57
4.3 Validitas dan Reabilitas
Uji validitas dan reliabilitas selengkapnya disajikan pada Tabel 11 sebagai berikut :
Tabel 11 Hasil Uji Validitas dan Reliabilitas
Variabel dan Indikator Korelasi
Significant Reability
Hasil Budaya X
1
1 Reliabel
Kebiasaan tradisi X
1.1
1 0,000
Valid Sosial X
2
0,000 1
Reliabel Pengaruh pihak lain X
2.1
1 0,000
Valid Pribadi X
3
0,7819 Reliabel
Umur X
3.1
0,332 0,036
Valid Pendidikan X
3.2
0,741 0,000
Valid Pendapatan X
3.3
0,757 0,000
Valid Psikologi X
4
1 Reliabel
Keyakinan X
4.1
1 0,000
Valid Pelayanan X
5
0,7218 Reliabel
Waktu tunggu konsultasi X
5.1
0,492 0,001
Valid Keramahan karyawan X
5.2
0,704 0,000
Valid Kenyamanan ruang tunggu X
5.3
0,722 0,000
Valid Waktu tunggu pesanan jamu X
5.4
0,637 0,000
Valid Konsultasi gratis X
5.5
0,497 0,000
Valid Harga X
6
1 Reliabel
Harga X
6.1
1 0,000
Valid Produk X
7
0,7785 Reliabel
Manfaat khasiat X
7.1
0,499 0,001
Valid Ketersediaan jamu X
7.2
0,537 0,000
Valid Sertifikasi mutu X
7.3
0,483 0,002
Valid Kemasan X
7.4
0,502 0,001
Valid Rasa X
7.5
0,390 0,013
Valid Efek samping X
7.6
0,514 0,001
Valid Kesan pada merek X
7.7
0,527 0,000
Valid Promosi X
8
1 Reliabel
Promosi X
8.1
1 0,000
Valid
Keterangan
1. = Signifikan pada tabel 5
2. = Signifikan pada tabel 1
Dari tabel diatas menunjukkan bahwa indikator-indikator yang terukur dan tidak terukur adalah valid atau butir-butir pertanyaan yang diajukan menunjukkan
korelasi lebih dari 0,30 dan signifikan baik pada 0,01 dan 0,05 sehingga
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
58
dinyatakan valid. Sedangkan reliabilitas dari variabel-variabel tersebut dikatakan reliabel karena memiliki koefisien korelasi
α ≥
0,6 Arikunto, 1993
4.4 Analisis Faktor
1. Matrix Korelasi
Proses analisis didasarkan pada suatu matrik korelasi yang harus berkorelasi antar variabelnya jika koefisien korelasi antar variabel terlalu kecil
atau lemah maka hubungannya lemah, analisis faktor menjadi tidak tepat. Matrix korelasi ini dapat menunjukkan hubungan antar variabel, ada yang berkorelasi dan
ada yang tidak berkorelasi. Variabel yang berkorelasi tinggi bisa diharapkan berkorelasi dengan faktor yang sama. Besar korelasi atau korelasi antara
independen variabel harus cukup kuat, misalnya diatas 0,5 atau bila dilihat signifikannya adalah kurang dari 0,05. Untuk lebh jelasnya disajikan pada Tabel
12.
Tabel 12 Matrix Korelasi
Correlation Matrix
1,000 ,489
-,080 -,430
,186 -,100
-,187 -,252
,489 1,000
-,125 -,421
,312 -,052
-,171 -,149
-,080 -,125
1,000 ,007
-,274 ,245
-,185 -,339
-,430 -,421
,007 1,000
-,224 -,061
,033 ,120
,186 ,312
-,274 -,224
1,000 -,015
,535 ,453
-,100 -,052
,245 -,061
-,015 1,000
,120 ,034
-,187 -,171
-,185 ,033
,535 ,120
1,000 ,629
-,252 -,149
-,339 ,120
,453 ,034
,629 1,000
,001 ,312
,003 ,125
,269 ,125
,058 ,001
,221 ,003
,025 ,374
,146 ,179
,312 ,221
,484 ,043
,064 ,127
,016 ,003
,003 ,484
,082 ,355
,419 ,230
,125 ,025
,043 ,082
,464 ,000
,002 ,269
,374 ,064
,355 ,464
,231 ,417
,125 ,146
,127 ,419
,000 ,231
,000 ,058
,179 ,016
,230 ,002
,417 ,000
X1 X2
X3 X4
X5 X6
X7 X8
X1 X2
X3 X4
X5 X6
X7 X8
Correlation
Sig. 1-tailed X1
X2 X3
X4 X5
X6 X7
X8
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
59
Dari Tabel 12 menunjukkan matrix korelasi yang dibentuk berdasarkan dari 8 variabel dari 40 orang responden. Dari hasil matrix korelasi mempunyai
tingkat signifikan 0,000 0,05 artinya korelasi antar independent variabel cukup kuat sehingga analisis faktor dapat digunakan.
