BAB II TINJAUAN PUSTAKA 2.1
Analisis Peubah Ganda Analisis peubah ganda merupakan metode statistika yang menganalisis secara
bersama-sama variabel yang cukup banyak yang diamati pada setiap individu atau objek. Oleh karena itu, akan diperoleh informasi yang lebih lengkap dari variabel yang cukup banyak tersebut dan juga akan diperoleh informasi yang lebih informatif dari variabel-variabel yang saling berkorelasi. Analisis peubah ganda dapat dikelompokkan menjadi dua kelompok yaitu analisis dependensi, dan analisis interdependensi (Widarjono, 2010). Analisis dependensi adalah analisis yang dapat membedakan antara variabel tak bebas dan variabel bebas. Analisis dependensi bertujuan untuk mempelajari pengaruh dari beberapa variabel bebas terhadap variabel tak bebas. Beberapa contoh analisis dependensi antara lain: Analisis Diskriminan, Analisis Konjoin, Manova, dan Korelasi Kanonik. Analisis interdependensi adalah analisis yang semua variabel saling berpengaruh dan semua merupakan variabel bebas. Tujuan analisis interdependensi adalah memberikan arti kepada kelompok variabel atau mengelompokan variabel menjadi kelompok yang lebih sedikit jumlahnya. Beberapa contoh analisis interdependensi antara lain: Analisis Faktor, Analisis Gerombol (Cluster Analysis), Multidimension Scalling, Analisis Korespondensi (Supranto, 2004).
5
6
2.2
Analisis Faktor
2.2.1 Gambaran Umum Analisis Faktor Analisis faktor merupakan salah satu bagian dari analisis peubah ganda yang digunakan untuk mereduksi data, yaitu proses untuk meringkas sejumlah variabel independen yang saling berkorelasi untuk dipetakan atau dikelompokkan menjadi sebuah variabel baru yang diberi nama faktor. Analisis faktor pertama kali diperkenalkan oleh Spearman (1904), dan dikembangkan oleh Thurstone (1947), Thomson (1951), Lawley (1940, 1941) dan lainnya (Mattjik dan Sumertajaya, 2001). Prinsip dasar analisis faktor adalah mengekstrasi sejumlah faktor (common factor) dari gugusan variabel asal X1, X2, X3,…, XP, sehingga banyaknya faktor lebih sedikit dari banyaknya variabel asal X yang tersimpan dalam sejumlah faktor. Variabel asal X yang tersimpan dalam sebuah faktor harus saling berkorelasi sedangkan faktor-faktor yang dibentuk tersebut harus tidak saling berkorelasi antara satu sama lainnya. Variabel X adalah variabel yang dapat diamati atau dapat diukur (observable variable). Sedangkan faktor merupakan variabel baru yang bersifat tidak dapat diukur atau tidak dapat diamati (unobservable variable). Dalam analisis faktor, ada beberapa tahapan yang harus dilakukan, yaitu pengujian matriks korelasi, pencarian faktor, dan rotasi faktor. Pengujian matriks korelasi pada analisis faktor dilakukan dengan tiga macam uji statistik yaitu:
7
1. Uji Kaiser Meyer Oikin (KMO) Uji KMO bertujuan untuk mengetahui semua data yang terambil telah layak untuk analisis faktor. Adapun formula untuk menghitung KMO sebagai berikut: KMO
∑ ∑
∑
∑ ∑
∑
(2.1)
keterangan : i = 1, 2, 3, ..., p dan j = 1, 2, ..., p rij = koefisien korelasi antara variabel i dan j aij = koefisien korelasi parsial antara varibel i dan j Tabel 2.1 Ukuran KMO Ukuran KMO Rekomendasi Data sangat baik untuk analisis faktor ≥ 0,90 0,80 – 0,89 Data masih berguna untuk analisis faktor 0,70 – 0,79 Data biasa saja untuk analisis faktor 0,60 – 0,69 Data cukup untuk analisis faktor 0,50 – 0,59 Data buruk untuk analisis faktor ≤ 0,50 Data tidak diterima untuk analisis faktor Sumber : Widarjono, 2010 Secara umum nilai KMO disarankan paling tidak lebih besar sama dengan 0,80 tetapi apabila nilai KMO lebih besar sama dengan 0,50 masih dapat disimpulkan jumlah data yang digunakan layak untuk analisis faktor (Widarjono, 2010). 2. Uji Bartlett’s Test of Sphericity Uji Bartlett’s Test of Sphericity bertujuan untuk mengetahui hubungan antar variabel. Jika terdapat hubungan pada setiap variabel maka analisis faktor
8
layak untuk digunakan, apabila variabel X1, X2, X3,…, XP bersifat saling bebas atau tidak terdapat hubungan, maka matriks korelasi antar variabel sama dengan matriks identitas. Uji Bartlett’s Test of Sphericity dilakukan apabila sebagian besar nilai koefisien korelasi kurang dari 0,5 (Widarjono, 2010).
