APLIKASI REGRESI LOGISTIK ORDINAL UNTUK MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA
SKRIPSI
Oleh: MAJID ALBANA NPM. 064108017
PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM UNIVERSITAS PAKUAN 2013
APLIKASI REGRESI LOGISTIK ORDINAL UNTUK MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA
SKRIPSI Diajukan Sebagai Salah Salah Satu Syarat untuk Memperoleh Gelar Sarjana pada Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan
Oleh: MAJID ALBANA NPM. 064108017
PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM UNIVERSITAS PAKUAN 2013
i
ii
RIWAYAT HIDUP
Majid Albana (064108017) dilahirkan pada tanggal 4 November 1990 di Depok, Jawa Barat. Penulis adalah anak pertama dari tiga bersaudara dari pasangan Bapak Mistam dan Ibu Murnihati. Pada tahun 1996, penulis terdaftar sebagai siswa SD Negeri 04 Depok Baru – Depok dan lulus tahun 2002. Kemudian penulis melanjutkan sekolah ke SLTP Negeri 1 Cibungbulang –
Bogor dan lulus tahun 2005. Pada tahun 2005 penulis
melanjutkan pendidikan ke SMA Negeri 1 Leuwiliang – Bogor dan lulus tahun 2008. Setelah lulus SMA tahun 2008 penulis melanjutkan ke jenjang pendidikan Program S1 Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan Bogor. Pada masa kuliah pada bulan Januari 2011, penulis melaksanakan Praktek Kerja Lapang (PKL) selama 1 bulan yang bertempat di PT. Kereta Api Indonesia (Persero) Daop 1 Jakarta. Selama menjadi mahasiswa Universitas Pakuan, penulis aktif dalam organisasi Himpunan Mahasiswa Matematika (HIMATIKA) periode 2008 s.d. 2011. Pada tahun Juni 2011 penulis berhasil menjadi pegawai PT. Kereta Api Indonesia (Persero) dan bekerja sebagai staff operasi perjalanan kereta api dan KRL di PT. Kereta Api Indonesia (Persero) Daop 1 Jakarta. Tepat pada tanggal 18 Maret 2012 penulis menghabiskan masa lajangnya dengan menikahi seorang gadis bernama Maria Ulfah yang berprofesi sebagai bidan dan telah dianugrahi seorang putri cantik bernama Maisyanova Ayrazka Albana.
iii
RINGKASAN
MAJID ALBANA, Aplikasi Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota. Di bawah bimbingan FITRIA VIRGANTARI dan ANI ANDRIYATI. Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota. Atribut-atribut yang dianalisis yaitu 26 variabel independen dan 1 variabel dependen. Variabel independen terdiri atas 26 variabel yang terbagi ke dalam 3 aspek yaitu 11 variabel aspek pelayanan meliputi alur kendaraan, dropping penumpang, lokasi toilet, fasilitas pendukung, tempat duduk, tempat sampah, kebersihan toilet, turun naik penumpang, masuk keluar penumpang, porter; 8 variabel aspek keamanan meliputi ruang tunggu, area parkir, loket, lokasi petugas, keramahan petugas keamanan, kondisi kriminalitas, keberadaan pedagang dan sikap pedagang dan 7 variabel aspek komersial meliputi lokasi customer care, keramahan customer care, lokasi loket, antrian, complain solution, keramahan petugas loket dan waktu antrian sedangkan variabel dependennya adalah penilaian pelayanan stasiun Jakarta Kota secara global. Model regresi logistik ordinal digunakan sebagai metode analisisnya. Data penelitian didapat dengan cara membagikan kuisioner kepada 200 responden di stasiun Jakarta Kota pada waktu peak hour. Hasil penelitian menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap kepuasan pengguna jasa di stasiun Jakarta Kota adalah lokasi toilet, kebersihan stasiun, turun naik penumpang, masuk keluar penumpang, ruang tunggu, loket, keramahan petugas keamanan, sikap pedagang, serta keramahan petugas customer care. Model regresi logistik ordinal aspek pelayanan, aspek keamanan dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 81,7%. Berdasarkan rasio odd dari 200 responden diketahui peluang pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar 12,71 kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan 1,1 kali dibandingkan jawaban baik.
Kata kunci : kepuasan pelanggan, regresi logistik ordinal, rasio odds.
iv
KATA PENGANTAR Puji syukur kepada Tuhan Yang Maha Esa karena atas berkat dan karuniaNya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Aplikasi Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota”. Shalawat serta salam senantiasa diberikan kepada junjungan Nabi Muhammad SAW beserta keluarga, sahabat dan para pengikutnya. Skripsi yang penulis susun berisi tentang penelitian tingkat kepuasan pengguna jasa kereta api dilihat dari pelayanan yang ada di stasiun Jakarta Kota menggunakan model regresi logistik ordinal dengan menggunakan kuisioner. Penulis berharap apa yang tertulis dalam skripsi ini dapat berguna bagi mahasiswa dan masyarakat yang membacanya. Penyusunan laporan skripsi ini tidak terhitungkan masalah dan hambatan yang datang, namun berkat dukungan, bantuan, bimbingan serta doa, skripsi ini dapat terselesaikan. Ucapan terima kasih penulis ucapkan kepada: 1. Ibu Dr. Fitria Virgantari, M.Si, Ir selaku pembimbing I. 2. Ibu Ani Andriyati, M.Si selaku pembimbing II. 3. Orang tua dan keluarga tercinta yang telah memberikan dukungan baik secara moril maupun materil. 4. Tim ISO 9001:2008 SMM Daop 1 Jakarta. 5. Rekan-rekan mahasiswa matematika angkatan 2008. Terlepas dari semua itu, penulis menyadari bahwa dalam skripsi masih terdapat kesalahan dan kekurangan dalam penulisannya. Kritik dan saran sangat penulis harapkan untuk perbaikan dan acuan dalam laporan hasil penelitian di kemudian hari. Bogor, April 2013
Penulis
v
DAFTAR ISI HALAMAN PENGESAHAN .................................................................... i HALAMAN PERNYATAAN ..................................................................... ii RIWAYAT HIDUP ..................................................................................... iii RINGKASAN .............................................................................................. iv KATA PENGANTAR ................................................................................ v DAFTAR ISI .............................................................................................. vi DAFTAR TABEL ...................................................................................... viii DAFTAR GAMBAR .................................................................................. ix DAFTAR LAMPIRAN ............................................................................... x BAB I PENDAHULUAN 1.1 Latar Belakang ............................................................................. 1 1.2 Rumusan Masalah ........................................................................ 3 1.3 Tujuan ......................................................................................... 3 1.4 Manfaat ........................................................................................ 4 BAB II TINJAUAN PUSTAKA 2.1 Kualitas Pelayanan ....................................................................... 5 2.2 ISO 9001 : 2008 Sistem Manajemen Mutu ................................... 7 2.3 Model Linear yang Digeneralisasikan .......................................... 9 2.4 Model Logit ................................................................................. 11 2.5 Regresi Logistik ........................................................................... 12 2.5.1 Model Regresi Logistik ........................................................ 12 2.5.2 Interpretasi Parameter dalam Model Regresi Logistik .......... 14 2.5.3 Asumsi-Asumsi Regresi Logistik ......................................... 14 2.6 Regresi Logistik Ordinal .............................................................. 15 2.6.1 Model Logit Kumulatif ........................................................ 15 2.6.2 Metode Kemungkinan Maksimum ....................................... 16 2.6.3 Fungsi Likelihood ................................................................ 17
vi
2.6.4 Uji Statistik D ...................................................................... 18 2.6.5 Uji Keberartian Model.......................................................... 18 2.6.6 Uji Keberartian Parameter secara Parsial ............................. 19 2.7 Rasio Odds ................................................................................... 19 BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Sumber Data ................................................................. 21 3.2 Variabel Operasional .................................................................... 21 3.3 Metode Analisis ........................................................................... 23 BAB IV PEMBAHASAN 4.1 Uji Validitas dan Reliabilitas Kuisioner ....................................... 30 4.1.1 Uji Validitas ........................................................................ 30 4.1.2 Uji Reliabilitas ..................................................................... 32 4.1.3 Uji Multikolinearitas ............................................................ 32 4.2 Deskripsi Responden .................................................................... 34 4.3 Model Regresi .............................................................................. 37 4.4 Pengujian Parameter Model Regresi ............................................. 40 4.4.1 Uji Kebaikan Model (Goodness of Fit)................................. 40 4.4.2 Uji Keberartian Model ......................................................... 41 4.4.3 Uji Wald .............................................................................. 42 4.5 Intrepretasi Model ........................................................................ 43 4.5.1 Koefisien Determinasi Model............................................... 43 4.5.2 Rasio Odds .......................................................................... 44 BAB V PENUTUP 5.1 Kesimpulan ................................................................................... 47 5.2 Saran............................................................................................. 48
DAFTAR PUSTAKA ................................................................................. 49 LAMPIRAN ............................................................................................... 50
vii
DAFTAR TABEL 1.
Tipe Model Analisis Statistika ............................................................ 9
2.
Fungsi Hubungan Kanonik .................................................................. 11
3.
Variabel Penelitian .............................................................................. 22
4.
Skala Kepuasan ................................................................................... 24
5.
Hasil Uji Validitas .............................................................................. 31
6.
Uji Reliabilitas .................................................................................... 32
7.
Hasil Uji Multikolinearitas .................................................................. 33
8.
Model Regresi .................................................................................... 38
9.
Kebaikan Model ................................................................................. 40
10.
Uji Statistik G ...................................................................................... 41
11.
Uji Wald ............................................................................................. 42
12.
Koefisien Determinasi ........................................................................ 43
13.
Frekuensi Jawaban .............................................................................. 44
14.
Sampel Jawaban Responden ............................................................... 45
viii
DAFTAR GAMBAR 1.
Delapan Prinsip Manajemen ............................................................. 8
2.
Kurva Model Regresi Logistik ............................................................ 13
3.
Flowchart Metode Analisis ................................................................ 23
4.
Usia Responden ................................................................................. 34
5.
Jenis Kelamin Responden ................................................................... 35
6.
Latar Belakang Pendidikan Responden ............................................... 35
7.
Pekerjaan Responden .......................................................................... 36
8.
Rutinitas Responden Menggunakan KA dalam 1 Bulan ...................... 36
9.
Tujuan Responden Menggunakan KA ................................................. 37
10.
Keragaman Variabel Defenden Terhadap Variabel Independen ........... 44
ix
DAFTAR LAMPIRAN 1.
Pembuktian Persamaan Tujuh ............................................................. 49
2.
Kuisioner Penelitian ............................................................................ 50
3.
Operasionalisasi Variabel..................................................................... 52
4.
Variabel View dan Data View dalam software SPSS............................ 56
5.
Hasil Uji Validitas ............................................................................... 57
x
BAB I PENDAHULUAN 1.1
Latar Belakang Sistem transportasi di Indonesia sangatlah berperan penting sebagai
penunjang, pendorong dan penggerak roda perekonomian dalam upaya peningkatan dan pemerataan pembangunan serta hasil-hasilnya. PT. Kereta Api Indonesia (KAI) Persero sebagai BUMN penyedia jasa moda transportasi menjadikan kereta api sebagai suatu pilihan tepat bagi masyarakat untuk dapat menempuh perjalanan tanpa hambatan. Kereta api dipilih karena memiliki karakteristik dan keunggulan yang lebih dibandingkan jasa angkutan lainnya seperti angkutan umum kota, bus, taksi dan travel. Selain itu kereta api mempunyai keunggulan dalam kapasitas angkut, baik orang maupun barang secara masal dan yang terpenting adalah time traveler yang lebih cepat dari transportasi darat lainnya. Tidak heran bila kereta api menjadi angkutan transportasi darat yang sangat diminati para penumpang untuk dapat dengan cepat sampai tujuan. Ramainya pengguna jasa kereta api menunjukkan bahwa kereta api menjadi transportasi darat yang relatif tinggi peminatnya. Menurut data penumpang seksi Angkutan Daop 1 Jakarta periode tahun 2011 menunjukan bahwa setiap harinya di Daop 1 Jakarta terdapat lebih dari 400.000 penumpang yang menggunakan jasa kereta api baik Kereta Rel Listrik (KRL), Kereta Rel Diesel (KRD), KA Lokal dan KA jarak jauh. Data ini pun selalu meningkat dari tahun ke tahunnya. Pelayanan Prima merupakan salah satu dari 5 nilai pilar utama PT. KAI (Persero) dalam berbagai usaha yang bersifat jasa untuk meraih persaingan pasar antar moda transportasi disamping peningkatan mutu dan bentuk-bentuk pelayanan lain. Memberikan pelayanan yang terbaik akan menimbulkan dampak positif dalam organisasi atau perusahaan, melalui berbagai cara, teknik, dan metode yang dapat menarik lebih banyak konsumen dan menjadi ciri bagi perusahaan dalam memberikan pelayanan yang memuaskan (Septina, 2011).
1
Kualitas pelayanan prima yang bertujuan menarik simpatik konsumen merupakan hal pokok yang harus selalu dipertahankan dan ditingkatkan oleh perusahaan terutama oleh PT. KAI (Persero). Pada umumnya masyarakat memilih produk yang mengutamakan kenyamanan. Kenyamanan bertransportasi kereta api yang akan berdampak pada kepuasan pengguna jasa antara lain pelayanan penjualan tiket yang ramah dan cepat, beroperasinya kereta secara rutin dan tepat waktu, lingkungan tertib dan teratur, ruang tunggu yang nyaman, bersih dan rapi, lingkungan stasiun yang sehat serta dilengkapi dengan fasilitas pendukung pelayanan seperti toilet, tempat ibadah dan lain-lain. Hal tersebut juga harus didukung oleh semua karyawan dalam perusahaan PT. KAI (Persero). Mulai pada tahun 2011, PT. KAI (Persero) telah menghasilkan kualitas jasa yang sesuai dengan ISO 9001 : 2008 Sistem Manajemen Mutu (SMM) yang lebih mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa mengimplementasi sistem manajemen mutu. Selain itu ISO 9001 : 2008 SMM berfokus pada efektifitas proses continual improvement dengan pilar utama pola berpikir PDCA (Plan, Do, Check, Action). Berdasarkan ISO 9001 : 2008 SMM PT. KAI (Persero) khususnya Daop 1 Jakarta telah memiliki stasiun bersertifikasi ISO, salah satunya adalah stasiun Jakarta Kota. Selama ini banyak penelitian terhadap pelayanan yang diberikan oleh PT. KAI (Persero) terhadap pengguna jasa. Namun, pada penelitian sebelumnya belum terdapat penelitian tentang pelayanan di stasiun dan penelitian sebelumnya hanya menggunakan metode kuantitatif umum yaitu regresi linear sederhana seperti yang dilakukan oleh Roji (2008) dan Septina (2011) yang melakukan penelitian terhadap pelayanan di atas kereta api. Metode tersebut hanya menghasilkan gambaran secara umum hasil penelitian tingkat kepuasan pengguna jasa kereta api sedangkan pada penelitian ini menggunakan analisis regresi logistik ordinal.Menurut Garson (2008) mempunyai asumsi bahwa regresi logistik tidak mengasumsikan suatu hubungan yang linear antara variabel respon dengan variabel bebasnya, tetapi mengasumsikan hubungan yang linear antara log odds dari variabel responnya dengan variabel bebasnya, sehingga hasil penelitian yang
2
didapat lebih spesifik menggambarkan model persamaan tingkat pengguna jasa kereta api terhadap tingkat kepuasannya. Aplikasi regresi logistik ordinal digunakan untuk mengetahui lebih jauh hubungan antara kepuasan pengguna jasa terhadap kualitas pelayanan. Caranya dengan melakukan penelitian mengenai analisis regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api untuk KA jarak jauh dan KA lokal non KRL PT. KAI (Persero) terhadap pelayanan stasiun Jakarta Kota.
