Tuesday, April 30, 2019

Metode analisis regresi linear dengan variabel moderating (skripsi dan tesis)

Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain.
Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan moderating antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.
Metode analisis regresi linear dengan variabel moderating:

1. Multiple Regression Analysis (MRA)
Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas atau adanya korelasi yang tinggi antara variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik. Hampir tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga sebenarnya model ini tidak disarankan untuk dipergunakan.

  1. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada dengan metode MRA.

  1. Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas karena hanya menggunakan satu variabel bebas.
:

1. Multiple Regression Analysis (MRA)
Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas atau adanya korelasi yang tinggi antara variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik. Hampir tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga sebenarnya model ini tidak disarankan untuk dipergunakan.

  1. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada dengan metode MRA.

  1. Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas karena hanya menggunakan satu variabel bebas.

Uji Linearitas (skripsi dan tesis)


Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.
Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier.

Uji Autokorelasi (skripsi dan tesis)

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya.
Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.
Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang 1.

Uji Heteroskedastisitas (skripsi dan tesis)


Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.

Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas.

Uji Multikolinearitas (skripsi dan tesis)


Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.
Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI).
Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
2. Menambah jumlah observasi.
3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.
4. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.

Uji Normalitas (skripsi dan tesis)


Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.
Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.
Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.
Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.

Uji Asumsi Klasik (skripsi dan tesis)

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.
Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.

Regresi Linear Berganda (skripsi dan tesis)

 
Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah:
 
 
Y = a + b1 X1 + b2 X2 + .... + bn Xn.
 
Analisis regresi linear berganda memerlukan pengujian secara serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Asumsi klasik tersebut meliputi asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas (akan dibahas belakangan).
 
 

Regresi Linear Sederhana (skripsi dan tesis)

 
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah:
Y = a + b X.
 
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat kartesius.
 

Regresi Linear (skripsi dan tesis)

 

 

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).

Koefisien Determinasi (skripsi dan tesis)


Koefisien determinasi (R-Square) adalah ukuran yang menunjukkan
seberapa besar variasi dalam data yang dapat dijelaskan oleh model regresi yang dibangun. Koefisien determinasi merujuk kepada kemampuan dari variabel bebas dalam menerangkan variabel terikatnya. Besarnya nilai koefisien determinasi pada model regresi logistik
ditunjukkan oleh nilai Mc Fadden, Cox and Snell, dan Nagelkerke R-Square.
(Rizki, 2016)
Pengujian koefisien determinasi dilakukan untuk melihat seberapa
besar variabel-variabel bebas mempengaruhi nilai variabel terikat. Menurut
Rizki (2016), suatu model dikatakan baik bila koefisien Nagelkerke lebih dari
70% yang artinya bahwa variabel bebas yang dibuat model mempengaruhi
70% terhadap variabel terika

Jenis-Jenis Data (skripsi dan tesis)


Data hasil penelitian dapat dikelompokkan menjadi beberapa kelompok.
Dalam melakukan pengelompokkan perlu didasarkan pada pengukuran yang
akurat. Menurut Siegel (1994) ada 4 skala pengukuran:
1. Skala nominal adalah pengukuran yang hanya untuk mengklasifikasikan
suatu objek.
2. Skala ordinal adalah pengukuran yang menunjukkan tingkatan. Seperti
sesuatu yang lebih disukai, lebih tinggi, lebih sulit, dan lain-lain.
3. Skala interval adalah pengukuran yang mempunyai segala sifat skala
ordinal. Disamping itu jarak antara dua angka pada skala interval diketahui
ukurannya.
4. Skala rasio adalah pengukuran yang mempunyai semua ciri pada skala
interval. Disamping itu memiliki suatu titik nol sejati sebagai titik asalnya

Sunday, April 28, 2019

Analisis Cluster (skripsi dan tesis)


Menurut Bambang T.C, Analisis cluster Adalah analisis terhadap sekumpulan objek pemasaran yang disortir kedalam beberapa sub kelompok objek pemasaran agar dapat diketahui kesamaan antar sub kelompok tersebut (Shofyaningsih, 2006) Analisis cluster pada prinsipnya digunakan untuk mereduksi data yaitu proses untuk meringkas sejumlah variabel menjadi lebih sedikit. Pada risert pemasaran, cluster biasanya cluster digunakan untuk melakukan proses segmentasi sejumlah responden (konsumen) berdasarkan ciri-ciri sejumlah atribut yang ada. (Santoso, Tjiptono, 2002)
Dalam beberapa situasi penelitian mungkin peneliti perlu membagi-bagi individu, anggota dari sempel, atau anggota dari populasi kedalam beberapa kelompok, yang cirinya dapat dinyatakan dengan sebutan yang bermakna. Nama umum teknik-teknik pengelompokan individu atau subjek kedalam beberapa kelompok adalah analisis cluster atau analisis kelompok A Tujuan pengelompokkan adalah terbentuknya kelompok-kelompok individu sedemikian sehingga variasi antara subjek atau individu dalam kelompok sekecil mungkin, lebih kecil dari variasi antara individu-individu yang berbeda kelompok. Jadi kelompok yang terbentuk merupakan sub sempel yang mirip satu sama lain, apa yang tidak berdekatan menjadi anggota dari kelompok yang berbeda. Dikatakan juga bahwa keanggotaan dalam suatu kelompok ditentukan oleh kecocokkan dan kedekatan. Ukuran kecocokkan disebut koefisien asosiasi, sedang ukuran kedekatan disebut jarak. Ukuran kecocokkan digunakan untuk data dari variabel yang berskala nominal atau untuk data yang dimiliki oleh komponen kualitatif. Jarak yang digunakan untuk data yang bersifat matrik.






Analisis Faktor (skripsi dan tesis)


