PEMBAHASAN DAN HASIL
3.7 Analisis Data
3.7.2 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 tahap ini adalah Principal Componen Analysis dan rotasi faktor dengan metode Varimax (bagian dari orthogonal).
Tabel 3.14 Komunalitas Variabel
Komunalitas pada dasarnya adalah jumlah varians (bisa dalam persentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang terbentuk.
a. Untuk variabel kualitas pelayanan, nilai komunalitasnya adalah 0,602 atau sekitar 60,2% varians dari variabel kualitas pelayanan bisa dijelaskan oleh faktor yang terbentuk.
b. Untuk variabel tingkat tabungan, nilai komunalitasnya adalah 0,797 atau sekitar 79,7% varians dari variabel tingkat tabungan bisa dijelaskan oleh faktor yang terbentuk.
c. Untuk variabel kualitas produk, nilai komunalitasnya adalah 0,737 atau sekitar 73,7% varians dari variabel kualitas produk bisa dijelaskan oleh faktor yang terbentuk.
d. Untuk variabel kepercayaan, nilai komunalitasnya adalah 0,874 atau sekitar 87,4% varians dari variabel kepercayaan bisa dijelaskan oleh faktor yang terbentuk.
e. Untuk variabel kepuasan nasabah, nilai komunalitasnya adalah 0,845 atau sekitar 84,5% varians dari variabel kepuasan nasabah bisa dijelaskan oleh faktor yang terbentuk.
f. Untuk variabel promosi produk, nilai komunalitasnya adalah 0,666 atau sekitar 66,6% varians dari variabel promosiproduk bisa dijelaskan oleh faktor yang terbentuk.
g. Untuk variabel lokasi BCA BIZZ, nilai komunalitasnya adalah 0,719 atau sekitar 71,9% varians dari variabel lokasi BCABIZZ bisa dijelaskan oleh faktor yang terbentuk.
h. Untuk variabel keunggulan produk, nilai komunalitasnya adalah 0,694 atau sekitar 69,4% varians dari variabel keunggulan produk bisa dijelaskan oleh faktor yang terbentuk.
i. Untuk variabel popularitas produk, nilai komunalitasnya adalah 0,703 atau sekitar 70,3% varians dari variabel popularitas produk bisa dijelaskan oleh faktor yang terbentuk.
Tabel 3.15 Nilai Eigenvalue untuk Setiap Faktor
Tabel 3.16 Sumbangan masing-masing Faktor Terhadap Varians Seluruh Variabel Asli
Berdasarkan tabel 3.16 diperoleh tiga faktor yang memiliki eigenvalue lebih besar dari 1,0 yaitu kita sebut faktor 1 dengan eigenvalue 3,691, faktor 2 dengan eigenvalue 1,721, dan faktor 3 dengan eigenvalue 1,223. Ketiga faktor tersebut menjelaskan (73,733%) total varians variabel yang mempengaruhi.
3.7.3 Menentukan Banyaknya Faktor
Penentuan banyaknya faktor yang dilakukan dalam analisis faktor maksudnya adalah mencari variabel terakhir yang disebut faktor yang saling tidak berkorelasi, bebas satu sama lainnya, lebih sedikit jumlahnya daripada variabel awal akan tetapi dapat menyerap sebagian besar informasi yang terkandung dalam variabel awal atau yang dapat memberikan sumbangan terhadap varians seluruh variabel. Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor, antara lain adalah sebagai berikut:
1. Dilihat dari Initial Eigenvalue Total
Untuk menentukan banyaknya faktor dari initial values dilihat dengan metode pendekatan, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan, jika lebih kecil dari satu, faktornya tidak diikutsertakan dalam model. Suatu eigenvalue menunjukkan besarnya sumbangan dari faktor terhadap varians seluruh variabel asli. Berdasarkan tabel 4.15 ternyata diperoleh banyaknya faktor yang dapat mempengaruhi peningkatan jumlah nasabah BIZZ BCA menurut persepsi nasabah atau asumsi responden adalah 3, karena ada 3 faktor atau komponen yang eigenvaluenya lebih dari 1, yaitu Faktor dengan eigenvalue 3,691, Faktor 2 dengan eigenvalue 1,721, Faktor 3 dengan eigenvalue 1,223. Berdasarkan tabel 4.16 dapat diketahui bahwa besarnya sumbangan yang diberikan dari masing-masing faktor terhadap varians seluruh variabel asli. Faktor 1 memberikan sumbangan varians sebesar 41,012%, faktor 2 sebesar 19,127%, dan yang terakhir faktor 3 sebesar 13,594%, sehingga total sumbangan varians dari ketiga faktor tersebut adalah sebesar 73,733%.
