BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3. Hasil Analisis Faktor
4.3.3. Nilai Communality
Communality pada dasarnya merupakan jumlah varians (perubahan
atau variasi yang mungkin terjadi) dari suatu variabel yang dipengaruhi faktor yang akan terbentuk. Demikian pula untuk variabel-variabel yang lain, dengan cara yang sama dapat diinterprestasikan yang sama untuk menunjukkan besarnya keeratan hubungan masing-masing variabel dengan komponen / faktor yang akan terbentuk, dimana semakin besar nilai communality pada suatu variabel, maka semakin erat hubungannya dengan komponen / faktor yang akan dibentuk.
3.4.3.4. Eigenvalue
Berdasarkan nilai eigenvalue yang bernilai di atas 1 terdapat pada
component 1 sampai component 3, maka hal ini menunjukkan hasil
analisis faktor menghasilkan pengelompokkan variabel menjadi 3 (tiga) faktor karena 3 faktor merupakan hasil yang paling bagus untuk meringkas atau mereduksi kesepuluh faktor atau atribut yang telah dianalisis. Hal ini juga ditunjukkan oleh hasil scree plot yang digambarkan pada gambar yang terdapat pada lampiran 5.
Sedangkan dari component number tiga ke empat arah garis menurun dari eigenvalue diatas 1 menjadi dibawah 1 yang
memberikan arti bahwa keseluruhan variabel yang membentuk faktor secara simultan mempengaruhi nilai eigvalue dari sekitar angka diatas 1 menjadi dibawah 1.
Kemudian component number ke 4 dan seterusnya sudah dibawah angka 1 dari sumbu Y (eigenvalue). Hal ini membuktikan bahwa hanya ada tiga faktor saja yang paling baik untuk meringkas atau mereduksi kesepuluh variabel yang dianalisis karena hanya pada
component number ke satu sampai tiga yang mempunyai nilai
eigenvalue lebih besar dari 1, sedangkan untuk compone number ke empat dan seterusnya nilai eigenvalue yang diperoleh lebih kecil dari 1.
3.4.3.5. Component Matr ix
Fungsi dari matriks komponen (component Matrix) adalah untuk menguraikan dan menjelaskan distribusi dari kesepuluh variabel atau atribut yang diteliti kedalam empat faktor yang membentuk. Angka-angka yang terdapat didalam table matriks komponen diatas merupakan angka faktor loadings, yang menunjukkan besarnya korelasi antara masing-masing variabel dengan faktor yang akan terbentuk sehingga akan diketahui suatu variabel ikut mengelompok pada faktor yang sama.
3.4.3.6. Rotated Component Matr ix
Proses terakhir dalam analisis faktor adalah mengidentifikasikan rotasi matriks komponen yang dihasilkan oleh analisis faktor. Seperti yang telah disebutkan sebelumnya bahwa rotasi matriks komponen ini diperlukan karena adanya korelasi yang hampir sama antara variabel dengan salah satu diantara keempat faktor yang terbentuk, sehingga akan terjadi kesulitan pengelompokan variabel kedalam salah satu dari ketiga faktor yang terbentuk.
3.4.3.7. Penyusunan Nama Faktor Yang Terbentuk
Dari analisis faktor yang telah dilakukan diperoleh hasil bahwa sampai dengan tahapan rotasi tidak ada satu pun variabel yang dikeluarkan karena kesepuluh variabel yang diteliti mempunyai nilai faktor loadings lebih besar dari 0,5, sementara itu analisis faktor yang dilakukan berhasil mereduksi 10 variabel yang diteliti menjadi empat faktor utama yang menjadi pertimbangan nasabah dalam memilih produk tabungan pada Bank Umum di Surabaya.
4.1. DISKRIPSI HASIL PENELITIAN 4.1.1. Keadaan Responden
Data mengenai keadaan responden dapat diketahui melalui jawaban responden dari pertanyaan-pertanyaan yang diajukan didalam pertanyaan umum kuesioner yang telah diberikan. Dari jawaban-jawaban tersebut diketahui hal-hal seperti dibawah ini :
4.1.2. J enis Kelamin Responden
Berikut ini adalah distribusi jenis kelamin responden, Nasabah yang memilih produk tabungan pada Bank Umum di Surabaya:
Table 4. Distr ibusi J enis Kelamin Responden
No J enis Kelamin Fr ekuensi Persentase
1 Laki-Laki 40 40 %
2 Perempuan 60 60 %
Total 100 100
Sumber : Data Diolah
Hasil penelitian menunjukkan bahwa jenis kelamin perempuan mempunyai proporsi yang lebih dominant yaitu 60 % dibandingkan laki-laki dengan presentase 40 %.
