C. Penemuan dan Pembahasan
2. Hasil analisis Faktor
Frequency Percent Valid Percent
Cumulative Percent Valid Sangat Tidak Setuju 2 2.0 2.0 2.0
Tidak Setuju 1 1.0 1.0 3.0
Ragu-ragu 8 8.0 8.0 11.0
Setuju 66 66.0 66.0 77.0
Sangat Setuju 23 23.0 23.0 100.0
a. Menentukan Variabel yang Akan Dianalisa
Variabel yang dianalisis dalam penelitian ini terdiri dari 15 variabel yang sebelumnya telah diuji tingkat validitas dan reliabilitasnya.
b. Menguji Variabel-Variabel yang Telah Ditentukan
Ke-15 variabel yang telah dianggap valid dan reliabel, dimasukkan ke dalam analisis faktor untuk diuji apakah nilai dari KMO and Barlett’s dan MSA (Measures Of Sampling Adequacy) nya diatas 0,5. hasil dari analisis dapat dilihat pada tabel 4.20 dibawah ini :
Tabel 4.20
KMO and Bartlett's Test
Sumber :Hasil Output dari SPSS
Angka KMO and Bartlett’s Test adalah 0.822 dengan tingkat signifikansi 0.000. oleh karena angka tersebut sudah diatas 0.5 dan signifikansi jauh dibawah 0.05 (0.000 < 0.05), maka variabel dan sampel yang ada sebenarnya sudah bisa dianalisis lebih lanjut.
Angka MSA dalam tabel Anti-Image Matrices pada Anti-Image Correlation, pada angka korelasi yang bertanda a (arah dari kiri atas ke kanan bawah).
Angka MSA untuk variabel Kualitas Layanan Perbankan (Teknologi) adalah 0.786, untuk variabel Perkembangan Layanan Perbankan (Teknologi) adalah 0.831, untuk variabel Transaksi Perbankan (Teknologi) adalah 0.888, untuk
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.822
Bartlett's Test of Sphericity Approx. Chi-Square
606.811
df
105
Sig.
variabel Produk-produk Perbankan (Perilaku Nasabah) adalah 0.801, untuk variabel Perluasan Akses (Perilaku Nasabah) adalah 0.830, untuk variabel Kebutuhan Produk Perbankan (Perilaku Nasabah) adalah 0.798, untuk variabel Layanan Jasa Keuangan (Perilaku Nasabah) adalah 0.734, untuk variabel Pelayanan yang Istimewa (Pesaing) adalah 0.829.
Untuk variabel Kemudahan Bertransaksi (Pesaing) adalah 0.891, untuk variabel Kemampuan Bersaing (Pesaing) adalah 0.686, untuk variabel Kemampuan Mengungguli (Pesaing) adalah 0.755, untuk variabel Reputasi Bagus (Internal Bank) adalah 0.851, untuk variabel Semakin Dikenal Masyarakat (Internal Bank) adalah 0.927, untuk variabel Mengedepankan Prinsip-prinsip Syariah (Internal Bank) adalah 0.843, untuk variabel Maksimalisasi Pelayanan (Internal Bank) adalah 0.838.
Dengan kriteria angka MSA di atas 0.5 maka terlihat bahwa semua variabel sudah memiliki MSA di atas 0.5. Dengan demikian ke-15 variabel dapat dianalisis lebih lanjut.
c. Melakukan Faktoring dan Rotasi
Setelah semua variabel memenuhi syarat untuk dianalisis, tahap selanjutnya adalah melakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada, sehingga terbentuk satu atau beberapa faktor. Dalam melakukan proses faktor ekstraksi ini metode yang digunakan adalah Principal Component Analysis.
Setelah empat faktor terbentuk, dengan sebuah faktor yang berisi sejumlah variabel, mungkin saja sebuah variabel sulit untuk ditentukan akan masuk ke
dalam faktor yang mana. Untuk mengatasi hal tersebut, dapat dilakukan proses rotasi pada faktor yang terbentuk, sehingga memperjelas posisi sebuah variabel, akankah dimasukkan pada faktor yang satu atau ke faktor yang lain. Dalam penelitian ini proses rotasi menggunakan metode Varimax (bagian dari Orthogonal).
