Analisis Faktor Pengaruh Strategi Marketing Mix Dalam Keputusan Nasabah Menggunakan Jasa Asuransi Di Pt. Asuransi Ekspor Indonesia (Persero)

(1)

JASA ASURANSI DI PT. ASURANSI EKSPOR INDONESIA

(PERSERO)

SKRIPSI

MEUTIA ISNAINI

120823033

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

(2)

ANALISIS FAKTOR PENGARUH STRATEGI MARKETING MIX DALAM KEPUTUSAN NASABAH MENGGUNAKAN JASA

ASURANSI DI PT. ASURANSI EKSPOR INDONESIA (PERSERO)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

MEUTIA ISNAINI 120823033

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(3)

iii

PERSETUJUAN

Judul : ANALISIS FAKTOR PENGARUH STRATEGI

MARKETING MIX DALAM KEPUTUSAN NASABAH MENGGUNAKAN JASA ASURANSI DI PT. ASURANSI EKSPOR INDONESIA (PERSERO)

Kategori : SKRIPSI

Nama : MEUTIA ISNAINI

Nomor Induk Mahasiswa : 120823033

Program Studi : SARJANA (S1) MATEMATIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU

PENGETAHUANALAM (FMIPA) UNIVERSITAS SUMATERAUTARA

Diluluskan di

Medan, Januari 2015 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Drs. Partano Siagiaan, M.Sc Drs. Marihat Situmorang, M.kom.

NIP. 19560815198503 1 005 NIP. 19550202198601 1 001

Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, M.Si.Ph.D NIP. 196209011988031 002

(4)

PERNYATAAN

ANALISIS FAKTOR PENGARUH STRATEGI MARKETING MIX DALAM KEPUTUSAN NASABAH MENGGUNAKAN JASA ASURANSI

PT. ASURANSI EKSPOR INDONESIA (PERSERO)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya

Medan, Januari 2015

MEUTIA ISNAINI 120823033

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah memberikan rahmat dan hidayah-Nya sehingga skripsi ini dapat diselesaikan dalam waktu telah ditetapkan.

Ucapan terima kasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, Bapak Drs. Marihat Situmorang, M.Kom dan Bapak Drs. Partano Siagian, M.Sc selaku pembimbing yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan skripsi ini.

Penulis juga mengucapkan terima kasih kepada Bapak Prof. Dr. Tulus, M.Si. Ph.Dselaku ketua Departemen Matematika Ibu Dr. Mardiningsih, M.Si selaku sekretasis Departemen Matematika, Bapak Drs. Ujian Sinulingga, M.Si dan Bapak Drs. Henri Rani Sitepu, M.Si selaku penguji skripsi, dan staf pengajar Matematika di FMIPA USU, beserta pegawai Administrasi.

Penulis juga mengucapkan terima kasih kepada kedua orang tua yang tercinta Ibunda Rita Indriani dan Ayahanda Mirwansyah serta mama Erna Hanim Siregar, kakak tersayang Siti Khadijah, Mila Julaila, Diah Sri Rahayu dan Adek Purnama Sari yang telah memberikan semangat, motivasi, dan do’a dalam menyelesaikan skripsi ini. Akhirnya penulis juga mengucapkan terima kasih kepada teman seperjuangan Putri Ratnasari, Andina Agyta, Boby Maulanza, Febi Sandra Amelia, Nanda Sadzali, Nurul Novianti Sitorus, Dede Delvis Sahera, Chairil Fazri, Dwi Febrina Sari, Maghruro Agiihdini, dan seluruh teman-teman PT. Asuransi Ekspor Indonesia terima kasih atas motivasi dan bantuannya dalam menyelesaikan skripsi ini.

Semoga segala bentuk bantuan yang telah diberikan mendapat balasan yang jauh lebih baik dari Tuhan Yang Maha Esa.

Sebagai seorang mahasiswa, penulis menyadari bahwa masih banyak kekurangan di dalam menyelesaikan skripsi ini. Untuk itu, kritik dan saran yang membangun sangat diharapkan demi perbaikan tulisan ini.

Medan, Januari 2015 Penulis

(6)

iii

DI PT. ASURANSI EKSPOR INDONESIA (PERSERO)

ABSTRAK

Analisis faktor merupakan suatu teknik statistika yang digunakan untuk mereduksi/ meringkas data, menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang mempengaruhi keputusan nasabah dalam menggunakan jasa asuransi di PT. Asuransi Ekspor Indonesia (Persero) menurut asumsi/persepsi nasabah pada PT. Asuransi Ekspor Indonesia (Persero) selaku responden dalam penelitian ini. Berdasarkan hasil penelitian diperoleh 3 faktor yang dominan yang dapat mempengaruhi keputusan nasabah yaitu faktor keunggulan pemasaran (57,029 %), faktor promosi dan citra merk (17,488 %), faktor harga dan sumber daya manusia (11,671%). Ketiga faktor tersebut memberikan proporsi keragaman kumulatif sebesar 74,517% artinya ketiga faktor tersebut dapat mempengaruhi keputusan nasabah dalam menggunakan jasa asuransi di PT. Asuransi Ekspor Indonesia (Persero) sebesar 74,517 % dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model penelitian.

(7)

PT. ASURANSI EKSPOR INDONESIA (PERSERO)

ABSTRACT

Factor analysis is a multivariate statistical technique that used to reduce / summarized data, analyze the variable that allegedly have links with another one so that the relationship can be described and mapped or grouped on the right factors. This research used factor analysis to find out what are the dominant factors that affected the customer’s decision to used insurance service at PT. Asuransi Ekspor Indonesia (Persero). According to the customer’s assumption / perception on PT. Asuransi Ekspor Indonesia (Persero) as respondents in this study obtained three dominant factor that may affect the customer’s decision. There are Marketing Advantage Factor (57,029%), Promotion & Brand Image Factor (17,488%), and Price & Human Resources Factor (11,671%). All of these factors can be affect the customer’s decision to used insurance service at PT. Asuransi Ekspor Indonesia (Persero) amounted to 86,188% and the rest can be influenced by other factors that were not identified by the research model.

(8)

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstract v

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

Daftar Lampiran x

Bab 1 Pendahuluan 1

1.1. Latar Belakang 1

1.2. Perumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tinjauan Pustaka 3

1.5. Tujuan Penelitian 4

1.6. Kontribusi Penelitian 5

1.7. Metodologi Penelitian 5

Bab 2 Landasan Teori 7

2.1. Gambaran Umum PT. Asuransi Ekspor Indonesia (Persero) 7 2.2. Pengertian Asuransi dan Produk Asuransi ASEI 8

2.2.1. Produk-produk Asuransi ASEI 9

2.3. Pemasaran dan Strategi Marketing Mix 12

2.3.1. Pengertian pemasaran 12

2.3.2. Strategi Marketing Mix atau Campuran Pemasaran 13

2.4. Populasi dan Sampel 15

2.4.1. Populasi 15

2.4.2. Sampel 15

2.5. Variabel Penelitian 16

2.6. Jenis Sumber Data 16

2.7. Skala Pengukuran 16

2.8. Skala Untuk Instrumen (Model Skala Sikap) 18

2.9. Metode Pengumpulan Data 19

2.10. Uji Dalam Pengolahan Data 20

2.10.1. Uji Validitas 20

2.10.2. Uji Reliabilitas 21

2.11. Analisis Faktor 22

2.11.1. Pengertian Analisis Faktor 22

2.11.2. Model Analisis Faktor 22

(9)

Bab 3 Pembahasan dan Hasil 33

3.1. Populasi, Sampel dan Teknik Pengambilan Sampel 33

3.2. Variabel Penelitian 35

3.3. Sumber Data 35

3.4. Pengolahan Data 36

3.4.1. Input Data Mentah 36

3.4.2. Penskalaan Data Ordinal Menjadi Data Interval 37

3.4.3. Uji Validitas 39

3.4.4. Uji Reliabilitas 42

3.5. Analisis Data 44

3.5.1. Membentuk Matriks Korelasi 44

3.5.2. Ekstraksi Faktor 48

3.5.3. Menentukan Banyaknya Faktor 50

3.5.4. Melakukan Rotasi Faktor 52

3.5.5. Interpretasi Faktor 54

3.5.6. Menentukan Ketepatan Model 57

Bab 4 Kesimpulan dan Saran 58

4.1. Kesimpulan 58

4.2. Saran 58

(10)

vii

Halaman

Tabel 2.1 Korelasi Antar Variabel 27

Tabel 3.1 Daftar jumlah nasabah Asuransi ASEI Tahun 2014 34 Tabel 3.2 Jumlah sampel pada tiap-tiap produk 34

Tabel 3.3 Data Hasil Kuisioner 36

Tabel 3.4 Penskalaan Variabel 39

Tabel 3.5 Hasil Penskalaan Variabel 1 39

Tabel 3.6 Uji Validitas Variabel Penelitian 40 Tabel 3.7 Contoh Perhitungan Korelasi Product Moment 40 Tabel 3.8 Uji Reliabilitas Variabel Penelitian 43 Tabel 3.9 Perhitungan Korelasi Antara Variabel X1 Dengan X2 44

Tabel 3.10 Korelasi Matriks 46

Tabel 3.11 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test 45 Tabel 3.12 Nilai Measure of Sampling Adequecy (MSA) 47

