HASIL PENELITIAN DAN PEMBAHASAN
4.1.5.3 Rotasi Faktor
Output terpenting dalam analisis faktor adalah Matriks Faktor atau yang disebut juga dengan Komponen Matriks. Matriks faktor memuat koefisien yang dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading, mewakili koefisien korelasi antara faktor dengan variabel. Koefisien dengan nilai mutlak (absolute) yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefisien dari matriks faktor dapat dipergunakan untuk menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut:
Tabel 4.12 Tabel Matriks Faktor (Sebelum Dirotasi) Component Matrixa Component 1 2 3 4 5 6 7 8 9 za1 .519 -.156 -.051 .303 .020 -.104 -.044 -.157 -.193 za2 .618 .245 -.067 .199 .162 .009 -.243 .096 -.054 za3 .310 .079 .079 .294 .028 -.119 -.018 .433 .529 za4 .505 .096 .153 .081 -.113 .482 -.054 -.141 .144 za5 .436 .152 -.058 .167 .024 -.244 .351 -.309 -.131 za6 .492 .098 .436 .166 .013 .348 -.060 .009 -.024 za7 .354 .057 -.389 .216 .468 .264 .003 .283 -.091 zb1 .588 -.344 -.001 -.109 -.200 -.199 -.243 .268 -.155 zb2 .566 .254 .320 .020 .005 .078 -.414 -.129 -.071 zb3 .566 .359 .184 .013 -.007 -.226 .149 .155 -.205 zb4 .634 -.115 -.097 -.025 -.056 .114 -.066 -.262 .180
zb5 .656 -.230 -.017 .181 .056 .032 .086 -.003 -.176 zc1 .562 .053 .301 .166 .068 -.433 .026 .153 .003 zc2 .548 -.343 .373 -.113 -.084 .090 .215 .122 -.007 zc3 .612 -.314 .065 .087 -.204 .083 -.017 .067 .149 zc4 .692 .279 -.183 -.037 .009 .016 .139 .013 -.005 zd1 .611 -.021 .300 -.263 .049 .111 .264 .004 -.042 zd2 .567 .402 .073 .133 -.052 .094 .219 .027 -.006 zd3 .564 .050 -.179 -.126 -.264 -.296 -.059 -.083 .286 zd4 .573 -.258 -.038 .389 -.005 -.080 -.281 -.211 -.198 zd5 .602 -.004 -.224 -.114 -.184 .164 .264 .147 -.193 zd6 .568 -.248 -.018 .209 .260 .154 .107 .194 .166 ze1 .570 -.099 -.238 .202 -.417 .099 .243 .090 -.012 ze2 .611 -.189 -.158 -.296 -.161 -.024 -.192 .312 -.138 ze3 .587 -.029 -.021 -.033 .233 -.222 -.177 -.001 -.079 ze4 .665 -.019 -.229 -.089 .233 -.026 -.071 -.173 .301 ze5 .635 -.174 .045 -.080 .098 -.055 .059 -.208 -.074 ze6 .564 .086 .058 -.223 .256 -.195 .226 -.032 .163 ze7 .665 .082 -.249 -.144 .043 .101 .028 -.115 -.174 ze8 .634 -.233 -.226 -.059 .078 .041 .078 -.112 .103 ze9 .560 .374 -.200 -.034 -.125 -.015 -.099 .187 -.173 ze10 .642 -.032 -.002 -.385 .174 -.004 -.039 -.051 .173 ze11 .671 -.163 .273 .114 .061 -.121 .124 -.084 -.035 ze12 .620 .120 .151 -.394 .035 .132 -.181 .094 -.127 ze13 .703 .093 -.036 -.082 .015 .011 -.167 -.151 .128 ze14 .545 .263 -.062 .125 -.444 -.018 -.086 -.112 .193 Extraction Method: Principal Component Analysis.
a. 9 components extracted.