2. Menguji Ketepatan Model Faktor
Untuk menguji ketepatan model faktor pengujian seluruh matrix korelasi diukur dengan Bartlett’s Test of Sphericity, bisa dipergunakan untuk menguji
hipotesis bahwa variabel tidak berkorelasi didalam populasi, atau matrik korelasi populasi merupakan matrik identicity. Statistik lainnya yang berguna ialah KMO
Kaiser – Meyer – Oklin mengukur kecukupan sampling sampling adequation. Nilai KMO yang kecil menunjukkan bahwa korelsi antar pasangan variabel tidak
bisa diterangkan oleh variabel lainnya dan analisis faktor mungkin tidak tepat. Hipotesis bahwa korelasi populasi merupakan identity ditolak dengan the
Bartlett’s test of Shericity. Pendekatan chi-square statistic sebesar 76,044 dengan degress freedom sebesar 28, ternyata siginifican tingkat alpha 0,000 0,05.
Nilai KMO statistik 0,665 juga lebih besar dari 0,05. Analisis faktor diangap sebagai teknik yang tepat untuk analisis matrix korelasi.
3. Kelayakan Variabel
Tahapan-tahapan yang digunakan pada analisis faktor adalah menilai apakah semua variabel tersebut layak untuk dianalisis atau tidak, apabila tidak
layak maka variabel ini tidak diikutkan pada analisis selanjutnya, apabila variabel- variabel tersebut layak maka akan dilakukan analisis selanjutnya. Dengan
ketentuan KMO MSA lebih besar dari 0,5 menunjukkan sampel bisa dianalisis
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
60
lebih lanjut tetapi sampel yang mempunyai KMO MSA kurang dari 0,5 tidak bisa dianalisis yang artinya harus dikeluarkan dari matrix korelasi. Untuk lebih
jelasnya disajikan pada Tabel 13. Tabel 13 Kelayakan Variabel
No Variabel
Korelasi 1
Budaya X
1
0,723 2
Sosial X
2
0,642 3
Pribadi X
3
0,647 4
Psikologi X
4
0,741 5
Pelayanan X
5
0,637 6
Harga X
6
0,478 7
Produk X
7
0,638 8
Promosi X
8
0,701
Hasil dari Tabel 13 yang menunjukkan variabel hagra X
6
mempunyai MSA sebesar 0,478 kurang dari 0,5 sehingga harus dikeluarkan. Variabel yang
selanjutnya diikutkan dalam analisis adalah variabel budaya X
1
, variabel sosial X
2
, variabel pribadi
3
, variabel psikologi X
4
, pelayanan X
5
, produk X
7
dan promosi X
8
. 4.
Communality Communality adalah jumlah varian yang disumbangkan oleh suatu
variabel dengan seluruh variabel lainnya dalam analisis atau proporsi atau bagian varian yang dijelaskan oleh common factors, atau besarnya sumbangan suatu
faktor terhadap varian seluruh variabel. Adapun hasil communality tersaji pada Tabel 14.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
61
Tabel 14 Communality No
Variabel Extraction
1 Budaya X
1
0,654 2
Sosial X
2
0,668 3
Pribadi X
3
0,289 4
Psikologi X
4
0,535 5
Pelayanan X
5
0,739 6
Produk X
7
0,721 7
Promosi X
8
0,764
Dari Tabel 14 dapat dijelaskan bahwa untuk variabel budaya mempunyai extraction 0,654 yang artinya 64,5 varians budaya bisa dijelaskan oleh faktor
yang dibentuknya. Untk variabel sosial adalah 0,668 berarti 66,8 bisa dijelaskan oleh faktor yang terbentuk, demikian seterusnya dengan ketentuan bahwa semakin
besar communality sebuah variabel, berarti semakin kuat hubungannya dengan faktor yang bentuknya.
