BAB I PENDAHULUAN. Perusahaan-perusahaan yang ada harus bersaing secara ketat untuk tumbuh, berkembang, dan

1

BAB I PENDAHULUAN

1.1 Latar Belakang Dewasa ini, persaingan adalah hal yang tidak dapat dihindari oleh para pelaku bisnis. Perusahaan-perusahaan yang ada harus bersaing secara ketat untuk tumbuh, berkembang, dan bertahan di tengah persaingan tersebut. Persaingan terjadi hampir di setiap bidang bisnis yang ada termasuk di dalam bidang otomotif, khususnya jasa perawatan mobil. Untuk itu para pelaku bisnis di bidang otomotif harus tanggap terhadap perubahan yang saat ini terjadi begitu cepat di dalam dunia bisnis. Perusahaan dituntut untuk dapat menyesuaikan diri dengan perubahan-perubahan yang terjadi, sebab jika sampai gagal eksistensi perusahaan akan terancam, dan perusahaan tidak akan mampu untuk bertahan di dalam persaingan yang semakin hari semakin ketat. Dalam menghadapi hal ini, perusahaan dituntut untuk mampu senantiasa memberikan kepuasaan bagi pelanggan, karena pelanggan merupakan sumber pendapatan dari perusahaan. Memberikan kepuasan secara konsisten kepada pelanggan, dapat membuat pelanggan menjadi loyal kepada perusahaan. Sikap loyal pelanggan kepada perusahaan akan sangat membantu perusahaan untuk dapat bertahan di dalam persaingan bisnis (Leverin dan Liljander, 2006). Loyalitas tidak dapat muncul dalam waktu yang singkat, perusahaan harus dapat secara konsisten menjaga kepuasan pelanggan dalam jangka panjang dan memiliki pelanggan yang loyal tentu akan sangat menguntungkan bagi perusahaan (Eisingerich dan Bell, 2006). Kepuasaan pelanggan merupakan suatu hal yang sangat krusial dalam menentukan sukses atau tidaknya suatu bisnis (Kau dan Elizabeth, 2006). Memberikan kepuasan secara konsisten kepada pelanggan bukanlah perkara mudah. Alrubaiee dan Nazer (2010) berpendapat bahwa

1

2

perubahaan yang terjadi kini cenderung membuat pelanggan semakin mudah dalam menentukan pilihan dan mengambil suatu keputusan, sebab mudahnya mendapatkan informasi membuat pelanggan semakin pintar, dan mampu mengevaluasi produk mana yang mampu memenuhi harapannya atas apa yang dijanjikan oleh pemasar dalam kegiatan komunikasi pemasaran. Menghadapi tantangan tersebut, perusahaan harus mulai melakukan penyesuain strategi, perusahaan yang dulunya lebih berfokus pada kegiatan transaksional kini harus mulai beralih pada kegiatan relationship guna mendekatkan diri dengan konsumen dan lebih mengetahui apa kebutuhan saat ini serta dapat memberikan manfaat kepada konsumen atas hubungan yang dirajut oleh perusahaan dan konsumen (Hennig-Thurau et al.,2002). Menurut Zeithaml et al. (2006:184) Relationship marketing adalah salah satu strategi perusahaan dengan menjaga hubungan yang baik dengan pelanggan dalam jangka panjang. Strategi ini lebih memfokuskan pada bagaimana menjaga pelanggan yang sudah ada, agar tidak berpindah ke produk pesaing. Wibowo (2009) menyatakan bahwa relationship marketing adalah usaha untuk menarik, memelihara, dan meningkatkan hubungan jangka panjang dengan pelanggan. Oleh sebab itu, penting bagi perusahaan untuk lebih peduli pada pelanggan, karena salah satu faktor kunci perusahaan untuk dapat bertahan pada pasar yang sudah ada saat ini adalah dengan menjaga dan mempertahankan hubungan jangka panjang dengan para pelanggan (Perrien dan Richard, 1995). Menurut Palmatier et al. (2006) relationship marketing adalah filosofi dalam melakukan bisnis berorientasi strategis, yang berfokus pada menjaga dan meningkatkan kualitas hubungan dengan pelanggan saat ini bukan berfokus pada usaha untuk memperoleh pelanggan baru. Filosofi ini mengasumsikan bahwa banyak pelanggan dan pelanggan bisnis lebih memilih untuk memiliki hubungan yang berkelanjutan dengan satu perusahaan saja daripada harus berpindah-

3

pindah pada perusahaan lain, selama perusahaan tersebut mampu untuk memberikan nilai dan memenuhi harapan dari pelanggan, oleh karena itu menjaga pelanggan saat ini akan membuat biaya yang harus dikeluarkan oleh perusahan akan jauh lebih sedikit dibandingkan dengan mencoba untuk menarik pelanggan yang baru dengan menggunakan komunikasi pemasaran yang konvensional seperti iklan (Sui dan Baloglu, 2003). Untuk itulah perusahaan harus dapat memberikan suatu manfaat atau benefit kepada pelanggan dari hubungan yang dibangun kepada pelanggan (Rauyruen dan Miller, 2007).

pemasar yang sukses

akan bekerja dengan

menggunakan strategi yang efektif untuk mempertahankan pelanggan dengan senantiasa memberikan kepuasan dalam jangka panjang (Hennig-Thurau dan Klee, 1997). Memberikan manfaat dari sebuah hubungan atau relational benefit sesungguhnya dapat menguntungkan kedua belah pihak, baik pelanggan maupun perusahaan (Ruiz-Molina et al., 2009). Keuntungan yang dimaksud adalah ketika perusahaan menerapkan strategi relationship marketing, perusahaan akan mampu mengetahui secara utuh dan lebih lengkap tentang apa yang pelanggan sebenarnya butuhkan sehingga perusahaan akan menciptakan solusi berupa produk untuk membantu pelanggan dalam memenuhi kebutuhannya. Dengan harapan hal tersebut akan membuat pelanggan puas dan menjadi loyal pada perusahaan. Di satu sisi, pelanggan melalui hubungan ini, akan memperoleh manfaat kepuasaan bahwa seluruh kebutuhannya akan dipenuhi oleh perusahaan (Zeithaml et al., 2006 : 183). Muara dari hubungan ini adalah adanya hubungan yang saling menguntungkan diantara pelanggan dan perusahaan. Beberapa pendekatan dapat digunakan dalam memberikan manfaat atas suatu hubungan atau relational benefit, namun yang umumnya digunakan adalah confidence benefits, social benefits, dan special treatment benefits (Ruiz-Molina et al., 2009 ; Dimitriadis, 2010 ; Kinnard dan Capella, 2006 ; Molina et al., 2007). Confidence benefits merupakan salah satu manfaat

4

hubungan berupa kepercayaan yang terjalin oleh perusahaan maupun pelanggan. Pelanggan akan merasa aman, ketika dilayani oleh perusahaan yang telah dipercaya, dan perusahaan akan lebih nyaman dalam memberikan pelayanan ketika telah mendapatkan kepercayaan dari pelangggan. Social benefits merupakan bentuk manfaat dari sebuah hubungan berupa keakraban yang terjalin oleh pelanggan dan perusahaan. Manfaat sosial akan membuat pelanggan lebih nyaman dalam menyampaikan keluhan serta masalah yang telah dihadapi, dan perusahaan akan mampu lebih akurat dalam memecahkan masalah yang dihadapi oleh pelanggan. Special treatment benefits merupakan bentuk manfaat berupa perlakuan istimewa yang diterima oleh pelanggan. Manfaat perlakuan istimewa diharapkan dapat membuat konsumen merasa lebih dihargai dan akhirnya menjadi loyal kepada perusahaan yang memberikannya perlakukan istimewa. Beberapa bidang bisnis perlu untuk mengaplikasikan strategi relational benefit, termasuk bidang bisnis bengkel / perawatan purna jual. Jasa perawatan purna jual atau bengkel harus mendapatkan kepercayaan dari pelanggan agar selalu menjadi prioritas solusi ketika pelanggan membutuhkan jasa bengkel. Di samping itu, pihak bengkel melalui seluruh personilnya diharapakan mampu menciptakan suasana nyaman dalam bersosialisasi sehingga konsumen akan merasa sangat nyaman dalam berinteraksi dengan penyedia jasa bengkel. Perusahaan juga dapat memberikan special treatment benefit sebagai sebuah usaha dari perusahaan untuk memberikan suatu hal yang berbeda dan istimewa yang pelanggan tidak dapatkan di tempat lainnya. PT Honda Dewata Motor adalah salah satu perusahaan jasa yang berada di Bali. Perusahaan ini bergerak di bidang otomotif dalam jasa penjualan mobil serta perawatan purna jual, dan perusahaan ini merupakan anak perusahaan dari PT Honda Prospect Motor. PT Honda Prospect Motor memiliki basis bisnis berupa penjualan mobil, serta perawatan purna jual, termasuk di dalamnya penjualan spare-part. Perusahaan ini juga merupakan induk

5

perusahaan dari 89 anak perusahaan yang tersebar di seluruh Indonesia. Saat ini Perusahaan Honda telah mempekerjakan 3600 karyawan yang tersebar di seluruh perusahaannya di Indonesia sampai dengan maret 2012. Hal ini mengindikasikan bahwa perusahaan ini merupakan sebuah perusahaan yang besar. Dengan menganut tiga prinsip dasar kebahagiaan, yaitu kebahagiaan membeli, kebahagiaan menjual, dan kebahagiaan menciptakan, perusahaan ini mulai menuangkan nilai-nilai dari perusahaan untuk dapat disalurkan ke dalam sebuah pelayanan berupa jasa kepada pelanggan (www.honda-indonesia.com). Pada tanggal 3 April 2012, Honda meraih penghargaan untuk kualitas Dealership Network di ajang Indonesia Service to Care Champion

2012. Penghargaan tersebut

diselenggarakan oleh Majalah Marketeers dan MarkPlus Insight di Four Season Hotel, Kuningan Jakarta Selatan. Penghargaan yang diterima Honda didasarkan pada pengukuran indeks Service to Care pada lima aspek yaitu : Credibility yang dijabarkan sebagai jaminan akan kualitas pelayanan yang terpercaya, lalu Dependability yaitu memberikan pelayanan berbasis “Solusi” dan “Caregiver”, setalah itu Courtesy yang merupakan pelayanan yang hangat dan tulus kepada pelanggan, lalu Comfortability yang merupakan jaminan kualitas pelayanan yang nyaman untuk pelanggan dan yang mendampingi, serta Connectivity yaitu membangun hubungan yang lebih personal dan lebih mengenali kebutuhan pelanggan. (www.honda-indonesia.com). Melalui informasi diatas, terdapat satu hal yang menarik yang dapat diteliti, yaitu terdapat salah satu aspek yang berkaitan dengan relationship marketing, yaitu aspek Connectivity. Membangun hubungan yang lebih personal dan mengenali kebutuhan pelanggan merupakan salah satu pendekatan dari strategi relationship marketing (Zeithaml et al, 2006 : 181). PT Honda Dewata Motor merupakan bagian dari Perusahaan Honda yang berada di bawah naungan PT Honda Prospect Motor. Perusahaan ini merupakan anak perusahaan ketiga setelah PT Honda Jayakarta

6

Motor dan PT Denpasar Agung Indah Motor. Selama beroperasi, PT Honda Dewata Motor berhasil meningkatkan penjualan produk berupa jasa perawatan mobil Honda dari catur wulan pertama Tahun 2009 sampai dengan catur wulan ketiga pada Tahun 2012 walaupun dengan tingkat pertumbuhan yang fluktuatif setiap catur wulannya, namun trend secara keseluruhan menunjukkan bahwa perusahaan masih dalam keadaan cukup baik. Ilustrasi tersebut dapat dilihat pada Gambar 1.1 dibawah ini. Gambar 1.1 Jumlah Mobil yang di service per Catur Wulan Pada Tahun 2009-2012 Jumlah Mobil Yang di Service (Unit)

PT. Honda Dewata Motor 3000 2500 2000 1500 1000 500 0

2009 2009 2009 2010 2010 2010 2011 2011 2011 2012 2012 2012 (I) (II) (III) (I) (II) (III) (I) (II) (III) (I) (II) (III)

PT. Honda Dewata Motor 1563 1469 1669 1773 1806 1978 2012 2141 2388 1969 2505 2587

Sumber : Data Diolah, (2013) Berdasarkan data di atas terdapat indikasi bahwa PT Honda Dewata Motor mampu menjaga loyalitas pelanggan dengan memberikan kepuasan dengan menjaga hubungan yang baik dengan pelanggan. Hal ini juga sejalan dengan fakta bahwa pada Tahun 2012 Honda baru saja mendapatkan Award sebagai dealer yang mampu memberikan pelayanan prima dalam melayani dan menjaga hubungan dengan pelanggannya. Penelitian ini dilakukan untuk memperoleh penjelasan mengenai bagaimana pengaruh relational benefit yang terdiri atas confidence benefits, social benefits, dan special treatment benefits terhadap kepuasan dan loyalitas pelanggan PT Honda Dewata Motor.

7

1.2 Rumusan Masalah 1. Bagaimanakah pengaruh confidence benefits terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor ? 2. Bagaimanakah pengaruh social benefits terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor ? 3. Bagaimanakah pengaruh special treatment benefits terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor ? 4. Bagaimanakah pengaruh confidence benefits terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor ? 5. Bagaimanakah pengaruh social benefits terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor ? 6. Bagaimanakah pengaruh special treatment benefits terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor ? 7. Bagaimakah pengaruh kepuasaan pelanggan terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor?

1.3 Tujuan Penelitian 1. Untuk mengetahui pengaruh confidence benefits terhadap kepuasan pelanggan bengkel

PT Honda Dewata Motor 2.

Untuk mengetahui pengaruh social benefits terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor

3. Untuk mengetahui pengaruh special treatment benefits terhadap kepuasan pelanggan

bengkel PT Honda Dewata Motor

8 4. Untuk mengetahui pengaruh confidence benefits terhadap loyalitas pelanggan bengkel PT

Honda Dewata Motor 5. Untuk mengetahui pengaruh social benefits terhadap loyalitas pelanggan bengkel PT

Honda Dewata Motor 6. Untuk mengetahui pengaruh special treatment benefits terhadap loyalitas pelanggan

bengkel PT Honda Dewata Motor 7. Untuk mengetahui pengaruh kepuasan pelanggan terhadap loyalitas pelanggan bengkel

PT Honda Dewata Motor

1.4

Manfaat Penelitian Adapun Manfaat dari penelitan ini adalah sebagai berikut. 1. Manfaat teoritis Hasil penelitian ini diharapkan dapat memberikan tambahan pengetahuan bagi ilmu manajemen pemasaran, khususnya mengenai hal-hal yang berkaitan dengan hubungan antara relationship marketing, kepuasan dan loyalitas pelanggan, serta menambah refrensi bagi penelitan yang berkaitan dengan hubungan antara relational benefit, kepuasan dan loyalitas pelanggan. 2. Manfaat praktis Hasil penelitian ini diharapkan dapat digunakan sebagai bahan dalam menambah wawasan dalam mengetahui hubungan antara relational benefit, kepuasan dan loyalitas pelanggan serta hasil penelitian ini diharapkan dapat digunakan untuk bahan evaluasi bagi pihak manajemen dan masukan dalam menyusun strategi pemasaran perusahaannya guna memperbaiki kinerja perusahaan.