Walaupun matriks faktor atau matriks komponen awal sebelum dirotasi menunjukkan hubungan antara faktor (komponen) dengan variabel secara individu, akan tetapi masih sulit diambil kesimpulannya tentang banyaknya faktor yang dapat
diekstraksi. Hal ini disebabkan karena faktor (komponen) berkorelasi dengan banyak variabel lainnya atau sebaliknya variabel tertentu masih berkorelasi dengan banyak fakor. Sehingga dalam keadaan ini terkadang membuat peneliti kesulitan dalam penentuan suatu variabel kedalam suatu faktor.
Misalkan matriks faktor (sebelum dirotasi) diatas dapat dilihat bahwa FІ memiliki korelasi kuat dengan 36 variabel, yakni aІ, aЇ, aЈ, aЉ, …, e14 sedangkan FЇ memiliki korelasi kuat dengan b1, b3, c2, c3, d2, dan e9. Korelasi dianggap cukup kuat jika koefisien korelasi yang diwakili factor loading mempunyai nilai lebih besar dari 0,30. Juga variabel berkorelasi dengan banyak faktor, seperti variabel a3 berkorelasi dengan faktor 1, faktor 4 dan faktor 8. Variabel a4 berkorelasi dengan faktor 1 dan 6, variabel a5 berkorelasi dengan faktor 1 dan 8 (selengkapnya pada tabel 4.11). Situasi seperti ini membuat kesimpulan mengenai banyaknya faktor yang di ekstraksi dari variabel menjadi sulit.
Untuk mengatasi hal tersebut dapat dilakukan proses rotasi pada faktor yang terbentuk agar memperjelas posisi sebuah variabel, akankah dimasukkan pada faktor yang satu ataukah ke faktor lainnya. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation.
Orthogonal rotation adalah kalau dipertahankan tegak lurus sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah mengiterpretasi faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-
sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor- faktor berkorelasi. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat.
Proses rotasi terhadap faktor pada penelitian ini menggunakan metode varimax rotation. Dan hasil rotasi terhadap dapat dilihat pada matriks faktor (setelah dirotasi) dibawah ini.
Tabel 4.13 Tabel Matriks Faktor (Setelah Dirotasi) Rotated Component Matrixa
Component 1 2 3 4 5 6 7 8 9 za1 .144 .595 .168 .101 .092 .161 .062 .107 .000 za2 .238 .306 .348 -.090 .356 .063 .207 .311 .182 za3 .100 -.005 .115 .066 .091 .098 .035 .128 .784 za4 .216 .075 -.012 .208 .620 .297 -.045 .103 .032 za5 .245 .336 .487 .110 -.067 .221 -.235 -.020 -.101 za6 .004 .165 .159 .351 .631 .049 .011 .098 .100 za7 .142 .131 .101 -.035 .051 .059 .065 .799 .083 zb1 .159 .370 .058 .239 .009 .158 .666 -.030 .136 zb2 .217 .264 .273 .010 .654 -.091 .231 -.066 .037 zb3 .088 .121 .701 .178 .163 .090 .184 .033 .089 zb4 .529 .291 -.009 .148 .269 .288 .066 .024 .028 zb5 .195 .486 .167 .339 .111 .226 .151 .237 .014 zc1 .136 .362 .506 .252 .055 -.076 .171 -.084 .373 zc2 .135 .168 .066 .706 .156 .139 .209 -.044 .095 zc3 .241 .320 -.063 .361 .196 .340 .232 .003 .241 zc4 .407 .097 .460 .078 .187 .341 .123 .229 .035 zd1 .310 .013 .305 .585 .239 .096 .130 .027 -.061 zd2 .156 .046 .525 .139 .336 .310 -.060 .147 .104 zd3 .525 .150 .208 -.042 .011 .340 .231 -.223 .236 zd4 .153 .774 .032 .026 .214 .125 .151 .081 .028
zd5 .196 .066 .264 .280 .051 .518 .273 .249 -.126 zd6 .258 .277 .007 .379 .110 .125 .044 .425 .314 ze1 .096 .251 .137 .193 .044 .716 .137 .094 .109 ze2 .275 .129 .086 .189 .056 .242 .699 .124 .025 ze3 .385 .364 .278 .084 .086 -.101 .282 .142 .078 ze4 .725 .218 .097 .055 .136 .116 .062 .201 .150 ze5 .430 .370 .177 .328 .116 .091 .118 .040 -.090 ze6 .539 .031 .391 .308 -.006 -.026 .033 .075 .119 ze7 .441 .203 .277 .093 .172 .286 .219 .251 -.214 ze8 .526 .290 .019 .238 .024 .271 .123 .200 .021 ze9 .173 .061 .469 -.130 .230 .303 .361 .196 .020 ze10 .650 .022 .153 .271 .169 .010 .264 .079 .028 ze11 .261 .440 .283 .458 .173 .071 .063 -.014 .126 ze12 .354 -.023 .263 .247 .397 .001 .469 .080 -.110 ze13 .536 .236 .207 .066 .343 .163 .190 .042 .080 ze14 .256 .157 .251 -.111 .351 .509 .098 -.201 .204 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 20 iterations.