Analisis faktor pada prinsipnya digunakan untuk mereduksi data, yaitu
proses untuk meringkas sejumlah variabel menjadi sedikit dan  enamakannya sebagai faktor. Jadi, dapat saja dari 10 atribut tersebut dapat diringkas menjadi 3 faktor utama saja.(Santoso dan Tjiptono, 2001)
Proses analisis faktor mencoba menemukan hubungan (interrelationship)
antar sejumlah variabel-variabel yang saling independen satu dengan yang lain
sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal. (Santoso, 2002)
1. Penentuan Tujuan Analisis Faktor
Tujuan dari analisis faktor adalah sebagai berikut : (Santoso, 2002)
a. Data Summarization, yakni mengidentifikasi adanya hubungan antar
variabel dengan melakukan uji korelasi. Jika korelasi dilakukan antar
variabel (dalam pengertian SSPS adalah ”kolom”), analisis tersebut
dinamakan R Factor Analysis. Namun jika korelasi dilakukan antar
responden atau sampel (dalam pengertian SSPS adalah ”baris”), analisis
disebut Q Factor Analysis, yang juga populer disebut Cluster Analysis.
b. Data Reduction, yakni setelah melakukan korelasi, dilakukan proses
membuat sebuah variabel set baru yang dinamakan faktor untuk
menggantikan sejumlah variabel tertentu.
2. Penentuan Tipe dan Desain Analisis Faktor
Terdapat dua tipe analisis faktor, yaitu tipe R dan tipe Q. Tipe R
digunakan untuk mengekstrak variabel, sedangkan tipe Q dilakukan untuk
mengekstrak responden.
Desain Riset Analisis Faktor meliputi :
a. Pembuatan matriks korelasi
Matrik data mentah berukuran n x p (n objek dan p variabel) yang
berisi kuesioner diubah menjadi matrik korelasi. Dalam matrik korelasi,
variabel-variabel yang diukur mempunyai unit dan skala pengukuran yang
berbeda. Penggunaan matrik ini untuk menghilangkan perbedaan yang
diakibatkan oleh mean dan dispersi variabel.
b. Penetuan tipe dan jumlah variabel yang akan dianalisis
Variabel yang akan dipilih adalah variabel yang relevan dengan
penelitian yang dilakukan. Data mentah yang diperoleh merupakan hasil
pengukuran metrik. Dalam beberapa kasus, variabel dummy (berkode 0-1)
yang sekalipun dikategorikan nonmetrik, dapat digunakan. Jumlah
variabel pada setiap faktornya, diusahakan seminimal mungkin dengan
tetap mengandung sebanyak-banyaknya informasi yang dibutuhkan.
c. Penentuan jumlah sampel
Secara umum, jumlah sampel yang dianjurkan adalah 50-100
sampel (dalam pengertian SSPS adalah 50-100 baris). Atau bisa dengan
patokan rasio 10:1, dalam arti untuk satu variabel seharusnya ada 10
sampel. Dalam pengertian SSPS, hal ini berarti setiap 1 kolom yang ada
seharusnya terdapat 10 baris data sehingga jika ada 5 kolom, minimal
seharusnya ada 50 baris data. (Santoso, 2002)
3. Pengujian Asumsi
Sebelum masuk pada proses analisis faktor, terdapat asumsi-asumsi
dasar yang harus dipenuhi. Asumsi-asumsi yang harus dipenuhi untuk menilai
tepat atau tidaknya menggunakan analisis faktor tersebut adalah :
a. Asumsi korelasi yang meliputi
• Besar korelasi antar variable independent harus cukup kuat atau di atas
0,3.
• Besar korelasi parsial yaitu korelasi antar dua variabel dengan
menganggap tetap variabel lain, justru harus kecil atau mendekati nol.
• Uji hipotesis bahwa matriks korelasi adalah bukan matriks identitas,
dengan menggunakan Barlett’s Test of Sphericity. Nilai signifikasi
yang diperoleh Barlett’s Test of Sphericity harus lebih kecil dari 0,05
(sig < 0.05)
b. Asumsi ukuran kecukupan sampling yang diuji dengan Kaiser-Meyer-
Olkin (KMO) dan Measure of Sampling Adequency (MSA).
KMO merupakan indeks untuk membandingkan besarnya
koefisien korelasi amatan dengan koefisien parsial, yang berarti bahwa
besar koefisien korelasi keseluruhan variabel pada matriks korelasi harus
signifikan di antara paling sedikit beberapa variabel. Angka KMO
disyaratkan harus lebih dari 0.5.
Angka MSA diinterpretasikan dengan kriteria :
a. MSA = 1,0 = variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel lain.
b. MSA > 0,5 = variabel masih bisa diprediksi dan bisa dianalisis lebih
lanjut.
c. MSA ≤ 0,5 = variabel tidak bisa diprediksi dan tida bisa dianalisis
lebih lanjut atau harus dikeluarkan.
4. Pemilihan Metode Ekstraksi dan Penentuan Jumlah Faktor
Ekstraksi faktor bertujuan untuk menghasilkan sejumlah faktor dari
data yang ada. Terdapat dua pendekatan dalam mengekstraksi faktor, metode
Analisis Utama (Principal Component Analysis) dan metode Analisis Faktor
Umum (Common Factor Analysis). Dalam pemilihannya, perlu diketahui
lebih dahulu tipe-tipe variansi data. Total varians (total variance) terdiridari
tiga bagian, yaitu variansi umum (common variance), variansi unik atau
spesifik (specific variance), dan variansi error (error vaiance). Variansi umum
adalah variansi variabel yang dibagi dengan semua variabel yang ada.
Variansi spesifik adalah variansi yang dimiliki oleh variabel yang bersifat
reliabel secara spesifik dan tidak berhubungan dengan variabel lain.
Sedangkan variansi error adalah variansi yang berhubungan dengan ketidak
reliabel, yang terjadi dari proses pengumpulan data, error pengukuran dan
kesalahan acak.
Dalam menentukan jumlah faktor yang diinginkan sebagai hasil
ekstrak, terdapat beberapa kriteria, yaitu :
a. Kriteria Latent Root (Latent Root Criterion)
Hanya faktor-faktor yang memiliki latent root (eigenvalue) minimum 1
yang akan dipertahankan. Ini dapat berarti bahwa sebuah faktor dapat
dianggap sebagai faktor, bila paling sedikit dapat menjelaskan variansi
satu variabel atau setiap variabel menyumbangkan nilai satu pada total
eigenvalue. maka, hanya faktor dengan eigenvalue > 1 yang dianggap
signifikan.
b. Kriteria (Apriori Criterion)
Jumlah faktor ditentukan sendiri oleh peneliti karena peneliti sudah
mempunyai pengalaman sebelumnya tentang beberapa jumlah faktor.
Metode ini digunakan untuk menguji suatu teori yang sudah ada.
c. Kriteria presentase variansi (Percentage of Varience Criterion)
Presentase kumulatif total variansi tertentu diekstraksi dari factor-faktor
terpilih secara berurutan. Tujuannya untuk memastikan signifikansi
faktor-faktor terpilih. Dengan memastikannya terlebih dahulu diketahui
dengan pasti bahwa faktor-faktor tersebut dapat menjelaskan paling
sedikit sejumlah variansi.
d. Kriteria Scree Test ( Scree Test Criterion)
Meskipun semau faktor mengandung paling sedikit beberapa variansi
unik, tetapi pada dasarnya proporsi variansi unik dua factor (dan
sesudahnya) lebih besar dari faktor sebelumnya. Tujuannya untuk
mengidentifikasi jumlah maksimal faktor yang dapat diekstrak sebelum
sejumlah variansi unik mulai mendominasi struktur variansi umum. Pada
kurva latent root terhadap jumlah faktor, titik dimana kurva mulai
bergerak lurus merupakan indikasi jumlah faktor maksimum yang dapat
diekstrak.
e. Kriteria Responden (Heterogenity of Respondent)
Jika sampel heterogen pada paling sedikit satu bagian dari set variabel,
maka faktor pertama akan menjelaskan variabel-variabel tersebut secara
lebih homogen terhadap keseluruhan sampel.
5. Pemilihan Metode Rotasi dan Interpretasi Matrik Faktor
Jika faktor loading suatu variabel sama-sama cukup tinggi pada
beberapa faktor maka sulit untuk memutuskan ke faktor mana variabel
tersebut harus dimasukkan, sedangkan sasaran analisis faktor adalah agar
setiap variabel hanya masuk ke satu faktor saja. Untuk itu setelah ekstraksi,
faktor-faktor yang terbentuk perlu dirotasi. Tujuan rotasi adalah untuk
mengekstrimkan faktor loading variabel. Rotasi dilakukan dengan memutar
sumbu faktor, dari titik pusatnya menuju titik yang ingin dituju. Beberapa
metode rotasi, yaitu :
a. Orthogonal Rotation, dilakukan dengan cara merotasikan sumbu faktor
yang kedudukannya saling tegak lurus satu dengan lainnya, sehingga
setiap faktor saling bebas terhadap faktor lainnya karena sumbunya saling
tegak lurus. Rotasi Orthogonal masih dapat dibedakan menjadi :
1) Quartimax, dengan merotasi faktor awal hasil ekstraksi sehingga
diperoleh hasil rotasi dimana setiap variabel mempunyai faktor
loading yang tinggi di satu faktor dan sekecil mungkin pada faktor
lain.
2) Varimax (paling sering digunakan karena sering terbukti lebih baik
dalam menunjukkan perbedaan antar faktor ), dengan merotasi faktor
awal hasil ekstraksi sehingga diperoleh hasil rotasi dimana dalam
suatu kolom, nilai yang ada sebanyak mungkin mendekati nol. Ini
berarti, di dalam setaip faktor tercakup sesedikit mungkin variabel.
3) Equimax, mengkombinasi metode Quartimax dan Varimax.
b) Oblique Rotation, dilakukan dengan merotasikan sumbu faktor yang
kedudukannya saling membentuk sudut, dengan besar sudut rotasi
tertentu. Dalam hal ini, korelasi antara faktor masih diperhitungkan karena
sumbu faktor tidak saling tegak lurus satu dengan yang lainnya. Rotasi
Oblique masih dapat dibedakan menjadi :
1) Oblimax, merotasi faktor sehingga sejumlah faktor loading yang tinggi
dan rendah meningkat, dengan menurunkan faktor-faktor loading yang
berada dipertengahan.
2) Quartimin, meminimumkan jumlah produk pada struktur loading.
3) Covarimin, seperti varimax pada rotasi orthogonal, yaitu dengan
merotasi faktor awal hasil ekstraksi sehingga diperoleh nilai yang ada
dalam suatu kolom sebanyak mungkin mendekati nol.
4) Oblimin, mengkombinasi metode Quartimin dan Covarimin
Interpretasi matrik faktor dilakukan dengan mengelompokkan
variabel-variabel ke dalam faktor-faktor hasil. Dasar untuk memutuskan
apakah suatu variabel dimasukkan pada faktor 1, faktor 2, atau faktor lainnya
adalah faktor loadingnya. Sebelum dikelompokkan faktor loading harus
memenuhi kriteria signifikansi praktis dan signifikansi statistik. Kriteria
signifikansi praktis adalah faktor loading lebih besar dari 0.5, karena semakin
besar faktor loading semakin m udah menginterpretasikan faktor tersebut.
Kriteria signifikansi statistik dapat dilihat pada tabel 2.1, dibawah ini:
T
Langkah-langkah interpretasi matriks faktor, yaitu :
a. Memeriksa faktor loading terbesar untuk setiap variabel.
b. Mengidentifikasi faktor loading terbesar untuk setiap variabel.
c. Menggabungkan variabel ke dalam faktor. Apabila variabel dengan faktor
loading terbesar terjadi pada faktor 1, maka variabel tersebut digabungkan
ke dalam faktor 1.
d. Menghapus variabel apabila :
• Faktor loading variabel signifikansi pada beberapa faktor.
• Nilai komunalitas variabel lebih kecil dari 0.5.
e. Memberikan nama atau label pada faktor terbentuk yang mencerminkan
arti gabungan dari variabel-variabel penyusunnya.
6. Output Hasil Faktor sebagai Data mentah Analisis Multivariant lainnya
Hasil analisis faktor seringkali ditindak lanjuti pada analisis
multivariant lainnya, seperti regresi dan diskriminan. Yang akan digunakan
pada analisis lanjutan adalah faktor hasil ekstraksi yang bukan hanya
jumlahnya lebih sedikit dari variabel awal, tetapi sekaligus dapat berfungsi
sebagai variabel baru pada analisis lanjutan tersebut. Oleh karena itu,
sebelumnya faktor harus diberi nilai terlebih dahulu.
Terdapat tiga metode dalam menentukan nilai setiap faktor, yaitu :
a. Menggunakan satu variabel awal yang memeliki faktor loading terbesar
(disebut suggorate variable) untuk mewakili setiap faktor dalam analisis
lanjutan.
b. Menggunakan factor scores, untuk membuat satu atau beberapa variabel
yang lebih sedikit dan berfungsi untuk menggantikan variabel asli yang
sudah ada.
c. Menggunakan summated scales, dimana nilai setiap faktor adalah rata-rata
nilai semua variabel yang tergabung dalam faktor tersebut.

Validitas dan Reliabilitas (skripsi dan tesis)