Tabel 4.21
Communalities
Initial Extraction
Kualitas Layanan Perbankan (Teknologi)
1.000 .786
Perkembangan Layanan Perbankan (Teknologi)
1.000 .783
Transaksi Perbankan (Teknologi)
1.000 .649
Produk-produk Perbankan (Perilaku Nasabah)
1.000 .678
Perluasan Akses (Perilaku Nasabah)
1.000 .538
Kebutuhan Produk Perbankan (Perilaku Nasabah)
1.000 .614
Layanan Jasa Keuangan (Perilaku Nasabah)
1.000 .711
Pelayanan yang istimewa (Pesaing)
1.000 .543
Kemudahan Bertransaksi (Pesaing)
1.000 .701
Kemampuan Bersaing (Pesaing)
1.000 .644
Kemampuan Mengungguli (Pesaing)
1.000 .664
Reputasi Bagus (Internal Bank)
1.000 .714
Semakin Dikenal Masyarakat (Internal Bank)
Mengedepankan Prinsip Syariah (Internal Bank)
1.000 .444
Maksimalisasi Pelayanan (Internal Bank)
1.000 .672
Extraction Method: Principal Component Analysis. Sumber :Hasil Output dari SPSS
Pada tabel 4.21 dapat dilihat bahwa variabel Kualitas Layanan Perbankan (Teknologi), angkanya adalah 0.786. hal ini menunjukkan bahwa sekitar 78.6% varians dari variabel Kualitas Layanan Perbankan (Teknologi) bisa dijelaskan oleh faktor yang terbentuk (jika pada tabel Component Matrix, ada 4 Component yang berarti ada 4 faktor yang terbentuk).
Untuk variabel Perkembangan Layanan Perbankan (Teknologi), angkanya adalah 0.783. Hal ini berarti sekitar 78.3% varians dari variabel Perkembangan Layanan Perbankan (Teknologi) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Transaksi Perbankan (Teknologi), angkanya adalah 0.649. Hal ini berarti sekitar 64.9% varians dari variabel Transaksi Perbankan (Teknologi) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Produk-produk Perbankan (Perilaku Nasabah), angkanya adalah 0.678. Hal ini berarti sekitar 67.8% varians dari variabel Produk-produk Perbankan (Perilaku Nasabah) dapat dijelaskan oleh faktor yang terbentuk.
Untuk variabel Perluasan Akses (Perilaku Nasabah), angkanya adalah 0.538. Hal ini berarti sekitar 53.8% varians dari variabel Perluasan Akses (Perilaku Nasabah) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Kebutuhan Produk Perbankan (Perilaku Nasabah), angkanya adalah 0.614. Hal ini berarti sekitar 61.4% varians dari variabel Kebutuhan Produk Perbankan (Perilaku Nasabah) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Layanan Jasa Keuangan (Perilaku Nasabah), angkanya adalah 0.711. Hal ini berarti sekitar
71.1% varians dari variabel Layanan Jasa Keuangan (Perilaku Nasabah) dapat dijelaskan oleh faktor yang terbentuk.
Untuk variabel Pelayanan yang Istimewa (Pesaing), angkanya adalah 0.543. Hal ini berarti sekitar 54.3% varians dari variabel Pelayanan yang Istimewa (Pesaing) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Kemudahan Bertransaksi (Pesaing), angkanya adalah 0.701. Hal ini berarti sekitar 70.1% varians dari variabel Kemudahan Bertransaksi (Pesaing) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Kemampuan Bersaing (Pesaing), angkanya adalah 0.644. Hal ini berarti sekitar 64.4% varians dari variabel Kemampuan Bersaing (Pesaing) dapat dijelaskan oleh faktor yang terbentuk.
Untuk variabel Kemampuan Mengungguli (Pesaing), angkanya adalah 0.664. Hal ini berarti sekitar 66.4% varians dari variabel Kemampuan Mengungguli (Pesaing) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Reputasi Bagus (Internal Bank), angkanya adalah 0.714. Hal ini berarti sekitar 71.4% varians dari variabel Reputasi Bagus (Internal Bank) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Semakin Dikenal Masyarakat (Internal Bank), angkanya adalah 0.379. Hal ini berarti sekitar 37.9% varians dari variabel Semakin Dikenal Masyarakat (Internal Bank) dapat dijelaskan oleh faktor yang terbentuk.
