Hasil Penelitian HASIL PENELITIAN DAN PEMBAHASAN
                                                                                Adapun hasil dari pengujian Barlett’s test of Sphericity dan Kaiser- Meyer-Olkin KMO dengan bantuan  software SPSS 17 terlihat pada
tabel dibawah ini :
Tabel 4.3 Analisis Faktor
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,577
Bartletts Test of Sphericity Approx. Chi-Square
940,499 Df
300 Sig.
,000
Tabel  diatas  menunjukkan  nilai  yang  diperoleh  dari  uji  Bartlett’s test of sphericity adalah sebesar 940,499 dengan signifikan 0,000. Hal
ini  berarti  bahwa  antar  variabel  terjadi  korelasi  signifikan    0,05. Hasil  uji  KMO  diperoleh  nilai  0,577  dimana  angka  tersebut  sudah
diatas  0,5.  Dengan  demikian  variabel-variabel  dalam  penelitian  ini dapat diproses lebih lanjut.
2 Penentuan jumlah faktor Dalam  penelitian  ini  penulis  menentukan  jumlah  faktor
dengan  menggunkan  nilai  eigen  value  dengan  kriteria  nilai  eigen value  1. Susunan eigen value selalu diurutkan dari yang terbesar
sampai  terkecil.  Untuk  mengetahui  jumlah  faktor  yang  terbentuk dari  hasil  ekstraksi  dapat  dilihat  pada  tabel  total  variance
explained. Diketahui  bahwa  dari  ke  11  variabel  yang  dimasukkan
untuk  analisis  faktor,  hanya  terdapat    7  faktor  yang  terbentuk karena  dari  komponen  1  sampai  7  menunjukkan  eigen  value    1.
Maka proses faktoring hanya  sampai pada 7 faktor, jika diteruskan sampai  faktor  berikutnya,  eigen  value  sudah  kurang  dari  1.  Jadi
diketahui  bahwa  7  faktor  adalah  jumlah  yang  optimal.  Faktor  1 mampu  menjelaskan  25,24    variasi,  faktor  2  sebesar  13,19  ,
faktor 3 sebesar 11,80 , faktor ke 4 sebesar 10,20 , faktor ke 5 sebesar  5,10  ,  faktor  ke  6  sebesar  4,68,  dan  faktor  ke  7  mampu
menjelaskan 4,45  variasi. Dapat disimpulkan bahwa  faktor ke 1 sampai  ke  7  mempengaruhi  dengan  jumlah  persentase  sebesar
74,66    dan  25,34    dipengaruhi  oleh  faktor  lain.  Sedangkan faktor  ke  8  sampai  ke  11  tidak  berpengaruh  karena  persentasenya
kecil. 3 Interpretasi faktor
Tahap selanjutnya adalah menginterpretasikan faktor-faktor yang  terbentuk  dengan  melihat  tabel  component  matrix  yang
menunjukkan distribusi ke-11  variabel tersebut pada 7 faktor  yang terbentuk.  Sedangkan  angka-angka  pada  tabel  tersebut  adalah
faktor  loading,  yang  menunjukkan  besarnya  korelasi  antara  suatu variabel dengan faktor-faktor yang terbentuk.
Pada tabel yaitu component matrix awal, 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.  Rotasi  faktor  ini
dimaksudkan  untuk  mendapatkan  tampilan  data  yang  jelas  dari nilai loading untuk  masing-masing  variabel  terhadap  faktor-faktor
yang  ada.  Interpretasi  ini  didasarkan  pada  nilai  loading  yang terbesar  dari  masing-masing  variabel  terhadap  faktor-faktor  yang
ada, jadi suatu variabel akan masuk ke dalam faktor yang memiliki nilai  loading  terbesar,  setelah  itu  dilakukan  perbandingan  besar
korelasi terhadap setiap baris. Definisi  dari  faktor  loading  adalah  besar  korelasi  antara
indikator dengan konstruk latennya. Pada banyak penelitian sosial, pengukuran  suatu  konstruk  sangat  sering  dilakukan  secara  tidak
langsung melalui indikator-indikatornya.  Indikator dengan loading
factor  yang  memiliki  konstribusi  yang  lebih  tinggi  untuk menjelaskan  kosntruk  latennya.  Sebaliknya  pada  indikator  dengan
loading  factor  rendah  memiliki  kosntribusi  yang  lemah  untuk menjelaskan  kosntruk  latennya.  Pada  sebagian  besar  referensi
bobot  faktor  sebesar  0,50  atau  lebih  dianggap  memilki  validasi yang  cukup  kuat  untuk  menjelaskan  kosntruk  laten.  Walaupun
pada sebagian referensi  lainnya menjelaskan  bahwa loading  faktor paling lemah yang bisa diterima adalah 0,40.
