BAB III METODE PENELITIAN
3.1
Metode yang Digunakan Secara umum tujuan penelitian ini adalah untuk menguji hipotesis tentang
implementasi kebijakan layanan weekend banking mempunyai pengaruh tidak langsung terhadap motivasi bertransaksi nasabah melalui kualitas pelayanan nasabah di Bank BJB Cabang Buah Batu. Berdasarkan tujuan penelitian tersebut, maka penelitian ini termasuk jenis penelitian penjelasan (explanatory research), yang akan menjelaskan hubungan kausal antara variabel bebas dan variabel terikat melalui pengujian hipotesis.
3.2
Operasionalisasi Variabel
Variabel
Tabel 3.1 Operasionalisasi Variabel Penelitian Dimensi Indikator 1. Faktor Sumber Daya
Varabel (X) Responden: Front Liner
Variabel (Z) Responden: Nasabah
Struktur Birokrasi
Faktor Komunikasi
2. 1. 2. 1. 2.
Faktor Disposisi
1. 2.
Keterandalan (realibility)
1. 2. 1.
Keresponsifan (responsiveness)
46
2.
Adanya SDM yang mempunyai keahlian dan kemampuan melaksanakan tugas. Adanya ketersediaan sarana Dukungan institusi pelaksana Kesederahaan prosedur kerja Ketersediaan komunikasi yang jelas kepada nasabah Adanya Kejelasan informasi yang diperoleh oleh nasabah Karyawan memiliki sikap yang jelas Adanya kemauan karyawan yang jelas Ketersediaan layanan pendukung Karyawan memberi uang kembalian dengan pas. Karyawan menyambut dan menyapa pengunjung dengan ramah. Segera merespon apabila ada pengunjung yang mengeluh atau
47
1. Keyakinan (assurance) 2.
Empati (emphaty)
1. 2. 1.
Berwujud (tangible)
Repeat Purchase Referall Variabel (Y) Responden: Nasabah Retention
2. 1. 2. 1. 2. 1. 2.
mengalami kesulitan. Karyawan mampu dalam menjelaskan masalah nasabah/konsumen. Karyawan mampu menyelesaikan masalah nasabah/konsumen. Karyawan melayani dengan senyum. Karyawan bersikap simpatik dan bersedia mendengarkan. Bank memiliki ruangan yang menarik, indah dan nyaman. Penataan interior rapi, bersih dan menarik. Adanya kesesuaian produk bank dengan nasabah Adanya kesetiaan terhadap bank Adanya kepastian baik dan buruk Adanya perkembangan perusahaan Adanya keunggulan terhadap bank lain Adanya kepercayaan yang lebih terhadap produk
3.3 Sumber dan Cara Penentuan Data 3.3.1 Populasi dan Sampel Populasi adalah keseluruhan kelompok orang, peristiwa, atau hal-hal lain yang ingin diteliti. Populasi merupakan keseluruhan obyek (satuan-satuan/ individu-individu) yang karakteristiknya hendak teliti. Populasi adalah kumpulan lengkap dari semua elemen (skor, orang, ukuran, dan lain-lain) yang dipelajari (Sekaran, 2003). Populasi dalam penelitian ini adalah nasabah/konsumen pada Bank BJB yang menggunakan weekend banking yaitu sebanyak 1000 nasabah/konsumen. Sampel adalah bagian dari kumpulan elemen yang diambil dari populasi. Elemen merupakan sebuah anggota tunggal dari populasi (Sekaran, 2003). Karena itu, dapat dikatakan bahwa sebuah sampel merupakan subset dari populasi.
