BAB 4 ANALISA DATA 4.1 Profile Responden

Transkripsi

1 BAB 4 ANALISA DATA 4.1 Profile Responden Pada penelitian ini, peneliti telah menyusun profile responden yang dibagi kedalam beberapa macam, yakni berdasarkan: 1. Nama pusat kebugaran langganan responden Gambar 4.1 Nama Pusat Kebugaran Langganan Responden Berdasarkan Gambar 4.1 diatas, dapat diketahui bahwa responden penelitian paling banyak berlangganan di pusat kebugaran Celebrity Fitness, yakni sebanyak 22%. Sementara itu di urutan kedua terbanyak, sebanyak 19% responden penelitian paling banyak berlangganan di pusat kebugaran Gold s Gym. Sisanya terbagi menjadi beberapa pusat kebugaran seperti yang dapat dilihat pada Gambar 4.1 diatas. 2. Domisili responden Gambar 4.2 Domisili Responden 45

2 46 Berdasarkan Gambar 4.2 diatas, dapat diketahui bahwa responden penelitian paling banyak berdomisili di Jakarta Barat, yakni sebanyak 36%. Sementara itu di urutan kedua terbanyak, sebanyak 15% responden penelitian berdomisili di Jakarta Utara. Sisanya terbagi menjadi beberapa daerah seperti yang dapat dilihat pada Gambar 4.2 diatas. 3. Jenis kelamin responden Gambar 4.3 Jenis Kelamin Responden Berdasarkan Gambar 4.3 diatas, dapat diketahui bahwa responden penelitian paling banyak berjenis kelamin Pria, yakni sebanyak 86%. Sisanya 14% responden berjenis kelamin wanita, seperti yang dapat dilihat pada Gambar 4.3 diatas. 4. Usia responden Gambar 4.4 Usia responden

3 47 Berdasarkan Gambar 4.4 diatas, dapat diketahui bahwa responden penelitian paling banyak berusia 18 24, yakni sebanyak 39%. Sementara itu di urutan kedua terbanyak, sebanyak 35% responden berusia Sisanya terbagi menjadi beberapa range usia sebagaimana dapat dilihat pada Gambar 4.4 diatas. 5. Tingkat pendidikan akhir responden Gambar 4.5 Tingkat Pendidikan Akhir Responden Berdasarkan Gambar 4.5 diatas, dapat diketahui bahwa responden penelitian paling banyak memiliki pendidikan akhir, yakni sebanyak 42%. Sementara itu di urutan kedua terbanyak, sebanyak 32% responden memiliki pendidikan akhir. Sisanya terbagi menjadi beberapa tingkat pendidikan akhir seperti yang dapat dilihat pada Gambar 4.5 diatas. 6. Pekerjaan responden Gambar 4.6 Pekerjaan Responden

4 48 Berdasarkan Gambar 4.6 diatas, dapat diketahui bahwa responden penelitian paling banyak bekerja sebagai seorang pegawai, yakni sebanyak 40%. Sementara itu di urutan kedua terbanyak, sebanyak 39% responden merupakan pelajar / mahasiswa. Sisanya terbagi menjadi beberapa pekerjaan seperti yang dapat dilihat pada Gambar 4.6 diatas. 7. Tingkat pendapatan responden Gambar 4.7 Tingkat Pendapatan Responden Berdasarkan Gambar 4.7 diatas, dapat diketahui bahwa responden penelitian paling banyak memiliki pendapatan dibawah Rp , yakni sebanyak 24%. Sementara itu di urutan kedua terbanyak, responden memiliki pendapatan Rp Rp dan Rp dan Rp , yakni masing-masing sebanyak 19%. Sisanya terbagi menjadi beberapa range tingkat pendapatan seperti yang dapat dilihat pada Gambar 4.7 diatas. 8. Frekuensi kedatangan responden dalam 1 minggu Gambar 4.8 Frekuensi Kedatangan Responden

5 49 Berdasarkan Gambar 4.8 diatas, dapat diketahui bahwa responden penelitian paling banyak datang ke pusat kebugaran sebanyak dalam satu minggu, yakni sebanyak 50%. Sementara itu di urutan kedua terbanyak, sebanyak 38% responden datang ke pusat kebugaran sebanyak 4 5 kali dalam satu minggu. Sisanya terbagi menjadi beberapa range frekuensi kedatangan seperti yang dapat dilihat pada Gambar 4.8 diatas. 4.2 Uji Validitas Untuk mengukur tanggapan responden yang diperoleh dari pernyataanpernyataan yang tercantum dalam kuesioner, maka setiap jawaban diberi skor sesuai dengan skala yang digunakan yaitu likert : Sangat Setuju (SS) = 5 Setuju (S) = 4 Netral (N) = 3 Tidak Setuju = 2 Sangat Tidak Setuju (STS) = 1 Adapun variabel atribut yang digunakan dalam penelitian ada 21 yakni sebagai berikut : Tabel 4.1 Keterangan Variabel Atribut Indikator Keterangan Indikator Keterangan Q1 Keinginan konsumen untuk memiliki gaya hidup yang sehat. Q12 Variasi pilihan olahraga yang tersedia. Q2 Berolahraga di pusat kebugaran adalah satusatunya cara yang tepat untuk hidup sehat. Q13 Adanya harga / paket harga yang menarik dibandingkan pesaing. Q3 Keinginan konsumen untuk mengisi waktu dengan berolahraga di pusat kebugaran. Q14 Harga yang ditawarkan sebanding dengan apa yang didapatkan.

