ANALISA DIMENSI KUALITAS PELAYANAN TERHADAP KEPUASAN KONSUMEN Mei Erliana Matematika, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia
Abstrak
Semakin meningkatnya persaingan pada dunia bisnis, perusahaan harus menemukan cara untuk memenuhi kepuasan konsumen. Untuk itu dalam penelitian ini bertujuan mendapatkan variabel-variabel kualitas pelayanan yang diharapkan konsumen. Studi kasus yang diambil adalah kualitas pelayanan di New Anc Motor. Analisis regresi linier berganda, analisis jalur dan analisis faktor digunakan untuk mencari nilai kepuasan konsumen dan variabel-variabel apa saja yang diharapkan konsumen. Berdasarkan hasil pengolahan data dengan ketiga metode tersebut didapatkan hasil analisis untuk kepuasan konsumen. Serta pemilihan metode yang tepat untuk penyelesaian tersebut. Kata Kunci : service quality, customer satisfaction, expected service 1. Pendahuluan Perkembangan dunia bisnis yang begitu kompetitif, menuntut perusahaan selalu membuat terobosan baru atau inovasi baru untuk mempertahankan eksistensi kinerjanya untuk mencapai tingkat pertumbuhan tertentu. Perusahaan tersebut berusaha merebut pasar dengan berbagai strategi pemasarannya dan juga pelayanan dengan tujuan akhir untuk mendapatkan laba yang sebesar – besarnya serta kepuasan pelanggan secara optimal. Oleh karena itu untuk mencapai tujuan tersebut, perusahaan berupaya menghasilkan suatu jasa yang kemudian di tawarkan ke pasar. Di lain pihak, pasar (konsumen) memiliki kebutuhan dan keinginan yang memerlukan alat atau sarana pemuas tertentu. Dengan demikian pasar akan mencari jasa yang paling sesuai dan dapat memenuhi kebutuhan atau keinginen konsumen. Kualitas dan kepuasan pelanggan berkaitan erat. Kualitas memberikan suatu dorongan kepada pelanggan untuk menjalin ikatan yang kuat dengan perusahaan. Ikatan seperti ini dalam jangka panjang memungkinkan perusahaan untuk memahami dengan seksama harapan pelanggan serta kebutuhan mereka, dengan demikian perusahaan tersebut dapat meningkatkan kepuasan pelanggan dimana perusahaan memaksimumkan pengalaman pelanggan yang menyenangkan dan meminimumkan atau meniadakan pengalaman pelanggan yang kurang menyenangkan. Penilaian akan kualitas layanan dikembangkan oleh Leonard L. Barry, A. Parasuraman dan Zeithaml yang dikenal dengan service quality (SERVQUAL), yang berdasarkan pada lima dimensi kualitas yaitu tangibles (bukti langsung), reability (keandalan), responsivenesess ( daya tanggap), assurance (jaminan), dan empathy (empati). Kualitas pelayanan merupakan suatu bentuk penilaian konsumen terhadap tingkat pelayanan yang diterima (perceived service) dengan tingkat layanan yang diharapkan (expected service).
Penelitian ini berfokus dari lima dimensi pelayanan tersebut, manakah yang paling dominan mempengaruhi kepuasan konsumen New Anc Motor. Setelah konsumen New Anc Motor menerima segala pelayanan yang diberikan. Adapun analisa yang digunakan untuk menganalisa SERVQUAL, diantaranya Analisa regresi linier berganda, analisa faktor dan analisa jalur. Tetapi pada penelitian ini, akan membandingkan dari ke tiga analisa diatas mana yang paling tepat dan efisien untuk digunakan 2. Tinjauan Pustaka 2.1 Managemen Kualitas 2.1.1 Pemahaman Konsep Kualitas Definisi kualitas sangat beraneka ragam dan mengandung banyak makna, Karena tidak ada definisi yang sempurna, maka setiap organisasi jasa harus mendefinisikan kualitas berdasarkan tujuan, harapan, budaya dan pelanggannya masing – masing. Pada kenyataannya, tak jarang sebuah organisasi mengkombinasikan aspek – aspek terbaik dari definisi yang ada dan kemudian merumuskan definisinya sendiri. Kombinasi tersebut di dasarkan pada tiga faktor: 1. Karakteristik kualitas, yaitu karakteristik output dari sutau proses yang penting bagi pelanggan 2. Karakteristik kunci dari kualitas yaitu karakteristik kualitas yang paling penting. 3. Variabel kunci dari proses 2.1.2 Pemahaman Konsep Jasa Menurut Fandy Tjiptono (1997:23), “jasa sebagai aktivitas, manfaat atau kepuasan yang ditawarkan untuk dijual”. Kotler (1996) dalam Fandy Tjiptono (1997:23), “jasa adalah setiap tindakan atau perbuatan yang dapat ditawarkan oleh suatu pihak kepada pihak lain, yang pada dasarnya bersifat intangibles (tidak berwujud fisik) dan tidak menghasilkan kepemilikan sesuatu”. Jasa memiliki empat karakteristik utama yang membedakan dari barang :
1