48
Sampel terdiri dari beberapa anggota yang dipilih dari populasi. Dengan kata lain, beberapa, tetapi tidak semua, elemen dari populasi akan membentuk sampel (Sekaran, 2003). Sampel yang dipilih dalam penelitian ini adalah sampel yang diambil dari populasi, yang karakteristiknya diteliti, yaitu nasabah/konsumen pada Bank BJB. Penelitian ini menggunakan metode pengambilan sampel secara acak (Simple Random Sampling) yang termasuk teknik Probability sampling. melalui Simple Random Sampling peneliti ini memperkirakan sampel dalam populasi berkedudukan sama dari segi2 yang akan diteliti. Dengan cara mengambil acak tanpa memperhatikan strata yang ada dalam populasi. Dengan syarat anggota populasi homogen. sedang menggunakan layanan weekend banking di Bank BJB sehingga dapat digunakan sebagai sampel dan sumber data (Sugiyono, 2004:7778). Dari jumlah populasi sebanyak 1000 nasabah/konsumen, maka jumlah yang digunakan dalam penelitian yang diambil berdasarkan rumus penentuan sampel minimal dari Slovin sebagai berikut :
n
N 1 Ne2
Keterangan : N = Ukuran Populasi N = Ukuran Sampel E = Tingkat kekeliruan pengambilan sampel sebesar 5%. Berdasarkan rumus diatas maka jumlah sampel yang digunakan adalah sebagai berikut :
49
n
1000 1 (1000x0, 052 )
n
285, 71 (dibulatkan menjadi 286)
Dengan
demikian
sampel
dalam
penelitian
ini
berjumlah
286
nasabah/konsumen.
3.3.2
Teknik Pengumpulan Data
3.3.2.1 Jenis Data Jenis data yang diperlukan dalam penelitian ini adalah data primer. Data primer merupakan jenis data yang diperoleh secara langsung dari sumber asli (tidak melalui media perantara) berupa pendapat atau opini subyek (orang) secara individual atau kelompok, yang dikumpulkan untuk menjawab perumusan masalah dalam penelitian (Indriantoro dan Supomo, 2009: 62). Dalam peneltian ini data primer diperoleh langsung dari kuesioner yang telah diisi oleh responden dari nasabah/konsumen Bank BJB.
3.3.2.2 Metode Pengambilan Data Dalam penelitian ini, peneliti mengumpulkan data primer dengan cara kuesioner. Kuesioner merupakan pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya (Sugiyono, 2004: 72). Kuesioner diberikan kepada nasabah/konsumen Bank BJB yang dijadikan sampel penelitian atau responden penelitian. Untuk mengetahui keefektifan kebijakan weekend banking Bank BJB, maka dalam penelitian ini juga dilakukan indepth ineterview atau wawancara
50
secara mendalam dengan petugas frontliner bank BJB seperti misalnya Customer Service Officier, Marketing Officier dan petugas Teller.
3.4 Metode Analisis dan Uji Hipotesis Sebelum kuesioner didistribusikan dilakukan beberapa pengujian terlebih dahulu, yaitu pengujian validitas dan pengujian reliabilitas. 3.4.1 Uji Validitas Validitas adalah sejauhmana perbedaan dalam skor pada suatu instrumen (item-item dan kategori respons yang diberikan kepada satu variabel khusus) mencerminkan kebenaran perbedaan antara individu-individu, kelompokkelompok atau situasi-situasi dalam karakteristik (variabel) yang diketemukan untuk ukuran (Ulber : 244). Atau dengan kata lain uji validitas digunakan untuk mengetahui apakah suatu item pertanyaan atau pernyataan cocok untuk dijadikan alat ukur untuk variabel yang akan diukur. Uji validitas menggunakan rumus pearson product moment, yaitu sebagai berikut (Sugiyono : 248) :
n
r {n
X i2
X i Yi (
(
X i )(
X i )2 }{n
Yi ) Yi
2
(
Y )2 }
Dimana : r
= koefisien korelasi pearson product moment
n
= jumlah responden
∑X
= jumlah skor X
∑Y
= jumlah skor Y
∑XY = jumlah hasil kali skor X dan Y
51
∑X2
= kuadrat jumlah skor X
∑Y2
= kuadrat jumlah skor Y Suatu pertanyaan dikatakan valid dan dapat mengukur variabel penelitian
yang dimaksud jika nilai koefisien validitasnya lebih dari atau sama dengan 0,300 (Azwar : 158).