4.1.3. Distribusi Usia Responden
Berikut adalah distribusi usia responden Nasabah yang memilih produk tabungan pada Bank Umum di Surabaya :
Table 5 : Distribusi Usia Responden
No Usia Responden Fr ekuensi Pr esentase
1 < 20 Tahun 5 5 % 2 20 – 29 Tahun 10 10 % 3 30 – 39 Tahun 69 69 % 4 40 – 49 Tahun 11 11 % 5 > 50 Tahun 5 5 % Total 100 100
Sumber : Data diolah
Berdasarkan distribusi usia yaga ada menunjukkan bahwa sebagian besar usia responden, yaitu responden Nasabah yang memilih produk tabungan pada Bank Umum di Surabaya urutan terbanyak pertama usia 30 – 39 tahun dengan presentase 69 %, usia 20 – 29 tahun dan 40 – 49 tahun sama besarnya yaitu masing-masing 10 % dan 11 %, usia kurang dari 20 tahun presentasenya 5 % dan lebih dari 50 tahun 5 %.
4.2. UJ I KUALITAS DATA 4.2.1. Uji Validitas
Uji validitas dimaksudkan untuk mengetahui derajat ketepatan alat ukur penelitian tentang isi kebenaran yang diukur. Analisis validitas item bertujuan untuk menguji apakah tiap butir pertanyaan benar-benar telah sah, paling tidak kita dapat menetapakan derajat yang tinggi dari kedekatan data yang diperoleh dengan apa yang kita yakini dalam pengukuran.
Tabel 6 : Uji Validitas
Items Coefesien Sig Keterangan
1 0,160 0,000 Valid 2 0,314 0,000 Valid 3 0,158 0,000 Valid 4 0,491 0,000 Valid 5 0,502 0,000 Valid 6 0,545 0,000 Valid 7 0,468 0,000 Valid Sumber : Lampiran 3
Sebagai alat ukur yang digunakan, analisis ini dilakukan dengan cara mengkorelasikan antara skor item dengan skor total item. Dalam hal ini koefisien korelasi yang di nilai signifikansinya lebih kecil dari 5 % menunjukkan bahwa item-item yang sudah dipilih sebagai pembentuk indicator dari tabel diatas semua variabel mempunyai tingkat signifikansi dibawah 0,05 yang berarti semua data tersebut valid.
4.2.2. Uji Reliabilitas Tabel 7 : Reliabilitas Reliability Statistics .693 .681 8 Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items
Sumber : Hasil Analisis Faktor, Lampiran 3
Uji reliabilitas adalah cara untuk menguji sejauh mana hasil suatu pengukuran dapat dipercaya. Alat ukur memiliki reliabilitas yang tinggi jika dalam beberapa kali pelaksanaan pengukuran terhadap kelompok subjek yang sama diperoleh hasil yang relative sama, selama aspek yang diukur dalam diri subjek memang belum berubah. Hasil perhitungan dengan menggunakan program SPSS didapat nilai Alpha sebesar 0,693 lebih besar dari batas bawah yang ditentukan sebesar 0,681. Bila hasilnya kurang dari 0,681 berarti buruk; 0,693 dapat diterima dan lebih dari 0,681, maka hasilnya baik. Jadi dengan nilai Alpha sebesar 0,681 maka data tersebut adalah reliable.
4.2.3. Uji Normalitas
Normalitas adalah salah satu syarat suatu data dapat diolah menggunakan multivariate. Namun untuk menentukan normal tidaknya suatu data yang terbentuk multivariate tidaklah mudah, karena normalitas suatu data yang bersifat multivariate harus diukur secara khusus, namun kita dapat melihat normalitas masing-masing variable dengan asumsi jika semua variable normal, maka multivariatenya juga akan normal.
Hasil pengujian normalitas diperoleh sebagai berikut : Tabel 8 : Uji Normalitas Univar iate
Items Kolmoggorov – sminov
Statistic Df Sig X1 2,142 100 0,000 X2 2,359 100 0,000 X3 2,536 100 0,000 X4 1,779 100 0,000 X5 1,977 100 0,000 X6 2,721 100 0,000 X7 2,673 100 0,000
Sumber : Hasil Analisis Faktor, Lampiran 4
Dari hasil pengujian data tersebut terlihat bahwa semua variable mempunyai nilai statistic K-S lebih kecil dari 0,05. maka dapat disimpulkan bahwa data semua variable yang diteliti memenuhi syarat normalitas.
