Data dan informasi yang telah terkumpul baik dari tingkat individu dan organisasi kemudian diolah secara deskriptif dan kuantitatif. Pengolahan tersebut bertujuan untuk mengetahui karakteristik konsumen, proses pembelian konsumen serta faktor-faktor yang dipertimbangkan konsumen restoran Daiji Raamen.
4.3.1. Analisis Faktor (Komponen Utama)
Tujuan utama Analisis Faktor adalah untuk menjelaskan, jika mungkin, hubungan kovarians antara variabel- variabel yang tidak teramati dalam jumlah tertentu yang disebut Faktor. Variabel-variabel dapat dikelompokkan dengan korelasinya. Semua variabel dalam grup tertentu sangat berkorelasi antara mereka
113 sendiri, tetapi memiliki korelasi yang relatif kecil dengan variabel dalam kelompok yang berbeda (Johnson dan Wichern 2007).
Salah satu teknik yang sering digunakan dalam analisis multivariat adalah Analisis Faktor. Analisis Faktor dimulai dengan pengujian variabel-variabel yang biasa dilakukan proses factoring, melakukan ekstraksi variabel, rotasi jika diperlukan dan diakhiri dengan penamaan faktor atau komponen (Simamora 2005). Analisis Faktor digunakan untuk menganalisis faktor-faktor yang menjadi pertimbangan utama konsumen Daiji Raamen. Dalam Analisis Faktor, tidak dipilih salah satu variabel, tetapi mencari variabel baru (yang dinamakan faktor atau komponen utama) untuk mewakili seluruh variabel.
Secara matematis, Analisis Faktor menyerupai analisis regresi berganda dalam hal adanya kombinasi linier yang diperhatikan setiap variabel pada faktor- faktor yang mendasarinya. Perbedaannya adalah bila dalam regresi berganda terdapat variabel bebas dan tak bebas, namun pada Analisis Faktor tidak terdapat variabel tersebut sehingga tidak ada model kausalitas untuk Analisis Faktor (Santoso, 2006).
Ekstraksi faktor bertujuan untuk menghasilkan sejumlah faktor dari data yang ada. Dalam penelitian, tujuan dari ekstraksi adalah untuk menghasilkan variabel latent. Oleh karena itu, hanya faktor-faktor yang memiliki latent root
(eigenvalue) minimum satu yang akan dipertahankan. Ini dapat berarti bahwa sebuah faktor dapat dianggap sebagai faktor, bila paling sedikit dapat menjelaskan variansi suatu variabel atau setiap variabel menyumbangkan nilai satu pada total eigenvalue. Maka hanya faktor dengan eigenvalue > 1 yang dianggap signifikan.
Ada dua metode dasar Analisis Faktor, yaitu Principal Component Analysis dan Metode Maksimum Likelihood (Johnson and Wichern 2007). Dalam Analisis Faktor, total varians terdiri dari tiga elemen. Pertama, common variance, yaitu varians suatu variabel yang juga dimiliki variabel-variabel lain (variance in a variable that is shared with all other variables). Kedua, specific variance, yaitu varians yang dimiliki hanya oleh sebuah variabel. Ketiga, error, yaitu varians yang disebabkan oleh kesalahan pengukuran, kesalahan alat ukur ataupun kesalahan pemilihan sampel.
114 Pada penelitian kali ini yang digunakan adalah Principal Component atau Komponen Utama. Analisis Komponen Utama menggunakan total varians dalam analisisnya. Metode ini menghasilkan faktor yang memiliki spesific variance dan
error variance yang paling kecil. Analisis Komponen Utama bertujuan untuk mengetahui jumlah faktor minimal yang dapat diekstrak (Simamora 2005). Pengolahan data menggunakan Analisis Faktor metode ekstraksi Komponen Utama dengan SPSS 17.0 dan Microsoft Office Excel 2007.
4.3.1.1. Interpretasi Output
Analisis deskriptif memberikan gambaran tentang data yang dimiliki. Dalam mendeskripsikan data, dapat digunakan berbagai cara. Pada Analisis Faktor, gambaran diberikan melalui rata-rata dan standar deviasi setiap variabel.
Data hasil penelitian Analisis Faktor terhadap 21 variabel yang dipertimbangkan konsumen restoran Daiji Raamen diuji kelayakannya dengan menggunakan alat pengujian berdasarkan korelasi antar variabel yaitu dengan
Kaiser-Meyer Olkin - Measure of Sampling Adequacy (KMO-MSA) dan Tes
Bartlett. Nilai uji KMO yang nilainya berkisar antara 0 sampai 1 ini mempertanyakan kelayakan (appropriateness) Analisis Faktor. Apabila nilai indeks tinggi (berkisar antara 0,5 sampai 1), Analisis Faktor layak dilakukan. Sebaliknya, bila nilai KMO di bawah 0,5 Analisis Faktor tidak layak dilakukan.