1.2
Rumusan Masalah Melihat hal-hal yang berkaitan tentang persoalan tingkat kepuasan pengguna
jasa kereta api stasiun terhadap pelayanan di stasiun Jakarta Kota maka diperlukan cara untuk mengetahui karakteristik prilaku dari pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL distasiun tersebut. Karakteristik prilaku dari pengguna jasa kereta api stasiun Jakarta Kota dapat dijadikan faktor-faktor yang mempengaruhi tingkat kepuasan pengguna jasa sehingga faktor yang dominan dapat diperbaiki dikemudian hari agar pelayanan di stasiun sesuai dengan prinsip ISO 9001:2008 yaitu PDCA (Plan, Do, Check and Action). Prinsip PDCA yang dilakukan oleh PT. KAI (Persero) sementara ini masih bersifat deskriptif sehingga diperlukan bentuk model regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun bersertifikasi ISO 9001 : 2008 SMM agar faktor-faktor yang dominan dapat diketahui dan dikerjakan sesuai prinsip PDCA.
1.3
Tujuan Tujuan dari penelitian analisis regresi ordinal untuk menganalisis tingkat
kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota adalah: 1.
Mengidentifikasi prilaku dari pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL di stasiun Jakarta Kota.
3
2.
Mengetahui faktor-faktor yang mempengaruhi tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota.
3.
Mengaplikasikan model analisis regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota.
1.4
Manfaat Manfaat dari penelitian analisis tingkat kepuasan pengguna jasa kereta api
KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota adalah: 1. Hasil dari penelitian diharapkan memberikan sumbangan pemikiran bagi perusahaan jasa bidang transportasi PT. KAI (Persero) Daop 1 Jakarta khususnya stasiun Jakarta Kota untuk dijadikan saran dalam meningkatkan kualitas pelayanan di stasiun Jakarta Kota serta dapat berorentasi pada kepuasaan konsumen sebagai salah satu dari 5 nilai perusahaan yaitu pelayanan prima kepada pelanggan. 2. Penelitian dapat digunakan untuk mengaplikasikan teori-teori yang sudah diperoleh selama perkuliahan dan melihat perbandingan antara teori dan hasil di lapangan. 3. Penelitian dapat dijadikan sebagai acuan dalam penelitian karya ilmiah yang sesuai dengan standar kompetensi yang berlaku dan sebagai bahan penelitian selanjutnya. 4. Penelitian dapat dijadikan sebagai bahan informasi mengenai kualitas pelayanan yang ada di stasiun Jakarta Kota, serta dapat dijadikan bahan perbandingan dengan kualitas pelayanan jasa stasiun lain yang telah bersertifikasi ISO 9001 : 2008 SMM.
4
BAB II TINJAUAN PUSTAKA 2.1
Kualitas Pelayanan Kualitas pelayanan publik merupakan salah satu yang menjadi perhatian
utama bagi masyarakat umum yang diselenggarakan oleh pemerintah dan penyedia jasa publik. Peningkatan kualitas pelayanan publik yang diselenggarakan oleh instansi pemerintahan pada saat ini menjadi sorotan bahkan menjadi tuntutan masyarakat. Persoalan yang sering dikritik masyarakat atau para penerima layanan adalah persepsi terhadap “kualitas” yang melekat pada seluruh aspek pelayanan. Tjiptono (1996) menyebutkan istilah “kualitas” mencakup pengertian: 1. Kesesuaian dengan persyaratan. 2. Kecocokan untuk pemakaian. 3. Perbaikan berkelanjutan. 4. Bebas dari kerusakan/cacat. 5. Pemenuhan kebutuhan pelanggan sejak awal dan setiap saat. 6. Melakukan segala sesuatu secara benar. 7. Sesuatu yang bisa membahagiakan pelanggan.
Namun demikian setiap jenis pelayanan publik yang diselenggarakan oleh instansi-instansi pemerintah tentu mempunyai kriteria kualitas tersendiri. Hal ini terkait erat dengan atribut pada masing-masing jenis pelayanan. Ciri-ciri yang ada dalam kualitas tersebut menurut Tjiptono (1996) adalah: 1. Ketepatan waktu pelayanan meliputi waktu tunggu dan waktu proses. 2. Akurasi pelayanan meliputi bebas dari kesalahan-kesalahan. 3. Kesopanan dan keramahan dalam memberikan pelayanan. 4. Kemudahan mendapatkan pelayanan, misalnya banyaknya petugas yang melayani dan banyaknya fasilitas pendukung seperti komputer. 5. Kenyamanan memperoleh pelayanan, berkaitan dengan lokasi, ruang tempat pelayanan, tempat parkir, ketersediaan informasi dan lain-lain.
5
6. Atribut pendukung pelayanan lainnya seperti ruang tunggu ber AC, kebersihan dan lain-lain.
Menurut pendapat diatas diketahui bahwa kualitas pelayanan mencakup berbagai faktor yaitu kualitas pelayanan publik merupakan hasil interaksi aspek pelayanan, sumber daya manusia, strategi dan pengguna jasa. Tuntutan pengguna jasa untuk mendapatkan pelayanan yang lebih baik (service excellence) tidak dapat dihindari oleh penyelenggara pelayanan jasa. Tuntutan tersebut harus disikapi sebagai upaya dalam memberikan kepuasan kepada pelanggan. Kepuasan penerima layanan sangat berkaitan dengan kualitas pelayanan yang diberikan seperti yang diungkapkan Tjiptono (1996) bahwa kualitas memiliki hubungan yang sangat erat dengan kepuasan pelanggan. Menurut Kotler dalam Tjiptono (1996) mengatakan bahwa kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan kinerja atau hasil yang dirasakan dibandingkan dengan harapannya. Setiap pelanggan tentu menghendaki kepuasan dalam menerima suatu layanan sedangkan ukuran keberhasilan penyelenggaraan pelayanan ditentukan oleh tingkat kepuasan penerima layanan. Kepuasan penerima layanan dicapai apabila penerima layanan memperoleh pelayanan sesuai dengan yang dibutuhkan dan diharapkan. Kebutuhan para penerima layanan harus dipenuhi oleh pihak penyelenggara pelayanan agar para penerima layanan tersebut memperoleh kepuasan maka dari itu diperlukan suatu pemahaman tentang konsepsi kualitas pelayanan. Menurut Tjiptono (1996) kualitas pelayanan diartikan sebagai tingkat keunggulan yang diharapkan dan pengendalian atas tingkat keunggulan tersebut untuk memenuhi keinginan pelanggan. Kualitas pelayanan bukanlah dilihat dari sudut pandang pihak penyelenggara atau penyedia layanan melainkan berdasarkan persepsi masyarakat (pelanggan) penerima layanan. Berdasarkan penjelasan di atas maka pengertian kualitas pelayanan adalah terpenuhinya karakteristik suatu konsep pelayanan yang mencakup seluruh aspek pelayanan dan tolak ukur kualitas pelayanan itu adalah dapat memberi kepuasan kepada para pelanggan atau penerima layanan.
6
2.2
ISO 9001 : 2008 Sistem Manajemen Mutu ISO 9001 merupakan standar international yang mengatur tentang sistem
manajemen mutu (Quality Management System) oleh karena itu seringkali disebut sebagai “ISO 9001 QMS”. Adapun tulisan “2008” menunjukkan tahun revisi maka ISO 9001 : 2008 adalah sistem manajemen mutu ISO 9001 hasil revisi tahun 2008. Seiring perkembangan zaman dan kemajuan teknologi terutama semakin luasnya dunia usaha maka kebutuhan akan pengelolaan sistem manajemen mutu semakin dirasa perlu dan mendesak untuk diterapkan pada berbagai
scope
industry yang semakin hari semakin beragam. Organisasi pengelola standar international ini adalah International Organization for Standardization yang bermarkas di Geneva – Swiss, didirikan pada 23 Februari 1947, kini beranggotakan lebih dari 147 negara yang mana setiap negara diwakili oleh badan standardisasi nasional. ISO 9001 : 2008 lebih mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa mengimplementasi sistem manajemen mutu ISO 9001. Selain itu ISO 9001 : 2008 berfokus pada efektifitas proses continual improvement dengan pilar utama pola berpikir PDCA (Plan, Do, Check, Action) dalam setiap prosesnya senantiasa melakukan kegiatan sebagai berikut: 1. Perencanaan yang matang (Plan). 2. Implementasi yang terukur dengan jelas (Do). 3. Dilakukan evaluasi dan analisis data yang akurat (Check). 4. Tindakan perbaikan yang sesuai dan monitoring pelaksanaannya agar benar-benar bisa menuntaskan masalah yang terjadi di organisasi (Action).
Pilar berikutnya yang digunakan demi mensukseskan proses implementasi ISO 9001 : 2008 SMM, ditetapkanlah delapan prinsip manajemen mutu yang bertujuan untuk mengimprovisasi kinerja sistem agar proses yang berlangsung sesuai dengan fokus utama yaitu effectivitas continual improvement. Delapan prinsip manajemen yang dimaksud adalah:
7
Mutual Beneficial Supplier Relationship
Customer Focus
Factual Approach Decision Making
Leadership
Continual Improvement
Involvement Of People
System Approach Management
Process Approach
Gambar 1. Delapan Prinsip Manajemen
1. Customer focus: Semua aktifitas perencanaan dan implementasi sistem semata-mata untuk memuaskan konsumen. 2. Leadership: Pimpinan tertinggi berfungsi sebagai pemimpin dalam mengawal implementasi sistem bahwa semua gerak organisasi selalu terkontrol dalam satu komando dengan komitmen yang sama dan gerak yang sinergi pada setiap elemen organisasi. 3. Involvement of people: Semua elemen dalam organisasi terlibat dan concern dalam implementasi sistem manajemen mutu sesuai fungsi kerjanya masingmasing, bahkan hingga office boy sekalipun hendaknya senantiasa melakukan yang terbaik dan membuktikan kinerjanya layak serta berkualitas pada fungsinya sebagai office boy. 4. Process approach: Aktifitas implementasi sistem selalu mengikuti alur proses yang terjadi dalam organisasi. Pendekatan pengelolaan proses dipetakan melalui proses bisnis. 5. System approach management: Implementasi sistem mengedepankan pendekatan pada cara pengelolaan (manajemen) proses bukan sekedar menghilangkan masalah yang terjadi. Oleh karena itu konsep
kaizen,
continual improvement sangat ditekankan. Pola pengelolaannya bertujuan
8
memperbaiki cara dalam menghilangkan akar (penyebab) masalah dan melakukan improvement untuk menghilangkan potensi masalah. 6. Continual improvement adalah roh implementasi ISO 9001 : 2008 SMM. 7. Factual approach decision making: Keputusan dalam implementasi sistem selalu didasarkan pada fakta dan data. Tidak ada data (bukti implementasi) sama dengan tidak dilaksanakannya sistem ISO 9001 : 2008 SMM. 8. Mutual beneficial supplier relationship: supplier adalah mitra usaha atau partner bisnis karena itu harus terjadi pola hubungan saling menguntungkan.
2.3
Model Linear yang Digeneralisasikan Model linear yang digeneralisasi sebagai suatu cara untuk menyatukan
model statistika yang berbeda dengan satu aturan yaitu menyatukan model regresi dan model desain eksperimen. Menyatukan model regresi linear biasa yang berdistribusi normal dan model nonlinear seperti logistik dan regresi Poisson (Montgomery et al, 2006). Tabel 1 memperlihatkan tipe model statistika yang berbeda. Tabel 1. Tipe Model Analisis Statistika Komponen Acak Normal Normal Normal Bernouli Poisson Multinomial
Fungsi Hubungan Identitas Identitas Identitas Logit Log Logit yang digeneralisasi
Komponen Sistematik Kontinu Kategorik Campuran Campuran Campuran Campuran
Model Regresi Analisis Varians Analisis Kovarians Regresi logistik biner Loglinear Regresi Logistik Multinomial
Agresti (1990) menjelaskan konsep keluarga model linear
yang
digeneralisasi yang memuat model-model penting untuk data kategorik, sebagaimana model regresi baku dan analisis varians untuk variabel respon kontinu. Model linear yang digeneralisasi memiliki tiga komponen yaitu: 1.
Komponen Acak Komponen acak model linear yang digeneralisasi menentukan pengamatan-variabel respon Yi= (Y1, Y2, ..., Yn) dan memilih distribusi
9
peluang untuk (Y1, Y2, ..., Yn) dari suatu distribusi keluarga eksponensial dengan Y1, Y2, ..., Yn saling bebas. Setiap Yi memiliki fungsi kepadatan peluang berbentuk. 𝑦𝑖 , 𝜃𝑖 = 𝑎 𝜃𝑖 𝑏 𝑦𝑖 exp 𝑦𝑖 𝑄 𝜃𝑖
(1)
Pada model linear yang digeneralisasi, distribusi variabel respon haruslah anggota dari keluarga eksponensial yang terdiri dari distribusi normal, poisson, binomial, normal invers, eksponensial dan distribusi gamma sebagai anggota-anggotanya. Nilai dari parameter 𝜃𝑖 dalam persamaan (1) bisa bervariasi untuk i = 1,2,3,..., n. Hal ini bergantung pada nilai-nilai variabel bebasnya. Bentuk Q(𝜃) disebut parameter asli dari suatu distribusi eksponensial.
2.
Komponen Sistematik Nilai harapan 𝑌 yaitu rata-rata dari distribusi peluang dapat dinotasikan oleh 𝜇 = 𝐸(𝑌). Pada model linear yang digeneralisasi, nilai 𝜇 bervariasi menurut tingkatan variabel bebas. Komponen sistematik model linear yang digeneralisasi dengan menyatakan variabel bebas dimana variabel bebas masuk secara linear sebagai prediktor pada ruas kanan persamaan model. 𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘
(2)
Kombinasi linear dari variabel bebasnya disebut prediktor linear.
3.
Fungsi Hubungan (Link Function) Komponen ketiga model linear yang digeneralisasi adalah fungsi hubungan (link function) yang menggambarkan hubungan fungsional antara komponen sistematik dan nilai ekspektasi (rata-rata) dari komponen acak. Komponen ini menentukan bagaimana 𝜇 = 𝐸 𝑌
dihubungkan dengan
variabel bebas dalam prediktor linear. Rata-rata 𝜇 dapat dimodelkan secara langsung atau fungsi 𝑔 𝜇 yang monoton dimodelkan dari rata-ratanya. 𝑔 𝜇 = 𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘
(3)
10
Fungsi hubungan sederhana memiliki bentuk 𝑔 𝜇 = 𝜇. Bentuk ini memodelkan rata-rata secara langsung dan disebut fungsi hubungan identitas (identity link). Model linear untuk rata-rata variabel respon adalah: 𝜇 = 𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘
(4)
Persamaan (4) adalah bentuk model regresi biasa untuk variabel respon kontinu. Fungsi hubungan yang mentransformasikan rata-rata ke parameter aslinya disebut fungsi hubungan kanonik (cannonical link). Misalnya, 𝑔 𝜇 = 𝑄 𝜃 dan 𝑄 𝜃 = 𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘 . Berikut ini disajikan tabel fungsi hubungan kanonik untuk model linear yang digeneralisasi. Tabel 2. Fungsi Hubungan Kanonik Distribusi Normal
𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘 = 𝜇𝑖 (fungsi hubungan identitas)
Binomial
𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘 = 𝐼𝑛(1−𝜋𝑖 ) (fungsi hubungan logit)
Poisson
𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘 = 𝐼𝑛 𝜆 (fungsi hubungan log)
Eksponensial
𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘 = 𝜆 (fungsi hubungan resiprokal)
𝜋
𝑖
1
𝑖
1
𝛽0 + 𝛽𝑖 𝑥𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘 = 𝜆 (fungsi hubungan resiprokal)
Gamma
2.4
Fungsi Hubungan Kanonik
𝑖
Model Logit Banyak variabel respon kategori yang hanya memiliki dua kategori.
