22
3.4. Pengolahan dan Analisis Data 3.4.1 Analisis Deskriptif
Analisis deskriptif bertujuan mengubah kumpulan data mentah menjadi mudah dipahami dalam bentuk informasi yang lebih ringkas. Data
yang terkumpul dalam riset pemasaran seperti survey, biasanya memiliki nilai observasi cukup beragam, sehingga akan sulit dan kurang bermakna
bila periset mengartikan tiap nilai observasi yang diperoleh Istijanto, 2005. Analisis deskriptif digunakan untuk memberikan gambaran umum
tentang data yang telah diperoleh dari kuesioner. Gambaran umum ini dapat menjadi acuan untuk melihat karakteristik data yang diperoleh.
3.4.2 Analisis Faktor
Analisis faktor merupakan analisis statistik yang mencoba menemukan hubungan interrelationship antar sejumlah peubah-peubah
yang saling independen satu dengan yang lain, sehingga dapat dibuat satu atau beberapa kumpulan peubah yang lebih sedikit dari jumlah peubah
awal. Kumpulan peubah itu disebut sebagai faktor dan faktor tersebut tetap mencerminkan peubah-peubah aslinya. Tujuan dari analisis faktor
Santoso, 2006, yaitu : a.
Data summarization, yakni mengidentifikasi adanya hubungan antar peubah dengan melakukan uji korelasi
b. Data reduction, yakni melakukan proses pembuatan suatu kelompok
peubah baru yang dinamakan faktor untuk menggantikan faktor dari sejumlah peubah tertentu.
Dalam hal menganalisis sejumlah peubah akan dianalisis interkorelasi antar peubah untuk menetapkan apakah variasi yang tampak
dalam peubah berasal atau berdasarkan sejumlah faktor yang jumlahnya lebih sedikit dari variasi yang terdapat pada peubahnya. Jadi analisis faktor
mempunyai karakter khusus, yaitu mampu mengurai data. Jika terdapat suatu korelasi dari suatu kumpulan data, maka analisis faktor akan
23
memperlihatkan beberapa pola yang mendasari, sehingga data yang ada dapat dirancang atau dikurangi menjadi set faktor atau komponen yang
lebih kecil. Analisis faktor ini dikerjakan untuk memperoleh sejumlah kecil
faktor yang mempunyai sifat-sifat sebagai berikut : a.
Mampu menerangkan keragaman data secara maksimum b.
Terdapatnya kebebasan faktor c.
Tiap faktor dapat diinterpretasikan dengan sejelas-jelasnya Prinsip utama analisis faktor adalah korelasi, sedangkan asumsi-
asumsi yang terkait dengan korelasi analisis faktor adalah : a.
Besar korelasi atau korelasi antar peubah independen harus cukup kuat, misal di atas 0,5.
b. Besar korelasi parsial, korelasi antar peubah dengan menganggap tetap
peubah yang lain harus kecil. Pada SPSS, deteksi terhadap korelasi parsial diberikan melalui pilihan anti-image correlation.
c. Pengujian seluruh matrik korelasi korelasi antar peubah, yang diukur
dengan besaran Measure Sampling Adequacy MSA. Pengujian ini mengharuskan adanya korelasi nyata di antara paling sedikit beberapa
peubah. d.
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
pengukuran yang digunakan dalam penelitian adalah skala Likert, agar data kualitatif dapat dikuantitatifkan, sehingga nilai peubah yang diukur dengan
instrumen tertentu dapat dinyatakan dalam bentuk skala. Skala Likert ini meminta responden menunjukkan tingkat persetujuan atau
ketidaksetujuannya terhadap serangkaian pernyataan tentang suatu obyek Istijanto, 2005. Masing-masing peubah terdiri dari lima kepentingan,
yaitu sangat penting, penting, biasa, tidak penting dan sangat tidak penting.
24
Menurut Santoso 2006, proses dasar dari analisis faktor adalah : a.
Menentukan peubah apakah yang akan dianalisis b.
Menguji peubah-peubah yang akan ditentukan, dengan menggunakan metode Barlett test of sphericity dan pengukuran MSA.
c. Melakukan proses inti dari analisis faktor, yaitu factoring, atau
menurunkan satu atau lebih faktor dari peubah-peubah yang telah lolos pada uji peubah sebelumnya.
d. Melakukan proses Factor Rotation atau rotasi pada faktor yang telah
terbentuk. Tujuan rotasi ini adalah untuk memperjelas peubah yang masuk ke dalam faktor tertentu. Beberapa metode rotasi :
1 Orthogonal Rotation, yakni memutar sumbu 90°. Proses rotasi
dengan metode Orthogonal masih dapat dibedakan menjadi Quartimax, Varimax dan Equimax.
2 Oblique Rotation, yakni memutar sumbu ke kanan, tetapi tidak harus
90°. Proses rotasi dengan metode Oblique masih bisa dibedakan menjadi Oblimin, Promax, Orthoblique dan lainnya.
e. Interpretasi atas faktor yang telah terbentuk, khususnya memberi nama
atas faktor yang terbentuk tersebut yang dianggap dapat mewakili peubah-peubah anggota faktor tersebut.
Terdapat dua 2 hasil utama dari analisis faktor ini. Pertama, nilai communality suatu peubah, yaitu jumlah keragaman peubah tersebut yang
dijelaskan oleh faktor-faktor utama yang dipilih. Semakin tinggi nilai communality, maka peubah tersebut semakin berpengaruh dalam proses
keputusan. Hasil yang kedua adalah ekstraksi peubah ke dalam komponen
utama. Untuk menentukan jumlah komponen utama, dipilih komponen utama dengan nilai eigenvalue di atas 1,00. Nilai ini menunjukkan
kepentingan relatif masing-masing faktor dalam menghitung keragaman seluruh peubah yang dianalisis. Pengelompokkan peubah ke dalam
25
komponen utama berdasarkan pada nilai loading terbesar dari peubah tersebut.
3.4.3 Model Analisis Fishbein
