Jawaban Uts Stat

Statistika Lanjut Dina IrdhinaProf. Dr. M. Zainuddin Apt. 110941054

Magister Profesi Psikologi Universitas AirlanggaMayoring Pendidikan

Jawaban soal UTS Statistika Lanjut

1. Apakah ada perbedaan yang bermakna antara pendapatan pasien dengan upah minimal regional (500 ribu rupiah perbulan)?

H0: tidak ada perbedaan yang bermakna antara pendapatan pasien dengan upah minimal regional (500 ribu rupiah perbulan).

Ha: ada perbedaan yang bermakna antara pendapatan pasien dengan upah minimal regional (500 ribu rupiah perbulan).

Untuk menguji hipotesis tersebut maka digunakan analisis one-sample T-test yang ditunjukkan pada print out 7

PRINTOUT 7

One-Sample Test

Test Value = 500

t df Sig. (2-tailed)Mean

Difference

95% Confidence Interval of the Difference

Lower UpperPENDAPTN 4.825 24 .000 118.7600 67.9588 169.5612

Analisis:Hasil : nilai t untuk pendapatan adalah 4.825 dengan signifikansi 0.000.Kesimpulan : Karena nilai signifikansi 0.000 < 0.05 (α), maka H0 ditolak. Hal ini menunjukkan secara statistik ada perbedaan yang bermakna antara pendapatan pasien dengan upah minimal regional (500 ribu rupiah perbulan).

2. Apakah ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin yang berbeda?

H0: tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin yang berbeda

Ha: ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin yang berbeda

Untuk menguji hipotesis tersebut maka digunakan analisis independent sample T-test/pooled T-test yang ditunjukkan pada print out 5-6

PRINTOUT 5Independent Samples Test

Group Statistics

KELAMIN N Mean Std. DeviationStd. Error

MeanBIAYAKES pria 14 240.3571 76.89014 20.54975

wanita 11 285.4545 76.54458 23.07906

1



Analisis: Jumlah pasien pria adalah 14 orang dan jumlah pasien wanita adalah 11 orang. Rata-rata pasien pria adalah 240.3571 dan wanita adalah 285.4545. Dengan demikian biaya

kesehatan wanita lebih tinggi dibandingkan pria.

PRINTOUT 6

Independent Samples Test t-test for Equality of Means

t dfSig. (2-tailed)


Lower UpperBIAYAKES Equal

variances assumed

-1.459 23 .158 -109.05918 18.86438

Equal variances not assumed

-1.459 21.666 .159 -109.24158 19.04677

Dari printout 6 ini, kurang lengkap karena tidak terdapat Lavene’s test. Maka dicoba ulang menggunakan data baru.

Independent Samples Test

Levene's Test for Equality of Variances t-test for Equality of Means

F Sig. t dfSig. (2-tailed)

Mean Difference

Std. Error Difference


Lower Upper

bikesawa Equal variances assumed

.093 .763 -1.282 23 .213 -44.136 34.423 -115.346 27.073

Equal variances not assumed

-1.248 18.940 .227 -44.136 35.373 -118.190 29.917

Analisis: F hitung untuk Levene’s test sebesar 0.093 dengan signifikansi 0.763 > 0.05 (α), maka H0

diterima variance biaya antara pria dan wanita sama / equal. Hasil Levene’s test menunjukkan bahwa variance kedua kelompok sama, maka analisis T-test

menggunakan asumsi equal variance. Hasil t menunjukkan nilai -1.282, dengan signifikansi 0.213 > 0.05 (α), maka H0 diterima.

Kesimpulan:Tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin yang berbeda.

2



3. Apakah ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin dan tingkat pendidikan yang berbeda?

H0: tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin dan tingkat pendidikan yang berbeda?

Ha: ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin dan tingkat pendidikan yang berbeda?

Untuk menguji hipotesis tersebut maka digunakan analisis two way anova yang ditunjukkan pada print out 8-9

PRINTOUT 8

Between-Subjects Factors Value Label NKELAMIN 1.00 pria 14 2.00 wanita 11PENDIDIK 1.00 rendah 9 2.00 menengah 9 3.00 tinggi 7

Analisis: Pasien dengan jenis kelamin pria sebanyak 14 orang dan wanita sebanyak 11 orang. Pasien dengan pendidikan rendah sebanyak 9 orang, menengah sebanyak 9 orang dan tingkat

pendidikan tinggi sebanyak 7 orang.

