Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2005: 85). Pengujian validitas ini menggunakan pendekatan Pearson Correlation. Uji validitas digunakan untuk mengetahui kelayakan butir-butir pertanyaan dalam suatu daftar (konstruk) pertanyaan dalam mendefinisikan suatu variabel. Daftar pertanyaan ini pada umumnya mendukung suatu kelompok variabel tertentu. Uji validitas dilakukan pada setiap butir pertanyaan, dan hasilnya dapat dilihat melalui hasil r-hitung yang dibandingkan dengan r-tabel, dimana r-tabel dapat diperoleh melalui df (degree of freedom) = n-2 (signifikan 5%, n = jumlah sampel). Jika r-tabel < r-hitung maka valid Jika r-tabel > r-hitung maka tidak valid.
Tabel 4.11 Uji validitas instrumen kesadaran membayar retribusi
Pernyataan Pearson R tabel Keterangan
Correlation
Sumber: Data primer yang diolah, 2016
Tabel 4.11 terlihat bahwa semua butir pernyataan untuk variabel yang memiliki subvariabel Kesadaran Membayar Retribusi (KS) memiliki nilai r hitung lebih besar daripada r tabel, maka dapat disimpulkan bahwa pernyataan dalam
74 penelitian ini valid.
Hal ini berarti bahwa semua item pernyataan yang digunakan di variabel kesadaran membayar retribusi dalam penelitian ini mampu mengungkapakan sesuatu yang diukur pada kuisioner.
Tabel 4.12 menunjukkan hasil uji validitas instrumen Kondisi sekitar retribusi pasar 100 responden
Tabel 4.12 Uji validitas instrumen Kondisi sekitar retribusi Pernyataan Pearson R tabel Keterangan
Correlation
SR1 .787 .1966 Valid
SR2 .589 .1966 Valid
SR3 .520 .1966 Valid
SR4 .802 .1966 Valid
Sumber: Data primer yang diolah,2016
Tabel 4.12 terlihat bahwa semua butir pernyataan untuk variabel yang memiliki subvariabel Kondisi sekitar retribusi (SR) memiliki nilai r hitung lebih besar daripada r tabel, maka dapat disimpulkan bahwa pernyataan dalam penelitian ini valid. Hal ini berarti bahwa semua item pernyataan yang digunakan di variabel kondisi sekitar retribusi dalam penelitian ini mampu mengungkapakan sesuatu yang diukur pada kuesioner tersebut.
Tabel 4.13 menunjukkan hasil uji validitas instrumen Kepatuhan wajib retribusi terhadap 100 responden.
Tabel 4.13 Uji Validitas instrumen Kepatuhan Wajib Retribusi Pernyataan Pearson R tabel Keterangan
Correlation
KP1 .717 .1966 Valid
KP2 .669 .1966 Valid
KP3 .752 .1966 Valid
KP4 .878 .1966 Valid
Sumber: data primer yang diolah,2016.
75 Tabel 4.13 terlihat bahwa semua butir pernyataan untuk variabel yang memiliki subvariabel Kepatuhan Wajib Retribusi (KP) memiliki nilai r hitung lebih besar daripada r tabel, maka dapat disimpulkan bahwa pernyataan dalam penelitian ini valid.
Hal ini berarti bahwa semua item pernyataan yang digunakan di variabel kepatuhan wajib retribusi dalam penelitian ini mampu mengungkapakan sesuatu yang diukur pada kuesioner tersebut.
Tabel 4.14 menunjukkan hasil uji validitas instrument manajemen pelayanan petugas pemungut retribusi terhadap 100 responden
Tabel 4.14 Uji Validitas Instrumen manajemen pelayanan Petugas Pasar
Sumber: Data primer yang diolah, 2016.
Tabel 4.14 terlihat bahwa semua butir pernyataan untuk variabel yang memiliki subvariabel manajemen pelayanan petugas pemungut retribusi (MP) memiliki nilai r hitung lebih besar daripada r tabel, maka dapat disimpulkan bahwa pernyataan dalam penelitian ini valid.
