten, letnan. Dimana hubungan antar kelas-kelas terdapat urutan tertentu (mayor > kapten > letnan). c. Skala interval Skala interval adalah skala pengukuran yang mengelompokkan objekobjek ke dalam kelas-kelas yang mempunyai hubungan urutan dan perbedaan dalam jarak (interval) atau dengan yang lain. Misalnya: Nilai (prestasi) yang telah ditransfer dalam bnetuk huruf A, B, C, D dan E. 13

8 Selanjutnya diberi bobot masing-masing 4, 3, 2, 1 dan 0 sehingga interval A dan C sama dengan antara C dan E atau interval A dan B sama dengan interval D dan E. d. Skala rasio Skala rasio adalah skala pengukuran yang mengelompokkan objek-objek ke dalam kelas-kelas yang mempunyai hubungan urutan berbeda dalam jarak antara objek yang satu dengan yang lain serta titik nolnya berarti (tidak sembarang). Misalnya: panjang, luas, isi, berat, tinggi dan sebagainya Skala Untuk Instrumen (Model Skala Sikap) Bentuk-bentuk model skala sikap yang sering digunakan dalam penelitian ada 5 macam yaitu: a. Skala Likert Skala Likert digunakan untuk mengatur sikap, pendapatan, dan persepsi seseorang atau sekelompok tentang kejadian atau gejala sosial. Dengan menggunakan skala likert, maka variabel yang akan diukur dijabarkan menjadi subvariabel. Kemudian subvariabel dijabarkan lagi menjadi indikator-indikator, indikator-indikator yang terukur ini dijadikan titik tolak untuk membuat item instrumen yang berupa pertanyaan-pertanyaan atau pernyataan yang perlu dijawab responden. Setiap jawaban diungkapkan dengan kata-kata. Misalnya: SS (Sangat Setuju) = 5 S ( Setuju) = 4 N (Netral) = 3 TS (Tidak Setuju) = 2 STS (Sangat Tidak Setuju) = 1 14

9 b. Skala Guttman Skala Guttman mengukur suatu dimensi saja dari suatu variabel multidimensi. Skala Guttman adalah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten. c. Skala Diferensial Semantik Skala Diferensial Semantik atau skala perbedaan semantik berisikan serangkaian bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 ajektif yang bertentangan. Misalnya: Panas-dingin, popular-tidak popular, bagus-buruk, dan sebagainya. d. Skala Rating ( Rating Scale) Rating scale yaitu data mentah yang dapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif. Misalnya: Ketat-longgar, lemah-kuat, positif-negatif. Responden tidak akan menjawab salah satu dari jawaban kuantitatif yang telah disediakan. e. Skala Thurstone Skala Thurstone meminta responden untuk memilih pertanyaan yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan yang berbeda-beda. Pada umumnya setiap item mempunyai asosiasi nilai antara 1 sampai 10 tetapi nilai-nilainya tidak diketahui responden. 15

10 2.5 Uji Validitas Suatu skala pengukuran disebut valid bila ia melakukan apa yang seharusnya dan mengukur apa yang seharusnya diukur (Situmorang, 2007). Secara konseptual, ada 3 macam validitas yaitu: a. Validitas isi (Content Validity) Validitas isi memastikan bahwa ukuran telah cukup memasukkan sejumlah item yang representatif dalam menyusun sebuah konsep. Validitas isi merupakan sebuah fungsi yang menunjukkan seberapa baik dimensi dan elemen sebuah konsep digambarkan. b. Validitas Eksternal (External Validity) Pada validitas eksternal instrumen diuji dengan cara membandingkan antara kriteria yang ada pada instrumen dengan fakta-fakta empiris yang terjadi dilapangan. Bila telah terdapat kesamaan antara kriteria dalam instrumen dengan fakta dilapangan, maka dapat dinyatakan instrumen tersebut mempunyai validitas eksternal yang tinggi. Instrumen penelitian yang mempunyai validitas eksternal yang tinggi mengakibatkan hasil penelitian yang tinggi pula. Penelitian mempunyai validitas eksternal yang tinggi bila hasil penelitian dapat digeneralisasikan atau diterapkan pada sampel lain dalam populasi yang diteliti. Untuk meningkatkan validitas eksternal penelitian, selain meningkatkan validitas eksternal instrumen, maka dapat dilakukan dengan memperbesar jumlah sampel. Validitas eksternal diperoleh dengan cara mengkorelasikan alat pengukur baru dengan tolok ukur eksternal, yang berupa alat ukur yang sudah valid. c. Validitas konstruk (Construct Validity) Validitas konstruk membuktikan seberapa bagus hasil yang diperoleh dari penggunaan ukuran sesuai dengan teori dimana pengujian dirancang. Hal ini dinilai dengan convergent validity (instrument yang memiliki korelasi tinggi) dan discriminant validity (variabel yang tidak berkorelasi). 16

