ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUASAN DAN LOYALITAS PELANGGAN PADA ONLINE SHOPPING. (STUDI KASUS : TIKET.COM)

TUGAS AKHIR – KS 141501

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUASAN DAN LOYALITAS PELANGGAN PADA ONLINE SHOPPING. (STUDI KASUS : TIKET.COM)

BAMBANG EKO HADI PURNOMO NRP 5211 100 013

Dosen Pembimbing Edwin Riksakomara, S.Kom, M.T

JURUSAN SISTEM INFORMASI Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya 2015

FINAL PROJECT – KS 141501

ANALYSIS OF FACTORS INFLUENCING COSTUMER SATISFACTION AND COSTUMER LOYALTY IN ONLINE SHOPPING (CASE STUDY:TIKET.COM)

BAMBANG EKO HADI PURNOMO NRP 5211 100 013

Academic Promotor Edwin Riksakomara, S.Kom, M.T

INFORMATION SYSTEMS DEPARTMENT Information Technology Faculty Institut Teknologi Sepuluh Nopember Surabaya 2015

ii

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUASAN DAN LOYALITAS PELANGGAN PADA ONLINE SHOPPING. (STUDI KASUS : TIKET.COM) TUGAS AKHIR Disusun Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer pada Jurusan Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Oleh :

BAMBANG EKO HADI PURNOMO NRP 5211 100 013

Surabaya, Juni 2015 KETUA JURUSAN SISTEM INFORMASI

Dr.Eng. Febriliyan Samopa S.Kom., M.Kom. NIP 19730219 199802 1 001

iii

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUASAN DAN LOYALITAS PELANGGAN PADA ONLINE SHOPPING. (STUDI KASUS : TIKET.COM) TUGAS AKHIR Disusun Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer pada Jurusan Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Oleh :

BAMBANG EKO HADI PURNOMO NRP 5211 100 013 Disetujui Tim Penguji :

Tanggal Ujian : Periode Wisuda: September 2015

Edwin Riksakomara, S.Kom, M.T

(Pembimbing)

Bambang Setiawan S.Kom,M.T

(Penguji I)

Arif Wibisono S.Kom, M.Sc

(Penguji II)

iv

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUASAN DAN LOYALITAS PELANGGAN PADA ONLINE SHOPPING. (STUDI KASUS : TIKET.COM)

Nama Mahasiswa NRP Jurusan Dosen Pembimbing

: Bambang Eko Hadi Purnomo : 5211 100 013 : Sistem Informasi FTIF-ITS : Edwin Riksakomara, S.Kom, M.T

Abstrak Tiket.com merupakan ecommerce yang berbasis B2C. Tiket.com didirikan pada tahun 2012. Bergerak pada bidang travelling dimana mereka menyediakan jasa pemesanan tiket pesawat, kereta api, hotel, event dan rental mobil. Banyak faktor yang mempengaruhi pengguna agar menggunakan tiket.com dalam proses bisnis secara online. Analisis faktor yang mempengaruhi tingkat kepuasan dan loyalitas pengguna dapat dilakukan dengan mengadakan survey yang melibatkan pengguna atau pengunjung tiket.com. Model yang digunakan oleh Grace T.R. Lin dan Chia-Chi Sun digunakan sebagai model penelitian dan dalam pembentukan kerangka survey. Data dari hasil survey akan diolah dengan teknik Structural Equation Modelling (SEM) dengan menggunakan tools lisrel. Penelitian ini meneliti tentang tingkat kepuasan dan loyalitas pengguna terhadap website Tiket.com dapat dilakukan dengan mengadakan survey yang melibatkan pengguna yang pernah bertransaksi menggunakan Tiket.com Hasil dari Tugas Akhir ini menyatakan 7 hipotesis yang ada dapat dipenuhi. customer e-satisfaction dan customer ev

loyalty dipengaruhi oleh technology acceptance factors, website service quality dan specific holdup cost.

Kata Kunci: Faktor Penerimaan Teknologi, Kualitas Layanan Website, Specific Holdup Cost, Kepuasan Pelanggan, Loyalitas Pelanggan, Structural Equation Modeling .

vi

ANALYSIS OF FACTORS INFLUENCING CUSTOMER SATISFACTION AND CUSTOMER LOYALTY IN ONLINE SHOPPING (CASE STUDY:TIKET.COM) Nama Mahasiswa NRP Jurusan Dosen Pembimbing

: Bambang Eko Hadi Purnomo : 5211 100 013 : Sistem Informasi FTIF-ITS : Edwin Riksakomara, S.Kom, M.T

Abstract Tiket.com is a B2C based e-commerce. Tiket.com was founded in 2012. Specialized in the fields of traveling where they provide air ticket booking services, trains ticket booking services, hotels booking, event ticket and car rental. Many factors affects user to use tiket.com in the process of online business. Analysis of factors affecting the level of user satisfaction dan loyalty can be done by conducting a survey involving users or visitors at tiket.com. The model used by Grace T.R. Lin and Chia-Chi Sun is used as a research model and within the framework of the establishment survey. Data from the survey will be treated with the technique of Structural Equation Modelling (SEM) using LISREL tools. This study examines the level of satisfaction and loyalty from Tiket.com users can be done by conducting a survey involving users experienced in transacting with Tiket.com The output from this final project shows that 7 hypotheses can be fulfilled. Customer e- satisfaction and Customer e-loyalty is affected by technology acceptance factors, website service quality and specific holdup cost.

vii

Keywords: Technology Acceptance Faktor, Website Service Quality, Specific Holdup Cost, Customer esatisfaction, Customer e-loyalty , Structural Equation Modeling.

viii

KATA PENGANTAR Puji syukur yang sebesar-besarnya Penulis panjatkan kehadirat Allah SWT, karena berkat rahmat dan hidayah-Nya Penulis dapat menyelesaikan Tugas Akhir yang merupakan salah satu syarat kelulusan pada Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember Surabaya. Pengumpulan hasil kuesioner Penulis lakukan selama kurun waktu 9 Maret 2015 hingga 13 Maret 2015. Kuesioner disebar kepada seluruh teman-teman di Jurusan Sistem Informasi ITS dari seluruh angkatan aktif mulai dari temanteman angkatan 2011 hingga angkatan 2014. Mohon maaf apabila selama pengumpulan kuesioner ada teman-teman yang merasa terganggu atau waktunya tersita untuk membantu saya dalam proses pengerjaan Tugas Akhir Atas berbagai bantuan, Penulis ingin menghaturkan rasa terimakasih yang sebesar-besarnya kepada:  Bapak Febriliyan Samopa selaku Ketua Jurusan Sistem Informasi ITS selama saya manjalani kuliah di Sistem Informasi ITS. Terima kasih atas semua dukungan fasilitas selama ini.  Bapak Edwin Riksakomara selaku pembimbing dalam proses pengerjaan tugas akhir ini yang selalu bersedia waktunya diganggu untuk bimbingan tugas akhir. Terima kasih telah membimbing dengan sabar selama ini.  Bapak Bambang Setiawan dan Bapak Arif Wibisono selaku penguji I dan penguji II yang bersedia menguji tugas akhir saya. Terima kasih meskipun berstatus penguji tetapi saya merasa seperti dibimbing.  Bapak Radityo Prasetyanyo dan Ibu Renny Pradina selaku dosen wali selama 4 tahun menjalani kuliah di jurusan Sistem Informasi ITS  Ahmad Aufal selaku mentor untuk mengerjakan tugas akhir ix

 

Mas Bambang Wijanarko yang telah meluangkan waktu untuk sharing, dan mengatur waktu sidang di laboratorium E-Bisnis. Teman-teman jurusan Sistem Informasi ITS yang bersedia mengisi kuesioner saya.

Penulis menyadari bahwa tugas akhir ini masih banyak kekurangan dan ketidaksempurnaan, untuk itu penulis mengharapkan saran atas tugas akhir ini yang bersifat membangun guna perbaikan di masa mendatang. Akhir kata, penulis berharap tugas akhir ini dapat bermanfaat bagi kita semua. Surabaya, Juli 2015

Penulis

x

DAFTAR ISI TUGAS AKHIR ....................................................................... i Abstrak .....................................................................................v Abstract ................................................................................. vii KATA PENGANTAR ........................................................... ix DAFTAR ISI .......................................................................... xi DAFTAR GAMBAR .............................................................xv DAFTAR TABEL ............................................................... xvii 1 BAB I PENDAHULUAN ..................................................19 1.1 Latar Belakang Masalah .................................19 1.2 Rumusan Masalah ..........................................21 1.3 Tujuan ............................................................21 1.4 Batasan Masalah/Ruang Lingkup ...................21 1.5 Relevansi atau Manfaat Tugas Akhir .............21 1.6 Keterkaitan dengan Road Map Laboratorium E-Business ...................................................................22 1.7 Keterkaitan dengan Penelitian Lain ...............23 1.8 Target Luaran .................................................23 1.9 Sistematika Penulisan .....................................24 2 BAB II TINJAUAN PUSTAKA .........................................27 2.1. E-Commerce...................................................27 2.1.1 Karakteristik E-Commerce ...............................28 2.1.2 Klasifikasi E-Commerce ..................................28 2.2. Tiket.com........................................................29 2.3. Faktor Penerimaan Teknologi ( Technology Acceptance Factor) ......................................................30 2.4. E-Service Quality ...........................................32 2.5. Specific Holdup Cost ......................................35 2.6. Customer Satisfaction ....................................36 2.7. Customer Loyalty ...........................................38 2.7.1. Karakteristik dan Tahapan-Tahapan Loyalitas Pelanggan. .................................................39 2.8. Model Yang Digunakan .................................42 2.9. Structural Equation Model (SEM) .................45 2.9.1. Model SEM....................................................47 xi

2.9.2. Uji kesesuaian model .................................... 49 2.10. Software Lisrel .............................................. 49 2.10.1. Bahasa Pemrograman SIMPLIS ................... 50 2.10.2. Tahapan Pengolahan SEM pada Software Lisrel ....................................................................... 52 2.11. Penentuan Jumlah Sampel ............................. 53 3 BAB III METODOLOGI ................................................... 55 3.1. Urutan Pelaksanaan ....................................... 55 3.1.1. Studi lapangan ............................................... 56 3.1.2. Studi literatur ................................................ 56 3.1.3. Penentuan model dan hipotesis awal............. 56 3.1.4. Penentuan populasi dan sampel responden ... 56 3.1.5. Penyusunan kuesioner dan indikator............. 57 3.1.6. Pengumpulan data kuesioner ........................ 57 3.1.7. Uji Asumsi Klasik ......................................... 57 3.1.8. Confirmatory factor analysis ........................ 58 3.1.9. Uji kesesuaian model .................................... 58 3.1.10. Modifikasi model .......................................... 59 3.1.11. Analisis hasil hipotesis .................................. 59 3.1.12. Pembuatan rekomendasi ............................... 59 3.1.13. Kesimpulan dan saran ................................... 59 3.1.14. Penyusunan laporan tugas akhir .................... 59 3.2. Urutan Pelaksanaan ....................................... 60 3.2.1. Alat................................................................ 60 3.2.2 Bahan ............................................................... 60 4 BAB IV PERANCANGAN................................................ 61 4.1. Model Kepuasan dan Loyalitas Pelanggan Pada Tiket.com .................................................................... 61 4.2 Hipotesis ........................................................ 62 4.3 Penyusunan Kuesioner .................................. 62 4.4 Mapping Model ke dalam Kuesioner ............ 63 4.5 Penentuan Responden dan Penyebaran Kuesioner .................................................................... 65 5 BAB V IMPLEMENTASI ................................................. 67 5.1 Penyebaran Kuesioner ................................... 67 5.2 Pengolahan Data ............................................ 67 5.3 Diagram Jalur ................................................ 67 xii

5.3.1 Konversi diagram jalur ke persamaan ...........68 5.4 Hambatan .......................................................70 5.5 Rintangan .......................................................70 6 BAB VI HASIL DAN PEMBAHASAN ............................71 6.1 Hasil ...............................................................71 6.1.1 Pengolahan statistik diskriptif ........................71 6.1.2 Uji Asumsi Klasik..........................................75 6.1.3 Analisis structural equation modeling ...........76 6.2 Pembahasan ....................................................87 6.2.1 Analisis statistik deskriptif ............................87 6.2.2 Analisa uji asumsi klasik ...............................88 6.2.3 Confirmatory factor analysis .........................89 6.2.4 Analisis SEM (structural equation modeling) ..................................................................91 6.2.5 Analisis hipotesis ...........................................92 6.2.6 Rekomendasi untuk Tiket.com ......................96 7 BAB VII KESIMPULAN DAN SARAN ...........................99 7.1 Kesimpulan.....................................................99 7.2 Saran .............................................................100 8 DAFTAR PUSTAKA .......................................................101 9 BIODATA PENULIS .......................................................105 10 LAMPIRAN A KUISIONER SURVEI ..............................1 11 LAMPIRAN B DATA RESPONDEN ................................1 12 LAMPIRAN C UJI NORMALITAS ..................................1 13 LAMPIRAN D UJI MULTIKOLINEARITAS ..................1 14 LAMPIRAN E HASIL MODIFIKASI MODEL ................1

Halaman ini sengaja dikosongkan

xiv

DAFTAR GAMBAR Gambar 1.1 Road Map Lab E-Bisnis ..................................... 22 Gambar 2.1 Model Penelitian................................................. 42 Gambar 2.2 Model SEM ........................................................ 47 Gambar 2.3 Bentuk Umum Program SIMPLIS ..................... 51 Gambar 2.4 Ikhtisar Pengolahan SEM menggunakan LISREL Software ................................................................................. 52 Gambar 3.1 Metodologi Pengerjaan Tugas Akhir.................. 55 Gambar 4.1 Model Konseptual .............................................. 61 Gambar 4.2 Diagram Hipotesis .............................................. 62 Gambar 5.1 Diagram Jalur ..................................................... 68 Gambar 6.1 Distribusi Jenis Kelamin .................................... 72 Gambar 6.2 Distribusi Angkatan ............................................ 72 Gambar 6.3 Distribusi Produk Yang Sering Digunakan ........ 73 Gambar 6.4 Distribusi Frekuansi Penggunaan ....................... 74 Gambar 6.5 Simplis Program ................................................. 77 Gambar 6.6 Diagram Setelah Uji Validitas dan Realibilitas .. 82 Gambar 6.7 Rekomendasi Modifikasi Model ........................ 84 Gambar 6.8 Model Setelah Modifikasi .................................. 85 Gambar 6.9 Hasil Hipotesis ................................................... 87

xv

Halaman ini sengaja dikosongkan

xvi

DAFTAR TABEL Tabel 2.1 Bentuk Bentuk E-Commerce.................................. 28 Tabel 2.2 Operasional Variabel Penelitian ............................. 43 Tabel 2.3 Istilah dalam SEM .................................................. 47 Tabel 2.4 Uji Kesesuaian Model ............................................ 49 Tabel 4.1 Skala Likert Pernyataan ......................................... 63 Tabel 4.2 Mapping Pernyataan............................................... 63 Tabel 6.1 Data responden ....................................................... 74 Tabel 6.2Uji Normalitas ......................................................... 75 Tabel 6.3 Uji Validitas TAF ................................................... 78 Tabel 6.4 Uji Validitas WSQ ................................................. 78 Tabel 6.5 Uji Validitas SHC .................................................. 79 Tabel 6.6 Uji Validitas CES ................................................... 79 Tabel 6.7 Uji Validitas CEL ................................................... 80 Tabel 6.8 Uji Realibiltas......................................................... 80 Tabel 6.9 Nilai Goodness of Fit Index ................................... 83 Tabel 6.10 Tabel Modification Indice .................................... 84 Tabel 6.11 Nilai Goodness of Value setelah Modifikasi ........ 86 Tabel 6.12 Hubungan Hipotesis ............................................. 87 Tabel 6.13 Kondisi Kekinian dan Rekomendasi .................... 96

xvii

Halaman ini sengaja dikosongkan

xviii

1BAB I PENDAHULUAN Pada bab ini, akan dijelaskan tentang Latar Belakang Masalah, Perumusan Masalah, Batasan Masalah, Tujuan Tugas Akhir, dan Relevansi atau Manfaat Kegiatan Tugas Akhir. 1.1 Latar Belakang Masalah Pada era globalisasi saat ini, dimana perkembangan teknologi informasi berkembang dengan pesat[1]. Dimana saat ini, semua informasi dapat diakses dengan mudah dan cepat melalui internet. Hal ini bisa dilihat dari pertumbuhan pengguna internet di Indonesia yang terus mengalami peningkatan setiap tahunnya[2]. Internet merupakan media yang sangat penting. Sumber bagi segala informasi yang sangat bermanfaat. Internet dapat meningkatkan pendapatan masyarakat yaitu sebagai sarana promosi yang tepat untuk bisnis mereka, sehingga dapat menjadi referensi dan patokan seseorang untuk mengambil keputusan yang tepat. Dengan adanya intenet, manusia menjadi lebih terbantu, apalagi bagi mereka yang memiliki mobilitas yang tinggi[3]. Perkembangan teknologi informasi menyebabkan terjadinya pergeseran budaya. Hal ini dirasakan oleh masyarakat, perusahaan, dan organisasi. Kenyataan ini, menjadikan tantangan tersendiri bagi perusahaan, yaitu menciptakan keinginan pelanggan untuk menggunakan produk dan jasa dan menjalin hubungan yang dekat antara perusahaan dan pelanggan. Kualitas pelayanan yang merupakan salah satu faktor penentu kesuksesan yang berpengaruh pada persaingan perusahaan. Adopsi kualitas layanan yang baru khususnya di dunia e-commerce adalah berupa kualitas layanan berbasis web, yang biasa disebut kualitas layanan online (e-service quality) adalah tingkat website dapat memfasilitasi secara 19

20 efisien dan efektif untuk melakukan pembelian, penjualan, dan pengiriman baik produk dan jasa[4]. Online shopping merupakan sebuah cara alternatif bagi masyarakat dalam melakukan kegiatan berbelanja, dengan menggunakan internet para pelanggan dapat menghemat waktu, tenaga, dan tentunya lebih praktis bila dibandingkan dengan belanja secara tradisional. Khususnya pada waktu belakangan ini sudah mulai marak bermunculan toko online yang menawarkan berbagai macam produk dan jasanya melalui media internet, oleh karena itu penelitian ini ditujukan untuk mengetahui mengenai faktor apa saja yang dapat mempengaruhi loyalitas seorang pelanggan saat melakukan kegiatan berbelanja secara online[5]. Online shopping itu sendiri mulai berkembang dan menjadi trend di masyarakat sejak tahun 2010. Perkembangan yang terjadi pada bisnis online shopping ini tergolong sangat cepat, karena sesuai dengan kebutuhan masyarakat modern yang menginginkan segala sesuatunya serba capat dan praktis. Telah banyak terjadi perkembangan dalam bisnis online ini dari masa ke masa, salah satunya adalah website yang dapat memudahkan pelanggannya untuk melakukan transaksi melalui online payment (pembayaran secara online)[6]. Namun setiap sisi positif sudah pasti memiliki sisi negatif, begitu pula yang terjadi pada sistem online shopping, masih terdapat beberapa kekurangan dalam sistem ini, beberapa diantarnya adalah kepuasan pelanggan terhadap penyedia layanan, kepercayaan pelanggan, serta keamanan yang ada pada sistem ini. Hal-hal tersebut dapat menyebabkan pelanggan menjadi enggan untuk melakukan transaksi perbelanjaan melalui online shopping. Berdasarkan latar belakang tersebut diatas maka peneliti bermaksud akan mengukur pengaruh Technology Acceptance Factors, Website Service Quality, Specific Holdup Cost, Customer e-satisfaction dan Customer e-loyalt terhadap keputusan pembelian melalui internet, sebagaimana dilakukan penelitian terdahulu yang berjudul “Factors Influencing Satisfaction and Loyalty in Online Shopping : an Integrated

21 Model” oleh Grace T.R. Lin dan Chia-Chi Sun pada tahun 2008 di Taiwan. 1.2 Rumusan Masalah Permasalahan yang diangkat dalam tugas akhir ini adalah 1. Bagaimana kepuasan dan loyalitas pelanggan pada website tiket.com menggunakan model dari Grace T.R. Lin dan Chia-Chi Sun? 1.3 Tujuan Dari uraian di atas tujuan pembuatan tugas akhir ini adalah : 1. Mengetahui faktor kepuasan dan loyalitas pelanggan pada website E-Commerce 2. Memberikan rekomendasi perbaikan terhadap variabel yang dianggap kurang diterima oleh responden kepada developer tiket.com. 1.4 Batasan Masalah/Ruang Lingkup Batasan pemasalahan dalam tugas akhir ini adalah : 1. Situs yang akan dianalisis adalah tiket.com 2. Model yang digunakan pada studi kasus ini adalah TAM yang dimodifikasi menurut paper dari Grace T.R. Lin dan Chia-Chi Sun berjudul “Factors Influencing Satisfaction and Loyalty in Online Shopping : an Integrated Model”. 3. Responden yang digunakan untuk mengisi kuisioner adalah mahasiswa Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember yang pernah bertransaksi pada situs tiket.com 4. Analisis SEM dengan menggunakan tools LISREL. 1.5 Relevansi atau Manfaat Tugas Akhir Manfaat dari implementasi tugas akhir ini antara lain :

22 1. Memberikan informasi mengenai variabel-variabel yang berpengaruh terhadap pelanggan saat berbelanja secara online. 2. Memberikan rekomendasi perbaikan terhadap variabel yang dianggap kuarang bisa di terima oleh user/pelanggan 3. Sebagai sumber informasi bagi perusahaan dalam meningkatkan kualitas adan performanya. 1.6 Keterkaitan dengan Road Map Laboratorium EBusiness Topik penelitian ini adalah evaluasi kepuasan dan loyalitas pelanggan pada website tiket.com. Pada pohon penelitian laboratorium E-Bisnis (Gambar 1.1), topik tersebut memiliki relevansi atau keterkaitan dengan bidang keilmuan laboratorium E-Bisnis yaitu Pengelolaan Hubungan Pelanggan yang berada pada bagian Proses dan Masalah Etika-Sosial-Legal dalam E-Bisnis dan Technological Assessment yang berada pada bagian Pengukuran Kinerja E-Bisnis.