6 50 Q4 Ajakan dari teman atau kelompok lain untuk berolahraga di pusat kebugaran. Q15 Adanya paket promo yang disediakan pihak pusat kebugaran. Q5 Konsumen terinspirasi melihat kesuksesan orang lain dalam berolahraga di pusat kebugaran. Q16 Adanya acara komunitas yang rutin diadakan pihak pusat kebugaran. Keinginan untuk membangun Q6 koneksi / pertemanan lewat berolahraga di pusat Q17 Lokasi pusat kebugaran yang relatif mudah dijangkau. kebugaran. Konsumen berolahraga di Q7 pusat kebugaran untuk menghindari kemacetan saat Q18 Keramahan personal trainer dalam membantu konsumen. pulang beraktivitas. Q8 Motivasi konsumen untuk memiliki berat badan yang Q19 Prosedur dan persyaratan yang sederhana dan tidak ideal. rumit. Q9 Motivasi konsumen untuk memiliki tubuh yang sehat. Q20 Kelengkapan alat olahraga dan fasilitas yang tersedia. Q10 Motivasi konsumen untuk memiliki bentuk badan yang lebih bagus. Q21 Ruangan yang cukup luas dan nyaman untuk berolahraga. Program olahraga yang jelas Q11 dan bermanfaat bagi konsumen. Untuk proses selanjutnya akan digunakan penggunaan nama variabel atribut Q1-Q22 sebagai pengkodean untuk meringkas pembahasan. Setelah mengumpulkan data-data dari responden melalui kuesioner, maka data tersebut perlu diuji validitas sehingga instrument penelitian yang digunakan dapat dipertanggung jawabkan.

7 51 Untuk menghitung validitas digunakan software IBM SPSS Statistics 20. Pada penelitian ini, uji validitas menggunakan tingkat kepercayaan 95%. Dasar pengambilan keputusan pada uji validitas Jika r hitung > r tabel, data valid Jika r hitung < r tabel, data tidak valid Hasil uji validitas adalah sebagai berikut: Tabel 4.2 Hasil Uji Validitas Butir Pertanyaan R Hitung R Tabel Keterangan Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid Q valid

8 52 Q valid Q valid Q valid Q valid Q valid Q valid Q valid Pada tabel di atas menunjukkan bahwa semua butir pertanyaan (Q1-Q21) valid karena r hitung > 0.17, sehingga data dapat digunakan untuk proses analisis selanjutnya. 4.3 Uji Reliabilitas Setelah uji validitas selesai dilakukan, maka tahapan selanjutnya dilakukan uji reliabilitas. Uji reliabilitas digunakan untuk menunjukkan sejauh mana data yang diuji tanpa bias (bebas kesalahan) dan menjamin pengukuran yang konsisten sepanjang waktu dan dalam berbagai item di dalam instrumen. Untuk menghitung reliabilitas digunakan software IBM SPSS Statistics 20 menggunakan output yang sama dengan uji validitas. Dasar pengambilan keputusan pada uji reliabilitas Jika >, maka data reliabel. Jika <, maka data tidak reliabel.

9 53 Hasil uji reliabilitas adalah sebagai berikut: Tabel 4.3 Hasil Uji Reliabilitas Reliability Statistics Cronbach's N of Alpha Items, mewakili Pada Tabel 4.5 diatas, dapat dilihat koefisien Cronbach s Alpha yang untuk butir pertanyaan Q1 Q21 sebesar dimana lebih besar daripada (0.882 > 0.17) yang artinya butir pertanyaan Q1 Q21 reliabel dan dapat digunakan untuk proses analisis selanjutnya. 4.4 Exploratory Factor Analysis Untuk mengidentifikasi faktor-faktor yang mendorong keputusan pembelian pusat kebugaran digunakan analisis faktor, dimana bertujuan untuk meringkas atau mereduksi variabel secara keseluruhan menjadi beberapa variabel atau dimensi baru. Berikut tahapan dalam analisis faktor Uji KMO and Bartlett Untuk mengetahui apakah variabel-variabel tersebut layak atau tidak untuk dianalisis lebih lanjut, dapat dilihat pada Kaiser-Meyer-Olkin Measure and Barlett s Test. Hipotesis pada uji KMO and Bartlett: Ho = sampel (variabel) belum memadai untuk dianalisis lebih lanjut. Ha = sampel (variabel) sudah memadai untuk dianalisis lebih lanjut. Dasar pengambilan keputusan pada uji KMO and Bartlett: Jika Sig > 0.05, maka Ho diterima Jika Sig < 0.05, maka Ho ditolak