11 2.6 Uji Reliabilitas Reliabilitas menunjukan konsistensi dan stabilitas dari suatu skor (skala pengukuran) (Situmorang, 2007). Dalam Reliabilitas mencakup dua hal utama yaitu: a. Stabilitas ukuran Menunjukan sebuah ukuran untuk tetap stabil dan tidak rentan terhadap perubahan situasi apa pun. Terdapat dua jenis uji stabilitas, yaitu: 1. Test retest reliability Yaitu koefisien reliabilitas yang diperoleh dari pengulangan pengukuran konsep yang sama dalam dua kali kesempatan. 2. Reliabilitas bentuk paralel (parallel form realibity) Terjadi ketika respon dari dua pengukuran yang sebanding dalam menyusun konstruk yang sama memiliki kolerasi yang tinggi. b. Konsistensi Internal Ukuran Merupakan indikasi homogenitas item-item yang ada dalam ukuran yang menyusun konstruk. Pada saat ini yang banyak digunakan adalah dengan menggunakan Cronbach`s Alpha. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach`s Alpha > 0,60 (Ghozali, 2005) atau nilai Cronbach`s Alpha > 0,80 (Kuncoro, 2003). Konsistensi ukuran dapat diamati melalui reliabilitas konsistensi antar item (konsistensi jawaban responden untuk semua item dalam ukuran) dan split-half reliability yang menunjukkan korelasi antara dua bagian instrumen. 17

12 2.7 Teori Matematika Analisis Faktor Analisis faktor adalah salah satu metode statistik multivariat yang mencoba menerangkan hubungan antar sejumlah variabel-variabel yang saling independen antara satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan peubah yang lebih sedikit dari jumlah variabel awal. Analisis faktor juga digunakan untuk mengetahui faktor-faktor dominan dalam menjelaskan suatu masalah. Analisis faktor agak berbeda dengan analisis regresi, yaitu lebih memfokuskan analisisnya kepada teknik interdependensi (Supranto, 2004). Analisis faktor digunakan untuk hal-hal penting berikut : A. Untuk mengidentifikasi dimensi atau faktor yang dapat menjelaskan korelasi di antara sekelompok variabel. B. Untuk mengidentifikasi sebuah variabel baru yang lebih sedikit dan tidak saling berkorelasi untuk menggantikan sekelompok variabel asli atau awal yang berkorelasi; untuk kemudian dianalisis lebih lanjut dengan analisis multivariate lainnya (seperti :analisis regresi dan analisis diskriminan). C. Untuk mengidentifikasi sekelompok variabel relevan dari sekelompok variable yang lebih besar yang akan digunakan untuk analisis multivariat lanjutannya Model Analisis Faktor Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas (communality). Kovarians di antara variabel dijelaskan terbatas dalam sejumlah kecil faktor umum (common factor) ditambah sebuah faktor unik (unique factor) untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati. Jika variabel distandardisasi, model analisis faktor dapat diekspresikan sebagai : X = B F + B F + B F B F B F + V µ 1 I1 1 I IJ J Im m I I 18

13 Dengan : X 1 = Variabel ke i yang di bakukan (rata-ratanya nol, standar deviasinya satu) B IJ = Koefisien regresi parsial yang dibakukan untuk variabel i pada common faktor ke F J =Common faktor ke j koefisien regresi yang dibakukan untuk variabel ke i pada faktor unik ke i (unique factor) µ I = faktor unik variabel ke i m = Banyaknya common factor Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri dapat dinyatakan sebagai kombinasi linear dari variabel variabel yang terobservasi, yaitu: F W X W X W X W X 1 = I1 1 + I IK K Dengan: F 1 = Estimasi faktor ke i W I = Bobot atau koefisien nilai faktor ke i k = jumlah variable Dimungkinkan untuk memilih bobot atau skor koefisien faktor sehingga faktor pertama dapat menjelaskan porsi terbesar dari total varians. Kemudian, kelompok kedua dari bobot dapat dipilih, sehingga faktor kedua tersebut merupakan varians sisa yang terbesar dengan tetap mempertimbangkan bahwa faktor kedua ini tidak berkorelasi dengan faktor pertama. Prinsip yang sama dapat diaplikasi untuk memilih penambahan bobot untuk penambahan faktor. Dengan demikian, faktor dapat diestimasi, dengan skor faktornya yang tidak berkorelasi (tidak seperti nilai dari variabel aslinya). Lebih jauh lagi, faktor pertama 19