Untuk melakukan analisis two way anova, dilakukan uji ekivalensi terlebih dahulu menggunakan Levene’s test of equality of error variances.

Levene's Test of Equality of Error Variancesa

Dependent Variable:bikesakh

F df1 df2 Sig.

2.890 5 19 .042

Tests the null hypothesis that the error variance

of the dependent variable is equal across groups.

a. Design: Intercept + kelamin + pendidik +

kelamin * pendidik

Analisis: Hasil Levene’s test menunjukkan nilai F sebesar 2.890 memiliki signifikansi 0.042 Karena sig. F < 0.05 (α), maka H0 ditolak, berarti ada perbedaan variansi eror dan asumsi tidak

terpenuhi.

PRINTOUT 9

3



Tests of Between-Subjects Effects

Dependent Variable: BIAYAKES

Source df Mean Square F Sig.Corrected Model 5 14587.504 3.694 .017Intercept 1 1545147.451 391.237 .000KELAMIN 1 2780.121 .704 .412PENDIDIK 2 27590.966 6.986 .005KELAMIN * PENDIDIK 2 76.402 .019 .981Error 19 3949.394Total 25Corrected Total 24

a R Squared = .493 (Adjusted R Squared = .359)

Analisis:Apabila asumsi terpenuhi, maka didapat hasil sebagai berikut: Variabel jenis kelamin terhadap biaya kesehatan memiliki nilai F sebesar 0.704 dengan

signifikansi 0.412. Kesimpulan: nilai sig 0.412 > 0.05 (α) maka H0 diterima. Sehingga tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin yang berbeda.

Variabel jenis kelamin terhadap biaya kesehatan memiliki nilai F sebesar 6.986 dengan signifikansi 0.005. Kesimpulan: nilai sig 0.005 < 0.05 (α) maka H0 ditolak. Sehingga ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan tingkat pendidikan yang berbeda.

Joint effect antara jenis kelamin dan pendidikan terhadap biaya kesehatan memiliki nilai F sebesar 0.019 dengan signifikansi 0.981.Kesimpulan: nilai sig 0.891 > 0.05 (α) maka H0 diterima. Sehingga tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis kelamin dan tingkat pendidikan yang berbeda.

4. Apakah ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan yang berbeda?

H0: tidak ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan yang berbeda

Ha: ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan yang berbeda

Untuk menguji hipotesis tersebut maka digunakan analisis one way manova yang ditunjukkan pada print out 10-11

Untuk melakukan analisis manova, dilakukan uji ekivalensi terlebih dahulu menggunakan Levene’s test of equality of error variances dan Box’s test of equality of covariances.

4



Box's Test of Equality of Covariance Matricesa

Box's M 6.739

F .972

df1 6

df2 7.858E3

Sig. .443

Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups.

a. Design: Intercept + pendidik

Analisis: Hasil Box’s test menunjukkan nilai F sebesar 0.972 memiliki signifikansi 0.443. Karena sig. F > 0.05 (α), maka H0 diterima, berarti tidak ada perbedaan covariance dan asumsi

terpenuhi.


df2 Sig.

22 .091

22 .830

Tests the null hypothesis that the error variance of the

dependent variable is equal across groups.

a. Design: Intercept + pendidik

Analisis: Hasil Levene’s test menunjukkan nilai F biaya kesehatan sebesar 2.672 memiliki signifikansi

0.091 Karena sig. F > 0.05 (α), maka H0 diterima, berarti tidak ada perbedaan variansi eror dan asumsi terpenuhi.

Hasil Levene’s test menunjukkan nilai F pendapatan sebesar 0.188 memiliki signifikansi 0.830 Karena sig. F > 0.05 (α), maka H0 diterima, berarti tidak ada perbedaan variansi eror dan asumsi terpenuhi.

