BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dalam penelitian ini digunakan pendekatan kuantitatif, dimana survey/ kuesioner yang dilakukan akan menghasilkan deskripsi kuantitatif atau numerik dari beberapa bagian populasi, melalui proses pengumpulan data berupa pertanyaan kepada konsumen jasa laboratorium PT. Nusantara Water Centre. Penelitian ini berdasarkan tingkat eksplanasinya merupakan penelitian assosiatif, yang bertujuan untuk mengetahui hubungan antar dua variabel atau lebih, serta pengaruhnya, sehingga dapat menjelaskan suatu gejala. Jenis penelitian diklasifikasikan berdasarkan pendekatannya merupakan penelitian deduktif, yaitu penelitian yang mempunyai sifat umum menjadi khusus, artinya penenlitian ini diawali dari adanya teori, kemudian dilakukan penelitian untuk membuktikan teori yang sudah ada tersebut. Sedangkan jika diklasifikasikan berdasarkan observasinya, penelitian ini merupakan penelitian cross sectional, yaitu penelitian yang menggunakan waktu yang pendek dan tempat tertentu, dengan objek yang berbeda taraf. Cara pengambilan variabel bebas dan terikat, dilakukan sekali waktu pada saat yang bersamaan. 4.2. Variabel dan Pengukuran Variabel Menurut Sugiyono (2011:60-64) variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk mempelajari dan kemudian ditarik 41 http://digilib.mercubuana.ac.id/
kesimpulannya. Dilihat dari hubungan variabel satu dengan variabel yang lain, maka macam-macam variabel dalam penelitian dibedakan menjadi variabel eksogen, variabel endogen, variabel moderator, variabel intervening, variabel control. Variabel yang digunakan dalam penelitian ini ada tiga, yaitu variabel tergantung (endogen atau diberi simbol Z), variabel perantara (intervening atau diberi simbol Y) dan variabel bebas (eksogen atau diberi simbol X). Variabel tergantung adalah variabel yang dipengaruhi oleh variabel bebas, variabel perantara adalah variabel yang secara konkrit tidak kelihatan, tetapi secara teoritis mempengaruhi hubungan antara variabel bebas dengan variabel terikat sedangkan variabel bebas adalah variabel yang mempengaruhi variabel tergantung. Adapun identifikasi dari variabel penelitian sebagai berikut: 1) Variabel endogen
: Loyalitas Pelanggan (Z)
2) Variabel intervening
: Kepuasan Pelanggan (Y)
3) Variabel eksogen
: Citra Perusahaan (X1), Kualitas Pelayanan (X2)
4.2.1. Definisi Konsep Definisi konseptual merupakan konklusi dari beberapa definisi variabel – variabel di dalam penelitian ini, antara lain: 1) Citra perusahaan adalah citra yang dibentuk oleh perusahaan dan dikomunikasikan ke segmen sasaran melalui sarana periklanan dan kegiatan humas dengan tujuan citra yang diinginkan untuk jati diri perusahaan sesuai dengan yang dikehendaki manajemen. Citra perusahaan dapat
diukur
melalui
dimensi
disukai
(likeability),
kompetensi 42
http://digilib.mercubuana.ac.id/
(competence), kualitas (quality), kinerja (performance) dan tanggung jawab (responsibility). 2) Kualitas pelayanan adalah segala bentuk aktivitas yang dilakukan oleh perusahaan guna memenuhi harapan konsumen. Kualitas pelayanan dapat diukur melalui dimensi wujud (tangibles), kehandalan (reliability), ketanggapan (responsiveness), jaminan (assurance) dan empati (emphaty). 3) Kepuasan pelanggan adalah sebagai suatu penilaian antara persepsi dan ekspektasi pelanggan mengenai nilai suatu produk atau jasa yang ditawarkan oleh perusahaan. Kepuasan pelanggan dapat diukur melalui dimensi harapan pelanggan (expectation), pengalaman pelanggan (experience) dan kepuasan pelanggan secara keseluruhan (overall satisfaction). 4) Loyalitas pelanggan adalah kesetiaan pelanggan terhadap produk dan jasa yang diberikan oleh pemasok dan dalam jangka waktu yang lama dengan apresiasi yang positif yaitu secara kontinu menggunakan produk dan jasa tersebut dan merekomendasikannya kepada orang lain. Loyalitas pelanggan dapat diukur melalui dimensi melakukan pembelian ulang secara berkala (regular repeat purchases), membeli produk atau jasa lain (purchases across product and service lines), merekomendasikan kepada orang lain (refers other) dan menunjukkan kekebalan terhadap persaingan yang ada (demonstrates immunity to the full of the competition). 4.2.2. Definisi Operasional Menurut Kountur (2007:108-109) definisi operasional adalah suatu 43 http://digilib.mercubuana.ac.id/
definisi yang memberikan penjelasan atas suatu variabel dalam bentuk yang dapat diukur. Definisi operasional ini memberikan informasi yang diperlukan untuk mengukur variabel yang akan diteliti. Dengan kata lain, definisi operasional adalah definisi yang dibuat oleh peneliti itu sendiri. Menurut Suyanto dan Salamah (2009:396) definisi operasional adalah konsep atau teori yang dapat diukur (measureable) atau diamati (observable). Menurut Nazir (2009:126) definisi operasional adalah suatu definisi yang diberikan kepada suatu konstruk dengan menggunakan konstruks yang lain. Jadi dapat diartikan bahwa definisi operasional variabel penelitian merupakan batasan atau spesifikasi dari varibel-variabel penelitian yang secara kongkrit berhubungan dengan realisasi yang akan diukur dan merupakan manifestasi dari hal-hal yang akan diamati dalam penelitian. Definisi operasional dari masing-masing variabel yang digunakan pada penelitian dijabarkan pada Tabel 4.1. berikut: Tabel 4.1. Operasionalisasi Variabel No 1.
