Keputusan : H diterima karena nilai MSA
≥ 0.05 Kesimpulan : berarti data sudah memadai untuk dianalisis lebih lanjut
2. Hipotesis untuk uji barlet atau matriks korelasi H
: matriks korelasi sama dengan matriks identitas H
1
: matriks korelasi tidak sama dengan matriks identitas Statistik uji Bartlett’s: Chi-Square = 1319.847 ; P valuesig. = 0.000
Daerah Penolakan : H ditolak jika P Value
α , dimana
α = 0.05
Keputusan : H ditolak karena P Value 0.05
Kesimpulan : Matriks korelasi tidak sama dengan matriks identitas atau dengan kata lain terdapat korelasi antar variabel.
4.5.2 Melakukan Analisis Komponen Utama
Untuk menyarikan variabel – variabel, digunakan metode analisis komponen utama Principal Component Analysis guna menentukan Analisa faktor – faktor
yang mempengaruhi menggunakan jasa travel dari CV. Intro Wisata Travel. Analisis faktor ini menggunakan pendekatan analisis komponen utama yang
mempertimbangkan variasi total dari data yang diamati. Tujuan analisis adalah menentukan faktor – faktor yang mempengaruhi
menggunakan jasa travel dari CV. Intro Wisata Travel. Untuk meringkas informasi yang terkandung dalam variabel asal, sejumlah faktor harus disaring. Jumlah faktor
yang disaring ini ditentukan oleh nilai eigen dari faktor tersebut. Faktor yang memiliki nilai eigen lebih besar dari 1,0 dipertahankan dalam model. Nilai eigen
menerangkan besarnya bagian variasi yang disumbangkan oleh faktor tersebut terhadap keseluruhan nilai variasi yang diamati.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Tabel 4.9 Nilai Eigen Untuk Setiap Faktor
Faktor Nilai Eigen Varians
Kumulatif
1 4.597
22.987 22.987
2 3.792
18.958 41.944
3 2.071
10.353 52.297
4 1.400
7.002 59.299
5 1.256
6.278 65.576
6 1.161
5.803 71.379
Sumber : Lampiran 6 Berdasarkan tabel 4.9. diketahui nilai eigen yang lebih besar dari 1,0
adalah faktor 1 sampai faktor 6. Nilai kumulatif varians untuk kelima faktor tersebut dapat dijelaskan oleh lima faktor sebear 71.379, artinya 20 item
dari seluruh variabel tesebut dapat dijelaskan oleh enam faktor sebesar 71.379.
4.5.3 Menentukan Rotasi Matrik Faktor Rotated Component Matrix
Hasil analisis faktor adalah matrik faktor. Matrik faktor memuat koefisien yang digunakan untuk menyatakan variabel standar yang disebut faktor. Koefisien
faktor loading menerangkan korelasi antara variabel asal dengan faktornya. Nilai korelasi yang besar menyatakan hubungan yang erat antara faktor dan variabel asal
sehingga variabel dapat diunakan untuk menafsirkan faktor. Dalam analisis ini digunakan prosedur rotasi varimax yaitu suatu prosedur yang meminimalkan jumlah
variabel yang memiliki loading tinggi terhadap faktornya sehingga memudahkan penafsiran. Hasil selengkapnya rotasi komponen matrik dapat dilihat pada tabel 4.10.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Tabel 4.10 Hasil Rotasi Komponen Matrik
Rotate d Component Matrix
a
-.117 .904
.138 -.042
-.036 .005
-.015 .912
.120 -.105
.096 .035
.055 .851
.199 -.063
.029 .019
.022 .486
-.048 .162
.435 -.133
.251 -.082
.647 -.299
.297 .019
-.209 -.047
.357 -.067
.694 .124
-.026 .079
.265 -.037
.816 .120
-.114 .266
.668 .234
-.047 .072
-.387 .245
.512 .388
.149 .114
.845 .014
.103 .185
-.014 .254
-.089 .131
.751 .028
.076 -.163
.212 .112
.609 .058
.247 -.057
.083 .129
-.091 .243
.532 -.411
.369 -.009
-.160 .411
.134 .676
.235 .072
-.004 -.077
-.046 .744
.307 -.147
.082 .824
.062 .036
.895 -.040
-.031 .212
-.068 .215
.296 -.038
.114 .781
-.025 .108
.890 -.023
-.010 .243
-.041 .197
.344 -.066
-.089 .404
.118 .647
Cepat dan tanggap X1 Keamanan bagasi X2
Kemampuan s opir memahami kebutuhan
khusus penumpang X3 Kemampuan s opir
menguasai rute serta bama jalan X4
Kenyamanan X5 Keramahan X6
Kesabaran sopir X7 Ketepatan X8
Mengutamakan keselamat an dalam
perjalanan X9 Penanganan k eluhan
penumpang X10 As uransi k ecelakaan
X11 Bentuk fisik armada X12
Fasilitas penunjang X13 Kebers ihan di dalam
armada X14 Kemudahan
menghubungi nomer telepon res ervasi X15
Penampilan int erior armada X16
Sopir y ang berpengalaman X17
Harga yang terjangkau X18
Harga ses uai dengan fas ilitas X19
Promosi X20 1
2 3
4 5
6 Component
Ex trac tion Met hod: Principal Component Analy sis. Rotation Method: V arimax with Kaiser Normaliz ation.
Rotation c onverged in 15 it erations. a.
Sumber : Lampiran 6 Berdasarkan tabel 4.10. diketahui variabel yang berada di dalam suatu
faktor dengan melihat nilai loadingnya. Sehingga dapat disimpulkan bahwa terdapat 6 enam faktor yang mempengaruhi menggunakan jasa travel dari
CV. Intro Wisata Travel dengan kumulatif varians 71.379.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Communalities
1.000 .853
1.000 .869
1.000 .771
1.000 .472
1.000 .666
1.000 .676
1.000 .759
1.000 .592
1.000 .658
1.000 .824
1.000 .622
1.000 .496
1.000 .543
1.000 .805
1.000 .621
1.000 .808
1.000 .899
1.000 .725
1.000 .893
1.000 .725
Cepat dan tanggap X1 Keamanan bagasi X2
Kemam puan s opir memaham i kebutuhan
khusus penum pang X3 Kemam puan s opir
menguasai rute serta bama jalan X4
Kenyam anan X5 Keram ahan X6
Kesabaran sopir X7 Ketepatan X8
Mengutam akan keselamatan dalam
perjalanan X9 Penanganan keluhan
penum pang X10 As uransi kecel akaan
X11 Bentuk fisik arm ada X12
Fasilitas penunjang X13 Kebers ihan di dalam
arm ada X14 Kemudahan
menghubungi nom er tel epon res ervasi X15
Penam pilan interior arm ada X16
Sopir yang berpengalaman X17
Harga yang terj angkau X18
Harga ses uai dengan fas ilitas X19
Promosi X20 Ini tial
Extraction
Extraction Method: Principal Com ponent Anal ysis .
4.5.4 Menentukan Communalities