Chapter II Analisis Faktor Ketertarikan Ibu Terhadap Susu Formula Untuk balita (Studi Kasus: di Kecamatan Kualuh Selatan , Labuhan Batu Utara)
BAB 2
LANDASAN TEORI
2.1 Landasan Teori Ekonomi
2.1.1 Pemasaran
Menurut Stanton (Khotijah, 2004) “ pemasaran adalah suatu sistem keseluruhan
dari kegiatan bisnis yang ditujukan untuk merencanakan, menentukan harga,
mempromosikan, mendistribusi barang dan jasa yang memuaskan kebutuhan baik
pada pembeli yang ada maupun pembeli potensial.”
Menurut Maynar dan Becman (Alma, 2004) “Pemasaran berarti segala
kegiatan bisnis yang meliputi penyaluran barang dan jasa dari sektor produksi
fisik ke sektor promosi.” Berdasarkan definisi diatas dapat diartikan bahwa
pemasaran adalah keseluruhan proses dalam memberikan nilai pada konsumen
yang meliputi penciptaan, penetuan harga, promosi dan distribus promosi.
Menurut Kotler (2009) pemasaran adalah suatu fungsi organisasi dan
seperangkat proses untuk menciptakan, mengkomunikaskan dan menyerahkan
nilai kepada pelanggan dan mengelola hbungan pelanggan dengan cara yang
menguntungkan organisasi dan para pemilik usahanya.
2.1.2 Produk
Menurut Kotler dan Amstrong (2001) produk adalah segala sesuatu yang dapat
ditawarkan kepasar untuk diperhatikan, dimiliki, digunakan, atau dikonsumsi
yang dapat memuaskan keinginan atau kebutuhan. Produk mencakup objek fisik,
jasa, orang, tempat, organisasi, dan gagasan. Sedangkan Zimmener dan
Scarborough (2004) produk adalah barang atau jasa yang digunakan untuk
memuaskan kebutuhan dan keinginan konsumen.
Universitas Sumatera Utara
Pada dasarnya Produk biasa dikatakan sebagai unsur program pemasaran
yang paling penting, karena produk menentukan lingkup bisnis suatu perusahaan,
setiap aspek perusahaan (termasuk keputusan harga, komunikasi, pemasaran dan
distribusi) harus sesuai dengan kebijakan produk. Pelanggan dan pesaing juga
ditentukan oleh produk yang ditawarkan perusahaan-perusahaan, kebutuhan dan
tuntutan adanya riset dan pengembangan tergantung pada teknologi produk dan
visi manajemen perusahaan.
2.1.3 Perencanaan Produk
Setiap proses pengembangan produk diawali dengan fase perencanaan, yang
berkaitan dengan kegiatan-kegiatan pengembangan teknologi dan penelitian
tingkat lanjut. Output fase perencanaan ini adalah pernyataan misi proyek yang
nantinya akan digunakan sebagai input yang dibutuhkan untuk memulai tahapan
pengembangan konsep dan merupakan suatu petunjuk untuk tim pengembang.
Untuk mengembangkan suatu rencana produk dan pernyataan misi proyek,
ada lima tahapan proses berikut :
1. Mengidentifikasi peluang
Langkah ini dapat dibayangkan sebagai terowongan peluang karena
membawa bersama-sama input berupa ide-ide untuk produk baru yang
dikumpulkan secara pasif, atau bisa juga dikumpulkan melalui proses
identifikasi kebutuhan pelanggan yang mencatat kelemahan produk yang
sudah ada, kecenderungan gaya hidup, studi para pesaing, dan status
teknologi.
2. Mengevaluasi dan memprioritaskan proyek
Langkah ini dalam proses perencanaan produk adalah memilih proyek
yang paling menjanjikan untuk diikuti. Empat perspektif dasar yang
beguna dalam kategori produk yang sudah ada adalah strategi bersaing,
segmentasi pasar, mengikuti perkembangan teknologi, dan platform
produk yang merupakan sekumpulan aset yang dibagi dalam sekumpulan
produk.
8
Universitas Sumatera Utara
3. Mengalokasikan sumber daya dan rencana waktu
Penentuan waktu dan alokasi daya ditentukan untuk proyek-proyek yang
lebih menjanjikan, terlalu banyak akan menimbulkan persaingan untuk
beberapa sumber daya.
4. Melengkapi perencanaan pendahuluan proyek
Setelah proyek disetujui, maka dibentuk sebuah tim-tim yaitu ahli teknik,
pemasaran, manufaktur dan fungsi pelayanan untuk menghasilkan suatu
pernyataan visi dan pernyataan misi produk yang isinya memformulasikan
suatu definisi yang lebih detail.
5. Merefleksikan kembali hasil dan survei
Pada tahap ini dilakukan reality check terhadap pernyataan misi yang
merupakan pegangan untuk tim pengembangan
2.1.4 Preferensi Konsumen
Preferensi adalah motif atau hal yang mempengaruhi konsumen dalam membeli
suatu produk. Apabila produsen berhasil mengetahui dan mengendalikan motif
ini, maka produsen tersebut mudah menggenggam pasar, sebaliknya apabila
produsen gagal dalam mengendalikan motif ini, maka produk produsen tersebut
memiliki ancaman gagal yang besar. Pengetahuan terhadap preferensi ini
dibutuhkan untuk pengembangan produk dan merk. Dengan kata lain preferensi
adalah suatu sikap yang lebih menyukai sesuatu benda daripada benda lain.
2.1.5 Nilai Guna (Utilitas)
Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau
kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang.
Kalau kepuasan itu semakin tinggi maka semakin tinggi nilai gunanya. Sebaliknya
semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah pula.
Nilai guna dibedakan menjadi dua pengertian :
9
Universitas Sumatera Utara
a. Nilai Guna Marginal
Nilai guna marginal adalah pertambahan atau pengurangan kepuasan
akibat adanya pertambahan atau pengurangan penggunaan satu unit barang
tertentu.
b. Total Nilai Guna
Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari
mengkonsumsi sejumlah barang-barang tertentu. (Ramma Lessandro.
2008)
Jika konsumen membeli barang karena mengharap memperoleh nilai
gunanya, tentu saja secara rasional konsumen berharap memperoleh nilai guna
optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang
dikonsumsi meningkat. Ada dua cara mengukur nilai guna yaitu secara kardinal
yaitu dengan pendekatan yang absolut dan secara ordinal yaitu dengan pendekatan
nilai relatif, order atau rangking.
Dalam pendekatan kardinal bahwa nilai guna yang diperoleh konsumen
dapat dinyatakan secara kuantitaif dan dapat diukur secara pasti. Untuk setiap unit
yang dikonsumsi akan dapat dihitung nilai gunanya.
2.2 variabel
Variabel di dalam penelitian merupakan suatu atribut dari sekelompok objek yang
diteliti, mempunyai variasi antara satu dan lainnya dalam kelompok tersebut,
misalnya: tinggi badan dan berat badan yang merupakan atribut dari seseorang
yang dalam hal ini adalah objek penelitiannya (Riduwan, 2002).
Variabel mempunyai bermacam-macam bentuk menurut hubungan antara satu
variabel dan variabel lainnya, yaitu:
a. Variabel independen, yaitu: variabel yang menjadi sebab terjadinya atau
terpengaruhnya variabel dependen.
b. Variabel dependen, yaitu: variabel yang nilainya dipengaruhi oleh variabel
10
Universitas Sumatera Utara
independen.
c. Variabel moderator, yaitu: variabel yang memperkuat atau memperlemah
hubungan antara variabel dependen dan independen.
d. Variabel intervening, yaitu: variabel moderator, tetapi nilainya tidak dapat
diukur, seperti : kecewa, gembira, sakit hati.
e. Variabel kontrol, yaitu: variabel yang dikendalikan peneliti.
f. Variabel dummy, yaitu: variabel yang isinya berupa kode-kode yang
berfungsi untuk membedakan data yang berada pada variabel-variabel
tertentu pada kelompok-kelompoknya.