Hal ini berarti bahwa semua item pernyataan yang digunakan di variabel manajemen pelayanan petugas pasar dalam penelitian ini mampu
76 mengungkapakan sesuatu yang diukur pada kuesioner tersebut.
Tabel 4.15 menunjukkan hasil uji validitas instrumen efektivitas pemungutan retribusi pasar terhadap 100 responden.
Tabel 4.15 Uji Validitas Instrumen Efektivitas Pemungutan Retribusi Pasar Pernyataan Pearson R Tabel Keterangan
Sumber: Data primer yang diolah, 2016.
Tabel 4.15 terlihat bahwa semua butir pernyataan untuk variabel yang memiliki subvariabel efektivitas pemungutan retribusi pasar (EP) memiliki nilai r hitung lebih besar daripada r tabel, maka dapat disimpulkan bahwa pernyataan dalam penelitian ini valid. Hal ini berarti bahwa semua item pernyataan yang digunakan di variabel efektivitas pemungutan retribusi pasar dalam penelitian ini mampu mengungkapakan sesuatu yang diukur pada kuesioner tersebut.
Tabel 4.16 menunjukkan hasil uji validitas instrumen kemauan membayar retribusi pasar terhadap 100 responden.
Tabel 4.16 Uji Validitas Instrumen Kemauan untuk membayar retribusi Pernyataan Pearson R Tabel Keterangan
Correlation
77 Sumber: Data primer yang diolah, 2016.
Tabel 4.16 terlihat bahwa semua butir pernyataan untuk variabel yang memiliki subvariabel Kemauan membayar retribusi (KM) memiliki nilai r hitung lebih besar daripada r tabel, maka dapat disimpulkan bahwa pernyataan dalam penelitian ini valid.
Hal ini berarti bahwa semua item pernyataan yang digunakan di variabel kemauan membayar retribusi dalam penelitian ini mampu mengungkapakan sesuatu yang diukur pada kuesioner tersebut.
b. Uji Reliabilitas Instrumen
Menurut Ghozali (2005: 85), uji reliabilitas dikatakan untuk suatu kuesioner yang merupakan indikator dari variabel. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Uji reliabilitas ini menghasilkan nilai Cronbach Alpha.
Suatu variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha lebih besar dari 0.60.
Tabel 4.17 menunjukkan hasil uji reliabilitas instrumen terhadap 100 responden pedagang yang berjualan dan membayar retribusi pasar di Pasar Rangkasbitung.
Kesadaran membayar 0.830 6 Reliabel
Kondisi sekitar 0.621 4 Reliabel
Kepatuhan wajib retribusi 0.750 4 Reliabel Manajemen pelayanan petugas 0.770 8 Reliabel Efektivitas pemungutan retribusi 0.739 6 Reliabel Kemauan membayar retribusi 0.737 8 Reliabel
78 Sumber: Data primer yang diolah, 2016.
Reliabilitas suatu konstruk variabel dikatakan baik jika memiliki nilai Cronbach’s Alpha> 0,60. Dan sebaliknya reliabilitas suatu konstruk variabel dikatakan tidak baik jika memiliki nilai Cronbach Alpha< 0,60. Berdasarkan hasil uji reliabilitas pada tabel 4.17 menunjukkan bahwa pernyataan dalam kuesioner ini reliabel karena mempunyai nilai Cronbach’s Alpha lebih besar dari 0,60.
Hal ini menunjukkan bahwa setiap item pernyataan yang digunakan akan mampu memperoleh data yang konsisten yang berarti bila pernyataan itu diajukan kembali akan diperoleh jawaban yang relatif sama dengan jawaban sebelumnya.
3. Analisis Faktor
Analisis faktor merupakan jenis analisis yang berfungsi untuk mereduksi atau meringkas beberapa variabel yang saling independent menjadi lebih sedikit variabel Ali (2013: 83).
a. KMO dan Barlett’s test
Tabel 4.18 KMO dan Barlett's Test
KMO and Bartlett's Test
Sumber: Data primer yang diolah,2016
Angka Kaiser Meyer Olkin (KMO) dan Barlett’s berdasarkan tabel 4.18 diatas menunjukkan angka sebesar .711 dengan signifikansi .000 yang berarti nilai Kaiser Meyer Olkin (KMO) dan Barlett’s tersebut memenuhi batas angka KMO
79 and Barlett’s sebesar 0,5 (.711>0.5) dan angka signifikan .000 yang berada jauh dibawah 0,5 (.000<0.5) yang dapat disimpulkan bahwa variabel dan sampel yang ada dalam penelitian ini dapat dianalisis lebih lanjut
b. Anti Image Matrices
Tabel 4.19 Anti Image Matrices
Anti-image Matrices
Sumber: Data Primer yang diolah, 2016.
