Pengelompokan Variabel Kedalam Faktor 1, Faktor 2, Faktor 3, dan Faktor 4
varimax dan nilai loading faktor yang dibawah atau sama dengan 0.4 tidak ditampilkan. Apabila belum melalui proses rotasi varimax terdapat nilai loading faktor
variabel yang terletak pada faktor 1, faktor 2, faktor 3 dan faktor 4.
Tabel 3.10Output SPSS Nilai Loading Faktor dari Faktor 1, Faktor 2, Faktor 3 dan Faktor 4 Sebelum Rotasi Varimax
Component Matrix
a
Component 1
2 3
4 Kenyamanan
0,586 0,206
0,485 -0,358
Keamanan 0,120
0,619 0,244
-0,381 Harga
0,511 0,323
-0,175 0,310
Fasilitas 0,048
0,774 -0,248
-0,117 Refund
0,755 -0,251
-0,024 0,088
Promosi 0,554
-0,172 0,479
0,460 Pelayanan
0,717 0,158
-0,239 -0,336
Rute_Penerbangan 0,463
0,387 -0,167
0,419 Akses_Pemesanan
-0,270 0,523
0,550 0,265
Ketepatan_Waktu -0,503
0,406 -0,370
0,368 Handling_Complain
0,608 -0,021
0,009 0,239
Brand 0,545
-0,083 -0,467
-0,110 Extraction Method: Principal Component Analysis.
a. 4 components extracted. Sumber: Data primer Ratri diolah, 2014
Hasil pada tabel 3.10 adalah hasil pengelompokan variabel-variabel kedalam masing-masing faktor sebelum dirotasi varimax, sehingga dengan jelas dapat
diketahui anggota variabel-variabel pada faktor 1, faktor 2, faktor 3, dan faktor 4. Nilai loading faktor pada masing-masing faktor 1, faktor 2, faktor 3, dan faktor 4 yang
dibawah 0.4 dihapuskan.
Variabel asal kenyamanan, keamanan, harga, fasilitas, refund, promosi, pelayanan, rute penerbangan, akses pemesanan tiket, ketepatan waktu keberangkatan, handling complain,
dan branddapat dinyatakan dalam kombinasi linear faktor 1, faktor 2, faktor 3, dan faktor 4 sebagai berikut :
− −
− −
− −
− −
− −
− −
− −
− −
− −
=
4 Faktor
3 Faktor
2 Faktor
1 Faktor
110 ,
467 ,
083 ,
545 ,
239 ,
009 ,
021 ,
608 ,
368 ,
370 ,
406 ,
503 ,
265 ,
550 ,
523 ,
270 ,
419 ,
167 ,
387 ,
463 ,
336 ,
239 ,
158 ,
717 ,
460 ,
479 ,
172 ,
554 ,
088 ,
024 ,
251 ,
755 ,
117 ,
248 ,
774 ,
048 ,
310 ,
175 ,
323 ,
511 ,
381 ,
244 ,
619 ,
120 ,
358 ,
485 ,
206 ,
586 ,
brand complain
_ handling
tan keberangka
_ waktu
tan_ ketepa
tiket _
pemesanan _
akses n
penerbanga _
rute pelayanan
promosi refund
fasilitas a
arg h
keamanan kenyamanan
Nilai communality untuk Kenyamananadalah : 0.586
2
+0.206
2
+ 0,486
2
+ -0,358
2
= 0.7489 yang berarti faktor 1, faktor 2, faktor 3, dan faktor 4 mampu menjelaskan sebesar
74,49 keragaman data yang dijelaskan oleh variabel Kenyamanan.Selanjutnya, dapat juga dilakukan perhitungan yang sama pada variabel keamanan, harga, fasilitas, refund, promosi,
pelayanan, rute penerbangan, akses pemesanan tiket, ketepatan waktu keberangkatan, handling complain, dan brand.Hasil communality secara lengkap ditunjukkan dalam Tabel
3.11. Metode ekstraksi yang digunakan untuk menghitung communality dalam penelitian
ini ialah Principal Component Analysis Analisis Komponen Utama sehingga diharapkan diperoleh variabel-variabel yang menjadi faktor utama keunggulan maskapai penerbangan
Airasia Indonesia Kota Medan.