Tabel 3.13 Komunalitas Variabel 48

Tabel 3.14. Nilai Eigenvalue Untuk Setiap Faktor 49

Tabel 3.15. Sumbangan Masing-Masing Faktor 50

Tabel 3.16 Matriks Faktor (a) (Sebelum Dirotasi) 52 Tabel 3.17 Matriks Faktor (a) (Setelah Dirotasi) 54 Tabel 3.18 Korelasi antara variabel sebelum dirotasi dan setelah dirotasi 55 Tabel 3.19 Selisih (Residual) antara Matriks Korelasi 57

(11)

viii

Halaman

(12)

ix Lampiran 1: Kuisioner Penelitian

Lampiran 2 : Data Kuisioner

Lampiran 2A : Data Mentah Hasil Kuesioner Lampiran 2B : Penskalaan Variabel

Lampiran 2C : Transformasi Data Ordinal ke Interval

Lampiran 3 : Data Perhitungan Korelasi Product Moment antara variabel x1 dan x2

Lampiran 4 : Data Perhitungan Korelasi antara variabel x1 dan x2

Lampiran 5 : Data Perhitungan Nilai Alpha Cronbach untuk variabel x1

Lampiran 4A : Data Perhitungan Nilai Varians

Lampiran 4B : Data Perhitungan Nilai Total Varians Tanpa Variabel x1

Lampiran 6 : Perhitungan Manual

Lampiran 6A : Mencari nilai varians dari masing-masing variabel Lampiran 6B : Mencari total nilai varians (tanpa variabel x1 )

Lampiran 6C : Perhitungan nilai alpha cronbach untuk variabel x1

(13)

iii

DI PT. ASURANSI EKSPOR INDONESIA (PERSERO)

ABSTRAK

(14)

PT. ASURANSI EKSPOR INDONESIA (PERSERO)

ABSTRACT

(15)

PENDAHULUAN

1.1Latar Belakang

Seiring dengan peningkatan taraf hidup kebutuhan seseorang maka pemenuhan kebutuhan hidup tak lagi berbatas pada kebutuhan fisiologis saja, namun kebutuhan akan keselamatan akan rasa aman dan juga perlindungan atas harta benda berharga yang dimiliki semakin dirasakan, begitu juga bagi dunia usaha dalam menjalankan kegiatannya menghadapi berbagai resiko yang mungkin dapat mengganggu kesinambungan usahanya. Oleh karena itu untuk mengurangi besarnya resiko yang suatu saat dapat terjadi salah satu cara adalah dengan mengasuransikan harta benda ataupun bisnis perusahaan tersebut.

Dalam era globalisasi saat ini telah banyak berdiri perusahaan-perusahaan asuransi di Indonesia dengan menawarkan berbagai produk dan strategi pemasaran yang semakin kompetitif.

PT. Asuransi Ekspor Indonesia (Persero) atau biasa disingkat dengan Asuransi ASEI merupakan Badan Usaha Milik Negara (BUMN) yang bergerak dibidang asuransi untuk menunjang peningkatan ekspor non migas dan menjalankan usaha kerugian.Asuransi ASEI menanggung kerugian atas resiko tidak diterimanya pembayaran dari importir di luar negeri terhadap ekspor barang/jasa yang dilakukan eksportir.Menanggung resiko tidak diterimanya pelunasan kredit dari debitur terhadap kredit yang diberikan bank/lembaga pembiayaan.Menanggung resiko kerugian kerusakan atau kehilangan atas harta benda yang dimiliki.

Untuk mengatasi persaingan asuransi, karyawan marketingAsuransi ASEI menggunakan strategi pemasaran yaitu dengan marketing mix dalam mempengaruhi keputusan nasabah untuk menggunakan jasa Asuransi ASEI.

(16)

Marketing atau pemasaran memegang peranan yang sangat penting bagi perusahaan dalam pencapaian tujuan yang telah ditetapkan, karena marketing merupakan penghubung antara perusahaan dengan konsumen atau nasabah sebagai Tertanggung asuransi.Marketing terdiri dari variabel yang saling mendukung. Dengan mengkombinasikan variabel-variabel marketing dengan baik, maka tujuan akan dapat dicapai dengan optimal. Perpaduan tersebut sering disebut campuran pemasaran atau marketing mix.

Definisi marketing mix adalah perpaduan dari unsur atau variabel marketing yang dapat dikendalikan oleh perusahaan serta bisa berkembang seiring perkembangan zaman guna mencapai tujuan perusahaan secara optimal.Marketingmix memegang peranan yang sangat penting dalam upaya mempengaruhi keputusan nasabah untuk menggunakan jasa Asuransi ASEI, karena marketing mix merupakan salah sat mentransformasikan alur informasi dan jenis produk dari perusahaan kepada nasabah atau Tertanggung. Adapun strategi marketing mix adalah:

a. Product (Produk) b. Price (Harga)

c. Promotion (Promosi) d. Place (Lokasi)

e. People (Sumber Daya Manusia) f. Process (Proses)

g. Physical Evidence (Bukti fisik) h. Brand Image (Citra Merk)

Berdasarkan latar belakang tersebut maka penulis tertarik untuk mengetahui strategi marketing mix dan pengaruh serta faktor apa yang sangat berpengaruh terhadap keputusan nasabah menggunakan jasa Asuransi ASEI. Oleh karena itu penulis memilih judul dalam penelitian ini adalah:

‘’ ANALISIS FAKTOR PENGARUH STRATEGI MARKETING MIX DALAM KEPUTUSAN NASABAH MENGGUNAKAN JASA ASURANSI DI PT. ASURANSI EKSPOR INDONESIA (PERSERO)”

(17)

3 1.2Perumusan Masalah

Permasalahan yang akan diteliti dalam masalah ini adalah bagaimana strategi marketing mixberpengaruh terhadap keputusan nasabah menggunakan jasa asuransi diPT. Asuransi Ekspor Indonesia (Persero) Kantor Cabang Medan.

1.3Batasan Masalah

Agar masalah yang diteliti tidak menyimpang dari sasaran yang dituju, maka perlu dibuat batasan ruang lingkup permasalahan yaitu :

1. Data dianalisis dengan menggunakan metode analisis faktor.

2. Data diambil dari PT. Asuransi Ekspor Indonesia (Persero) kantor Cabang Medan. 3. Responden adalah nasabah yang telah menggunakan jasa asuransi di PT. Asuransi

Ekspor Indonesia (Persero) Kantor Cabang Medan.

1.4Tinjauan Pustaka

Analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk menemukan hubungan (interrelationship) antara sejumlah variabel-variabel yang saling independen satu dengan yang lain, sehingga data tereduksi atau diringkas, dari variabel banyak diubah menjadi variabel yang lebih sedikit dari jumlah variabel awal. Dengan kata lain, Analisis faktor adalah menilai mana saja variabel yang dianggap layak (appropriateness) untuk dimasukkan dalam analisis selanjutnya (Supranto, 2004).

Pada dasarnya tujuan analisis faktor adalah : (Santoso, 2010)

1. Data summarization, yakni mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi.

2. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel-variabel tertentu.

(18)

V F B F

B F

B F B F B

Xi= _i1 1 + _i2 2 + _i3 3+...+ _ij _j +...+ _im _m + Dimana :

X = Variabel ke i yang di bakukan ij

B = Koesfisien regresi yang dibakukan untuk variabel i pada komponen faktor j j

F = Komponen faktor ke j i

V = Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i i

µ = Faktor unik variabel ke-i m = Banyaknya komponen faktor

1.5 Tujuan Penelitian

1. Untuk mengetahui strategi marketing mix pada PT. Asuransi Ekspor Indonesia (Persero). 2. Untuk mengetahui pengaruh strategi marketing mix terhadap keputusan nasabah

menggunakan jasa asuransi di PT. Asuransi Ekspor Indonesia (Persero).

3. Untuk mengetahui strategi marketing mix yang paling berpengaruh dalam keputusan nasabah menggunakan jasa asuransi di PT. Asuransi Ekspor Indonesia (Persero).

1.6Kontribusi Penelitian

a. Bagi Perusahaan

Dapat memberikan masukan terhadap perusahaan dalam memasarkan ngan melihat potensi pasar sehingga perusahaan dapat mengevaluasi kemudian merumuskan strategi pemasaran yang lebih efektif.

b. Bagi Universitas

Dapat memperkaya literatur dalam bidang statistika yang berhubungan dengan Analisis Faktor.

(19)

5 c. Bagi Mahasiswi

Dapat menambah pengetahuan dan pemahaman dalam bidang statistik terutama yang berhubungan dengan Analisis faktor, serta menambah pengetahuan mengenai asuransi dan strategi dalam memasarkan suatu produk terutama produk asuransi.

1.7Metodologi Penelitian

Adapun metodologi penelitian dalam tulisan ini adalah sebagai berikut:

1. Menentukan variabel penelitian strategi marketing mix, dalam penelitian ini ada 8 faktor strategi marketing mix yang akan diteliti yaitu: Product(Produk), Price(Harga), Promotion (Promosi), Place (Lokasi), People (Sumber Daya Manusia), Process (Proses), Physical Evidence (Bukti Fisik) dan Brand Image (Citra Merk).