3.4.2 Uji Reliabilitas Reliabilitas adalah keterpercayaan, stabilitas atau kemantapan, konsistensi, prediktabilitas dan ketepatan atau akurasi dari suatu ukuran (Ulber : 236). Dalam penelitian ini, teknik uji Reliabilitas menggunakan rumus Alpha Cronbach dihitung dengan menggunakan rumus sebagai berikut (Azwar : 78) : k
k k 1
Si 1
2
i 1
S 2 total
dimana : k
= banyaknya belahan item
Si2
= varians dari item ke-i
S2total = total varians dari keseluruhan item Sekumpulan pertanyaan untuk mengukur suatu variabel dikatakan reliabel dan berhasil mengukur variabel yang kita ukur jika koefisien reliabilitasnya lebih besar atau sama dengan 0,600 (Azwar : 117).
52
3.5 Analisis Deskriptif Data Penelitian Gambaran data hasil penelitian dapat digunakan untuk memperkaya pembahasan, melalui gambaran data tanggapan responden dapat diketahui bagaimana tanggapan responden terhadap setiap indikator variabel yang sedang diteliti. Agar lebih mudah menginterpretasikan variabel yang sedang diteliti, dilakukan kategorisasi terhadap skor tanggapan responden. Prinsip kategorisasi jumlah skor tanggapan responden di adopsi dari buku Metode Penelitian Bisnis karangan (Sugiyono : 141) yaitu berdasarkan rentang skor maksimum dan skor minimum dibagi jumlah kategori yang diinginkan dengan rumus sebagai berikut.
Rentang Skor Kategori =
Skor Maksimum - Skor Minimum 5
Keterangan : Skor maksimum = jumlah responden x jumlah pernyataan x 5 Skor minimum = jumlah responden x jumlah pernyataan x 1 Analisis deskripif dilakukan mengacu kepada setiap indikator yang ada pada variabel yang diteliti. Untuk mengetahui sebaran jawaban responden terhadap masing-masing pertanyaan atau pernyataan maka dilakukan perhitungan dengan rumus (Sudjana : 50) :
P
f 100% N
Keterangan : P = Persentase f = Frekuensi jawaban responden N = Jumlah pasien keseluruhan
53
3.6 Method of Successive Interval (MSI) Data yang diperoleh sebagai hasil penyebaran dari kuesioner bersifat ordinal, maka agar analisis dapat dilanjutkan maka skala pengukurannya harus dinaikkan ke skala pengukuran yang lebih tinggi, yaitu skala pengukuran interval agar dapat diolah lebih lanjut. Untuk itu maka digunakan Method of Succesive Interval (MSI) dari Thurstone dalam Harun Al Rasyid (1996:33), yang pada dasarnya adalah suatu prosedur untuk menempatkan setiap objek ke dalam interval. Langkah-langkah untuk melakukan transformasi adalah sebagai berikut: a. Menentukan frekuensi tiap responden (berdasarkan hasil kuesioner yang dibagikan, hitung berapa banyak responden yang menjawab skor 1-5 untuk setiap pertanyaan). b. Menentukan proporsi setiap responden yaitu dengan cara membagi frekunsi dengan jumlah sampel. c. Menentukan proporsi secara berurutan untuk setiap responden sehingga diperoleh proporsi kumulatif yang dianggap menyebar mengikuti sebaran normal baku. d.
