1
ANALISIS KEPUASAN PELANGGAN DAN LOYALITAS DI PT MINA WISATA ISLAMI DENGAN PENDEKATAN STRUCTURAL EQUATION MODELING PARTIAL LEAST SQUARES Rizal Rinumpoko(1), Agus Suharsono(2), Bambang Widjanarko Otok(3) Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected](1),
[email protected](2),
[email protected](3) Abstrak—Bagi PT Mina Wisata Islami penelitian tentang analisis kepuasan pelanggan dan loyalitas menjadi sangat diperlukan, untuk mengetahui seberapa besar pengaruh kepuasan pelanggan, loyalitas, dan beberapa variabel lain yang memengaruhinya selama menggunakan jasa Mina, hasilnya dapat digunakan sebagai referensi evaluasi kinerja perusahaan. Pada penelitian ini akan dibangun sebuah model persamaan yang dapat digunakan untuk mengetahui pengaruh disetiap variabel laten/construct. Variabel laten yang digunakan adalah promosi (Z, sebagai variabel moderator), image perusahaan (X), harapan pelanggan (Y1), komplain (Y2), kepuasan (Y3), dan loyalitas (Y4). Metode analisis yang dipakai adalah Structural Equation Modeling Partial Least Squares (SEM PLS) karena data (sampel) yang akan dianalisis sedikit (n=76). Metode pengumpulan datanya diperoleh dengan cara survey di 8 keberangkatan umroh dan teknik pengambilan sampel menggunakan metode random sampling. Hasil analisisnya adalah terbentuk 9 hubungan antar variabel laten dan terbentuk 4 model persamaan. Dari 9 hubungan antar variabel laten, semua menunjukkan pengaruh yang signifikan dengan pengaruh terbesar diberikan oleh interaksi image dan promosi terhadap harapan pelanggan (1.099), sedangkan pengaruh terkecil diberikan oleh komplain terhadap loyalitas (-0.035). Dari 4 model persamaan, semua telah fits (cocok) dengan statistical power 80%, terdapat 2 model yang mempunyai hubungan kuat (model dengan Y1 dan Y4 sebagai respon) dan 2 model yang mempunyai hubungan lemah (model dengan Y2 dan Y3 sebagai respon). Kata Kunci—SEM PLS, Construct, Variabel Moderator, PT Mina Wisata Islami, Kepuasan Pelanggan, Loyalitas, Umroh
I. PENDAHULUAN
P
ERMINTAAN haji di Indonesia semakin tahun semakin tinggi dan membuat proses antrian haji yang semakin lama pula. Saat ini masyarakat Indonesia yang ingin mendaftar haji harus menunggu untuk giliirannya, minimal 15 tahun sejak pembayaran untuk ‘dapat porsi’ melalui kantor Departemen Agama [1]. Akibat antrian yang sangat lama tersebut banyak masyarakat sudah beralih dari haji regular ke haji plus atau memilih alternatif dengan umroh [1]. Jasa perjalanan haji plus dan umroh sudah tidak lagi mengurus di kantor Departemen Agama tetapi di travel swasta yang memiliki izin resmi dari kantor Departemen Agama [2]. PT Mina Wisata Islami yang berdiri pada tahun 2009 adalah salah satu travel swasta yang ikut meramaikan jasa perjalanan ibadah umroh dan haji plus khususnya di Surabaya. Status usaha pada saat sebelum menjadi PT (perusahaan terbuka), Mina travel menjalin kerjasama secara konsorsium dengan beberapa perusahaan travel di Ibu Kota, hingga pada tahun 2011 berdiri sendiri menjadi perusahaan terbuka dan telah mengantongi izin resmi travel umroh dari Departemen Agama Republik Indonesia. Dewasa ini PT Mina Wisata Islami menghadapi kompetisi yang ketat dalam penyedia jasa perjalanan umroh