Pengamatan dari setiap subjek ini bisa diklasifikasikan sebagai “sukses” atau “gagal”. Misalnya 1 menyatakan “sukses” dan 0 menyatakan “gagal”. Maka peluang-peluang distribusi Bernoulli untuk variabel acak biner 𝑌 dengan dua kejadian (sukses dan gagal) adalah 𝑃 𝑌 = 1 = 𝜋 𝑑𝑎𝑛 𝑃 𝑌 = 0 = 1 − 𝜋, dimana 𝜋 = 𝐸 𝑌 . Jika 𝑌𝑖 berdistribusi Bernoulli dengan parameter 𝜋𝑖 , fungsi kepadatan peluangnya adalah: 𝑦
𝑓 𝑦𝑖 ; 𝜋𝑖 = 𝜋𝑖 𝑖 1 − 𝜋𝑖
1−𝑦 𝑖
= 1 − 𝜋𝑖 [
𝑓 𝑦𝑖 ; 𝜋𝑖 = 1 − 𝜋𝑖 exp [𝑦𝑖 log
𝜋𝑖 1−𝜋 𝑖
𝜋𝑖 𝑦𝑖 ] , 𝑦𝑖 = 0,1 1 − 𝜋𝑖
] , 𝑦𝑖 = 0,1
(5)
11
Distribusi diatas termasuk ke dalam keluarga eksponensial asli dengan parameter asli 𝑄 𝜋 = 𝐼𝑛 [
𝜋 1−𝜋
] dan log odds dari variabel respon 𝑌 sama
dengan 1, disebut logit 𝜋. Model linear yang digeneralisasi yang menggunakan fungsi hubungan logit disebut model logit. Model logit merupakan model yang digunakan untuk model regresi logistik.
2.5
Regresi Logistik Penjelasan regresi logistik merupakan bagian dari model-model stastistika
yang disebut model linear yang digeneralisasi. Dilihat dari variabel bebasnya regresi logistik terbagi menjadi dua yaitu regresi logistik sederhana (hanya memiliki satu variabel bebas) dan regresi logistik berganda (memiliki lebih dari satu variabel bebas) sedangkan jika dilihat dari variabel responnya, regresi logistik dibedakan menjadi dua yaitu regresi logistik biner (variabel responnya dichotomous atau hanya memiliki dua kategori) dan regresi logistik multinomial (variabel responnya memiliki lebih dari dua kategori atau polytomous). Regresi logistik hanya memiliki satu variabel respon yaitu variabel respon kategori sedangkan variabel kontinu tidak digunakan sebagai variabel respon. Regresi logistik sebenarnya sama dengan analisis regresi berganda, hanya saja variabel-variabel terikatnya merupakan
variabel
dummy
(0 dan 1).
Contohnya pengaruh beberapa rasio perjalanan kereta terhadap keterlambatan perjalanan kereta api. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat (tepat). Pada regresi logistik tidak diperlukan asumsi normalitas meskipun screening dan outlier dapat dilakukan.
2.5.1 Model Regresi Logistik Model regresi logistik adalah model regresi yang setiap peubah terikat atau responnya mensyaratkan berupa peubah kategorik sedangkan menurut Hosmer (1989) metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval.
12
Pada kasus-kasus struktur model-model tersebut yang menunjukan hubungan garis lengkung antara x dan 𝜋 𝑥 . Hubungan garis lengkung antara x dan 𝜋 𝑥 diilustrasikan seperti pada Gambar 2.
Gambar 2. Kurva Model Regresi Logistik
Fungsi yang memiliki bentuk seperti pada Gambar 2 diatas adalah sebagai berikut: 𝜋 𝑥 =
exp(𝛽0 + 𝛽1 𝑥) 1 + exp(𝛽0 + 𝛽1 𝑥)
(6)
Disebut fungsi regresi logitik. Rumus ini memperlihatkan bahwa ketika 𝑥 → ∞, 𝜋 𝑥 ↓ 0 jika 𝛽 < 0 dan 𝜋 𝑥 ↑ 0 jika 𝛽 > 0. Jika 𝛽 → 0, kurvanya cenderung membentuk garis horizontal dan jika modelnya dipenuhi dengan 𝛽 = 0 maka variabel respon biner Y akan saling bebas pada x. Jika persamaan (6) ditransformasi menjadi bentuk logit maka persamaan berikut akan diperoleh: 𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥
= 𝐼𝑛
𝜋 𝑥 1−𝜋 𝑥
= 𝛽0 + 𝛽1 𝑥
(7)
(Pembuktian dapat dilihat pada Lampiran 1)
Persamaan (7) di atas merupakan bentuk persamaan linear log odds peluang “sukses” dan variabel bebasnya dengan demikian fungsi hubungannya adalah
13
transformasi log odds yang disebut logit. Model regresi logistik pada persamaan (7) merupakan bentuk model regresi logistik biner sederhana dengan satu variabel bebas. Model umum dari regresi logistik biner dengan xi=(xi0,xi1,...xik) menyatakan grup ke-i dari k variabel bebas, i=1,2,...,i, xi0 = 1 adalah: 𝜋 𝑥𝑖 =
𝑘 𝑝=0 𝛽𝑝 𝑥𝑖𝑝 ) ,𝑝 exp ( 𝑘𝑝=0 𝛽𝑝 𝑥𝑖𝑝 )
exp ( 1+
= 0,1, … , 𝑘
(8)
𝛽0 = 𝛼 ketika 𝑥𝑖0 = 1 dan merupakan perpotongan (intercept) dari model regresi logistik.
2.5.2 Interpretasi Parameter dalam Model Regresi Logistik Jika persamaan (8) di atas ditulis kembali sebagai 𝑔 𝑥 = 𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥
= 𝐼𝑛
𝜋 𝑥 1−𝜋 𝑥
= 𝛽0 + 𝛽1 𝑥
(9)
𝑔 𝑥 merupakan fungsi hubungan dari model regresi logistik yang disebut fungsi hubungan logit. Variabel prediktor yang diamati merupakan variabel kategorik dengan lebih dari dua kategori (polytomous) maka interpretasi parameter untuk variabel ini menggunakan bantuan variabel dummy. Jika terdapat J kategori, akan digunakan (J-1) variabel dummy dengan satu buah kategori akan dijadikan sebagai kategori referensi. Interpretasi dilakukan dengan cara yang sama dengan interpretasi pada variabel prediktor dikotomi yaitu tiap-tiap kategori dibandingkan dengan kategori rujukannya.
2.5.3 Asumsi-Asumsi Regresi Logistik Berikut ini adalah asumsi yang digunakan dalam regresi logistik (Garson, 2008): 1.
Regresi logistik tidak mengasumsikan suatu hubungan yang linear antara variabel respon dengan variabel prediktornya tetapi mengasumsikan hubungan yang linear antara log odds dari variabel responnya dengan variabel prediktornya.
14
2.
Variabel responnya tidak harus berdistribusi normal (tetapi diasumsikan distribusinya berada dalam keluarga distribusi eksponensial, seperti normal, poisson, binomial, gamma).
3.
Variabel responnya tidak harus homoskedastis untuk setiap kategori dari variabel prediktornya yaitu tidak ada homogenitas asumsi variansi (variansi tidak harus sama dalam kategori).
4.
Galatnya tidak diasumsikan berdistribusi normal.
5.
Regresi logistik tidak mengharuskan bahwa semua variabel prediktornya merupakan data interval.
6.
Penambahan atau pengurangan alternatif variabel tidak mempengaruhi odds yang diasosiasikan.
7.
Tidak adanya multikollinearitas.
8.
Tidak ada outlier seperti dalam regresi linear.
9.
Galat diasumsikan saling bebas.
10. Galat yang rendah dalam variabel bebasnya. 11. Pengkodean berarti (meaningful coding). Koefisien-koefisien logistik akan sulit diinterpretasikan jika kodenya tidak berarti.
2.6
Regresi Logistik Ordinal Regresi logistik ordinal adalah perluasan dari regresi logistik biner dimana
regresi logistik ordinal merupakan salah satu metode statistika untuk menganalisis data dengan variabel respon merupakan skala ordinal yang terdiri dari tiga kategori atau lebih dan variabel prediktor merupakan covariate (jika menggunakan skala interval atau rasio) atau bisa merupakan faktor (jika menggunakan skala nominal atau ordinal).
2.6.1 Model Logit Kumulatif Model yang dapat dipakai untuk regresi logistik ordinal adalah model logit. Model logit tersebut adalah model logit kumulatif, pada model ini terdapat sifat ordinal dari respon Y yang dituangkan dalam peluang kumulatif sehingga model logit kumulatif merupakan model yang didapatkan dengan cara membandingkan
15
peluang kumulatif yaitu peluang kurang dari atau sama dengan ketegori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor X, P(Y≤j|X) dengan peluang lebih besar daripada kategori respon ke-j, P(Y>j|X) (Hosmer dan Lemeshow, 2000). Peluang kumulatif, P(Y≤j|X) didefinisikan sebagai berikut: 𝑃 𝑌≤𝑗X =
p k=1 βk xk p 𝛽0𝑗 + k=1 βk xk
exp 𝛽0𝑗 + 1 + exp
10
Keterangan j=1,2,...J adalah kategori respon (Agresti, 1990)
2.6.2 Metode Kemungkinan Maksimum Tujuan digunakannya metode kemungkinan maksimum adalah untuk menjelaskan peluang pengamatan sebagai suatu fungsi dari parameter yang tidak diketahui dapat dibangun dengan suatu fungsi yang disebut likelihood function. Metode digunakan untuk memaksimumkan nilai dari fungsi tersebut digunakan metode kemungkinan maksimum (Hosmer dan Lemeshow, 2000). Cara untuk menaksir parameter pada regresi logistik ordinal adalah dengan metode kemungkinan maksimum. Kategori respon pada regresi logistik ordinal mempunyai urutan atau ordering maka model logit yang digunakan adalah model logit kumulatif. Model logit multiple respon dalam model logit adalah: 𝐿𝑜𝑔𝑖𝑡 𝑃 𝑌 ≤ 𝑗 𝑋
= 𝜃𝑗 + 𝛽 𝑇 𝑋, 𝑗 = 1,2, … , 𝐽 − 1
(11)
Keterangan bahwa θ adalah vektor parameter intersep dan 𝛽 𝑇 = (𝛽1 , 𝛽2 , … , 𝛽𝑝 )adalah vektor parameter kemiringan atau slope. Jika 𝜃𝑗 < 𝜃𝑗 +1 maka model ini adalah model kumulatif dengan kemiringan yang sama yaitu model garis regresi yang berdasarkan pada peluang kumulatif kategori respon. Jika 𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯ + 𝜋𝑗 𝑋 maka: 𝑌1 𝑋 = 𝜋1 𝑋
12
𝑌2 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋
13
⋮ 𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯ + 𝜋𝑗 𝑋
14
16
Jika terdapat J kategori respon maka model logistik ordinal yang terbentuk adalah: 𝐿𝑜𝑔𝑖𝑡 𝑌1 = 𝐼𝑛
𝑌1 = 𝜃1 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑝 𝑋𝑝 1 − 𝑌1
15
𝐿𝑜𝑔𝑖𝑡 𝑌2 = 𝐼𝑛
𝑌2 = 𝜃2 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑝 𝑋𝑝 1 − 𝑌2
16
⋮ 𝐿𝑜𝑔𝑖𝑡 𝑌𝐽 −1 = 𝐼𝑛
𝑌𝐽 −1 = 𝜃𝐽 −1 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑝 𝑋𝑝 1 − 𝑌𝐽 −1
𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯ + 𝜋𝑗 𝑋 =
𝑒 𝜃𝑗 𝛽
17
𝑇𝑥
1 + 𝑒 𝜃𝑗 𝛽
𝑇𝑥
, 𝑗 = 1,2, … 𝐽 − 1
18
Model diatas merupakan model logit kumulatif sebab odds rasio kejadian (Y≤j) adalah independen pada setiap indikator kategori.
2.6.3 Fungsi Likelihood Menurut Kim (2004) ketika lebih dari satu observasi Y muncul pada nilai 𝑋𝑖 adalah cukup dengan mencatat jumlah observasi 𝑛𝑗𝑖 dan jumlah hasil ‘j’ untuk j=1,2,...,J. Maka [𝑌𝑖 𝑖 = 1,2, … , 𝑛] adalah variabel acak yang berdistribusi multinomial independen dengan 𝐸 𝑌𝑖 = 𝑛𝑖𝑗 𝛾𝑗 𝑋𝑖 dimana 𝑛1𝑖 + ⋯ + 𝑛𝐽𝑖 = 1 sedemikian sehingga dapat dinyatakan: 𝑅1𝑖 = 𝑛1𝑖, 𝑅2𝑖 = 𝑛1𝑖 + 𝑛2𝑖
(19)
⋮ 𝑅𝐽𝑖 = 1
Peluang kumulatif digunakan dalam menaksir parameter maka likelihood dapat ditulis sebagai perkalian J-1 kategori, sehingga FKP bersama dari (𝑌1 , 𝑌2, … 𝑌𝑛 ) adalah sama dengan perkalian n fungsi multinomial. Fungsi likelihoodnya adalah: 𝑛
𝐿 𝜃, 𝛽 = 𝑖=1
𝑌1𝑖 𝑌2𝑖
𝑅1𝑖
𝑌2𝑖 − 𝑌1𝑖 𝑌2𝑖
𝑅2𝑖 −𝑅1𝑖
𝑋
𝑌2𝑖 𝑌3𝑖
𝑅2
𝑌3𝑖 − 𝑌2𝑖 𝑌3𝑖
𝑅3𝑖 −𝑅2𝑖
…𝑋
𝑌 𝐽 −1 𝑌𝐽𝑖
𝑖
𝑅 𝐽 −1 𝑖
17
𝑅𝐽𝑖 −𝑅 (𝐽 −1)𝑖
= 𝑌𝐽𝑖 − 𝑌(𝐽 −1)𝑖 𝑌𝐽𝑖
20
2.6.4 Uji Statistik D Deviance didasarkan pada kriteria rasio likelihood untuk membandingkan model current (model tanpa peubah penjelas) dengan model penuh (model dengan peubah penjelas). Statistik uji Deviance didefinisikan dengan rumus n ˆ D 2 yi ln i i 1 yi
1 ˆ i 1 yi ln 1 yi
g xi 0 1 xi1 ... p xip , i = 1, 2, …, n.
dengan
ˆ
exp g xi , 1 exp g xi
(22)
Statistik D akan mengikuti sebaran 2 dengan derajat bebas n-p. Kriteria Keputusan yang diambil yaitu menolak H0 jika Dhitung > 2 n p (Ryan, 1997).
2.6.5 Uji Keberartian Model Prosedur uji perbandingan kemungkinan (ratio likelihood test) dapat digunakan untuk menguji keberartian model regresi logistik. Statistik uji-G digunakan untuk menguji peranan variabel penjelas di dalam model secara bersama-sama (Hosmer & Lemeshow, 1989). Uji ini membandingkan model lengkap (model dengan variabel prediktor) terhadap model yang hanya dengan konstanta (model tanpa variabel prediktor) untuk melihat apakah model yang hanya dengan konstanta secara signifikan lebih baik dari model lengkap dengan rumus sebagai berikut: 𝐺 = −2𝐼𝑛
𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴)
(21)
Keterangan model B = model yang hanya terdiri dari konstanta saja dan model A = model lengkap (model dengan variabel prediktor). Hipotesis dari persamaan diatas adalah H0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0 dan H1 : minimal terdapat 2 𝛽𝑝 ≠ 0. Kriteria ini mengambil taraf nyata α maka 𝐻0 ditolak jika 𝐺 > 𝒳(𝛼,𝑣)
dimana v adalah banyaknya variabel prediktor.
18
2.6.6 Uji Keberartian Parameter secara Parsial Menurut Kleinbaum dan Klein (2002) Uji Wald dapat digunakan untuk menguji ketika hanya ada satu parameter yang diuji. Statistik uji Wald dihitung dengan membagi parameter yang ditaksir oleh galat baku dari parameter yang ditaksir. 𝑍=
𝛽𝑘𝑖
(23)
𝑆𝐸(𝛽𝑘𝑖 )
𝛽𝑘𝑖 adalah penaksir 𝛽𝑘𝑖 dan 𝑆𝐸(𝛽𝑘𝑖 ) adalah penaksir galat baku 𝛽𝑘𝑖 . Statistik uji ini berdistribusi normal dalam ukuran sampel yang besar. Kuadrat statistik uji yang berdistribusi normal ini adalah statistik chi-kuadrat dengan derajat kebebasan, v sama dengan 1, yaitu: 𝑍 =
2
𝛽𝑘𝑖
2
𝑆𝐸(𝛽𝑘𝑖 )
(24)
Hipotesis 𝐻0 : 𝛽𝑘𝑖 = 0 (parameter dalam model, untuk variabel prediktor kek dengan kategori ke-i tidak berarti) dan hipotesis alternatifnya 𝐻1 : 𝛽𝑘𝑖 ≠ 0 (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i berarti). Kriteria pengujian mengambil taraf nyata α maka 𝐻0 ditolak jika 2 𝑍 2 > 𝒳(𝛼,1) .