1. Intangibility Orang tidak dapat menilai kualitas jasa sebelum merasakan / mengkonsumsinya sendiri. 2. Inseparability Jasa umumnya dijual terlebih dahulu, baru kemudian diproduksi dan dikonsumsi secara bersamaan, Interaksi antara penyedia jasa dan pelangganmerupakan ciri khusus dalam pemasaran jasa. Kedua pihak mempengaruhi hasil (outcome) dari jasa. 3. Variability Jasa bersifat sangat variabel karena merupakan non-standadrized output, artinya banyak variasi bentuk, kualitas dan jenis bergantung pada siapa, kapan dan dimana jas tersebut di hasilkan. 4. Perishability Jasa merupaka komoditas tidak tahan lama dan tidak dapat disimpan Fokus pada proses jasa adalah untuk memberikan hasil (manfaat) yang memenuhi dan atau melampaui kebutuhan, keinginan, dan harapan pelanggan. 2.1.3 Konsep Total Quality Service Total Quality Service (TQS) dapat didefinisikan sebagai sistem manajemen strategik dan integratif yang melibatkan semua manajer dan karyawan, serta menggunakan metode-metode kualitatif dan kuantitatif untuk memperbaiki secara berkesinambungan prosesproses organisasi, agar dapat memenuhi dan melebihi kebutuhan, keinginan, dan harapan konsumen. Konsep TQS berfokus pada lima bidang yaitu: 1. Fokus pada pelanggan (customer focus). 2. Keterlibatan total (total involvement). 3. Pengukuran (measurement). 4. Dukungan sistematis (systematic support). 5. Perbaikan berkesinambungan (continual improvement). Dimensi Service Quality (SERVQUAL) Zeithaml, Parasuraman, dan Berry telah mengidentifikasi lima dimensi pelayanan yang berkualitas, yaitu: 1. Bukti langsung (tangibles) Definisi bukti langsung dalam Rambat Lupiyoadi (2001:148) yaitu "kemampuan suatu perusahaan dalam menunjukkan eksistensi kepada pihak eksternal. Sedangkan Philip Kotler (1997:53) mengungkapkan bahwa bukti langsung adalah "fasilitas dan peralatan fisik serta penampilan karyawan yang professional". 2. Kehandalan (reliability) Secara singkat definisi kehandalan dalam Fandy Tjiptono (1997:14) adalah "kemampuan memberikan pelayanan yang dijanjikan dengan segera, akurat, dan memuaskan". 3. Daya tanggap (responsiveness) Menurut Fandy Tjiptono (1996:70) daya tanggap adalah "keinginan para staf untuk
membantu para pelanggan dan memberikan pelayanan dengan tanggap’’. 4. Jaminan (assurance) Sedangkan menurut Philip Kotler (1997:53) jaminan adalah "pengetahuan dan kesopanan dari karyawan, dan kemampuan untuk mendapatkan kepercayaan dan keyakinan". 5. Empati (empathy) Philip Kotler (1997:53) mendefinisikan empati adalah tingkat perhatian pribadi terhadap para pelanggan". 2.1.4 Konsep Kepuasan Konsumen Pada prinsipnya, ada tiga kunci memberikan layanan yang unggul : 1. Kemampuan memahami kebutuhan dan keinginan pelanggan, serta pemahaman tipe – tipe pelanggan. 2. Pengembangan database yang lebih akurat daripada pesaing (mencakup data kebutuhan dan keinginan setiap segman pelanggan dan perubahan kondisi pesaing) 3. Pemanfaatan informasi – informasi yang diperoleh dari riset pasar dalam suatu kerangka strategik. Untuk mewujudkan dan mempertahankan kepuasan konsumen, maka harus diperhatikan empat hal : 1. Mengidentifikasi siapa pelanggan 2. Memahami tingkat harapan pelanggan atas kualitas 3. Memahami strategi kualitas layanan pelanggan 4. Memahami siklus pengukuran dan umpan balik dari kepuasan pelanggan 2.2 Tinjauan statistik 2.2.1 Uji Asumsi Klasik Model regresi linier berganda dapat disebut sebagai model yang baik apabila memenuhi kriteria BLUE (Best linier unbiased estimator) Sedikitnya ada 4 uji yang harus dilakukan terhadap suatu model regresi, diantaranya adalah : 1. Uji distribusi normal adalah uji untuk mengukur apakah data memiliki distribusi normal. Uji yang dipakai adalah uji Jarque-bera dan uji Kolmogorov-Smirnov. Tujuan dari dilakukannya uji normalitas residual ui adalah untuk mengetahui apakah suatu variabel normal atau tidak. Normal disini dalam arti mempunyai distribusi data yang normal. Uji Jarque-bera Dimana : S = Skewness (nilai Kemencengan) K = Kurtosis (nilai keruncingan) Formulasi hipotesis H0 : distribusi ui normal
2
Ha : distribusi ui tidak normal
tingkat signifikansi ( ), = 0,05 Menentukan kriteria pengujian
H0 diterima bila JB H0 ditolak bila JB >
2
(α,df) (α,df)
2
Uji kolmogorov-smirnov D= Formulasi hipotesis H0 : distribusi ui normal Ha : distribusi ui tidak normal tingkat signifikansi ( ), = 0,05 Menentukan kriteria pengujian H0 diterima bila D hitung D tabel dan Z hitung Z tabel H0 ditolak bila D hitung > D tabel Z dan hitung > Z tabel 2. Uji auokorelasi digunakan untuk mengetahui adanya intercept dalam model regresi dan tidak ada variabel lag di antara variabel penjelas. Hasil analisis terhadap uji normalitas menggunakan Uji Durbin-Watson (DW test) menunjukkan bahwa : Hipotesis H0 : tidak terdapat masalah autokorelasi dalam model Ha : terdapat masalah autokorelasi dalam model Tingkat signifikansi ( ), = 0,05 n
d
i 2
(u i n i 2
ut 1 ) 2 u i2
