faktor. Metode yang digunakan untuk tahap ini adalah Principal Component Analysis dan rotasi faktor dengan metode Varimax bagian dari orthogonal.
Principal Component Analysis atau Analisis Komponen Utama adalah tekhnik yang digunakan untuk menyederhanakan suatu data dengan cara mentrasformasi data
secara linear sehingga terbentuk system koordinat baru dengan varians maksimum. Analisis ini digunakan untuk mereduksi dimensi suatu data tanpa mengurangi
karakteristik data tersebut secara secara signifikan. https:id.wikipedia.org
Metode varimax adalah metode rotasi orthogonal tegak lurus untuk meminimalisasi jumlah indicator yang mempunyai faktor loading tinggi pada tiap faktor.
Rotasi Varimax memaksimalkan faktor pembobot, dan mengakibatkan korelasi variabel- variabel dengan suatu faktor mendekati 1 satu, serta korelasi dengan faktor lainnya
mendekati 0 nol sehingga mudah diinterpretasikan. https:id.wikipedia.org
a. Komunalitas
Komunalitas pada dasarnya adalah jumlah varians bisa dalam persentase dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang terbentuk.
Dari keseluruhan nilai dalam tabel communalities, diperoleh bahwa hampir seluruh variabel awal mempunyai nilai communalities yang besar 0.5. Hal ini dapat
diartikan bahwa keseluruhan variabel yang digunakan memiliki hubungan yang kuat dengan faktor yang terbentuk. Dengan kata lain, semakin besar nilai dari communalities
Universitas Sumatera Utara
maka semakin baik analisis faktor, karena semakin besar karakteristik variabel asal yang dapat diwakili oleh faktor yang terbentuk.
Tabel 4.11 Tabel Nilai Communalities
1. Keeratan hubungan variabel “Kemudahan Menjangkau Lokasi Stasiun” dengan
faktor yang terbentuk sebesar 0,454 artinya hubungan variabel “Kemudahan Menjangkau Lokasi Stasiun” dengan faktor yang terbentuk berkontribusi sebesar
45,4 2.
Keeratan hubungan variabel “Kecepatan dan Kesiapan Petugas Dalam Menyediakan Pelayanan Bagi Penumpang Hingga Tuntas” berkontribusi sebesar
71,7 terhadap faktor yang terbentuk dan dinilai cukup erat hubungannya.
Initial Extraction
Zscore: Kemudahan menjangkau lokasi stasiun 1
0.454 Zscore: Ketersediaan informasi berkaitan dengan
jadwal KA 1
0.585 Zscore: Ketepatan jadwal perjalanan KA
1 0.629
Zscore: Kemampuan memberikan pelayanan terbaik pada penumpang
1 0.591
Zscore: Kemudahan dalam memperoleh informasi yang aktual dan terupdate
1 0.546
Zscore: Kemudahan dalam sistem pembelian tiket 1
0.595 Zscore: Harga tiket yang ditawarkan
1 0.705
Zscore: Kecepatan dan kesiapan petugas dalam menyediakan pelayanan bagi penumpang hingga
tuntas 1
0.717 Extraction Method: Principal Component Analysis.
Communalities
Universitas Sumatera Utara
b. Keragaman Total
Penentuan banyaknya faktor yang dilakukan dalam analisis faktor maksudnya adalah mencari variabel terakhir yang disebut faktor yang saling tidak berkorelasi, bebas satu
sama lainnya, lebih sedikit jumlahnya daripada variabel awal akan tetapi dapat menyerap sebagian besar informasi yang terkandung dalam variabel awal atau yang dapat
memberikan sumbangan terhadap varians seluruh variabel. Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor, antara lain adalah sebgai
berikut :
1. Dilihat dari Intial Eigen Value Total
Untuk menentukan banyaknya faktor dari initial values dilihat dengan metode pendekatan, hanya faktor dengan eigen value lebih besar dari satu yang dipertahankan,
jika lebih kecil dari satu, faktornya tidak diikutsertakan dalam model. Suatu eigen value menunjukkan besarnya sumbangan dari faktor terhadap varians seluruh variabel asli.
Berdasarkan tabel 4.11 diperoleh sembilan faktor yang mempengaruhi kepuasan penumpang Kereta Api Bandara, karena ada sembilan faktor atau komponen yang eigen
valuenya lebih dari 1, 0 yaitu faktor 1 dengan eigen value 12,879; faktor 2 dengan eigen value 1,520; faktor 3 dengan eigen value 1,380; faktor 4 dengan eigen value 1,293; faktor
5 dengan eigen value 1,174; faktor 6 dengan eigen value 1,134; faktor 7 dengan eigen value 1,098; faktor 8 dengan eigen value 1,054 dan faktor 9 dengan eigen value 1,044.
