Uji asumsi analisis faktor

1 1 11 1 12 2 112 12 1 2 2 21 1 22 2 212 12 2 3 3 31 1 32 2 312 12 3 4 4 41 1 42 2 412 12 4 5 5 51 1 52 2 512 12 5 6 6 61 1 62 2 612 12 6 7 7 71 1 72 2 X l F l F l F X l F l F l F X l F l F l F X l F l F l F X l F l F l F X l F l F l F X l F l F µ ε µ ε µ ε µ ε µ ε µ ε µ − = + + + + − = + + + + − = + + + + − = + + + + − = + + + + − = + + + + − = + + +        712 12 7 8 8 81 1 82 2 812 12 8 9 9 91 1 92 2 912 12 9 10 10 101 1 102 2 1012 12 10 11 11 111 1 12 2 1112 12 11 12 12 121 1 112 2 1212 12 12 l F X l F l F l F X l F l F l F X l F l F l F X l F l F l F X l F l F l F ε µ ε µ ε µ ε µ ε µ ε + − = + + + + − = + + + + − = + + + + − = + + + + − = + + + +      Dalam bentuk matriks: F F F F X X X                 ε ε ε ε +                                 +                 µ µ µ µ =                 12 3 2 1 12 3 2 1 1212 123 122 121 312 33 32 31 212 23 22 21 112 13 12 11 12 3 2 1 12 3 2 1 ... ... ... ... ... ... ... ... ... ... ... ... ... X                 Keterangan: X 1 = variabel kenyamanan X 2 = variabel keamanan X 3 = variabel harga X 4 = variabel fasilitas X 5 = variabel refund X 6 = variabel promosi X 7 = variabel pelayanan X 8 = variabel rute penerbangan X 9 = variabel akses pemesanan tiket X 10 = variabel ketepatan waktu keberangkatan X 11 = variabel handling complain X 12 = variabel brand F i = faktor common l ij = loadingdari variabel ike faktor ke j ε i = residual pada variabel ke i Bagian dari varian variabel ke – i dari mcommon faktor disebut komunalitas ke – i yang merupakan jumlah kuadrat dari loading variabel ke – i pada mcommon faktor Johnson Wichern, 2002, dengan rumus : 2 2 2 2 2 1 11 12 13 112 h l l l l = + + + +  2 2 2 2 2 2 21 22 23 212 2 2 2 2 2 12 121 122 123 1212 h l l l l h l l l l = + + + + = + + + +   

3.3.2 Identifikasi kecukupan data

Kecukupan data atau samplel dapat diidentifikasi melalui nilai Measure of Sampling Adequacy MSA dan Kaiser-Meyer-Olkin KMO. Nilai kedua ukuran tersebut bisa didapatkan dengan bantuan software SPSS. Mengacu pada landasan teori bahwa sekelompok data dikatakan memenuhi asumsi kecukupan data adalah jika nilai MSA dan KMO lebih besar daripada 0.5 J.F.Hair,2006. Berikut ini adalah output nilai MSA dan KMO dari SPSS. Tabel 3.7 Output MSA dan KMO dari SPSS MSA dan KMO Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .658 Sumber: Data primer Ratri diolah, 2014 Berdasarkan tabel 3.7 dapat diketahui bahwa asumsi kecukupan data telah terpenuhi yaitu dengan melihat nilai MSA dan KMO sebesar 0.658 pada output SPSS. Uji kecukupan data atau sampel telah terpenuhi, berarti salah satu asumsi untuk melanjutkan ke analisis faktor telah terpenuhi.

3.3.3 Identifikasi korelasi antar variabel

Antar variabel harus memenuhi asumsi berkorelasi. Untuk membantu mengidentifikasi korelasi antar variabel digunakan bantuan software SPSS. Berdasarkan landasan teori bahwa hipotesis untuk uji korelasi ini adalah sebagai berikut, H : Matriks korelasi adalah matriks identitas H 1 : Matriks korelasi bukan matriks identitas Tabel 3.8Output Bartlett’s Test of Sphericity dari SPSS Bartletts Test Bartletts Test of Sphericity Approx. Chi-Square 244.812 Df 55 Sig. .000 Sumber: Data primer Ratri diolah, 2014 Dari tabel 3.8 diketahui bahwa antar variabel faktor-faktor keunggulan maskapai penerbangan Airasia Indonesia telah memenuhi asumsi saling berkorelasi yaitu dengan melihat nilai Sig. 0.000 kurang dari α 0.05 yang berarti tolak H . Dengan demikian kedua asumsi untuk analisis faktor telah terpenuhi.

3.3.4 Penentuan banyak faktor dan pengelompokan variabel berdasarkan loading factor

Dengan menggunakan software statistika yaitu SPSS, akan diperoleh komponen jumlah faktor. Keputusan pengambilan jumlah faktor sebanyak didasarkan pada nilai