Untuk variabel Mengedepankan Prinsip Syariah (Internal Bank), angkanya adalah 0.444. Hal ini berarti sekitar 44.4% varians dari variabel Mengedepankan Prinsip Syariah (Internal Bank) dapat dijelaskan oleh faktor yang terbentuk. Untuk variabel Maksimalisasi Pelayanan (Internal Bank), angkanya adalah 0.672. Hal ini berarti sekitar 67.2% varians dari variabel Maksimalisasi Pelayanan (Internal Bank) dapat dijelaskan oleh faktor yang terbentuk. Dengan ketentuan bahwa
semakin besar nilai Communalities sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk.
Tabel 4.22
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 5.878 39.188 39.188 5.878 39.188 39.188 3.626 24.171 24.171 2 1.303 8.685 47.873 1.303 8.685 47.873 2.107 14.050 38.221 3 1.235 8.236 56.109 1.235 8.236 56.109 1.940 12.933 51.154 4 1.106 7.371 63.480 1.106 7.371 63.480 1.849 12.326 63.480 5 .876 5.840 69.320 6 .753 5.020 74.341 7 .707 4.715 79.055 8 .619 4.126 83.182 9 .577 3.844 87.026 10 .493 3.286 90.313 11 .404 2.695 93.008 12 .346 2.304 95.312 13 .273 1.821 97.133 14 .246 1.640 98.773 15 .184 1.227 100.000
Sumber : Hasil Output SPSS.
Pada tabel diatas dapat dilihat bahwa terdapat 15 variabel (Component) yang dimasukkan dalam analisis faktor, yakni variabel Kualitas Layanan Perbankan (Teknologi), Perkembangan Layanan Perbankan (Teknologi), Transaksi Perbankan (Teknologi), Produk-produk Perbankan (Perilaku Nasabah), Perluasan Akses (Perilaku Nasabah), Kebutuhan Produk Perbankan (Perilaku Nasabah), Layanan Jasa Keuangan (Perilaku Nasabah), Pelayanan yang Istimewa (Pesaing), Kemudahan Bertransaksi (Pesaing), Kemampuan Bersaing (Pesaing), Kemampuan Mengungguli (Pesaing), Reputasi Bagus (Internal Bank), Semakin Dikenal Masyarakat (Internal Bank), Mengedepankan Prinsip-prinsip Syariah (Internal Bank), Maksimalisasi Pelayanan (Internal Bank).
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Component Number 6 5 4 3 2 1 0 Ei ge nva lu e Scree Plot
Pada tabel diatas terlihat bahwa hanya empat faktor yang terbentuk, karena dengan satu faktor, angka eigen values diatas 1, dengan dua angka eigen values juga masih diatas 1. Dengan tiga faktor, angka eigen values masih diatas 1, dengan empat faktor, angka eigen values masih diatas 1, namun untuk lima faktor, angka eigen values sudah dibawah satu, yakni 0.876. sehingga proses
factoring seharusnya berhenti pada 4 faktor saja.
Grafik 4.1
Jika tabel Total Variance menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, Scree Plot menampakkan hal tersebut dengan grafik. Terlihat bahwa dari satu kedua faktor (faktor dari sumbu Component Number = 1 ke 2), arah garis menurun dengan sangat tajam. Kemudian dari angka 2 ke 3, garis masih menurun namun tidak setajam seperti dari angka 1 ke 2. Demikian pula dari angka 3 ke angka 4, namun kini dengan slope yang lebih kecil. Perhatikan juga faktor 5 sudah dibawah angka 1 dari sumbu Y (eigenvalues). Hal ini menunjukkan bahwa empat faktor adalah paling bagus untuk meringkas ke 15 variabel tersebut.