4.3. Hasil Analisis Faktor
4.3.1. Nilai KMO dan Bar tlett’s Test
Untuk menentukan variable output pada perhitungan analisis faktor dengan memasukkan variable didapat bahwa hasil KMO Measure of Sampling Adequancy (MSA) sebesar 0,631, dimana nilai signifikansi yang diperoleh sebesar 0,000 atau lebih kecil dari 0,05, seperti terlihat dalam table berikut ini :
Tabel 9. Nilai KMO
KMO and Bartlett's Test
.631 66.605 10 .000 Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. Approx. Chi-Square df Sig. Bartlett's Test of Sphericity
Sumber : Hasil Analisis Faktor, Lampiran 2
Karena angka KMO dan Bartlett’s test tersebut sudah diatas 0,5 dan tingkat signifikansi yang muncul jauh dibawah 0,05 maka variable atau atribut yang ada dapat dianalisis lebih lanjut.
4.3.2. MSA (Measure of Sampling Adequacy)
Nilai MSA yang dihasilkan berkisar antara 0 (nol) dan 1 (satu) dengan interprestasi jika MSA sama dengan 1 (satu) berarti variable yang diteliti dapat diprediksi tanpa mengalami kesalahan lebih variable lain. Jika nilai MSA berada diantara 0,5 sampai dengan 1 (satu) berarti variable
tersebut dapat diprediksi dan dapat dianalisis lebih lanjut. Pada tabel Anti
Image Matrices terlihat sejumlah angka yang membentuk diagonal, yang
berbeda ‘a’ yang menandakan besaran MSA sebuah variabel. Tampak bahwa tidak ada variabel yang memiliki MSA di bawah 0,5 dengan demikian tidak ada variabel out nya dan variabel dapat dilanjutkan pada proses selanjutnya, seperti terlihat dalam table berikut ini.
Tabel 10 : Nilai MSA (Measure of Sampling Adequacy)
Variabel Variabel / Atr ibut MSA
X2 Persepsi terhadap Lokasi Bank 0,706
X4 Persepsi terhadap ATM 0,645
X5 Persepsi terhadap Pelayanan 0,697
X6 Persepsi terhadap Teknologi Informasi 0,615
X7 Persepsi terhadap Situasi Bank 0,584
Sumber : Hasil Analisis Faktor, Lampiran 2
Berdasarkan table tersebut terlihat dari 5 (Lima) variable, semua variable mempunyai nilai MSA lebih dari 0,5. Maka analisis faktor dapat dilanjutkan untuk menentukan pengelompokan variable-variabel tersebut ke dalam suatu faktor tertentu.
4.3.3. Nilai Communality
Communality pada dasarnya merupakan jumlah varians (perubahan
atau variasi yang mungkin terjadi) dari suatu variable yang dipengaruhi faktor yang akan terbentuk.
Table. 11 : Nilai Communality
Communalities 1.000 .566 1.000 .572 1.000 .496 1.000 .708 1.000 .682 X2 X4 X5 X6 X7 Initial Extraction
Extraction Method: Principal Component Analysis.
Sumber : Hasil Analisis Faktor, Lampiran 2
Berdasarkan hasil perhitungan dengan menggunakan 5 variabel didapat nilai communalities, sebagaimana Nampak pada tabel diatas pengertian dari besaran yang ada adalah :
1. Variabel X2 didapat nilai extraction sebesar 0,566. Dapat diartikan bahwa 56,6 % varians dari variabel bentuk dapat dijelaskan oleh faktor yang nanti terbentuk.
2. Variabel X4 didapat nilai extraction sebesar 0,572. Dapat diartikan bahwa 57,2 % varians dari variabel bentuk dapat dijelaskan oleh faktor yang nanti terbentuk.
3. Variabel X5 didapat nilai extraction sebesar 0,496. Dapat diartikan bahwa 49,6 % varians dari variabel bentuk dapat dijelaskan oleh faktor yang nanti terbentuk.
4. Variabel X6 didapat nilai extraction sebesar 0,708. Dapat diartikan bahwa 70,8 % varians dari variabel bentuk dapat dijelaskan oleh faktor yang nanti terbentuk.
5. Variabel X7 didapat nilai extraction sebesar 0,682. Dapat diartikan bahwa 68,2 % varians dari variabel bentuk dapat dijelaskan oleh faktor yang nanti terbentuk.