2.7
Rasio Odd Regresi logistik juga menghasilkan rasio peluang (odds ratio) terkait
dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (odds ratio) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel prediktor meningkat sebesar 1 unit. Pada teori peluang dan statistika, peluang dari suatu kejadian (event) diberi kuantitas
𝑝 1−𝑝
, dimana 𝑝 menyatakan peluang dari kejadian yang terjadi 1 − 𝑝
19
menyatakan peluang dari kejadian yang tidak terjadi. Odds sebenarnya merupakan peluang-peluang relatif. Hal yang berbeda dengan peluang adalah bahwa peluang menyatakan kesempatan dari suatu kejadian yang terjadi sedangkan odds adalah rasio peluang kejadian yang tidak terjadi. Logaritma asli (natural logarithm) odds adalah logit dari peluang kejadian yang terjadi, yaitu: 𝑝 𝑙𝑜𝑔𝑖𝑡 𝑝 = ln (25) 1−𝑝 Rasio dari odds kejadian yang terjadi dalam suatu grup terhadap odds kejadian yang terjadi dalam grup lain dinamakan rasio odds dan dinotasikan dengan OR. Jika peluang-peluang kejadian yang terjadi dari setiap grup adalah p (grup pertama) dan q (grup kedua) maka rasio oddsnya adalah: 𝑝
𝑂𝑅 =
1−𝑝 𝑞 1−𝑞
=
𝑝(1 − 𝑞) 𝑞(1 − 𝑝)
(26)
Logaritma asli rasio odds adalah selisih logit-logit peluang kejadian yang terjadi ln ( ln 𝑂𝑅 = 𝑙𝑜𝑔𝑖𝑡 𝑝 − 𝑙𝑜𝑔𝑖𝑡 𝑞 =
𝑝
1−𝑝 𝑞
)
ln (1−𝑞 )
(27)
Sifat-sifat rasio odds : 1. Rasio odds, OR = 1 mengindikasikan bahwa peluang kejadian yang terjadi pada kedua grup adalah sama. 2. Rasio odds, OR > 1 mengindikasikan bahwa peluang kejadian yang terjadi pada grup pertama lebih besar daripada grup kedua. 3. Pada odds, OR < 1 mengindikasikan bahwa peluang kejadian yang terjadi pada grup pertama lebih kecil daripada grup kedua. 4. Rasio odds harus lebih besar dari atau sama dengan 0 atau OR ≥ 0. 5. Rasio odds harus mendekati nol jika odds dari grup pertama mendekati nol. 6. Rasio odds akan mendekati positis tak terhingga jika odds dari grup kedua mendekati nol.
20
BAB III METODOLOGI PENELITIAN 3.1
Jenis dan Sumber Data Pada penelitian untuk menganalisis tingkat kepuasan pengguna jasa kereta
api terhadap pelayanan di stasiun Jakarta Kota digunakan 2 tipe data yaitu data primer dan data sekunder. Data primer merupakan data yang dikumpulkan dan diolah sendiri oleh peneliti. Data primer dalam penelitian ini didapatkan dengan menyebar kuisioner kepada responden yang berada di stasiun Jakarta Kota (kuisioner terlampir pada Lampiran 2). Data sekunder adalah data yang bersifat menunjang suatu penelitian. Data sekunder dalam penelitian adalah data mengenai penumpang, tata cara pelayanan yang telah ditetapkan PT. KAI (Persero) berdasarkan surat keputusan Direksi PT. KAI (Persero) No : KEP. U/OT.003/I/4/KA-2011 tanggal 11 Januari 2011 tentang penjaminan mutu.
3.2
Variabel Operasional Variabel yang digunakan dalam penelitian ini adalah variabel tentang
prilaku pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL sebagai variabel independen atau variabel bebas dan kepuasan pelanggan sebagai variabel dependen atau variabel terikat. Variabel independen terdiri atas 26 variabel yang terbagi kedalam 3 aspek yaitu 11 variabel aspek pelayanan, 8 variabel aspek keamanan dan 7 variabel aspek komersial sedangkan variabel dependennya yaitu penilaian pelayanan stasiun secara global.
21
Tabel 3. Variabel Penelitian Variabel Pertanyaan Variabel Bebas Aspek Pelayanan X1
(P1) Flow Kendaraan
X3 X4 X5
(P2) Dropping Penumpang (P3) Lokasi Toilet (P4) Fasilitas Pendukung (P5) Tempat Duduk
X6
(P6) Tempat Sampah
X7
(P7) Kebersihan Stasiun
X8
(P8) Kebersihan Toilet (P9) Turun Naik Penumpang (P10) Masuk Keluar Penumpang
X2
X9 X10 X11
(P11) Porter
Variabel Bebas Aspek Keamanan X12
(K1) Ruang Tunggu
X13 X14
(K2) Area Parkir (K3) Loket
Variabel Pertanyaan (K4) Lokasi Petugas X15 (K5) Keramahan Petugas X16 Keamanan X17
(K6) Kondisi Kriminalitas
(K7) Keberadaan Pedagang X18 (K8) Sikap Pedagang X19 Variabel Bebas Aspek Komersial (Ko1) Lokasi Customer X20 Care (Ko2) Keramahan X21 Customer Care (Ko3) Lokasi Loket X22 X23
(Ko4) Antrian
X24
(Ko5) Complain Solution
(Ko6) Keramahan Petugas Loket (Ko7) Waktu Antrian X26 Variabel Tak Bebas Pelayanan Global Stasiun Penilaian Pelayanan Global Y X25
Secara lebih rinci operasionalisasi variabel dalam penelitian terdapat pada Lampiran 3 sedangkan variabel view dan data view software SPSS dapat dilihat pada Lampiran 4.
22
3.3
Metode Analisis
Gambar 3. Flowchart Metode Analisis
Metode yang akan digunakan dalam analisis tingkat kepuasan pengguna jasa kereta api terhadap pelayanan di stasiun Jakarta Kota adalah sebagai berikut: 1. Studi Pendahuluan Studi pendahuluan dilakukan dengan cara studi pustaka di pusat data informasi PT. KAI (Persero) Daop 1 Jakarta untuk mengetahui karakteristik pelayanan yang disediakan di stasiun Jakarta Kota dan untuk mengetahui target penumpang kereta api yang akan dijadikan responden sesuai dengan surat keputusan direksi tentang standar pelayanan minimum dan aturan Menpan RI. Hasil dari studi pendahuluan dapat dijelaskan sebagai berikut: a. Tingkat kepuasan pengguna jasa kereta api di stasiun Jakarta Kota dibagi menjadi 5 karakteristik secara umum yaitu demografi responden, aspek
23
pelayanan, aspek keamanan dan ketertiban, aspek komersial dan aspek penilaian pelayanan global secara umum. b. Target penumpang yang akan diambil sebagai sampel adalah penumpang KA jarak jauh dan KA lokal non KRL sebab untuk penumpang KRL tingkat kepuasan dari pelayanan yang diberikan kurang menjadi perhatian bagi pengguna jasa KRL.
2.
Penyusunan Instrumen Penyusunan instrumen kuisioner dilakukan dengan melihat aspekaspek yang didapat pada studi literatur untuk stasiun Jakarta Kota. Pertanyaan yang berupa aspek-aspek penelitian menggunakan empat skala dengan rincian sebagai berikut: Tabel 4. Skala Kepuasan Skala 3 2 1 0
3.
Keterangan Sangat Baik Baik Cukup Buruk
Uji Validitas dan Reliabilitas Menurut Simamora (2004) pengujian bertujuan untuk menentukan peubah yang akan diukur dalam kuesioner yang akan diajukan. Validitas adalah suatu ukuran yang menunjukkan kevalidan atau kesahihan suatu instrumen. Suatu instrumen dianggap valid, apabila mampu mengukur apa yang diinginkan . Uji validitas dilakukan sebelum kuesioner disebar kapada responden yang menjadi instrumen penelitian dengan cara analisis butir yaitu menghitung korelasi antar masing-masing pernyataan dengan skor total dengan menggunakan rumus korelasi pearson product moment, yaitu : 𝑁
𝑟𝑘 = 𝑁.
2
𝑋 −
𝑋𝑌 − ( 𝑋 . 𝑋
2
(𝑁.
𝑌) 2
𝑌 −
(28) 𝑌
2
24
Keterangan:
rk = Korelasi product moment ke-k. X = Skor butir pertanyaan. Y = Skor total. N = Jumlah responden.
Reliabilitas adalah tingkat keandalan kuesioner yang menunjuk pada pengertian apakah sebuah instrumen dapat mengukur sesuatu secara konsisten dari waktu ke waktu. Uji reliabilitas pada unsur persepsi mutu digunakan rumus Cronbach Alpha. 2 k b r 1 t2 k 1
(29)
Keterangan: r = Koefesien Alpha Cronbach. k
= Banyaknya butir pertanyaan.
b2 = Jumlah ragam butir pertanyaan.
t2
4.
= Ragam total.
Uji Kebebasan Antar Variabel (Multikolinearitas) Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen maka uji jenis ini hanya diperuntukan untuk penelitian yang memiliki variabel independen lebih dari satu. Multikolinearitas dapat dilihat dengan menganalisis nilai VIF (Variance Inflation Factor). Suatu model regresi menunjukkan adanya multikolinearitas jika: 1. Tingkat korelasi > 95%. 2. Nilai Tolerance < 0,10. 3. Nilai VIF > 10.
25
Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen (Ghozali, 2007).
5.
Pengambilan, Entry dan Verifikasi Data Pengambilan data dari kuisioner yang ada dilakukan di stasiun Jakarta Kota pada peak hour pada kereta api jarak jauh dan kereta api lokal non KRL yaitu pada pagi hari antara pukul 05.30 - 09.00 dan 16.00 - 21.30. Pengambilan data dilakukan 2 minggu. Setelah data didapat maka dilakukan verifikasi data dengan cara memeriksa dan memastikan setiap kuisioner yang telah dijawab oleh responden.
6. Analisis Deskriptif Kegiatan dilakukan untuk melihat gambaran secara umum dari data karakteristik pengguna jasa dan variabel-variabel yang akan di analisis menggunakan regresi logistik ordinal seperti total pemilih dan frekuensi. Analisis deskriptif disajikan dalam bentuk diagram batang dan pie.
7. Pembuatan dan Pendugaan Model Regresi Logistik Pembuatan model dilakukan menggunakan persamaan (15, 16, 17 dan 18) dan peluang frekuensi kumulatifnya dengan persamaan (11).
8. Pengujian Parameter a. Metode Deviance Statistik uji Deviance dilakukan dengan cara sebagai berikut: 1.
Rumusan Hipotesis 𝐻0 : Model logit layak untuk digunakan. 𝐻1 : Model logit tidak layak untuk digunakan.
2.
Stasistik Uji
26
n ˆ D 2 yi ln i i 1 yi
1 ˆ i 1 yi ln 1 yi
exp g xi dengan ˆ , 1 exp g x i
g xi 0 1 xi1 ... p xip , i = 1, 2, …, n.
3.
(30)
Kriteria Pengujian Statistik D akan mengikuti sebaran 2 dengan derajat bebas n-p. Kriteria keputusan yang diambil yaitu menolak H0 jika Dhitung >
2 n p . 4.
Kesimpulan: penaksiran H0 ditolak atau diterima.
b. Uji Statistik G Adapun langkah-langkah pengujian untuk uji perbandingan kemungkinan sebagai berikut: 1. Rumusan Hipotesis 𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0. 𝐻1 : 𝑆𝑒𝑘𝑢𝑟𝑎𝑛𝑔 − 𝑘𝑢𝑟𝑎𝑛𝑔𝑛𝑦𝑎 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑠𝑎𝑡𝑢 𝛽𝑘 ≠ 0, = 1,2, … 𝑝. 2. Besaran yang diperlukan Hitung -2 In Likelihood model A dan -2 In likelihood Model B. 3. Statistik Uji, 𝐺 = −2𝐼𝑛
𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴)
4. Kriteria Pengujian Kriteria ini mengambil taraf nyata α maka 𝐻0 ditolak jika 2 𝐺 > 𝒳(𝛼,𝑣) dimana v adalah banyaknya variabel prediktor. Catatan
jika ada variabel prediktor yang berupa data kategori maka banyaknya kategori dikurangi 1 misalkan dinotasikan dengan m, sehingga nilai v yaitu banyak variabel prediktor yang berupa data kuantitatif ditambah m. 5. Kesimpulan: penaksiran 𝐻0 ditolak atau diterima.
27
c.
Uji Wald Langkah-langkah pengujian keberartian parameter
regresi dengan
menggunakan uji Wald adalah: 1. Rumusan Hipotesis 𝐻0 : 𝛽𝑘𝑖 = 0 (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i tidak berarti). 𝐻1 : 𝛽𝑘𝑖 ≠ 0 (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i berarti). 2. Besaran yang diperlukan Hitung 𝛽𝑘𝑖 dan 𝑆𝐸(𝛽𝑘𝑖 ). 3. Statistik Uji 2
𝑍 =
𝛽𝑘𝑖
2
𝑆𝐸(𝛽𝑘𝑖 )
4. Kriteria Pengujian 2 Mengambil taraf nyata α maka 𝐻0 ditolak jika 𝑍 2 > 𝒳(𝛼,1) .
5. Kesimpulan: penaksiran 𝐻0 ditolak atau diterima. d. Uji Koefisien Determinasi McFadden, Cox dan Snell, Nagelkerke dan Concordant Pengujian dilakukan untuk melihat seberapa besar variabel-variabel independen dari 3 aspek yaitu aspek pelayanan, keamanan dan komersial mempengaruhi nilai variabel dependen yaitu pelayanan stasiun secara umum. Suatu model dikatakan baik bila koefisien Nagelkerke lebih dari 0,700 (70%) yang artinya bahwa variabel independen yang dibuat model mempengaruhi 70% terhadap variabel dependen. Koefisien Nagelkerke didapat dari penyempurnaan nilai koefisien determinasi Cox dan Snell. 𝑅2 𝑀𝐹 = 1 −
𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴)
(31)
Keterangan 𝑅2 𝑀𝐹 merupakan koefisien determinasi McFadden. Berikut adalah rumus untuk mencari koefisien determinasi Cox and Snell.
28
2 𝑅 2 𝐶𝑆 = 1 − exp − [𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) − 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑(𝑀𝑜𝑑𝑒𝑙 𝐴) 𝑛
(32)
Keterangan 𝑅2 𝐶𝑆 merupakan koefisien determinasi Cox and Snell. 2 𝑅 2 𝑀𝐴𝑋 = 1 − exp[− × 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 𝑀𝑜𝑑𝑒𝑙 𝐴 ] 𝑛 𝑅2 𝑁 =
𝑅2 𝐶𝑆 𝑅2 𝑀𝐴𝑋
(33) (34)
Keterangan 𝑅2 𝑁 merupakan koefisien determinasi Nagelkerke. Uji concordant dilakukan untuk melihat sejauh mana keragaman variabel dependen dapat dijelaskan oleh variabel dependennya. Suatu model dikatakan baik jika nilai concordan lebih dari 0,700 (70%).
9. Intrepretasi Data Jika model regresi logistik ordinal telah di uji dan hasil modelnya baik dan signifikansinya nyata maka data tersebut dapat di intrepretasikan dengan menggunakan uji odds ratio menggunakan persamaan (26).
29
BAB IV HASIL DAN PEMBAHASAN
4.1
Uji Validitas dan Reliabilitas Kuisioner Uji validitas dan reliabilitas dilakukan pada item-item pertanyaan untuk
melihat korelasi antar pertanyaan dari kuisioner dan melihat kekonsistenan kuisioner yang telah ditetapkan oleh PT. KAI (Persero) Daop 1 Jakarta. Uji validitas dan reliabilitas dilakukan dengan melakukan survei awal kepada 30 orang pengguna jasa KA di stasiun Jakarta Kota.
4.1.1 Uji Validitas Uji validitas menggunakan rumus korelasi product momen pearson dan diolah menggunakan SPSS 18. Total responden yang akan di uji adalah 30 responden pengguna jasa di stasiun Jakarta Kota. Hipotesis yang akan diuji adalah: a.