Gambar 1.1 Road Map Lab E-Bisnis

23 1.7 Keterkaitan dengan Penelitian Lain Dalam mengerjakan tugas akhir ini terdapat penelitian yang digunakan sebagai pendukung penelitian yang dilakukan, penelitian tersebut antara lain sebagai berikut: 1. Analisis tingkat penerimaan implementasi jobcard barcoding system menggunakan Technology Acceptance Model pada unit base maintenance PT Garuda Maintenance Facility Aeroasia oleh Putu Yoga Widhi Yasa dan Patdono Suwignjo, Institut Teknologi Sepuluh Nopember. Penelitian tersebut menjelaskan tentang pemodelan penerimaan pengguna dengan TAM untuk kemudian dirancang langkah-langkah perbaikan[7]. 2. Prediksi tingkat penerimaan user terhadap rencana implementasi hasil simplifikasi PD Sheet menggunakan technology acceptance model dan SEM-PLS (Studi kasus : Dinas Engine Maintenance PT GMF Aero Asia) oleh Mat Saleh, Institut Teknologi Sepuluh Nopember. Penelitian ini membahas mengenai penggunaan TAM dan SEM untuk penghitungan penerimaan user terhadap suatu teknologi[8]. 3. Evaluasi proses performance management system dengan pendekatan Structural Equation Model di PT Medco E&P Indonesia oleh Ikhsan Salman dan Bambang Syairudin, Institut Teknologi Sepuluh Nopember. Penelitian ini membahas penggunaan SEM untuk mengevaluasi suatu sistem[9]. 1.8 Target Luaran Target luaran dalam pengerjaan Tugas Akhir ini adalah sebagai berikut: 1. Rekomendasi kepada developer Tiket.com 2. Dokumentasi berupa buku Tugas Akhir.

24 1.9 Sistematika Penulisan Sistematika penulisan buku tugas akhir dibagi menjadi tujuh bab sebagai berikut. BAB I PENDAHULUAN Bab ini berisi tentang pendahuluan yang menjelaskan latar belakang, tujuan dan manfaat tugas akhir, perumusan masalah, batasan masalah, target luaran, keterkaitan dengan road map lab E-Bisnis dan penelitian terdahulu, serta sistematika penulisan buku tugas akhir. BAB II TINJAUAN PUSTAKA Studi literatur dilakukan dengan mengumpulkan berbagai informasi dan referensi mengenai topik penelitian yang dilakukan, model hipotesa yang digunakan, serta teknik yang digunakan untuk memvalidasi model yang ada. Hal ini dilakukan untuk mengkaji dan menunjang pengetahuan dalam mengerjakan tugas akhir ini. Adapun literatur yang digunakan yaitu: journal ilmiah nasional maupun internasional, paper penelitian, e-book, maupun buku-buku tentang e-commerce, LISREL, dan SEM yang dapat dijadikan bahan acuan pengerjaan tugas akhir ini. BAB III METODOLOGI PENELITIAN Pada bab ini diuraikan secara rinci mengenai tahapantahapan yang dilakukan untuk melakukan penelitian mulai dari studi pendahuluan sampai pembuatan kesimpulan. BAB IV PERANCANGAN Bab ini berisi rancangan pengerjaan tugas akhir. Antara lain model kepuasan dan loyalitas pengguna Tiket.com, hipotesis, kuesioner, dan responden. BAB V IMPLEMENTASI Bab ini menjelaskan tentang bagaimana tugas akhir dilaksanakan. Terdiri dari penyebaran kuesioner, pengolahan

25 data, diagram jalur, dan konversi diagram jalur ke persamaan matematika. BAB VI HASIL DAN PEMBAHASAN Bagian ini berisi kesimpulan dari seluruh proses pengerjaaan tugas akhir beserta saran yang diajukan untuk proses pengembangan selanjutnya. BAB VII KESIMPULAN DAN SARAN Bagian ini berisi kesimpulan dari seluruh proses pengerjaaan tugas akhir beserta saran yang diajukan untuk proses pengembangan selanjutnya.

26 Halaman ini sengaja dikosongkan

2BAB II TINJAUAN PUSTAKA Untuk memudahkan pemahaman tentang apa yang akan dilakukan pada tugas akhir ini, berikut ini akan di paparkan tentang konsep dan teknologi apa saja yang akan digunakan atau di terapkan untuk mengolah analisis yang ada. Berikut penerapan teknologi yang digunakan pada tugas akhir ini. 2.1.

E-Commerce Electronic Commerce (e-commerce) telah banyak didefinisikan oleh para ahli, peneliti, dan pelaku bisnis sejak kemunculan dan perkembangannya sampai saat ini. Definisi dari e-commerce sangat beragam, tergantung dari perspektif atau kacamata yang memanfaatkannya. Dalam berbagai literature ditemukan definisi yang cukup beragam mengenai ecommerce, e-commerce sebagai proses jual-beli atau pertukaran (exchange) barang, jasa dan informasi menggunakan media jaringan komputer. Menurut Turban beberapa definisi e-commerce dilihat dari beberapa perspektif Komunikasi, Komersial/trading, proses bisnis, Service, learning, Collaborative and Community[10]. Sejalan dengan definisi Turban, Laudon dana Laudon[11] mendefinisikan e-commerce sebagai proses jualbeli barang dan jasa secara elektronik yang melibatkan berbagai transaksi menggunakan internet, jaringan dan teknologi digital lainnya. Selain para pembeli beberapa organisasi yang berkepentingan sepeti Commercenet sebuah konsorsium industri juga turut serta memberikan definisi yang berbeda mengenai e-commerce. Dari beberapa definisi yang dikemukakan diatas, terlihat jelas bahwa e-commerce tidak memiliki definisi yang standar dan berlaku umum melainkan berbeda-beda tergantung dari sudut pandang pihak yang berkepentingan dan karena memang terus mengalami perkembangan. 27

28 2.1.1 Karakteristik E-Commerce Terlepas dari berbagai jenis definisi yang ditawarkan dan dipergunakan oleh berbagai kalangan, terdapat kesamaan dari masing-masing definisi, dimana e-commerce memiliki karakteristik sebagai berikut [10] : 1. Terjadinya transaksi antara kedua belah pihak 2. Adanya pertukaran barang, jasa, atau informasi 3. Internet merupakan medium utama dalam proses atau mekanisme perdagangan tersebut Dari karakteristik diatas terlihat jelas, bahwa pada dasarnya e-commerce merupakan dampak dari berkembangnnya teknologi informasi dan telekomunikasi, sehingga secara signifikan merubah cara manusia melakukan interaksi dengan lingkungannya, yang dalam hal ini adalah terkait dengan mekanisme dagang. 2.1.2 Klasifikasi E-Commerce Dilihat dari jenisnya, e-commerce seringkali dibagi menjadi dua kategori yaitu B2B dan B2C. Prinsip pembagian ini dilandasi pada jenis institusi atau komunitas yang melakukan interaksi perdagangan dua arah. Klasifikasi ecommerce berdasarkan sifat transaksi “nature of transaction” atau hubungan antara peserta didalamnya “relationship among participants”, dapat digambarkan dalam matriks tabel berikut ini : Tabel 2.1 Bentuk Bentuk E-Commerce

TRANSAC TION INTIATED & ACCEPTE D BY

TRANSACTION ORIGINATING FROM AND BEING ION FULFILLED Business Consumer Government Peer Business B2B B2C B2G B2P Consumer C2B C2C C2G C2P Government G2B G2C G2G G2P Peer P2B P2C P2G P2P

29 Internet mengacu pada sebuah jaringan fisik yang menghubungkan komputer-komputer di seluruh dunia. Terdiri dari prasarana jaringan server dan hubungan komunikasi yang luas antar komputer yang digunakan untuk menyimpan dan membawa informasi dalam jumlah yang sangat banyak melalui internet. Internet memiliki beberapa sarana seperti email, FTP, gopher, telnet, yang digunakan untuk mengarahkan dan memindahkan berkas antar server. World wide web merupakan sarana lainnya yang sangat populer dan bertanggungjawab atas pertumbuhan penggunaan internet sebagai alat bisnis yang sangat penting[12]. 2.2. Tiket.com Tiket.com merupakan ecommerce yang berbasis B2C. Tiket.com didirikan pada tahun 2012 di Jakarta oleh Natali Ardianto, Wenas Agusetiawan, Dimas Surya Yaputra, dan Mikhael Gaery Undarsa dengan tujuan untuk memudahkan pencarian informasi mengenai biaya hiburan di tempat wisata mereka. Mereka juga terinspirasi oleh tren booking online serta e-commerce yang terus meningkat di Indonesia. Tiket.com muncul sebagai penyedia jasa pemesanan tiket pesawat, hotel, tiket kereta api, dan tiket event. Tiket.com juga bekerjasama dengan PT Kereta Api Indonesia, maskapai penerbangan nasional seperti Air Asia, Citilink, Lion Air, Tiger, Mandala,Sriwijaya dan Merpati serta beberapa pemilik hotel dan event organiser untuk mendaftarkan ke website tiket.com. Pelanggan Tiket.com berkembang pesat hanya dalam jangka waktu 1 tahun sejak didirikan, dikarenakan baiknya sistem pelayanan yang di berikan oleh tiket.com, baik dalam kelengkapan produk maupun sistem pembayaran. Tercatat memiliki lebih dari 100.000 pengguna jasa layananan travel online dan lebih dari 1000 hotel di berbagai negara dapat di pesan melalui Tiket.com. Sejauh ini Tiket.com sudah menjual tiket untuk 14 event konser dan hampir semuanya sold out. Tiket.com sudah menjual 3000 tiket di bioskop Blitz

30 Megaplex. Bahkan Tiket.com pernah menjual 1.109 tiket untuk satu judul film. Visi Tiket.com adalah menjadi situs One Stop Travel & Entertainment terbaik di Indonesia. Manfaat paling nyata yang dapat diterima dari layanan Tiket.com adalah bebasnya proses antri tiket yang memakan banyak waktu dan tenaga. Maraknya penerbangan murah yang ditawarkan Air Asia meningkatkan kesuksesan Tiket.com. Tiket.com menjaminan bahwa mereka bisa memberikan harga yang paling murah. Saat ini pembelian tiket di Indonesia memakai sistem online sudah mencapai 20%, sehingga bisnis Tiket.com diprediksi akan semakin sukses di masa depan. 2.3. Faktor Penerimaan Teknologi ( Technology Acceptance Factor) Beberapa penelitian telah menggunakan faktor penerimaan teknologi sebagai alat ukur untuk melihat perilaku konsumen dalam melakukan pembelian online. Secara umum penelitian mengenai penerimaan teknologi informasi didasarkan pada Technology Acceptance Models (TAM) yang diperkenalkan oleh Davis (1989), sebuah penerimaan individu terhadap teknologi komputer yang didasarkan pada dua keyakinan, yaitu[13]: a. Perceived Usefulness (PU), yaitu tingkatan pada seseorang berfikir bahwa menggunakan suatu sistem akan meningkatkan kinerjanya. Arti kata useful itu sendiri yaitu : kemampuan yang digunakan lebih menguntungkan. Dalam konteks organisasional, orang umumnya bekerja lebih baik dengan kenaikan gaji, promosi, bonus, dan penghargaan-penghargaan lainnya. Suatu sistem yang tinggi merupakan salah satu dimana pengguna yakin dalam eksistensi suatu hubungan dan kinerja yang positif. Ada enam hal pula yang membangun Perceived Usefulness, yaitu bahwa suatu sistem membuat : a).Bekerja lebih cepat; b).Meningkatkan kinerja; c).Meningkatkan produktivitas; d).Lebih efektif; e).Memudahkan pekerjaan; f).Bermanfaat dalam pekerjaan. Perceived Usefulness diyakini mempengaruhi

31 acceptance dengan dasar pemikiran bahwa semakin tinggi manfaat yang dirasakan oleh pengguna dapat mempertinggi tingkat acceptance itu sendiri ; b. Perceived Ease of Use (PEOU), yaitu tingkatan seseorang mempercayai bahwa menggunakan teknologi hanya memerlukan sedikit usaha. Definisi dari “Ease” itu sendiri yaitu kebebasan dari kesulitan atau usaha yang keras. Usaha merupakan suatu sumber daya yang terbatas yang dia tanggung. Ada enam hal yang membangun Perceived Ease of Use, yaitu bahwa suatu sistem : a).Mudah dipelajari; b).Dapat dikontrol; c).Jelas dan dapat dipahami; d).Fleksibel; e).Mudah untuk menjadi terampil; f).Mudah untuk digunakan. Perceived Ease of Use mempengaruhi secara positif pada penerimaan (acceptance) dengan dasar pemikiran bahwa semakin tinggi kemudahan yang dirasakan dalam penggunaan suatu sistem akan mempertinggi tingkat penerimaan sistem itu sendiri. Berdasarkan penelitian-penelitian mengenai TAM, ditemukan bahwa Perceived Ease of Use juga mempengaruhi acceptance secara tidak langsung melalui konstrak Perceived Usefulness. TAM dinilai mampu memberi kontribusi terbaik dalam memprediksi dan menjelaskan penerimaan (acceptance) pengguna pada teknologi komputer dalam organisasi[13]. Dalam Teori TAM kedua keyakinan ini menentukan tingkah laku penerimaan secara langsung terhadap teknologi informasi. Menurut hukum cateris paribus yang berisikan “all other things being equal”, teknologi yang mudah digunakan akan lebih berguna bagi yang menggunakan. Acceptance (penerimaan teknologi informasi) bisa didefinisikan sebagai penggunaan teknologi para pekerja, sebagai cara hidup mereka dan studi-studi dalam bidang sistem informasi untuk menilai penerimaan penggunanya dengan cara-cara : frekuensi atau sistem komputer yang digunakan, durasi waktu penggunaan dan jumlah penggunaan aplikasi komputer yang berbeda[13].

32 H1 : Technology acceptance factors mempengaruhi kepuasan konsumen (customer e-satisfaction) untuk melakukan pembelian melalui internet. H2 : Technology acceptance factors mempengaruhi loyalitas konsumen (customer e-loyalty) untuk melakukan pembelian melalui internet. 2.4. E-Service Quality E-Service Quality atau yang juga dikenal dengan EServQual, merupakan versi baru dari Service Quality (ServQual). E-ServQual dikembangkan untuk mengevaluasi suatu pelayanan yang diberikan pada jaringan internet. EService Quality didefinisikan sebagai perluasan dari kemampuan suatu situs untuk memfasilitasi kegiatan belanja, pembelian, dan distribusi secara efektif dan efisien[14]. Adapun dimensi-dimensi dari E-Service Quality adalah sebagai berikut : 1. Reliabilitas (Reliability) Mencakup fungsi-fungsi situs yang benar dan ketepatan dari pelayanan yang dijanjikan kepada para pelanggan (seperti : mempunyai stok barang yang cukup, mengantarkan barang kepada pelanggan tepat pada waktunya, informasi mengenai tagihan dan informasi mengenai barang atau jasa yang ditawarkan). 2. Daya Tanggap (Responsiveness) Berarti memberikan tanggapan dengan cepat dan kemampuan para pelanggan untuk mendapatkan bantuan ketika mempunyai masalah atau pertanyaan. 3. Akses (Access) Merupakan kemampuan untuk membuka suatu situs secara cepat dan dapat menghubungi perusahaan ketika dibutuhkan. 4. Fleksibilitas (Flexibility) Mencakup pilihan dalam hal cara pembayaran, pengiriman, pembelian, pencarian, dan pengembalian barang. 5. Navigasi yang mudah (Ease of Navigation)

33

6.

7.

8.

9.

10.

11.

Berarti situs memiliki fungsi-fungsi yang dapat membantu pelanggan mencari sesuatu yang mereka butuhkan tanpa mengalami kesulitan, memiliki mesin pencari (search engine) yang baik, dan memberikan para pelanggan navigasi situs yang mudah untuk secara cepat maju atau mundur pada halaman-halaman situs. Efisiensi (Efficiency) Berarti situs sangat mudah digunakan, terstruktur dengan baik, dan memerlukan sedikit informasi yang harus dimasukkan pelanggan. Kepercayaan (Assurance/Trust) Mencakup kepercayaan yang para pelanggan rasakan dalam berhubungan dengan situs sesuai dengan reputasi situs tersebut dan barang atau layanan yang dijual, begitu juga dengan kejelasan dan kebenaran informasi yang diberikan. Keamanan Privasi (Security Privacy) Mencakup tingkat kepercayaan para pelanggan terhadap situs, bahwa situs aman dari segala ancaman keamanan komputer dan data pribadi pelanggan dilindungi dengan baik Pengetahuan Tentang Harga (Price Knowledge) Mencakup perluasan kemampuan para pelanggan dalam menentukan pengiriman barang, harga, total harga, dan perbandingan harga selama proses pembelian Segi Astetik Situs (Site Aesthetics) Berhubungan dengan desain tampilan suatu situs, seperti: warna, grafik, gambar, dan jenis huruf (font) yang digunakan Personalisasi (Customization/Personalization) Mencakup tentang seberapa banyaknya dan seberapa mudahnya suatu situs dapat dipersonalisasi sesuai dengan keinginan masing-masing pelanggan, seperti: catatan sejarah transaksi pembelian dan cara berbelanja secara online.