Tabel 4.23
Component Matrix(a)
Component
1 2 3 4
Kualitas Layanan Perbankan (Teknologi) .608 -.423 .372 .316 Perkembangan Layanan Perbankan (Teknologi) .635 -.423 .387 -.226
Transaksi Perbankan (Teknologi) .739 -.251 -.056 -.191
Produk-produk Perbankan (Perilaku Nasabah) .715 -.121 -.274 -.279
Perluasan Akses (Perilaku Nasabah) .695 -.071 -.172 -.146
Kebutuhan Produk Perbankan (Perilaku Nasabah) .695 -.197 -.167 -.253
Layanan Jasa Keuangan (Perilaku Nasabah) .485 -.443 -.191 .493
Pelayanan yang istimewa (Pesaing) .434 .349 .466 .125
Kemudahan Bertransaksi (Pesaing) .721 .337 .001 -.259
Kemampuan Bersaing (Pesaing) .448 .314 .570 -.141
Kemampuan Mengungguli (Pesaing) .636 .320 -.002 .397
Reputasi Bagus (Internal Bank) .593 .259 -.301 .452
Semakin Dikenal Masyarakat (Internal Bank) .554 -.038 .202 .175
Mengedepankan Prinsip Syariah (Internal Bank) .576 .219 -.217 -.131
Maksimalisasi Pelayanan (Internal Bank) .737 .272 -.234 -.022
Extraction Method: Principal Component Analysis. a 4 components extracted.
Setelah diketahui bahwa empat faktor adalah jumlah yang paling optimal, maka tabel Component Matrix menunjukkan distribusi ke-15 (lima belas) variabel tersebut pada empat faktor yang terbentuk. Sedangkan angka-angka yang ada pada tabel tersebut adalah Factor Loading, yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor 1, faktor 2, faktor 3, faktor 4,. Proses penentuan variabel mana yang akan masuk ke faktor mana, dilakukan dengan melakukan perbandingan besar korelasi pada setiap baris.
1) Variabel Layanan Jasa Keuangan (Perilaku Nasabah)
Korelasi antara variabel Layanan Jasa Keuangan (Perilaku Nasabah) dengan faktor 1 adalah +0.485 (lemah karena dibawah 0.5).
Korelasi antara variabel Layanan Jasa Keuangan (Perilaku Nasabah) dengan faktor 2 adalah -0.443 (sangat lemah karena dibawah 0.5).
Korelasi antara variabel Layanan Jasa Keuangan (Perilaku Nasabah) dengan faktor 3 adalah -0.191 (sangat lemah karena dibawah 0.5).
Korelasi antara variabel Layanan Jasa Keuangan (Perilaku Nasabah) dengan faktor 4 adalah +0.493 (lemah karena dibawah 0.5).
Angka faktor loading yang mendekati 0.5 ada pada faktor 1 dan 4. oleh karena tidak ada korelasi yang berbeda dengan jelas, maka sulit untuk memutuskan akan dimasukkan ke faktor mana variabel Layanan Jasa Keuangan (Perilaku Nasabah) ini.
Oleh karena masih ada beberapa variabel yang belum jelas akan dimasukkan ke dalam faktor mana, maka perlu dilakukan proses rotasi (rotation), agar semakin jelas perbedaan sebuah variabel yang akan dimasukkan pada faktor 1, 2, 3, atau 4.
2) Variabel Pelayanan yang Istimewa (Perilaku Nasabah)
Korelasi antara variabel Pelayanan yang Istimewa (Perilaku Nasabah) dengan faktor 1 adalah +0.434 (lemah karena dibawah 0.5).
Korelasi antara variabel Pelayanan yang Istimewa (Perilaku Nasabah) dengan faktor 2 adalah +0.349 ( lemah karena dibawah 0.5).
Korelasi antara variabel Pelayanan yang Istimewa (Perilaku Nasabah) dengan faktor 3 adalah +0.466 ( lemah karena dibawah 0.5).
Korelasi antara variabel Pelayanan yang Istimewa (Perilaku Nasabah) dengan faktor 4 adalah +0.125 (lemah karena dibawah 0.5).
Angka Factor Loading yang mendekati 0.5 ada pada faktor 1 dan 3. Oleh karena tidak ada korelasi yang berbeda dengan jelas, maka sulit untuk memutuskan akan dimasukkan ke faktor mana variabel Pelayanan yang Istimewa (Perilaku Nasabah) ini. Oleh karena masih ada beberapa variabel yang belum jelas akan dimasukkan ke dalam faktor mana, maka perlu dilakukan proses rotasi (rotation), agar semakin jelas perbedaan sebuah variabel yang akan dimasukkan pada faktor 1, 2, 3, atau 4.
