ANALISIS FAKTOR (FACTOR ANALYSIS) Bertujuan untuk menemukan sejumlah faktor yang mendasari (underlying) sejumlah pengukuran yang

besar. Prinsip dasar: menyederhanakan/mereduksi deskripsi tentang data dengan mengurangi jumlah faktor/dimensi atau mengetahui faktor apa saja yang paling berpengaruh. Faktor: suatu konstruk hipotesis/variabel laten yang mendasari sejumlah tes, skala, item, dsb. Kelebihan analisis faktor adalah kemampuannya untuk menghasilkan faktor yang terbebas dari korelasi yang muncul di antara variabel yang diteliti dengan indikator variabel. Terdapat dua (2) jenis analisis faktor, yaitu:
1. Exploratory factor analysis (EFA)

Tujuan EVA adalah untuk mengidentifikasi faktor-faktor mana saja yang yang paling dapat menjelaskan suatu variabel tertentu. Peneliti akan menemukan faktor-faktor mana saja yang akan menjadi bagian dari variabel a, b, atau c, dan seterusnya. EVA biasanya digunakan lebih untuk menghasilkan atau mengembangkan teori daripada menguji teori.
2. Confirmatory factor analysis (CFA)

CFA umumnya didasarkan pada teori atau bukti empiris sebelumnya yang kuat. CFA digunakan peneliti untuk menentukan apakah faktor-faktor dapat menjadi konstruk dari variabel yang telah ditentukan. Contoh: Sebuah Departemen Store akan melakukan riset pasar untuk mengetahui apa saja yang mendorong seorang konsumen berbelanja di toko tersebut. Kepada setiap responden diberikan daftar pertanyaan yang memuat pertanyaan tentang pendapat responden terhadap atribut-atribut Departemen Store, yaitu: 1. Layout 2. Kelengkapan 3. Harga Analisis:
1. Kaiser-Meyer-Olkin Measure of Sampling Adequacy lebih dari 0,5. 2. Initial Eigenvalues digunakan untuk menentukan banyaknya faktor baru yang terbentuk.

4. Pel. Karyawan 5. Pel. Kasir 6. Promosi

7. Image 8. Kebersihan

Eigenvalues yang lebih dari 1 menunjukkan jumlah faktor baru. 3. Component Matrix(a)

Component LAYOUT LENGKAP HARGA PROMOSI IMAGE BERSIH 1 -.301 -.654 .563 .673 .648 -.348 2 .466 .386 .482 .111 .423 .654

Ditemukan bahwa terdapat dua (2) faktor yang terbentu. Tabel tersebut menunjukkan distribusi keenam variabel tersebut pada 2 faktor yang ada. Angka yang ada pada tabel tersebut adalah faktor loadings atau besar korelasi antara suatu variabel dengan faktor 1 atau faktor 2
Variabel layout, lengkap, dan bersih membentuk faktor 2.

Variabel harga, promosi, dan image membentuk faktor 1. ANALISIS KLASTER (CLUSTER ANALYSIS) Analisis klaster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis klaster mengklasifikasi objek, sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam klaster yang sama. Terdapat dua (2) asumsi dalam analisis klaster, yaitu:
a. Kecukupan sampel untuk merepresentasikan/mewakili populasi

Biasanya suatu penelitian dilakukan terhadap populasi diwakili oleh sekelompok sampel. Sampel yang digunakan dalam analisis klaster harus dapat mewakili populasi yang ingin dijelaskan, karena analisis ini baik jika sampel representatif. Jumlah sampel yang diambil tergantung penelitinya, seorang peneliti harus yakin bahwa sampel yang diambil representatif terhadap populasi.
b. Pengaruh multukolinieritas

Ada atau tidaknya multikolinieritas antarvariabel sangat diperhatikan dalam analisis klaster karena hal itu berpengaruh, sehingga variabel-variabel yang bersifat multikolinieritas secara eksplisit dipertimbangkan dengan lebih seksama.