5. Interpretasi atas faktor yang telah terbentuk, khususnya memberi nama atas faktor yang terbentuk tersebut, yang dianggap bisa
mewakili peubah-peubah anggota tersebut. 6. Validasi hasil faktor untuk mengetahui apakah faktor yang terbentuk
telah sahih. Validasi dilakukan dengan berbagai cara, yaitu : a. Membagi contoh awal menjadi dua bagian, lalu membandingkan
hasil faktor contoh satu dengan contoh dua. Jika hasil tidak banyak perbedaan, dikatakan faktor yang terbentuk telah sahih.
b. Dengan melakukan metode Confirmatory Factor Analysis CFA dengan cara Structural Equation Modelling.
Terdapat dua hasil utama dari analisis faktor ini. Pertama, nilai communality
suatu peubah, yaitu jumlah keragaman peubah tersebut yang dijelaskan oleh faktor-faktor utama yang dipilih. Semakin tinggi
nilai communality, maka peubah tersebut semakin berpengaruh dalam proses keputusan pembelian.
Hasil kedua adalah ekstraksi peubah ke dalam komponen utama. Untuk menentukan jumlah komponen utama, maka dipilih komponen
utama dengan nilai eigenvalue di atas 1,00. Nilai ini menunjukkan kepentingan relatif masing-masing faktor dalam menghitung keragaman
seluruh peubah yang dianalisis. Pengelompokan sebuah peubah ke dalam komponen utama berdasarkan pada nilai loading terbesar dari peubah
tersebut.
3.4.3. Analisis Gerombol
Tujuan utama Analisis Gerombol Cluster adalah
mengelompokkan obyek-obyek berdasarkan kesamaan karakteristik di antara obyek-obyek tersebut. Obyek bisa berupa produk barang dan
jasa, benda tumbuhan atau lainnya dan orang responden, konsumen atau yang lain. Obyek tersebut akan diklasifikasikan ke dalam satu atau
lebih gerombol kelompok, sehingga obyek yang berada dalam satu kelompok akan mempunyai kemiripan satu dengan yang lain Santoso,
2003.
Proses dasar analisis gerombol adalah mengukur kesamaan antar obyek similarity. Sesuai prinsip dasar gerombol yang
mengelompokkan obyek yang mempunyai kemiripan, maka proses pertama adalah mengukur seberapa jauh ada kesamaan antar obyek.
Pengelompokkan data yang dilakukan adalah dengan metode Hirarchical Method
. Metode ini memulai pengelompokan dengan dua atau lebih obyek yang mempunyai kesamaan paling dekat. Kemudian
proses diteruskan ke obyek lain yang mempunyai kedekatan kedua. Demikian seterusnya sehingga gerombol akan membentuk semacam
‘pohon’ dimana ada hierarki tingkatan yang jelas antar obyek, dari yang paling mirip sampai paling tidak mirip. Dendogram biasanya
digunakan untuk membantu memperjelas proses hierarki tersebut. Pengelompokan secara hierarki biasanya digunakan untuk jumlah contoh
data yang relatif sedikit yaitu di bawah 200 contoh Simamora, 2004.
3.4.4. Analisis Biplot
Analisis Biplot adalah alat analisis statistika yang dapat meringkas informasi dari suatu matriks data besar suatu obyek yang
diteliti. Analisis biplot bertujuan melihat posisi suatu merek produk mie instan dengan merek yang lain. Posisi tersebut diperagakan dalam grafik
matriks berpangkat dua atau lebih. Merek mie instan yang menjadi pembanding dalam penelitian ini adalah Indomie yang dibandingkan
dengan Mie Sedaap, Supermi dan Sarimi dengan atribut-atribut harga, isi, aroma, tekstur, rasa, cita rasa, kemasan, ketersediaan dan merek
terkenal. Penggunaan metode ini dapat mengatasi kesulitan dalam
mengamati sejumlah tabel yang rumit menjadi plot visual yang mudah dilihat dan sekaligus diinterpretasikan melalui visualisasi dari segugus
obyek, serta diubah dalam grafik bidang datar secara simultan. Selain itu, akan diperoleh gambaran posisi relatif obyek terhadap peubah, bila
dilihat dari penciri masing-masing obyek. Gambar dari dimensi hasil analisis Biplot dapat diinterpretasikan sebagai berikut:
1. Panjang vektor peubah sebanding dengan keragaman peubah tersebut, semakin panjang vektor suatu peubah, maka keragaman
peubah tersebut semakin tinggi. 2. Nilai kosinus sudut antara dua vektor peubah menggambarkan
korelasi kedua peubah, semakin sempit sudut yang dibuat antara dua peubah, maka semakin positif tinggi korelasinya. Jika sudut tegak
lurus, maka korelasi keduanya rendah dan jika sudutnya tumpul berlawanan arah, maka korelasinya negatif.
3. Posisi obyek yang searah dengan suatu vektor peubah diinterpretasikan sebagai besarnya nilai peubah untuk obyek yang
searah dengannya. Semakin dekat letak obyek dengan arah yang ditunjukkan oleh suatu peubah, maka semakin tinggi peubah tersebut
untuk obyek itu dan jika arahnya berlawanan, maka nilainya rendah. 4. Kedekatan letak atau posisi dua arah obyek diinterpretasikan sebagai
kemiripan sifat dua obyek tersebut. Semakin dekat letak dua obyek yang diperagakan, maka sifat yang ditunjukkan oleh nilai-nilai
peubahnya semakin mirip.
3.4.5. Uji Validitas dan Reliabilitas