2.3 Data
Data adalah suatu bahan mentah yang jika diolah dengan baik melalui berbagai
analisis dapat melahirkan berbagai informasi, dimana dengan informasi tersebut
kita dapat mengambil keputusan.
2.3.1 Data Menurut Sifatnya
Menurut sifatnya data dibagi atas 2 bagian, yaitu:
a. Data Kuantitatif
Data kuantitatif adalah serangkaian observasi atau pengukuran yang dapat
dinyatakan
dalam
angka-angka.
Contoh:
Data
hasil
pengukuran
kemampuan Matematika siswa yang berwujud skor hasil tes kemampuan.
Data itu akan berupa angka seperti : 70, 35, 75, 80 dan sebagainya.
b. Data Kualitatif
Data kualitatif adalah serangkaian observasi dimana tiap observasi yang
terdapat dalam sampel (atau populasi) tergolong dalam salah satu kelaskelas yang saling lepas dan tidak dinyatakan dalam angka-angka. Contoh:
Hasil penelitian tentang pendapat siswa terhadap cara mengajar guru
Matematika di sekolah mereka.
11
Universitas Sumatera Utara
3.3.2 Data Menurut Sumbernya
Menurut sumbernya data dibagi atas 2 bagian, yaitu:
a. Data Intern
Data intern adalah data yang dibutuhkan seorang pemimpin perusahaan
guna dipakai sebagai landasan pengambilan keputusan yang diperoleh
dari catatan-catatan intern perusahaan itu sendiri.
Misalnya:
- Catatan-catatan akuntansi
- Catatan-catatan produksi
- Catatan-catatan inventaris, dan lain-lain
b. Data Ekstern
Data ekstern adalah data yang hanya diperoleh dari sumber-sumber dari
luar perusahaan atau instansi. Data ekstern dibagi atas 2 bagian, yaitu:
1. Data Primer
Data primer adalah data yang langsung dikumpulkan oleh orang yang
berkepentingan atau yang memakai data tersebut. Data yang diperoleh,
seperti hasil wawancara atau hasil penelitian kuisioner. Dalam metode
pengumpulan data primer, peneliti atau observer melakukan sendiri
observasi di lapangan maupun di laboratorium. Pelaksanaannya dapat
berupa survei atau percobaan (eksperimen).
2. Data Sekunder
Data sekunder adalah data yang diterbitkan oleh organisasi yang bukan
merupakan pengolahannya atau data yang tidak secara langsung
dikumpulkan oleh orang yang berkepentingan dengan data tersebut. Data
sekunder pada umumnya disajikan dalam bentuk tabel-tabel atau
diagram-diagram.
Misalnya:
- Data kinerja Perbankan Nasional yang dikeluarkan suatu badan riset
12
Universitas Sumatera Utara
- Data indeks prestasi mahasiswa dari suatu universitas.
2.4 Skala Pengukuran Data
Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada
sejumlah cirri dari suatu objek agar dapat menyatakan karakteristik angka pada
ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian:
a. Skala nominal (klasifikasi)
Skala nominal adalah pengukuran berupa bilangan atau lambang-lambang
lain untuk mengelompokkan objek atau benda-benda lain, dimana
bilangan atau angka yang diberikan suatu kategori tidak menggambarkan
kedudukan kategori tersebut terhadap kategori lainnya tetapi hanya
sekedar kode maupun label.
Misalnya :
jenis kelamin anda
1 = pria
2 = wanita
b. Skala ordinal
Skala ini mengurutkan data dari tingkat yang paling rendah ke tingkat
yang paling tinggi atau sebaliknya, dengan interval yang tidak harus sama.
Misalnya: Seorang anggota ABRI dapat dikelompokkan menurut
pangkatnya: mayor, kapten, letnan. Dimana hubungan antar kelas-kelas
terdapat urutan tertentu (mayor > kapten > letnan).
c.
Skala interval
Skala interval adalah skala pengukuran yang mengelompokkan objekobjek ke dalam kelas-kelas yang mempunyai hubungan urutan dan
perbedaan dalam jarak (interval) atau dengan yang lain.
Misalnya:
Nilai (prestasi) yang telah ditransfer dalam bnetuk huruf A, B, C, D dan E.
13
Universitas Sumatera Utara
Selanjutnya diberi bobot masing-masing 4, 3, 2, 1 dan 0 sehingga interval
A dan C sama dengan antara C dan E atau interval A dan B sama dengan
interval D dan E.
d. Skala rasio
Skala rasio adalah skala pengukuran yang mengelompokkan objek-objek
ke dalam kelas-kelas yang mempunyai hubungan urutan berbeda dalam
jarak antara objek yang satu dengan yang lain serta titik nolnya berarti
(tidak sembarang). Misalnya:
panjang, luas, isi, berat, tinggi dan sebagainya.
2.4.1 Skala Untuk Instrumen (Model Skala Sikap)
Bentuk-bentuk model skala sikap yang sering digunakan dalam penelitian ada 5
macam yaitu:
a. Skala Likert
Skala Likert digunakan untuk mengatur sikap, pendapatan, dan persepsi seseorang
atau sekelompok tentang kejadian atau gejala sosial. Dengan menggunakan skala
likert, maka variabel yang akan diukur dijabarkan menjadi subvariabel. Kemudian
subvariabel dijabarkan lagi menjadi indikator-indikator, indikator-indikator yang
terukur ini dijadikan titik tolak untuk membuat item instrumen yang berupa
pertanyaan-pertanyaan atau pernyataan yang perlu dijawab responden. Setiap
jawaban diungkapkan dengan kata-kata.
Misalnya:
SS (Sangat Setuju) = 5
S ( Setuju) = 4
N (Netral) = 3
TS (Tidak Setuju) = 2
STS (Sangat Tidak Setuju) = 1
14
Universitas Sumatera Utara
b. Skala Guttman
Skala Guttman mengukur suatu dimensi saja dari suatu variabel multidimensi.
Skala Guttman adalah skala yang digunakan untuk jawaban yang bersifat jelas
(tegas) dan konsisten.
c. Skala Diferensial Semantik
Skala Diferensial Semantik atau skala perbedaan semantik berisikan serangkaian
bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep
pada suatu skala yang mempunyai 2 ajektif yang bertentangan .
Misalnya:
Panas-dingin, popular-tidak popular, bagus-buruk, dan sebagainya.
d. Skala Rating ( Rating Scale)
Rating scale yaitu data mentah yang dapat berupa angka kemudian ditafsirkan
dalam pengertian kualitatif.
Misalnya: Ketat-longgar, lemah-kuat, positif-negatif. Responden tidak akan
menjawab salah satu dari jawaban kuantitatif yang telah disediakan.
e. Skala Thurstone Skala Thurstone
meminta responden untuk memilih pertanyaan yang ia setujui dari beberapa
pertanyaan yang menyajikan pandangan yang berbeda-beda. Pada umumnya
setiap item mempunyai asosiasi nilai antara 1 sampai 10 tetapi nilai-nilainya tidak
diketahui responden.