dan haji plus, sesuai dengan kebijakan pemerintah melalui UU No. 5 tahun 1999 tentang larangan praktek monopoli dan UU No. 8 tahun 1999 tentang perlindungan konsumen [3]. Sebagai travel dengan fasilitas tinggi tentu persaingan bisnis untuk mendapatkan pelanggan semakin gencar. Sehingga analisis kepuasan pelanggan dan loyalitas menjadi sangat diperlukan, untuk mengetahui seberapa besar pengaruh kepuasan pelanggan, loyalitas, dan beberapa variabel lain yang memengaruhinya selama menggunakan jasa Mina, hasilnya dapat digunakan sebagai referensi evaluasi kinerja perusahaan. Pada penelitian ini, data yang dianalisis adalah jamaah yang umroh menggunakan jasa Mina di tahun 2013 dari keberangkatan pertama (setelah musim haji, 31 Januari), hingga 31 Maret. Untuk kasus ini, salah satu metode statistika yang paling populer digunakan adalah Structural Equation Modeling (SEM). SEM termasuk metode statistika yang sangat populer digunakan karena mempunyai keunggulan untuk mengetahui dan menguji beberapa variabel dependen sekaligus dengan beberapa variabel independen [4]. Menurut [5] pemodelan dalam SEM melibatkan variabel laten yang mempunyai hubungan linier dan semua nilai observasinya berdistribusi multivariat normal. SEM akan menghasilkan persamaan yang valid apabila asumsiasumsinya terpenuhi. Pada kenyataannya, tidak setiap kasus asumsi analisis SEM dapat terpenuhi, sehingga berkembang SEM dengan pendekatan Partial Least Squares (PLS) yang tidak membutuhkan asumsi (soft modeling) [5]. Penelitian ini akan menganalisis jumlah sampel yang sedikit (n=76), sehingga digunakanlah analisis SEM yang kompatibel dengan data kecil, yaitu SEM PLS. II. TINJAUAN PUSTAKA A. SEM PLS Partial Least Squares (PLS) adalah salah satu teknik SEM yang mampu menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secara langsung. PLS dikembangkan sebagai alternatif apabila teori yang digunakan lemah, data yang dianalisis sedikit, dan indikator yang tersedia tidak memenuhi model pengukuran reflektif [5]. Herman Wold sebagai pengembang PLS menyebutkan bahwa PLS sebagai ‘soft modeling’. PLS merupakan metode analisis yang powerfull, karena dapat diterapkan pada semua skala data, tidak banyak membutuhkan asumsi, dan ukuran sampel tidak harus besar. Selain dapat digunakan untuk konfirmasi teori, PLS juga dapat digunakan untuk membangun hubungan yang belum ada landasan teorinya [5].
2 B. Variabel Moderator
E. Evaluasi Model SEM PLS
Banyak penelitian dibidang manajemen, akuntansi, dan sistem informasi menggunakan variabel moderator. Variabel moderator adalah variabel independen yang memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen. Hubungan moderator ini banyak terjadi pada variabel-variabel yang mempunyai ketergantungan khusus/darurat [6]. Model hubungan pada gambar dibawah berikut ini dapat menggambarkan adanya pengaruh moderator.
Pada analisis SEM PLS tidak mengasumsikan adanya distribusi tertentu untuk estimasi parameter, maka teknik parametrik untuk menguji signifikansi parameter tidak diperlukan. Model evaluasi PLS berdasarkan pada pengukuran prediksi yang mempunyai sifat non parametrik. Sebagai rangkuman untuk evaluasi model PLS dapat dilihat pada Tabel 1. [5].
Promosi Gambar 1. Model Hubungan Moderator
Dalam Gambar 1. variabel promosi merupakan variabel moderator, karena dapat memperlemah atau memperkuat antara image dan harapan pelanggan. Teknik pengukuran untuk variabel moderator adalah dengan menstandarkan skor indikator dari variabel laten yang dimoderasi dan yang memoderasi, kemudian membuat variabel laten interaksi dengan cara mengalikan nilai standar indikator yang dimoderasi dengan yang memoderasi [6]. C. Outer Model Outer model atau yang biasa disebut model pengukuran adalah hubungan antar variabel laten dengan indikatornya. Untuk model indikator reflektif, persamaannya adalah.