2. Menentukan Banyaknya Faktor dengan Scree Plot
Suatu Scree Plot adalah plot dari eigenvalue melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot berupa suatu kurva yang diperoleh dengan memplot eigenvalue sebagai sumbu vertikal dan banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk menentukan banyaknya faktor.
Jika tabel total varians menjelaskan dasar jumlah faktor yang diperoleh dengan perhitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari satu ke dua faktor (garis dari sumbu Component 1 ke 2), arah garis cukup menurun tajam. Kemudian dari 2 ke 3 garis juga menurun. Pada faktor 4 sudah di bawah angka 1 dari sumbu eigenvalue. Hal ini menunjukkan bahwa ada 3 faktor yang mempengaruhi mpeningkatan jumlah nasbah BIZZ BCA, yang dapat diekstraksi berdasarkan scree plot.
Gambar 3.1 Scree Plot
3.7.4 Melakukan Rotasi Faktor
Output terpenting dalam analisis faktor adalah Matriks Faktor atau yang disebut juga dengan Komponen Matriks. Matriks faktor memuat koefisien yang dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading, mewakili koefisien korelasi antara faktor dengan variabel. Koefisien dengan nilai mutlak (absolute) yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefisien dari matriks faktor dapat dipergunakan untuk menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut:
Tabel 3.17 Matriks Faktor (Sebelum Dirotasi) Component Matrixa Component 1 2 3 x4 x3 x6 x1 x8 x7 x9 x2 x5 .849 .838 .807 .750 .546 .518 .454 -.474 .688 .658 -.590 -.414 .550 .722
Walaupun matriks faktor atau matriks komponen awal sebelum dirotasi menunjukkan hubungan antara faktor (komponen) dengan variabel secara individu, akan tetapi masih sulit diambil kesimpulannya tentang banyaknya faktor yang dapat diekstraksi. Hal ini disebabkan karena faktor (komponen) berkorelasi dengan banyak variabel lainnya atau sebaliknya variabel tertentu masih berkorelasi dengan banyak faktor, sehingga dalam keadaan ini terkadang membuat peneliti kesulitan dalam penentuan suatu variabel ke dalam suatu faktor.
Misalkan Matriks Faktor (sebelum dirotasi) diatas dapat dilihat bahwa F1
memiliki korelasi kuat dengan 7 variabel, yakni x1, x3, x4, x5, x6, x8, x9 sementara F2 memiliki korelasi kuat dengan x7 dan x9 dan F3 memiliki korelasi kuat dengan x2 dan x3. Korelasi dianggap cukup kuat jika koefisien korelasi yang diwakili
factor loading mempunyai nilai lebih besar dari 0,40. Juga variabel berkorelasi
dengan banyak faktor, seperti variabel x1 berkorelasi dengan faktor 1, variabel x7 berkorelasi dengan faktor 2, variabel x2 berkorelasi dengan faktor 3, situasi seperti ini membuat kesimpulan mengenai banyaknya faktor yang diekstraksi dari variabel menjadi sulit.
Untuk mengatasi hal tersebut dapat dilakukan proses rotasi pada faktor yang terbentuk agar memperjelas posisi sebuah variabel, akankah dimasukkan
pada faktor yang satu ataukah ke faktor lainnya. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau dipertahankan tegak lurus sesamanya
(bersudut 90 derajat). Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi.
Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi
sangat kuat.
Proses rotasi terhadap faktor pada penelitian ini menggunakan metode
varimax rotation. Dan hasil rotasi dapat dilihat pada matriks faktor (setelah
dirotasi) di bawah ini.
Tabel 3.18 Matriks Faktor (Setelah Dirotasi)
Rotated Component Matrixa
Component 1 2 3 x4 x8 x6 x1 x3 x5 x7 x2 x9 .929 .789 .726 .722 .634 .538 .916 .446 .473 .826 -.674 .668
Tujuan dilakukan rotasi adalah untuk memperlihatkan distribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara matriks faktor sebelum dirotasi dengan matriks faktor setelah dirotasi.
3.7.5 Interpretasi Faktor
Setelah rotasi dilakukan langkah selanjutnya adalah interpretasi faktor. Interpretasi faktor dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasi menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut. Atau penentuan variabel yang dimasukkan ke dalam faktor dengan cara melihat
factor loading yang terbesar.
a. Variabel kualitas pelayanan: Korelasi antara variabel kualitas pelayanan dengan faktor 1 sebelum dirotasi adalah 0,750; dengan rotasi korelasi menjadi 0,722 dengan faktor 1. Jadi variabel ini masuk faktor 1.
b. Variabel tingkat tabungan: Korelasi antara variabel tingkat tabungan dengan faktor 3 sebelum dirotasi adalah 0,550; dengan rotasi korelasi menjadi 0,446 dengan faktor 2. Jadi variabel ini masuk faktor 2.