Tujuan dilakukan rotasi adalah untuk memperlihatkan distribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara matriks faktor sebelum dirotasi dengan matriks faktor setelah dirotasi.
4.1.5.4 Interpretasi Faktor
Setelah rotasi dilakukan langkah selanjutnya adalah interpretasi faktor. Interpretasi faktor dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasi menurut variabel-variabel yang
memiliki loading tinggi dengan faktor tersebut. Atau penentuan variabel yang dimasukkan ke dalam faktor dengan cara melihat factor loading yang terbesar.
Tabel 4.14 Korelasi Antar Variabel Sebelum dan Setelah Rotasi VAR
Korelasi Antar Variabel Faktor
Kesimpulan Sebelum Rotasi Sesudah Rotasi Sebelum Rotasi Sesudah Rotasi za1 0,52 0,59 1 2 2 za2 0.62 0.36 1 5 1 za3 0.53 0.78 9 9 9 za4 0.50 0.62 1 5 5 za5 0.44 0.49 1 3 3 za6 0.49 0.63 1 5 5 za7 0.47 0.80 5 8 8 zb1 0.59 0.67 1 7 7 zb2 0.57 o.65 1 5 5 zb3 0.57 0.70 1 3 3 zb4 0.63 0.53 1 1 1 zb5 0.66 0.49 1 2 1 zc1 0.56 0.51 1 3 1 zc2 0.55 0.71 1 4 4 zc3 0.61 0.36 1 4 1 zc4 0.69 0.46 1 3 1 zd1 0.61 0.58 1 4 1 zd2 0.57 0.52 1 3 1 zd3 0.56 0.53 1 1 1 zd4 0.57 0.77 1 2 2 zd5 0.60 0.52 1 6 1 zd6 0.57 0.42 1 8 1 ze1 0.57 0.72 1 6 6 ze2 0.61 0.70 1 7 7 ze3 0.59 0.39 1 1 1 ze4 0.67 0.73 1 1 1 ze5 0.63 0.43 1 1 1 ze6 0.56 0.54 1 1 1 ze7 0.67 0.44 1 1 1 ze8 0.63 0.53 1 1 1 ze9 0.56 0.47 1 3 1
ze10 0.64 0.65 1 1 1
ze11 0.67 0.46 1 4 1
ze12 0.62 0.47 1 7 1
ze13 0.70 0.54 1 1 1
ze14 0.55 0.51 1 6 1
1. Variabel a1 : Korelasi antara variabel a1 dengan faktor 1 sebelum dirotasi adalah 0,52; dengan rotasi korelasi menjadi 0,59 dengan faktor 1. Jadi variabel ini masuk faktor 1.