2. Perancangan penelitian (Design Research), seperti penentuan responden dan pengambilan sampel dan penelitian.

3. Perancangan kuisioner, dimana dilakukan perancangan kombinasi dan level-level atribut (stimuli) dan skala pengukuran instrumen penelitian, yaitu dengan menggunakan skala likert pernyataan positif:

5 = Sangat setuju 4 = Setuju

3 = Ragu-ragu/Tidak tahu2 2 = Tidak setuju

1 = Sangat Tidak setuju

4. Pengumpulan data dilakukan dengan menyebarkan kuisioner kepada responden untuk metode pengukuran Full-Profile. Responden diminta untuk menilai stimuli yang telah dirancang sebelumnya.

5. Mengolah dan menganalisis data yang diperoleh dengan menggunakan software statistik SPSS.

a. Penskalaan data ordinal menjadi data interval b. Uji validitas data

(20)

6 c. Uji reliabilitas data

d. Menganalisa data dengan menggunakan tekhnis Analisa Faktor e. Interpretasi faktor

f. Menentukan Ketepatan Model 6. Mengambil kesimpulan

(21)

7 BAB 2

LANDASAN TEORI

2.1 Gambaran Umum PT. Asuransi Ekspor Indonesia (Persero)

PT. Asuransi Ekspor Indonesia (Persero) atau sering disebut “Asuransi ASEI” merupakan Badan Usaha Milik Negara (BUMN) yang seluruh sahamnya dimiliki oleh Pemerintah Republik Indonesia. Didirikan pada tanggal 30 Nopember 1985 atas prakarsa Departemen Perdagangan dan Departemen Keuangan Republik Indonesia sebagai realisasi komitmen Pemerintah untuk mendukung dan mengembangkan ekspor non migas nasional.

PT. Asuransi Ekspor Indonesia (Persero) didirikan berdasarkan Peraturan Pemerintah (PP) No. 1/1982 tentang “Pelaksanaan Ekspor, Impor dan Lalu Lintas Devisa.Melalui PP tersebut, Pemerintah Republik Indonesia memberikan fasilitas pembiayaan ekspor, jaminan kredit ekspor, dan asuransi ekspor dengan syarat-syarat lunak. Fasilitas pembiayaan ekspor berupa kredit Likuiditas dari Bank Indonesia disalurkan melalui bank – bank pelaksana, sedangkan fasilitas Jaminan Kredit Ekspor dan Asuransi Ekspor dilaksanakan oleh PT. Asuransi Kredit Indonesia (Persero), yang selanjutnya melalui Keputusan Menteri Keuangan (KMK) No. 12/KMK/011/1986 dialihkan kepada Asuransi ASEI.

Sebagai Badan Usahan Milik Negara (BUMN) yang dikelompokkan dalam rumpun asuransi umum berdasarkan Undang – Undang No. 2 Tahun 1992 tentang usaha perasuransian, pada tahun 2002 Asuransi ASEI masuk kepasar Asuransi Umum. Dengan beroperasi unit bisnis tersebut, maka dapat dikatakan bahwa produk – produk yang dimiliki oleh Asuransi ASEI adalah yang paling lengkap dibandingkan dengan sesama asuransi umum lainnya. Tidak ada satu perusahaan asuransi umum yang memiliki 4 (empat) produk utama sekaligus yakni, Asuransi Ekspor, Penjaminan Kredit, Surety Bound dan Asuransi Umum. Untuk memberikan jaminan bahwa segenap pekerjaan dilakukan dengan benar dan memenuhi standar mutu yang tinggi yang ditetapkan perusahaan kepada para stakeholder.

(22)

Berbagai penghargaan diperoleh oleh Asuransi ASEI dalam perjalanannya melayani nasabah selama 28 tahun. Pada tahun 2009 Asuransi ASEI didaulat untuk menjadi salah satu dari tujuh Founding Member dari AMAN Union, suatu asosiasi ECA (Export Crdeit Agency), perusahaan asuransi dan reasuransi yang beroperasi diwilayah Jazirah Arab dan negara anggota Konferensi Islam (OKI). Untuk melengkapi jaringan kerja yang telah dimiliki, Asuransi ASEI menjadi anggota dari federation of Afro-Asian Insurers and Reinsurers (F.A.I.R) yaitu asosiasi perusahaan asuransi dan reasuransi se-Asia dan Afrika.Dengan keanggotaan dalam tiga asosiasi internasional tersebut, secara praktis tidak ada satu negarapun didunia ini yang tidak dapat dijangkau oleh Asuransi ASEI. Kemanapun tujuan ekspor, dimanapun lokasi mitra bisnis para usahawan Indonesia, akan dapat dilindungi oleh Asuransi ASEI.

2.2 Pengertian Asuransi dan Produk Asuransi ASEI

Menurut undang – undang tentang usaha perasuransian No. 2/1992, dalam Darmawi (2000 : 4) mengemukakan bahwa:

“Asuransi atau Pertanggungan adalah perjanjian antara dua pihak atau lebih yang pihak Penanggung mengikatkan diri kepada Tertanggung dengan menerima premi asuransi untuk memberikan penggantian kepada Tertanggung karena kerugian, kerusakan atau kehilangan keuntungan yang diharapkan, atau tanggung jawab hukum kepada pihak ketiga yang mungkin akan diderita Tertanggung, yang timbul akibat suatu peristiwa yang tidak pasti, atau untuk memberikan suatu pembayaran yang didasarkan atas meninggal atau hidupnya seseorang yang dipertanggungkan.

2.2.1 Produk – Produk Asuransi ASEI

Adapun produk – produk yang ditawarkan Asuransi ASEI adalah sebagai berikut: 1. Asuransi Ekspor

(23)

Memberikan perlindungan kepada eksportir terhadap kemungkinan kerugian akibat tidak diterimanya pelunasan pembayaran dari Importir atau bank penerbit L/C.

b. Asuransi Pembiayaan Tagihan Ekspor/Export Bill Insurance (EBI)

Memberikan perlindungan kepada Bank yang telah mengambil alih (negosiasi) tagihan ekspor debitur terhadap wanprestasi dari pembeli (importir) diluar negeri yang disebabkan oleh risiko komersial dan risiko politik.

c. Asuransi Kredit Perdagangan Domestik/ Domestic Credit Insurance (DCI)

Memberikan ganti rugi kepada Tertanggung (Penjual) terhadap kemungkinan risiko kerugian akibat tidak diterimanya pelunasan pembayaran dari pembelli domestik.

d. Asuransi Pembiayaan Tagihan Domestik/ Domestic Credit Insurance Financing (DIF)

Memberikan perlindungan kepada Bank yang telah mengambil alih tagihan domestik debitur.

2. Asuransi Kredit dan Penjaminan Kredit

a. Asuransi atas pinjaman tunai (Cash Loan), yaitu Asuransi Kredit Modal kerja (KMK) yang meliputi, Asuransi KMK Revolving, Asuransi KMK Aplofend, Asuransi KMK Transaksional.

b. Asuransi Kredit Mikro Pola Executing (kepada BPR dan Koperasi) dan pola channeling (langsung kepada end user).

c. Asuransi kredit Investasi

d. Asuransi Kredit Pemilikan Rumah

e. Asuransi kredit Ketahanan Pangan dan Energi (KKP-E)

f. Penjaminan atas pinjaman tidak tunai (Non Cash Loan) terdiri dari :

1. Jaminan Pembuka L/C Impor yaitu : jaminan yang diberikan oleh asuransi ASEI kepada Bank Pembuka L/C Impor untuk kepentingan applicant dalam hal terjadi kegagalan pembayaran L/C Impor (payment devault).

(24)

2. Jaminan Pembukaan SKBDN yaitu : jaminan yang diberikan oleh Asuransi ASEI kepad Bank Pembuka SKBDN (Surat Kredit Berdokumen Dalam Negeri) untuk kepentingan applicant dalam hal terjadi kegagalan pembayaran SKBDN (payment default).

3. Jaminan Bank Garansi (Counter Guarantee) yaitu: jaminan yang diberikan Asuransi ASEI kepada Bank Penerbit Bank Garansi untuk kepentingan nasabah (debitur) apabila nasabah mengalami wanprestasi.

3. Suretyship

Suretyship adalah suatu perikatan segitiga dimana Asuransi ASEI (Surety Company) menjamin principal (kontraktor/ vendor/ supplier/ konsultan/ perusahaan jasa) akan melaksanakan kewajiban atas suatu prestasi atau kepentingan kepada obligee (bouwherr/beneficiary) sesuai kontrak atau perjanjian antara principal dan obligee dan atau ketentuan yang berlaku. Adapun jenis jaminan yang ditawarkan kepada nasabah surety adalah:

a. Jaminan Penawaran (bid/tender bond) b. Jaminan Pelaksanaan (performance bond) c. Jaminan Uang Muka (advance payment bond) d. Jaminan Pemeliharaan (maintenance bond) e. Jaminan Ulang Bank Garansi

f. Jaminan bea dan Cukai (custom bond) g. Jaminan Pembayaran (payment bond) 4. Asuransi Umum

a. Asuransi Harta Benda (property insurance)

Adalah asuransi yang memberikan ganti rugi kepada Tertanggung atas kerusakan atau kerugian harta benda yang dipertanggungkan yang disebabkan oleh kebakaran, sambaran petir, ledakan, kejatuhan pesawat terbang, serta asap yang berasal dari kebakaran harta yang dipertanggungkan.