PRINTOUT 10

5



Multivariate Tests(c)Effect Value F Hypothesis df Error df Sig.Intercept Pillai's Trace .986 763.560(a) 2.000 21.000 .000

Wilks' Lambda .014 763.560(a) 2.000 21.000 .000

Hotelling's Trace

72.720 763.560(a) 2.000 21.000 .000

Roy's Largest Root

72.720 763.560(a) 2.000 21.000 .000

PENDIDIK Pillai's Trace .513 3.793 4.000 44.000 .010Wilks' Lambda .500 4.352(a) 4.000 42.000 .005Hotelling's Trace

.975 4.877 4.000 40.000 .003

Roy's Largest Root

.949 10.434(b) 2.000 22.000 .001

a Exact statisticb The statistic is an upper bound on F that yields a lower bound on the significance level.c Design: Intercept+PENDIDIK

Analisis:Hasil : nilai F untuk pendidikan (mengacu pada Wilks’ Lambda) sebesar 4.352 dengan signifikansi 0.005, Kesimpulan : Karena nilai signifikansi mendekati 0, maka pendidikan memberikan pengaruh yang berarti terhadap biaya kesehatan dan pendapatan.

PRINTOUT 11


Source Dependent Variable df Mean Square F Sig.Corrected Model

BIAYAKES2 35056.286 9.905 .001

PENDAPTN 2 34564.423 2.583 .098Intercept BIAYAKES 1 1747413.224 493.725 .000 PENDAPTN 1 9249136.155 691.205 .000PENDIDIK BIAYAKES 2 35056.286 9.905 .001 PENDAPTN 2 34564.423 2.583 .098Error BIAYAKES 22 3539.247 PENDAPTN 22 13381.169Total BIAYAKES 25 PENDAPTN 25Corrected Total BIAYAKES 24 PENDAPTN 24

a R Squared = .474 (Adjusted R Squared = .426)b R Squared = .190 (Adjusted R Squared = .117)

Analisis:Hasil : Variabel pendidikan terhadap biaya kesehatan memiliki nilai F sebesar 9.905 dengan

signifikansi 0.001 < 0.05 (α), maka H0 ditolak. Variabel pendidikan terhadap pendapatan memiliki nilai F sebesar 2.583 dengan signifikansi

0.098 > 0.05 (α), maka H0 diterima.

6



Kesimpulan : Ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan tingkat

pendidikan yang berbeda. Tidak ada perbedaan yang bermakna dalam hal pendapatan antara pasien dengan tingkat

pendidikan yang berbeda.

Dari kedua tabel tersebut, maka dapat diambil kesimpulan bahwa pendidikan memberikan pengaruh yang berarti dalam hal biaya kesehatan, akan tetapi tidak dalam hal pendapatan.

5. Apakah ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan dan jenis kelamin yang berbeda?

H0: tidak ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan dan jenis kelamin yang berbeda

Ha: ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan dan jenis kelamin yang berbeda.

Untuk menguji hipotesis tersebut maka digunakan analisis two way manova yang ditunjukkan pada print out 12-13

Untuk melakukan analisis manova, dilakukan uji ekivalensi terlebih dahulu menggunakan Levene’s test of equality of error variances dan Box’s test of equality of covariances.

Analisis: Hasil Box’s test menunjukkan nilai F sebesar 1.204 memiliki signifikansi 0.275. Karena sig. F > 0.05 (α), maka H0 diterima, berarti tidak ada perbedaan covariance dan asumsi

terpenuhi.

7

Box's Test of Equality of Covariance Matricesa

Box's M 20.372

F 1.204

df1 12

df2 816.657

Sig. .275

Tests the null hypothesis that the observed covariance

matrices of the dependent variables are equal across groups.

a. Design: Intercept + pendidik + kelamin + pendidik * kelamin




F df1 df2 Sig.

bikesakh 2.890 5 19 .042

pendakhi .779 5 19 .577

Tests the null hypothesis that the error variance of the

dependent variable is equal across groups.

a. Design: Intercept + pendidik + kelamin + pendidik * kelamin

Analisis: Hasil Levene’s test untuk biaya kesehatan menunjukkan nilai F sebesar 2.890 memiliki

signifikansi 0.042 Karena sig. F < 0.05 (α), maka H0 ditolak, berarti ada perbedaan variansi eror dan asumsi tidak terpenuhi.

Hasil Levene’s test untuk pendapatan menunjukkan nilai F sebesar 0.779 memiliki signifikansi 0.577 Karena sig. F > 0.05 (α), maka H0 diterima, berarti tidak ada perbedaan variansi eror dan asumsi terpenuhi.