10 54 Hasil uji KMO and Bartlett dapat dilihat sebagai berikut: Tabel 4.4 Hasil Uji KMO and Bartlett KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.,788 Approx. Chi-Square 1056,330 Bartlett's Test of Sphericity df 210 Sig.,000 Dari tabel diatas, dapat dilihat angka Kaiser-Meyer-Olkin Measure of sampling Adequacy yaitu dimana lebih besar daripada 0.5 (0.788 > 0.5) sehingga memenuhi syarat awal. Kemudian Bartlett s Test of Sphericity pada bagian Sig juga menunjukkan angka dimana lebih kecil dari 0.05 (0.00 < 0.05) sehingga Ho di tolak. Dapat ditarik kesimpulan bahwa secara keseluruhan variabel sudah memadai untuk dianalisis lebih lanjut Uji MSA Setelah data di uji secara menyeluruh menggunakan Kaiser-Meyer-Olkin Measure and Barlett s Test, kemudian variabel-variabel itu akan di uji satu persatu dengan menggunakan uji MSA (Measure of Sampling Adequacy). Angka MSA berkisar 0 sampai 1, dengan kriteria : MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan. MSA >0.5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA <0.5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya.

11 55 Berikut hasil dari uji MSA: Tabel 4.5 Hasil Uji MSA Variabel Anti Image Correlation Kriteria angka MSA Variabel Anti Image Correlation Kriteria angka MSA Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Q Tabel 4.4 diatas menunjukkan angka Anti-image Correlation dimana didapat hasil bahwa semua angka Anti-Image Correlation yang mewakili angka MSA lebih besar dari 0.5 (MSA > 0.5), yang berarti semua variable dari Q1-Q21 secara keseluruhan bisa di analisis lebih lanjut menggunakan analisis faktor Factoring and Rotating

12 56 Setelah seluruh variabel melewati uji KMO dan MSA dimana seluruh variabel dinyatakan layak untuk digunakan, maka selanjutnya masuk ke tahapan utama dari analisis faktor, yaitu proses factoring and rotating. Tabel 4.6 Communalities Communalities Q Initial Extraction Q Initial Extraction Q ,575 Q ,573 Q ,646 Q ,686 Q ,665 Q ,699 Q ,702 Q ,589 Q ,716 Q ,751 Q ,767 Q ,809 Q ,774 Q ,830 Q ,762 Q ,608 Q ,677 Q ,696 Q ,712 Q ,757 Q ,696 Tabel 4.6 diatas menerangkan berapa persen factor atau variable baru yang terbentuk dari analisis factor dapat menerangkah varians dari variable tersebut. Interpretasinya sebagai berikut: Dari variabel atribut Q1 diperoleh nilai communalities extraction 0.575; artinya 57.5% faktor yang terbentuk mampu menerangkan varians dari variable Q1. Dari variabel atribut Q2 diperoleh nilai communalities extraction 0.646; artinya 64.6% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q2 Dari variabel Q3 diperoleh nilai communalities extraction 0.665; artinya 66.5% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q3.

13 57 Dari variabel Q4 diperoleh nilai communalities extraction 0.702; artinya 70.2% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q4. Dari variabel Q5 diperoleh nilai communalities extraction 0.716; artinya 71.6% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q5. Dari variabel Q6 diperoleh nilai communalities extraction 0.767; artinya 76.7% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q6. Dari variabel Q7 diperoleh nilai communalities extraction 0.774; artinya 77.4% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q7. Dari variabel Q8 diperoleh nilai communalities extraction 0.762; artinya 76.2% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q8. Dari variabel Q9 diperoleh nilai communalities extraction 0.677; artinya 67.7% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q9. Dari variabel Q10 diperoleh nilai communalities extraction 0.712; artinya 71.2% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q10. Dari variabel Q11 diperoleh nilai communalities extraction 0.696; artinya 69.6% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q11. Dari variabel Q12 diperoleh nilai communalities extraction 0.573; artinya 57.3% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q4. Dari variabel Q13 diperoleh nilai communalities extraction 0.686; artinya 68.6% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q13. Dari variabel Q14 diperoleh nilai communalities extraction 0.699; artinya 69.9% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q14.