ui= residual regresi Kriteria pengujian Dengan menggunakan tabel durbin watson, tingkat signifikasi 2α maka didapatkan nilai dL. Menurut draper and smith jika d hitung < dL maka hipotesa H0 ditolak dan Ha diterima. 3. Uji Multikolinieritas Masalah multikolinieritas muncul jika terdapat hubungan yang sempurna atau pasti di antara beberapa variabel atau semua variabel independen dalam model. Pada kasus terdapat multikolinieritas serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel independen. Uji ViF digunakan untuk menguji keberadaan multikolinieritas Uji VIF. VIF =
Dimana = ri = koefisien determinan dari regresi klein. Jika nilai VIF suatu variabel independen melebihi 10 maka terdapat masalah multikolinieritas yang serius pada variabel independen bersangkutan. 4. Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian tetap maka disebut homoskedastisitas dan jika berbeda maka terjadi problem heteroskedastisitas. Model regresi yang baik yaitu homoskesdatisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas yaitu uji Park, uji korelasi rank spearmann dan uji White. 1. Uji White Regres suatu model regresi, didapatkana nilai residualnya (ui) dan nilai R2 . Formulasi hipotesis H0: tidak terdapat masalah heteroskedastisitas dalam model Ha : terdapat masalah heteroskedastisitas dalam model Menentukan tingkat signifikansi ( ), = 0,05 Menentukan kriteria pengujian
df adalah banyaknya variabel independen dalam regresi auxiliary. 2 2 H0 diterima bila (α,df) 2
H0 ditolak bila > 2(α,df) Menghitung 2 statistik dengan rumus n R2 2. Uji Park Regres suatu model regresi dan dapatkan nilai residualnya (ui), dalam kasus ini: Bila pengaruh dari ln variabel independen memiliki pengaruh signifikan, berarti variabel independen menyebabkan adanya masalah heteroskedastisitas dalam model yang digunakan. Untuk mengetahui signifikan atau tidaknya pengaruh ln variabel independen digunakan uji t sbb: Formulasi hipotesis H0: tidak terdapat masalah heteroskedastisitas dalam model Ha : terdapat masalah heteroskedastisitas dalam model Menentukan tingkat signifikansi ( ), = 0,05 Menentukan kriteria pengujian
3
H0 diterima bila -t( /2, n-2) statistik t t( /2, n-2) H0 ditolak bila statistik t < - t( /2, n-2) atau t > t( /2, n-2) 3 Uji korelasi Rank Spearman menunjukkan bahwa : Formulasi hipotesis H0: tidak ada masalah heteroskedastistas dalam model Ha: ada masalah heteroskedastisitas dalam model Penentuan tingkat signifikansi =0,05 Kriteria pengujian
H0 diterima bila -t( /2, n-2) statistik t t( /2, n-2) H0 ditolak bila statistik t < - t( /2,n-2) atau t > t( /2,n-2) Menghitung statistik t (t-hitung) masing-masing nilai korelasi Rank Spearman dengan rumus sbb:
t
Adapun bentuk matematis analisa regresi linier berganda adalah dari sampel : Y = b0 + b1X1 + b2 X2 + b3 X3 + …….+ bk Xk Dengan : b0 = estimasi konstanta regresi b1, b2 ,b3 ,….,bk = estimasi koefisien regresi X1,X2,X3,…..,XK= variable independen Analisis Korelasi Analisis korelasi adalah suatu alat statistik untuk menunjukkan seberapa besar tingkat (degree) hubungan suatu variabel secara “linier” terhadap variabel lain. Korelasi itu sendiri menyatakan tingkat hubungan atau keterkaiatan antara dua variabel. Seringkali analisis korelasi ini digunakan secara bersama-sama dengan analisis regresi untuk mengukur seberapa tepat garis regresi mampu menjelaskan variasi variabel dependen. Ada dua ukuran yang mencerminkan korelasi antara dua variabel, yaitu: 1. Koefisien determinasi R2 Koefisien determinasi digunakan untuk mengukur kesesuaian model, atau dinotasikan dengan R2. Indikator ini menyatakan seberapa besar variasi dari variabel bebas (X) mampu menjelaskan perubahan variabel terikat (Y). R2 bernilai antara 0 sampai dengan 1, R2 = 0 artinya variabel (x) tidak mempengaruhi variabel y, R2 mendekati angka satu artinya variabel y seluruhnya diakibatkan oleh variabel x atau terdapat hubungan yang kuat.
rs n 2 1 rs 2
Dimana : rs = korelasi rank spearman n = jumlah data 2.2.2 Analisis Regresi Analisis regresi merupakan sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi, dikenal dua jenis variabel yaitu : 1. Variabel dependent atau juga variabel tergantung yaitu variabel yang keberadaannya diperngaruhi oleh variabel lainnya dan dinotasikan dengan Y. 2. Variabel independent disebut juga variabel bebas yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X. Analisis Regresi Linier Berganda Regresi linier berganda mengestimasi besarnya koefisien-koefisien yang dihasilkan oleh persamaan yang bersifat linier, yang melibatkan dua variabel bebas atau lebih, untuk digunakan sebagai alat prediksi besar nilai variabel tergantung. Fungsi dari regresi adalah untuk menghitung besarnya pengaruh dua variabel bebas atau lebih terhadap satu variabel tergantung dan memprediksi variabel tergantung dengan menggunakan dua variabel bebas.
