memiliki ketepan sebesar 60% pada tingkat penyimpangan 5%
PENEMUAN DAN PEMBAHASAN
D. Pembahasan Analisis Faktor
Selanjutnya setelah pembahasan kuesioner, maka dilakukan pembahasan
untuk analisis faktor. Berikut ini adalah penjelasan dan langkah-langkah
mengenai hasil pengolahan data dengan menggunakan analisis faktor.
1. Menentukan variabel yang akan dianalisa
Variabel yang dianalisis dalam penelitian ini adalah sebanyak 27
variabel. Yang pada tahap sebelumnya telah melalui uji validitas dan
reliabilitas. Untuk itu maka ke 27 variabel ini akan diuji dengan analisis
faktor.
2. Menguji variabel-variabel yang telah ditentukan
ke 27 variabel yang diuji, dimasukkan ke dalam analisis faktor untuk
diuji nilai KMO dan Bartlett Test dan MSA (measures of sampling
adequancy). , nilai MSA harus diatas 0,5. berikut ini adalah tabel dari nilai
Tabel 4.34 KMO and Bartlett's Test
,666 876,152 351 ,000 Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. Approx. Chi-Square df Sig. Bartlett's Test of Sphericity
Sumber: Hasil output SPSS
Berdasarkan dari tabel diatas dapat dilihat bahwa angka KMO dan Barlett Test adalah 0, 666 dengan tingkat signifikansi 0, 000. oleh sebab
itu, maka variabel dan sampel yang ada dapat dianalisis lebih lanjut.
Angka MSA dalam tabel anti image matriks yang terdapat pada anti
image correlation, menunjukkan nilai citarasa (Q1) adalah 0,643, aroma
(Q2) adalah 0,627, tingkat kepahitan (Q3) adalah 0,749, warna (Q4)
adalah 0,569, tingkat kekentalan (Q5) adalah 0,761, kesesuaian harga
dengan manfaat (Q6) adalah 0,710, harga sebagai pertimbangan akhir
(Q7) adalah 0,709, iklan (Q8) adalah 0,611, promosi penjualan (Q9)
adalah 0,777, pemasaran langsung (Q10) adalah 0,664, kemudahan dalam
mendapatkan produk (Q11) adalah adalah 0,681, pelayanan (Q12) adalah
0,655, lokasi (Q13) adalah adalah 0,792, kebiasaan (Q14) adalah 0,669,
usia (Q15) adalah 0,674, jenis pekerjaan (Q16) adalah 0,725, tingkat
sekerja (Q21) adalah 0,605, teman dekat (Q22) adalah 0,656, teman
sekomunitas (Q23) adalah 0,548, keyakinan (Q24) adalah 0,747, dorongan
(Q25) adalah 0,742, persepsi (Q26) adalah 0,743, pengalaman (Q27)
adalah 0,627.
Dari ke 27 variabel yang ada, maka selanjutnya dapat dilihat nilai
MSAnya. Apabila ada nilai MSA yang dibawah 0,5 maka variabel tersebut
tidak dapat di analisis lebih lanjut. Dari ke 27 variabel nilai MSA yang
paling kecil adalah keluarga (Q20) dengan nilai MSA 0, 446, oleh sebab
itulah keluarga dikeluarkan dari faktor karena memiliki angka MSA
terkecil.
Setelah variabel keluarga dikeluarkan dari faktor, maka langkah
selanjutnya adalah melakukan pengujian ulang ke 26 variabel yang tersisa.
Untuk melihat hal tersebut maka dapat dilihat dari nilai KMO dan Bartlett
Test serta Nilai MSA.
Tabel 4. 35 KMO and Bartlett's Test
,691 801,550 325 ,000 Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. Approx. Chi-Square df Sig. Bartlett's Test of Sphericity
Sumber: Hasil output SPSS
Dari hasil output pada tabel 4.25 dapat dilihat bahwa nilai KMO dan
Barlett Test mengalami kenaikan dari 0,666 menjadi 0,691 dengan tingkat
dengan angka MSA terkecil. Hal tersebut itulah yang dapat meningkatkan
angka MSA yang ada.