15
Universitas Sumatera Utara
2.5 Uji Validitas
Suatu skala pengukuran disebut valid bila ia melakukan apa yang seharusnya dan
mengukur apa yang seharusnya diukur (Situmorang, 2007). Secara konseptual,
ada 3 macam validitas yaitu:
a. Validitas isi (Content Validity)
Validitas isi memastikan bahwa ukuran telah cukup memasukkan sejumlah
item yang representatif dalam menyusun sebuah konsep. Validitas isi
merupakan sebuah fungsi yang menunjukkan seberapa baik dimensi dan
elemen sebuah konsep digambarkan.
b. Validitas Eksternal (External Validity)
Pada validitas eksternal instrumen diuji dengan cara membandingkan antara
kriteria yang ada pada instrumen dengan fakta-fakta empiris yang terjadi
dilapangan. Bila telah terdapat kesamaan antara kriteria dalam instrumen
dengan fakta dilapangan, maka dapat dinyatakan instrumen tersebut
mempunyai validitas eksternal yang tinggi. Instrumen penelitian yang
mempunyai validitas eksternal yang tinggi mengakibatkan hasil penelitian yang
tinggi pula. Penelitian mempunyai validitas eksternal yang tinggi bila hasil
penelitian dapat digeneralisasikan atau diterapkan pada sampel lain dalam
populasi yang diteliti. Untuk meningkatkan validitas eksternal penelitian, selain
meningkatkan validitas eksternal instrumen, maka dapat dilakukan dengan
memperbesar jumlah sampel. Validitas eksternal diperoleh dengan cara
mengkorelasikan alat pengukur baru dengan tolok ukur eksternal, yang berupa
alat ukur yang sudah valid.
c. Validitas konstruk (Construct Validity)
Validitas konstruk membuktikan seberapa bagus hasil yang diperoleh dari
penggunaan ukuran sesuai dengan teori dimana pengujian dirancang. Hal ini
dinilai dengan convergent validity (instrument yang memiliki korelasi tinggi)
dan discriminant validity (variabel yang tidak berkorelasi).
16
Universitas Sumatera Utara
2.6 Uji Reliabilitas
Reliabilitas menunjukan konsistensi dan stabilitas dari suatu skor (skala
pengukuran) (Situmorang, 2007). Dalam Reliabilitas mencakup dua hal utama
yaitu:
a. Stabilitas ukuran
Menunjukan sebuah ukuran untuk tetap stabil dan tidak rentan terhadap
perubahan situasi apa pun. Terdapat dua jenis uji stabilitas, yaitu:
1. Test retest reliability
Yaitu koefisien reliabilitas yang diperoleh dari pengulangan pengukuran
konsep yang sama dalam dua kali kesempatan.
2. Reliabilitas bentuk paralel (parallel form realibity)
Terjadi ketika respon dari dua pengukuran yang sebanding dalam
menyusun konstruk yang sama memiliki kolerasi yang tinggi.
b. Konsistensi Internal Ukuran
Merupakan indikasi homogenitas item-item yang ada dalam ukuran yang
menyusun konstruk. Pada saat ini yang banyak digunakan adalah dengan
menggunakan Cronbach`s Alpha. Suatu konstruk atau variabel dikatakan
reliabel jika memberikan nilai Cronbach`s Alpha > 0,60 (Ghozali, 2005)
atau nilai Cronbach`s Alpha > 0,80 (Kuncoro, 2003). Konsistensi ukuran
dapat diamati melalui reliabilitas konsistensi antar item (konsistensi
jawaban responden untuk semua item dalam ukuran) dan split-half
reliability yang menunjukkan korelasi antara dua bagian instrumen.
17
Universitas Sumatera Utara
2.7 Teori Matematika
2.7.1 Analisis Faktor
Analisis faktor adalah salah satu metode statistik multivariat yang mencoba
menerangkan hubungan antar sejumlah variabel-variabel yang saling independen
antara satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan
peubah yang lebih sedikit dari jumlah variabel awal. Analisis faktor juga
digunakan untuk mengetahui faktor-faktor dominan dalam menjelaskan suatu
masalah. Analisis faktor agak berbeda dengan analisis regresi, yaitu lebih
memfokuskan analisisnya kepada teknik interdependensi (Supranto, 2004).
Analisis faktor digunakan untuk hal-hal penting berikut :
A. Untuk mengidentifikasi dimensi atau faktor yang dapat menjelaskan
korelasi di antara sekelompok variabel.
B. Untuk mengidentifikasi sebuah variabel baru yang lebih sedikit dan tidak
saling berkorelasi untuk menggantikan sekelompok variabel asli atau awal
yang berkorelasi; untuk kemudian dianalisis lebih lanjut dengan analisis
multivariate lainnya (seperti :analisis regresi dan analisis diskriminan).
C. Untuk mengidentifikasi sekelompok variabel relevan dari sekelompok
variable yang lebih besar yang akan digunakan untuk analisis multivariat
lanjutannya.
2.7.2 Model Analisis Faktor
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam
hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel
dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas
(communality). Kovarians di antara variabel dijelaskan terbatas dalam sejumlah
kecil faktor umum (common factor) ditambah sebuah faktor unik (unique factor)
untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati. Jika
variabel distandardisasi, model analisis faktor dapat diekspresikan sebagai :
X=
BI 1 F1 + BI 2 F2 + B13 F3 + ... + BIJ FJ + ... + BIm Fm + VI µ I
1
18
Universitas Sumatera Utara
Dengan :
X 1 = Variabel ke i yang di bakukan (rata-ratanya nol, standar deviasinya satu)
BIJ = Koefisien regresi parsial yang dibakukan untuk variabel i pada common
faktor ke
FJ =Common faktor ke j koefisien regresi yang dibakukan untuk variabel ke i
pada
faktor unik ke i (unique factor)
µ I = faktor unik variabel ke i
m = Banyaknya common factor
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan
juga tidak berkorelasi dengan common factor. Common factor
sendiri dapat
dinyatakan sebagai kombinasi linear dari variabel – variabel yang terobservasi,
yaitu:
=
F1 WI 1 X 1 + WI 2 X 2 + W13 X 3 + ... + WIK X K
Dengan:
F1 = Estimasi faktor ke i
WI = Bobot atau koefisien nilai faktor ke i
k = jumlah variable
Dimungkinkan untuk memilih bobot atau skor koefisien faktor sehingga
faktor pertama dapat menjelaskan porsi terbesar dari total varians. Kemudian,
kelompok kedua
dari bobot dapat dipilih, sehingga faktor kedua tersebut
merupakan varians sisa yang terbesar dengan tetap mempertimbangkan bahwa
faktor kedua ini tidak berkorelasi dengan faktor pertama. Prinsip yang sama dapat
diaplikasi untuk memilih penambahan bobot untuk penambahan faktor. Dengan
demikian, faktor dapat diestimasi, dengan skor faktornya yang tidak berkorelasi
(tidak seperti nilai dari variabel aslinya). Lebih jauh lagi, faktor pertama
19
Universitas Sumatera Utara
diperhitungkan sebagai varians tertinggi dari data, faktor kedua sebagai varians
tertinggi berikutnya, dan seterusnya.
2.7.3 Statistik Yang Berkaitan Dengan Analisis Faktor
Statistik penting yang berkaitan dengan analisis faktor adalah :
a
Bartlett’s test of sphericity, adalah uji statistik yang digunakan untuk
menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut
tidak berkorelasi dalam populasinya. Dengan kata lain, matrik korelasi
populasi adalah sebuah matrik identitas (identity matrix), setiap variabel
berkorelasi sempurna dengan variabel itu sendiri (r = 1), tetapi tidak
berkorelasi dengan variabel lainnya (r = 0).
b
Correlation Matrix, adalah matrik segitiga (triangle matrix) yang lebih
rendah yang menunjukkan korelasi sederhana r, antara seluruh
kemungkinan pasangan variabel yang dilibatkan dalam analisis. Seluruh
elemen diagonal = 1, biasanya dibaikan. Dalam hal ini bentuk matrik
korelasi misalnya untuk jumlah variabel n= 3
Tabel 2.1 Matrik Korelasi Untuk Jumlah Variabel n = 3
��
��
��
��
��
���
���
��
���
20
Universitas Sumatera Utara
Tabel 2.2 Matrik Korelasi Untuk Jumlah Variabel n = 4
��
��
���
��
���
��
c
��
��
���
���
���
��
��
���
Communality, adalah jumlah varians yang dikontribusi dari sebuah
variabel dengan seluruh variabel lainnya yang dipertimbangkan. Ini juga
merupakan proporsi dari varians yang diterangkan oleh common factor.
d
Eigenvalue, merepresentasikan total varians yang dijelaskan oleh setiap
faktor.
e
Factor Loadings, adalah korelasi sederhana antara variabel dengan factor.
f
Factor Loading Plot, adalah sebuah plot dari variabel asli menggunakan
factor loading sebagai koordinat.
g
Factor Matrix, mengandung factor loadings dari seluruh variabel dalam
seluruh faktor yang dikembangkan.
h
Factor Scores, adalah skor komposit yang diestimasi untuk setiap
responden pada faktor yang diderivasi.
i
Kaiser-Meyer-Olkin (KMO) Measure of Sampling Adequacy (MSA),
adalah indeks yang digunakan untuk menguji kesesuaian analisis faktor.
