BAB IV HASIL DAN PEMBAHASAN
B. Hasil Analisis Faktor
3. Faktor Sebelum Rotasi
4 9,223 1,746 1,522 1,394 35,473 6,716 5,853 5,362 35,473 42,189 48,042 53,404 Berdasarkan Tabel 20 jumlah faktor yang dapat diterima atau layak dan sesuai dengan syarat yang diajukan adalah sebanyak 4 faktor.
3. Faktor Sebelum Rotasi
a. Matriks Faktor Sebelum Rotasi
Matriks faktor sebelum rotasi merupakan model awal yang diperoleh sebelum dilakukan rotasi. Koefisien yang ada pada model setiap faktor diperoleh setelah proses pembakuan terlebih dahulu, dimana koefisien yang diperoleh saling dibandingkan. Koefisien (Loading Factor) yang signifikan (>0,5) dapat dikatakan mewakili faktor yang terbentuk.
Setelah melewati tahap ekstraksi factor menghasilkan empat buah model faktor. Berikut ini distribusi indikator yang signifikan pada faktor matriks sebelum rotasi.
Tabel 21
Distribusi Indikator Faktor Sebelum Rotasi
INDIKATOR LOADING
FACTOR IDENTIFIKASI FAKTOR
X13 Kebersihan kamar mandi X14 Kerapihan penampilan pegawai
X15Kelengkapan fasilitas (headset, webcam, printer)
X21 Tarif yang terjangkau bagi semua kalangan X23 Kesesuaian kecepatan akses
X24 Kesesuaian kestabilan koneksi X25 Kesesuaian tarif sewa
X31Sikap pegawai yang cepat tanggap dalam menghadapi masalah.
X32Perhatian serius pegawai terhadap peralatan yang rusak
X33Keluangan waktu pegawai untuk menanggapi permintaan pengguna dengan cepat
X34 Disediakannya majalah / koran untuk dibaca pada saat menunggu giliran
X35Kesediaan pegawai memberikan layanan yang dibutuhkan dengan cepat (disket dan tempat putung rokok)
X41Jaminan bebas gangguan saat koneksi internet
X42Profesionalisme / kompetensi pegawai dalam memberikan pelayanan jasa
X43 Jaminan minimalisasi tingkat disconnect X44 Merasa aman menggunakan jasa X45 Merasa nyaman menggunakan jasa X51 Kesan bersahabat pegawai X52 Perhatian yang diberikan pegawai
X53Komunikasi pegawai yang tidak
menyinggung perasaan pengguna
X54 Komunikasi pegawai yang mudah dimengerti X55Kesungguhan pegawai ketika menghadapi
keluhan pengguna 0,604 0,595 0,536 0,576 0,577 0,732 0,530 0,656 0,737 0,656 0,503 0,607 0,588 0,671 0,603 0,619 0,671 0,527 0,607 0,573 0,619 0,657 FAKTOR 1
X11 Lokasi yang mudah dijangkau
X12 Kursi yang digunakan nyaman 0,641 0,618 FAKTOR 2
X22 Kesesuaian buka 24 jam 0,535 FAKTOR 3
- FAKTOR 4
Pada matriks faktor ini (distribusi variabel pada faktor sebelum rotasi) masih dijumpai sebuah bentuk struktur data yang belum sederhana. Hal ini karena tidak seluruh faktor memiliki koefisien loading factor yang cukup untuk mewakili, sehingga ada sebuah faktor yang diwakili oleh banyak variabel, akan tetapi ada pula faktor lain yang tidak diwakili oleh satupun variabel.
b. Statistik Awal
Dengan menggunakan lima faktor pertama dari hasil ektraksi faktor pada statistik awal maka nampak terjadi penurunan pada nilai komunalitas. Hal ini terjadi karena pada statistik awal dihasilkan faktor-faktor hasil ekstraksi indikator-indikator asal dengan jumlah yang sama dengan variabel-variabel tersebut. Kesamaan dalam jumlah ekstraksi tersebut mengakibatkan nilai komunalitas bernilai 1, yang berarti seluruh varian yang ada pada setiap indikator dapat dijelaskan oleh seluruh faktor yang terbentuk dari hasil ekstraksi. Oleh karena itu, ketika jumlah faktor dibatasi untuk tahap analisis selanjutnya, nilai komunalitas mengalami penurunan karena hanya beberapa faktor saja (setelah pembatasan jumlah faktor) yang dapat menjelaskan varian setiap indikator. Nilai komunalitas setelah mengalami penurunan dari nilai komunalitas 1, tampak pada Tabel 22. Nilai komunalitas baru setelah mengalami penurunan harus lebih dari 0,5 (>0,5). Jika dijumpai indikator yang mengalami penurunan nilai komunalitas yang cukup besar (komunalitas baru <0,5) maka berdampak pada sebagian besar proporsi varians yang terjadi tidak bisa dijelaskan oleh faktor bentuk setelah pembatasan jumlah faktor. Nilai komunalitas yang terendah dapat dijadikan alasan untuk dihilangkan dari proses selanjutnya.
