Bab IV

51 downloads 909 Views 133KB Size Report
analisis statistik yang dinamakan Structural Equation Modeling (SEM). Menurut ..... Analisis statistik inferensial memfokuskan pada bidang kajian analisis dan.
56

BAB IV METODE PENELITIAN

4.1. Rancangan Penelitian Penelitian ini dikategorikan sebagai explanatory research yaitu penelitian yang bertujuan menjelaskan hubungan kausal antara variabel-variabel melalui pengujian hipotesis. Pendekatan penelitian ini adalah pendekatan survey. Paradigma yang melandasi penelitian berbentuk paradigma jalur, dengan teknik analisis statistik yang dinamakan Structural Equation Modeling (SEM). Menurut Hair et al., (2006:67) dengan menggunakan SEM memungkinkan dilakukannya analisis terhadap serangkaian hubungan secara simultan sehingga memberikan efisiensi secara statistik. 4.2. Lokasi dan Waktu Penelitian Penelitian dilakukan pada PT. Telkom wilayah Kabupaten Tabanan. Pemilihan lokasi ini dengan pertimbangan belum adanya penelitian mengenai topik ini dalam lingkungan PT. Telkom wilayah Kabupaten Tabanan, dan tingginya jumlah pelanggan pengguna Telkom, khususnya produk Speedy. Waktu penelitian dilakukan sejak bulan Juni 2010 – Juni 2011 yang meliputi survey (pembagian kuesioner), dan penyelesaian hasil penelitian dan pembahasan.

56

57

4.3. Populasi dan Sampel Penelitian 4.3.1. Populasi Penelitian Populasi dalam pelaksanaan penelitian adalah pelanggan pengguna Speedy pada area PT. Telkom di wilayah Kabupaten Tabanan, jumlah pelanggan Speedy hingga akhir Mei tahun 2010 adalah 1209 orang. 4.3.2. Sampel Penelitian Sampel adalah sebagian atau wakil dari populasi yang diteliti oleh karena tidak dimungkinkan mengambil populasi secara keseluruhan, maka pada penelitian ini digunakan sampel sebagai subyek penelitian. Dasar dilakukan penyampelan adalah agar dapat menarik simpulan dengan sejumlah elemen dan populasi sebagai sampel untuk keseluruhan populasi. Manfaat dilakukan penyampelan yaitu: biaya yang lebih murah, keakuratan hasil yang lebih baik, pengumpulan data yang lebih cepat ketersediaan elemen populasi. Teknik pengambilan sampel adalah suatu cara yang dipergunakan untuk menentukan

sampel

penelitian.

Singarimbun

dan

Effendi

(2006:60)

mengungkapkan bahwa besarnya sampel tidak boleh kurang dari 5% dari populasi yang ada. Untuk memenuhi kriteria tersebut maka pengukuran sampel dihitung dengan menggunakan rumus Slovin dalam Sekaran (2003:48) sebagai berikut: n=

N 1 + Ne 2

58

Keterangan n N e

= = =

ukuran sampel ukuran populasi presisi yang digunakan

Jumlah populasi dalam penelitian ini adalah sebanyak 245 orang. Presisi yang diambil sekitar 10 hingga 20%. Namun dalam penelitian ini diambil presisi pengambilan sampel 10% untuk menjaga representatif dari sampel penelitian. Sehingga diperoleh:

1209 n = 1 + 1209(0,10) 2 n = 93 orang Sehingga sampel penelitian ini adalah 93 orang. Namun demikian, ukuran sampel juga mempertimbangkan metode analisis data yang digunakan. Dalam penelitian ini, metode yang digunakan adalah teknik Structural Equation

Modeling (SEM). Menurut Solimun (2002:78), beberapa pedoman penentuan besarnya sample size untuk SEM diberikan sebagai berikut: 1. Bila pendugaan parameter menggunakan metode kemungkinan maksimum (maximum likelihood estimation) besar sampel yang disarankan adalah antara 100 hingga 200, dengan minimum sampel adalah 50. 2. Sebanyak 5 hingga 10 kali jumlah parameter yang ada di dalam model. 3. Sama dengan 5 hingga 10 kali jumlah variabel manifest (indikator) dari keseluruhan variabel laten. Pada penelitian ini melibatkan sebanyak 24 indikator, sehingga merujuk pada aturan ketiga diperlukan ukuran sampel minimal 5x24 atau sebesar 120.

59

Merujuk pada aturan tersebut, dengan rumus Slovin diperoleh ukuran sampel sebesar 93 belum memenuhi ukuran sampel minimum 120. Sehingga pada penelitian ini menggunakan 120 responden sebagai subyek penelitian. Penarikan sampel yang dilakukan dalam penelitian ini, menggunakan metode probability sampling dengan teknik simple random sampling. Menurut Widayat dan Amirullah (2002:55) teknik simple random sampling masing-masing elemen populasi mempunyai kemungkinan pemilihan yang sama. Selanjutnya setiap kemungkinan sampel dari ukuran tertentu ini mempunyai keinginan yang sama untuk dipilih dengan bebas dari setiap elemen lainnya dan sampelnya diperoleh dengan prosedur acak dari kerangka sampling.