Nilai yang tinggi (antara 0,50 sampai 1,00) mengindikasikan analisis
faktor yang sesuai. Nilai di bawah 0,50 menunjukkan bahwa analisis
faktor tidak sesuai untuk diaplikasikan.
j
Percentage of Variance, adalah persentase total varians yang menjadi
atribut kepada setiap faktor.
21
Universitas Sumatera Utara
k
Residuals, adalah selisih antara korelasi observasi, seperti yang diberikan
dalam matrik korelasi input, dengan korelasi yang direproduksi, seperti
yang diestimasi dari matrik faktor.
l
Scree Plot, adalah sebuah plot dari eigenvalue dan banyaknya faktor yang
dapat dikembangkan.
2.7.4 Pelaksanaan Analisis Faktor
A. Merumuskan masalah dan identifikasi variabel.
Merumuskan masalah akan melibatkan banyak kegiatan. Pertama, tujuan
dari analisis faktor harus diidentifikasi. Variabel yang dilibatkan dalam
analisis faktor harus dispesifikasi berdasar kepada penelitian terdahulu,
teori dan keinginan peneliti. Ukuran variabel yang sesuai adalah interval
atau rasio. Menentukan banyaknya sampel, sedikitnya empat kali atau
lima kali dari banyaknya variabel. Proses analisis berbasis pada matrik
korelasi antar variabel. Agar analisis faktor sesuai, variabelvariabel
tersebut harus berkorelasi. Dalam praktek, persoalan yang sering timbul
adalah jika korelasi antar variabel itu kecil, maka analisis faktor tidak
sesuai untuk diaplikasi. Harapannya, selain antar variabel itu berkorelasi,
juga berkorelasi tinggi dengan sebuah faktor yang sama atau faktor-faktor
lain.
B. Statistik untuk menguji kesesuaian model adalah Bartlett’s test of
sphericity
Yaitu untuk menguji H0 yang menyatakan bahwa variabel-variabel
tersebut tidak berkorelasi, atau dengan kata lain bahwa matrik korelasinya
adalah matrik identitas.
22
Universitas Sumatera Utara
C. Statistik lain yang sangat berguna adalah KMO
untuk
mengukur
tingkat
kecukupan
sampel.
Indeks
tersebut
membandingkan ukuran antara korelasi sederhana dengan korelasi parsial.
Nilai KMO yang rendah mengindikasi bahwa korelasi antar pasangan
variabel tidak dapat dijelaskan oleh variabel lain dan analisis faktor bisa
menjadi tidak tepat. Nilai KMO harus > 0,5 untuk menunjukkan bahwa
analisis faktor sesuai untuk diaplikasikan
D. Menentukan jumlah factor
Adalah hal yang tidak mungkin menghitung faktor sebanyak jumlah
variabel. Dalam rangka meringkas informasi yang dikandung dalam
variabel asli, sejumlah faktor yang lebih sedikit akan diekstraksi.
Beberapa jenis prosedur untuk menentukan banyaknya faktor yang harus
diekstraksi antara lain: pendekatan berdasar eigenvalue, scree plot,
percentage of variance accounted for, split-and-half dan significance test.
1. Penentuan Berbasis Eigenvalue.
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar daripada
1,00 yang akan dipertahankan. Eigenvalue merepresentasi total varians
yang berkaitan dengan faktor. Faktor dengan nilai eigenvalue lebih kecil
daripada 1,00, tidak lebih baik dari sebuah variabel tunggal, karena untuk
keperluan standardisasi setiap variabel memiliki varians = 1,0
2. Penentuan Berdasarkan Scree Plot. Scree plot adalah plot nilai egienvalue
terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang
dihasilkan, digunakan untuk menentukan banyaknya faktor. Biasanya, plot
akan berbeda antara slope tegak faktor, dengan eigenvalue yang besar dan
makin mengecil pada sisa faktor yang tidak perlu diekstraksi. Pengecilan
slope ini yang disebut sebagai scree.
23
Universitas Sumatera Utara
Gambar 2.1 Scree Plot
3. Penentuan Berbasis Percentage of Variance.
Dalam pendekatan ini, banyaknya faktor yang diesktraksi ditentukan
sampai persentase kumulatif varians mencapai tingkat yang memuaskan
peneliti. Tingkat % kumulatif yang memuaskan tersebut tergantung
kepada persoalannya. Bagaimanapun, sangat direkomendasikan bahwa
faktor-faktor yang diekstraksi sampai mencapai % kumultaif varians
paling sedikit = 60,00%.
4. Penentuan Berdasarkan Split and Half.
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada
masing - masing bagian. Hanya faktor yang memiliki factor loadings
tinggi antar dua bagian itu yang akan dipertahankan.
5. Penentuan Berbasis Significance Test.
Pendekatan ini adalah mempertahankan faktor yang memiliki separate
eigenvalue signfikan. Dengan sampel besar (> 200), banyak faktor yang
cenderung signifikan, walaupun dari pandangan praktis, banyak dari factor
tersebut yang memiliki proporsi varians yang kecil terhadap total varians.
E. Rotasi Faktor.
Pada banyak persoalan yang kompleks, maka sulit melakukan interpretasi.
Untuk itu diperlukan suatu langkah merotasi factor matrix agar lebih
24
Universitas Sumatera Utara
mudah menginterepretasikan faktor. Dalam merotasi faktor, diharapkan
setiap faktor memiliki loading factor atau koefisien non zero, atau
signifikan hanya untuk beberapa variabel. Atau, diharapkan setiap variabel
memiliki factor loadings signifikan hanya dengan sedikit faktor, atau jika
mungkin hanya dengan sebuah faktor. Rotasi tidak berpengaruh terhadap
komunalitas dan persentase total varians yang dijelaskan. Namun demikan,
rotasi berpengaruh terhadap persentase varians dari setiap faktor.
F. Interpretasi Faktor.
Interpretasi difasilitasi melalui identifikasi variabel yang memiliki
loadings besar pada faktor yang sama. Faktor tersebut kemudian dapat
diinterpretasi dalam batas variabel yang memiliki loadings tinggi dalam
faktor tersebut. Cara lain yang bisa digunakan adalah melalui plot variabel
dengan factor loadings sebagai kordinat. Variabel yang berada pada akhir
sebuah sumbu adalah variabel yang memiliki loadings tinggi hanya pada
faktor yang bersangkutan, sehingga bisa digunakan untuk menginterpretasi
faktor. Variabel yang berada didekat titik origin memiliki loadings yang
rendah terhadap kedua faktor. Variabel yang yang tidak berada di dekat
sumbu manapun mengindikasi bahwa variable tersebut berkorelasi dengan
kedua faktor. Jika sebuah faktor tidak bisa secara jelas didefinisikan dalam
batas variabel awalnya, maka disebut sebagai faktor umum saja (tidak
perlu diberi label khusus).
Gambar 2.2 Rotated Plot
25
Universitas Sumatera Utara
G. Mengukur Ketepatan Model (Model Fit).
Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi dari
data awal dapat menjadi atribut dari faktor. Untuk itu, korelasi data awal
dapat direproduksi melalui estimasi korelasi antara variabel terhadap
faktor. Selisih antara korelasi dari data observasi dengan korelasi
reproduksi dapat digunakan untuk mengukur kesesuaian model. Selisih
tersebut disebut sebagai residuals. Untuk menentukan sebuah model
sesuai atau tidak, maka nilai absolut residuals harus kurang dari 50%
sehingga model tersebut dapat diterima.
