PENGEMBANGAN DAN PENGUJIAN KONSEP
C. Diferensiasi dan Positioning
Setelah mengidentifikasi segmen pasar, maka sebuah perusahaan juga harus mengidentifikasi cara-cara spesifik yang dapat mendiferensiasikan produknya dan memilih “competitive positioning”.
Diferensiasi
Pada dasarnya diferensiasi adalah tindakan merancang satu set perbedaaan yang berarti untuk membedakan penawaran perusahaan dari penawaran pesaing (Kotler dan Keller, 2009). Diferensiasi dapat dilakukan melalui lima dimensi berikut ini :
1. Diferensiasi Produk, membedakan produk utama berdasarkan keistimewaan, kinerja, kesesuaian, daya tahan, keandalan, kemudahan untuk diperbaiki, gaya dan rancangan produk.
2. Diferensiasi Pelayanan, membedakan pelayanan utama berdasarkan kemudahan pemesanan, pengiriman, pemasangan, pelatihan pelanggan, konsultasi pelanggan, pemeliharaan dan perbaikan.
3. Diferensiasi Personil, membedakan personil perusahaan berdasarkan kemampuan, kesopanan, kredibilitas, dapat diandalkan, cepat tanggap dan komunikasi yang baik.
4. Diferensiasi Saluran, langkah pembedaan melalui cara membentuk saluran distribusi, jangkauan, keahlian dan kinerja saluran-saluran tersebut.
5. Diferensiasi Citra, membedakan citra perusahaan berdasarkan perbedaan identitas melalui penetapan posisi, perbedaan lambang dan perbedaan iklan. Pemosisian Produk di Pasar (Positioning)
Positioning adalah tindakan merancang penawaran dan citra perusahaan sehingga menempati suatu posisi kompetitif yang berarti dan berada dalam benak pelanggan sasarannya (Kotler dan Keller, 2009). Positioning merupakan elemen yang sangat utama dalam suatu strategi pemasaran. Sebuah perusahaan dapat menentukan posisinya melalui persepsi pelanggan terhadap produknya dan produk pesaingnya sehingga akan dihasilkan peta persepsi. Dengan menggunakan informasi dari peta persepsi itu, dapat dikenali berbagai strategi penentuan posisi antara lain :
a. Positioning menurut atribut produk.
Usaha memposisikan diri menurut atribut produknya. b. Positioning menurut manfaat.
Produk diposisikan sebagai pemimpin dalam suatu manfaat tertentu c. Positioning menurut harga/ kualitas.
Produk diposisikan sebagai nilai (harga dan kualitas) terbaik. d. Positioning menurut penggunaan/ penerapan.
Usaha memposisikan produk sebagai yang terbaik untuk sejumlah penggunaan/ penerapan.
e. Positioning menurut pemakai.
Usaha memposisikan produk sebagai yang terbaik untuk sejumlah kelompok pemakai
f. Positioning menurut pesaing.
Produk memposisikan diri sebagai lebih baik daripada pesaing utamanya. g. Positioning menurut kategori produk.
Produk diposisikan sebagai pemimpin dalam suatu kategori produk.
Setelah kita menentukan dan memilih pasar sasaran, maka langkah selanjutnya adalah menentukan strategi pokok untuk masuk ke dalam persaingan bisnis dan pasar yaitu :
a. Memposisikan produk Anda di pasar sebagai langkah merebut pasar di pikiran konsumen (mind share).
b. Strategi diferensiasi produk Anda (differentiation) sebagai langkah strategis untuk membedakan produk Anda dengan produk pesaing dalam pikiran konsumen (mind share).
c. Strategi penguatan merek (branding) dari propduk Anda sebagai langkah strategis untuk menahan konsumen agar tetap loyal, setia, bangga, dan puas dengan cara memasarkan dan menjual secara experiential (pengalaman) dan emotional (emosi) di hati para calon konsumennya (heart share).
Memposisikan produk Anda dalam pikiran konsumen (mind share) sebagai langkah awal yang jitu untuk memenangkan pertempuran (positioniong).
