PEGANGAN ASSLAB MODUL 8

Transkripsi

1 PEGANGAN ASSLAB MODUL 8 BAB I PENDAHULUAN 1.1 Latar Belakang (1 Halaman min. 4 paragraf) 1.2 Rumusan Masalah Bagaimana menentukan, mengelompokan, dan mereduksi data berdasarkan karakteristik diantara objek-objek tersebut? 1.3 Tujuan Praktikum Tujuan yang terdapat pada praktikum ini, adalah: (MINIMAL 3) 1.4 Batasan Masalah Batasan masalah yang digunakan dalam praktikum dan penyusunan laporan ini adalah: (MINIMAL 3) 1.5 Asumsi-asumsi Asumsi dalam praktikum tentang Analisis Faktor ini adalah : (MINIMAL 3)

2 1.6 Manfaat Praktikum Manfaat yang dapat kita peroleh dari modul 8 ini adalah : (MINIMAL 3) 1.7 Sistematika Penulisan Sistematika Penulisan laporan pada prakikum yang kita lakukan adalah sebagai berikut : BAB I PENDAHULUAN Bab satu ini berisikan tentang latar belakang permasalahan yang ada dalam dunia industri, tujuan dan manfaat praktikum, batasan masalah, asumsi-asumsi dari permasalahan yang ada, serta sistematika penulisan. BAB II TINJAUAN PUSTAKA Bab ini menjelaskan tentang... (isi TINJAUAN PUSTAKA) BAB III PENGUMPULAN DATA Bab ini akan menjelaskan tentang identifikasi variabel, tabel pengumpulan data. BAB IV PENGOLAHAN DATA Berisikan tentang output dan analisa hasil pengolahan dari tiap varibel atau data tersebut. BAB V KESIMPULAN DAN SARAN Bab ini berisikan kesimpulan dan saran-saran sebagai bahan pertimbangan bagi pengurus dan pengelola laboratorium statistik industri. DAFTAR PUSTAKA

3 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Analisis Faktor Macam-Macam Analisis Faktor Proses Analisis Faktor Tujuan Analisis Faktor 2.2 Hubungan Analisis Faktor Dengan Data Uji Reabilitas Dan Validitas

4 BAB III PENGUMPULAN DATA 3.1 Identifikasi Variabel Soal Laporan Resmi 3.2 Tabel Pengumpulan Data

5 BAB IV PENGOLAHAN DATA 4.1 Printout Dan Analisa Laporan Resmi A. KMO and Barlett s Test Parameter : Gambar 4.1 Output KMO and Barlett s Test MSA > 0,5 MSA < 0,5 Sig > 0,05 Sig < 0,05 = maka kumpulan variabel dapat diproses lebih lanjut = maka kumpulan variabel tidak dapat diproses lebih lanjut = maka data tersebut belum dapat dianalisis lebih lanjut = maka data tersebut sudah dapat dianalisis lebih lanjut Kesimpulan : Nilai MSA adalah 0,558 > 0,5 maka kumpulan variabel dapat diproses lebih lanjut Nilai Sig adalah 0,000 < 0,05 maka data tersebut sudah dapat dianalisis lebih lanjut

6 B. Anti-image Matrices Gambar 4.2 Output Anti-image Matrices Variabel yang memiliki nilai MSA > 0,5 adalah kenyamanan yaitu 0,727; kebersihan yaitu 0,687; luas parkir yaitu 0,719; lokasi strategis yaitu 0,612; harga yaitu 0,569; ketersediaan yaitu 0,596. Variabel yang memiliki nilai MSA < 0,5 adalah jum_kasir yaitu 0,463; Pelayanan Kasir yaitu 0,436; Tata Letak yaitu 0,452; Kualitas Produk yaitu 0,478; Keamanan yaitu 0,467. Karena masih terdapat variabel dengan nilai MSA < 0,5 maka dilakukan kembali analisa factor melalui SPSS dengan tidak memasukkan variabel yang memiliki nilai MSA < 0,5

7 Gambar 4.3 Output Anti-image Matrices ke-2 Variabel yang memiliki nilai MSA > 0,5 adalah kenyamanan yaitu 0,832; kebersihan yaitu 0,700; Luas Parkir yaitu 0,798; Lokasi Strategis yaitu 0,833; harga yaitu 0,745; ketersediaan yaitu 0,665. Karena tidak terdapat variabel dengan nilai MSA < 0,5 maka tidak dilakukan kembali analisa factor melalui SPSS. C. Communalities Gambar 4.4 Output Communalities Untuk variabel kenyamanan, nilai extractionnya adalah 0,486 hal ini berarti sekitar 48,6% varian dari variabel kenyamanan bisa dijelaskan dari factor yang terbentuk dan nilai initialnya mendekati atau sama dengan 1

8 yang artinya variabel tersebut memiliki hubungan yang kuat dengan factor yang terbentuk. Untuk variable Loc_Strat, nilai extractionnya adalah 0,312 hal ini berarti sekitar 31,2% varian dari variable Loc_Strat bias dijelaskan dari factor yang terbentuk dan nilai initialnya menjauhi 1 yang artinya variable tersebut memiliki hubungan yang lemah dengan factor yang terbentuk. dst D. Total Variance Explained Gambar 4.5 Output Total Variance Explained Banyaknya factor yang terlihat dari total nilai > 1 maka dilihat dari tabel ada 1 komponen yang memiliki nilai > 1, jadi 6 variabel yang ada diringkas menjadi 1 factor. E. Component Matrix

9 Gambar 4.6 Output Component Matrix Kenyamanan berkorelasi sebesar 0,697 dengan factor 1. Kebersihan berkorelasi sebesar 0,806 dengan factor 1. (Dst) F. Rotated Component Matrix (Menyesuaikan) Gambar 4.7 Output Rotated Component Matrix Untuk tabel komponen kenyamanan termasuk factor 3 karena memiliki nilai yang paling besar yaitu 0,515. Untuk tabel komponen kebersihan termasuk factor 3 karena memiliki nilai yang paling besar yaitu 0,733. (Dst)

10 G. Component Transformation Matrix (Menyesuaikan) Gambar 4.8 Output Component Transformation Matrix Dari 6 variabel hasil reduksi didapat 4 factor. Dari tabel diatas menunjukkan bahwa pada komponen 1 nilai korelasi 0,726 > 0,5; komponen 2 nilai korelasi 0,878 > 0,5; komponen 3 nilai korelasi 0,044 < 0,5; komponen 4 nilai korelasi -0,105 < 0,5. Karena (tidak) terdapat komponen < 0,5 maka factor yang terbentuk (belum/sudah) di katakan tepat dalam merangkum 6 variabel.

11 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan A. KMO and Barlett s Test B. Anti-image Matrices. C. Communalities D. Total Variance Explained E. Component Matrix F. Rotated Component Matrix G. Component Transformation Matrix 5.2 Saran (MINIMAL 5)

12 DAFTAR PUSTAKA (minimal 5 buku, 5 browsing min. tahun 2012)