4.4. Penentuan Sumber Data 4.4.1. Jenis Data Penelitian Jenis data dalam pelaksanaan penelitian adalah data primer dan data sekunder, yang dilakukan berdasarkan metode pengumpulan data maupun data yang diperoleh secara resmi oleh instansi yang berkompeten. Dalam pelaksanaannya, data primer diperoleh dari subyek penelitian yakni para pelanggan produk Speedy di wilayah Telkom Kabupaten Tabanan, berdasarkan kuesioner mengenai kualitas produk, kualitas pelayanan, kepuasan pelanggan, dan loyalitas pelanggan.

60

4.4.2. Metode Pengumpulan Data Metode yang digunakan dalam pelaksanaan penelitian ini berdasarkan

interview (wawancara) dan angket. Interview, penggunaan ini dimaksudkan untuk mendapatkan data awal (studi pendahuluan) yang bertujuan mendapatkan informasi yang lebih mendetail dalam hubungannya dengan subjek penelitian dan objek penelitian.

4.5. Variabel Penelitian Menurut Sekaran (2003:40), definisi operasional variabel menunjukkan bahwa suatu variabel dapat diamati dan dapat diukur. Variabel adalah simbol/lambang yang untuk tujuan penelitian dilibatkan dalam nilai/bilangan. Variabel merupakan gejala yang menjadi fokus penelitian. Dalam penelitian ini variabel yang digunakan adalah: kualitas produk, kualitas pelayanan, kepuasan pelanggan, dan loyalitas pelanggan.

4.5.1. Variabel Kualitas Produk (X1) Produk adalah suatu sifat yang kompleks baik dapat diraba maupun tidak dapat diraba, termasuk bungkus, warna, harga, prestise perusahaan dan pengecer, pelayanan perusahaan dan pengecer, yang diterima oleh pembeli untuk memuaskan keinginan atau kebutuhannya (Stanton, 2004:179). Produk adalah sesuatu yang dapat ditawarkan untuk memenuhi kebutuhan atau keinginan. Menurut Kahn, et al. (2002), kualitas produk pada perusahaan jasa, pengukurannya dilakukan pada 4 aspek, yaitu (1) Free of Error (tanpa kesalahan, X1.1), (2) Concise Representation (tampilan ringkas, X1.2), (3)

61

Completeness (lengkap, X1.3), dan (4) Consistent Representation (tampilan konsisten, X1.4), Accessibility (kemudahan dalam mengakses, X1.5), dan Value

Added (nilai tambah, X1.6). Tabel 4.1 menyajikan kisi-kisi pengukuran variabel Kualitas Produk (X1)

Tabel 4.1. Kisi-Kisi Pengukuran Variabel Kualitas Produk (X1) Indikator

Kode

Item Pertanyaan

Sumber Kahn, et al (2002)

Free of Error

X1.1

1. Jaringan speedy tanpa hambatan

Concise Representation

X1.2

2. Produk speedy memiliki tampilan yang mudah dimengerti

Completeness

X1.3

3. Produk speedy memiliki kelengkapan dalam penggunaannya

Consistent Representation

X1.4

4. Kualitas jaringan speedy konsisten

Accesibility

X1.5

5. Pelanggan memiliki kemudahan dalam mengakses internet menggunakan speedy

Value Added

X1.6

6. Pelanggan merasa dengan memiliki produk speedy, memiliki nilai tambah

4.5.2. Variabel Kualitas Pelayanan (X2) Variabel kualitas pelayanan (X2) merupakan faktor penting dari kepuasan pelanggan yang bersifat multidimensi. Kualitas pelayanan dalam hal ini dipersepsikan sebagai pelayanan yang diberikan oleh perusahaan kepada pelanggan. Kualitas pelayanan ini dibangun oleh 5 dimensi yaitu: tangibility atau bukti nyata (X2.1), reliability atau konsistensi (X2.2), responsiveness kepedulian

62

(X2.3), assurance atau jaminan (X2.4), dan empathy atau empati (X2.5). Ini sesuai dengan konsep Parasuraman (2006:87) dengan Servqual. Tabel 4.2 menyajikan kisi-kisi pengukuran variabel Kualitas Pelayanan (X2)