Ketepatan pengujian suatu hipotesa tentang hubungan variabel penelitian
sangat tergantung pada kualitas data yang akan dipakai dalam pengujian tersebut (Singarimbun, 1989). Data penelitian yang didalam pengumpulannya sering kali menuntut pembiayaan, waktu dan tenaga besar, tidak akan berguna bila mana alat pengukur yang digunakan untuk mengumpulkan data penelitian tersebut tidak memiliki validitas dan reliabilitas yang tinggi. Suatu instrumen ukur yang tidak valid atau tidak reliabel akan memberikan informasi yang tidak akurat mengenai keadaan subjek atau individu yang dikenai test. Apabila informasi yang keliru tersebut, dengan sengaja atau tidak sengaja digunakan sebagai dasar pertimbangan dalam pengambilan suatu kesimpulan dan keputusan maka tentulah hal tersebut tidak akan merupakan kesimpulan atau keputusan yang tepat. Karena itu, supaya hasil penelitian dapat dipertanggungjawabkan secara ilmiah, maka informasi yang menyangkut validitas dan reliabilitas instrumen ukur harus disampaikan.
1. Validitas
Validitas berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu instrumen ukur dalam melakukan fungsi
ukurnya (Azwar, 1992). Validitas menunjukkan sejauh mana suatu instrumen
ukur itu dapat mengukur apa yang ingin diukur. Suatu test atau instrumen
ukur dapat dikatakan mempunyai validitas yang tinggi apabila alat tersebut
menjalankan fungsi alat ukurnya, atau memberikan hasil ukur, yang sesuai
dengan maksud dilakukannya pengukuran tersebut. Test yang menghasilkan
data tidak relevan dengan tujuan pengukuran dikatakan sebagai test yang
memiliki validitas rendah. Dalam hal ini, faktor yang mempengaruhi validitas
adalah pewawacara, responden (yang diwawancarai), dan instrumen ukur
yang digunakan.
Validitas alat pengumpul data dapat digolongkan dalam beberapa
jenis, yaitu:
a. Validitas Konstruk (Construct)
Sebagai salah satu dari tiga metode yang ada, validitas konstruk adalah tipe
validitas yang menunjukkan sejauh mana tes mengungkap suatu trait atau
kontruk teoretik yang hendak diukurnya. Pengujian validitas konstruk
merupakan proses yang terus berlanjut sejalan dengan perkembangan
konsep mengenai trait yang diukur. Walaupun pengujian validitas konstruk
biasanya memerlukan teknik analisis statistika yang lebih komplek daripada
teknik-teknik yang dipakai pada pengujian validitas lainnya akan tetapi hasil
estimasi validitas konstruk tidak dinyatakan dalam bentuk suatu koefisien
validitas. Apabila korelasi yang ada signifikan, maka dapat dikatan bahkan
alat ukur tersebut valid.
Apabila koefisien korelasi untuk seluruh item sudah dihitung, maka
kita perlu angka minimal dari koefisien korelasi (rkritis) yang dapat dianggap
cukup tinggi sebagai indikator adanya konsistensi antara skor item dengan
skor keseluruhan. Nilai (rkritis) dapat dicari dari tabel. Jika ada tabel yang
tidak memenuhi syarat nilai koefisien korelasi yang ditetapkan, maka
pengujian diulang dengan menghilangkan variabel yang bersangkutan.
b. Validitas Isi (Content)
Dua hal yang penting dari validitas isi yaitu pokok-pokok yang
dicantumkan dalam suatu test perlu mewakili masalah yang akan diuji dan
pokok-pokok yang dicantumkan dalam suatu test seharusnya sesuai.
Pentingnya validitas isi perlu terutama apabila masalah yang diteliti sangat
luas.
c. Validitas Kriteria (Criterion-Related)
Validitas ini berkait dengan penelitian hubungan sistematis
(biasanya dalam bentuk koefisien korelasi) antara skor untuk skala
tertentu dengan skor lain yang diramalkan.
Langkah-langkah pengujian validitas meliputi :
1. Mendefinisikan secara operasional konsep yang akan diukur.
2. Melakukan uji coba skala pengukuran tersebut pada responden.
3. Mempersiapkan tabel tabulasi jawaban.
4. Menghitung korelasi antara masing-masing pertanyaan dengan skor
total dengan salah satu cara adalah menggunakan rumus teknik
korelasi product moment.
Nilai r yang diperoleh kemudian dibandingkan dengan nilai r pada tabel r
product moment. Pernyataan-pernyataan tersebut dapat dianggap valid bila
memiliki konsistensi internal, yaitu mengukur aspek yang sama. Apabila
dalam perhitungan ditemukan pernyataan yang tidak valid, kemungkinan
pernyataan tersebut kurang baik susunan katanya atau kalimatnya, karena
kalimat yang kurang baik dapat menimbulkan penafsiran yang berbeda.
2. Reliabilitas
Relaibilitas adalah indeks yang menunjukkan sejauh mana suatu
sistem ukur dapat dipercaya atau dapat diandalkan (Singarimbun, 1989). Bila
suatu instrumen ukur dipakai dua kali untuk mengukur konsep yang sama dan
hasil pengukuran yang diperoleh relatif konsisten, maka instrumen ukur
tersebut reliabel. Dengan kata lain, reliabilitas menunjukkan konsistensi suatu
instrumen ukur di dalam mengukur konsep yang sama.
Reliabilitas diartikan sebagai tingkat kepercayaan hasil suatu
pengukuran (Azwar, 1992). Reliabilitas memberikan gambaran sejauh mana
skor hasil pengukuran terbebas dari alat pengukuran (measurement error).
Pengukuran yang memiliki realibilitas yang tinggi disebut sebagai pengukuran
yang reliabel (reliable), yaitu dapat dipercaya.
Secara empirik, tinggi rendahnya realibilitas ditunjukkan oleh suatu
angka yang disebut koefisien reliabilitas. Pada awalnya, tinggi rendahnya
reliabilitas suatu test dicerminkan oleh koefisien korelasi antara skor pada dua
test yang dikenakan pada sekelompok individu yang sama. Semakin tinggi
koefisien korelasi berarti konsistensi antara hasil pengenaan dua test tersebut
semakin baik dan hasil ukur kedua test tersebut dikatakan semakin reliabel,
begitu juga sebaliknya. Disamping itu, walaupun koefisien korelasi dapat saja
bertanda negatif (-), koefisien reliabilitas selalu mengacu pada angka positif
(+), karena angka negatif tidak ada artinya bagi interpretasi reliabilitas hasil
ukur.

Metode Sampling (skripsi dan tesis)


Dalam suatu penelitian, jumlah keseluruhan unit analisis, yaitu objek yang
akan diteliti, disebut populasi. Secara ideal, sebaiknya kita meneliti seluruh
anggota populasi. Akan tetapi, seringkali populasi penelitian sangat besar
sehingga tidak mungkin untuk diteliti seluruhnya dengan waktu, biaya dan tenaga yang tersedia. Dalam keadaan demikian, maka penelitian dilakukan terhadap sampel, yaitu sebagian dari populasi yang telah memenuhi kriteria untuk diteliti.dengan meneliti sampel, diharapkan bahwa hasil yang diperoleh akan dapat menggambarkan sifat populasi yang bersangkutan. Pemilihan sampel untuk memperoleh data mengenai populasi merupakan prosedur yang mendasar dalam suatu penelitian. Keuntungan dari teknik sampling antara lain mengurangi biaya, mempercepat waktu penelitian dan dapat memperbesar ruang lingkup penelitian (Singarimbun, 1989). Akan tetapi, pemilihan sampel selalu mengakibatkan adanya perbedaan antara nilai yang sebenarnya (dalam populasi) dari variabel yang diteliti dengan nilai hasil observasi (dalam sampling), yang disebut error sampling.
Suatu metode pengambilan sampel yang ideal memiliki sifat-sifat sebagai
berikut (Singarimbun, 1989):
1. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi
yang diteliti.
2. Dapat menentukan ketepatan hasil penelitian dengan menentukan
penyimpangan baku dari tafsiran yang diperoleh.
3. Sederhana dan mudah dilakukan.
4. Dapat memberikan keterangan sebanyak mungkin dengan biaya serendah
mungkin.
Pada dasarnya metode pengambilan sampel ada dua macam (Singarimbun,
1989), yaitu : pengambilan sampel secara acak (probability sampling) dan
pengambilan sampel secara acak (nonprobability sampling).
1. Pengambilan sampel secara acak
Pengambilan sampel secara acak (probability sampling) adalah
metode sampling yang setiap anggota populasinya memiliki peluang untuk
terpilih sebagai sampel dan bukan nol. Peluang setiap anggota populasi
tersebut dapat sama, dapat juga tidak. Pengambilan sampel secara acak, terdiri dari :
a. Pengambilan sampel acak sederhana (simple random sampling), adalah
suatu teknik pengambilan sampel dimana setiap anggota populasi
memiliki probabilitas terpilih yang sama. Apabila jumlah sampel yang
diinginkan berbeda, maka besarnya peluang besarnya tiap anggota
populasi untuk terpilih pun berbeda-beda pula, dengan mengikuti
perbandingan jumlah sampel terhadap jumlah populasi. Dua metode yang
dapat digunakan dalam pengambilan sampel ini adalah: metode undian
dan metode menggunakan tabel bilangan random.
b. Pengambilan sampel acak sistematis (Systemmatic Sampling), adalah
suatu teknik pengambilan sampel dimana unsur pertama saja dari sampel
yang dipilih secara random, sedangkan unsur selanjutnya dipilih secara
sistematis menurut pola tertentu. Pengambilan sampel acak sistematis
tidak dapat diterapkan pada populasi yang tersusun dengan urutan pola
tertentu dimana interval sampling mengikuti urutan pola tersebut.
c. Penganbilan acak terstratifikasi (stratified sampling), adalah suatu teknik
pengambilan sampel dimana terlebih dahulu dilakukan pengambilan
anggota populiasi kedalam kelompok-kelompok kemudian sampel diambil
dari setiap kelompok tersebut secara acak. Stratifikasi atau pembagian ini
dapat dilakukan brdasarkan ciri/karakteristik tertentu dari populasi yang
sesuai dengan tujuan penelitian. Pengambilan sampel terstratifikasi dapat
dibagi menjadi dua, yaitu proporsional dimana jumlah sampel yang
diambil adalah sebanding dengan jumlah anggota populasi dalam setiap
kelompok karena pertimbangan analitis.
d. Pengambilan sampel kelompok (cluster sampling), adalah suatu teknik
pengambilan sampel dimana sampel unitnya bukan individual melainkan
kelompok individual (cluster) berdasar ciri/ karakteristik tertentu.
Selanjutnya dari cluster-cluster yang ada, dipilih satu cluster secara acak,
kemudian diambil sampel secara acak dan cluster terpilih ini. Hal ini
dimungkinkan karena masing-masing cluster dianggap homogen sehingga
tidak diperlukan dilakukan pengambilan sampel pada semua cluster.
e. Pengambilan sampel secara bertahap (double sampling), adalah suatu
teknik pengambilan sampel yang dilakukan secara bertahap. Tahap
pertama dilakukan untuk mendapatkan informasi awal. Tahap selanjutnya
dilakukan wawancara ulang dengan tambahan untuk mendapatkan
informasi yang lebih detail.
2. Pengambilan sampel secara tidak acak
Pengambilan secara tidak acak (nonprobability sampling) adalah
metode sampling yang setiap anggota populasinya tidak memiliki peluang
yang sama untuk dipilih sebagai sampel, bahkan probabilitas anggota populasi
tertentu untuk terpilih tidak diketahui. Dalam pengambilan sampel secara
tidak acak, pemilihan unit sampling berdasarkan pada pertimbangan atau
penilaian objektif dan tidak pada penggunaan teori probabilitas. Pengambilan
sampel secara tidak acak terdiri atas:
a. Accidental sampling (Convenience Sampling) adalah suatu teknik
pengambilan sampel dimana sampel yang diambil merupakan sampel
yang paling mudah diperoleh atau dijumpai. Dalam hal ini, unit sampel
sangat mudah diakses, diukur, dan sangat bekerja sama sehingga teknik
sampling ini sangat mudah, murah dan cepat dilaksanakan.
b. Purposive Sampling (Judgmental Sampling) adalah suatu teknik
pengambilan sampel dimana pemilihan sampel dilakukan dengan
pertimbangan subjektif tertentu berdasarkan beberapa ciri/ karakteristik
yang dimiliki sampel tersebut, yang dipandang berhubungan erat dengan
ciri/ karakteristik populasi yang sudah dsiketahui sebelumnya. Sampel
yang purposif adalah sampel yang dipilih dengan cermat sehingga relevan
dengan penelitian.
c. Quota Sampling, adalah suatu teknik pengambilan sampel dimana sampel
diambil dari suatu sub populasi yang mempunyai karakteristikkarakteristik
tertentu dalam batasan jumlah atau quota tertentu yang
diinginkan.
d. Snowball Sampling, adalah suatu teknik pengambilan sampel yang sangat
sesuai digunakan untuk mengetahui populasi dengan ciri-ciri khusus yang
sulit dijangkau. Pemilihan pertama dilakukan secara acak. Kemudian
setiap responden yang ditemui diminta untuk menberikan informasi
mengenai rekan-rekan lain yang mempunyai persamaan kakteristik yang
dibutuhkan, sehingga diperoleh responden tambahan.

