ASIL DAN P
4.7. Analisis Faktor
Sebelum melakukan analisis faktor, diperlukan uji KMO dan uji Barlett Test
untuk mengetahui nilai Barlett Test of Sphericity. Nilai Barlett Test
menunjukkan apakah ada korelasi nyata antar peubah, sedangkan untuk uji KMO untuk mengukur kecukupan contoh dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisien parsialnya. Menurut Wahana Komputer (2009) kriteria kesesuaian dalam pemakaian analisis faktor adalah: 1. Jika nilai KMO 0,9 berarti sangat memuaskan.
2. Jika nilai KMO 0,8 berarti memuaskan. 3. Jika nilai KMO 0,7 berarti harga menengah. 4. Jika nilai KMO 0,6 berarti cukup.
Model Summary ,541a ,293 ,264 ,97223 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Predictors: (Constant), Preference 8, Preference 1, Preference 3, Preference 6, Preference 4, Preference 2, Preference 7, Preference 5
5. Jika nilai KMO 0,5 berarti kurang memuaskan. 6. Jika nilai KMO kurang dari 0,5 tidak dapat diterima.
Hasil dari KMO dan Bartlett’s test tahap satu seperti terlihat pada Tabel 18 menyatakan bahwa besaran nilai Barlett Test of Sphericity adalah 5,760,058 nyata pada 0,000, yang berarti ada korelasi yang sangat nyata antar peubah dan hasil perhitungan KMO 0,706, sehingga kecukupan contoh termasuk kategori menengah (Lampiran 8).
Proses selanjutnya melakukan uji "Anti-Image Matrics", dimana pengujian ini membantu menentukan peubah mana yang layak digunakan dalam analisis lanjutan. Peubah yang layak untuk dianalisis adalah peubah yang memiliki nilai MSA kurang dari 0,5. Apabila peubah dengan nilai MSA rendah sudah didapatkan, maka pengujian KMO dan Bartlett’s Test dilakukan kembali dan begitu seterusnya sampai mendapatkan peubah-peubah dengan nilai MSA di bawah standar. Peubah yang mendapatkan nilai MSA di bawah 0,5 dapat dilihat pada Tabel 12.
Tabel 12. Nilai MSA tahap 1
Peubah MSA
Travel Motivation 2 0,455
Travel Motivation 8 0,452
Lifestyle 2 0,451
Peubah-peubah pada Tabel 12 tidak dapat dianalisis lebih lanjut dan peubah ini, antara lain pernyataan “to experience sun, sea, and beach”, “to visit friends and relatives”, “I do yoga and meditation” dikeluarkan dari peubah lainnya. Dari 34 peubah pada tahap 1, hanya tiga yang dikeluarkan, maka masih ada 31 peubah lagi yang dapat dianalisa. Uji KMO dan Bartlett’s Test kembali dilakukan dengan hasil pada Lampiran 8. Dari pengujian tahap (2) dua masih dapat disimpulkan bahwa korelasi antar peubah sangat nyata. Mengikuti langkah selanjutnya, nilai MSA kembali diuji untuk setiap peubah, pada pengujian MSA
tahap dua, tidak terdapat peubah yang mendapat nilai di bawah 0,5, maka tidak ada peubah yang dikeluarkan dan pengujian dapat dihentikan, hasil dari nilai MSA tahap dua dari seluruh peubah dapat dilihat pada Lampiran 9. Dari hasil MSA tahap dua tidak terdapat peubah dengan nilai di bawah 0,5 maka analisis dapat dilanjutkan tanpa harus melakukan uji MSA kembali.
4.7.1. Communalities
Setelah melewati dua (2) tahap sebelumnya, maka dilakukan analisa “Communalities”, yangmenunjukkan nilai faktor yang menjelaskan varian peubah (Komputer, 2009) atau jumlah varian yang disumbangkan oleh suatu peubah pada peubah lainnya. Pada Tabel 13 terlihat nilai communalities selalu positif, nilai peubah travel motivation 1 dapat dilihat 0,664 (66.4%), yaitu 66,4% keragaman dari travel motivation 1 dapat menjelaskan tujuh (7) faktor yang terbentuk dan memberikan interpretasi sama untuk setiap peubah pada Tabel 13. Dari Tabel 13 dapat dilihat hanya satu peubah yang mendapatkan nilai 0,574, maka peubah ini dinyatakan hanya dapat menjelaskan 57,4% keragaman dari peubah preference 8; pernyataan peubah ini adalah “I prefer destination that are less developed” merupakan peubah dengan terkecil diantara peubah-peubah yang lain, dimana peubah-peubah tersebut mendapatkan nilai cukup besar.