x x x
y y y
Evaluasi Inner Model Penjelasan Hasil R2 sebesar >0.67; >0.33; lebih besar atau lebih kecil dari 0.19 R2 untuk variabel laten untuk variabel laten endogen dalam endogen model struktural mengindikasikan bahwa model mempunyai hubungan kuat, sedang, dan lemah Nilai estimasi untuk hubungan jalur dalam model struktural harus Estimasi koefisien jalur signifikan. Nilai signifikansi ini dapat diperoleh dengan prosedur bootstrapping (5000 resampling) Evaluasi Outer Model Kriteria Penjelasan Kriteria validitas indikator di SEM Loading factor PLS. Indikator dikatakan valid bila nilai loading factor diatas 0.7 Composite reliability mengukur internal consistency dan variabel Composite reliability laten dikatakan reliabel bila nilai composite reliability diatas 0.6 Kriteria validitas variabel laten di Average Variance SEM PLS. variabel laten dikatakan Extracted (AVE) valid bila nilai AVE diatas 0.5 Merupakan ukuran lain dari validitas diskriminan. Diharapkan setiap blok indikator memiliki Cross loading loading factor lebih tinggi untuk setiap variabel laten yang diukur, dibandingkan dengan indikator untuk variabel laten lainnya Kriteria
Harapan Pelanggan
Image
Tabel 1. Kriteria Penilaian PLS
(1)
(2) Dimana x dan y adalah indikator untuk variabel laten eksogen ( ) dan endogen ( ), sedangkan x dan y merupakan matriks loadings yang menggambarkan koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya. Residual diukur dengan x dan
y . D. Inner Model Inner model atau yang biasa disebut model struktural adalah spesifikasi hubungan antar variabel laten yang juga menunjukkan hubungan antar variabel laten berdasarkan substantive theory dari penelitian. Tanpa kehilangan sifat umumnya, diasumsikan bahwa variabel laten dan indikator di skala zero means dan unit varians sama dengan satu, sehingga parameter lokasi (konstanta) dapat dihilangkan dari model. Untuk indikator reflektif, persamaannya adalah.
F. Model Kerangka Konseptual Dalam penelitian ini, model yang akan digunakan adalah model yang dibangun oleh [7]. Variabel laten yang digunakan adalah promosi (Z, sebagai variabel moderator), image perusahaan (X), harapan pelanggan (Y1), komplain (Y2), kepuasan (Y3), dan loyalitas. Untuk lebih jelasnya bisa dilihat kerangka konseptual penelitian pada Gambar 2.
Dimana
(3) menggambarkan vektor variabel laten
endogen, adalah koefisien jalur yang menghubungkan satu variabel laten endogen dengan variabel laten endogen yang lain, adalah koefisien jalur yang menghubungkan variabel laten eksogen dengan variabel laten endogen, adalah vektor variabel laten eksogen, dan residual variabel laten endogen.
adalah vektor
Gambar 2. Kerangka Konseptual Penelitian
G. Kepuasan Dan Loyalitas Pelanggan Kepuasan adalah perasaan senang atau kecewa seseorang yang berasal dari perbandingan antara kesannya terhadap kinerja atau hasil suatu produk dan harapan-harapannya.
3 IV. PEMBAHASAN A. Karekteristik Pelanggan Dan Deskriptif Jawaban Kuisioner Karakteristik pelanggan PT Mina Wisata Islami yang akan dianalisis adalah karakteristik demografi yang meliputi jenis kelamin, usia, kota tempat tinggal, pendidikan, pekerjaan, dan informasi/referensi mengenai PT Mina Wisata Islami. Berikut adalah hasil analisisnya. Tabel 2. Digram Pie Karakteristik Pelanggan 1, 1%
III. METODOLOGI PENELITIAN 33, 4 4%
44, 58 %
Wanita
42, 5 5%
Pria
< 20
20 - 50
> 50 0, 0%
5, 7%