Tabel 3.11 Communality
Communalities
Initial Extraction
Kenyamanan 1,000
0,750 Keamanan
1,000 0,602
Harga 1,000
0,491 Fasilitas
1,000 0,676
Refund 1,000
0,642 Promosi
1,000 0,779
Pelayanan 1,000
0,710 Rute_Penerbangan
1,000 0,567
Akses_Pemesanan 1,000
0,719
Ketepatan_Waktu 1,000
0,691 Handling_Complain
1,000 0,427
Brand 1,000
0,535 Extraction Method: Principal Component Analysis.
Sumber: Data primer Ratri diolah, 2014
Nilai communality untuk variabel Keamananadalah0.602 yang berarti faktor 1, faktor 2, faktor 3, dan faktor 4 mampu menjelaskan sebesar 60,2 keragaman data yang
dijelaskan oleh variabel Keamanan. Variabel Harga memiliki nilai communality sebesar 0,491yang berarti faktor 1, faktor 2, faktor 3, dan faktor 4 mampu
menjelaskan sebesar 49,1 keragaman data yang dijelaskan oleh variabel Harga. Selanjutnya hingga variabel Brand, nilai communality sebesar 0,535 yang berarti
faktor 1, faktor 2, faktor 3, dan faktor 4 mampu menjelaskan sebesar 53,5 keragaman data yang dijelaskan oleh variabel Brand.
Kemudian, dilakukan proses rotasi varimax. Rotasi varimax dilakukan dengan tujuan untuk memperoleh hasil yang optimal. Hasil optimal yang dimaksud yakni
variabel-variabel manakah yang benar-benar menjadi bagian suatu faktor. Nilai loading faktor pada masing-masing faktor 1, faktor 2, faktor 3, dan faktor 4 yang di
bawah 0.4 dihapuskan. Metode yang digunakan pada proses rotasi varimax ialah Varimax with Kaiser Normalization. Hasil pada Tabel 3.12 menunjukkan bahwa
konvergensi rotasi varimax diperoleh pada iterasi ke-8. Nilai loading faktor pada masing-masing faktor 1, faktor 2, faktor 3, dan faktor 4 seperti Tabel 3.12.
Tabel 3.12Output SPSS Nilai Loading Faktor dari Faktor 1, Faktor 2, Faktor 3 dan Faktor 4 Setelah Rotasi Varimax
Rotated Component Matrix
a
Component 1
2 3
4 Kenyamanan
0,165 0,751
-0,007 0,399
Keamanan -0,020
0,219 -0,152
0,728 Harga
0,660 -0,018
0,136 0,190
Fasilitas 0,200
-0,293 0,024
0,742 Refund
0,492 0,457
0,396 -0,184
Promosi 0,590
0,517 -0,241
-0,324
Pelayanan 0,317
0,345 0,591
0,375 Rute_Penerbangan
0,721 -0,098
0,045 0,189
Akses_Pemesanan 0,104
-0,022 -0,789
0,291 Ketepatan_Waktu
0,066 -0,785
-0,225 0,136
Handling_Complain 0,561
0,277 0,175
-0,071 Brand
0,305 0,068
0,659 0,046
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 8 iterations. Sumber: Data primer Ratri diolah, 2014
Seperti yang dapat dilihat pada tabel 3.12 dapat disimpulkan bahwa pada faktor 1, faktor 2, faktor 3, dan faktor 4 telah mempunyai anggota variabelnya masing-
masing. Pada faktor 1 variabel-variabel yang ada adalah Harga, Refund,Promosi, Rute_Penerbangan, danHandling_Complain.Variabel-variabel tersebut berhubungan
dengan produk andalan Airasia, maka faktor 1 dapat diberi nama tingkat produk andalan Airasia. Faktor 2 mempunyai anggota variabel Kenyamanan dan
Ketepatan_Waktu, semua variabel ini berkaitan dengan kepuasan konsumen terhadap penggunaan jasa maskapai penerbangan Airasia, yang selalu memberikan
kenyamanan dan selalu berangkat tepat waktu. Faktor 2 dapat diberi nama Kepuasan Konsumen.