14 58 Dari variabel Q15 diperoleh nilai communalities extraction 0.589; artinya 58.9% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q15. Dari variabel Q16 diperoleh nilai communalities extraction 0.751; artinya 75.1% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q16. Dari variabel Q17 diperoleh nilai communalities extraction 0.809; artinya 80.9% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q17. Dari variabel Q18 diperoleh nilai communalities extraction 0.830; artinya 83.0% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q18. Dari variabel Q19 diperoleh nilai communalities extraction 0.608; artinya 60.8% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q19. Dari variabel Q20 diperoleh nilai communalities extraction 0.696; artinya 69.6% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q20. Dari variabel Q21 diperoleh nilai communalities extraction 0.757; artinya 75.7% faktor yang terbentuk mampu menerangkan varians dari variable atribut Q21. Tabel 4.7 Total Variance Explained

15 59 Total Varians Explained menerangkan nilai persen dari varians yang mampu diterangkan oleh banyaknya factor yang terbentuk. Nilai ini didasarkan dari nilai eigenvalue. Nilai Eigenvalue menggambarkan kepentingan relatif masing-masing factor dalam menghitung varians dari ke-21 variable yang dianalisis. Bila dijumlahkan ke-21 eigenvalue tersebut akan bernilai 21 (sama dengan banyaknya variable). Besarnya varians yang mampu diterangkan oleh factor baru yang terbentuk bila kita hanya mengambil 1 faktor saja adalh %. Didasarkan kepada berdasarkan dari nilai eigenvalue >1, sehingga dalam kasus ini kita mengambil 6 faktor. Berikut ke-6 faktor yang terbentuk: Varians faktor pertama adalah 6.672/21 x 100% = % Varians faktor kedua adalah 3.041/21 x 100% = % Varians faktor ketiga adalah 1.493/21 x 100% = 7.109% Varians faktor keempat adalah 1.332/21 x 100% = 6.344% Varians faktor kelima adalah 1.083/21 x 100% = 5.156% Varians faktor keenam adalah 1.068/21 x 100% = 5.084% Total kelima faktor yang terbentuk bisa menjelaskan 31,771% % % % % = % dari 21 variabel atribut aslinya secara keseluruhan.

16 60 Gambar 4.9 Scree Plot Scree plot menunjukkan jumlah faktor yang didapat dalam bentuk grafik. Terlihat bahwa dari nilai eigenvalue, terdapat 6 buah titik yang melebihi angka 1. Komponen 1 pada titik eigenvalue 6.672, komponen 2 pada titik eigenvalue 3.041, komponen 3 pada titik eigenvalue 1.493, komponen 4 pada titik eigenvalue 1.332, komponen 5 pada titik eigenvalue 1.083, dan komponen 6 pada titik eigenvalue Karena nilai eigenvalue komponen 7 21 berada di bawah 1, maka proses factoring bisa dihentikan pada komponen ke-6. Hal ini menunjukkan bahwa 6 faktor adalah paling tepat untuk mereduksi ke 21 variabel atribut tersebut. Setelah mengetahui bahwa jumlah faktor yang paling optimal untuk mereduksi ke-21 variabel atribut berjumlah 6 faktor, Tabel 4.8 dibawah menunjukkan distribusi dari 21 variabel atribut tersebut pada 6 faktor yang terbentuk. Tabel 4.8 Rotated Component Matrix Rotated Component Matrix a Component Q1 -,114,718,109,003 -,071,173

17 61 Q2,471 -,073,315,556 -,087,055 Q3,526,395,431,118,089 -,157 Q4,138,123,041,804,058,124 Q5,685 -,291,231,200 -,170,197 Q6,773,057,184,180 -,290,126 Q7,807 -,132 -,055,284,121,084 Q8,087,663,334,333,246 -,175 Q9 -,053,752,171 -,020,010,280 Q10,056,713,225,036,332,197 Q11,382,465,066,512,223 -,134 Q12,554,470 -,014,061,200,035 Q13,026,089,807,101,122,021 Q14,001,262,772 -,033 -,033,179 Q15,341,280,555,218,195,017 Q16,724,000 -,289,089,365,051 Q17,081,035,182,067,868,100 Q18,380,246,185,033,205,740 Q19,662,319,189 -,039,118,132 Q20,215,706,070,262 -,267 -,077 Q21,141,270,028,524 -,010,623 Rotated Component Matrix adalah nilai loading factor dari setiap variable. Loading factor merupakan besarnya korelasi antara factor score dan variabel tersebut. Pada hasil Tabel 4.8, dapat dilihat angka korelasi terbesar saja, sehingga dapat diketahui sebagai berikut : Variabel Q1: masuk pada faktor 2, karena faktor loading dengan faktor 2 terbesar (0.718) Variabel Q2: masuk pada faktor 4, karena faktor loading dengan faktor 4 terbesar (0.556) Variabel Q3: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.526) Variabel Q4: masuk pada faktor 4, karena faktor loading dengan faktor 4 terbesar (0.804) Variabel Q5: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.685) Variabel Q6: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.773)