1, 1%
10, 13 %
18, 2 4%
5, 7% 4, 5%
52, 6 8%
57, 75 %
Surabaya
Gresik
Sidoarjo
Lainnya
SD/Sederajat
SLTP/Sederajat
SMA/Sederajat
Diploma/Sarjana
Pascasarjana 8, 11 % 17, 22 %
22, 29 %
12, 16 %
3, 4%
19, 2 5%
10, 13 % 3, 4%
4, 5%
26, 3 4% 7, 9%
Wiraswasta PNS
21, 2 8%
BUMN BUMS Iklan
Pameran
Brosur
Keluarga
Kawan
Pelajar/Mahasiswa
Dari berbagai Gambar didalam Tabel 2, urut dari atas ke bawah dan dari kiri ke kanan adalah karakteristik pelanggan berdasarkan jenis kelamin, usia, asal kota, pendidikan terakhir, dan mendapat referensi dari mana tentang PT Mina Wisata Islami. Untuk hasil deskriptif jawaban kuisioner adalah sebagai berikut. Pilihan 1-3
Pilihan 4
Pilihan 5-7
0 0 0 76 72 76 70 71 76 74 74 74 76 76 76 76 76 76 76 76 76
Image
Harapan Kepuasan Loyalitas
Y23
Y22
Y43
Y42
Y41
Y33
Y32
Y31
Y13
Y12
Z3
Promosi
Y11
Z2
Z1
X3
X2
0 40 0 42 50 0 20 20 02 0 0 0 0 0 0 X1
Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh dengan cara survey kepada jamaah yang berangkat umroh menggunakan jasa PT Mina Wisata Islami ditahun 2013, dari keberangkatan pertama (setelah musim haji, 31 Januari) hingga 31 Maret. Dalam kurun waktu tersebut terdapat 8 keberangkatan dengan total jamaah 254 orang. Setiap keberangkatan akan diambil sejumlah sampel yang berbeda dengan rumus random sampling yang setelah dihitung menghasilkan jumlah sampel sebesar 76. Untuk memilih siapa yang akan disurvey, dilakukan pengambilan responden secara acak ditiap keberangkatan. Pengukuran datanya menggunakan skala likert dari 1 (sangat tidak setuju)–7(sangat setuju). Langkah-langkah analisis dalam penelitian ini adalah sebagai berikut. 1) Mendapatkan karakteristik pelanggan (jamaah umroh), dengan alat analisis data yang digunakan adalah diagram pie dan deskriptif jawaban kuisioner dengan menggunakan bar chart. 2) Pengujian validitas dan reliabilitas data. Data dikatakan valid bila nilai loading factor ( ) lebih besar dari 0.7, nilai cross loadings disetiap indikator adalah yang terbesar terhadap variabel laten induknya, dan nilai Average Variance Extract (AVE) lebih besar dari 0.5. Data dikatakan reliabel bila composite reliability lebih besar 0.6. Apabila ada yang tidak valid/reliabel maka harus dihilangkan dalam model dan dihitung ulang hingga semua valid dan reliabel. 3) Membuat variabel moderator dengan cara menstandarkan skor indikator dari variabel laten yang dimoderasi dan yang memoderasi, kemudian membuat variabel laten interaksi dengan cara mengalikan nilai standar indikator yang dimoderasi dengan yang memoderasi 4) Menganalisis siginifikansi pengaruh secara langsung koefisien antar variabel laten berdasarkan bootstrapping dan uji-t. Kemudian membuat model persamaannya (outer & inner model). 5) Menganalisis signifikansi pengaruh secara tidak langsung (total effects) antar variabel laten berdasarkan bootstrapping uji-t.
32, 42 %
Y21
Menurut [8], kepuasan pelanggan dapat didefinisikan suatu keadaan dimana kebutuhan, keinginan, dan harapan pelanggan dapat terpenuhi melalui produk yang dikonsumsi. Sedangkan loyalitas (kesetiaan) pelanggan diartikan secara tradisional oleh [9] adalah perilaku pembelian yang berulang berdasarkan pengalaman tentang pemenuhan harapanharapannya. Kesetiaan dan kepuasan adalah hal yang sangat berbeda. Kesetiaan adalah sebuah aktifitas yang spesifik dari pelanggan kita yang terus membeli produk kita secara berkelanjutan.