3. Uji Measures of Sampling Adequacy (MSA) Pengujian ini bertujuan mengetahui kecukupan data atau sampel. Angka MSA berkisar dari 0 sampai 1 dengan kriteria untuk nilai MSA = 1, variabel tersebut dapat diprediksi sangat baik dan dapat dianalisis lebih lanjut. Nilai MSA ≥ 0.5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. Nilai MSA < 0.5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut, atau dikeluarkan dari variabel lainnya (Hair et al, 1998). 2.2.2 Model Analisis Faktor Andaikan vektor acak X dengan p komponen yang mempunyai rataan μ dan matrik peragam
. Model faktor terbentuk agar X menjadi linier yang tergantung
pada peubah acak yang tidak dapat terobservasi yang disebut dengan faktor bersama (common factors) dan p komponen dari vektor acak X sumber keragaman dari faktor spesifik (Johnson and Wichern, 1998). Secara umum model untuk analisis faktor sebagai berikut: .
;
(2.4)
9
keterangan : Xp = variabel asal = faktor pembobot (factor loading) dari variabel ke-p pada faktor ke-m Fm = faktor bersama (common factors) ke-m rataan ke-p m = banyaknya faktor bersama (common factors) galat (errors) atau faktor spesifik Apabila ada sebanyak p variabel asal, model analisis faktor diubah menjadi sebagai berikut: . . . . .
(2.5) .
Model analisis faktor dapat juga ditulis dalam bentuk notasi matriks sebagai berikut: (2.6) … … . . .
. . . …
. . .
. . .
10
disebut dengan loading faktor peubah ke-p faktor ke-m, sehingga matrik L adalah matrik loading faktor. Faktor spesifik ke-p yaitu
p
berhubungan dengan
Xp. X1 – μ1, X2 – μ2, …, Xp – μp dinyatakan dalam peubah ke-p dengan jumlah peubah acak F1, F2, …,Fm, dan
1,
2,
…,
yang mana tidak terobservasi. Dengan
p
banyaknya kuantitas yang tidak terobservasi, verifikasi langsung model faktor dari X1, X2, …, Xp menjadi sia – sia. Namun asumsi tambahan tentang vektor F dan pada persamaan 2.6 menunjukkan adanya hubungan peragam sebagai berikut (Chatfield and Collins, 1980): 1.
,
0
0 2.