Pembuatan Kuesioner (skripsi dan tesis)


Dalam penelitian survey, kuesioner merupakan alat untuk mengumpulkan
data. Analisa data kuantitatif didasarkan pada hasil kuesioner tersebut. Sebuah kuesioner yang baik adalah kuesioner yang mengandung pertanyaan-pertanyaan yang diajukan sedemikian rupa sehingga tidak menimbulkan interpretasi yang lain dari renponden. Pertanyaan-pertanyaan kuesioner harus jelas dan mudah dimengerti untuk mengurangi kesalahan interpretasi responden dalam pengisian kuesioner.
Berdasarkan jenis pertanyaannya, kuesioner dibedakan menjadi empat
macam (Aaker, dalam Singarimbun, 1989), yaitu :
1. Pertanyaan tertutup
Pertanyaan tertutup adalah pertanyaan yang telah disertai pilihan
jawabannya. Responden hanya tinggal memilih salah satu jawaban yang
tersedia, dan tidak diberi kesempatan memberikan jawaban lain. Pertanyaan
tertutup dapat berupa pertanyaan pilihan ganda atau berupa skala.
2. Pertanyaan terbuka
Pertanyaan terbuka adalah pertanyaan yang membutuhkan jawaban
bebas dari responden. Responden tidak diberi pilihan jawaban, tetapi responden menjawab pertanyaan sesuai dengan pendapatnya.
3. Pertanyaan kombinasi tertutup dan terbuka
Pertanyaan kombinasi tertutup dan terbuka adalah pertanyaan yang
telah disediakan jawabannya tetapi kemudian diberi pertanyaan terbuka,
dimana pada pertanyaan tersebut responden bebas memberikan jawaban.
4. Pertanyaan semi terbuka
Pertanyaan semi terbuka adalah pertanyaan yang disediakan pilihan
jawabannya tetapi masih ada kemungkinan bagi responden untuk
memberiakan tambahan jawaban

Bauran Pemasaran (Marketing Mix) (skripsi dan tesis)


Marketing Mix adalah kombinasi dari empat variabel atau merupakan
kegiatan yang merupakan inti dari sistem pemasaran perusahaan. (Swastha, 1987:
Perilaku pembeli dipengaruhi oleh karakteristik pembeli disamping itu
dipengaruhi pula oleh proses keputusan pembeli. Menurut (Philip Kotler, 1995:
248) karakteristik pembeli meliputi empat faktor utama:
1. Faktor kultural adalah penentu yang paling mendasar atas perilaku keinginan
dan perilaku seseorang. Termasuk di dalamnya adalah nilai-nilai hakiki,
persepsi, prefrensi, serta perilaku orang yang bersangkutan belajar dari
keluarga serta lembaga-lembaga kunci lainya. Pemasar berusaha untuk
menelusiri pergeseran kultural yang mungkin mengungkapkan cara-cara baru
untuk melayani para konsumen. Kelas sosial adalah sub-kultur yang para
anggotanya memiliki prestise sosial yang sama atas dasar kesamaan pola
jabatan, pendapatan, pendidikan, kekayaan, serta variabel lainnya.
2. Faktor sosial mempengaruhi perilaku pembeli, kelompok refrensi seorangkeluarga,
teman-karib, organisasi sosial, asosiasi profesional sangat
mempengaruhi pilihan produk serta merk. Posisi seseorang di dalam setiap
kelompok ditentukan dari peran dan status. Seseorang pembeli akan memilih
produk serta merk yang mencerminkan peran dan statusnya.
3. Faktor pribadi yaitu usia, tahap daur hidup, jabatan, keadaan ekonomi, gaya
hidup, kepribadian, serta karakteristik pribadi lainnya dari pembeli
mempengaruhi keputusan pembelian. Gaya hidup konsumen keseluruhan pola
bertindak dan berinteraksi di dunia juga merupakan sebuah pengaruh yang
penting terhadap pilihan pembeli.
4. Faktor psikologis yaitu motivasi, persepsi, belajar, dan sikap. Masing-masing
faktor merupakan perspektif tersendiri untuk memenuhi cara bekerja pembeli.
Empat variabel yang terdapat dalam marketing mix antara lain :
1. Produk
Dalam pengelolan produk termasuk pula perencanaan dan
pengembangan produk jasa yang baik untuk dipasarkan oleh perusahaan.
Perlu adanya suatu pedoman untuk mengubah produk yang ada menambah
produk baru atau mengambil tindakan lain yang dapat mempengaruhi
kebijaksanaan dalam menentukan produk. Selain itu keputusan juga perlu
diambil menyangkut masalah pemberian merk, pembungkusan, warna dan
bentuk produk lainnya.
2. Harga.
Dalam kebijaksanaan manajemen harus menentukan harga dasar dari
produknya kemudian menentukan kebijaksanaan menyangkut potongan harga,
pembayaran ongkos kirim, dan lain-lainnya yang berhubungan dengan harga.
3. Distribusi.
Sebagai tugas dari distribusi adalah memilih perantara yang akan
digunakan dalan satuan distribusi, serta mengembangkan distribusi yang
secara fisik menangani dan menyangkut produk. Melalui saluran ini agar
produk dapat mencapai pasar tepat waktu.
4. Promosi.
Promisi ini merupakan yang dipakai untuk memberitahu dan
mempengaruhi pasar terhadap produk perusahaan yang termasuk dalam
promosi adalah periklanan, personal selling, promasi penjualan dan publisitas

Pengertian Perilaku Konsumen (Consumer Behavior) (skripsi dan tesis)


Konsumen berkaitan erat dengan pasar, dimana perilaku dari setiap
konsumen tersebut berbeda-beda, oleh sebab itu pemasar harus dapat memahami perilaku konsumen (consumer behavior) agar strategi pemasaran yang akan dijalankan dapat berjalan dengan efektif.
Pemasar harus memahami bagaimana konsumen mentransformasikan
rangsangan pemasaran dan lain-lainnya kedalam tanggapan-tanggapan pembeli. Perilaku pembelian seseorang adalah hal saling berpengaruh
mempengaruhi dari semua faktor-faktor kultural, sosial, pribadi, dan psikologi
yang kompleks. Banyak dari faktor-faktor tersebut tidak dapat dikendalikan oleh pemasar, akan tetapi faktor-fator itu berguna untuk mengidetifikasikan dan memahami konsumen tertentu yang para pemasar berupaya untuk mempengaruhi.
Selanjutnya dapat dijelaskan bahwa perilaku konsumen terdiri dari dua
bagian. Pertama, perilaku yang tampak. Menurut Umar, variabel-variabel yang
termasuk dalam perilaku ini adalah jumlah pembelian, waktu, karena siapa,
dengan siapa, dan bagaimana konsumen melakukan pembelian. Kedua, perilaku yang tak tampak. Variabel-variabelnya antara lain adalah persepsi, ingatan terhadap informasi, dan perasaan kepemilikan konsumen (Frida, 2004). Sedangkan pengertian keinginan konsumen adalah hasrat konsumen
terhadap sesuatu untuk memenuhi kebutuhannya. Keinginan ini dipengaruhi oleh latar belakang budaya dan karakteristik individu seseorang (Simamora, 2004: 3 )

Pengertian Pemasaran(skripsi dan tesis)

Pemasaran adalah suatu proses sosial dan manajerial dimana individu dan
kelompok mendapatkan kebutuhan dan keinginan mereka dengan menciptakan, menawarkan, dan bertukar sesuatu yang bernilai satu sama lain (Philip Kotler, 1995: 8).
Besarnya pasar tergantung dari jumlah orang yang memiliki kebutuhan,
menpunyai sumbar daya yang diminati orang lain, dan mau menawarkan sumber daya itu untuk ditukar supaya dapat memenuhi kebutuhan mereka. Kalau satu pihak lebih aktif mencari pertukaran daripada pihak lain, maka pihak pertama adalah pemasar dan pihak kedua adalah calon pembeli. Pemasar adalah orang yang mencari sumber daya dari orang lain dan mau menawarkan sesuatu yang bernilai untuk itu. Dalam situasi normal, pemasar adalah suatu perusahaan yang melayani suatu pasar pemakai ditengah kompetisi. Kalangan bisnis menggunakan istilah pasar untuk mencakup berbagai pengelompokkan pelanggan. Ada pasar keinginan, pasar produk, pasar demografis, dan pasar geografis.
Dalam konsep pemasaran tersebut terdapat tiga faktor dasar, yaitu:
1. Seluruh perencanan dan kegiatan perusahaan harus berorientasi pada
konsumen/ pasar.
2. Volume penjualan yang menguntungkan harus menjadi tujuan perusahaan,
dan bukannya volume umtuk kepentingan volume itu sendiri.
3. Seluruh kegiatan pemasaran dalam perusahaan harus dikoordinasikan dan
diintegrasikan secara organisatoris (Swastha, 1987: 2).

