BAB IV HASIL PENELITIAN
4.6 Analisis terhadap (Daya Tarik) Faktor-faktor yang mempengaruhi
1) Tahap Pertama, Tabulasi dan pengolahan
Dalam tahap ini, ditentukan duapuluh variabel yang diidentifikasikan sebagai variabel-variabel penarik atau daya tarik objek wisata, yang mempengaruhi wisatawan berkunjung ke Kebun Raya Eka Karya Bali. Data yang dianalisis terdiri dari 88 row (responden) dan 20 column (variabel) sehingga jumlah data adalah 1760 cell data.
2) Tahap Kedua, Pembentukan Matrik Korelasi
Matriks korelasi merupakan matrik yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.
Dalam tahap ini, ada dua hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan, yang pertama yaitu menentukan besaran nilai Barlett Test of
Sphericity, yang digunakan untuk mengetahui apakah ada korelasi yang signifikan antar variabel, dan kedua adalah Keiser-Meyers-Oklin (KMO) Measure of
Sampling Adequacy, yang digunakan untuk mengukur kecukupan sampel dengan
cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisein korelasi parsialnya.
Menurut Wibisono (2003) kriteria kesesuaian dalam pemakaian analisis faktor adalah jika harga KMO sebesar 0,9 berarti sangat memuaskan, jika harga KMO sebesar 0,8 berarti memuaskan, jika harga KMO sebesar 0,7 berarti harga menengah, jika harga KMO sebesar 0,6 berarti cukup, jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan jika harga KMO kurang dari 0,5 tidak dapat diterima.
Tabel 4.15
Besaran Nilai Barlett Test of Sphericity dan Nilai Keiser-Meyers-Oklin (KMO)
Measure of Sampling Aduquacy Uji Tahap Pertama
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,715
Bartlett's Test of Sphericity Approx. Chi-Square
975,233
df 190
Sig. ,000 Sumber: Pengolahan Data Primer
Hasil analisis yang didapatkan dengan software SPSS versi 11 dapat dilihat pada Tabel 4.15 Hasil perhitungan menunjukkan besaran nilai Barlett Test
of Sphericity adalah 975,233 pada signifikan 0,000 yang berarti pada penelitian ini
ada korelasi yang sangat signifikan antar variabel dan hasil perhitungan KMO sebesar 0,715 sehingga kecukupan sampel termasuk kategori yang menengah.
Untuk menentukan apakah proses pengambilan sampel sudah memadai atau tidak digunakan pengukuran Measure of Sampling Adequacy (MSA). Menurut Santoso (2002) angka MSA berkisar antara 0 sampai dengan 1, dengan kreteria yang digunakan untuk intepretasi adalah sebagai berikut:
1. Jika MSA = 1, maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang lainnya.
2. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut.
3. Jika MSA lebih kecil dari setengah 0,5 dan atau mendekati nol (0), maka variabel tersebut tidak dapat di analisis lebih lanjut, atau dikeluarkan dari variabel lainnya.
Nilai MSA untuk ke 18 variabel yang diukur lebih besar dari 0,5 dan 2 variabel lebih kecil dari 0,5 untuk variabel Q2 adalah 0,499 dan Q7 adalah 0,498.
Tabel 4.16
Besaran Nilai Measures of Sampling Adequacy(MSA) Uji Tahap Pertama Variabel Nilai MSA Variabel Nilai MSA
Q1 0.,59 Q11 0,860 Q2 0,499** Q12 0,755 Q3 0,696 Q13 0,813 Q4 0,783 Q14 0,876 Q5 0,713 Q15 0,822 Q6 0,595 Q16 0,657 Q7 0,498** Q17 0,688 Q8 0,532 Q18 0,849 Q9 0,731 Q19 0,636 Anti-image Correlation Q10 0,778 Anti-image Correlation Q20 0,846
Dengan melihat nilai Barlett Test of Sphericity Measure of Sampling
Adequacy (MSA) dan KMO tersebut pada table 4.16 reduksi faktor harus diulangi
tanpa menyertakan variabel dengan nilai MSA terkecil yaitu variabel Q7.
Setelah dilakukan reduksi ulang, maka terbentuklah nilai KMO yang lebih besar dari proses reduksi sebelumnya dari 0,715 meningkat menjadi 0,733
Tabel 4.17
Besaran Nilai Barlett Test of Sphericity dan Nilai Keiser-Meyers-Oklin (KMO)
Measure of Sampling Aduquacy Uji Tahap Kedua Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
,733
Bartlett's Test of Sphericity Approx. Chi-Square
878,097
df 171
Sig. ,000 Sumber: Pengolahan Data Primer
Tabel 4.17 menunjukkan besaran nilai Barlett Test of Sphericity pada uji tahap kedua adalah 878,097 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel, dan hasil perhitungan KMO sebesar 0,733 lebih besar dari semula setelah variabel Q7 tidak disertakan, sehingga kecukupan sampel termasuk kategori yang menengah.
