Tabel 3.7 Output MSA dan KMO dari SPSS
MSA dan KMO Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.658 Sumber: Data primer Ratri diolah, 2014
Berdasarkan tabel 3.7 dapat diketahui bahwa asumsi kecukupan data telah terpenuhi yaitu dengan melihat nilai MSA dan KMO sebesar 0.658 pada output SPSS.
Uji kecukupan data atau sampel telah terpenuhi, berarti salah satu asumsi untuk melanjutkan ke analisis faktor telah terpenuhi.
3.3.3 Identifikasi korelasi antar variabel
Antar variabel harus memenuhi asumsi berkorelasi. Untuk membantu mengidentifikasi korelasi antar variabel digunakan bantuan software SPSS.
Berdasarkan landasan teori bahwa hipotesis untuk uji korelasi ini adalah sebagai berikut,
H : Matriks korelasi adalah matriks identitas
H
1
: Matriks korelasi bukan matriks identitas
Tabel 3.8Output Bartlett’s Test of Sphericity dari SPSS
Bartletts Test
Bartletts Test of Sphericity Approx. Chi-Square
244.812 Df
55 Sig.
.000
Sumber: Data primer Ratri diolah, 2014 Dari tabel 3.8 diketahui bahwa antar variabel faktor-faktor keunggulan maskapai
penerbangan Airasia Indonesia telah memenuhi asumsi saling berkorelasi yaitu dengan melihat nilai Sig. 0.000 kurang dari α 0.05 yang berarti tolak H
. Dengan demikian kedua asumsi untuk analisis faktor telah terpenuhi.
3.3.4 Penentuan banyak faktor dan pengelompokan variabel berdasarkan loading factor
Dengan menggunakan software statistika yaitu SPSS, akan diperoleh komponen jumlah faktor. Keputusan pengambilan jumlah faktor sebanyak didasarkan pada nilai
eigenvalue dari matriks korelasi antar variabel dan pengelompokan variabel dilakukan dengan membandingkan nilai loading faktor secara mutlak diantara faktor-faktor yang
terbentuk.
3.3.5 Penentuan banyak faktor dengan eigenvalue
Seperti yang dijelaskan di atas penentuan banyak faktor di dasarkan pada nilai eigenvalue dari matriks korelasi antar variabel. Dengan software SPSSdiperoleh
output nilai eigenvalue seperti yang ditampilkan pada Tabel 3.9 berikut.
Tabel 3.9Output SPSS Nilai Eigenvalue Matriks Korelasi
Komponen Eigenvalue
SPSS X
1
3,220 X
2
1,842 X
3
1,361 X
4
1,165 X
5
0,971 X
6
0,770 X
7
0,628 X
8
0,573 X
9
0,431 X
10
0,386 X
11
0,363 X
12
0,290
Sumber: Data primer Ratri diolah, 2014
Nilai eigenvalue yang diambil untuk menentukan berapa banyaknya faktor yang terbentuk adalah nilai eigenvalue yang lebih besar dari satu Subhash Sharma,
1996. Jika mengacu pada Tabel 3.9 maka jumlah faktor yang terbentuk sebanyak empat faktor.
3.3.6Penentuan banyak faktor dengan scree plot