Universitas Sumatera Utara
Tabel 4.12 Tabel Total Variance Explained
Berdasarkan tabel 4.12 dapat diketahui bahwa besarnya sumbangan yang diberikan dari masing-masing faktor terhadap varians seluruh variabel asli. Total
sumbangan varians dari kedua faktor tersebut adalah 61,016 . Berdasarkan alasan nilai eigen value ketiga faktor yang lebih dari 1 dan besarnya
persentase kumulatif ketiga faktor sebesar 61,016, dapat disimpulkan bahwa kesembilan faktor sudah cukup mewakili keragaman variabel
– variabel asal. Proporsi
Universitas Sumatera Utara
keragaman data yang dijelaskan tiap komponen setelah dilakukan rotasi terlihat lebih merata daripada sebelum dilakukan rotasi.
2. Menentukan Banyaknya Faktor dengan Scree Plot
Suatu Scree Plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot berupa suatu kurva
yang diperoleh dengan memplot eigen value sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk
menentukan banyaknya faktor. Jika tabel total varians menjelaskan dasar jumlah faktor yang di dapat dengan
perhitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Gambar 4.1 Grafik Scree Plot
Terlihat bahwa dari satu ke dua faktor garis dari sumbu componet 1 ke 2, arah garis cukup menurun tajam. Kemudian dari 2 hingga 9 garis juga menurun. Pada faktor
10 sudah dibawah angka 1 dari sumbu eigen value. Hal ini menunjukkan bahwa ada 9
Universitas Sumatera Utara
faktor yang mempengaruhi kepuasan penumpang, yang dapat di ekstraksi berdasarkan scree plot.
4.1.5.3 Rotasi Faktor
Output terpenting dalam analisis faktor adalah Matriks Faktor atau yang disebut juga dengan Komponen Matriks. Matriks faktor memuat koefisien yang dipergunakan untuk
mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading, mewakili koefisien korelasi antara faktor dengan variabel.
Koefisien dengan nilai mutlak absolute yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefisien dari matriks faktor dapat dipergunakan untuk
menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut:
Tabel 4.12 Tabel Matriks Faktor Sebelum Dirotasi
Component Matrix
a
Component 1
2 3
4 5
6 7
8 9
za1 .519
-.156 -.051
.303 .020
-.104 -.044
-.157 -.193
za2 .618
.245 -.067
.199 .162
.009 -.243
.096 -.054
za3 .310
.079 .079
.294 .028
-.119 -.018
.433 .529
za4 .505
.096 .153
.081 -.113
.482 -.054
-.141 .144
za5 .436
.152 -.058
.167 .024
-.244 .351
-.309 -.131
za6 .492
.098 .436
.166 .013
.348 -.060
.009 -.024
za7 .354
.057 -.389
.216 .468
.264 .003
.283 -.091
zb1 .588
-.344 -.001
-.109 -.200
-.199 -.243
.268 -.155
zb2 .566
.254 .320
.020 .005
.078 -.414
-.129 -.071
zb3 .566
.359 .184
.013 -.007
-.226 .149
.155 -.205
zb4 .634
-.115 -.097
-.025 -.056
.114 -.066
-.262 .180
Universitas Sumatera Utara
zb5 .656
-.230 -.017
.181 .056
.032 .086
-.003 -.176
zc1 .562
.053 .301
.166 .068
-.433 .026
.153 .003
zc2 .548
-.343 .373
-.113 -.084
.090 .215
.122 -.007
zc3 .612
-.314 .065
.087 -.204
.083 -.017
.067 .149
zc4 .692
.279 -.183
-.037 .009
.016 .139
.013 -.005
zd1 .611
-.021 .300
-.263 .049
.111 .264
.004 -.042
zd2 .567
.402 .073
.133 -.052
.094 .219
.027 -.006
zd3 .564
.050 -.179
-.126 -.264
-.296 -.059
-.083 .286
zd4 .573
-.258 -.038
.389 -.005
-.080 -.281
-.211 -.198
zd5 .602
-.004 -.224
-.114 -.184
.164 .264
.147 -.193
zd6 .568
-.248 -.018
.209 .260
.154 .107
.194 .166
ze1 .570
-.099 -.238
.202 -.417
.099 .243
.090 -.012
ze2 .611
-.189 -.158
-.296 -.161
-.024 -.192
.312 -.138
ze3 .587
-.029 -.021
-.033 .233
-.222 -.177
-.001 -.079
ze4 .665
-.019 -.229
-.089 .233
-.026 -.071
-.173 .301
ze5 .635
-.174 .045
-.080 .098
-.055 .059
-.208 -.074
ze6 .564
.086 .058
-.223 .256
-.195 .226
-.032 .163
ze7 .665
.082 -.249
-.144 .043
.101 .028
-.115 -.174
ze8 .634
-.233 -.226
-.059 .078
.041 .078
-.112 .103
ze9 .560
.374 -.200
-.034 -.125
-.015 -.099
.187 -.173
ze10 .642
-.032 -.002
-.385 .174
-.004 -.039
-.051 .173
ze11 .671
-.163 .273
.114 .061
-.121 .124
-.084 -.035
ze12 .620
.120 .151
-.394 .035
.132 -.181
.094 -.127
ze13 .703
.093 -.036
-.082 .015
.011 -.167
-.151 .128
ze14 .545
.263 -.062
.125 -.444
-.018 -.086
-.112 .193
Extraction Method: Principal Component Analysis. a. 9 components extracted.
