commit to user 87
Tabel 4.7 Pembagian Komponen Variabel Penunjang Proses Produksi terhadap
Perubahan Penggunaan Lahan di Zona Industri Palur pada Tiap Faktor Berdasarkan Rotasi Faktor
Faktor Komponen Variabel
Factor Loading
1 Kelengkapan sarana dan prasarana
0,893 Aksesibilitas
0,885 Kondisi fisik lahan
0,867 Harga lahan
0,853 Ketersediaan air
0,655 2
Iklim 0,858
Sumber energi 0,676
Sumber : Analisis, 2010
Nilai variabel setelah proses rotasi seluruhnya berada di atas angka pembatas yang ditetapkan 0,55. Dari tabel di atas dapat dilihat bahwa komponen
variabel setelah rotasi lebih dapat dikelompokkan menjadi satu faktor akibat kesamaan ragam yang dimilikinya.
Proses penamaan faktor pada bagian ini tidak begitu ditekankan mengingat sebelum proses pengolahan data atau saat pemasukan variabel data telah
dikelompokkan kesamaan karakteristik variabel yang terbentuk yaitu faktor penunjang proses produksi.
4.3.1.3 Analisis Faktor Eksternal Produksi
Variabel awal yang dimasukkan ke dalam analisis input proses produksi berjumlah 6 variabel. Nilai angka MSA Measure of Sampling Adequacy atau
Bartlett’s Test ukuran kecukupan dari sampling yanng diambil berada di atas 0,5, maka kumpulan variabel tersebut dapat diproses lebih lanjut. Berdasarkan
output analisis faktor, nilai MSA untuk semua variabel yang dimasukkan berada di atas 0,5 sehingga tidak perlu melalui proses reduksi.
Tabel 4.8 Variabel Faktor Eksternal Proses Produksi yang Berpengaruh terhadap
Perubahan Penggunaan Lahan Pertanian Menjadi Industri di Zona Industri Palur dari Sisi Pengusaha Permintaan
No Variabel
MSA
1 Kedekatan dengan CBD
0,888 2
Intervensi pemerintah 0,746
commit to user 88
3 Sikap penerimaan masyarakat
0,783 4
Stabilitas keamanan 0,786
5 Sosialisasi RTRK
0,873 6
Jangkauan pasar 0,733
Sumber : Analisis, 2010
Tahap selanjutnya, setelah sejumlah variabel telah terpilih adalah melakukan ekstraksi variabel hingga menjadi satu atau beberapa faktor.
Perhitungan pada tahap selanjutnya mencakup tabel perhitungan nilai komunal communalities, nilai total variansi total variance explained, matriks komponen
component matrix, dan grafik scree plot. Perhitungan nilai komunal pada tabel hanya menunjukkan hubungan variabel dengan faktor yang akan terbentuk,
semakin kecil nilai komunal sebuah variabel, maka semakin lemah hubungannya dengan faktor yang akan tebentuk.
Pada analisis tersebut, dapat dilihat bahwa nilai komunal terbesar didapatkan pada variabel intervensi pemerintah, yaitu sebesar 0,908 lampiran D
tabel D.10. Hal ini menunjukkan sekitar 90,8 varians dari variabel-variabel ini dapat dijelaskan oleh faktor yang akan terbentuk. Sedangkan variabel dengan nilai
komunal terendah adalah variabel
Kedekatan dengan CBD
, yaitu sebesar 0,750 yang berarti bahwa 75 varians dari variabel ini dapat dijelaskan oleh faktor yang akan
terbentuk. Hasil perhitungan nilai total variansi lampiran C yang dijelaskan dalam
analisis ini menunjukkan bahwa terdapat dua faktor yang dapat terbentuk. Dua faktor tersebut digunakan karena nilai eigenvalues yang dihasilkan berada di atas
1, namun untuk empat faktor nilai eigenvalues berada dibawah 1. Untuk memperjelas hasil ekstraksi variabel terpilih menjadi dua faktor ini
dapat dilihat melalui grafik scree plot pada lampiran lampiran D gambar D.3. Dari gambar tersebut dapat dilihat bahwa dari satu sampai dua faktor garis sumbu
component number 1 ke 2. Berada di atas angka 1 dari sumbu y eigenvalues. Berdasarkan gambar tersebut, maka terdapat dua faktor dan paling baik meringkas
enam variabel yang ada. Setelah diketahui dua faktor adalah yang paling optimal, maka matrik
komponen menunjukkan distribusi kelima variabel tersebut pada dua faktor yang
commit to user 89
ada. Angka yang terdapat pada faktor ini adalah factor loading, atau besar korelasi antara satu variabel dengan faktor 1 dan faktor 2. Untuk mengatahui suatu
variabel masuk atau tidak pada suatu faktor dapat diketahui dari besarnya nilai korelasi variabel, nilai yang paling besar menentukan variabel yang dapat masuk
ke suatu faktor dengan mengabaikan tanda positif atau negatif. Bedasarkan hasil perhitungan matrik komponen tersebut, maka variabel-
variabel uji dapat dikelompokkan menjadi dua faktor seperti dapat dilihat pada tabel 4.9 Berikut yang juga mencakup nilai factor loading tiap variabel.
Tabel 4.9 Pembagian Komponen Variabel Eksternal Proses Produksi terhadap
Perubahan Penggunaan Lahan dari Sisi Permintaan pada Tiap Faktor Sebelum Rotasi Faktor
Faktor Komponen Variabel
Factor Loading
1 Kedekatan dengan CBD
0,747 Intervensi pemerintah
0,786 Sikap penerimaan masyarakat
0,912 Stabilitas keamanan
0,888 Sosialisasi RTRK
-0,897 Jangkauan pasar
-0,704 2
- -
Sumber : Analisis, 2010
Factor loading yang dihasilkan oleh tiap variabel memiliki angka pembatas out-off point. Angka pembatas factor loading adalah sebesar 0,55. Jika
terdapat factor loading di bawah angka pembatas ini, maka variabel tersebut tidak dapat secara nyata dimasukkan ke dalam salah faktor sehingga perlu untuk
dilakukan rotasi faktor. Nilai factor loading beberapa variabel dengan mengabaikan tanda
positif dan negatif masih ada yang yang berada di bawah angka pembatas dapat juga dilihat di lampiran D tabel D.11, sehingga selanjutnya perlu dilakukan
proses rotasi faktor untuk menunjukkan suatu variabel termasuk ke dalam faktor mana dengan lebih nyata. Hasil perhitungan rotasi faktor didapatkan hasil akhir
komponen-komponen yang termasuk dalam suatu faktor berdasarkan besaran factor loading. Hal ini akan memperlihatkan distribusi variabel yang lebih nyata
commit to user 90
dan jelas. Pembagian komponen variabel pada tiap faktor berdasarkan analisis rotasi faktor dapat dilihat pada tabel di bawah ini.
Tabel 4.10 Pembagian Komponen Variabel Eksternal Proses Produksi terhadap
Perubahan Penggunaan Lahan di Zona Industri Palur pada Tiap Faktor Berdasarkan Rotasi Faktor
Faktor Komponen Variabel
Factor Loading
1 Stabilitas keamanan
0,916 Sikap penerimaan masyarakat
0,877 Kedekatan dengan CBD
0,860 Sosialisasi RTRK
-0,721 2
Jangkauan pasar -0,930
Intervensi pemerintah 0,904
Sumber : Analisis, 2010