Tabel  4.6  yaitu  rotated  component  matrix  menunjukkan hasil  dari  rotasi  faktor.  Component  matrix  hasil  proses  rotasi
rotated  component  matrix  yang  ditunjukkan  pada  tabel memperlihatkan  distribusi  variabel  yang  lebih  jelas  dan  nyata.
Kemudian  diperoleh  beberapa  variabel  yang  mendominasi  faktor, yaitu sebagai berikut :
1.  Faktor pertama, terdiri dari : a.  TransJakarta  adalah  angkutan  jasa  yang  paling  berkualitas
dengan  faktor  loading  sebesar  0,666  artinya  faktor  ini  di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. b.  TransJakarta  mempunyai  reputasi  yang  baik  dalam  angkutan
jasa  dengan  faktor  loading  sebesar  0,897  artinya  faktor  ini  di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. c.  TransJakarta  adalah  angkutan  jasa  yang  terkenal  di  Jakarta
dengan  faktor  loading  sebesar  0,934  artinya  faktor  ini  di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. d.  TransJakarta  jarang  mengalami  kemacetan  karena  mempunyai
jalur khusus dengan faktor loading sebesar 0,934 artinya faktor
ini  di  anggap  memiliki  validasi  yang  cukup  kuat  untuk menjelaskan konstruk laten.
2.  Faktor kedua, terdiri dari : a.  Menggunakan TransJakarta  karena budaya masyarakat dengan
faktor  loading  sebesar  0,674  artinya  faktor  ini  di  anggap memiliki validasi yang cukup kuat untuk menjelaskan konstruk
laten. b.  Menggunakan  TransJakarta  berpengaruh  dengan  gaya  hidup
dengan  faktor  loading  sebesar  0,308  artinya  faktor  ini  di anggap  memiliki  validasi  yang  rendah  untuk  menjelaskan
konstruk laten. c.  Menggunakan  TransJakarta  menjadi  ketergantungan  dengan
faktor  loading  sebesar  0,594  artinya  faktor  ini  di  anggap memiliki validasi yang cukup kuat untuk menjelaskan konstruk
laten. d.  TransJakarta  selain  memberikan  kenyamanan  juga  memberi
keamanan  bagi  penumpangnya  dengan  loading  faktor  sebesar 0,820  artinya  faktor  ini  di  anggap  memiliki  validasi  yang
cukup kuat untuk menjelaskan konstruk laten. e.  Jika  TransJakarta  mengecewakan  konsumen  akan  memberi
masukan secara  langsung dengan  loading  faktor sebesar 0,829 artinya faktor ini di anggap memiliki validasi  yang cukup kuat
untuk menjelaskan konstruk laten. 3.  Faktor ketiga, terdiri dari :
a.  Memilih  TransJakarta  untuk  efisiensi  waktu  dengan  loading faktor  sebesar  0,705  artinya  faktor  ini  di  anggap  memiliki
validasi yang cukup kuat untuk menjelaskan konstruk laten. b.  Memilih  TransJakarta  untuk  mendapatkan  kenyamanan
dibanding  angkutan  lain  dengan  faktor  loading  sebesar  0,820 artinya faktor ini di anggap memiliki validasi  yang cukup kuat
untuk menjelaskan konstruk laten.
c.  Menggunakan TransJakarta lebih cepat sampai dengan loading faktor  sebesar  0,828  artinya  faktor  ini  di  anggap  memiliki
validasi yang cukup kuat untuk menjelaskan konstruk laten. d.  Menyukai  TransJakarta  karena  fasilitasnya  lengkap  dibanding
yang lain dengan faktor loading sebesar 0,599 artinya faktor ini di  anggap  memiliki  validasi  yang  cukup  kuat  untuk
menjelaskan konstruk laten. e.  Menggunakan  TransJakarta  karena  keinginan  diri  sendiri
dengan  loading  faktor  sebesar  0,455  artinya  faktor  ini  di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. 4.  Faktor keempat, terdiri dari :
a.  Menggunakan  TransJakarta  untuk  menghormati  program pemerintah dengan faktor loading  sebesar 0,514 artinya faktor
ini  di  anggap  memiliki  validasi  yang  cukup  kuat  untuk menjelaskan konstruk laten.
b.  Tarif  TransJakarta  terjangkau  dengan  faktor  loading  sebesar 0,876  artinya  faktor  ini  di  anggap  memiliki  validasi  yang
cukup kuat untuk menjelaskan konstruk laten. c.  TransJakarta  merupakan  angkutan  umum  untuk  kalangan
menengah  ke  bawah  dengan  faktor  loading  sebesar  0,881 artinya faktor ini di anggap memiliki validasi  yang cukup kuat
untuk menjelaskan konstruk laten. d.  Menggunakan TransJakarta dapat bersosialisasi dengan banyak
orang dengan faktor loading sebesar 0,842 artinya faktor ini di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. 5.  Faktor kelima, terdiri dari :
a.  Menggunakan TransJakarta
karena keluarga
juga menggunakannya  dengan  faktor  loading  sebesar  0,663  artinya
faktor  ini  di  anggap  memiliki  validasi  yang  cukup  kuat  untuk menjelaskan konstruk laten.
