92
c. Pembahasan Analisis Faktor
Mengacu pada Ghozali 2005:253, analisis faktor adalah suatu cara meringkas summarize informasi yang ada dalam variabel asli awal
menjadi satu set dimensi baru atau variate factor. Hal ini dilakukan dengan cara menentukan struktur lewat data summarization atau lewat
data reduction pengurangan data.
1 Menentukan variabel yang akan dianalisis
Jumlah variabel yang akan dinalisis dalam penelitian ini adalah tiga variabel dengan jumlah kuesioner sebanyak 35 yang akan
menjadi variabel dalam faktor. Selanjutnya akan dilakukan reduksi sehingga menjadi beberapa faktor yang Jumlah akan lebih kecil
dibanding jumlah variabel sbelumnya.
2 Menguji KMO-MSA variabel yang ditentukan
Pengujian dilakukan sebagai berikut 1. Kaiser-Meyer-Olkin Measure of Sampling Adequacy KMO MSA
KMO untuk mengetahui kecukupan sampel atau Pengukuran kelayakan sampel. Bila hasil KMO and Bartlestts Test diatas,
menunjukkan hasil nilai KMO MSA Kaiser-Meyer-Olkin Measure of Sampling Adequacy lebih besar dari 0,5 maka variabel-variabel
dapat dilanjutkan untuk dianalisa.
93 2. Measure of Sampling Adequacy MSA
MSA digunakan untuk mengukur derajat korelasi antar variabel, hasil MSA pada anti image matrices correlation dengan kriteria
MSA 0.05. Tabel 4.7.
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.628
Bartletts Test of Sphericity
Approx. Chi-Square 1722.209 df
595 Sig.
.000 Sumber: Hasil olah data
KMO and Bartletts Test digunakan untuk mengetahui variabel- variabel layak atau tidak untuk dianalisis lebih lanjut, bila nilai lebih
besar 0,5 maka analisis dapat dilakukan lebih lanjut. Pada tabel KMO and Bartlestts Test diatas, menunjukkan hasil nilai Bartletts Test of
sphericity Chi-Square sebesar 1722.209 pada siginifikan 0.000 yang berarti antar variabel terjadi korelasi signifikan signifikan 0.05.
KMO MSA Kaiser-Meyer-Olkin Measure of Sampling Adequacy sebesar 0.628 yang menunjukkan lebih besar dari 0,5, maka proses
analisis dapat dilakukan lebih lanjut. Selanjutnya nilai hasil pengujian MSA Measure of Sampling
Adequacy setiap variabel harus memiliki nilai MSA 0.05. Nilai dapat dilihat pada hasil Anti Image Matrice pada bagian Anti Image
Correlation yaitu angka korelasi yang bertanda “a” di bagian atas
94 angka, dengan arah diagonal dari kiri atas ke kanan bawah pada
lampiran. Secara singkat hasil nilai dapat dilihat di bawah ini: Tabel 4.8.
Nilai MSA Anti Image Correlation 1 Variabel
MSA X11
.347
a
X12
.456
a
X13 .382
a
X14 .459
a
X15 .592
a
X16 .587
a
X17 .604
a
X18 .555
a
X19 .684
a
X10 .643
a
X111 .696
a
X112 .530
a
X113 .789
a
X114 .703
a
X21
.388
a
X22 .500
a
X23 .750
a
X24 .628
a
X25 .522
a
X26 .560
a
X27 .733
a
X28 .657
a
X29 .606
a
X31 .555
a
X32 .612
a
X33 .520
a
X34 .641
a
X35 .732
a
X36 .828
a
X37 .758
a
X38 .615
a
X39 .794
a
X310 .762
a
X311 .595
a
X312 .724
a
95 Dari Tabel terdapat t nilai MSA yang kurang dari 0.05 yaitu,
X11 sebesar 0. .347, X12 sebesar 0.456, X13 sebesar 0.382, X14 sebesar 0.459, dan X21 sebesar 0.388, maka variabel yang
menghasilkan nilai di bawah 0,5 dan nilainya paling kecil dikeluarkan terlebih dahulu kemudian dilakukan KMO and Bartletts Test ulang,
Nilai yang terkecil adalah X11 sebesar 0.347 maka harus dikeluarkan. Setelah dikeluarkan dan diuji ulang maka hasil KMO and Bartletts Test
adalah sebagai berikut: Tabel 4.9.
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.656
Bartletts Test of Sphericity
Approx. Chi-Square 1638.582 df
561 Sig.
.000 Sumber: Hasil olah data
Pada tabel KMO and Bartlestts Test diatas, menunjukkan hasil nilai Bartletts Test of sphericity sebesar 1638.582 pada siginifikan
0.000 yang berarti antar variabel terjadi korelasi signifikan signifikan 0.05. KMO MSA Kaiser-Meyer-Olkin Measure of Sampling
Adequacy sebesar 0. 656 yang menunjukkan lebih besar dari 0,5 proses analisis maka dapat dilakukan lebih lanjut.
Selanjutnya nilai hasil pengujian MSA Measure of Sampling Adequacy setiap variabel harus memiliki nilai MSA 0.05. Nilai dapat
96 dilihat pada hasil Anti Image Matrice pada bagian Anti Image
Correlation, dengan hasil sebagai berikut: Tabel 4.10.