Menentukan nilai Z untuk masing-masing proporsi kumulatif yang dianggap menyebar mengikuti sebaran normal baku.
e. Menghitung Scale Of Value (SV) untuk masing-masing proporsi responden, dengan rumus: Scale Of Value =
Densityatlower lim - densityatupper lim areaunderupper lim - areaunderlower lim
54
Keterangan: Density at lower limit Density at upper lim Area under lower limit Area under upper limit
= Kepadatan Batas Bawah = Kepadatan Batas Atas = Daerah di Bawah Batas Bawah = Daerah di Bawah Batas Atas
f. Mengubah Scale Of Value (SV) terkecil menjadi sama dengan satu (1) dan mentrasformasikan masing-masing skala menurut perubahan skala terkecil sehingga diperoleh Transformed Scale Of Value (TSV) dengan rumus Y
SV
1
SV min
3.7 Uji Hipotesis Verifikatif dengan Structural Equation Modeling (SEM) Selain dianalisis secara deskriptif, dengan tujuan untuk melihat karakteristik populasi, maka data penelitian ini juga dianalisis dengan menggunakan alat uji model persamaan struktural (Structural Equation ModelSEM) dengan menggunakan bantuan software LISREL 8.70. Sesuai dengan paradigma penelitian yang diuraikan dalam kerangka pemikiran, maka rancangan analisis digunakan untuk membuktikan ada tidaknya pengaruh Implementasi Kebijakan Layanan Weekend Banking terhadap Kualitas Pelayanan serta dampaknya terhadap Motivasi Nasabah. Dengan menggunakan alat statistik Structural Equation Modeling (SEM) dengan tahapan operasionalnya meliputi :
3.7.1 Spesifikasi Model Model penelitian yang diajukan terdiri atas dua jenis persamaan, yaitu persamaan
pengukuran
dan
persamaan
struktural.
Persamaan
struktural
menunjukkan bentuk hubungan antara variable latent eksogen dan endogen.
55
Sedangkan persamaan pengukuran memperlihatkan bentuk hubungan antara variable laten eksogen (endogen) dengan variabel observasi yang dalam hal ini adalah indikator. Model pengukuran dalam penelitian ini meliputi variabel satu variabel eksogen Implementasi Kebijakan Layanan Weekend Banking ( 1) dan dua variabel endogen yaitu Kualitas Layanan ( 1) dan Motivasi Nasabah (ε2). Setiap variabel diukur menggunakan dimensi dan indikator. Sehingga model pengukuran untuk setiap variabel termasuk dalam model pengukuran First Order Confirmatory Factor Analysis. Karena untuk model yang kompleks model penelitian cenderung menghasilkan estimasi yang tidak konsisten maka untuk order kedua diselesaikan dengan menggunakan analisis faktor confirmatory secara terpisah yang selanjutnya score faktor dijadikan input dalam LISREL. Model structural dalam penelitian ini adalah model kausalitas antara variabel laten sesuai dengan yang dihipotesiskan pada bab sebelumnya. Model penelitian dapat diterjemahkan ke dalam diagram jalur sebagai berikut : Gambar 3. 1 Diagram Jalur Pengaruh Implementasi Kebijakan Layanan Weekend Banking terhadap Kualitas Pelayanan serta dampaknya terhadap Motivasi Nasabah
56
Diagram jalur di atas dapat ditulisakan dalam persamaan statistik sebagai berikut : Tabel 3. 2 Model Pengukuran Variabel Penelitian Variabel
Sub Variabel
Implementasi Kebijakan Layanan Weekend Banking (X) ( 1)
Kualitas Layanan (Z) ( 1)
Motivasi Nasabah (Y) ( 2)
Faktor Sumber Daya Struktur Birokrasi Faktor Komunikasi Faktor Disposisi Keterandalan (Realibility) Keresponsifan (Responsiveness) Keyakinan (Assurance) Empati (Emphaty) Berwujud (Tangible) Repeat Purchase Referall Retention
Model Pengukuran X1 =
x 1 1+
1
X2 =
x 2 1+
2
X3 =
x 3 1+
3
X4 =
x 4 1+
4
Z1 =
Z 1 1+
1
Z2 =
Z 2 1+
2
Z3 =
Z 3 1+
3
Z4 =
Z 4 1+
4
Z5 =
Z 5 1+
5
Y1 =
Y 1 2+
6
Y2 =
Y 2 2+
7
Y5 =
Y 5 2+
8
Model penelitian ini, memiliki persamaan strukturalnya sebagai berikut : 1 2
1 1
1
1 1
1 1
2
Keterangan : ε1 (Eta 1) ε2 (Eta 2) ξ1 (Ksi 1) γ11 (Gamma 11) β1 (Beta 1) δ1 (Zeta 1) δ2 (Zeta 2)
= Variabel endogen Kualitas Layanan (KL); = Variabel endogen Motivasi Nasabah (MN); = Variabel eksogen Implementasi Kebijakan Layanan Weekend Banking (IKLWB); = Koefisien pengaruh variabel eksogen Implementasi Kebijakan Layanan Weekend Banking (IKLWB) terhadap veriabel endogen Kualitas Layanan (KL); = Koefisien pengaruh variabel endogen Kualitas Layanan (KL) terhadap variabel endogen Motivasi Nasabah (MN); = Peluang galat model pada variabel endogen Kualitas Layanan (KL); = Peluang galat model pada variabel endogen Motivasi Nasabah (MN).