Walaupun matriks faktor atau matriks komponen awal sebelum dirotasi menunjukkan hubungan antara faktor komponen dengan variabel secara individu, akan
tetapi masih sulit diambil kesimpulannya tentang banyaknya faktor yang dapat
Universitas Sumatera Utara
diekstraksi. Hal ini disebabkan karena faktor komponen berkorelasi dengan banyak variabel lainnya atau sebaliknya variabel tertentu masih berkorelasi dengan banyak fakor.
Sehingga dalam keadaan ini terkadang membuat peneliti kesulitan dalam penentuan suatu variabel kedalam suatu faktor.
Misalkan matriks faktor sebelum dirotasi diatas dapat dilihat bahwa F І memiliki
korelasi kuat dengan 36 variabel, yakni a І, aЇ, aЈ, aЉ, …, e
14
sedangkan F Ї memiliki
korelasi kuat dengan b
1
, b
3
, c
2
, c
3,
d
2
, dan e
9
. Korelasi dianggap cukup kuat jika koefisien korelasi yang diwakili factor loading mempunyai nilai lebih besar dari 0,30. Juga
variabel berkorelasi dengan banyak faktor, seperti variabel a
3
berkorelasi dengan faktor 1, faktor 4 dan faktor 8. Variabel a
4
berkorelasi dengan faktor 1 dan 6, variabel a
5
berkorelasi dengan faktor 1 dan 8 selengkapnya pada tabel 4.11. Situasi seperti ini membuat kesimpulan mengenai banyaknya faktor yang di ekstraksi dari variabel menjadi
sulit. Untuk mengatasi hal tersebut dapat dilakukan proses rotasi pada faktor yang
terbentuk agar memperjelas posisi sebuah variabel, akankah dimasukkan pada faktor yang satu ataukah ke faktor lainnya. Beberapa metode rotasi yang bisa digunakan adalah
orthogonal rotation, varimax rotation, dan oblique rotation. Orthogonal rotation adalah kalau dipertahankan tegak lurus sesamanya bersudut
90 derajat. Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi
pada sebuah faktor, sehingga lebih mudah mengiterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-
Universitas Sumatera Utara
sumbu tidak dipertahankan harus tegak lurus sesamanya bersudut 90 derajat dan faktor- faktor berkorelasi. Oblique rotation harus dipergunakan kalau faktor dalam populasi
berkorelasi sangat kuat. Proses rotasi terhadap faktor pada penelitian ini menggunakan metode varimax
rotation. Dan hasil rotasi terhadap dapat dilihat pada matriks faktor setelah dirotasi dibawah ini.
