BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1.
Uji Pedahuluan Bab ini bertujuan untuk mengemukakan hasil analisis data dan pembahasan penemuan penelitian. Diawali dengan hasil statistik deskriptif yang bertujuan untuk memahami profil responden yang digunakan dalam penelitian ini. Selanjutnya pengujian instrumen penelitian yang meliputi uji validitas dan uji realibilitas yang bertujuan untuk mengetahui ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya, serta mengukur sejauh mana kehdanalan atau konsistensi dari suatu instrumen penelitian. Hal ini dilakukan untuk menjamin kebenaran serta kualitas data penelitian yang diperoleh. Dengan demikian, pembahasan dalam bab ini difokuskan pada : analisis statisik deskriptif, analisis instrumen penelitian, analisis data penelitian, dan pembahasan.
4.2.
Analisis Deskriptif Responden Analisi deskriptif dimaksudkan untuk mengetahui karakteristik dan tanggapan responden terhadap item-item pertanyaan dalam kuesioner. Analisis deskriptif dalam penelitian ini bertujuan untuk mengidentifikasi profil demografi responden yang menjadi sampel dalam penelitian serta mendeskripsikan karakteristik responden berdasarkan
pada
usia,
jenis
kelamin,pendidikan
pekerjaan, dan penghasilan.
4.2.1. Distribusi responden berdasarkan usia 1
terakhir,
2
Tabel IV.1 Deskripsi Responden Berdasarkan Usia Usia
Frekuensi
Presentase
<20
28
14%
21-30
124
62%
31-40
29
14,5%
41-50
14
7%
>50
5
2,5%
Jumlah 200 responden Sumber: Data primer yang telah diolah, 2016
100%
Berdasarkan usia, responden dalam penelitian ini didominasi oleh range usia 21-30 tahun dengan jumlah 124 orang dengan presentase sebesar 62 %. Sedangkan yang memiliki jumlah paling sedikit berada pada range usia >50 tahun dengan jumlah 5 orang. Hal ini berarti responden dalam penelitian ini didominasi responden dengan usia produktif. Data frekuensi responden berdasarkan range umur dapat dilihat pada tabel IV.1.
4.2.2. Distribusi responden berdasarkan jenis kelamin Tabel IV.2 Deskripsi Responden Berdasarkan Jenis Kelamin
3
Jenis Kelamin
Frekuensi
Presentase
Laki-laki
75
37,5%
Perempuan
125
62,5%
Jumlah responden
200
100%
Sumber: Data primer yang telah diolah, 2016
Berdasarkan jenis kelamin, responden dalam penelitian ini didominasi oleh wanita sebanyak 125 orang atau sebesar 62,5%, sedangkan responden laki-laki sebanyak 75 orang dengan presentase sebesar 37,5%. Hal ini berarti pada saat dilakukan penyebaran kuesioner, responden mayoritas berjenis kelamin wanita. Data frekuensi responden berdasarkan jenis kelamin dapat dilihat pada tabel IV.2. 4.2.3. Distribusi responden berdasarkan pendidikan terakhir Tabel IV.3 Deskripsi Responden Berdasarkan Pendidikan Terakhir Pendidikan Terakhir
Frekuensi
Presentase
Diploma
29
14,5%
Pasca Sarjana
4
2%
Sarjana
60
30%
SMA
107
53,5%
Jumlah responden
200
100%
Sumber: Data primer yang telah diolah, 2016
Berdasarkan pendidikan terakhir, jumlah responden dalam penelitian ini didominasi pada tingkat pendidikan terakhir SMA sebanyak 107 orang atau sebesar 53,5%, sedangkan jumlah paling sedikit pada tingkat pendidikan terakhir pasca sarjana sebanyak 4 orang atau sebesar 2% dari keseluruhan responden. Data frekuensi
4
responden berdasarkan pendidikan terakhir dapat dilihat pada tabel IV.3. 4.2.4 Distribusi responden berdasarkan pekerjaan Tabel IV.4 Deskripsi Responden Berdasarkan Pekerjaan Pekerjaan
Frekuens i
Presentase
Pegawai Swasta
45
22.5%
Pelajar / Mahasiswa
109
54,5%
PNS Wiraswasta
11 23
5,5% 11,5%
Lainnya
12
6%
Jumlah responden 200 Sumber: Data primer yang telah diolah, 2016
100%
Berdasarkan pekerjaan, jumlah responden dalam penelitian ini didominasi oleh pelajar / mahasiswa sebanyak 109 orang atau sebesar 54,5%, sedangkan sebagaian kecil adalah PNS sebanyak 11 orang atau sebesar 5,5% dari keseluruhan responden dalam penelitian ini. Hal ini berarti pada saat dilakukan penyebaran kuesioner, responden mayoritas adalah pelajar / mahasiswa. Data frekuensi responden berdasarkan jenis pekerjaan dapat dilihat pada tabel IV.4.