9

BAB II KAJIAN PUSTAKA 2.1 Relationship Marketing Hubungan pemasaran pada dasarnya merupakan pergeseran paradigma dalam kegiatan pemasaran. Hubungan pemasaran (relationship marketing) adalah filosofi dalam melakukan bisnis orientasi strategis yang berfokus pada menjaga dan meningkatkan kualitas hubungan dengan pelanggan saat ini, bukan berfokus pada usaha untuk memperoleh pelanggan baru (Zeithaml et al, 2006 : 182). Filosofi ini mengasumsikan bahwa banyak konsumen dan pelanggan bisnis lebih memilih untuk memiliki hubungan yang berkelanjutan dengan satu perusahaan saja daripada harus berpindah-pindah pada perusahaan lain, selama perusahaan mampu memberikan nilai dan memenuhi harapan dari pelanggan. Menjaga pelanggan saat ini akan membuat biaya yang harus dikeluarkan oleh perusahaan akan jauh lebih sedikit dibandingkan dengan mencoba untuk menarik konsumen yang baru, pemasar yang sukses akan bekerja dengan menggunakan strategi yang efektif untuk mempertahankan pelanggan. Ardyansyah (2006). Pemasaran kini mulai berfokus bagaimana carannya membangun hubungan dengan pelanggan, serta menjaga hubungan tersebut agar nantinya baik pelanggan maupun perusahaan akan sama-sama mendapatkan keuntungan. Relationship Marketing saat ini telah menjadi paradigma baru dalam dunia pemasaran. Pemasaran yang dulunya hanya berfokus pada kegiatan transaksional kini mulai bergeser pada kegiatan pemasaran yang berorientasi pada membangun hubungan jangka panjang dengan pelanggan. Wibowo (2009) menyatakan bahwa relationship marketing adalah usaha untuk menarik, memelihara, dan meningkatkan hubungan jangka panjang dengan pelanggan. Oleh sebab itu, penting bagi perusahaan untuk lebih peduli pada

9

10

pelanggan, sebab salah satu faktor kunci perusahaan untuk dapat bertahan pada pasar yang sudah ada saat ini adalah dengan menjaga dan mempertahankan hubungan jangka panjang dengan para pelanggan Madariaga dan Valor dalam Alrubaiee dan Nazer (2010). 2.2 Relational Benefits Menurut Zeithaml et al. (2006:183) relational benefits baru akan dirasakan oleh pelanggan ketika menerima layanan dari perusahaan penyedia jasa yang memiliki nilai lebih tinggi dibandingkan apa yang mereka harapkan/dapatkan dari perusahaan lainnya. Ketika perusahaan mampu dengan konsisten menyampaikan nilai dari sudut pandang pelanggan, maka satu manfaat (benefit) akan dirasakan pelanggan dengan lebih jelas yang akan mendorong mereka untuk mempertahankan hubungan. Pelanggan lebih menyukai untuk menjalin hubungan dengan suatu perusahaan yang mampu memberikan layanan berkualitas, kepuasan, dan keuntungan spesifik yang lebih besar dibandingkan pengorbanan yang dilakukannya. Pelanggan juga merasakan adanya manfaat atau benefit dengan cara yang berbeda yaitu melalui asosiasi atau hubungan jangka panjang dengan perusahaan. Terkadang benefit dari hubungan ini lebih mampu menjaga pelanggan untuk loyal terhadap perusahaan daripada atribut pada jasa inti yang ditawarkan oleh perusahaan.

2.2.1 Confidence benefits Confidence Benefits diartikan sebagai : “feelings of reduced anxiety, trust, and confidence in the provider “ Gwinner et al. (1998), artinya mengurangi rasa kecemasan, dan memberikan keyakinan dan kepercayaan kepada perusahaan. Dapat diartikan juga bahwa dengan adanya manfaat keyakinan pelanggan akan merasa tidak cemas serta percaya dan yakin dengan perusahan penyedia jasa dalam memberikan layanannya. Hal ini juga sejalan dengan yang

11

diutarakan oleh Zeithaml et al. (2006 : 183), bahwa ketika kecemasan dari pelanggan dapat dikurangi, perusahaan juga harus dapat membuat pelanggan puas sesuai dengan harapannya, karena itulah penting bagi perusahaan untuk memberikan manfaat keyakinan kepada pelanggan. Menurut Dimitriadis (2010), manfaat kepercayaan (confidence benefits) atau trust adalah hal-hal pada perusahaan yang berhubungan dengan kemampuan perusahaan dalam memberikan kenyamanan kepada pelanggan, serta mengurangi kekhawatiran pelanggan. Confidence benefits juga dapat diartikan sebagai kepercayaan pelanggan atas reputasi yang dimiliki oleh perusahaan yang membuat pelangan menjadi menjadi nyaman dan percaya terhadap produk yang diberikan oleh perusahaan. Dalam konteks relationship marketing, kepercayaan merupakan salah satu dimensi untuk menentukan seberapa jauh suatu pihak merasakan integritas dan janji yang ditawarkan oleh pihak lain. Hennig-Thurau et al. (2002) menyatakan bahwa konsumen yang mengembangkan kepercayaan pada penyedia jasa berdasarkan pengalaman baik mereka dengan penyedia jasa mempunyai alasan yang baik untuk tetap melanjutkan hubungan tersebut. Pengalaman yang baik terutama harus dari konsumen itu sendiri, karena komitmen dari dalam itu adalah yang paling kuat bagi konsumen agar loyal pada penyedia jasa.

2.2.2 Social Benefits Menurut Hennig-Thurau et al. (2002) Social benefits lebih fokus pada hubungan antara penyedia jasa dengan konsumen daripada produk jasa yang dihasilkan. Keuntungan sosial juga berdampak pada loyalitas konsumen. Semakin dekat hubungan konsumen dengan karyawan dari penyedia jasa, maka semakin loyal pula konsumen tersebut terhadap penyedia jasa Sejalan dengan hal tersebut, Zeithaml et al. (2006:184) menyatakan bahwa social benefits adalah ketika perusahaan mampu menjalin hubungan yang baik dengan konsumen atau

12

pelanggan mereka. Hubungan ini membuat peluang konsumen untuk beralih (brand switching) semakin kecil, walaupun terdapat pesaing atau kompetitor yang memiliki produk yang lebih baik, ataupun berani memberikan harga yang lebih murah. Hubungan pribadi dapat mengembangkan untuk bisnis ke pelanggan. Manfaat dukungan sosial yang dihasilkan dari hubungan ini penting untuk kualitas konsumen atas dan di luar manfaat teknis dari layanan yang disediakan. Seringkali hubungan pendekatan yang professional dari perusahaan terhadap pelanggan yang berkembang merupakan dasar untuk loyalitas pelanggan. Social benefits juga diharapkan mampu membuat hubungan pelanggan dengan perusahaan menjadi lebih hangat. Dengan adanya rasa kekeluargaan, akan membuat pelanggan jauh lebih nyaman dalam berinteraksi dengan perusahaan (Dimitriadis, 2010) 2.2.3 Special treatment benefits Menurut Zeithaml et al. (2006:184) perlakuan istimewa mencakup di dalamnya adalah pemberian harga spesial maupun perlakuan khusus yang tidak diterima oleh pelanggan kebanyakan. Dikatakan juga bahwa manfaat ini kadang tidak begitu penting dibandingkan manfaat-manfaat lainnya. Meskipun manfaat perlakuan istimewa dapat dengan jelas dijadikan sebagai unsur kritis untuk membentuk loyalitas pelanggan (misalnya manfaat bagi pemegang frequent flyer pada industri penerbangan), namun hal ini kadang dianggap kurang penting bagi pelanggan secara keseluruhan. Sementara itu Hennig-Thurau et al. (2002) mendefinisikan Special treatment benefits merupakan kombinasi dari keuntungan secara ekonomis maupun keuntungan customization bagi pelanggan. Customization yang dimaksud adalah pelanggan akan mendapat harga yang berbeda dan juga penawaran produk yang diberikan kepadanya tidak didapat oleh semua pelanggan

13

secara umum karena dalam konteks ini pelanggan selalu berharap mereka mendapatkan keuntungan secara finansial. Hal ini pun sejalan dengan pernyataan dari Dimitriadis (2010) yang menekankan pentingnya customization bagi pelanggaan. Perlakuan umum sebagai pemenuhan kebutuhan dasar dari setiap pelanggan memang penting untuk dipenuhi, namun perlakuan istimewa terhadap konsumen selektif penting dilakukan dalam upaya menumbuhkan kepuasan pelanggan.

2.3 Kepuasan Pelanggan Kepuasaan pelanggan merupakan suatu hal yang sangat krusial dalam menentukan sukses atau tidaknya suatu bisnis, sehingga pelaku bisnis dituntut untuk dapat selalu memuaskan pelanggannya (Kau dan Elizabeth, 2006 : 111). Menurut Kotler (2005:61) kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan antara kinerja yang dirasakan dengan harapannya. Pelanggan mengalami berbagai tingkat kepuasan dan ketidakpuasan setelah mengalami masing-masing jasa sesuai dengan sejauh mana harapan mereka terpenuhi atau terlampaui. Menurut Lovelock, (2007:102) Apabila pelanggan merasakan kinerja berada dibawah harapan, maka pelanggan akan merasa tidak puas. Begitupun sebaliknya, bila kinerja sama dengan harapan atau melampaui harapan, maka pelanggan akan merasa puas. Ada beberapa kesamaan dari kedua definisi diatas, yaitu menyangkut komponen kepuasan pelanggan atau harapan dan kinerja hasil yang dirasakan. Harapan pelanggan merupakan perkiraan atau keyakinan pelanggan terhadap apa yang akan diterima bila konsumen membeli atau mengkonsumsi produk atau jasa. Kunci utama mempertahankan pelanggan adalah kepuasan pelanggan. Banyak keuntungan diperoleh bila pelanggan merasa puas. Menurut Kotler dalam Suprapti (2009) pelanggan yang puas akan memiliki perilaku berikut:

14

1) Loyal dalam waktu yang lebih lama; 2) Membeli lebih banyak produk, baik produk baru maupun paroduk yang telah ada; 3) Membentuk rekonstruksi dari mulut ke mulut (word of mouth) positif; 4) Memberikan masukan Pengukuran Kepuasan Pelanggan Mengukur kepuasan pelanggan terhadap produk atau jasa sangat bermanfaat bagi perusahaan dalam rangka mengevaluasi posisi perusahaan saat ini dibandingkan dengan pesaing dan untuk menemukan bagian mana yang membutuhkan peningkatan. Selain itu, mengukur kepuasaan konsumen juga bermanfaat bagi perusahaan untuk mengevaluasi apakah kinerja perusahaan sudah memenuhi harapan pelanggan. Empat metode yang banyak digunakan dalam mengukur kepuasan pelanggan, yaitu. 1) Sistem keluhan dan saran Perusahaan dapat menggunakan kotak saran yang diletakkan ditempat strategis. Menggunakan kartu komentator, saluran telepon khusus bebas pulsa, atau melalui website. Namun metode ini bersifat pasif, maka sulit mendapatkan gambaran lengkap mengenai kepuasan atau ketidakpuasan pelanggan. Tidak semua pelanggan akan menyampaikan keluhannya, namun mereka dapat langsung berganti pemasok atau menghentikan pembelian terhadap produk atau jasa. Upaya ini juga tidak dapat dilaksanakan secara maksimal apabila perusahaan tidak memberi timbal balik dan tindak lanjut yang memadai bagi pelanggan yang menyampaikan keluhan dan saran mereka. 2) Ghost Shopping Metode ini dilakukan dengan mempekerjakan beberapa orang ghost shopper untuk berperan sebagai pelanggan potensial jasa perusahaan pesaing. Ghost shopper dapat

15

melaporkan temuan penting mengenai kekuatan dan kelemahan perusahaan dibandingkan dengan pesaingnya selain itu ghost shopper juga dapat mengobservasi cara perusahaan dan pesaingnya melayani permintaan pelanggan, menjawab pertanyaan pelanggan, dan menangani setiap masalah terkait dengan keluhan pelanggan. 3) Lost Customer Analysis Perusahaan menghubungi para pelanggan yang telah berhenti melakukan pembelian atau yang telah beralih pemasok agar dapat memahami mengapa hal itu terjadi dan supaya dapat mengambil kebijakan perbaikan/penyempurnaan selanjutnya. Akan tetapi ada kesulitan dalam pelaksanaan metode ini, yaitu mengidentifikasi dan menghubungi mantan pelanggan yang bersedia memberi masukan dan evaluasi kinerja perusahaan. 4) Survei Kepuasan Pelanggan Penelitian mengenai kepuasan pelanggan dapat dilakukan melalui survey, baik melalui via pos, telepon, e-mail, maupun wawancara langsung. Melalui survey, perusahaan akan memperoleh tanggapan dan umpan langsung dari pelanggan dan juga member sinyal positif bahwa perusahaan menaruh perhatian terhadap pelanggan.

2.4 Loyalitas Pelanggan Menurut Hurriyati (2005 : 129) loyalitas lebih mengacu pada wujud perilaku dari unitunit pengambilan keputusan untuk melakukan pembelian secara terus menerus terhadap produk suatu perusahaan yang dipilih. Loyalitas pelanggan juga merupakan komitmen pelanggan bertahan secara mendalam untuk berlangganan kembali atau melakukan pembelian ulang produk atau jasa terpilih secara konsisten dimasa yang akan datang, meskipun pengaruh situasi dan usaha-usaha pemasaran mempunyai potensi untuk menyebabkan perubahan perilaku.

16

Pelanggan yang loyal merupakan asset penting perusahaan, hal ini dapat dilihat dari karakteristik yang dimilikinya sebagaimana diungkapkan Griffin (2002:31) bahwa pelanggan yang loyal memiliki karakteristik sebagai berikut: 1) Melakukan pembelian secara teratur (makes regular repeat purchases); 2) Membeli diluar lini produk atau jasa yang sudah dikonsumsi dari perusahaan yang sama (purchase across product and service line); 3) Merekomendasikan produk kepada orang lain (refers to others); dan 4) Menunjukkan kekebalan dari daya tarik produk sejenis yang dihasilkan pesaing (demonstrates on immunity to the full of the competition).

Hurriyati (2005: 128) mendefinisikan loyalitas sebagai berikut : “Loyalty is deefly held commitment to rebuy or repatronize a preferred product or service consistenly in the future, despite situational influences and marketing efforts having the potential to cause switching behavior”. berdasarkan definisi diatas terlihat bahwa loyalitas adalah komitmen pelanggan bertahan untuk melakukan pembelian ulang produk yang dipilih secara konsisten dimasa yang akan datang, meskipun pengaruh faktor situasional dan komunikasi pemasaran dapat menyebabkan perubahan prilaku. Pelanggan yang merasa sangat puas dengan suatu perusahaan, akan bersedia untuk melakukan pembelian ulang kepada perusahaan. Hubungan baik dengan pelanggan juga memungkinkan perusahaan untuk dapat memperkenalkan produk-produk lain yang sekiranya sesuai dengan keinginan pelanggan tersebut. Hal ini dapat dilakukan secara lisan pada saat pelanggan tersebut berkomunikasi dengan perusahaan dalam memperoleh informasi atau dengan

17

mengirimkan majalah, buletin, atau brosur mengenai produk-produk perusahaan kepada pelanggan. Lebih lanjut Griffin (2002:11) juga mengemukakan keuntungan-keuntungan yang akan diperoleh oleh perusahaan jika memiliki pelanggan yang loyal, antara lain: 1) Dapat mengurangi biaya pemasaran (karena biaya menarik pelanggan yang baru lebih mahal). 2) Dapat mengurangi biaya turnover konsumen (karena pergantian konsumen yang lebih sedikit). 3) Dapat meningkatkan penjualan silang (cross selling) yang akan meningkatkan pangsa pasar. 4) Mendorong word of mouth yang positif dengan asumsi bahwa pelanggan yang loyal adalah pelanggan yang puas. 5) Dapat mengurangi biaya kegagalan (seperti biaya penggantian dan lain-lain).