Peubah yang mendapatkan nilai terbesar adalah peubah vacation style 5, yaitu peubah yang menjelaskan faktor gaya berlibur dengan pernyataan “On vacation, I am interested in the lifestyle of the local people”. Peubah ini mampu menjelaskan faktor yang membentuk 84,3%. Peubah lainnya yang juga mempunyai nilai besar adalah vacation style 3, “On vacation I look for coziness and familiar atmosphere” yang mampu menjelaskan 83,5%, sedangkan untuk faktor preferensi hanya ada satu peubah yang mendapat nilai tinggi, yaitu peubah preference 7 (“I prefer destinations that preserve natural environment”) dengan nilai 82,4% dan faktor motivasi terdapat satu peubah yang mendapat nilai paling tinggi (82,2%), peubah ini adalah travel motivation 9, yaitu “To experience lifestyle, customs, and culture”.
Tabel 13. Nilai Communalities peubah Peubah Ekstraksi Travel Motivation 9 0,822 Travel Motivation 3 0,775 Travel Motivation 4 0,744 Travel Motivation 10 0,718 Travel Motivation 12 0,697 Travel Motivation 5 0,694 Travel Motivation 11 0,687 Travel Motivation 13 0,672 Travel Motivation 1 0,664 Travel Motivation 7 0,624 Travel Motivation 6 0,607 Life Style 4 0,745 Life Style 1 0,686 Life Style 6 0,684 Life Style 5 0,622 Life Style 3 0,609 Vacation Style 5 0,843 Vacation Style 3 0,835 Vacation Style 6 0,818 Vacation Style 1 0,793 Vacation Style 2 0,779 Vacation Style 7 0,777 Vacation Style 4 0,754 Preference 7 0,824 Preference 5 0,792 Preference 1 0,791 Preference 3 0,763 Preference 4 0,721 Preference 6 0,648 Preference 2 0,638 Preference 8 0,574
Peubah terakhir yang mendapatkan nilai di atas 80% adalah peubah dari faktor gaya berlibur, vacation style 6 mendapatkan nilai 81,8% “On choosing a vacation destination, I put emphasis on cultural and customs of the local people”. Dapat dikatakan bahwa faktor gaya berlibur atau vacation style
terkait dibandingkan dengan tiga faktor lainnya. Akan tetapi ini tidak berarti peubah-peubah yang mendapatkan nilai di bawah 80% tidak dapat menjelaskan faktor terkait. Teori lain yang menjelaskan bahwa nilai ekstraksi di bawah 0.5 mengindikasikan bahwa peubah tidak cocok dengan solusi faktornya dan peubah ini dapat dikeluarkan dari analisa (Utrecht University, 2011). Langkah selanjutnya dari analisis faktor adalah melihat nilai total keragaman yang dijelaskan.
4.7.2. Total Variance
Analisis total variancetermasuk proses analisis faktor. Analisis ini menjelaskan persentase varian yang dijelaskan oleh tujuh (7) faktor. Hasil dari analisis total varianceterdapat pada Lampiran 10. Pada Lampiran 10 terlihat hanya peubah 1-7 yang mendapatkan nilai di atas 1, peubah lainnya tidak berhasil dilakukan ekstraksi dengan SPSS versi 17, dikarenakan nilai eigen value menunjukkan nilai di bawah 1 (University of Colorado, 2011). Kolom "% of variance" menunjukkan berapa banyak keragaman pada setiap peubah yang dapat menerangkan faktor, contohnya pada faktor 1 dapat menjelaskan 28,687% keragaman pada 31 peubah, faktor 2 menjelaskan 17,547% keragaman dari 31 peubah, faktor 3 menjelaskan 6,156% keragaman dari 31 peubah, faktor 4 menjelaskan 5,805% keragaman dari 31 peubah, faktor 5 dapat menjelaskan 5,209% keragaman dari 31 peubah, selanjutnya faktor 6 menjelaskan 4,627% dari 31 peubah dan terakhir faktor 7 dapat menjelaskan 4,226% keragaman dari 31 peubah (Lampiran 10). Sedangkan pada kolom
Initial Eigen-Values menunjukkan faktor yang terbentuk dan jika semua faktor dijumlahkan menunjukkan jumlah peubah.
Hasil ekstraksi dari pada langkah ini berhenti pada faktor 7 dikarenakan nilai eigen yang diatas angka satu hanya sampai dengan faktor 7 dan keputusan dalam pemberhentian ekstraksi bisa dilakukan jika tingkat keragaman acak hanya tersisa sedikit, akan tetapi keputusan untuk memberhentikan proses ekstraksi tidak dibatasi oleh suatu hukum dan tergantung akan kondisi (Statsoft, 2011). Selanjutnya interpretasi hasil baru
dapat dilakukan setelah mengetahui faktor loading dari setiap peubah yang dianalisa dengan melanjutkan tahapan berikutnya, yaitu Component Matrix. 4.7.3. Component Matrix
Component matrix menunjukkan nilai korelasi antara suatu peubah dengan faktor yang terbentuk (Komputer, 2009). Hasil dari analisis component matrix (Lampiran 11) menunjukkan bahwa peubah travel motivation 3 memiliki faktor loading lebih kuat dengan faktor 1 dibandingkan 6 faktor lainnya. Demikian juga peubah travel motivation 1 dengan faktor 7, dibandingkan dengan 6 faktor lainnya. Suatu peubah dikatakan mempunyai korelasi kuat pada suatu faktor, jika faktor loadinglebih besar atau sama dengan 0,55. Atas dasar teori ini, maka travel motivation 3, 5, 6, 9, 10, 11 dan 13; lifestyle 5 dan 6, vacation style 5 dan preference 5, 6 dan 7 mempunyai korelasi kuat dengan faktor 1. Sedangkan untuk peubah vacation style 1, 2, 3 dan 4 mempunyai korelasi kuat dengan faktor 2. Travel motivation12 mempunyai korelasi kuat dengan faktor 3, travel motivation 4 mempunyai korelasi kuat dengan faktor 6 dan travel motivation 1 mempunyai korelasi kuat dengan faktor 7. Namun jika diperhatikan kembali Tabel 23 ada tiga peubah dengan nilai di bawah 0.55, peubah ini adalah travel motivation 7, lifestyle 1, 3, 4, preference 1 dan preference 4. Untuk menyelesaikan persoalan ini dibutuhkan analisis lanjutan, yaitu metode rotasi.