14 diperhitungkan sebagai varians tertinggi dari data, faktor kedua sebagai varians tertinggi berikutnya, dan seterusnya Statistik Yang Berkaitan Dengan Analisis Faktor a Statistik penting yang berkaitan dengan analisis faktor adalah : Bartlett s test of sphericity, adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi dalam populasinya. Dengan kata lain, matrik korelasi populasi adalah sebuah matrik identitas (identity matrix), setiap variabel berkorelasi sempurna dengan variabel itu sendiri (r = 1), tetapi tidak berkorelasi dengan variabel lainnya (r = 0). b Correlation Matrix, adalah matrik segitiga (triangle matrix) yang lebih rendah yang menunjukkan korelasi sederhana r, antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Seluruh elemen diagonal = 1, biasanya dibaikan. Dalam hal ini bentuk matrik korelasi misalnya untuk jumlah variabel n= 3 Tabel 2.1 Matrik Korelasi Untuk Jumlah Variabel n = 3 XX 11 XX 11 XX 22 XX 33 XX 22 rr 2222 XX 33 rr 3333 rr

15 Tabel 2.2 Matrik Korelasi Untuk Jumlah Variabel n = 4 XX 11 XX 11 XX 22 XX 33 XX 44 XX 22 rr 2222 XX 33 rr 3333 rr 3333 XX 44 rr 4444 rr 4444 rr 4444 c Communality, adalah jumlah varians yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya yang dipertimbangkan. Ini juga merupakan proporsi dari varians yang diterangkan oleh common factor. d Eigenvalue, merepresentasikan total varians yang dijelaskan oleh setiap faktor. e Factor Loadings, adalah korelasi sederhana antara variabel dengan factor. f Factor Loading Plot, adalah sebuah plot dari variabel asli menggunakan factor loading sebagai koordinat. g Factor Matrix, mengandung factor loadings dari seluruh variabel dalam seluruh faktor yang dikembangkan. h Factor Scores, adalah skor komposit yang diestimasi untuk setiap responden pada faktor yang diderivasi. i j Kaiser-Meyer-Olkin (KMO) Measure of Sampling Adequacy (MSA), adalah indeks yang digunakan untuk menguji kesesuaian analisis faktor. Nilai yang tinggi (antara 0,50 sampai 1,00) mengindikasikan analisis faktor yang sesuai. Nilai di bawah 0,50 menunjukkan bahwa analisis faktor tidak sesuai untuk diaplikasikan. Percentage of Variance, adalah persentase total varians yang menjadi atribut kepada setiap faktor. 21

16 k Residuals, adalah selisih antara korelasi observasi, seperti yang diberikan dalam matrik korelasi input, dengan korelasi yang direproduksi, seperti yang diestimasi dari matrik faktor. l Scree Plot, adalah sebuah plot dari eigenvalue dan banyaknya faktor yang dapat dikembangkan Pelaksanaan Analisis Faktor A. Merumuskan masalah dan identifikasi variabel. Merumuskan masalah akan melibatkan banyak kegiatan. Pertama, tujuan dari analisis faktor harus diidentifikasi. Variabel yang dilibatkan dalam analisis faktor harus dispesifikasi berdasar kepada penelitian terdahulu, teori dan keinginan peneliti. Ukuran variabel yang sesuai adalah interval atau rasio. Menentukan banyaknya sampel, sedikitnya empat kali atau lima kali dari banyaknya variabel. Proses analisis berbasis pada matrik korelasi antar variabel. Agar analisis faktor sesuai, variabelvariabel tersebut harus berkorelasi. Dalam praktek, persoalan yang sering timbul adalah jika korelasi antar variabel itu kecil, maka analisis faktor tidak sesuai untuk diaplikasi. Harapannya, selain antar variabel itu berkorelasi, juga berkorelasi tinggi dengan sebuah faktor yang sama atau faktor-faktor lain. B. Statistik untuk menguji kesesuaian model adalah Bartlett s test of sphericity Yaitu untuk menguji H0 yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi, atau dengan kata lain bahwa matrik korelasinya adalah matrik identitas. 22

