Nama : 1. Agung Handoko 2. Abdul Hadi Aditya 3. Mahyudin Noor 4. M. Salehhuddin Fazri 5.

Zakie Septehadi

( A1C111037) (A1C111064) (A1C111061) (A1C111046) (A1C111227)

LAPORAN INDIKATOR PEMBELIAN SEPEDA MOTOR Setelah melakukan wawancara kepada koresponden didapatkan, 8 indikator yang menjadi pertimbangan dalam pembelian sepeda motor : 1. Irit 2. onderdil 3. harga 4. model 5. warna 6. awet 7. promosi 8. kredit Langkah yang pertama adalah mereduksi data yang sudah ada dalam langkahlangkah sebagai berikut : Analyze Dimension Reduction Faktor (Pindahkan semua indikator kedalam variabel) descriptives (centang koefisien, KMO, anti image) Continue Ok
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. ,560 57,339 28 ,001

Dari data tersebut diketahui KMO > 0,5 (0,560)

Dari data tersebut dapat kita ketahui nilai Anti-Image (SMA) > 0,5 kecuali indikator Promosi . Maka lankah selanjutnya kita akan menghilangkan indikator Promosi. Dengan cara :

Analyze Dimension Reduction Faktor (Pindahkan semua indikator kedalam variabel, kecuali indikator Promosi) descriptives (centang koefisien, KMO, anti image) Continue Ok

Kemudian kita mendapatkan hasil sebagai berikut :

KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square Df Sig. ,570 46,985 21 ,001

Dari data tersebut diketahui KMO tetap > 0,5 (0,570)

Dari data tabel di atas, 7 indikator tersebut nilai Anti-Image diketahui > 0,5 (semua indikator telah memenuhi syarat). Langkah yang kedua kita faktorkan dengan cara : Analyze Dimension Reduction Faktor ( masukan 7 indikator tersebut kedalam variabel) Extraction ( kita pastikan Nilai Eigen lebih dari 1) Didapatkan hasil sebagai berikut :
Total Variance Explained Component Total 1 2 3
dimension0

Initial Eigenvalues % of Variance 30,520 18,670 15,204 12,953 9,872 7,622 5,160 Cumulative % 30,520 49,190 64,394 77,347 87,219 94,840 100,000

Extraction Sums of Squared Loadings Total 2,136 1,307 1,064 % of Variance 30,520 18,670 15,204 Cumulative % 30,520 49,190 64,394

2,136 1,307 1,064 ,907 ,691 ,534 ,361

4 5 6 7

Extraction Method: Principal Component Analysis.

Dari data tersebut lihat Initial Eigenvalues yang lebih dari 1 (>1). Didapatkan hasil :
Component Matrix
a

Component 1 Hemat Bahan Bakar Ketersediaan Suku Cadang Harga Motor yang kompetitif Model Motor yang menarik Kombinasi Warna Motor yang menarik Keawetan Mesin Motor Sistem Pembayaran Kredit yang wajar Extraction Method: Principal Component Analysis. a. 3 components extracted. -,174 ,651 ,532 -,047 -,092 ,417 ,369 ,627 ,354 ,764 ,666 2 ,290 -,558 ,729 -,109 ,287 3 ,772 -,001 -,131 -,380 -,353

Dari data di atas kita berhasil mengetahui : Faktor 1 (Gaul dan Gampang) : ketersediaan suku cadang, model motor yang menarik, kombinasi warna, sistem pembayaran kredit. Faktor 2 (Murah dan Tahan Lama) : Harga motor yang kompetitif, Keawetan mesin motor Faktor 3 (Si Gesit Irit) : Hemat bahan bakar

Kesimpulan : Berdasarkan analisa Tim kami, dalam menganalisa 8 indikator terpilih 7 indikator yang termuat dalam 3 faktor penting, yaitu : Faktor 1 (Gaul dan Gampang) : ketersediaan suku cadang, model motor yang menarik, kombinasi warna, sistem pembayaran kredit. Faktor 2 (Murah dan Tahan Lama) : Harga motor yang kompetitif, Keawetan mesin motor Faktor 3 (Sit Gesit Irit) : Hemat bahan bakar. Oleh karena itu, perusahaan kami memilih untuk meningkatkan faktor 3 (Sit Gesit Irit) sebagai strategi untuk mencapai hasil penjualan yang maksimal.