Tabel 4.2. Kisi-Kisi Pengukuran Variabel Kualitas Pelayanan (X2) Indikator

Kode

Item Pertanyaan

Sumber

Tangibility

X2.1

1. Petugas produk speedy menanggapi permintaan maupun keluhan

Reliability

X2.2

2. Petugas menunjukkan perhatian dan kesungguhan yang cukup besar dalam memberikan layanan

Responsiveness

X2.3

3. Petugas memberikan perhatian yang sangat besar terhadap produk

Assurance

X2.4

4. Petugas memberikan jaminan jika produk bermasalah akan datang kembali

Empathy

X2.5

5. Petugas melayani sepenuh hati

Parasuraman (2006:87)

4.5.3. Variabel Kualitas Hubungan (X3) Menurut Chakrabarty (2007:5), kualitas hubungan atau relationship

quality

adalah

mengukur

kualitas

hubungan

antara

organisasi

dengan

pelanggannya. Kualitas hubungan ini dibangun oleh 5 dimensi yaitu: Trustness atau Kepercayaan (X3.1), Commitment atau Komitmen (X3.2), Culture atau Budaya (X3.3), Interdependence atau Kebebasan (X3.4), dan Communication atau Komunikasi (X3.5). Tabel 4.3 menyajikan kisi-kisi pengukuran variabel Kualitas Hubungan (X3)

63

Tabel 4.3. Kisi-Kisi Pengukuran Variabel Kualitas Hubungan (X3) Indikator

Kode

Item Pertanyaan

Trustness

X3.1

1. Adanya hubungan baik pelanggan dengan produsen

Commitment

X3.2

2. Adanya komitmen yang baik produsen untuk tetap menjaga kualitas produk

Culture

X3.3

3. Pelanggan memahami aturan dan formulasi produk

Interdependence

X3.4

4. Produsen mensuport dan memanage teknologi informasi yang dimiliki

Communication

X3.5

5. Produsen memiliki komunikasi dengan baik kepada pelanggan produk

Sumber Chakrabarty (2007:5)

4.5.4. Variabel Kepuasan Pelanggan (Y1) Variabel kepuasan adalah variabel yang menunjukkan persepsi pelanggan terhadap produk atau jasa yang telah memenuhi harapannya. Adapun indikatorindikator dari kepuasan antara lain: 1.

Harapan terhadap produk Kepuasan yang didapatkan dari penilaian kualitas produk atau layanan yang dihasilkan, manfaat yang diperoleh oleh pelanggan dari produk yang dihasilkan, dan ciri-ciri tertentu yang mendukung fungsi dasar dari suatu produk sehingga berbeda dengan produk yang ditawarkan pesaing.

2.

Harapan terhadap pelayanan Kepuasan yang didapatkan dari jaminan atau garansi yang diberikan oleh produsen dengan harapan dapat memuaskan pelanggannya, informasi

64

yang disampaikan oleh badan usaha kepada pelanggannya, maupun sikap produsen dalam menangani keluhan dari pelanggan. 3.

Harapan terhadap hubungan Kepuasan yang didapatkan dari penilaian hubungan antara pengguna dan pemberi layanan jasa. Pelanggan memiliki tingkat keyakinan akan hubungan ini, yang terjaga dengan baik, sehingga pelanggan merasa puas. Tabel 4.4 menyajikan kisi-kisi pengukuran variabel Kepuasan Pelanggan

(Y1)

Tabel 4.4. Kisi-Kisi Pengukuran Variabel Kepuasan Pelanggan (Y1) Item Pertanyaan

Indikator

Kode

Harapan terhadap produk

Y1.1

1. Mendapatkan manfaat sesuai dengan harapan pelanggan terhadap produk

Harapan terhadap pelayanan

Y1.2

2. Memberikan jaminan atas kualitas layanan yang diberikan

Harapan terhadap hubungan

Y1.3

3. Memberikan harapan akan hubungan yang selalu baik

Sumber Dutka (1995:41)

4.5.5. Variabel Loyalitas pelanggan (Y2) Loyalitas adalah berkaitan erat dengan kepuasan terhadap produk atau jasa yang dikonsumsi. Pelanggan yang loyal akan semakin besar kemungkinannya untuk tidak berpindah ke produk lain (Lele dan Sheth, 2005). Variabel Loyalitas Pelanggan (Y2) menurut Kadampully (2000:57) dicerminkan akan beberapa hal yaitu merekomendasikan produk kepada teman (Y2.1), mengatakan hal-hal positif

65

(Y2.2), mendorong orang lain untuk membeli (Y2.3), menggunakan secara intensif (Y2.4), dan mempertimbangkannya (Y2.5). 1). Merekomendasi teman Indikator ini menunjukkan di mana seseorang yang puas akan merekomendasikan temannya untuk mencoba produk yang memberi kepuasan kepadanya. 2). Mengatakan hal-hal yang positif Indikator ini menunjukkan di mana seseorang yang puas akan memberitahu pada keluarga, teman, kolega, bahwa produk yang telah dikonsumsinya membuat dia puas. Ini bisa dilihat dari kualitas yang baik. 3). Mendorong orang lain untuk membeli Indikator ini menunjukkan bahwa seseorang yang puas akan mengajak orang lain untuk ikut membeli produk yang telah dikonsumsinya. 4). Membeli ulang secara intensif Indikator yang menunjukkan bahwa seorang pelanggan yang merasa terpuaskan akan kembali membeli dan secara teratur mengulangi pembelian. 5). Mempertimbangkan Indikator yang menunjukkan bahwa seorang pelanggan yang merasa puas terhadap mutu suatu produk akan berpikir, daripada membeli produk lain, lebih baik produk yang sudah dikenalnya mulai dari rasa, mutu, ataupun harga serta pelayanannya.