Perusahaan harus berpikir bahwa merek harus diposisikan berbeda agar tidak masuk ke dalam jebakan komoditas produk (commodity trap). Oleh karena itu, tawarkan suatu produk yang berbeda untuk pasar anda, sebab konsumen mempunyai kebutuhan, keinginan, dan permintaan yang berbeda-beda.
Banyak pemasar menganjurkan untuk melakukan promosi sesuai dengan pemosisian produk Anda, yaitu satu manfaat terhadap pasar sasaran. Hal ini karena pembeli cenderung mengingat pesan ”nomor satu” terutama dalam masyarakat yang penuh komunikasi. Hal ini membuat konsumen selalu teringat akan produk Anda dalam jangka waktu lama. Pesan pemosisian bisa dicontohkan sebagai berikut :
Kualitas terbaik Layanan terbaik Harga termurah Nilai terbesar
Teknologi paling mutakhir, dll.
Namun ada juga konsumen yang senang dengan pemosisian dua manfaat , agar perusahaan mendapat ceruk khusus dalam segmen sasaran (niche market). Contoh mobil volvo yang memosisikan diri sebagai mobil paling aman dan paling awet.
Mengembangkan Pemosisian Produk
Pemosisian produk (product positioning) dalam memposisikan produk relatif pada produk pesaing dalam benak konsumen. Sasaran utama strategi pemosisian adalah untuk membentuk sebuah citra merk tertentu dalam benak konsumen. Hal ini dapat dicapai dengan mengembangkan suatu strategi yang koheren yang dapat melibatkan semua elemen bauran pemasaran. Paling tidak ada lima pendekatan pada strategi pemosisian antara lain :
a. Pemosisian berdasarkan ciri-ciri
b. Pemosisian berdasarkan penggunaan atau penerapan c. Pemosisian berdasarkan pengguna produk
d. Pemosisian berdasarkan kelas produk e. Pemosisian berdasarkan pesaing
a. Pemosisian Berdasarkan Ciri-Ciri
Pemosisian berdasarkan ciri-ciri (positioning by atribute) adalah mengkaitkan sebuah produk dengan suatu ciri, kelengkapan produk atau manfaatnya bagi konsumen. Hyundai dan Yugo menekankan harga yang rendah. Volvo menekankan keamanan dan ketahanan, dengan menayangkan iklan uji tabrak serta menyitir data statistik usia pengguna rata-rata mobil merek Volvo. Fiat, sebaliknya membuat suatu upaya yang unik untuk memposisikan dirinya sebagai mobil Eropa yang dibuat dengan keahlian seniman Eropa. BMW menekankan efisiensi penanganan dan mesinnya, dengan menggunakan pita motto bertuliskan “mesin kemudi mutakhir” serta memamerkan kemampuan kinerja BMW di jalur balap.
Sebuah produk baru juga dapat diposisikan dengan mengacu pada ciri-ciri yang diabaikan pesaing. Kadang kala suatu produk dapat diposisikan dengan mempertimbangkan dua atau lebih ciri sekaligus. Dimensi ciri harga/kualitas sangat banyak digunakan untuk memosisikan produk maupun toko. Dalam berbagai kategori produk, sebagian merek lebih menekankan penawaran layanan, kelengkapan, atau kinerja produknya, dan harga yang tinggi adalah salah satu tanda bagi konsumen akan tingginya kualitas.
b. Pemosisian Berdasarkan Penggunaan atau Penerapan
Strategi pemosisian lainnya adalah pemosisian berdasarkan penggunaan atau penerapan (positioning by use or application). Sup Campbell selama bertahun-tahun diposisikan untuk digunakan pada saat makan siang dan diiklankan dengan gencar melalui radio pada saat siang hari. Saat ini berbagai macam Sup Campbell diposisikan untuk digunakan bagi pembuatan saus dan keju atau sebagai salah satu bagian dari makanan inti. AT&T memposisikan percakapan jarak jauh berdasarkan suatu jenis penggunaan tertentu. Misalnya iklan “gapai dan sentuhlah seseorang”
memposisikan percakapan jarak jauh sebagai suatu metode berkomunikasi dengan seseorang yang dicintai.