4.7.4. Rotated Component Matrix (Metode Rotasi)
Metode rotasi digunakan untuk menyederhanakan data dari beberapa peubah menjadi lebih sedikit dengan menggabungkan beberapa kategori yang memiliki kategori sama (Komputer, 2009). Untuk membaca hasil dari metode rotasi (Lampiran 12) pada kolom 1-7 merupakan faktor dimana peubah akan dikategorikan, dan pada tabel tersebut tercantum nilai-nilai yang dimiliki setiap peubah. Nilai tertinggi pada suatu faktor diartikan bahwa peubah tersebut masuk pada kategori tersebut. Hasil dari metode rotasi menunjukkan bahwa peubah travel motivation 1 mempunyai nilai tertinggi pada faktor 4, maka
dimasukkan pada faktor 4 dengan nilai 0,797848. Selanjutnya travel motivation 9, yaitu “to experience lifestyle, customs, and culture” masuk pada faktor 2 dengan nilai 0,844986. Cara membaca metode rotasi ini berlaku untuk setiap peubah, hasil dari bentuk sederhana metode rotasi terdapat pada Tabel 23, dimana pada Tabel ini, dapat dilihat bahwa peubah terbanyak masuk pada kategori faktor 2 dan faktor 1.
Untuk membaca bentuk hasil sederhana pada Tabel 14, maka perlu dilihat kembali analisa total varian (Lampiran 10). Dari analisa total varian dapat dilihat bahwa faktor 1 mempunyai nilai eigen 8,893 dan mampu menjelaskan keragaman total 28,687%, lalu faktor 2 mempunyai nilai eigen 5,440 dan mampu menjelaskan keragaman total 17,547%, faktor 3 mempunyai nilai eigen 1,908 dan mampu menjelaskan keragaman total 6,156%, faktor 4 mempunyai nilai eigen 1,800 dan mampu menjelaskan keragaman total 5,085%, faktor 5 mempunyai nilai eigen 1,615 dan mampu menjelaskan keragaman total 5,209%, selanjutnya faktor 6 mempunyai nilai eigen 1,434 dan mampu menjelaskan keragaman total 4,627%, terakhir adalah faktor 7 mempunyai nilai eigen 1,310 dan mampu menjelaskan keragaman total 4,226% (Lampiran 10). Setelah mengetahui besar kolerasi, tahap selanjutnya adalah memberikan nama pada faktor-faktor yang terbentuk. Faktor 1 dinamakan faktor Psikologi atau Psikografik, faktor 2 dinamakan faktor motivasi, faktor 3 dinamakan faktor kebutuhan, faktor 4 dinamakan kepribadian, faktor 5 dinamakan faktor sikap, faktor 6 dinamakan sosial ekonomi, dan faktor 7 dinamakan faktor demografik.
Tabel 14 menjelaskan bentuk sederhana dari hasil analisis rotasi (Lampiran 12). Dari Tabel 14 dapat dilihat faktor 1 ada 9 peubah yang mempunyai korelasi kuat, faktor 2 mendapatkan 10 peubah, faktor 3 terdapat 4 peubah, lalu faktor 4 hanya dua peubah yang mempunyai korelasi kuat, faktor 5 terdapat tiga peubah, selanjutnya faktor 6 juga sama seperti faktor 4 hanya terdapat dua peubah yang mempunyai korelasi kuat dan terakhir faktor 7 hanya mendapatkan satu peubah.
Dari hasil analisis total varian (Lampiran 10), terlihat bahwa faktor 1 (faktor psikologi atau faktor psikografik) mempunyai nilai keragaman total 28,687% dan nilai eigen 8,893. Atas dasar ini, faktor paling utama jatuh pada faktor psikologi. Faktor paling kecil pengaruhnya adalah faktor 7 yaitu demografik dengan nilai eigen 1,310 dengan total keragaman 4,226%.
Tabel 14. Bentuk sederhana faktor
Dari hasil analisis faktor dan regresi, maka implikasi managerial dapat diberikan pada aspek ekonomi dan lingkungan.