66

Tabel 4.5 menyajikan kisi-kisi pengukuran variabel Loyalitas pelanggan (Y2).

Tabel 4.5. Kisi-Kisi Pengukuran Variabel Loyalitas pelanggan (Y2) Indikator

Kode

Item Pertanyaan

Sumber

Merekomendasikan

Y2.1

1. Merekomendasikan produk kepada teman

Kadampully (2000)

Mengatakan hal positif

Y2.2

2. Menyatakan hal-hal positif kepada temanteman

Mendorong orang lain membeli

Y2.3

3. Mengajak orang lain untuk menggunakan produk

Membeli ulang secara intensif

Y2.4

4. Menganggarkan biaya per bulan untuk membeli ulang produk speedy

Mempertimbangkan

Y2.5

5. Tidak memiliki keinginan untuk berpindah pada produk yang sejenis

4.6. Instrumen Penelitian Penelitian

ini

menggunakan

kuesioner

sebagai

instrumen

dalam

mengumpulkan data dari responden, karena metode pengumpulan data dalam penelitian ini survey. Kuesioner berisikan sejumlah item pertanyaan tertulis, dimana responden diminta untuk memberikan tanggapan sesuai dengan persepsi mereka tentang item-item yang berkaitan dengan kualitas produk, kualitas pelayanan, kepuasan pelanggan, dan loyalitas pelanggan. Untuk mengkuantitatifkan data yang diperoleh dari responden yang bersifat kualitatif, maka diperlukan skala Likert. Skala Likert digunakan untuk

67

mengukur sikap, pendapat dan persepsi seseorang atau kelompok tentang fenoma soial. Dengan skala Liker, variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan item untuk menyusun item-item instrumen yang berbentuk pertanyaan atau pernyataan (Sugiyono, 2005). Teknik yang digunakan, jawaban yang diperoleh dengan menggunakan instrumen penelitian diberi skor. Pemberian skor pada skala Likert bergradasi dari yang sangat positif sampai sangat negatif. Skor ini berdasarkan konstruk yang dinilai. Skala Likert tersebut menunjukkan interpretasi : sangat setuju diberi skor 5, setuju diberi skor 4, netral/ragu-ragu diberi skor 3, tidak setuju diberi skor 2, sangat tidak setuju diberi skor 1 (Sugiyono, 2005). Kemudian untuk mengkategorikan rata-rata jawaban respoden dibuat skala interval yang dihitung dari skor tertinggi yang dikurangi skor terendah dibagi lima, diperoleh interval untuk kategori sebesar 0,80, dengan demikian kategori jawaban respoden ditentukan berdasarkan skala pada Tabel 4.6.

Tabel 4.6 Penentuan Kategori Skor Berdasarkan Kategori Jawaban Responden No Skala Kategori Jawaban Kategori Skor 1 1,00 – 1,80 2 1,81 - 2,60 3 2,61 - 3,40 4 3,41 - 4,20 5 4,21 - 5,00 Sumber : Sugiyono ( 2005 )

Sangat Tidak Baik Tidak Baik Cukup Baik Sangat Baik

68

4.7. Prosedur Penelitian 4.7.1. Uji Validitas Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur (Ancok 1995 dalam Singarimbun dan Efendi 2005). Sedangkan menurut Sugiyono (2005), hasil penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada obyek yang diteliti. Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi product moment Pearson dengan level signifikansi 5% dengan nilai kritisnya, di mana r dapat digunakan rumus (Arikunto, 2003):

N ∑ XY − (∑ X )(∑ Y )

rxy =

(N∑ X

2

)(

− (∑ X ) N ∑ Y 2 − (∑ Y ) 2

2

)

Keterangan : rxy

= skor korelasi

n

= banyaknya sampel

X

= skor item pertanyaan

Y

= skor total item Bila nilai korelasi lebih besar dari 0.3 maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid.

4.7.2.Uji Reliabilitas Sugiyono (2005) menyatakan instrumen yang reliabel adalah instrumen yang bila digunakan beberapa kali untuk mengukur objek yang sama, akan menghasilkan data yang sama. Reliabilitas adalah indek yang menunjukkan sejauh

69

mana suatu alat pengukur dapat dipercaya atau dapat diandalkan. Untuk menguji digunakan Alpha Cronbach dengan rumus : 2  k  ∑ σ b  1− r11=  2 σt  k − 1 

   

Di mana : r11

= reliabilitas instrumen (koefisien alpha cronbach)

k

= banyaknya butir pertanyaan atau banyaknya soal

σb2 = jumlah varians butir σt2

= varians total Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien

keandalan reliabilitas sebesar 0,6 atau lebih (Arikunto ,2003).