57
3.7.2 Estimasi Model Metode estimasi model didasarkan pada asumsi sebaran dari data. Jika data berdistribusi normal multivarariat maka estimasi model dilakukan dengan metode maximum likelihood (ML) namun juga data menyimpang dari sebaran normal multivariate, metode estimasi yang dapat digunakan adalah Robust Maximum Likelihood (RML) atau Weighted Least Square (WLS) Sebelum proses estimasi model dilakukan, terlebih dahulu disiapkan data input LISREL. Data input LISREL diperoleh skor total item setiap indikator dengan terlebih dahulu dilakukan proses peningkatan skala pengukuran data dari ordinal ke interval dengan menggunakan metode successive interval.
3.7.3
Evaluasi Model Terdapat beberapa statistik untuk mengevaluasi model yang digunakan.
Umumnya terdapat berbagai jenis indeks kecocokan yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Kesesuaian model dalam penelitian ini dilihat dalam tiga kondisi berikut: Absolute Fit Measures (cocok secara absolut) Incremental Fit Measures (lebih baik relatif terdapat model-model lain) Parsimonius Fit Measures (lebih sederhana relatif terhadap modelmodel alternatif)
Chi-square
2
merupakan satu-satunya ukuran kesesuaian model
dengan statistik inferensial dalam Structural Equation Modelling (SEM). Chi-
58
square bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Semakin kecil nilai
2
semakin baik model itu. Suatu model baru dapat diterima
jika memiliki probabilitas lebih besar dari alpha (p > ). Langkah yang dilakukan dalam pengujian model diatas meliputi tahapan sebagai berikut : 1. Merumuskan Hipotesis pengujian H0 : H1 :
= ( ) ( )
Model cocok dengan data Model tidak cocok dengan data
2. Menentukan Statistik uji 2
= n 1 ^
F
^
F ^
adalah nilai minimum untuk
untuk metode penaksiran
Maximum Likelihood (ML). 3. Menetapkan Kriteria uji Tolak H0 jika
2
hitung
>
2
tabel
dengan df =
1 p q p q 1 2
t
dimana : p, q = jumlah dimensi, dan t = jumlah parameter yang ditaksir. 4. Menarik Kesimpulan Jika H0 diterima maka dapat diambil kesimpulan bahwa model diterima, namun jika H0 ditolak maka dapat diambil kesimpulan bahwa model ditolak. Selain dengan menggunakan statistik inferensial, pengujian kesesuaian model juga dilakukan menggunakan statistik deskriptif. Tabel 3.6 berikut ini akan digambarkan hasil pengukuran Absolute Fit Measures, Incremental Fit Measures,
59
Parsimonius Fit Measures yang digunakan dalam menguji apakah yang diajukan dapat diterima atau ditolak. Tabel 3. 3 Indikator pengujian kesesuaian model Absolute Fit Measures, Incremental Fit Measures, Parsimonius Fit Measures Absolute Fit Measures Goodness-of-fit Index(GFI) Ukuran kesesuaian model secara deskriptif. GFI 0,90 mengindikasikan model fit atau model dapat diterima Root mean square error of Nilai aproksimasi akar rata-rata kuadrat error. approximation (RMSEA) Diharapkan nilainya rendah. RMSEA 0.08 berarti model fit dengan data, 0.9 – 1.0 berarti model cukup fit dengan data Incremental Fit Measures Adjusted goodness-of-fit Nilai GFI yang disesuaikan 0,90 Index(AGFI) mengindikasikan model fit dengan data Normed Fit Index (NFI) Ukuran kesesuaian model dengan basis komparatif terhadap base line atau model null. Model null umumnya merupakan suatu model yang menyatakan bahwa antara variabel yang terdapat dalam model tidak saling