(25)

11 b. Asuransi Rekayasa (engineering insurance)

Adalah salah satu bentuk asuransi yang memberikan pertanggungan atas risiko kehilangan atau kerusakan terhadap objek yang dipertanggungkan (biasanya terkait dengan konstruksi, material, peralatan atau mesin-mesin) selama masa konstruksi atau pemasangan mesin terhadap setiap risiko kehilangan atau kerusakan yang tidak terduga, bersifat tiba – tiba dan merupakan suatu kecelakaan.

c. Asuransi Pengangkutan Barang (marine cargo insurance)

Adalah asuransi yang menjamin kerusakan atau kerugian barang yang diangkut dari satu tempat ke tempat lain baik dengan alat angkut darat (truk, kereta, trailer) , lauut (kapal), atau udara (pesawat udara) terhadap risiko – risiko yang terjadi selama pengangkutan barang.

d. Asuransi Rangka Kapal (marine hull insurance)

Adalah asuransi yang memberikan jaminan atas kerusakan atau kerugian terhadap kapal, mesin dan perlengkapannyadari bahaya laut dan risiko pelayaran.

e. Asuransi Penerbangan (aviation insurance)

Adalah asuransi yang menjamin keruskan atau kerugian terhadap rangka pesawat, suku cadang pesawat, risiko perang dan pembajakan, tanggung jawab hukum kepada pihak ketiga, tanggung jawab kepada penumpang pesawat.

f. Asuransi Minyak dan Gas Bumi (oil and gas insurance)

Adalah asuransi yang menjamin kerusakan atau kerugian pada peralatan eksplorasi dan produksi minyak lainnya baik didarat maupun dilaut.

2.3 Pemasaran dan Strategi Marketing Mix

2.3.1 Pengertian Pemasaran

Istilah pemasaran dalam bahasa Inggris dikenal dengan namamarketing. Dalam berbagai jenis perusahaan apakah perusahaan jasa, perusahaan dagang, maupun industri, kegiatan

(26)

pemasaran merupakan kegiatan yang sangat penting dan berperan dalam mensukseskan tujuan perusahaan. Divisi marketing sangat berperan dalam menciptakan penjualan, dan melalui penjualan pula akan tercipta keuntungan perusahaan. Tujuan utama marketing perusahaan tidak terlepas dari usaha untuk mengetahui apa yang dibutuhkan dan diinginkan oleh konsumen, selanjutnya memproduksi atau menghasilkan produk atau jasa yang dibutuhkan tersebut.

Menurut Philip Kotler (1978:7) Manajemen Pemasaran adalah: Kegiatan menganalisa, merencana, mengimplementasi, dan mengawasi segala kegiatan (program), guna mencapai tingkat pemasaran sesuai dengan tujuan yang telah ditetapkan oleh perusahaan. Kegiatan utamanya terletak pada merancang penawaran yang dilakukan perusahaan agar dapat memenuhi keinginan dan kebutuhan pasar dengan menggunakan politik harga, cara-cara berkomunikasi, dan cara distribusi, menyajikan informasi, memotivasi dan melayani pasar.

Menurut William j. Shultz (1961:160): Merencanakan, pengarahan dan pengawasan seluruh kegiatan pemasaran perusahaan ataupun bagian dari perusahaan.

Menurut William J. Stanton Pemasaran adalah suatu sistem keseluruhan dari kegiatan bisnis yang ditujukan untuk merencanakan, menentukan harga, mempromosikan dan mendistribusikan barang dan jasa yang dapat memuaskan kebutuhan, baik kepada pembeli yang ada maupun pembeli potensial.

Menurut Kotler dan Amstrong Pemasaran (2012 : 29) adalah: proses yang dilakukan oleh setiap perusahaan untuk menciptakan nilai bagi pelanggan dan membangun hubungan yang kuat dengan pelanggan itu sendiri dan mendapatkan nilai dari pelanggan sebagai balasannya.

Dari beberapa definisi para ahli tentang pemasaran diatas, maka dapat disimpulkan bahwa yang dimaksud dengan pemasaran adalah sebuah rangkaian bisnis yang bertujuan untuk memenuhi kebutuhan dan kepuasan pelanggan.Kunci utama untuk mencapai sasaran tersebut adalah dengan mengenali kebutuhan, dan keinginan dari pasar sasaran, serta merencanakan strategi campuran pemasaran atau biasa disebut dengan marketing mix yang lebih efektif dan efisien.

(27)

2.3.2 Strategi Marketing Mix atau Campuran Pemasaran

Marketing mix atau campuran pemasaran merupakan seperangkat alat yang dapat digunakan pemasar untuk membentuk karakteristik jasa yang ditawarkan kepada pelanggan.Alat-alat tersebut dapat digunakan untuk menyusun strategi jangka panjang dan merancang program taktik jangka pendek. Keputusan mengenai setiap unsur campuran pemasaran ini saling berkaitan satu sama lain. Kendati demikian, tingkat kepentingan yang ditekankan kepada masing-masing unsur antar jasa cenderung bervariasi (Tjiptono, 2005 : 31).

Campuran Pemasaran meliputi:

1. Products, produk merupakan bentuk penawaran organisasi jasa yang ditujukan mencapai tujuan organisasi melalui pemuasan kebutuhan dan keinginan pelanggan. Dalam konteks ini produk dapat berupa apa saja (baik yang berwujud fisik maupun tidak) yang dapat ditawarkan kepada pelangan potensial untk memenuhi kebutuhan dan keinginan tertentu.

2. Pricing, harga berkenaan dengan kebijaksanaan strategis dan aktis, seperti tingkat harga, struktur diskon, syarat pembayaran, dan tingkat diskriminasi harga diantara berbagai kelompok pelanggan.

3. Promotion, promosi meliputi berbagai metode untuk mengkomunikasikan manfaat jasa kepada pelanggan potensial dan aktual. Metodel-metode ini terdiri dari periklanan, promosi penjualan, direct marketing, personal selling, dan public relations.

4. Place, lokasikeputusan distribusi menyangkut kemudahan akses terhadap jasa bagi para pelanggan potensial. Keputusan ini meliputi lokasi fisik (misalnya mengenai keputusan dimana sebuah hotel akan didirikan). Selain itu, keputusan mengenai penggunaan perantara untuk meningkatkan aksesibilitas jasa bagi para pelanggan. 5. People, bagi sebagian besar jasa, orang merupakan unsur vital dalam campuran

pemasaran. Bila produksi dapat dipisahkan dengan konsumsi, sebagaimana dijumpai dalam kebanyakan kasus pemasaran barang manufaktur, pihak manajemen biasanya

(28)

dapat mengurangi pengaruh langsung sumber daya manusia terhadap output akhir yang diterima pelanggan.

6. Process, proses produksi atau operasi merupakan faktor penting bagi konsumen high contacts service, konsumen tidak mengetahui bagaimana proses yang terjadi yang penting jasa yang ia terima harus memuaskan. Proses ini terjadi berkat dukungan karyawan dan tim manajemen yang mengatur semua proses agar berjalan dengan lancar.

7. Physical Evidence, karakteristik intangible (berwujud) pada jasa menyebabkan pelanggan potensial tidak bisa menilai suatu jasa sebelum mengonsumsinya. Ini menyebabkan resiko yang dipersepsikan konsumen dalam keputusan pembelian semakin besar. Konsumen akan melihat keadaan nyata dari benda benda yang menghasilkan jasa tersebut, misalnya kartu nama, alat tulis menulis, penampilan, logo surat dan amplopnya, brosur, pakaian seragam dan sebgainya.

8. Brand Image, citra merk merupakan representasi dari keselurahan persepsi terhadap sebuah merk yang dibentuk dari informasi dan pengalaman masa lalu terhadap merk itu. Citra terhadap merk berhubungan dengan sikap yang berupa keyakinan dan preferensi terhadap suatu merk. Konsumen yang memiliki citra positif terhadap suatu merk akan lebih memungkinkan untuk melakukan pembelian.

2.4 Populasi dan Sampel

2.4.1 Populasi

Menurut Sugiyono (2011 : 61) Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari kemudian ditarik kesimpulannya. Populasi yang digunakan dalam penelitian ini adalah nasabah pada Asuransi ASEI cabang Medan.

(29)

15 2.4.2 Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi (Sugiyono, 2011 : 11). Pada penelitian ini, peneliti mengambil sampel di wilayah Asuransi ASEI cabang Medan Jl. Mayjend Sutoyo Siswomihardjo No. 101A Medan. Teknik pengambilan sampel dilakukan dengan metode penyebaran kuisioner pada nasabah Asuransi ASEI dengan menggunakan rumus Slovin (Umar, 2003 : 120) , yaitu :

2 1 Ne

N n

+ =

Keterangan: n = Jumlah Sampel N = Ukuran Populasi

E = Kesalahan yang ditolerir = 95 % (0,5)

Pemilihan sample dilakukan dengan metode simple random sampling. Menurut Sugiyono (2011 : 64) metode simple random sampling adalah pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu.

2.5 Variabel penelitian

Variabel ialah sesuatu yang nilainya berubah-ubah menurut waktu atau berbeda menurut elemen / tempat (Supranto; 2004). Umumnya nilai karakteristik merupakan variabel, diberi simbol huruf X. Variabel yang digunakan dalam penelitian ini adalah Produk , Harga, Promosi, Lokasi, Sumber Daya Manusia, Proses, Bukti Fisik, Citra Merk.