18

BAB III KERANGKA BERPIKIR, KONSEPTUAL, DAN HIPOTESIS PENELITIAN

7.1 Kerangka Berpikir dan Konseptual 7.1.1

Kerangka Berpikir Loyalitas merupakan hal yang sangat penting bagi kesusksesaan suatu

perusahaan, memiliki pelanggan yang loyal akan sangat membantu perusahaan untuk dapat tetap eksis di dalam persaingan. salah satu cara untuk mejaga loyalitas pelanggan adalah dengan memberikan kepuasan secara konsisten kepada pelanggan. Pelanggan yang telah puas akan sangat membantu perusahaan dalam usaha untuk memenangi persaingan. salah satu cara untuk membuat pelanggan puas adalah dengan menjalin hubungan baik dengan pelangggan yaitu dengan strategi relationship marketing. Relationship marketing merupakan strategi menjaga hubungan jangka panjang dengan pelanggan yang sudah ada, dimana strategi ini berfokus pada menjaga pelanggan yang sudah ada bukan pada upaya untuk mencari pelanggan baru. Salah satu cara untuk yang dapat dilakukan perusahaan untuk menerapkan strategi relationship marketing adalah dengan mengaplikasikan strategi relational benefits, strategi relational benefits merupakan strategi yang berfokus pada pemberian manfaat atas hubungan yang terjalin melalui confidence benefits, social benefits, special treatment benefits, 7.1.1

Kerangka Konseptual Dalam menyusun model pengaruh konstruk relational benefit dengan konstruk

kepuasan serta loyalitas pelanggan, penelitian ini mengadopsi dan mengadaptasi beberapa model penelitian yang relevan dengan topik ini. Model penelitian mengenai relational

18

19

benefit yang digolongkan melalui tiga buah konstruk yaitu confidence benefits, social benefits, dan special treatment benefits, merupakan adopsi dari penelitian yang dilakukan oleh Hennig-Thurau et al. pada tahun 2002. Penggolongan konstruk relational benefit menjadi confidence benefits, social benefits, dan special treatment benefits juga dilakukan oleh Ruiz-Ruiz-Molina et al. (2009) ; Dimitriadis (2010) ; Yen dan Gwinner, (2003) ; Kinnard dan Capella (2006) ; Molina et al. (2007) ; Zeithaml et al. (2006). Confidence Benefits merupakan kemampuan perusahaan dalam mengurangi kecemasan pelanggan sehingga pelanggan memberikan kepercayan dan keyakinan kepada perusahan penyedia jasa. Jika dikaitkan dengan objek penelitian ini yaitu bengkel, maka Confidence Benefits menjadi hal yang penting bagi pelanggan bengkel untuk dapat merasa nyaman dan segala kecemasannya berkurang karena kepercayaan dan keyakinan terhadap reputasi dari perusahaan. Social Benefit merupakan manfaat sosial ketika perusahaan melalui karyawan mampu menjalin hubungan yang baik dengan pelanggan . Zeithaml et al. (2006 : 184) menyatakan bahwa hubungan yang baik akan membuat pelanggan merasa lebih nyaman dalam beriteraksi. Hubungan personal menjadi penting bagi karyawan bengkel pada perusahaan yang menjadi objek pada penelitian, agar dapat membangun hubungan personal yang baik dengan pelanggan. Special treatment benefits merupakan sebuah bentuk perlakuan istimewa bagi pelanggan berupa pelayanan yang berbeda dari pelanggan lain pada umumnya (HennigThurau et al., 2002). Berkaitan dengan lokasi penelitian ini pada bengkel, maka perusahaan harus dapat memberikan pelayanan diluar manfaat inti dari produk yang digunakan pelanggan, agar pelanggan nantinya mendapatkan hal yang berbeda dan lebih

20

ketika menggunakan produk di perusahaan tersebut. Terdapat beberapa penelitian lainnya yang menggunakan konstruk relational benefit namun terdapat juga penelitian yang menggolongkan konstruk dengan jumlah yang lebih dari tiga, misalkan Yu-Kevin dan Yang (2009), selain menggunakan confidence benefits, social benefits, dan special treatment benefits juga menambahkan konstruk comfort benefits, information benefits, Identity-related benefits, interactive benefits dan sharing benefits. Namun, karena definisi dari tambahan konstruk tersebut hampir sama dan manfaat hubungan telah tercakup dalam tiga konstruk yaitu confidence benefits, social benefits, dan special treatment benefits, maka model relational benefit yang digunakan dalam penelitian ini adalah confidence benefits, social benefits, dan special treatment benefits. Dalam penelitian yang berkaitan dengan relationship marketing, kepuasan pelanggan merupakan konstruk dari relational quality (Leverin dan Liljander, 2006 ; Alrubaiee dan Nazer, 2010). Relational quality akan muncul ketika relational benefit telah didapatkan, dan muara dari hubungan tersebut adalah relational outcomes (HennigThurau et al., 2002). Sebelumnya dalam banyak penelitian, beberapa dimensi lain selain kepuasan pelanggan banyak digunakan untuk mengukur relational quality (Alrubaiee dan Nazer, 2010), seperti trust, commitmen, bonding, dan communication. Namun, karena indikator-indikator konstruk tersebut hampir sama dengan konstruk relational benefit, maka konstruk tersebut tidak digunakan dalam penelitian ini. Loyalitas dapat digolongkan sebagai relational outcomes dari relationship marketing. Selain loyalitas, terdapat word of mouth yang juga merupakan bagian dari relational outcomes (Hennig-Thurau et al., 2002). Namun, karena di dalam indikator

21

loyalitas sudah terdapat unsur word of mouth, yaitu word of mouth dalam bentuk positif, maka konstruk word of mouth tidak dimasukan dalam penelitian ini. Berdasarkan beberapa penelitian serta kajian teori diatas, maka dapat disusun Model penelitian sebagai berikut.

Confidence benefits (X1) Kepuasan Pelanggan (Y1) Social benefits (X2)

Loyalitas (Y2) Special treatment benefits (X3)

Gambar 3.1 Kerangka Konseptual

7.2 Hipotesis Penelitian 3.2.1 Hubungan Relational Benefits dengan Kepuasan H1 :

Social benefits berpengaruh positif signifikan terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor Hipotesis pertama, confidence benefits berpengaruh positif dan signifikan terhadap kepuasan pelanggan. Penelitian yang dilakukan oleh Hennig-Thurau et al. (2002), Kinard dan Capella (2006), Molina et al. (2007), Yen dan Gwinner (2003), Ardyansyah (2007), Prayustika (2010), dan Semadi (2010) menunjukkan bahwa confidence benefits

22

berpengaruh positif dan signifikan terhadap kepuasan pelanggan. H2 :

Social benefits berpengaruh positif signifikan terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor Hipotesis kedua, social benefits berpengaruh positif signifikan terhadap kepuasan pelanggan. Untuk konstruk social benefits beberapa penelitian sebelumnya memberikan pengaruh positif dan signifikan terhadap kepuasan pelanggan. Diantaranya adalah penelitian yang dilakukan oleh Ardyansyah (2007) Semadi (2010) dan Marzo-Navaro et al. (2004),

H3 : Special treatment benefits berpengaruh positif signifikan terhadap kepuasan pelanggan bengkel PT Honda Dewata Motor Hipotess ketiga konstruk special treatment benefits berpengaruh positif dan signifikan terhadap kepuasan pelanggan. Penelitian yang dilakukan oleh Ardyansyah (2007) dan Prayustika (2010) menunjukkan bahwa konstruk special treatment benefits berpengaruh positif dan signifikan terhadap kepuasan pelanggan. 3.2.2 Hubungan Relational Benefits dengan Loyalitas H4 : Confidence benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor. Hipotesis keempat, confidence benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan. Adanya pengaruh positif dan signifikan confidence benefits terhadap loyalitas dikemukakan oleh Hennig-Thurau et al. (2002), Kinard dan Capella (2006); Ruiz-Molina et al. (2009), Semadi (2010) ; dan Yen and Gwinner (2003).

23

H5 : Social benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor . Temuan penelitian menyatakan bahwa terdapat pengaruh positif dan signifikan social benefits terhadap loyalitas dikemukakan oleh Hennig-Thurau et al. (2002) dan MarzoNavaro dkk. (2004). H6 : Special treatment benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor. Hipotess keenam konstruk special treatment benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan. Penelitian yang menemukan adanya pengaruh positif dan signifikan special treatment benefits terhadap loyalitas dikemukakan antara lain oleh Ruiz-Molina et al. (2009), Yen dan Gwinner (2003), Prayustika (2010) dan Ardyansyah (2007). 3.2.3 Hubungan Kepuasan dengan Loyalitas H7 : Kepuasan berpengaruh positif dan signifikan terhadap loyalitas pelanggan bengkel PT Honda Dewata Motor. Penelitian tentang pengaruh kepuasan terhadap loyalitas diantaranya dikembangkan oleh Hennig-Thurau et al. (2002), Marzo-Navaro et al. (2004), Yen dan Gwinner (2003), Yen et al. (2009), Ardyansyah (2007), Prayustika (2010) dan Semadi (2010). Keseluruhan hasil riset tersebut mengemukakan bahwa kepuasan berpengaruh positif dan signifikan terhadap loyalitas pelanggan. Hubungan antara kepuasan dan loyalitas adalah saat di mana konsumen mencapai tingkat kepuasan tertinggi yang menimbulkan ikatan emosi yang kuat dan komitmen jangka panjang dengan merek perusahaan. Konsep tersebut menunjukkan bahwa adanya hubungan antara kepuasan terhadap kesetiaan konsumen.

24

BAB IV METODE PENELITIAN

4.1 Rancangan dan Ruang Lingkup Penelitian 4.1.1 Rancangan Penelitian Penelitian ini menggunakan rancangan riset kausalitas yang bertujuan untuk mengetahui hubungan kausalitas antara relational benefit yang terdiri atas confidence benefits, social benefits, dan special treatment benefits terhadap kepuasan dan loyalitas pelanggan bengkel PT Honda Dewata Motor. Dalam menjelaskan hubungan variabel-variabel tersebut maka terlebih dahulu diidentifikasi variabel-variabel bebas/eksogen yang menentukan variasi terjadinya variabel terikat/endogen.

4.1.2 Ruang Lingkup Penelitian Penelitian ini dilakukan di bengkel PT Honda Dewata Motor yang beralamat di jalan Imam Bonjol 104 Denpasar dengan mengambil subjek para pelanggan bengkel PT Honda Dewata Motor. Penelitian ini juga dilakukan dengan alasan perusahaan yang diteliti merupakan sebuah perusahaan yang induk perusahaanya berhasil mendapatkan penghargaan karena mampu mengaplikasikan strategi bisnis baru yaitu relationship marketing melalui relational benefit. Penilaian pelanggan bengkel PT Honda Dewata Motor dalam menilai relational benefit yang terdiri atas confidence benefits, social benefits, dan special treatment benefits yang didapatkan ketika menggunakan jasa bengkel PT Honda Dewata Motor untuk selanjutnya diukur kepuasan pelanggan dan loyalitas pelanggan.

24

25

4.2 Variabel Penelitian Sebagaimana umumnya dalam penelititan tentang perilaku konsumen, sebagian besar variabel yang diteliti tidak dapat diukur secara langsung sehingga disebut sebagai konstruk. Konstruk yang digunakan dalam penelitian ini adalah relational benefit, kepuasaan pelanggan, dan loyalitas pelanggan.

4.2.1 Identifikasi Konstruk Konstruk-konstruk tersebut diklasifikasi menjadi dua (Ferdinand, 2002 : 41 ), yaitu. 1) Konstruk eksogen Konstruk eksogen dikenal juga sebagai source variables atau variabel independen yang tidak diprediksi oleh variabel lain dalam model. Konstruk ini akan digunakan untuk memprediksi satu atau beberapa variabel endogen lainnya. Kostruk eksogen tidak dapat dipengaruhi oleh konstruk eksogen lainnya. Dalam penelitian ini, konstruk eksogennya adalah relational benefit yang terdiri atas confidence benefits, social benefits, dan special treatment benefits. 2) Konstruk endogen Konstruk endogen adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk eksogen. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya. Dalam penelitian ini, konstruk endogen yang digunakan adalah kepuasan pelanggan dan loyalitas pelanggan.

Selanjutnya indikator-indikator yang membangun seluruh konstruk dalam penelitian ini merupakan hasil dari penelitian-penelitian sebelumnya yang telah dimodifikasi agar

26

sesuai dengan konteks penelitian ini.Indentifikasi dari seluruh konstruk penelitian ini dapat dilihat pada tabel dibawah ini. Tabel 4.1 Identifikasi Konstruk Jenis konstruk Eksogen

Nama konstruk (Sumber)

Jumlah indikator

 Confidence benefits ( Hennig-Thurau et al., 2002 ; Kinard dan Capella, 2006 ; RuizMolina et al., 2009 )

4

1) 2) 3) 4)

Kepercayaan terhadap karyawan Kepercayaan terhadap reputasi Keandalan karyawan Ketepatan janji pada pelanggan atas jasa

X1.1 X1.2 X1.3 X1.4

4

1) Perlakuan personal yang baik 2) Hubungan pertemanan 3) Pengenalan Identitas pelanggan oleh karyawan 4) Keakraban konsumen dengan karyawan bengkel

X2.1 X2.2 X2.3

 Social benefits (Dimitriadis, 2010 ; Kinard dan Capella, 2006 ; Ruiz-Molina et al., 2009)

Endogen

 Special treatment benefits (Ruiz-Molina et al., 2009 ; Hennig-Thurau et al., 2002; Dimitriadis 2010)  Kepuasan pelanggan

4.2.2

Simbol

X2.4

5

1) 2) 3) 4) 5)

Prioritas dalam list Potongan harga Layanan yang berbeda Harga yang berbeda Pelayanan yang lebih lengkap

X3.1 X3.2 X3.3 X3.4 X3.5

5

1) Puas dengan layanan 2) Pengalaman setelah mendapatkan layanan 3) Puas dengan perlakuan perusahaan 4) Keputusan yang tepat 5) Puas dengan keseluruhan layanan

Y1.1 Y1.2

(Ndubisi dan ChanWah, 2005 ; Duck-Kim, 2005)  Loyalitas pelanggan (Leverin dan Liljander, 2006 ; Ruiz-Molina et al., 2009)

Keterangan

4

1) 2) 3) 4)

Menggunakan kembali Pilihan utama Tidak akan beralih Merekomendasikan bengkel

Y1.3 Y1.4 Y1.5 Y2.1 Y2.2 Y2.3 Y2.4

Definisi Operasional Konstruk Definisi operasional adalah unsur penelitian yang memberitahukan bagaimana cara

mengukur suatu konstruk. Definisi operasional memiliki tujuan untuk mempermudah responden dalam mengartikan indikator-indikator di dalam konstruk yang ada pada penelitian ini. Definisi operasional konstruk di dalam penelitian ini dapat dijelaskan sebagai berikut :

27

1.Confidence Benefits (X1) Confidance Benefits adalah kepercayaan pelanggan terhadap layanan bengkel PTHonda Dewata Motor. 1) Karyawan bengkel dapat dipercaya (X1.1), adalah bentuk kepercayaan pelanggan terhadap karyawan bengkel PT Honda Dewata Motor dalam melakukan layanan. 2) Reputasi bengkel (X1.2), adalah bentuk kepercayaan pelanggan bahwa perusahaan PT Honda Dewata Motor memiliki reputasi yang baik di mata konsumen. 3) Karyawan bengkel dapat diandalkan (X1.3), adalah bentuk kepercayaan pelanggan terhadap karyawan (mekanik) bengkel dalam melakukan perawatan kendaraan. 4) Layanan sesuai janji (X1.4), adalah bentuk kepercayaan pelanggan bahwa PTHonda Dewata Motor akan memberikan pelayanan sesuai dengan apa yang telah dijanjikan. 2. Social Benefits (X2) Social Benefits adalah manfaat sosial yang diperoleh pelanggan selama menjalin hubungan dengan bengkel PTHonda Dewata Motor. 1) Perlakuan personal yang baik (X2.1), adalah bentuk manfaat yang didapatkan pelanggan ketika diperlakukan dengan baik oleh karyawan PT Honda Dewata Motor. 2) Hubungan pertemanan (X2.2), adalah bentuk manfaat yang didapatkan ketika pelangan merasa nyaman karena hubungan pertemanan dengan karyawan PT Honda Dewata Motor yang membuat suasana menjadi hangat. 3) Karyawan bengkel mengenali identitas pelanggan (X3.4), adalah bentuk manfaat yang didapatkan ketika identitas pelanggan dikenali oleh karyawan PT Honda Dewata Motor.