26
Universitas Sumatera Utara
LANDASAN TEORI
2.1 Landasan Teori Ekonomi
2.1.1 Pemasaran
Menurut Stanton (Khotijah, 2004) “ pemasaran adalah suatu sistem keseluruhan
dari kegiatan bisnis yang ditujukan untuk merencanakan, menentukan harga,
mempromosikan, mendistribusi barang dan jasa yang memuaskan kebutuhan baik
pada pembeli yang ada maupun pembeli potensial.”
Menurut Maynar dan Becman (Alma, 2004) “Pemasaran berarti segala
kegiatan bisnis yang meliputi penyaluran barang dan jasa dari sektor produksi
fisik ke sektor promosi.” Berdasarkan definisi diatas dapat diartikan bahwa
pemasaran adalah keseluruhan proses dalam memberikan nilai pada konsumen
yang meliputi penciptaan, penetuan harga, promosi dan distribus promosi.
Menurut Kotler (2009) pemasaran adalah suatu fungsi organisasi dan
seperangkat proses untuk menciptakan, mengkomunikaskan dan menyerahkan
nilai kepada pelanggan dan mengelola hbungan pelanggan dengan cara yang
menguntungkan organisasi dan para pemilik usahanya.
2.1.2 Produk
Menurut Kotler dan Amstrong (2001) produk adalah segala sesuatu yang dapat
ditawarkan kepasar untuk diperhatikan, dimiliki, digunakan, atau dikonsumsi
yang dapat memuaskan keinginan atau kebutuhan. Produk mencakup objek fisik,
jasa, orang, tempat, organisasi, dan gagasan. Sedangkan Zimmener dan
Scarborough (2004) produk adalah barang atau jasa yang digunakan untuk
memuaskan kebutuhan dan keinginan konsumen.
Universitas Sumatera Utara
Pada dasarnya Produk biasa dikatakan sebagai unsur program pemasaran
yang paling penting, karena produk menentukan lingkup bisnis suatu perusahaan,
setiap aspek perusahaan (termasuk keputusan harga, komunikasi, pemasaran dan
distribusi) harus sesuai dengan kebijakan produk. Pelanggan dan pesaing juga
ditentukan oleh produk yang ditawarkan perusahaan-perusahaan, kebutuhan dan
tuntutan adanya riset dan pengembangan tergantung pada teknologi produk dan
visi manajemen perusahaan.
2.1.3 Perencanaan Produk
Setiap proses pengembangan produk diawali dengan fase perencanaan, yang
berkaitan dengan kegiatan-kegiatan pengembangan teknologi dan penelitian
tingkat lanjut. Output fase perencanaan ini adalah pernyataan misi proyek yang
nantinya akan digunakan sebagai input yang dibutuhkan untuk memulai tahapan
pengembangan konsep dan merupakan suatu petunjuk untuk tim pengembang.
Untuk mengembangkan suatu rencana produk dan pernyataan misi proyek,
ada lima tahapan proses berikut :
1. Mengidentifikasi peluang
Langkah ini dapat dibayangkan sebagai terowongan peluang karena
membawa bersama-sama input berupa ide-ide untuk produk baru yang
dikumpulkan secara pasif, atau bisa juga dikumpulkan melalui proses
identifikasi kebutuhan pelanggan yang mencatat kelemahan produk yang
sudah ada, kecenderungan gaya hidup, studi para pesaing, dan status
teknologi.
2. Mengevaluasi dan memprioritaskan proyek
Langkah ini dalam proses perencanaan produk adalah memilih proyek
yang paling menjanjikan untuk diikuti. Empat perspektif dasar yang
beguna dalam kategori produk yang sudah ada adalah strategi bersaing,
segmentasi pasar, mengikuti perkembangan teknologi, dan platform
produk yang merupakan sekumpulan aset yang dibagi dalam sekumpulan
produk.
8
Universitas Sumatera Utara
3. Mengalokasikan sumber daya dan rencana waktu
Penentuan waktu dan alokasi daya ditentukan untuk proyek-proyek yang
lebih menjanjikan, terlalu banyak akan menimbulkan persaingan untuk
beberapa sumber daya.
4. Melengkapi perencanaan pendahuluan proyek
Setelah proyek disetujui, maka dibentuk sebuah tim-tim yaitu ahli teknik,
pemasaran, manufaktur dan fungsi pelayanan untuk menghasilkan suatu
pernyataan visi dan pernyataan misi produk yang isinya memformulasikan
suatu definisi yang lebih detail.
5. Merefleksikan kembali hasil dan survei
Pada tahap ini dilakukan reality check terhadap pernyataan misi yang
merupakan pegangan untuk tim pengembangan
2.1.4 Preferensi Konsumen
Preferensi adalah motif atau hal yang mempengaruhi konsumen dalam membeli
suatu produk. Apabila produsen berhasil mengetahui dan mengendalikan motif
ini, maka produsen tersebut mudah menggenggam pasar, sebaliknya apabila
produsen gagal dalam mengendalikan motif ini, maka produk produsen tersebut
memiliki ancaman gagal yang besar. Pengetahuan terhadap preferensi ini
dibutuhkan untuk pengembangan produk dan merk. Dengan kata lain preferensi
adalah suatu sikap yang lebih menyukai sesuatu benda daripada benda lain.
2.1.5 Nilai Guna (Utilitas)
Teori nilai guna (utilitas) yaitu teori ekonomi yang mempelajari kepuasan atau
kenikmatan yang diperoleh seorang konsumen dari mengkonsumsi barang-barang.
Kalau kepuasan itu semakin tinggi maka semakin tinggi nilai gunanya. Sebaliknya
semakin rendah kepuasan dari suatu barang maka nilai guna semakin rendah pula.
Nilai guna dibedakan menjadi dua pengertian :
9
Universitas Sumatera Utara
a. Nilai Guna Marginal
Nilai guna marginal adalah pertambahan atau pengurangan kepuasan
akibat adanya pertambahan atau pengurangan penggunaan satu unit barang
tertentu.
b. Total Nilai Guna
Total nilai guna yaitu keseluruhan kepuasan yang diperoleh dari
mengkonsumsi sejumlah barang-barang tertentu. (Ramma Lessandro.
2008)
Jika konsumen membeli barang karena mengharap memperoleh nilai
gunanya, tentu saja secara rasional konsumen berharap memperoleh nilai guna
optimal. Secara rasional nilai guna akan meningkat jika jumlah komoditas yang
dikonsumsi meningkat. Ada dua cara mengukur nilai guna yaitu secara kardinal
yaitu dengan pendekatan yang absolut dan secara ordinal yaitu dengan pendekatan
nilai relatif, order atau rangking.
Dalam pendekatan kardinal bahwa nilai guna yang diperoleh konsumen
dapat dinyatakan secara kuantitaif dan dapat diukur secara pasti. Untuk setiap unit
yang dikonsumsi akan dapat dihitung nilai gunanya.
2.2 variabel
Variabel di dalam penelitian merupakan suatu atribut dari sekelompok objek yang
diteliti, mempunyai variasi antara satu dan lainnya dalam kelompok tersebut,
misalnya: tinggi badan dan berat badan yang merupakan atribut dari seseorang
yang dalam hal ini adalah objek penelitiannya (Riduwan, 2002).
Variabel mempunyai bermacam-macam bentuk menurut hubungan antara satu
variabel dan variabel lainnya, yaitu:
a. Variabel independen, yaitu: variabel yang menjadi sebab terjadinya atau
terpengaruhnya variabel dependen.
b. Variabel dependen, yaitu: variabel yang nilainya dipengaruhi oleh variabel
10
Universitas Sumatera Utara
independen.
c. Variabel moderator, yaitu: variabel yang memperkuat atau memperlemah
hubungan antara variabel dependen dan independen.
d. Variabel intervening, yaitu: variabel moderator, tetapi nilainya tidak dapat
diukur, seperti : kecewa, gembira, sakit hati.
e. Variabel kontrol, yaitu: variabel yang dikendalikan peneliti.
f. Variabel dummy, yaitu: variabel yang isinya berupa kode-kode yang
berfungsi untuk membedakan data yang berada pada variabel-variabel
tertentu pada kelompok-kelompoknya.