Nilai MSA ini untuk ke 19 variabel (Tabel 4.18) yang diukur lebih besar dari 0,5 sehingga analisis dapat dilanjutkan ke tahapan berikutnya.
Tabel 4.18
Besaran Nilai Measures of Sampling Adequacy(MSA) Uji Tahap Kedua
Variabel Nilai MSA Variabel Nilai MSA Q1 0,553 Q11 0,908 Q2 0,528 Q12 0,767 Q3 0,714 Q13 0,814 Q4 0,778 Q14 0,883 Q5 0,670 Q15 0,791 Q6 0,527 Q16 0,665 Q8 0,546 Q18 0,856 Q9 0,713 Q19 0,668 Anti-image Correlation Q10 0,816 Anti-image Correlation Q20 0,836 Sumber: Pengolahan Data Primer
3) Tahap Ketiga, Ekstraksi Faktor
Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada KMO>0,5 sehingga
terbentuk satu atau lebih faktor. Metode yang digunakan untuk maksud ini adalah
Principal Component Analysis dan rotasi faktor dengan metode Varimax (bagian
dari orthogonal). Hasil analisis yang didapatkan dengan software SPSS versi 11 dapat dilihat pada Tabel 4.19
Cummunalities pada dasarnya adalah jumlah varians (bisa dalam persentase)
dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada. Pada Tabel 4.19 terlihat, untuk variabel (Jarak menuju lokasi), angkanya adalah 0,883 ini berarti sekitar 88,3% varians dari variabel (Jarak menuju lokasi), bisa dijelaskan oleh faktor yang terbentuk. Demikian seterusnya untuk variabel lainnya, dengan ketentuan semakin besar nilai communalities sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk.
Penentuan jumlah faktor yang masing-masing merupakan gabungan dari beberapa variabel yang saling berhubungan didasarkan atas nilai eigenvalue.
Eigenvalue merupakan penjumlahan varian nilai-nilai korelasi setiap faktor
terhadap tiap-tiap variabel yang membentuk faktor yang bersangkutan. Semakin besar nilai eigenvalue suatu faktor, semakin representatif faktor tersebut mewakili kelompok variabel yang ada. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai terkecil, dengan kriteria angka eigenvalue di bawah satu tidak digunakan dalam menghitung jumlah faktor yang terbentuk.
Tabel 4.19 – (1/2)
Besaran Nilai Communalities dengan Menggunakan Metode Principal Component
Analysis
Variabel Kode Initial Extraction
Jarak Menuju Lokasi Q1 1.000 0,883 Waktu tempuh Menuju lokasi Q2 1.000 0,795 Kemudahan Menuju lokasi Q3 1.000 0,669 Lingkungan Kebun Raya Q4 1.000 0,616 Ketenangan (Tidak Bising) Q5 1.000 0,636 Fasilitas Rekreasi Q6 1.000 0,709 Ketersediaan Cinderamata Q8 1.000 0,828 Ketersediaan Informasi Q9 1.000 0,553 Kapasitas Parkir Q10 1.000 0,634 KetersediaanTempat Sampah Q11 1.000 0,630 Harga Tiket Masuk Q12 1.000 0,783 Harga Sewa fasilitas Q13 1.000 0,727 Harga Cinderamata Q14 1.000 0,681 Keindahan Alam Q15 1.000 0,692 Kelangkaan Jenis Tanaman Q16 1.000 0,804 Keunikan Jenis Tanaman Q17 1.000 0,773 Keamanan di areal Kebun Q18 1.000 0,513 Kecepatan Pelayanan Informasi Q19 1.000 0,662 Pelayanan Tiket masuk Q20 1.000 0,563
Pada Tabel 4.20 terlihat pada penelitian ini diperoleh lima faktor yang memiliki eigenvalue lebih besar dari 1,0. Kelima faktor tersebut menjelaskan (69,218) % total varian variabel yang mempengaruhi wisatawan untuk mengunjungi Kebun Raya Eka Karya Bali.
Tabel 4.20
Total Variance Explained dengan Eigenvalue ≥ satu. Initial Eigenvalues
Component
Total % of Variance Cumulative %
1 5,280 27,791 27,791 2 2,985 15,712 43,503 3 2,282 12,010 55,514 4 1,518 7,990 63,504 5 1,086 5,715 69,218
Extraction Method: Principal Component Analysis.