Pengertian Pasar (skripsi dan tesis)

Pasar tediri dari semua pelanggan potensial yang memiliki kebutuhan atau
keinginan tertentu serta mau dan mampu dalam melakukan pertukaran untuk
memenuhi kebutuhan atau keinginan (Philip Kotler, 1995: 14).
Konsep pasar membawa kita kembali pada konsep pemasaran, dimana
pemasaran merupakan dimensi pertama dan utama dari perusahaan. Definisi dari pemasaran adalah proses sosial dan manajerial dimana individu dan kelompok mendapatkan kebutuhan dan keinginan mereka dengan menciptakan, menawarkan dan menukarkan produk yang bernilai satu sama lain (Philip Kotler, 1995: 15).
Ukuran suatu pasar tergantung pada jumlah pembeli yang berada dalam
pasar tersebut. Pembeli potensial memiliki tiga karakteristik pokok, yaitu
mempunyai minat, penghasilan dan akses. Berdasarkan ketiga karakteristik ini, ada lima level definisi pasar yaitu:
1. Pasar potensial (potential market), yaitu sekumpulan konsumen yang
memiliki tingkat minat tertentu terhadap penawaran pasar tertentu. Misalnya,
semua orang yang menyatakan berminat untuk membeli sebuah sepeda motor.
2. Pasar yang tersedia (available market), yaitu sekumpulan konsumen yang
memiliki minat, penghasilan, dan akses pada penawaran pasar tertentu. Dalam
pasar yang tersedia, konsumen yang memiliki kemampuan (daya beli) untuk
membeli sepeda motor. Selain itu hambatan akses juga teratasi, artinya sepeda
motor tersebut memang tersedia di wilayah konsumen tersebut berada.
3. Pasar tersedia yang memenuhi syarat (qualified available market), yaitu
sekumpulan konsumen yang memiliki minat, penghasilan, akses, dan
kualifikasi untuk penawaran pasar tertentu.
4. Pasar yang dilayani (served market atau target market), yaitu sebagian dari
qualified available market yang ingin dimasuki perusahaan. Misalnya,
produsen sepeda motor memutuskan untuk memusatkan perhatian pemasaran
dan distribusinya di pulau jawa, maka pulau jawa menjadi pasar yang
dilayani.
5. Pasar penetrasi (penetration market), yaitu sekumpulan konsumen yang
benar-benar telah membeli produk. Jadi, yang termasuk dalam pasar penetrasi
adalah mereka yang sungguh-sungguh telah membeli sepeda motor produsen
tersebut. (Tjiptono, 2001: 64)

Metode Pendugaan Parameter Principal Component Analysis (PCA) (skripsi dan tesis)

 
Secara sederhana, sebuah variabel akan mengelompok ke suatu faktor (yang
terdiri atas variabel-variabel yang lainnya pula) jika variabel tersebut berkorelasi dengan sejumlah variabel lain yang masuk dalam kelompok faktor tertentu. Ketika sebuah variabel berkorelasi dengan variabel lain, variabel tersebut berbagi varians dengan variabel lain tersebut, dengan jumlah varians yang dibagikan adalah besar korelasi pangkat dua (
2). Varians adalah akar dari standar deviasi, yakni jumlah penyimpangan data dari rata-ratanya (Santoso, 2012). Dengan demikian, varians total pada sebuah variabel dapat dibagi menjadi tiga bagian:
1. Common variance, yakni varians yang dibagi dengan varians lainnya atau
jumlah varians yang dapat diekstrak dengan proses factoring.
2. Specific variance, yakni varians yang berkaitan dengan variabel tertentu saja. Jenis varians ini tidak dapat dijelaskan dengan korelasi hingga menjadi bagiandari variabel lain. Namun varians ini masih berkaitan secara unik dengan satu  variabel.
3. Error variance, yakni varians yang tidak dapat dijelaskan lewat korelasi. Jenis
ini muncul karena proses pengambilan data yang salah, pengukuran variabel
yang tidak tepat dan sebagainya. Dari penjelasan tersebut di atas, dapat dikatakan jika sebuat variabel berkorelasi dengan variabel lain, maka common variance (disebut juga communality) akan meningkat. Proses common analysis hanya berhubungan denngan common variance, sedangkan proses component analysis akan mengaitkan semua varians tersebut. Pada umumnya, component analysis akan digunakan jika tujuan utama
analisis faktor adalah data reduction, dan beranggapan bahwa sejumlah specific variance dan error variance berjumlah kecil.
Principal component analysis menggunakan total varians dalam analisisnya.
Metode ini menghasilkan faktor yang memiliki specific variance dan error variance yang lebih kecil. Kalau ada beberapa faktor yang dihasilkan, faktor yang duluan dihasilkan adalah yang memiliki common variance terbesar, sekaligus specific dan error variance terkecil (Simamora, 2004).

Asumsi Analisis Faktor (skripsi dan tesis)

 
Prinsip utama dalam analisis faktor adalah korelasi, artinya variabel yang
memiliki korelasi erat akan membentuk suatu faktor, sedangkan variabel yang ada dalam suatu faktor akan memiliki korelasi yang lemah dengan variabel yang terdapat pada faktor yang lain. Karena prinsip utama analisis faktor adalah korelasi, maka asumsi dalam analiss faktor berkaitan erat dengan korelasi berikut:
a. Korelasi atau keterkaitan antarvariabel harus kuat.
Hal ini dapat diidentifikasi dari nilai determinannya yg mendekati nol. Nilai
determinan dari matriks korelasi yang elemen-elemennya menyerupai matriks
identitas akan memiliki nilai determinan sebesar satu. Artinya, jika nilai
determinan mendekati satu, maka matriks korelasi menyerupai matriks
identitas, dimana antar item/variabel tidak saling terkait karena matriks
identitas memiliki elemen pada diagonal bernilai satu, sedangkan lainnya
bernilai nol.
b. Indeks perbandingan jarak antara koefisien korelasi dengan koefisien korelasi
parsialnya secara keseluruhan harus kecil.
Hal ini dapat diidentifikasi dengan nilai Kiser Meyer Olkin measure of
sampling adequency (KMO). KMO merupakan sebuah indeks perbandingan
jarak antara koefisien korelasi dengan koefisien parsialnya secara keseluruhan.
Jika jumlah kuadrat koefisien korelasi parsial di antara seluruh pasangan
variable bernilai kecil dibandingkan dengan jumlah kuadrat koefisien korelasi,
maka akan menghasilkan nilai KMO yang mendekati satu. Nilai KMO yang
kecil menunjukkan bahwa analis faktor bukan merupakan pilihan yang tepat.
Untuk dapat dilakukan analisis faktor, nilai KMO diangggap cukup apabila
nilai KMO > 0,5.
c. Indeks perbandingan jarak antara koefisien korelasi dengan koefisien korelasi parsialnya secara keseluruhan harus kecil.
Hal ini dapat diidentifikasi dengan nilai Measure of Sampling Adequency
(MSA). MSA adalah sebuah indeks perbandingan jarak antara koefisien
korelasi dengan koefisien korelasi parsialnya secara parsial setiap item/variabel. Untuk dapat dilakukan analisis faktor, nilai MSA dianggap cukup apabila nilai MSA > 0,5. Apabila ada item/variabel yang tidak memiliki nilai MSA > 0,5, variabel tersebut harus dikeluarkan dari analisis faktor secara bertahap satu persatu.
d. Dalam beberapa kasus, setiap variabel yang akan dianalisis dengan
menggunakan analisis faktor harus menyebar secara norma

Langkah-langkah Analisis Faktor (skripsi dan tesis)

 
Menurut Suliyanto (2005), langkah-langkah dalam analisis faktor adalah
sebagai berikut:
a. Merumuskan masalah
b. Membuat matriks korelasi
Proses analisis faktor didasarkan pada matriks korelasi antara variabel yang satu dengan variabel-variabel lain, untuk memperoleh analisis faktor yang semua variabel-variabelnya harus berkorelasi. Untuk menguji ketepatan dalam model faktor, uji statistik yang digunakan adalah barletts test sphericity dan Kiser-Mayer-Olkin (KMO) untuk mengetahui kecukupan sampelnya.
 
1. Nilai KMO sebesar 0,9 adalah baik sekali
2. Nilai KMO sebesar 0,8 adalah baik
3. Nilai KMO sebesar 0,7 adalah sedang/agak baik
4. Nilai KMO sebesar 0,6 adalah cukup
5. Nilai KMO sebesar 0,5 adalah kurang
6. Nilai KMO sebesar < 0,5 adalah ditolak
c. Penentuan jumlah faktor.
Penentuan jumlah faktor yang ditentukan untuk mewakili variabel-variabel yang akan dianalisis didasarkan pada besarnya eigenvalue serta persentase total variannya. Hanya faktor yang memiliki eigenvalue sama atau lebih besar dari satu yang dipertahankan dalm model analisis faktor, sedangkan yang lainnya dikeluarkan dari model.
d. Rotasi faktor.
Hasil dari ekstraksi faktor dalam matriks faktor mengidentifikasikan hubungan
antar faktor dan variabel individual, namun dalam faktor-faktor tersebut banyak variabel yang berkorelasi sehingga sulit diinterpretasikan. Melalui rotasi faktor matriks, faktor matriks ditransformasikan ke dalam matriks yng lebih sederhana sehingga mudah diinterpretasikan. Rotasi faktor menggunakan prosedur varimax.
e. Interpretasi faktor.
Interpretasi faktor dilakukan dengan mengklasifikasikan variabel yang
mempunyai factor loading minimum 0,4 sedangkan variabel dengan faktor loading kurang dari 0,4 dikeluarkan dari model.
f. Penyeleksian surrogate variable.
Mencari salah satu variabel dalam setiap faktor sebagai wakil dari masing-
masing faktor. Pemilihan ini didasarkan pada nilai factor loading tertinggi.
g. Model Fit (ketepatan model)
Tahap akhir dari ananlisis faktor adalah mengetahui ketepatan dalam memilih
teknik analisis faktor antara principal component analysis dan maximum likelihood dengan melihat jumlah residual (perbedaan) antara korelasi yang diamati dengan korelasi yang diproduksi. Semakin kecil persentase nilai residual (dalam hal ini adalah nilai root mean square error = RMSE), maka semakin tepat penentuan teknik tersebut.