Tabel 4.13 Tabel Matriks Faktor Setelah Dirotasi
Rotated Component Matrix
a
Component 1
2 3
4 5
6 7
8 9
za1 .144
.595 .168
.101 .092
.161 .062
.107 .000
za2 .238
.306 .348
-.090 .356
.063 .207
.311 .182
za3 .100
-.005 .115
.066 .091
.098 .035
.128 .784
za4 .216
.075 -.012
.208 .620
.297 -.045
.103 .032
za5 .245
.336 .487
.110 -.067
.221 -.235
-.020 -.101
za6 .004
.165 .159
.351 .631
.049 .011
.098 .100
za7 .142
.131 .101
-.035 .051
.059 .065
.799 .083
zb1 .159
.370 .058
.239 .009
.158 .666
-.030 .136
zb2 .217
.264 .273
.010 .654
-.091 .231
-.066 .037
zb3 .088
.121 .701
.178 .163
.090 .184
.033 .089
zb4 .529
.291 -.009
.148 .269
.288 .066
.024 .028
zb5 .195
.486 .167
.339 .111
.226 .151
.237 .014
zc1 .136
.362 .506
.252 .055
-.076 .171
-.084 .373
zc2 .135
.168 .066
.706 .156
.139 .209
-.044 .095
zc3 .241
.320 -.063
.361 .196
.340 .232
.003 .241
zc4 .407
.097 .460
.078 .187
.341 .123
.229 .035
zd1 .310
.013 .305
.585 .239
.096 .130
.027 -.061
zd2 .156
.046 .525
.139 .336
.310 -.060
.147 .104
zd3 .525
.150 .208
-.042 .011
.340 .231
-.223 .236
zd4 .153
.774 .032
.026 .214
.125 .151
.081 .028
Universitas Sumatera Utara
zd5 .196
.066 .264
.280 .051
.518 .273
.249 -.126
zd6 .258
.277 .007
.379 .110
.125 .044
.425 .314
ze1 .096
.251 .137
.193 .044
.716 .137
.094 .109
ze2 .275
.129 .086
.189 .056
.242 .699
.124 .025
ze3 .385
.364 .278
.084 .086
-.101 .282
.142 .078
ze4 .725
.218 .097
.055 .136
.116 .062
.201 .150
ze5 .430
.370 .177
.328 .116
.091 .118
.040 -.090
ze6 .539
.031 .391
.308 -.006
-.026 .033
.075 .119
ze7 .441
.203 .277
.093 .172
.286 .219
.251 -.214
ze8 .526
.290 .019
.238 .024
.271 .123
.200 .021
ze9 .173
.061 .469
-.130 .230
.303 .361
.196 .020
ze10 .650
.022 .153
.271 .169
.010 .264
.079 .028
ze11 .261
.440 .283
.458 .173
.071 .063
-.014 .126
ze12 .354
-.023 .263
.247 .397
.001 .469
.080 -.110
ze13 .536
.236 .207
.066 .343
.163 .190
.042 .080
ze14 .256
.157 .251
-.111 .351
.509 .098
-.201 .204
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 20 iterations.
Tujuan dilakukan rotasi adalah untuk memperlihatkan distribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara matriks faktor sebelum dirotasi
dengan matriks faktor setelah dirotasi.
4.1.5.4 Interpretasi Faktor
Setelah rotasi dilakukan langkah selanjutnya adalah interpretasi faktor. Interpretasi faktor dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang
sama. Faktor tersebut kemudian dapat diinterpretasi menurut variabel-variabel yang
Universitas Sumatera Utara
memiliki loading tinggi dengan faktor tersebut. Atau penentuan variabel yang dimasukkan ke dalam faktor dengan cara melihat factor loading yang terbesar.
Tabel 4.14 Korelasi Antar Variabel Sebelum dan Setelah Rotasi VAR
Korelasi Antar Variabel Faktor
Kesimpulan Sebelum
Rotasi Sesudah
Rotasi Sebelum
Rotasi Sesudah
Rotasi za1
0,52 0,59
1 2
2 za2
0.62 0.36
1 5
1 za3
0.53 0.78
9 9
9 za4
0.50 0.62
1 5
5 za5
0.44 0.49
1 3
3 za6
0.49 0.63
1 5
5 za7
0.47 0.80
5 8
8 zb1
0.59 0.67
1 7
7 zb2
0.57 o.65
1 5
5 zb3
0.57 0.70
1 3
3 zb4
0.63 0.53
1 1
1 zb5
0.66 0.49
1 2
1 zc1
0.56 0.51
1 3
1 zc2
0.55 0.71
1 4
4 zc3
0.61 0.36
1 4
1 zc4
0.69 0.46
1 3
1 zd1
0.61 0.58
1 4
1 zd2
0.57 0.52
1 3
1 zd3
0.56 0.53
1 1
1 zd4
0.57 0.77
1 2
2 zd5
0.60 0.52
1 6
1 zd6
0.57 0.42
1 8
1 ze1
0.57 0.72
1 6
6 ze2
0.61 0.70
1 7
7 ze3
0.59 0.39
1 1
1 ze4
0.67 0.73
1 1
1 ze5
0.63 0.43
1 1
1 ze6
0.56 0.54
1 1
1 ze7
0.67 0.44
1 1
1 ze8
0.63 0.53
1 1
1 ze9
0.56 0.47
1 3
1
Universitas Sumatera Utara
ze10 0.64
0.65 1
1 1
ze11 0.67
0.46 1
4 1
ze12 0.62
0.47 1
7 1
ze13 0.70
0.54 1
1 1
ze14 0.55
0.51 1
6 1
1. Variabel a1 : Korelasi antara variabel a1 dengan faktor 1 sebelum dirotasi adalah
0,52; dengan rotasi korelasi menjadi 0,59 dengan faktor 1. Jadi variabel ini masuk faktor 1.