Komplain
Gambar 3. Deskriptif Jawaban Kuisioner Untuk Setiap Indikator
4 Pada Gambar 3. bar chart yang ada merupakan jumlah alternatif jawaban pilihan 1-7 yang terpilih dari semua indikator disetiap variabel latennya. B. Uji Validitas Dan Reliabilitas Uji validitas dilakukan untuk mengetahui seberapa besar item-item instrumen/pertanyaan mewakili konsep/aspek yang diukur secara nyata dan akurat. Hipotesis yang akan digunakan untuk uji validitas ini adalah. H0 : Item pertanyaan tidak mengukur aspek yang sama (tidak valid) H1 : Item pertanyaan mengukur aspek yang sama (valid) Untuk uji validitas indikator, statistik ujinya menggunakan loading factor ( ) dan cross loadings (validitas diskriminan). H0 akan ditolak bila nilai loading factor lebih besar dari 0.7 dan nilai cross loadings disetiap indikator adalah yang terbesar terhadap variabel laten induknya. Untuk uji validitas variabel laten, statistik ujinya menggunakan Average Variance Extract (AVE). H0 akan ditolak bila nilai AVE lebih besar dari 0.5. Uji reliabilitas dilakukan untuk menunjukkan ketelitian kuisioner (alat ukur) yang digunakan, apakah sudah handal/konsistenkah data dari kuisioner yang telah dibagikan. Hipotesis yang akan digunakan untuk uji reliabilitas ini adalah. H0 : Hasil pengukuran tidak konsisten (tidak reliabel) H1 : Hasil pengukuran konsisten (reliabel) Untuk uji reliabilitas ini, statistik ujinya menggunakan composite reliability ( c ). H0 akan ditolak bila nilai c lebih besar dari 0.6. Dengan bantuan software SmartPLS, hasil dari uji validitas menunjukkan bahwa terdapat 2 indikator yang tidak valid (Y21 dan Y33) karena ada nilai yang kurang dari 0.7 (Y21) dan ada nilai cross loadings yang bukan yang terbesar terhadap variabel laten induknya (Y33). Indikator yang tidak valid kemudian dihilangkan dan dihitung ulang, setelah dilakukan perhitungan ulang semua indikator telah valid dan reliabel, untuk hasilnya bisa dilihat di Tabel 3. Tabel 3. Hasil Uji Validitas Dan Reliabilitas
Loading Factor
Cross Loadings
X1 X2 X3 Y11 Y12 Y13 Y22 Y23 Y31 Y32 Y41 Y42 Y43 Z1 Z2 Z3 X1 X2 X3 Y11 Y12 Y13 Y22 Y23 Y31 Y32 Y41 Y42 Y43 Z1 Z2 Z3
X 0.927 0.924 0.875
Y1
Y2
Y3
Y4
Z
0.820 0.898 0.865 0.931 0.777 0.966 0.959 0.866 0.894 0.881
0.927 0.924 0.875 0.693 0.517 0.299 -0.680 -0.351 0.726 0.503 0.635 0.727 0.856 0.739 0.765 0.594 0.826
AVE Composite 0.934 Reliability Valid Reliabel
0.674 0.424 0.477 0.820 0.898 0.865 -0.456 -0.387 0.355 0.316 0.735 0.598 0.666 0.784 0.768 0.821 0.743
-0.613 -0.485 -0.626 -0.475 -0.452 -0.327 0.931 0.777 -0.540 -0.507 -0.549 -0.484 -0.433 -0.475 -0.612 -0.557 0.735
0.568 0.661 0.543 0.619 0.143 0.090 -0.546 -0.356 0.966 0.959 0.435 0.689 0.574 0.420 0.488 0.313 0.927
0.824 0.727 0.715 0.722 0.624 0.591 -0.636 -0.223 0.650 0.588 0.866 0.894 0.881 0.715 0.788 0.794 0.775
0.875 0.926 0.882 0.852 0.592 0.614 0.737 0.838 0.703 -0.638 -0.360 0.497 0.369 0.757 0.695 0.814 0.875 0.926 0.882 0.800
0.896
0.846
0.962
0.912
0.923
C. Pembentukan Variabel Moderator Variabel moderator yang dimaksud disini adalah variabel dari hasil interaksi antara image dan promosi. Pengukuran untuk variabel moderator adalah dengan menstandarkan skor indikator dari variabel laten yang dimoderasi (image) dan yang memoderasi (promosi), kemudian membuat variabel laten moderator (interaksi) dengan cara mengalikan nilai standar indikator antara image dan promosi. Dengan bantuan software SmartPLS maka hasil secara bergambarnya adalah sebagai berikut.
Gambar 4. Kerangka Konseptual Penelitian Setelah Dibentuk Variabel Moderator
Gambar 4. adalah sebuah model yang dibangun dengan bantuan software SmartPLS. Lingkaran atau elips yang berwarna ungu adalah variabel moderator/interaksi dan persegi panjang yang berwarna hijau adalah indikator dari variabel moderator. D. Analisis Hubungan Secara Langsung Antar Variabel Laten Setelah melakukan uji validitas dan reliabilitas kemudian membuat variabel moderator, maka selanjutnya adalah menganalisis pengaruh antar variabel laten secara langsung yang disebut direct effects. Pengujian hipotesis direct effects dilakukan dengan cara membandingkan bootsrap t-statistik (5000 resampling) dan t-tabel, serta melihat koefisien jalurnya untuk mengetahui besarnya pengaruh antar variabel laten. Hipotesis yang akan digunakan untuk uji hipotesis direct effects ini adalah. H0 : Antar variabel laten tidak ada pengaruh signifikan secara langsung H1 : Antar variabel laten ada pengaruh signifikan secara langsung Untuk uji hipotesis direct effects, statistik ujinya menggunakan t-statistik yang akan dibandingkan dengan ttabel. H0 akan ditolak bila nilai t-statistik lebih besar dari ttabel(db,5%), dimana derajat bebas yang digunakan adalah n 1. Dengan bantuan software SmartPLS maka hasil analisisnya adalah sebagai berikut.