berhubungan. Menurut ukuran ini model dikatakan fit jika NFI 0,90. NFI = 0,90 artinya model diindikasikan 90% lebih baik bila dibandingkan dengan model null-nya. Parsimonius Fit Measures Comparative fit index (CFI) Ukuran kesesuaian model berbasis Komparatif dengan model null. CFI nilainya berkisar antara 0 sampai 1. CFI 0,90 dikatakan model fit dengan data. Incremental fit index (IFI) Ukuran komparatif yang dikemukakan Bollen. IFI nilainya berkisar antara 0 sampai 1. IFI 0,90 dikatakan model fit dengan data. Sumber : Hair et al, (2006:621) Setelah dilakukan evaluasi model secara menyeluruh, selanjutnya evaluasi model dalam Structural Equation Modeling diawali dengan pengujian model pengukuran kemudian dilanjutkan dengan pengujian model struktural.
60
3.7.4 Evaluasi Model Pengukuran Evaluasi model pengukuran meliputi validitas dan reliabiltias indikator dalam merefleksikan variabel penelitian. Validitas indikator menggambarkan bagaimana indikator sungguh-sungguh mampu mengukur variabel yang akan diukur. Analisis validitas dilakukan menggunakan teknik analisis faktor konfirmatori. Teknik ini digunakan atas dasar bahwa variabel penelitian merupakan sebuah konstruk laten yang diukur oleh indikator-indikator dan itemitem. Koefisien validitas indikator dinyatakan sebagai nilai loading faktor (koefisien jalur standar dari konstruk terhadap indikator atau dari indikator terhadap item) dengan rumusan sebagai berikut: 1
s ij
2
jj ij
2
( xi )
Dalam hal ini,
jj
merupakan varians variabel laten
j
dan
2
( xi ) adalah
varians dimensi, xi . Koefisien validitas yang berkisar antara 0.30 – 0,40 dianggap cukup tinggi untuk digunakan dalam suatu penelitian. Dalam penelitian ini, uji validitas dilakukan dengan memanfaatkan program LISREL Untuk mendapatkan indicator yang reliable dilakukan uji reliabilitas. Reliabilitas indikator merupakan tingkat keterpercayaan hasil suatu pengukuran indikator terhadap variabelnya. Untuk menghitung reliabilitas indikator dengan model struktural, Bollen (1989: 179-225) memberikan konsep baru dalam melakukan perhitungan reliabilitas. Reliabilitas untuk masing-masing dimensi dapat dihitung dengan rumus sebagai berikut:
61
Rx2i
2 i 2
2 i
(
2 i
)
Selanjutnya untuk mengukur reliabilitas konstruk digunakan Constructs reliability (CR). Constructs reliability merupakan reliabilitas variabel-dimensi bagi suatu variabel latent dirumuskan sebagai berkut: (Hair et. al., 1998: 612 dan Sharma,1996: 165): CR
( (
i)
2
Koefisien
i)
2
Var ( i )
dan
2
( ) masing-masing menunjukkan besarnya pengaruh
antara variabel xi dan variabel
dan
2
( ) adalah taksiran varians kekeliruan
variabel xi . Ukuran reliabilitas pada persamaan di atas secara berurutan dinyatakan “baik” bilaman masing-masing nilainya adalah 0.5 dan 0.7. Untuk menguji signifikansi hipotesis di atas digunakan statistik uji t student dengan formulasi sebagai berikut :
ti
ˆ1i se( ˆ1i ) dengan i =1, 2
Berdasarkan hasil perhitungan uji t diatas, selanjutnya peneliti menetapkan apakah hipotesis tersebut diterima atau tidak dengan menggunakan kriteria penolakan dan penerimaan hipotesis. Hipotesis nol ditolak bilamana nilai t hitung lebih besar dari nilai t tabel pada tingkat signifikansi 5% dengan derajat bebas nk-1 dengan k adalah banyaknya variabel eksogen dalam sub model ini yaitu 1.