Ho = Tidak adanya korelasi antar pertanyaan kuisioner (rhitung < rtabel).
b.
H1 = Adanya korelasi antar pertanyaan kuisioner (rhitung ≥ rtabel).
Taraf kepercayaan yang digunakan adalah 95% (𝑎 = 0,05). Pengujian validitas (korelasi) dilakukan dengan cara membandingkan nilai r hitung dengan r tabel. Apabila hasil pengujian menunjukkan r hitung lebih besar dari r tabel, berarti ada korelasi (H0 ditolak) atau pernyataan memiliki validitas. Berdasarkan hasil pengujian menggunakan SPSS 18 maka didapat hasil uji validitas sebagai berikut:
30
Tabel 5. Hasil Uji Validitas Var X1 X2
Aspek Pelayanan
X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15
Aspek Keamanan
X16 X17 X18 X19 X20 X21
Aspek Komersial
X22 X23 X24 X25 X26
Butir Pertanyaan (P1) Flow Kendaraan (P2) Area Turun Penumpang (P3) Lokasi Toilet (P4) Fasilitas Pendukung (P5) Tempat Duduk (P6) Tempat Sampah (P7) Kebersihan Stasiun (P8) Kebersihan Toilet (P9) Turun Naik Penumpang (P10) Masuk Keluar Penumpang (P11) Porter (K1) Ruang Tunggu (K2) Area Parkir (K3) Loket (K4) Lokasi Petugas (K5) Keramahan Petugas Keamanan (K6) Kondisi Kriminalitas (K7) Keberadaan Pedagang (K8) Sikap Pedagang (Ko1) Lokasi Customer Care (Ko2) Keramahan Customer Care (Ko3) Lokasi Loket (Ko4) Antrian (Ko5) Complain Solution (Ko6) Keramahan Petugas Loket (Ko7) Waktu Antrian
Korelasi 0,708 0,577
Sig 0,000 0,001
r tabel
0,615 0,456 0,456 0,612 0,709 0,808 0,732
0,000 0,011 0,011 0,000 0,000 0,000 0,000
Valid Valid Valid Valid Valid Valid Valid
0,698
0,000
Valid
0,717 0,663 0,748 0,693 0,758 0,566
0,000 0,000 0,000 0,000 0,000 0,001
Valid Valid Valid Valid Valid Valid
0,767 0,687
0,000 0,000
Valid Valid
0,840 0,621
0.000 0,000
Valid Valid
0,499
0,005
Valid
0,612 0,709 0,624 0,656
0,000 0,000 0,000 0,000
Valid Valid Valid Valid
0,750
0,000
Valid
0,361
Ket Valid Valid
Hasil pengujian uji validitas untuk setiap butir pertanyaan pada 3 aspek yang dinilai yaitu aspek pelayanan, aspek keamanan dan aspek komersial di stasiun Jakarta Kota diketahui bahwa nilai korelasi semua butir pertanyaan lebih besar dari r tabel dengan (0,361) dan signifikansinya lebih kecil dari α (0,10) sehingga keputusannya adalah tolak H0 dan terima H1. Kesimpulan dari uji validitas adalah bahwa ada keterkaitan pada setiap butir pertanyaan di kuisioner
31
survei kepuasan pelanggan stasiun Jakarta Kota. Perhitungan selengkapnya dapat dilihat pada Lampiran 5.
4.1.2 Uji Reliabilitas Uji reliabilitas dilakukan dari hasil data 30 responden pengguna jasa kereta api di stasiun Jakarta Kota menggunakan rumus cronbach’s alpha. Hipotesis yang akan di uji adalah sebagai berikut: a.
Ho =
Kuisioner tidak bisa memberikan hasil yang konsisten sebagai alat
ukur survei (rhitung < 0,7). b.
H1 =
Kuisioner dapat memberikan hasil yang konsisten sebagai alat ukur
survei (rhitung ≥ 0,7). Hasil pengujian uji reliabilitas menggunakan software SPSS 18 dapat dilihat pada Tabel 6. Tabel 6. Uji Reliabilitas Reliability Statistics Cronbach's Alpha .950
N of Items 26
Berdasarkan hasil perhitungan uji reliabilitas didapat nilai cronbach’s alpha kuisioner adalah 0,950. Nilai ini lebih besar dari standar minimal agar kuisioner dapat dijadikan sebagai alat ukur yaitu 0,7. Keputusan yang diambil adalah tolak H0 dan terima H1. Kesimpulannya adalah kuisioner yang digunakan untuk menganalisis tingkat kepuasan pelanggan stasiun Jakarta Kota dapat dijadikan alat ukur yang reliability dan memberikan hasil yang konsisten.
4.1.3 Uji Multikolinearitas Uji multikolinearitas dilakukan untuk melihat kebebasan antar variabel independen. Hipotesis yang digunakan adalah sebagai berikut: a. H0 = variabel bebas 𝑥1 , 𝑥2 , … , 𝑥26 bersifat multikolinearitas (VIF > 10). b. H1 = variabel bebas 𝑥1 , 𝑥2 , … , 𝑥26 tidak bersifat multikolinearitas (VIF < 10).
32
Berikut adalah hasil penghitungan uji multikolinearitas menggunakan software SPSS 18: Tabel 7. Hasil Uji Multikolinearitas Model
t
Sig.
Collinearity Statistics Tolerance
1 (Constant)
VIF
-.037
.971
(P1) Flow Kendaraan
1.543
.125
.357
2.799
(P2) Dropping Penumpang
-.406
.685
.415
2.409
(P3) Lokasi Toilet
.394
.694
.471
2.125
(P4) Fasilitas Pendukung
.081
.936
.570
1.754
(P5) Tempat Duduk
.766
.445
.543
1.841
(P6) Tempat Sampah
1.153
.251
.388
2.576
(P7) Kebersihan Stasiun
.610
.543
.406
2.461
(P8) Kebersihan Toilet
2.294
.023
.412
2.430
.848
.397
.448
2.233
-.684
.495
.345
2.901
.072
.943
.384
2.602
-.419
.676
.361
2.769
.876
.382
.321
3.112
1.451
.149
.368
2.720
.120
.905
.460
2.173
(K5) Keramahan Petugas Keamanan
-.338
.736
.482
2.073
(K6) Kondisi Kriminalitas
-1.290
.199
.359
2.783
.935
.351
.361
2.767
(K8) Sikap Pedagang
2.354
.020
.363
2.758
(Ko1) Lokasi Customer Care
1.123
.263
.539
1.856
(Ko2) Keramahan Customer Care
1.166
.245
.538
1.858
(Ko3) Lokasi Loket
-.793
.429
.326
3.071
(Ko4) Antrian
.269
.788
.262
3.824
(Ko5) Complain Solution
.353
.725
.405
2.468
(Ko6) Keramahan Petugas Loket
1.301
.195
.400
2.503
(Ko7) Waktu Antrian
-.994
.322
.364
2.744
(P9) Turun Naik Penumpang (P10) Masuk Keluar Penumpang (P11) Porter (K1) Ruang Tunggu (K2) Area Parkir (K3) Loket (K4) Lokasi Petugas
(K7) Keberadaan Pedagang
33
Berdasarkan
hasil
perhitungan
diketahui
bahwa
perhitungan
multikolinearitas antar variabel memenuhi kriteria yang ditentukan yaitu nilai VIF < 10 maka keputusan yang diambil adalah tolak H0 dan terima H1. Kesimpulannya adalah antar variabel bebas (aspek pelayanan, aspek keamanan dan aspek komersial) tidak terdapat masalah multikolinearitas.
4.2
Deskripsi Responden Berdasarkan data yang sudah terkumpul sebanyak 200 responden di stasiun
Jakarta Kota didapatkan deskripsi responden. Berdasarkan umur responden di stasiun Jakarta Kota diketahui sebanyak 73 responden berumur diantara 25 - 34 tahun, 48 responden berumur diantara 35 – 44 tahun, 41 responden berumur diantara 15 - 24 tahun, 35 responden berumur diantara 45 – 60 tahun dan 3 responden berumur lebih dari 60 tahun.
Usia Pengguna Jasa 80 70
60 50 40 30 20 10 0
Frekuensi
15 - 24 Tahun
25 - 34 Tahun
35 - 44 Tahun
45 - 60 Tahun
> 60 Tahun
41
73
48
35
3
Gambar 4. Usia Responden
34
Berdasarkan jenis kelamin sebanyak 118 responden berjenis kelamin lakilaki dan 82 responden berjenis perempuan.
Jenis Kelamin Laki-Laki
Perempuan
41% 59%
Gambar 5. Jenis Kelamin Responden
Berdasarkan pendidikan terakhir responden diketahui sebanyak 77 responden pendidikan terakhirnya perguruan tinggi, 65 responden pendidikan terakhirnya SMP, 55 responden pendidikan terakhirnya SMA dan 3 responden pendidikan terakhirnya SD.
Latar Belakang Pendidikan 1%
32%
39%
SD SMP SMA Perguruan Tinggi
28%
Gambar 6. Latar Belakang Pendidikan Responden
Berdasarkan pekerjaannya, 61 responden bekerja di BUMN/BUMD, 37 responden bekerja sebagai wiraswasta, 28 responden sebagai mahasiswa/pelajar,
35
22 responden bekerja sebagai karyawan, 21 responden bekerja sebagai PNS, 20 responden bekerja di bidang lainnya, 11 responden bekerja sebagai TNI/Polri.
Pekerjaan PNS Wiraswasta
TNI/Polri Mahasiswa 10%
Karyawan BUMN/BUMD 5%
10%
11% 31% 19% 14%
Gambar 7. Pekerjaan Responden
Berdasarkan rutinitas menggunakan KA dalam 1 bulan, 85 responden menggunakan 6-10 perjalanan KA dalam 1 bulan, 80 responden menggunakan lebih dari 10 perjalanan KA dalam 1 bulan dan 35 responden menggunakan 1-5 perjalanan KA dalam 1 bulan.
Rutinitas Menggunakan KA dalam 1 Bulan 90 80 70 60 50 40 30 20 10 0 Frekuensi
1-5
6-10
> 10
35
85
80
Gambar 8. Rutinitas Responden Menggunakan KA dalam 1 Bulan
36
Berdasarkan tujuan menggunakan KA, 68 responden bertujuan untuk keperluan keluarga, 43 responden untuk pekerjaan rutin, 29 responden untuk bisnis, 24 responden untuk urusan lainnya, 21 responden untuk wisata, 15 responden untuk sekolah/pendidikan.
Tujuan Menggunakan KA 80 70 60 50 40
30 20 10 0
Frekuensi
Bisnis
Pekerjaan Rutin
Keperluan Keluarga
Sekolah
Wisata
Lain-Lain
29
43
68
15
21
24
Gambar 9. Tujuan Responden Menggunakan KA
4.3
Model Regresi Berikut adalah hasil pendugaan model regresi logistik ordinal kepuasan
pengguna jasa terhadap pelayanan di stasiun Jakarta Kota menggunakan software SPSS 18:
37
Tabel 8. Model Regresi Parameter Estimates
Threshold [Global = 0]
[Global = 1] [Global = 2] Location
(P1) Flow Kendaraan (P2) Dropping Penumpang (P3) Lokasi Toilet (P4) Fasilitas Pendukung (P5) Tempat Duduk (P6) Tempat Sampah (P7) Kebersihan Stasiun (P8) Kebersihan Toilet (P9) Turun Naik Penumpang (P10) Masuk Keluar Penumpang (P11) Porter (K1) Ruang Tunggu (K2) Area Parkir (K3) Loket (K4) Lokasi Petugas (K5) Keramahan Petugas (K6) Kondisi Kriminalitas (K7) Keberadaan Pedagang (K8) Sikap Pedagang (Ko1) Lokasi Customer Care (Ko2) Keramahan Customer Care (Ko3) Lokasi Loket (Ko4) Antrian (Ko5) Complain Solution (Ko6) Keramahan Petugas Loket (Ko7) Waktu Antrian
Std. Estimate Error 12.031 1.911 16.039 2.150 22.672 2.808 .292 .435
Wald df Sig. 39.636 1 .000
95% Confidence Interval Lower Upper Bound Bound 8.286 15.777
55.663 65.192 .450
1 .000 1 .000 1 .502
11.826 17.168 -.560
20.253 28.175 1.144
1 .654
-.663
1.056
.196
.439
.200
.957 .288 .226 .112 .990 .345 -.714
.352 .463 .465 .471 .427 .384 .414
7.406 .385 .236 .057 5.383 .805 2.980
1 1 1 1 1 1 1
.007 .535 .627 .812 .020 .370 .084
.268 -.621 -.685 -.810 .154 -.408 -1.524
1.646 1.196 1.137 1.034 1.826 1.098 .097
.874
.475
3.384
1 .066
-.057
1.806
.397 1.199 .639 .959 -.423 .967 -.299
.416 .506 .442 .471 .475 .479 .410
.908 5.608 2.088 4.155 .791 4.076 .532
1 1 1 1 1 1 1
.341 .018 .148 .042 .374 .043 .466
-.419 .207 -.228 .037 -1.355 .028 -1.102
1.213 2.191 1.505 1.882 .509 1.906 .504
.184
.368
.249
1 .618
-.538
.905
.869 -.071
.386 .368
5.072 .037
1 .024 1 .847
.113 -.793
1.625 .650
.923
.423
4.770
1 .029
.095
1.752
-.296 -.471 .538
.573 .638 .510
.267 .544 1.111
1 .605 1 .461 1 .292
-1.420 -1.721 -.462
.827 .780 1.537
.002
.531
.000
1 .998
-1.038
1.042
.517
.484
1.142
1 .285
-.431
1.465
Link function: Logit.
38
Tabel 8 menjelaskan bahwa terdapat 4 kemungkinan nilai dari Y yaitu: a. 𝑌𝑖 = 0 jika 𝑌 ∗𝑖 ≤ 12,031 b. 𝑌𝑖 = 1 jika 12,031 < 𝑌 ∗𝑖 < 16,039 c. 𝑌𝑖 = 2 jika 16,039 < 𝑌 ∗𝑖 < 22,672 d. 𝑌𝑖 = 3 jika 𝑌 ∗𝑖 ≥ 22,672
Rumus 𝑌 ∗𝑖 untuk mengelompokan hasil responden kepada 4 nilai kemungkinan Y adalah sebagai berikut: 𝑌 ∗𝑖 = 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 + 0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 + 1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 − 0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 + 0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26
(35)
Model dugaan logit yang didapat adalah: 𝜋 1. log 1−𝜋1 = 12,031 + 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 + 1
0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 + 1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 − 0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 + 0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26
2. log
𝜋2 1−𝜋 2
(36) = 16,039 + 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 +
0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 + 1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 − 0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 + 0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26 (37) 𝜋3 3. log 1−𝜋 = 22,672 + 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 + 3
0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 + 1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 − 0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 + 0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26
(38)
39
Persamaan regresi logistiknya adalah: 𝜋1 =
exp(12,031 + 0,292𝑥1 + ⋯ + 0,517𝑥26 ) 1 + exp(12,031 + 0,292𝑥1 + ⋯ + 0,517𝑥26 )
(39)
𝜋2 =
exp(16,039 + 0,292𝑥1 + ⋯ + 0,517𝑥26 ) 1 + exp(16,039 + 0,292𝑥1 + ⋯ + 0,517𝑥26 )
(40)
𝜋3 =
exp(22,672 + 0,292𝑥1 + ⋯ + 0,517𝑥26 ) 1 + exp(22,672 + 0,292𝑥1 + ⋯ + 0,517𝑥26 )
(41)
Model peluang yang didapat dari persamaan regresi logistik ordinal tingkat kepuasan pengguna jasa di stasiun Jakarta Kota adalah sebagai berikut: 1 𝑃 𝑌=0 = (𝑌∗ 1 − 𝑒 𝑖 −12,031 ) 1 1 𝑃 𝑌=1 = − (𝑌∗ −16,039) (𝑌∗ 1−𝑒 𝑖 1 − 𝑒 𝑖 −12,031 ) 1 1 1 𝑃 𝑌=2 = − − (𝑌∗ −22,672 ) (𝑌∗ −16,039) (𝑌∗ 𝑖 𝑖 1−𝑒 1−𝑒 1 − 𝑒 𝑖 −12,031 ) 1 𝑃 𝑌 =3 =1− 1 − 𝑒 (𝑌∗𝑖 −22,672) 4.4
(42) (43) (44) (45)
Pengujian Parameter Model Regresi
4.4.1 Uji Kebaikan Model (Goodness of Fit) Uji kebaikan model (Goodness of Fit) dilakukan untuk melihat apakah model regresi logistik ordinal yang didapat layak untuk digunakan. Berikut adalah hasil uji kebaikan model menggunakan uji metode Deviance: Tabel 9. Uji Kebaikan Model Goodness-of-Fit Chi-Square Pearson Deviance
266.831 169.346
Df 544 544
Sig. 1.000 1.000
Link function: Logit.
