Keterangan: r
i
= Reliabilitas instrument k
= Banyak butir pertanyaan
t 2
= Jumlah ragam total ∑
b 2
= Jumlah varian butir Berdasarkan hasil pengujian yang dilakukan menunjukan bahwa nilai
alpha sebesar 0,926 untuk 30 responden awal. Di mana nilai alpha tersebut lebih dari 0,60. Hal tersebut menunjukan bahwa pertanyaan pada kuesioner tersebut
reliabel. Hasil pengujian reliabilitas dapat dilihat pada Lampiran 4.
3.6.3 Analisis Deskriptif
Menurut Nazir 1998, analisis deskriptif merupakan suatu metode dalam meneliti status kelompok manusia, suatu objek, suatu sistem pemikiran, ataupun
suatu kelas peristiwa pada masa sekarang. Tujuannya adalah untuk membuat deskripsi, gambaran atau lukisan secara sistematis, faktual dan akurat, mengenai
fakta-fakta, sifat-sifat serta hubungan antar fenomena yang diselidiki. Rumus dari analisis deskriptif adalah sebagai berikut:
P = x 100
…………………………………………….……………. 4 Keterangan:
P = Persentase responden yang memilih kategori tertentu
fi = Jumlah responden yang memilih kategori tertentu
= Total jawaban
3.6.4 Analisis Faktor
Menurut Suliyanto 2005, analisis faktor adalah suatu teknik untuk menganalisis tentang saling ketergantungan atau interpendence dari beberapa
variabel secara simultan dengan tujuan untuk menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang
lebih sedikit daripada variabel yang diteliti, yang berarti dapat juga menggambarkan tentang struktur data dari suatu penelitian.
Pada prinsipnya analisis faktor digunakan untuk mengelompokkan beberapa variabel yang memiliki kemiripan untuk dijadikan suatu faktor, sehingga
dimungkinkan dari beberapa atribut yang mempengaruhi suatu komponen variabel dapat diringkas menjadi beberapa faktor utama yang jumlahnya lebih sedikit.
Analisis faktor dapat digunakan untuk: 1. Mengidentifikasi dimensi-dimensi mendasar yang dapat menjelaskan
korelasi dari serangkaian variabel 2. Mengidentifikasi variabel-variabel baru yang lebih kecil, untuk
menggantikan variabel tidak berkorelasi dari serangkaian variabel asli yang berkorelasi
3. Mengidentifikasi beberapa variabel kecil dari sejumlah variabel yang banyak untuk dianalisis dengan analisis multivariate lainnya.
Prinsip utama dalam analisis faktor adalah korelasi, artinya variabel yang memiliki korelasi erat akan membentuk suatu faktor, sedangkan variabel yang ada
dalam suatu faktor akan memiliki korelasi lemah dengan variabel yang terdapat pada faktor yang lain. Karena prinsip utama dalam analisis faktor adalah korelasi,
maka asumsi dalam analisis faktor berkaitan erat dengan korelasi berikut: 1. Korelasi atau keterkaitan antar variabel harus kuat
2. Indeks perbandingan jarak antara koefisien korelasi dengan koefisien korelasi parsialnya secara keseluruhan harus kecil
3. Dalam beberapa kasus, setiap variabel yang akan dianalisis dengan menggunakan analisis faktor harus menyebar secara normal.
Pada dasarnya, model analisis faktor dapat dikelompokkan menjadi dua, yaitu sebagai berikut:
a. Principal Components Analysis Principal Components Analysis merupakan model dalam analisis faktor
yang tujuannya untuk melakukan preduksi terhadap sejumlah faktor yang dihasilkan. Jika ditulis dalam bentuk matriks adalah:
F = ℓ X, di mana:
F = faktor Principal Components Analysis unobservable X = variabel yang diteliti observable di antaranya: harga, daya tarik
merek, tingkat kemudahan mengingat merek, keamanan kemasan, kemasan menarik, bentuk kemasan, ukuran kemasan, variasi warna,
kualitas produk, sifatcara kerja produk, komposisi, hasilmanfaat
produk, kehalalan, kepuasan produk, kualitas tahan lama, keamanan mengkonsumsi, kenyamanan mengkonsumsi, promosi, kemudahan
mendapatkan produk,
kemudahan mendapatkan
informasi, ketersediaan produk, variasi rasa produk, kesesuaian rasa dan aroma,
dan fleksibel untuk semua kalangan. ℓ = bobot dari kombinasi linier loading
b. Common Factor Common Factor merupakan model dalam analisis faktor yang tujuannya
untuk mengetahui struktur dari variabel yang diteliti karakteristik dari observasi. Jika ditulis dalam bentuk matriks adalah:
X = ℓF +
є,
di mana: F = Common Factor unobservable
X = variabel yang diteliti observable ℓ = bobot dari kombinasi linier loading
є
= specific factor
IV. HASIL DAN PEMBAHASAN