Sumber: Pengolahan Data Primer
4) Tahap Keempat, Matrik Rotasi Faktor
Setelah diketahui, empat faktor adalah jumlah yang paling optimal, maka Tabel 4.21 mendiskripsikan Component Matrix, yaitu yang menunjukkan distribusi ke sembilanbelas variabel dalam penelitian ini pada lima faktor yang terbentuk melalui rotasi faktor. Pada rotasi faktor, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana, sehingga lebih mudah diinterpretasikan. Dalam analisis ini rotasi faktor dilakukan dengan metode rotasi
varimax. Interpretasi hasil dilakukan dengan melihat faktor Loading. Faktor Loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel
dengan faktor satu, faktor dua, faktor tiga, faktor empat atau faktor lima yang terbentuk. Proses penentuan variabel mana akan masuk ke faktor yang mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris di dalam setiap tabel.
Tabel 4.21
Distribusi Komponen Matrik yang Dirotasi Komponen Kode 1 2 3 4 5 Komunalitas Q1 0,001484 0,191044 0,9182 -0,02651 -0,05007 0,883 Q2 -0,07354 0,058915 0,8734 -0,01827 -0,15108 0,795 Q3 0,223423 -0,0989 0,7187 0,238049 0,190392 0,669 Q4 -0,0496 0,5845 0,038758 0,51973 0,004112 0,616 Q5 0,130852 0,273412 0,082047 0,6934 0,237604 0,636 Q6 0,128471 0,312921 -0,14651 0,021861 0,7566 0,709 Q8 0,360964 0,152589 -0,03727 -0,7820 0,24805 0,828 Q9 0,5623 0,355054 0,05798 -0,32043 -0,07076 0,553 Q10 0,6912 0,184135 0,178207 0,255525 0,15837 0,634 Q11 0,6095 0,415269 -0,23718 -0,12448 -0,11852 0,630
Q12 0,8658 -0,10307 -0,05842 0,138295 -0,01411 0,783 Q13 0,8472 -0,08787 0,013761 -0,03187 -0,02179 0,727 Q14 0,7979 0,07506 0,157343 -0,10662 0,054962 0,681 Q15 0,053455 0,7479 0,093343 0,237089 0,25445 0,692 Q16 0,080956 0,8892 0,037462 -0,06764 0,025986 0,804 Q17 0,127035 0,8689 0,01323 -0,04301 0,010975 0,773 Q18** 0,350761 0,493782 0,202443 0,321382 0,04816 0,513 Q19 0,49889 0,305378 -0,1713 0,002655 -0,5393 0,662 Q20 0,7128 0,177861 -0,00128 -0,14442 0,048844 0,563 Eigenvalues 5,280 2,985 2,282 1,518 1,086 13,151 % Trace 27,791 15,712 12,010 7,990 5,715 69,218 Sumber: Pengolahan Data Primer
Menurut Hair (1998), suatu variabel dapat dikatakan termasuk dalam suatu faktor apabila factor loading dari faktor tersebut minimal 0,5. Pada Tabel 4.21, terlihat, untuk variabel keamanan kebun raya dengan kode variabel (Q18**), angka factor loading-nya terbesarnya 0,493782 kurang dari 0,5 sehingga variabel Q18 harus keluar dari pembahasan komponen matrik rotasi. Variabel jarak menuju lokasi (Q1) angka factor loading-nya terbesarnya ada pada faktor nomor tiga (3) sebesar 0,9182 dan berada di atas 0,5, maka variabel ini bisa dimasukkan sebagai komponen faktor nomor tiga (3). Begitu juga untuk variabel lingkungan kebun raya, dengan kode variabel Q4, angka factor loading-nya yang terbesar ada pada faktor nomor dua (2) sebesar 0,5845, maka variabel ini bisa dimasukkan sebagai komponen faktor nomor dua (2), demikian seterusnya, untuk nomor yang lainnya.
5) Tahap kelima, Memberi Nama Faktor
Pada tahap ini, akan diberikan nama-nama faktor yang telah terbentuk berdasarkan faktor loading suatu variabel terhadap faktor terbentuknya. Hasil analisis menemukan ada lima faktor yang terbentuk seperti Tabel 4.22,
Setelah tahapan pemberian nama faktor yang terbentuk, berarti hipotesis penelitian telah terjawab. Ada beberapa faktor yang mempengaruhi wisatawan untuk mengunjungi Kebun Raya Eka Karya, Bali yang terdiri dari, faktor tarif dan pelayanan, faktor atraksi alam, faktor aksesibilitas, faktor situasi, dan faktor fasilitas Kebun Raya Eka Karya Bali.