Nilai MSA Anti Image Correlation 2 Variabel
MSA
X12 .626a
X13 .433a
X14 .523a
X15 .610a
X16 .581a
X17 .660a
X18 .551a
X19 .624a
X10 .666a
X111 .686a
X112 .612a
X113 .786a
X114 .694a
X21 .420a
X22 .535a
X23 .743a
X24 .635a
X25 .527a
X26 .610a
X27 .722a
X28 .664a
X29 .615a
X31 .599a
X32 .609a
X33 .512a
X34 .700a
X35 .717a
X36 .842a
X37 .766a
X38 .619a
X39 .801a
X310 .789a
X311 .587a
X312 .697a
Sumber: Hasil olah data
97 Dari Tabel masih dapat nilai MSA yang kurang dari 0.05 yaitu X13
sebesar 0.433, dan X21 sebesar 0.420. Dari variabel yang kurang ini maka dikeluarkan yang mempunyai nilai terkecil yaitu X21 sebesar
0.420, selajutnya dilakukan tes ulang. Setelah X21 dikeluarkan dan
diuji ulang maka hasil KMO and Bartletts Test adalah sebagai berikut:
Tabel 4.11.
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.680
Bartletts Test of Sphericity
Approx. Chi-Square 1542.658 df
528 Sig.
.000 Sumber: Hasil olah data
Hasil KMO and Bartlestts Test ulang, menunjukkan hasil nilai Bartletts Test of sphericity sebesar 1542.658 pada siginifikan 0.000
yang berarti signifikan signifikan 0.05. KMO MSA Kaiser-Meyer- Olkin Measure of Sampling Adequacy sebesar 0.680 yang
menunjukkan lebih besar dari 0,5 proses analisis maka dapat dilakukan lebih lanjut. Selanjutnya nilai hasil pengujian MSA Measure of
Sampling Adequacy setiap variabel harus memiliki nilai MSA 0.05. Nilai dapat dilihat pada hasil Anti Image Matrice pada bagian Anti
Image Correlation, dengan hasil sebagai berikut:
98 Tabel 4.12.
Nilai MSA Anti Image Correlation 3 Variabel
MSA
X12 .607a
X13 .430a
X14 .514a
X15 .610a
X16 .587a
X17 .741a
X18 .537a
X19 .619a
X10 .654a
X111 .725a
X112 .625a
X113 .784a
X114 .690a
X22 .612a
X23 .777a
X24 .543a
X25 .587a
X26 .650a
X27 .719a
X28 .666a
X29 .579a
X31 .735a
X32 .668a
X33 .552a
X34 .700a
X35 .724a
X36 .850a
X37 .763a
X38 .621a
X39 .798a
X310 .792a
X311 .637a
X312 .688a
Sumber: Hasil olah data
99 Dari Tabel masih dapat nilai MSA yang kurang dari 0.05 yaitu X13
sebesar 0.430, kemudian variabel ini dikeluarkan selanjutnya dilakukan tes ulang.
Tabel 4.13.
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.688
Bartletts Test of Sphericity
Approx. Chi-Square 1488.362 df
496 Sig.
.000 Sumber: Hasil olah data
Pada tabel KMO and Bartlestts Test ulang, menunjukkan hasil nilai Bartletts Test of sphericity sebesar 1488.362 pada siginifikan
0.000 yang berarti korelasi signifikan signifikan 0.05. KMO MSA Kaiser-Meyer-Olkin Measure of Sampling Adequacy sebesar 0.688
yang menunjukkan lebih besar dari 0,5 proses analisis maka dapat dilakukan lebih lanjut.
Selanjutnya nilai hasil pengujian MSA Measure of Sampling Adequacy setiap variabel harus memiliki nilai MSA 0.05. Nilai dapat
dilihat pada hasil Anti Image Matrice pada bagian Anti Image Correlation, dengan hasil sebagai berikut:
100 Tabel 4.13.
Nilai MSA Anti Image Correlation 4 Variabel
MSA X12
.609a X14
.520a X15
.621a X16
.580a X17
.738a X18
.531a X19
.609a X10
.661a X111
.704a X112
.639a X113
.782a X114
.679a X22
.614a X23
.769a X24
.538a X25
.583a X26
.662a X27
.715a X28
.669a X29
.594a X31
.730a X32
.676a X33
.648a X34
.708a X35
.720a X36
.846a X37
.759a X38
.616a X39
.792a X310
.800a X311
.687a X312
.685a Sumber: Hasil olah data
101 Dari Tabel didapat nilai MSA Measure of Sampling Adequacy semua
variabel menunjukkan lebih besar dari 0.05. Variabel tersebut diatas memenuhi syarat nilai Measures of Sampling Adequacy MSA
sehingga tidak ada variabel yang dikeluarkan kemudian dapat dilakukan uji lebih lebih lanjut.
3 Communalities
Communalities pada dasarnya adalah jumlah varian bisa dalam presentase, suatu variabel mula-mula yang bisa dijelaskan oleh faktor
yang ada. Berdasarkan dari nilai-nilai yang ada pada tabel communalities, maka dapat diambil kesimpulan bahwa variabel-
variabel yang ada dapat dijelaskan oleh faktor yang terbentuk, semakin besar nilai communalities maka semakin erat hubungan dengan faktor
yang terbentuk, Santoso, 2004:43. Pada nilai Extraction menunjukkan angka yang dapat menjadi urutan dalam faktor-faktor yang
mempengaruhi keputusan pembelian yang akan dijelaskan oleh faktor yang terbentuk nanti, Wahana, 2004:263. Hasil nilai communalities
dapat dilihat pada tabel di bawah ini:
102 Tabel 4.14.
Communalities
Initial Extraction
X12 1.000
.776 X14
1.000 .638
X15 1.000
.637 X16
1.000 .790
X17 1.000
.792 X18
1.000 .766
X19 1.000
.780 X10
1.000 .780
X111 1.000
.738 X112
1.000 .729
X113 1.000
.750 X114
1.000 .782
X22 1.000
.570 X23
1.000 .716
X24 1.000
.796 X25
1.000 .827
X26 1.000
.610 X27
1.000 .810
X28 1.000
.569 X29
1.000 .550
X31 1.000
.698 X32
1.000 .776
X33 1.000
.668 X34
1.000 .664
X35 1.000
.682 X36
1.000 .538
X37 1.000
.700 X38
1.000 .735
X39 1.000
.726 X310
1.000 .784
X311 1.000
.686 X312
1.000 .668
Extraction Method: Principal Component Analysis.