Hipotesis yang diuji adalah H0 : model logit layak untuk digunakan dan H1 : model logit tidak layak untuk digunakan. Diketahui nilai Chi-Square metode Deviance sebesar 266,831 dengan derajat bebas sebesar 544. Kriteria pengujiannya adalah tolak H0 bila nilai signifikansinya kurang dari 0,05 (𝛼 =
40
0,05). Nilai uji Deviance pada Tabel 10 didapat bahwa nilai signifikansi sebesar
1,00. Keputusan yang diambil adalah terima H0 karena nilai signifikansi lebih besar dari 0,05. Kesimpulannya adalah model logit yang didapat layak untuk digunakan
4.4.2 Uji Keberartian Model Uji keberartian model dilakukan dengan membandingkan model yang tanpa variabel prediktor dan model yang disertai dengan variabel prediktor. Berikut adalah hasil uji keberartian model menggunakan software SPSS: Tabel 10. Tabel Uji Statistik G Model Fitting Information Model
-2 Log Likelihood
Intercept Only
431.193
Final
172.617
Chi-Square 258.576
Df
Sig. 26
.000
Link function: Logit.
Hipotesis yang akan diuji adalah H0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0 dan H1 : minimal terdapat salah satu 𝛽𝑝 ≠ 0. Diketahui hasil -2 ln likelihood model B (tanpa variabel prediktor) sebesar 431,193 dan hasil -2 ln likelihood model A (dengan variabel prediktor sebesar 172,617. Berdasarkan data tersebut maka diketahui nilai statistik G sebesar 258,576. Kriteria pengujian dilakukan dengan mengambil taraf nyata 𝛼 = 0,05 dari tabel distribusi chi kuadrat diperoleh 𝜒 2 (0.05,69) = 90,531, karena nilai statistik G (258,576) > nilai 𝜒 2 (0.05,69) (90,531) maka keputusannya tolak H0 dan terima H1. Kesimpulannya adalah terdapat salah satu 𝛽𝑝 ≠ 0.
41
4.4.3 Uji Wald Tabel 11. Uji Wald Var
Wald Sig 0,450 0,502
Var
𝑥2
Pertanyaan (P1) Flow Kendaraan (P2) Dropping Penumpang
𝑥14
Pertanyaan (K3) Loket
Wald Sig 4,155 0,042
0,200 0,654
𝑥15
(K4) Lokasi Petugas
0,791 0,374
𝑥3
(P3) Lokasi Toilet
7,406 0,007
𝑥16
𝑥4
(P4) Fasilitas Pendukung
0,385 0,535
𝑥17
𝑥5
(P5) Tempat Duduk
0,236 0,627
𝑥18
𝑥6
0,057 0,812
𝑥19
𝑥7
(P6) Tempat Sampah (P7) Kebersihan Stasiun
5.383 0,020
𝑥20
𝑥8
(P8) Kebersihan Toilet 0,805 0,370
𝑥21
(K5) Keramahan Petugas Keamanan (K6) Kondisi Kriminalitas (K7) Keberadaan Pedagang (K8) Sikap Pedagang (Ko1) Lokasi Customer Care (Ko2) Keramahan Customer Care
2,980 0,084
𝑥22
(Ko3) Lokasi Loket
0,267 0,605
3,384 0,066
𝑥23
(Ko4) Antrian
0,544 0,461
𝑥1
𝑥10
(P9) Turun Naik Penumpang (P10) Masuk Keluar Penumpang
𝑥11
(P11) Porter
0,908 0,341
𝑥24
𝑥12
(K1) Ruang Tunggu
5,608 0,018
𝑥25
(Ko5) Complain Solution (Ko6) Keramahan Petugas Loket
𝑥13
(K2) Area Parkir
2,088 0,148
𝑥26
(Ko7) Waktu Antrian
𝑥9
4,076 0,043 0,532 0,466 0,249 0,618 5,072 0,024 0,037 0,847 4,770 0,029
1,111 0,292 0,000 0,998 1,142 0,285
Hasil pengujian parameter Wald pada Tabel 11 menjelaskan bahwa variabel 𝑥3 , 𝑥7 , 𝑥9 , 𝑥10 , 𝑥12 , 𝑥14 , 𝑥16 , 𝑥19 dan 𝑥21 adalah variabel-variabel yang mempunyai pengaruh signifikan terhadap penilaian pelayanan secara umum di stasiun Jakarta Kota dikarenakan variabel-variabel yang mempunyai nilai signifikansi 𝑎 < 0,10 atau dengan kata lain tolak H0 (𝑎 < 0,10) sedangkan untuk variabel sisanya dapat dikatakan tidak berpengaruh secara signifikan terhadap pelayanan secara umum di stasiun Jakarta Kota. Berikut adalah variabel-variabel yang mempunyai pengaruh signifikan terhadap kepuasan pelanggan secara umum di stasiun Jakarta Kota 1. Aspek Pelayanan a. 𝑥3 = Lokasi Toilet b. 𝑥7 = Kebersihan Stasiun
42
c. 𝑥9 = Turun Naik Penumpang d. 𝑥10 = Masuk Keluar Penumpang 2. Aspek Keamanan a. 𝑥12 = Ruang Tunggu b. 𝑥14 = Loket c. 𝑥16 = Keramahan Petugas Keamanan d. 𝑥19 = Sikap Pedagang 3. Aspek Komersial a. 𝑥21 = Keramahan Petugas Customer Care 4.5
Intrepretasi Model
4.5.1 Koefisien Determinasi Model Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Mc Fadden, Cox dan Snell, Nagelkerke R Square. Tabel Koefisien Determinasi dapat dilihat pada Tabel 12 di bawah ini: Tabel 12. Koefesien Determinasi Pseudo R-Square Cox and Snell Nagelkerke Mc Fadden
.726 .817 .592
Link function: Logit.
Tabel 12 menunjukkan nilai koefesien determinasi Mc Fadden sebesar 0,592 sedangkan koefisien determinasi Cox dan Snell sebesar 0,726 dan koefisien determinasi Nagelkerke sebesar 0,817 atau sebesar 81,7%. Koefisien Nagelkerke sebesar 81,7% berarti variabel independen aspek pelayanan, aspek keamanan dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 81,7% sedangkan 18,3% dipengaruhi oleh faktor-faktor lainnya yang tidak termasuk dalam pengujian model. Hal tersebut dapat menyimpulkan bahwa perlu penambahan beberapa variabel lain yang tidak termasuk dalam aspek penelitian yang dapat mempengaruhi penilaian pelayanan stasiun Jakarta Kota secara global.
43
Gambar 10. Keragamanan Dependen Terhadap Variabel Independen
Berdasarkan Gambar 10 diketahui untuk melihat keragaman peubah respon Y dapat dijelaskan oleh peubah penjelas x1 dan x2 dengan melihat nilai persen dari concordant. Pada kasus ini diperoleh nilainya sebesar 95,7% yang artinya sebesar 95,7% keragaman peubah respon Y yang mampu dijelaskan oleh peubah penjelas x1 , x2 , …, x26.
4.5.2 Rasio Odds Berdasarkan total jawaban responden di stasiun Jakarta Kota didapat hasil sebagai berikut: Tabel 13. Frekuensi Jawaban Skala Buruk Cukup Baik Sangat Baik Total
Frekuensi Variabel Y 7 23 81 89 200
Frekuensi Total Jawaban (x1, x2, …, x26) 67 494 2329 2316 5200
Peluang 0,035 0,115 0,405 0,445 1,000
Makna rasio oddnya adalah sebagai berikut: 1. Oddscukup/oddsburuk = (23/494)/(7/67) = 3,28. Menyatakan bahwa kemungkinan jawaban cukup 3,28 kali dibandingkan dengan jawaban buruk. 2. Oddsbaik/oddsburuk
=
(81/2329)/(7/67)
=
11,57.
Menyatakan
bahwa
kemungkinan jawaban baik 11,57 kali dibandingkan dengan jawaban buruk. 3. Oddssangat
baik/oddsburuk
= (89/2316)/(7/67) = 12,71. Menyatakan bahwa
kemungkinan jawaban baik 12,71 kali dibandingkan dengan jawaban buruk. 4. Oddsbaik/oddscukup =
(81/2329)/(23/494)
=
3,52.
Menyatakan
bahwa
kemungkinan jawaban baik 3,52 kali dibandingkan dengan jawaban cukup.
44
5. Oddssangat
baik/oddscukup
= (89/2316)/(23/494) = 3,87. Menyatakan bahwa
kemungkinan jawaban sangat baik 3,87 kali dibandingkan dengan jawaban cukup. 6. Oddssangat
baik/oddsbaik
= (89/2316)/(89/2316) = 1,10. Menyatakan bahwa
kemungkinan jawaban sangat baik 1,10 kali dibandingkan dengan jawaban baik.
Berikut adalah perhitungan rasio odd dengan menggunakan salah satu sampel jawaban responden: Tabel 14. Sampel Jawaban Responden Var Pertanyaan 𝑥1 (P1) Flow Kendaraan (P2) Dropping 𝑥2 Penumpang
Jawaban
Jawaban
2
Var Pertanyaan 𝑥14 (K3) Loket
3
𝑥15 (K4) Lokasi Petugas
3
(K5) Keramahan Petugas Keamanan (K6) Kondisi Kriminalitas (K7) Keberadaan Pedagang (K8) Sikap Pedagang (Ko1) Lokasi Customer Care (Ko2) Keramahan Customer Care
3
𝑥3
(P3) Lokasi Toilet
2
𝑥16
𝑥4
(P4) Fasilitas Pendukung
3
𝑥17
𝑥5
(P5) Tempat Duduk
3
𝑥18
𝑥6
(P6) Tempat Sampah
2
𝑥19
𝑥7
(P7) Kebersihan Stasiun
3
𝑥20
𝑥8
(P8) Kebersihan Toilet
3
𝑥21
2
𝑥22 (Ko3) Lokasi Loket
3
3
𝑥23 (Ko4) Antrian
2
3
𝑥24 (Ko5) Complain Solution (Ko6) Keramahan Petugas 𝑥25 Loket 𝑥26 (Ko7) Waktu Antrian
3
𝑥11
(P9) Turun Naik Penumpang (P10) Masuk Keluar Penumpang (P11) Porter
𝑥12
(K1) Ruang Tunggu
2
𝑥13
(K2) Area Parkir
3
𝑥9 𝑥10
3 3 2 3 3 3
2 3
𝑌 ∗𝑖 = 0,292 2 + 0,196 3 + 0,957 2 + 0,288 3 + 0,226(3) + 0,112(2) + 0,990(3) + 0,345(3) − 0,714(2) + 0,874(3) + 0,397(3) + 1,199(2) + 0,636(3) + 0,959(3) − 0,423(3) + 0,967(3) − 0,299(3) − 0,184(2) + 0,869(3) − 0,071(3) + 0,923(3) − 0,296(3) − 0,471(2) + 0,538(3) + 0,002(2) + 0,517 3 𝑌 ∗𝑖 = 20,925
45
Diketahui nilai 𝑌 ∗𝑖 = 20,925 yang termasuk dalam kategori Y = 2 sehingga kemungkinan terbesar adalah responden tersebut akan menjawab pelayanan secara umum di stasiun Jakarta Kota baik (Y=2). Peluang pelayanan secara umum di stasiun Jakarta Kota dihitung sebagai berikut: 𝑃 𝜋=0 = 𝑃 𝜋=1 =
1 1+
𝑒 (20,925−12,031 )
1+𝑒
1
= 0,0001
− (20,925−16,039)
1 1 + 𝑒 (20,925−12,031 )
𝑃 𝜋 = 1 = 0,0075 − 0,0001 = 0,0074 1 1 1 𝑃 𝜋=2 = − − (20,925−22,672 ) (20,925−16,039) (20,925−12,031) 1+𝑒 1+𝑒 1+𝑒 𝑃 𝜋 = 2 = 0,8516 − 0,0075 − 0,0001 = 0,8439 1 𝑃 𝜋=3 =1− = 1 − 0,8516 = 0,1484 1 + 𝑒 (20,925−22,672 )
Diketahui bila responden menjawab pertanyaan kuisioner seperti pada data Tabel 14. Maka peluang responden tersebut menjawab pelayanan secara umum di stasiun Jakarta Kota buruk adalah 0,0001 (0,01%), peluang responden tersebut menjawab cukup adalah 0,0074 (0,07%), peluang responden tersebut menjawab baik adalah 0,8439 (84,39%) dan peluang responden tersebut menjawab sangat baik sebesar 0,1484 (14,84%).
46
BAB V PENUTUP
5.1
Kesimpulan Berdasarkan hasil analisis diketahui usia pengguna jasa yang paling besar
menggunakan jasa kereta api berusia 25 - 34 tahun dan berjenis kelamin laki-laki. Pendidikan terakhir responden yang paling besar adalah perguruan tinggi. Pekerjaan responden yang paling banyak menggunakan jasa kereta api adalah pegawai BUMN/BUMD dengan frekuensi per bulan sebesar 6 - 10 kali perjalanan. Tujuan responden menggunakan KA di stasiun Jakarta Kota yang paling banyak adalah keperluan keluarga dan pekerjaan rutin. Uji kelayakan model (goodness of fit) menggunakan metode Deviance hasil 𝜒 2 𝑖𝑡𝑢𝑛𝑔 sebesar 168,346 dengan signifikansi 1,000. Berarti model logit regresi logistik layak untuk digunakan. Berdasarkan nilai uji statistik G untuk melihat peranan peubah penjelas di dalam model secara bersama-sama digunakan uji rasio kemungkinan (uji G) didapat nilai statistik G sebesar 258,576 yang lebih besar bila dibandingkan dengan nilai pada tabel 𝜒 2 (0.05,69) (90,531) berarti bahwa model regresi logistik ordinal terdapat salah satu 𝛽𝑝 ≠ 0. Hasil uji wald diketahui 9 (sembilan) variabel yang berpengaruh secara signifikan terhadap kepuasan pengguna jasa di stasiun Jakarta Kota adalah 𝑥3 = lokasi toilet, 𝑥7 = kebersihan stasiun, 𝑥9 = turun naik penumpang, 𝑥10 = masuk keluar penumpang, 𝑥12 = ruang tunggu, 𝑥14 = loket, 𝑥16 = keramahan petugas keamanan, 𝑥19 = sikap pedagang, 𝑥21 = keramahan petugas customer care. Koefesien determinasi Nagelkerke sebesar 0,817 atau sebesar 81,7%. Hal ini berarti variabel independen aspek pelayanan, aspek keamanan dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 81,7%. Pada kasus ini diperoleh nilai concordant sebesar 95,7% yang artinya sebesar 95,7% keragaman peubah respon Y yang mampu dijelaskan oleh peubah penjelas x1, x2, …, x26.
47
Berdasarkan odd rasio secara umum dari 200 responden diketahui peluang pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar 12,71 kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan 1,1 kali dibandingkan jawaban baik.