Produk dapat menggunakan strategi pemosisian berganda, walaupun setiap penambahan strategi berarti juga mengundang kesulitan dan risiko. Sering kali strategi pemosisian berdasarkan penggunaan digunakan sebagai posisi kedua atau ketiga yang didisain untuk mengembangkan pasar.
c. Pemosisian Berdasarkan Pengguna Produk
Pendekatan lainnya adalah pemosisian berdasarkan pengguna produk (positioning by product user) atau kelas pengguna. Lini kosmetik Charlie dari Revlon diposisikan dengan mengkaitkannya dengan suatu profil gaya hidup tertentu. Johnson&Johnson meningkatkan pangsa pasarnya dari 3 ke 14 persen ketika perusahaan tersebut memposisi ulang shamponya dari sebuah produk yang digunakan oleh bayi ke shampo yang digunakan untuk mereka yang sering mencuci rambutnya yang berarti mereka membutuhkan shampo yang lembut. Strategi yang sama juga digunakan untuk menarik orang dewasa menggunakan minyak bayi Johnson.
d. Pemosisian Berdasarkan Kelas Produk
Dalam kondisi tertentu seorang produsen dapat menggunakan pemosisian berdasarkan kelas produk (positiong by product class). Misalnya, kopi Maxim yang dikeringkan dalam kondisi dingin diposisikan sebagai kopi biasa dan kopi instan. Beberapa jenis margarin diposisikan sebagai mentega. Sebuah produsen susu bubuk memperkenalkan minuman sarapan instan yang diposisikan sebagai pengganti sarapan pagi dan produk yang sama diposisikan sebagai makanan pengganti bagi mereka yang sedang berdiet.
e. Pemosisian Berdasarkan Pesaing
Dalam sebagian besar strategi pemosisian, yang menjadi kerangka acuan yang eksplisit dan implisit adalah persaingan (pemosisian berdasarkan pesaing). Sering kali tujuan utama dari pemosisian jenis ini adalah untuk meyakinkan konsumen bahwa suatu merek adalah lebih baik daripada merek pemimpin pasar (atau merek-merek lain yang diterima baik selama ini) untuk ciri-ciri tertentu. Pemosisian dengan mengacu pada pesaing biasanya dilakukan dalam iklan dimana pesaing disebutkan dan diperbandingkan. Misalnya, iklan Burger Kings menyatakan bahwa burger dari McDonald’s kandungan daging sapinya lebih sedikit dan rasanya tidak seenaknya produksi Burger Kings karena produk McDonald’s tidak dipanggang di atas api. Pepsi dan Coke terus meluncurkan iklan perbandingan yang menyatakan bahwa produk mereka memiliki rasa yang lebih enak dibandingkan produk pesaing.
Analisis faktor dapat digunakan untuk menentukan faktor apa saja yang mempengaruhi terhadap ide yang akan diteliti. Berikut contoh kasus, berkenaan dengan Pemerintah Kota XYZ yang bermaksud mendirikan terminal terpadu di daerah Kota XYZ. Pihak Pemkot bermaksud untuk mengidentifikasi faktor-faktor yang harus dipertimbangkan dalam merencanakan dan membangun terminal terpadu dengan menggunakan metode Analisis Faktor. Untuk itu dikumpulkan data 10 variabel dari 17 kecamatan di Kota Bandung. Variabel-variabel yang dimaksud adalah :
Var. 1 : jumlah preman/calo angkutan umum (orang) Var. 2 : hirarki kecamatan dalam lingkup daerah (skor) Var. 3 : skala pelayanan kecamatan (skor)
Var. 4 : jumlah warga kecamatan (KK)
Var. 5 : jumlah tenaga kerja yang tersedia (orang)
Var. 6 : luas lahan milik pemerintah yang di peruntukan terminal (Ha) Var. 7 : luas tanah milik perorangan (Ha)
Var. 8 : jumlah keuangan kecamatan (Rp) Var. 9 : panjang ruas jalan (Km)
Var. 10 : kinerja prasarana (skor)
Data tersaji sebagai berikut :
Untuk dapat melakukan penilaian terhadap kelayakan variabel di atas, yang perlu diperhatikan bahwa satuan yang dimiliki oleh data (variabel) ternyata sangat bervariasi (Ha, skor, Km, Rp, dll). Oleh karena itu, proses penilaian variabel untuk kasus dengan data yang bervariasi dalam besaran, dilakukan dengan dua tahapan yaitu : standarisasi data dengan Z-score dan penilaian variabel. Perlunya dilakukan standarisasi terlebih dahulu mengandung maksud untuk menghindari munculnya perbedaan yang sangat mencolok sehingga akan menyebabkan bias dalam analisis faktor. Namun apabila data yang dimiliki tidak bervariasi dalam besaran, dapat langsung melakukan langkah penilaian tanpa melakukan tahapan standarisasi terlebih dahulu.