28

4) Keakraban dengan karyawan bengkel (X3.2), adalah bentuk manfaat yang didapatkan ketika pelanggan merasa akrab dengan karyawan PT Honda Dewata Motor sehingga pelanggan tidak canggung ketika menginformasikan kebutuhannya. 3. Special Treatment Benefits Special Treatment Benefits adalah manfaat perlakuan istimewa yang diperoleh pelanggan selama menjalin hubungan dengan bengkel PT Honda Dewata Motor. 1) Prioritas dalam list (X3.1), adalah bentuk perlakuan istimewa yang didapatkan ketika seorang pelanggan menjadi prioritas di dalam list (daftar antrean layanan) bengkel PT Honda Dewata Motor. 2) Potongan harga (X3.2), adalah bentuk perlakuan istimewa yang didapatkan ketika seorang pelanggan mendapatkan potongan harga, sementara pelanggan pada umumnya tidak mendapatkan hal tersebut. 3) Layanan yang berbeda (X3.3), adalah bentuk perlakuan istimewa yang didapatkan ketika seorang pelanggan mendapatkan layanan yang berbeda (front office lebih ramah dan sopan, pemberian informasi produk baru) yang pelanggan pada umumnya tidak dapatkan. 4) Harga yang berbeda (X3.4), adalah bentuk perlakuan istimewa yang didapatkan ketika seorang pelanggan mendapatkan harga yang berbeda dari pelanggan pada umumnya. 5) Pelayanan yang lebih lengkap (X3.5), adalah bentuk perlakuan istimewa yang didapatkan ketika seorang pelanggan mendapatkan pelayanan yang lebih lebih lengkap (proses perawatan kendaraan yang lebih lengkap) yang pelanggan pada umumnya tidak dapatkan.

29

4. Kepuasan Pelanggan (Y1) Kepuasan Pelanggan adalah bentuk perasaan senang atas pemenuhan kebutuhan pelanggan oleh bengkel PT Honda Dewata Motor yang telah sesuai dengan harapannya. 1) Puas dengan layanan (Y1.1), adalah bentuk perasaan senang pelanggan terhadap bengkel PTHonda Dewata Motor atas pemenuhan kebutuhan pelanggan. 2) Pengalaman setelah mendapatkan layanan (Y1.2), adalah menggunakan layanan di bengkel PTHonda Dewata Motor merupakan pengalaman yang menyenangkan bagi pelanggan. 3) Puas dengan perlakuan perusahaan (Y1.3), adalah perasaan senang atas perlakuan karyawan bengkel PT Honda Dewata Motor kepada pelangaan. 4) Keputusan yang tepat (Y1.4), adalah memilih dan menggunakan layanan pada bengkel PT Honda Dewata Motor merupakan keputusan yang tepat bagi pelanggan. 5) Puas dengan keseluruhan layanan (Y1.5), adalah perasan senang atas seluruh pelayanan bengkel PT Honda Dewata Motor yang diberikan kepada pelanggan. 5. Loyalitas Pelanggan (Y2) Loyalitas Pelanggan adalah bentuk kesetiaan pelanggan untuk tetap menggunakan layanan bengkel PT Honda Dewata Motor secara terus-menerus. 1) Menggunakan kembali (Y2.1), apabila suatu saat nanti pelanggan membutuhkan layanan bengkel, maka pelanggan akan menggunakan layanan bengkel PT Honda Dewata Motor. 2) Pilihan utama (Y2.2), ketika pelanggan membutuhkan layanan bengkel, maka PT Honda Dewata Motor akan menjadi pilihan utama dari pelanggan.

30

3) Tidak akan beralih (Y2.3), apabila suatu saat pelanggan membutuhkan layanan bengkel, dan disaat yang bersamaan bengkel PT Honda Dewata Motor sedang tidak beroperasi, maka pelanggan bersedia menunda perawatan dan tidak menggunakan layanan dari bengkel lain. 4) Merekomendasikan

bengkel

(Y2.4),

adalah

kesediaan

pelanggan

untuk

merekomendasikan bengkel PT Honda Dewata Motor sebagai bengkel terbaik kepada pihak lain. 4.3 Prosedur Pengumpulan Data 4.3.1 Jenis data 4.3.1.1 Jenis data berdasarkan sifatnya Jenis data yang digunakan dalam penelitian ini adalah data kualitatif dan data kuantitatif. Data kualitatif terdiri atas data yang tidak berupa angka-angka, hanya berupa penjelasanpenjelasan dan tidak dapat diukur dalam satuan hitung, seperti gambaran umum mengenai perusahaan yang dalam hal ini adalah PT Honda Dewata Motor. Data kuantitatif adalah data dalam bentuk angka-angka dan dapat dinyatakan dalam satuan hitung, seperti jumlah kendaraan yang di service. 4.3.1.2 Jenis data berdasarkan sumbernya 1) Data Primer Data primer dalam penelitian ini adalah data yang diperoleh melalui pertanyaan tertulis dengan menggunakan kuesioner atau lisan dengan menggunakan metode wawancara dengan pelanggan serta manajemen dari bengkel PT Honda Dewata Motor 2) Data Sekunder Data sekunder dalam penelitian ini teori-teori ilmiah dan penelitian-peneltian sebelumnya

31

yang berkaitan dengan penelitian ini. 4.3.2

Populasi Populasi dalam penelitian ini adalah pelanggan yang pernah menggunakan layanan

bengkel PT Honda Dewata Motor sebanyak 4.227 pelanggan.

4.3.3 Teknik Pengambilan Sampel Menurut Sugiyono (2007 : 116) sampel adalah bagian atau sebagian kecil dari populasi yang karakteristiknya hendak diselidiki sampel dalam penelitian ini adalah sebagian kecil pelanggan yang pernah menggunakan layanan bengkel PT Honda Dewata Motor. Pengambilan sampel dalam penelitian ini menggunakan metode purposive sampling. Menurut Sugiyono (2007), Purposive sampling adalah teknik penentuan sampel dengan pertimbangan tertentu. Dalam penelitian ini yang menjadi pertimbangan adalah responden yang pernah menggunakan layanan bengkel PT Honda Dewata Motor minimal 6 (enam) bulan terakhir, karena jangka waktu tersebut diangggap masih relevan untuk menjawab kuesioner. Pertimbangan lainnya adalah responden yang berumur 17 - 60 tahun dan memiliki tingkat pendidikan terakhir minimal SMA/sederajat. Hal ini dikarenakan pada rentang usia dan tingkat pendidikan tersebut responden mampu memahami dan mampu menjawab pertanyaan dalam kuesioner sesuai dengan pengalaman yang diperoleh. Jumlah anggota sampel atau ukuran sampel (sampel size) ditetapkan dengan pertimbangan yang menyatakan, bahwa ukuran sampel dapat ditentukan jumlah indikator dalam model 5-10 kali (Solimun, 2005). Karena jumlah indikator dalam penelitian ini adalah 22 butir maka ukuran sampel menjadi antara 110 – 220. Namun demikian, berdasarkan pertimbangan kepraktisan dan biaya, ukuran sampel yang digunakan adalah 160.

32

4.3.4

Metode Pengumpulan Data Data yang digunakan dalam penelitian ini diperoleh melalui survey kepada pelanggan

bengkel PT Honda Dewata Motor yang telah memenuhi kriteria sampel. Instrumen yang digunakan untuk memperoleh data dari responden adalah kuesioner. Dalam penyebarannya di bantu oleh operator bengkel sejumlah dua orang.

4.4 Instrumen Penelitian Penelitian ini menggunakan skala interval, skala ini banyak digunakan untuk mengukur fenomena atau gejala sosial. Dalam kuesioner ini digunakan skala interval 1-5, di mana responden diberikan kebebasan untuk menentukan pendapat atau opini sesuai dengan yang dialaminya terhadap indikator-indikator pada kuesioner tersebut. Nilai 1 dikategorikan ukuran pernyataan sangat tidak setuju (STS), nilai 2 menunjukkan ukuran pernyataan tidak setuju (TS), nilai 3 menunjukkan ukuran Netral (N), nilai 4 menunjukkan setuju (S), dan nilai 5 menunjukkan ukuran Sangat Setuju (SS). 4.4.1

Validitas Pengujian validitas diperlukan guna mengetahui sejauh mana ketepatan suatu alat ukur

melakukan fungsi ukurnya. Sebuah indikator menunjukkan validitas konvergen yang signifikan apabila koefisien variabel indikator lebih besar dari dua kali standard error (Ferdinand 2002 : 187). Bila setiap indikator memiliki critical ratio yang lebih besar dari dua kali standard error, hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang seharusnya diukur dalam model yang disajikan.

33

4.4.2

Reliabilitas Reliabilitas 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. Menurut Ferdinand (2002 : 63) Variabel dikatakan reliabel jika memberikan tingkatan nilai 0,7. Menurut Ferdinand (2002 : 62) Pengujian reliabilitas dihitung dengan rumus sebagai berikut. (∑ Std.Loading) 2 Reliabilitas =

(∑ Std.Loading) 2 + ∑ e

dimana : 

Std.Loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator (diambil dari perhitungan komputer, AMOS)



e adalah measurement error dari tiap-tiap indikator

4.5 Metode Analisis Data Metode analisis yang digunakan untuk menganalisis data adalah Structural Equation Modelling (SEM). Menurut Ferdinand (2002 : 70), SEM merupakan alat atau teknik analisis data yang terdiri atas dua tahap dasar yaitu tahap model pengukuran (Measurement Model) melalui Confirmatory Factor Analysis dan tahap persamaan struktural model (Structural Equation Model). Tujuan utamanya adalah untuk menguji kesesuaian model tersebut (fit) dengan data yang sah.

34

4.5.1 Tahap model pengukuran (Measurement Model) Measurement model adalah proses permodelan dalam penelitian yang diarahkan untuk menyelidiki undimensionalitas dari indikator-indikator yang menjelaskan sebuah faktor atau sebuah variabel laten (Ferdinand, 2002 : 70) .Mengkonfirmasi apakah variabel-variabel indikator yang digunakan dapat mengkonfirmasi sebuah faktor yang disebut dengan Confirmatory Factor Analysis terhadap seluruh indikator yang digunakan dalam model.

4.5.2 Tahap persamaan struktural model (Structural Equation Model) Setelah dilakukan uji Measurement Model, maka pengujian berikutnya dilanjutkan dengan uji Structural Model. Pada dasarnya Uji Measurement Model menguji apakah model secara keseluruhan dapat dikatakan fit atau tidak. Jika sebuah Measurement Model tidak dapat dikatakan fit, maka proses pengujian seharusnya tidak diteruskan ke pengujian Structural Model. Namun, jika sebuah Measurement Model telah lolos dalam pengujian, dapat dilakukan dengan Structural Model yang ada yang disebut dengan proses pengujian dua tahap yakni menguji fit serta validitas sebuah measurement model baru kemudian menguji Structural Model yang meliputi dua bagian utama yaitu (Ferdinand, 2002 : 20) : a. Menguji keseluruhan model (overall model fit) dari Structural Model. b. Menguji structural parameter estimates, yakni hubungan di antara konstruk atau variabel independen- dependen yang ada dalam structural model.

4.5.3

Tahapan Permodelan dengan Analisis Persamaan Struktural Terdapat tujuh langkah dalam teknik analisis SEM yang dapat dikembangkan dan

dijelaskan sebagai berikut :

35

1. Langkah pertama dalam pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu, model tersebut divalidasi secara empirik melalui komputasi program SEM. Pada penelitian ini, pencarian atau pengembangan teori model dapat diuraikan sebagai berikut. 1) Relational Benefit Menurut Zeithaml dkk. (2006:183) relational benefit adalah hal yang akan dirasakan oleh pelanggan ketika telah menerima layanan dari perusahaan penyedia jasa yang memiliki nilai yang lebih tinggi dibandingkan apa yang mereka harapkan/dapatkan dari perusahaan lainnya. Ketika perusahaan mampu dengan konsisten menyampaikan nilai dari sudut pandang pelanggan, maka satu manfaat (benefit) akan dirasakan pelanggan dengan lebih jelas yang akan mendorong mereka untuk mempertahankan hubungan. relational benefit yang meliputi confidence benefits, social benefits, dan special treatment benefits 2) Kepuasaan Pelanggan Kotler (2006 : 61) mengemukakan kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan antara kinerja yang dirasakan dengan harapannya. Pelanggan mengalami berbagai tingkat kepuasan dan ketidakpuasan, setelah mengalami masingmasing jasa sesuai dengan sejauh mana harapan mereka terpenuhi atau terlampaui.

3) Loyalitas Pelanggan Hurriyati, (2005 : 129) mengemukakan bahwa loyalitas mengacu pada wujud perilaku dari unit-unit pengambilan keputusan untuk melakukan pembelian secara terus menerus terhadap produk suatu perusahaan yang dipilih.

36

2. Langkah kedua adalah menggambarkan model teoritis dan model penelitian yang telah dibangun menjadi sebuah diagram alur yang menunjukkan hubungan atau jalur yang terdapat antar konstruk penelitian seperti disajikan pada Gambar 4.1 e1

e2 e3

e4

e5 e6

e7 e8

1 1

1 1

1

1 1

1

X1.1

X1.2 Confidence benefits

X1.3

z1 Y1.1 1

1

1

Y1.2

X1.4

Kepuasan pelanggan

Y1.3 Y1.4

X2.1 Y1.5 X2.2

X2.3

e9

e10

1

e11

e12 e13

1

1

1

e15

1

e16

1

e17

1

e18

1

X2.4

Y2.1 Y2.2

X3.1

Loyalitas

Y2.3

X3.2 1

1

e14

Social benefits

1 1

1

Y2.4

Special treatment benefits

X3.3

z2 X3.4

1

X3.5

Gambar 4.1 Diagram Alur Penelitian (Ruiz-Molina et al., 2009 ; Hennig-Thurau et al., 2002)

1

1 1

1

e19 e20

e21 e22

37

3. Menyusun Persamaan Struktural Selanjutnya adalah merubah diagram jalur ke dalam persamaan struktural dan model pengukuran. Persamaan yang dibangun akan terdiri atas persamaan struktural (structural equations) dan persamaan spesifikasi model pengukuran (measurement model). Persamaan struktural dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Y1 = 1 X1 + 3 X2 + 5 X3 + 1 ………………………………… (1) Y2 = 2 X1 + 4 X2 + 6 X6 + 7 Y1 2………………….……….. (2)

4. Memilih matrik Input dan Model/ Teknik Estimasi Setelah model dispesifikasi secara lengkap, langkah berikutnya adalah memilih jenis input (kovarian atau korelasi) yang sesuai. Dalam penelitian ini akan menguji hubungan kausalitas, maka matrik kovarian yang diambil sebagai input untuk operasi SEM. Sedangkan teknik estimasi yang digunakan adalah maximum likelihood estimation method yang telah menjadi default dari program ini. Estimasi ini dilakukan dengan tahapan sebagai berikut : a. Estimasi Measurement Model dengan teknik Confirmatory Factor Analysis untuk menguji unidimensionalitas dari konstruk- konstruk yang dibangun. b. Estimasi melalui SEM dengan analisis Full Model untuk melihat kesesuaian model dengan hubungan kausalitas yang dibangun dalam model yang diuji.

38

5. Menilai Kemungkinan Munculnya Identifikasi Problem Dalam operasi AMOS 4.01, problem identifikasi diatasi langsung oleh program. Bila estimasi tidak dapat dilakukan, maka program akan memberikan pesan pada monitor komputer mengenai kemungkinan sebab- sebab mengapa program ini tidak dapat melakukan estimasi, sehingga peneliti dapat merencanakan tindakan perbaikan yang memungkinkan. Cara melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang meliputi sebagai berikut. a. Adanya nilai standart error yang besar untuk satu atau lebih koefisien. b. Ketidakmampuan program untuk invert information matrik. c. Nilai estimasi yang tidak mungkin misalnya error variance yang negatif. d. Adanya nilai korelasi yang tinggi ( > 0,90) antar koefisien estimasi.