Variabel Citra Perusahaan Zhang (2009:32)
Dimensi Likeability Competence Quality
Performance
Indikator Keramahan karyawan Penampilan karyawan Pengetahuan & keahlian karyawan Akreditasi Perusahaan Tidak ragu pada hasil pemeriksaan air Tidak ada intervensi terhadap kualiatas hasil pemeriksaan air Kemampuan karyawan menjelaskan SOP Peralatan sesuai prosedur pemeriksaan
Skala Ordinal Ordinal Ordinal Ordinal Ordinal Ordinal Ordinal Ordinal
No Pertanyaan 1 2 3 4 5 6 7 8
44 http://digilib.mercubuana.ac.id/
lanjutan Tabel 4.1 Operasionalisasi Variabel No
Variabel
Dimensi Responsibility
2.
Kualitas Layanan Kotler & Keller (2009 : 143)
Tangibels Realiability
Responsiveness
Assurance
Emphaty
3.
Kepuasan Pelanggan Qing dan Viktor (2008 : 40)
Expectation
Experience Overall Satisfaction
4.
Loyalitas Pelanggan Griffin (2005:31)
Regular repeat purchase Purchase across product and service lines Refers orther
Demonstrattes immunity to the pull competition
Sumber : Penulis
Indikator
Skala
Penegembalian pembayaran lebih dari pembayaran Tanggung jawab saat ini Fisik bangunan perusahaan
Ordinal
No Pertanyaan 9
Ordinal Ordinal
10 11
Kenyamanan ruangan Pengakuan produk oleh pihak lain Hasil pemeriksaan air dapat dijadikan acuan Karyawan tanggap terhadap permintaan pelanggan Manajemen cepat memberi tanggapan terhadap komplain pelanggan Janji melakukan pemeriksaan ulang Janji menepati waktu penyelesaian Memberi kesempatan bertanya Memahami kebutuhan dan keperluan pelanggan
Ordinal
12
Ordinal
13
Ordinal
14
Ordinal
15
Ordinal
16
Ordinal
17
Ordinal
18
Ordinal
19
Ordinal
20
Ordinal
21
Ordinal
22
Ordinal
23
Ordinal Ordinal
24
Ordinal Ordinal
26 27 28
Hasil pemeriksaan sesuai harapan Metode pemeriksaan sesuai aturan Pelayanan tidak mengecewakan Menambah pengetahuan Hasil pemeriksaan memuaskan Pelayanan memuaskan Niat pembelian ulang Pasti mpembeli ulang Membeli jasa tambahan pada perusahaan yang sama Membeli produk atau jasa lain pada perusahaan yang sama Merekomendasikan penyedia jasa atau produk kepada orang lain Positif word of mouth Tetap mempertimbangkan produk sebagai pilihan utama Kebal terhadap rayuan jasa atau produk lain
Ordinal
25
29 30
Ordinal Ordinal Ordinal Ordinal
31 32 33 34
45 http://digilib.mercubuana.ac.id/
Matriks korelasi dimensi antar variabel yang digunakan pada penelitian dijabarkan pada Tabel 4.2. berikut: Tabel 4.2. Matriks Korelasi Dimensi Antar Variabel Variabel
Dimensi
Competency
Quality
Performance
Responsibility
Tangibels
Reliability Kualitas Layanan
Responsiveness
Assurance
Empathy Kepauasan pelanggan
Loyalitas
Pelanggan
Pelanggan
Y
Z
X101
rX101Y
rX101Z
X102
rX102Y
rX102Z
X103
rX103Y
rX103Z
X104
rX104Y
rX104Z
X105
rX105Y
rX105Z
X106
rX106Y
rX106Z
X107
rX107Y
rX107Z
X108
rX108Y
rX108Z
X109
rX109Y
rX109Z
X110
rX110Y
rX110Z
X201
rX201Y
rX201Z
X202
rX202Y