Dari tabel 4.19 maka dapat dilihat Angka Anti Image Correlation menunjukkan MSA yang berada diatas 0.5 yaitu untuk X1 (Kesadaran membayar retribusi pasar) sebesar 0,691. X2 (kondisi sekitar retribusi) memiliki nilai MSA
80 0,639. X3 (kepatuhan wajib retribusi) memiliki nilai MSA lebih dari 0,5 yaitu sebesar 0,675. Untuk X4 (manajemen pelayanan petugas pasar) memiliki nilai MSA sebesar 0,769. Untuk X5 (efektivitas pemungutan retribusi) memiliki nilai MSA sebesar 0,804. Hal ini menunjukkan variabel dan sampel yang dapat dianalisis lebih lanjut.
c. Communalities
Communalities merupakan jumlah varian yang dimiliki oleh semua variabel yang dianalisis atau sebagai proporsi yang dapat dijelaskan faktor-faktor umum.
Semakin kecil communalities sebuah variabel berarti semakin lemah hubungannya dengan faktor yang terbentuk. Nilai communalities yang dapat dilihat pada Tabel 4.20 berikut:
Tabel 4.20 Communalities
Communalities
Initial Extraction
Kesadaran 1.000 .637
Kondisi sekitar 1.000 .898
Kepatuhan 1.000 .673
Manajemen pelayanan 1.000 .511
Efektivitas Pemungutan 1.000 .421
Extraction Method: Principal Component Analysis.
Sumber: Data primer yang diolah,2016
Berdasarkan tabel 4.20 maka dapat diketahui bahwa faktor pertama X1 (kesadaran membayar retribusi) dengan nilai extraction .637 berarti 63,7% dari indikator ini dapat dijelaskan oleh faktor yang terbantuk. Untuk X2 (kondisi sekitar retribusi) dengan nilai extraction .898 yang berarti sekitar 89,8% dari indikator ini dapat dijelaskan oleh faktor yang terbentuk. Untuk X3 (kepatuhan
81 wajib retribusi) dengan nilai extraction .673 yang berarti 67,3% dari indikator ini dapat dijelaskan oleh faktor yang terbentuk. Untuk X4 (manajemen pelayanan petugas pasar) dengan nilai extraction .511 yang berarti sebesar 51,1% dari indikator ini dapat dijelaskan oleh faktor yang terbentuk. Untuk X5 (efektivitas pemungutan retribusi) dengan nilai extraction .421 yang berarti sebesar 42,1%
dari indikator ini dapat dijelaskan oleh faktor yang terbentuk.
d. Penentuan Jumlah Faktor
Penentuan jumlah faktor didasarkan pada eigenvalues besar dari 1.
Eigenvalues menunjukkan kepentingan relative masing-masing faktor dalam setiap variabel yang di analisis. Untuk menghitung varian kelima variabel maka angka eigenvalues untuk kelima variabel adalah sama dengan total kelima variabel. Penentuan pembentukan faktor di dasarkan pada kriteria angka eigenvalues yang berada di bawah 1 tidak digunakan dalam menghitung jumlah faktor yang terbentuk.
Untuk lebih jelasnya dapat dilihat pada tabel 4.21 berikut ini:
Tabel 4.21 Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total
% of
Variance Cumulative % Total % of Variance Cumulative %
1 2.121 42.424 42.424 2.121 42.424 42.424
2 1.019 20.377 62.801 1.019 20.377 62.801
3 .792 15.843 78.644
4 .622 12.437 91.081
5 .446 8.919 100.000
Sumber: Data primer yang diolah,2016.