Langkah-langkah pengoperasian program SPSS V10 for windows untuk menjawab masalah dia atas adalah sebagai berikut :
1. Setelah keseluruhan data yang dikumpulkan tersebut di entry, selanjutnya klik menu analyze dan pilih sub menu Descriptive Statistics lalu Descriptives hingga muncul tampilan :
2. Masukkan semua variabel ke dalam kotak Variable(s) dan aktifkan bagian
Save standardized values as variables. Abaikan bagian yang lain lalu tekan
tombol OK untuk menampilkan hasil standardisasi.
3. Selanjutnya perhatikan tampilan tabel data (buka data view). Perhatikan pada kolom lanjutan telah muncul nilai masing-masing variabel yang telah distandarkan, yaitu dengan muncul nilai Z-score masing-masing variabel seperti :
4. Setelah melakukan standarisasi, langkah selanjutnya adalah melakukan penilaian variabel. Adapaun langkah-langkah yang dilakukan dalam melaukan penilaian variabel yaitu klik menu analyze dan pilih sub menu data
reduction lalu factor. Seperti gambar dibawah ini :
Kemudian akan muncul :
5. Sesuai dengan kasus, maka masukkan semua variabel Z-score yang ada ke dalam bagian Variables. Selanjutnya klik pada kotak Deskriptives hingga tampak seperti berikut :
6. Pada bagian Correlation Matrix berisi berbagai alat pengujian dengan dasar korelasi antar variabel. Untuk itu, pada bagian ini pilih dengan cara mengaktifkan kotak pada Determinant, KMO and Bartlett’s test of
Sphericity dan Antiimage.
7. Abaikan bagian yang lain dan selanjutnya tekan tombol Continue untuk kembali ke menu utama; kemudian tekan OK untuk dapat menampilkan output dari aplikasi program SPSS.
Sebelum melakukan pengujian, langkah yang harus dilakukan adalah menentukan hipotesa terlebih dahulu. Adapun hipotesa untuk signifikansi adalah :
Ho : sampel (variabel) belum memadai untuk dianalisis lebih lanjut H1 : sampel (variabel) sudah memadai untuk dianalisis lebih lanjut Sedangkan kriteria dalam melihat signifikansi adalah :
Sig > 0,05, maka Ho diterima Sig < 0,05, maka Ho ditolak
Selain itu perlu diperhatikan angka MSA (Measure of Sampling Adequacy), yaitu berkisar 0 sampai 1 dengan kriteria :
- MSA = 1; variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel lain - MSA > 0,5; variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut
- MSA < 0,5; variabel tidak dapat diprediksi dan tidak dapat dianalisis lebih lanjut, atau harus dikeluarkan dari variabel lainnya
tepatnya pada sumbu diagonal matriks Anti-Image Correlation. Output yang ditampilkan dari beberapa langkah aplikasi program SPSS yang dilakukan di atas :
Nilai determinan yang dihasilkan adalah 2,292 x 10 , ini berarti menunjukkan nilai yang mendekati 0; dan inilah yang diharapkan (Determinant ≈ 0). Dengan demikian matriks korelasi yang terbentuk bukanlah matrik identitas.