Tabel 22
Nilai Komunalitas Setelah Mengalami Penurunan
INDIKATOR Extraction
X11 Lokasi yang mudah dijangkau X12 Kursi yang digunakan nyaman X13 Kebersihan kamar mandi X14 Kerapihan penampilan pegawai
X15 Kelengkapan fasilitas (headset, webcam, printer) X16 Tersedianya tempat parkir
X21 Tarif yang terjangkau bagi semua kalangan X22 Kesesuaian buka 24 jam
X23 Kesesuaian kecepatan akses X24 Kesesuaian kestabilan koneksi X25 Kesesuaian tarif sewa
X31 Sikap pegawai yang cepat tanggap dalam menghadapi masalah.
X32 Perhatian serius pegawai terhadap peralatan yang rusak X33 Keluangan waktu pegawai untuk menanggapi permintaan
pengguna dengan cepat
X34 Disediakannya majalah / koran untuk dibaca pada saat menunggu giliran
X35 Kesediaan pegawai memberikan layanan yang dibutuhkan dengan cepat (disket dan tempat putung rokok)
X41 Jaminan bebas gangguan saat koneksi internet
X42 Profesionalisme / kompetensi pegawai dalam memberikan pelayanan jasa.
X43 Jaminan minimalisasi tingkat disconnect X44 Merasa aman menggunakan jasa X45 Merasa nyaman menggunakan jasa X51 Kesan bersahabat pegawai X52 Perhatian yang diberikan pegawai
X53 Komunikasi pegawai yang tidak menyinggung perasaan pengguna
X54 Komunikasi pegawai yang mudah dimengerti
X55 Kesungguhan pegawai ketika menghadapi keluhan pengguna
0,701 0,734 0,762 0,638 0,689 0,735 0,645 0,741 0,706 0,717 0,680 0,570 0,776 0,554 0,552 0,618 0,508 0,659 0,597 0,751 0,690 0,644 0,669 0,507 0,603 0,596
Dari Tabel 22 diperoleh informasi bahwa semua indikator memiliki nilai komunalitas lebih dari 0,5 (>0,5) yaitu X15, sehingga bisa dilakukan analisis selanjutnya.
Matriks korelasi baru diperoleh setelah jumlah faktor yang digunakan dibatasi hanya lima faktor pertama pada statistik awal. Pembatasan matriks korelasi baru diharapkan tidak jauh berbeda dengan matriks korelasi asal.
Dari matriks korelasi, diketahui terdapat 55 nilai residu atau 45 % dari 122 nilai residu dengan nilai mutlak > 0,05. Jadi terdapat 67 nilai residu dengan nilai mutlak < 0,05 dimasukkan dalam kategori bahwa antara koefisien korelasi pada matriks korelasi asal dan koefisien korelasi pada matriks korelasi baru tidak terdapat perbedaan (sama). Hal ini sesuai dengan yang diharapkan bahwa nilai koefisien yang tidak berubah (sama) jauh lebih banyak daripada yang tergolong berubah (tidak sama). Dengan demikian, dapat disimpulkan bahwa ketepatan model faktor sebesar 36%, sehingga faktor dikatakan cukup bagus dalam melakukan analisis terhadap data.
d. Rotasi Faktor
Model awal yang diperoleh dari matriks faktor sebelum dilakukan rotasi, belum menerangkan sebuah struktur data yang sederhana. Oleh karena itu harus dilakukan rotasi faktor. Rotasi faktor dengan metode varimax menghasilkan model faktor yang jauh lebih sederhana daripada model faktor pada matriks sebelum dilakukan rotasi. Hasil rotasi faktor dapat dilihat pada tabel berikut :
Tabel 23
Distribusi Variabel pada Faktor Setelah Rotasi
INDIKATOR LOADING
FACTOR IDENTIFIKASI FAKTOR
X31Sikap pegawai yang cepat tanggap dalam menghadapi masalah.
X32Perhatian serius pegawai terhadap peralatan yang rusak
X42Profesionalisme / kompetensi pegawai dalam
0,540 0,653 0,630
Lanjutan Tabel 23
INDIKATOR LOADING
FACTOR IDENTIFIKASI FAKTOR
X44 Merasa aman menggunakan jasa
X45 Merasa nyaman menggunakan jasa 0,795 0,764 FAKTOR 1
X15Kelengkapan fasilitas (headset, webcam, printer)
X51 Kesan bersahabat pegawai
X53Komunikasi pegawai yang tidak
menyinggung perasaan pengguna
X54 Komunikasi pegawai yang mudah dimengerti X55Kesungguhan pegawai ketika menghadapi
keluhan pengguna 0,655 0,705 0,668 0,672 0,570 FAKTOR 2
X11 Lokasi yang mudah dijangkau X12 Kursi yang digunakan nyaman X13 Kebersihan kamar mandi
0,763 0,808 0,775
FAKTOR 3 X21 Tarif yang terjangkau bagi semua kalangan
X22 Kesesuaian buka 24 jam 0,823 0,818 FAKTOR 4
Dari Tabel 23 matriks faktor setelah rotasi diketahui bahwa tidak ada indikator yang memiliki Loading Factor < 0,5. Dengan demikian, indikator tersebut dapat diinterpretasikan karena mewakili faktor yang terbentuk.