2. Variabel a2 : Korelasi antara variabel a2 dengan faktor 1 sebelum dirotasi adalah
0,62; dengan rotasi korelasi menjadi 0,36 dengan faktor 5. Jadi variabel ini masuk faktor 1
3. Variabel a3 : Korelasi antara variabel a3 dengan faktor 9 sebelum dirotasi adalah
0,53; dengan rotasi korelasi menjadi 0,78 dengan faktor 9. Jadi variabel ini masuk faktor 9
4. Variabel a4 : Korelasi antara variabel a4 dengan faktor 1 sebelum dirotasi adalah
0,50; dengan rotasi korelasi menjadi 0,62 dengan faktor 5. Jadi variabel ini masuk faktor 5
5. Variabel a5 : Korelasi antara variabel a5 dengan faktor 1 sebelum dirotasi adalah
0,44; dengan rotasi korelasi menjadi 0,49 dengan faktor 3. Jadi variabel ini masuk faktor 3
6. Variabel a6 : Korelasi antara variabel a6 dengan faktor 1 sebelum dirotasi adalah
0,49; dengan rotasi korelasi menjadi 0,63 dengan faktor 5. Jadi variabel ini masuk faktor 5
7. Variabel a7 : Korelasi antara variabel a7 dengan faktor 5 sebelum dirotasi adalah
0,47; dengan rotasi korelasi menjadi 0,80 dengan faktor 8. Jadi variabel ini masuk faktor 8
Universitas Sumatera Utara
8. Variabel b1 : Korelasi antara variabel b1 dengan faktor 1 sebelum dirotasi adalah
0,59; dengan rotasi korelasi menjadi 0,67 dengan faktor 7. Jadi variabel ini masuk faktor 7
9. Variabel b2 : Korelasi antara variabel b2 dengan faktor 1 sebelum dirotasi adalah
0,57; dengan rotasi korelasi menjadi 0,65 dengan faktor 5. Jadi variabel ini masuk faktor 5
10. Variabel b3 : Korelasi antara variabel b3 dengan faktor 1 sebelum dirotasi adalah
0,57; dengan rotasi korelasi menjadi 0,70 dengan faktor 3. Jadi variabel ini masuk faktor 3
11. Variabel b4 : Korelasi antara variabel b4 dengan faktor 1 sebelum dirotasi adalah
0,63; dengan rotasi korelasi menjadi 0,53 dengan faktor 1. Jadi variabel ini masuk faktor 1
12. Variabel b5 : Korelasi antara variabel b5 dengan faktor 1 sebelum dirotasi adalah
0,66; dengan rotasi korelasi menjadi 0,49 dengan faktor 72. Jadi variabel ini masuk faktor 1
13. Variabel c1 : Korelasi antara variabel c1 dengan faktor 1 sebelum dirotasi adalah
0,56; dengan rotasi korelasi menjadi 0,51 dengan faktor 3. Jadi variabel ini masuk faktor 3
14. Variabel c2 : Korelasi antara variabel c2 dengan faktor 1 sebelum dirotasi adalah
0,55; dengan rotasi korelasi menjadi 0,71 dengan faktor 4. Jadi variabel ini masuk faktor 4
15. Variabel c3 : Korelasi antara variabel c3 dengan faktor 1 sebelum dirotasi adalah
0,61; dengan rotasi korelasi menjadi 0,36 dengan faktor 4. Jadi variabel ini masuk faktor 1
16. Variabel c4 : Korelasi antara variabel b1 dengan faktor 1 sebelum dirotasi adalah
0,69; dengan rotasi korelasi menjadi 0,46 dengan faktor 3. Jadi variabel ini masuk faktor 1
Universitas Sumatera Utara
17. Variabel d1 : Korelasi antara variabel d1 dengan faktor 1 sebelum dirotasi adalah
0,61; dengan rotasi korelasi menjadi 0,58 dengan faktor 4. Jadi variabel ini masuk faktor 1
18. Variabel d2 : Korelasi antara variabel d2 dengan faktor 1 sebelum dirotasi adalah
0,57; dengan rotasi korelasi menjadi 0,52 dengan faktor 3. Jadi variabel ini masuk faktor 1
19. Variabel d3 : Korelasi antara variabel d3 dengan faktor 1 sebelum dirotasi adalah
0,56; dengan rotasi korelasi menjadi 0,53 dengan faktor 1. Jadi variabel ini masuk faktor 1
20. Variabel d4 : Korelasi antara variabel d4 dengan faktor 1 sebelum dirotasi adalah
0,57; dengan rotasi korelasi menjadi 0,77 dengan faktor 2. Jadi variabel ini masuk faktor 2
