IV. HASIL DAN PEMBAHASAN
1. Dewan Komisaris:
4.6. Analisis Faktor-Faktor yang Mempengaruhi Keputusan Pembelian Susu Cair Ultra Milk
Analisis faktor merupakan salah satu bentuk analisis multivariat yang dapat menganalisis tentang saling ketergantungan dari beberapa variabel secara simultan. Tujuan dari analisis faktor adalah menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi faktor-faktor yang lebih kecil tetapi tetap mencerminkan variabel awalnya. Analisis faktor tergolong metode interdependence dimana semua variabel berstatus sama.
Pada penelitian ini jumlah variabel yang akan dianalisis sebanyak 10 atribut. Variabel yang akan dianalisis antara lain status sebagai mahasiswa, saran dari teman, saran dan kebiasaan keluarga, besar pengeluaran, ukuran netto produk, kemudahan menemui produk, pengetahuan mengenai atribut produk, kepribadian, iklan dan pengalaman mengkonsumsi merek lain.
Untuk mengetahui apakah analisis faktor layak untuk dilakukan atau tidak, uji statistik yang digunakan adalah KMO and Bartlett’s Test. Apabila indeks KMO tinggi (berkisar antara 0,5 sampai1,0) analisis faktor layak dilakukan. Sebaliknya, jika nilai KMO di bawah 0,5 analisis faktor tidak layak dilakukan (Simamora, 2005). Hasil dari uji KMO-MSA yang didapatkan dalam penelitian ini adalah sebesar 0,687 dan Bartlett’s Test dengan angka chi-squared sebesar 234,948 dengan signifikansi 0,000 (Lampiran 5). Berdasarkan hasil yang didapatkan, maka dapat diambil kesimpulan bahwa analisis faktor layak dilakukan dan antarvariabel terdapat korelasi.
Tabel 7 menunjukan ringkasan nilai MSA yang dimiliki setiap variabel yang diteliti. Dari hasil yang diperoleh dapat dilihat bahwa nilai MSA yang dimiliki oleh masing-masing variabel dalam penelitian ini lebih besar dari 0,5 sehingga semua variabel dapat digunakan dalam analisis faktor. Jika variabel memiliki nilai MSA lebih kecil dari 0,5 maka variabel yang memiliki nilai paling kecil harus dikeluarkan terlebih dahulu kemudian dilakukan pengolahan ulang tanpa memasukan variabel tersebut hingga tidak terdapat variabel dengan nilai MSA kurang dari 0,5. Hasil perhitungan MSA
ditunjukan pada Tabel anti-image matrices (Lampiran 6) pada output anti- image correlation.
Tabel 7. Ringkasan nilai MSA
No Variabel Nilai MSA
1 Status sebagai mahasiswa 0.680
2 Saran dari teman 0.617
3 Saran dan kebiasaan keluarga 0.548
4 Besar pengeluaran 0.709
5 Ukuran netto produk 0.745
6 Kemudahan menemui produk 0.661
7 Pengetahuan mengenai atribut produk 0.654
8 Kepribadian 0.742
9 Iklan 0.791
10 Pengalaman mengkonsumsi merek lain 0.880
Sumber: Data olahan (2012)
Langkah selanjutnya dalam analisis faktor adalah melakukan ekstraksi terhadap variabel-variabel yang ada sehingga terbentuk satu atau lebih faktor yang lebih sedikit dari variabel yang ada. Metode yang digunakan dalam proses ekstraksi adalah principal component analysis (PCA) dimana dalam proses ini akan menghasilkan nilai communalities. Angka-angka dalam matriks PCA menyatakan korelasi parsial antarvariabel, yaitu korelasi yang tidak dipengaruhi oleh variabel lain. Pada Tabel communalities (Lampiran 7), nilai extraction yang terbentuk menunjukan besarnya persentase varian suatu variabel yang dapat dijelaskan dari faktor yang terbentuk dan dapat menunjukan seberapa pengaruh variabel tersebut terhadap keputusan pembelian konsumen. Variabel saran dari teman misalnya, nilai extraction yang terbentuk adalah 0,796 artinya 79,6% varian dari variabel tersebut dapat dijelaskan oleh faktor yang terbentuk dan merupakan variabel yang paling berpengaruh terhadap keputusan pembelian. Variabel yang memiliki nilai communalities terbesar kedua adalah pengetahuan mengenai atribut produk, 76,1 % varian dari variabel dapat dijelaskan oleh faktor yang terbentuk. Tabel 8 menunjukan nilai communalities setiap variabel yang telah diurutkan dari nilai yang terbesar hingga nilai terkecil.