rX202Z
X203
rX203Y
rX203Z
X204
rX204Y
rX204Z
X205
rX205Y
rX205Z
X206
rX06Y
rX206Z
X207
rX207Y
rX207Z
X208
rX208Y
rX208Z
X209
rX209Y
rX209Z
X210
rX210Y
rX210Z
Indikator
Likeability
Citra Perusahaan
Kepuasan
Y
rYZ
Sumber : Penulis 4.3. Data dan Metode Pengumpulan Data 4.3.1. Jenis dan Sumber Data Jenis data yang digunakan peneliti dalam penelitian ini adalah menggunakan data primer dan data sekunder. Data primer adalah data yang diperoleh langsung dari sumber data penelitian (disebut responden) menggunakan kuesioner dan tidak melalui media 46 http://digilib.mercubuana.ac.id/
perantara. Sedangkan data sekunder adalah data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang telah ada yaitu data perusahaan. 4.3.2. Teknik Pengumpulan Data Sumber dan teknik pengumpulan data yang digunakan dalam penelitian ini disesuaikan dengan fokus dan tujuan penelitian. Metode pengambilan sampel dilakukan dengan metode probability sampling (memberi peluang yang sama bagi setiap unsur). Sedangkan teknik pengambilan sampel menggunakan proportionate stratified random sampling (teknik pengambilan menurut strata dari populasi), Teknik ini digunakan, karena responden yang boleh menjawab hanya pada level yang dapat mewakili perusahaan yang menjadi pelanggan. Sesuai dengan fokus penelitian maka data yang dikumpulkan berupa data primer yang digunakan untuk menguji hipotesis yang diajukan atau menjawab masalah yang diteliti. Data primer diperoleh dengan cara memberi kuesioner kepada pelanggan PT. Nusantara Water Centre yang bersedia untuk dijadikan responden. Kuesioner yang digunakan dalam penelitian ini menggunakan model Likert. Model Likert dapat digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Variabel yang akan diukur dijabarkan menjadi indikator, kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun instrumen yang dapat berupa daftar pertanyaan atau pernyataan. 47 http://digilib.mercubuana.ac.id/
Untuk keperluan analisis kuantitatif, maka jawaban tersebut dapat diberi skor pada setiap butirnya. Skor yang digunakan dalam penelitian ini dijabarkan Tabel 4.3. berikut: Tabel 4.3. Skor Kuesioner Predikat Keterangan Bobot STS Sangat Tidak Setuju TS Tidak Setuju N Netral S Setuju SS Sangat Setuju Sumber : Penulis
1 2 3 4 5
Teknik pengumpulan data dalam penelitian ini dijabarkan sebagai berikut: 1) Data Primer Pengumpulan data dilakukan dengan cara menyebarkan kuesioner berupa daftar pertanyaan terstruktur dan bersifat tertutup. Pernyataan yang diajukan berkisar pada masalah citra perusahaan, kualitas pelayanan, kepuasan pelanggan dan loyalitas pelanggan. Responden adalah pelanggan PT. Nusantara Water Centre yang datang saat memeriksa air pada saat penelitian ini berlangsung. 2) Data Sekunder Data yang diperoleh dari laporan dan dokumen-dokumen dari PT. Nusantara Water Centre.