34 Adapun penjelasan mengenai rentang-rentang (gap) yang terdapat pada model konseptual E-Service Quality adalah sebagai berikut : 1. Rentang Informasi (Information Gap) : merupakan ketidaksesuaian antara kebutuhan pelanggan terhadap suatu situs dan keyakinan pihak manajemen untuk memenuhi kebutuhan pelangga tersebut. 2. Rentang Design (Design Gap) : merupakan kegagalan suatu perusahaan dalam memenuhi kebutuhan pelanggan dalam hal pembuatan struktur dan fungsi dari suatu situs, misalnya : saat pelanggan membutuhkan bantuan ketika terjadi masalah dalam melakukan transaksi pembelian. 3. Rentang Komunikasi (Communication Gap) : merupakan kurang tepatnya pengertian dari staf marketing tentang fitur, kemampuan dan keterbatasan dari suatu situs. Hal ini merupakan akibat dari kurangnya komunikasi antara bagian operasional dan bagian marketing, yang dapat berakibat pada ketepatan janji yang dijanjikan, misalnya : batas waktu pengiriman barang/jasa. 4. Rentang Pemenuhan Kebutuhan (Fulfillment Gap) : terjadi di pihak pelanggan yang merupakan ketidaksesuaian antara kebutuhan dan pengalaman masa lalu pelanggan. Rentang pemenuhan kebutuhan dipengaruhi oleh kombinasi rentang informasi, desain dan komunikasi. Rentang pemenuhan kebutuhan terjadi dalam 2 (dua) bentuk yang berbeda :  Bentuk pertama adalah janji dari bagian marketing kepada para pelanggan yang tidak sesuai dengan kenyataan mengenai desain dan operasional suatu situs, yang terjadi akibat adanya rentang komunikasi (Communication Gap), misalnya : bagian marketing menjanjikan garansi uang kembali, akan tetapi situs perusahaan tersebut memiliki kekurangan fitur-fitur untuk menerima keluhan pelanggan dan selanjutnya memproses keluhan pelanggan tersebut.  Bentuk kedua adalah kekecewaan seorang calon pelanggan baru terhadap janji-janji dari bagian

35 marketing, yang terjadi akibat dari adanya rentang desain (Design Gap) dan rentang informasi (Information Gap), misalnya : kegagalan seorang calon pelanggan baru dalam melakukan transaksi pembelian melalui situs perusahaan. Sehingga dapat disimpulkan bahwa, rentang pemenuhan kebutuhan (Fulfillment Gap) dan pengalaman masa lalu pelanggan merupakan kunci penentu terhadap tingkat EService Quality yang dimiliki saat ini. Rentang pemenuhan kebutuhan (Fulfillment Gap) secara tidak langsung menangkap pengalaman para pelanggan, seperti: pengalaman menyenangkan mengenai fitur-fitur suatu situs yang tidak pernah terpikirkan oleh pelanggan, juga akan mempunyai suatu dampak langsung terhadap tingkat E-Service Quality yang dimiliki saat ini. H3 : Website service quality mempengaruhi kepuasan konsumen (customer e-satisfaction) untuk melakukan pembelian melalui internet. H4 : Website service quality mempengaruhi loyalitas konsumen (customer e-loyalty) untuk melakukan pembelian melalui internet 2.5. Specific Holdup Cost Dalam proses pembelian yang dilakukan oleh konsumen melalui media internet (online shopping), konsumen memerlukan usaha, waktu, dan biaya dalam proses pembelian sebuah barang/jasa. Usaha dan waktu sebagai salah satu biaya yang harus dikeluarkan oleh konsumen untuk dapat memenuhi kebutuhannya dengan melakukan pembelian pada media internet. Sebelum melakukan pembelian, konsumen harus melakukan pencarian dan pengenalan terhadap situs atau toko online. Konsumen perlu mempelajari dan mencari barang/jasa mana yang sesuai dengan kebutuhannya. Berbelanja melalui media internet dilakukan untuk menghemat waktu berbelanja dan bisa dilakukan dimana saja. Namun, dalam proses pencarian informasinya konsumen telah mengeluarkan biaya berupa waktu dan usaha.

36 Pada penelitian sebelumnya[15], menerangkan mengenai specific holdup cost yang ada pada pertanyaanpertanyaan sebagai indikator untuk mendapatkan informasi terhadap variabel ini. Dijelaskan bahwa biaya-biaya spesifik yang harus dikeluarkan konsumen pada saat berbelanja online adalah dengan menyediakan waktu dan usaha ketika mempelajari dan mencari informasi dari sebuah situs. Atas pengalaman yang dirasakan oleh konsumen dalam penggunaan sebuah situs, maka dapat terbentuk sebuah sikap untuk dapat menggunakan situs tersebut kembali. Dalam kaitannya dengan biaya kesempatan (opportunity cost) yang timbul ketika konsumen memilih pembelian barang/jasa melalui internet, pelu diperhatikan agar biaya yang hilang tersebut dapat tergantikan dengan rasa nyaman dan terpenuhinya kebutuhan konsumen. Proses pembelajaran pada saat mencari informasi yang dilakukan oleh konsumen dapat mempengaruhi kepuasan dan loyalitas konsumen tersebut yang dipengaruhi pula oleh E-ServQual sehingga penting untuk mempertimbangkan usaha, waktu, dan biaya yang akan dikeluarkan konsumen untuk dapat memberikan pelayanan jasa yang sesuai dengan kebutuhan dan memberikan media yang mudah untuk dipelajari oleh siapapun pengguna situs. H5 : Specific holdup cost mempengaruhi kepuasan konsumen (customer e-satisfaction) untuk melakukan pembelian melalui internet. H6 : Specific holdup cost mempengaruhi loyalitas konsumen (customer e-loyalty) untuk melakukan pembelian melalui internet. 2.6. Customer Satisfaction Kepuasan konsumen bisa diartikan sebagai upaya pemenuhan suatu atau membuat sesuatu memadai[16]. Pada dasarnya, kepuasan konsumen itu suatu keadaan dimana kebutuhan, keinginan, dan harapan konsumen, dapat terpenuhi melalui produk yang dikonsumsi[17]. Diterangkan oleh dalam buku pemasaran jasa[18] mengatakan kepuasan itu terlihat dari respons konsumen terhadap evaluasi ketidaksesuaian yang

37 dipersepsikan antara harapan awal (atau standar kinerja tertentu) dengan kinerja aktual produk yang dirasakan setelah perolehan produk. Konsumen adalah tingkat perasaan seseorang setelah membandingkan kinerja produk yang dirasakan dengan harapannya[19]. Jadi, tingkat kepuasan merupakan fungsi dari perbedaan antara kinerja yang dirasakan dan harapan. Kepuasan konsumen merupakan perbedaan antara yang diharapkan konsumen (nilai harapan) dengan situasi yang diberikan perusahaan di dalam usaha memenuhi harapan konsumen[20]. Kepuasan konsumen sangat bergantung pada persepsi dan harapan konsumen[21], dalam buku manajemen mutu terpadu [17] mengatakan faktor-faktor yang mempengaruhi persepsi dan harapan konsumen, adalah sebagai berikut : a. Kebutuhan dan keinginan yang berkaitan dengan hal-hal yang dirasakan konsumen ketika sedang mencoba melakukan transaksi dengan produsen (perusahaan). b. Pengalaman masa lalu ketika mengkonsumsi produk dari perusahaan maupun pesaing-pesaingnya. c. Pengalaman dari teman-teman d. Komunikasi melalui iklan dan pemasaran yang dapat mempengaruhi persepsi konsumen Dari beragam pengertian kepuasan konsumen diatas, maka dapat disimpulkan bahwa kepuasan konsumen merupakan tanggapan perilaku, berupa evaluasi atau penilaian purnabeli konsumen terhadap penampilan, kinerja suatu barang atau jasa yang dirasakan konsumen dibandingkan dengan keinginan, kebutuhan, dan harapan terhadap produk atau jasa tersebut. Hal ini yang dapat menimbulkan kepuasan konsumen, pembelian ulang, dan loyalitas. Dan kepuasan konsumen ini sangat dipengaruhi oleh persepsi dan harapan konsumen terhadap suatu produk atau jasa. H7 : Kepuasan konsumen (customer e-satisfaction) mempengaruhi loyalitas konsumen ( customer eloyalty) untuk melakukan pembelian melalui internet.

38 2.7.

Customer Loyalty Pada dasarnya setiap perusahaan yang melakukan program pelayanan prima akan menciptakan kepuasan pelanggan. Pelanggan yang memperoleh kepuasan dalam pelayanan merupakan modal dasar bagi perusahaan dalam membentuk loyalitas pelanggan. Setiap perusahaan yang memperhatikan kepuasan pelanggan akan memperoleh beberapa manfaat pokok yaitu reputasi perusahaan yang makin positif dimata pelanggan dan masyarakat, serta dapat mendorong terciptanya loyalitas pelanggan yang memungkinkan bagi perusahaan untuk meningkatkan keuntungan, maka meningkatkan harmonisnya hubungan perusahaan dengan pelanggannya serta mendorong setiap orang dalam perusahaan untuk bekerja dengan tujuan yang lebih baik[18]. Memiliki pelanggan yang loyal adalah merupakan tujuan akhir dari semua perusahaan, tetapi kebanyakan perusahaan tidak menyadari bahwa loyalitas pelanggan dibentuk melalui tahapan yang dimulai dari mencari calon pelanggan potensial sampai dengan Advocate Customer yang akan membawa keuntungan bagi perusahaan. Sebelum membahas lebih lanjut mengenai hal-hal apa saja yang perlu dilakukan untuk membentuk loyalitas pelanggan, berikut definisi dari terjemahan loyalitas (Customer Loyalty)[4], antara lain : “Komitmen untuk bertahan secara mendalam dengan melakukan pembelian ulang atau berlangganan kembali dengan produk atau jasa terpilih secara konsisten dimasa yang akan datang, meskipun pengaruh situasi dan usaha-usaha pemasaran mempunyai potensi untuk menyebabkan petubahan perilaku”. Sedangkan Griffin [22] juga menyatakan pendapatnya tentang loyalitas pelanggan antara lain : “Konsep loyalitas lebih mengarah kepada perilaku (Behaviour) dibandingkan dengan sikap (Attitude) dan seorang konsumen yang loyal akan

39 memperhatikan perilaku pembelian yang didefinisikan sebagai pembeli yang teratur dan diperhatikan sepanjang waktu oleh beberapa unit pembuatan keputusan”. Kemudian Griffin [22], juga mengemukakan keuntungan-keuntungan yang akan diperoleh perusahaan apabila memilik pelanggan yang loyal terhadap barang dan jasa, antara lain: 1. Mengurangi biaya pemasaran (karena biaya untuk menarik konsumen baru lebih mahal). 2. Mengurangi biaya transaksi seperti biaya negosiasi kontrak pesanan dan lain-lain. 3. Mengurangi biaya turn over konsumen karena menggantikan konsumen yang lebih sedikit. 4. Meningkatkan penjualan silang yang akan meningkatkan pangsa pasar. 5. Word of mount yang lebih positif, dengan asumsi bahwa pelanggan yang loyal juga berarti mereka puas. 6. Mengurangi biaya kegagalan seperti biaya penggantian. 2.7.1.

Karakteristik dan Tahapan-Tahapan Loyalitas Pelanggan.

Pelanggan yang loyal merupakan aset bagi perusahaan dan untuk mengetahui pelanggan yang loyal perusahaan harus mampu menawarkan produk atau jasa yang dapat memenuhi harapan pelanggan serta dapat memuaskan pelanggannya, apabila pelanggan melakukan tindakan pembelian secara berulang dan teratur maka pelanggan tersebut adalah pelanggan yang loyal. Hal tersebut diperkuat dengan pernyataan dari Griffin [22], yang menyatakan bahwa karakteristik pelanggan yang loyal antara lain: 1. Melakukan pembelian secara rutin. 2. Membeli diluar lini produk atau jasa. 4. Merekomendasikan kepada orang lain. 5. Tidak terpengaruh daya tarik pelanggan pesaing.

40 Untuk menjadi pelanggan yang loyal seorang konsumen harus melalui beberapa tahapan. Proses ini berlangsung lama, dengan penekanan dan perhatian yang berbeda-beda. Dengan memperhatikan masing-masing tahapan dan memenuhi kebutuhan dalam setiap tahapan tersebut, perusahaan mempunyai peluang yang lebih besar untuk membentuk calon pembeli menjadi konsumen loyal dan klien perusahaan. Ada empat tahap loyalitas antara lain[22]: 1. Cognitive Loyalty (loyalitas berdasarkan kesadaran) Pada tahap pertama loyalitas ini informasi utama suatu produk atau jasa menjadi faktor penentu. Tahap ini berdasarkan pada kesadaran dan harapan konsumen. Namun bentuk kesetiaan ini kurang kuat karena konsumen mudah beralih kepada produk atau jasa yang lain jika memberikan informasi yang lebih baik. 2. Affective Loyalty (Loyalitas berdasarkan pengaruh) Pada tahap ini loyalitas mempunyai kedudukan pengaruh yang kuat baik dalam perilaku maupun sebagai komponen yang mempengaruhi kepuasan kondisi sangat sulit dihilangkan karena kesetiaan sudah tertanam dalam pikiran konsumen bukan hanya sebagai kesadaran atau harapan. 3. Coractive Loyalty (Loyalitas berdasarkan komitmen) Tahap loyalitas ini mengandung komitmen perilaku yang tinggi untuk melakukan pembelian produk atau jasa. Hasrat untuk melakukan pembelian ulang atau bersikap loyal merupakan tindakan yang dapat diantisipasi namun tidak disadari. 4. Action Loyalty (Loyalitas dalam bentuk tindakan) Tahap ini merupakan tahap terakhir dari kesetiaan. Pada tahap ini diawali suatu keinginan yang disertai motivasi, selanjutnya diikuti oleh siapa pun untuk bertindak dan keinginan untuk mengatasi seluruh hambatan untuk melakukan tindakan Menurut Griffin[22], ada 8 tahapan loyalitas, yaitu : 1. Suspect : Meliputi semua orang yang mungkin akan membeli barang atau jasa perusahaan. Pada hal ini

41

2.

3.

4.

5.

6.

7.

konsumen akan membeli tetapi belum tentu mengetahui mengenai perusahaan dan barang atau jasa yang ditawarkan. Prospect : Orang-orang yang memiliki kebutuhan barang atau jasa tertentu dan mempunyai kemampuan untuk membelinya. Pada tahap ini konsumen belum melakukan pembelian, tetapi telah mengetahui keberadaan perusahaan dan barang atau jasa yang ditawarkan, karena seseorang telah merekomendasikan barang atau jasa tersebut padanya. Disqualified Prospect : Orang yang mengetahui barang atau jasa tertentu, tetapi tidak mempunyai kebutuhan akan barang atau jasa tersebut atau tidak mempunyai kemampuan untuk membeli barang atau jasa tersebut. First Time Customer : konsumen yang membeli untuk pertama kalinya. Pembelian ini masih menjadi konsumen pembelian biasa dari barang atau jasa pesaing. Repeat Customer : Konsumen yang telah melakukan pembelian suatu produk sebanyak dua kali atau lebih. Konsumen ini adalah yang melakukan pembelian atas produk yang sama sebanyak dua kali atau membeli dua macam produk yang berbeda dalam kesempatan yang berbeda pula Client : Membeli semua barang atau jasa yang ditawarkan yang mereka butuhkan. Hubungan dengan konsumen ini sudah kuat dan berlangsung lama, yang membuat mereka tidak terpengaruh oleh tarikan produk atau pelanggan pesaing. Advocatis : layaknya klien, advocatis membeli seluruh barang atau jasa yang dibutuhkan atau ditawarkan, serta melakukan pembelian secara teratur. Sebagai tambahan, mereka mendorong orang luar untuk membeli barang atau jasa tersebut. Partners : Merupakan bentuk hubungan yang paling kuat antara pelanggan dengan perusahaan dan berlangsung secara terus-menerus karena kedua pihak melihatnya

42 sebagai hubungan yang saling menguntungkan (win-win solution). 2.8. Model Yang Digunakan Penelitian ini dilakukan berdasarkan jurnal penelitian “Factors influencing satisfaction and loyalty in online shopping : an integrated model”[15]. Dalam jurnal tersebut memperlihatkan pengaruh dari faktor-faktor Technology Acceptance Factors, Website Service Quality, Specific Holdup Cost, Customer E-Satisfaction, Customer E-Loyalty yang mempengaruhi keputusan pembelian melalui internet. Penelitian ini dilakukan di Taiwan, dengan mengambil sampel para pengguna internet yang berbelanja lewat internet. Penelitian ini mengambil sampel sebanyak 314 responden dan dan yang valid hanya 221 responden. Hasil dari penelitian ini menunjukan bahwa technology acceptance factors, website service quality, customer e-satisfaction dan customer e-loyalty adalah faktor yang paling berpengaruh terhadap keputusan pembelian konsumen melalui internet, sedangkan specific holdup cost tidak berpengaruh secara signifikan terutama dalam kaitannya dengan customer e-satisfaction.

Gambar 2.1 Model Penelitian

Dari masing-masing variabel dalam hipotesis diatas dipecah kembali kedalam masing-masing indikator yang di tunjukan pada Table 2.2 yang nantinya di gunakan dalam penelitian ini.

43

Tabel 2.2 Operasional Variabel Penelitian

Variabel

Dimensi

Ukuran penerimaan teknologi informasi Technology oleh pengguna yang Acceptance didasarkan kepada Factors kebermanfaatan dan kemudahan penggunaan sistem.

Website service quality

Kualitas persepsi relatif mengenai jarak antara evaluasi dan ekspektasi konsumen terhadap pengalaman pelayanan dan kualitas pelayanan.

Specific Holdup

Jumlah specific holdup cost yang

Pernyataan Fungi pencarian (browsing) pada website meningkatkan efisiensi(waktu) dalam berbelanja. Fungi pembayaran pada website dapat meningkatkan efisiensi (waktu dan biaya) belanja saya. Penggunaan situs belanja online mudah di mengerti dan nyaman untuk di gunakan. Adanya situs belanja online sangat menghemat waktu belanja. Ketika melakukan pembelian ulang, website menyimpan data pembelian yang saya lakukan sebelumnya. Saya merasa yakin untuk membeli produk dari website tiket.com. Saya merasa aman saat membeli produk dari website tiket.com. Saya merasa bahwa website tiket.com memberikan pelayanan yang saya inginkan. Saya harus menyediakan waktu dan usaha untuk

44 Variabel Cost

ESatisfaction

E-Loyalty

Dimensi tinggi yang dilakukan oleh konsumen pada situs belanja menunjukkan adanya tingkat loyalitas yang tinggi. Tingkat loyalitas yang tinggi pada umumnya terkait dengan tingkat kepuasan yang tinggi.

Indeks pengukuran yang mengukur kondisi internal dari perasaan konsumen mengenai pembelian dan pengalaman ketika berbelanja. Tingkat komitmen yang di peganguntuk melakukan kembali pembelian atau berlangganan secara konsisten terhadap suatu produk/jasa

Pernyataan mempelajari situs tiket.com dapat mengerti cara penggunaannya. Saya menggunakan tiket.com ini karena saya pernah menggunakan sebelumnya. Jika saya harus berbelanja menggunakan situs lain, saya harus menyediakan waktu dan usaha lagi untuk mempelajarinya. Saya telah mengorbankan banyak waktu dan energi untuk merasa yakin bahwa situs belanja ini sangat sesuai dengan pilihan dan kebutuhan saya. Saya merasa puas menggunakan situs tiket.com. Saya suka terhadap isi dan tampilan situs tiket.com. Saya merasa puas dengan pelayanan yang di berikan oleh situs tiket.com. Saya akan mempromosikan situs tiket.com kepada teman-teman saya. Ketika saya akan berbelanja tiket online , situs belanja tiket.com yang pertama saya pikirkan. Saya tidak berfikir untuk berpindah ke situs belanja

45 Variabel

2.9.