5.2
Saran PT. KAI (Persero) Daop 1 Jakarta khususnya stasiun Jakarta Kota yang
mempunyai sertifikasi ISO 9001:2008 SMM agar lebih fokus lagi terhadap pelayanan sesuai dengan prinsip ISO yaitu Plan, Do, Check and Action agar pelayanan di stasiun Jakarta Kota lebih baik dari hari ke hari. Kedepannya diharapkan dapat menambah fasilitas-fasilitas yang dibutuhkan untuk senantiasa meningkatkan pelayanan sebagai salah satu dari 5 pilar utama yaitu pelayanan prima kepada pengguna jasa kereta api. Kepada seluruh pegawai kereta-api khususnya di stasiun Jakarta Kota agar dapat menjaga kekonsistenan pelayanan agar faktor-faktor yang berpengaruh nyata terhadap kepuasan pengguna jasa di stasiun Jakarta Kota dapat terus meningkat di 4 aspek utama penilaian ISO 9001:2008 SMM yaitu aspek pelayanan, aspek keamanan dan aspek komersial. Diharapkan untuk kedepannya PT. KAI (Persero) Daop 1 Jakarta khususnya stasiun Jakarta Kota dapat menambah aspek baru yang dapat mempengaruhi kepuasan pelanggan di stasiun Jakarta Kota misalnya aspek perjalanan kereta termasuk jadwal perjalanan kereta api jarak jauh dan KRL serta kinerja petugas perjalanan kereta api di stasiun Jakarta Kota.
48
DAFTAR PUSTAKA Agresti,A. 1990. Categorical Data Analysis. New York : JohnWiley& Sons.Inc. Garson, G.D. 2008. Logistik Regression. Dipublikasikan http:/www2.chass.ncsu.edu/garson/PA765/logistic.htm [11 Juli 2012]
di
Ghozali, I. 2007. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbit Universitas Diponegoro. Hosmer, D.W., Lemeshow, S. 1989. Applied Logistic Regression. New York : Wiley and Sons. Hosmer, D.W., Lemeshow, S. 2000. Applied Logistic Regression (Second ed.) New York : Wiley and Sons. Kim, H.S. 2004. Topic In Ordinal Logistics Regression and Its Applications. Disertasi, Texas: Texas A&M University. Kleinbaum D. dan Klein, M. 2002. Logistic Regression. New York: Springer-Verlag.
Montgomery, D.G. Peck ,E.A, dan Vining, G.G. 2006. Introduction to Linear Regression Analysis (fourth ed.). New York : Wiley and Sons. Roji, M.F. 2008. Analisis Pengaruh Pelayanan PT. KAI (Persero) Terhadap Kepuasan Konsumen (Studi Pada KA Eksekutif Gajayana). Skripsi. Program Studi Manajemen. UIN Malang. Dipublikasikan di http:/elib.uinmalang.ac.id [24 Desember 2012]. Ryan, Thomas P. 1997. Modern Regression Methods. New York: John Wiley and Sons. Septina, L. 2011. Kualitas Pelayanan Transportasi Kereta Api (Studi Kasus Pelayanan di Atas Kereta Api Turangga). Skripsi. Program Studi Ilmu Administrasi Bisnis. Universitas Pembangunan Nasional “Veteran” Jawa Timur. Dipublikasikan di http:/ eprints.upnjatim.ac.id/1430 [20 Juni 2012]. Simamora, B. 2004. Panduan Riset Prilaku Konsumen. Jakarta : Gramedia. Tjiptono, F. 1996. Perspektif Manajemen dan Pemasaran. Yogyakarta: Andy Offset. .
49
LAMPIRAN
50
LAMPIRAN 1. PEMBUKTIAN PERSAMAAN 7 Bukti persamaan (7) 𝜋 𝑥 =
exp 𝛽0 + 𝛽1 𝑥 1 + exp 𝛽0 + 𝛽1 𝑥
(kalikan kedua ruas persamaan dengan 1 + exp𝛽0 + 𝛽1 𝑥 , 𝜋 𝑥 1 + exp 𝛽0 + 𝛽1 𝑥
= exp 𝛽0 + 𝛽1 𝑥
𝜋 𝑥 + 𝜋 𝑥 exp 𝛽0 + 𝛽1 𝑥 = exp 𝛽0 + 𝛽1 𝑥 𝜋 𝑥 = exp 𝛽0 + 𝛽1 𝑥 − 𝜋 𝑥 exp 𝛽0 + 𝛽1 𝑥 𝜋 𝑥 = exp 𝛽0 + 𝛽1 𝑥
1−𝜋 𝑥
𝜋 𝑥 = exp 𝛽0 + 𝛽1 𝑥 1−𝜋 𝑥 kemudian kedua ruas persamaan terakhir diberi 𝑙𝑛, sehingga 𝑙𝑛
𝜋 𝑥 = 𝐼𝑛 exp 𝛽0 + 𝛽1 𝑥 1 − 𝜋)𝑋)
𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥
= 𝐼𝑛
𝜋 𝑥 1−𝜋 𝑥
= 𝛽0 + 𝛽1 𝑥 atau
= 𝛽0 + 𝛽1 𝑥
51
LAMPIRAN 2. KUISIONER PENELITIAN
SURVEY KEPUASAN PELANGGAN Stasiun Besar Jakarta Kota Yth. Pelanggan Kereta Api Kami membutuhkan masukkan, kritik dan saran dari pelanggan kereta api. Pertanyaan berikut sesuai dengan kondisi sebenarnya. Atas masukan, kritik dan saran dari para pelanggan, kami mengucapkan terima kasih. Semoga PT.KAI (Persero) akan lebih memenuhi kebutuhan dan keinginan para pelanggan semua. Mohon diisi dengan tanda checklist (√) pada pilihan yang kami sediakan. Skala Penilaian No Pertanyaan Sangat Baik Cukup Baik A. ASPEK PELAYANAN 1 Pengaturan flow kendaraan masuk dan keluar di stasiun. 2 Area dropping penumpang di stasiun keberangkatan. 3 Lokasi toilet di stasiun keberangkatan. 4 Ketersediaan fasilitas pendukung (musolah, mini market, restoran,dll). 5 Ketersediaan fasilitas tempat duduk di stasiun. 6 Ketersediaan fasilitas tempat sampah di stasiun. 7 Kebersihan stasiun secara umum. 8 Kebersihan toilet secara umum. 9 Kemudahan turun dan naik kereta. 10 Pengaturan masuk dan keluar penumpang. 11 Pelayanan kuli angkut (porter) B. ASPEK KAMTIB 1 Kondisi keamanan ruang tunggu. 2 Kondisi keamanan di area parkir. 3 Kondisi keamanan di area loket pembeliaan tiket. 4 Keberadaan petugas keamanan. 5 Keramahan petugas keamanan. 6 Kondisi kriminalitas di area stasiun. 7 Keberadaan pedagang asongan di area stasiun. 8 Sikap pedagang asongan dalam menawarkan dagangan. C. ASPEK KOMERSIAL 1 Ketersediaan ruang customer care/ pusat info di stasiun. 2 Keramahan dan kesopanan petugas customer
Buruk
52
3 4 5 6 7 D. 1
care. Ketersediaan loket pembelian tiket di stasiun. Pengaturan antrian tiket di stasiun. Penanganan complain penumpang di stasiun. Keramahan dan kesopanan petugas ticketing. Waktu antrian selama memperoleh ticketing. ASPEK KEPUASAN GLOBAL Kepuasan anda secara global mengenai Pelayanan di Stasiun Besar Jakarta Kota
DATA DIRI PENGGUNA JASA KERETA API: Nama
:
Usia
:
Jenis kelamin
:
Pendidikan
:
Profesi
:
Rutinitas menggunakan kereta api
: kadang – kadang / sering / setiap hari/ …………
Tujuan
: sekolah, kuliah / bekerja / bisnis / wisata / ……….
KRITIK DAN SARAN
Jakarta Kota, ......................... 2012 Pengguna Jasa
(____________________)
53
LAMPIRAN 3. OPERASIONALISASI VARIABEL
Sub No. Indikator Ukuran Skala Variabel Soal Faktor-Faktor Tingkat KepuasanPengguna Jasa Pelayanan di Stasiun Bersertifikasi ISO 9001:2008 Sistem Manajemen Mutu Aspek Kelamin Jenis Kelamin Nominal Demografi Usia Tingkat Usia Ordinal Variabel
Aspek Pelayanan
Keterangan
0 = Wanita 1 = Laki-Laki 0 = 10 – 20 tahun 1 = 21 – 35 tahun 2 = 36 – 50 tahun 3 = > 50 tahun 0 = SD 1 = SMP 2 = SMA 3 = PT 0 = Kadang-kadang 1 = Sering 2 = Setiap hari 0 = Sekolah 1 = Kerja 2 = Bisnis 3 = Wisata 4 = Lain-Lain
Pendidikan
Tingkat Pendidikan
Ordinal
Rutinitas menggunakan KA Tujuan
Tingkat rutinitas menggunakan KA
Ordinal
Tujuan menggunakan KA
Nominal
Flow kendaraan penumpang dalam keluar dan masuk stasiun Area dropping penumpang di stasiun keberangkatan
Tingkat flow arus kendaraan penumpang dalam keluar dan masuk stasiun
Ordinal
1
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Tingkat pengaturan area droping penumpang di stasiun keberangkatan Tingkat kepuasan pengguna jasa terhadap lokasi toilet di stasiun keberangkatan Tingkat ketersediaan fasilitas pendukung distasiun Tingkat ketersediaan fasilitas tempat duduk Tingkat ketersediaan
Ordinal
2
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Ordinal
3
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Ordinal
4
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Ordinal
5
Ordinal
6
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup
Lokasi toilet di stasiun keberangkatan
Ketersediaan fasilitas pendukung (Support Facility) Ketersediaan Fasilitas tempat duduk Ketersediaan Fasilitas
54
Aspek Keamanan
tempat sampah
fasilitas tempat sampah
2 = Baik 3 = Sangat Baik
Kebersihan stasiun secara umum
Tingkat kebersihan stasiun secara umum
Ordinal
7
Kebersihan toilet secara umum
Tingkat kebersihan toilet secara umum
Ordinal
8
Kemudahan naik turun penumpang
Tingkat kemudahan naik turun penumpang
Ordinal
9
Pengaturan masuk dan keluar penumpang di stasiun Pelayanan kuli angkut
Tingkat pengaturan masuk dan keluar penumpang di stasiun Tingkat pelayanan kuli angkut
Ordinal
10
Ordinal
11
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Kondisi keamanan ruang tunggu
Tingkat keamaan di ruang tunggu stasiun
Ordinal
1
Kondisi keamanan di area parkir stasiun Kondisi keamanan di area loket pembelian tiket Keberadaan petugas keamanan
Tingkat keamanan di area parkir stasiun
Ordinal
2
Tingkat keamanan di area loket pembelian tiket
Ordinal
3
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Tingkat keberadaan petugas keamanan
Ordinal
4
Keramahan petugas keamanan.
Ordinal
5
Kondisi kriminalitas di area stasiun.
Tingkat keramahan petugas keamanan memberikan informasi Tingkat kriminalitas di area stasiun.
Ordinal
6
Keberadaan pedagang asongan di area stasiun.
Tingkat keberadaan pedagang asongan di area stasiun.
Ordinal
7
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
55
Aspek Komersial
Sikap pedagang asongan menawarkan dagangan.
Tingkat sikap pedagang asongan menawarkan dagangan.
Ordinal
8
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Ketersediaan ruang customer care/ pusat info di stasiun. Keramahan dan kesopanan petugas customer care. Ketersediaan loket pembelian tiket di stasiun. Pengaturan antrian tiket di stasiun.
Tingkat ketersediaan ruang customer care/pusat info di stasiun.
Ordinal
1
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Tingkat keramahan dan kesopanan petugas customer care.
Ordinal
2
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Tingkat ketersediaan loket pembelian tiket di stasiun.
Ordinal
3
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Tingkat pengaturan antrian tiket di stasiun. Tingkat penanganan komplain penumpang di stasiun. Tingkat keramahan dan kesopanan petugas ticketing.
Ordinal
4
Ordinal
5
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik 0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Ordinal
6
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Lamanya waktu antrian selama memperoleh ticketing.