Tabel 4.24
Rotated Component Matrix(a)
Component
1 2 3 4
Kualitas Layanan Perbankan (Teknologi) .147 .824 .134 .260
Perkembangan Layanan Perbankan (Teknologi) .473 .620 -.240 .343
Transaksi Perbankan (Teknologi) .682 .405 .071 .117
Perluasan Akses (Perilaku Nasabah) .656 .233 .211 .096
Kebutuhan Produk Perbankan (Perilaku Nasabah) .724 .284 .077 .049
Layanan Jasa Keuangan (Perilaku Nasabah) .168 .671 .411 -.253
Pelayanan yang istimewa (Pesaing) .044 .137 .245 .680
Kemudahan Bertransaksi (Pesaing) .649 -.043 .263 .458
Kemampuan Bersaing (Pesaing) .172 .095 .010 .778
Kemampuan Mengungguli (Pesaing) .211 .200 .680 .343
Reputasi Bagus (Internal Bank) .265 .149 .786 .058
Semakin Dikenal Masyarakat (Internal Bank) .227 .405 .252 .317 Mengedepankan Prinsip Syariah (Internal Bank) .559 -.038 .322 .162
Maksimalisasi Pelayanan (Internal Bank) .616 .030 .493 .221
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 11 iterations.
Sumber :Hasil Output dari SPSS
Component Matrix hasil proses rotasi (Rotated Component Matrix) memperlihatkan distribusi variabel yang lebih jelas dan nyata. Terlihat bahwa sekarang faktor loading yang dulunya kecil semakin diperkecil, dan faktor loading yang besar semakin diperbesar. Dibawah ini akan dijelaskan akan masuk ke faktor mana sebuah variabel yang ada, yaitu :
1) Variabel Kualitas Layanan (Teknologi)
Variabel ini masuk kedalam faktor 2, karena faktor loading variabel Kualitas Layanan (Teknologi) dengan faktor 2 lebih besar dibandingkan dengan faktor lain yaitu 0.824.
2) Variabel Perkembangan Layanan Perbankan (Teknologi)
Variabel ini masuk kedalam faktor 2, karena faktor loading variabel Perkembangan Layanan Perbankan (Teknologi) dengan faktor 2 lebih besar dibandingkan dengan faktor lain yaitu 0.620.
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Transaksi Perbankan (Teknologi) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.682.
4) Variabel Produk-produk Perbankan (Perilaku Nasabah)
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Produk-produk Perbankan (Perilaku Nasabah) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.789.
5) Variabel Perluasan Akses (Perilaku Nasabah)
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Perluasan Akses (Perilaku Nasabah) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.656.
6) Variabel Kebutuhan Produk Perbankan (Perilaku Nasabah)
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Kebutuhan Produk Perbankan (Perilaku Nasabah) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.724.
7) Variabel Layanan Jasa Keuangan (Perilaku Nasabah)
Variabel ini masuk kedalam faktor 2, karena faktor loading variabel Layanan Jasa Keuangan (Perilaku Nasabah) dengan faktor 2 lebih besar dibandingkan dengan faktor lain yaitu 0.671.
8) Variabel Pelayanan yang Istimewa (Pesaing)
Variabel ini masuk kedalam faktor 4, karena faktor loading variabel Pelayanan yang Istimewa (Pesaing) dengan faktor 4 lebih besar dibandingkan dengan faktor lain yaitu 0.680.
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Kemudahan bertransaksi (Pesaing) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.649.
10)Variabel Kemampuan Bersaing (Pesaing)
Variabel ini masuk kedalam faktor 4, karena faktor loading variabel Kemampuan Bersaing (Pesaing) dengan faktor 4 lebih besar dibandingkan dengan faktor lain yaitu 0.778.
11)Variabel Kemampuan Mengungguli (Pesaing)
Variabel ini masuk kedalam faktor 3, karena faktor loading variabel Kemampuan Mengungguli (Pesaing) dengan faktor 3 lebih besar dibandingkan dengan faktor lain yaitu 0.680.
12) Variabel Reputasi Bagus (Internal Bank)
Variabel ini masuk kedalam faktor 3, karena faktor loading variabel Reputasi Bagus (Internal Bank) dengan faktor 3 lebih besar dibandingkan dengan faktor lain yaitu 0.786.