Dimensi

Pernyataan yang lain. Lain waktu saya akan tetap berbelanja tiket menggunakan situs tiket.com ini.

Structural Equation Model (SEM)

Structural Equation Model (SEM) adalah sebuah cara perluasan dari general linear model (GLM) [23] yang merupakan sebuah alat untuk menguji kesesuaian suatu teori atau model terhadap suatu studi kasus [24]. Disisi lain, SEM merupakan suatu teknik statistika yang digunakan untuk melakukan pengujian dan memperkirakan hubungan sebabakibat antar variabel dengan menggunakan kombinasi beberapa macam aspek. Macam-macam model yang dapat diuji menggunakan teknik SEM adalah regresi, path, dan confirmatory factor. Sehingga teknik SEM banyak digunakan oleh para peneliti untuk melakukan validasi model dalam ilmu sosial dan perilaku[25]. Terdapat dua macam tipe Variabel didalam SEM yaitu: latent variable dan manifest variable. Latent Variable adalah variabel yang tidak diukur secara langsung dan terdiri dari berapa Variabel yang akan diuji coba. Sedangkan manifest variable adalah variabel yang langsung dapat diukur pada saat proses pengumpulan data[26]. SEM terbentuk dari penggabungan dua konsep matematika, yaitu konsep analisis faktor yang masuk pada model pengukuran (measurement model) dan konsep regresi yang melalui model struktural (structural model). Model pengukuran menjelaskan mengenai hubungan antara variabel dengan indikatornya sedang model struktural menjelaskan hubungan antar variabel[27].

46 Berikut ini adalah keuntungan menggunakan metode structural equation modeling: 1. Teknik SEM bersifat fleksibel sehingga dapat digunakan terhadap berbagai macam model 2. SEM dapat menghitung hubungan antar variabel yang bersifat multiple relationship. 3. Mengurangi kesalahan pengukuran dengan penggunaan confirmatory factor analysis atau faktor penegasan. 4. Memungkinkan adanya pengujian model secara keseluruhan dengan menggunakan beberapa variabel. 5. Memiliki kemampuan untuk mengatasi tipe data seperti time series yang memiliki kesalahan otokorelasi, data tidak lengkap, dan data tidak normal.

47 2.9.1. Model SEM Gambar 2.3 adalah contoh dari structural equation model beserta penjelasan mengenai istilah-istilahnya:

Gambar 2.2 Model SEM

Tabel 2.3 adalah daftar symbol yang digunakan dalam SEM.

Tabel 2.3 Istilah dalam SEM Simbol

Keterangan Variabel Laten adalah Variabel yang tidak diukur secara langsung dan terdiri dari beberapa Variabel yang akan diuji coba.

48 Simbol

Keterangan Variabel Endogen adalah variabel dependen yang dipengaruhi oleh variabel independen (eksogen). Pada variabel endogen di tunjukkan dengan adanya anak panah yang menuju variabel tersebut.

 (ksi)  (eta)

Variabel Eksogen adalah variabel independen yang mempengaruhi variabel dependen, yang di tunjuk-kan dengan anak panah yang berasal dari variabel bebas menuju ke variabel endogen. Variabel Manifest / Observed adalah indikator – indikator yang dapat diukur. Variabel laten eksogen Variabel laten endogen

 (gamma)

Parameter untuk menggambarkan hubungan langsung dari Variabel eksogen dengan Variabel endogen.

 (beta)

Parameter untuk menggambarkan hubungan langsung dari variabel endogen dengan Variabel endogen lainnya.



(zeta)

Kesalahan structural (structural error) yang terdapat pada sebuah variabel endogen



(delta)

Measurement error yang berhubungan dengan variabel eksogen



(epsilon)

Measurement error yang berhubungan dengan variabel endogen

 (alfa)

Factor Loadings, parameter yang menggambarkan hubungan langsung variabel eksogen dan manifest (observed)-nya

X

Variabel manifest (observed) yang berhubungan dengan variabel eksogen (predictor)

Y

Variabel manifest (observed) yang berhubungan dengan variabel endogen (respon)

49 2.9.2.

Uji kesesuaian model Dalam penggunaan structural equation modeling ditujukan untuk menguji model hipotesis awal yang dimiliki. Untuk menganalisis nantinya akan menggunakan SPSS Amos. Uji kesesuaian model dilakukan untuk mengetahui kesesuaian model yang terbentuk dengan data yang dimiliki. Ada beberapa indeks kesesuaian model yang bisa digunakan untuk mengukur sesuai atau tidaknya suatu model. Tabel 2.3 menunjukkan indeks kesesuaian model:

Tabel 2.4 Uji Kesesuaian Model Indikator Chi Square χ

Nilai yang diharapkan 2

Root Mean Square Error of Approximation (RMSEA) Goodness of Fit Index (GFI) Root Mean Square Residuan (RMR) Tucker Lewis Index (TLI) CMIN/DF

Semakin kecil nilai χ2semakin baik model

≤ 0,08

≥ 0,90 ≤ 0,50 ≥ 0,90 ≤ 2,0

2.10.

Software Lisrel LISREL adalah software statistik pintar yang mampu menyelesaikan berbagai macam analisis, seperti analisis jalur (path analysis) dan analisis Sructural Equation Modeling (SEM) dengan tingkat akurasi yang tinggi. LISREL merupakan singkatan dari Linier Structural Relationship yaitu alat analisis atau software yang digunakan dalam penelitian untuk menganalisis data multivatiate dengan teknik Structural Equation Modeling (SEM). 

Kelebihan Lisrel

Lisrel dikembangkan oleh Karl Jöreskog and Dag Sörbom. Lisrel adalah software statistik yang digunakan

50 paling meluas dikalangan peneliti maupun praktisi. Kelebihan dari software lisrel adalah kemampuannya mengidentifikasi hubungan antara variabel yang kompleks. Cara mengoperasikannya yang terdiri dari bebagai pilihan, baik dengan syntax maupun dengan program sederhana, menjadikannya lebih banyak digunakan berbagai kalangan. Syntax tentu akan disukai bagi pengguna yang memang faham dengan bahasa pemograman. Sementara Simplis atau simple lisrel merupakan alternatif bagi mereka yang awam dengan bahasa pemograman. Pilihan berbagai metode estimasi sudah tersedia di Lisrel, sehingga tidak terpaku kepada satu metode estimasi Maximum Likelihood. Itu tergantung kondisi data, metode estimasi mana yang akan kita gunakan. 2.10.1. Bahasa Pemrograman SIMPLIS Program SIMPLIS dikenal sebagai Input File dan akan berisi sederetan perintah-perintah atau statemen atau sintak yang mempunyai karakteristik seperti dibawah ini [27]: 

Hanya mengandung karakter ASCII (American Standard Code for Information Interchange) saja.  Tanda seru (!) atau slash-asterik (/*) digunakan untuk menunjukkan bahwa apa saja di belakangnya dan pada baris yang sama dianggap sebagai komentar dan tidak diproses oleh LISREL.  Sebuah physical line (baris statemen secara fisik) diakhiri dengan sebuah karakter RETURN atau LINE FEED atau ENTER atau sebuah semicolon/titik-koma (;). Sebagai contoh physical line : Covariance Matrix from file EX10.COV;Sample Size = 865 Mengandung 2 SIMPLIS command : Covariance Matrix From File EX10.COV Sample Size = 865

51 Bentuk umum sebuah program SIMPLIS terdiri dari 4 bagian, seperti pada gambar dibawah ini : (1) Spesifikasi Data Input

(2) Spesifikasi Model

(3) Spesifikasi Proses Estimasi

(4) Spesifikasi Output

Gambar 2.3 Bentuk Umum Program SIMPLIS







 

Matrik Kovarian a. Matrik Kovarian yang ditulis pada program SIMPLIS. b. Matrik Kovarian yang disimpan dalam file (.cov). Matrik Korelasi, Rerata (Mean) dan Deviasi Standar c. Matrik Korelasi, Rerata (Mean) dan Deviasi Standar yang ditulis pada program SIMPLIS. d. Matrik Korelasi, Rerata (Mean) dan Deviasi Standar yang disimpan pada file (berturutturut .cor, mea, std). Data mentah (Raw Data) e. Data mentah yang ditulis pada program SIMPLIS. f. Data mentah yang disimpan pada file (.psf) Data System File g. Data system file yang disimpan dalam file (.dsf) Matrik Kovarian Asimtotik (ACM)

52 h. Matrik Kovarian Asimtotik yang disimpan dalam file (.acm) 2.10.2. Tahapan Pengolahan SEM pada Software Lisrel Berikut adalah tahapan dalam pengolahan SEM menggunakan Software Lisrel :

Raw Data

*.sav, *.txt, *.xls, dllnya Konversi ke * .psf File Import Data

Data Entry Melalui Keyboard

Raw Data PRELIS System File (*.psf) Penyiapan Input Data

INPUT

Statistics Output System

Data System File Covariance Matrix (*.dsf) (*.cov)

Model Penelitian

PROSES

Correlation Matrix (*.cor)

Prelis System File (*.psf) Assymtotic Covariance Matrix (*.acm)

Buat Program Simplis atau LISREL *.spl, *.ls8, *.spj, *.lpj

Jalankan Program SIMPLIS dengan LISREL 8.8

OUTPUT Printed Output (*.out)

Path Diagram (*.pth)

Model System File (*.msf)

Gambar 2.4 Ikhtisar Pengolahan SEM menggunakan LISREL Software

53 

Kekurangan Lisrel Satu hal kekurangan dari software lisrel ini adalah ketidakmampuannya mengolah data sem dengan jumlah sampel yang sedikit. Ketika kita memiliki sampel kurang dari 200, sementara modelnya kompleks, maka terkadang hasil estimasi tidak sesuai dengan harapan kita[28]. Namun jika jumlah responden kurang dari 200 maka menggunakan estimasi maximum likelihood (ML) untuk ukuran sample adalah minimal 15 × jumlah variabel yang diamati, atau setidaknya 5 × jumlah parameter bebas dalam model termasuk eror [29].

2.11. Penentuan Jumlah Sampel Populasi penelitian ini adalah mahasiswa jurusan Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember. Untuk mendukung akurasi penilaian kuisioner maka diperlukan batas minimal responden tertentu. Salah satu rumus yang dapat dilakukan untuk menentukan batas minimal tersebut adalah teori Slovin. Persamaan 2.1 adalah rumus berdasarkan teori Slovin N n 1  N .e 2 Persamaan 2.1 Rumus Slovin

n = ukuran sampel yang dibutuhkan N = jumlah total populasi mahasiswa jurusan SI ITS pengguna Tiket.com e = batas toleransi kesalahan (error tolerance)

54

Halaman ini sengaja dikosongkan

3BAB III METODOLOGI Bab ini berisi metodologi dalam pengerjaan tugas akhir. Urutan pengerjaan, definisi dari setiap proses, alat dan bahan. 3.1. Urutan Pelaksanaan Secara garis besar, tahapan metodologi penelitian dalam penyusunan tugas akhir ini dibagi menjadi tujuh tahapan. Tahapan metodologi ditunjukkan oleh gambar 3.1. MULAI

x Identifikasi Permasalahan dan Tujuan

Confirmatory Factor Analisis (CFA)

Studi Literatur

Uji Kecocokan Model

Penentuan Model dan Hipotesis Awal

Respesifikasi

Penentuan Populasi dan Sample

Analisis Hasil Hipotesa

Penyusunan Kuisioner Pembuatan Rekomendasi

Pengumpulan Data Kuisioner

Kesimpulan dan Saran

Uji Asumsi Klasik

Laporan Tugas Akhir

x

SELESAI

Gambar 3.1 Metodologi Pengerjaan Tugas Akhir

55

56 3.1.1.

Studi lapangan

Tahapan ini merupakan tahapan awal penyusunan tugas akhir. Pada tahapan ini akan dilakukan analisis permasalahan yang akan dijadikan topik pengerjaan tugas akhir. Pada tahapan ini menghasilkan topik dan latar belakang permasalahan, tujuan tugas akhir, serta manfaat yang didapatkan dengan adanya tugas akhir ini. 3.1.2.

Studi literatur

Studi literatur dilakukan dengan mengumpulkan berbagai informasi dan referensi mengenai topik penelitian yang dilakukan, model hipotesis yang digunakan, serta teknik yang digunakan untuk memvalidasi model yang ada. Hal ini dilakukan untuk mengkaji dan menunjang pengetahuan dalam mengerjakan tugas akhir ini. Adapun literatur yang digunakan yaitu: journal ilmiah nasional maupun internasional, paper penelitian, e-book, maupun buku-buku tentang e-commerce, LISREL, dan SEM yang dapat dijadikan bahan acuan pengerjaan tugas akhir ini. 3.1.3.

Penentuan model dan hipotesis awal

Tahapan selanjutnya adalah menentukan model yang dipakai dalam tugas akhir, sehingga muncul hipotesis awal mengenai kepuasan dan loyalitas pengguna terhadap situs Tiket.com. Adapun faktor-faktor dan hipotesis awal yang digunakan berdasarkan model pada paper “Factors Influencing Satisfaction and Loyalty in Online Shopping : an Integrated Model” oleh Grace T.R. Lin dan Chia-Chi Sun. 3.1.4.

Penentuan populasi dan sampel responden

Populasi pengerjaan tugas akhir ini mahasiswa jurusan Sistem Informasi Institut Teknologi Sepuluh Nopember. Metode pemilihan sampel yang digunakan adalah simple random sampling, dimana mahasiswa SI Institut Teknologi Sepuluh Nopember memiliki kesempatan yang sama untuk dipilih sebagai responden.

57 3.1.5.

Penyusunan kuesioner dan indikator

Dalam melakukan tahap penyusunan kuisioner, sebelumnya dilakukan penentuan variabel yang digunakan. Variabel terdapat dalam model yang digunakan oleh Grace T.R. Lin dan Chia-Chi Sun yang berjudul “Factors Influencing Satisfaction and Loyalty in Online Shopping : an Integrated Model”. Dari variabel-variabel tersebut akan dibuat indikator dan butir pernyataan yang mengacu pada penelitian tersebut. . 3.1.6.

Pengumpulan data kuesioner

Pada tahap ini pengumpulan data-data yang diperlukan untuk menguji hipotesis awal. Tahapan ini dilakukan dengan penyebaran angket kuisioner secara online kepada mahasiswa jurusan Sistem Informasi Institut Teknologi Sepuluh Nopember dengan mendapatkan sebanyak-banyaknya responden yang pernah bertransaksi menggunakan Tiket.com. 3.1.7.

Uji Asumsi Klasik

Uji asumsi klasik terdiri dari uji normalitas suatu data dan uji multikolinearitas. Pengujian ini dilakukan sebelum tahapan uji model pengukuran dan uji model structural (SEM). Uji normalitas adalah untuk mengetahui apakah data yang telah dikumpulkan memiliki distribusi normal atau tidak. Uji multikolinearitas adalah untuk mengetahui apakah data yang telah dikumpulkan memiliki gejala multikolinearitas. Multikolinearitas adalah adanya korelasi tinggi antara variabel bebas. Uji ini dilihat dengan melihat nilai tolerance value atau dengan melihat nilai Variance Inflattion Factors (VIF). Multikolineritas terjadi bila nilai VIF diatas 10 dan nilai tolerance value dibawah 0,10.

58 3.1.8.

Confirmatory factor analysis

Confirmatory factor analysis (CFA) adalah tahapan dalam SEM untuk menguji validitas dan realibilitas model pengukuran konstruk yang tidak dapat diukur secara langsung [30]. Tahapan CFA dibagi menjadi 2, yaitu uji validitas atribut dan uji realibilitas konstruk. 3.1.8.1. Uji validitas Pada proses ini dilakukan validitas data kuisioner dimana dilakukan pengujian terhadap indikator-indaktor pada setiap variabel laten model mana yang cocok/valid dan tidak. Suatu indikator dapat dikatakan valid apabila memiliki standardized loading factor diatas 0,5. Apabila ada indikator yang bernilai dibawah 0,5 maka indikator tersebut dihapus dan tidak dapat diikutkan dalam pengujian model berikutnya. 3.1.8.2. Uji realibilitas Selanjutnya dilakukan uji reliabilitas data kuesioner. Uji reliabilitas merupakan pengujian yang bermaksud apakah data kuisioner sudah dapat dipercaya atau tidak, apabila nilai uji reliabilitas sudah memenuhi nilai standar maka selanjutnya dilakukan uji kecocokan model. Sehingga pada saat pengujian model, nilai angka digunakan dapat mendukung dengan baik. Nilai standar untuk uji realibilitas adalah 0,6 untuk masingmasing variabel. 3.1.9.

Uji kesesuaian model

Uji Kecocokan ini ialah pengujian kecocokan terhadap model yang digunakan. Pada tahap ini teknik Structural Equation Modeling (SEM) dilakukan dibantu dengan aplikasi Lisrel. Tahapan ini mengacu pada hubungan yang ada pada hipotesis awal. Berdasarkan pada hubungan tersebut dan dihitung menggunakan teknik SEM sehingga akan didapatkan nilai yang menyimpulkan hubungan antar variabel pada model.

59 3.1.10. Modifikasi model Tahap ini ialah tahap modifikasi model. Pertama yang perlu dilakukan ialah melakukan pengecekan apakah nilai goodness of fit-nya yang dihasilkan memenuhi kriteria yaitu ≥ 0.90. Apabila nilai goodness of fit masih belum memenuhi kriteria maka perlu dilakukan modifikasi model. Modifikasi model dapat dilakukan sesuai dengan saran yang dikeluarkan oleh software Lisrel. 3.1.11. Analisis hasil hipotesis Pada tahap ini, dibandingkan antara hipotesis awal model dengan hasil uji hipotesis yang ada ada tahapan sebelumnya. Hasil dari analisa tersebut akan menunjukan suatu hasil hubungan antar faktor yang mempengaruhi kepuasan dan loyalitas pengguna terhadap situs Tiket.com. 3.1.12. Pembuatan rekomendasi Pembuatan rekomendasi dibuat berdasarkan analisa hipotesis yang telah dilakukan sebelumnya. Rekomendasi yang diajukan berdasarkan pada titik-titik faktor yang dianggap kurang oleh pengguna Tiket.com. 3.1.13. Kesimpulan dan saran Setelah analisis hipotesis awal didapatkan, maka dapat disimpulkan hasil dari pengerjaan tugas akhir ini sebagai rangkuman jawaban dari permasalahan yang ada. Selanjutnya diajukan saran baik yang nantinya dapat digunakan untuk referensi penelitian selanjutnya. 3.1.14. Penyusunan laporan tugas akhir Pada tahapan terakhir ini akan dilakukan penyusunan laporan akhir dalam bentuk buku tugas akhir. Buku ini berisi langkah-langkah pengerjaan tugas akhir dari awal hingga akhir, hasil analisis kepuasan dan loyalitas pengguna terhadap situs Tiket.com, dokumentasi model, hasil analisis hipotesis, dan kesimpulan saran yang didapatkan. Sehingga dengan adanya buku tugas akhir ini diharapkan dapat memberikan

60 manfaat sebagai referensi untuk pengerjaan tugas akhir ataupun penelitian lain yang masih terkait. 3.2. Urutan Pelaksanaan Alat dan bahan yang digunakan dalam pengerjaan tugas akhir ini akan dibahas pada sub bab 3.2.1 dan 3.2.2. 3.2.1.

