menginap sehingga akan meningkatkan pendapatan usaha. Hal ini sejalan dengan penjelasan dari pengelola hotel bahwa dari 100 kunjungan online, 10 terkonversi
menjadi tamu yang menginap di hotel tersebut Altaf, wawancara, 5 Agustus 2015.
Tabel 5.38 Tingkat Persepsi Manfaat Media Online terhadap Pertumbuhan Usaha
Variabel Kode
Indikator Rata-Rata
Pertumbuhan Usaha
Y.1 Brand awareness
4.63 Y.2
Brand identity 4.40
Y.3 Brand loyalty
4.40 Y.4
Peningkatan market share 4.34
Y.5 Peningkatan ROI
4.09 Y.6
Peningkatan Pendapatan Perusahaan 4.40
Y.7 Peningkatan Jumlah Visitor Media Online
4.43 Y.8
Peningkatan Jumlah Visitor yang Menginap 4.34
Sumber: Hasil Pengolahan Data, 2015
5.6.2 Analisis Faktor Manfaat Media Online terhadap Pertumbuhan Usaha
Indikator untuk variabel pertumbuhan usaha meliputi: 1 Y.1 brand awareness, 2 Y.2 brand identity, 3 Y.3 brand loyalty, 4 Y.4 market share,
5 Y.5 return on investment, 6 Y.6 revenue, 7 Y.7 jumlah visitor yang mengunjungi media online, dan 8 Y.8 jumlah visitor yang menginap di hotel.
Sebelumnya, pemenuhan asumsi-asumsi harus dilakukan. Berdasarkan perhitungan dengan SPSS versi 21, diperoleh besar nilai KMO MSA 0,696 dan
signifikansi 0,000. Kedua nilai ini telah memenuhi asumsi dimana nilai KMO MSA di atas 0,5 dan signifikansi kurang dari 0,05. Dengan demikian dapat
diproses untuk asumsi lebih lanjut.
Tabel 5.39 Hasil Uji KMO dan Barlett’s Variabel Pertumbuhan Usaha
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .696
Bartletts Test of Sphericity Approx. Chi-Square
148.968 Df
28 Sig.
.000 Sumber: Hasil Pengolahan Data, 2015
Asumsi berikutnya berkaitan dengan nilai MSA. Pada tabel anti-image
matrices di bawah dapat diketahui nilai MSA pada bagian anti-image correlation yaitu pada angka yang memiliki tanda a. Nilai MSA Y.1 sampai dengan Y.8
menunjukkan nilai anti-image correlation lebih besar dari 0,5. Dengan demikian asumsi terpenuhi dan proses analisis dapat dilanjutkan.
Tabel 5.40 Matriks Anti-Image Antar Indikator
Variabel Pertumbuhan Usaha Y.1 Y.2
Y.3 Y.4
Y.5 Y.6 Y.7 Y.8
Anti-image Covariance
Y.1 .322 -.132 -.048 -.102
.120 -.111 -.181 .102 Y.2 -.132 .375 -.211 .085 -.075 .017 -.036 .004
Y.3 -.048 -.211 .458 -.047
.018 .041 .092 -.110 Y.4 -.102 .085 -.047 .781
.008 -.019 .006 -.040 Y.5
.120 -.075 .018 .008
.367 -.140 -.162 .066 Y.6 -.111 .017
.041 -.019 -.140 .154 .097 -.130 Y.7 -.181 -.036
.092 .006 -.162 .097 .362 -.127 Y.8
.102 .004 -.110 -.040 .066 -.130 -.127 .191
Anti-image Correlation
Y.1 .625
a
-.380 -.124 -.203 .350 -.497 -.530 .412
Y.2 -.380 .774
a
-.508 .158 -.203 .070 -.098 .014 Y.3 -.124 -.508 .717
a
-.079 .043 .154 .226 -.373
Y.4 -.203 .158 -.079 .879
a
.015 -.055 .011 -.105 Y.5
.350 -.203 .043 .015 .665
a
-.588 -.445 .250 Y.6 -.497 .070
.154 -.055 -.588 .617
a
.413 -.762 Y.7 -.530 -.098
.226 .011 -.445 .413 .639
a
-.483 Y.8
.412 .014 -.373 -.105 .250 -.762 -.483 .634
a
a. Measures of Sampling AdequacyMSA Sumber: Hasil Pengolahan Data, 2015
Pada tahap ini telah memasuki inti dari analisis faktor. Output pertama yang diperoleh adalah tabel komunalitas.