Nilai KMO and Bartlett’s test adalh 0,618 dengan signifikansi 0,00. Oleh karena nilaitersebut sudah di atas 0,6 dan signifikansi jauh di bawah 0,05, maka variabel dan sampel yang ada sebenarnya cukup dapat dianalisis lebih lanjut. Namun demikian, masih perlu diperhatikan nilai MSA yaitu dari tampilan output tabel Anti Image. Perhatikan bagian Anti-Image Correlation, khususnya pada nilai korelasi yang bertanda a (arah diagonal dari kiri atas ke kanan bawah); nilai MSA variabel jumlah preman/calo angkutan umum = 0,736; variabel hirarki kecamatan dalam lingkup regional = 0,755; dan seterusnya untuk variabel yang lain. Dengan kriteria nilai MSA tersebut, terlihat MSA variabel luas lahan milik pemerintah
(6,772E ), jumlah keuangan kecamatan (0,382) dan kinerja prasarana (0,360) tidak memenuhi batas 0,5. maka variabel tersebut dikeluarkan dan perlu dilakukan proses pengujian ulang. Namun apabila terdapat lebih dari 1 variabel yang memiliki MSA di
bawah 0,5, maka yang dikeluarkan adalah variabel dengan MSA terkecil; dan proses penilaian tetap harus dilakukan pengulangan. Dengan demikian variabel yang harus dikeluarkan adalah luas lahan milik pemerintah.
Yang perlu diperhatikan bahwa dalam proses penilaian ulang tersebut, langkah- langkah yang dilakukan = langkah penilaian sebelumnya. Hanya saja tidak lagi memasukkan variabel yang telah dinyatakan harus dikeluarkan.
Untuk mengetahui apakah variabel-variabel tersebut dapat direduksi menjadi satu atau lebih faktor. Dapat dilakukan dengan cara sebagai berikut :
1. Dari tampilan data yang telah di entry, klik menu analyze dan pilih sub menu
data reduction lalu factor.
2. Masukkan semua variabel (kecuali variabel luas lahan milik pemerintah) ke dalam kotak Variables. Kemudian klik pada bagian extraction hingga tampak:
3. Dalam menu Extraction berisikan berbagai tools untuk melakukan proses ekstraksi variabel (factoring). Pada bagian Method tetapkan pada pilihan
Principal Components (pilihan ini sudah default). Kemudian untuk bagian Analyze tetap pada pilihan Correlation Matrix; aktifkan unrotated factor solution dan Scree plot pada bagian Display; sedangkan eigenvalues over
abaikan bagian yang lain dan tekan tombol Continue untuk kembali ke menu utama.
4. Selanjutnya klik pada bagian Rotation hingga muncul tampilan:
5. Pada Method berisikan berbagai metode rotasi; untuk itu pilih Varimax. Sedangkan sehubungan dengan proses rotasi, untuk dapat menampilkan output, maka pilih Rotated Solution dan Loading plot(s) pada Display. Biarkan Maximum Iterations for Convergen tetap pada angka 25. selanjutnya tekan tombil Continue untuk kembali ke menu utama.
6. Berikutnya klik pada bagian Options hingga muncul :
7. Pada bagian ini yang diharapkan yaitu agar tampilan output dengan sendirinya telah mengurutkan nilai dari yang terbesar untuk keseluruhan variabel. Untuk itu klik Sorted by size pada Coefficient Display Format. Abaikan bagian yang lain kemudian tekan tombol Continue untuk kembali ke menu utama. 8. Tekan tombol OK untuk menampilkan output :
Communalities
Initial Extraction Jumlah preman/calo angkutan umum
(orang) 1.000 .940
Hirarki kecamatan dalam lingkup daerah
(skor) 1.000 .851
Skala pelayanan kecamatan (skor) 1.000 .876 Jumlah warga kecamatan (KK) 1.000 .892 Jumlah tenaga kerja yang tersedia (orang) 1.000 .770 Luas lahan milik pemerintah yang di
peruntukan terminal (Ha) 1.000 .990
Luas tanah milik perorangan (Ha) 1.000 .591 Jumlah keuangan kecamatan (Rp) 1.000 .911
Panjang ruas jalan (Km) 1.000 .788
Kinerja prasarana (skor) 1.000 .916
Extraction Method: Principal Component Analysis.
Communalities merupakan nilai yang menunjukkan kontribusi variabel tersebut terhadap faktor yang terbentuk. Dapat juga didefinisikan sebagai besaran nilai varians (dalam persentase) suatu variabel yang dapat dijelaskan oleh faktor yang terbentuk. Nilai communalities ini sama pengertiannya dengan nilai koefisien determinasi (pada model regresi).