103 Pada tabel communalities variabel semakin besar nilai
communalities maka semakin erat hubungan dengan faktor yang terbentuk, nilai communalities sepeda motor honda yang dikeluarkan
mempunyai kualitas baik X12 adalah 0.776 hal ini menunjukkan sebesar 77.6 variabel Sepeda motor honda yang dikeluarkan
mempunyai kualitas baik dapat dijelaskan oleh faktor yang terbentuk, variabel mempunyai mesin yang kuat dan handal X14 adalah 0.638
hal ini menunjukkan sebesar 63.8 dapat dijelaskan oleh faktor yang terbentuk, variabel spesifikasi peralatan sepeda motor honda sesuai
yang ditawarkan X15 adalah 0.637hal ini menunjukkan sebesar 63.7 variabel mempunyai mesin yang kuat dan handal dapat
dijelaskan oleh faktor yang terbentuk, variabel suku cadang yang digunakan asli dari honda X16 adalah 0.790 hal ini menunjukkan
sebesar 79 variabel suku cadang yang digunakan asli dari Honda dapat dijelaskan oleh faktor yang terbentuk, variabel mempunyai
reputasi baik dan tahan lama X17 adalah 0.792 hal ini menunjukkan sebesar 79.2 variabel mempunyai reputasi baik dan tahan lama dapat
dijelaskan oleh faktor yang terbentuk, variabel sepeda motor honda irit bahan bakar X18 adalah 0.766 hal ini menunjukkan sebesar 76.6
variabel sepeda motor honda irit bahan bakar dapat dijelaskan oleh faktor yang terbentuk, variabel pelayanan yang diberikan dealer sangat
memuaskan X19 sebesar 0.780 hal ini menunjukkan sebesar 78 variabel pelayanan yang diberikan dealer sangat memuaskan dapat
104 dijelaskan oleh faktor yang terbentuk, variabel terdapat layanan garansi
terhadap motor yang dikeluarkan X10 adalah 0.780 hal ini menunjukkan sebesar 78 variabel terdapat layanan garansi terhadap
motor yang dikeluarkan dapat dijelaskan oleh faktor yang terbentuk, variabel memiliki design yang bagus X111
adalah 0.738 hal ini menunjukkan sebesar 73.8 variabel memiliki design yang bagus
dapat dijelaskan oleh faktor yang terbentuk, variabel model sepeda motor mengikuti perkembangan zaman X112 adalah 0.729 hal ini
menunjukkan sebesar 72.9 variabel model sepeda motor mengikuti perkembangan zaman dapat dijelaskan oleh faktor yang terbentuk,
variabel sepeda motor yang paling mengena di hati adalah Honda X113 adalah 0.725 hal ini menunjukkan 72.5 variabel sepeda
motor yang paling mengena di hati adalah Honda dapat dijelaskan oleh faktor yang terbentuk, variabel membeli sepeda motor berarti membeli
Honda X114 0.782 hal ini menunjukkan sebesar 78.2 variabel membeli sepeda motor berarti membeli Honda dapat dijelaskan oleh
faktor yang terbentuk. Variabel terdapat variasi harga sehingga konsumen dapat
memilih sesuai kemampuan X22 adalah 0.570 hal ini menunjukkan 57 variabel terdapat variasi harga sehingga konsumen dapat memilih
sesuai kemampuan dapat dijelaskan oleh faktor yang terbentuk. Variabel harga jual kembali sepeda motor honda yang sudah dipakai
lebih tinggi dibanding merk lain X23 adalah 0.716 hal ini
105 menunjukkan 71.6 variabel harga jual kembali sepeda motor honda
yang sudah dipakai lebih tinggi dibanding merk lain dapat dijelaskan oleh faktor yang terbentuk. Variabel setiap pembelian honda diberikan
potongan harga yang menarik X24 adalah 0.798 hal ini menunjukkan 79.8 variabel setiap pembelian honda diberikan potongan harga yang
menarik dapat dijelaskan oleh faktor yang terbentuk. Variabel apabila terdapat even maka akan memberikan potongan harga yang tinggi dan
hadiah X25 adalah 0.827 hal ini menunjukkan 82.7 variabel apabila terdapat even maka akan memberikan potongan harga yang tinggi dan
hadiah dapat dijelaskan oleh faktor yang terbentuk. Variabel dapat dilakukan dengan pembelian tunai X26 adalah 0.610 hal ini
menunjukkan 61 variabel dapat dilakukan dengan pembelian tunai dapat dijelaskan oleh faktor yang terbentuk. Variabel terdapat
penawaran pembayaran jangka panjang bila membeli secara kredit X27 adalah 0.810 hal ini menunjukkan 81 variabel terdapat
penawaran pembayaran jangka panjang bila membeli secara kredit dapat dijelaskan oleh faktor yang terbentuk. Variabel syarat-syarat
kredit motor sangat mudah X28 adalah 0.569 hal ini menunjukkan 56.9 variabel syarat-syarat kredit motor sangat mudah dapat
dijelaskan oleh faktor yang terbentuk. Variabel proses kredit yang diajukan cepat X29 adalah 0.550 hal ini menunjukkan 55 variabel
proses kredit yang diajukan cepat dapat dijelaskan oleh faktor yang terbentuk.