Ordinal
7
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Tingkat kepuasan pengguna jasa terhadap pelayanan yang ada di stasiun
Ordinal
1
0 = Buruk 1 = Cukup 2 = Baik 3 = Sangat Baik
Penanganan complain penumpang di stasiun. Keramahan dan kesopanan petugas ticketing. Waktu antrian selama memperoleh ticketing. Aspek Global
Pelayanan umum di stasiun
56
LAMPIRAN 4. VARIABEL VIEW DAN DATA VIEW SOFTWARE SPSS
1. Variabel View
2. Data View
57
LAMPIRAN 5. HASIL UJI VALIDITAS
(P1) Flow Kenda raan
Pears on Correl ation
(P1) Flow Kend araan
(P3 ) (P2) Lo Dropp kas ing i Penu Toi mpang let
(P4) Fasilit as Pendu kung
1
.573**
.64 7**
.127
.001
.00 0
Sig. (2tailed)
(P2) Droppi ng Penum pang
(P3) Lokasi Toilet
(P4) Fasilit as Pendu kung
(P5 ) Te mp at Du duk
(P6) Te mpa t Sam pah
(P7) Keber sihan Stasiu n
.09 0
.494
.461*
.504
.63 6
.006
.010
.000
.028
(K 3) Lo ket
(K6) Kondis i Krimin alitas
(K7) Keber adaan Pedag ang
(K8) Sika p Peda gang
(Ko1 ) Loka si Cust omer Care
.419*
.522**
.643*
.346
(P8) Keber sihan Toilet
(P9) Turun Naik Penu mpang
(P10) Masuk Keluar Penu mpang
(P1 1) Po rte r
.673**
.401*
.406*
.66 8**
.570 .50 ** 3**
.58 5**
.641 .462*
.026
.00 0
.001 .00 5
.00 1
.000 .010
.021
.003
.000
.061
.047
30
30
30
30
.387*
.302
.587*
.287
**
(K 2) Ar ea Par kir
(K4 ) Lok asi Pet uga s
(K1 ) Rua ng Tun ggu
(K5) Kera mahan Petug as
**
(Ko2) Kera mahan Custo mer Care .365*
(Ko 4) Ant rian
.35 8
(Ko5 ) Com plain Solut ion
(Ko6) Kera mahan Petug as Loket
(Ko 7) Wa ktu Ant rian
.42 1*
.231
.374*
.30 2
.708
.05 2
.02 1
.219
.042
.10 4
.000
30
30
30
30
30
30
30
.184
.34 2
.52 3**
.219
.378*
.31 6
.577
*
Tota l Jaw aban **
N
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
Pears on Correl ation
.573**
1
.28 4
.342
.17 4
.312
.294
.397*
.345
.424*
.45 0*
.778 .43 ** 3*
.28 1
.338 .590**
Sig. (2tailed)
.001
.12 8
.064
.35 7
.093
.115
.030
.062
.020
.01 3
.000 .01 7
.13 2
.068 .001
.035
.105
.001
.124
.330
.06 5
.00 3
.244
.040
.08 9
.001
N
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
Pears on Correl ation
.647**
.284
1
.292
.36 6*
.585
.382*
.721**
.467**
.355
.55 8**
.465 .35 ** 3
.29 0
.592 .197
.463**
.474**
.569*
.453*
.292
.22 1
.14 4
.098
.055
.18 9
.615
Sig. (2tailed)
.000
.128
.118
.04 6
.001
.037
.000
.009
.054
.00 1
.010 .05 6
.12 0
.001 .298
.010
.008
.001
.012
.118
.24 0
.44 7
.606
.772
.31 8
.000
N
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
Pears on Correl ation
.127
.342
.29 2
1
.34 2
.408
.386*
.347
.365*
.557**
.35 6
.321 .31 2
.15 3
.372 .139
.433*
.061
.278
.166
.193
.25 0
.31 2
.119
.271
.31 2
.456
Sig. (2tailed)
.504
.06 4
.025
.05 4
.084 .09 3
.42 1
.043 .465
.18 2
.09 3
.530
.09 3
.011
.064
.11 8
**
*
.035
.060
.048
.001
30
(K o3) Lo kas i Lo ket
*
30
**
*
30
*
.017
.749
.137
.380
.308
.147
**
**
*
58
(P5) Tempa t Duduk
(P6) Tempa t Sampa h
(P7) Kebers ihan Stasiu n
(P8) Kebers ihan Toilet
(P9) Turun Naik Penum pang
N
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
Pears on Correl ation
.090
-.174
.36 6*
.342
1
.605
.488**
.397*
.577**
.234
.09 2
.006 .25 1
.28 1
.504 .095
Sig. (2tailed)
.636
.357
.04 6
.064
N
30
30
30
30
Pears on Correl ation
.494**
.312
.58 5**
.408*
Sig. (2tailed)
.006
.093
.00 1
.025
.00 0
N
30
30
30
30
30
Pears on Correl ation
.461*
.294
.38 2*
.386*
.48 8**
Sig. (2tailed)
.010
.115
.03 7
.035
.00 6
.002
N
30
30
30
30
30
30
Pears on Correl ation
.673**
.397*
.72 1**
.347
.39 7*
.548
Sig. (2tailed)
.000
.030
.00 0
.060
.03 0
.002
.004
N
30
30
30
30
30
30
30
Pears on Correl ation
.401*
.345
.46 7**
.365*
.57 7**
.410
.571**
Sig. (2tailed)
.028
.062
.00 9
.048
.00 1
.024
.001
.000
N
30
30
30
30
30
30
30
30
**
30
30
30
30
30
30
30
30
30
30
30
30
.387*
.236
.266
.446*
.273
.16 2
.07 0
.386*
.198
.31 6
.456
**
*
.000
.006
.030
.001
.213
.62 7
.973 .18 1
.13 2
.005 .618
.035
.209
.156
.013
.144
.39 3
.71 5
.035
.295
.08 9
.011
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
.60 5**
1
.549**
.548**
.410*
.330
.34 3
.477 .46 ** 5**
.46 9**
.562 .181
.395*
.156
.400*
.554*
.358
.14 8
.21 6
.290
.263
.30 1
.612
30
**
*
**
.002
.002
.024
.075
.06 3
.008 .01 0
.00 9
.001 .338
.031
.410
.029
.001
.052
.43 5
.25 2
.121
.160
.10 6
.000
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
.549
1
.507**
.571**
.614**
.59 8**
.415 .53 * 0**
.67 5**
.583 .498**
.555**
.274
.494*
.333
.302
.22 9
.36 5*
.376*
.425*
.59 5**
.709
**
30
**
*
**
.004
.001
.000
.00 0
.023 .00 3
.00 0
.001 .005
.001
.143
.006
.072
.105
.22 4
.04 7
.041
.019
.00 1
.000
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
.507**
1
.680**
.546**
.60 3**
.497 .59 ** 8**
.57 5**
.743 .441*
.706**
.657**
.760*
.375*
.189
.38 2*
.39 2*
.259
.368*
.47 0**
.808
**
30
**
*
**
.000
.002
.00 0
.005 .00 0
.00 1
.000 .015
.000
.000
.000
.041
.317
.03 7
.03 2
.167
.045
.00 9
.000
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
.680**
1
.540**
.59 1**
.368 .46 * 4**
.35 0
.678 .454*
.778**
.542**
.723*
.369*
.082
.27 3
.26 7
.274
.378*
.51 9**
.732
.002
.00 1
.045 .01 0
.05 8
.000 .012
.000
.002
.000
.045
.668
.14 4
.15 3
.143
.040
.00 3
.000
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
30
*
30
30
30
**
*
30
**
59
(P10) Masuk Keluar Penum pang
(P11) Porter
(K1) Ruang Tungg u
(K2) Area Parkir
(K3) Loket
Pears on Correl ation
.406*
Sig. (2tailed)
.026
N Pears on Correl ation Sig. (2tailed)
.000
N Pears on Correl ation Sig. (2tailed)
.001
N Pears on Correl ation Sig. (2tailed)
.005
N Pears on Correl ation Sig. (2tailed)
.001
N
30
.424*
.35 5
.557**
.020
.05 4
30
30
.668**
.450*
.614**
.546**
.540**
.23 4
.330
1
.001
.21 3
.075
.000
.002
.002
30
30
30
30
30
30
30
.55 8**
.356
.09 2
.343
.598**
.603**
.591**
.013
.00 1
.054
.62 7
.063
.000
.000
.001
.000
30
30
30
30
30
30
30
30
30
30
.570**
.778**
.46 5**
.321
.00 6
.477
.415*
.497**
.368*
.537**
.000
.01 0
.084
.97 3
.008
.023
.005
.045
.002
.00 0
30
30
30
30
30
30
30
30
30
30
30
30
.503**
.433*
.35 3
.312
.25 1
.465
.530**
.598**
.464**
.650**
.56 5**
.563 1
.017
.05 6
.093
.18 1
.010
.003
.000
.010
.000
.00 1
.001
30
30
30
30
30
30
30
30
30
30
30
30
.585**
.281
.29 0
.153
.28 1
.469
.675**
.575**
.350
.525**
.44 4*
.380 .74 * 7**
.132
.12 0
.421
.13 2
.009
.000
.001
.058
.003
.01 4
.039 .00 0
30
30
30
30
30
30
30
30
30
30
30
.775**
.431*
.487*
.25 6
.57 0**
.410*
.343
.17 3
.00 1
.025
30
30
30
30
.240
.129
.36 1*
.48 9**
.496
.05 0
.00 6
.272
30
30
30
30
.303
.038
.37 4*
.56 3**
.844
.04 2
.00 1
.112
30
30
30
30
.393*
.217
.33 6
.53 7**
.250
.06 9
.00 2
.001
30
30
30
30
.271
.350
.28 8
.47 5**
.72 5**
.537 .65 ** 0**
.52 5**
.389 .337
.00 0
.002 .00 0
.00 3
.034 .068
.000
.017
.006
.369
30
30
30
30
30
30
30
30
30
.725**
1
.625 .56 ** 5**
.44 4*
.399 .459*
.625**
.417*
.617*
.000 .00 1
.01 4
.029 .011
.000
.022
.000
.201
30
30
30
30
30
30
30
30
.62 5**
1
.56 3**
.38 0*
.410 .545**
.496**
.308
.577*
.00 1
.03 9
.024 .002
.005
.097
.001
.104
30
30
30
30
30
30
.74 7**
.555 .417*
.661**
.491**
.477*
.00 0
.001 .022
.000
.006
.008
.032
30
30
30
30
30
1
.576 .400*
.558**
.486**
.505*
**
**
**
**
30
30
*
30
*
.179
*
30
*
*
30
**
*
30
**
30
.170
*
*
.304
.42 7*
.698
.103
.01 9
.000
30
30
30
30
.207
.391*
.48 4**
.717
.032
.00 7
.000
30
30
30
30
.296
.358
.40 6*
.663
.052
.02 6
.000
30
30
30
30
.583*
.352
.56 2**
.748
.057
.00 1
.000
30
30
30
30
.531*
.432*
.46 8**
.693
*
*
**
**
**
**
**
.001 .028
.001
.007
.004
.147
.058
.12 3
.00 8
.003
.017
.00 9
.000
30
30
30
30
30
30
30
30
30
30
30
30
30
60
(K4) Lokasi Petuga s
(K5) Keram ahan Petuga s
(K6) Kondis i Krimin alitas
(K7) Kebera daan Pedaga ng
(K8) Sikap Pedaga ng
Pears on Correl ation
.641**
.59 2**
.372*
Sig. (2tailed)
.000
.068
.00 1
N Pears on Correl ation
30
30
.462*
.590**
Sig. (2tailed)
.010
N Pears on Correl ation Sig. (2tailed)
.021
N Pears on Correl ation Sig. (2tailed)
.003
N Pears on Correl ation Sig. (2tailed)
.000
N
30
.338
.583**
.743**
.678**
.50 4**
.562
.043
.00 5
.001
.001
.000
.000
30
30
30
30
30
30
.19 7
.139
.09 5
.181
.498**
.441*
.001
.29 8
.465
.61 8
.338
.005
.015
.012
30
30
30
30
30
30
30
30
.419*
.387*
.46 3**
.433*
.38 7*
.395
.555**
.706**
.035
.01 0
.017
.03 5
.031
.001
.000
.000
30
30
30
30
30
30
30
30
.522**
.302
.47 4**
.061
.23 6
.156
.274
.657**
.105
.00 8
.749
.20 9
.410
.143
.000
.002
30
30
30
30
30
30
30
30
.643**
.587**
.56 9**
.278
.26 6
.400
.494**
.760**
.001
.00 1
.137
.15 6
.029
.006
.000
.000
30
30
30
30
30
30
30
30
.389*
.637**
.521**
.410 .55 * 5**
.57 6**
.034
.02 9
.024 .00 1
.00 1
30
30
30
30
30
30
30
.454*
.337
.45 9*
.545 .41 ** 7*
.40 0*
.372 1
.068
.01 1
.002 .02 2
.02 8
.043
30
30
30
30
30
30
30
.778**
.775**
.62 5**
.496 .66 ** 1**
.55 8**
.637 .276
.000
.00 0
.005 .00 0
.00 1
.000 .139
30
30
30
30
30
30
30
.542**
.431*
.41 7*
.308 .49 1**
.48 6**
.521 .289
.017
.02 2
.097 .00 6
.00 7
.003 .121
.002
30
30
30
30
30
30
30
30
.723**
.487**
.61 7**
.577 .47 ** 7**
.50 5**
.647 .427*
.741**
.006
.00 0
.001 .00 8
.00 4
.000 .019
.000
.000
30
30
30
30
30
30
30
*
*
30
1
.372*
.39 9*
**
.647*
.447*
.309
*
.32 2
.27 3
.320
.378*
.47 2**
.758 **
.043
.000
.003
.000
.013
.096
.08 3
.14 4
.085
.039
.00 8
.000
30
30
30
30
30
30
30
30
30
30
30
30
.276
.289
.427*
.166
.089
.35 5
.52 3**
.312
.480**
.58 5**
.566
*
30
.139
.121
.019
.380
.638
.05 5
.00 3
.093
.007
.00 1
.001
30
30
30
30
30
30
30
30
30
30
30
1
.547**
.741*
.363*
.176
.20 5
.37 5*
.383*
.250
.44 9*
.767
**
*
30
.000
.049
.351
.27 8
.04 1
.037
.183
.01 3
.000
30
30
30
30
30
30
30
30
30
30
30
.547**
1
.766*
.284
.285
.52 0**
.49 1**
.430*
.475**
.46 3*
.687
*
**
.000
.128
.128
.00 3
.00 6
.018
.008
.01 0
.000
30
30
30
30
30
30
30
30
30
30
.766**
1
.499*
.318
.55 2**
.47 7**
.344
.530**
.54 1**
.840
**
*
30
**
.002
**
30
**
30
**
.005
.087
.00 2
.00 8
.062
.003
.00 2
.000
30
30
30
30
30
30
30
30
61
(Ko1) Lokasi Custo mer Care
(Ko2) Keram ahan Custo mer Care
(Ko3) Lokasi Loket
(Ko4) Antria n
(Ko5) Compl ain Solutio n
Pears on Correl ation
.346
Sig. (2tailed)
.061
N Pears on Correl ation Sig. (2tailed)
.047
N Pears on Correl ation Sig. (2tailed)
.052
N Pears on Correl ation Sig. (2tailed)
.021
N Pears on Correl ation Sig. (2tailed)
.219
N
30
.287
.45 3*
.166
.124
.01 2
30
30
.365*
.184
.333
.375*
.369*
.44 6*
.554
.380
.01 3
.001
.072
.041
.045
30
30
30
30
30
30
.29 2
.193
.27 3
.358
.302
.189
.330
.11 8
.308
.14 4
.052
.105
.317
.668
30
30
30
30
30
30
30
30
.358
.342
.22 1
.250
.16 2
.148
.229
.382*
.065
.24 0
.182
.39 3
.435
.224
.037
.144
30
30
30
30
30
30
30
30
.421*
.523**
.14 4
.312
.07 0
.216
.365*
.392*
.003
.44 7
.093
.71 5
.252
.047
.032
.153
30
30
30
30
30
30
30
30
.231
.219
.09 8
.119
.38 6*
.290
.376*
.259
.244
.60 6
.530
.03 5
.121
.041
.167
.143
30
30
30
30
30
30
30
30
.170
.363*
.49 7**
.39 3*
.647*
.000
.00 5
.03 2
.000
30
30
30
30
.745*
1
.49 5**
.52 0**
.00 5
.00 3
.000
30
30
30
.495**
1
.71 8**
.00 0
.004
30
30
.71 8**
1
.27 1
.447 .166
.369
.20 1
.104 .03 2
.14 7
.013 .380
.049
.128
.005
30
30
30
30
30
30
30
30
30
30
.082
.179
.12 9
.038 .21 7
.35 0
.309 .089
.176
.285
.318
.343
.49 6
.844 .25 0
.05 8
.096 .638
.351
.128
.087
.000
30
30
30
30
30
30
30
30
30
30
30
.273
.256
.36 1*
.374 .33 * 6
.28 8
.322 .355
.205
.520**
.552*
.497*
*
*
.173
.05 0
.042 .06 9
.12 3
.083 .055
.278
.003
.002
.005
.005
30
30
30
30
30
30
30
30
30
30
30
30
.267
.570**
.48 9**
.563 .53 ** 7**
.47 5**
.273 .523**
.375*
.491**
.477*
.393*
.520**
.001
.00 6
.001 .00 2
.00 8
.144 .003
.041
.006
.008
.032
.003
.00 0
30
30
30
30
30
30
30
30
30
30
30
30
30
.274
.410*
.20 7
.296 .58 3**
.53 1**
.320 .312
.383*
.430*
.344
.647*
.621**
.50 6**
.025
.27 2
.112 .00 1
.00 3
.085 .093
.037
.018
.062
.000
.000
.00 4
.00 0
30
30
30
30
30
30
30
30
30
30
30
30
*
1
.745**
.303 .39 3*
30
.284
.499*
.24 0
**
*
30
*
30
30
*
30
*
30
.376*
.50 3**
.621
.041
.00 5
.000
30
30
30
30
.621*
.480**
.44 0*
.499
.007
.01 5
.005
30
30
30
30
.506*
.742**
.64 7**
.612
.000
.00 0
.000
30
30
30
30
.725*
.810**
.76 2**
.709
*
*
*
*
**
**
**
**
.000
.000
.00 0
.000
30
30
30
30
30
.72 5**
1
.548**
.67 1**
.624
.002
.00 0
.000
30
30
30
30
**
62
(Ko6) Keram ahan Petuga s Loket
(Ko7) Waktu Antria n
Total Jawab an
Pears on Correl ation
.374*
Sig. (2tailed)
.042
N Pears on Correl ation Sig. (2tailed)
.104
N Pears on Correl ation Sig. (2tailed)
.000
N
30
.378*
.05 5
.271
.040
.77 2
30
30
.302
.316
.425*
.368*
.378*
.39 1*
.358 .35 2
.43 2*
.378 .480**
.103
.03 2
.052 .05 7
.01 7
.039 .007
.183
.008
.003
.041
30
30
30
30
30
30
30
30
30
30
.519**
.427*
.48 4**
.406 .56 * 2**
.46 8**
.472 .585**
.449*
.463*
.541* *
*
.019
.00 7
.026 .00 1
.00 9
.008 .001
.013
.010
.002
.005
30
30
30
30
30
30
30
30
30
30
.732**
.698**
.71 7**
.663 .74 ** 8**
.69 3**
.758 .566**
.767**
.687**
.840* *
*
.000
.00 0
.000 .00 0
.00 0
.000 .001
.000
.000
.000
.000
30
30
30
30
30
30
30
30
30
.19 8
.263
.147
.29 5
.160
.019
.045
.040
30
30
30
30
30
30
.18 9
.312
.31 6
.301
.595**
.470**
.089
.31 8
.093
.08 9
.106
.001
.009
.003
30
30
30
30
30
30
30
30
.708**
.577**
.61 5**
.456*
.45 6*
.612
.709**
.808**
.001
.00 0
.011
.01 1
.000
.000
.000
.000
30
30
30
30
30
30
30
30
.304
**
30
.250
.475**
*
.530*
.376*
.480**
.74 2**
.81 0**
.548*
.007
.00 0
.00 0
.002
30
30
30
30
30
.503*
.440*
.64 7**
.76 2**
.671*
.015
.00 0
.00 0
.000
.000
30
30
30
30
30
30
30
30
.621*
.499**
.61 2**
.70 9**
.624*
.656**
.75 0**
1
.005
.00 0
.00 0
.000
.000
.00 0
30
30
30
30
30
30
*
30
**
30
**
30
1
.80 6**
.656
.00 0
.000
30
30
30
.806**
1
.750
*
*
**
**
*
.000
30
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
63
64