0
Ψ
,
3. Jika F dan saling bebas, maka
0
,
0
Asumsi tersebut dalam hubungannya dengan persamaan 2.6 merupakan model faktor orthogonal, dalam notasi matriks ditulis sebagai berikut: (2.8) Bagian dari varian variabel ke-p dari m faktor bersama disebut komunalitas ke-p (communality) yang merupakan jumlah kuadrat dari faktor pembobot variabel ke-p pada faktor ke-m, dengan rumus sebagai berikut: ……
(2.9)
11
Sedangkan untuk varian yang berhubungan dengan faktor spesifik. Varian ini disebut dengan varian spesifik atau unik atau error (unique/ specific/ error variance). Besarnya varian ini dihitung dengan cara mengurangi varian indikator dengan komunalitas (Johnson and Wichern, 1998). 2.2.3 Penentuan Banyaknya Faktor Keputusan pengambilan jumlah faktor didasarkan pada nilai eigen dari matriks korelasi antar variabel. Penentuan banyaknya faktor dapat dilihat dari nilai eigen yang lebih besar dari satu (Sharma, 1996). Apabila nilai eigen lebih besar dari satu akan dipertahankan dan dapat digunakan sebagai sebuah faktor sedangkan nilai egien lebih kecil dari satu maka tidak dapat digunakan. Kemudian dilanjutkan dengan ekstrasi faktor, ekstraksi faktor adalah metode yang digunakan untuk mereduksi data dari beberapa indikator variabel yang menghasilkan faktor yang lebih sedikit yang mampu menjelaskan korelasi antara indikator variabel tersebut. Ada beberapa metode yang bisa digunakan untuk melakukan ekstraksi faktor yaitu: Principal Components Analysis, Principal Axis Factoring, Unweighted Least Squares, Generalized Least Squares, dan Maximum Likelihood. 2.2.4 Rotasi Faktor Rotasi faktor digunakan apabila metode ekstrasi faktor belum menghasilkan faktor baru yang lebih mudah untuk diinterpretasi. Tujuan dari rotasi faktor ini agar dapat
memperoleh
struktur
faktor
yang
lebih
sederhana
agar
mudah
diinterpretasikan. Rotasi faktor dilakukan dengan cara merotasikan loading factor.
12
Metode rotasi ada dua macam yaitu rotasi oblique, merotasikan sumbu faktor yang kedudukannya saling membentuk sudut dengan besar sudut tertentu. Dengan rotasi ini maka korelasi antar faktor masih diperhitungkan karena sumbu faktor tidak saling tegak lurus dengan sumbu faktor yang lainnya. Rotasi orthogonal, yang mempertahankan sumbu antar faktor tetap tegak lurus setelah dirotasi. Dengan melakukan rotasi ini, maka setiap faktor saling bebas terhadap faktor lain karena sumbunya saling tegak lurus. Rotasi oblique ada empat macam yang populer yaitu: quartimin, biquartimin, covarimin, dan oblimin. Sedangkan rotasi orthogonal ada tiga macam yaitu : 1. Varimax Method Varimax method adalah metode rotasi orthogonal untuk meminimalisasi jumlah indikator yang mempunyai faktor pembobot tinggi pada tiap faktor. 2. Quartimax Method Quartimax
method
merupakan
metode
rotasi
orthogonal
untuk
meminimalisasi jumlah faktor yang digunakan untuk menjelaskan indikator. 3. Equamax Method Equamax method merupakan metode gabungan antara varimax method yang meminimalkan indikator dan quartimax method yang meminimalkan faktor.
13
2.3
Definisi Variabel-Variabel Penelitian
2.3.1 Harga Menurut Kotler dan Amstrong (2001) harga adalah sejumlah uang yang ditukarkan untuk sebuah produk atau jasa. Seorang konsumen menggunakan harga sebagai indikator penting dalam melihat suatu produk. Produk bermerek dengan harga yang lebih tinggi sering menjadikan produk tersebut terlihat lebih baik apabila dibandingkan dengan suatu produk bermerk yang memiliki harga yang lebih murah. 2.3.2 Kualitas Konsumen memilih suatu produk salah satunya disebabkan oleh kualitas produk tersebut. Kualitas produk merupakan salah satu faktor yang memengaruhi keputusan konsumen untuk membeli sebuah produk. Menurut Fandy Tjiptono (2001) mendefinisikan kualitas sebagai suatu kondisi dinamis yang berhubungan dengan produk, jasa, manusia, proses, dan lingkungan yang memenuhi atau melebihi harapan. 2.3.3 Bentuk atau Model Bentuk atau model suatu produk yang ditunjang dengan desain yang menarik dapat menghasilkan produk yang sukses. Sebuah desain yang unik atau menarik merupakan ciri yang membedakan produk yang satu dengan produk yang lainnya, ini disebabkan saat konsumen melakukan pemilihan terhadap dua produk yang memiliki fungsi dan harga yang sama, maka konsumen akan menetapkan