Karena uji asumsi Box terpenuhi, dan salah satu Levene juga terpenuhi, maka dianggap memenuhi asumsi.

PRINTOUT 12

Multivariate Tests(c)Effect Value F Error df Sig.Intercept Pillai's Trace .987 689.743(a) 18.000 .000 Wilks' Lambda .013 689.743(a) 18.000 .000 Hotelling's Trace 76.638 689.743(a) 18.000 .000 Roy's Largest Root 76.638 689.743(a) 18.000 .000PENDIDIK Pillai's Trace .463 2.860 38.000 .036 Wilks' Lambda .542 3.219(a) 36.000 .023 Hotelling's Trace .834 3.543 34.000 .016 Roy's Largest Root .822 7.807(b) 19.000 .003KELAMIN Pillai's Trace .122 1.254(a) 18.000 .309 Wilks' Lambda .878 1.254(a) 18.000 .309 Hotelling's Trace .139 1.254(a) 18.000 .309 Roy's Largest Root .139 1.254(a) 18.000 .309PENDIDIK * KELAMIN

Pillai's Trace.099 .497 38.000 .738

Wilks' Lambda .901 .482(a) 36.000 .748 Hotelling's Trace .110 .467 34.000 .760 Roy's Largest Root .108 1.025(b) 19.000 .378

a Exact statisticb The statistic is an upper bound on F that yields a lower bound on the significance level.c Design: Intercept+PENDIDIK+KELAMIN+PENDIDIK * KELAMIN

Analisis:Hasil : nilai F untuk pendidikan (mengacu pada Wilks’ Lambda) sebesar 3.219 dengan signifikansi

0.023.

8



nilai F untuk jenis kelamin (mengacu pada Wilks’ Lambda) sebesar 1.254 dengan signifikansi 0.309,

nilai F untuk joint effect pendidikan dan kelamin (mengacu pada Wilks’ Lambda) sebesar 0.482 dengan signifikansi 0.748.

Kesimpulan : signifikansi pendidikan 0.023 mendekati 0, maka pendidikan memberikan pengaruh yang

berarti terhadap biaya kesehatan dan pendapatan. signifikansi jenis kelamin 0.309 mendekati 1, maka jenis kelamin tidak memberikan

pengaruh yang berarti terhadap biaya kesehatan dan pendapatan. signifikansi joint effect pendidikan dan jenis kelamin 0.748 mendekati 1, maka pendidikan

dan jenis kelamin tidak memberikan pengaruh yang berarti terhadap biaya kesehatan dan pendapatan.

PRINTOUT 13


Source Dependent Variable df Mean Square F Sig.Corrected Model BIAYAKES 5 14587.504 3.694 .017 PENDAPTN 5 21055.476 1.549 .222Intercept BIAYAKES 1 1545147.451 391.237 .000 PENDAPTN 1 8074715.188 594.103 .000PENDIDIK BIAYAKES 2 27590.966 6.986 .005 PENDAPTN 2 41422.970 3.048 .071KELAMIN BIAYAKES 1 2780.121 .704 .412 PENDAPTN 1 14787.552 1.088 .310PENDIDIK * KELAMIN BIAYAKES 2 76.402 .019 .981 PENDAPTN 2 12213.907 .899 .424Error BIAYAKES 19 3949.394 PENDAPTN 19 13591.431Total BIAYAKES 25 PENDAPTN 25Corrected Total BIAYAKES 24 PENDAPTN 24

a R Squared = .493 (Adjusted R Squared = .359)b R Squared = .290 (Adjusted R Squared = .103)

Analisis:Hasil : variabel pendidikan terhadap biaya kesehatan memiliki nilai F sebesar 6.986 dengan

signifikansi 0.005 < 0.05 (α), maka H0 ditolak. variabel pendidikan terhadap pendapatan memiliki nilai F sebesar 3.048 dengan signifikansi

0.071 > 0.05 (α), maka H0 diterima. variabel jenis kelamin terhadap biaya kesehatan memiliki nilai F sebesar 0.704 dengan

signifikansi 0.412 > 0.05 (α), maka H0 diterima. variabel jenis kelamin terhadap pendapatan memiliki nilai F sebesar 1.088 dengan signifikansi

0.310 > 0.05 (α), maka H0 diterima.