6. Evaluasi Kriteria Goodness of Fit Langkah yang harus dilakukan sebelum menilai kelayakan dari model struktural adalah menilai apakah data yang akan diolah memenuhi asumsi model persamaan struktural. Bila asumsi model persamaan structural telah terpenuhi, maka model dapat diuji melalui berbagai cara uji. Asumsi asumsi SEM yang harus dipenuhi yaitu : 1) Ukuran Sampel Ukuran sampel yang harus dipenuhi dalam analisis SEM adalah minimal berjumlah 100 dan selanjutnya menggunakan perbandingan diestimasi.

observasi untuk setiap parameter yang

39

2) Normalitas Data Data yang diperoleh harus dianalisis untuk melihat apakah telah tersebar normal atau tidak. Jika asumsi normalitas telah terpenuhi, maka data dapat diolah lebih lanjut. Uji normalitas perlu dilakukan baik terhadap data tunggal maupun data multivariate, dimana beberapa variabel digunaka sekaligus dalam analisis akhir. Evaluasi terhadap normalitas data dapat dilakukan dengan pendekatan teori normalitas (Central Limit Theorm) yang menyatakan bahwa apabila ukuran sampel lebih besar dari 30, maka statistik data dari sampel tersebut akan mendekati distribusi normal. Pengujian terhadap normalitas data juga dilakukan secara statistik dengan menghitung nilai skewness data yang digunakan. Data dianggap normal apabila nilai skewness berada pada rentan ± 2,58 pada tingkat signifikansi 0,01 (Ferdinand, 2002 : 95). 3)

Outliers Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat maupun multivariat, yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Setelah asumsi SEM terpenuhi maka langkah berikutnya adalah pengujian dengan menggunakan beberapa indeks kesesuaian untuk mengukur “kebenaran” model yang diajukan. Beberapa indeks tersebut disajikan dalam Tabel 4.2.

40

Tabel 4.2 Goodness of Fit Index

Goodness- of- Fit Indices Cut-off Value

X2- Chi- Square

Diharapkan nilai lebih kecil

Significance Probability

≥ 0,05

GFI

≥ 0,90

CMIN/DF

≥ 2,00

TLI

≥ 0,95

CFI

≥ 0,95

RMSEA

≤ 0,08

AGFI

≥ 0,90

Sumber : Ferdinand (2002) Setelah asumsi SEM terpenuhi, langkah berikutnya adalah melihat ada tidaknya offending estimate yaitu estimasi koefisien, baik dalam model struktural maupun model pengukuran yang nilainya di atas batas yang dapat diterima. Setelah yakin tidak ada lagi offending estimate dalam model, maka selanjutnya dilakukan penilaian model fit. Goodness of Fit mengukur kesesuaian input observasi atau sesungguhnya 7. Interpretasi dan Modifikasi Model Ketika model telah dinyatakan diterima, maka dapat dipertimbangkan dilakukannya modifikasi model untuk memperbaiki penjelasan teoritis atau goodness of fit. Jika model dimodifikasi, maka model tersebut harus di cross- validated (diestimasi dengan data terpisah) sebelum model modifikasi diterima. Pengukuran model dapat dilakukan dengan modification indices sama dengan terjadinya penurunan Chi Square jika koefisien diestimasi.

41

BAB V HASIL PENELITIAN DAN PEMBAHASAN

5.1 Hasil Penelitian 5.1.1 Karakteristik Responden Jumlah responden yang diteliti awalnya adalah 160 orang, namun dalam kenyataannya setelah dilakukan tabulasi data jawaban seluruh responden, terdapat tujuh data jawaban responden yang dianggap tidak mampu memberikan jawaban mengenai hubungan pelanggan dengan bengkel PT Honda Dewata Motor yang sebenarnya dikarenakan tiga responden tidak mengisi kuesioner dengan lengkap, dan empat responden tidak memenuhi syarat sebagai responden karena memiliki tingkat pendidikan terakhir SD sebanyak satu responden dan SMP sebanyak tiga responden, sehingga akhirnya hanya 153 orang responden yang digunakan sebagai sampel dalam penelitian ini. Jumlah ini memenuhi syarat untuk melakukan penelitian karena masih dalam rentang jumlah 110 sampai dengan 220 responden. Karakteristik responden pada penelitian ini dapat dilihat dari beberapa variabel yaitu jenis kelamin, umur, pekerjaan, pendidikan, frekuensi penggunaan, sub-merek mobil yang digunakan, dan alternatif menggunakan jasa di bengkel lain. Berikut disajikan karakteristik responden penelitian dengan berbagai variabel tersebut. Tabel 5.1 menunjukkan beberapa hal yang terkait dengan karakteristik responden. Jenis kelamin responden didominasi laki-laki yang mencapai 73,20%, sedangkan 26,80% lainnya adalah perempuan. Kelompok umur responden didominasi kelompok umur 40-49 tahun yang mencapai 35,95%. Responden dari variabel pekerjaan adalah sebagian besar Wiraswasta yang mencapai 34,64% dan paling sedikit adalah pekerjaan lainnya, yaitu sebagai dokter, dosen, dan konsultan pajak.

41

42

Tabel 5.1 Distribusi Responden Menurut Variabel Demografi, Sub-merek Mobil, Alternatif Menggunakan Jasa Di Bengkel Lain, dan Frekuensi Menerima Layanan Bengkel.

No 1

Karakteristik Responden Jenis Kelamin

112 41

Persentase (%) 73,20 26,80

153

100

39 53 55 6

25,49 34,64 35,95 3,92

153

100

Pelajar Pegawai swasta Pegawai BUMN Wiraswasta PNS Lainnya

12 31 18 53 30 9 153

7,84 20,26 11,75 34,64 19,61 5,88 100

SMA Diploma Sarjana Pascasarjana

25 38 73 17

16,34 24,84 47,71 11,11

153

100

CRV Jazz All New Accord All new CRV Brio Lainnya

21 55 8 34 19 16 153

13,73 35,95 5,23 22,22 12,41 10,45 100

Alternatif penggunaan jasa di bengkel lain

Bengkel resmi Honda Bengkel umum Tidak beralih

72 11 70 153

47,06 7,19 45,75 100

Frekuensi penggunaan

2 kali 3 kali >3 kali

37 54 62

24,18 35,29 40,52

153

100

Keterangan Laki-laki Perempuan

Jumlah 2

Umur (tahun)

17 – 29 30 – 39 40 – 49 50 – 60

Jumlah 3

Pekerjaan

Jumlah 4

Pendidikan

Jumlah 5

Sub-merek mobil

Jumlah 6

7

Jumlah

Jumlah

43

Responden berdasarkan tingkat pendidikannya menunjukkan tingkat pendidikan Sarjana mendominasi dengan jumlah 73 orang responden atau 47,71%. Untuk sub-merek motor di dominasi oleh mobil Jazz dengan persentase 35,95 %, lalu diikuti oleh All new CRV dengan persentase 22,22 %. Terdapat juga dua sub-merek mobil responden yang tidak diklarifikasi dalam kuesioner, yaitu Freed dan Honda Fit, total dari jenis mobil yang dikatagorikan lainnya tersebut adalah 16 unit atau 10,45 %. Untuk karakteristik frekuensi penggunaan didominasi oleh kelompok frekuensi penggunaan yang sudah lebih dari dari 3 kali sebanyak 62 responden atau sebesar. 40,52 %, sedangkan untuk alternatif penggunaan jasa lainnya, didominasi oleh penggunaan di bengkel resmi lain sebesar 47,06%. 5.1.2

Deskripsi Variabel Penelitian Berdasarkan data tabulasi jawaban responden, dapat dideskripsikan bagaimana penilaian

responden terhadap variabel-variabel operasional yang digunakan dalam penelitian yaitu confidence benefits, social benefits, special treatment benefits, kepuasan, dan loyalitas pelanggan. Penelitian ini didasarkan pada total skor tiap indikator dalam konstruk dibagi dengan jumlah responden. Hasil perhitungan tersebut akan mendeskripsikan penilaian responden dengan kategori yang dibentuk dengan mencari nilai interval, yaitu rentang nilai satu sampai lima yaitu empat, dibagi dengan jumlah katagori yang digunakan yaitu lima, sehingga rentang nilai tiap katagori adalah 0,8 dan untuk pembagian tiap katagori disajikan sebagai berikut. 

1,00 – 1,80 berarti penilaian responden adalah sangat buruk



1,81 – 2,60 berarti penilaian responden adalah buruk



2,61 – 3,40 berarti penilaian responden adalah cukup



3,41 – 4,20 berarti penilaian responden adalah baik



4,21 – 5,00 berarti penilaian responden adalah sangat baik

44

Tabel 5.2 Skor Tiap Indikator Penelitian. Nama konstruk

Jumlah indicator

Simbol

Skor

Keterangan

4

X1.1 X1.2 X1.3 X1.4

3,60 3,64 3,47 3,46

Baik Baik Baik Baik

4

X2.1 X2.2 X2.3 X2.4

3,54 3,44 3,52 3,60

Baik Baik Baik Baik

special treatment benefits

5

5

3,32 3,45 3,62 3,57 3,50 3,74 3,66 3,58 3,69 3,58

Cukup Baik Baik Baik

Kepuasan

X3.1 X3.2 X3.3 X3.4 X3.5 Y1.1 Y1.2 Y1.3 Y1.4 Y1.5 Y2.1 Y2.2 Y2.3 Y2.4

3,56 3,68 3,49 3,75

Baik Baik Baik Baik

confidence benefits

social benefits

Loyalitas

4

Baik Baik Baik Baik Baik

Sumber : Hasil Penelitian, Lampiran 2

Berdasarkan data pada Tabel 5.2, penilaian responden terhadap konstruk confidence benefits, social benefits, special treatment benefits, kepuasan, dan loyalitas pelanggan hampir secara keseluruhan adalah baik. Ini dikarenakan skor pada tiap-tiap indikator kualitas jasa berada pada rentang nilai 3,41 – 4,20 hanya indikator X3.1 pada konstruk special treatment benefits yang mendapatkan nilai 3,32 yang berada pada katagori cukup. Penilaian responden terhadap indikator kepuasan yang dirasakan setelah menggunakan jasa bengkel “PT Honda Dewata Motor” memiliki nilai diantara rentang nilai 3,41 – 4,20. Ini berarti bahwa bengkel PT Honda Dewata Motor telah memberikan kepuasan kepada responden. Penilaian

45

responden terhadap konstruk loyalitas juga memiliki nilai diantara rentang 3,41 – 4,20 dan masuk katagori baik.

5.1.3.

Evaluasi terhadap Asumsi-asumsi SEM

1. Ukuran sampel Untuk kecukupan ukuran sampel, penggunaan alat analisis SEM memerlukan ukuran sampel antara 100-200 atau dapat pula ditentukan sebesar 5-10 kali jumlah parameter yang diestimasi (Solimun, 2005). Dalam penelitan ini jumlah parameter yang diestimasi sebanyak 22 sehingga berdasar formula tersebut maka ukuran sampel seharusnya berada pada kisaran 110-220 orang. Dalam kenyataannya, penelitan ini menggunakan sampel sebesar 153 orang sehingga berdasar kedua pertimbangan di atas maka sampel tersebut telah memenuhi ukuran yang diperlukan untuk menggunakan alat analisis SEM. 2. Normalitas data Pengujian normalitas juga dilakukan secara statistik dengan menghitung nilai skewness data seperti disajikan pada Tabel 5.3. Berdasarkan data pada Tabel 5.3 menunjukkan bahwa data yang digunakan dalam penelitian telah terdistribusi normal karena nilai koefisien pada kolom c.r ± 2,58 pada signifikansi 0,01.

46

Tabel 5.3 Hasil Uji Normalitas Data Variable

min

max

Skew

c.r.

kurtosis

c.r.

x1.1 1.000 5.000 x1.2 1.000 5.000 x1.3 1.000 5.000 x1.4 1.000 5.000 x2.1 1.000 5.000 x2.2 1.000 5.000 x2.3 1.000 5.000 x2.4 1.000 5.000 x3.5 1.000 5.000 x3.4 1.000 6.000 x3.3 1.000 6.000 x3.2 1.000 5.000 x3.1 1.000 5.000 Multivariate Sumber : Hasil Penelitian, Lampiran 9

-.347 -.471 -.458 -.449 -.269 -.294 -.251 -.353 -.446 -.245 -.236 -.183 -.120

-1.752 -2.378 -2.311 -2.269 -1.361 -1.485 -1.269 -1.780 -2.253 -1.240 -1.194 -.923 -.608

-.897 -.208 -.626 -.659 -.905 -.733 -.967 -.691 -.474 -1.071 -.908 -.749 -1.001 45.810

-2.266 -.524 -1.581 -1.664 -2.285 -1.850 -2.442 -1.743 -1.196 -2.704 -2.294 -1.891 -2.528 8.718

3. Outliers Salah satu cara untuk mendeteksi outliers secara multivariate adalah dengan menggunakan jarak Mahalonobis (Mahalonobis Distance). Jarak Mahalanobis untuk tiap observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional (Ferdinand, 2002 : 102). Uji terhadap outliers multivariate dilakukan dengan menggunakan kriteria jarak Mahalanobis pada tingkat p < 0.001. Jarak Mahalonobis tersebut di evaluasi pada derajat bebas sebesar jumlah indikator yang digunakan dalam penelitian, yaitu sebanyak 22 indikator. Oleh karena itu, semua data yang mempunyai jarak Mahalanobis yang lebih dari χ2 (22, 0.001) = 48,268 adalah outliers multivariate yang dilihat dari Tabel Distribusi Chi Kuadrat (Suyana, 2007 : 180)

47

Perhitungan terhadap jarak Mahalanobis ini terdapat pada output hasil analisis dengan menggunakan AMOS 4.01. Berdasarkan print-out farthest from thr centroid (Mahalanobis Distance) yang disajikan pada lampiran 9 hasil penelitian , hampir seluruh data telah memenuhi syarat dan tidak terdapat gejala outliers multivariate. Hanya terdapat satu observasi yang menunjukkan gejala outliers yaitu observasi nomor 13 yang memiliki nilai Mahalanobis d-squared lebih besar dari jarak Mahalanobis yang disyaratkan (48,268) yaitu sebesar 49,758 Namun demikian, dalam analisis selanjutnya gejala outliers yang ditemukan pada observasi nomor 13 tidak dihilangkan dan tetap ikut dianalisis, karena tidak mengganggu model secara keseluruhan. 4. Hasil Uji Multikolinearitas Hasil pengujian terhadap gejala multikolinieritas, korelasi antara konstruk confidence benefits dan konstruk social benefits sesuai dengan Tabel Correlation pada lampiran 9 hasil penelitian adalah sebesar 0,158 sedangkan konstruk confidence benefits dan konstruk special treatment benefits adalah sebesar 0,183 dan untuk konstruk special treatment benefits dan konstruk social benefits adalah sebesar 0,155. Sehinnga seluruh konstruk eksogen memiliki nilai < 0,85. Dengan demikian dapat dikatakan bahwa antar konstruk eksogen (confidence benefits, social benefits, special treatment benefits) tidak terdapat gejala multikolinieritas

5.1.4 Pengujian Model Pengukuran

5.1.4.1 Analisis faktor konfirmatori konstruk eksogen Pengujian model pengukuran menggunakan metode analisis faktor konfirmatori

48

(confirmatory factor analysis/CFA). Tahap pertama dimasukkan semua indikator pada setiap konstruk atau variabel, selanjutnya dilakukan modifikasi indikator dan indeks untuk memperoleh model yang fit. 1. Confidence benefits. Hasil konfirmatori konstruk confidence benefits dapat dilihat pada Tabel 5.4 Tabel 5.4 Kriteria Goodness of fit konstruk confidence benefits Goodness of Fit Index

Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil Significance Probability ≥ 0,05 CMIN/DF ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 TLI ≥ 0,95 CFI ≥ 0,95 RMSEA ≤ 0,08 Sumber : Hasil Penelitian, Lampiran 3

Hasil Analisis 5,743 0,057 2,872 0,980 0,902 0,950 0,983 0,111

Keterangan Baik Baik Marginal Baik Baik Baik Baik Marginal

Hasil analisis data pada Tabel 5.4 menunjukkan bahwa konstruk confidence benefits dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probabilitas konstruk confidence benefits adalah sebesar 0,057 diatas nilai 0,05 yang menjadi cut-off value, untuk indeks kesesuaian model lainnya seperti GFI, TLI, CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi ketentuan yang disyaratkan. Beberapa nilai indeks menunjukkan hasil yang marginal yaitu nilai RMSEA sebesar 0,111 dan nilai CMIN/DF sebesar 2,872, namun hal tersebut masih dapat diterima karena masih menunjukkan nilai yang mendekati kriteria. Hasil pengujian validitas untuk konstruk confidence benefits dapat dilihat pada Tabel 5.5 di bawah ini.