2.6 Jenis Sumber Data

Data merupakan komponen utama dalam statistika. Data adalah bahan baku yang jika diolah melalui berbagai analisis dapat melahirkan informasi, dimana dengan informasi tersebut dapat diambil suatu keputusan. Jenis dan sumber data pada penelitian ini adalah sebagai berikut:

(30)

1. Data primer, yaitu data yang diperoleh secara langsung dari pengamatan di PT. Asuransi Ekspor Indonesia (Persero) cabang Medan. Kuisioner diberikan pada responden yang merupakan nasabah PT. Asuransi Ekspor Indonesia (Persero).

2. Data Sekunder, yaitu data yang diperoleh melalui studi dokumentasi, baik dari buku, jurnal majalah dan situs internet yang mendukung penelitian ini.

2.7 Skala Pengukuran

Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada sejumlah ciri suatu objek agar dapat menyatakan karakteristik angka pada ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian:

a. Skala Nominal

Skala nominal adalah skala pengukuran yang paling sederhana yang dilambangkan dengan kata-kata, huruf, simbol, atau bilangan.Skala ini digunakan untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok (kategori) yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari objek yang diamati.Pada skala nominal hasil pengukurannya bisa dibedakan tetapi tidak bisa diurutkan mana yang yang lebih tinggi, mana yang lebih rendah dan mana yang lebih dikesampingkan.Skala nominal merupakan skala yang paling rendah atau jenis pengukurannya terbatas.

Contoh:

Jenis kelamin 1 = pria; 2 = wanita

b. Skala Ordinal (Rangking)

Skala Ordinal adalah skala pengukuran yang selain mempunyai ciri untuk membedakan juga mempunyai ciri untuk mengurutkan pada rentangan tertentu.Dengan menggunakan skala ordinal objek-objek juga dapat digolongkan dalam kategori tertentu.Angka atau huruf yang diberikan mengandung tingkatan, sehingga dari kelompok yang terbentuk dapat dibuat peringkat yang menyatakan hubungan lebih dari atau kurang dari menurut aturan penataan tertentu.

Contoh: seorang ABRI dapat dikelompokkan menurut pangkatnya: Mayor, Kapten, letnan. Hubungan antara kelas-kelas terdapat urutan tertentu, pangkat mayor lebih tinggi dari

(31)

pangkat kapten dan pangkat kapten lebih tinggi dari pangkat letnan.(Mayor > Kapten>Letnan).

c. Skala Interval

Skala interval adalah skala pengukuran yang mengelompokkan objek-objek ke dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak yang sama. Misalnya, suhu tertinggi pada bulan Maret dikota A, Kota B, dan Kota C, berturut-turut adalah 20, 23, 16 derajat celcius. Kita dapat membedakan dan mengurutkan besarnya suhu di kota tersebut, sebab 1 derajat celcius menyatakan satu unit pengukuran yang tetap.

d. Skala Rasio (Nisbah)

Skala rasio adalah skala yang mempunyai 4 ciri, yaitu membedakan, mengurutkan, jarak yang sama, dan mempunyai titik nol tulen (titik nol yang berarti) sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua ciri skala interval menjadi ciri skala rasio, perbedaan antar nilai-nilai diketahui dan bernilai tetap, kategori-kategori nilai juga bersifat lepas.Hanya saja skala rasio mempunyai titik nol yang berarti dan rasio (perbandingan) antar dua nilai juga berarti.

Misalnya: Pak Anto mempunyai uang nol rupiah, artinya Pak Anto tidak mempunyai uang.

2.8 Skala untuk Instrumen (Model Skala Sikap)

Bentuk-bentuk skala sikap yang sering digunakan dalam penelitian ada 5 macam, yaitu: a. Skala Likert

Skala likert digunakan untuk mengatur sikap, pendapatan dan persepsi seseorang atau sekelompok orang tentang kejadian atau gejala sosial. Pada skala likert variabel yang akan diukur dijabarkan menjadi subvariabel. Kemudian subvariabel dijabarkan lagi menjadi indikator-indikator yang terukur ini yang mana menjadi titik tolak untuk membuat item instrumen yang berupa pertanyaan yang perlu dijawab responden. Setiap jawaban dilengkapi dengan kata-kata, misalnya:

Sangat Setuju (SS) = 5 Setuju (S) = 4

(32)

18 Ragu-ragu/tidak tahu = 3

Tidak Setuju = 2 Sangat Tidak Setuju = 1 b. Skala Gutman

Skala Gutman mengukur suatu dimensi saja dari suatu variabel multidimensi. Skala Gutman adalah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten.

Contoh: yakin - tidak yakin, benar – salah, setuju – tidak setuju, dan sebagainya. c. Skala Diferensial Semantik

Skala diferensial semantik atau skala perbedaan semantik berisikan serangkaian bipolar (dua kutub).Responden diminta untuk menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 ajektif yang bertentangan.

Misalnya: panas – dingin, populer – tidak populer, bagus-buruk, dan sebagainya. d. Rating Scale

Ratingscale yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.

Misalnya: ketat – longgar, lemah – kuat, positif - negatif e. Skala Thurstone

Skala thurstone meminta responden untuk memilih jawaban yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan-pandangan berbeda-beda. Pada umumnya asosiasi antara 1 sampai 9 tetapi nilainya tidak diketahui olehresponden.

2.9 Metode Pengumpulan Data

Pengumpulan data penelitian dimaksudkan sebagai pencatatan peristiwa atau karakteristik dari sebagian peristiwa atau seluruh elemen proposal penelitian. Pengumpulan data penelitian dapat dilakukan berdasarkan cara-cara tertentu. Adapun metode pengumpulan data yang digunakan secara umum adalah:

(33)

19 a. Metode dokumentasi

metode dokumentasi adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip, buku, surat kabar, majalah, prasasti, notulen rapat, agenda dan sebagainya. Metode dokumentasi dalam penelitian ini digunakan untuk mengumpulkan data tentang nasabah di Asuransi ASEI

b. Metode angket (kuisioner)

Kuisioner adalah pertanyaan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadinya atau hal-hal yang ia ketahui. Metode ini digunakan untuk mencari atau dan mengenal faktor stratgei campuran pemasaran yang mempengaruhi keputusan nasabah menggunakan jasa asuransi di Asuransi ASEI. Untuk mengetahui distribusi frekuensi masing-masing variabel yang pengumpulan datanya menggunakan angket (kuisioner), setiap indikator dari data yang dikumpulkan terlebih dahulu diklasifikasikan dan diberi skor atau nilai yaitu:

Skor 5 jika jawaban responden sangat setuju Skor 4 jika jawaban responden setuju

Skor 3 jika jawaban responden ragu-ragu/ tidak tahu Skor 2 jika jawaban responden tidak setuju

Skor 1 jika jawaban responden sangat tidak setuju 3 Wawancara

Wawancara merupakan teknik pengumpulan data dalam metode survei yang menggunakan pertanyaan secara lisan kepada subjek penelitian.Teknik wawancara dilakukan jika peneliti memerlukan komunikasi atau hubungan dengan responden.

2.10 Uji Dalam Pengolahan Data

2.10.1 Uji Validitas

Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan

(34)

hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut. Metode yang yang digunakan untuk menguji validitas adalah dengan korelasi product moment yang rumusnya sebagai berikut :

�� = _�_{_{� ∑ �}�2₋(∑ ��₍_{∑ �})₎−2_}{(∑ �_{� ∑ �}.∑ �2₋)₍_{∑ �}₎2_} Keterangan :

��= koefisien korelasi

X = skor variabel Y = skor total n = jumlah sampel

Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai koefisien (r) pada taraf kepercayaan 95 %.

Apabila �_��≥ �_{��} → valid

Apabila �_��<�_{��} → tidak valid (Ade Fatma, 2007)

2.10.2 Uji Reliabilitas

Reliabilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabilitas. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach > 0,60 (Ade Fatma, 2007). Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai berikut :

�= � �

� −1� �1−

∑ ��2

�_�2 �

Keterangan :

� = nilai (koefisien) Alpha Cronbach �= banyaknya variabel penelitian

(35)

21 ∑ ��2= jumlah varians variabel penelitian

��2= varians total

2.11 Analisis Faktor

2.11.1 Pengertian Analisis Faktor

Analisis faktor adalah sebuah analisis yang mensyaratkan adanya keterkaitan antar variabel. Pada prinsipnya analisis faktor menyederhanakan hubungan yang beragam dan kompleks pada variabel yang diamati dengan menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai korelasi pada suatu struktur data yang baru yang mempunyai set faktor lebih kecil. Data-data yang dimasukkan pada umumnya data metrik dan terdiri dari variabel-variabel dengan jumlah yang besar.

Analisis faktor dapat digunakan di dalam situasi sebagai berikut:

1. Mengenali atau mengindentifikasi dimensi yang mendasari (underlying dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel.

2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling di dalam analisis multivariate selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan.

3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan didalam analisis multivariat selanjutnya.

2.11.2 Model Analisis Faktor

Secara matematis, analisis faktor hampir sama dengan analisis regresi, yaitu dalam hal bentuk fungsi linear. Jumlah varians yang dikontribusi dari sebuah variabel dengan seluruh

(36)

variabel lainnya lebih dikelompokkan sebagai komunalitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil komponen ditambah sebuah faktor unik untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati.Jika variabel distandarisasi, maka model analisis faktor dapat ditulis sebagai berikut:

V F B F

B F

B F B F B

Xi= i1 1 + i2 2 + i3 3+...+ ij j +...+ im m + Dimana :

X = Variabel ke i yang di bakukan ij

B = Koesfisien regresi yang dibakukan untuk variabel i pada komponen faktor j j

F = Komponen faktor ke j i

V = Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i i

µ = Faktor unik variabel ke-i m = Banyaknya komponen faktor

Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan komponen faktor.Komponen faktor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi hasil penelitian lapangan.