 Uji Ketepatan model Analisis Faktor (skripsi dan tesis)

 
Uji ketepatan model digunakan untuk melihat apakah faktor-faktor yang telah
terbentuk berdasarkan analisis faktor benar-benar telah valid. Ada beberapa cara untuk menguji ketepatan model dari faktor-faktor yang telah terbentuk, yaitu sebagai berikut:
1. Dengan membagi sampel awal menjadi dua sama besarnya. Apabila ada jumlah sampel ganjil, maka satu sampel harus dihilangkan atau dimasukkan kepada dua bagian sampel tersebut. Kemudian sampel yng telah dibagi dua dianalisis satu persatu. Apabila hasil analisis faktor antara sampel pertama dan sampel kedua tidak banyak perbedaan, faktor yang terbentuk dinyatakan baik.
2. Dengan melihat nilai perbandingan antara observed correlation dengan
reproduced correlations. Diharapkan perubahan matriks korelasi yang baru tidak jauh berbeda dengan matriks korelasi asal. Untuk itu, perlu dilakukan
perhitungan atas perubahan yang terjadi, yaitu dengan menghitung selisih nilai
koefisien korelasi dari matriks korelasi asal dengan koefisien korelasi dari
matriks korelasi baru. Jika nilai mutlak dari selisih tersebut melebihi nilai 0,05,
dimasukkan dalam kategori bahwa koefisien korelasi tersebut tidak sama
(berubah). Kemudian dihitung jumlah koefisien yang berbeda dan tergolong
sama. Jumlah relatif dari koefisien yang tergolong sama dijadikan indikator
ketepatan model. Model dikatakan baik apabila koefisien yang tidak berubah atau sama lebih banyak (> 50%) daripada yang tergolong berubah. Dalam
perkembangannya metode ini lebih banyak digunakan

Penamaan Faktor Yang Terbentuk (skripsi dan tesis)

 
Untuk menamai faktor yang telah dibentuk dalam analisis faktor, dapat
dilakukan dengan cara berikut.
1. Memberikan nama faktor yang dapat mewakili nama-nama variabel yang
membentuk faktor tersebut.
2. Memberikan nama faktor berdasarkan variabel yang memiliki nilai factor
loading tertinggi. Hal ini dilakukan apabila tidak dimungkinkan untuk
memberikan nama faktor yang dapat mewakili semua variabel yang membentuk faktor tersebut

Penentuan Jumlah Faktor (skripsi dan tesis)

 
Untuk menentukan banyaknya jumlah faktor yang terbentuk dalam analisis
faktor dapat dilakukan beberapa pendekatan berikut:
1. Penentuan berdasarkan apriori.
Dalam metode penentuan ini, jumlah faktor telah ditentukan sebelumnya oleh
peneliti.
2. Penentuan berdasarkan eigenvalue.
Untuk menentukan jumlah faktor yang terbentuk dapat didasarkan pada
eigenvalue. Jika suatu variabel memiliki eigenvalue > 1, dianggap sebagai suatu
faktor, sebaliknya jika suatu variabel hanya memiliki eigenvalue < 1, tidak
dimasukkan dalam model.
3. Penentuan berdasarkan scree plot.
Scree plot pada dasarnya merupakan grafik yang menggambarkan hubungan
antara faktor dengan eigenvalue, pada sumbu Y menunjukkan eigenvalue, sedangkan pada sumbu X menunjukkan jumlah faktor. Untuk dapat menentukan berapa jumlah faktor yang diambil, ditandai dengan slope yang sangat tajam antara faktor yang satu dengan faktor berikutnya.
4. Penentuan berdasarkan persentase varian (percentage of variance).
Persentase varian menunjukkan jumlah variasi yang berhubungan pada suatu
faktor yang dinyatakan dalam persentase. Untuk dapat menentukan berapa jumlah faktor yang diambil, harus memiliki nilai persentase varian > 0,5. Sedangkan apabila menggunakan kriteria kumulatif persentase varian, besarnya nilai kumulatif persentase varian > 60%.
Untuk mengetahui peranan masing-masing variabel dalam suatu faktor dapat
ditentukan dari besarnya loading variabel yang bersangkutan. Loading dengan nilai terbesar berarti mempunyai peranan utama pada faktor tersebut. Variabel yang memiliki nilai loading < 0,5 dianggap tidak memiliki peranan yang berarti terhadap faktor yang terbentuk sehingga variabel tersebut dapat diabaikan dalam pembentukan faktor
 

Jumlah Sampel Ideal Dan Jenis Data Untuk Analisis Faktor (skripsi dan tesis)

Secara umum, jumlah sampel dalam analisis faktor minimal 50 pengamatan.
Bahkan seharusnya ukuran sampel sebanyak 100 atau lebih besar. Biasanya ukuran sampel dalam analisis ini dianjurkan memiliki paling sedikit 5 kali jumlah variabel yang akan diamati, karena semakin banyak sampel yang dipilih akan mencapai patokan rasio 10:1, dalam arti untuk satu variabel ada 10 sampel (Hair, 2010). Dalam pengertian SPSS, hal ini berarti untuk setiap 1 kolom yang ada, seharusnya terdapat 10 baris data, sehingga jika ada 5 kolom (variabel), minimal seharusnya ada 50 baris data (sampel).
Data dalam analisis faktor minimal adalah interval, sehingga apabila data yg
diperoleh berupa data ordinal, harus ditransformasikan menjadi data interval,
misalnya dengan menggunakan metode successive interval (Suliyanto,2005)

Fungsi Analisis Faktor (skripsi dan tesis)

 
Terdapat 3 fungsi analisis faktor menurut Suliyanto (2005), diantaranya
adalah sebagai berikut:
1. Mengidentifikasi dimensi-dimensi mendasar yang dapat menjelaskan korelasi dari serangkaian variabel.
2. Mengidentifikasi variabel-variabel baru yang lebih kecil, untuk menggantikan variabel tidak berkorelasi dari serangkaian variabel asli yang berkorelasi.
 
3. Mengidentifikasi beberapa variabel kecil dari sejumlah variabel yang banyak
untuk dianalisis multivariat lainnya

Tujuan Analisis Faktor (skripsi dan tesis)

 
Pada dasarnya, tujuan analisis faktor adalah:
1. Data Sumarization, yakni mengidentifikasi adanya hubungan antar variabel
dengan melakukan uji korelasi.
2. Data Reduction, yakni setelah melakukan korelasi, maka dilanjutkan dengan
proses membuat sebuah variabel set baru yang dinamakan faktor untuk
menggantikan sejumlah variabel tertentu.
Tujuan umum dari teknik analisis faktor adalah menemukan suatu cara untuk
mereduksi informasi yang terkandung di dalam sejumlah variabel-variabel original ke dalam set variabel yang lebih kecil dari dimensi-dimensi gabungan dan baru. Untuk menemukan tujuan tersebut, ada 4 hal yang mendukung yaitu mengkhususkan unit analisis, mencapai ringkasan data atau pengurangan data, pemilihan variabel, dan menggunakan hasil analisis faktor dengan teknik-teknik multivariat yang lain (Hair, 2010).
 

Definisi Analisis Faktor (skripsi dan tesis)

 
Analisis faktor merupakan suatu teknik untuk menganalisis tentang saling
ketergantungan dari beberapa variabel secara simultan dengan tujuan untuk
menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit dari pada variabel yang diteliti. Hal ini berarti, analisis faktor dapat juga menggambarkan tentang struktur data dari suatu penelitian (Suliyanto, 2005).
Analisis faktor adalah suatu teknik interdependensi (interdependence
technique), dimana tidak ada pembagian variabel menjadi variabel bebas dan variabel tergantung dengan tujuan utama yaitu mendefinisikan struktur yang terletak di antara variabel-variabel dalam analisis. Analisis ini menyediakan alat-alat untuk menganalisis struktur dari hubungan interen atau korelasi di antara sejumlah besar variabel dengan menerangkan korelasi yang baik antara variabel, yang diasumsikan untuk merepresentasikan dimensi-dimensi dalam data (Hair, 2010)

Analisis Faktor Konfirmatori (CFA) (skripsi dan tesis)


Analisis faktor konfirmatori yaitu suatu teknik analisis faktor di mana secara apriori berdasarkan teori dan konsep yang sudah diketahui dipahami atau ditentukan sebelumnya, maka dibuat sejumlah faktor yang akan dibentuk, serta variabel apa saja yang termasuk ke dalam masing-masing faktor yang dibentuk dan sudah pasti tujuannya. Pembentukan faktor konfirmatori (CFA) secara sengaja berdasarkan teori dan konsep, dalam upaya untuk mendapatkan variabel baru atau faktor yang mewakili beberapa item atau sub-variabel, yang merupakan variabel teramati atau observerb variable.
Pada dasarnya tujuan analisis faktor konfirmatori adalah: pertama untuk mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi. Tujuan kedua untuk menguji validitas dan reliabilitas instrumen. Dalam pengujian terhadap validitas dan reliabilitas instrumen atau kuesioner untuk mendapatkan data penelitian yang valid dan reliabel dengan analisis faktor konfirmatori.

Analisis Faktor Eksploratori (EFA) (skripsi dan tesis)


Analisis faktor eksploratori atau analisis komponen utama (PCA = principle component analysis) yaitu suatu teknik analisis faktor di mana beberapa faktor yang akan terbentuk berupa variabel laten yang belum dapat ditentukan sebelum analisis dilakukan.
Pada prinsipnya analisis faktor eksploratori di mana terbentuknya faktor-faktor atau variabel laten baru adalah bersifat acak, yang selanjutnya dapat diinterprestasi sesuai dengan faktor atau komponen atau konstruk yang terbentuk. Analisis faktor eksploratori persis sama dengan anlisis komponen utama (PCA).
Dalam analisis faktor eksploratori di mana peneliti tidak atau belum mempunyai pengetahuan atau teori atau suatu hipotesis yang menyusun struktur faktor-faktornya yang akan dibentuk atau yang terbentuk, sehingga dengan demikian pada analisis faktor eksploratori merupakan teknik untuk membantu membangun teori baru.
Analisis faktor eksploratori merupakan suatu teknik untuk mereduksi data dari variabel asal atau variabel awal menjadi variabel baru atau faktor yang jumlahnya lebih kecil dari pada variabel awal. Proses analisis faktor eksploratori mencoba untuk menemukan hubungan antarvariabel baru atau faktor yang terbentuk yang saling independen sesamanya, sehingga bisa dibuat satu atau beberapa kumpulan variabel laten atau faktor yang lebih sedikit dari jumlah variabel awal yang bebas atau tidak berkorelasi sesamanya. Jadi antar faktor yang terbentuk tidak berkorelasi sesamanya.