Pada tabel di atas misalnya, nilai communalities variabel jumlah preman/calo angkutan umum = 94%; ini berarti sebesar 94% varians dari variabel jumlah preman/calo angkutan umum dapat dijelaskan oleh faktor yang terbentuk.
Untuk variabel hirarki kecamatan dalam lingkup daerah, nilai communalities = 84,2%. Hal ini berarti sekitar 84,2% varians dari variabel hirarki kecamatan dalam
lingkup daerah dapat dijelaskan oleh faktor yang terbentuk. Demikian seterusnya dengan variabel lainnya.
Semakin besar communalities sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk.
Total Variance Explained
Com pone nt
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulati ve % Total % of Variance Cumulati ve % Total % of Variance Cumulativ e % 1 4.959 49.587 49.587 4.959 49.587 49.587 4.914 49.144 49.144 2 2.435 24.349 73.936 2.435 24.349 73.936 2.474 24.742 73.887 3 1.132 11.317 85.253 1.132 11.317 85.253 1.137 11.367 85.253 4 .554 5.539 90.792 5 .438 4.379 95.171 6 .281 2.814 97.985 7 .109 1.089 99.075 8 .045 .453 99.528 9 .031 .314 99.841 10 .016 .159 100.000
Extraction Method: Principal Component Analysis.
Berdasarkan tabel di atas ada beberapa hal yang dapat diketahui :
- Nilai eigenvalues; yang menunjukkan jumlah variabel yang menjadi anggota suatu faktor.
- Besaran variansi yang dapat dijelaskan oleh faktor dengan sejumlah variabel pembentuknya.
- Jumlah faktor yang dapat terbentuk oleh sejumlah variabel yang dimiliki.
Setelah dilakukan ekstraksi, tampak dalam tabel di atas bahwa faktor yang terbentuk sebanyak 2 faktor, dengan masing-masing mempunyai nilai eigenvalues 4,956 dan 2,434. sesuai dengan definisi eigenvalues, berarti kita dapat mengatakan bahwa faktor-1 beranggotakan 4,956 variabel dan faktor-2 beranggotakan 2,434 variabel (faktor yang mempunyai nilai eigenvalues < 1, berarti tidak mempunyai anggota variabel pembentuk faktor).
Tabel di atas menunjukkan adanya 9 component (variabel) yang dimasukkan dalam analisis faktor dengan masing-masing variabel memiliki variansi 1, maka total variansi adalah 9x1 = 9.
Sesuai dengan jumlah faktor yang terbentuk dan jumlah variansi masing-masing variabel yang diketahui, selanjutnya dapat dijelaskan oleh masing-masing faktor maupun oleh keseluruhan faktor yang terbentuk (baik sebelum dirotasi dan setelah dirotasi).
- Variansi faktor-1 : (4,956/9) x 100% = 44,066% - Variansi faktor-2 : (2,434/9) x 100% = 27,046%
Artinya bahwa sebesar 44,066% variasni dari variabilitas pembentuk faktor-1 dapat dijelaskan faktor tersebut, dan sebesar 27,046% variansi dari variabilitas pembentuk faktor-2 dapat dijelaskan oleh faktor tersebut. Sedangkan total kedua faktor tersebut akan mampu menjelaskan 82,122% (atau
44,066% + 27,046%) dari variabilitas kesembilan variabel asli tersebut.
Nilai batas eigenvalues pembentuk faktor adalah 1; apabila kurang dari 1 berarti tidak terdapat variabel pembentuk faktor. Dengan demikian, dari grafik tersebut tampak bahwa ada 2 faktor yang terbentuk. Hal ini berarti sama dengan hasil pendefinisian sebelumnya.
Component Matrixa
Component
1 2 3
Jumlah preman/calo angkutan umum (orang) .946 -.212 .003 Skala pelayanan kecamatan (skor) .930 .089 .051 Hirarki kecamatan dalam lingkup daerah (skor) .915 -.058 .101 Jumlah tenaga kerja yang tersedia (orang) .858 .175 -.064 Jumlah warga kecamatan (KK) .800 .501 .016 Panjang ruas jalan (Km) .784 -.409 -.076 Luas tanah milik perorangan (Ha) .579 -.506 .029 Kinerja prasarana (skor) .130 .919 -.232 Jumlah keuangan kecamatan (Rp) .121 .909 .263 Luas lahan milik pemerintah yang di peruntukan
terminal (Ha) -.059 -.038 .992
Extraction Method: Principal Component Analysis. a. 3 components extracted.