Angka MSA pada tabel Anti Image Matriks pada bagian Anti Image
Correlation, menunjukkan nilai MSA dari 26 variabel sebagai berikut ini:
citarasa (Q1) adalah 0,706, aroma (Q2) adalah 0,700, tingkat kepahitan
(Q3) adalah 0,739,warna (Q4) adalah 0,569, tingkat kepekatan (Q5) adalah
0,758, kesesuaian produk terhadap manfaat produk (Q6) adalah 0,701,
harga sebagai pertimbangan akhir (Q7) adalah 0,709, iklan (Q8) adalah
0,652, promosi penjualan (Q9) adalah 0,769, pemasaran langsung (Q10)
adalah 0,645, kemudahan dalam mendapatkan produk (Q11) adalah 0,665,
pelayanan (Q12) adalah 0,651, lokasi (Q13) adalah 0,822, kebiasaan (Q14)
adalah 0,665, usia (Q15) adalah 0,665, jenis profesi (Q16) adalah 0,710,
tingkat pendidikan (Q17) adalah 0,499, tingkat penghasilan (Q18) adalah
0,621, gaya hidup (Q19) adalah 0,702, rekan sekerja (Q21) adalah 0,662,
teman dekat (Q22) adalah 0,659, teman sekomunitas (Q23) adalah 0,569,
keyakinan (Q24) adalah 0,779, dorongan (Q25) adalah 0,744, Persepsi
(Q26) adalah 0,778, pengalaman (Q27) adalah 0,717. pada variabel tingkat
pendidikan (Q17) dengan nilai MSAnya 0,499 dibawah 0,5, maka harus
dibuang dan tidak dapat dianalisis lebih lanjut.
KMO and Bartlett's Test
,700 766,591 300 ,000 Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. Approx. Chi-Square df Sig. Bartlett's Test of Sphericity
Sumber: Hasil Ouput SPSS
Berdasarkan tabel tersebut KMO dan Bartlett Test nilainya meningkat
menjadi 0,700 dengan signifikan 0,000. dengan nilai MSAnya
masing-masing: citarasa (Q1) adalah 0,704, aroma (Q2) adalah 0,718, tingkat
kepahitan (Q3) adalah 0,740, warna (Q4) adalah 0,563, tingkat kekentalan
(Q5) adalah 0,753, kesesuaian harga dengan manfaat produk (Q6) adalah
0,697, harga sebagai pertimbangan akhir (Q7) adalah 0,709, iklan (Q8)
adalah 0,653, promosi penjualan (Q9) adalah 0,764, pemasaran langsung
(Q10) adalah 0,641, ketersediaan produk dipasar (Q11) adalah 0,669,
pelayanan (Q12) adalah 0,696, lokasi (Q13) adalah 0,813, kebiasaan (Q14)
adalah 0,662, usia (Q15) adalah 0,692, profesi (Q16) adalah 0,716,
penghasilan (Q18) adalah 0,655, gaya hidup (Q19) adalah 0,734, rekan
sekerja (Q21) adalah 0,655, teman dekat (Q22) adalah 0,663, teman
sekomunitas (Q23) adalah 0,561, keyakinan (Q24) adalah 0,769, dorongan
(Q25) adalah 0,742, persepsi (Q26) adalah 0,772, pengalaman (Q27)
adalah 0,764. dengan demikian nilai MSA semuanya sudah diatas 0,5, hal
tersebut dapat dianalisis lebih lanjut.
Berdasarkan buku Singgih Santoso (2004:19) angka KMO dan
berdasarkan dari nilai KMO dan Bartlett Test, maka dari 0,666 terdapat
nilai MSA yang kurang dari 0,5 maka variabel tersebut harus dibuang,
terdapat kenaikan menjadi 0,691 nilai KMO dan Bartlett Test, namun
masih ada nilai MSA yang kurang dari 0,5 oleh sebab itu harus dibuang,
dan sesudah dibuang maka terjadi kenaikan nilai KMO dan Bartlett testnya
menjadi 0,700. oleh sebab itu dengan nilai MSA sudah diatas 0,5 , maka
dapat dianalisis lebih lanjut.