2. Variabel a2 : Korelasi antara variabel a2 dengan faktor 1 sebelum dirotasi adalah 0,62; dengan rotasi korelasi menjadi 0,36 dengan faktor 5. Jadi variabel ini masuk faktor 1
3. Variabel a3 : Korelasi antara variabel a3 dengan faktor 9 sebelum dirotasi adalah 0,53; dengan rotasi korelasi menjadi 0,78 dengan faktor 9. Jadi variabel ini masuk faktor 9
4. Variabel a4 : Korelasi antara variabel a4 dengan faktor 1 sebelum dirotasi adalah 0,50; dengan rotasi korelasi menjadi 0,62 dengan faktor 5. Jadi variabel ini masuk faktor 5
5. Variabel a5 : Korelasi antara variabel a5 dengan faktor 1 sebelum dirotasi adalah 0,44; dengan rotasi korelasi menjadi 0,49 dengan faktor 3. Jadi variabel ini masuk faktor 3
6. Variabel a6 : Korelasi antara variabel a6 dengan faktor 1 sebelum dirotasi adalah 0,49; dengan rotasi korelasi menjadi 0,63 dengan faktor 5. Jadi variabel ini masuk faktor 5
7. Variabel a7 : Korelasi antara variabel a7 dengan faktor 5 sebelum dirotasi adalah 0,47; dengan rotasi korelasi menjadi 0,80 dengan faktor 8. Jadi variabel ini masuk faktor 8
8. Variabel b1 : Korelasi antara variabel b1 dengan faktor 1 sebelum dirotasi adalah 0,59; dengan rotasi korelasi menjadi 0,67 dengan faktor 7. Jadi variabel ini masuk faktor 7
9. Variabel b2 : Korelasi antara variabel b2 dengan faktor 1 sebelum dirotasi adalah 0,57; dengan rotasi korelasi menjadi 0,65 dengan faktor 5. Jadi variabel ini masuk faktor 5
10.Variabel b3 : Korelasi antara variabel b3 dengan faktor 1 sebelum dirotasi adalah 0,57; dengan rotasi korelasi menjadi 0,70 dengan faktor 3. Jadi variabel ini masuk faktor 3
11.Variabel b4 : Korelasi antara variabel b4 dengan faktor 1 sebelum dirotasi adalah 0,63; dengan rotasi korelasi menjadi 0,53 dengan faktor 1. Jadi variabel ini masuk faktor 1
12.Variabel b5 : Korelasi antara variabel b5 dengan faktor 1 sebelum dirotasi adalah 0,66; dengan rotasi korelasi menjadi 0,49 dengan faktor 72. Jadi variabel ini masuk faktor 1
13.Variabel c1 : Korelasi antara variabel c1 dengan faktor 1 sebelum dirotasi adalah 0,56; dengan rotasi korelasi menjadi 0,51 dengan faktor 3. Jadi variabel ini masuk faktor 3
14.Variabel c2 : Korelasi antara variabel c2 dengan faktor 1 sebelum dirotasi adalah 0,55; dengan rotasi korelasi menjadi 0,71 dengan faktor 4. Jadi variabel ini masuk faktor 4
15.Variabel c3 : Korelasi antara variabel c3 dengan faktor 1 sebelum dirotasi adalah 0,61; dengan rotasi korelasi menjadi 0,36 dengan faktor 4. Jadi variabel ini masuk faktor 1
16.Variabel c4 : Korelasi antara variabel b1 dengan faktor 1 sebelum dirotasi adalah 0,69; dengan rotasi korelasi menjadi 0,46 dengan faktor 3. Jadi variabel ini masuk faktor 1
17.Variabel d1 : Korelasi antara variabel d1 dengan faktor 1 sebelum dirotasi adalah 0,61; dengan rotasi korelasi menjadi 0,58 dengan faktor 4. Jadi variabel ini masuk faktor 1
18.Variabel d2 : Korelasi antara variabel d2 dengan faktor 1 sebelum dirotasi adalah 0,57; dengan rotasi korelasi menjadi 0,52 dengan faktor 3. Jadi variabel ini masuk faktor 1