49

Tabel 5.5 Nilai factor loading konstruk confidence benefits x1.4 x1.3 x1.2 x1.1

Factor loading .725 .716 .731 .817

Indikator

Konstruk <--Confidence Benefit <--Confidence Benefit <--Confidence Benefit <--Confidence Benefit Sumber : Hasil Penelitian, Lampiran 3

Berdasarkan data pada Tabel 5.5 model pengukuran memenuhi kriteria model konstruk confidence benefits telah fit, karena memiliki nilai factor loading > 0,5. Dapat dijelaskan bahwa indikator-indikator pembentuk konstruk confidence benefits telah menunjukkan sebagai indikator yang valid dalam pengukuran konstruk. 2. Social benefits. Hasil analisis data pada Tabel 5.6 menunjukkan bahwa konstruk Social benefits dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probabilitas konstruk Social benefits diatas nilai 0,05 yang menjadi cut-off value, untuk indeks kesesuaian model lainnya seperti GFI, TLI, CMIN/DF, RMSEA CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi ketentuan yang disyaratkan. Tabel 5.6 Kriteria Goodness of fit konstruk social benefits Goodness of Fit Index

Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil Significance Probability ≥ 0,05 CMIN/DF ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 TLI ≥ 0,95 CFI ≥ 0,95 RMSEA ≤ 0,08 Sumber : Hasil Penelitian, Lampiran 4

Hasil Analisis 0,388 0,824 0,194 0,999 0,994 1,039 1,000 0,000

Keterangan Baik Baik Baik Baik Baik Baik Baik Baik

50

Sementara itu untuk hasil pengujian validitas untuk konstruk social benefits dapat dilihat pada Tabel 5.7 di mana seluruh indikator yang membentuk konstruk social benefits memiliki nilai factor loading yang sesuai dengan syarat di atas 0,5 sehingga indikator-indikator pada konstruk social benefits telah valid dalam pengukuran konstruk. Tabel 5.7 Nilai factor loading konstruk social benefits Factor loading .586 .710 .636 .675

Indikator Konstruk x2.4 <--Social Benefit x2.3 <--Social Benefit x2.2 <--Social Benefit x2.1 <--Social Benefit Sumber : Hasil Penelitian, Lampiran 4 3. Special treatment benefits.

Hasil konfirmatori konstruk special treatment benefits dapat dilihat pada Tabel 5.8. Tabel 5.8 Kriteria Goodness of fit konstruk special treatment benefits Goodness of Fit Index

Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil Significance Probability ≥ 0,05 CMIN/DF ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 TLI ≥ 0,95 CFI ≥ 0,95 RMSEA ≤ 0,08 Sumber : Hasil Penelitian, Lampiran 5

Hasil Analisis 3,341 0,648 0,668 0,992 0,975 1,013 1,000 0,000

Keterangan Baik Baik Baik Baik Baik Baik Baik Baik

Hasil analisis data pada Tabel 5.8 menunjukkan bahwa konstruk special treatment benefits dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probabilitas konstruk special treatment benefits adalah sebesar 0,643 diatas nilai 0,05 yang menjadi cut-off value, untuk indeks kesesuaian model lainnya seperti GFI, RMSEA, TLI, CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi

51

ketentuan yang disyaratkan. Indeks CMIN/DF menunjukkan nilai marginal karena berada di atas nilai cut-off namun hal tersebut masih dapat diterima karena masih menunjukkan nilai yang mendekati kriteria ( ≤ 2,00 ) . Hasil pengujian validitas untuk konstruk special treatment benefits dapat dilihat pada Tabel 5.9 di bawah ini. Tabel 5.9 Nilai factor loading konstruk special treatment benefits Indikator

Konstruk x3.1 <--Special Treatment Benefit x3.2 <--Special Treatment Benefit x3.3 <--Special Treatment Benefit x3.4 <--Special Treatment Benefit x3.5 <--Special Treatment Benefit Sumber : Hasil Penelitian, Lampiran 5

Factor loading .615 .667 .727 .883 .595

Berdasarkan data pada Tabel 5.9 model pengukuran memenuhi kriteria model konstruk special treatment benefits telah fit, karena memiliki nilai factor loading > 0,5. Maka dapat dijelaskan bahwa indikator-indikator pembentuk konstruk special treatment benefits telah menunjukkan sebagai indikator yang valid dalam pengukuran konstruk.

5.1.4.2 Analisis Faktor Konfirmatori Konstruk Endogen

1.Kepuasan Hasil analisis data pada Tabel 5.10 menunjukkan bahwa konstruk kepuasan dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probabilitas konstruk kepuasan 0,625 dan sesuai dengan cut-off value, untuk indeks kesesuaian model lainnya seperti GFI yang memiliki nilai 0,991 telah berada di atas nilai cut-off yaitu 0,95 sehingga model termasuk dalam katagori baik. Untuk nilai indeks TLI,

52

RMSEA CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi ketentuan yang disyaratkan. Tabel 5.10 Kriteria Goodness of fit konstruk kepuasan Goodness of Fit Index

Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil Significance Probability ≥ 0,05 CMIN/DF ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 TLI ≥ 0,95 CFI ≥ 0,95 RMSEA ≤ 0,08 Sumber : Hasil Penelitian, Lampiran 6

Hasil Analisis 3,492 0,625 0,698 0,991 0,973 1,017 1,000 0,000

Keterangan Baik Baik Baik Baik Baik Baik Baik Baik

Untuk hasil pengujian validitas dari konstruk kepuasan dapat dilihat dari Tabel 5.11, di mana seluruh indikator yang terdapat pada konstruk kepuasan telah memenuhi kriteria model yang fit karena memiliki nilai factor loading di atas 0,5. Oleh karena itu, dapat dikatakan bahwa indikator – indikator pada konstruk kepuasan telah valid dan dapat digunakan ke dalam analisis selanjutnya. Tabel 5.11 Nilai factor loading konstruk kepuasan Indikator Konstruk y1.1 <--Kepuasan y1.2 <--Kepuasan y1.3 <--Kepuasan y1.4 <--Kepuasan y1.5 <--Kepuasan Sumber : Hasil penelitian, Lampiran 6

Factor loading .679 .655 .681 .642 .570

53

2. Loyalitas Hasil konfirmatori konstruk special treatment benefits dapat dilihat pada Tabel 5.12 Tabel 5.12 Kriteria Goodness of fit konstruk loyalitas Goodness of Fit Index

Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil Significance Probability ≥ 0,05 CMIN/DF ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 TLI ≥ 0,95 CFI ≥ 0,95 RMSEA ≤ 0,08 Sumber : Hasil Penelitian, Lampiran 7

Hasil Analisis 4,339 0,114 2,169 0,986 0,928 0,974 0,991 0,088

Keterangan Baik Baik Marginal Baik Baik Baik Baik Baik

Hasil analisis data pada Tabel 5.12 menunjukkan bahwa konstruk loyalitas dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probabilitas konstruk loyalitas adalah sebesar 0,114 diatas nilai 0,05 yang menjadi cut-off value, untuk indeks kesesuaian model lainnya seperti GFI, RMSEA, TLI, CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi ketentuan yang disyaratkan. Indeks CMIN/DF menunjukkan nilai marginal yaitu 2,169 karena berada di atas nilai cut-off (2,00) namun hal tersebut masih dapat diterima karena masih menunjukkan nilai yang mendekati kriteria. Berdasarkan data pada Tabel 5.13 model pengukuran memenuhi kriteria model konstruk loyalitas telah fit, karena memiliki nilai factor loading > 0,5. Maka dapat dijelaskan bahwa indikator-indikator pembentuk konstruk loyalitas telah menunjukkan sebagai indikator yang valid dalam pengukuran konstruk. Oleh karena itu, seluruh konstruk dalam penelitian dapat di lanjutkan ke tahapan analisis selanjutnya.

54

Tabel 5.13 Nilai factor loading konstruk loyalitas Factor loading .655 .801 .788 .852

Indikator Konstruk y2.1 <--Loyalitas y2.2 <--Loyalitas y2.3 <--Loyalitas y2.4 <--Loyalitas Sumber : Hasil Penelitian, Lampiran 7

5.1.5 Uji Reliabilitas Menurut Ghozali (2007:41) 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 pertanyaan adalah konsisten atau stabil dari waktu ke waktu. Sebuah alat ukur dikatakan reliabel apabila cut-off value dari construct reliability adalah minimal 0,70 sedangkan cut-off value untuk variance extracted minimal 0,50 (Ferdinand 2002 : 63) Dalam Tabel 5.14 disajikan hasil perhitungan tingkat reliabilitas. Tabel 5.14 Hasil uji reliabilitas setiap konstruk Konstruk CR Confidence benefits 0.83528 Social benefits 0.78254 Special treatment benefits 0.82918 Kepuasan 0.82156 Loyalitas 0.85824 Sumber : Hasil penelitian, Lampiran 8

VE 0.55955 0.52675 0.49789 0.52590 0.60421

Keterangan Reliabel Reliabel Reliabel Reliabel Reliabel

Berdasarkan Tabel 5.14 semua konstruk telah reliabel, karena nilai yang ditunjukkan dari hasil perhitungan reliabilitas telah memenuhi syarat yaitu di atas 0,7 untuk nilai construct reliability dan diatas 0,5 untuk nilai variance extracted.

55

5.1.6

Analisis Model Persamaan Struktural

5.1.6.1

Hasil uji overall model fit

Setelah model dianalisis melalui Confirmatory Factor Analysis, diketahui bahwa masingmasing variabel dapat digunakan untuk mendefinisikan sebuah konstruk laten, maka model tersebut dapat dianalisis. Pengujian untuk model SEM dilakukan pada indeks-indeks Goodness of Fit. Salah satu alat uji yaitu Chi square bersifat sangat sensitif terhadap besarnya sampel. Nilai Chi square merupakan alat uji untuk mengukur overall fit. Hasil uji Chi square dipandang baik jika nilainya semakin rendah (Ferdinand, 2002 : 55). Kelemahan dari alat uji Chi square perlu diatasi, salah satunya dengan menggunakan alat uji Root Mean Square of Approximation (RMSEA) yang lebih independen terhadap ukuran sampel yang digunakan. RMSEA merupakan uji kesesuaian close fit, tidak seperti Chi square yang merupakan uji kesesuaian exact fit. Jadi uji kesesuaian yang exact fit kurang realistis bila dibandingkan dengan uji kesesuaian yang close fit karena lebih realistis untuk mengukur tingkat aplikasi model terhadap data. Selain RMSEA, indeks Goodness of Fit Indeks (GFI), Tucker Lewis Index (TLI) juga sangat dianjurkan untuk dipergunakan karena indeks ini tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan suatu model. Hasil analisis persamaan struktural pada model dapat dilihat pada Gambar 5.1

56 .63 e1

x1.1

e2

x1.2

e3

x1.3

e4

.58 .53 .72

.80 .76 Confidence Benefit

.50 .71

x1.4

.43

e5

x2.1

.40 e6

.68

e7

x2.3

e8

x2.4

.70 .53

.23 Social Benefit

.48 .69

y1.2

.71

.25

.63

x2.2

.61

Kepuasan Pelanggan

.16

y1.1

.65 .30

.46

.42

ez1

.61 .37

.18 .06

y1.3 y1.4

.38 .50 .49 .28

y1.5

e14 e15 e16 e17 e18

.51 .18 .43

e9

x3.1

e10

x3.2

e11

x3.3

e12

x3.4

e13

x3.5

.45 .53 .77 .88 .59 .35

Loyalitas

.62

.11

.67 .73

Special Treatment Benefit

y2.1

.57 .66

.16

.38

.80 .78 .86

ez2

y2.2 y2.3 y2.4

.64 .61 .73

e19 e20 e21 e22

UJI KETEPATAN MODEL Chi-Square =222.181 Probability =.125 CMIN/DF =1.116 GFI =.881 TLI =.977 CFI =.980 RMSEA =.028 AGFI =.849

Gambar 5.1 Model persamaan struktural pengaruh relational benefit pada kepuasan dan loyalitas pelanggan bengkel PT Honda Dewata Motor.

57

Berdasarkan Gambar 5.6 dapat dijelaskan bahwa model persamaan struktural telah fit karena memiliki probability sebesar 0,125 yang mencukupi nilai yang menjadi syarat yaitu diatas 0,05. Indek-indeks lainnya yang juga menjadi syarat dalam fit-nya sebuah model dapat dilihat dalam Tabel 5.10 di bawah ini. Tabel 5.15 Evaluasi Kriteria Goodness of Fit Goodness of Fit Index

Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil Significance Probability ≥ 0,05 CMIN/DF ≤ 2,00 GFI ≥ 0,90 AGFI ≥ 0,90 TLI ≥ 0,95 CFI ≥ 0,95 RMSEA ≤ 0,08 Sumber : Hasil penelitian, Lampiran 9

Hasil Analisis 222,181 0,125 1,116 0,881 0,849 0,977 0,980 0,028

Keterangan Baik Baik Baik Marginal Marginal Baik Baik Baik

Berdasarkan data dalam Tabel 5.15 indeks GFI dan AGFI, lebih kecil dari 0,90, yaitu masing-masing sebesar 0,881 dan 0,849. Nilai ini masih dapat diterima dengan katagori marginal, indeks TLI dan CFI telah memenuhi syarat karena nilai kedua indeks pada model memiliki nilai yang lebih besar dari 0,95, yaitu masing-masing sebesar 0,977 dan 0,980. Berdasarkan indeks CMIN/DF, dapat dilihat bahwa indeks pada model memiliki nilai ≤ 2,00, yaitu 1,116, indeks RMSEA dari model juga lebih kecil dari 0,08 yakni sebesar 0,028, sehingga dapat dinyatakan bahwa secara keseluruhan model telah fit. 5.1.6.2 Pengujian Hipotesis Pengujian terhadap hipotesis penelitian didasari oleh hasil analisis yang diperoleh dari hubungan kausalitas antar konstruk penelitian seperti disajikan pada Tabel 5.11.

58

Tabel 5.16 Ringkasan Hasil Pengujian Hipotesis Penelitian Hubungan Kostruk Kepuasan <-- Confidence Benefits Kepuasan <-- Social Benefits Kepuasan <-- Special Treatment Benefits Loyalitas <-- Confidence Benefit Loyalitas <-- Social Benefit Loyalitas <-- Special Treatment Benefits Loyalitas <-- Kepuasan Sumber : Hasil penelitian, Lampiran 9

koefisien

.431 .255 .058 .231 .176 .108 .506

p Keterangan *** Hipotesis Terdukung .015 Hipotesis Terdukung .530 Hipotesis Tidak Terdukung .013 Hipotesis Terdukung .048 Hipotesis Terdukung .152 Hipotesis Tidak Terdukung *** Hipotesis Terdukung

Berdasarkan Tabel 5.16 dapat dilihat bahwa dari tujuh hipotesis yang telah diuji secara keseluruhan terdapat lima hipotesis yang diterima yaitu konstruk confidence benefits berpengaruh positif dan signifikan terhadap konstruk kepuasan dengan nilai koefisien 0,431, lalu konstruk social benefits yang berpengaruh positif dan signifikan terhadap konstruk kepuasan karena memiliki p value di bawah 0,05, konstruk confidence benefits juga berpengaruh positif dan signifikan terhadap konstruk loyalitas dengan nilai koefisien sebesar 0,231, dan konstruk social benefits yang berpengaruh positif dan signifikan terhadap konstruk loyalitas dengan koefisien 0,176 dan p value 0,48, konstruk kepuasan juga berpengaruh positif dan signifikan terhadap konstruk loyalitas dengan nilai koefisien 0,506. Untuk dua hipotesis lainnya yang diuji hipotesisnya tidak dapat diterima, konstruk special treatment benefits memiliki pengaruh positif namun tidak signifikan terhadap konstruk kepuasan karena memiliki p value di atas 0,05 yaitu sebesar 0,053, begitu juga hubungan konstruk special treatment benefits terhadap kosntruk loyalitas yang memiliki p value sebesar 0,152.