Faktor 3 mempunyai anggota variabel Pelayanan, Akses_Pemesanan_Tiket, Brand berhubungan dengan kemudahan memperoleh
pelayanan Airasia di mata konsumen. Faktor 3 dapat diberi nama tingkat kemudahan akses Airasia. Faktor 4 mempunyai anggota variabel Keamanan dan Fasilitas yang
berhubungan rasa aman yang dirasakan penumpang atas penggunaan fasilitas selama dalam perjalanan. Faktor 4 dapat diberi nama pilihan tingkat keamanan penggunaan
fasilitas maskapai. Pemberian nama faktor merupakan ketentuan dari peneliti, pemberian nama tersebut berdasarkan variabel yang dapat diukur langsung untuk
menggambarkan faktor yang merupakan variabel yang tidak dapat diukur secara langsung.
Mereduksi variabel ke dalam empat faktor tentu akan mengurangi informasi dari variabel-variabel utama, namun dengan terbentuknya empat faktor tersebut
memudahkan peneliti untuk mengklasifikasikan variabel dan dapat mengukur variabel yang tidak dapat diukur secara langsung berdasarkan empat faktor tersebut.
Tabel 3.13Output SPSS Persentase Total Varians yang Dijelaskan Faktor 1, Faktor 2, Faktor 3, dan Faktor 4
Rotation Sums of Squared Loadings Total
of Variance Cumulative
2,137 17,812
17,812 2,001
16,674 34,487
1,747 14,561
49,047 1,702
14,184 63,231
Sumber: Data primer Ratri diolah, 2014 Pada Tabel 3.13 dapat dilihat pada presentase kumulatif sebesar 63,231 .
Nilai ini menunjukkan bahwa total varians atau informasi yang dapat digali dari empat faktor yang terbentuk tersebut adalah sebesar 63,231 . Gambar 3.2 menunjukkan
plot komponen setelah rotasi varimax.
Gambar 3.2 Plot Komponen dalam Ruang Rotasi 3.4 Model Persamaan Faktor Keunggulan Maskapai Penerbangan Airasia Indonesia
Kota Medan
1 1
11 1 12
2 112
12 1
2 2
21 1 22
2 212
12 2
3 3
31 1 32
2 312
12 3
4 4
41 1 42
2 412
12 4
5 5
51 1 52
2 512
12 5
6 6
61 1 62
2 612
12 6
X l F
l F l F
X l F
l F l
F X
l F l F
l F
X l F
l F l
F X
l F l F
l F
X l F
l F l
F µ
ε µ
ε µ
ε µ
ε µ
ε µ
ε −
= +
+ + +
− =
+ + +
+ −
= +
+ + +
− =
+ + +
+ −
= +
+ + +
− =
+ + +
+
7 7
71 1 72
2 712
12 7
8 8
81 1 82
2 812
12 8
9 9
91 1 92
2 912
12 9
10 10
101 1 102
2 1012
12 10
11 11
111 1 12
2 1112
12 11
12 12
121 1 112
2 1212
12 12
X l F
l F l
F X
l F l F
l F
X l F
l F l
F X
l F l F
l F
X l F
l F l
F X
l F l F
l F
µ ε
µ ε
µ ε
µ ε
µ ε
µ ε
− =
+ + +
+ −
= +
+ + +
− =
+ + +
+ −
= +
+ + +
− =
+ + +
+ −
= +
+ + +
Koefisien masing-masing faktor dengan analisis faktor eksploratori dapat dilihat pada Tabel 3.14
Tabel 3.14 Matriks Komponen Skor Koefisien Component Score Coefficient Matrix
Component 1
2 3
4 Kenyamanan
-.087 .433
-.087 .254
Keamanan -.115
.179 -.080
.449 Harga
.349 -.138
.005 .045
Fasilitas .080
-.184 .058
.420 Refund
.170 .132
.128 -.131
Promosi .325
.213 -.316
-.260 Pelayanan
-.007 .099
.323 .238
Rute_Penerbangan .412
-.187 -.055
.030 Akses_Pemesanan
.146 .064
-.512 .122