14
pilihannya pada salah satu dari produk dengan pertimbangan desain mana yang lebih menarik dan unik. 2.3.4 Fitur Fandy Tjiptono (2001) mengatakan bahwa fitur adalah unsur-unsur produk yang dipandang penting oleh konsumen dan dijadikan dasar pengambilan keputusan untuk membeli suatu produk. Suatu fitur produk dapat mempengaruhi keputusan konsumen untuk membeli suatu produk, karena suatu fitur produk melekat sangat erat pada suatu produk dan merupakan salah satu pertimbangan konsumen dalam memutuskan membeli atau tidak produk tersebut. Fitur yang ditawarkan oleh produsen yang sesuai dengan kebutuhan para konsumen akan membuat konsumen terpuaskan. 2.3.5 Garansi Garansi merupakan kesepakatan antara produsen dan konsumen, dimana produsen bersedia melakukan perbaikan atau penggantian terhadap produk yang mengalami kerusakan selama waktu yang terdapat pada kartu garansi. Pemberian garansi ini merupakan bentuk tanggung jawab produsen kepada konsumen atas produk yang dibeli. Masalah yang berkaitan dengan jaminan produk yang berupa garansi ini salah satunya dilihat dari pelayanan yang dijanjikan dalam jaminan produk. Pelayanan merupakan kegiatan yang memerlukan perhatian khusus apabila terjadi ketidakpuasan dari konsumen maka konsumen tersebut akan beralih menggunakan merek produk yang lainnya.
15
2.3.6 Brand atau Merek Menurut Kotler dan Keller (2003) merek adalah sebuah nama, istilah, tanda, symbol, rancangan atau kombinasi yang bertujuan untuk mengenali produk atau jasa dari seseorang atau kelompok penjual dan untuk membedakannya dari produk pesaing.Pemberian merek pada suatu produk memiliki manfaat utama yaitu untuk identifikasi produk, membedakan produk satu dengan produk yang lainnya. Kesan yang didapat oleh konsumen pada sebuah merek dapat timbul setelah konsumen melihat, mendengar, membaca atau merasakan sendiri merek tersebut
apabila
konsumen memiliki keyakinan, kepercayaan, dan kesetiaan yang tinggi terhadap suatu merek, maka konsumen akan melakukan pembelian terhadap produk dengan merek tersebut. 2.4
Keputusan Pembelian Menurut Kotler dan Amstrong (2001) keputusan pembelian adalah tahap
dalam proses pengambilan keputusan pembeli dimana konsumen benar-benar membeli. Sebelum konsumen mengambil keputusan untuk membeli suatu produk, menurut Phillip Kotler (2007) pada umumnya konsumen melewati lima tahapan dalam pengambilan keputusan, yaitu: 1. Pengenalan masalah Proses pembelian dimulai ketika pembeli mengenali masalah atau kebutuhan. Untuk itu para pemasar perlu mengidentifikasi keadaan yang memicu kebutuhan tertentu, dengan mengumpulkan informasi dari sejumlah
16
konsumen, Dengan demikian para pemasar dapat menyusun strategi pemasaran yang mampu memicu minat konsumen. 2. Pencarian informasi Konsumen yang ingin memenuhi kebutuhannya pada suatu produk akan terdorong untuk mencari informasi lebih banyak mengenai produk tersebut. Sedang untuk pemasar yang menjadi perhatian utama adalah sumber informasi utama yang menjadi acuan konsumen dan pengaruh relatif terhadap keputusan pembelian.
3. Evaluasi alternatif Evaluasi didasarkan pada keyakinan dan sikap yang diperoleh dari tindakan dan belajar. 4. Keputusan pembelian Konsumen bisa mengambil keputusan untuk tidak secara formal mengevaluasi setiap merek, namun faktor-faktor yang mengintervensi bisa memengaruhi keputusan final. 5. Prilaku pasca pembelian Setelah pembelian, konsumen mungkin mengalami ketidaksesuaian karena memperhatikan fitur-fitur tertentu yang mengganggu atau mendengar hal-hal yang menyenangkan tentang merek lain, dan akan selalu siaga terhadap informasi yang mendukung keputusannya. Untuk itu para pemasar harus memantau kepuasan pasca pembelian, tindakan pasca pembelian, dan pemakaian produk pasca pembelian.