5. Eigenvalue
Eigenvalue untuk suatu faktor menunjukkan jumlah varians, sebagai sumbangan atau kontribusi dari faktor yang bersangkutan terhadap total variance
dari yang terbesar sampai terkecil, dengan kriteria bahwa angka eigenvlue dibawah 1 tidak digunakan dalam menghitung jumlah faktor yang terbentuk
eigenvalue yang ditentukan diatas 1 adalah alasan peneliti. Untuk eigenvalue dapat disajikan pada Tabel 15.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
62
Tabel 15 Eigenvalue No
Variabel Eigenvalue
of Variance Cumulative 1
Budaya X
1
2,266 32,376
32,376 2
Sosial X
2
2,105 30,067
62,443 3
Pribadi X
3
0,884 12,627
75,070 4
Psikologi X
4
0,585 8,352
83,421 5
Pelayanan X
5
0,514 7,336
90,758 6
Produk X
6
0,356 5,088
95,846 7
Promosi X
7
0,291 4,154
100,000 Dari Tabel 15 dapat diartikan bahwa faktor yang terbentuk sesuai dengan
eigenvalue adalah 2 faktor. Faktor 1 memberikan sumbangan varian sebesar 2,266 yaitu sebesar 2,2667 x 100 = 32,376, terhadap seluruh variabel sebesar 7
variabel. Faktor 2 menyumbang 2,105 yitu 2,1057 x 100 = 30,067, jadi kedua faktor tersebut bila dijumlahkan 32,376 + 30,067 = 62,443.
6. Penentuan Jumlah Faktor
Penentuan jumlah faktor yang akan dibentuk berdasarkan nilai genvalue seperti diatas dan Scree Plot. Scree Plot adalah suatu plot dari eigenvalue
sebagai fungsi banyaknya faktor, dalam upaya untuk ekstraksi variabel. Untuk lebih jelasnya disajikan pada Gambar 5.
Gambar 5. Grafik Scree Plot
Scree Plot
Component Number
7 6
5 4
3 2
1
E igenva
lue
2,5 2,0
1,5 1,0
,5 0,0
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
63
Tabel 14 menjelaskan dasar jumlah faktor yang didapat berdasarkan perhitungan angka, maka Scree Plot menampakkan hasil yang sama dengan
grafik. Angka ke tiga dari component number pada sumbu x menunjukkan nilai eigenvalue sudah dibawah 1. Hal ini menunjukkan bahwa nilai diatas 1 adalah
faktor 1 dan faktor 2. 7.
Dianalisis ekstraksi dengan PCA Meskipun matrix faktor awal yang belum dirotasi menunjukkan hubungan
antar faktor dengan masing-masing variabel, jarang menghasilkan faktor yang bisa diinterpretasikan, oleh karena faktor tersebut masih berkorelasi atau terkait
dengan banyak variabel, batasan faktor berkorelasi dengan variabel bila selisih faktor loading antara komponen 1 dan 2 0,3 baik yang bertanda + atau -.
Tabel 16 Component Matrix a No
Variabel Component
1 2
1 Budaya X
1
- 0,273 0,761
2 Sosial X
2
- 0,153 0,803
3 Pribadi X
3
- 0,469 - 0,263
4 Psikologi X
4
0,128 - 0,720
5 Pelayanan X
5
0,671 0,537
6 Produk X
7
0,847 - 6,622 E - 03
7 Promosi X
8
0,872 - 6,359 E - 02
Keterangan : Component 1 = loading faktor 1
Component 2 = loading faktor 2 Dari hasil PCA variabel budaya X
3
tidak memenuhi syarat yaitu selisih loading antara faktor 1 dan 2 0,3 maka X
3
menjadi ragu-ragu masuk komponen 1 atau 2 karena faktor loadingnya kecil. Dengan alasan tersebut maka jumlah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
64
faktornya menjadi 3 faktor. Untuk lebih jelasnya komponen faktor dengan 3 komponen disajikan pada Tabel 16.