59

5.1.6.3 Hasil Analisis Pengaruh Total, Pengaruh Langsung, Dan Pengaruh Tidak Langsung Dari Hubungan Konstruk Penelitian. Hasil analisis pengaruh total, pengaruh langsung, dan pengaruh tidak langsung dilakukan guna mengetahui bagaimana kekuatan pengaruh antar konstruk, baik besarnya pengaruh langsung, pengaruh tidak langsung, dan besarnya pengaruh total. Untuk hasil analisis dapat dilihat pada Tabel 5.17 Tabel 5.17 Pengaruh Total, Pengaruh Langsung dan Pengaruh Tidak Langsung Hubungan Kostruk Kepuasan <--- Confidence Benefits Kepuasan <--- Social Benefits Kepuasan <--- Special Treatment Benefits Loyalitas <--- Confidence Benefit Loyalitas <--- Social Benefit Loyalitas <--- Special Treatment Benefits Loyalitas <--- Kepuasan Sumber : Hasil penelitian, Lampiran 9

Indirect effects

0,218 0,129 0,029 -

Direct effects 0,431 0,255 0,058 0,231 0,176 0,108 0,506

Total effects 0,431 0,255 0,058 0,449 0,305 0,137 0,506

Berdasarkan Tabel 5.17 dapat diketahui bahwa konstruk confidence benefits memiliki pengaruh paling besar terhadap kepuasan pelanggan secara langsung dibandingkan dengan kontruk social benefits dan special treatment benefits. Dapat dikatakan bahwa reputasi perusahaan, keandalan karyawan menjadi suatu indikator penting dalam menentukan kepuasan pelanggan bengkel. Kontruk confidence benefits juga memiliki pengaruh paling besar baik secara langsung maupun tidak langsung terhadap konstruk loyalitas jika dibandingkan dengan konstruk eksogen lainnya.

60

5.2 Pembahasan Hasil Penelitian 5.2.1 Pembahasan Hipotesis. Berdasarkan seluruh hasil penelitian terutama hasil pengujian hipotesis maka dapat dijelaskan pengaruh dari konstruk eksogen yang terdiri dari confidence benefits, social benefits, special treatment benefits terhadap variabel endogen yaitu kepuasan dan loyalitas. 1. Pengaruh confidence benefits terhadap kepuasan. Berdasarkan hasil pengujian hipotesis, dapat dijelaskan bahwa confidence benefits berpengaruh positif dan signifikan terhadap kepuasan pelanggaan PT Honda Dewata Motor. Artinya, bahwa confidence benefits atau manfaat kepercayaan yang meliputi reputasi perusahaan, keandalan karyawan, ketepatan janji perusahaan, dan kepercayaan terhadap karyawan bengkel, telah mampu membuat pelanggan PT Honda Dewata Motor puas. Selain itu, berdasarkan hasil penelitian juga dapat disimpulkan bahwa semakin baik manfaat kepercayaan yang diperoleh atau confidence benefits maka kepuasan yang akan dirasakan oleh pelanggan PT Honda Dewata Motor akan semakin baik juga. Hal ini sejalan dengan studi yang dilakukan oleh Hennig-Thurau et al. (2002), Kinard dan Capella (2006), Molina et al. (2007), Yen dan Gwinner (2003), Ardyansyah (2007), Prayustika (2010) dan Semadi (2010). 2. Pengaruh social benefits terhadap kepuasan. Berdasarkan hasil penelitian, dapat dijelaskan bahwa social benefits berpengaruh positif dan signifikan terhadap kepuasan pelanggaan PT Honda Dewata Motor karena memiliki nilai p dibawah 0,050. Artinya, bahwa semakin baik manfaat sosial yang diperoleh atau social benefits maka kepuasan yang akan dirasakan

61

oleh pelanggan PT Honda Dewata Motor akan semakin baik juga. Hasil penelitian ini juga sejalan dengan studi yang dilakukan oleh Ardyansyah (2007) Semadi (2010) dan Marzo-Navaro et al. (2004). 3. Pengaruh special treatment benefits terhadap kepuasan. Berdasarkan hasil penelitian, dapat dijelaskan bahwa special treatment benefits berpengaruh tidak signifikan terhadap kepuasan pelanggaan PT Honda Dewata Motor karena memiliki nilai p di atas 0,050. Artinya, bahwa special treatment benefits atau manfaat perlakuan istimewa tidak menjadi faktor penting dalam menentukan kepuasan pelanggan PT Honda Dewata Motor. Perlakuan istimewa yang perusahaan berikan tidak mampu memberikan kepuasan kepada para pelangganya, sehingga perlu di kaji kembali apakah tindakan-tindakan perusahaan dalam memberikan perlakuan istimewa sudah tepat sasaran dan tetap memperhatikan efektifitas dari strategi tersebut. Temuan dari penelitian ini tidak sejalan dengan hasil studi yang dilakukan oleh Ardyansyah (2007) dan Prayustika (2010). Namun, pengaruh konstruk special treatment benefits yang tidak signifikan terhadap konstruk kepuasan sejalan dengan beberapa studi yang dilakukan oleh peneliti lainnya, antara lain Hennig-Thurau et al. (2002), Kinard dan Capella (2006), Molina et al. (2007), dan Yen dan Gwinner (2003). 4. Pengaruh confidence benefits terhadap loyalitas. Berdasarkan hasil penelitian, dapat dijelaskan bahwa confidence benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggaan PT Honda Dewata Motor. Artinya, bahwa confidence benefits atau manfaat kepercayaan yang meliputi reputasi perusahaan, keandalan karyawan, ketepatan janji

62

perusahaan dan kepercayaan terhadap karyawan bengkel, telah mampu membuat pelanggan PT Honda Dewata Motor menjadi loyal. Selain itu, berdasarkan hasil penelitian juga dapat dijelaskan bahwa semakin baik manfaat kepercayaan yang terjalin atau confidence benefits maka loyalitas pelanggan PT Honda Dewata Motor akan semakin baik juga. Hasil temuan ini sejalan dengan studi yang dilakukan oleh Hennig-Thurau et al. (2002), Kinard dan Capella (2006); RuizMolina et al. (2009), dan Yen and Gwinner (2003). 5. Pengaruh social benefits terhadap loyalitas. Berdasarkan hasil penelitian, dapat dijelaskan bahwa social benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggaan PT Honda Dewata Motor. Artinya bahwa semakin baik manfaat sosial yang terjalin atau social benefits maka loyalitas pelanggan PT Honda Dewata Motor akan semakin baik juga. Hasil penelitian ini juga sejalan dengan studi yang dilakukan oleh Hennig-Thurau et al. (2002), Semadi (2010) dan Marzo-Navaro et al. (2004). 6. Pengaruh special treatment benefits terhadap loyalitas. Berdasarkan hasil penelitian, dapat dijelaskan bahwa special treatment benefits berpengaruh tidak signifikan terhadap kepuasan pelanggaan PT Honda Dewata Motor karena memiliki nilai p di atas 0,050. Artinya, bahwa special treatment benefits atau manfaat perlakuan istimewa bukan merupakan hal yang vital dalam menciptakan loyalitas pelanggan PT Honda Dewata Motor. Temuan dari penelitian ini sejalan dengan hasil studi yang dilakukan oleh Semadi (2010), Hennig-Thurau et al. (2002), dan Kinard dan Capella (2006). Namun, Hasil penelitian ini tidak sejalan dengan hasil penelitian yang dilakukan oleh Ruiz-

63

Molina et al. (2009), Yen dan Gwinner (2003), Prayustika (2010)

dan

Ardyansyah (2007). 7. Pengaruh kepuasan terhadap loyalitas Hasil pengujian hipotesis menunjukkan bahwa kepuasan pelanggan PT Honda Dewata Motor berpengaruh positif dan signifikan terhadap loyalitas karena nilai p berada di bawah 0,050. Hal ini menunjukkan bahwa semakin tinggi tingkat kepuasan pelanggan PT Honda Dewata Motor, maka akan semakin tinggi juga tingkat loyalitas pelangggan PT Honda Dewata Motor. Hasil temuan ini sejalan dengan studi beberapa peneliti, diantaranya adalah Hennig-Thurau et al. (2002), Marzo-Navaro et al. (2004), Yen dan Gwinner (2003), Yen et al. (2009), Ardyansyah (2007), Prayustika (2010).

5.2.2 Pengaruh Tidak Langsung Konstruk Relational Benefit Terhadap Konstruk Loyalitas Melalui Konstruk Kepuasan.

1. Pengaruh confidence benefits terhadap loyalitas melalui kepuasan. Berdasarkan Tabel 5.17 besarnya pengaruh tidak langsung dari konstruk confidence benefits terhadap loyalitas melalui konstruk kepuasan adalah sebesar 0,218 Pengaruh positif ini menunjukkan bahwa kepuasan yang dibentuk oleh konstruk confidence benefits dapat menciptakan pengaruh ke konstruk loyalitas. Artinya bahwa semakin baik confidence benefits yang diberikan kepada pelanggan maka semakin tinggi juga tingkat kepuasan dan loyalitas pelanggan PT Honda Dewata Motor. Gwinner et al. (1998) menyatakan bahwa confidence

64

benefits adalah manfaat yang dapat mengurangi rasa kecemasan dan kekhawatiran pelanggan terhadap para penyedia jasa, dalam hal ini kepercayaan pelanggan terhadap PT Honda Dewata Motor dapat memenuhi kepuasan pelanggan yang secara tidak langsung juga mampu menciptakan loyalitas pelanggan. 2. Pengaruh social benefits terhadap loyalitas melalui kepuasan. Besarnya nilai pengaruh tidak langsung konstruk social benefits terhadap loyalitas melalui kepuasan berdasarkan Tabel 5.17 adalah 0.129. Walaupun tidak lebih besar dari pengaruh langsung social benefits kepada loyalitas, namun dapat di jelaskan bahwa hubungan pertemanan yang baik atau manfaat sosial yang diberikan PT Honda Dewata Motor akan menunjukkan pengaruh yang berbanding lurus dengan kepuasan dan loyalitas pelanggan. Artinya, bahwa interaksi yang menyenangkan antara pelanggan dengan karyawan bengkel PT Honda Dewata Motor akan menciptakan suatu pengalaman yang menyenangkan bagi pelanggan. Zeithaml et al. (2006:184) menyatakan bahwa ketika pelanggan puas dengan perlakuan yang di dapat maka secara tidak langsung pelanggan dapat menjadi loyal kepadan perusahaan dan enggan untuk beralih ke perusahaaan lainnya 3. Pengaruh special treatment benefits terhadap loyalitas melalui kepuasan. Pengaruh konstruk special treatment benefits secara tidak langsung terhadap konstruk loyalitas melalui kepuasan adalah sebesar 0,029 atau lebih kecil dari nilai pengaruh langsungnya yaitu sebesar 0,108. Hal ini menunjukkan bahwa kepuasan yang didapatkan pelangggan karena adanya manfaat perlakuan istimewa tetap mampu memberikan pengaruh secara tidak langsung yang positif. Walaupun

65

dalam pengujian hipotesis konstruk special treatment benefits tidak berpengaruh secara signifikan.

5.3 Implikasi Hasil Penelitian Hasil dari penelitian dapat memberikan manfaat secara praktis maupun teoritis mengenai strategi pemasaran relationship marketing khususnya relational benefit kaitannya dengan kepuasan dan juga loyalitas pelanggan PT Honda Dewata Motor. Secara teoritis penjabaran relationship marketing menekankan pada membangun hubungan jangka panjang dengan pelanggan sehingga terdapat suatu manfaat bagi kedua belah pihak yaitu pelanggan dan juga perusahaan yang menerapkan strategi ini. Dengan strategi relational benefit melalui confidence benefits, social benefits, dan special treatment benefits diharapkan perusahaan mampu dalam menjaga hubungan baik dengan pelanggan. Secara praktis berdasarkan pemetaan distribusi jawaban responden, khususnya mengenai penilaian responden terhadap indikator-indikator konstruk confidence benefits, social benefits, special treatment benefits, kepuasan, dan juga loyalitas. Untuk konstruk confidence benefits seluruh indikatornya berada pada rentang nilai baik karena berada pada rentang nilai 3,41 sampai dengan 4,20. Hal ini menunjukkan bahwa secara umum perusahaan telah mampu mengaplikasikan strategi confidence benefits dengan baik dan hal tersebut harus dipertahankan bahkan ditingkatkan. Untuk konstruk social benefits seluruh indikator memperoleh nilai dalam rentang 3,41 sampai dengan 4,20 yang artinya perusahaan mampu membangun hubungan sosial yang baik dengan pelanggan PT Honda Dewata Motor, namun perusahaan tidak boleh berdiam diri dan puas dengan hasil yang ada, sebab pesaing juga akan terus meningkatkan kualitas perusahaannya dan sewaktu-waktu dapat merebut pelanggan yang dimiliki oleh PT Honda

66

Dewata Motor. Untuk konstruk special treatment benefits tidak semua indikator mendapatkan nilai yang berada pada rentang 3,41 sampai dengan 4,20 terdapat

satu indikator yang

memperoleh nilai sebesar 3,32 yang berada katagori cukup, di samping itu hasil pengujian hipotesis juga menunjukan bahwa terdapat hubungan yang tidak signifikan anatara special treatment benefits dengan kepuasaan dan juga loyalitas pelanggan. Hal ini menunjukkan perlu usaha yang lebih baik lagi dari PT Honda Dewata Motor untuk dapat memberikan perlakuan istimewa kepada pelanggan, atau pihak bengkel harus mengkaji ulang apakah treatment special atau kustomisasi yang diberikan sudah tepat dan selalu memperhatikan efektifitas dan efisiensi dari strategi yang akan digunakan.

5.4 Keterbatasan Penelitian 1. Responden dalam penelitian ini belum dibedakan antara pemilik dan pengguna langsung kendaraan, sehingga sensitifitas dalam menilai suatu manfaat dari hubungan akan berbeda serta kecenderungan dalam memperhatikan dan menikmati perlakuan istimewa dari perusahaan akan berbeda. 2. Indikator yang membentuk konstruk special treatment benefits belum mampu mewakilkan kebutuhan istimewa seperti apa yang dibutuhkan oleh pelanggan bengkel. 3. Penelitian yang menggunakan bengkel sebagai tempat penelitian sangat jarang dilakukan, sehingga refrensi bentuk-bentuk perlakuan istimewa yang tepat masih perlu dikaji kembali

67

BAB VI SIMPULAN DAN SARAN

6.1 SIMPULAN

Simpulan yang dapat dikemukakan berdasarkan hasil penelitian yang telan di bahas di bagian sebelumnya adalah : 1.

Confidence benefits atau manfaat kepercayaan berpengaruh positif dan signifikan terhadap kepuasan pelanggan PT Honda Dewata Motor. Hal ini menunjukkan bahwa semakin baik manfaat kepercayaan yang di dapatkan pelanggan dari perusahaan akan berbanding lurus dengan tingkat kepuasaan pelanggan. Berdasarkan penilaian pelanggan pada indikator-indikator confidence benefits, perusahaan mendapatkan penilaian yang baik karena nilai berada pada rentang yang baik. Jadi dapat disimpulkan hasil yang baik dari penilaian konsumen terhadap confidence benefits akan berpengaruh signifikan kepada kepuasan pelanggan.

2.

Social benefits juga berpengaruh positif dan signifikan terhadap kepuasan pelanggan PT Honda Dewata Motor, hasil penilaian pelanggan juga menunjukkan hasil yang berada pada rentang nilai baik sehingga dapat disimpulkan manfaat pertemanan atau sosial yang diberikan oleh perusahaan berpengaruh signifikan kepada kepuasan pelanggan PT Honda Dewata Motor.

67

68

3.

Special treatment benefits tidak semua indikator yang berada di dalamnya mampu memberikan nilai yang baik, di samping itu hasil penelitian menunjukkan bahwa walaupun special treatment benefits memberikan hasil yang positit kepada kepuasaan pelanggan namun belum signifikan.

4.

Confidence benefits atau manfaat kepercayaan berpengaruh positif dan signifikan terhadap loyalitas pelanggan PT Honda Dewata Motor. Hal ini menunjukkan bahwa semakin baik manfaat kepercayaan yang di dapatkan pelanggan dari perusahaan akan berbanding lurus dengan tingkat loyalitas pelanggan.

5.