�� = ��1�1+��2�2+��3�3+⋯+��

dimana :

�� = Perkiraan faktor ke i (didasarkan pada nilai variabel X dengan

koefisiennya Wi ).

�� = Koefisien nilai faktor ke i.

k = banyaknya variabel

2.11.3 Statistik yang Berkaitan Dengan Analisis Faktor

Statistik yang berkaitan dengan analisis faktor adalah :

a. Barlett’s test of sphericity

Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi dalam populasinya. Dengan

(37)

kata lain, matriks korelasi populasi adalah sebuah matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri

(r = 1), tetapi tidak berkorelasi dengan variabel lainnya (r = 0). Statistik uji bartlett adalah sebagai berikut :

�2 ₌_{− �}₍_{� −}₁₎₋(2�+ 5) 6 �ln|�|

dengan derajat kebebasan (degree of freedom) df = �(� −1)/2

Keterangan :

� = jumlah observasi � = jumlah variabel

|�| = determinan matriks korelasi

b. Correlation matrix (Matriks Korelasi)

Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana (r) antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau angka pada diagonal utama semuanya sama yaitu 1. Jadi kalau ada 3 atau 4 variabel, bentuk matriks korelasi menjadi :

n = 3 → �

1 �₁₂ �₁₃

�21 1 �23

�31 �32 1

�

n = 4 →�

1 �12 �13

�21 1 �23

�31

�41

�32

�42 1

�43

�14

�24

�34 1

�

c. Communality (Komunalitas)

Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya dalam analisis.Ini juga merupakan proporsi dari varians yang diterangkan oleh komponen faktor.

(38)

24 dimana :

hi = communality variabel ke-i ; i = 1,2,3,...,m.

�� = nilai factor loading

d. Eigenvalue (Nilai Eigen)

Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke dalam model. Definisi:

Jika A adalah sebuah matriks n x n, maka sebuah vector tak nol x pada �� disebut vektor eigen (eigenvector) dari A jika Ax adalah sebuah kelipatan skalar dari x; jelasnya,

Ax =λx

Untuk skalar sebarang�, skalar �disebut nilai eigen (eigenvalue) dari A, dan x disebut sebagai vektor eigen dari A yang terkait dengan �. (Anton Howard, 2000).

e. Factor loadings (Faktor Muatan)

Faktor muatan adalah korelasi sederhana antara variabel dengan faktor. f. Factor loading plot (Plot Faktor Muatan)

Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.

g. Factor matrix (Faktor Matriks)

Matriks faktor mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.

h. Kaiser - Meyer - Olkin (KMO) measure of sampling adequency

Kaiser – Meyer – Olkin (KMO) merupakan suatu indeks yang digunakan untuk menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 – 1,0) mengidentifikasi analisis faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.

(39)

�� = ∑ ∑ ��

2 � �=1 �

�=1

∑ ∑� �_��2 �=1 �

�=1 +∑ ∑ ��

2 � �=1 �

�=1

,�= 1,2, … ,� ; � = 1,2, … ,�

Keterangan :

��= koefisien korelasi sederhana antara variabel ke-i dan ke-k

��= koefisien korelasi parsial antara variabel ke-i dan ke-k

Measure of Sampling Adequacy (MSA) yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel.MSA digunakan untuk mengukur kecukupan sampel.

i. Percentage of variance (Persentase Varians)

Persentase varians adalah persentase total varians yang disumbangkan oleh setiap faktor.

j. Residuals

Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks faktor.

k. Scree plot

Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.

2.12 Langkah-Langkah Analisis Faktor

Langkah-langkah dalam analisis faktor adalah sebagai berikut : 1. Merumuskan masalah

2. Membentuk matriks korelasi 3. Menentukan metode analisis faktor 4. Menentukan banyaknya faktor 5. Melakukan rotasi terhadap faktor

6. Membuat intrepretasi hasil rotasi terhadap faktor 7. Menentukan ketepatan model (model fit)

(40)

26 1. Merumuskan Masalah

Merumuskan masalah meliputi beberapa kegiatan. Pertama, tujuan analisis faktor harus diidentifikasi. Variabel yang akan digunakan dalam analisis faktor harus dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.

2. Membentuk Matriks Korelasi

Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi.Dilakukan perhitungan matriks korelasi ∑_�_×_�. Matriks korelasi digunakan sebagai input analisis faktor.

Tabel 2.1 Korelasi Antar Variabel

�� ... ��

�� 1

... ⋮ ⋮ ⋮ 1

�� ⋯ 1

3. Menghitung nilai karakteristik (eigenvalue)

Perhitungan nilai karakteristik (eigenvalue), dimana perhitungan ini berdasarkan persamaan karakteristik :

��⁡(� − ��) = 0

dengan :

�= matriks korelasi �= eigenvalue �= matriks identitas

(41)

Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor. (Anton Howard, 2000)

4. Menghitung vektor karakteristik (eigenvector)

Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai karakteristik (eigenvalue), yaitu dengan persamaan :

Ax =�� dengan :

x = eigenvector, (Anton Howard, 2000)

5. Menentukan Banyaknya Faktor

Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara A priori, penentuan berdasarkan pada eigenvalue, penentuan berdasarkan Scree plot, penentuan berdasarkan persentase varians, penentuan berdasarkan Split-Half Reliability, dan penentuan berdasarkan uji signifikan.

a. Penentuan Secara A Priori

Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi. Hampir sebagaian besar program komputer memungkinkan peneliti untuk menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.

b. Penentuan Berdasarkan Eigenvalue

Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan. Eigenvalue merepresentasikan besarnya sumbangan dari faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan varians lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih kecil dari satu tidak lebih dari variabel asli, sebab variabel yang dibakukan (distandarisasi) yang berarti rata-ratanya nol dan variansinya satu.

(42)

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

(43)

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.

(44)

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.

(45)

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 + 225(0,1)2

� = 225

3,25= 69,23 �= 70 ��

Jadi, jumlah sampel adalah 70 responden.

(46)

32 ��=

��

�.� �1 =

22570 = 3,733 = 4 ��

�2 = 17

22570 = 5,288 = 5 ��

�3 = 115

22570 = 35,77 = 36 ��

�8 = 81

22570 = 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

Variabel yang digunakan dalam penelitian ini adalah: 1

X = Product (Produk) 2

X = Price (Harga) 3

X = Promotion (Promosi) 4

(47)

33 5

X = People (Sumber Daya Manusia) 6

X = Process (Proses) 7

X = Phsychal Evidence (Bukti Fisik) 8

X = Brand Image (Citra Merk)

3.3 Sumber Data

Data yang digunakan dalam penelitian ini adalah data primer yaitu data yang bersumber pada hasil wawancara terstruktur terhadap responden dengan menggunakan kuisioner.Kuisioner yang digunakan merupakan kuisioner terstruktur yaitu kuisioner dalam bentuk pernyataan yang telah disertai dengan pilihan jawaban dalam bentuk skala.

Skala yang digunakan dalam penelitian ini adalah skala likert.Skala likert yaitu skala yang memiliki jarak (interval), skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok tentang suatu kejadian atau gejala sosial (Riduwan, 2005).

Padapenelitian ini skala telah dimodifikasi dalam bentuk pilihan ganda dimana setiap pernyataan diberi range skor antara1 sampai dengan 5, masing-masing adalah:

5 = Sangat Setuju 4 = Setuju

3 = Ragu-ragu/ Tidak tahu 2 = Tidak Setuju

1 = Sangat tidak setuju

3.4 Pengolahan Data

3.4.1 Input Data Mentah

Penentuan matriks input data mentah yang terdiri dari 70 sampel observasi (responden) dan 8 variabel awal penelitian

(48)

Tabel 3.3 Data Hasil Kuisioner

Nomor

Responden X1 X2 X3 X4 X5 X6 X7 X8

1 4 5 3 5 4 3 3 2

2 4 5 3 4 5 5 4 4

3 4 4 3 4 4 4 4 3

4 3 4 2 5 4 3 2 3

5 4 4 2 4 4 4 4 2

6 3 3 3 3 3 3 3 4

7 4 3 3 4 3 4 3 2

8 4 3 1 4 3 2 4 1

9 4 2 3 4 4 4 4 3

10 3 3 3 3 5 3 3 4

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

70 4 3 4 3 5 3 3 4

Data mentah secara keseluruhan dapat dilihat dalam lampiran 2A

3.4.2 Penskalaan Data Ordinal Menjadi Data Interval

Dari data mentah hasil kuisioner dibuat suatu matriks data X_p_x_n yang telah dilakukan penskalaan menjadi skala interval.Tekhnik penskalaan yang digunakan dalam penelitian ini adalah Methode Successive Intervaldengan bantuan Microsoft office Excel 2007.Berikut ini adalah perhitungan penskalaan Methode Successive Interval.

Tabel 3.4 Penskalaan Variabel 1

(49)

Variabel Jawaban

Ordinal

Kumulatif {f(z)} Penskalaan

1 1,000 2 0,029 0,029 0,065 -1,902 1,000 2,000 6 0,086 0,114 0,193 -1,204 1,795 3,000 14 0,200 0,314 0,355 -0,484 2,479 4,000 37 0,529 0,843 0,240 1,006 3,503 5,000 11 0,157 1,000 0,000 4,817

Jumlah 70

Langkah-langkah Methods Successive Interval:

1. Menghitung frekuensi skor jawaban dalam skala ordinal.

2. Menghitung proporsi dan proporsi kumulatif untuk masing-masing skor jawaban. 3. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi kumulatif

dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku.

4. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut kedalam fungsi densitas normal baku sebagai berikut:

065 , 0 2 1 ) 902 , 1 ( 2 1 ) ( 2 2 ) 902 , 1 ( 2 1 2 1 = = − = − − − e f e z f z π π

5. Menghitung Scale Value (SV) dengan rumus:

�� =_��_{��}��_{��}��_{��} – �� –��

��1 =

0,000−0,065

0,029−0,000= −2,241

��2 =

0,065−0,193

0,114−0,029 = −1,505

��3 =

0,193−0,355

0,314−0,114= −0,81

��4 =

0,355−0,240

(50)

��₅ = 0,240−0,000

1,000−0,843= 1,528

6. Mentukan Scale Value min sehingga ��_{��} + |��_��| = 1

−2,2413 + |��_��| = 1 |��_��| = 3,241

7. Menentukan nilai skala dengan menggunakan rumus: �= ��+ |��_��|

�1 =−2,241 + 3,241 = 1

�2 = −1,505 + 3,241 = 1,736

�3 = −0,81 + 3,241 = 2,431

�4 = −0,217 + 3,241 = 3,024

�5 = 1,528 + 3,241 = 4,769

Tabel 3.5 Hasil Penskalaan Variabel 1

X X₂ X₃ X₄ X₅ X₆ X₇ X₈

1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000

2 1,795 1,714 1,690 1,740 1,510 2,023 1,820 1,795

3 2,479 2,503 2,443 2,323 2,255 2,913 2,505 2,524

4 3,035 3,485 3,195 3,262 3,274 3,826 3,353 3,400

5 4,817 4,701 4,253 4,526 4,534 4,942 4,487 4,541

(51)

Validitas merupakan sejauh mana ketepatan dan kecermatan melakukan fungsi ukurnya. Suatu test atau instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai dengan maksut dilakukannya pengukuran tersebut.

Pengujian validitas dilakukan pada 70 responden. Setelah dilakukan uji validitas dengan bantuan SPSS diperoleh hasil sebagai berikut:

Tabel 3.6 Uji Validitas Variabel Penelitian

No Variabel r hitung r tabel Kesimpulan

1 X₁= Produk 0,806 0,235 Valid

2 X₂= Harga 0,598 0,235 Valid

3 X3= Promosi 0,452 0,235 Valid

4 X₄= Lokasi 0,774 0,235 Valid

5 X₅= Sumber Daya Manusia (SDM) 0,577 0,235 Valid

6 X₆= Proses 0,773 0,235 Valid

7 X7= Bentuk Fisik 0,732 0,235 Valid

8 X8= Citra Merk 0,559 0,235 Valid

Untuk mengetahui valid atau tidak dapat dilihat dari nilai korelasi hitung dibandingkan dengan tabel korelasi product momentuntuk N = 70 dan α = 0,5% adalah 0,235. Dari hasil uji validitas, terlihat bahwa seluruh variabel dinyatakan valid karena nilai hitung > tabel, r-hitung > 0,235, maka selanjutnya dilakukan uji reliabilitas.

Secara manual perhitungan korelasi product moment antara variabel X₂dengan skor total variabel lainnya (Y) dapat dilihat pada tabel berikut:

(52)

Nomor

Responden X₂ Y X₂Y �₂

� _��

1 4,701 20,959 98,52677 22,09868 439,2808 2 4,701 25,437 119,5752 22,09868 647,017 3 3,485 22,186 77,32105 12,14588 492,2283 4 3,485 19,225 67,00253 12,14588 369,6183 5 3,485 20,704 72,1544 12,14588 428,644 6 2,503 18,317 45,83995 6,263034 335,5085 7 2,503 19,590 49,02486 6,263034 383,7497 8 2,503 16,396 41,0339 6,263034 268,8444 9 1,714 22,186 38,03137 2,938443 492,2283 10 2,503 20,595 51,54206 6,263034 424,1689

. . . . . .

70 2,503 22,372 55,98949 6,263034 500,5279

Jumlah 247,936 1.623,810 5.943,144 938,092 39.377,883

(

) (

)

(

)

{

}

{

( )

}

(

) (

(

)(

)

(

) (

)

{

}

{

(

) (

)

}

(

)(

)

(

)(

)

598 , 0 312 , 405 . 22 626 , 418 . 13 5 9004 , 045 . 998 . 501 626 , 418 . 13 693 . 119 0331 , 194 . 4 626 , 418 . 13 450 , 758 . 636 . 2 843 , 481 . 756 . 2 422 , 472 . 61 4554 , 666 . 65 4522 , 2601 . 40 0785 , 020 . 416 810 , 623 . 1 883 , 377 . 39 70 936 , 247 092 , 938 70 810 , 623 . 1 936 , 247 144 , 943 . 5 70 . 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 = = = = − − − = − − − = ∑ − ∑ ∑ − ∑ ∑ ∑ − ∑ = y x y x y x y x y x y x y x r r r r r r Y Y n X X n Y X Y X n r

(53)

Diperoleh �_ℎ�� = 0,598 >�_{��} = 0,235 artinya 59,8 % variabel produk berpengaruh terhadap keputusan nasabah untuk menggunakan jasa Asuransi ASEI

3.4.4 Uji Reliabilitas

Uji reliabilitas menunjukkan sejauh mana hasil suatu pengukuran dapat dipercaya.Pengukuran yang memiliki reliabilitas tinggi disebut pengukuran yang reliabel. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach> 0,6 (Ghozali, 2005). Hasil uji reliabilitas terhadap variabel-variabel penelitian menunjukkan bahwa data mempunyai tingkat reliabilitas yang tinggi karena nilai Alpha Cronbach untuk ke-8 variabel > 0,6. Dengan demikian data dapat memberikan hasil pengukuran yang konsisten (reliabel).

Tabel 3.8 Uji Reliabilitas Variabel Penelitian

No Variabel Alpha

Cronbach Kesimpulan

1 X₁= Produk 0,856 Reliabel

2 X₂= Harga 0,876 Reliabel

3 X₃= Promosi 0,892 Reliabel

4 X₄= Lokasi 0,858 Reliabel

5 X5= Sumber Daya Manusia (SDM) 0,878 Reliabel

6 X6= Proses 0,859 Reliabel

7 X7= Bukti Fisik 0,862 Reliabel

8 X₈= Citra Merk 0,881 Reliabel

Secara manual perhitungan Alpha Cronbach untuk variabel X₁ diperoleh dengan langkah-langkah sebagai berikut:

(54)

Dengan menggunakan rumus varians maka di dapat: �2 ₌ ∑ ��

2₋(∑ ��)2 �

� �12 = 0,863645

�22 = 0,855925

�32 = 0,843480

�42 = 0,870209

�52 = 0,821563

�62 = 0,892279

�72 = 0,894606

�82 = 0,882834

2. Mencari total nilai varians (tanpa variabel X₁) ��2 = 17,21146385

3. Melakukan proses perhitungan nilai Alpha Cronbach variabel X₁ dengan memakai rumus:

�=� �

� −1� �1−

∑ ��2

��2 �

�=� 8

8−1� �1−

0,863645 + 0,855925 + 0,843480 + 0,870209 + 0,821563 + 0,892279 + 0,894606 + 0,88283

17,211 �

�=�8 7� �1−

6,92454 17,211 � �=�8

7�(1−0,40233) �= (1,143)(0,5977) �= 0,731

(55)

Rincian perhitungan manual dapat dilihat pada Lampiran 6.

3.5 Analisis Data

Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah dalam analisis faktor adalah sebagai berikut:

3.5.1 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.

Perhitungan nilai korelasi masing-masing variabel diperoleh dengan memakai rumus korelasi product moment:

(

) (

)

(

)

{

}

{

(

)

}

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 X₁ dengan X₂.

Tabel 3.9 Perhitungan Korelasi Antara Variabel X₁ dengan X₂ Nomor

responden X₁ X₂ X₁X₂ �₁

� _�₂�

1 3,503 4,701 16,4692 12,2738 22,0987 2 3,503 4,701 16,4692 12,2738 22,0987 3 3,503 3,485 12,2097 12,2738 12,1459 4 2,479 3,485 8,6383 6,1437 12,1459 5 3,503 3,485 12,2097 12,2738 12,1459 6 2,479 2,503 6,2031 6,1437 6,2630 7 3,503 2,503 8,7676 12,2738 6,2630

(56)

8 3,503 2,503 8,7676 12,2738 6,2630 9 3,503 1,714 6,0055 12,2738 2,9384 10 2,479 2,503 6,2031 6,1437 6,2630

. . . .