4.4. Populasi dan Metode Sampling Dalam penelitian ini populasi adalah seluruh konsumen laboratorium PT. 48 http://digilib.mercubuana.ac.id/
Nusantara Water Centre yang memeriksa kualitas air pada saat survey dilaksanakan pada tahun 2016. Pada penelitian ini, ukuran sampel yang harus dipenuhi dalam pemodelan, menggunakan rumus yang dikembangkan oleh Isaac dan Michael, serta nomogram Harry King. Jumlah sampel menurut Isaac dan Michael dihitung berdasarkan rumus
S=
Λ2.N.P.Q d2.(N-1)+λ.P.Q
Dimana : λ2 dengan dk = 1, taraf kesalahan = 5%, P = Q = 0,5, d = 0,05. Sedangkan jumlah sampel dihitung dengan menggunakan nomogram Harry King untuk populasi sebesar 300 konsumen, dengan tingkat kesalahan 5%, prosentase populasi sebesar 45%, multiple factor 1,195, adalah sebesar 161 sampel. Berdasarkan kedua perhitungan diatas, maka jumlah sampel yang harus diambil adalah sebesar 161 sampel. Sampel diambil dengan menggunakan teknik proportionate stratified random sampling, yaitu pengambilan sampel untuk populasi yang tidak homogen dan berstrata secara proporsional. Prosedur dari pengambilan sampel dilakukan dengan cara meminta kesediaan pelanggan yang mewakili perusahaannya untuk menjadi responden, jika pelanggan setuju untuk dijadikan responden maka peneliti akan membawa kuesioner kepada pelanggan untuk diisi. 49 http://digilib.mercubuana.ac.id/
4.5 Metode Analisis 4.5.1. Metode Analisis Data Awal Pengelolaan dan pengujian data presurvey dalam penelitian ini menggunakan uji validitas dan uji reliabilitas menggunakan perangkat lunak IBM SPSS versi 22. Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. (Ghozali, 2005). Pengujiannya dilakukan dengan kriteria sebagai berikut : -
Jika r hitung (corrected item total correlation) > r kritis, maka dinyatakan item pertanyaan yang diuji valid.
-
Jika r hitung (corrected item total correlation) < r kritis, maka dinyatakan item pertanyaan yang diuji tidak valid. Reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner
yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. (Ghozali, 2005). Kriteria pengujian uji reliabel adalah sebagai berikut: (Ghozali,2005) -
Alpha > 0,6 Konstruk (variabel) memiliki reliabilitas
-
Alpha ≤ 0,6 Konstruk (variabel) tidak memiliki reliabilitas
4.5.2. Confirmatory Factor Analysis Test (CFA) Confirmatory Factor Analisys (CFA) digunakan untuk menguji 50 http://digilib.mercubuana.ac.id/
unidimensional, validitas dan reliabilitas model pengukuran konstruk yang tidak dapat diukur langsung. Perangkat lunak yang digunakan adalah Lisrel 8.71. Confirmatory factor analisys model menunjukkan operasionalisasi variabel atau konstruk penelitian menjadi indikator-indikator terukur yang dirumuskan dalam bentuk persamaan dan atau diagram jalur tertentu (dalam Kusnendi, 2008:98). Tujuan CFA adalah untuk mengkonfirmasikan atau menguji model, yaitu model pengukuran, yang perumusannya berasal dari teori. Sehingga, CFA bisa dikatakan memiliki dua focus kajian yaitu : (1) indikator-indikator yang dikonsepsikan secara unidimensional, tepat, dan konsisten; (2) indikator-indikator apa yang dominan membentuk konstruk yang diteliti. CFA didasarkan atas alasan bahwa variabel-variabel teramati adalah indikator-indikator tidak sempurna dari variabel laten atau konstruk tertentu yang mendasarinya. Didalam CFA variabel laten bersifat reflektif (Wijanto, 2015), karena variabel-variabel teramati dipandang sebagai indikator –indikator yang dipengaruhi konsep yang sama dan yang mendasarinya (yaitu variabel laten). Model pengukuran dalam CFA dibentuk lebih dahulu dan mengacu pada reflective measurment theory atau RMT, jumlah variabel laten juga ditentukan peneliti, pengaruh suatu variabel laten terhadap variabel teramati ditentukan lebih dahulu, beberapa efek langsung variabel laten terhadap variabel teramati dapat ditetapkan sama dengan nol atau suatu konstanta, 51 http://digilib.mercubuana.ac.id/