4.8. Analisis Data Penelitian ini menggunakan pendekatan kuantitatif dalam melaksanakan analisis data, metode analisis yang digunakan dalam menganalisis data empiris dikumpulkan peneliti meliputi:

4.8.1 Analisis Statistif Deskriptif Analisis statistik depkriptif dimaksudkan untuk mengetahui distribusi frekuensi jawaban dari hasil kuesioner. Dengan cara mengumpulkan data dari hasil jawaban responden selanjutnya ditabulasi dalam tabel dan dilakukan pembahasan secara deskriptif. Ukuran deskriptif adalah pemberian angka, baik dalam jumlah responden beserta nilai rata-rata jawaban responden maupun prosentase. Analisis data ini digunakan untuk memberikan gambaran tentang

70

pengaruh kualitas produk, kualitas pelayanan terhadap kepuasan pelanggan dan loyalitas pelanggan.

4.8.2 Analisis Statistik Inferensial: SEM Analisis statistik inferensial memfokuskan pada bidang kajian analisis dan interpretasi data untuk menarik simpulan. Analisis ini digunakan untuk menguji hipotesis penelitian yang telah ditetapkan dengan menggunakan data sampel yang diperoleh. Metode Statitik Inferensial yang digunakan dalam analisis data penelitian ini adalah Structural Equation Modeling (SEM). Alasan menggunakan SEM, pertimbangan bahwa hubungan kausal yang dirumuskan dalam penelitian ini menggunakan model yang tidak sederhana yang berperan ganda seperti kepuasan pelanggan. Bentuk hubungan kausal seperti ini membutuhkan analisis yang mampu menjelaskan secara simultan tentang hubungan tersebut sehingga metode yang digunakan dalam penelitian ini menggunakan SEM. Penggunaan SEM sebagai alat analisis didasarkan pada alasan kerumitan model yang digunakan, keterbatasan dari alat analisis multidimensial yang sering digunakan dalam penelitian kuantitatif, seperti multiple regression, factor

analysis, descriminant analysis serta lainnya. Kelemahan alat analisis ini hanya dapat menganalisis satu hubungan pada waktu yang sama. Dalam bahasa penelitian dinyatakan bahwa teknik analisis tersebut hanya dapat menguji satu variabel dependen melalui beberapa variabel independen. Pada kenyataannya, pihak perusahaan dihadapkan pada situasi ada lebih dari satu variabel dependen yang harus saling dihubungkan untuk diketahui derajat interrelasinya (Ferdinand,

71

2002:26). SEM sebagai perluasan atau kombinasi dari beberapa teknik multivariat. Model persamaan struktural (SEM) merupakan kumpulan teknik-teknik yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan. Hubungan yang rumit tersebut dapat berbentuk antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing konstruk dibangun dari beberapa variabel indikator (Ferdinand, 2002:28). Data yang diperoleh dan responden yang dijadikan sebagai sampel penelitian

melalui

kuesioner

yang

disebarkan,

akan

dianalisis

dengan

menggunakan Structural Equation Modeling (SEM) berdasarkan program AMOS 6 dan SPSS 16. Program AMOS menunjukkan pengukuran masalah yang struktural, dan digunakan untuk menguji model hipotesis. Hal ini disebabkan adanya kemampuan untuk; memperkirakan koefisien yang diketahui dari persamaan linier struktural, mengakomodasi model yang merupakan variabel laten, mengakomodasi kesalahan pengukuran pada variabel dependen dan independen, mengakomodasi peringatan timbal balik simultan dan saling ketergantungan. Menurut Hair et al. (2006:70) menggunakan Structural Equation

Modeling memungkinkan dilakukannya analisis terhadap serangkaian hubungan secara simultan sehingga memberikan efisiensi secara statistik. Ferdinand (2002:60) mengemukakan bahwa SEM merupakan sekumpulan teknik-teknik statistik yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif

72

rumit secara simultan. Model struktural pada Structural Equation Modeling memungkinkan untuk melakukan estimasi atas persamaan regresi yang berbeda tetapi terkait satu sama lain secara bersama-sama. Keterkaitan ini memungkinkan variabel tergantung path satu hubungan berperan pula sebagai variabel bebas path hubungan selanjutnya, atau variabel yang sama akan berpengaruh terhadap variabel tergantung yang berbeda secara berbeda pula (Hair et al., 2006:68).