21. Variabel d5 : Korelasi antara variabel d5 dengan faktor 1 sebelum dirotasi adalah
0,60; dengan rotasi korelasi menjadi 0,52 dengan faktor 6. Jadi variabel ini masuk faktor 1
22. Variabel d6 : Korelasi antara variabel d6 dengan faktor 1 sebelum dirotasi adalah
0,57; dengan rotasi korelasi menjadi 0,42 dengan faktor 8. Jadi variabel ini masuk faktor 1
23. Variabel e1 : Korelasi antara variabel e1 dengan faktor 1 sebelum dirotasi adalah
0,57; dengan rotasi korelasi menjadi 0,72 dengan faktor 6. Jadi variabel ini masuk faktor 6
24. Variabel e2 : Korelasi antara variabel e2 dengan faktor 1 sebelum dirotasi adalah
0,61; dengan rotasi korelasi menjadi 0,70 dengan faktor 7. Jadi variabel ini masuk faktor 7
25. Variabel e3 : Korelasi antara variabel e3 dengan faktor 1 sebelum dirotasi adalah
0,59; dengan rotasi korelasi menjadi 0,39 dengan faktor 1. Jadi variabel ini masuk faktor 1
Universitas Sumatera Utara
26. Variabel e4 : Korelasi antara variabel e4 dengan faktor 1 sebelum dirotasi adalah
0,67; dengan rotasi korelasi menjadi 0,73 dengan faktor 1. Jadi variabel ini masuk faktor 1
27. Variabel e5 : Korelasi antara variabel e5 dengan faktor 1 sebelum dirotasi adalah
0,63; dengan rotasi korelasi menjadi 0,43 dengan faktor 1. Jadi variabel ini masuk faktor 1
28. Variabel e6 : Korelasi antara variabel e6 dengan faktor 1 sebelum dirotasi adalah
0,56; dengan rotasi korelasi menjadi 0,54 dengan faktor 1. Jadi variabel ini masuk faktor 1
29. Variabel e7 : Korelasi antara variabel e7 dengan faktor 1 sebelum dirotasi adalah
0,67; dengan rotasi korelasi menjadi 0,44 dengan faktor 1. Jadi variabel ini masuk faktor 1
30. Variabel e8 : Korelasi antara variabel e8 dengan faktor 1 sebelum dirotasi adalah
0,63; dengan rotasi korelasi menjadi 0,53 dengan faktor 1. Jadi variabel ini masuk faktor 1
31. Variabel e9 : Korelasi antara variabel e9 dengan faktor 1 sebelum dirotasi adalah
0,56; dengan rotasi korelasi menjadi 0,47 dengan faktor 3. Jadi variabel ini masuk faktor 1
32. Variabel e10 : Korelasi antara variabel e10 dengan faktor 1 sebelum dirotasi
adalah 0,64; dengan rotasi korelasi menjadi 0,65 dengan faktor 1. Jadi variabel ini masuk faktor 1
33. Variabel e11 : Korelasi antara variabel e11 dengan faktor 1 sebelum dirotasi
adalah 0,67; dengan rotasi korelasi menjadi 0,46 dengan faktor 4. Jadi variabel ini masuk faktor 1
34. Variabel e12 : Korelasi antara variabel e12 dengan faktor 1 sebelum dirotasi
adalah 0,62; dengan rotasi korelasi menjadi 0,47 dengan faktor 7. Jadi variabel ini masuk faktor 1
Universitas Sumatera Utara
35. Variabel e13 : Korelasi antara variabel e13 dengan faktor 1 sebelum dirotasi
adalah 0,70; dengan rotasi korelasi menjadi 0,54 dengan faktor 1. Jadi variabel ini masuk faktor 1
36. Variabel e14 : Korelasi antara variabel e14 dengan faktor 1 sebelum dirotasi
adalah 0,55; dengan rotasi korelasi menjadi 0,51 dengan faktor 6. Jadi variabel ini masuk faktor 1
Dengan demikian ke-36 variabel telah direduksi menjadi sembilan faktor yang dapat mempengaruhi kepuasan penumpang, yaitu :
1. Faktor 1 F
1
terdiri atas variabel a
2
= Ketersediaan informasi berkaitan jadwal KA, b
4
= Kecepatan petugas dalam merespon keluhan penumpang, b
5
= Petugas selalu menunjukkan sikap percaya diri dan siap melayani penumpang, c
1
= Kemampuan petugas memberikan informasi kepada penumpang dengan bahasa yang mudah dimengerti, c
3
= Kejujuran dan kesabaran petugas dalam melayani penumpang, c