4.2.5 Distribusi responden berdasarkan penghasilan Tabel IV.5 Deskripsi Responden Berdasarkan Penghasilan
5
Penghasilan < Rp 500.000 Rp 500.001 – Rp 1.000.000 Rp 1.000.001 – Rp 3.000.000 Rp 3.000.001 – Rp 6.000.000 Rp 6.000.001 – Rp 10.000.000 >Rp 10.000.000 Jumlah responden Sumber: Data primer yang telah diolah, 2016
Frekuensi 36
Presentase 18%
50
25%
65
32,5%
33
16,5%
11
5,5%
5 200
2,5% 100%
Berdasarkan penghasilan, jumlah responden dalam penelitian ini didominasi oleh responden yang berpenghasilan Rp 1.000.001 – Rp 3.000.000 per bulan yaitu sebanyak 65 orang atau sebesar 32,5%. Sedangkan jumlah terendah adalah responden yang memiliki penghasilan > Rp 10.000.000 yaitu sebanyak 5 orang atau sebesar 2,5%. Hal ini berarti pada saat dilakukan penyebaran kuesioner, responden ,mayoritas berpenghasilan Rp 1.000.001 – Rp 3.000.000 per bulan. Data frekuensi responden berdasarkan jenis penghasilan dapat dilihat pada tabel IV.5.
4.3.
Uji Validitas dan Realibilitas 4.3.1. Uji Validitas
6
Uji validitas digunakan untuk mengukur apakah instrument penelitian benar-benar mampu mengukur konstruk yang digunakan. Untuk memperoleh validitas kuesioner, usaha dititik beratkan pada pencapaian validitas isi. Validitas tersebut menunjukkan sejauh mana perbedaan yang diperoleh dengan instrumen pengukuran merefleksikan perbedaan sesungguhnya pada responden yang diteliti. Untuk uji validitas digunakan alat uji Confirmatory Factor Analysis (CFA) dengan bantuan SPSS for windows versi 17.0. Menurut Haair et. Al. (1998), factor loading lebih besar ± 0.40, jika factor loading suatu item pertanyaan mencapai ≥ 0.50 maka item tersebut sangat penting dalam menginterprestasikan konstruk yang diukurnya. Pedoman umum untuk analisis faktor adalah nilai lambda atau factor loading ≥ 0.40 (Ferdindan, 2005). Dalam penyusunan kuesioner penelitian ini, terlebih dahulu kuesioner diberikan kepada lima responden dengan tujuan untuk mengetahui apakah item pertanyaan dalam kuesioner tersebut dapat dipahami oleh responden dan kalimatnya jelas, apabila kelima responden tidak mengajukan pertanyaan atau tidak bingung mengenai item pertanyaan didalam kuesioner tersebut maka kuesioner sudah dapat disebar ke responden dengan jumlah yang lebih banyak atau sampel besar dan dapat dilanjutkan pada uji validitas.
7
Berdasarkan tabel IV 6 menunjukkan hasil rotated component matriks, hasil tersebut merupakan hasil dari pengujian data kuesioner yang didapatkan dan hasil telah terekstrak sempurna sehingga tidak perlu melakukan pengujian analisis faktor lagi dimana hasil menunjukkan semua item telah valid.
Tabel IV.6 Hasil Uji Validitas Rotated Component Matrixa Component
8
kf1 kf2
1
2 ,760 ,831
kf3
,772
kf4
,611
sa1
,818
sa2
,753
sa3
,605
sa4
,718
3
4
pc1
,832
pc2
,802
pc3
,838
5
6
7
8
tr1
,807
tr2
,643
tr3
,769
pm1
,825
pm2
,689
pm3
,646
ps1
,784
ps2
,834
ps3
,762
kp1
,760
kp2
,720
kp3
,738
npu1
,820
npu2
,747
npu3
,801
Sumber : Lampiran
Tabel IV.7 KMO dan Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
,895 Approx. ChiSquare df
2426,701 325
9
Sig.