Tabel Component Matrix di atas menunjukkan nilai loading factor masing-masing variabel terhadap faktor. Loading Factor adalah nilai yang menunjukkan hubungan (korelasi) suatu variabel terhadap faktor. Apabila suatu variabel mempunyai nilai loading factor terbesar pada faktor tertentu (dibanding faktor lainnya), maka variabel tersebut akan menjadi anggota atau pembentuk faktor tersebut. Nilai loading factor yang disarankan sebagai penentu komponen faktor yaitu setidaknya bernilai 0,7 (korelasi ≥ 0,7). Hal ini sesuai dengan pendefinisian koefisien korelasi bahwa (0,7 ≤ r < 0,9) dikatakan bahwa adanya hubungan yang kuat antar variabel yang diteliti.
Dari tabel Component Matrixs di atas dapat pula diketahui distribusi variabel terhadap 2 faktor yang terbentuk. Cara yang dilakukan untuk melihat distribusi variabel tersebut yaitu dengan membandingkan nilai loading factor suatu variabel pada faktor-faktor yang ada, misal :
- korelasi variabel jumlah preman/calo angkutan umum dengan faktor-1 adalah +0,946, berarti menunjukkan hubungan yang sangat kuat. Sedangkan dengan faktor-2 mempunyai korelasi –0,211, yang berarti tidak adanya hubungan antara variabel jumlah preman/calo angkutan umum dengan faktor-2. dengan demikian, variabel jumlah preman/calo angkutan umum dimasukkan dalam komponen faktor-1.
Hal ini berlaku pula untuk variabel lainnya.
Apabila dalam ekstraksi yang dilakukan ini masih dirasa belum dapat diyakini, misalnya masih adanya suatu variabel yang belum jelas akan menjadi komponen faktor mana, maka langkah rotasi harus dilakukan. Sebagai contoh dalam kasus ini yaitu variabel luas tanah milik perorangan yang mempunyai nilai loading factor pada faktor-1 = +0,579 dan pada faktor-2 = -0,505. hal ini masih belum dapat diyakini variabel tersebut akan masuk dalam komponen faktor-1 atau faktor-2. setelah dilakukan proses rotasi dengan metode varimax, hasilnya :
Rotated Component Matrixa
Component
1 2 3
Jumlah preman/calo angkutan umum (orang) .965 -.090 -.022 Hirarki kecamatan dalam lingkup daerah
(skor) .918 .062 .073
Skala pelayanan kecamatan (skor) .912 .208 .018
Panjang ruas jalan (Km) .827 -.308 -.091
Jumlah tenaga kerja yang tersedia (orang) .826 .280 -.097 Jumlah warga kecamatan (KK) .730 .599 -.024 Luas tanah milik perorangan (Ha) .639 -.427 .024 Jumlah keuangan kecamatan (Rp) .012 .925 .234
Kinerja prasarana (skor) .005 .921 -.260
Luas lahan milik pemerintah yang di
peruntukan terminal (Ha) -.025 -.014 .995 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.
Setelah dilakukan rotasi dapat disimpulkan :
- Faktor-1 mempunyai komponen variabel-variabel : 1. Jumlah preman/calo angkutan umum
2. Hirarki kecamatan dalam kingkup daerah 3. Skala pelayanan kecamatan
4. Panjang ruas jalan
6. Jumlah warga kecamatan 7. Luas tanah milik perorangan
- Faktor-2 mempunyai komponen variabel-variabel : 1. Kinerja prasarana
2. Jumlah keuangan kecamatan
- Variabel luas lahan milik pemerintah tidak menjadi komponen baik faktor-1 maupun faktor-2. Hal ini dikarenakan variabel tersebut dianggap kurang mempunyai hubungan (korelasi < 0,7) terhadap kedua faktor yang tebentuk.
BAB VII