pengukuran. Model reflektif measurement theory ata RMT dicirikan sebagai berikut (dalam Ghozali, 2008:8-9) : 1) Perubahan konstruk laten akan mempengaruhi perubahan pada indikator (Bollen dan Lennox, 1991). 2) Arah hubungan kausalitas dari konstruk ke indikator (tanda panah dari konstruk ke indikator). 3) Antar ukuran indikator diharapkan saling berkorelasi (ukuran harus memiliki internal consistency reliability). 4) Menghilangkan indikator dari model pengukuran tidak akan merubah makna atau arti konstruk. 5) Menghitung adanya kesalahan pengukuran (error) pada tingkat indicator skala skor tidak menggambarkan konstruk. 4.5.3. Goodness Of Fit Test (GOF) Pengujian hipotesis kompatibilitas (goodness of fit) merupakan pengujian hipotesis untuk menentukan apakah suatu himpunan frekuensi yang diharapkan sama dengan frekuensi yang diperoleh dari suatu distribusi, seperti distribusi binomial, poisson, normal, atau dari perbandingan lain. Goodness of Fit Test (GOF) atau uji kesesuaian model dilakukan dengan menggunakan beberapa ukuran kesesuaian model, ukuran kecocokan absolute menentukan derajat prediksi model keseluruhan (model structural dan pengukuran) terhadap matrik korelasi dan kovarian. Ukuran-ukuran ini mengandung ukuran yang mewakili dari sudut pandang overall fit. 52 http://digilib.mercubuana.ac.id/
Beberapa ukuran yang bisa digunakan untuk mengevaluasi SEM antara lain: 1) Ukuran kecocokan absolut Ukuran kecocokan absolut menentukan derajat prediksi model keseluruhan (model struktural dan pengukuran) terhadap matrik korelasi dan kovarian. Dari berbagai ukuran kecocokan absolut, ukuran yang biasa digunakan untuk mengevaluasi SEM adalah : a) Chi Square (X2) Chi square digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian sampel S dengan matrix kovarian model Σ(Θ). Uji statistiknya adalah : X2 = (n-1) F(S, Σ(Θ)) Nilai signifikansi yang besar diharapkan dari uji ini (p ≥ 0.05). Ini menandakan bahwa hipotesis nol diterima dan matrix input yang diprediksi dengan sebenarnya tidak berbeda dengan secara statistic. Meski demikian, chi-square bukanlah satu-satunya uji untuk menilai goodness of fit dari model, karena uji ini memiliki beberapa kekurangan terutama pada ukuran data (Cohran, 1952). Jika ukuran sampel kecil, maka uji chi square akan menunjukkan data secara signifikan tidak berbeda dengan model dan teori-teori yang mendasarinya. b) Goodness of Fit Index(GFI) 53 http://digilib.mercubuana.ac.id/
GFI merupakan ukuran mengenai ketepatan model dalam menghasilkan observed matrix kovarian. Nilai GFI ini harus berkisar 0 – 1. Semakin mendekati angka 1, model semakin baik, dan angka > 0.90 adalah angka yang sering digunakan para peneliti untuk menilai kecocokan model berdasarkan nilai GFI. c) Root Mean Square Residual (RMR) RMR mewakili nilai rerata residual yang diperoleh dengan mencocokkan
matrix
varian-kovarian
dari
model
yang
dihipotesiskan dengan matrix varian-kovarian data sampel. Model yang mempunyai goodness of fit yang baik memiliki nilai RMR kurang dari 0.05. d) Root Mean Square Error of Approximation (RMSEA) RMSEA mengukur penyimpangan nilai parameter suatu model dengan matrix covarians populasinya. Nilai RMSEA < 0.05, artinnya model close fit, sedangkan nilai 0.05 < RMSEA < 0.08 menunjukkan model good fit, nilai 0.08 < RMSEA < 0.1 menunjukkan model marginal fit, nilai RMSEA > 0.1 menunjukkan model poor fit. e) Expected Cross Validation Index (ECVI) ECVI Ukuran kesesuaian model jika model yang diestimasi diuji lagi dengan sampel yang berbeda tetapi dengan ukuran yang sama.
54 http://digilib.mercubuana.ac.id/
2) Ukuran kecocokan incremental Ukuran kecocokan incremental membandingkan model yang diusulkan dengan model dasar yang sering disebut null model atau independence model. Model dasar atau null model ini adalah model dimana semua variabel didalam model bebas satu sama lain ( semua korelasi anatar variabel adalah nol) dan paling dibatasi (Byne dalam Wijanto, 2015) Ukuran kecocokan incremental yang biasanya digunakan untuk mengevaluasi SEM adalah : a) Adjusted Goodness of Fit Index (AGFI) AGFI adalah perluasan dari GFI, tetapi menyesuaikan pengaruh degree of freedom pada model. Nilai AGFI ≥ 0,9 menunjukan good fit, nilai 0,80≤GFI≤0,90 disebut marginal fit. b) Nonnormed Fit Index (NNFI) NNFI atau disebut Tucker-Lewis Index (TLI) diusulkan oleh Tcuker dan Lewis (1973), sebagai sarana untuk mengevaluasi analisis faktor yang kemudian diperluas untuk SEM. Nilai NNFI berkisar antara 0 sampai 1, jika nilai NNFI≥0,90 menunjukan good fit dan 0,8≤NNFI≤0,90 adalah marginal fit. c) Noormed Fit Index (NFI) Selain NNFI, Bentler dan Bonnet (1980) juga mengusulkan ukuran GOF yang dikenal sebagai NFI. Menurut ukuran ini, jika NFI
≥
0,90
menunjukan
good
fit.