,000
Sumber : Lampiran 3 Dari hasil analisis diperoleh nilai Kaiser-Meyer-Olkin Measure of Sampling Adequancy pada kotak KMO dan Bartlett’s Test adalah sebesar 0,895. Hasil ini memperlihatkan bahwa instrumen ini valid karena KMO telah melebihi daro 0,5. Nilai Bartlett’s Test of Sphericity signifikan pada 0,000 sehingga dapat disimpulkan bahwa instrumen ini telah memenuhi syarat valid. 4.3.2. Uji Reliabilitas Uji
reliabilitas
dimaksudkan
untuk
mengetahui
tingkat
konsistensi terhadap instrumen-instrumen yang mengukur konsep. Reliabilitas
suatu
pengukuran
mencerminkan
apakah
suatu
pengukuran dapat terbebas dari kesalahan (error), sehingga memberikan hasil pengukuran yang konsistens pada kondisi yang berbeda dan pada masing-masing instrumen (Sekaran, 2003). Untuk mengukur realibilitas dari instrumen penelitian dilakukan dengan menggunakan Cronbach’s Alpha dengan bantuan program computer SPSS for windows versi 17.0. Klasifikasi nilai Cronbach’s Alpha sebagai berikut :
Nilai Cronbach’s Alpha 0.80-1.0 di kategorikan realibilitas baik.
Nilai Cronbach’s Alpha 0.60-0.79 dikategorikan realibilitas diterima.
10
Nilai Cronbach’s Alpha ≥0.60 dikategorikan realibilitas kurang baik. Dengan demikian, prosedur pengujian ini dapat memberikan
jaminan bahwa datanya memenuhi kriteria kelayakan untuk dianalisis dengan menggunakan metode-metode statistik yang lain. Dari hasil pengujian reliabilitas variabel, dengan menggunakan bantuan SoftwareSPSS For Windows versi 17.0, didapatkan nilai Cronbach’s Alpha dari masing-masing variabel pada sampel besar seperti yang ditunjukkan pada Tabel IV.8. Tabel IV.8 Hasil Uji Realibilitas Variabel
Cronbach’s Alpha
Lingkungan Fisik
a. b. c. d. e. f.
Keindahan Fisik
0.7792
Suasana
0.8129
Pencahayaan
0.8438
Tata Ruang
0.7591
Perlengkapan Makan
0.7796
Pelayanan Staf Kepuasan Konsumen Niat Pembelian Ulang
0.7933 0.8564 0.8643
Sumber : Lampiran 4 Berdasarkan hasil pengujian realibilitas pada tabel IV.8 diperoleh hasil bahwa instrumen yang diteliti memiliki nilai Cronbach’s Alpha ≥0.60, yang berarti instrumen yang diteliti untuk mengungkap variabel tersebut dinyatakan layak dijadikan instrumen dalam penelitian ini atau dikatakan reliabel (hdanal).
11
4.4.
Uji Kecukupan Sampel dan Asumsi SEM Analisis Structural Equation Modelling (SEM) bertujuan untuk mengestimasi beberapa persamaan regresi terpisah, akan tetapi masing-masing memiliki hubungan simultan atau bersamaan. Dalam analisis ini dimungkinkan terdapat labih dari satu variabel dependen, dan variabel ini memungkinkan menjadi variabel independen bagi variabel dependen lainnya. Pada prinsipnya model struktural bertujuan untuk menguji hubungan sebab akibat antar variabel, sehingga jika salah satu variabel diubah akan terjadi perubahan pada variabel lain juga. Dalam studi ini, data diolah dengan menggunakan software khusus untuk analisis SEM yaitu Analysis of Moment Structure atau AMOS versi 22.0. Ada beberapa asumsi yang harus dipenuhi sebelum melakukan pengujian dengan pendekatan Structural Equation Model, yaitu: 4.4.1. Uji Kecukupan Sampel Besarnya ukuran sampel memiliki peran penting dalam interpretasi SEM. Ukuran sampel memberikan dasar untuk mengestimasi
sampling
error.