19.Variabel d3 : Korelasi antara variabel d3 dengan faktor 1 sebelum dirotasi adalah 0,56; dengan rotasi korelasi menjadi 0,53 dengan faktor 1. Jadi variabel ini masuk faktor 1
20.Variabel d4 : Korelasi antara variabel d4 dengan faktor 1 sebelum dirotasi adalah 0,57; dengan rotasi korelasi menjadi 0,77 dengan faktor 2. Jadi variabel ini masuk faktor 2
21.Variabel d5 : Korelasi antara variabel d5 dengan faktor 1 sebelum dirotasi adalah 0,60; dengan rotasi korelasi menjadi 0,52 dengan faktor 6. Jadi variabel ini masuk faktor 1
22.Variabel d6 : Korelasi antara variabel d6 dengan faktor 1 sebelum dirotasi adalah 0,57; dengan rotasi korelasi menjadi 0,42 dengan faktor 8. Jadi variabel ini masuk faktor 1
23.Variabel e1 : Korelasi antara variabel e1 dengan faktor 1 sebelum dirotasi adalah 0,57; dengan rotasi korelasi menjadi 0,72 dengan faktor 6. Jadi variabel ini masuk faktor 6
24.Variabel e2 : Korelasi antara variabel e2 dengan faktor 1 sebelum dirotasi adalah 0,61; dengan rotasi korelasi menjadi 0,70 dengan faktor 7. Jadi variabel ini masuk faktor 7
25.Variabel e3 : Korelasi antara variabel e3 dengan faktor 1 sebelum dirotasi adalah 0,59; dengan rotasi korelasi menjadi 0,39 dengan faktor 1. Jadi variabel ini masuk faktor 1
26.Variabel e4 : Korelasi antara variabel e4 dengan faktor 1 sebelum dirotasi adalah 0,67; dengan rotasi korelasi menjadi 0,73 dengan faktor 1. Jadi variabel ini masuk faktor 1
27.Variabel e5 : Korelasi antara variabel e5 dengan faktor 1 sebelum dirotasi adalah 0,63; dengan rotasi korelasi menjadi 0,43 dengan faktor 1. Jadi variabel ini masuk faktor 1
28.Variabel e6 : Korelasi antara variabel e6 dengan faktor 1 sebelum dirotasi adalah 0,56; dengan rotasi korelasi menjadi 0,54 dengan faktor 1. Jadi variabel ini masuk faktor 1
29.Variabel e7 : Korelasi antara variabel e7 dengan faktor 1 sebelum dirotasi adalah 0,67; dengan rotasi korelasi menjadi 0,44 dengan faktor 1. Jadi variabel ini masuk faktor 1
30.Variabel e8 : Korelasi antara variabel e8 dengan faktor 1 sebelum dirotasi adalah 0,63; dengan rotasi korelasi menjadi 0,53 dengan faktor 1. Jadi variabel ini masuk faktor 1
31.Variabel e9 : Korelasi antara variabel e9 dengan faktor 1 sebelum dirotasi adalah 0,56; dengan rotasi korelasi menjadi 0,47 dengan faktor 3. Jadi variabel ini masuk faktor 1
32.Variabel e10 : Korelasi antara variabel e10 dengan faktor 1 sebelum dirotasi adalah 0,64; dengan rotasi korelasi menjadi 0,65 dengan faktor 1. Jadi variabel ini masuk faktor 1
33.Variabel e11 : Korelasi antara variabel e11 dengan faktor 1 sebelum dirotasi adalah 0,67; dengan rotasi korelasi menjadi 0,46 dengan faktor 4. Jadi variabel ini masuk faktor 1
34.Variabel e12 : Korelasi antara variabel e12 dengan faktor 1 sebelum dirotasi adalah 0,62; dengan rotasi korelasi menjadi 0,47 dengan faktor 7. Jadi variabel ini masuk faktor 1
35.Variabel e13 : Korelasi antara variabel e13 dengan faktor 1 sebelum dirotasi adalah 0,70; dengan rotasi korelasi menjadi 0,54 dengan faktor 1. Jadi variabel ini masuk faktor 1