Nilai 0,8≤NFI≤0,90
dikategorikan marginal fit. 55 http://digilib.mercubuana.ac.id/
d) Relative Fit Index (RFI) RFI diusulkan oleh Bollen (1989), seperti halnya NFI. Nilai RFI berkisar dari 0 sampai 1. jika nilai RFI ≥ 0,90 menunjukan good fit. Nilai 0,8≤RFI≤0,90 dikategorikan marginal fit. e) Incremental Fit Index (IFI) Selain RFI, Bollen (1989) juga mengusulkan IFI. Nilai IFI berkisar dari 0 sampi 1. jika nilai IFI ≥ 0,90 menunjukan good fit. Nilai 0,8≤IFI≤0,90 dikategorikan marginal fit. f) Comparative Fit Index (CFI) Bentler (1990) menambah perbendaharaan kecocokan inremental melalui CFI. Nilai CFI berkisar dari 0 sampi 1. jika nilai CFI ≥ 0,90 menunjukan good fit. Nilai 0,8≤CFI≤0,90 dikategorikan marginal fit. 3) Ukuran kecocokan parsimoni Model parsimoni adalah model dengan parameter relatif sedikit (degree of freedom yang relatif banyak) sering dikenal sebagai model dengan kehematan tinggi. Ukuran ini ditujukan untuk mendiagnosa apakah kecocokan model telah dicapai melalui “over fitting” data dengan parameter yang jumlahnya terlalu banyak. Mengingat tidak ada uji statistik untuk ukuranukuran ini, pemakaiannya terbatas pada perbandingan antar model. Dari berbagai ukuran kecocokan parsimoni, ukuran-ukuran yang biasa digunakan untuk mengevaluasi SEM adalah : 56 http://digilib.mercubuana.ac.id/
1) Akaike Information Criterion (AIC) AIC merupakan ukuran yang berdasarkan atas statistical information theory (Akaike, 1987). AIC adalah ukuran yang digunakan untuk membandingkan model dengan jumlah konstruk yang berbeda. Nilai AIC model yang mendekati nilai AIC saturated disebut good fit. 2) Consistent Akaike Information Criterion (AIC) CAIC dikemukakan oleh Bozdogan (1987), dimana CAIC merupakan ukuran yang digunakan untuk membandingkan model yang berkaitan dengan ukuran sampel. Nilai CAIC model yang mendekati nilai CAIC saturated disebut good fit. 4.5.4. Langkah-langkah Evaluasi Sebelum melakukan evaluasi keseunair model, maka harus dilakukan penentuan ukuran sampel, dengan menggunakan perbandingan 5 observasi untuk setiap estimated parameter. Model pada penelitian ini menggunakan 34 parameter, maka sampel yang digunakan adalah 170 sampel. Selanjutnya adalah melakukan langkah-langkah evaluasi kesesuaian model, sebagai berikut: 1) Uji asumsi - asumsi SEM Prosedur SEM dalam pengumpulan dan pengolahan data secara umum akan mengandung tahap-tahap sebagai berikut (Wijanto, 2015): a. Spesifikasi model
Tahap ini berkaitan dengan pembentukan modal awal persamaan 57 http://digilib.mercubuana.ac.id/
struktural,
sebelum
dilakukan
estimasi.
Model
awal
ini
diformulasikan berdasarkan suatu teori atau penelitian sebelumnya. Melalui langkah-langkah dibawah ini, peneliti dapat memperoleh model yang diinginkan :
Definisikan variabel-variabel laten yang ada dalam penelitian.
Definisikan variabel-variabel teramati.
Definisikan hubungan antar variabel laten dengan variabel teramati yang terkait.
Definisikan hubungan kausal diantara variabel-variabel laten tersebut.
Gambar Path diagram dari model hybrid yang merupakan kombinasi model pengukuran dan struktural.
b. Identifikasi
Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada solusinya. Secara garis besar ada 3 kategori identifikasi dalam SEM, yaitu :
Under identified model adalah model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data.
Just identified model adalah model dengan jumlah parameter yang diestimasi sama dengan jumlah data.