menggunakan Maximum Likerhood
Dengan
model
estimasi
(ML) minimum diperlukan
sampel 100. Ketika sampel dinaikkan di atas nilai 100, metode Maximum Likerhood meningkat sensitivitasnya untuk mendeteksi
12
perbedaan antar data. Jadi dapat dikrekomendasikan bahwa ukuran sampel antara 100 sampai 200 harus digunakan untuk metode estimasi Maximum Likerhood (Ghozali, 2008). Jumlah responden dalam penelitian ini direncanakan sebanyak 200 responden. Dari seluruh kuesioner yang telah terisi, 200 responden dapat digunakan dalam penelitian ini. Jumlah sampel ini memenuhi prosedur Maximum Likelihood Estimation yaitu penarikan sampel antara100-200 sampel (Ghozali, 2008). 4.4.2. Uji Normalitas Syarat Asumsi selanjutnya yang
dibahas dalam analisis
multivariate adalah normalitas. Pengujian normalitas bertujuan untuk menguji apakah data kita normal secara mutivariate sebagai syarat asumsi yang harus dipenihi dengan Maximum Likerhood. Normalitas univariate dilihat dengan nilai critical ratio (c.r) pada skewness yaitu ± 2,58. Sedangkan normalitas multivariate dilihat pada assessment of normality baris bawah kanan yaitu nilai critical ratio (c.r) kurtosis dibawah 2,58 (Ghozali, 2008).
13
Tabel IV.9 Hasil Uji Normalitas Variable npu3 npu2 npu1 kp3 kp2 kp1 ps1 ps2 ps3 pm1 pm2 pm3 tr1 tr2 tr3 pc1 pc2 pc3 sa1 sa2 sa3 sa4
Min 1,000 1,000 1,000 1,000 1,000 1,000 2,000 2,000 2,000 1,000 1,000 1,000 2,000 1,000 2,000 1,000 1,000 1,000 2,000 2,000 1,000 1,000
max 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000
skew -,347 -,292 -,312 -,361 -,389 -,449 -,102 -,139 -,242 -,374 -,466 -,338 -,354 -,315 -,330 -,536 -,414 -,382 -,317 -,303 -,496 -,345
c.r. -2,006 -1,686 -1,804 -2,083 -2,244 -2,593 -,591 -,803 -1,396 -2,160 -2,688 -1,950 -2,042 -1,818 -1,906 -3,092 -2,393 -2,206 -1,831 -1,748 -2,866 -1,989
kurtosis -,126 -,422 ,053 ,109 ,138 -,002 -,849 -,518 -,641 -,084 -,123 -,369 -,666 -,683 -,680 -,358 -,544 -,216 -,732 -,667 -,061 -,554
c.r. -,363 -1,219 ,152 ,314 ,400 -,005 -2,451 -1,496 -1,851 -,242 -,354 -1,065 -1,922 -1,972 -1,964 -1,033 -1,570 -,624 -2,114 -1,925 -,177 -1,599
14
Variable kf1 kf2 kf3 kf4 Multivariate Sumber : Lampiran 5
Min 2,000 1,000 2,000 1,000
max 4,000 4,000 4,000 4,000
skew -,089 -,531 -,224 -,369
c.r. -,511 -3,067 -1,296 -2,132
kurtosis -,395 ,635 -,636 -,158 36,302
Berdasarkan hasil pengujian normalitas pada Tabel IV.9 menjelaskan bahwa secara univariate data dalam penelitian ini termasuk tidak normal yang ditunjukkan dengan terdapatnya lima nilai c.r. skewness melewati cut off ±2,58, sehingga dapat dikatakan secara univariate data terdistribusi tidak normal. Nilai yang tertera pada pojok kanan bawah menandakan bahwa secara multivariate, data dalam penelitian ini termasuk normal karena memiliki c.r kurtosis diatas 0,05 yaitu sebesar 6,727. Berarti data dalam penelitian ini secara multivariate terdistribusi normal. Dikarenakan data secara univariate terdistribusi tidak normal, maka akan dilakukan pengujian outlier untuk pembahasan selanjutnya. Analisis terhadap data yang tidak normal dapat mengakibatkan pembiasan interpretasi karena nilai chi-square hasil analisis cenderung