3. Melakukan faktoring dan rotasi
Sesudah semua variabel memiliki nilai yang mencukupi, tahap
selanjutnya adalah melakukan proses inti dari analisis faktor, yaitu
melakukan ekstraksi terhadap sekumpulan variabel yang sudah ada,
sehingga terbentuk satu atau beberapa faktor. Dalam melakukan proses
ekstraksi ini metode yang digunakan adalah Principal Component
Analysis. setelah delapan faktor terbentuk untuk mengetahui dari sekian
25 variabel yang akan masuk dalam faktor mana, maka dilakukan proses
rotasi dengan menggunakan metode varimax (bagian dari orthogonal).
Tabel 4. 37 Communalities
Communalities 1,000 ,687 1,000 ,663 1,000 ,764 1,000 ,763 1,000 ,677 1,000 ,521 1,000 ,741 1,000 ,728 1,000 ,638 1,000 ,757 1,000 ,579 1,000 ,713 1,000 ,614 1,000 ,623 1,000 ,550 1,000 ,557 1,000 ,524 1,000 ,503 1,000 ,677 1,000 ,812 1,000 ,786 1,000 ,619 1,000 ,624 1,000 ,553 1,000 ,510 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q13 Q14 Q15 Q16 Q18 Q19 Q21 Q22 Q23 Q24 Q25 Q26 Q27 Initial Extraction
Extraction Method: Principal Component Analysis.
Sumber: Hasil output SPSS
Pada tabel diatas bahwa variabel citarasa (Q1) angkanya adalah 0,687
hal ini menunjukkan bahwa sekitar 68,7 % varians dari variabel citarasa
bisa dijelaskan oleh faktor yang terbentuk, variabel aroma (Q2) angkanya
adalah 0,663 hal ini menunjukkan bahwa 66,3 % varians dari variabel
aroma dapat dijelaskan dalam faktor yang terbentuk, variabel tingkat
kepahitan (Q3) angkanya adalah 0,764 hal ini menunjukkan 76,4 %
varians dari variabel yang tingkat kepahitan dapat dijelaskan dalam faktor
yang terbentuk, warna (Q4) angkanya adalah 0,763 hal ini menunjukkan
76,3 % varians dari variabel warna dapat dijelaskan dalam faktor yang
terbentuk, tingkat kekentalan (Q5) angkanya adalah 0,677 hal ini
menunjukkan 67,7 % varians dari variabel tingkat kekentalan dapat
produk (Q6) angkanya adalah 0,521 hal ini menunjukkan 52,1 % varians
dari variabel kesesuaian harga dan manfaat produk dapat dijelaskan dalam
faktor yang terbentuk, harga sebagai pertimbangan akhir (Q7) angkanya
adalah 0,741 hal ini menunjukkan 74,1 % varians dari variabel harga
sebagai pertimbangan akhir dapat dijelaskan dalam faktor yang terbentuk,
iklan (Q8) angkanya adalah 0,728 hal ini menunjukkan 72,8 % varians dari
variabel iklan dapat dijelaskan dalam faktor yang terbentuk, promosi
penjualan (Q9) angkanya adalah 0,638 hal ini menunjukkan 63,8 %
varians dari variabel promosi penjualan dapat dijelaskan dalam faktor yang
terbentuk, pemasaran langsung (Q10) angkanya adalah 0,757 hal ini
menunjukkan 75,7 % varians dari variabel pemasaran langsung dapat
dijelaskan dalam faktor yang terbentuk, kemudahan dalam mendapatkan
produk (Q11) angkanya adalah 0,579 hal ini menunjukkan 57,9 % varians
dari variabel kemudahan dalam mendapatkan produk dapat dijelaskan
dalam faktor yang terbentuk, pelayanan (Q12) angkanya adalah 0,713 hal