Komunalitas dinyatakan dalam bentuk persentase dan menunjukkan jumlah varians dari suatu indikator yang dapat
dijelaskan oleh faktor yang terbentuk Santoso, 2010: 82. Tabel 5.41
Komunalitas Indikator Variabel Pertumbuhan Usaha Initial
Extraction Y.1
1.000 .681
Y.2 1.000
.829 Y.3
1.000 .654
Y.4 1.000
.291 Y.5
1.000 .672
Y.6 1.000
.847 Y.7
1.000 .569
Y.8 1.000
.766 Extraction Method: Principal Component Analysis.
Sumber: Hasil Pengolahan Data, 2015 Berdasarkan tabel komunalitas di atas, diperoleh nilai komunalitas untuk
masing-masing indikator. Untuk indikator Y.1 nilai komunalitasnya 0,681. Hal ini
berarti sekitar 68,1 persen varians dari indikator Y.1 bisa dijelaskan oleh faktor yang terbentuk. Indikator Y.2 memiliki nilai komunalitas 0,829. Indikator Y.3
memiliki nilai komunalitas 0,654. Indikator Y.4 memiliki nilai komunalitas 0,291. Indikator Y.5 memiliki nilai komunalitas 0,672. Indikator Y.6 memiliki nilai
komunalitas 0,847. Indikator Y.7 memiliki nilai komunalitas 0,569. Indikator Y.8 memiliki nilai komunalitas 0,766. Semakin besar nilai komunalitas berarti
semakin erat hubungannya dengan faktor yang terbentuk Santoso, 2010: 82.
Output berikutnya dari analisis faktor adalah tabel total variance explainded. Tabel 5.42 di bawah yaitu pada kolom component menunjukkan
bahwa ada delapan indikator yang digunakan dalam analisis faktor yaitu Y.1,Y.2, Y.3, Y.4, Y.5, Y.6, Y.7 dan Y.8. Varians faktor 1 faktor yang terbentuk adalah
52,879 persen. Varians faktor 2 faktor yang terbentuk adalah 1,0808 x 100 = 13,496 persen. Ini berarti bahwa, secara total, kedua faktor dapat menjelaskan
66,375 persen dari variabilitas delapan indikator aslinya. Dengan memperhatikan kolom initial eigenvalues, diketahui bahwa terdapat dua faktor yang memiliki
nilai 1 yaitu faktor 1 dengan nilai 4,230 dan faktor 2 dengan nilai 1,080. Sehingga factoring process berhenti pada faktor 2.
Tabel 5.42 Total Variance Explained untuk Variabel Pertumbuhan Usaha
Comp.
Initial Eigenvalues Extraction Sums of
Squared Loadings Rotation Sums of Squared
Loadings
Total of
Variance Cumulative
Total of
Variance Cumulative
Total of
Variance Cumulative
1 4.230 52.879
52.879 4.230 52.879
52.879 2.871 35.883
35.883 2
1.080 13.496 66.375
1.080 13.496 66.375
2.439 30.492 66.375
3 .872
10.898 77.273
4 .741
9.262 86.535
5 .402
5.030 91.566
6 .374
4.673 96.238
7 .225
2.816 99.054
8 .076
.946 100.000
Sumber: Hasil Pengolahan Data, 2015 Setelah diketahui dua faktor terbentuk, output tabel berikutnya
menunjukkan factor loadings. Semakin tinggi nilai factor loadings setiap
indikator, maka semakin besar pengaruhnya terhadap faktor yang terbentuk, demikian juga sebaliknya.
Pengelompokan indikator dilakukan dengan
perbandingan besar nilai factor loadings pada tiap baris dimana tanda hanya menunjukkan arah korelasi.