meningkat
sehingga
nilai
probability
level
akan
mengecil. Namun demikian, teknik Maximum Likelihood Estimates (MLE) yang digunakan dalam penelitian ini tidak terlalu terpengaruh (robust) oleh penyimpangan multivariate normality (Ghozali,2008). Selain itu, data yang digunakan dalam penelitian ini adalah data
c.r. -1,142 1,832 -1,835 -,456 6,727
15
mentah
dan
merupakan
data
primer
berdasarkan
jawaban
responden yang sangat beragam, sehingga sulit untuk memperoleh data yang mengikuti distribusi normal secara sempurna. 4.4.3. Uji Outlier Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim yang memiliki karakteristik unik yang sangat berbeda dari observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk variabel tunggal maupun variabel kombinasi (Hair et al., 2010). Outlies dapat dievaluasi dengan nilai mahalanobis distance dengan nilai degree of freedom sejumlah variabel yang dipergunakan dalam penelitian pada tingkat p <0,001. Dalam penelitian ini jumlah indikator variabel yang digunakan sebanyak 26 indikator variabel. Dengan demikian, apabila terdapat nilai mahalanobis ditance yang lebih besar dari X² (26.0,001)= 54,05196 maka data observasi dikatakan mengalami masalah outlier. Atau secara univariate dapat dilihat dengan melihat nilai p1 dan p2, dengan ketentuan apabilia nilai probabilitas > 0,05 maka data observasi dikatakan tidak mengalami masalah outlier. Hasil pengujian outlier ditunjukkan pada Tabel IV.10. Tabel IV.10 Hasil Pengujian Outlier
16
Observation number 155 72 33 101 24 44 77 ..... 193
Mahalanobis d-squared 47,601 47,588 46,878 45,987 45,849 44,263 43,238 ........... 25,839
p1 ,006 ,006 ,007 ,009 ,009 ,014 ,018 ...... ,472
p2 ,700 ,340 ,179 ,113 ,043 ,067 ,075 ...... ,330
131
25,723
,478
,345
123
25,637
,483
,343
Hasil selengkapnya dapat dilihat pada Lampiran Sumber: Lampiran 5
Berdasarkan tabel di atas dapat diketahui tidak terdapat indikasi nilai observasi yang mengalami outlier dikarenakan memiliki nilai probabilitas < 0,05. Adapun syarat ketentuan nomor observasi dinyatakan mengalami outlier adalah apabila nomor observasi tersebut memiliki nilai probabilitas baik p1 dan p2 < 0,05, sedangkan apabila nomor observasi hanya memiliki salah satu saja dari probabilitasnya < 0,05 (probabilitas satunya > 0,05) maka indikasi outlier masih dapat diterima. Berdasarkan hasil pengujian pada tabel diatas diketahui semua nomor observasi tidak ada yang mengalami masalah outlier secara univariate (tidak memiliki nilai probabilitas p1 dan p2 dibawah 0,05). Selain itu, dapat dilihat bahwa tidak ada nilai Mahalanobis Distance diatas 54,05196, sehingga data observasi dikatakan tidak mengalami masalah outlier.