ini menunjukkan 71,3 % varians dari variabel pelayanan dapat dijelaskan
dalam faktor yang terbentuk, lokasi (Q13) angkanya adalah 0,614 hal ini
menunjukkan 61,4 % varians dari variabel lokasi dapat dijelaskan dalam
faktor yang terbentuk, kebiasaan (Q14) angkanya adalah 0,623 hal ini
menunjukkan 62,3 % varians dari variabel kebiasaan dapat dijelaskan
dalam faktor yang terbentuk, usia (Q15) angkanya adalah 0,550 hal ini
menunjukkan 55,7 varians dari variabel profesi dapat dijelaskan dalam
faktor yang terbentuk, tingkat penghasilan (Q18) angkanya adalah 0,524
hal ini menunjukkan 52,4 % varians dari variabel tingkat penghasilan
dapat dijelaskan dalam faktor yang terbentuk, gaya hidup (Q19) angkanya
adalah 0,503 hal ini menunjukkan 50,3 % varians dari variabel gaya hidup
dapat dijelaskan dalam faktor yang terbentuk, rekan sekerja (Q21)
angkanya adalah 0,677 hal ini menunjukkan 67,7 % varians dari variabel
rekan sekerja dapat dijelaskan dalam faktor yang terbentuk, teman dekat
(Q22) angkanya adalah 0,812 hal ini menunjukkan 81,2 % varians dari
variabel teman dekat dapat dijelaskan dalam faktor yang terbentuk, teman
sekomunitas (Q23) angkanya adalah 0,786 hal ini menunjukkan 78,6 %
varians dari variabel teman sekomunitas dapat dijelaskan dalam faktor
yang terbentuk, keyakinan (Q24) angkanya adalah 0,619 hal ini
menunjukkan 61,9 % varians dari variabel keyakinan dapat dijelaskan
dalam faktor yang terbentuk, dorongan (Q25) angkanya adalah 0,624 hal
ini menunjukkan 62,4 % varians dari variabel dorongan dapat dijelaskan
dalam faktor yang terbentuk, persepsi (Q26) angkanya adalah 0,553 hal ini
menunjukkan 55,3 % varians dari variabel persepsi dapat dijelaskan dalam
faktor yang terbentuk, pengalaman (Q27) angkanya adalah 0,510 hal ini
menunjukkan 51,0 % varians dari variabel pengalaman dapat dijelaskan
dalam faktor yang terbentuk.
Menurut Singgih Santoso (2004:42), menjelaskan bahwa tabel
persentase), suatu variabel mula-mula yang bisa dijelaskan oleh faktor
yang ada. Berdasarkan dari nilai-nilai yang ada pada tabel Communalities,
maka dapat diambil kesimpulan bahwa variabel-variabel yang ada dapat
dijelaskan didalam faktor yang terbentuk, semakin besar nilai
Communalities maka semakin erat hubungannya dengan faktor yang
terbentuk.
Menurut Singgih Santoso (2004:43), menjelaskan bahwa tabel Total
Variance Explained, menggambarkan jumlah faktor yang terbentuk.
Dalam melihat faktor yang terbentuk, maka dapat dilihat pada nilai
Eigenvaluenya. untuk menentukan faktor yang terbentuk, maka harus
dilihat nilai eigenvaluenya harus berada diatas satu (1), jika sudah berada
dibawah satu maka sudah tidak tepat. Eigen value menunjukkan
kepentingan relatif masing-masing faktor dalam menghitung varians dari
total variabel yang ada. Jumlah angka eigenvalue, susunanya selalu
diurutkan pada nilai yang terbesar sampai yang terkecil.