106 Variabel sepeda motor honda mudah dikenali konsumen X31
adalah 0.698 hal ini menunjukkan 69.8 variabel sepeda motor honda mudah dikenali konsumen dapat dijelaskan oleh faktor yang terbentuk,
variabel sepeda motor Honda familiar dengan konsumen X32 adalah 0.776 hal ini menunjukkan 77.6 variabel sepeda motor Honda
familiar dengan konsumen dapat dijelaskan oleh faktor yang terbentuk, variabel model mengikuti perkembangan zaman X33 adalah 0.668
hal ini menunjukkan 668 variabel model mengikuti perkembangan zaman dapat dijelaskan oleh faktor yang terbentuk, variabel banyak
pilihan model sesuai keinginan konsumen X34 adalah 0.664 hal ini menunjukkan 66.4 variabel banyak pilihan model sesuai keinginan
konsumen dapat dijelaskan oleh faktor yang terbentuk, variabel mempunyai kekuatan mesin yang handal X35 adalah 0.682 hal ini
menunjukkan 68.2 variabel mempunyai kekuatan mesin yang handal dapat dijelaskan oleh faktor yang terbentuk, variabel sesuai dengan
kebutuhan konsumen X36 adalah 0.538 hal ini menunjukkan 53.8 variabel sesuai dengan kebutuhan konsumen dapat dijelaskan oleh
faktor yang terbentuk, variabel merek sangat terkenal di hati masyarakat X37 adalah 0.700 hal ini menunjukkan 70 variabel
merek sangat terkenal di hati masyarakat, variabel sering menyebut sepeda motor adalah Honda X38 adalah 0.735 hal ini menunjukkan
73.5 variabel sering menyebut sepeda motor adalah Honda dapat dijelaskan oleh faktor yang terbentuk, variabel suara mesin lebih
107 halus X39 adalah 0.726 hal ini menunjukkan 72.6 variabel suara
mesin lebih halus dapat dijelaskan oleh faktor yang terbentuk, variabel sepeda motor Honda nyaman digunakan X310 adalah 0.784 hal ini
menunjukkan 78.4 variabel sepeda motor Honda nyaman digunakan dapat dijelaskan oleh faktor yang terbentuk, variabel kesedian suku
cadang yang asli mudah dijumpai X311 adalah 0.686 hal ini menunjukkan 686 variabel kesedian suku cadang yang asli mudah
dijumpai dapat dijelaskan oleh faktor yang terbentuk, variabel memiliki bengkel terbesar X312 adalah 0.668 hal ini menunjukkan 66.8
variabel memiliki bengkel terbesar dapat dijelaskan oleh faktor yang terbentuk.
4 Nilai Initial Eigenvalues
Selanjutnya uji Total variance explained, menurut Santoso 2004:43 total variance explained menggambarkan jumlah faktor yang
terbentuk. Dalam melihat faktor yang terbentuk, maka harus dapat dilihat pada nilai eigenvalue harus berada diatas satu 1, jika berada di
bawah satu maka tidak tepat. Eigenvalue menunjukkan kepentingan relative masing-masing faktor dalam menghitung varians dari total
variabel yang ada. Jumlah angka eigenvalues susunannya selalu diurutkan.
108 Tabel 4.15.
Total Variance Explained
Component Initial Eigenvalues
Extraction Sums of Squared Loadings Total
of Variance Cumulative
Total of Variance
Cumulative 1
6.596 20.611
20.611 6.596
20.611 20.611
2 2.941
9.191 29.802
2.941 9.191
29.802 3
2.361 7.377
37.178 2.361
7.377 37.178
4 2.242
7.005 44.183
2.242 7.005
44.183 5
1.970 6.157
50.340 1.970
6.157 50.340
6 1.652
5.163 55.503
1.652 5.163
55.503 7
1.421 4.441
59.944 1.421
4.441 59.944
8 1.286
4.020 63.964
1.286 4.020
63.964 9
1.251 3.910
67.875 1.251
3.910 67.875
10 1.009
3.154 71.029
1.009 3.154
71.029 11
.913 2.852
73.880 12
.796 2.487
76.368 13
.741 2.316
78.683 14
.719 2.246
80.929 15
.676 2.114
83.043 16
.606 1.895
84.937 17
.545 1.703
86.640 18
.475 1.485
88.125 19
.452 1.413
89.538 20
.429 1.341
90.879 21
.417 1.302
92.181 22
.336 1.051
93.232 23
.336 1.048
94.280 24
.331 1.035
95.316 25
.269 .841
96.157 26
.242 .757
96.914 27
.224 .700
97.614 28
.207 .646
98.260 29
.174 .544
98.805 30
.146 .456
99.260 31
.122 .380
99.640 32
.115 .360
100.000 Extraction Method: Principal Component Analysis.
109 Pada Tabel Total Variance Explained terdapat sepuluh variabel
yang dimasukan ke dalam analisis faktor, masing-masing faktor memiliki satu varian maka total varian adalah 32 tiga puluh dua. Pada nilai
variance apabila dijumlahkan maka akan menghasilkan 100. Apabila angka-angka tersebut dijumlahkan maka diperoleh total nilai varian yang
terbentuk dari 32 tigapuluh dua variabel, yaitu 6.596+
2.941+2.361+2.242+1.970+1.652+1.421+1.286+1.251+1.009+0.913+0.796 +0.741+0.719+0.676+0.606+0.545+0.475+0.452+0.429+0.417+0.336+
0.336+0.331+0.269+0.242+0.224+0.207+0.174+0.146+0.122+0 .115=32.
Pada table bagian Initial Eigenvalues di kolom total terdapat 10 sepuluh angka yang nilainya lebih besar dari 1 ini, berarti terdapat 10
sepuluh faktor yang terbentuk, karena jumlah angka dengan nilai diatas 1 yang digunakan untuk menghitung faktor yang terbentuk. Nilai selalu
urut mulai yang terbesar. Pada kolom Extraction Sums of Squared Loadings angka menunjukkan sebagai berikut:
20.611 1. Apabila variabel dijadikan 1 faktor maka faktor yang terbentuk
dapat menjelaskan varian dari 32 tiga puluh dua variabel yaitu nilai sebesar 20.611 diperoleh dari 6.59632=20.611 =20.61.
2. Apabila 32 tiga puluh dua variabel tersebut dijadikan 2 faktor, maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi
komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 2 sebesar
9.19 didapat dari 2.94132=9.191=9.19.
