1.2 Perumusan Masalah
Indonesia memiliki suatu riset pemasaran yang melakukan penelitian serta memberikan reward kepada perusahaan yang baik dalam pemasaran. Marketing
Research Indonesia atau biasanya disebut dengan MRI setiap tahunnya mengumumkan Bank terbaik dalam hal pelayanan. PT Bank Mandiri Tbk adalah
salah satu bank di Indonesia yang ingin menjadi bank terbaik se-Indonesia. Kepuasan nasabah memegang peranan yang sangat penting dalam upaya
pencapaian target bagi PT Bank Mandiri Tbk khususnya Cabang Cemara Asri. Permasalahan yang akan diteliti dalam masalah ini adalah faktor yang sangat
berpengaruh terhadap tingkat kepuasan nasabah di PT Bank Mandiri Tbk Persero Cabang Cemara Asri.
1.3 Batasan Masalah
Agar masalah yang diteliti tidak menyimpang dari sasaran yang dituju, maka perlu dibuat batasan ruang lingkup permasalahan yaitu :
1. Data di analisis dengan menggunakan metode analisa faktor 2. Data di ambil dari PT. Bank Mandiri Tbk Persero Cabang Cemara
Asri 3. Responden adalah nasabah yang bertransaksi di PT Bank Mandiri Tbk
Persero Cabang Cemara Asri
1.4 Tinjauan Pustaka
1.4.1 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 Tujuan dari analisis faktor adalah untuk menggambarkan hubungan-
hubungan kovarian antara beberapa variabel yang mendasari tetapi tidak teramati, kuantitas random yang disebut faktor, Johnson Wichern, 2002. Vektor random
teramati X dengann p komponen, memiliki rata-rata
μ
dan matrik kovarian. Model analisis faktor adalah sebagai berikut :
1 1
2 12
1 11
1 1
....
ε µ
+ +
+ +
= −
m m
F F
F X
1.1
p m
pm p
p p
p
F F
F X
ε µ
+ +
+ +
= −
....
2 2
1 1
Atau dapat ditulis dalam notasi matrik sebagai berikut :
pxl mxl
pxm pxl
pxl
ε F
L μ
X +
+ =
1.2
Bagian dari varian variabel ke–i dari m common faktor disebut komunalitas ke – i yang merupakan jumlah kuadrat dari loading variabel ke – i
pada m common faktor Johnson Wichern, 2002, dengan rumus :
2 2
2 2
1 2
....
m i
i i
i
h
+ +
+ =
1.3 Tujuan analisis faktor adalah menggunakan matriks korelasi hitungan untuk:
1. Mengidentifikasi jumlah terkecil dari faktor umum yaitu model faktor yang paling parsimoni yang mempunyai penjelasan terbaik atau menghubungkan
korelasi diantara variabel indikator. 2. Mengidentifikasi, melalui faktor rotasi, solusi faktor yang paling masuk akal.
3. Estimasi bentuk dan struktur loading, komunality dan varian unik dari indikator.
4. Intrepretasi dari faktor umum. 5. Jika perlu, dilakukan estimasi faktor skor. Subash Sharma, 1996.
1.4.2 Kaiser Meyer Oikin KMO
Uji KMO bertujuan untuk mengetahui apakah semua data yang telah terambil telah cukup untuk difaktorkan. Hipotesis dari KMO adalah sebagai berikut :
Hipotesis Ho : Jumlah data cukup untuk difaktorkan
H
1
: Jumlah data tidak cukup untuk difaktorkan Statistik uji :
KMO =
∑ ∑∑
∑ ∑∑
= =
= =
= =
+
p 1
i p
1 i
p 1
j 2
ij p
1 j
2 ij
p 1
i p
1 j
2 ij
a r
r
1.4 i = 1, 2, 3, ..., p dan j = 1, 2, ..., p
r
ij
= Koefisien korelasi antara variabel i dan j a
ij
= Koefisien korelasi parsial antara variabel i dan j Apabila nilai KMO lebih besar dari 0,5 maka terima Ho sehingga dapat
disimpulkan jumlah data telah cukup difaktorkan.
1.4.3 Uji Bartlett Kebebasan Antar Variabel
Kategori