Tabel 4. 3 8 Total Variance Explained
Total Variance Explained 5,165 20,662 20,662 5,165 20,662 20,662 2,582 10,329 30,991 2,582 10,329 30,991 1,933 7,730 38,721 1,933 7,730 38,721 1,664 6,655 45,376 1,664 6,655 45,376 1,307 5,229 50,605 1,307 5,229 50,605 1,285 5,139 55,744 1,285 5,139 55,744 1,177 4,708 60,452 1,177 4,708 60,452 1,071 4,285 64,737 1,071 4,285 64,737 ,918 3,673 68,410 ,878 3,513 71,923 ,825 3,300 75,224 ,732 2,930 78,153 ,697 2,786 80,939 ,636 2,543 83,482 ,575 2,299 85,781 ,547 2,187 87,969 ,501 2,002 89,971 ,468 1,874 91,844 ,413 1,654 93,498 ,361 1,442 94,941 ,336 1,343 96,284 ,267 1,068 97,352 ,258 1,032 98,384 ,238 ,952 99,337 ,166 ,663 100,000 Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Total % of Variance Cumulative % Total % of Variance Cumulative % Initial Eigenvalues Extraction Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
Sumber: Hasil output SPSS
Pada tabel diatas dapat dilihat bahwa terdapat 25 variabel
(component) yang dimasukkan ke dalam analisis factor, yakni citarasa,
aroma, tingkat kepahitan, tingkat kekentalan, kesesuaian harga dengan
manfaat produk, harga sebagai pertimbangan akhir, iklan, promosi
penjualan, pemasaran langsung, kemudahan dalam mendapatkan produk,
pelayanan, lokasi, kebiasaan, profesi, pendidikan, penghasilan, gaya
hidup, rekan sekerja, teman dekat, teman sekomunitas, keyakinan,
dorongan, persepsi, pengalaman. Pada tabel diatas terlihat bahwa hanya 8
diatas 1, dengan 2 faktor eigen value masih diatas 1, dengan tiga factor
angka masih diatas 1, empat factor masih diatas 1, lima factor eigen value
masih diatas 1, enam factor masih diatas 1, tujuh factor masih diatas 1,
delapan factor eigen value masih diatas 1, sembilan faktor sudah berada
dibawah 1, oleh sebab itulah hanya terbatas 8 faktor.
Tabel 4. 3 9 Componen Matriks Component Matrix a ,443 ,088 ,296 -,368 ,168 -,469 -,001 -,108 ,511 ,080 ,170 -,387 ,043 -,449 ,116 -,009 ,572 -,063 -,262 ,446 ,201 -,217 -,233 ,154 ,418 ,048 -,201 ,606 ,206 -,348 -,111 ,053 ,590 -,062 -,049 ,023 -,432 -,122 -,074 ,339 ,502 ,074 -,326 ,272 -,258 -,011 -,046 ,118 ,505 ,412 -,142 -,346 ,101 ,109 -,349 -,178 ,429 ,358 -,323 -,228 ,201 ,321 -,341 ,026 ,602 ,190 -,167 ,146 -,001 ,047 ,393 -,184 ,403 ,008 -,311 ,099 ,212 ,394 ,534 -,051 ,422 ,482 ,177 -,226 ,094 -,126 ,227 ,096 ,438 -,091 -,044 ,304 -,122 -,008 -,157 -,616 ,458 -,212 -,273 -,250 -,085 ,094 -,008 -,455 ,316 ,382 ,305 ,195 ,493 -,037 -,014 -,036 ,300 ,514 ,247 -,024 -,055 ,304 -,070 ,185 ,381 ,517 ,138 ,154 -,023 ,244 ,110 ,173 ,300 ,277 ,376 ,069 -,443 ,103 -,002 ,071 ,438 -,246 -,284 -,156 -,013 -,122 ,330 ,150 ,302 -,342 ,551 ,287 -,045 ,235 ,140 -,083 ,466 -,542 ,488 ,118 ,136 ,043 -,151 ,079 ,389 -,502 ,258 -,143 ,291 ,361 -,270 ,085 ,491 -,500 ,058 -,226 ,089 ,079 ,237 ,061 ,471 -,424 -,291 -,163 ,126 ,020 -,065 ,303 ,500 -,159 -,143 -,183 -,431 ,061 -,182 ,013 ,524 ,034 ,360 ,100 -,239 -,079 ,026 -,174 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q13 Q14 Q15 Q16 Q18 Q19 Q21 Q22 Q23 Q24 Q25 Q26 Q27 1 2 3 4 5 6 7 8 Component
Extraction Method: Principal Component Analysis. 8 components extracted.
a.