Tabel 5.43 Component Matrix Variabel Pertumbuhan Usaha dengan Rotasi Varimax
Component 1
2 Y.1
.755 .334
Y.2 .735
.537 Y.3
.649 .482
Y.4 .480
-.247 Y.5
.717 -.398
Y.6 .843
-.370 Y.7
.754 .004
Y.8 .822
-.302 Extraction Method: Principal Component Analysis.
a. 2 components extracted.
Sumber: Hasil Pengolahan Data, 2015 Pada Tabel 5.43 di atas ini terlihat bahwa beberapa indikator belum jelas
diletakkan pada faktor 1 atau faktor 2. Oleh karena itu dilakukan rotasi agar semakin jelas peletakan tiap indikator.
Tabel 5.44 Rotated Component Matrix
Component 1
2 Y.1
.349 .748
Y.2 .202
.888 Y.3
.173 .790
Y.4 .524
.129 Y.5
.802 .171
Y.6 .879
.275 Y.7
.566 .499
Y.8 .818
.312 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a
Sumber: Hasil Pengolahan Data, 2015
Berdasarkan rotasi yang dilakukan diperoleh hasil pengelompokan indikator
menjadi sebagai berikut faktor 1 terdiri atas Y.4, Y.5, Y.6, Y.7 dan Y.8. dan faktor 2 terdiri atas Y.1,Y.2, dan Y.3.
Output berikutnya adalah tabel component transformation matrix. Tabel 5.45 ini menunjukkan angka-angka diagonal yang antara komponen 1 dengan 1,
komponen 2 dengan 2 di atas 0,5 yaitu sama-sama bernilai 0,754. Hal ini menunjukkan bahwa dua faktor yang terbentuk sudah tepat karena mempunyai
korelasi yang tinggi. Tabel 5.45
Component Transformation Matrix Component
1 2
1 .754
.657 2
-.657 .754
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Sumber: Hasil Pengolahan Data, 2015 Berdasarkan analisis faktor terdapat 2 kelompok indikator, kelompok 1
berhubungan dengan profitabilitas, yaitu Y.4 market share, Y.5 return on investment, Y.6 revenue, Y.7 jumlah visitor di media online, dan Y.8 jumlah
visitor yang menginap. Kelompok 2 berhubungan dengan branding yaitu Y.1 brand awareness, Y.2 brand identity, dan Y.3 brand loyalty. Dari lima indikator
yang memiliki nilai korelasi teratas, tiga diantaranya adalah terkait dengan branding yaitu Y.1, Y.2 dan Y.3. Hal ini menunjukkan bahwa media online
dinilai lebih berdampak pada brand. Pemasaran dengan media online juga dinilai berpengaruh terhadap profitabilitas terutama terhadap revenue perusahaan. Hal ini
ditunjukkan dengan nilai korelasi Y.6 pada kelompok faktor 2 yaitu 0,879.
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang diperoleh dari penelitian ini adalah 1.
Semua hotel bintang 1-5 di Kecamatan Kuta telah menggunakan media online
sebagai alat pemasaran usahanya. Dari 19 media online yang diteliti terdapat tujuh media online yang paling banyak digunakan yaitu: search engine, e-
mail, website, twitter.com, facebook.com, online travel agent OTA dan tripadvisor.com. Alasan penggunaan media online tersebut untuk attract,
engage dan retain kunjungan di media online yang dikelola hotel. Dengan demikian akan berdampak langsung pada pemasaran hotel sehingga dapat
meningkatkan penjualan kamar. 2.
Berdasarkan perhitungan rata-rata tingkat persepsi pengelola hotel 1-5 di Kecamatan Kuta diperoleh nilai 4,08 yang berarti bahwa fitur-fitur yang
dimiliki media online dinilai bermanfaat dalam menghasilkan fungsi pemasaran digital. Fitur yang dinilai sangat bermanfaat adalah melakukan
update content secara berkala agar media online terlihat fresh X3.1 untuk fungsi retain, daftar di search engine X1.2 untuk fungsi attract, dan content
yang unik dan bermanfaat X2.2 untuk fungsi engage. Berdasarkan analisis
faktor, fitur yang dinilai paling bermanfaat untuk fungsi attract adalah
pendaftaran media online di mesin pencarian X1.2. Fitur yang dinilai paling bermanfaat untuk fungsi engage adalah membangun komunitas virtual X2.4.
154