36.Variabel e14 : Korelasi antara variabel e14 dengan faktor 1 sebelum dirotasi adalah 0,55; dengan rotasi korelasi menjadi 0,51 dengan faktor 6. Jadi variabel ini masuk faktor 1
Dengan demikian ke-36 variabel telah direduksi menjadi sembilan faktor yang dapat mempengaruhi kepuasan penumpang, yaitu :
1. Faktor 1 (F1) terdiri atas variabel a2 = Ketersediaan informasi berkaitan
jadwal KA, b4 = Kecepatan petugas dalam merespon keluhan penumpang,b5
= Petugas selalu menunjukkan sikap percaya diri dan siap melayani penumpang, c1= Kemampuan petugas memberikan informasi kepada
penumpang dengan bahasa yang mudah dimengerti, c3= Kejujuran dan
kesabaran petugas dalam melayani penumpang, c4= kesediaan oetugas untuk
menghargai dan melayani serta mengutamakan kebutuhan penumpang, d1=
keramahan dan kesopanan petugas dalam melayani penumpang, d2=
Kemampuan petugas dalam melaksanakan pekerjaannya, d3= Keamanan dan
kenyamanan pada saat berada di stasiun/kereta, d5= Ketersediaan asuransi
atau jaminan keselamatan, d6= Ketersediaan peralatan untuk menghadapi
situasi dan kondisi darurat, e3= Area pembelian tiket yang mudah dijangkau,
e4= Sirkulasi udara didalam kereta, e5= Ketersediaan alat untuk
menginformasikan rute, e6= ketersediaan galeri ATM, e7= Ketersediaan
mushola di stasiun, e8= Ketersediaan ruang nursery di stasiun, e9=
check in untuk seluruh maskapai, e11= Ketersediaan loket money changer,
e12= Ketersediaan coffee shop dan mini market, e13= Ketersediaan hotel
transit, dan e14= Ketersediaan travel agent/taksi sebagai moda untuk
meninggalkan stasiun.
Faktor ini diberi nama FAKTOR INTEGRITAS PELAYANAN, KEAMANAN DAN BUKTI FISIK
2. Faktor 2 (F2) terdiri atas variabel a1 = Kemudahan menjangkau stasiun, d4 =
Kenyamanan pada saat naik-turun kereta
Faktor ini diberi nama FAKTOR LOKASI STRATEGIS
3. Faktor 3 (F3) terdiri atas variabel a5 = Kemudahan dalam memperoleh informasi
ter-update, b3 = Kecepatan petugas dalam merespon kondisi darurat didalam
kereta maupun stasiun
Faktor ini diberi nama FAKTOR INFORMATIF DAN RESPONSIF 4. Faktor 4 (F4) terdiri atas variabel c2 = Ketersediaan layanan 24 Jam
Faktor ini diberi nama FAKTOR NON-STOP SERVICE
5. Faktor 5 (F5) terdiri atas variabel a4 = Kemampuan memberikan pelayanan
terbaik bagi penumpang, a6 = Kemudahan dalam sistem pembelian tiket, b2=
Kecepatan dan ketepatan dalam memberikan informasi yang dibutuhkan penumpang.
Faktor ini diberi nama FAKTOR KEMUDAHAN PELAYANAN 6. Faktor 6 (F6) terdiri atas variabel e1 = Kebersihan di stasiun dan di kereta
7. Faktor 7 (F7) terdiri atas variabel b1 = Kecepatan dan kesiapan pentugas dalam
menyediakan pelayanan bagi penumpang hingga tuntas, e2 = Kebersihan toilet di
stasiun mapun didalam kereta
Faktor ini diberi nama FAKTOR KETANGGAPAN
8. Faktor 8 (F8) terdiri atas variabel a7 = harga tiket yang ditawarkan
Faktor ini diberi nama FAKTOR HARGA
9. Faktor 9 (F9) terdiri atas variabel a3 = Ketepatan jadwal perjalanan KA
Faktor ini diberi nama FAKTOR JAMINAN TEPAT WAKTU