Analisis Faktor (skripsi dan tesis)

Analisis faktor (factor analysis) adalah salah satu keluarga analisis multivariate yang bertujuan untuk meringkas atau mereduksi variable amatan secara keseluruhan menjadi beberapa variable atau dimensi baru, akan tetapi variable atau dimensi baru yang terbentuk tetap mampu merepresentasikan variable utama. Dalam analisis factor, dikenal dua pendekatan utama, yaitu exploratory factor analysis dan confirmatory factor analysis. Kita menggunakan exploratory factor analysis bila banyaknya factor yang terbentuk tidak ditentukan terlebih dahulu. Sebaliknya confirmatory factor analysis digunakan apabila factor yang terbentuk telah ditetapkan terlebih dahulu.
Asumsi mendasar yang harus digarisbawahi dalam analisis factor adalah bahwa variable-variabel yang dianalisis memiliki keterkaitan atau saling berhubungan karena analisis factor berusaha untuk mencari common dimension (kesamaan dimensi) yang mendasari variable-variabel itu.
Tujuan utama analisis faktor adalah untuk menjelaskan struktur hubungan di antara banyak variabel dalam bentuk faktor atau vaiabel laten atau variabel bentukan. Faktor yang terbentuk merupakan besaran acak (random quantities) yang sebelumnya tidak dapat diamati atau diukur atau ditentukan secara langsung. Selain tujuan utama analisis faktor, terdapat tujuan lainnya adalah:
  1. Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal, dan variabel baru tersebut dinamakan faktor atau variabel laten atau konstruk atau variabel bentukan.
  2. Untuk mengidentifikasi adanya hubungan antarvariabel penyusun faktor atau dimensi dengan faktor yang terbentuk, dengan menggunakan pengujian koefisien korelasi antarfaktor dengan komponen pembentuknya. Analisis faktor ini disebut analisis faktor kofirmatori.
  3. Untuk menguji valisitas dan reliabilitas instrumen dengan analisis faktor konfirmatori.
  4. Validasi data untuk mengetahui apakah hasil analisis faktor tersebut dapat digeneralisasi ke dalam populasinya, sehingga setelah terbentuk faktor, maka peneliti sudah mempunyai suatu hipotesis baru berdasarkan hasil analisis faktor.

Friday, April 26, 2019

Regresi Linear Berganda (skripsi dan tesis)

Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antar variabel. Scalzo, Xu, Asgari, Bergsneider, dan Hu (2009 :967) menambahkan bahwa analisis regresi adalah sebuah tehnik statistika yang digunakan untuk menganalisis variabel input (X) dan variabel output (Y). Dalam hal ini, variabel output yang dimaksud dapat disebut sebagai variabel terikat (dependent). Sedangkan variabel input yang dimaksud disebut sebagai variabel bebas (independent). Variabel terikat dinotasikan dengan "Y", sedangkan variabel bebas dinotasikan dengan "X".
Berdasarkan bentuk kelinearan data, model regresi dikelompokkan menjadi dua macam, yaitu regresi linear dan regresi non linear. Suatu persamaan dapat dikatakan regresi linear apabila hubungan antara variabel independen dan variable dependen adalah linear. Sedangkan regresi dikatakan non linear apabila hubungan antara variabel independen dan variabel dependen tidak linear.
Sedangkan berdasarkan jumlah variabel bebas, regresi linear terdiri dari dua, yaitu regresi linear sederhana dan regresi linear berganda. Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas dan variabel tak bebas.
Analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas. Tujuan dari analisis regresi adalah untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel bebas yang berhubungan dengannya sudah ditentukan dan menguji hipotesis signifikansi pengaruh dari variabel bebas terhadap variabel terikat.
Regresi linear berganda adalah perkembangan dari regresi sederhana yang menjelaskan hubungan antara variabel terikat dengan lebih dari satu variabel bebas (Freund, Wilson, & Sa, 2006 : 73). Tujuan utama analisis regresi linear berganda sama seperti dengan regresi sederhana, yaitu menggunakan hubungan antara variable terikat (response) dan variabel bebas (factor) untuk memprediksi atau menjelaskan karakteristik dari variabel (Freund, Wilson, & Sa, 2006 : 73).

Importance Performance Analysis (IPA) (skripsi dan tesis)

   John A. Martilla dan John C. James mengembangkan sebuah konsep Importance Performance Analysis (IPA) yang sebenarnya berasal dari konsep Satisfaction Quality.Konsep ini berisi bagaimana menterjemahkan apa yang diinginkan oleh pelanggan diukur dalam kaitannya dengan apa yang harus dilakukan oleh penyedia jasa agar menghasilkan produk berkualitas, baik yang berwujud maupun tidak berujud (Supranto, 2001). Bila pada konsep Satisfaction Quality hanya menganalisa tentang kesenjangan atau gap yang terjadi antara keinginan atau harapan pelanggan dengan kinerja yang telah diberikan badan usaha, pada Importance Performance Analysis kita menganalisa tentang tingkat kepentingan dari suatu variabel dimata pelanggan dengan kinerja badan usaha tersebut. Dengan demikian badan usahaakan lebih terarah dalam melaksanakan strategi bisnisnya sesuai dengan prioritas kepentingan pelanggan yang paling dominan. Analisa diawali dengan sebuah kuisioner yang disebarkan kepada pelanggan. Responden diminta untuk menilai tingkat kepentingan/harapan berbagai atribut dan kepuasan tingkat kinerja penyedia jasa pada masing-masing atribut tersebut. Dalam penelitian ini digunakan dua variable X dan Y, dimana X merupakan tingkat kinerja terhadap layanan yang memberikan kepuasan pelanggan dan Y merupakan tingkat kepentingan/harapan pelanggan. Dalam hal ini digunakan lima tingkat Skala Linkert untuk penilaian tingkat kepentingan pelanggan, yang terdiri dari:
  1. Sangat penting, diberi bobot 5
  2. Penting, diberi bobot 4
  3. Cukup penting, diberi bobot 3
  4. Kurang penting, diberi bobot 2
  5. Tidak penting, diberi bobot 1
Untuk kinerja nyata diberikan lima kriteria penilaian dengan bobot sebagai berikut :
  1. Sangat baik diberi bobot 5, yang berarti pelanggan sangat puas
  2. Baik diberi bobot 4, yang berarti pelanggan puas
  3. Cukup baik diberi bobot 3, yang berarti pelanggan cukup puas
  4. Kurang baik diberi bobot 2, yang berarti pelanggan kurang puas
  5. Tidak baik diberi bobot 1, yang berarti pelanggan tidak puas
  Kemudian nilai rata-rata tingkat kepentingan dan kinerja perusahaan akan dianalisis di Importance Performance Matrix. Berdasarkan hasil penilaian tingkat kepentingan dan hasil penilaian kinerja maka akan dihasilkan suatu perhitungan mengenai tingkat kesesuaian
  1. Kuadran pertama (I), memerlukan penanganan yang perlu diprioritaskan oleh tingkat manajemen karena kepentingan tinggi, sedangkan tingkat kepuasan rendah.
  2. Kuadran kedua (II), menunjukan daerah yang harus dipertahankan karena tingkat kepentingan tinggi, sedangkan tingkat kinerja juga tinggi.
  3. Kuadran ketiga (III), sebagai daerah prioritas rendah karena tingkat kepentingan rendah sedangkan tingkat kepuasan kinerja juga rendah. Pada kuadran ini terdapat beberapa faktor yang kurang penting pengaruhnya bagi pelanggan. Namun perusahaan harus selalu menampilkan sesuatu yang lebih baik di antara kompetitor yang lain.
  4. Kuadran keempat (IV), dikategorikan sebagai daerah berlebihan karena terdapat faktor yang bagi pelanggan tidak penting, akan tetapi oleh perusahaan dilaksanakan dengan sangat baik. Selain itu dikarenakan tingkat kepentingan rendah sedangkan tingkat kepuasan kinerja tinggi sehingga bukan menjadi prioritas yang dibenahi.

Rasio Solvabilitas (skripsi dan tesis)


Rasio Solvabilitas atau biasa sering disebut rasio leverage. Rasio
ini menunjukkan kemampuan perusahaan dalam memenuhi kewajiban
jangka panjangnya. Menurut Van Horne (2005) rasio leverage adalah rasio
yang menunjukkan sejauh mana perusahaan dibiayai oleh utang (dana
pihak luar). Semakin besar jumlah pendanaan yang berasal dari kreditor,
semakin tinggi resiko perusahaan tidak dapat membayar seluruh kewajiban
beserta bunganya. Bagi pemegang saham, semakin tinggi rasio leverage,
semakin rendah tingkat pengembalian yang akan diterima pemegang
saham karena perusahaan harus melakukan pembayaran bunga sebelum
laba dapat dibagikan kepada pemegang saham dalam bentuk deviden.
Rasio leverage yang menjadi fokus dalam penelitian ini adalah
Debt to Equity Ratio (DER). Debt to Equity Ratio (DER) adalah
perbandingan total hutang dengan total modal sendiri

Total Assets Turnover (TATO) (skripsi dan tesis)


Total Assets Turnover merupakan rasio yang digunakan untuk
mengukur seberapa efisiensinya seluruh aktiva perusahaan digunakan
untuk menunjang kegiatan penjualan (Ang, 1997). Perputaran total
aktiva menunjukkan sejauh mana perusahaan dapat mengoptimalkan
aktivanya. Nilai Total Assets Turnover yang tinggi ini menunjukkan
perusahaan dapat mengoptimalkan aktivanya (Hanafi, 2005).