Alat

Alat yang digunakan dalam proses pengerjaan tugas akhir ini adalah :    

LISREL 8.8 Microsoft Visio Microsoft Excel Google Form untuk menyebar kuesioner

3.2.2 Bahan Bahan yang digunakan dalam proses pengerjaan tugas akhir ini adalah :  Model Penelitian Grace T.R. Lin dan Chia-Chi Sun.  Hasil kuesioner yang disebar ke 118 mahasiswa jurusan sistem informasi ITS yang pernah bertransaksi di Tiket.com  Buku panduan dan tutorial penggunaan menggunakan Lisrel 8.8.  Buku konsep Structural Equation Modeling (SEM).

4BAB IV PERANCANGAN Pada bab ini, akan dijelaskan metode pengumpulan dan pengolahan data setelah melakukan peninjauan langsung ke lapangan. Spesifikasi data yang akan digunakan untuk mendukung penelitian ini didapat dari hasil kuesioner yang dibagikan kepada mahasiswa jurusan Sistem Informasi ITS yang pernah melakukan transaksi melalui Tiket.com. Data yang didapat merupakan variabel yang diadopsi dari “an Integrated Model” oleh Grace T.R. Lin dan Chia-Chi Sun. Variabel-variabel tersebut diperkirakan berpengaruh pada tingkat kepuasan dan loyalitas pelanggan. Deskripsi data secara lengkap dapat dilihat pada penjelasan berikut ini. 4.1. Model Kepuasan dan Loyalitas Pelanggan Pada Tiket.com Pengerjaan tugas akhir ini mengacu pada an Integrated Model yang diusulkan oleh Grace T.R. Lin dan Chia-Chi Sun pada tahun 2008 di Taiwan.. Gambar 4.1 adalah model konseptual kepuasan dan loyalitas pelanggan Tiket.com :

Gambar 4.1 Model Konseptual

61

62

4.2 Hipotesis

Gambar 4.2 Diagram Hipotesis

Gambar 4.2 menunjukkan hipotesis yang akan diuji dalam tugas akhir ini. Berikut ini adalah daftar hipotesis yang sesuai dengan gambar 4.2: H1 : TAF memiliki pengaruh terhadap CES H2 : TAF memiliki pengaruh terhadap CEL H3 : WSQ memiliki pengaruh terhadap CES H4 : WSQ memiliki pengaruh terhadap CEL H5 : SHC memiliki pengaruh terhadap CES H6 : SHC memiliki pengaruh terhadap CEL H7 : CES memiliki pengaruh terhadap CEL 4.3 Penyusunan Kuesioner Penyusunan kuesioner ini berdasarkan variabel-variabel yang terdapat pada model penelitian oleh Grace T.R. Lin dan Chia-Chi Sun, yang memiliki 5 variabel dalam penelitiannya, yaitu: Tecnology Acceptance Factor, Website Service Quality, Specific Holdup Cost, Customer Satisfaction, dan Customer Loyalty Masing-masing variabel memiliki 3 hingga 4 indikator. Kuesioner yang disusun menggunakan skala pengukuran evaluasi yang mengukur penilaian responden

63 terhadap suatu kondisi. Pilihan jawaban responden dipetakan di dalam bentuk skala likert. Skala likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial [31]. Dengan skala likert, maka variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan. Tabel 4.1 adalah daftar skala yang akan digunakan. Tabel 4.1 Skala Likert Pernyataan No. 1. 2. 3. 4. 5.

Pernyataan Sangat Setuju (SS) Setuju (S) Netral (N) Tidak Setuju (TS) Sangat Tidak Setuju (STS)

Skor untuk pernyataan 5 4 3 2 1

4.4 Mapping Model ke dalam Kuesioner Tabel 4.2 adalah pernyataan yang digunakan dalam kuesioner. Tabel 4.2 Mapping Pernyataan No 1

Variabel Technology Acceptance Factors (TAF)

Item Pengukuran Fungsi pencarian (TAF1)

Fungsi pembayaran (TAF2) Kemudahan untuk digunakan (TAF3)

Efisiensi waktu berbelanja (TAF4) 2

Website service

Kemudahan untuk

Pernyataan Fungsi pencarian (browsing) pada website tiket.com meningkatkan efisiensi saya dalam berbelanja. Fungsi sistem pembayaran dapat meningkatkan efisiensi belanja saya. Penggunaan website tiket.com mudah dimengerti dan nyaman untuk di gunakan Adanya website tiket.com sangat menghemat waktu belanja saya Website tiket.com

64 No

Variabel quality (WSQ)

Item Pengukuran penggunaan fitur (WSQ1) Kesesuaian Produk (WSQ2) Keamanan dalam bertransaksi (WSQ3) Kesesuaian pelayanan (WSQ4)

3

Specific Holdup Cost (SHC)

Usaha yang dilakukan untuk mempelajari cara penggunaan (SHC1) Pemahaman terhadap penggunaan sebelumnya (SHC2) Usaha untuk pemahaman ulang terhadapa penggunaan (SHC3) Pemahaman yang dilakukan sesuai dengan keinginan (SHC4)

4

5

E-Satisfaction (CES)

E-Loyalty (CEL)

Puas menggunakan Tiket.com (CES1) Kesesuaian isi dan tampilan (CES2) Puas dengan pelayanan yang di berikan (CES3) Promosi website (CEL1) Prioritas penggunaan (CEL2)

Loyalitas (CEL3)

Penggunaan kembali

Pernyataan menyimpan data diri saya/ data pembelian yang telah saya lakukan sebelumnya Saya yakin dengan produk pada website tiket.com Saya merasa aman dalam membeli produk dari website tiket.com Website tiket.com akan memberikan pelayanan yang saya inginkan. Saya harus menyediakan waktu dan usaha untuk mempelajari website tiket.com agar dapat mengerti cara penggunaanya. Saya menggunakan situs belanja ini karena saya sudah pernah menggunakan sebelumnya. Jika saya harus berbelanja menggunakan situs lain, saya harus menyediakan waktu dan usaha lagi untuk mempelajarinya. Saya telah mengorbankan waktu dan energi untuk merasa yakin bahwa situs belanja ini sesuai dengan pilihan dan kebutuhan saya. Saya merasa puas menggunakan situs tiket.com. Saya menyukai isi dan tampilan pada situs tiket.com Saya merasa puas dengan pelayanan yang diberikan oleh situs tiket.com Saya akan mempromosikan situs tiket.com ini kepada teman-teman saya. Ketika akan berbelanja tiket online, situs tiket.com ini yang pertama kali saya pikirkan. Saya tidak berpikir untuk pindah ke situs belanja lainnya. Di masa mendatang, saya

65 No

Variabel

Item Pengukuran (CEL4)

Pernyataan akan tetap berbelanja menggunakan situs tiket.com

4.5 Penentuan Responden dan Penyebaran Kuesioner Penentuan jumlah responden pada penelitian ini telah dijelaskan pada sub-bab 2.11 yaitu dengan mencari sebanyakbanyaknya mahasiswa yangpernah bertransaksi menggunakan situs Tiket.com di jurusan Sistem Informasi ITS. Persamaan 4.1 adalah hasil perhitungan ukuran sampel berdasarkan populasi mahasiswa jurusan Sistem Informasi Institut Teknologi Sepuluh Nopember dengan jumlah 891 mahasiswa[32] dan keakuratan sampel 91%:

n

875 1  875 .( 0,09) 2

Persamaan 4.1 Perhitungan Sampel

n  108.1 sampel Berdasarkan hasil perhitungan diatas, didapatkan jumlah sampel yang harus diambil adalah 108 responden. Berdasarkan teknik structural equation modeling (SEM), jumlah minimal sampel yang dibutuhkan adalah 100 hingga 200, maka jumlah responden untuk penelitian ini sudah memenuhi.

66 Halaman ini sengaja dikosongkan

5BAB V IMPLEMENTASI 5.1 Penyebaran Kuesioner Kuesioner disebar secara online kepada seluruh mahasiswa jurusan Sistem Informasi ITS mulai angkatan 2014 hingga 2010++. Semua mahasiswa memiliki kesempatan yang sama untuk mengisi. Link kuesioner yaitu https://bit.ly/TAbambang Data yang akan digunakan sebagai bahan tugas akhir adalah yang berasal dari responden yang pernah melakukan transaksi melalui Tiket.com. Terdapat 118 responden yang mengisi kuesioner. Dari jumlah tersebut semua responden yang pernah melalukan transaksi melalui Tiket.com. 5.2 Pengolahan Data Data dari hasil kuesioner dimasukkan ke Microsoft Excel. Jawaban dari butir kuesioner diubah menjadi nilai sesuai dengan tabel 4.1. File .xls dari Microsoft Excel digunakan sebagai data inputan pada software Lisrel. 5.3 Diagram Jalur Gambar 5.1 adalah diagram jalur awal yang digunakan dalam proses penghitungan SEM.

67

68

Gambar 5.1 Diagram Jalur

5.3.1

Konversi diagram jalur ke persamaan

Berikut ini adalah koversi diagram jalur ke persamaan matematika dari setiap variabel yang digunakan dalam pengerjaan tugas akhir. 1. Untuk variabel TAF TAF1= λx11 ξ1 + δ1 TAF2= λx12 ξ1 + δ2 TAF3= λx13 ξ1 + δ3 TAF4= λx14 ξ1 + δ4 Maksud dari persamaan ini adalah TAF1 memberikan pengaruh sebesar λx11 terhadap variabel laten TAF ditambah dengan variabel error δ1. 2.

Untuk variabel WSQ WSQ1= λx15 ξ2 + δ5 WSQ2= λx16 ξ2 + δ6

69 WSQ3= λx17 ξ2 + δ7 WSQ4= λx18 ξ2 + δ8 Maksud dari persamaan ini adalah WSQ1 memberikan pengaruh sebesar λx15 terhadap variabel laten WSQ ditambah dengan variabel error δ5. 3.

Untuk variabel SHC SHC1= λx19 ξ3 + δ9 SHC2= λx20 ξ3 + δ10 SHC3= λx21 ξ3 + δ11 SHC3= λx22 ξ3 + δ12 Maksud dari persamaan ini adalah SHC1 memberikan pengaruh sebesar λx19 terhadap variabel laten SHC ditambah dengan variabel error δ9. 4.

Untuk variabel CES CES1= λy11 ε1 + ε1 CES2= λy12 ε1 + ε2 CES3= λy13 ε1 + ε3 CES4= λy14 ε1 + ε4 Maksud dari persamaan ini adalah CES1 memberikan pengaruh sebesar λy11 terhadap variabel laten CES ditambah dengan variabel error ε1. 5.

Untuk variabel CEL CEL1= λy15 ε2 + ε5 CEL2= λy16 ε2 + ε6 CEL3= λy17 ε2 + ε7 Maksud dari persamaan ini adalah CEL1 memberikan pengaruh sebesar λy15 terhadap variabel laten CEL ditambah dengan variabel error ε5. Sedangkan untuk konversi diagram secara struktural adalah

ε1 = γ11 ξ1 + γ12 ξ2 + γ13 ξ3 + δ1 ε2 = γ21 ξ1 + γ22 ξ2 + γ23 ξ3 + β1 ε1 + δ2

70

Keterangan :

ε1 = Variabel CES ε2 = Variabel CEL ξ1 = Variabel TAF ξ2 = Variabel WSQ ξ3 = Variabel SHC 5.4 Hambatan Hambatan yang ditemui selama pengerjaan tugas akhir adalah membutuhkan waktu lebih lama untuk memahami penggunaan aplikasi lisrel. Keterbatasan terhadap teori dari salah satu variabel yang digunakan dalam penelitian. 5.5 Rintangan Rintangan yang ditemui dalam pengerjaan tugas akhir adalah sulitnya mencari responden yang pernah melakukan transaksi melalui Tiket.com.

6BAB VI HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan hasil dari pengolahan data. Penjelasan dari data yang didapatkan akan dijelaskan pada bawah ini. 6.1 Hasil Pada sub bab ini akan diuraikan tentang pembahasan dari pengumpulan serta pengolahan data yang telah diselesaikan sebelumnya. 6.1.1

Pengolahan statistik diskriptif

Statistik deskriptif adalah metode yang berkaitan dengan pengumpulan dan penyajian suatu data sehingga dapat memberikan informasi yang berguna. Pengolahan data statistik deskriptif dilakukan pada kuesioner yang memenuhi syarat, yaitu sebanyak 118 kuesioner. Pengolahan statistik deskriptif dilakukan untuk mengetahui latar belakang/ demografi dari responden yang digunakan sebagai obyek penelitian. Pengolahan statistik deskriptif yang dilakukan akan disajikan dalam bentuk pie chart. Hasil dari pengolahan ini tersaji dengan ringkas dan rapi sehingga hanya memberikan informasi mengenai ukuran pemusatan data, penyebaran data, serta kecenderungan dari data. Berikut ini adalah hasil pengolahan data dan profil responden yang didapatkan dari kuesioner yang telah disebarkan, yaitu: 1.

Jenis Kelamin Pengguna Tiket.com. Gambar 6.1 adalah analisa jenis kelamin diolah berdasarkan jawaban responden terhadap pertanyaan pertama dari data demografi kuesioner. Dari 118 orang responden dapat diketahui jumlah responden Pria adalah 80 orang (68%), sedangkan jumlah responden wanita sebanyak 31 orang (32%). Terlihat bahwa lebih banyak laki-laki yang mengisi kuesioner dibandingkan dengan perempuan. Hal ini 71

72 kemungkinan disebabkan oleh banyaknya mahasiswa laki-laki di jurusan Sistem Informasi ITS.

32%

Laki Perempuan

68%

Gambar 6.1 Distribusi Jenis Kelamin

2.

Tahun Angkatan Pengguna Tiket.com.

Gambar 6.2 adalah distribusi repsonden berdasarkan tahun angkatan. Terlihat bahwa responden paling banyak berasal dari angkatan 2011 sebanyak 47%. Sedangkan angkatan tahun 2010++, 2012 dan 2013 cukup berimbang yaitu 15%, 14% dan 13% . Sedangkan angkatan 2014 hanya 11% saja.

11% 15% 13%

2010 ++ 2011 2012

14%

2013

47%

2014

Gambar 6.2 Distribusi Angkatan

3.

Kategori Produk Yang Sering di Gunakan Pengguna Tiket.com.

73 Gambar 6.3 adalah distribusi repsonden berdasarkan Produk yang sering di gunakan. Terlihat bahwa responden paling banyak berasal dari tiket pesawat sebanyak 68 responden atau 53%. Sedangkan tiket kereta api 44 responden 37%, booking hotel sebesar 6 responden atau 5%, sedangkan untuk rental mobil dan tiket event sebesar 0% dimana tidak ada pengguna yang menggunakan layanan tersebut.

Tiket Pesawat

58%

Tiket Kereta

0%

Booking Hotel

37%

0% 5%

Rental Mobil Tiket Event

Gambar 6.3 Distribusi Produk Yang Sering Digunakan

4.

Frekuensi penggunaan Tiket.com

Gambar 6.4 adalah distribusi frekuensi penggunaan tiket.com. Terlihat bahwa responden yang mangunakan secara kadang-kadang sebesar 83%, responden yang menggunakan sekali perbulan sebesar 9%, untuk responden yang mengunakan 2-4 kali perbulan sebesar 5%, sedangkan untuk responden lebioh dari 4 kali perbulan sebesar 5%.

74

1 kali perbulan

83%

2 - 4 kali perbulan > 4 kali perbulan

9%

4%

Kadang - Kadang

4%

Gambar 6.4 Distribusi Frekuansi Penggunaan

Berikut ini adalah nilai rata rata data kuisioner responden dan standard deviasi terdapat pada Tabel 6.1 Tabel 6.1 Data responden

Indikator TAF1 TAF2 TAF3 TAF4 WSQ1 WSQ2 WSQ3 WSQ4 SHC1 SHC2 SHC3 SHC4 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 2 1 0

2 4 11 3 0 12 0 2 2 10 11 8 12 0 4 0 11 26 36 12

3 5 11 11 6 49 16 24 27 18 17 26 38 12 23 12 50 28 33 49

4 75 85 60 85 54 80 81 79 87 83 81 66 95 77 97 55 49 44 54

5 34 11 44 27 3 22 11 10 2 7 3 2 11 14 9 2 13 4 3

Mean 4.177966102 3.813559322 4.228813559 4.177966102 3.745762712 4.050847458 3.855932203 3.822033898 3.669491525 3.728813559 3.669491525 3.491525424 3.991525424 3.855932203 3.974576271 3.406779661 3.381355932 3.118644068 3.406779661

Stan Dev 0.66192359 0.72735503 0.72100378 0.50010864 0.73013803 0.56760793 0.58871762 0.59386257 0.69251289 0.71205753 0.64124725 0.70098542 0.44329309 0.65731159 0.42288922 0.68234498 1.00357899 0.91679012 0.70695311

75

6.1.2

Uji Asumsi Klasik

Uji asumski klasik yang digunakan adalah uji normalitas dan uji multikolinearitas.

6.1.2.1. Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah variabel yang digunakan dalam model terdistribusi secara normal atau tidak. Uji normalitas akan dilakukan dengan menggunakan software Lisrel. Nilai yang perlu diperhatikan adalah p-value. Dimana data dinyatakan normal jika p value pada skewness dan kurtosis tidak signfikan (p value > 0.05)[33] Hasil uji normalitas oleh Lisrel ditunjukkan pada tabel 6.1. Tabel 6.2Uji Normalitas Variable TAF1 TAF2 TAF3 TAF4 WSQ1 WSQ2 WSQ3 WSQ4 SHC1 SHC2 SHC3 SHC4 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

Skewness and Kurtosis Chi-Square P-Value 0.576 0.750 4.398 0.111 3.846 0.146 2.451 0.294 1.153 0.562 0.308 0.857 3.625 0.163 2.978 0.226 18.185 0.000 5.240 0.073 8.356 0.015 2.606 0.272 9.534 0.009 2.193 0.334 11.902 0.003 0.827 0.661 0.610 0.737 0.822 0.663 0.419 0.811

Nilai Kritis > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05 > 0.05

Keterangan Normal Normal Normal Normal Normal Normal Normal Normal Tidak Normal Normal Tidak Normal Normal Tidak Normal Normal Tidak Normal Normal Normal Normal Normal

76 Dari tabel 6.1 diketahui bahwa nilai P-Value Skewness dan kurtosis <0.05. Artinya data yang akan dianalisis lebih lanjut memiliki persebaran yang tidak normal. Dengan sampel yang besar (>100), asumsi uji normalitas tidak terlalu kritis. Hal ini berdasarkan dalil limit pusat. Dalil limit pusat mengatakan jika ukuran sampel besar (>100) maka statistik dari sampel akan mendekati distribusi normal. Jadi meskipun data yang dimiliki memiliki persebaran tidak normal, data tersebut masih diperbolehkan untuk mengikuti perhitungan SEM[34] 6.1.2.2 Uji Multikolinearitas Uji multikolinieritas dilakukan dengan tujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model yang baik seharusnya tidak terjadi korelasi diantara variabel independennya (tidak terjadi multikolinieritas). Uji multikolinieritas dapat diketahui dari matrik korelasi indikator-indikatornya, jika ada nilai korelasi >0.9 maka ada pelanggaran multikolinier [34]. Pada tabel Lampiran D diketahui bahwa semua variabel memiliki nilai < 0.9. Artinya data yang dimiliki bebas dari gejala multikolinearitas. Data tersebut boleh digunakan untuk penghitungan SEM lebih lanjut karena SEM mensyaratkan data yang akan diolah harus bebas dari gejala multikolinearitas[35]. 6.1.3

Analisis structural equation modeling

Sub bab ini berisi analisis proses SEM yang terdiri dari identifikasi model, uji validitas, uji realibilitas, model setelah uji validitas dan realibilitas, dan kecocokan model. 6.1.3.1 Identifikasi model Pada tahap estimasi model pengukuran ini menjelaskan mengenai baris perintah pada program Lisrel 8.8 untuk memperoleh nilai dari parameter-parameter yang ada di

77 dalam model. Berikut adalah baris perintah pada lisrel 8.8 seperti pada gambar 6.4 :

Gambar 6.5 Simplis Program

6.1.3.2 Confirmatory factor analysis Confirmatory Factor Analysis adalah tahapan dalam SEM yang memiliki tujuan untuk mengetahui atau mengkonfirmasi bahwa indikator-indikator yang ada telah meggambarkan suatu konstrak dengan tepat. Terdapat 2 tahapan dalam Confirmatory Factor Analysis, yaitu uji validitas dan uji realibilitas. 6.1.3.2.1 Uji validitas Uji validitas bertujuan untuk mengetahui apakah indikator yang digunakan benar-benar tepat untuk mengukur variabel laten. Sebuah indikator dikatakan valid apabila memiliki loading ( ) dengan variabel laten yang ingin diukur ≥ 0.5, jika salah satu indikator memiliki nilai loading ( ) < 0.5 maka indikator tersebut harus dihapus karena indikator tersebut dianggap bukan sebagai alat ukur yang tepat bagi variabel laten.