17
4.4.4. Penilaian Model Fit dan Analisis Mediasi Analisis mediasi digunakan untuk mengungkapkan pengaruh dari hubungan mediasi antara variabel pada penelitian ini. Analisis efek mediasi yang akan dibdaningkan pada penelitian ini antara lain full mediated model, partially mediated model dan direct effect only model, dimana variabel mediasi pada penelitian ini adalah kepuasan konsumen. Pertama, untuk mendukung analisis ini harus kita ketahui terlebih dahulu perbandingan antara direct effect only model, partially mediated model dan fully mediated model pada Tabel IV.11. Selanjutnya, membandingkan hasil dari ketiga model tersebut untuk dianalisis. Pada hasil analisis ketiga model tersebut dapat kita ketahui bahwa hanya satu model yang dengan tepat fit dengan data yaitu full mediated. Berdasarkan hasil pengujian dengan menggunakan program AMOS 22.0 diapat kita lihat hasil goodness of fit sebagai berikut:
Tabel IV.11 Explanation
Full Mediated Model
Variabel Dependen : Kepuasan Konsumen Lingkungan FisikKepuasan Konsumen
Partially Mediated Model
2,061*** (0,428)
Direct Effec Model
2,037*** (0,431)
-
18
Variabel Dependen : Niat Pembelian Ulang Lingkungan FisikNiat Pembelian Ulang Kepuasan KonsumenNiat Pembelian Ulang
0,733*** (0,089)
1,155** (0,449) 0,319 (0,153)
1,155** (0,449) 0,319 (0,153)
305,722
297,499
297,4
Probabilitas Chi Square (p)
0,252
0,353
0,35
Df
290 1,054
289 1,029
289 1,02
0,872 0,894
0,874 0,896
0,87 0,89
0,993 0,992 0,880
0,996 0,996 0,883
0,99 0,99 0,88
0,017
0,012
0,12
0,719
0,675
-
0,527
0,554
0,55
Chi Square
CMIN/DF Adjusted goodness of fit index (AGFI) Goodness of Fit Index (GFI) Comparative fit index (CFI) Tucker-Lewis Index (TLI) Normed Fit Index (NFI) Root mean square error approximation (RMSEA) Squared Multiple Correlations (SMC) untuk Kepuasan Konsumen Squared Multiple Correlations (SMC) untuk Niat Pembelian Ulang
Evaluasi Goodness-of-Fit Indices Keterangan : *p<0,5; **p<0,01, ***p<0,001. Sumber : Lampiran 5 Tabel diatas menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fitnya model. Sebagai syarat utama model MLE ( maximum likelihood estimate) adalah nilai chi-square harus fit ( nilai probabilitas>0,05). Dari hasil perbdaningan tiga model diatas keputusan yang diambil terhadap model yang memenuhi kriteria goodness of fit adalah full mediated model. Dalam pengukurannya terdapat beberapa jenis fit index yang digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesiskan dengan data yang
19
disajikan. Jenis-jenis fit index tersebut akan dijelaskan pada bagian berikut ini. Normed Chi-Square (CMIN/DF) adalah ukuran yang diperoleh dari niai chi-square dibagi dengan degree of freedom. Indeks inin merupakan indeks kesesuaian parsimonious yang mengukur hubungan goodness of fit model
dan jumlah-jumlah koefisien
estimasi yang diharapkan untuk mencapai tingkat kesesuaian. Nilai yang direkomendasikan untuk menerima kesesuaian model adalah CMIN/DF ≤2,0 / 3,0 nilai CMIN/DF dalam model ini sebesar 1,054 menunjukkan model penelitian ini baik. Adjusted
Goodness
of
fit
Index
(AGFI)
merupakan
pengembangan dari GFI yang telah disesuaikan dengan rasio dari degree of freedom model yang diajukan dengan degree of freedom dari null model (model konstruk tunggal dengan semua indikator pengukuran kostruk). Nilai yang direkomendasikan adalah AGFI≥ 0,90. Model ini menunjukkan nilai AGFI sebesar 0,872 yang menunjukkan tingkat penerimaan yang hampir baik. GFI merupakan sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1 (fit). Indeks ini mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dengan residual kuadrat dari model yang diprediksi dibdaningkan data-data sebenarnya. Nilai yang mendekati 1 mengisyaratkan model yang diuji memiliki kesesuaia yang baik.