Sumber: Hasil output SPSS
Setelah diketahui bahwa delapan faktor adalah jumlah yang paling
optimal. Maka tabel component matriks menunjukkan distribusi ke 25
variabel tersebut pada delapan faktor yang terbentuk. Sedangkan
angka-angka yang ada pada tabel tersebut adalah factor loading, yang
variabel mana yang akan masuk ke faktor mana, dilakukan dengan
melakukan perbandingan besar korelasi pada setiap baris.
a. Citarasa (Q1)
1) korelasi antara Q1 dengan faktor 1 adalah 0,443 (cukup namun,
lemah karena dibawah 0,5).
2) Korelasi antara Q1 dengan faktor 2 adalah 0,088 (lemah karena
berada dibawah 0,5).
3) Korelasi antara Q1 dengan faktor 3 adalah 0,296 (sangat lemah
dibawah 0,5).
4) Korelasi antara Q1 dengan faktor 4 adalah – 0,368 (sangat lemah
dibawah 0,5).
5) Korelasi antara Q1 dengan faktor 5 adalah 0,168 (masih dibawah
0,5).
6) Korelasi antara Q1 dengan faktor 6 adalah – 0,486 (sangat lemah
dibawah 0,5).
7) Korelasi antara Q1 dengan faktor 7 adalah – 0,001 (sangat lemah
dibawah 0,5).
8) Korelasi antara Q1 dengan faktor 8 adalah 0,-108 ( sangat lemah
dibawah 0,5).
Demikian seterusnya untuk variabel selanjutnya untuk melihat distribusi ke
dua puluh lima variabel yang terbentang didalam 8 faktor. Menurut Singgih
Santoso (2004:45), menjelaskan bahwa Component Matrik menunjukkan
angka-angka pada tabel Component Matrik adalah Factor Loading, yang menunjukkan
besar korelasi antara suatu variabel dengan faktor-faktor yang ada.
Tabel 4. 40 Rotated Component Matrixa
,137 ,042 ,802 ,050 -,003 ,094 -,051 ,098 ,071 ,066 ,779 ,045 ,175 ,066 ,089 ,044 ,167 -,001 ,057 ,812 ,177 ,160 ,107 ,075 -,008 ,026 ,065 ,857 -,001 -,037 ,078 ,132 ,130 ,273 ,179 ,264 ,694 -,003 ,047 ,005 -,074 ,194 -,065 ,434 ,452 ,113 ,210 ,155 -,037 ,220 ,293 ,043 ,088 ,743 ,016 ,208 ,001 ,187 ,010 ,123 ,086 ,807 ,139 ,002 -,056 ,275 ,195 ,242 ,090 ,060 ,597 ,307 ,079 ,116 -,109 ,083 -,037 ,117 ,836 ,061 -,102 ,451 ,532 ,028 -,037 ,164 ,214 -,086 ,108 ,011 ,003 ,267 ,051 ,075 ,060 ,786 ,124 -,212 ,150 -,084 ,263 ,311 ,312 ,512 ,145 ,376 ,284 ,344 -,478 ,170 ,057 ,012 ,026 ,679 ,047 -,016 -,007 ,283 ,005 -,076 -,044 ,677 ,036 ,154 -,022 ,170 ,202 -,039 ,037 ,631 ,090 -,065 ,251 -,098 -,114 ,163 ,100 -,157 ,256 ,120 ,374 -,015 ,494 -,066 ,620 ,291 -,043 ,007 -,043 -,353 ,087 ,268 ,838 ,053 ,158 ,181 ,092 -,147 -,063 ,122 ,843 -,058 -,009 -,019 ,051 ,259 ,031 ,004 ,544 -,136 ,250 -,052 ,265 -,028 ,410 ,029 ,394 -,255 ,101 ,224 ,423 ,231 ,282 -,178 ,151 ,076 ,085 -,004 ,645 ,204 ,042 ,241 ,228 ,387 ,300 ,104 ,180 -,117 ,008 ,401 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q13 Q14 Q15 Q16 Q18 Q19 Q21 Q22 Q23 Q24 Q25 Q26 Q27 1 2 3 4 5 6 7 8 Component
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 11 iterations. a.