e. Uji Validitas dan Reliabilitas Model Faktor
Validitas model faktor dapat ditafsirkan berdasarkan koefisien gamma (loading factor). Suatu faktor dikatakan valid, jika memiliki loading factor 0,5. Hasil rotasi faktor pada Tabel 24 memberikan informasi mengenai lima faktor yang terbentuk. Faktor-faktor tersebut dinyatakan valid karena seluruh indikator yang mendukung faktor-faktor memiliki loading factor 0,5.
Selanjutnya kelompok indikator yang mewakili sebuah faktor perlu diuji tingkat reliabilitasnya. Hasil perhitungan reliabilitas faktor dengan rumus
Alpha Cronbach, dapat dilihat pada Tabel 24.
Dari Tabel 24 hasil pengujian reliabilitas, dapat disimpulkan bahwa lima model faktor adalah reliabel. Hal ini berarti analisis faktor dapat diandalkan
atau dengan kata lain dapat memberikan model faktor yang tidak berbeda bila dilakukan pengujian kembali terhadap subyek yang sama.
Tabel 24
Hasil Uji Reliabilitas Model Faktor
Hasil penelitian berdasarkan analisis faktor menghasilkan 4 faktor baru yang terbentuk. Pemberian nama faktor yang baru dapat dilakukan dengan metode sebagai berikut :
1) Pemberian nama harus mewakili variabel yang tercakup
2) Jika terdapat item variabel yang berbeda, nilai loading yang paling tinggi (urutan dalam satu kelompok faktor) dapat dijadikan nama faktor. 3) Jika hubungan antar item dalam satu faktor sangat jauh, maka pemberian
nama faktor dapat lebih dari satu nama.
Berdasarkan metode di atas, 4 faktor baru yang terbentuk yaitu :
1) Faktor Jaminan, yang terdiri dari Sikap pegawai yang cepat tanggap dalam
Faktor Indikator Komunalitas h2 Koefisien
Reliabilitas PembandingKoefisien Keterangan
Faktor 1 X31 X32 X42 X43 X44 X45 0,502 0,646 0,544 0,605 0,690 0,666 0,608 0,8529 0,6 Reliabel Faktor 2 X15 X51 X53 X54 X55 0,534 0,567 0,534 0,602 0,612 0,570 0,8103 0,6 Reliabel Faktor 3 X11 X12 X13 0,757 0,743 0,636 0,712 0,7698 0,6 Reliabel Faktor 4 X21 X22 0,755 0,776 0,765 0,7074 0,6 Reliabel
Profesionalisme / kompetensi pegawai dalam memberikan pelayanan, Jaminan minimalisasi tingkat disconnect, Merasa aman menggunakan jasa, dan Merasa nyaman menggunakan jasa. Kontribusi varian dari faktor ini adalah sebesar 35,473% dengan eigen value 9,223. Faktor ini diberi nama Faktor Jaminan karena mencakup dari beberapa item-item yang ada di dalam Faktor Jaminan seperti perhatian dan komunikasi pegawai.
2) Faktor Empati, yang terdiri dari Kelengkapan fasilitas (headset, webcam, printer), Kesan bersahabat pegawai, Komunikasi pegawai yang tidak menyinggung perasaan pengguna, Komunikasi pegawai yang mudah dimengerti, dan Kesungguhan pegawai ketika menghadapi keluhan pengguna. Kontribusi varian dari faktor ini adalah sebesar 6,716% dengan eigen value 1,746. Faktor ini diberi nama Faktor Empati karena mencakup dari beberapa item-item yang ada di dalam Faktor Ketanggapan.
3) Faktor Berwujud, yang terdiri dari Lokasi yang mudah dijangkau, Kursi yang digunakan nyaman, dan Kebersihan kamar mandi. Kontribusi varian dari faktor ini adalah sebesar 5,853% dengan eigen value 1,522. Faktor ini diberi nama Faktor Berwujud karena mencakup semua item-item yang ada di dalam Faktor Berwujud.
4) Faktor Keandalan, yang terdiri dari Tarif yang terjangkau bagi semua kalangan, dan Kesesuaian buka 24 jam. Kontribusi varian dari faktor ini adalah sebesar 5,362% dengan eigen value 1,394. Faktor ini diberi nama Faktor Keandalan karena mencakup dari beberapa item-item yang ada di dalam Faktor Keandalan.
C. Hasil Analisis Regresi