Over identified model adalah model dengan jumlah parameter 58 http://digilib.mercubuana.ac.id/
yang diestimasi lebih kecil dari jumlah data. Identifikasi dapat dihitung menggunakan degree of freedom(DOF). Jika DOF > 0, maka model dikatan over identified, jika DOF = 0, maka model dikatakan just identified dan jika DOF < 0, maka model dikatakan under identified. Berdasarkan data operasional variabel, degree of freedom pada penelitian ini adalah 595 – 170 = 425 > 0, sehingga model penelitian dikatan over identified. c. Estimasi
Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menggunakan salah satu model estimasi yang tersedia. Setelah mengetahui bahwa model adalah over identified, maka penelitian ini akan menggunakan Weighted Least Square (WLS), dimana metode ini tidak tergantung jenis distribusi data. d. Uji Kecocokan
Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria ukuran atau Goodness Of Fit (GOF) seperti diuraikan diatas, pada bagian Goodness Of Fit Test dapat digunakan untuk melaksanakan langkah ini. e. Respesifikasi
Tahap ini berkaitan dengan respesifikasi model berdasarkan atas hasil uji kecocokan tahap sebelumnya. 59 http://digilib.mercubuana.ac.id/
4.5.5. Analisis Model Pengukuran Setelah kecocokan seluruh model dan data secara keseluruhan adalah baik, langkah selanjutnya adalah evaluasi atau uji kecocokan model pengukuran. Evaluasi akan dilakukan terhadap setiap konstruk atau model pengukuran secara terpisah melalui : -
Evaluasi terhadap validitas dari model pengukuran.
-
Evaluasi reliabilitas dari model pengukuran.
1) Uji Validitas Uji validitas dilakukan untuk mengetahui tingkat kemampuan suatu instrument atau alat pengumpul data dalam mengungkap sesuatu yang menjadi sasaran pokok pengukuran yang dilakukan. Suatu instrument dikatakan valid, bila instrument tersebut mampu mengukur apa saja yang harus diukurnya dan mampu mengungkap apa yang ingin diungkap (Sutrisno Hadi, 1993). Menurut Rigdon dan Ferguson dalam Wijanto (2015:76) suatu variabe dikatakan mempunyai validitas baik terhadap konstruk atau variabel latennya jika : -
Nilai t muatan faktornya (factor loading) lebih besar dari nilai kritis (atau ≥ 1,96 atau untuk praktisnya ≥ 2)
-
Muatan faktor standardnya (standardized factor loading/SLF) ≥ 0,7. Sementara menurut Igbaria et.al (1997) yang menggunakan 60 http://digilib.mercubuana.ac.id/
guidline dari Hair et.al (1993) dalam Wijanto (2015), menyatakan bahwa muatan faktor standar (SLF) ≥ 0,50 adalah very significant. 2) Uji reliabilitas Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukan derajat sampai dimana masing- masing indikator itu mengidentifikasikan sebuah konstruk/ faktor laten yang umum. Dengan kata lain bagaimana hal-hal yang spesifik saling membantu dalam menjelaskan fenomena yang umum. Pada dasarnya uji reliabilitas menunjukan sejauh mana suatu alat pengukuran dapat memberikan hasil yang relatif sama bila dilakukan pengukuran kembali pada subyek yang sama. Hair et.al (1998) dalam Wijanto (2015) menyatakan bahwa sebuah konstruk mempunyai reliability yang baik jika : - Nilai Construct Reliability (CR) ≥ 0,70 - Nilai Variance Extracted ( VE ) ≥ 0,50. Forner dan larker (1981) dalam Wijanto (2015), menyatakan uji reliabilitas dalam SEM diperoleh melalui rumus:
Keterangan: a. Standar loading diperoleh langsung dari standardized loading untuk tiap indicator yang didapat dari hasil perhitungan komputer. b. ∑Еj adalah measurement error dari tiap indikator. 61 http://digilib.mercubuana.ac.id/
c.
Measurement error didapat dari 1 – reliabilitas dari indicator. Nilai batas yang digunakan untuk menilai sebuah tingkat
reliabilitas yang dapat diterima adalah 0,70, walaupun angka itu bukanlah sebuah ukuran yang mati. Artinya bila penilaian yang dilakukan bersifat eksploratori, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai dengan alasan-alasan empirik yang terlihat dalam proses eksplorasi. Ukuran reliabilitas yang kedua adalah yang menunjukan jumlah varian dari indikator - indikator yang diekstraksi oleh konstruk laten yang dikembangkan. Nilai variance extracted yang tinggi menunjukan bahwa indicator - indikator itu telah mewakili secara baik kontruk laten yang dikembangkan. Nilai variance extracted ini direkomendasikan pada tingkat paling sedikit 0,50. Variance extracted menurut Forner dan Larker (1981) dalam Wijanto (2015), dapat diperoleh melalui rumus berikut ini:
Variance extracted =
( Σ standard loading) 2 N
Keterangan: a. Standard loading diperoleh langsung dari standardized loading untuk tiap-tiap indicator. b. N adalah banyaknya variabel laten atau konstruk yang digunakan mengukur variabel latennya.