78 Tabel 6.3 adalah hasil uji validitas dari semua indikator masing-masing variabel : Tabel 6.3 Uji Validitas TAF Indikator TAF1 TAF2 TAF3 TAF4

Factor Loading (Estimate) 0,73 0,35 0,78 0,15

Nilai Kritis

Keterangan

0.5 0,5 0.5 0,5

Valid Tidak Valid Valid Tidak Valid

Dari tabel 6.3, persamaan matematis variabel ini adalah : TAF1 = 0,73 TAF+ δ1 TAF2 = 0,35 TAF+ δ2 TAF3 = 0,78 TAF+ δ3 TAF4 = 0,15 TAF+ δ4 Dari nilai factor loading pada tabel 6.3, diketahui bahwa indikator TAF3 memberikan kontribusi paling besar dalam membentuk konstruk TAF. Tabel 6.4 Uji Validitas WSQ Indikator WSQ1 WSQ2 WSQ3 WSQ4

Factor Loading (Estimate) 0,39 0,55 0,62 0,63

Nilai Kritis

Keterangan

0.5 0,5 0.5 0,5

Tidak Valid Valid Valid Valid

Dari tabel 6.4, persamaan matematis variabel ini adalah WSQ1 = 0,39 WSQ+ δ5 WSQ2 = 0,55 WSQ+ δ6 WSQ3 = 0,62 WSQ+ δ7 WSQ4 = 0,63 WSQ+ δ8 Dari nilai faktor loading pada tabel 6.4, diketahui bahwa indikator WSQ4 memberikan kontribusi paling besar dalam membentuk konstruk WSQ.

79 Tabel 6.5 Uji Validitas SHC Indikator SHC1 SHC2 SHC3 SHC4

Factor Loading (Estimate) 0,31 0,54 0,69 0,62

Nilai Kritis

Keterangan

0.5 0,5 0.5 0.5

Tidak Valid Valid Valid Valid

Dari tabel 6.5, persamaan matematis variabel ini adalah SHC1 = 0,31 SHC + δ9 SHC2 = 0,54 SHC + δ10 SHC3 = 0,69 SHC + δ11 SHC4 = 0,62 SHC + δ12 Dari nilai faktor loading pada tabel 6.5, diketahui bahwa indikator SHC3 memberikan kontribusi paling besar dalam membentuk konstruk SHC. Tabel 6.6 Uji Validitas CES Indikator CES1 CES2 CES3

Factor Loading (Estimate) 0,57 0,75 0,72

Nilai Kritis

Keterangan

0.5 0,5 0.5

Valid Valid Valid

Dari tabel 6.6, persamaan matematis variabel ini adalah CES1 = 0,57 CES + ε1 CES2 = 0,75 CES + ε2 CES3 = 0,72 CES + ε3 Dari nilai faktor loading pada tabel 6.6, diketahui bahwa indikator CES2 memberikan kontribusi paling besar dalam membentuk konstruk CES.

80

Tabel 6.7 Uji Validitas CEL Indikator CEL1 CEL2 CEL3 CEL4

Factor Loading (Estimate) 0,58 0,72 0,89 0,77

Nilai Kritis

Keterangan

0.5 0,5 0.5 0,5

Valid Valid Valid Valid

Dari tabel 6.7, persamaan matematis variabel ini adalah CEL1 = 0,58 CEL + ε4 CEL2 = 0,72 CEL + ε5 CEL3 = 0,89 CEL + ε6 CEL4 = 0,77 CEL + ε7 Dari nilai faktor loading pada tabel 6.7, diketahui bahwa indikator CEL3 memberikan kontribusi paling besar dalam membentuk konstruk CEL. 6.1.3.2.2 Uji realibilitas Uji reliabilitas dilakukan dengan melihat nilai construct reliability dari blok indikator yang mengukur konstruk. Hasil construct reliability akan menunjukkan nilai yang memuaskan jika di atas 0,7. Sedangkan nilai 0,6-0,7 masih dapat diterima dengan syarat validitas indikator dalam model baik. Tabel 6.8 adalah nilai construct reliability pada setiap variabel yang digunakan. Tabel 6.8 Uji Realibiltas

Variabel TAF WSQ

Indikator TAF1 TAF3 WSQ2 WSQ3 WSQ4

CR

Nilai Kritis

Ket.

0.732669

> 0.7

Memuaskan

0.632159

> 0.7

Marginal

81 Variabel SHC

CES

CEL

Indikator SHC2 SHC3 SHC4 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

CR

Nilai Kritis

Ket.

0.653544

> 0.7

Marginal

0.725394

> 0.7

Memuaskan

0.826568

> 0.7

Memuaskan

Gambar 6.6 menunjukkan model setelah melalui tahap uji validitas dan uji realibilitas. Gambar 6.6 berbeda dengan model awal seperti pada gambar 5.1 karena ada beberapa indikator dari beberapa variabel yang tidak lolos uji validitas sehingga harus dihapus. Berikut ini adalah indikator yang harus dihapus dari model karena tidak memenuhi nilai minimal pada uji validitas:  TAF2  TAF4  WSQ1  SHC1

82

Gambar 6.6 Diagram Setelah Uji Validitas dan Realibilitas

6.1.3.3 Uji Kecocokan Model Setelah melalui tahapan uji asumsi klasik (uji normalitas data dan uji multikolinearitas) dan Confirmatory Factor Analysis (mengetahui nilai loading factor), tahapan selanjutnya adalah uji kecocokan model melalui analisis jalur (path analysis). Pengujian ini akan mengevaluasi apakah model yang dihasilkan merupakan model fit atau tidak. Atas hasil pengujian terhadap GOF statistik maka kecocokan keseluruhan model yang diperoleh ada pada table 6.9.

83 Tabel 6.9 Nilai Goodness of Fit Index Goodness of Fit Index Likelihood Chi Square (χ2) Degree of Freedom (df) χ2/df RMSEA GFI RMR

Hasil

Cut Off Value

Kriteria

146.35

Diharapkan Kecil

Baik

80

Diharapkan Kecil

Baik

1.829 0.081 0.86 0.034

≤ 2.00 ≤ 0.08 ≥ 0.90 ≤ 0.05

Baik Tidak Baik Tidak Baik Baik

Dari tabel 6.9 diketahui bahwa model masih belum fit karena ada nilai goodness of fit yang nilainya dibawah cut off value[36]. Untuk meningkatkan nilai goodness of fit perlu dilakukan beberapa modifikasi pada model. Program LISREL telah memberikan saran untuk modifikasi yang diperlukan. Saran yang diberikan dapat dilihat pada output modification Indice. Modifikasi yang dilakukan dilakukan berdasarkan nilai Decrease in Chi-Square yang terbesar. Nilai Decrease in ChiSquare adalah apabila modifikasi dilakukan maka nilai Chi Square akan mengalami penurunan sebesar nilai New Estimate.Pada Gambar 6.7 menjukan bahwa masih ada garis antar indikator atau variabel, garis tersebut merupakan hubungan indikator atau variabel yang belum berkolerasi sehingga di perlukan modifikasi agar nilai goodness of fit dari model tersebut dapat meningkat.

84

Gambar 6.7 Rekomendasi Modifikasi Model

6.1.3.4 Modifikasi model Modifikasi model bertujuan untuk meningkatkan nilai goodness of fit dari model sehingga masuk dalam kriteria yang dapat di terima. Output program LISREL pada modification indices dapat diketahui ada tidaknya kemungkinan modifikasi model yang diusulkan supaya nantinya terjadi penurunan nilai chi-square untuk mendapatkan model penelitian yang lebih baik. Tabel 6.10 Tabel Modification Indice

CEL2 SHC2 SHC3 SHC4

<--> <--> <--> <-->

CES1 CEL1 WSQ2 TAF3

Decrease in Chi-Square 18.3 9.4 9.4 8.1

New Estimate 0.11 0.11 0.08 -0.09

Untuk mendapatkan model yang dapat diterima, daftar modification indice diurutkan dari yang terbesar. Nilai modification indice yang terbesar dihubungkan dalam model

85 terlebih dahulu. Setelah itu dicek ulang nilai goodness of fit. Apabila nilai goodness of fit masih belum memenuhi kriteria maka dilihat ulang daftar modification indice. Nilai terbesar kedua dihubungkan dalam model. Tindakan itu dilakukan berulang-ulang hingga nilai goodness of fit memenuhi kriteria. Gambar adalah model setelah dilakukan modifikasi.

Gambar 6.8 Model Setelah Modifikasi

Dari Gambar 6.7, dapat diketahui bahwa model sudah dimodifikasi dengan tidak adanya garis untuk menghubungkan variabel atau indikator sesuai dengan modification indice hasil output dari software LISREL. Karena model telah dimodifikasi maka akan menghasilkan nilai goodness of fit yang berbeda pula. Pada tahap modifikasi ini semua modifikasi dari saran software LISREL dilakukan, proses modifikasi dilakukan hanya hingga nilai cut off value pada goodness of index sesuai tabel 6.9 terpenuhi. Pada Tabel 6.11 merupakan nilai goodness value yang dari model yang di modifikasi, lebih lengkapnya dapat dilihat pada Lampiran E.

86 Tabel 6.11 Nilai Goodness of Value setelah Modifikasi Goodness of Fit Index Likelihood Chi Square (χ2) Degree of Freedom (df) χ2/df RMSEA GFI RMR

Hasil

Cut Off Value

Kriteria

96.40

Diharapkan Kecil

Baik

76

Diharapkan Kecil

Baik

1.268 0.043 0.90 0.030

≤ 2.00 ≤ 0.08 ≥ 0.90 ≤ 0.05

Baik Baik Baik Baik

Dari Tabel 6.11, diketahui bahwa goodness of fit dari model yang telah dimodifikasi telah memenuhi nilai standar sesuai cut off value. Model matematis dari gambar 6.8 adalah sebagai berikut :

CES = (- 0.073) TAF + (0.97) WSQ + (- 0.10) SHC + 0.14 CEL = (- 0.28) TAF + (0.094) WSQ + (0.41) SHC + (0.16) CES + 0.67 Keterangan : CES CEL TAF WSQ SHC

= Variabel Customer E-Satisfaction = Variabel Customer E-Loyalty = Variabel Technology Acceptance Factor = Variabel Website Service Quality = Variabel Specific Holdup Cost

Dari model yang telah dimodifikasi pada gambar 6.8 juga terlihat nilai loading factor semua variabel laten. Nilai loading factor tersebut untuk menentukan apakah hipotesis diterima atau ditolak. Tabel 6.12 adalah nilai dari hubungan variabel sesuai dengan hipotesis. Hasil uji hipotesis terlihat dari hasil proses syntax yang terdapat pada path diagram. Pada hubungan yang signifikan nilai t-value lebih besar dari estimate. Hubungan yang signifikan akan ditandai dengan t-value pada path

87 diagram dengan nilai ≥ 1,96. Sedangkan hubungan yang tidak signifikan ditandai dengan t-value pada path diagram dengan nilai ≤ 1,96. Tabel 6.12 Hubungan Hipotesis Hipotesis H1 H2 H3 H4 H5 H6 H7

Hubungan CES ← TAF CEL ← TAF CES ← WSQ CEL ← WSQ CES ← SHC CEL ← SHC CEL ← CES

-0.07

TAF

T-Value -0.56 -1.95 5.02 0.13 -0.77 2.63 0.24

Estimates -0.07 -0.28 0.97 0.09 -0.10 0.41 0.16

Keterangan Pengaruh Tidak Signifikan Pengaruh Tidak Signifikan Pengaruh Signifikan Pengaruh Tidak Signifikan Pengaruh Tidak Signifikan Pengaruh Signifikan Pengaruh Tidak Signifikan

CES

8 .2 -0

-0.10

0. 97

0.16

WSQ

SHC 0.41

0.09

CEL

Gambar 6.9 Hasil Hipotesis

6.2 Pembahasan Pada sub bab ini akan diuraikan tentang pembahasan dari pengumpulan serta pengolahan data yang telah diselesaikan sebelumnya. 6.2.1

Analisis statistik deskriptif

Analisis statistik deskriptif ini bertujuan untuk menganalisis data yang diperoleh dari hasil kuesioner seperti pada bab sebelumnya. Analisis ini menggunakan sumber data

88 hasil kuesioner yang disebar secara online kepada mahasiswa jurusan Sistem Informasi ITS. Analisis ini meliputi beberapa hal yaitu jenis kelamin, angkatan, produk yang sering digunakan dan frekuensi penggunaan. Analisis demografi responden pengguna Tiket.com diawali dengan jenis kelamin yang ada pada gambar 6.1. diketahui bahwa responden yang berjenis kelamin laki-laki berjumlah 68%, kemudian yang berjenis kelamin perempuan berjumlah 32%. Hal ini menunjukkan bahwa pelanggan Tiket.com dengan sampel mahasiswa jurusan Sistem Informasi ITS banyak dari jenis kelamin laki-laki. Hal ini terjadi karena pada jenis kelamin laki-laki lebih sering berbelanja secara online karena lebih praktis daripada berbelanja secara offline. Informasi tentang tahun angkatan responden dapat diperoleh dari Gambar 6.2. Dari gambar 6.2 dapat diketahui bahwa jumlah responden yang berasal dari angkatan 2010++ berjumlah 15%, angkatan 2011 berjumlah 47%, angkatan 2012 berjumlah 14%, angkatan 2013 berjumlah 13% dan angkatan 2014 berjumlah 11%. Informasi tentang produk yang paling sering di gunakan dapat diperoleh dari Gambar 6. Diketahui bahwa produk yang paling sering digunakan oleh responden ialah tiket pesawat berjumlah 58%, tiket kereta api berjumlah 37%, booking hotel berjumlah 5%, rental mobil berjumlah 0%, dan tiket event berjumlah 0% 6.2.2

Analisa uji asumsi klasik

Uji asumsi klasik dilakukan 2 tahap yaitu uji normalitas dan uji multikolineritas. Uji normalitas adalah melihat apakah data memiliki persebaran normal atau tidak. Sedangkan uji multikolinearitas adalah melihat apakah ada hubungan tinggi antar variabel. Uji normalitas dilihat dari persebaran data secara multivariate. Untuk uji normalitas menggunakan tools LISREL dengan melihat nilai P-Value Skewness dan kurtosis. Data dengan distribusi normal memiliki nilai P-Value > 0.05. Data hasil kuesioner ada beberapa indikator yang memiliki

89 nilai P-Value sebesar < 0.05. Artinya data tersebut memiliki distribusi tidak normal.Artinya data yang akan dianalisis lebih lanjut memiliki persebaran yang tidak normal. 6.2.3

Confirmatory factor analysis

Pengujian Confirmatory Factor Analysis ini dilakukan sebelum ke langkah analisis SEM. Pada Confirmatory Factor Analysis ini dilakukan dengan variabel jadi menggunakan lima variabel laten yang berada pada model penelitian yang digunakan oleh Grace T.R. Lin dan Chia-Chi Sun. Rinciannya adalah 3 variabel eksogen dan 2 variabel endogen. Pengujian ini menggunakan aplikasi lisrel. Analisis ini dilakukan untuk mengetahui apakah indikator-indikator yang ada benar-benar menggambarkan variabel latennya. Untuk Uji validitas menggunakan validitas konstruk dengan melihat dari nilai factor loading dari tiap indikatornya terhadap variabel latennya masing-masing. Untuk hasil dari uji validitas konstruk ini hasilnya ada pada tabel 6.3 – 6.7. Apabila nilai factor loading kurang dari 0,5 maka indikator tersebut dianggap tidak valid atau tidak bisa menggambarkan variabel latennya sehingga indikator tersebut harus dihapus. Uji realibilitas pada data yang didapat dari hasil kuesioner juga menunjukan hasil yang baik. Dapat dilihat pada Tabel 6.7, nilai pada masing-masing variabel menunjukan angka yang lebih besar dari pada 0,6. Dengan demikian, semua butir pertanyaan atau indikator pada variabel-variabel tersebut dinyatakan handal dan dapat dilakukan analisis selanjutnya. Setiap variabel laten memiliki indikatornya masingmasing. Indikator tersebut dapat dianggap sebagai yang paling berpengaruh dalam sebuah variabel. Nilai tiap indikator dapat dilihat dari nilai Factor Loading saat uji CFA dari tiap-tiap indikator. 

Variabel Technology Acceptance Factor Pada tabel 6.3 dapat diketahui bahwa nilai indikator TAF1 menunjukan angka tertinggi diantara indikator lain pada variabel tersebut yaitu, 0,78. Hal ini menunjukan

90 bahwa indikator TAF1 berpengaruh pada variabel tersebut. 

Variabel Website Service Quality Pada tabel 6.4 dapat diketahui bahwa nilai indikator WSQ4 menunjukan angka tertinggi diantara indikator lain pada variabel tersebut yaitu, 0,63. Hal ini menunjukan bahwa indikator WSQ4 berpengaruh pada variabel tersebut.



Variabel Specific Holdup Cost Pada Tabel 6.5 dapat diketahui bahwa nilai indikator SHC3 menunjukan angka tertinggi diantara indikator lain pada variabel tersebut yaitu, 0.69. Hal ini menunjukan bahwa indikator SHC3 berpengaruh pada variabel tersebut.



Variabel Customer E-Satisfaction Pada Tabel 6.6 dapat diketahui bahwa nilai indikator CES3 menunjukan angka tertinggi diantara indikator lain pada variabel tersebut yaitu, 0,75. Hal ini menunjukan bahwa indikator CES3 berpengaruh pada variabel tersebut.



Variabel Customer E-Loyalty Pada Tabel 6.7 dapat diketahui bahwa nilai indikator CEL3 menunjukan angka tertinggi diantara indikator lain pada variabel tersebut yaitu, 0,89. Hal ini menunjukan bahwa indikator CEL3 berpengaruh pada variabel tersebut.