Sumber: Hasil output SPSS
Componen matrik hasil proses rotasi (rotated component matrik)
memperlihatkan distribusi variabel yang lebih jelas dan nyata. Terlihat
bahwa sekarang faktor loading yang dulunya kecil semakin diperkecil, dan
factor loading yang besar semakin diperbesar. Dibawah ini akan dijelaskan
a. Citarasa (Q1), faktor loading yang paling besar ada berada pada faktor
3 dengan nilai 0,802, hal itu berarti citarasa berada pada faktor 3.
b. Aroma (Q2), faktor loading yang paling besar berada pada faktor 3
dengan nilai 0,779, hal itu berarti aroma berada pada faktor 3.
c. Tingkat kepahitan (Q3), faktor loading yang paling besar berada pada
faktor 4 dengan nilai 0,812, hal itu berarti tingkat kepahitan berada
pada faktor 4.
d. Warna (Q4), faktor loading yang paling besar berada pada faktor 4
0,857, hal itu berarti warna berada pada faktor 4.
e. Tingkat kekentalan (Q5), faktor loading yang paling besar berada pada
faktor 5 dengan nilai 0,694, hal itu berarti tingkat kekentalan berada
pada faktor 5.
f. Kesesuaian harga dengan manfaat produk (Q6), faktor loading yang
paling besar berada pada faktor 5 dengan nilai 0,452, hal itu berarti
kesesuaian harga dengan manfaat berada pada faktor 5.
g. Harga sebagai pertimbangan akhir (Q7), faktor loading yang paling
besar berada pada faktor 6 dengan nilai 0,743, hal itu berarti harga
sebagai pertimbangan akhir berada pada faktor 6.
h. Iklan (Q8), faktor loading yang paling besar berada pada faktor 6
dengan nilai 0,807, hal itu berarti iklan berada pada faktor 6.
i. Promosi penjualan (Q9), faktor loading yang paling besar berada pada
pada faktor 7, dengan nilai 0,597, hal itu berarti promosi penjualan
j. Pemasaran langsung (Q10), faktor loading yang paling besar berada
pada faktor 7 dengan nilai 0,836, hal itu berarti pemasaran langsung
berada pada faktor 7.
k. Kemudahan dalam mendapatkan produk (Q11), faktor loading yang
paling besar berada pada faktor 3 dengan nilai 0,532, hal itu berarti
posisinya berada pada faktor 3.
l. Pelayanan (Q12), faktor loading yang paling besar berada pada faktor
8 dengan nilai 0,786, hal itu berarti pelayanan berada pada faktor 8.
m. Lokasi (Q13), faktor loading yang paling besar berada pada faktor 8
dengan nilai 0,512, hal itu berarti posisinya ada pada faktor 8.
n. Kebiasaan (Q14), faktor loading yang paling besar berada pada faktor
2 dengan nilai 0,376, hal itu berarti kebiasaan ada pada faktor 2.
o. Usia (Q15), faktor loading yang paling besar berada pada faktor 2
dengan nilai 0,679, hal itu berarti usia berada pada faktor 2.
p. Profesi (Q16), faktor loading yang paling besar berada pada faktor 2
dengan nilai 0,677, hal itu berarti berada pada faktor 2.
q. Penghasilan (Q18), faktor loading yang paling besar berada pada
faktor 2 dengan nilai 0,631, hal itu berarti ada pada faktor 2.
r. Gaya hidup (Q19), faktor loading yang paling besar berada pada faktor
7 dengan nilai 0,494, hal itu berarti ada faktor 7.
s. Rekan sekerja (Q21), faktor loading yang paling besar ada pada faktor
t. Teman dekat (Q22), faktor loading yang paling besar ada pada faktor 1
dengan nilai 0,838, hal itu berarti berada pada faktor 1.
u. Teman sekomunitas (Q23), faktor loading yang paling besar ada pada
faktor 1 dengan nilai 0,843, hal itu berarti termasuk ke dalam faktor 1.
v. Keyakinan (Q24), faktor loading yang paling besar ada pada faktor 1
dengan nilai 0,544, hal itu berarti ada pada faktor 1.
w. Dorongan (Q25), faktor loading yang paling besar ada pada faktor 5
dengan nilai 0,423, hal itu berarti ada pada faktor 5.
x. Persepsi (Q26), faktor loading yang paling besar ada pada faktor 5
dengan nilai 0,645 hal itu berarti termasuk ke dalam faktor 5.
y. Pengalaman (Q27), faktor loading yang paling besar ada pada faktor 8
dengan nilai 0,401, hal itu berarti berada pada faktor 8.