70 3,503 2,503 8,7676 12,2738 6,2630 Jumlah 230,083 247,936 847,248 816,713 938,092

(

) (

)

(

)

{

}

{

( )

}

(

) (

(

)(

)

(

) (

)

{

}

{

(

) (

)

}

(

)(

)

(

)(

)

536 , 0 9067 , 212 . 4 4672 , 261 . 2 1550 , 583 . 748 . 17 4672 , 261 . 2 0331 , 194 . 4 8053 , 231 . 4 4672 , 261 . 2 4224 , 472 . 61 4555 , 666 . 65 0794 , 938 . 52 9448 , 169 . 57 8761 , 045 . 57 3433 , 307 . 59 936 , 247 092 , 938 70 083 , 230 713 , 816 70 936 , 247 083 , 230 248 , 847 70 . 2 2 2 2 2 2 = = = = − − − = − − − = ∑ − ∑ ∑ − ∑ ∑ ∑ − ∑ = xy xy xy xy xy xy xy r r r r r r Y Y n X X n Y X XY n r

Dengan perhitungan diatas, maka diperoleh nilai korelasi antara variabel X₁ dengan X₂ adalah 0,536. Hasil tersebut hampir sama dengan output SPSS.

Dengan melakukan cara yang sama dengan di atas atau dengan menggunakan SPSS maka akan diperoleh matriks korelasi antara variabel sebagai berikut:

(57)

Tabel 3.10 Korelasi Matriks Correlation Matrix

X1 X2 X3 X4 X5 X6 X7 X8

Correlation

X1 1,000 ,573 ,262 ,853 ,463 ,861 ,805 ,320 X2 ,573 1,000 ,255 ,512 ,673 ,482 ,451 ,291 X3 ,262 ,255 1,000 ,242 ,248 ,401 ,250 ,785 X4 ,853 ,512 ,242 1,000 ,487 ,729 ,842 ,342 X5 ,463 ,673 ,248 ,487 1,000 ,367 ,462 ,411 X6 ,861 ,482 ,401 ,729 ,367 1,000 ,669 ,467 X7 ,805 ,451 ,250 ,842 ,462 ,669 1,000 ,342 X8 ,320 ,291 ,785 ,342 ,411 ,467 ,342 1,000

Pada penelitian ini matriks korelasi yang dibentuk dari data yang diperoleh untuk mengetahui seberapa besar korelasi antar 8 variabel tersebut. Terlihat korelasi yang cukup kuat antar variabel X₁ dengan X₂ sehingga diharapkan nantinya bahwa variabel-variabel lainnya akan berkorelasi dengan faktor yang sama.

Data mengenai 8 variabel yang berasal dari jawaban 70 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, 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 3.11 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,784

Bartlett's Test of Sphericity

Approx. Chi-Square 428,457

Df 28

(58)

Hasil perhitungan menunjukkan besaran nilai Barlett Test of Sphericity adalah 428,457 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang signifikan antar variabel dan hasil perhitungan KMO sebesar 0,784 sehingga kecukupan sampel termasuk kategori yang cukup dan layak untuk diteliti lebih lanjut.

Menurut Santoso (2005) Angka MSA (Measure of Sampling Adequecy) berkisar antara 0 sampai 1 dengan kriteria :

MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel lain. MSA ≥ 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut

Hipotesis untuk uji diatas adalah :

H0 = sampel belum memadai untuk dianalisis lebih lanjut

H1 = sampel sudah memadai untuk dianalisis lebih lanjut

Kriteria dengan melihat probabilitas (tingkat signifikansi) : Angka Sig. ≥ 0,05, maka H0 diterima

Angka Sig. < 0,05, maka H0 ditolak

Tabel 3.12 Nilai Measure of Sampling Adequecy (MSA) Anti-image Matrices

X1 X2 X3 X4 X5 X6 X7 X8

Anti-image Correlation

X1 ,784a -,217 -,012 -,355 -,036 -,680 -,313 ,213 X2 -,217 ,797a -,142 -,008 -,564 -,013 ,118 ,129 X3 -,012 -,142 ,649a ,072 ,178 -,051 -,009 -,729 X4 -,355 -,008 ,072 ,877a -,085 -,021 -,474 -,071 X5 -,036 -,564 ,178 -,085 ,744a ,171 -,092 -,337 X6 -,680 -,013 -,051 -,021 ,171 ,809a ,118 -,272 X7 -,313 ,118 -,009 -,474 -,092 ,118 ,868a -,071 X8 ,213 ,129 -,729 -,071 -,337 -,272 -,071 ,643a a. Measures of Sampling Adequacy(MSA)

Dengan melihat anti image correlation diketahui ke 8 variabel menunjukkan kriteria angka MSA lebih besar dari 0,5 yang berarti semua variabel masih bisa diprediksi untuk dianalisa

(59)

lebih lanjut. Dari kedua hasil pengujian diatas, semua variabel mempunyai korelasi yang cukup tinggi dengan variabel lain, sehingga analisis layak untuk dilanjutkan dengan mengikutkan 8 variabel.

3.5.2 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 faktor.

• Metode yang digunakan untuk tahap ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal).

Tabel 3.1.3 Tabel komunalitas Communalities

Initial Extraction X1 1,000 ,889 X2 1,000 ,504 X3 1,000 ,880 X4 1,000 ,845 X5 1,000 ,450 X6 1,000 ,731 X7 1,000 ,774 X8 1,000 ,890 Extraction Method: Principal Component Analysis.

Komunalitas pada dasarnya adalah jumlah varians (bisa dalam persentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang terbentuk.

a. Untuk variabel produk, nilai komunalitasnya adalah 0,889 atau sekitar 88,9 % varians dari variabel produk bisa dijelaskam oleh faktor yang terbentuk.

b. Untuk variabel harga, nilai komunalitasya adalah 0,504 atau sekitar 50,4 % varians dari variabel harga bisa dijelaskan oleh faktor yang terbentuk.

c. Untuk variabel promosi, nilai komunalitasya adalah 0,880 atau sekitar 88 % varians dari variabel promosi bisa dijelaskan oleh faktor yang terbentuk.

d. Untuk variabel lokasi, nilai komunalitasya adalah 0,845 atau sekitar 84,5 % varians dari variabel lokasi bisa dijelaskan oleh faktor yang terbentuk.

(1)

39 26,38504983 696,1708545

40 23,92887336 572,5909801

41 23,92887336 572,5909801

42 23,01518567 529,6987716

43 22,87155619 523,1080826

44 18,75230018 351,6487619

45 23,25302492 540,7031679

46 21,95786851 482,1479895

47 22,11918699 489,2584329

48 14,03191522 196,8946447

49 10,20070803 104,0544443

50 14,03191522 196,8946447

51 15,92377764 253,5666943

52 16,94261381 287,0521626

53 16,94261381 287,0521626

54 23,92887336 572,5909801

55 23,92887336 572,5909801

56 23,01518567 529,6987716

57 21,72036532 471,7742695

58 20,396093 416,0006095

59 21,52993093 463,5379258

60 20,396093 416,0006095

61 23,90958663 571,668333

62 24,9669038 623,3462853

63 18,39476856 338,3675105

64 19,48240531 379,5641168

65 22,58724809 510,1837764

66 19,91974053 396,7960629

67 24,19582851 585,4381174

68 13,13230616 172,4574652

69 13,6809936 187,1695859

70 17,97212871 322,9974102

(2)

A. Mencari Nilai Varians Dari Masing-Masing Variabel Lampiran 6

�2 ₌∑ ��

2₋(∑ ��)2

�

� �12 ₌816,7135−

(230,9828)2 70

�12 ₌816,7135−

52.938,0794 70

�12 ₌816,7135−756,258275

�12 ₌60,455219

��= �,��

�22 ₌ 938,0922−

(247,9363)2 70

�22 ₌ 938,0922−

61.472,4224 70

�22 ₌ 938,0922−8778,118

�22 ₌ 59,91475

(3)

74 �32 ₌ 815,3019−

52.938,0794 70

�32 ₌ 815,3019−756,258275

�32 ₌ 59,04361

��= �,��

�42 ₌ 745,0988−

(218,8445 )2 70

�42 ₌ 745,0988−

47892 ,8938 70

�42 ₌ 745,0988−684,184197

�42 ₌ 60,914646

��= �,��

�52 ₌ 935,6869−

(247,9363)2 70

�52 ₌ 935,6869−

61472 ,4224 70

(4)

75 �52 ₌ 935,6869−878,177463

�52 ₌ 57,509468

��= �,��

�62 ₌ 940,637−

(247,9363)2 70

�62 ₌ 940,637−

61472 ,4224 70

�62 ₌ 940,637−878,177463

�62 ₌ 62,459575

��= �,��

�72 ₌ 746,8067−

(218,84451 )2 70

�72 ₌ 746,8067−

47892 ,89384 70

�72 ₌ 746,8067−684,184197

�72 ₌ 62,622479

(5)

76 �82 ₌ 818,0566−

(230,0828 )2 70

�82 ₌ 818,0566−

52.938,0794 70

�82 ₌ 818,0566−756,258275

�82 ₌ 61,7983338

��= �,��

B. Mencari total Nilai Varians (Tanpa Variabel X1) ��2 =

29669,94438−(1411 ,580651 )2

��2 =

29669,94438−1992559 ,934

��2 =

29699,94438−28465,14191 70

��2 =1204,80247₇₀

��2 = 17,21146385

�� =��,��

(6)

77 �= � �

� −1� �1−

∑ ��2

��2 �

�= � 8 8−1�

⎝ ⎜ ⎜ ⎛

1−

0,85592 + 0,84348 + 0,87020 + 0,82156 + 0,89227 + 0,89460 + 0,88283

17,211

⎠ ⎟ ⎟ ⎞

�=�8 7� �1−

6,06086 17,211 �

�= �8

7�(1−0,35215)

�= (1,143)(0,64785)