Analisis Faktor Metode Pengolahan dan Analisis Data
faktor spesifik dan galat. Keragaman dari peubah X
p
yang telah distandarisasi menghasilkan :
σ
XP 2
= h
P
P
2
+ Ψ
P
Sehingga : h
P 2
= 1 - Ψ
P
Komponen h
P 2
= disebut komunalitas communalities yang menunjukkan proporsi ragam dari peubah X
P
yang diterangkan oleh q faktor bersama, sedangkan
Ψ
P
merupakan proporsi ragam dari peubah X
P
yang sebabkan oleh faktor spesifik Johnson dan Wichern, 1998.
Salah satu penyelesaian dari model faktor adalah melalui model komponen
utama yaitu X = λ f dengan peubah faktor f merupakan kombinasi linier dari
peubah asal X. Solusi menjadi terfokus pada pemberian skor faktor dan reduksi peubah. Loading faktor yang didapat biasanya tidak terlalu bagus untuk
diinterpretasikan. Untuk mempermudah interpretasi, dilakukan rotasi terhadap matriks loading. Secara geometrik, rotasi berarti pemutaran sumbu faktor dengan
sudut tertentu sehingga mendapatkan sumbu faktor baru, dengan loading baru tanpa perubahan pada konfigurasi peubah asal Suliyanto, 2005.
Ada dua macam rotasi faktor, yaitu rotasi ortogonal dan obligue. Rotasi ortogonal merupakan rotasi yang memperhatikan keortogonalan, sehingga setelah
rotasi kedua sumbu tegak lurus satu sama lain. Rotasi obligue tidak memperhatikan hal tersebut. Rotasi ortogonal tidak merubah nilai total proporsi
keragaman yang dijelaskan oleh faktor-faktor bersama yang diperoleh. Metode yang biasa digunakan adalah varimax, karena menitikberatkan kesederhanaan
kolom-kolom matriks bobotnya, dalam arti hanya di satu faktor beberapa peubah akan mempunyai bobot tertinggi dan sisanya untuk faktor lain. Sehingga akan
memudahkan dalam interpretasi peubah untuk tiap faktor Johnson dan Wichern, 1998.
Tahapan dalam proses pengolahan data ini, terlebih dahulu diawali dengan menginput data dari hasil kuesioner yang berupa data tingkat kepentingan dari
variabel variabel yang mempengaruhi keputusan pembelian, dari 150 responden dalam skala 1-5, ke dalam komputer dengan menggunakan software Microsoft
Excel 2000 . Kemudian hasil dari input Excel tesebut dimasukkan ke dalam
program SPSS 12. Selanjutnya dengan prosedur pengolahan data SPSS, data tersebut diolah dengan menggunakan metode Analisis Faktor. Hasil yang
diperoleh, diantaranya berupa nilai communality, yang menunjukkan nilai respon dari variabel-variabel tersebut. Kemudian Rotated Component Matrix
menunjukkan hubungan antara variabel-variabel di dalam suatu faktor yang terbentuk. Faktor–faktor tersebut merupakan faktor-faktor yang mempengaruhi
proses keputusan pembelian konsumen. Sementara itu Total Variance Explained
akan menjelaskan besar keragaman data.
4.4.2 Model Angka Ideal
Model angka ideal memberikan informasi berkenaan dengan “merek ideal” dan juga informasi berkenaan dengan bagaimana merek yang sudah ada
dipandang oleh konsumen. Model ini dapat digambarkan secara simbolis sebagai berikut :
A
b
= Σ Wi | Ii – xi |
dimana : Ab
= sikap terhadap merek B Wi
= pentingnya atribut i
Ii = performansi ideal pada atribut i
Xi = kepercayaan mengenai performasni aktual merek tersebut pada
atribut i n
= jumlah atribut yang menonjol Pada model angka ideal, konsumen diminta menunjukkan dimana mereka
percaya suatu merek ditempatkan pada skala yang menggambarkan pelbagai derajat atau tingkat atribut yang menonjol. Pengkodean unipolar digunakan untuk
mengukur respon terhadap skala model angka ideal, dengan skala 1 sampai 5. Sebagai contoh, misalkan ingin diketahui sikap responden terhadap atribut
kemasan suatu produk es krim Mini Melts. Konsumen pada awalnya diminta menilai seberapa penting atribut kemasan tersebut, dengan menggunakan skor
skala 1-5.
Kemasan sangat tidak penting
Kemasan sangat penting
X
Maka skor 1 menunjukkan kemasan sangat tidak penting, skor 2 kemasan tidak penting, skor 3 kemasan cukup penting, skor 4 kemasan penting, dan skor 5
kemasan sangat penting. Tanda silang dikolom angka 4 menunjukkan bahwa responden menganggap kemasan dalam produk es krim Mini Melts penting.
Kemudian konsumen diminta untuk menunjukkan kemasan produk es krim Mini Melts yang ideal menurut mereka, dan konsumen diminta meletakkan
kepercayaan mereka akan kemasan produk es krim Mini Melts dalam skor skala 1 sampai dengan 5.
1 2
3 4
5
O X 1
2 3
4 5
Kemasan sangat menarik
Kemasan sangat tidak menarik
Maka skor 1 menandakan kemasan sangat tidak menarik, skor 2 kemasan tidak menarik, skor 3 kemasan cukup menarik, skor 4 kemasan menarik, dan skor
5 berarti kemasan sangat menarik. Tanda silang menunjukkan bahwa atribut kemasan produk es krim yang ideal adalah yang sangat menarik. Sementara itu,
konsumen menilai bahwa kemasan produk yang dimiliki oleh produk es krim Mini Melts cukup menarik. Hal ini ditunjukkan oleh huruf “O” pada kolom
angka 3. Selisih antara skor atribut produk ideal dengan kepercayaan pada atribut
tertentu menggambarkan kesenjangan antara produk dengan gambaran produk ideal yang dinginkan konsumen. Maka, sebenarnya skor terbaik A
b
yang dapat diterima oleh suatu merek adalah nol atau yang paling mendekati nol, yang akan
menunjukkan bahwa merek tersebut cocok sempurna dengan konfigurasi atribut yang ideal. Keadaan ini menunnjukkan bahwa sikap konsumen yang semakin
mendukung terhadap produk tersebut. Penelitian ini menganalisis keragaan atribut terhadap produk es krim Mini
Melts. Analisis yang digunakan untuk mengetahui sikap responden terhadap atribut es krim Mini Melts adalah Model Multiatribut Angka Ideal. Adapun atribut
yang dianalisis berjumlah sebelas atribut yaitu ukuran produk, rasa produk, kandungan gizi, harga, ketersediaan produk, kehalalan produk, promosi produk,
tekstur produk, kandungan bahan alami, kandungan zat pewarna alami pada produk dan merek produk. Mengenai pembahasan keragaan atribut ideal yaitu
nilai tingkat kepentingan atribut, tingkat kepercayaan atribut dan kinerja ideal atribut adalah berdasarkan pertanyaan kuesioner pada Lampiran 4. Model Angka
Ideal bertujuan untuk menentukan sikap responden terhadap produk es krim Mini Melts yang ideal menurut konsumen.