Masing-masing indikator memiliki nilai factor loading yang berbeda. Apabila di urutkan berdasarkan besarnya nilai, dapat diketahui indikator mana yang terbesar maupun indikator dengan nilai terkecil. Dilihat tabel 6.3 sampai dengan tabel 6.7, indikator CEL3 , dengan nilai Factor Loading sebesar 0.89, memiliki nilai tertinggi jika dibandingkan

91 dengan indikator lain. Selain itu, TAF4 memiliki nilai Factor Loading terkecil,yaitu 0,15. Disamping itu terdapat 3 indikator yang dinyatakan tidak valid sehingga tidak diikutkan dalam analisis selanjutnya. 6.2.4

Analisis SEM (structural equation modeling)

Setelah dilakukan pengujian pada masing-masing variabel laten dengan menggunakan Confirmatory Factor Analysis (CFA), tahap selanjutnya adalah melakukan analisis SEM sesuai dengan diagram path. Analisis didasarkan dari Goodness of Fit (GOF). Jenis goodness of fit yang digunakan adalah Chi-square, RMSEA (Root Mean Square Error of Approximation), dan TLI (Tucker Lewis Index). Indeks kelayakan model dengan menggunakan ukuran Goodnes Off Fit hasil pengolahan software LISREL beserta cut off value-nya dapat dilihat pada Tabel 6.9. Terlihat pada tabel tersebut ada jenis goodness of fit yang belum memenuhi nilai standard sehingga diperlukan modifikasi model. Modifikasi model bertujuan untuk mendapatkan kriteria goodness of fit dari model yang dapat diterima. Nilai Modification indices pada Tabel 6.10 menjadi acuan modifikasi model. Nilai modification indice yang terbesar menjadi prioritas utama untuk dihubungkan ke dalam model hasil modifikasi. Nilai modification indices tersebut mempunyai arti apabila dihubungkan pada model maka nilai chi square akan mengalami penurunan sebanyak nilai M.I pada output dari software LISREL. Setelah dilakukan modifikasi pada model maka akan didapatkan nilai goodness of fit yang baru. Semua nilai Goodnes Off Fit yang digunakan telah memenuhi nilai fit seperti yang terlihat pada Tabel 6.11. Setelah semua hasil dari Goodnes Off Fit terpenuhi baru bisa dikatakan model telah baik/fit.

92 6.2.5

Analisis hipotesis

Pada gambar 6.8 ditunjukan hasil akhir dari analisis kepuasan dan loyalitas mahasiswa pengguna Tiket.com. Hasil tersebut didapat setelah melalui tahapan SEM hingga menemukan model yang fit. Setelah itu baru bisa dilakukan analisis output model hasil modifikasi. Hasil dari hipotesis pada gambar 4.2 juga bisa ditentukan kebenarannya. Dalam model ini terdapat lima variabel laten dengan jumlah indikator sebanyak sembilan belas. Jika dirinci terdapat 3 variabel eksogen dan 2 variabel endogen. SEM dianggap sebagai penggabungan dari analisis faktor dan analisis regresi, dimana pengujian dengan software LISREL untuk menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Apabila p-value kurang dari 0,05 maka H0 akan diterima sehingga dapat disimpulkan bahwa variabel independen berpengaruh terhadap variabel dependen. Tugas akhir ini memiliki 7 hipotesis yang harus dipenuhi berdasarkan paper yang menjadi acuan. Hipotesis yang ada pada gambar 4.2, di terapkan pada model hasil modifikasi. Hipotesis yang ada pada Gambar 4.2 akan dilakukan analisis berdasarkan besaran nilai standardized regression weight yang ada pada model hasil modifikasi sesuai gambar 6.8. Pada tabel 6.12 terdapat nilai setiap hubungan sesuai hipotesis yang ada pada model pada gambar 6.9. 

H1 : Technology acceptance factors mempengaruhi kepuasan konsumen (customer e-satisfaction) Berdasarkan hipotesis 1, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu -0.56 yang berarti nilai t-value < 1,96 sehingga menunjukkan bahwa hipotesis H1 yang menyatakan technology acceptance factors mempengaruhi secara negatif terhadap kepuasan konsumen ( customer esatisfaction) untuk melakukan transaksi menggunakan Tiket.com

93 Nilai estimate pada t-value menunjukan angka -0.07. Angka tersebut menandakan saat Technology acceptance factors meningkat sebesar 1 standard deviasi, maka customer e-satisfaction akan menurun sebesar 0.07 standard deviasi. Karena nilai hubungan antara Technology acceptance factors dan customer esatisfaction menunjukkan angka negatif, maka H1 dapat dipenuhi. 

H2 : Technology acceptance factors mempengaruhi loyalitas konsumen (customer e-loyalty) Berdasarkan hipotesis 2, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu -1,95 yang berarti nilai t-value < 1,96 sehingga menunjukkan bahwa hipotesis H2 yang menyatakan technology acceptance factors mempengaruhi secara negatif loyalitas konsumen ( customer e-loyalty) untuk melakukan transaksi menggunakan Tiket.com. Nilai estimate pada t-value menunjukan angka –0.28. Angka tersebut menandakan saat Technology acceptance factors meningkat sebesar 1 standard deviasi, maka customer e-loyalty akan menurun sebesar 0.28 standard deviasi. Karena nilai hubungan antara Technology acceptance factors dan customer e-loyalty menunjukkan angka negatif, maka H2 dapat dipenuhi.



H3 : Website service quality mempengaruhi kepuasan konsumen (customer e-satisfaction) Berdasarkan hipotesis 3, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu 5.02 yang berarti nilai t-value > 1,96 sehingga menunjukkan bahwa hipotesis H3 yang menyatakan Website service quality mempengaruhi positif secara signifikan terhadap kepuasan konsumen ( customer esatisfaction) untuk melakukan transaksi menggunakan Tiket.com.

94 Nilai estimate pada t-value menunjukan angka 0.97. Angka tersebut menandakan saat Website service quality meningkat sebesar 1 standard deviasi, maka customer esatisfaction akan naik sebesar 0.97 standard deviasi. Karena nilai hubungan antara Website service quality dan customer e-satisfaction menunjukkan angka positif, maka H3 dapat dipenuhi. 

H4 : Website service quality mempengaruhi loyalitas konsumen (customer e-loyalty) Berdasarkan hipotesis 4, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu 0.13 yang berarti nilai t-value < 1,96 sehingga menunjukkan bahwa hipotesis H4 yang menyatakan Website service quality mempengaruhi positif tetapi tidak signifikan terhadap loyalitas konsumen ( customer eloyalty) untuk melakukan transaksi menggunakan Tiket.com. Nilai estimate pada t-value menunjukan angka 0.09. Angka tersebut menandakan saat Website service quality meningkat sebesar 1 standard deviasi, maka customer esatisfaction akan naik sebesar 0.09 standard deviasi. Karena nilai hubungan antara Website service quality dan customer e-loyalty menunjukkan angka positif, maka H4 dapat dipenuhi.



H5 : Specific holdup cost mempengaruhi kepuasan konsumen (customer e-satisfaction). Berdasarkan hipotesis 5, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu -0.77 yang berarti nilai t-value < 1,96 sehingga menunjukkan bahwa hipotesis H5 yang menyatakan Specific holdup cost mempengaruhi negatif secara tidak signifikan terhadap kepuasan konsumen ( customer esatisfaction) untuk melakukan transaksi menggunakan Tiket.com.

95 Nilai estimate pada t-value menunjukan angka -0.10. Angka tersebut menandakan saat Website service quality meningkat sebesar 1 standard deviasi, maka customer esatisfaction akan menurun sebesar 0.10 standard deviasi. Karena nilai hubungan antara Specific holdup cost dan customer e-satisfaction menunjukkan angka positif, maka H5 dapat dipenuhi. 

H6 : Specific holdup cost mempengaruhi loyalitas konsumen (customer e-loyalty). Berdasarkan hipotesis 6, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu 2.63 yang berarti nilai t-value > 1,96 sehingga menunjukkan bahwa hipotesis H6 yang menyatakan Specific holdup cost mempengaruhi positif secara signifikan terhadap loyalitas konsumen ( customer eloyalty) untuk melakukan transaksi menggunakan Tiket.com. Nilai estimate pada t-value menunjukan angka 0.41. Angka tersebut menandakan saat Website service quality meningkat sebesar 1 standard deviasi, maka customer esatisfaction akan naik sebesar 0.41 standard deviasi. Karena nilai hubungan antara Website service quality dan customer e-loyalty menunjukkan angka positif, maka H6 dapat dipenuhi.



H7 : Kepuasan konsumen (customer e-satisfaction) mempengaruhi loyalitas konsumen ( customer e-loyalty). Berdasarkan hipotesis 7, dapat dilihat dari Tabel 6.12, hasil pengujian model memperlihatkan bahwa tvalue yaitu 0.24 yang berarti nilai t-value < 1,96 sehingga menunjukkan bahwa hipotesis H7 yang menyatakan Kepuasan konsumen (customer e-satisfaction) mempengaruhi positif secara tidak signifikan terhadap

96 loyalitas konsumen (customer e-loyalty) untuk melakukan transaksi menggunakan Tiket.com. Nilai estimate pada t-value menunjukan angka 0.16. Angka tersebut menandakan saat customer e-satisfaction meningkat sebesar 1 standard deviasi, maka customer esatisfaction akan naik sebesar 0.16 standard deviasi. Karena nilai hubungan antara Specific holdup cost dan customer e-loyalty menunjukkan angka positif, maka H7 dapat dipenuhi. 6.2.6

Rekomendasi untuk Tiket.com

Dari pelaksanaan Tugas Akhir ini, dapat diberikan rekomendasi untuk developer Tiket.com: 1. Pengaruh variabel Website Service Quality terhadap variabel E-Costumer Satisfaction sangat tinggi. Jika developer Tiket.com ingin agar pengguna lebih sering menggunakan Tiket.com maka disarankan untuk meningkatkan nilai pada variabel Website Service Quality. Selain itu developer juga harus memperhatikan beberapa hal lain yang bisa meningkatkan kepuasan dan lioyalitas pelanggan sebagai berikut : Tabel 6.13 Kondisi Kekinian dan Rekomendasi

Kondisi Terkini Tiket.com Fitur pembayaran yang ada pada website tiket.com saat menggunakan ATM transfer, hanya ada 1 akun rekening ATM yang digunakan oleh website Tiket.com. Penyimpanan data history pelanggan berdasarkan cookie pada device yang di gunakan pelanggan, jika

Rekomendasi Menambahkan rekening bank lain yang pada umumnya digunakan oleh pembeli guna mengurangi biaya transfer antar bank. Pembuatan database mengenai data history pelanggan terhadap barang yang pernah di beli

97 Kondisi Terkini Tiket.com pelanggan berganti device maka history tidak tercatat.

Rekomendasi

Costumer Service untuk saat ini menggunakan email untuk membantu mengatasi keluhan atau permasalahan pelanggan.

Adanya Costumer Service online yang setiap saat bisa membantu pelanggan dalam mengatasi keluhan atau permasalahan yang ada pada Tiket.com secara langsung .

Ketidak sesuaian informasi yang di tampilkan pada website Tiket.com dengan kondisi sesungguhnya.

Selalu mengupdate informasi yang ada pada websiteTiket.com.

Pelanggan masih berfikir untuk berpindah ke situs belanja lain

Pihak Tiket.com harus lebih gencar untuk berpromosi, selain itu diadakanya diskon untuk pembelian tiket.

98 Halaman ini sengaja dikosongkan

7BAB VII KESIMPULAN DAN SARAN Bab ini berisi mengenai simpulan yang didapatkan dari hasil penelitian yang telah dilakukan. Simpulan ini diharapkan dapat menjawab tujuan yang telah ditetapkan di awal penelitian. Saran diberikan untuk digunakan dalam penelitian selanjutnya. 7.1 Kesimpulan Dari pelaksanaan penelitian tugas akhir ini di dapatkan kesimpulan : 1. Terdapat 5 variabel yang digunakan dalam pengerjakan tugas akhir ini sesuai dengan model yang di gunakan oleh Grace T.R. Lin dan Chia-Chi Sun, yaitu : technology acceptance factors, website service quality, specific holdup cost, customer e-satisfaction dan customer e-loyalty 2. Terdapat pengaruh dari technology acceptance factors, website service quality, specific holdup cost terhadap customer e-satisfaction dan customer eloyalty bagi konsumen yang melakukan pembelian pada Tiket.com. 3. Customer e-satisfaction dan customer e-loyalty dipengaruhi secara negatif oleh variabel technology acceptance factors. 4. Variabel website service quality berpengaruh secara positif secara signifikan terhadap customer esatisfaction sedangkan untuk customer e-loyalty dipengaruhi positif secara tidak signifikan. 5. Variabel specific holdup cost berpengaruh negatif terhadap customer e-satisfaction sedangkan untuk customer e-loyalty dipengaruhi positif secara signifikan. 99

100 6. Customer e-loyalty dipengaruhi positif secara tidak signifikan oleh customer e-satisfaction 7.2 Saran Dari pelaksanaan penelitian tugas akhir ini dapat diberikan saran untuk penelitian selanjutnya antara lain : 1. Mengganti Tiket.com dengan situs e-commerce lain. 2. Perlu dilakukan penelitian dengan model lainnya yang mengenai kepuasan dan loyalitas pengguna terhadap Tiket.com. 3. Perlu dilakukan penelitian dengan subyek mahasiswa jurusan atau bahkan universitas lain, agar dapat dibandingkan hasil kepuasan dan loyalitas pengguna Tiket.com di tiap jurusan. 4. Menggunakan software analisis statistic yang lain seperti SPSS AMOS atau GESCA. 5. Menambah jumlah indikator untuk tiap variabel laten. Hal ini agar ketika ada indikator yang dihapus karena tidak lolos uji validitas, maka masih banyak indikator lain yang menggambarkan variabel laten tersebut. 6. Perlu ditambahkan variabel-variabel eksternal lainnya sehingga didapatkan kepuasan dan loyalitas pengguna terhadap Tiket.com dapat diketahui faktor apa saja yang berpengaruh.

8DAFTAR PUSTAKA

[1]

[2]

[3]

[4]

[5]

[6] [7]

[8]

[9]

H. Chaang Iuan and L. Yi Ling, “The development of an e-travel service quality scale,” vol. 28, no. 6, pp. 1434– 1449, 2007. M. M. Group, “Internet World Stats : Usage and Population Statistics,” 2012. [Online]. Available: http://www.internetworldstats.com/stats.htm. N. Zeane, “Dampak Kehadiran Internet,” Dampak Kehadiran Internet, 2009. [Online]. Available: http://zea-mpr.com/2009/11/dampak-kehadiran-internetdalam.html. N. M. S. Anggraeni and N. N. K. Yasa, “E-Service Quality terhadap Kepuasan dan Loyalitas Pelanggan dalam Penggunaan Internet Banking,” vol. 16, no. 2, pp. 293–306, 2012. J. Fernando, T. D. Desyana, and A. Christian, “Pengaruh loyalitas Pelanggan Terhadap Berbelanja Secara Online,” Bina Nusant., 2014. R. E. Indrajit, Kiat dan strategi bisnis di dunia maya. Jakarta: renaissances center, 2001. P. Y. W. Yasa, “Analisis Tingkat Penerimaan Implementasi Jobcard Barcoding System Menggunakan Technology Acceptance Model pada Unit Base Maintenance PT Garuda Maintenance Facility Aerosia,” Inst. Teknol. Sepuluh Nop., 2011. M. Saleh, “Prediksi Tingkat Penerimaan User Terhadap Rencana Implementasi Hasil Simplifikasi PD Sheet Menggunakan Technology Acceptance Model (TAM) dan SEM-PLS (Studi Kasus : Dinas Engine Maintenance PT GMF Aero Asia),” Inst. Teknol. Sepuluh Nop., 2011. I. Salman, “Evaluasi Proses Performance Management System dengan Pendekatan Structural Equotion Modeling di PT Medco E&P Indonesia,” Institut 101

102

[10]

[11]

[12]

[13]

[14]

[15]

[16] [17] [18] [19] [20] [21]

[22]

Teknologi Sepuluh Nopember, 2011.,” Inst. Teknol. Sepuluh Nop., 2011. E. Turban and J. lee David King, electronic commerce : A managerial Perspective. New Jersey: Prentice Hall, 2004. K. C. Laudon and J. P. Laudon, Sistem Informasi Manajemen Mengelola Perusahaan Digital. Jakarta, 2007. N. Schillewaert and R. F. Michael Ahearne, “The Acceptance of Information Technology In The Sales Force,” Journal of Marketing, 2000. F. D. Davis, “Perceived usefulness, perceived ease of use, and user acceptance of information technology,” Soc. Inf. Manag. Manag. Inf. Syst. Res. Cent. Univ. Minn., pp. 319–340, 1989. R. B. Chase, K. Blackmon, and A. . Roth, “A Tale of Two Countries Conservatism, Service Quality, and Feedback on Customer Satisfaction,” vol. 6, no. 3, pp. 212–231, 2004. G. T. . Lin and C.-C. Sun, “Factors influencing satisfaction and loyalty in online shopping an integrated model,” Inst. Technol. Manag. Natl. Chiao Tung Univ. Hsin Chuh City Taiwan, pp. 458–475, 2008. H. Nasution, Proses Pengelolaan Sumber Daya Manusia. Medan: USU Press, 2005. F. Tjiptono, Pemasaran Jasa. Malang, 2005. Kotler and Keller, Manajemen pemasaran Edisi 12. Jakarta: PT. Indeks, 2007. H. Mowen, Manajemen Biaya. 2001. V. Gasperz, Total Quality Management. Jakarta: PT. Gramedia Pustaka, 2005. C. Oliver, “Sustainable Competitive Advantage: Combining Institutional and Resources-based View,” vol. 18, no. 9, pp. Oliver, C, 1997. J. Griffin, Menumbuhkan dan Mempertahankan Kesetiaan Pelanggan. Jakarta: Erlangga, 2005.

103 [23] Structural Equation Modeling using AMOS: An Introduction. . [24] R. P. Bagozzi, “Structural Equation Models in Experimental Research,” Mark. Res., vol. 14, pp. 209– 226, 1977. [25] M. A. Austin, “Applications of structural equation,” Annu. Rev. Psychol., vol. 51, 2000. [26] R. E. Schumarker, “Introduction, in A Beginner’s Guide To Structural Equation Modeling,” Lond. Lawrence Erlbaum Assoc., 2004. [27] W. Widhiarso, “Pelatihan Analisis SEM Melalui AMOS,” Univ. Gajah Mada, 2009. [28] H. Hidayat, “Olah Data SEM dengan Lisrel, Amos, atau SmartPLS ”.Available: http://www.globalstatistik.com/olah-data-sem-denganlisrel-amos-atau-smart-pls/ 19-Mar-2015. . [29] S. Yamin, Rahasia Olah Data Lisrel, SEM untuk Pemula. Bekasi: Mitra Wacana Media, 2012. [30] J. KG and S. D, Structural equation modeling with the SIMPLIS command language. 1993. [31] Sugiyono, Metode Penelitian Kuantitatif Kualitatif dan R&D. CV Alfabeta, 2008. [32] Institut Teknologi Sepuluh Nopember, “Sistem Informasi Akademik ITS,” Sistem Informasi Akademik ITS, 2014. [Online]. Available: http://akademik.its.ac.id/. [33] A. Hilda, Multivariate Data Analysis, Seventh Edition. 2010. [34] I. Ghozali and Fuad, Structural Equation Modelling : Teori, Konsep dan Aplikasi Dengan Program LISREL 8.80., vol. II. Semarang: Badan Penerbit Universitas Diponegoro, 2008. [35] A. Hisyam, Aplikasi Metode Structural Equation Modeling Dengan LISREL 8.54 (Edisi Kedua), 2nd ed. Jakartra: olah data, 2009. [36] I. Ghozali, Model Persamaan Struktural Konsep & Aplikasi dengan Program AMOS 21.0. Universitas Diponegoro Semarang, 2013.