4
= kesediaan oetugas untuk menghargai dan melayani serta mengutamakan kebutuhan penumpang
,
d
1
= keramahan dan kesopanan petugas dalam melayani penumpang
,
d
2
= Kemampuan petugas dalam melaksanakan pekerjaannya
,
d
3
= Keamanan dan kenyamanan pada saat berada di stasiunkereta
,
d
5
= Ketersediaan asuransi atau jaminan keselamatan, d
6
= Ketersediaan peralatan untuk menghadapi situasi dan kondisi darurat
,
e
3
= Area pembelian tiket yang mudah dijangkau
,
e
4
= Sirkulasi udara didalam kereta, e
5
= Ketersediaan alat untuk menginformasikan rute, e
6
= ketersediaan galeri ATM
,
e
7
= Ketersediaan mushola di stasiun
,
e
8
= Ketersediaan ruang nursery di stasiun
,
e
9
= Ketersediaan loket penjualan tiket maskapai
,
e
10
= Ketersediaan counter city
Universitas Sumatera Utara
check in untuk seluruh maskapai
,
e
11
= Ketersediaan loket money changer
,
e
12
= Ketersediaan coffee shop dan mini market, e
13
= Ketersediaan hotel transit, dan e
14
= Ketersediaan travel agenttaksi sebagai moda untuk meninggalkan stasiun.
Faktor ini diberi nama FAKTOR INTEGRITAS PELAYANAN, KEAMANAN DAN BUKTI FISIK
2. Faktor 2 F
2
terdiri atas variabel a
1
= Kemudahan menjangkau stasiun, d
4
= Kenyamanan pada saat naik-turun kereta
Faktor ini diberi nama FAKTOR LOKASI STRATEGIS
3. Faktor 3 F
3
terdiri atas variabel a
5
= Kemudahan dalam memperoleh informasi ter-update, b
3
= Kecepatan petugas dalam merespon kondisi darurat didalam kereta maupun stasiun
Faktor ini diberi nama FAKTOR INFORMATIF DAN RESPONSIF
4. Faktor 4 F
4
terdiri atas variabel c
2
= Ketersediaan layanan 24 Jam
Faktor ini diberi nama FAKTOR NON-STOP SERVICE
5. Faktor 5 F
5
terdiri atas variabel a
4
= Kemampuan memberikan pelayanan terbaik bagi penumpang, a
6
= Kemudahan dalam sistem pembelian tiket, b
2
= Kecepatan dan ketepatan dalam memberikan informasi yang dibutuhkan
penumpang.
Faktor ini diberi nama FAKTOR KEMUDAHAN PELAYANAN
6. Faktor 6 F
6
terdiri atas variabel e
1
= Kebersihan di stasiun dan di kereta
Faktor ini diberi nama FAKTOR KEBERSIHAN
Universitas Sumatera Utara
7. Faktor 7 F
7
terdiri atas variabel b
1
= Kecepatan dan kesiapan pentugas dalam menyediakan pelayanan bagi penumpang hingga tuntas, e
2
= Kebersihan toilet di stasiun mapun didalam kereta
Faktor ini diberi nama FAKTOR KETANGGAPAN
8. Faktor 8 F
8
terdiri atas variabel a
7
= harga tiket yang ditawarkan
Faktor ini diberi nama FAKTOR HARGA
9. Faktor 9 F
9
terdiri atas variabel a
3
= Ketepatan jadwal perjalanan KA
Faktor ini diberi nama FAKTOR JAMINAN TEPAT WAKTU
4.1.5.5 Interpretasi Variabel
Tabel 4.15 Nilai Varians Faktor Setelah Rotasi
Total Variance Explained
Compon ent
Initial Eigenvalues Extraction Sums of Squared
Loadings Rotation Sums of Squared
Loadings Total
of Variance
Cumulative Total
of Variance
Cumulative Total
of Variance
Cumulative 1
12.277 34.103
34.103 12.277
34.103 34.103
4.101 11.391
11.391 2
1.509 4.191
38.294 1.509
4.191 38.294
2.929 8.137
19.529 3
1.371 3.807
42.101 1.371
3.807 42.101
2.863 7.953
27.482 4
1.289 3.580
45.681 1.289
3.580 45.681
2.440 6.778
34.260 5
1.175 3.263
48.944 1.175
3.263 48.944
2.387 6.629
40.890 6
1.133 3.146
52.090 1.133
3.146 52.090
2.279 6.332
47.221 7
1.092 3.033
55.123 1.092
3.033 55.123
2.121 5.892
53.114 8
1.047 2.909
58.032 1.047
2.909 58.032
1.518 4.217
57.331 9
1.031 2.865
60.896 1.031
2.865 60.896
1.284 3.566
60.896 Extraction Method: Principal Component
Analysis.