110 3. Apabila 32 tiga puluh dua variabel tersebut dijadikan 3 faktor,
maka faktor 1 menjelaskan varian dari variabel yang menjadi komponen faktor 1 20.61, faktor 2 dapat menjelaskan varian dari
variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3
dapat menjelaskan varian dari variabel yang menjadi komponen faktor 3 sebesar
7.38, didapat dari 2.36132=7.377=7.38. 4. Apabila 32 tiga puluh dua variabel tersebut dijadikan 4 faktor,
maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan
varian dari variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 3 sebesar 7.38, faktor 4 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 4 sebesar
2.24232=7.005 =7.01 5. Apabila 32 tiga puluh dua variabel tersebut dijadikan 5 faktor,
maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan
varian dari variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 3 sebesar 7.38, faktor 4 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 4 sebesar
7.08, faktor 5 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 5 sebesar
1.97032=6.157 =6.16.
111 6. Apabila 32 tiga puluh dua variabel tersebut dijadikan 6 faktor,
maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan
varian dari variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 3 sebesar 7.38, faktor 4 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 4 sebesar
7.08, faktor 5 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 5 sebesar
6.16, faktor 6 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 6
sebesar 1.65232=5.163=5.17. 7. Apabila 32 tiga puluh dua variabel tersebut dijadikan 7 faktor,
maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan
varian dari variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 3 sebesar 7.38, faktor 4 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 4 sebesar
7.08, faktor 5 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 5 sebesar
6.16, faktor 6 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 6
sebesar 5.17, faktor 7 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 7 sebesar 1.42132=4.441=4.44.
112 8. Apabila 32 tiga puluh dua variabel tersebut dijadikan 8 faktor,
maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan
varian dari variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 3 sebesar 7.38, faktor 4 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 4 sebesar
7.08, faktor 5 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 5 sebesar
6.16, faktor 6 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 6
sebesar 5.17, faktor 7 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 7 sebesar 4.44, faktor 8 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 8 sebesar 1.28632=4.020=4.02.
9. Apabila 32 tiga puluh dua variabel tersebut dijadikan 9 faktor, maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi
komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 2 sebesar
9.19, faktor 3 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 3 sebesar
7.38, faktor 4 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 4
sebesar 7.08, faktor 5 dapat menjelaskan varian dari variabel
yang menjadi komponen faktor 5 sebesar 6.16, faktor 6 dapat
113 menjelaskan varian dari variabel yang menjadi komponen faktor 6
sebesar 5.17, faktor 7 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 7 sebesar 4.44, faktor 8 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 8 sebesar 4.02, faktor 9 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 9 sebesar 1.00932=3.910=3.91. 10. Apabila 32 tiga puluh dua variabel tersebut dijadikan10 faktor,
maka faktor 1 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 1 sebesar 20.61, faktor 2 dapat menjelaskan
varian dari variabel yang menjadi komponen faktor 2 sebesar 9.19, faktor 3 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 3 sebesar 7.38, faktor 4 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 4 sebesar
7.08, faktor 5 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 5 sebesar
6.16, faktor 6 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 6
sebesar 5.17, faktor 7 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 7 sebesar 4.44, faktor 8 dapat
menjelaskan varian dari variabel yang menjadi komponen faktor 8 sebesar 4.02, faktor 9 dapat menjelaskan varian dari variabel yang
menjadi komponen faktor 9 sebesar 3.91, faktor10 dapat menjelaskan varian dari variabel yang menjadi komponen faktor 10
sebesar 1.00932=3.154=3.15.
114
5 Komponen Faktor
Tabel 4.16.
Component Matrix
a
Component 1
2 3
4 5
6 7
8 9
10 X12
.355 .162
.008 -.196
.337 .089
.321 -.555
.136 -.185
X14 .273
.172 -.010
-.169 .386
.417
.269 -.308
.121 .010
X15
.439
.370 -.230
.387 .044
.191 -.129
.222 .020
-.007 X16
.429
.407 -.354
.239 .004
-.032 -.408
.115 .262
.093 X17
.513
.342 -.324
-.112 -.109
.264 .405
.042 .185
-.113 X18
.246 -.062
.340 .085
-.036 -.333
.559
.096 .050
.377 X19
.375
.273 -.213
-.044 .247
-.476 -.303
-.343 -.097
.110 X10
.329 .453
.094 .083
.458
-.203 -.253
-.281 -.129
.202 X111
.436
.504
-.423 -.061
-.202 .106
.001 .144
.007 -.195
X112 .431
.412 -.084
-.010 .141
.114 .202
.222 -.051
.491
X113
.608
.340 -.213
-.087 -.255
-.118 .217
.239 -.118
-.119 X114
.508
.367 -.034
-.214 -.105
-.453 .125
.087 -.311
-.078 X22
.337 -.038
-.130
.542
-.047 .223
.059 -.299
-.010 -.013
X23
.619
-.137 .059
.363 -.294
-.110 .022
-.197 .111
-.168 X24
.208 .218
.545
.192 .352
.106 -.003
.302 -.085
-.371 X25
.248 .111
.648
.303 .399
-.005 -.065
.200 -.092
-.172 X26
.425 -.205
.217
.480
-.002 .261
-.015 -.095
.022 .181
X27
.544
-.192 .120
.383 -.492
.008 -.136
-.213 .028
.100 X28
.522
-.103 .128
.425 -.100
.127 .150
.053 -.181
.071 X29
.258 .290
.325
-.338 .272
.130 -.120
.081 .251
.067 X31
.453
-.500 -.254
-.305 .103
.181 -.026
-.002 -.170
.112 X32
.376
-.597 -.323
-.047 .328
-.066 .215
.096 -.060
-.016 X33
.236 -.299
-.166 -.179
.200
.378
-.297 .266
.261 .229
X34 .412
-.229 .079
-.069 .022
-.463 .057
.119
.424
.133 X35
.493
-.091 .255
-.394 -.259
.272 -.112
-.051 -.222
.067 X36
.602
-.191 .119
-.213 -.068
-.073 -.228
-.128 -.007
-.031 X37
.558
-.343 -.236
-.037 .124
-.168 -.104
.025 .273
-.292 X38
.460
.068 .404
-.412 -.365
.085 -.133
-.031 .139
-.091 X39
.663
-.221 .041
-.153 .098
.073 -.156
.061 -.407
.062 X310
.755
-.307 .002
-.188 .044
.001 -.010
.043 -.267
-.089 X311
.344 -.443
-.192 .237
.382
-.222 .085
.190 .156
-.127 X312
.444 .041
.462 -.192
-.226 -.054
-.001 -.004
.403 .044
Extraction Method: Principal Component Analysis. a. 10 components extracted.