Dimana SSR = Jumlah Kuadat regresi SSY = Jumlah kuadrat total SSe= Jumlah kuadrat error 2. Koefisien korelasi Sedangkan untuk koefisien korelasi sample dirumuskan dengan:
r
SS XY SS X SSY
Korelasi adalah derajat keterkaitan antara dua variabel, jika : R = -1 menunjukkan hubungan linier negative sempurna -1< R <0 menunjukkan hubungan linier negative R=0 menunjukkan tidak ada hubungan linier 0 < R <1 menunjukkan hubungan linier positif R=1 menunjukkan hubungan linier positif sempurna 0 – 0,25 menunjukkan korelasi yang sangat lemah > 0,25 – 0,5 menunjukkan korelasi yang cukup > 0,5 – 0,75 menunjukkan korelasi yang kuat
4
> 0,75 – 1 menunjukkan korelasi yang sangat kuat 2.2.3 Uji Signifikansi Statistik 1. Uji parsial Uji parsial digunakan untuk mengetahui besarnya pengaruh faktor dimensi kualitas pelayanan (Bukti Langsung, Daya Tanggap,Kehandalan, jaminan, dan empati) dengan kepuasan pelanggan secara individual. langkah-langkah untuk uji parsial adalah sebagai berikut: Menentukan hipotesa H0 : Secara individu signifikan dimensi kualitas pelayanan tidak berpengaruh terhadap kepuasan pelanggan Ha : Secara individu signifikan dimensi kualitas pelayanan berpengaruh terhadap kepuasan pelanggan Penentuan tingkat signifikansi =0,05 Kriteria pengujian
Ho diterima apabila -z(α) ≤ z ≤ z(α), -t ( tα/2,n-2) ≤ t hitung < t ( tα/2,n-2) 2. Uji bersama digunakan untuk mengetahui besarnya pengaruh faktor dimensi kualitas pelayanan (Bukti Langsung, Daya Tanggap, Kehandalan, Jaminan,dan empati) dengan kepuasan pelanggan secara bersama. langkah-langkah untuk uji serempak adalah sebagai berikut: Menentukan hipotesa H0 :Secara bersama signifikan dimensi kualitas pelayanan tidak berpengaruh terhadap kepuasan pelanggan Ha :Secara bersama signifikan dimensi kualitas pelayanan berpengaruh terhadap kepuasan pelanggan tingkat signifikasi α = 5% Kriteria pengujian f tabel = fα;(k; n-k-1) H0 diterima apabila f hitung ≤ f tabel H0 ditolak apabila f hitung > f tabel Perhitungan Nilai f
F
SSR k SSE (n k 1)
Dimana = SSR = jumlah kuadrat regresi SSE = jumlah kuadrat residual error n = jumlah sampel atau observasi k = jumlah variabel bebas 2.2.4 Analisis Jalur Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung”.
X1 X2 X3
Y
X4 X5 Diagram jalur diatas satu persamaan struktural yang juga disebut mempunyai satu substrukur. X1, X2, X3, X4 dan X5 disebut variabel bebas dan Y variable tergantung. Pesamann strukuralnya adalah : Y = PyX1 + PyX2 + PyX3 + PyX4 + PyX5 2.2.5 Analisis faktor Dalam analisis faktor tidak terdapat variabel bebas dan tergantung karena analisis faktor tidak mengklarifikasi variabel ke dalam kategori variabel bebas dan tergantung melainkan mencari hubunga interdependensi antarvariabel agar dapat menidentifikasikan dimensi-dimensi atau faktorfaktor yang menyusunnya. Persyaratan pokok yang harus dipenuhi ialah angka Measure Of Sampling Adequacy (MSA) harus diatas 0,5 atau > 0,5. Besarnya angka MSA ialah antara 0 ≤ MSA ≤ 1. Jika digunakan dalam menentukan penggabungan variabel maka ketentuannya sebagai berikut : Jika MSA = 1 maka variabel tersebut dapat diprediksi tanpa kesalahan. Jika MSA > 0,5 maka variabel tersebut masih dapat diprediksi dan dapat dianalisis lebih lanjut. Jika MSA < 0,5 maka variabel tersebut tidak dapat diprediksi dan tidak dapat di analisis lebih lanjut. 3. Metodologi Penelitian Untuk tujuan yang telah dikemukakan pada pendahuluan diatas, dikumpulkan data kuisioner dari para konsumen New Anc Motor sebayak 100 responden, dengan pengambilan sampel secara purposive sampling dan accidental sampling. Purposive sampling adalah pemilihan sampel yang bersifat tidak acak, di mana sampel dipilih berdasarkan pertimbangan-pertimbangan tertentu. Purposive sampling dalam penelitian ini yaitu pelanggan New Anc Motor yang telah menjadi pelanggan minimal selama 1 tahun. Accidental sampling adalah siapa saja yang melakukan transaksi untuk dijadikan sampel. Penentuan variabel-variabel yang diperlukan konsumen dilakukan dengan cara pengamatan langsung. Sehingga didapatkan variabel-variabel bebas sebagai berikut :
5
1. Dimensi bukti langsung : X1 = lokasi yang mudah dijangkau X2 = penampilan karyawan X3 = kelengkapan produk X4 =fasilitas ruang tunggu X5 = fasilitas parkir 2. Dimensi daya tanggap : X1 =kesediaan karyawan membantu X2 =kesiapan karyawan menangani keluhan
X3 =kecepatan karyawan menangani konsumen X4 =pelayanan yang ramah X5 =pelayanan yang simpatik 3. Dimensi Kehandalan : X1 =kemampuan karyawan menganalisa masalah X2 =kemampuan karyawan memberikan solusi X3 =kesediaan karyawan memberikan informasi 4. Dimensi jaminan : X1 =kualitas informasi yang diberikan X2 =sikap jujur dalam memberikan pelayanan X3 =kemampuan karyawan dalam tugas X4 =sikap sopan dalam melayani X5 =pengetahuan dalam melaksanakn tugas 5. Dimensi empati : X1 =kemudahan menghubungi New anc motor X2 =komunikasi yang baik dengan konsumen X3 =mengetahui kebutuhan konsumen 6. Variabel tergantung : Y = kepuasan konsumen 4. Analisis data dan pembahasan 1. Pengumpulan dan pengolahan Data Data yang sudah didapat dari kuisioner kemudian di deskripsikan dan di