Structural Equation Modeling memiliki karakteristik utama yang membedakannya dengan teknik analisis multivariat lainnya. Pada SEM terdapat estimasi hubungan ketergantungan ganda (multiple dependence relationship). SEM juga memungkinkan mewakili konsep yang sebelumnya tidak teramati (unobserved concept) dalam hubungan yang ada dan memperhitungkan kesalahan pengukuran (measurement error). SEM digunakan untuk menguji hipotesis penelitian. Pola hubungan antarvariabel yang akan diteliti merupakan hubungan sebab akibat dari satu atau beberapa variabel independen pada satu atau beberapa variabel dependen. Dalam penelitian ini terdapat beberapa bentuk hubungan/persamaan yang akan diuji, yaitu sebagai berikut. 1. Pengaruh antara Kualitas Produk (X1) terhadap Kepuasan Pelanggan (Y1) 2. Pengaruh antara Kualitas Layanan (X2) terhadap Kepuasan Pelanggan (Y1) 3. Pengaruh antara Kualitas Hubungan (X3) terhadap Kepuasan Pelanggan (Y1) 4. Pengaruh antara Kualitas Produk (X1) terhadap Loyalitas pelanggan (Y2) 5. Pengaruh antara Kualitas Layanan (X2) terhadap Loyalitas pelanggan (Y2) 6. Pengaruh antara Kualitas Hubungan (X3) terhadap Loyalitas pelanggan (Y2)

73

7. Pengaruh antara Kepuasan Pelanggan (Y1) terhadap Loyalitas pelanggan (Y2) Langkah-langkah pembentukan model persamaan struktural (Hair, 2006:88) sebagai berikut.

A.

Pengembangan Model Berbasis Teori Langkah pengembangan model teoritis dilakukan serangkaian eksplorasi

ilmiah melalui telaah pustaka guna mendapatkan justifikasi atas model teoritis yang akan dikembangkan. SEM digunakan untuk mengkonfirmasi model teoritis tersebut melalui data empirik. SEM merupakan sebuah confirmatory technique. Teknik ini merupakan teknik menguji teori baru atau teori yang sudah dikembangkan dan yang akan diuji lagi secara empiris. Pengujian ini dapat dilakukan dengan mempergunakan SEM, tetapi SEM tidak dipergunakan untuk membentuk hubungan kausalitas baru, melainkan dipergunakan untuk menguji pengembangan kausalitas yang sudah ada justifikasi teorinya. Pada bab sebelumnya (Bab Tinjauan Pustaka) telah dijelaskan mengenai pengembangan model berbasis teori.

B. Pengembangan Diagram Alur (Path Diagram) Model teoritis yang telah dibangun pada tahap pertama akan digambarkan dalam sebuah diagram jalur, yang akan mempermudah untuk melihat hubunganhubungan kausalitas yang ingin diuji. Dalam diagram alur, hubungan antar konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstruksi dengan konstruksi lainnya, sedangkan garis-garis lengkung antar konstruk dengan

74

anak panah pada setiap ujungnya menunjukkan korelasi antara konstruksi. Pengukuran hubungan antar variabel dalam SEM dinamakan structural model. Berdasarkan landasan teori maka dibuat diagram jalur untuk SEM (structural model) sebagai berikut.

Gambar 4.1. Diagram jalur untuk SEM Konstruk yang dibangun seperti pada diagram jalur di atas dapat dibedakan dalam dua kelompok variabel, yaitu: variabel eksogen yang terdiri dari variabel Kualitas Produk (X1), Kualitas Pelayanan (X2) dan Kualitas Hubungan (X3), serta variabel endogen yang terdiri dari variabel Kepuasan Pelanggan (Y1) dan Loyalitas pelanggan (Y2). Variabel eksogen (exogenous variables), yang dikenal juga sebagai source variable atau independent variable adalah variabel yang tidak diprediksi oleh variabel yang lain dalam model. Variabel endogen

75

(endogeneous variables), yang dikenal juga sebagai variable dependent merupakan faktor-faktor yang diprediksi oleh satu atau beberapa variabel eksogen maupun variabel endogen lain. Untuk mengukur variabel-variabel tersebut dikembangkan indikator sebagai observable variable (manifest variable) berikut (dalam terminologi SEM,

unobservable variable digambarkan dalam bentuk elips, dan observable variable atau variabel manifest digambarkan dalam bentuk kotak/persegi). Latent variable dibentuk dari indikatornya dengan menggunakan teknik Confirmatory Factor

Analysis. Dalam SEM, pengukuran indikator ke variabel dinamakan measurement model. Secara keseluruhan, model SEM (structural dan measurement model) yang terbentuk dalam penelitian ini adalah sebagai berikut: X1.1 X1.2 X1.3 X1.4

Kualitas Produk (X1)

Y1.1

Y1.2

Y1.3

X1.5 X1.6 Y2.1 X2.1

Kepuasan Pelanggan (Y1)

Y2.2

X2.2 X2.3

Kualitas Pelayanan (X2)

Loyalitas Pelanggan (Y2)

Y2.3 Y2.4

X2.4 Y2.5 X2.5

X3.1 X3.2 X3.3

Kualitas Hubungan (X3)

X3.4 X3.5

Gambar 4.2. Model SEM (Structural Equation Model)

76

Keterangan : Konversi diagram alur ke dalam persamaan struktural dan model pengukuran. Persamaan yang di dapat dari diagram alur yang dikonversi terdiri dari: 1. Persamaan

struktural

(structural

equation),

yang

dirumuskan

untuk

menyatakan hubungan kausalitas antar berbagai konstruk.