2.3 Data
Data adalah suatu bahan mentah yang jika diolah dengan baik melalui berbagai
analisis dapat melahirkan berbagai informasi, dimana dengan informasi tersebut
kita dapat mengambil keputusan.
2.3.1 Data Menurut Sifatnya
Menurut sifatnya data dibagi atas 2 bagian, yaitu:
a. Data Kuantitatif
Data kuantitatif adalah serangkaian observasi atau pengukuran yang dapat
dinyatakan
dalam
angka-angka.
Contoh:
Data
hasil
pengukuran
kemampuan Matematika siswa yang berwujud skor hasil tes kemampuan.
Data itu akan berupa angka seperti : 70, 35, 75, 80 dan sebagainya.
b. Data Kualitatif
Data kualitatif adalah serangkaian observasi dimana tiap observasi yang
terdapat dalam sampel (atau populasi) tergolong dalam salah satu kelaskelas yang saling lepas dan tidak dinyatakan dalam angka-angka. Contoh:
Hasil penelitian tentang pendapat siswa terhadap cara mengajar guru
Matematika di sekolah mereka.
11
Universitas Sumatera Utara
3.3.2 Data Menurut Sumbernya
Menurut sumbernya data dibagi atas 2 bagian, yaitu:
a. Data Intern
Data intern adalah data yang dibutuhkan seorang pemimpin perusahaan
guna dipakai sebagai landasan pengambilan keputusan yang diperoleh
dari catatan-catatan intern perusahaan itu sendiri.
Misalnya:
- Catatan-catatan akuntansi
- Catatan-catatan produksi
- Catatan-catatan inventaris, dan lain-lain
b. Data Ekstern
Data ekstern adalah data yang hanya diperoleh dari sumber-sumber dari
luar perusahaan atau instansi. Data ekstern dibagi atas 2 bagian, yaitu:
1. Data Primer
Data primer adalah data yang langsung dikumpulkan oleh orang yang
berkepentingan atau yang memakai data tersebut. Data yang diperoleh,
seperti hasil wawancara atau hasil penelitian kuisioner. Dalam metode
pengumpulan data primer, peneliti atau observer melakukan sendiri
observasi di lapangan maupun di laboratorium. Pelaksanaannya dapat
berupa survei atau percobaan (eksperimen).
2. Data Sekunder
Data sekunder adalah data yang diterbitkan oleh organisasi yang bukan
merupakan pengolahannya atau data yang tidak secara langsung
dikumpulkan oleh orang yang berkepentingan dengan data tersebut. Data
sekunder pada umumnya disajikan dalam bentuk tabel-tabel atau
diagram-diagram.
Misalnya:
- Data kinerja Perbankan Nasional yang dikeluarkan suatu badan riset
12
Universitas Sumatera Utara
- Data indeks prestasi mahasiswa dari suatu universitas.
2.4 Skala Pengukuran Data
Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada
sejumlah cirri dari suatu objek agar dapat menyatakan karakteristik angka pada
ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian:
a. Skala nominal (klasifikasi)
Skala nominal adalah pengukuran berupa bilangan atau lambang-lambang
lain untuk mengelompokkan objek atau benda-benda lain, dimana
bilangan atau angka yang diberikan suatu kategori tidak menggambarkan
kedudukan kategori tersebut terhadap kategori lainnya tetapi hanya
sekedar kode maupun label.
Misalnya :
jenis kelamin anda
1 = pria
2 = wanita
b. Skala ordinal
Skala ini mengurutkan data dari tingkat yang paling rendah ke tingkat
yang paling tinggi atau sebaliknya, dengan interval yang tidak harus sama.
Misalnya: Seorang anggota ABRI dapat dikelompokkan menurut
pangkatnya: mayor, kapten, letnan. Dimana hubungan antar kelas-kelas
terdapat urutan tertentu (mayor > kapten > letnan).
c.
Skala interval
Skala interval adalah skala pengukuran yang mengelompokkan objekobjek ke dalam kelas-kelas yang mempunyai hubungan urutan dan
perbedaan dalam jarak (interval) atau dengan yang lain.
Misalnya:
Nilai (prestasi) yang telah ditransfer dalam bnetuk huruf A, B, C, D dan E.
13
Universitas Sumatera Utara
Selanjutnya diberi bobot masing-masing 4, 3, 2, 1 dan 0 sehingga interval
A dan C sama dengan antara C dan E atau interval A dan B sama dengan
interval D dan E.
d. Skala rasio
Skala rasio adalah skala pengukuran yang mengelompokkan objek-objek
ke dalam kelas-kelas yang mempunyai hubungan urutan berbeda dalam
jarak antara objek yang satu dengan yang lain serta titik nolnya berarti
(tidak sembarang). Misalnya:
panjang, luas, isi, berat, tinggi dan sebagainya.
2.4.1 Skala Untuk Instrumen (Model Skala Sikap)
Bentuk-bentuk model skala sikap yang sering digunakan dalam penelitian ada 5
macam yaitu:
a. Skala Likert
Skala Likert digunakan untuk mengatur sikap, pendapatan, dan persepsi seseorang
atau sekelompok tentang kejadian atau gejala sosial. Dengan menggunakan skala
likert, maka variabel yang akan diukur dijabarkan menjadi subvariabel. Kemudian
subvariabel dijabarkan lagi menjadi indikator-indikator, indikator-indikator yang
terukur ini dijadikan titik tolak untuk membuat item instrumen yang berupa
pertanyaan-pertanyaan atau pernyataan yang perlu dijawab responden. Setiap
jawaban diungkapkan dengan kata-kata.
Misalnya:
SS (Sangat Setuju) = 5
S ( Setuju) = 4
N (Netral) = 3
TS (Tidak Setuju) = 2
STS (Sangat Tidak Setuju) = 1
14
Universitas Sumatera Utara
b. Skala Guttman
Skala Guttman mengukur suatu dimensi saja dari suatu variabel multidimensi.
Skala Guttman adalah skala yang digunakan untuk jawaban yang bersifat jelas
(tegas) dan konsisten.
c. Skala Diferensial Semantik
Skala Diferensial Semantik atau skala perbedaan semantik berisikan serangkaian
bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep
pada suatu skala yang mempunyai 2 ajektif yang bertentangan .
Misalnya:
Panas-dingin, popular-tidak popular, bagus-buruk, dan sebagainya.
d. Skala Rating ( Rating Scale)
Rating scale yaitu data mentah yang dapat berupa angka kemudian ditafsirkan
dalam pengertian kualitatif.
Misalnya: Ketat-longgar, lemah-kuat, positif-negatif. Responden tidak akan
menjawab salah satu dari jawaban kuantitatif yang telah disediakan.
e. Skala Thurstone Skala Thurstone
meminta responden untuk memilih pertanyaan yang ia setujui dari beberapa
pertanyaan yang menyajikan pandangan yang berbeda-beda. Pada umumnya
setiap item mempunyai asosiasi nilai antara 1 sampai 10 tetapi nilai-nilainya tidak
diketahui responden.