Dengan demikian, ke 25 variabel yang direduksi menjadi hanya terdiri
dari 8 faktor, yaitu:
a. Faktor 1 terdiri dari: rekan sekerja, teman dekat, teman sekomunitas,
keyakinan.
b. Faktor 2 terdiri dari: kebiasaan, usia, profesi, penghasilan.
c. Faktor 3 terdiri dari: citarasa, aroma, dan kemudahan dalam
mendapatkan produk.
d. Faktor 4 terdiri dari: tingkat kepahitan, dan warna.
e. Faktor 5 terdiri dari: tingkat kekentalan, kesesuaian harga dengan
manfaat produk, dorongan, dan persepsi.
g. Faktor 7 terdiri dari: Promosi penjualan, dan pemasaran langsung
h. Faktor 8 terdiri dari: pelayanan, lokasi, dan pengalaman.
Menurut Singgih Santoso (2004:47), menjelaskan bahwa Component
Matrik dari proses rotasi (Rotated Component Matrik) memperlihatkan
distribusi variabel yang lebih jelas dan nyata. Dengan adanya proses rotasi
faktor loading yang dulunya kecil semakin diperkecil, dan faktor loading
yang besar semakin diperbesar. Tabel 4. 41
Component Transformation Matrix
,371 ,323 ,405 ,386 ,377 ,287 ,372 ,288 -,631 ,625 ,146 ,050 -,267 ,329 -,057 -,065 ,485 ,481 ,290 -,255 -,304 -,378 -,385 ,042 -,010 ,207 -,489 ,689 -,184 -,410 -,008 ,204 ,278 -,265 ,167 ,276 -,729 ,308 ,204 -,282 ,324 ,328 -,659 -,379 -,071 ,344 ,293 ,021 -,175 ,090 ,160 -,223 -,118 -,529 ,762 -,102 ,128 ,212 -,066 ,198 ,331 -,072 -,041 -,882 Component 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Sumber: Hasil output SPSS
Dari tabel tersebut dapat dijelaskan bahwa pada diagonal faktor
(componen) 1, 2, 3, 4, 5, 6, 7, 8, (0,371, 0, 625, 0,290, 0,689, -0,729,
0,344, 0,762, -0,882). Angka dengan ditandai minus (“-“), hal tersebut
menunjukkan arah korelasi. Sedangkan pada diagonal yang lain
menunjukkan angka dibawah 0,5 yang menunjukkan adanya terdapat
komponen lain pada masing-masing faktor yang mempunyai korelasi lebih
tinggi. Dan hanya tiga faktor yang angkanya diatas 0,5 yaitu: faktor 2
Pada faktor 1 (componen 3) terlihat angka yang lebih tinggi dari
diagonanlnya (componen 1 ) yaitu 0,485, faktor 3 (componen 1) terlihat
angka yang lebih besar dari diagonalnya (componen 3) yaitu 0,405.
Berdasarkan terbentuknya, hanya tiga faktor yang pada diagonalnya
nilainya diatas 0,5, hal itu sudah cukup mewakili dari kedelapan faktor
yang terbentuk.
4. Interpretasi Atas Faktor Yang Telah Terbentuk
Setelah melakukan faktoring dan rotasi, langkah atau tahap
selanjutnya adalah menginterpretasikan faktor yang telah terbentuk. Hal
ini dilakukan agar bisa mewakili variabel-variabel anggota faktor tersebut.
Menurut Zaini Hasan dalam Fajar S. Saputro:2007, mengatakan pemberian
nama dan konsep tiap faktor ditentukan berdasarkan makna umum variabel
yang tercakup didalamnya.
Dari hasil penelitian dapat diketahui bahwa faktor sosial, faktor
individu, faktor kemudahan dalam mendapatkan produk, faktor produk,
faktor psikologis, faktor harga, faktor promosi, faktor distribusi. Sangat
mempengaruhi konsumen.