Tes Bartlett merupakan tes statistik untuk menguji apakah betul variabel- variabel yang dilibatkan berkorelasi, sehingga variabel memadai untuk menganalisis faktor-faktor yang dipertimbangkan konsumen Daiji Raamen. Hipotesis nol (H0) adalah variabel-variabel asal belum memadai untuk
menganalisis faktor-faktor yang dipertimbangkan konsumen Daiji Raamen. Sedangkan Hipotesis satu (H1)adalah variabel-variabel asal sudah memadai untuk
menganalisis faktor-faktor yang dipertimbangkan konsumen Daiji Raamen. Nilai Tes Bartlett didekati dengan dengan nilai Chi-Square, kriterianya dengan melihat probabilitas (signifikansi):
a. Angka sig > 0.05 berarti variabel-variabel asal kurang signifikan untuk menganalisis faktor-faktor yang dipertimbangkan konsumen Daiji Raamen pada taraf nyata 5 persen (H0 diterima).
115 b. Angka sig < 0.05 berarti variabel-variabel cukup signifikan untuk menganalisis faktor-faktor yang dipertimbangkan konsumen Daiji Raamen pada taraf nyata 5 persen (H0 ditolak).
Selanjutnya dilakukan proses ekstraksi variabel sehingga dihasilkan beberapa variabel atau disebut Komponen Utama. Jumlah optimal Komponen Utama yang terbentuk ditentukan berdasarkan Eigenvalue dengan nilai lebih besar dari 1. Selain dengan perhitungan yang disajikan oleh Tabel Total Variance Explained, jumlah Komponen Utama yang optimal juga ditampilkan oleh grafik
Scree Plot (pada lampiran hasil olahan Analisis Faktor).
Eigenvalue menunjukkan kepentingan relatif masing-masing faktor dalam menghitung keragaman seluruh variabel yang dianalisis. Pengelompokan sebuah variabel ke dalam Komponen Utama ditentukan oleh Loading Factor dari masing- masing variabel yang tersaji pada Tabel Component Matrix (pada lampiran hasil olahan Analisis Faktor).
Loading Factor yang didapat biasanya tidak terlalu bagus untuk diinterpretasikan. Hal ini dikarenakan Komponen Utama yang terbentuk, pada banyak kasus kurang berbeda nyata, sehingga dapat mengganggu analisis. Untuk mempermudah interpretasi, dilakukan rotasi terhadap Matrix Loading. Sehingga perbedaan antara Komponen Utama yang terbentuk lebih jelas. Rotasi dilakukan dengan memutar kedua faktor yang belum dirotasi. Rotasi dapat dilakukan dengan dua cara. Pertama, rotasi dilakukan dengan mempertahankan sudut kedua faktor sebesar 900, cara ini disebut rotasi ortogonal. Tujuannya selain untuk mempertajam perbedaan Factor Loading setiap variabel untuk kedua faktor, juga untuk mempertahankan keadaan di mana di antara faktor-faktor yang diekstrak tidak terdapat korelasi. Kedua, rotasi tanpa memperhatikan sudut kedua faktor setelah rotasi. Rotasi demikian disebut rotasi Oblique. Quartimax, Varimax, dan
Equimax adalah metode rotasi ortogonal yang umum dikenal (Simamora 2005). Yanng paling banyak dipakai adalah Varimax, dan pada penelitian kali ini metode
Varimax-lah yang dipakai. Metode ini dipilih selain karena sering digunakan, juga karena sering terbukti lebih baik dalam menunjukkan perbedaan antar faktor. Rotasi ini dilakukan dengan merotasi faktor awal hasil ekstraksi sehingga diperoleh hasil rotasi dimana dalam satu kolom, nilai yang ada sebanyak mungkin
116 mendekati nol. Hasil dari proses rotasi tersebut akan disajikan dalam Tabel
Rotated Component Matrix.
Alat analisis ini dipilih dengan pertimbangan bahwa kelebihan Analisis Faktor adalah dapat menjelaskan hubungan antar variabel-variabel yang diduga dipertimbangkan konsumen restoran Daiji Raamen. Dengan demikian pihak manajemen dapat mendapatkan tambahan informasi mengenai faktor-faktor yang dipertimbangkan konsumen, sehingga pihak manajemen akan dapat menyusun strategi yang berdasar informasi konsumen.
117