Variabel endogen = variabel eksogen + variabel endogen + error 2. Persamaan spesifik model pengukuran (measurement model), dimana harus ditentukan variabel yang mengukur konstruk dan menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesakan antar konstruk . Berdasarkan kerangka pemikiran yang telah dikemukakan pada bagian terdahulu maka persamaan struktural yang akan dicari dan diuji koefisiennya adalah sebagai berikut : Y1 = γ1 X1 + γ2 X2 + γ3 X3 + ζ1 Y2 = γ4 X1 + γ5 X2 + γ6 X3 + β1 Y1 + ζ2 Keterangan: γ (Gama) = koefisien pengaruh variabel eksogen terhadap variabel endogen β (Beta) = koefisien pengaruh variabel endogen terhadap variabel endogen ζ (Zeta) = galat model Selain itu akan diketahui pula persamaan-persamaan measurement model dari masing-masing konstruk (persamaan ini digunakan untuk menentukan variabel mana mengukur konstruk mana, serta menentukan serangkaian matrik yang menunjukkan antar konstruk atau variabel) sebagai berikut: Untuk variabel Kualitas Produk (X1) X1.1 = λ1 X1 + δ1 X1.2 = λ2 X1 + δ2 X1.3 = λ3 X1 + δ3

77

X1.4 = λ4 X1 + δ4 X1.5 = λ5 X1 + δ5 X1.6 = λ6 X1 + δ6 Untuk variabel Kualitas Pelayanan (X2) X2.1 = λ7 X2 + δ7 X2.2 = λ8 X2 + δ8 X2.3 = λ9 X2 + δ9 X2.4 = λ10 X2 + δ10 X2.5 = λ11 X2 + δ11 Untuk variabel Kualitas Hubungan (X3) X3.1 = λ12 X3 + δ12 X3.2 = λ13 X3 + δ13 X3.3 = λ14 X3 + δ14 X3.4 = λ15 X3 + δ15 X3.5 = λ16 X3 + δ16 Untuk variabel Kepuasan Pelanggan (Y1) Y1.1 = λ17 Y1 + ε1 Y1.2 = λ18 Y1 + ε2 Y1.3 = λ19 Y1 + ε3 Untuk variabel Loyalitas pelanggan (Y2) Y2.1 = λ20 Y2 + ε4 Y2.2 = λ21 Y2 + ε5 Y2.3 = λ22 Y2 + ε6 Y2.4 = λ23 Y2 + ε7 Y2.5 = λ24 Y2 + ε8 Keterangan:

λ (lambda) δ (Delta) ε (Epsilon)

= loading faktor = galat pengukuran pada variabel manifest untuk variabel eksogen = galat pengukuran pada variabel manifest untuk variabel endogen

78

C. Evaluasi kriteria Goodness of Fit Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah terhadap berbagai kriteria goodness of fit. Berikut ini beberapa indeks kesesuaian dan cut-off value untuk menguji apakah sebuah model dapat diterima atau ditolak. 1. X2-Chi-square statistik, dimana model dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X2 semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar p>0.05 atau p>0.10. 2. The root Mean Square Error of Approximatio (RMSEA), yang menunjukkan

goodness of fit yang dapat diharapkan bila model diestimasi dalam polulasi (Hair 2006:138). Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah

close fit dari model itu berdasarkan degrees of freedom. 3. Goodness of Fit Index (GFI), adalah ukuran non statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah ‘better fit’. 4. Adjusted Goodness of Fit Index (AGFI), dimana tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. 5. The Minimum Sample Discrepancy Function adalah CMIN/DF yang dibagi dengan Degree of Freedom. CMIN/DF tidak lain adalah statistik chi-square,

79

X2 dibagi DFnya disebut X2 relatif. Bila nilai X2 relatif kurang dari 2.0 atau 3.0 adalah indikasi dari acceptable fit antara model dan data. 6. Tucker

Lewis

Index

(TLI),

merupakan

incremental

index

yang

membandingkan sebuah model yang diuji terhadap sebuah base line model, dimana nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah ≥ 0,95 (Ferdinand, 2002) dan nilai yang mendekati 1 menunjukkan a very good fit . 7. Comparative Fit Index (CFI), dimana bila mendekati 1, mengindikasi tingkat fit yang paling tinggi (Arbucle, 1997). Nilai yang direkomendasikan adalah CFI ≥ 0,95. Dengan demikian indeks-indeks yang digunakan untuk menguji kelayakan sebuah model adalah seperti dalam Tabel 4.7.