analisis reliabilitas dan validitasnya. Dalam pengujian reliabilitas dikatakan baik jika nilai alpha cronbach yang dihasilkan mendekati nilai lebih besar dari 0,6. Hal ini menunjukkan atribut-atribut yang dijadikan pertanyaan dalam penelitian adalah dapat diandalkan. Dari penghitungan dengan bantuan software spss 1.3 didapatkan nilai reliabilitas 0,924. Maka dapat disimpulkan data kuisioner reliabel. Dari tabel validitas diketahui bahwa untuk jumlah data 100 dan tingkat signifikasi 95% maka r untuk derajat korelasi pada tabel adalah 0,195. Dalam pengujian validitas data yang diperoleh apabila r hitung > r tabel maka dapat disimpulkan data tersebut valid. Dari tabel 4.3.1 dapat diketahui r kuisioner kinerja dan kepuasan untuk masing-masing atribut lebih besar r tabel yaitu 0,195 dengan taraf signifikasi 5% maka semua data dari kuisioner kinerja dan kepuasan valid. Tabel Nilai r dari Masing-masing Atribut DIMENSI
BUTIR
BUKTI LANGSUNG
1 2 3 4 5 1
DAYA
NILAI R HITUNG 0,541 0,581 0,253 0,394 0,354 0,786
NILAI R TABEL 0,195 0,195 0,195 0,195 0,195 0,195
STATUS VALID VALID VALID VALID VALID VALID
TANGGAP
KEHANDALAN JAMINAN
EMPATY KEPUASAN
2 3 4 5 1 2 3 1 2 3 4 5 1 2 3 1
0,831 0,820 0,280 0,263 0,746 0,771 0,669 0,649 0,708 0,685 0,815 0,216 0,690 0,521 0,277 0,857
0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195 0,195
VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID VALID
Kemudian data yang ada akan ditransformasikan untuk mengubah data dari skala ordinal ke skala interval. Tujuan transformasi ini adalah untuk memberikan nilai standar sehingga nilai tersebut benar-benar mempunyai bobot nilai yang sama pada nilai-nilai atribut. 2. Uji asumsi klasik Uji normalitas Uji Jarque-Bera (JB) menunjukkan bahwa : JB hitung = 2,049275 JB tabel = 32,67 Kesimpulan 2,049275 ≤ 32,67, H0 diterima berarti distribusi uj mengikuti distribusi normal. Uji Kolmogorov-Smirnov menunjukkan bahwa : D tabel = 0,122 D hitung = 0,068 Kesimpulan 0,068 ≤ 0,122 H0 diterima berarti distribusi uj mengikuti distribusi normal. Uji Autokorelasi Uji Durbin-Watson (DW test) menunjukkan bahwa : d hitung = 2,163 dL = 1,072 kesimpulan d hitung < dL maka H0 ditolak dan Ha diterima sehingga terdapat autokorelasi dalam model. Uji multikolinieritas Uji VIF menunjukkan bahwa : .Tabel Multikolinieritas Model
Bukti Langsung (P1) Bukti Langsung (P2) Bukti Langsung (P3) Bukti Langsung (P4) Bukti Langsung (P5) Daya Tanggap (P1) Daya Tanggap (P2) Daya Tanggap (P3) Daya Tanggap (P4) Daya Tanggap (P5) Kehandalan (P1) Kehandalan (P2) Kehandalan (P3) Jaminan (P1) Jaminan (P2) Jaminan (P3) Jaminan (P4) Jaminan (P5) Empaty (P1) Empaty (P2) Empaty (P3)
Collinearity Statistic Tolerance VIF 0,525 1,905 0,441 2,267 0,488 2,049 0,576 1,735 0,626 1,597 0,247 4,056 0,106 9,420 0,113 8,877 0,703 1,423 0,782 1,278 0,345 2,897 0,257 3,886 0,385 2,596 0,402 2,488 0,289 3,462 0,372 2,688 0,235 4,254 0,752 1,330 0,314 3,181 0,381 2,623 0,661 1,514
Status
Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas Tdk ada gejala Multikolinieritas
6
Uji heteroskedastisitas Uji White menunjukkan bahwa : χ2(α,df) = χ2(0,05, 21) = 32,67 χ2 = n.R2 = 100.(0,408)2 = 100.0,1664 = 16,64 Kesimpulan 16,64 ≤ 32,67 H0 diterima berarti tidak terdapat masalah heteroskedastisitas dalam model regresi. Uji korelasi Rank Spearman menunjukkan bahwa Tabel Heteroskedastisitas T tabel
Model Bukti Langsung (P1) Bukti Langsung (P2) Bukti Langsung (P3) Bukti Langsung (P4) Bukti Langsung (P5) Daya Tanggap (P1) Daya Tanggap (P2) Daya Tanggap (P3) Daya Tanggap (P4) Daya Tanggap (P5) Kehandalan (P1) Kehandalan (P2) Kehandalan (P3) Jaminan (P1) Jaminan (P2) Jaminan (P3) Jaminan (P4) Jaminan (P5) Empati (P1) Empati (P2) Empati (P3)
t hitung
-1,98447
Status
-0,660 -0,3406 0,1899 -0,1474 -0,0395 -0,9122 -0,8897 -1,0692 0,6337 0,0198 0,3322 -0,283 -0,1083 -0,8897 -0,5488 0,0297 -1,4706 0,0397 -0,3597 -0,1766 0,8472
Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas Tidak ada gejala heteroskedastisitas
Uji Park menunjukkan bahwa : -t( /2, n-2) = -1,98447 dan t( /2, n-2) = 1,98447 Kesimpulan : semua variabel tidak mempunyai masalah heteroskedastisitas dalam model regresi. 3. Analisis Regresi Linier Berganda Tingkat signifikasi α = 0,05 k = 2, n-k-1 = 78, f tabel, fα (k,n-k-1) adalah : 1,69293. Kriteria pengujian H0 diterima bila f hitung < f tabel, sig hitung < H0 ditolak bila f hitung > f tabel sig hitung > 0,005. Kesimpulan H0 diterima karena 1,69293 < 13,837 dan signifikasi 0,000 < 0,005 ini berarti bahwa ada hubungan linier antara Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati(P1,P2,P3) dengan Kepuasan pelanggan (Y). Dengan demikian model regresi sudah layak dan benar. Tabel ANOVAb
Model 1 Regression Residual Total
Sum of Squares
Mean Square
Df
,980
21
,047
,263
78
,003
1,243
99
hubungan antar variabel sangat kuat. Karena nilai R mendekati angka 1. Korelasi yang positif menunjukkan bahwa hubungan antara Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) terhadap Kepuasan pelanggan (Y) bersifat searah. Artinya jika kualitas pelayanan ditingkatkan maka kepuasan pelanggan juga akan meningkat.