Tabel 4.22
Penamaan Faktor-faktor yang Mempengaruhi (daya tarik) Wisatawan Berkunjung ke Kebun Raya Eka Karya Bali
No Nama Faktor Kode Nama Variabel Factor
Loading Explained Variance Q9 Ketersediaan Informasi 0,5623 Q10 Kapasitas Parkir 0,6912 Q11 Ketersediaan Tempat Sampah 0,6095 Q12 Harga Tiket Masuk 0,8658 Q13 Harga Sewa fasilitas 0,8472 1. Faktor-1
(Tarif dan Pelayanan)
Q14 Harga Cinderamata 0,7979
27,791%
Q20 Pelayanan Tiket masuk 0,7128
Q4 Lingkungan Kebun Raya 0,5845 Q15 Keindahan Alam 0,7479 2. Faktor-2 (ATRAKSI ALAM) Q16 Kelangkaan Jenis Tanaman 0,8892 15,712% Q17 Keunikan Jenis Tanaman 0,8689
Q1 Jarak Menuju Lokasi 0,9182 Q2 Waktu tempuh Menuju
lokasi 0,8734 3. Faktor-3 (Aksesibilitas) Q3 Kemudahan Menuju lokasi 0,7187 12,010% Q5 Ketenangan (Tidak Bising) 0,6934 4. Faktor-4 (Situasi) Q8 Ketersediaan Cinderamata -0,7820 7,990% Q6 Fasilitas Rekreasi 0,7566 5. Faktor-5
(FASILITAS) Q19 Kecepatan Pelayanan Informasi
-0,5393 5,715%
Sumber: Pengolahan Data Primer
Rincian faktor-faktor yang terbentuk sehingga wisatawan terpengaruh untuk berkunjung ke Kebun Raya Eka Karya dapat dijelaskan sebagai berikut,
1. Faktor pertama adalah faktor Tarif dan Pelayanan Kebun Raya
Faktor ini merupakan faktor yang memiliki pengaruh terbesar dengan eigenvalue 5,280 dan mampu menjelaskan variance total sebesar
27,791%. Faktor tarif dan pelayanan terdiri atas 7 variabel, variabel-variabel tersebut antara lain, ketersediaan informasi dengan factor loading sebesar 0,5623, kapasitas parkir dengan factor loading sebesar 0,6912, ketersediaan tempat sampah dengan factor loading sebesar 0,6095, harga tiket masuk dengan factor loading sebesar 0,8658, harga sewa fasilitas dengan factor
loading sebesar 0,8472, harga cinderamata dengan factor loading sebesar
0,7979, dan pelayanan tiket masuk dengan factor loading sebesar 0,7128.
2. Faktor kedua adalah faktor Atraksi Alam Kebun Raya
Faktor ini merupakan faktor yang memiliki pengaruh besar dengan
eigenvalue 2,985 dan mampu menjelaskan variance total sebesar 15,712 %.
Faktor ini terdiri dari 4 variabel, variabel-variabel tersebut adalah lingkungan kebun raya dengan factor loading 0,5845, keindahan alam dengan factor loading 0,7479, kelangkaan jenis tanaman dengan factor
loading 0,8892, dan keunikan jenis tanaman dengan factor loading 0,8689.
3. Faktor ketiga adalah faktor Aksesibilitas Menuju Kebun Raya
Faktor ketiga ini merupakan faktor yang memiliki pengaruh sedang dengan eigenvalue 2,282 dan mampu menjelaskan variance total sebesar 12,010 %. Faktor ini terdiri dari 3 variabel, variabel-variabel tersebut adalah jarak menuju lokasi dengan factor loading 0,9182, waktu tempuh menuju lokasi dengan factor loading 0,8734, dan kemudahan menuju lokasi dengan
factor loading 0,7187.
4. Faktor keempat adalah faktor Situasi Kebun Raya
Faktor keempat ini merupakan faktor yang memiliki pengaruh cukup dengan eigenvalue 1,518 dan mampu menjelaskan variance total sebesar 7,990 %. Faktor ini terdiri dari 2 variabel, variabel-variabel tersebut adalah ketenangan (tidak bising) dengan factor loading 0,6934, dan ketersediaan cinderamata dengan factor loading (-0,7820)
5. Faktor kelima adalah faktor Fasilitas Kebun Raya
Faktor ini merupakan faktor yang memiliki pengaruh terkecil dengan
eigenvalue 1,086 dan mampu menjelaskan variance total sebesar 5,715%. Faktor ini terdiri dari 2 variabel, variabel-variabel tersebut adalah fasilitas rekreasi dengan factor loading 0,7566, dan kecepatan pelayanan informasi dengan factor loading (-0,5393.)