82 Dari tabel 4.21 dapat dilihat bahwa faktor pertama memiliki nilai total eigenvalues sebesar 2.121 yang berarti nilai yang mewakili total varian yang dijelaskan oleh faktor ini adalah 2.121 sedangkan nilai percent of varians 42.424 berarti faktor satu dapat menjelaskan keragaman indikator sebesar 42.424%.
faktor kedua memiliki nilai eigenvalues sebesar 1.019 yang berarti nilai yang mewakili total varian yang dijelaskan oleh faktor ini adalah 1.019 sedangkan nilai percent of varians sebesar 62.801 berarti faktor dua dapat menjelaskan keragaman indikator sebesar 62.801%.
Dari penjelasan ini dapat disimpulkan bahwa kesadaran membayar retribusi dan kondisi sekitar retribusi berpengaruh positif terhadap kemauan membayar retribusi pasar di Pasar Rangkasbitung. Dari hasil analisis ini dapat disimpulkan bahwa hanya dua faktor yang terbentuk atau faktor yang mempengaruhi kemauan membayar retribusi pasar di Pasar Rangkasbitung. Sedangkan untuk faktor ketiga, keempat, kelima bukan merupakan faktor yang mempengaruhi kemauan membayar retribusi pasar di Pasar rangkasbitung.
e. Scree Plot
Sumber: Data primer yang diolah,2016.
Gambar 4.7 Scree Plot
83 Scree plot merupakan suatu plot nilai eigen (eigenvalue) terhadap jumlah faktor yang diekstraksi. Titik pada tempat dimana scree mulai terjadi menunjukkan banyaknya faktor yang tepat. Titik ini terjadi ketika scree mulai terlihat mendatar. Pada gambar 4.2 diketahui bahwa scree plot mulai mendatar pada ekstraksi variabel-variabel awal menjadi 2 faktor.
f. Component Matrix
Analisis berikutnya adalah apakah faktor yang terbentuk memiliki korelasi antar variabel sudah tepat atau dengan cara melihat korelasi kelima faktor yang terbentuk. Hasil korelasi antara variabel dapat dilihat dari component matrix yang tersaji pada tabel berikut ini:
Tabel 4.22 Component Matrix
Component Matrixa
Component
1 2
Kesadaran .793 .094
Kondisi sekitar .230 .919
Kepatuhan .819 .049
Manajemen pelayanan .688 -.193
Efektivitas Pemungutan .543 -.354
Extraction Method: Principal Component Analysis.
a. 2 components extracted.
Sumber: data primer yang diolah, 2016
Dari tabel 4.22 Tabel component matrix menunjukkan besarnya korelasi tiap variabel dalam faktor yang terbentuk. Nilai-nilai koefisien korelasi antara variabel dengan faktor-faktor yang terbentuk (loading faktor) dapat dilihat pada tabel component matrix.
84 Kedua faktor tersebut menghasilkan matrix loading faktor yang nilai-nilainya merupakan koefisien korelasi antara variabel dengan faktor-faktor tersebut. Bila dilihat variabel-variabel yang berkorelasi terhadap setiap faktornya, ternyata loading faktor yang dihasilkan belum mampu memberikan arti sebagaimana yang diaharapkan.
Hal ini terlihat dari variabel efektivitas pemungutan retribusi dimana korelasi variabel ini dengan faktor 1 sebesar 0,543 sedangkan dengan faktor 2 sebesar -0,354 (tanda negatif hanya menunjukkan arah korelasi), sehingga masih menemui kesulitan untuk memutuskan apakah variabel ini termasuk faktor 1 atau faktor 2. Tiap faktor belum dapat dinterpretasikan dengan jelas sehingga perlu dilakukan rotasi dengan metode varimax.
g. Rotated component Matrix
Tabel 4.23 Rotated Component Matrix
Rotated Component Matrixa
Manajemen pelayanan .713 -.054
Efektivitas Pemungutan .602 -.240
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Sumber: Data primer yang diolah,2016
Setelah dilakukan rotasi dengan metode varimax, diperoleh tabel yang tertera pada tabel 4.23 yaitu Rotated component Matrix. Terdapat perbedaan nilai
85 korelasi variabel dengan setiap faktor sebelum dan sesudah dilakukan rotasi varimax. Terlihat bahwa loading faktor yang dirotasi telah memberikan arti sebagaimana yang diharapkan dan setiap faktor sudah dapat diinterpretasikan dengan jelas.