F
Sig. 13,837
,000a
Melihat hubungan secara gabungan antara variabel variabel bebas dengan variabel tergantung. Untuk dapat melihat hubungan antara Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) terhadap Kepuasan pelanggan (Y), bisa dilihat darii nilai R pada tabel model summary seperti dibawah ini. Tabel Model Summary
dari tabel sumary didapatkan angka korelasi antara Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) terhadap Kepuasan pelanggan (Y) sebesar 0,888. Artinya
Nilai R Square adalah 0,788 atau 78,8 %. Angka tersebut mempunyai arti bahwa pengaruh Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) secara gabungan terhadap Kepuasan Pelanggan (Y) adalah 78,8 %. Adapun sisanya 20,2 % disebabkan oleh variabelvariabel lain diluar model regresi ini. Melihat hubungan dan pengaruh pengaruh secara parsial : Bukti Langsung (P1) dengan Kepuasan Pelanggan. R = 0,544, 0,000 < 0,005. Besarnya pengaruh 29,59 %. Bukti Langsung (P2) dengan Kepuasan Pelanggan R = 0,534, 0,000 < 0,005. Besarnya pengaruh 28,51 %. Bukti Langsung (P3) dengan Kepuasan Pelanggan R = 0,340, 0,000 < 0,005. Besarnya pengaruh 11,56 %. Bukti Langsung (P4) dengan Kepuasan Pelanggan R = 0,393, 0,000 < 0,005. Besarnya pengaruh 15,44 %. Bukti Langsung (P5) dengan Kepuasan Pelanggan R = 0,307 0,001 < 0,005. Besarnya pengaruh 9,42 %. Daya Tanggap (P1) dengan Kepuasan Pelanggan R = 0,724, 0,000 < 0,005. Besarnya pengaruh 52,41 %. Daya Tanggap (P2) dengan Kepuasan Pelanggan R = 0,763, 0,000 < 0,005. Besarnya pengaruh 58,21 %. Daya Tanggap (P3) dengan Kepuasan Pelanggan R = 0,734, 0,000 < 0,005. Besarnya pengaruh 53,87 %. Daya Tanggap (P4) dengan Kepuasan Pelanggan R = 0,274, 0,003 < 0,005. Besarnya pengaruh 7,5 %. Daya Tanggap (P5) dengan Kepuasan Pelanggan R = 0,210, 0,018 > 0,005. Besarnya pengaruh Model 1
R
,888a
R Square ,788
Adjusted R Square ,731
Std. Error of the Estimate ,058071
4,41 %.
7
Kehandalan (P1) dengan Kepuasan Pelanggan R = 0,681, 0,000 < 0,005. Besarnya pengaruh 46,37 %. Kehandalan (P2) dengan Kepuasan Pelanggan R = 0,727, 0,000 < 0,005. Besarnya pengaruh 52,85 %. Kehandalan (P3) dengan Kepuasan Pelanggan R = 0,619, 0,000 < 0,005. Besarnya pengaruh 38,31 %. Jaminan (P1) dengan Kepuasan Pelanggan R = 0,644 0,000 < 0,005. Besarnya pengaruh sebesar 41,47 %. Jaminan (P2) dengan Kepuasan Pelanggan R = 0,612 0,000 < 0,005. Besarnya pengaruh 37,45 %. Jaminan (P3) dengan Kepuasan Pelanggan R = 0,628 0,000 < 0,005. Besarnya pengaruh 39,43 %. Jaminan (P4) dengan Kepuasan Pelanggan R = 0,737 0,000 < 0,005.Besarnya pengaruh 54,31 %. Jaminan (P5) dengan Kepuasan Pelanggan R = 0,122 0,114 > 0,005. Besarnya pengaruh 1,48 %. Empati (P1) dengan Kepuasan Pelanggan R = 0,583 0,000 < 0,005. Besarnya pengaruh 33,98 %. Empati (P2) dengan Kepuasan Pelanggan R = 0,568 0,000 < 0,005. Besarnya pengaruh 32,26 %. Empati (P3) dengan Kepuasan Pelanggan R = 0,244 0,007 > 0,005. Besarnya pengaruh 5,95 %. Persamaan regresi : Y= -0,053 + 0,109 x1 + 0,053 x2 + 0,089 x3 + 0,006 x4 + 0,005 x5 + 0,118 x6 + 0,196 x7 - 0,049 x8 + 0,011 x9 + 0,023 x10 - 0,005 x11 + 0,119 x12 + 0,058 x13 + 0,116 x14 -0,008 x15 + 0,095 x16 + 0,134 x17 - 0,051 x18 -0,054 x19 + 0,094 x20 + 0,025 x21 5 variabel yang mempunyai prosentase paling berpengaruh pada kepuasan konsumen adalah : Daya Tanggap (P2) = 58,21% Pada pelayanan “Kesiapan karyawan menangani keluhan konsumen” Jaminan (P4) = 54,31% Pada pelayanan “Sikap sopan dalam memberikan pelayanan” Daya Tanggap (P3) = 53,87% Pada pelayanan “Kecepatan karyawan menangani konsumen” Kehandalan (P2) = 52,85% Pada pelayanan “Kemampuan karyawan memberikan solusi” Daya Tanggap (P1) = 52,41% Pada pelayanan “Kesediaan karyawan membantu konsumen” 4. Analisis Jalur k = 2, n-k-1 = 78, fα (k,n-k-1) : 1,69293 Kriteria pengujian H0 diterima bila f hitung < f tabel, sig hitung < 0,005 H0 ditolak bila f hitung > f tabel, sig hitung > 0,005 Kesimpulan H0 diterima karena 1,69293 < 13,837 dan 0,000 < 0,005 ini berarti bahwa ada hubungan linier antara Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3),
Jaminan (P1,P2,P3,P4,P5) dan Empati(P1,P2,P3) dengan Kepuasan. Dengan demikian model regresi sudah layak dan benar. Tabel ANOVAb
Model 1
Sum of Squares
Regression Residual Total
Mean Square
Df
,980
21
,047
,263
78
,003
1,243