5 Tabel 4. Hasil Uji Hipotesis Direct Effects No.
1
2
3
4
5
6
7
8
9
Hipotesis Nol
Hipotesis Alternatif
Y1 -> Y2 Y1 -> Y2 Tidak ada Ada pengaruh pengaruh signifikan Y1 -> Y3 Y1 -> Y3 Tidak ada Ada pengaruh pengaruh signifikan Y1 -> Y4 Y1 -> Y4 Tidak ada Ada pengaruh pengaruh signifikan Y2 -> Y3 Y2 -> Y3 Tidak ada Ada pengaruh pengaruh signifikan Y2 -> Y4 Y2 -> Y4 Tidak ada Ada pengaruh pengaruh signifikan Y3 -> Y4 Y3 -> Y4 Tidak ada Ada pengaruh pengaruh signifikan X -> Y1 X -> Y1 Tidak ada Ada pengaruh pengaruh signifikan X*Z -> Y1 X*Z -> Y1 Tidak ada Ada pengaruh pengaruh signifikan Z -> Y1 Z -> Y1 Tidak ada Ada pengaruh pengaruh signifikan Ada pengaruh Tidak ada pengaruh
t-statistik
t-tabel (75,5%)
sebagai berikut. Besar Pengaruh (koefisien jalur)
6.928
1.665
-0.493
4.306
1.665
0.110
19.723
1.665
0.592
4.347
1.665
-0.491
2.870
1.665
-0.035
4.701
1.665
0.417
1.794
1.665
-0.802
1.714
1.665
1.099
1.822
1.665
0.475
1.
2.
3.
Tabel 5. Outer Model Yang Terbentuk
1
Outer Model X1 0.927 0.011
2
X 2 0.924 0.019
: :
: :
25
X 3 * Z 3 0.893 X * Z 0.028
Tabel 5. adalah outer model yang terbentuk, terdapat 25 model persamaan. Dalam makalah ini hanya ditulis beberapa (3) outer model saja. Sedangkan untuk inner model yang terbentuk beserta koefisien determinasinya (R2) adalah
4 411 42 2 433 4 Y4 0.592Y1 (0.035)Y2 0.417Y3 4 R2 untuk variabel endogen Y4=0.736 Interpretasi: a) Setiap harapan pelanggan bertambah satu satuan, maka loyalitas akan cenderung naik sebesar 0.756. b) Setiap komplain bertambah satu satuan, maka loyalitas akan cenderung turun sebesar 0.241. c) Setiap kepuasan bertambah satu satuan, maka loyalitas akan cenderung naik sebesar 0.417. d) Berdasarkan model diatas, loyalitas dapat dijelaskan oleh harapan pelanggan, komplain, dan kepuasan sebesar 73% sedangkan sisanya sebesar 27% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model.
Gambar 5. Model Dan Output SmartPLS Setelah Dibentuk Variabel Moderator Dan Indikator Yang Tidak Valid Dihilangkan
No.
R2 untuk variabel endogen Y2=0.243 Interpretasi: a) Setiap harapan pelanggan bertambah satu satuan, maka komplain akan cenderung turun sebesar 0.493. b) Berdasarkan model diatas, komplain dapat dijelaskan oleh harapan pelanggan hanya sebesar 24% sedangkan sisanya sebesar 76% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model. 3 311 32 2 3 Y3 0.110Y1 (0.491)Y2 3 R2 untuk variabel endogen Y3=0.306 Interpretasi: a) Setiap harapan pelanggan bertambah satu satuan, maka kepuasan akan cenderung naik sebesar 0.352. b) Setiap komplain bertambah satu satuan, maka kepuasan akan cenderung turun sebesar 0.491. c) Berdasarkan model diatas, kepuasan dapat dijelaskan oleh harapan pelanggan dan komplain hanya sebesar 30% sedangkan sisanya sebesar 70% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model.