18 62 Variabel Q7: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.807) Variabel Q8: masuk pada faktor 2, karena faktor loading dengan faktor 2 terbesar (0.663) Variabel Q9: masuk pada faktor 2, karena faktor loading dengan faktor 2 terbesar (0.752) Variabel Q10: masuk pada faktor 2, karena faktor loading dengan faktor 2 terbesar (0.713) Variabel Q11: masuk pada faktor 4, karena faktor loading dengan faktor 4 terbesar (0.512) Variabel Q12: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.554) Variabel Q13: masuk pada faktor 3, karena faktor loading dengan faktor 3 terbesar (0.807) Variabel Q14: masuk pada faktor 3, karena faktor loading dengan faktor 3 terbesar (0.772) Variabel Q15: masuk pada faktor 3, karena faktor loading dengan faktor 3 terbesar (0.555) Variabel Q16: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.724) Variabel Q17: masuk pada faktor 5, karena faktor loading dengan faktor 5 terbesar (0.868) Variabel Q18: masuk pada faktor 6, karena faktor loading dengan faktor 6 terbesar (0.740) Variabel Q19: masuk pada faktor 1, karena faktor loading dengan faktor 1 terbesar (0.662) Variabel Q20: masuk pada faktor 2, karena faktor loading dengan faktor 2 terbesar (0.706) Variabel Q21: masuk pada faktor 6, karena faktor loading dengan faktor 6 terbesar (0.623) Dengan demikian, ke 21 variabel telah direduksi menjadi hanya 6 faktor: Faktor 1 terdiri atas variabel Q3, Q5, Q6, Q7, Q12, Q16, Q19 Faktor 2 terdiri atas variabel Q1, Q8, Q9, Q10, Q20

19 63 Faktor 3 terdiri atas variabel Q13, Q14, Q15 Faktor 4 terdiri atas variabel Q2, Q4, Q11 Faktor 5 terdiri atas variabel Q17 Faktor 6 terdiri atas variabel Q18, Q Penamaan Faktor Tahap terakhir dalam analisis faktor adalah memberikan nama untuk ke-6 faktor yang telah terbentuk. Penamaan faktor bisa berdasarkan variabel-variabel atribut yang menjadi anggota faktor tersebut. Faktor pertama terdiri dari: 1. Keinginan konsumen untuk mengisi waktu dengan berolahraga di pusat kebugaran. 2. Konsumen terinspirasi melihat kesuksesan orang lain dalam berolahraga. 3. Keinginan untuk membangun koneksi / pertemanan lewat berolahraga di pusat kebugaran. 4. Konsumen berolahraga di pusat kebugaran untuk menghindari kemacetan saat pulang beraktivitas. 5. Variasi pilihan olahraga yang tersedia. 6. Adanya acara komunitas yang ruti n diadakan pihak pusat kebugaran. 7. Prosedur dan persyaratan yang sederhana dan tidak rumit. Selanjutnya, faktor 1 dapat dinamakan sebagai Profesionalism. Konsumen terdorong untuk berolahraga di suatu pusat kebugaran karena mereka ingin berolahraga dengan serius, bukan untuk coba-coba. Mereka umumnya ingin menjadi seorang profesional. Faktor kedua terdiri dari: 1. Keinginan konsumen untuk memiliki gaya hidup yang sehat. 2. Motivasi konsumen untuk memiliki berat badan yang ideal. 3. Motivasi konsumen untuk memiliki tubuh yang sehat. 4. Motivasi konsumen untuk memiliki bentuk badan yang lebih bagus. 5. Kelengkapan alat olahraga dan fasilitas yang tersedia. Selanjutnya, faktor kedua dapat dinamakan sebagai faktor Motivation to be Healthy. Konsumen terdorong untuk berolahraga di suatu pusat kebugaran dikarenakan keinginan yang kuat untuk memiliki tubuh yang sehat dan ideal.

20 64 Mereka umumnya serius untuk berolahraga dan mementingkan kelengkapan alat olahraga dan fasilitas yang tersedia, yang mampu untuk menunjang kebutuhan mereka. Faktor ketiga terdiri dari: 1. Adanya harga / paket harga yang menarik dibandingkan pesaing. 2. Harga yang ditawarkan sebanding dengan apa yang didapatkan. 3. Adanya paket promo yang disediakan pihak pusat kebugaran. Selanjutnya, faktor ketiga dapat dinamakan sebagai faktor Value for Price. Konsumen terdorong untuk berolahraga di suatu pusat kebugaran dikarenakan faktor harga dan promo yang ditawarkan oleh suatu pusat kebugaran. Faktor keempat terdiri dari: 1. Berolahraga di pusat kebugaran adalah satu-satunya cara yang tepat untuk hidup sehat. 2. Ajakan dari teman atau kelompok lain untuk berolahraga di pusat kebugaran. 3. Program olahraga yang jelas dan bermanfaat bagi konsumen. Selanjutnya, faktor keempat dapat dinamakan sebagai faktor Initial Intention. Konsumen terdorong untuk berolahraga di suatu pusat kebugaran dikarenakan munculnya niat untuk mencoba berolahraga di pusat kebugaran. Faktor kelima terdiri dari: 1. Lokasi pusat kebugaran yang relatif mudah dijangkau. Selanjutnya, faktor kelima dapat dinamakan sebagai faktor Location. Konsumen terdorong untuk berolahraga di suatu pusat kebugaran karena faktor jarak antara rumah / lokasi kerja mereka dengan pusat kebugaran. Faktor keenam terdiri dari: 1. Keramahan personal trainer dalam membantu konsumen. 2. Ruangan yang cukup luas dan nyaman untuk berolahraga. Selanjutnya, faktor kelima dapat dinamakan sebagai faktor Convenience. Konsumen terdorong untuk berolahraga di suatu pusat kebugaran karena kenyamanan yang ditawarkan oleh pihak pusat kebugaran. Penamaan faktor pada penelitian ini merupakan representasi dari variabelvariabel atribut yang menjadi anggota faktor tersebut. Tentu saja pada beberapa