Tabel 4.7. Kriteria Goodness of Fit Goodness of fit index Significaned Probability RMSEA GFI

Cut-of value ≥ 0.05 ≤ 0.08 ≥ 0.90

CMIN/DF

≥ 0.90 ≤ 2.00

TLI

≥ 0.95

AGFI

CFI ≥ 0.95 Sumber : Ferdinand (2002:61)

80

D. Pengujian Asumsi Model SEM Prinsip uji hipotesis asumsi model, yaitu asumsi yang berkaitan dengan model dan asumsi yang berkaitan dengan pendugaan parameter dan pengujian hipotesis yang dijelaskan berikut. 1. Asumsi linieritas yaitu asumsi yang menghendaki semua hubungan berbentuk linier. Uji linearitas, untuk memeriksanya dapat dilakukan dengan membuat diagram pencar (scatter diagram) atau pendekatan curve fit (pada software SPSS). Pengujian asumsi linieritas menggunakan metode curve fit yang dilakukan dengan software SPSS. Rujukan yang digunakan adalah jika nilai Sig model Linier < 0.05 maka asumsi linieritas terpenuhi. 2. Asumsi tidak adanya outlier (pencilan). Outlier merupakan observasi yang muncul dengan nilai ekstrim secara univariate maupun multivariate, karena kombinasi karakteristik unik dan terlihat sangat jauh berbeda dari observasi lainnya. Outlier muncul dengan empat (4) kategori berikut. a. Outlier muncul karena kesalahan prosedur seperti kesalahan dalam memasukkan data atau kesalahan dalam mengkode data. b. Outlier muncul karena keadaan khusus yang memungkinkan profil data menjadi lain, khusus yang memungkin profil data menjadi lain, tetapi peneliti mempunyai penjelasan mengenai apa yang menyebabkan munculnya nilai ekstrim tersebut. c. Outlier muncul karena adanya sesuatu alasan, tetapi tidak dapat diketahui perihal penyebab munculnya ekstrim itu.

81

d. Outlier

muncul

dalam

rentang

nilai

yang

ada,

tetapi

apabila

dikombinasikan dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim, yang disebut dengan multivariate outlier, maka menggunakan metode pengujian Mahalanobis distance. 3. Asumsi normalitas sebaran, yaitu data yang akan dianalisis (variabel latent) dengan menyebar normal (normal ganda). Dengan sampel yang besar (100), asumsi ini tidak terlalu kritis, landasannya adalah Dalil Limit Pusat (Central

Limit Theorm), yaitu jika n (sample size) besar maka statistik dari sampel tersebut akan mendekati distribusi normal walaupun populasi dari mana sampel tersebut diambil tidak terdistribusi normal.

E. Pengujian Model Struktural: Uji Hipotesis Penelitian Setelah model tersebut memenuhi syarat, maka yang perlu dilakukan selanjutnya adalah uji regression weight/loading faktor. Uji ini dilakukan sama dengan uji t terhadap regression weight /loading faktor/ koefisien model). Pengujian ini dilakukan terhadap: 1. Hipotesis mengenai measurement model: Parameter Lambda (λ), yaitu parameter yang berkenaan dengan pengukuran variabel latent berdasarkan variabel manifest (berkaitan dengan validitas instrumen). Hipotesis yang di uji: H0 : λi = 0 (tidak signifikan) H1 : λi > 0 (signifikan)

82

2. Hipotesis mengenai structural model: a. Parameter Beta (β), yaitu parameter pengaruh variabel eksogen terhadap variabel endogen dalam structural model. Hipotesis yang di uji: H0 : βi = 0 (tidak signifikan) H1 : βi ≠ 0 (signifikan) b. Parameter Gama (γ), yaitu parameter pengaruh variabel endogen terhadap variabel endogen dalam structural model.

Hipotesis yang di uji: H0 : γi = 0 (tidak signifikan) H1 : γi ≠ 0 (signifikan) Uji ini sama dengan uji t (uji parsial) dalam multiple regression, uji ini dilakukan dengan cara membandingkan nilai t hitung dengan t tabel , dengan ketentuan: jika t hitung > t tabel berarti variabel tersebut signifikan dan jika t hitung ≤ t tabel berarti variabel tersebut tidak signifikan Ferdinand (2002: 75) menjelaskan bahwa t

hitung

identik dengan C.R (critical

ratio) yang diuji dengan nilai probabilitas p, dimana jika p < 0,05 menunjukkan pengaruh yang signifikan dan jika p > 0,05 menunjukkan tidak signifikan.