62
3.7.5 Hipotesis Penelitian Evaluasi model struktural dalam hal ini adalah menguji hipotesis penelitian, apakah berpengaruh secara signifikan atau tidak signifikan. Adapun hipotesis penelitian adalah sebagai berikut. 1.
Hipotesis Parsial
Hipotesis parsial pertama yang diajukan adalah sebagai berikut: H0.1 : Implementasi Kebijakan Layanan Weekend Banking (IKLWB) tidak berpengaruh signifikan terhadap Kualitas Layanan (KL); H1.1 : Implementasi Kebijakan Layanan Weekend Banking (IKLWB) berpengaruh signifikan terhadap Kualitas Layanan (KL). 2.
Hipotesis Parsial
Hipotesis parsial pertama yang diajukan adalah sebagai berikut: H0.2 : Kualitas Layanan (KL) tidak berpengaruh signifikan terhadap Motivasi Nasabah (MN); H1.2 : Kualitas Layanan (KL) berpengaruh signifikan terhadap Motivasi Nasabah (MN). 3.
Hipotesis Simultan
Hipotesis parsial pertama yang diajukan adalah sebagai berikut: H0.3 : Implementasi Kebijakan Layanan Weekend Banking (IKLWB) tidak berpengaruh signifikan terhadap Kualitas Layanan (KL) seta dampaknya terhadap Motivasi Nasabah (MN);
63
H1.3 : Implementasi Kebijakan Layanan Weekend Banking (IKLWB) berpengaruh signifikan terhadap Kualitas Layanan (KL) seta dampaknya terhadap Motivasi Nasabah (MN).
3.8 Uji Perbedaan Rata-rata (Uji t Berpasangan) Uji t digunakan untuk membandingkan atau membedakan dua variabel serta generalisasi dari hasil analisis. yaitu untuk mengetahui perbedaan Motivasi Nasabah sebelum ada Kebijakan Layanan Weekend Banking dan setelah ada Kebijakan Layanan Weekend Banking. Rumus uji t berpasangan yaitu sebagai berikut (Sugiyono : 264) :
x1 x 2
t hitung
s12 n1
s2 2 n2
2r
s1 n1
s2 n2
Keterangan: = Rata – rata sampel 1 = Rata – rata sampel 2 = Simpangan baku sampel 1 = Simpangan baku sampel 2 = Varian sampel 1 = Varian sampel 2 = Korelasi antara dua sampel
Untuk menguji perbedaan Motivasi Nasabah sebelum ada Kebijakan Layanan Weekend Banking dan setelah ada Kebijakan Layanan Weekend Banking, maka perlu dilakukan pengujian hipotesis statistik yang diajukan sebagai berikut :
64
H0 : B
0
Tidak terdapat perbedaan yang signifikan pada Motivasi Nasabah sebelum ada Kebijakan Layanan Weekend Banking dan setelah ada Kebijakan Layanan Weekend Banking.
H1 : B
0
Terdapat perbedaan yang signifikan pada Motivasi Nasabah sebelum ada Kebijakan Layanan Weekend Banking dan setelah ada Kebijakan Layanan Weekend Banking.
Dengan membandingkan ttable dan thitung, jika: -ttable ≤ thitung ≤ ttable maka H0 diterima dan H1 ditolak, dan sebaliknya.