Pada Tabel 4, dari 9 hipotesis direct effects yang dibangun semua terbukti secara statistik mempunyai pengaruh yang signifikan.
Gambar 5. adalah model yang dibangun dengan bantuan software SmartPLS yang telah dirunning dengan PLS Algorithm untuk mengetahui koefisien jalurnya, sedangkan untuk mendapatkan t-statistik dan standard error, software SmartPLS dirunning dengan bootstrapping (5000 resampling). Setelah melakukan uji hipotesis dan hasilnya adalah terdapat hubungan yang signifikan, maka selanjutnya akan ditransformasi kedalam persamaan outer dan inner model. Berikut adalah outer model yang terbentuk untuk tiap indikator.
2 211 2 Y2 0.493Y1 2
4.
* 1 11 12 Z Z 1 Y1 0.802 X 0.475Z 1.099 XZ 1 R2 untuk variabel endogen Y1=0.808 Interpretasi: a) Setiap image bertambah satu satuan, maka harapan pelanggan akan cenderung turun sebesar 0.802. b) Setiap promosi bertambah satu satuan, maka harapan pelanggan akan cenderung naik sebesar 0.475. c) Setiap interaksi antara image dan promosi bertambah satu satuan, maka harapan pelanggan akan cenderung naik sebesar 1.099. d) Berdasarkan model diatas, harapan pelanggan dapat dijelaskan image, promosi, dan interaksi
6 antara image dan promosi adalah sebesar 80% sedangkan sisanya sebesar 20% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model. E. Analisis Hubungan Secara Tidak Langsung Antar Variabel Laten Untuk mengetahui hubungan tidak langsung antar variabel laten adalah dengan uji hipotesis indirect effects (total effects). Kesimpulan yang ingin didapat dari uji hipotesis indirect effects adalah apakah antar variabel laten mempunyai pengaruh yang signifikan secara tidak langsung. Pengujian hipotesis indirect effects dilakukan dengan cara yang sama seperti uji direct effects, yaitu dengan membandingkan t-statistik dan t-tabel serta melihat nilai total effects untuk mengetahui besarnya pengaruh antar variabel laten. Hipotesis yang akan digunakan untuk uji hipotesis indirect effects ini adalah. H0 : Antar variabel laten tidak ada pengaruh signifikan secara tidak langsung H1 : Antar variabel laten ada pengaruh signifikan secara tidak langsung Untuk uji hipotesis direct effects ini, statistik ujinya menggunakan bootsrap t-statistik (5000 resampling) yang akan dibandingkan dengan t-tabel. H0 akan ditolak bila nilai t-statistik lebih besar dari t-tabel(db,5%), dimana derajat bebas yang digunakan adalah n – 1. Dengan bantuan software SmartPLS maka hasil analisisnya adalah sebagai berikut. Tabel 6. Hasil Uji Hipotesis Indirect Effects No.
Hipotesis Nol
Hipotesis Alternatif
tstatistik
ttabel
Besar Hubungan
V. KESIMPULAN Setelah melakukan analisis, maka kesimpulannya adalah terbentuk 9 hubungan antar variabel laten dan terbentuk 4 model persamaan. Dari 9 hubungan antar variabel laten, semua menunjukkan pengaruh yang signifikan dengan pengaruh terbesar diberikan oleh interaksi image dan promosi terhadap harapan pelanggan, ada 2 indikator yang tidak valid, satu di indikator komplain dan satu di indikator kepuasan. Dari 4 model persamaan, semua telah fits (cocok) dengan statistical power 80%, terdapat 2 model yang mempunyai hubungan kuat (model dengan harapan pelanggan dan loyalitas sebagai respon) dan 2 model yang mempunyai hubungan lemah (model dengan komplain dan kepuasan sebagai respon). Rekomendasi bagi Mina adalah meningkatkan promosi yang juga bisa memperkuat image secara bersamaan, sebagai contoh adalah dengan membuat promosi melalui stiker yang ditempel di mobil kantor. Dengan begitu maka akan membuat image perusahaan terlihat sangat berbobot (mewah dan good branding) sekaligus berpromosi secara menarik. Saran yang dapat diberikan untuk peneliti selanjutnya agar mengembangkan lagi model yang terbentuk dengan menggali lebih luas variabel-variabel yang dapat berpengaruh khususnya terhadap kepuasan dan komplain, karena R2 yang didapat masih rendah. Kemudian adalah dengan melakukan perbandingan apabila tidak menggunakan variabel moderator dengan data yang sama, sehingga terlihat kontribusi variabel moderator dalam kebaikan model.