c. Variabel kualitas produk: Korelasi antara variabel kualitas produk dengan faktor 1 sebelum dirotasi adalah 0,838; dengan rotasi korelasi menjadi 0,634 dengan faktor 1. Jadi variabel ini masuk faktor 1.
d. Variabel kepercayaan: Korelasi antara variabel kepercayaan dengan faktor 1 sebelum dirotasi adalah 0,849; dengan rotasi korelasi menjadi 0,929 dengan faktor 1. Jadi variabel ini masuk faktor 1.
e. Variabel kepuasan nasabah: Korelasi antara variabel kepuasan nasabah dengan faktor 3 sebelum dirotasi adalah 0,722; dengan rotasi korelasi menjadi 0,916 dengan faktor 2. Jadi variabel ini masuk faktor 2.
f. Variabel promosi produk: Korelasi antara variabel promosi produk dengan faktor 1 sebelum dirotasi adalah 0,807; dengan rotasi korelasi menjadi 0,726 dengan faktor 1. Jadi variabel ini masuk faktor 1.
g. Variabel lokasi BCA BIZZ: Korelasi antara variabel lokasi BCA BIZZ dengan faktor 2 sebelum dirotasi adalah 0,688; dengan rotasi korelasi menjadi 0,826 dengan faktor 3. Jadi variabel ini masuk faktor 3.
h. Variabel keunggulan produk: Korelasi antara variabel keunggulan produk dengan faktor 1 sebelum dirotasi adalah 0,546; dengan rotasi korelasi menjadi 0,789 dengan faktor 1. Jadi variabel ini masuk faktor 1.
i. Variabel popularitas produk: Korelasi antara variabel popularitas produk dengan faktor 2 sebelum dirotasi adalah 0,658; dengan rotasi korelasi menjadi 0,668 dengan faktor 3. Jadi variabel ini masuk faktor 3.
Tabel 3.19 Korelasi antara variabel sebelum dan setelah dirotasi
Variabel
Korelasi antara
variabel Faktor Faktor akhir
variabel Sebelum rotasi Setelah rotasi Sebelum rotasi Setelah rotasi x1 0,756 0,722 1 1 1 x2 0,550 0,446 3 2 2 x3 0,838 0,634 1 1 1 x4 0,849 0,929 1 1 1 x5 0,722 0,916 3 2 2 x6 0,807 0,726 1 1 1 x7 0,688 0,826 2 3 3 x8 0,546 0,789 1 1 1 x9 0,658 0,668 2 3 3
Dengan demikian ke 9 variabel telah direduksi menjadi tiga faktor yang dapat mempengaruhi peningkatan jumlah nasabah BIZZ pada BCA capem Surabaya - Medan, yaitu:
1. Faktor 1 (F1) terdiri atas variabel x1 = kualitas pelayanan, x3 = kualitas produk, x4 = kepercayaan, x6 = promosi produk, x8 = keunggulan produk.
Faktor ini diberi nama FAKTOR KUALITAS DAN PROMOSI.
2. Faktor 2 (F2) terdiri atas variabel x2 = tingkat tabungan, x5 = kepuasan nasbah Faktor ini diberi nama FAKTOR TINGKAT TABUNGAN DAN
KEPUASAN.
3. Faktor 3 (F3) terdiri atas variabel x7 = lokasi BCA BIZZ, x9 = popularitas produk.
Faktor ini diberi nama FAKTOR LOKASI BCA BIZZ DAN
Interpretasi Variabel:
1. Faktor 1 adalah faktor kualitas dan promosi yang memberikan sumbangan varians sebesar 41,012% dan merupakan faktor dominan yang memberikan nilai varians terbesar dalam penelitian ini, artinya menurut persepsi nasabah faktor kualitas dan promosi merupakan faktor utama yang mempengaruhi proses keputusan untuk masuk menjadi anggota BIZZ.
2. Faktor 2 adalah faktor tingkat tabungan dan kepuasan yang memberikan sumbangan varians sebesar 19,127% dan merupakan faktor kedua menurut persepsi nasabah.
3. Faktor 3 adalah faktor lokasi BCA BIZZ dan popularitas yang memberikan sumbangan varians sebesar 13,594% dan merupakan faktor dengan varians terkecil yang mempengaruhi nasabah dalam proses keputusan untuk menjadi anggota BIZZ dalam penelitian ini.
4. Ketiga faktor yang mempengaruhi nasabah dalam proses keputusan untuk menjadi anggota BCA BIZZ tersebut memberikan komulatif varians sebesar 73,733%, artinya sebesar 73,733% faktor yang terbentuk mempengaruhi nasbah dalam peningkatan jumlah nasabah BIZZ dan sisanya adalah faktor-faktor lain yang tidak terangkum dalam model penelitian ini.