Universitas Sumatera Utara
1. Faktor 1 adalah Faktor Integritas Pelayanan, keamanan dan bukti fisik yang
memberikan sumbangan varians sebesar 11,391 dan merupakan faktor dominan yang memberikan nilai varians terbesar dalam penelitian ini, artinya menurut
persepsi penumpang, faktor ini merupakan faktor utama yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
2. Faktor 2 adalah Faktor Lokasi Strategis yang memberikan sumbangan varians
sebesar 8,137 dan merupakan faktor kedua yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
3. Faktor 3 adalah Faktor Informatif dan Responsif yang memberikan sumbangan
varians sebesar 7,593 dan merupakan faktor ketiga yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
4. Faktor 4 adalah Faktor Non-Stop Service yang memberikan sumbangan varians
sebesar 6,778 dan merupakan faktor keempat yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
5. Faktor 5 adalah Faktor Kemudahan Pelayanan yang memberikan sumbangan
varians sebesar 6,629 dan merupakan faktor kelima yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
6. Faktor 6 adalah Faktor Kebersihan yang memberikan sumbangan varians sebesar
6,332 dan merupakan faktor keenam yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
7. Faktor 7 adalah Faktor Ketanggapan yang memberikan sumbangan varians
sebesar 5,892 dan merupakan faktor ketujuh yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
Universitas Sumatera Utara
8. Faktor 8 adalah Faktor Harga yang memberikan sumbangan varians sebesar
4,217 dan merupakan faktor kedelapan yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
9. Faktor 9 adalah Faktor Jaminan Tepat Waktu yang memberikan sumbangan
varians terkecil yaitu sebesar 3,566 dan merupakan faktor terakhir yang mempengaruhi kepuasan penumpang terhadap kualitas pelayanan PT. Railink
10. Kesembilan faktor yang mempengaruhi kepuasan penumpang terhadap pelayanan
PT. Railink tersebut memberikan komulatif varians sebesar 60, 896 , artinya sebesar 60,896 faktor yang terbentuk mempengaruhi kepuasan penumpang
terhadap kualitas pelayanan PT. Railink dan sisanya adalah faktor-faktor lain yang tidak terangkum dalam model penelitian ini.
Universitas Sumatera Utara
87
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari penelitian ini maka penulis dapat membuat kesimpulan-kesimpulan sebagai berikut:
1. Menurut asumsipersepsi penumpang berdasarkan data kuisioner diperoleh
proporsi keragaman kumulatif sebesar 60,896 yang diperoleh dari jumlah kesembilan faktor dominan yang mempengaruhi kepuasan
penumpang terhadap kualitas pelayanan PT Railink, yaitu Faktor Integritas Pelayanan 11,391 , Faktor Lokasi Strategis 8,137 , Faktor
Informatif dan Responsif 7,593 , Faktor Non-Stop Service 6,778 , Faktor Kemudahan Pelayanan 6,629 , Faktor Kebersihan 6,332 ,
Faktor Ketanggapan 5,892 , Faktor Harga 4,217 , dan Faktor Jaminan Tepat Waktu 3,566 . Sedangkan sisanya 39,104
dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model penelitian.
2. Berdasarkan
Bartlett’s Tes of Sphericity dengan Chi-Square 2786,438 df 183 dan nilai sig = 0,000 0,05 menunjukkan bahwa matriks korelasi
bukan merupakan matriks identitas sehingga dapat dilakukan analisis komponen utama. Di samping itu, Nilai KMO yang dihasilkan adalah
sebesar 0,919 serta p-value sebesar 0,000 0,05 , nilai tersebut jatuh dalam kategori sangat layak untuk kepentingan analisis faktor. Oleh karena
Universitas Sumatera Utara
itu, variabel – variabel dapat dianalisis lebih lanjut AA Afifi,1990:Dillon
dan Goldstein,1984.
5.2 Saran