Sumber: Hasil olah data
115 Tabel diatas adalah hasil setelah dilakukan loading, maka dapat dilihat
variabel-variabel yang masuk dalam suatu faktor : 1. Variabel terdapat variasi harga sehingga konsumen dapat memilih sesuai
kemampuan X
12
mempunyai korelasi dengan faktor 1 adalah sebesar
0.355, dengan faktor 2 adalah 0.162, dengan faktor 3 adalah 0.008,
dengan faktor 4 adalah -0.196, dengan faktor 5 adalah 0.337, dengan faktor 6 adalah 0.089, dengan faktor 7 adalah 0.321 dengan faktor 8
adalah -0.555, dengan faktor 9 adalah 0.136, dengan dengan faktor 10 adalah -0.185, nilai korelasi tertinggi atau paling kuat berada pada faktor
sebesar 0.355 maka variabel ini masuk dalam faktor 1.
2. Variabel mempunyai mesin yang kuat dan handal X
14
mempunyai korelasi dengan faktor 1 adalah sebesar 0.273, dengan faktor 2 adalah
0.172, dengan faktor 3 adalah -0.010, dengan faktor 4 adalah 0.169,
dengan faktor 5 adalah 0.386, dengan faktor 6 adalah 0.417, dengan
faktor 7 adalah 0.269 dengan faktor 8 adalah -0.308, dengan faktor 9 adalah 0.121, dengan dengan faktor 10 adalah 0.010, nilai korelasi
tertinggi atau paling kuat berada pada faktor 6 sebesar 0.417 maka
variabel ini masuk dalam faktor 6 .
3. Variabel spesifikasi peralatan sepeda motor honda sesuai yang ditawarkan X
15
mempunyai korelasi dengan faktor 1 adalah sebesar
0.439 , dengan faktor 2 adalah 0.370, dengan faktor 3 adalah --0.230,
dengan faktor 4 adalah 0.387, dengan faktor 5 adalah 0.044, dengan faktor 6 adalah 0.191, dengan faktor 7 adalah -0.129 dengan faktor 8 adalah
116 0.222, dengan faktor 9 adalah 0.020, dengan faktor 10 adalah -0.007, nilai
korelasi tertinggi atau paling kuat berada pada faktor 1 sebesar 0.439 maka variabel ini masuk dalam faktor 1 .
Demikian seterusnya variabel-variabel sampai tiga puluh dua variabel untuk dapat melihat distribusi ke yang terbentuk didalam 10
faktor. Menurut Santoso 2004:45, Component Matrik menunjukkan distribusi variabel yang ada dengan faktor yang terbentuk. Angka-angka
pada tabel Component Matrik adalah Factor Loading yang menunjukkan besar korelasi antara suatu variabel dengan faktor-faktor yang ada.
Component matrix pada tabel di atas, hasil faktor belum bisa diinterpretasikan karena variabel-variabel yang ada hanya mengumpul
pada satu atau beberapa faktor saja belum menyeluruh. Untuk itu perlu dilakukan rotasi faktor rotated component matrix.
Rotated component matrix ini dimaksudkan untuk mendapatkan tampilan data yang jelas dan nyata dari nilai loading untuk masing-
masing variabel terhadap faktor-faktor yang ada. Interpretasi ini didasarkan pada nilai loading yang terbesar masing-masing variabel
terhadap faktor-faktor yang ada, jadi suatu variabel akan masuk ke dalam faktor yang memiliki nilai loading terbesar, setelah dilakukan
perbandingan besar korelasi terhadap setiap baris. Tabel di bawah ini rotated component matrix menunjukkan hasil dari faktor.