21 65 bagian faktor, terjadi penamaan yang tidak tepat, karena sulitnya melakukan generalisasi variabel atribut yang ada. Namun nama yang terbentuk pada setiap faktor telah merepresentasikan indikator-indikator yang terbentuk pada masingmasing faktor. 4.5 Analisis Cluster Analisis Cluster adalah teknik statistik yang berguna untuk mengelompokkan objek ataupun variabel ke dalam beberapa kelompok tertentu dimana setiap objek atau variabel ydang terbentuk memeiliki sifat dan karakteristik yang berdekatan. Pada penelitian ini, pendekatan yang digunakan adalah K-mean Cluster. K-mean Cluster adalah analisis statistik yang berguna untuk mengelompokkan sejumlah objek ke dalam jumlah kelompok yang sudah ditetapkan di mana karakteristik latar belakang objek belum diketahui pasti. K-mean Cluster sangat efektif dan efisien jika digunakan untuk mengelompokkan objek yang berjumlah berjumlah lebih dari 100. Pada penelitian ini, peneliti fokus untuk membentuk 3 cluster dari para responden. Berikut hasil pengolahan data dengan pendekatan K-mean Cluster. Tabel 4.9 Final Cluster Centers Final Cluster Centers Cluster Q1 4,50 3,75 3,26 Q2 2,56 3,91 3,22 Q3 3,69 4,16 3,26 Q4 3,38 3,68 3,19 Q5 1,63 4,26 3,07 Q6 2,63 4,21 3,33 Q7 1,81 4,05 2,48 Q8 4,56 4,16 3,37 Q9 4,75 4,02 3,37 Q10 4,81 4,00 3,04 Q11 3,44 3,79 2,96 Q12 3,56 3,86 2,96 Q13 4,00 3,89 3,19 Q14 3,94 3,77 3,30 Q15 3,75 4,00 3,15 Q16 2,50 3,82 2,70 Q17 4,19 3,84 3,19

22 66 Q18 3,63 3,91 2,96 Q19 3,50 4,30 2,93 Q20 4,00 3,89 3,19 Q21 3,75 3,91 3,15 Tabel 4.9 diatas menunjukkan rata-rata skor tiap atribut dari 3 cluster yang terbentuk. Dari Tabel 4.9 diatas, maka dapat ditarik kesimpulan: Rata-rata variabel atribut Q1 untuk cluster 1 adalah 4.50%, untuk cluster 2 adalah 3.75%, untuk cluster 3 adalah 3.26%. Variabel Q1 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q2 untuk cluster 1 adalah 2.56%, untuk cluster 2 adalah 3.91%, untuk cluster 3 adalah 3.22%. Variabel Q2 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q3 untuk cluster 1 adalah 3.69%, untuk cluster 2 adalah 4.16%, untuk cluster 3 adalah 3.26%. Variabel Q3 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q4 untuk cluster 1 adalah 3.38%, untuk cluster 2 adalah 3.68%, untuk cluster 3 adalah 3.19%. Variabel Q4 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q5 untuk cluster 1 adalah 1.63%, untuk cluster 2 adalah 4.26%, untuk cluster 3 adalah 3.07%. Variabel Q5 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q6 untuk cluster 1 adalah 2.63%, untuk cluster 2 adalah 4.21%, untuk cluster 3 adalah 3.33%. Variabel Q6 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q7 untuk cluster 1 adalah 1.81%, untuk cluster 2 adalah 4.05%, untuk cluster 3 adalah 2.48%. Variabel Q7 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q8 untuk cluster 1 adalah 4.56%, untuk cluster 2 adalah 4.16%, untuk cluster 3 adalah 3.37%. Variabel Q8 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya.

