………………………..…3 Keterangan :
r = Keandalan istrumen
= Ragam total k
= Jumlah pertanyaan = Jumlah ragam total
3.5. Pengolahan dan Analisis Data
Data yang diperoleh dianalisis menggunakan tiga metode, yaitu :
3.5.1 Analisis Deskriptif
Setelah data diperoleh, data digolongkan ke dalam kategori berdasarkan nilai yang diperoleh dengan cara mengalikan besarnya bobot
pada kategori tertentu yang telah ditetapkan dengan jumlah responden yang masuk ke dalam kategori yang sama. Selanjutnya dilakukan analisis
deskriptif untuk mencari nilai rataannya median dan modus mode sehingga akan diketahui ukuran pemusatan dan ukuran keragamannya dari
tanggapan responden.
Media digunakan untuk mengambil keputusan atas sikap atau kecenderungan nasabah terhadap variabel faktor-faktor. Modus merupakan
dataangka yang sering muncul. Jika angka muncul satu kali pada suatu angka, maka tidak ada modus. Modus digunakan untuk mengambil
keputusan tentang mayoritas dari kecenderungan data. Analisis deskriptif dalam penelitian ini berfungsi untuk menganalisis
identitas umum dan karakteristik responden yang menggunakan produk Toyota dan menganalsis tahapan proses keputusan pembelian produk
Toyota.
3.5.2 Analisis Faktor
Analisis faktor merupakan salah satu teknik dalam analisis multivariate,
yaitu analisis yang digunakan untuk menemukan hubungan interrelationship
antar sejumlah peubah-peubah yang saling independent satu dengan yang lain, sehingga dapat dibuat satu atau beberapa kumpulan
peubah yang lebih sedikit dari jumlah peubah awal. Analisis factor dapat digunakan untuk mengidentifikasi struktur hubungan antar peubah ataupun
antar responden dan untuk mengurangi data Simamora,2005 Tujuan dari analisis faktor menurut Santoso 2003, adalah:
1. Data summarization,yakni mengidentifikasi adanya hubungan antar
peubah dengan melakukan uji kolerasi. 2.
Data reduction, yakni melakukan proses pembuatan suatu kelompok peubah baru yang dinamakan faktor untuk menggantikan faktor dari
sejumlah peubah tertentu. Prinsip utama analisis faktor adalah korelasi, sedangkan asumsi-
asumsi yang terkait dengan korelasi analisis faktor adalah : 1.
Besar kolerasi atau kolerasi antar peubah independent harus cukup kuat, misal di atas 0,5.
2. Besar kolerasi parsial, kolerasi antar peubah dengan menganggap tetap
peubah yang lain harus kecil. Pada SPSS deteksi terhadap kolerasi parsial diberikan lewat pilihan anti-image correlation.
3. Pengujian seluruh matrik kolerasi kolerasi antar peubah, yang diukur
dengan besaran Bartlett Test of Sphericity atau Measure Sampling adequacy MSA.
Pengujian ini mengharuskan adanya korelasi nyata di antara paling sedikit beberapa peubah.
4. Pada beberapa kasus, asumsi normalitas dari peubah atau faktor harus
dipenuhi. Data yang dianalisis terdiri dari beberapa peubah yang diduga dapat
mempengaruhi proses keputusan yang dilakukan konsumen. Skala pengukur yang digunakan dalam penelitian adalah skala likert agar data kualitatif
dapat dikuantitatifkan sehingga nilai peubah yang diukur dengan instrument tertentu dapat ditentukan dalam bentuk angka. Skala likert digunakan untuk
mengukur sikap, pendapat, dan persepsi seseorangsekelompok orang tentang fenomena social .
Peubah terdiri dari lima tingkat kepentingan, yaitu : 1.
Sangat penting dengan skor 5 2.
Penting dengan skor 4
3. Cukup dengan skor 3
4. Tidak penting dengan skor 2
5. Sangat tidak penting dengan 1
Proses dasar dari analisis faktor adalah : 1.
Menentukan peubah apa yang akan dianalisis. 2.
Menguji peubah-peubah yang telah ditentukan dengan mengunakan metode Barlett Test of Sphericity dan pengukuran MSA.
3. Melakukan proses inti pada analisis faktor, yaitu factoring atau
menurunkan satu atau lebih faktor dari peubah-peubah yang telah lolos pada uji peubah sebelumnya.
4. Melakukan proses factor Rotation atau rotasi terhadap faktor yang telah
dibentuk kemudian diekstraksi dengan metode ekstrasi Principal Component Analysis PCA.
sehingga menghasilkan sebuah komponen utama. Tujuan rotasi untuk memperjelas peubah yang masuk ke dalam
faktor tertentu. 5.
Interpretasi atau faktor yang telah terbentuk, khususnya memberina nama atas factor yang terbentuk tersebut, yang dianggap dapat mewakili
peubah anggota tersebut. Terdapat dua hasil utama dari analisis faktor ini.
1. Nilai Communality suatu peubah, yaitu jumlah keragaman peubah
tersebut yang dijelaskan oleh factor-faktor utama yang dipilih. Semakin tinggi nilai Communality, maka peubah itu semakin berpengaruh dalam
proses keputusan. 2.
Hasil kedua ekstraksi peubah ke dalam komponen utama. Untuk menentukan jumlah komponen utama dengan nilai eigenvalue di atas
1,00. Nilai ini menunjukan kepentingan relatif masing-masing faktor dalam menghitung keragaman seluruh peubah yang dianalisis.
Pengelompokan sebuah peubah kedalam komponen utama berdasarkan pada nilai loading terbesar dari peubah tersebut.
3.5.3 Analisis Cross Tabulation Chi-Square X
Kategori