9



variabel pendidikan dan jenis kelamin terhadap biaya kesehatan memiliki nilai F sebesar 0.019 dengan signifikansi 0.981 > 0.05 (α), maka H0 diterima.

variabel pendidikandan jenis kelamin terhadap pendapatan memiliki nilai F sebesar 0.899 dengan signifikansi 0.424 > 0.05 (α), maka H0 diterima.

Kesimpulan : ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan tingkat

pendidikan yang berbeda. tdak ada perbedaan yang bermakna dalam hal pendapatan antara pasien dengan tingkat

pendidikan yang berbeda tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan jenis

kelamin yang berbeda. tdak ada perbedaan yang bermakna dalam hal pendapatan antara pasien dengan jenis

kelamin yang berbeda tidak ada perbedaan yang bermakna dalam hal biaya kesehatan antara pasien dengan tingkat

pendidikandan jenis kelamin yang berbeda. tdak ada perbedaan yang bermakna dalam hal pendapatan antara pasien dengan tingkat

pendidikan dan jenis kelamin yang berbeda.

Dari kedua tabel tersebut, maka dapat diambil kesimpulan bahwa tidak ada perbedaan yang bermakna dalam hal biaya kesehatan dan pendapatan antara pasien dengan tingkat pendidikan dan jenis kelamin yang berbeda.

6. Apakah ada pengaruh tingkat pendidikan dan pendapatan terhadap biaya kesehatan.

H0: tidak ada pengaruh tingkat pendidikan dan pendapatan terhadap biaya kesehatan. Ha: ada pengaruh tingkat pendidikan dan pendapatan terhadap biaya kesehatan.

Untuk menguji hipotesis tersebut maka digunakan analisis regresi multiple linier yang ditunjukkan pada print out 14-18

PRINTOUT 14

Model Summary(b)

Model R R SquareAdjusted R

SquareStd. Error of the Estimate

Durbin-Watson

1 .702(a) .493 .447 58.41048 2.104

a Predictors: (Constant), PENDAPTN, PENDIDIKb Dependent Variable: BIAYAKES

Analisis: Nilai R sebesar 0.702 menyatakan kekuatan hubungan antara tingkat pendidikan dan

pendapatan terhadap biaya kesehatan. R square sebesar 0.493 atau 49.3%. Berarti 49.3% perubahan biaya kesehatan dipengaruhi

oleh pendapatan dan tingkat pendidikan. Sedangkan sisanya dipengaruhi oelh faktor lain di luar 2 variabel tersebut.

10



PRINTOUT 15

ANOVA(b)

Model Sum of

Squares df Mean Square F Sig.1 Regression 72916.756 2 36458.378 10.686 .001(a) Residual 75059.244 22 3411.784 Total 147976.000 24

a Predictors: (Constant), PENDAPTN, PENDIDIKb Dependent Variable: BIAYAKES

Analisis: uji validitas model, melalui uji anova. harga F regresi sebesar 10.686 dengan nilai signifikansi 0.001,maka persamaan yang diperoleh

dapat menjelaskan pengaruh tingkat pendidikan dan pendapatan terhadap biaya kesehatan.

PRINTOUT 16

Coefficients(a)

Model Unstandardized

Coefficients t Sig. Collinearity Statistics

B Std. Error Tolerance VIF1 (Constant) 252.548 80.815 3.125 .005 PENDIDIK 55.392 15.700 3.528 .002 .874 1.144 PENDAPTN -.160 .104 -1.539 .138 .874 1.144

a Dependent Variable: BIAYAKES

Analisis: persamaan regresi y= 252,548+55,392x1-0,160x2 uji signifikansi b mlalui uji t harga t sebesar 3.528 degan signifikansi 0.002 < 0.05 (α), maka

H0 ditolak. Kesimpulan: ada pengaruh yang bermakna antara tingkat pendidikan terhadap biaya kesehatan

uji signifikansi b mlalui uji t harga t= -1.539 degan signifikansi 0.138 > 0.05 (α), maka H0 diterima. Kesimpulan: tidak ada pengaruh yang bermakna antara tingkat pendapatan terhadap biaya kesehatan

uji multikolinieritas melalui nilai VIF menggunakan metode collinearity statistic nilai VIF dan tolerance mendekati 1, maka tidak ada multikolinieritas.