62 http://digilib.mercubuana.ac.id/
4.5.6. Analisis Model Struktural Evaluasi
atau
analisis
terhadap
model
struktural
mencakup
pemeriksaan terhadap signifikansi, koefisien-koefisien yang diestimasi. Metode SEM dan Lisrel tidak saja menyediakan nilai koefisien-koefisien yang diestimasi, tetapi juga nilai-t (t-value) untuk setiap koefisien, dengan menspesifikasikan tingkat signifikan (lazimnya α = 0,05), maka setiap koefisien yang mewakili hubungan causal yang dihipotesiskan dapat diuji signifikansinya secara statistik (apakah berbeda dengan 0). Nilai-t yang ≥ 1,96 atau nilai-p ≤ 0,05 dari sebuah koefisien, menunjukkan bahwa koefisien tersebut adalah signifikan. Selain hal tersebut, juga perlu dilakukan evaluasi terhadap solusi standar dimana semua koefisien mempunyai varian yang sama dan nilai maksimumnya adalah 1. Koefisien-koefisien tersebut serupa dengan koefisien beta pada regresi berganda, yaitu nilai koefisien yang mendekati nol menandakan pengaruh yang semakin kecil. Peningkatan nilai koefisien ini berhubungan dengan peningkatan pentingya variabel yang bersangkutan dalam hubungan kausal. Sebagai ukuran menyeluruh terhadap persamaan struktural, overall coeficient of determination (R2) dihitung pada regresi berganda. Meskipun tidak ada uji signifikansi statistik dapat dilakukan, paling tidak dapat memberikan gambaran ukuran kecocokan relatif dari setiap persamaan struktural.
63 http://digilib.mercubuana.ac.id/
4.5.7. Analisis Korelasi Antar Variabel Untuk melihat korelasi antar variabel, maka digunakan analisis regresi linier, analisi ini merupakan teknik statistik untuk membuat model dan menyelidiki pengaruh antara satu atau beberapa variabel bebas (independent variables) terhadap satu variabel respons (dependent variable). Ada dua macam analisi regresi linier : - Regresi linier sederhana, analisis regresi dengan satu independent variable. -
Regresi linieer berganda, analisis regresi dengan dua atau lebih independent variabel.
Asumsi yang harusterpenuhi dalam analisis regresi (Gujarati, 2003) adalah : 1) Residual penyebar normal (asumsi normalitas). 2) Antar residual saling bebas (auto korelasi). 3) Kehomogenan ragam residual (asumsi heteroskedatisitas). 4) Antar variabel inedependent tidak berkorelasi (multikolinieritas).
4.5.8. Respesifikasi dan Strategi Pemodelan Respesifikasi merupakan langkah berikutnya setelah uji kecocokan dilaksanakan. Pelaksanaan respesifikasi sangat tergantung kepada strategi pemodelan yang akan digunakan. Ada 3 strategi pemodelan yang dapat digunakan dalam SEM , yaitu :
Startegi pemodelan konfirmatori atau Confirmatory Modelling 64 http://digilib.mercubuana.ac.id/
Strategy (Hair et.al 1998) atau Stricly Confirmatory atau SC (Joreskog dan Sorbom, 1996). Pada strategi pemodelan ini diformulasikan satu model tunggal, kemudian dilakukan pengumpulan data empiris untuk diuji signifikansinya.
Strategi kompetisi model atau competing models strategy (Hair et.al, 1998) atau alternatif/competing models/AM (Joreskog dan Sorbom, 1996). Pada strategi pemodelan ini, beberapa model alternatif dispesifikasikan dan berdasarkan analisis terhadap satu kelompok data empiris dipilih salah satu model yang paling sesuai. Pada strategi ini respesifikasi hanya diperlukan jika model-model alternatif dikembangkan dari beberapa model yang ada.
Strategi pengembangan model atau model development strategy (Hair et.al, 1998) atau model generating/MG (Joreskog dan Sorbom, 1996). Pada strategi pemodelan ini, suatu model awal dispesifikasikan dan data empiris dikumpulkan. Jika model awal tersebut tidak cocok dengan data empiris yang ada, maka model ini dimodifikasi dan diuji kembali dengan data yang sama. Saat ini yang paling banyak digunakan dalam penelitian adalah strategi pengembangan model (MG).
65 http://digilib.mercubuana.ac.id/
4.5.9. Pembatasan Masalah Salah satu keterbatasan utama pada tesis ini adalah tidak digunakan data laboratorium lain yang sejenis, untuk melihat perkembangan jumlah konsumen dan jumlah contoh air yang dianalisa. Penelitian ini hanya mengukur kualitas pelayanan dan citra perusahaan terhadap tingkat kepuasan pelanggan dan loyalitas pelanggan PT. Nusantara Water Centre saja, sehingga penelitian ini tidak memadai untuk generalisasi.
66 http://digilib.mercubuana.ac.id/