Analisis Keuangan (skripsi dan tesis)


Laporan keuangan merupakan sebuah informasi yang penting bagi
investor dalam mengambil keputusan investasi. Menurut Jogiyanto (2008)
terdapat dua macam analisis untuk menentukan nilai saham, yaitu terdiri dari
informasi yang bersifat fundamental dan informasi yang bersifat teknikal.
Salah satu alternatif untuk mengetahui informasi keuangan yang
dihasilkan dapat bermanfaat untuk memprediksi harga atau return saham di
pasar modal, termasuk kondisi keuangan perusahaan di masa depan yang
berupa faktor fundamental dapat dengan cara melakukan analisis rasio
keuangan (Tuasikal, 2002). Menurut Fabozzi (1999) menyatakan bahwa
dalam analisis sekuritas ada dua pendekatan yang digunakan yaitu analisis
fundamental dan analisis teknikal. Analisis fundamental didasarkan pada dua
model dasar penilaian sekuritas yaitu earning multiplier dan assets value,
sedangkan analisis teknikal secara umum memfokuskan perhatian pada
perubahan volume dan harga pasar sekuritas. Analisis fundamental berkaitan
dengan penilaian kinerja perusahaan tentang efektivitas dan efisiensi
perusahaan mencapai sasaran (Dhita, 2009). Untuk menganalisis kinerja
perusahaan dapat digunakan rasio keuangan yang terbagi dalam, rasio
aktivitas, rasio solvabilitas dan rasio pasar. Sedangkan analisis teknikal
menggunakan data perubahan harga dimasa lalu sebagai upaya untuk
memperkirakan harga sekuritas dimasa yang akan datang

Return Saham (skripsi dan tesis)


Return adalah tingkat keuntungan yang dinikmati oleh pemodal
atas suatu investasi yang dilakukannya (Ang, 1997). Setiap investasi baik
jangka pendek maupun jangka panjang mempunyai tujuan utama untuk
mendapatkan keuntungan yang sebagai return baik langsung maupun yang
tidak langsung. Dalam melakukan investasi, seorang investor akan
mempertimbangan 2 (dua) hal, yaitu expected return (tingkat kembalian
yang diharapkan) dan risk (resiko) yang terkandung dalam alternatif
investasi yang dilakukan.
Return saham adalah harapan dari investor dari dana yang
diinvestasikan melalui saham, dimana hasilnya berupa yield dan capital
gain (loss) (Hartono, 2010). Menurut (Chuzaimah dan Amalina, 2014)
capital gain (loss) adalah keuntungan atau kerugian yang diterima dari
investasi berdasarkan selisih harga beli dan harga jual. Yield adalah
persentase penerimaan kas periodik terhadap harga investasi periode
tertentu dari suatu investasi.
Perusahaan selalu bertujuan untuk meningkatkan nilai
perusahaan dan memaksimalkan kekayaan pemegang saham (investor).
Karena akan ada hubungan timbal balik yaitu jika perusahaan
menghasilkan laba yang besar maka investor akan semakin menyukai
untuk menanamkan sahamnya diperusahaan tersebut dan investor pun
akan mendapatkan feedback berupa return saham yang semakin besar

Saham Syariah dan Indonesian Stock Sharia Index (ISSI) (skripsi dan tesis)


Menurut Hamid (2009) produk investasi berupa saham pada
prinsipnya sudah sesuai ajaran islam di dalam literatur-literatur tidak
terdapat istilah ataSaham Syariah dan Indonesian Stock Sharia Index (ISSI) (skripsi dan tesis)u pembedaan antara saham yang syariah dengan non
syariah tetapi saham sebagai bukti kepemilikan suatu perusahaan dapat
dibedakan menurut kegiatan usaha dan tujuan pembelian saham tersebut.
Saham-saham perusahaan yang listing di dalam Indeks Saham Syariah
Indonesia (ISSI) merupakan saham-saham yang sesuai syariah. Saham
syariah adalah saham dari perushaan (emiten) yang dalam operasionalnya
sesuai dengan kaidah syariat islam. Kriteria saham bisa dikategorikan
tidak melanggar ketentuan syariah adalah berdasarkan 2 (dua) (Gozali,
2005) yaitu :
1) Perusahaan yang keberadaannya tidak bertentangan dengan syariat islam.
perusahaan yang tidak bertentangan dengan syariat islam yaitu perusahaan
dengan bidang usaha dan manajemen yang tidak bertentangan dengan
syariat islam, serta memiliki produk yang halal. Perusahaan yang
memproduksi minuman keras atau perusahaan keuangan konvensional
tidak memenuhi kategori ini.
2) Semua saham yang diterbitkan memiliki hak yang sama. Saham adalah bukti
kepemilikan atas sebuah perushaan, maka peran setiap pemilik saham
ditentukan dari jumlah lembar saham yang dimilikinya. Namun pada
kenyataannya ada perusahaan yang menerbitkan 2 (dua) macam saham,
yaitu saham biasa dan saham preferen yang tidak punya hak suara namun
punya hak untuk mendapatkan deviden yang sudah pasti. Tentunya hal ini
bertentangan dengan aturan syariat islam tentang bagi hasil. Maka saham
yang sesuai dengan syariat islam adalah saham yang setiap pemiliknya
mempunyai hak yang proposional sesuai dengan jumlah lembar saham
dimilikinya.
Bapepam dan LK sejak November 2007 telah mengeluarkan
Daftar Efek Syariah (DES) yang berisi daftar saham syariah yang ada di
Indonesia. DES diharapkan dapat mempermudah masyarakat untuk
mengetahui saham-saham apa saja yang termasuk saham syariah karena
DES adalah satu-satunya rujukan tentang daftar saham syariah di
Indonesia. Keberadaan DES tersebut ditindak lanjuti oleh Bursa Efek
Indonesia (BEI) dengan meluncurkan Indeks Saham Syariah Indonesia
(ISSI) pada tanggal 12 Mei 2011. Saham konstituen ISSI update per 4
Desember 2016 terdapat 331 emiten yang terdaftar. Beberapa diantaranya
yang terdaftar merupakan emiten perusahaan aneka industri.

Uji Hausman (skripsi dan tesis)

Uji Hausman digunakan untuk menentukan model yang sesuai antara fixed effects model atau random effects model. Statistik uji Hausman mengikuti distribusi chi-square dengan derajat bebas jumlah variabel bebas (k). Jika model estimasi regresi data panel yang terpilih adalah common effects atau fixed effects maka tahap yang akan dilakukan adalah pengujian untuk memilih estimator yang akan digunakan dengan melihat struktur varian-kovarians residual. Hal ini dilakukan untuk menentukan metode estimasi yang tepat
untuk digunakan dalam model apakah OLS, GLS, atau FGLS. Kemudian, setelah diperoleh model data panel terbaik serta metode estimasinya, dilakukan pemeriksaan asumsi klasik. Apabila metode estimasinya OLS, maka asumsi klasik yang harus terpenuhi adalah normalitas, homoskedastis, nonmultikolinieritas, dan nonautokorelasi. Jika metode estimasinya adalah GLS atau FGLS, maka asumsi yang harus terpenuhi adalah normalitas dan nonmultikolinieritas. Hal ini disebabkan metode GLS dan MLE mampu mengakomodasi masalah heteroskedas dan nonautokorelasi dalam model.

Infrastruktur dan Produktivitas Ekonomi (skripsi dan tesis)

The World Bank (1994) membagi infrastruktur menjadi tiga, yaitu:
1. Infrastruktur ekonomi, merupakan aset fisik yang diperlukan untuk menunjang aktivitas ekonomi baik dalam produksi maupun konsumsi final, meliputi public utilities (tenaga, telekomunikasi, air minum, sanitasi dan gas), public work (jalan, bendungan, kanal, saluran irigasi, dan drainase) serta sektor transportasi (jalan, rel kereta api, angkutan pelabuhan, lapangan terbang dan sebagainya).
2. Infrastruktur sosial, merupakan aset yang mendukung kesehatan dan keahlian masyarakat, meliputi pendidikan (sekolah dan perpustakaan), kesehatan (rumah sakit dan pusat kesehatan), perumahan dan rekreasi (taman, museum dan lain-lain).
3. Infrastruktur administrasi/institusi, meliputi penegakan hukum, kontrol administrasi dan koordinasi serta kebudayaan.
Menurut Todaro dalam Betyarningtyas (2015) bahwa infrastruktur merupakan salah satu faktor penting yang menentukan pembangunan ekonomi. Basri dalam Betyarningtyas (2015) menyatakan bahwa ketersediaan akses infrastruktur dapat menjadi katalisator pembangunan yang mampu mempercepat pertumbuhan ekonomi. Begitu pula sebaliknya, pembangunan yang berjalan cepat akan menuntut tersedianya infrastruktur agar pembangunan tidak tersendat. Hal ini membuktikan bahwa pembangunan infrastruktur akan meningkatkan pembangunan ekonomi, yang nantinya akan mempercepat pertumbuhan ekonomi.

MULTIKOLINEARITAS (skripsi dan tesis)

 

Multikolinearitas adalah adanya hubungan linear yang sempurna di antara variabel yang menjelaskan model regresi. Untuk mengukur terjadinya multikolinearitas pada model regresi dilihat dari koefisien korelasi antara masing-masing variabel bebas. Apabila koefisien > 0,80, maka dalam model regresi terjadi multikolinearitas.
Apabila terdapat persoalan ini dalam sebuah teknik regresi, maka dapat mengakibatkan koefisien regresi tidak dapat ditentukan dan standar erornya tidak dapat didefinisikan. Selain itu jika kolinearitas tinggi tetapi tidak sempurna, estimasi dari koefisien regresi masih dimungkinkan, namun nilai standar erornya cenderung besar. Hasilnya, nilai populasi dari koefisien-koefisien tidak dapat diestimasi dengan tepat.

Uji Multikolinieritas (skripsi dan tesis)


Menurut Imam Ghozali (2011) uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Untuk menguji multikolinieritas dengan cara melihat nilai VIF
masing-masing variabel independen, jika nilai VIF < 10, maka dapat disimpulkan data bebas dari gejala multikolinieritas.

Uji Normalitas (skripsi dan tesis)


Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah
sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Untuk menguji apakah data berdistribusi normal atau tidak dilakukan uji statistik  olmogorov-Smirnov Test. Residual berdistribusi normal jika memiliki nilai signifikansi
>0,05 (Imam Ghozali, 2011:).