13)Variabel Semakin Dikenal Masyarakat (Internal Bank)
Korelasi antara variabel Semakin Dikenal Masyarakat (Internal Bank) dengan faktor 1 yang sebelum rotasi adalah 0.554, dengan rotasi maka semakin diperkecil menjadi 0.227. sebaliknya, korelasi antara variabel Semakin Dikenal Masyarakat (Internal Bank) dengan faktor 2 adalah 0.219, namun setelah dilakukan proses rotasi maka semakin diperbesar menjadi 0.405. Dengan demikian dapat dikatakan bahwa variabel Semakin Dikenal Masyarakat (Internal Bank) bisa dimasukkan sebagai komponen faktor 2, namun dengan bukti yang lebih jelas.
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Mengedepankan Prinsip Syariah (Internal Bank) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.559.
15)Variabel Maksimalisasi Pelayanan (Internal Bank)
Variabel ini masuk kedalam faktor 1, karena faktor loading variabel Maksimalisasi Pelayanan (Internal Bank) dengan faktor 1 lebih besar dibandingkan dengan faktor lain yaitu 0.616.
Dengan demikian, ke-15 (lima belas) variabel yang telah direduksi menjadi hanya terdiri atas 4 (empat) faktor, yaitu :
1) Faktor 1 terdiri atas Variabel Transaksi Perbankan (Teknologi), Produk-produk Perbankan (Perilaku Nasabah), Perluasan Akses (Perilaku Nasabah), Kebutuhan Produk Perbankan (Perilaku Nasabah), Kemudahan Bertransaksi (pesaing), Mengedepankan Prinsip Syariah (Internal Bank), Maksimalisasi Pelayanan (Internal Bank).
2) Faktor 2 terdiri atas Variabel Kualitas Layanan (Teknologi),
Perkembangan Layanan Perbankan (Teknologi), Layanan Jasa Keuangan (Perilaku Nasabah), Semakin Dikenal Masyarakat (Internal Bank).
3) Faktor 3 terdiri atas Variabel Kemampuan Mengungguli (Pesaing), Reputasi Bagus (Internal Bank).
4) Faktor 4 terdiri atas Variabel Pelayanan yang Istimewa (Pesaing), Kemampuan Bersaing (Pesaing).
Tabel 4.25
Component 1 2 3 4
1 .724 .430 .403 .359
2 -.067 -.733 .454 .502
3 -.375 .334 -.377 .779
4 -.576 .408 .699 -.114
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Sumber : Hasil Output dari SPSS
Pada tabel diatas angka-angka yang ada pada diagonal, antara Component 1 dengan 1, Component 2 dengan 2, Component 3 dengan 3, Component 4 dengan 4. Maka akan terlihat dua angka yang berada diatas 0.5 yaitu faktor 1 adalah 0.724 dan faktor 2 adalah -0.733 (tanda ‘-‘ hanya menunjukkan arah korelasi). Karena tidak ada korelasi yang berbeda dengan jelas. Dan dua angka sisanya yang berada dibawah 0.5 yaitu faktor 3 adalah -0.377 (tanda ‘-‘ hanya menunjukkan arah korelasi) dan faktor 4 adalah - 0.114 (tanda ‘-‘ hanya menunjukkan arah korelasi).
Walaupun cuma 2 faktor saja yang mempunyai korelasi diatas 0.5 (faktor 1 dan 2) hal ini sudah cukup membuktikan kedua faktor atau Component (faktor 1dan 2) yang terbentuk cukup tepat, karena mempunyai korelasi yang cukup tinggi, meskipun sebenarnya lebih bagus lagi kalau semua faktor mempunyai korelasi diatas 0.5 yang dapat membuktikan faktor atau Component yang terbentuk sangat tepat, karena mempunyai korelasi yang sangat tinggi (semua faktor angka korelasinya diatas 0.5).
d. Interpertasi Atas Faktor yang Telah Terbentuk
Setelah dilakukan factoring dan rotasi, langkah selanjutnya adalah menginterpretasikan faktor yang telah terbentuk. Hal ini dilakukan agar bisa mewakili variabel-variabel anggota faktor tersebut. Interpretasi didasarkan
pada nilai Loading factor dari masing-masing variabel pada faktor yang terbentuk. Pemberian nama dan konsep tiap faktor ditentukan berdasarkan makna umum variabel yang tercakup di dalamnya (Zaini Hasan dalam Fajar Suryo Saputro:2007)
BAB V
KESIMPULAN DAN IMPLIKASI