Tabel 8.Nilai communalities
No Variabel Communalities
1 Saran dari teman 0.796
2 Pengetahuan mengenai atribut produk 0.761
3 Besar pengeluaran 0.715
4 Saran dan kebiasaan keluarga 0.688
5 Ukuran netto produk 0.66
6 Status sebagai mahasiswa 0.481
7 Kemudahan menemui produk 0.464
8 Iklan 0.444
9 Kepribadian 0.391
10 Pengalaman mengkonsumsi merek lain 0.346 Sumber: Data olahan (2012)
Tabel Total Variance Explained digunakan untuk mengetahui berapa banyak faktor yang terbentuk (Lampiran 8). Faktor yang terbentuk harus memiliki nilai eigenvalues ≥ 1. Nilai eigenvalues menunjukan kepentingan relatif masing-masing faktor dalam menghitung ragam seluruh peubah yang dianalisis. Berdasarkan output total variance dapat diketahui bahwa jumlah faktor yang terbentuk ada tiga faktor, yaitu faktor pertama yang mempunyai eigenvalue= 3,283 , faktor kedua dengan nilai eigenvalue= 1,340 dan faktor ketiga dengan nilai eigenvalue= 1,121. Faktor-faktor yang terbentuk ini memiliki nilai total percentage of variance sebesar 57,442% yang berarti 57,442% dari seluruh variabel dapat dijelaskan oleh tiga faktor yang terbentuk.
Tabel Component Matrix digunakan untuk mendistribusikan peubah- peubah yang telah diekstrak kedalam factor loading (Lampiran9). Tabel Rotated Component Matrix yang menunjukan distribusi 10 variabel yang memiliki factor loaded > 0,4 telah diekstrak ke dalam faktor yang telah terbentuk (Lampiran 10). Peubah yang memiliki factor loaded < 0,4 dianggap memiliki kontribusi lemah terhadap faktor yang terbentuk, sehingga harus direduksi dari faktor yang dibentuknya.Component Transformaton Matrix menunjukan bahwa peubah yang telah secara tepat ditunjukan oleh faktor terbentuk (Lampiran 11). Grafik scree plot bertujuan untuk memudahkan dalam melihat pola penurunan eigenvalues.
Tabel 9. Pembagian variabel-variabel ke dalam faktor-faktor Faktor Karakteristik
Individu
Faktor Pengetahuan tentang Produk dan
Kepribadian
Faktor Sumber Informasi
Status sebagai mahasiswa Kemudahan menemui
produk Saran dari teman Besar pengeluaran Pengetahuan mengenai
atribut produk Saran dari keluarga
Ukuran netto produk Kepribadian
Pengalaman mengkonsumsi
merek lain Iklan
Sumber: Data olahan (2012)
Penamaan terhadap faktor-faktor yang terbentuk dalam analisis faktor dapat dilakukan dengan dua cara, yaitu nama faktor yang mewakili nama- nama variabel yang membentuk faktor tersebut dan nama faktor berdasarkan variabel yang memiliki nilai factor loaded tertinggi. Pada penelitian ini, pemberian nama faktor-faktor yang terbentuk berdasarkan variabel-variabel yang memiliki factor loaded tertinggi.
Faktor pertama yang terbentuk dinamakan faktor karakteristik individu dimana variabel penciri memiliki factor loading tertinggi adalah besar pengeluaran. Variabel lainnya yang memiliki nilai factor loading cukup tinggi adalah ukuran netto produk dan yang selanjutnya adalah status sebagai mahasiswa. Besarnya pengeluaran memiliki pengaruh kuat terhadap keputusan konsumen dalam pembelian susu cair Ultra Milk. Konsumen yang cenderung meminum susu cair Ultra Milk sebagai pengganti sarapan akan cenderung mengalihkan pilihannya kepada produk atau merek lain yang lebih murah ketika pengeluaran mereka semakin besar.
Faktor kedua yang terbentuk terdiri dari variabel penciri seperti kemudahan mendapatkan produk, pengetahuan mengenai atribut produk, kepribadian, dan iklan. Faktor ini dinamakan faktor pengetahuan tentang produk dan kepribadian. Pengetahuan mengenai atribut produk yang memiliki factor loading tertinggi mempengaruhi individu untuk melakukan pembelian jika atribut yang melekat pada produk sesuai dengan yang diinginkan individu tersebut.
Faktor ketiga dinamakan sebagai faktor sumber informasi. Faktor ini terdiri dari variabel penciri saran dari teman dan saran dari keluarga. Perilaku pengambilan keputusan dapat terjadi ketika individu mendapatkan informasi mengenai suatu produk dari orang terdekatnya. Individu ini dapat dipengaruhi pola pikir terhadap suatu produk ketika adanya perpindahan informasi dari teman atau keluarga kepada individu tersebut.
4.7. Analisis Sikap Konsumen Terhadap Atribut Susu Cair Ultra Milk