23 67 Rata-rata variabel atribut Q9 untuk cluster 1 adalah 4.75%, untuk cluster 2 adalah 4.02%, untuk cluster 3 adalah 3.37%. Variabel Q9 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q10 untuk cluster 1 adalah 4.81%, untuk cluster 2 adalah 4.00%, untuk cluster 3 adalah 3.04%. Variabel Q10 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q11 untuk cluster 1 adalah 3.44%, untuk cluster 2 adalah 3.79%, untuk cluster 3 adalah 2.96%. Variabel Q11 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q12 untuk cluster 1 adalah 3.56%, untuk cluster 2 adalah 3.86%, untuk cluster 3 adalah 2.96%. Variabel Q12 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q13 untuk cluster 1 adalah 4.00%, untuk cluster 2 adalah 3.89%, untuk cluster 3 adalah 3.19%. Variabel Q13 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q14 untuk cluster 1 adalah 3.94%, untuk cluster 2 adalah 3.77%, untuk cluster 3 adalah 3.30%. Variabel Q14 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q15 untuk cluster 1 adalah 3.75%, untuk cluster 2 adalah 4.00%, untuk cluster 3 adalah 3.15%. Variabel Q15 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q16 untuk cluster 1 adalah 2.50%, untuk cluster 2 adalah 3.82%, untuk cluster 3 adalah 2.70%. Variabel Q16 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q17 untuk cluster 1 adalah 4.19%, untuk cluster 2 adalah 3.84%, untuk cluster 3 adalah 3.19%. Variabel Q1 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q18 untuk cluster 1 adalah 3.63%, untuk cluster 2 adalah 3.91%, untuk cluster 3 adalah 2.96%. Variabel Q18 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Rata-rata variabel atribut Q19 untuk cluster 1 adalah 3.50%, untuk cluster 2 adalah 4.30%, untuk cluster 3 adalah 2.93%. Variabel Q1 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya.

24 68 Rata-rata variabel atribut Q20 untuk cluster 1 adalah 4.00%, untuk cluster 2 adalah 3.89%, untuk cluster 3 adalah 3.19%. Variabel Q1 memiliki pengaruh lebih besar pada cluster 1 dibandingkan cluster lainnya. Rata-rata variabel atribut Q21 untuk cluster 1 adalah 3.75%, untuk cluster 2 adalah 3.91%, untuk cluster 3 adalah 3.15%. Variabel Q21 memiliki pengaruh lebih besar pada cluster 2 dibandingkan cluster lainnya. Tabel 4.10 ANOVA ANOVA Cluster Error F Sig. Mean Square df Mean Square df Q1 7,747 2, ,907,000 Q2 12,912 2, ,731,000 Q3 7,619 2, ,698,000 Q4 2,430 2, ,701,011 Q5 47,153 2, ,742,000 Q6 18,468 2, ,248,000 Q7 42,845 2, ,891,000 Q8 8,589 2, ,015,000 Q9 9,781 2, ,102,000 Q10 16,955 2, ,747,000 Q11 6,308 2, ,253,000 Q12 7,366 2, ,367,000 Q13 5,359 2, ,193,001 Q14 2,754 2, ,732,004 Q15 6,651 2, ,902,000 Q16 17,757 2, ,118,000 Q17 6,035 2, ,309,001 Q18 8,258 2, ,692,000 Q19 18,109 2, ,173,000 Q20 5,359 2, ,439,000

25 69 Q21 5,396 2, ,688,000 Tabel 4.10 diatas menggambarkan apakah terdapat perbedaan rata-rata persepsi terhadap pusat perbelanjaan antara tiga cluster yang terbentuk per satuan atribut. Nilai Sig lebih kecil dari 0.05 menunjukkan perbedaan yang signifikan antara ketiga cluster yang terbentuk. Berdasarkan Tabel 4.10 diatas, semua nilai Sig < 0,05. Hal ini menunjukkan bahwa penilaian antar cluster berbeda siginifikan. Terlihat bahwa perbedaan persepsi tentang variabel atribut Q5 adalah yang paling signifikan (nilai F-test terbesar). Tabel 4.11 Number of Cases in each Cluster Number of Cases in each Cluster 1 16,000 Cluster 2 57, ,000 Valid 100,000 Missing,000 Tabel 4.11 diatas menggambarkan banyakanya anggota tiap cluster dimana untuk cluster 1 terdapat 16 anggota (responden), cluster 2 terdapat 57 anggota (responden), dan cluster 3 terdapat 27 anggota ( responden) Cross Tabulation Untuk dapat mengetahui karakteristik responden yang ada pada setiap cluster sehingga kedepannya dapat mengidentifikasi konsumen dengan mudah, maka dilakukan Cross Tabulation sebagai berikut. 1. Cluster 1 Tabel 4.12 Cross Tabulation Cluster 1

26 70 Resp 18 Pria 81 Pria 82 Pria Jenis kelamin 83 Wanita 85 Pria 87 Pria 88 Pria 89 Pria 90 Pria 93 Pria 94 Pria 96 Pria 97 Pria 98 Pria 99 Pria 100 Pria Usia Tingkat pendidikan Profesi Wira Tingkat pendapatan per bulan Rp Rp Frekuensi SMP / lebih dari 5 kali SMP / SMP / Rp Rp Rp SMP / Wira Rp Rp Rp Rp Rp Rp Rp Rp negeri Rp SMP / SMP / SMP / Rp Rp Wira Rp Dari data diatas, dapat diketahui karakteristik konsumen untuk segmen Cluster 1 sebagai berikut. Mayoritas responden di Cluster 1 berusia dibawah 17, yakni sebanyak 37,5%. Mayoritas responden di Cluster 1 memiliki tingkat pendidikan akhir SMP /, yakni sebanyak 43,75%; dan, yakni sebanyak 37,5 %.