Tabel 17 Komponen Faktor No
Variabel Component
1 2
3 1
Budaya X
1
- 0,273 0,761
- 5,953 E – 02 2
Sosial X
2
- 0,153 0,803
- 8,980 E – 02 3
Pribadi X
3
- 0,469 - 0,263
0,799 4
Psikologi X
4
0,128 - 0,720
- 0,319 5
Pelayanan X
5
0,671 0,537
0,185 6
Produk X
7
0,849 - 6,622 E - 03
0,314 7
Promosi X
8
0,872 - 6,359 E - 02
- 5,670 E – 03
Keterangan : Component 1 = loading faktor 1
Component 2 = loading faktor 2 Component 3 = loading faktor 3
8. Residual
Residual merupakan perbedaan antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang
diperkirakan dari matrix faktor. Nilai ini digunakan untuk menentukan ketepatan atau kecocokan model model fit. Hasil dari lampiran, menunjukkan nilai
residual lebih besar dari 0,05 sebanyak 11 52 , secara umum model dikatakan fit.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
65
9. Rotasi Faktor
Didalam melakukan rotasi faktor, diharapkan agar setiap faktor mempunyai loading atau koefisien tidak nol. Varian yang dijelaskan oleh masing-
masing faktor secara individu, didistribusikan kembali melalui rotasi. Adapun hasil rotasi dari masing-masing variabel disajikan pada Tabel 18.
Tabel 18 : Rotasi Faktor No
Variabel Component
1 2
3 1
Budaya X
1
0,789 - 0,158
- 0,102 2
Sosial X
2
0,802 - 5,197 E – 02
- 0,176 3
Pribadi X
3
- 6,944 E – 02 - 0,195
0,940 4
Psikologi X
4
- 0,763 - 0,102
- 0,211 5
Pelayanan X
5
0,408 0,766
- 0,139 6
Produk X
7
- 0,142 0,894
- 1,972 E – 02 7
Promosi X
8
- 0,239 0,795
- 0,275
Keterangan : Component 1 = loading faktor 1
Component 2 = loading faktor 2 Component 3 = loading faktor 3
Dari hasil tabel 17, matrix faktor yang telah di rotasi, menunjukkan : -
Faktor loading variabel budaya X
1
jauh lebih besar pada component 1 yaitu sebesar 0,789 yang berarti variabel budaya X
1
masuk Component 1. -
Faktor loading variabel sosial X
2
jauh lebih besar pada component 1 yaitu sebesar 0,802 yang artinya variabel sosial masuk pada component 1.
- Faktor loading variabel pribadi X
3
jauh lebih besar pada component 3 yaitu sebesar 0,940 yang artinya variabel pribadi X3 masuk component 3.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
66
- Faktor loading variabel psikologi X
4
jauh lebih besar pada component 1 yaitu sebesar - 0,763 yang artinya variabel psikologi X4 masuk
component 1. -
Faktor loading variabel pelayanan X
5
jauh lebih besar pada component 2 yaitu sebesar 0,766 yang artinya variabel pelayanan X
5
masuk component 2. -
Faktor loading variabel produk X
7
jauh lebih besar pada component 2 yaitu sebesar 0,894 yanga artinya variabel produk X
7
masuk component 2. -
Faktor loading variabel promosi X
8
jauh lebih besar pada component 2 yaitu sebesar 0,795 yang artinya variabel promosi X
8
masuk componet 2. Dari tabel 17 menunjukkan bahwa variabel budaya X
1
, sosial X
2
, pribadi X
3
, psikologi X
4
, pelayanan X
5
, produk X
7
, dan promosi X
8
, telah direduksi menjadi 3 faktor component 1 component 2 dan component 3.
Untuk lebih jelasnya disajikan pada gambar 6 dibawah ini. 0,802
0,789 - 0,763
0,894 0,795
0,766 0,940
Sosial X
2
Budaya X
1
Psikologi X
4
Produk X
7
Promosi X
8
Pelayanan X
5
Pribadi X
3
Sosial, Budaya dan
Psikologi
Bauran Pemasaran
Pribadi Membeli
Jamu
Gambar : 6. Hasil Analisis Faktor
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
67
Dari gambar 6 menunjukkan bahwa : Faktor 1 meliputi variabel budaya X
1
, sosial X
2
, dan psikologi X
4
yang selanjutnya disebut faktor sosial budaya dan psikologi. Faktor 2 meliputi variabel produk X
7
, promosi X
8
dan pelayanan X
5
yang selanjutnya disebut faktor bauran pemasaran. Faktor 3 meliputi variabel pribadi X
3
yang selanjutnya disebut faktor pribadi. Dari gambar diatas apabila disusun berdasarkan component atau faktor
yang terkuat adalah faktor pertama adalah faktor pribadi, faktor yang kedua adalah fktor bauran pemasaran dan faktor ketiga adalah faktor sosial, budaya dan
psikologi.
4.5 Pembahasan
Kategori