99
F
Sig. ,000a
13,837
Tabel Model Summary Model 1
R
R Square
,888a
Std. Error of the Estimate
Adjusted R Square
,788
,731
,058071
Nilai R Square adalah 0,788 atau 78,8 %. Angka tersebut mempunyai arti bahwa pengaruh Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) secara gabungan terhadap Kepuasan Pelanggan adalah 78,8 %. Adapun sisanya 20,2 % disebabkan oleh variabel-variabel lain diluar model regresi ini. 1. Melihat pengaruh secara parsial Untuk melihat besarnya pengaruh variabel Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) terhadap kepuasan pelanggan secara sendirisendiri atau parsial digunakan Uji t, sedangkan untuk melihat besarnya pengaruh digunakan angka beta atau satndardized Coefficients. Tabel 4.12 Coefficientsa Model 1
(Constant) Bukti Langsung (P1) Bukti Langsung (P2) Bukti Langsung (P3) Bukti Langsung (P4) Bukti Langsung (P5) Daya Tanggap (P1) Daya Tanggap (P2) Daya Tanggap (P3) Daya Tanggap (P4) Daya Tanggap (P5) Kehandalan (P1) Kehandalan (P2) Kehandalan (P3) Jaminan (P1) Jaminan (P2) Jaminan (P3) Jaminan (P4) Jaminan (P5) Empati (P1) Empati (P2) Empati (P3)
Unstandardized Coefficients B Std. Error -,053 ,054 ,109 ,062 ,053 ,071 ,089 ,069 ,006 ,059 ,004 ,057 ,118 ,092 ,196 ,140 -,049 ,137 ,011 ,055 ,023 ,052 -,005 ,079 ,119 ,091 ,058 ,073 ,116 ,073 -,008 ,084 ,095 ,078 ,134 ,096 -,051 ,052 -,054 ,085 ,094 ,076 ,025 ,059
a Dependent Variable: KEPUASAN ( P1 )
Standardized Coefficients Beta ,125 ,058 ,096 ,007 ,005 ,135 ,224 -,055 ,012 ,026 -,006 ,135 ,067 ,131 ,009 ,104 ,150 -,058 -,059 ,104 ,027
t -,979 1,743 ,744 1,283 ,108 ,073 1,289 1,403 -,356 ,192 ,436 -,066 1,315 ,798 1,599 -,091 1,212 1,398 ,973 ,634 1,238 ,418
Sig. ,330 ,085 ,459 ,203 ,914 ,942 ,201 ,164 ,723 ,848 ,664 ,947 ,192 ,427 ,114 ,928 ,229 ,166 ,333 ,528 ,219 ,677
Hipotesis H0 : tdk ada hubungan linier antara masing-masing variabel Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2 dengan Kepuasan Pelanggan Ha : ada hubungan linier antara masing-masing variabel Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2 dengan Kepuasan Pelanggan Tingkat signifikasi (α), α = 0,05
8
n -2 = 98, diperoleh t tabel, t (α/2, n-2) adalah : 1,98447 Kriteria pengujian H0 diterima bila -1,98447 ≤ t hitung ≤ 1,98447 Kesimpulan : 1. Bukti Langsung (P1) dengan Kepuasan Pelanggan, t hitung = 1,743. Besarnya pengaruh sebesar 12,5 %. 2. Bukti Langsung (P2) dengan Kepuasan Pelanggan t hitung = 0,744. Besarnya pengaruh 5,8 %. 3. Bukti Langsung (P3) dengan Kepuasan Pelanggan t hitung = 0,744. Besarnya pengaruh 5,8 %. 4. Bukti Langsung (P4) dengan Kepuasan Pelanggan t hitung = 0,108. Besarnya pengaruh 0,7 %. 5. Bukti Langsung (P5) dengan Kepuasan Pelanggan t hitung = 0,073. Besarnya pengaruh 0,5 %. 6. Daya Tanggap (P1) dengan Kepuasan Pelanggan t hitung = 1,289. Besarnya pengaruh 13,5 %. 6. Daya Tanggap (P2) dengan Kepuasan Pelanggan t hitung = 1,403. Besarnya pengaruh 22,4 %. 7. Daya Tanggap (P3) dengan Kepuasan Pelanggan t hitung = -0,356. Besarnya pengaruh -5,5 %. 8. Daya Tanggap (P4) dengan Kepuasan Pelanggan t hitung = 0,192. Besarnya pengaruh 1,2 %. 9. Daya Tanggap (P5) dengan Kepuasan Pelanggan t hitung = 0,436. Besarnya pengaruh 2,6 %. 10. Kehandalan (P1) dengan Kepuasan Pelanggan t hitung = -0,066. Besarnya pengaruh -0,6 %. 11. Kehandalan (P2) dengan Kepuasan Pelanggan t hitung = 1,315. Besarnya 13,5 %. 12. Kehandalan (P3) dengan Kepuasan Pelanggan t hitung = 0,798. Besarnya pengaruh 6,7 %. 13. Jaminan (P1) dengan Kepuasan Pelanggan t hitung = 1,599. Besarnya pengaruh 13,1 %. 14. Jaminan (P2) dengan Kepuasan Pelanggan t hitung = -0,091 Besarnya pengaruh -0,9 %. 15. Jaminan (P3) dengan Kepuasan Pelanggan t hitung = 1,212. Besarnya pengaruh 10,4 %. 16. Jaminan (P4) dengan Kepuasan Pelanggan t hitung = 1,398. Besarnya pengaruh 15 %. 17. Jaminan (P5) dengan Kepuasan Pelanggan t hitung = -0,973 Besarnya pengaruh -5,8 %. 18. Empati (P1) dengan Kepuasan Pelanggan t hitung = -0,634. Besarnya pengaruh -5,9 %. 19. Empati (P2) dengan Kepuasan Pelanggan t hitung = 1,238. Besarnya pengaruh 10,4 %. 20. Empati (P3) dengan Kepuasan Pelanggan t hitung = 0,418. Besarnya pengaruh 2,7 %. Persamaan struktural untuk diagaram jalur : Y= 0,125 x1 + 0,058 x2 + 0,096 x3 + 0,007 x4 + 0,005 x5 + 0,135 x6 + 0,224 x7 - 0,055 x8 + 0,012 x9 + 0,026 x10 - 0,006 x11 + 0,135 x12 + 0,067 x13 + 0,131 x14 0,009 x15 + 0,104 x16 + 0,150 x17 - 0,058 x18 -0,059 x19 + 0,104 x20 + 0,027 x21 5 variabel yang mempunyai prosentase paling berpengaruh pada kepuasan konsumen adalah : Daya Tanggap (P2) = 22,,4% Pada pelayanan “Kesiapan karyawan menangani keluhan konsumen”