27 71 Mayoritas responden di Cluster 1 memiliki profesi sebagai, yakni sebanyak 43,75%. Mayoritas responden di Cluster 1 memiliki pendapatan dibawah Rp , yakni sebanyak 37,5%. Resp 2. Cluster 2 4 Pria 5 Pria 6 Pria 7 Pria 10 Pria 12 Pria 13 Pria 16 Pria Jenis kelamin 17 Wanita 19 Pria 20 Pria 21 Pria 22 Wanita 23 Pria 24 Wanita 27 Pria 29 Pria 30 Pria Usia Tabel 4.13 Cross Tabulation Cluster 2 Tingkat pendidikan Profesi Lainnya Tingkat pendapatan per bulan Rp Rp Rp Rp Wira Rp Rp Rp Rp Rp Rp Rp Rp Rp Frekuensi lebih dari 5 kali Wira Rp D3 Wira Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp kali 1 kali

28 72 31 Wanita 32 Pria 34 Pria 36 Wanita 37 Wanita 38 Pria 39 Pria 40 Pria 41 Pria 42 Pria 43 Pria 44 Pria 45 Pria 46 Pria 48 Pria 49 Pria 50 Pria 51 Pria 52 Wanita 53 Pria 55 Pria 57 Pria 58 Pria 63 Pria SMP / Rp Rp Wira Rp Wira Rp S2 D3 D3 Wira negeri Wira Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Wira Rp D3 SMP / D3 D3 Wira Ibu rumah tangga Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp

29 64 Pria 65 Pria 66 Pria 68 Pria 69 Pria 70 Pria 71 Pria 72 Wanita 73 Wanita 74 Pria 75 Pria 76 Pria 84 Pria 86 Pria 92 Pria S2 Wira Rp Rp Rp Rp kali 1 kali Wira Rp Rp Rp S2 Rp Wira Rp Rp Rp Rp Rp Ibu rumah Rp tangga Rp Rp Rp Rp Rp Rp Rp SMP / Rp Rp Rp Rp kali Dari data diatas, dapat diketahui karakteristik konsumen untuk segmen Cluster 2 sebagai berikut. Mayoritas responden di Cluster 2 berusia 18 24, yakni sebanyak 45,61%; dan 25 34, yakni sebanyak 40,35% Mayoritas responden di Cluster 2 memiliki tingkat pendidikan akhir, yakni sebanyak 45,61%; dan, yakni sebanyak 33,33%. Mayoritas responden di Cluster 2 memiliki profesi sebagai Swasta, yakni sebanyak 42,11%.

30 74 Mayoritas responden di Cluster 2 memiliki pendapatan Rp Rp , yakni sebanyak 24,56%; dan Rp Rp yakni sebanyak 19,29%. Resp 3. Cluster 3 Jenis kelamin 1 Wanita 2 Pria 3 Pria 8 Pria 9 Wanita 11 Wanita 14 Pria 15 Pria 25 Pria 26 Pria 28 Pria 33 Pria 35 Pria 47 Pria 54 Pria 56 Pria 59 Pria 60 Pria Usia Tabel 4.14 Cross Tabulation Cluster 3 Tingkat pendidikan SMP / SMP / Profesi Lainnya Tingkat pendapatan per bulan Rp Rp Rp Rp Rp Rp Rp Rp Rp Frekuensi 1 kali 1 kali Wira Rp SMP / Wira Rp Rp Rp Rp Rp Rp Rp Rp

31 75 61 Pria 62 Pria 67 Pria 77 Pria 78 Wanita 79 Pria 80 Pria 91 Pria 95 Pria D3 SMP / SMP / SMP / Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp kali 1 kali lebih dari 5 kali Dari data diatas, dapat diketahui karakteristik konsumen untuk segmen Cluster 3 sebagai berikut. Mayoritas responden di Cluster 3 berusia dibawah 17, yakni sebanyak 29,63%; 17 24, yakni sebanyak 33,33%; dan 25 34, yakni sebanyak 29,63% Mayoritas responden di Cluster 3 memiliki tingkat pendidikan akhir, yakni sebanyak 37,04%; dan, yakni sebanyak 37,04%. Mayoritas responden di Cluster 3 memiliki profesi sebagai, yakni sebanyak 55,55%; dan, yakni 33,33%. Mayoritas responden di Cluster 3 memiliki pendapatan dibawah Rp , yakni sebanyak 40,74%; dan Rp Rp , yakni sebanyak 22,22%.

32 76