b.  Menggunakan  TransJakarta  karena  dorongan  keluarga  dengan loading  sebesar  0,818  artinya  faktor  ini  di  anggap  memiliki
validasi yang cukup kuat untuk menjelaskan konstruk laten. c.  Selalu  update  mengenai  angkutan  jasa  terutama  TransJakarta
dengan  loading  faktor  sebesar  0,574  artinya  faktor  ini  di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. 6.  Faktor keenam, terdiri dari :
a.  Kurangnya informasi pemeliharaan bus TransJakarta membuat takut  dan  cemas  dengan  loading  faktor  sebesar  0,787  artinya
faktor  ini  di  anggap  memiliki  validasi  yang  cukup  kuat  untuk menjelaskan konstruk laten.
7.  Faktor ketujuh, terdiri dari : a.  Lebih
bersemangat beraktivitas
jika menggunakan
TransJakarta  dengan  loading  faktor  sebesar  0,861  artinya faktor  ini  di  anggap  memiliki  validasi  yang  cukup  kuat  untuk
menjelaskan konstruk laten. b.  Tetap menggunakan TransJakarta meskipun ada angkutan  jasa
lain  dengan  loading  faktor  sebesar  0,624  artinya  faktor  ini  di anggap  memiliki  validasi  yang  cukup  kuat  untuk  menjelaskan
konstruk laten. Secara  lengkap  pembagian  variabel-variabel  berdasarkan  faktor
yang terbentuk dapat dilihat pada tabel. Variabel diurutkan berdasarkan nilai  faktor  loading  dari  yang  terbesar.  Untuk  pemberian  nama  pada
masing-masing  faktor  baru  yang  terbentuk  bersifat  subyektif,  kadang- kadang  variabel  yang  memiliki  nilai  faktor  loading  yang  tertinggi
digunakan untuk memberi nama faktor.
Tabel 4.4 Distribusi Faktor
Indikator Faktor
Yang Terbentuk
Eigen Value
Loading Faktor
Variance Kumulatif
TransJakarta  adalah  angkutan jasa yang paling berkualitas
6,312 0,666
25,248 25,248
TransJakarta mempunyai
reputasi yang
baik dalam
angkutan jasa 0,897
TransJakarta  adalah  angkutan jasa yang terkenal di Jakarta
Faktor pengetahu
an konsumen
0,931
TransJakarta  jarang  mengalami kemacetan  karena  mempunyai
jalur khusus
0,934
Menggunakan TransJakarta
karena budaya masyarakat
3,298 0,674
13,193 38,441
Menggunakan TransJakarta
berpengaruh dengan gaya hidup
Faktor sikap
konsumen
0,308 Menggunakan
TransJakarta menjadi ketergantungan
0,594 TransJakarta  selain  memberikan
kenyamanan juga
memberi keamanan bagi penumpangnya
0,820
Jika TransJakarta
mengecewakan  konsumen  akan memberi
masukan secara
langsung
0,829
Memilih TransJakarta
untuk efisiensi waktu
2,950 0,705
11,800 50,241
Memilih TransJakarta
untuk mendapatkan
kenyamanan dibanding angkutan lain
0,820 Menggunakan
TransJakarta lebih cepat sampai
Faktor keterlibata
n konsumen
0,828
Menyukai  TransJakarta  karena fasilitasnya  lengkap  dibanding
yang lain 0,599
Menggunakan TransJakarta
karena keinginan diri sendiri 0,455
Menggunakan TransJakarta
untuk  menghormati  program pemerintah
2,550 0,514
10,202 60,443
Tarif TransJakarta terjangkau 0,871
TransJakarta merupakan
angkutan  umum  untuk  kalangan menengah ke bawah
Faktor kelas sosial
0,881
Menggunakan TransJakarta
dapat bersosialisasi
dengan banyak orang
0,842 Menggunakan
TransJakarta karena
keluarga juga
menggunakannya 1,277
0,663
5,107 65,549
Menggunakan TransJakarta
karena dorongan keluarga
Faktor dorongan
keluarga 0,818
Selalu update
mengenai angkutan
jasa terutama
TransJakarta 0,574
Kurangnya informasi
pemeliharaan  bus  TransJakarta membuat takut dan cemas
Faktor proses
informasi
1,172 0,787
4,689 70,239
Lebih  bersemangat  beraktivitas jika menggunakan TransJakarta
Faktor motivasi
konsumen
1,113 0,861
4,451 74,690
Tetap menggunakan
TransJakarta meskipun
ada angkutan jasa lain
0,624
Sumber : Hasil Pengolahan Data 2014