117 Tabel 4.17.
Rotated Component Matrix
Component 1
2 3
4 5
6 7
8 9
10 X12
.056 .067
.049 .130
.133 .017
.203 .809
-.186 -.007
X14 .100
.102 .033
-.037 .007
.087 .043
.755 .183
.040 X15
.592 -.032
.351 .019
-.115 .223
.186 -.028
.248 -.051
X16
.563 -.149
.230 .121
.093 -.018
.464 -.126
.344 -.157
X17
.721 .057
.107 .081
.119 -.103
-.142 .441
.025 .107
X18 -.052
-.005 .136
.133 .166
.073 -.039
.025 -.185
.811
X19 .141
.115 .004
.159 .031
-.102 .829
.063 -.137
-.028 X10
.074 .043
.062 -.091
-.016 .262
.797 .218
.042 .085
X111
.827 .061
.034 -.030
.063 -.071
.099 .080
-.015 -.153
X112 .476
.138 .052
-.148 -.035
.075 .232
.150 .314
.526
X113
.756 .247
.070 .092
.161 .012
.046 -.013
-.211 .178
X114
.503 .311
-.122 .050
.170 .079
.351 -.068
-.438 .244
X22 .118
-.011 .694
.057 -.158
-.014 .058
.195 .002
-.071 X23
.189 .107
.662 .294
.300 .009
.060 -.003
-.224 -.017
X24 .077
.011 .029
.009 .084
.880 -.027
.069 -.042
-.018 X25
-.117 .027
.168 .037
.099 .862
.129 .013
-.006 .114
X26 -.074
.137 .692
.054 .047
.193 -.005
.062 .210
.133 X27
.074 .183
.773 .044
.338 -.129
.051 -.178
-.073 .020
X28 .175
.255 .606
.070 -.022
.217 -.050
-.017 -.024
.226 X29
.092 .049
-.234 -.066
.420 .321
.189 .267
.297 .075
X31 -.006
.689 .050
.312 -.021
-.222 -.062
.135 .225
-.006 X32
-.042 .444
.058 .670
-.247 -.096
-.096 .140
.089 .132
X33 .016
.263 -.025
.229 .089
-.050 -.077
.015 .721
-.093 X34
.007 -.011
.033 .577
.421 -.055
.156 -.098
.036 .337
X35 .083
.641 .104
-.214 .440
.006 -.064
.081 .050
-.001 X36
.040 .474
.178 .216
.429 .000
.210 .035
.002 -.067
X37 .167
.225 .142
.714 .205
-.027 .078
.072 .040
-.189 X38
.137 .308
.031 -.122
.771 .068
-.050 .047
-.038 -.038
X39 .119
.773 .179
.129 .072
.151 .176
.000 .068
.045 X310
.177 .741
.193 .332
.174 .102
.065 .080
-.048 .046
X311 -.012
.105 .153
.765 -.173
.143 .025
-.003 .092
.082 X312
.054 .030
.130 .073
.764 .122
-.003 .073
.044 .192
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 12 iterations.
118 Setelah dilakukan rotasi menggunakan Rotated Component Matrix
terlihat jelas variable yang masuk ke suatu faktor, dipakai nilai yang tertinggi dan nilai lainnya dihilangkan, hasilnya adalah sebagai berikut ;
Tabel 4.18.
Rotated Component Matrix
Component 1
2 3
4 5
6 7
8 9
10 X12
.809
X14
.755
X15
.592
X16
.563
X17
.721
X18 .811
X19
.829
X10
.797
X111
.827
X112
.526
X113
.756
X114
.503
X22
.694
X23
.662
X24
.880
X25
.862
X26
.692
X27
.773
X28
.606
X29
.420
X31 .689
X32
.670
X33
.721
X34
.577
X35
.641
X36
.474
X37
.714
X38
.771
X39
.773
X310
.741
X311
.765
X312
.764
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 12 iterations.
119 1. Faktor 1, yang masuk kedalam faktor ini terdapat 6enam variabel
yaitu: Variabel spesifikasi peralatan sepeda motor honda sesuai yang ditawarkan X15 adalah 0.592, suku cadang yang digunakan asli
dari honda X16 adalah 0.563, variabel mempunyai reputasi
baik dan tahan lama X17 adalah 0.721, variabel memiliki design yang bagus X111 adalah 0.827, variabel sepeda motor yang paling
mengena di hati adalah Honda X113 adalah 0.756, variabel membeli sepeda motor berarti membeli Honda X114 adalah
sebesar 0.503. 2. Faktor 2, yang masuk kedalam faktor ini terdapat 5lima variabel
yaitu: Variabel sepeda motor honda mudah dikenali konsumen X31 adalah 0.689, mempunyai kekuatan mesin yang handal X35
adalah 0.641, sesuai dengan kebutuhan konsumen X36 adalah 0.474, suara mesin lebih halus X39 adalah 0.773 dan variabel
sepeda motor Honda nyaman digunakan X310 adalah 0.741. 3. Faktor 3, yang masuk kedalam faktor ini terdapat 5lima variabel
yaitu: Variabel terdapat variasi harga sehingga konsumen dapat memilih sesuai kemampuan X22 adalah 0.694, harga jual kembali
sepeda motor honda yang sudah dipakai lebih tinggi dibanding merk lain X23 adalah 0.662, variabel dapat dilakukan dengan pembelian
tunai X26 adalah 0.692, terdapat penawaran pembayaran jangka
120 panjang bila membeli secara kredit X27 adalah 0.773 dan syarat-
syarat kredit motor sangat mudah X28 adalah sebesar 0.606. 4. Faktor 4, yang masuk kedalam faktor ini terdapat 4 empat variabel
yaitu: Variabel sepeda motor Honda familiar dengan konsumen X32 adalah 0.670, banyak pilihan model sesuai keinginan
konsumen X34 adalah 0.577, merek sangat terkenal di hati masyarakat X37 adalah 0.714 dan kesedian suku cadang yang asli
mudah dijumpai X311 adalah 0.765. 5. Faktor 5, yang masuk kedalam faktor ini terdapat 3 tiga variabel
yaitu: Variabel proses kredit yang diajukan cepat X29 adalah 0.420, variabel sering menyebut sepeda motor dengan sebutan Honda X38
adalah 0.771 dan variabel memiliki bengkel terbesar X312 adalah 0.764.
6. Faktor 6, yang masuk kedalam faktor ini terdapat 2dua variabel yaitu: Variabel setiap pembelian honda diberikan potongan harga
yang menarik X24 adalah 0.880 dan apabila terdapat even maka akan memberikan potongan harga yang tinggi dan hadiah X25
adalah sebesar 0.862. 7. Faktor 7, yang masuk kedalam faktor ini terdapat 2dua variabel
yaitu: Variabel Pelayanan yang diberikan dealer sangat memuaskan X19 adalah 0.829 dan terdapat layanan garansi terhadap motor
yang dikeluarkan X10 adalah 0.797.