Ketepatan_Waktu .199
-.449 -.065
.032 Handling_Complain
.262 .040
-.001 -.089
Brand .066
-.084 .381
.030 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization. Sumber: Data primer Ratri diolah, 2014
1 1
1 2
3 4
1 2
2 1
2 3
4 2
3 3
1 2
3 4
3 4
4 1
2 3
4 4
5 5
1 2
3 4
0, 087 0, 433
0, 087 0, 254
0,115 0,179
0, 080 0, 449
0, 349 0,138
0, 005 0, 045
0, 080 0,184
0, 058 0, 42
0,170 0,132
0,128 0,131
X F
F F
F X
F F
F F
X F
F F
F X
F F
F F
X F
F F
F
µ ε
µ ε
µ ε
µ ε
µ
− = −
+ −
+ +
− = −
+ + −
+ +
− =
− +
+ +
− =
− +
+ +
− =
+ +
− +
5 6
6 1
2 3
4 6
0, 325 0, 213
0, 316 0, 260
X F
F F
F
ε µ
ε
− =
+ −
− +
7 7
1 2
3 4
7 8
8 1
2 3
4 8
9 9
1 2
3 4
9 10
10 1
2 3
12 10
11 11
1 2
3
0, 007 0, 099
0, 323 0, 238
0, 412 0,187
0, 055 0, 030
0,146 0, 064
0, 512 0,122
0,199 0, 449
0, 065 0, 032
0, 262 0, 040
0, 001 0, 0
X F
F F
F X
F F
F F
X F
F F
F X
F F
F F
X F
F F
µ ε
µ ε
µ ε
µ ε
µ
− = −
+ +
+ +
− =
− −
+ +
− =
+ −
+ +
− =
− −
+ +
− =
+ −
−
4 11
12 12
1 2
3 12
12
89 0, 066
0, 084 0, 381
0, 030 F
X F
F F
F
ε µ
ε
+ −
= −
+ +
+
Sedangkan model persamaan untuk faktor 1, faktor 2, faktor 3, dan faktor 4 adalah: Faktor_1 = -0,087 X
1
– 0,115 X
2
+ 0, 349 X
3
+ 0,080 X
4
+ 0,017 X
5
+ 0,325 X
6
– 0,007 X
7
+ 0,412 X
8
+ 0,146 X
9
+ 0,199 X
10
+ 0,262 X
11
+ 0,066 X
12
Faktor_2 = 0,433 X
1
+ 0, 179 X
2
– 0,138 X
3
– 0,184 X
4
+ 0,132 X
5
+ 0,213 X
6
+ 0,099 X
7
– 0,187 X
8
+ 0,064 X
9
– 0,449 X
10
+ 0,040 X
11
– 0,084 X
12
Faktor_3 = -0,087 X
1
- 0,080 X
2
+ 0,005X
3
+ 0,42X
4
+ 0,128X
5
- 0,316X
6
+ 0,323X
7
– 0,055X
8
- 0,512 X
9
– 0,065X
10
- 0,001X
11
+ 0,381X
12
Faktor_4 = 0,254 X
1
+ 0,449 X
2
+ 0,045 X
3
– 0,184 X
4
- 0,131 X
5
- 0,260 X
6
+ 0,238 X
7
+ 0,030 X
8
+ 0,122 X
9
+ 0,032 X
10
- 0,089 X
11
+ 0,030 X
12
Pada pembahasan pembentukan jumlah faktor yang terbentuk adalah sebanyak empat faktor. Faktor 1 mempunyai anggota variabel Harga, Refund, Promosi,
Rute_Penerbangan, dan Handling_Complain. Variabel-variabel tersebut berhubungan dengan produk andalan Airasia. Misalkan faktor 1 ini dinamakan ’Produk andalan Airasia yang
disukai konsumen’. Faktor 2 mempunyai anggota variabel Kenyamanan dan Ketepatan_Waktu, semua
variabel ini berkaitan dengan kepuasan konsumen terhadap penggunaan jasa maskapai penerbangan Airasia, yang selalu memberikan kenyamanan dan selalu berangkat tepat waktu.
Faktor 2 dapat diberi nama Kepuasan Konsumen.
Faktor 3 mempunyai anggota variabel Pelayanan, Akses_Pemesanan_Tiket, Brand berhubungan dengan kemudahan memperoleh pelayanan Airasia di mata konsumen.Faktor 3
dapat diberi nama Tingkat Kemudahan Akses Airasia. Faktor 4 mempunyai anggota variabel Keamanan dan Fasilitas yang berhubungan
rasa aman yang dirasakan penumpang atas penggunaan fasilitas selama dalam perjalanan. Faktor 4 dapat diberi nama pilihan Tingkat Keamanan Didukung Fasilitas Maskapai.