15
Universitas Sumatera Utara
2.5 Uji Validitas
Suatu skala pengukuran disebut valid bila ia melakukan apa yang seharusnya dan
mengukur apa yang seharusnya diukur (Situmorang, 2007). Secara konseptual,
ada 3 macam validitas yaitu:
a. Validitas isi (Content Validity)
Validitas isi memastikan bahwa ukuran telah cukup memasukkan sejumlah
item yang representatif dalam menyusun sebuah konsep. Validitas isi
merupakan sebuah fungsi yang menunjukkan seberapa baik dimensi dan
elemen sebuah konsep digambarkan.
b. Validitas Eksternal (External Validity)
Pada validitas eksternal instrumen diuji dengan cara membandingkan antara
kriteria yang ada pada instrumen dengan fakta-fakta empiris yang terjadi
dilapangan. Bila telah terdapat kesamaan antara kriteria dalam instrumen
dengan fakta dilapangan, maka dapat dinyatakan instrumen tersebut
mempunyai validitas eksternal yang tinggi. Instrumen penelitian yang
mempunyai validitas eksternal yang tinggi mengakibatkan hasil penelitian yang
tinggi pula. Penelitian mempunyai validitas eksternal yang tinggi bila hasil
penelitian dapat digeneralisasikan atau diterapkan pada sampel lain dalam
populasi yang diteliti. Untuk meningkatkan validitas eksternal penelitian, selain
meningkatkan validitas eksternal instrumen, maka dapat dilakukan dengan
memperbesar jumlah sampel. Validitas eksternal diperoleh dengan cara
mengkorelasikan alat pengukur baru dengan tolok ukur eksternal, yang berupa
alat ukur yang sudah valid.
c. Validitas konstruk (Construct Validity)
Validitas konstruk membuktikan seberapa bagus hasil yang diperoleh dari
penggunaan ukuran sesuai dengan teori dimana pengujian dirancang. Hal ini
dinilai dengan convergent validity (instrument yang memiliki korelasi tinggi)
dan discriminant validity (variabel yang tidak berkorelasi).
16
Universitas Sumatera Utara
2.6 Uji Reliabilitas
Reliabilitas menunjukan konsistensi dan stabilitas dari suatu skor (skala
pengukuran) (Situmorang, 2007). Dalam Reliabilitas mencakup dua hal utama
yaitu:
a. Stabilitas ukuran
Menunjukan sebuah ukuran untuk tetap stabil dan tidak rentan terhadap
perubahan situasi apa pun. Terdapat dua jenis uji stabilitas, yaitu:
1. Test retest reliability
Yaitu koefisien reliabilitas yang diperoleh dari pengulangan pengukuran
konsep yang sama dalam dua kali kesempatan.
2. Reliabilitas bentuk paralel (parallel form realibity)
Terjadi ketika respon dari dua pengukuran yang sebanding dalam
menyusun konstruk yang sama memiliki kolerasi yang tinggi.
b. Konsistensi Internal Ukuran
Merupakan indikasi homogenitas item-item yang ada dalam ukuran yang
menyusun konstruk. Pada saat ini yang banyak digunakan adalah dengan
menggunakan Cronbach`s Alpha. Suatu konstruk atau variabel dikatakan
reliabel jika memberikan nilai Cronbach`s Alpha > 0,60 (Ghozali, 2005)
atau nilai Cronbach`s Alpha > 0,80 (Kuncoro, 2003). Konsistensi ukuran
dapat diamati melalui reliabilitas konsistensi antar item (konsistensi
jawaban responden untuk semua item dalam ukuran) dan split-half
reliability yang menunjukkan korelasi antara dua bagian instrumen.
17
Universitas Sumatera Utara
2.7 Teori Matematika
2.7.1 Analisis Faktor
Analisis faktor adalah salah satu metode statistik multivariat yang mencoba
menerangkan hubungan antar sejumlah variabel-variabel yang saling independen
antara satu dengan yang lain sehingga bisa dibuat satu atau lebih kumpulan
peubah yang lebih sedikit dari jumlah variabel awal. Analisis faktor juga
digunakan untuk mengetahui faktor-faktor dominan dalam menjelaskan suatu
masalah. Analisis faktor agak berbeda dengan analisis regresi, yaitu lebih
memfokuskan analisisnya kepada teknik interdependensi (Supranto, 2004).
Analisis faktor digunakan untuk hal-hal penting berikut :
A. Untuk mengidentifikasi dimensi atau faktor yang dapat menjelaskan
korelasi di antara sekelompok variabel.
B. Untuk mengidentifikasi sebuah variabel baru yang lebih sedikit dan tidak
saling berkorelasi untuk menggantikan sekelompok variabel asli atau awal
yang berkorelasi; untuk kemudian dianalisis lebih lanjut dengan analisis
multivariate lainnya (seperti :analisis regresi dan analisis diskriminan).
C. Untuk mengidentifikasi sekelompok variabel relevan dari sekelompok
variable yang lebih besar yang akan digunakan untuk analisis multivariat
lanjutannya.
2.7.2 Model Analisis Faktor
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam
hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel
dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas
(communality). Kovarians di antara variabel dijelaskan terbatas dalam sejumlah
kecil faktor umum (common factor) ditambah sebuah faktor unik (unique factor)
untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati. Jika
variabel distandardisasi, model analisis faktor dapat diekspresikan sebagai :
X=
BI 1 F1 + BI 2 F2 + B13 F3 + ... + BIJ FJ + ... + BIm Fm + VI µ I
1
18
Universitas Sumatera Utara
Dengan :
X 1 = Variabel ke i yang di bakukan (rata-ratanya nol, standar deviasinya satu)
BIJ = Koefisien regresi parsial yang dibakukan untuk variabel i pada common
faktor ke
FJ =Common faktor ke j koefisien regresi yang dibakukan untuk variabel ke i
pada
faktor unik ke i (unique factor)
µ I = faktor unik variabel ke i
m = Banyaknya common factor
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan
juga tidak berkorelasi dengan common factor. Common factor
sendiri dapat
dinyatakan sebagai kombinasi linear dari variabel – variabel yang terobservasi,
yaitu:
=
F1 WI 1 X 1 + WI 2 X 2 + W13 X 3 + ... + WIK X K
Dengan:
F1 = Estimasi faktor ke i
WI = Bobot atau koefisien nilai faktor ke i
k = jumlah variable
Dimungkinkan untuk memilih bobot atau skor koefisien faktor sehingga
faktor pertama dapat menjelaskan porsi terbesar dari total varians. Kemudian,
kelompok kedua
dari bobot dapat dipilih, sehingga faktor kedua tersebut
merupakan varians sisa yang terbesar dengan tetap mempertimbangkan bahwa
faktor kedua ini tidak berkorelasi dengan faktor pertama. Prinsip yang sama dapat
diaplikasi untuk memilih penambahan bobot untuk penambahan faktor. Dengan
demikian, faktor dapat diestimasi, dengan skor faktornya yang tidak berkorelasi
(tidak seperti nilai dari variabel aslinya). Lebih jauh lagi, faktor pertama
19
Universitas Sumatera Utara
diperhitungkan sebagai varians tertinggi dari data, faktor kedua sebagai varians
tertinggi berikutnya, dan seterusnya.
2.7.3 Statistik Yang Berkaitan Dengan Analisis Faktor
Statistik penting yang berkaitan dengan analisis faktor adalah :
a
Bartlett’s test of sphericity, adalah uji statistik yang digunakan untuk
menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut
tidak berkorelasi dalam populasinya. Dengan kata lain, matrik korelasi
populasi adalah sebuah matrik identitas (identity matrix), setiap variabel
berkorelasi sempurna dengan variabel itu sendiri (r = 1), tetapi tidak
berkorelasi dengan variabel lainnya (r = 0).
b
Correlation Matrix, adalah matrik segitiga (triangle matrix) yang lebih
rendah yang menunjukkan korelasi sederhana r, antara seluruh
kemungkinan pasangan variabel yang dilibatkan dalam analisis. Seluruh
elemen diagonal = 1, biasanya dibaikan. Dalam hal ini bentuk matrik
korelasi misalnya untuk jumlah variabel n= 3
Tabel 2.1 Matrik Korelasi Untuk Jumlah Variabel n = 3
��
��
��
��
��
���
���
��
���
20
Universitas Sumatera Utara
Tabel 2.2 Matrik Korelasi Untuk Jumlah Variabel n = 4
��
��
���
��
���
��
c
��
��
���
���
���
��
��
���
Communality, adalah jumlah varians yang dikontribusi dari sebuah
variabel dengan seluruh variabel lainnya yang dipertimbangkan. Ini juga
merupakan proporsi dari varians yang diterangkan oleh common factor.
d
Eigenvalue, merepresentasikan total varians yang dijelaskan oleh setiap
faktor.
e
Factor Loadings, adalah korelasi sederhana antara variabel dengan factor.
f
Factor Loading Plot, adalah sebuah plot dari variabel asli menggunakan
factor loading sebagai koordinat.
g
Factor Matrix, mengandung factor loadings dari seluruh variabel dalam
seluruh faktor yang dikembangkan.
h
Factor Scores, adalah skor komposit yang diestimasi untuk setiap
responden pada faktor yang diderivasi.
i
Kaiser-Meyer-Olkin (KMO) Measure of Sampling Adequacy (MSA),
adalah indeks yang digunakan untuk menguji kesesuaian analisis faktor.