20
Nilai yang diharapkan adalah sama atau lebih besar dari 0,9. Dapat disimpulkan bahwa model penelitian ini memiliki tingkat kesesuaian yang hampir baik dengan nilai GFI sebesar 0,894. Comparative Fit Index (CFI) merupakan indeks kesesuaian incremental yang membdaningkan model yang diuji dengan null model. Besaran indeks ini adalah dalam rentang 0 sampai dengan 1, dan nilai yang mendekati 1 mengindikasi model memiliki tingkat kesesuaian model yang baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model, Nilai penerimaan yang direkomendasikan adalah CFI ≥ 0,95. Dalam model penelitian ini nilai CFI sebesar 0,993 menunjukkan bahwa model ini memiliki kesesuaian yang baik. Trucker Lewis Index (TLI) merupakan indeks kesesuaian incremental yang membdaningkan model yang diuji dengan null model. Nilai penerimaan yang direkomendasikan adalah TLI≥ 0,95. TLI merupakan indeks kesesuaian yang kurang dipengaruhi oleh ukuran sampel. Nilai TLI dalam penelitian ini sebesar 0,992 yang menunjukkan tingkat kesesuaian yang baik. Normed Fit Index (NFI) merupakan ukuran perbdaningan antara proposed model dan null model. Nilai NFI akan bervariasi dari 0 (no fit at all) sampai 1,0 (perfect fit). Nilai NFI
21
direkomendasikan ≥0,90. Hasil penelitian ini menunjukkan nilai NFI yang hampir memenuhi syarat yaitu 0,880. Root MeanSquare Error of Approximation (RMSEA) adalah indeks yang digunakan untuk mengukur fit model menggantikan chi-square statistic dalam jumlah sampel yang besar, Nilai RMSEA≤ 0,08 menunjukkan indeks yang baik untuk menerima kesesuaian sebuah model. Nilai RMSEA model ini sebesar 0,017 menunjukkan tingkat kesesuaian yang baik. Berdasarkan keseluruhan pengukuran goodness-of-fit model penelitian setelah proses modifikasi tersebut diatas,mengindikasi bahwa model yang diajukan dalam penelitian ini dapat diterima dengan baik.
4.5.
Uji Hipotesis Model Struktural Setelah kriteria goodness of fit model struktural yang diestimasi dapat terpenuhi, maka tahap selanjutnya adalah analisis terhadap hubungan-hubungan
struktural
model
(pengujian
hipotesis).
Hubungan antar konstruk dalam hipotesis ditunjukkan oleh nilai Regression Weights. Tabel IV.12 berikut menunjukkan hipotesis dari model yang sudah dimodifikasi.
Tabel IV.12 Regression Weights: (Group number 1 Default Model)
22
Hubungan Variabel Kepuasan Konsumen <--- Lingkungan Fisik Niat Pembelian Ulang <--- Kepuasan Konsumen Sumber: Lampiran 5
Estimate 2.061 .733
S.E. C.R. P .428 4.813 *** .089 8.243 ***
Berdasarkan Tabel IV.12 dapat diketahui variabel-variabel yang terbukti berpengaruh secara signifikan dengan mempunyai nilai C.R lebih besar dari tabel t tabel yaitu ≥2.58 pada probabilitas p<0,01 dan pada probabilitas p<0,05 t tabel ≥1,96. Adapun hasil pengujian terhadap seluruh hipotesis yang diajukan dalam penelitian ini menunjukkan nilai probabilitas yang signifikan untuk seluruh hipotesis.
23
4.6.
Full Mediated Fit Model Gambar IV.1 Model Fit Full Mediated
1,000 2,037(0,441) 2,061(0,428) 1,570 (0,363)
1,555(0,356)
1,777(0,394)
1,414(0,331)
2,037(0,431)
24
4.7.
Pembahasan Hasil Uji Hipotesis Setelah menilai model secara keseluruhan dan meguji model hubungan struktural (tabel IV.11), tahap selanjutnya adalah pembahasan hasil penelitian sebagai berikut: 1. Hubungan antara Lingkungan Fisik dengan Kepuasan Konsumen Hipotesis ini bertujuan untuk menguji apakah lingkungan fisik yang meiliki dimensi (keindahan fasilitas, suasana, pencahayaan, tata ruang, perlengkapan makan dan pelyanan staf) berpengaruh pada kepuasan konsumen restoran Imperial Kitchen. Berdasarkan tabel IV.11 dapat dilihat bahwa variabel lingungan fisik terhadap kepuasan konsumen restoran Imperial Kitchen memiliki β=2,061; C.R. = 4,813; p = *** (siginifikan pada 0,001) yang berarti t tabel ≥1,96 karena p<0,05, maka dapat disimpulkan bahwa hipotesis 1 didukung (supported). Hal ini mengindikasikan bahwa saat konsumen yang merasa nyaman dengan lingkungan fisik dari restoran yang berupa keindahan fasilitas, suasana, pencahayaan, tata ruang, perlengkapan makan, pelayanan staf dari restoran Imperial Kitchen maka konsumen akan cenderung memiliki perasaan puas terhadap restoran Imperial Kitchen. Hasil diatas didukung oleh hasil tanggapan responden pada kuesioner terbuka, pada hasil tersebut dinyatakan bahwa penyajian