Jaminan (P4) = 15% Pada pelayanan “Sikap sopan dalam memberikan pelayanan” Daya Tanggap (P1) dan Kehandalan (P2) = 13,5% Pada pelayanan “Kesediaan karyawan membantu konsumen” dan “Kemampuan karyawan memberikan solusi” Jaminan (P1) = 13,1% Pada pelayanan “Kualitas informasi yang diberikan” Bukti langsung (P1) = 12,5% Pada pelayanan “Lokasi yang mudah dijangkau” 5. Analisis faktor Dari analisis faktor didapatkan variabel-variabel yang mempunyai kepentingan untuk dianalisa lebih lanjut, dengan syarat nilai MSA > 0,5. Dari semua variabel-variabel bebas yang digunakan untuk kuisioner setelah dianaliasa dengan analisis faktor semua mempunyai nilai MSA > 0,5 maka semua variabel-variabel bebas bisa dianalisa lebih lanjut. Bukti Langsung (P1) = 0,856 Bukti Langsung (P2) = 0,852 Bukti Langsung (P3) = 0,645 Bukti Langsung (P4) = 0,807 Bukti Langsung (P4) = 0,763 Daya Tanggap (P1) = 0,913 Daya Tanggap (P2) = 0,862 Daya Tanggap (P3) = 0,883 Daya Tanggap (P4) = 0,699 Daya Tanggap (P5) = 0,839 Kehandalan (P1) = 0,944 Kehandalan (P2) = 0,920 Kehandalan (P3) = 0,906 Jaminan (P1) = 0,907 Jaminan (P2) = 0,896 Jaminan (P3) = 0,918 Jaminan (P4) = 0,934 Jaminan (P5) = 0,736 Empati (P1) = 0,906 Empati (P2) = 0,768 Empati (P3) = 0,621 5. Kesimpulan dan saran Berdasarkan pengolahan data dan pembahasan sebelumnya, maka dapat disimpulkan beberapa hal yaitu: 1. Berdasarkan hasil analisis data dengan analisis regresi berganda dan analisis jalur didapatkan kesimpulan bahwa Kualitas pelayanan dilihat dari sudut dimensi layanan yaitu dimensi tangibles (bukti langsung), reability (kehandalan), responsivenesess ( daya tanggap), assurance (jaminan), empathy (empati) secara bersamasama memberikan kepuasan kepada konsumen
9
sebesar 78,8 %. Adapun sisanya 21,2% disebabkan oleh variabel-variabel lain diluar model regresi. 2. Berdasarkan hasil analisis didapatkan kesimpulan bahwa antara analisis regresi linier berganda dan analisis jalur terdapat perbedaan yang signifikan dalam hal penentuan besarnya nilai prosentase tiap variabel-variabel yang secara parsial memengaruhi kualitas pelayanan. Tetapi pada analisis jalur bisa dilihat hubungan/korelasi antar variabel-variabel bebas, yang tidak bisa ditemukan/dicari pada analisis regresi linier berganda. Hal ini lebih penting karena memudahkan para pelaku usaha untuk meneliti dan meningkatkatkan kualitas dari tiap-tiap variabel yang mempunyai kualitas yang menurut konsumen dianggap kurang. Sedangkan pada analisis faktor hanya untuk mendapatkan variabel-variabel yang dianggap penting oleh konsumen untuk dianalisis lebih lanjut oleh para pelaku usaha. 3. Tetapi akan lebih baik jika ketiga analisis data tersebut digunakan secara bersama-sama untuk menganalisa data. Adapun saran-saran yang dapat diberikan berkenaan dengan penelitian selanjutnya adalah sebagai berikut : 1. Penelitian lebih lanjut perlu dilakukan dengan penggalian variabel-variabel lebih lanjut secara mendalam, agar dapat memahami kondisi konsumen dengan lebih baik. 2. Penelitian hendaknya dilakukan secara berkala, karena perubahan kondisi pasar dan perilaku konsumen akan mengakibatkan perubahan preferensi dan persepsi konsumen. 6. Daftar Pustaka [1]Kotler, Philip, 1997. Manajemen Pemasaran. Jakarta,Prenhallindo [2]Tjiptono, Fandy, 1997. Prinsip – Prinsip Total Quality Service, Yogyakarta : Andi Offset, Yogyakarta. [3] Sarwono, Jonathan, 2006. Analisis Data Penelitian Menggunakan SPSS 13, Andi Offset, Yogyakarta. [4] Supranto, Johanes, 2001. Statistik Untuk Pemimpin Berwawasan Global, Jakarta, Salemba Empat. [5]Suhermin, ari pujiati. Analisis Regresi linier berganda untuk mengetahui hubungan antara beberapa aktifitas promosi dengan penjualan produk. Tugas Akhir Program PascaSarjana Statistika, Institut Teknologi Sepuluh Nopember Surabaya. [6]Setyadarma, Andryan. 2010. Uji asumsi klasik dengan SPSS 1.6. Semarang : Universitas negeri Semarang. [7] J Suprsnto, 1983, Ekonometrik, Jakarta: LPFE UI
10