17 C. Statistik lain yang sangat berguna adalah KMO untuk mengukur tingkat kecukupan sampel. Indeks tersebut membandingkan ukuran antara korelasi sederhana dengan korelasi parsial. Nilai KMO yang rendah mengindikasi bahwa korelasi antar pasangan variabel tidak dapat dijelaskan oleh variabel lain dan analisis faktor bisa menjadi tidak tepat. Nilai KMO harus > 0,5 untuk menunjukkan bahwa analisis faktor sesuai untuk diaplikasikan D. Menentukan jumlah factor Adalah hal yang tidak mungkin menghitung faktor sebanyak jumlah variabel. Dalam rangka meringkas informasi yang dikandung dalam variabel asli, sejumlah faktor yang lebih sedikit akan diekstraksi. Beberapa jenis prosedur untuk menentukan banyaknya faktor yang harus diekstraksi antara lain: pendekatan berdasar eigenvalue, scree plot, percentage of variance accounted for, split-and-half dan significance test. 1. Penentuan Berbasis Eigenvalue. Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar daripada 1,00 yang akan dipertahankan. Eigenvalue merepresentasi total varians yang berkaitan dengan faktor. Faktor dengan nilai eigenvalue lebih kecil daripada 1,00, tidak lebih baik dari sebuah variabel tunggal, karena untuk keperluan standardisasi setiap variabel memiliki varians = 1,0 2. Penentuan Berdasarkan Scree Plot. Scree plot adalah plot nilai egienvalue terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang dihasilkan, digunakan untuk menentukan banyaknya faktor. Biasanya, plot akan berbeda antara slope tegak faktor, dengan eigenvalue yang besar dan makin mengecil pada sisa faktor yang tidak perlu diekstraksi. Pengecilan slope ini yang disebut sebagai scree. 23

18 Gambar 2.1 Scree Plot 3. Penentuan Berbasis Percentage of Variance. Dalam pendekatan ini, banyaknya faktor yang diesktraksi ditentukan sampai persentase kumulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat % kumulatif yang memuaskan tersebut tergantung kepada persoalannya. Bagaimanapun, sangat direkomendasikan bahwa faktor-faktor yang diekstraksi sampai mencapai % kumultaif varians paling sedikit = 60,00%. 4. Penentuan Berdasarkan Split and Half. Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masing - masing bagian. Hanya faktor yang memiliki factor loadings tinggi antar dua bagian itu yang akan dipertahankan. 5. Penentuan Berbasis Significance Test. Pendekatan ini adalah mempertahankan faktor yang memiliki separate eigenvalue signfikan. Dengan sampel besar (> 200), banyak faktor yang cenderung signifikan, walaupun dari pandangan praktis, banyak dari factor tersebut yang memiliki proporsi varians yang kecil terhadap total varians. E. Rotasi Faktor. Pada banyak persoalan yang kompleks, maka sulit melakukan interpretasi. Untuk itu diperlukan suatu langkah merotasi factor matrix agar lebih 24

19 mudah menginterepretasikan faktor. Dalam merotasi faktor, diharapkan setiap faktor memiliki loading factor atau koefisien non zero, atau signifikan hanya untuk beberapa variabel. Atau, diharapkan setiap variabel memiliki factor loadings signifikan hanya dengan sedikit faktor, atau jika mungkin hanya dengan sebuah faktor. Rotasi tidak berpengaruh terhadap komunalitas dan persentase total varians yang dijelaskan. Namun demikan, rotasi berpengaruh terhadap persentase varians dari setiap faktor. F. Interpretasi Faktor. Interpretasi difasilitasi melalui identifikasi variabel yang memiliki loadings besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasi dalam batas variabel yang memiliki loadings tinggi dalam faktor tersebut. Cara lain yang bisa digunakan adalah melalui plot variabel dengan factor loadings sebagai kordinat. Variabel yang berada pada akhir sebuah sumbu adalah variabel yang memiliki loadings tinggi hanya pada faktor yang bersangkutan, sehingga bisa digunakan untuk menginterpretasi faktor. Variabel yang berada didekat titik origin memiliki loadings yang rendah terhadap kedua faktor. Variabel yang yang tidak berada di dekat sumbu manapun mengindikasi bahwa variable tersebut berkorelasi dengan kedua faktor. Jika sebuah faktor tidak bisa secara jelas didefinisikan dalam batas variabel awalnya, maka disebut sebagai faktor umum saja (tidak perlu diberi label khusus). Gambar 2.2 Rotated Plot 25

20 G. Mengukur Ketepatan Model (Model Fit). Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi dari data awal dapat menjadi atribut dari faktor. Untuk itu, korelasi data awal dapat direproduksi melalui estimasi korelasi antara variabel terhadap faktor. Selisih antara korelasi dari data observasi dengan korelasi reproduksi dapat digunakan untuk mengukur kesesuaian model. Selisih tersebut disebut sebagai residuals. Untuk menentukan sebuah model sesuai atau tidak, maka nilai absolut residuals harus kurang dari 50% sehingga model tersebut dapat diterima. 26