25
keindahan
fasilitas,
suasana,
pencahayaan,
tata
ruang,
perlengkapan makan dan pelayanan staf pada restoran Imperial Kitchen yang bagus sesuai dengan ekspektasi konsumen terhadap restoran Imperial Kitchen. Hal ini sesuai dengan pernyataan Ryu dan Jang (2008b) dimana keindahan fasilitas menjadi penyebab dari kepuasan konsumen dan niat perilaku di konteks restoran kelas atas. Suasana berefek siginifikan pada tingkat kesukaan konsumen menurut (Ryu dan Jang, 2007). Pencahayaan yang rendah memiliki efek yang positif oleh (Baron, 1990), pencahayaan rendah juga memberikan
kenyamanan
(Hopkinson,
Petherbridge
dan
Longmore, 1966). Ryu dan Jang (2008b) menyatakan bahwa tata ruang merupakan faktor signifikan yang berhubungan dengan kesukaan konsumen di restoran kelas atas. Perlengkapan makan yang dimaksud meliputi piring kualitas tinggi, gelas dan linen yang dapat digunakan untuk mempengaruhi kualitas persepsi konsumen untuk tertarik dan senang (Ryu dan Jang, 2008). (Tombs dan McColl Kennedy, 2003) mengklaim bahwa pelayanan staf relatif memberikan efek kepada afeksi individu dan kognitif respon yang mengakibatkan mereka berniat untuk datang kembali ke restoran. Penelitian ini membuktikan bahwa lingkungan fisik berpengaruh posiif terhadap kepuasan menunjukkan hasil yang serupa dengan penelitian yang telah dilakukan sebelumnya oleh Ryu dan Han
26
(2007); Han dan Jang (2009) bahwa lingkungan fisik berpengaruh signifikan terhadap kepuasan konsumen.
2. Hubungan
antara
Kepuasan
Konsumen
dengan
Niat
Pembelian Ulang Hipotesis ini bertujuan untuk menguji apakah kepuasan kosnumen berpengaruh pada niat pembelian ulan konsumen restoran Imperial Kitchen. Berdasarkan tabel IV.11 dapat dilihat bahwa variabel kepuasan konsumen terhadap niat pembelian ulang restoran Imperial Kitchen memiliki nilai β = 0,733; C.R. = 8,243; p = *** (signifikan pada 0,001) yang berarti tabel ≥1,96 karena probabilitas p<0,01. Maka dapat disimpulkan bahwa hipotesis 2 didukung (supported). Hal ini mengindikasi bahwa semakin konsumen merasa puas dengan restoran Imperial Kitchen maka semakin tinggi pula niat konsumen untuk melakukan pembelian ulang di restoran Imperial Kitchen. Hasil diatas didukung oleh hasil tanggapan responden pada kuesioner
terbuka,
pada
hasil
tersebut
dinyatakan
bahwa
pengalaman yang diciptakan dan suasana yang diciptakan sesuai dengan harapan konsumen restoran Imperial Kitchen. Hal ini sesuai dengan pernyataan Namkung dan Jang (2007) mengkonfirmasi bahwa ada hubungan positif antara kepuasan konsumen dan niat perilaku terhadap restoran kelas atas. Kim
27
(2009) juga menunjukkan bahwa kepuasan konsumen
ada
hubungan positif untuk melakukan niat pembelian ulang dan positif WOM. Hal ini sesuai dengan pernyataan Zeithaml et al (1996) dimana pelanggan yang puas cenderung lebih sering menggunakan layanan diaripada pelanggan yang tidak puas, pelanggan yang puas
menunjukkan
niat
beli
ulang
yang
lebih
kuat
dan
merekomendasikannya kepada kenalan mereka (Zeithaml et al., 1996).
Penelitian ini juga membuktikan bahwa kepuasan
berpengaruh positif terhadap niat beli ulang menunjukkan hasil yang serupa dengan penelitian yang telah dilakukan sebelumnya oleh Adixion dan Saleh (2013) yang menyatakan kepuasan pelanggan sangat penting bagi perusahaan karena kepuasan pelanggan
merupakan
penggerak
pembelian seperti niat pembelian ulang.
utama
fenomena
pasca