Terlihat pula bahwa setiap variabel hanya berkorelasi kuat dengan salah satu faktor saja (tidak ada variabel yang korelasinya > 0,5 dikedua faktor). Dengan demikian, lebih tepat digunakan loading faktor yang telah dirotasi sebab faktor sudah dapat menjelaskan keragaman variabel dengan tepat, dan hasilnya adalah sebagai berikut:
i. Faktor 1 (Faktor non lingkungan), beberapa variabel yang memiliki korelasi kuat dengan Faktor non lingkungan adalah variabel kesadaran membayar retribusi, variabel kepatuhan wajib retribusi, variabel manajemen pelayanan petugas pasar, dan variabel efektivitas pemungutan retribusi.
ii. Faktor 2 (Faktor lingkungan), variabel yang memiliki korelasi kuat dengan faktor lingkungan adalah variabel kondisi sekitar retribusi.
4. Pembahasan Analisis Faktor a. Pembahasan dari olahan data
Analisis diatas sering disebut sebagai confirmatory faktor analisis, karena tujuannya ingin mencari faktor yang paling dominan yang mempengaruhi tingkat kemauan membayar retribusi pasar wajib retribusi di Pasar rangkasbitung.
Langkah selanjutnya adalah interpretasi dan mengimplementasikan
masing-86 masing faktor yang dijelaskan oleh variabel dan indikator variabel yang berkorelasi membentuk suatu faktor.
a. Kesadaran membayar retribusi memberikan pengaruh positif terhadap tingkat kemauan membayar retribusi pasar di Pasar Rangkasbitung.
Berarti semakin tinggi tingkat kesadaran membayar retribusi pasar para pedagang di Pasar Rangkasbitung maka akan semakin tinggi pula tingkat kemauan membayar retribusi pasar para pedagang.
b. Kondisi sekitar retribusi memberikan pengaruh positif terhadap tingkat kemauan membayar retribusi pasar para pedagang di pasar Rangkasbitung. Berarti hal ini menunjukan ketika kondisi sekitar retribusi pasar semakin baik maka akan semakin tinggi pula tingkat kemauan membayar retribusi pasar para pedagang di Pasar Rangkasbitung.
c. Kepatuhan wajib retribusi tidak memberikan pengaruh terhadap tingkat kemauan membayar retribusi pasar para pedagang di Pasar Rangkasbitung, atau dapat dikatakan kepatuhan wajib retribusi bukan merupakan faktor yang dapat mempengaruhi tingkat kemauan membayar retribusi pasar para pedagang di pasar rangkasbitung, jadi ketika kepatuhan wajib retribusi semakin tinggi hal ini tidak memiliki pengaruh terhadap tingkat kemauan membayar retribusi pasar.
d. Manajemen pelayanan petugas pasar tidak memberikan pengaruh terhadap tingkat kemauan membayar retribusi pasar para pedagang di Pasar rangkasbitung, atau dapat dikatakan manajemen pelayanan petugas
87 pasar bukan merupakan faktor yang mempengaruhi tingkat kemauan membayar retribusi pasar di Pasar rangkasbitung, Jadi ketika manajemen pelayanan petugas pasar semakin baik hal ini tidak memiliki pengaruh terhadap tingkat kemauan membayar retribusi pasar.
e. Efektivitas pemungutan retribusi tidak berpengaruh positif terhadap tingkat kemauan membayar retribusi pasar para pedagang di Pasar Rangkasbitung, atau dapat dikatakan efektivitas pemungutan retribusi pasar bukan merupakan faktor yang mempengaruhi tingkat kemauan membayar retribusi pasar di Pasar Rangkasbitung, Jadi ketika efektivitas pemungutan retribusi pasar semakin baik hal ini tidak memiliki pengaruh terhadap tingkat kemauan membayar retribusi pasar.