Zscore: Ketersediaan dan kebersihan Musholla di stasiun
.0000000 409.559
.626 .941
Zscore: Ketersediaan Nursery ruang ibu dan anak di stasiun
.0000000 410.648
.599 .942
Zscore: Ketersediaan counter penjualan tiket maskapai
.0000000 413.496
.527 .942
Zscore: Ketersediaan counter city check-in untuk seluruh maskapai
.0000000 410.314
.607 .942
Zscore: Ketersediaan counter money changer
.0000000 408.982
.641 .941
Zscore: Ketersediaan coffee-shop ataupun mini-market
.0000000 411.346
.581 .942
Zscore: Ketersediaan hotel transit .0000000
407.846 .670
.941 Zscore: Ketersediaan counter travel
agentaksi sebagai moda transportasi untuk meninggalkan
stasiun .0000000
414.041 .513
.942
4. 1. 5 Analisis Data
Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah dalam analisis faktor adalah sebagai berikut:
4.1.5.1 Membentuk Matriks Korelasi
Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor bisa menjadi tepat dipergunakan, variabel-variabel yang akan dianalisis harus berkorelasi.
Apabila koefisien korelasi antar variabel terlalu kecil berati hubungannya lemah, berarti metode analisis faktor kurang tepat untuk dipergunakan.
Universitas Sumatera Utara
Perhitungan nilai korelasi masing-masing variabel diperoleh dengan memakai rumus korelasi product moment:
2 2
2 2
2 1
2 1
2 1
2 1
. X
X n
X X
n X
X X
X n
r
xy
Contoh perhitungan korelasi antara variabel a І dengan aЇ:
Tabel 4.7 Tabel Korelasi Antar Variabel No.
1 2.587
2.414 6.245
6.692 5.828
2 2.587
2.414 6.245
6.692 5.828
3 1.000
2.414 2.414
1.000 5.828
4 2.587
3.810 9.855
6.692 14.513
5 1.000
1.000 1.000
1.000 1.000
6 2.587
2.414 6.245
6.692 5.828
7 1.000
1.000 1.000
1.000 1.000
8 2.587
2.414 6.245
6.692 5.828
9 1.000
1.000 1.000
1.000 1.000
10 1.000
2.414 2.414
1.000 5.828
. .
. .
. .
. .
. .
. .
. .
. .
. .
185 2.587
2.414 6.245
6.692 5.828
Total 418.375
372.763 888.825
1070.756 892.703
Universitas Sumatera Utara
345 ,
815 ,
24574 952
, 8477
655 ,
603921553 952
, 8477
536 ,
26197 609
, 23052
952 ,
8477 460
, 138952
995 ,
165149 304
, 175037
914 ,
198089 686
, 155954
637 ,
164432 763
, 372
703 ,
892 185
375 ,
418 756
, 1070
185 763
, 372
375 ,
418 825
, 888
185 .
2 1
2 1
2 1
2 1
2 1
2 1
2 1
2 2
2 2
2 2
2 1
2 1
2 1
2 1
r r
r r
r r
a a
a a
a a
a a
r
a a
a a
a a
a a
a a
a a
n n
n a
a
Dengan perhitungan diatas, maka diperoleh nilai korelasi antara variabel a І dengan aЇ
adalah 0,345. Hasil tersebut hampir sama dengan output SPSS. Dengan melakukan cara yang sama dengan diatas atau dengan menggunakan SPSS maka akan diperoleh matriks
korelasi antara variabel sebagai berikut:
Universitas Sumatera Utara
Tabel 4.8 Tabel Korelasi Matriks
tabel selengkapnya dicantumkan pada lampiran.
Pada penelitian ini matriks korelasi yang dibentuk dari data yang diperoleh untuk mengetahui seberapa besar korelasi antar 36 variabel tersebut. Terlihat korelasi yang
cukup kuat antar variabel a І dengan aЇ sehingga diharapkan nantinya bahwa variabel-
variabel lainnya akan berkorelasi dengan faktor yang sama. Data mengenai 36 variabel yang berasal dari jawaban 185 orang responden
kemudian dianalisa pada anti image correlation. Uji ini dilakukan dengan memperhatikan angka KMO dan MSA. Kriteria kesesuaian dalam pemakaian analisis
faktor adalah : Jika harga KMO sebesar 0,9 berarti sangat memuaskan,
Jika harga KMO sebesar 0,8 berarti memuaskan,
Z sc
or e:
K em
uda ha
n
m enj
angk au l
oka si
s ta
si un
Z sc
or e:
K et
er se
di aa
n
inf or
m as
i be rka
it an de
nga n
ja dw
al K
A Z
sc or
e: K
et epa
ta n j
adw al
pe rj
al ana
n K A
Z sc
or e:
K em
am pua
n
m em
be ri
ka n pe
la ya
na n
te rba
ik pa da
pe num
pa ng
Z sc
or e:
K em
uda ha
n da la
m
m em
pe rol
eh i nf
or m
as i ya
ng
akt ua
l da n t
er upd
at e
Z sc
or e:
K em
uda ha
n da la
m
si st
em pe
m be
li an t
ike t
Z sc
or e:
H ar
ga t
ike t ya
ng
di ta
w ar
ka n
. .
.
Z sc
or e
Y Zscore: Kemudahan menjangkau lokasi stasiun
1.000 0.347
0.131 0.217
0.211 0.246
0.199 .
. .
0.400 Zscore: Ketersediaan informasi berkaitan
dengan jadwal KA 0.347
1.000 0.215
0.318 0.298
0.364 0.341
. .
. 0.406
Zscore: Ketepatan jadwal perjalanan KA 0.131
0.215 1.000
0.139 0.110
0.117 0.149
. .