(75,5%)
1
2
3
4
5
6
7
8
9
X -> Y2 X -> Y2 Tidak ada Ada pengaruh pengaruh signifikan X -> Y3 X -> Y3 Tidak ada Ada pengaruh pengaruh signifikan X -> Y4 X -> Y4 Tidak ada Ada pengaruh pengaruh signifikan X*Z -> Y2 X*Z -> Y2 Tidak ada Ada pengaruh pengaruh signifikan X*Z -> Y3 X*Z -> Y3 Tidak ada Ada pengaruh pengaruh signifikan X*Z -> Y4 X*Z -> Y4 Tidak ada Ada pengaruh pengaruh signifikan Z -> Y2 Z -> Y2 Tidak ada Ada pengaruh pengaruh signifikan Z -> Y3 Z -> Y3 Tidak ada Ada pengaruh pengaruh signifikan Z -> Y4 Z -> Y4 Tidak ada Ada pengaruh pengaruh signifikan Ada pengaruh Tidak ada pengaruh
UCAPAN TERIMAKASIH 1.939
1.665
0.395
1.858
1.665
-0.282
1.899
1.665
-0.607
0.970
1.665
-0.541
0.880
1.665
0.386
1.016
1.665
0.831
Penulis mengucapkan terima kasih kepada PT Mina Wisata Islami khususnya Bapak Rachmat Wicaksono Kinaloka selaku pemilik PT Mina Wisata Islami, yang telah memberikan kesempatan kepada penulis untuk dapat melakukan penelitian tugas akhir. DAFTAR PUSTAKA [1]
[2] 1.766
1.665
-0.234
1.741
1.665
0.167
0.802
1.665
0.360
Tabel 6. adalah tabel yang diolah dari output SmartPLS. Berdasarkan perhitungan t-statistik yang telah dibandingkan dengan t-tabel(75,5%), terdapat 4 hipotesis yang menyatakan H0 gagal ditolak, yang menyimpulkan tidak ada pengaruh signifikan secara tidak langsung, karena nilai t-statistiknya dibawah nilai t-tabel(75,5%). Variabel laten yang termasuk kategori tidak ada hubungan secara tidak langsung adalah interaksi antara image dan promosi (X*Z) dengan, komplain (Y2), kepuasan (Y3), dan loyalitas (Y4) serta promosi dengan loyalitas.
[3]
[4] [5]
[6]
[7]
[8] [9]
Kompasiana, 2013, Dipetik 1 Februari 2013, dari http://wisata.kompasiana.com/jalan-jalan/2013/02/21/antrian-haji-10tahun-lebih-paket-umroh-murah-plus-solusinya-536788.html. Kemenag, 2013, Dipetik 1 Februari 2013, dari http://haji.kemenag.go.id/index.php/subMenu/569. Syafiq, H., A., 2005, Analisis Pengaruh Kualitas Layanan, Kepercaya dan Kepuasan Terhadap Loyalitas Pelanggan Telkomspeedy dengan Metode Structural Equation Modeling, Laporan Thesis: Program Studi Magister Manajemen Teknologi ITS. Suliyanto, 2011, Ekonometrika Terapan, ANDI, Yogyakarta. Hair, J., F., Jr., Hult, G., T., M., Ringle, C., M., Sarstedt., Marko, 2013, A Primer On Partial Least Squares Structural Equation Modeling (PLS-SEM), SAGE Publications, USA. Ghozali, I., 2011, Structural Equation Modeling Metode Alternatif Dengan Partial Least Square, Edisi 3, Badan Penerbit Universitas Diponegoro, Semarang. Wiyono, G., 2011, Merancang Penelitian Bisnis Dengan Alat Statistik SPSS & SmartPLS, Unit Penerbit Dan Percetakan STIM YKPN, Yogyakarta. Nasution, 2001, Manajemen Mutu Terpadu (Total Quality Manajemen), Ghalia Indonesia, Jakarta. Tjiptono, F., & Chandra, G., 2011, Service, Quality & Satisfaction, Edisi 3, ANDI, Yogyakarta.
