28
c. Penentuan Berdasarkan Scree Plot
Scree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang dihasilkan digunakan untuk menentukan banyaknya faktor.
Biasanya plot akan berbeda antara slope tegak faktor, dengan eigenvalue yang besar dan makin kecil pada sisa faktor yang tidak perlu diekstraksi.
d. Penentuan Berdasarkan Persentase Varians
Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentasi kumulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat persentase kumulatif
yang memuaskan peneliti tergantung kepada permasalahannya.Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau kumulatif persentase varians sudah mencapai paling
sedikit 60 atau 75 dari seluruh varians variabel asli.
e. Penentuan Split-Half Reliability
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masing-masing bagian. Hanya faktor yang memiliki faktor loading tinggi antar dua bagian itu yang akan
dipertahankan.
f. Penentuan Berdasarkan Uji Signifikan
Dimungkinkan untuk menentukan signifikansi statistik untuk eigenvalue yang terpisah dan mempertahankan faktor-faktor yang berdasarkan uji statistik eigenvaluenya
signifikan pada α = 5 atau α = 1. Penentuan banyaknya faktor dengan cara ini memiliki kelemahan,
khususnya pada ukuran sampel yang besar misalnya diatas 200 responden, banyak faktor yang menunjukkan uji signifikan, walaupun dari pandangan praktis banyak faktor yang
mempunyai sumbangan terhadap seluruh varians hanya kecil.
6. Menghitung matriks faktor loading
Matriks loading factor Λ diperoleh dengan mengalikan matriks eigenvector � dengan
akar dari matriks eigenvalue �. Atau dalam persamaan matematis ditulis
� = � × √�
29
7. Melakukan Rotasi Faktor
Sebuah output penting dari analisis faktor adalah matriks faktor atau disebut juga sebagai matriks faktor pola. Matriks faktor mengandung koefisien yang digunakan untuk
mengekspresikan variabel yang dibakukan distandarisasi dinyatakan dalam faktor. Koefisien-koefisien tersebut atau faktor loadings merupakan korelasi antara faktor dengan
variabelnya. Sebuah koefisien dengan nilai absolut yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat. Koefisien tersebut bisa digunakan untuk menginterpretasi
faktor.
Walaupun matriks faktor awal atau unrotated factormatrix mengindikasikan hubungan antara faktor dengan variabel individu tertentu, akan tetapi masih sulit.diambil
kesimpulannya tentang banyaknya faktor yang bisa diekstraksi, hal ini disebabkan karena faktor berkorelasi dengan banyaknya variabel atau sebaliknya variabel tertentu masih banyak
berkorelasi dengan banyak faktor.
Dalam merotasi faktor, diharapkan setiap faktor memiliki loading faktor atau koefisien yang tidak nol, atau signifikan hanya untuk beberapa variabel. Atau, diharapkan
setiap variabel memiliki faktor loadings signifikan hanya dengan sedikit faktor, atau kalau mungkin dengan sebuah faktor. Rotasi tidak berpengaruh terhadap komunalitas dan
persentase total varians yang dijelaskan. Namun demikian, rotasi berpengaruh terhadap persentase varians dari setiap faktor. Beberapa metode rotasi yang bisa digunakan adalah
orthogonal rotation, varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau sumbu dipertahankan tegak lurus sesamanya bersudut 90 derajat. Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi
ortogonal dengan meminimumkan banyaknya variabel yang memiliki loadings tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasi faktor. Rotasi ortogonal menghasilkan
faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya bersudut 90 derajat dan faktor-faktor
berkorelasi. Kadang-kadang, mentoleransi korelasi antar faktor-faktor bisa menyederhanakan matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam populasi
berkorelasi sangat kuat.
30
8. Interpretasi Faktor
Interpretasi dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasikan menurut variabel-variabel yang
memiliki loading tinggi dengan faktor tersebut. Cara lain yang bisa digunakan adalah melalui pivot variabel dengan faktor loading sebagai koordinat. Variabel yang berada pada akhir
sebuah sumbu adalah variabel yang memiliki loading tinggi hanya pada faktor yang bersangkutan, sehingga bisa digunakan untuk mengiterpretasi faktor. Variabel yang berada di
dekat titik origin memiliki loading yang rendah terhadap kedua faktor. Variabel yang tidak berada di dekat sumbu mengindikasi bahwa variabel tersebut berkorelasi dengan kedua
faktor. Jika sebuah faktor tidak bisa secara jelas didefinisikan dalam batas variabel awalnya, maka disebut faktor umum.
9. Menentukan Ketepatan Model model fit
Langkah terakhir dalam analisis faktor adalah menetukan ketepatan model model fit. Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi terobservasi dapat
menjadi atribut dari faktor atau komponen. Untuk itu, korelasi terobservasi dapat direproduksi melalui estimasi korelasi antara variabel terhadap faktor. Selisih antara korelasi
dari data observasi dengan korelasi reproduksi dapat digunakan dengan mengukur ketepatan model. Selisih tersebut disebut sebagai residuals. Jika banyak residual yang besar residual
0,05, berarti model faktor yang dihasilkan tidak tepat sehingga model perlu dipertimbangkan kembali.
31
BAB 3
PEMBAHASAN DAN HASIL
3.1 Populasi, Sampel dan Teknik Pengambilan Sampel
Populasi dalam penelitian ini adalah seluruh nasabah pada PT. Asuransi Ekspor Indonesia Persero. Jumlah nasabah yang telah menggunakan jasa Asuransi ASEI pada tahun 2014
adalah 225 data diperoleh dari pencatatan karyawan Asuransi ASEI
Tabel 3.1 Daftar jumlah nasabah Asuransi ASEI Cabang Medan Tahun 2014
No Produk
Jumlah Nasabah
1 Asuransi Ekspor
12 2
Asuransi Kredit 17
3 Asuransi Umum
115 4
Suretyship 81
TOTAL 225
Jumlah sampel dalam penelitian ini adalah 70 responden. Langkah-langkah dalam penentuan sampel, tahap pertama adalah menentukan banyaknya jumlah sampel dari seluruh
populasi yang telah diketahui dan kemudian tentukan tingkat presisi yang ditetapkan yaitu 10 dengan rumus slovin sebagai berikut:
2
1 Ne
N n
+ =
� = 225
1 + 2250,1
2
� = 225
3,25 = 69,23
� = 70 ��������� Jadi, jumlah sampel adalah 70 responden.
Kemudian menentukan sampel secara proporsional dengan rumus:
32 �
�=
�
�
� .
� �
1
= 12
225 70 = 3,733 = 4
��������� �
2
= 17
225 70 = 5,288 = 5
��������� �
3
= 115
225 70 = 35,77 = 36
��������� �
8
= 81
225 70 = 25,2 = 25
���������
Tahap kedua adalah menentukan bagaimana tekhnik pengambilan sampel.Ada dua macam tekhnik pengambilan sampling yaitu probability sampling dan non probability
sampling.Probability sampling adalah tekhnik sampling untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. Dalam penelitian
ini tekhnik pengambilan sampel yang digunakan adalah probability sampling dengan proportionated stratiefied random sampling yaitu pengambilan sampel dari anggota populasi
secara acak dan berstrata secara proporsional. Sampling ini dilakukan karena jumlah populasinya heterogen tidak sejenis
Tabel 3.2 Jumlah Sampel pada tiap-tiap produk
No Produk
Jumlah Sampel
1 Asuransi Ekspor
4 2
Asuransi Kredit 5
3 Asuransi Umum
36 4
Suretyship 25
TOTAL 70
3.2 Variabel Penelitian