. 0.285
Zscore: Kemampuan memberikan pelayanan terbaik pada penumpang
0.217 0.318
0.139 1.000
0.199 0.372
0.162 .
. .
0.337 Zscore: Kemudahan dalam memperoleh
informasi yang aktual dan terupdate 0.211
0.298 0.110
0.199 1.000
0.120 0.142
. .
. 0.242
Zscore: Kemudahan dalam sistem pembelian tiket
0.246 0.364
0.117 0.372
0.120 1.000
0.108 .
. .
0.406 Zscore: Harga tiket yang ditawarkan
0.199 0.341
0.149 0.162
0.142 0.108
1.000 .
. .
0.250 .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. ZscoreY
0.400 0.406
0.285 0.337
0.242 0.406
0.250 .
. .
1.000 Correlation Matrix
C or
re la
ti on
Universitas Sumatera Utara
Jika harga KMO sebesar 0,7 berarti harga menengah, Jika harga KMO sebesar 0,6 berarti cukup,
Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan Jika harga KMO kurang dari 0,5 tidak dapat diterima.
Tabel 4.9 Tabel Kaiser-Meyer-Olkin
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .924
Bartletts Test of Sphericity Approx. Chi-Square
2.966E3 df
666 Sig.
.000
Hasil perhitungan menunjukkan besaran nilai Barlett Test of Sphericity adalah 2965,52 pada signifikan 0,000 yang berarti matriks korelasi bukan merupakan matriks
identitas sehingga dapat dilakukan analisis komponen utama. Hasil perhitungan KMO sebesar 0,924 sehingga kecukupan sampel termasuk kategori sangat layak untuk
kepentingan analisis faktor. Oleh karena itu variabel-variabel dapat diteliti lebih lanjut.
Universitas Sumatera Utara
Tabel 4.10 Tabel Nilai Measure Of Sampling Adequecy MSA
Dengan melihat anti image correlation diketahui ke-36 variabel menunjukkan kriteria angka MSA lebih besar dari 0,5 yang berarti semua variabel masih bisa diprediksi untuk
dianalisa lebih lanjut. Dari kedua hasil pengujian diatas, semua variabel mempunyai korelasi yang cukup tinggi dengan variabel lain, sehingga analisis layak untuk dilanjutkan
dengan mengikutkan 36 variabel. tabel selengkapnya pada lampiran
4.1.5.2 Ekstraksi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada KMO 0,5 sehingga terbentuk satu atau lebih
Z sc
or e:
K em
uda ha
n
m enj
angk au l
oka si
s ta
si un
Z sc
or e:
K et
er se
di aa
n
inf or
m as
i be rka
it an de
nga n
ja dw
al K
A Z
sc or
e: K
et epa
ta n j
adw al
pe rj
al ana
n K A
Z sc
or e:
K em
am pua
n
m em
be ri
ka n pe
la ya
na n t
er ba
ik
pa da
pe num
pa ng
Z sc
or e:
K em
uda ha
n da la
m
m em
pe rol
eh i nf
or m
as i ya
ng
akt ua
l da n t
er upd
at e
Z sc
or e:
K em
uda ha
n da la
m
si st
em pe
m be
li an t
ike t
Z sc
or e:
H ar
ga t
ike t ya
ng
di ta
w ar
ka n
. .
. Z
sc or
e Y
Zscore: Kemudahan menjangkau lokasi stasiun
.930a -0.11
0.06 -0.01
0.03 0.01
-0.05
. .
.
-0.03
Zscore: Ketersediaan informasi berkaitan dengan jadwal KA
-0.11 .941a
-0.05 -0.05
-0.15 -0.19
-0.20
. .
.
0.02
Zscore: Ketepatan jadwal perjalanan KA
0.06 -0.05
.868a -0.02
0.02 0.12
-0.08
. .
.
-0.07
Zscore: Kemampuan memberikan pelayanan terbaik
pada penumpang
-0.01 -0.05
-0.02 .924a
-0.01 -0.21
0.01
. .
.
0.02
Zscore: Kemudahan dalam memperoleh informasi yang
aktual dan terupdate
0.03 -0.15
0.02 -0.01
.891a 0.11
0.05
. .
.
0.10
Zscore: Kemudahan dalam sistem pembelian tiket
0.01 -0.19
0.12 -0.21
0.11 .871a
0.07
. .
.
-0.14
Zscore: Harga tiket yang ditawarkan
-0.05 -0.20
-0.08 0.01
0.05 0.07
.854a
. .
.
-0.07
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
ZscoreY
-0.03 0.02
-0.07 0.02
0.10 -0.14
-0.07
. .
.
.964a
a. Measures of Sampling AdequacyMSA
Anti-image Matrices
A n
ti -i
m age
C or
re lat
ion
Universitas Sumatera Utara
faktor. Metode yang digunakan untuk tahap ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax bagian dari orthogonal.
Principal Component Analysis atau Analisis Komponen Utama adalah tekhnik yang digunakan untuk menyederhanakan suatu data dengan cara mentrasformasi data
secara linear sehingga terbentuk system koordinat baru dengan varians maksimum. Analisis ini digunakan untuk mereduksi dimensi suatu data tanpa mengurangi
karakteristik data tersebut secara secara signifikan. https:id.wikipedia.org
Metode varimax adalah metode rotasi orthogonal tegak lurus untuk meminimalisasi jumlah indicator yang mempunyai faktor loading tinggi pada tiap faktor.
Rotasi Varimax memaksimalkan faktor pembobot, dan mengakibatkan korelasi variabel- variabel dengan suatu faktor mendekati 1 satu, serta korelasi dengan faktor lainnya
mendekati 0 nol sehingga mudah diinterpretasikan. https:id.wikipedia.org
a. Komunalitas