104 Halaman ini sengaja dikosongkan

9BIODATA PENULIS Penulis dilahirkan di Sidoarjo pada tanggal 14 Juli 1993. Penulis merupakan anak pertama dari dua bersaudara. Penulis menempuh pendidikan di TK Nurul Huda Surabaya, SDN Sawahan 1 Surabaya, SMPN 10 Surabaya, SMAN 21 Surabaya. Pada tahun 2011 penulis diterima di jurusan Sistem Informasi – Institut Teknologi Sepuluh Nopember (ITS) melalui jalur SNMPTN Undangan dan terdaftar dengan NRP 5211100013. Selain kesibukan akademik, penulis juga mengikuti berbagai kegiatan kemahasiswaan dan kepanitian. Tugas akhir yang dipilih penulis di Jurusan Sistem Informasi ini masuk ke dalam bidang minat E-bisnis. Dapat pula menghubungi penulis melalui e-mail [email protected]

105

106 Halaman ini sengaja dikosongkan

10LAMPIRAN A KUISIONER SURVEI

Dengan hormat, Saya adalah mahasiswa Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Angkatan 2011 yang sedang mengerjakan tugas akhir dengan judul Analisis Faktor – Faktor yang Mempengaruhi Kepuasan ( Satisfaction) dan Loyalitas ( Loyalty) pada Online Shopping Studi Kasus Tiket.com. Penelitian ini merupakan syarat untuk memenuhi tugas akhir saya sebagai mahasiswa ITS. Segala data yang didapat bersifat rahasia dan tidak akan disebarluaskan kecuali untuk kepentingan akademik. Informasi Anda sangat berharga untuk penelitian ini. Mohon ketersediaan waktunya untuk mengisi kuesioner ini berdasarkan persepsi Anda. Terima kasih. Hormat saya, Bambang Eko Hadi 5211100013

Demografi 1. Angkatan a. 2010 b. 2011 c. 2012 d. 2013 e. 2014 2. Jenis Kelamin a. Laki – Laki b. Perempuan 3. Kategori Produk apa yang biasanya Anda Beli di tiket.com? a. Tiket Pesawat A-1

A-2 b. c. d. e.

Tiket Kereta Booking Hotel Tiket Event Sewa Mobil

4. Frekuansi Penggunaan website tiket.com a. 1 Kali per Bulan b. – 4 Kali per Bulan c. Lebih Dari 4 Kali per Bulan d. Kadang - Kadang

A. PEMAHAMAN TEKNOLOGI ( Technology Acceptance Factors) No. 1 2 3 4

Pernyataan

STS

TS

N

S

SS

N

S

SS

Fungsi pencarian (browsing) pada website tiket.com meningkatkan efisiensi saya dalam berbelanja. Fungsi sistem pembayaran dapat meningkatkan efisiensi belanja saya. Penggunaan website tiket.com mudah dimengerti dan nyaman untuk di gunakan Adanya website tiket.com sangat menghemat waktu belanja saya

B. KUALITAS LAYANAN WEBSITE (WEBSITE SERVICE QUALITY) No. 1 2 3 4

Pernyataan Website tiket.com menyimpan data diri saya/ data pembelian yang telah saya lakukan sebelumnya Saya yakin dengan produk pada website tiket.com Saya merasa aman dalam membeli produk dari website tiket.com Website tiket.com akan memberikan pelayanan yang saya inginkan.

STS

TS

A-3

C. SPECIFIC HOLDUP COST No. 1

2

3

4

Pernyataan Saya harus menyediakan waktu dan usaha untuk mempelajari website tiket.com agar dapat mengerti cara penggunaanya. Saya menggunakan situs belanja ini karena saya sudah pernah menggunakan sebelumnya. Jika saya harus berbelanja menggunakan situs lain, saya harus menyediakan waktu dan usaha lagi untuk mempelajarinya. Saya telah mengorbankan waktu dan energi untuk merasa yakin bahwa situs belanja ini sesuai dengan pilihan dan kebutuhan saya.

STS

TS

N

S

SS

STS

TS

N

S

SS

STS

TS

N

S

SS

`

D. CUSTOMER E-SATISFACTION No. 1 2 3

Pernyataan Saya merasa puas menggunakan situs tiket.com. Saya menyukai isi dan tampilan pada situs tiket.com Saya merasa puas dengan pelayanan yang diberikan oleh situs tiket.com

E. CUSTOMER E-LOYALTY No. 1

2 3 4

Pernyataan Saya akan mempromosikan situs tiket.com ini kepada teman-teman saya. Ketika akan berbelanja tiket online, situs tiket.com ini yang pertama kali saya pikirkan. Saya tidak berpikir untuk pindah ke situs belanja lainnya. Di masa mendatang, saya akan tetap berbelanja menggunakan situs tiket.com

A-4 Halaman ini sengaja dikosongkan

11LAMPIRAN B DATA RESPONDEN TAF 1 5 4 5 5 5 4 5 5 4 5 4 4 5 4 4 4 4 4 4

TAF 2 4 4 4 4 4 4 4 4 4 4 3 5 4 2 2 4 4 4 3

TAF 3 5 4 3 5 4 5 5 4 4 5 4 5 5 4 3 4 4 5 4

TAF 4 4 4 4 4 4 4 3 5 4 4 5 5 5 4 4 4 4 4 4

WSQ 1 5 3 2 4 3 2 4 2 2 3 2 2 4 4 3 4 3 4 4

WSQ 2 4 4 4 4 4 4 4 4 3 4 5 5 3 3 4 4 4 4 4

WSQ 3 4 4 4 4 4 4 4 5 3 3 4 4 3 3 2 3 4 4 4

WSQ 4 4 4 3 4 4 4 4 4 3 3 2 2 4 4 4 4 3 4 4

SHC 1 4 4 3 4 4 4 4 4 2 3 4 4 4 4 4 4 3 4 4

SHC 2 4 3 3 2 4 4 4 3 2 3 4 4 4 4 3 4 2 3 4

B-1

SHC 3 3 4 4 2 3 4 4 4 3 2 4 4 2 4 4 4 4 4 4

SHC 4 3 4 4 2 3 3 4 4 3 3 4 4 3 4 3 3 3 4 4

CES1

CES2

CES3

CEL1

CEL2

CEL3

CEL4

4 3 4 4 4 4 3 3 3 4 4 4 4 4 4 3 4 4 4

4 4 4 4 4 4 3 3 3 3 4 4 4 4 4 3 4 4 3

5 3 4 4 4 4 4 4 3 3 4 4 4 4 4 3 4 4 4

3 2 3 2 3 3 2 3 3 3 4 4 3 3 4 3 2 3 3

1 1 2 2 2 2 2 2 3 3 4 4 2 2 2 2 2 2 2

1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3

TAF 1 4 4 4 5 4 5 4 4 4 4 4 5 4 2 4 4 4 4 4 4 5 5 4

TAF 2 4 5 4 5 4 4 5 4 4 4 2 4 4 2 4 4 4 2 4 4 4 4 5

TAF 3 4 4 5 5 4 5 5 4 4 3 4 4 4 4 5 4 4 5 4 4 4 4 4

TAF 4 4 5 4 5 4 4 5 5 4 4 4 4 4 4 4 4 3 3 4 4 4 4 3

WSQ 1 3 4 4 3 4 4 4 5 3 4 4 4 4 4 4 3 4 4 4 3 3 4 4

WSQ 2 4 5 5 5 5 4 4 4 4 3 3 3 3 3 4 4 4 5 3 3 4 4 4

WSQ 3 4 4 4 4 4 3 4 4 4 3 3 3 4 4 3 4 4 5 3 3 3 3 3

WSQ 4 4 4 4 4 4 4 4 4 4 3 3 3 3 4 4 3 4 4 3 4 3 3 3

SHC 1 4 2 4 4 4 4 3 4 4 4 4 4 4 4 2 2 4 4 3 5 3 4 4

SHC 2 4 4 2 4 4 4 5 4 4 4 4 4 4 4 2 4 4 3 4 4 4 3 4

B-2

SHC 3 4 4 2 3 4 4 3 3 4 3 3 3 3 3 2 4 4 3 4 4 4 4 4

SHC 4 4 4 2 3 3 3 2 3 4 3 3 3 5 3 2 4 4 2 4 3 4 3 4

CES1

CES2

CES3

CEL1

CEL2

CEL3

CEL4

4 4 4 4 4 4 5 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4

3 5 5 4 4 4 4 4 4 3 3 3 4 2 4 4 4 5 2 4 4 4 3

4 4 4 4 5 4 4 4 4 3 3 3 4 3 4 4 4 4 4 4 4 4 3

3 4 3 2 3 3 4 3 3 3 3 3 3 2 3 3 4 3 3 3 3 3 3

2 2 2 2 2 3 3 3 3 5 5 5 2 2 2 2 2 2 3 3 3 3 3

2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

TAF 1 5 4 4 5 4 5 4 4 4 5 4 4 5 5 4 5 4 4 4 4 4 4 4

TAF 2 3 4 4 4 4 4 4 5 4 2 4 3 3 4 4 3 2 4 4 4 4 3 4

TAF 3 5 5 4 5 4 5 5 4 4 3 4 4 4 5 4 5 5 4 5 4 4 5 4

TAF 4 5 4 4 4 5 5 4 5 4 4 5 4 5 4 5 4 4 3 5 4 4 4 5

WSQ 1 4 3 4 3 5 4 4 4 4 3 4 4 5 4 5 4 4 3 5 5 4 4 4

WSQ 2 4 4 4 4 4 4 3 4 4 4 5 4 5 5 4 5 3 4 5 4 4 4 4

WSQ 3 4 4 4 4 4 4 4 3 4 4 5 4 5 5 4 3 4 4 5 3 4 4 4

WSQ 4 4 4 4 4 5 5 3 3 4 4 5 3 5 5 4 4 3 3 5 4 4 3 4

SHC 1 3 3 4 4 3 4 4 3 4 4 4 4 1 4 2 4 3 4 4 4 4 4 4

SHC 2 3 3 3 4 2 3 4 3 4 4 4 4 4 4 5 4 3 3 4 4 4 4 4

B-3

SHC 3 3 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 2 4 4 4 4 4 3

SHC 4 4 3 4 4 4 4 2 3 3 4 3 3 4 4 3 3 2 4 4 4 4 4 3

CES1

CES2

CES3

CEL1

CEL2

CEL3

CEL4

4 4 4 4 4 4 4 5 4 4 4 4 5 5 4 4 4 4 5 4 4 4 4

4 4 4 4 3 4 3 4 4 4 5 4 5 5 4 4 4 5 5 4 3 4 4

4 4 4 3 4 4 4 5 4 4 5 4 5 5 4 4 4 4 5 4 4 4 4

4 3 3 4 3 3 4 4 4 3 4 3 5 3 4 4 3 3 3 4 4 3 3

3 3 3 3 3 3 4 4 4 4 4 5 5 5 3 3 4 4 5 2 2 3 3

3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 2 2 2 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4

TAF 1 5 4 4 5 4 4 4 4 4 5 2 3 4 5 4 4 5 4 4 4 4 5 5

TAF 2 4 4 4 4 2 4 4 5 5 4 4 4 4 4 4 4 4 2 4 4 4 4 4

TAF 3 4 5 5 5 4 4 4 4 4 5 2 3 5 5 4 4 5 4 4 5 5 5 5

TAF 4 4 4 4 4 5 4 4 5 4 4 4 5 3 4 4 4 5 4 4 4 4 4 4

WSQ 1 4 3 3 4 4 3 3 5 4 4 3 3 4 4 3 4 2 4 2 4 4 4 3

WSQ 2 5 4 3 4 4 5 4 4 5 5 3 4 3 3 4 4 4 4 4 4 4 4 4

WSQ 3 4 3 4 4 5 4 4 5 4 4 3 3 4 4 3 3 4 4 4 4 4 4 4

WSQ 4 3 4 4 4 4 4 3 4 4 5 3 3 3 4 4 4 3 4 4 4 4 4 4

SHC 1 4 2 4 2 4 4 4 3 3 4 4 3 4 3 2 3 4 2 3 3 4 4 4

SHC 2 2 2 2 4 4 3 5 5 4 4 4 3 4 4 4 4 4 2 4 4 4 4 4

B-4

SHC 3 4 2 3 3 4 4 4 4 4 4 3 3 4 4 4 4 4 4 3 4 3 3 4

SHC 4 4 2 3 3 4 2 3 3 4 4 4 4 4 4 4 4 4 2 3 3 3 3 3

CES1

CES2

CES3

CEL1

CEL2

CEL3

CEL4

4 4 3 4 4 4 5 4 5 4 3 3 3 4 4 4 4 4 4 4 4 4 4

3 2 3 3 4 3 4 4 5 5 4 3 3 4 3 4 4 4 4 4 4 4 4

3 4 4 4 4 4 4 4 4 5 4 4 3 4 4 4 4 4 4 4 4 4 4

2 2 2 3 4 3 4 4 4 3 4 3 4 4 3 4 3 4 2 4 4 4 4

3 4 3 3 3 3 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4

2 2 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

TAF 1 4 4 2 3 3 5 3 3 4 4 4 4 4 4 5 4 4 5 5 4 4 4 4

TAF 2 4 3 2 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4

TAF 3 4 4 2 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5 4 3 4 4

TAF 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5

WSQ 1 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 5 4 4

WSQ 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 4

WSQ 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4

WSQ 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

SHC 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4

SHC 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 5 4

B-5

SHC 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2

SHC 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4

CES1

CES2

CES3

CEL1

CEL2

CEL3

CEL4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

2 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

TAF 1 5 4 5 5 4 4 2

TAF 2 5 5 4 4 4 4 2

TAF 3 5 4 5 5 5 5 2

TAF 4 5 4 5 4 5 5 4

WSQ 1 5 4 3 5 4 5 4

WSQ 2 5 5 4 4 4 5 5

WSQ 3 5 4 3 4 5 4 2

WSQ 4 5 4 3 5 5 4 3

SHC 1 4 4 4 5 4 4 4

SHC 2 4 4 4 5 4 5 4

B-6

SHC 3 4 5 4 4 5 5 4

SHC 4 4 3 3 5 4 2 4

CES1

CES2

CES3

CEL1

CEL2

CEL3

CEL4

5 4 5 3 4 5 4

5 3 3 5 5 5 2

5 4 4 4 4 4 4

4 4 3 5 4 4 4

5 4 5 5 5 5 4

4 5 5 5 4 4 5

4 4 4 4 5 5 5

12LAMPIRAN C UJI NORMALITAS Variable

TAF1 TAF2 TAF3 TAF4 WSQ1 WSQ2 WSQ3 WSQ4 SHC1 SHC2 SHC3 SHC4 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

Skewness ZScore -0.638 -0.899 -1.705 0.624 -0.811 -0.051 -0.860 -0.831 -3.384 -1.412 -2.322 -1.614 -0.093 -0.830 -0.374 -0.873 -0.334 0.169 -0.601

Kurtosis

PValue 0.523 0.369 0.088 0.533 0.418 0.959 0.390 0.406 0.001 0.158 0.020 0.107 0.926 0.407 0.708 0.383 0.738 0.866 0.545

Z-Score

C-1

0.411 1.895 -0.968 1.436 0.704 0.552 1.699 1.512 2.594 1.802 1.722 0.027 3.086 1.227 3.430 -0.256 -0.706 -0.891 -0.228

PValue 0.681 0.058 0.333 0.151 0.481 0.581 0.089 0.130 0.009 0.072 0.085 0.978 0.002 0.220 0.001 0.798 0.480 0.373 0.820

Skewness and Kurtosis ChiPSquare Value 0.576 0.750 4.398 0.111 3.846 0.146 2.451 0.294 1.153 0.562 0.308 0.857 3.625 0.163 2.978 0.226 18.185 0.000 5.240 0.073 8.356 0.015 2.606 0.272 9.534 0.009 2.193 0.334 11.902 0.003 0.827 0.661 0.610 0.737 0.822 0.663 0.419 0.811

C-2 Halaman ini sengaja dikosongkan

13LAMPIRAN D UJI MULTIKOLINEARITAS

TAF1 TAF1 TAF2 TAF3 TAF4 WSQ1 WSQ2 WSQ3 WSQ4 SHC1 SHC2 SHC3 SHC4 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

1 0.247 0.577 0.084 -0.047 0.112 0.132 0.146 -0.020 -0.042 -0.041 -0.024 0.180 0.197 0.108 -0.105 -0.013 -0.204 -0.266

WSQ3 WSQ4 SHC1 SHC2 SHC3 SHC4 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

WSQ3 1 0.439 0.071 0.130 0.190 0.132 0.192 0.476 0.363 0.147 0.152 0.111 0.060

TAF2 1 0.278 0.139 -0.026 0.189 0.096 0.041 -0.056 0.116 0.068 0.047 0.128 0.104 0.096 0.016 0.005 -0.043 -0.017

WSQ4 1 0.043 0.087 0.136 0.068 0.157 0.394 0.424 0.159 0.057 0.165 0.215

TAF3

1 0.076 0.047 0.055 0.239 0.196 0.016 -0.028 -0.149 -0.241 0.14 0.178 0.103 -0.139 -0.027 -0.119 -0.134

SHC1

1 0.302 0.156 0.232 -0.093 0.082 -0.058 -0.002 0.035 0.035 0.067

D-1

TAF4

1 0.078 0.209 0.204 0.165 -0.150 0.113 -0.055 -0.008 0.315 0.183 0.304 0.137 0.170 -0.028 0.035

SHC2

1 0.326 0.321 0.209 0.171 0.119 0.440 0.301 0.246 0.255

WSQ1

1 0.114 0.173 0.447 0.001 0.195 0.056 -0.021 0.231 0.208 0.228 0.312 0.192 0.186 0.301

SHC3

1 0.460 0.050 0.150 0.095 0.310 0.171 0.30 0.299

WSQ2

1 0.329 0.281 -0.044 0.013 0.281 -0.020 0.409 0.409 0.433 0.167 0.086 0.070 0.097

SHC4

1 -0.124 0.099 0.043 0.222 0.096 0.214 0.145

D-2 ` CES1 CES1 CES2 CES3 CEL1 CEL2 CEL3 CEL4

1 0.436 0.455 0.266 0.392 0.108 0.175

CES2 1 0.509 0.341 0.175 0.142 0.054

CES3

1 0.214 0.124 0.14 0.092

CEL1

1 0.446 0.482 0.398

CEL2

1 0.638 0.538

CEL3

1 0.69

14LAMPIRAN E HASIL MODIFIKASI MODEL Degrees of Freedom = 76 Normal Theory Weighted Least Squares Chi-Square = 92.50 (P = 0.096) Estimated Non-centrality Parameter (NCP) = 16.50 90 Percent Confidence Interval for NCP = (0.0 ; 44.94) Minimum Fit Function Value = 0.82 Population Discrepancy Function Value (F0) = 0.14 90 Percent Confidence Interval for F0 = (0.0 ; 0.38) Root Mean Square Error of Approximation (RMSEA) = 0.043 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.071) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.63 Expected Cross-Validation Index (ECVI) = 1.54 90 Percent Confidence Interval for ECVI = (1.40 ; 1.79) ECVI for Saturated Model = 2.05 ECVI for Independence Model = 7.55 Chi-Square for Independence Model with 105 Degrees of Freedom = 852.97 Independence AIC = 882.97 Model AIC = 180.50 Saturated AIC = 240.00 Independence CAIC = 939.53 Model CAIC = 346.41 Saturated CAIC = 692.48 Normed Fit Index (NFI) = 0.89 Non-Normed Fit Index (NNFI) = 0.96 Parsimony Normed Fit Index (PNFI) = 0.64 Comparative Fit Index (CFI) = 0.97 Incremental Fit Index (IFI) = 0.97 Relative Fit Index (RFI) = 0.84 Critical N (CN) = 131.57 Root Mean Square Residual (RMR) = 0.030 Standardized RMR = 0.068 Goodness of Fit Index (GFI) = 0.90 Adjusted Goodness of Fit Index (AGFI) = 0.85 Parsimony Goodness of Fit Index (PGFI) = 0.57

E-1

E-2 Halaman ini sengaja dikosongkan