Nilai yang tinggi (antara 0,50 sampai 1,00) mengindikasikan analisis
faktor yang sesuai. Nilai di bawah 0,50 menunjukkan bahwa analisis
faktor tidak sesuai untuk diaplikasikan.
j
Percentage of Variance, adalah persentase total varians yang menjadi
atribut kepada setiap faktor.
21
Universitas Sumatera Utara
k
Residuals, adalah selisih antara korelasi observasi, seperti yang diberikan
dalam matrik korelasi input, dengan korelasi yang direproduksi, seperti
yang diestimasi dari matrik faktor.
l
Scree Plot, adalah sebuah plot dari eigenvalue dan banyaknya faktor yang
dapat dikembangkan.
2.7.4 Pelaksanaan Analisis Faktor
A. Merumuskan masalah dan identifikasi variabel.
Merumuskan masalah akan melibatkan banyak kegiatan. Pertama, tujuan
dari analisis faktor harus diidentifikasi. Variabel yang dilibatkan dalam
analisis faktor harus dispesifikasi berdasar kepada penelitian terdahulu,
teori dan keinginan peneliti. Ukuran variabel yang sesuai adalah interval
atau rasio. Menentukan banyaknya sampel, sedikitnya empat kali atau
lima kali dari banyaknya variabel. Proses analisis berbasis pada matrik
korelasi antar variabel. Agar analisis faktor sesuai, variabelvariabel
tersebut harus berkorelasi. Dalam praktek, persoalan yang sering timbul
adalah jika korelasi antar variabel itu kecil, maka analisis faktor tidak
sesuai untuk diaplikasi. Harapannya, selain antar variabel itu berkorelasi,
juga berkorelasi tinggi dengan sebuah faktor yang sama atau faktor-faktor
lain.
B. Statistik untuk menguji kesesuaian model adalah Bartlett’s test of
sphericity
Yaitu untuk menguji H0 yang menyatakan bahwa variabel-variabel
tersebut tidak berkorelasi, atau dengan kata lain bahwa matrik korelasinya
adalah matrik identitas.
22
Universitas Sumatera Utara
C. Statistik lain yang sangat berguna adalah KMO
untuk
mengukur
tingkat
kecukupan
sampel.
Indeks
tersebut
membandingkan ukuran antara korelasi sederhana dengan korelasi parsial.
Nilai KMO yang rendah mengindikasi bahwa korelasi antar pasangan
variabel tidak dapat dijelaskan oleh variabel lain dan analisis faktor bisa
menjadi tidak tepat. Nilai KMO harus > 0,5 untuk menunjukkan bahwa
analisis faktor sesuai untuk diaplikasikan
D. Menentukan jumlah factor
Adalah hal yang tidak mungkin menghitung faktor sebanyak jumlah
variabel. Dalam rangka meringkas informasi yang dikandung dalam
variabel asli, sejumlah faktor yang lebih sedikit akan diekstraksi.
Beberapa jenis prosedur untuk menentukan banyaknya faktor yang harus
diekstraksi antara lain: pendekatan berdasar eigenvalue, scree plot,
percentage of variance accounted for, split-and-half dan significance test.
1. Penentuan Berbasis Eigenvalue.
Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar daripada
1,00 yang akan dipertahankan. Eigenvalue merepresentasi total varians
yang berkaitan dengan faktor. Faktor dengan nilai eigenvalue lebih kecil
daripada 1,00, tidak lebih baik dari sebuah variabel tunggal, karena untuk
keperluan standardisasi setiap variabel memiliki varians = 1,0
2. Penentuan Berdasarkan Scree Plot. Scree plot adalah plot nilai egienvalue
terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang
dihasilkan, digunakan untuk menentukan banyaknya faktor. Biasanya, plot
akan berbeda antara slope tegak faktor, dengan eigenvalue yang besar dan
makin mengecil pada sisa faktor yang tidak perlu diekstraksi. Pengecilan
slope ini yang disebut sebagai scree.
23
Universitas Sumatera Utara
Gambar 2.1 Scree Plot
3. Penentuan Berbasis Percentage of Variance.
Dalam pendekatan ini, banyaknya faktor yang diesktraksi ditentukan
sampai persentase kumulatif varians mencapai tingkat yang memuaskan
peneliti. Tingkat % kumulatif yang memuaskan tersebut tergantung
kepada persoalannya. Bagaimanapun, sangat direkomendasikan bahwa
faktor-faktor yang diekstraksi sampai mencapai % kumultaif varians
paling sedikit = 60,00%.
4. Penentuan Berdasarkan Split and Half.
Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada
masing - masing bagian. Hanya faktor yang memiliki factor loadings
tinggi antar dua bagian itu yang akan dipertahankan.
5. Penentuan Berbasis Significance Test.
Pendekatan ini adalah mempertahankan faktor yang memiliki separate
eigenvalue signfikan. Dengan sampel besar (> 200), banyak faktor yang
cenderung signifikan, walaupun dari pandangan praktis, banyak dari factor
tersebut yang memiliki proporsi varians yang kecil terhadap total varians.
E. Rotasi Faktor.
Pada banyak persoalan yang kompleks, maka sulit melakukan interpretasi.
Untuk itu diperlukan suatu langkah merotasi factor matrix agar lebih
24
Universitas Sumatera Utara
mudah menginterepretasikan faktor. Dalam merotasi faktor, diharapkan
setiap faktor memiliki loading factor atau koefisien non zero, atau
signifikan hanya untuk beberapa variabel. Atau, diharapkan setiap variabel
memiliki factor loadings signifikan hanya dengan sedikit faktor, atau jika
mungkin hanya dengan sebuah faktor. Rotasi tidak berpengaruh terhadap
komunalitas dan persentase total varians yang dijelaskan. Namun demikan,
rotasi berpengaruh terhadap persentase varians dari setiap faktor.
F. Interpretasi Faktor.
Interpretasi difasilitasi melalui identifikasi variabel yang memiliki
loadings besar pada faktor yang sama. Faktor tersebut kemudian dapat
diinterpretasi dalam batas variabel yang memiliki loadings tinggi dalam
faktor tersebut. Cara lain yang bisa digunakan adalah melalui plot variabel
dengan factor loadings sebagai kordinat. Variabel yang berada pada akhir
sebuah sumbu adalah variabel yang memiliki loadings tinggi hanya pada
faktor yang bersangkutan, sehingga bisa digunakan untuk menginterpretasi
faktor. Variabel yang berada didekat titik origin memiliki loadings yang
rendah terhadap kedua faktor. Variabel yang yang tidak berada di dekat
sumbu manapun mengindikasi bahwa variable tersebut berkorelasi dengan
kedua faktor. Jika sebuah faktor tidak bisa secara jelas didefinisikan dalam
batas variabel awalnya, maka disebut sebagai faktor umum saja (tidak
perlu diberi label khusus).
Gambar 2.2 Rotated Plot
25
Universitas Sumatera Utara
G. Mengukur Ketepatan Model (Model Fit).
Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi dari
data awal dapat menjadi atribut dari faktor. Untuk itu, korelasi data awal
dapat direproduksi melalui estimasi korelasi antara variabel terhadap
faktor. Selisih antara korelasi dari data observasi dengan korelasi
reproduksi dapat digunakan untuk mengukur kesesuaian model. Selisih
tersebut disebut sebagai residuals. Untuk menentukan sebuah model
sesuai atau tidak, maka nilai absolut residuals harus kurang dari 50%
sehingga model tersebut dapat diterima.
26
Universitas Sumatera Utara