121 8. Faktor 8, yang masuk kedalam faktor ini terdapat 2 dua variabel
yaitu: Variabel produk sepeda motor Honda mempunyai keragaman tipe X12 adalah 0.809 dan mempunyai mesin yang kuat dan handal
X14 adalah sebesar 0.755. 9. Faktor 9, yang masuk kedalam faktor ini terdapat 1satu variabel
yaitu: Model mengikuti perkembangan zaman X33 adalah 0.721. 10. Faktor 10, yang masuk kedalam faktor ini terdapat 2dua variabel
yaitu: Sepeda motor honda irit bahan bakar X18 adalah 0.811 dan model sepeda motor mengikuti perkembangan zaman X112 adalah
sebesar 0.526.
6 Faktor Baru yang Terbentuk
Pembagian variabel-variaebl dilakukan berdasarkan faktor yang terbentuk, diurutkan sesuai nilai faktor loading dari yang terbesar.
Pemberian nama dilakukan dilakukan berdasarkan nilai faktor yang tertinggi, hal ini mengacu pada Ghozali 2005:258, untuk pemberian nama
pada masing-masing faktor baru yang terbentuk bersifat subyektif, kadang- kadang variabel yang memiliki nilai faktor loading tertinggi digunakan
untuk memberi nama faktor.
122 Tabel 4.19.
Faktor Baru yang Terbentuk
Faktor Baru yang Terbentuk
Variabel Loading
faktor Eigen
value Variance
Faktor 1 Motor Favorit
Design bagus X111 0.827
6.596 20.611
Paling mengena di hati X113 0.756
Baik dan tahan lama X17 0.721
Spesifikasi peralatan X15 0.592
Suku cadang asli X16 0.563
Membeli motor Honda X114 0.503
Faktor 2 Keunggulan Honda
Suara mesin halus X39 0.773
2.941 9.191
Nyaman digunakan X310 0.741
Mudah dikenali X31 0.689
Mesin handal X35 0.641
Sesuai kebutuhan X36 0.474
Faktor 3 Secara Kredit
Membeli secara kredit X27 0.773
2.361 7.377
Sesuai kemampuan X22 0.694
Dapat tunai X26 0.692
Harga jual kembali X23 0.662
Syarat kredit mudah X28 0.606
Faktor 4 Suku Cadang
Kesediaan suku cadang X311 0.765
2.242 7.005
Merek terkenal X37 0.714
Familiar dengan konsumen X32 0.670
Banyak pilihan model X34 0.577
Faktor 5 Sebutan Honda
Sebutan Motor Honda X38 0.771
1.970 6.157
Memiliki bengkel terbesar X312 0.764
Proses kredit cepat X29 0.420
Faktor 6 Potongan harga
Potongan harga menarik X24 0.880
1.652 5.163
Even harga dan hadiah X25 0.862
Faktor 7 Pelayanan Dealer
Pelayanan dealer X19 0.829
1.421 4.441
Layanan garansi X10 0.797
Faktor 8 Keragaman Tipe
Keragaman tipe X12 0.809
1.286 4.020
Mesin kuat dan handal X14 0.755
Faktor 9 Model Modern
Model mengikuti perkembangan zaman X33
0.721 1.251
3.910 Faktor 10
Irit Bahan Bakar Irit bahan bakar X18
0.811 1.009
3.154 Model sepeda motor X112
0.526
Jumlah Kontribusi 71.029
Sumber : Hasil olah data
123 Penjelasan dari faktor baru yang terbentuk dan besarnya kontribusi variabel
faktor-faktor yang mempengaruhi keputusan pembelian adalah: 1. Faktor 1: faktor baru yang terbentuk diberi nama Motor Favorit memberikan
kontribusi sebesar 20.611 , terbentuk dari faktor design bagus, paling mengena di hati, baik dan tahan lama, spesifikasi peralatan, suku cadang asli,
dan membeli motor Honda. 2. Faktor 2: faktor baru yang terbentuk diberi nama Keunggulan Honda
memberikan kontribusi sebesar 9.191, di dalamnya faktor suara mesin halus, nyaman digunakan, mudah dikenali, mesin handal dan sesuai kebutuhan.
3. Faktor 3: faktor baru yang terbentuk diberi nama Secara Kredit memberikan kontribusi 7.377 , terbentuk dari faktor membeli secara kredit, sesuai
kemampuan, dapat tunai, harga jual kembali dan syarat kredit mudah. 4. Faktor 4: faktor baru yang terbentuk dengan nama Suku Cadang memberikan
kontribusi sebesar 7.005 terdiri dari faktor kesedian suku cadang, merek terkenal, familiar dengan konsumen dan banyak pilihan model.
5. Faktor 5: faktor baru yang terbentuk dengan nama Sebutan Honda memberikan kontribusi sebesar 6.157 , terdiri dari faktor sepeda motor
dengan sebutan Honda, memiliki bengkel terbesar dan proses kredit cepat. 6. Faktor 6: faktor baru yang terbentuk dengan nama Potongan harga
memberikan konstribusi sebesar 5.163 , terdiri dari faktor potongan harga menarik, even harga dan hadiah.
124 7. Faktor 7: faktor baru yang terbentuk dengan nama Pelayanan Dealer
memberikan kontribusi sebesar 4.441 , di dalamnya terdapat faktor pelayanan dealer dan layanan garansi.
8. Faktor 8: faktor baru yang terbentuk dengan nama Keragaman Tipe memberikan kontribusi sebesar 4.020 , didalamnya terdapat faktor
keragaman tipe adalah dan mesin kuat dan handal. 9. Faktor 9: faktor baru yang terbentuk dengan nama Model Modern memberikan
kontribu sebesar 3.910 terbentuk dari faktor model mengikuti perkembangan zaman.
10. Faktor 10 : faktor baru yang terbentuk dengan nama Irit Bahan Bakar memberi kontribusi sebesar 3.154 , terbentuk dari faktor Irit bahan bakar
dan Model sepeda motor.
2. Analisis dan Interpretasi
Kategori