PRINTOUT 17 &18

11



Analisis: Uji heteroskedastisitas (printout 17)

Karena tidak membentuk pola tertentu maka diduga tidak ada heteroskedastisitas, dengan kata lain varians dalam variabelnya tetap atau sama.

Uji normalitas (printout 18)Karena data berada disekitar dan mengikuti garis diagonal maka data mempunyai distribusi normal.

7. Untuk meringkas variabel-variabel persepsi pasien diatas menjadi faktor dilakukan analisis faktor. Berilah interpretasi terhadap hasil analisis dan seberapa besar peranan variabel-variabelnya terhadap faktor yang terbentuk.

Hasil dari analisis faktor ditunjukkan pada print out 1-4

PRINTOUT 1

KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy. .589

Bartlett's Test of Sphericity

Approx. Chi-Square 27.302df 15Sig. .026

Analisis: Nilai sig. KMO adalah 0.026 < 0.05 Kesimpulan: sampel yang didapat telah memenuhi syarat untuk melakukan analisis faktor.

PRINTOUT 2

Anti-image Matrices

12



KUALITAS PROMOSI LOKASI KINERJA PROSDUR SISTEMAnti-image Covariance

KUALITAS.976 -.062 -.056 .055 .053 -.078

PROMOSI -.062 .967 .060 -.037 -.028 -.126 LOKASI -.056 .060 .893 -.106 -.035 -.212 KINERJA .055 -.037 -.106 .871 .060 -.236 PROSEDUR

.053 -.028 -.035 .060 .987 .048

SISTEM -.078 -.126 -.212 -.236 .048 .808Anti-image Correlation

KUALITAS.544(a) -.064 -.060 .060 .054 -.088

PROMOSI -.064 .534(a) .065 -.040 -.029 -.143 LOKASI -.060 .065 .610(a) -.120 -.038 -.249 KINERJA

.060 -.040 -.120 .611(a) .064 -.282

PROSEDUR.054 -.029 -.038 .064 .540(a) .054

SISTEM -.088 -.143 -.249 -.282 .054 .581(a)

a Measures of Sampling Adequacy(MSA)

Analisis: Menentukan tingkat korelasi antar variabel, sehingga variabel-variabel tersebut dapat

disertakan dalam analisis faktor menggunakan MSA dengan kriteria sig. > 0.5. Kesimpulan: karena semua nilai sig. MSA > 0.5, maka semua variabel dapat disertakan.

PRINTOUT 3

Component Matrix(a)

Component

1 2 3KUALITAS .252 .700 -.121PROMOSI .297 .577 .495LOKASI .613 -.302 .037KINERJA .669 -.280 -.036PROSEDUR -.187 -.229 .864SISTEM .784 -.024 .059

Extraction Method: Principal Component Analysis.a 3 components extracted

Analisis: Melakukan factoring (menemukan faktor) melalui extraction dengan menggunakan metode

principal component. Kesimpulan: dari extraction ini maka 6 variabel tersebut menghasilkan 3 faktor.

PRINTOUT 4

Rotated Component Matrix(a)

13



Component

1 2 3KUALITAS -.022 .667 -.351PROMOSI .087 .768 .261LOKASI .681 -.053 .030KINERJA .723 -.038 -.054PROSEDUR -.059 .009 .911SISTEM .741 .258 -.054

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a Rotation converged in 4 iterations.

Analisis: Melakukan rotasi untuk meyakinkan faktor yang ditemukan melalui varimax dengan

pengulangan (iteration) 25 kali. Untuk menentukan komposisi dari tiap faktor, dilihat nilai sig. tiap variabel yang tertinggi.

Kesimpulan: Setelah dilakukan rotasi dengan pengulangan 4 kali, maka didapat 3 faktor yaitu:

1. Faktor 1 terdiri dari 3 variabel, yaitu: lokasi (dengan pengaruh sebesar 0.681) , kinerja (dengan pengaruh sebesar 0.723), dan sistem (dengan pengaruh sebesar 0.741).

2. Faktor 2 terdiri dari 2 variabel, yaitu: kualitas (dengan pengaruh sebesar 0.667) dan promosi (dengan pengaruh sebesar 0.768).

3. Faktor 3 terdiri dari 1 variabel, yaitu prosedur (dengan pengaruh sebesar 0.911).

14

Documents

Jawaban Uts Stat