Social benefits juga berpengaruh positif dan signifikan terhadap loyalitas pelanggan PT Honda Dewata Motor, hasil penilaian pelanggan juga menunjukkan hasil yang berada pada katagori nilai baik sehingga dapat disimpulkan manfaat sosial yang diberikan oleh perusahaan berpengaruh signifikan kepada loyalitas pelanggan PT Honda Dewata Motor.

6.

Special treatment benefits berpengaruh positif namun tidak signifikan terhadap loyalitas pelanggan. Hal ini menunjukan bahwa special treatment benefits yang diberikan tidak memberikan pengaruh terhadap loyalitas dari pelanggan PT Honda Dewata Motor.

7.

Kepuasan pelanggan PT Honda Dewata Motor berpengaruh positif terhadap loyalitas pelanggan. Semakin baik tingkat kepuasan yang dirasakan pelanggan PT Honda Dewata Motor, maka akan semakin loyal pelanggan tersebut, dan hasil penelitian juga menunjukkan nilai yang signifikan dari pengaruh kedua konstruk ini.

69

6.2 SARAN

Adapun saran yang dapat diberikan berdasarkan hasil yang di dapat di dalam penelitian ini adalah sebagai berikut : 1. Untuk Manajemen PT Honda Dewata Motor, hasil penelitian ini dapat dijadikan sebagai sebuah tambahan informasi dalam menyusun strategi bisnisnya, khususnya dalam strategi pemasaran. 2. Hasil peneltian ini juga menunjukkan bahwa penting bagi perusahaan untuk menjaga hubungan jangka panjang dengan pelanggan yang ada saat ini, perusahaan disarankan untuk lebih memfokuskan pada pemuasan kebutuhan pelanggan yang sudah ada, dan menerapkan strategi relational benefits dapat dijadikan sebagai salah satu metode alternatif 3. Pemberian perlakuan spesial memang belum menunjukkan hasil yang signifikan, walaupun terdapat indikator yang tidak berada pada rentang baik dan secara keseluruhan pelanggan masih puas, perusahaan harus tetap waspada dan berbenah serta mulai mencoba menyusun ulang strategi ini dengan lebih baik, agar nantinya dapat mengahadapi persaingan dengan kompetitior dan mengatasi seluruh kebutuhan pelanggan yang telah ada saat ini. 4. Dalam penelitian ini, konstruk special treatment benefits tidak berpengaruh secara signifikan kepada konstruk kepuasan dan juga loyalitas, untuk penelitian berikutnya yang ingin meneliti di perusahaan jasa yang sejenis, agar mengevaluasi dan mencari tambahan refrensi untuk indikator-indikator yang membentuk konstruk special treatment benefits.

70

5. Topik penelitian mengenai relationship marketing khususnya relational benefits belum banyak dilakukan di Indonesia khsusnya di Bali, sehingga peluang penelitian sangat terbuka karena masih banyak jenis-jenis perusahaan lain yang dapat di teliti dengan pendekatan strategi relationship marketing khsusnya relational benefits.

71

DAFTAR PUSTAKA Alrubaiee, Laith and Nahla Al-Nazer 2010. Investigate the Impact of Relationship Marketing Orientation on Customer Loyalty: The Customer's Perspective. International Journal of Marketing Studies, Vol. 2, No. 1, pp. 155-174. Ardyansyah. 2007. Pengaruh Relational Benefit dan Relationship Quality pada Relational Outcomes di PT Esc Indonesia, Tesis, Program Magister Manajemen UGM Yogyakarta tidak dipublikasikan. Dimitriadis, Sergios. 2010. Testing Perceived Relational Benefits As Satisfaction And Behavioral Outcomes Drivers. International Journal of Bank Marketing, Vol. 28, No. 4, pp. 297-313. Duck, Kim. 2005. The relationships between service quality, customer satisfacation, and repurchase intention in Korean private golf courses, (online), (http://gradworks.umi.com/31/77/3177086.html) Eisingerich, Andreas B, Simon J. Bell. 2006. Relationship Marketing in The Financial Service Industry, Journal of Financial Service Marketing, Vol. 10 No. 4, pp. 86-97. Ferdinand, Augusty. 2002. Structural Equation Modelling Dalam Penelitian Manajemen Aplikasi Model-Model Rumit Dalam Penelitian Untuk Tesis Magister & Disertasi Doktor, Semarang : BP UNDIP. Griffin, Jill. 2002. Customer Loyalty, How to Keep it. Josey Bass Gwinner, Kevin P., Dwayne D. Grembler, and Mary Jo Bitner. 1998. Relational Benefits in Service Industries : The Customer’s Perpective. Journal Academic Marketing Science, Vol. 26, pp. 101-114 Hurriyati, Ratih. 2005. Bauran Pemasaran dan Loyalitas Konsumen. Bandung : Alfabeta Hennig-Thurau, Thorsten, and Alexander Klee. 1997. The Impact Of Customer Satisfaction and Relationship Quality on Customer Retention. Journal of Psychology and Marketing, Vol. 14 No. 8, pp. 737 – 764. Hennig-Thurau, Thorsten, Kevin P. Gwinner, Dwayne D. Gremler. 2002. Understanding Relationship Marketing Outcomes : An Integration of Relational Benefits and Relationship Quality . Journal of Service Research, Vol. 4, No. 3, pp. 230-247. Kau, Ah-Keng and Elizabeth Wan-Yiun Loh. 2006. The effect of service recovery on satisfacation : a comparison between compalaints and non-complainants. Journal of Service Marketing, Vol. 20, No. 2, pp. 101-111.

72

Kinard, Brian R., and Michael L. Capella. 2006. Relationship Marketing: The Influence Of Consumer Involvement On Perceived Service Benefits. Journal of Services Marketing, Vol. 20, pp. 359–368. Kotler, Hayes, Thomas, & Bloom. 2002. Marketing Profesional Service. New York : Prentice Hall. Kotler, 2006. Manajemen Pemasaran Edisi Kesebelas, Jilid II, Jakarta : Indeks Kelompok Gramedia. Leverin, Andraez, and Veronica Liljander. 2006. Does relationship marketing improve customer relationship satisfaction and loyalty?. International Journal of Bank Marketing, Vol. 24 No. 4, pp. 232-251 Lupiyoadi, Rambat dan A. Hamdani. 2008. Manajemen Pemasaran Jasa, Edisi ke. 2, Jakarta: Salemba Empat. Lovelock, Christopher, and Lauren K. Wright. 2007. Manajemen Pemasaran Jasa, Cetakan Kedua, Jakarta: Indeks. Marzo-Navvaro, Mercedes., Marta Pedraja-Iglesias, and Ma Pilar Revera-Torres. 2004. The Benefits of Relationship Marketing for The Customer and for The Fashion Retailers. Journal of Fashion Marketing and Management, Vol. 8 No. 4, pp. 425-436 Molina, Arturo, David Martin-Consuegra, Agueda Esteban. 2007. Relational Benefits And Customer Satisfaction In Retail Banking. International Journal of Bank Marketing, Vol. 25 No. 4, pp. 253-271 Ndubisi, Nelson Oly, and Chan Kok Wah. 2005. Factorical and Discriminant Analyses of Underpinnings of Relationship Marketing and Customer Satisfaction . International Journal of Bank Marketing, Vol. 23 No. 7, pp. 542-557 Palmatier, Robert W., Rajiv P. Dant, Druft Grewal, and Kenneth R. Evans. 2006. 1995. Factor The Influencing The Effectiveness of Relationhip Marketing. Journal Of Marketing, Vol. 70, pp. 136 – 153. Prayustika, Putu Adriani 2010. Pengaruh Manfaat Relasional dan Kualitas Hubungan Pada Hasil Pemasaran Relasional di Bali Beach Golf Course, Tesis, Program Magister Manajemen Universitas Udayana Bali tidak dipublikasikan. Perrean, Jean, and Line Richard. 1995. The Meaning Of Marketing Relationship, Industrial Marketing Management ,Vol. 24, pp. 37- 43 Rauyruen Papassapa, Kenneth E. Miller, 2007. Relationship Quality As A Predictor Of B2B Customer Loyalty, Journal Of Business Research, Vol. 60, pp. 21-31

73

Rashid, Tahir. 2003. Relationship Marketing : Case Studies of Personal Experiences of Eating Out, British Food. Journal Of Business Research l. Vol. 105 No. 10, pp. 742-750. Ruiz-Molina, Maria-Eugenia., Irene Gil-Saura, and Gloria Berenguer-Contri. 2009. Relational Benefits And Loyalty in Retailing: An Inter-Sector Comparison. International Journal of Retail & Distribution Management, Vol. 37 No. 6, pp. 493-509. Sugiyono.2007. Metode Peneitian Bisnis, Cetakan Kesepuluh, Bandung: CV. Alfabeta. Sui,Jun Jian, Seyhmus Baloglu. 2003. The Role Of Emotional Commitment In Relationship Marketing: An Empirical Investigation Of A Loyalty. Journal of Hospitality & Tourism Research, Vol. 27, No 7, pp. 470 - 479 Suprapti, Sri. 2009. ”Perilaku Pasca Pembelian : Sebuah Tinjauan Konseptual untuk peluang Penelitian ”. MATRIK, Jurnal Manajemen, Strategi Bisnis Suyana, Utama Made. 2007. Aplikasi Analisis Kuantitatif, Denpasar: Sastra Utama. Semadi, Sri Wulandari 2010. Pengaruh Manfaat Relasional Terhadap Kepuasan dan Loyalitas Nasabah Bank (Studi Kasus pada Bank BPD Bali Cabang Utama Denpasar), Tesis, Program Magister Manajemen Universitas Udayana Bali tidak dipublikasikan. Solimun. 2005. Structural Equation Modelling, Surabaya: Universitas Katolik Widya Mandala. Qin, Hong and Victor R. Prybutok, 2008, Determinants of Customer-Perceived Service Quality in Fast-Food Restaurant and Relationship To Customer Satisfacation and Behavioral Intentions. The Quality Management Journal, Vol 15, No 2, pp. 35-43. Wibowo, Herry Arianto Lestari, 2009. Pengaruh Relationship Marketing terhadap Loyalitas Pelanggan Melalui Kepuasan Pelanggan, Jurnal Aplikasi Manajemen, Vol. 17, No. 4, pp. 818-823 Yu-Kevin Siu Lung, and Song Yang. 2009. Determinants of Customer Loyalty: An Exploratory Investigation on Relational Benefits in the Context of Customer Club, ANZMAC. pp. 1– 8 Yen, Hsiu Ju Rebecca, and Kevin P. Gwinner. 2003. Internet Retail Customer Loyalty . Journal of Service, Vol. 14 No. 5, pp. 483 – 500. Yen, Tsai Fa, Hsiou Hsiang Liu, and Chao-Lin Tuan. 2009. Managing Relationship Effort to Influence Loyalty : An Emperical Study on The Sun Link Sea Forest and Recreational Park, Taiwan. The International Journal of Organizational Innovation, Vol. 2 No. 2, pp. 179 – 194. Zheithaml, Valerie A., Mary Jo Bitner, and Dwyne D. Gremler. 2006. Service MarketingIntegrating Customer Focus Across The Firm 4th edition. New York : McGraw Hill.

74

LAMPIRAN 1 KUESIONER

75

KUESIONER

Dengan Hormat, Sehubungan dengan penyusunan usulan penelitian di Magister Manajemen Universitas Udayana, bersama ini Saya : Nama

: I Made Surya Prayoga, SE

Nim

: 1090662045

Konsentrasi

: Pemasaran

Dalam hal ini mengadakan penelitian mengenai PENGARUH RELATIONAL BENEFIT TERHADAP

KEPUASAN PELANGGAN DAN LOYALITAS PELANGGAN BENGKEL PT HONDA DEWATA MOTOR

Untuk maksud tersebut, maka Saya mohon kesedian dan partisipasi Bapak/Ibu/Saudara/i untuk berkenan membantu mengisi kuesioner ini dengan lengkap, sesuai dengan ketentuan dan jujur mengenai pendapat dan penilaian Anda sendiri, tanpa dipengaruhi oleh siapapun. Kueisioner ini semata-mata digunakan untuk kepentingan ilmiah. Atas kerja sama dan partisipasi Bapak/Ibu/Saudara/i meluangkan waktunya dan memberikan informasi yang diperlukan, Saya haturkan terima kasih. Hormat Saya,

I Made Surya Prayoga, SE

76

DAFTAR PERTANYAAN PENELITIAN No.Responden : …………….( diisi oleh peneliti )

I.

IDENTITAS RESPONDEN Mohon Bapak/Ibu/Saudara/i bersedia mengisi daftar isian berikut dengan cara menjawab atau menyilang salah satu pilihan yang tersedia sesuai dengan keadaan yang sebenarnya. 1. 2. 3. 4.

Nama Bapak/Ibu/Saudara/i :……………………………........ Jenis Kelamin : a. Pria b. wanita Umur :…………tahun Pendidikan a. SD d. Diploma b. SMP e. Sarjana c. SMA f. Pascasarjana 5. Pekerjaan a. Siswa / Mahasiswa d. PNS b. Karyawan Swasta e. Wiraswasta c. Karyawan BUMN / BUMD f. Lainnya………………. II.

PERTANYAAN UMUM 1. Tipe Mobil Honda yang Anda gunakan? a. CRV b. Jazz c. Stream d. All new CRV e. Lainnya……… 2. Berapa kali Anda menggunakan jasa service di bengkel Honda Dewata Motor ? a. 1 kali c. 3 kali b. 2 kali d. lebih dari 3 kali 3. Apakah anda pernah menggunakan jasa bengkel di tempat lainnya? a. Ya, di bengkel resmi Honda lainnya b. Ya, diluar bengkel resmi Honda c. Tidak pernah, Hanya di Honda Dewata Motor

77

III.

PENDAPAT TENTANG RELATIONAL BENEFIT, KEPUASAN PELANGGAN, DAN LOYALITAS SERVICE DI BENGKEL HONDA DEWATA MOTOR.

Berikut ini adalah beberapa pertanyaan terkait pengalaman Anda menggunakan jasa service di bengkel Honda Dewata Motor. Mohon memberikan jawaban yang sebenarnya dengan cara menyilang (X) atau menyontreng (V) pada kolom yang sesuai dengan pendapat Anda. Keterangan : STS

= Sangat Tidak Setuju

TS

= Tidak Setuju

N

= Netral

S

= Setuju

SS

= Sangat Setuju

RELATIONAL BENEFIT NO 1 2 3 4

PERTANYAAN Confidance Benefits Anda percaya terhadap karyawan bengkel Honda Dewata Motor Anda yakin dengan reputasi yang dimiliki oleh bengkel Honda dewata Motor Karyawan bengkel Honda Dewata Motor dapat diandalkan Bengkel Honda Dewata Motor selalu menepati janjinya dalam penyelesaian waktu service

STS TS

N

S

SS

78

NO

5

6

7

PERTANYAAN Social Benefits Anda merasa dihargai dan diperlakukan dengan baik oleh pihak Bengkel Honda Dewata Motor Anda menikmati hubungan pertemanan dengan karyawan bengkel, sehingga tidak ada rasa canggung ketika datang ke bengkel ini Karyawan Bengkel Honda Dewata Motor mengenali identitas Anda

8

Suasana keakraban yang terjalin membuat Anda nyaman dalam menyampaikan permasalahan dalam hal service mobil Special Treatment Benefits

9

Anda selalu di dahulukan dibandingkan konsumen lainnya dalam daftar tunggu (waiting list) Anda mendapatkan potongan harga (discount) yang konsumen lain pada umumnya tidak dapatkan di bengkel ini. Anda mendapatkan pelayanan yang berbeda (lebih ramah dan sigap) yang konsumen lain pada umumnya tidak dapatkan di bengkel ini. Anda mendapatkan harga yang berbeda (spesial price) yang konsumen lain pada umumnya tidak dapatkan di bengkel ini. Secara keseluruhan Anda mendapatkan pelayanan yang jauh lebih lengkap (tempat tunggu khusus, informasi produk dan promo khusus) yang konsumen lain pada umumnya tidak dapatkan di bengkel ini.

10 11

12 13

STS TS

N

S

SS

79

KEPUASAN PELANGGAN NO PERTANYAAN STS TS 1 Anda puas dengan Layanan yang diberikan oleh Bengkel Honda Dewata Motor 2 Pengalaman Anda dalam menggunakan jasa service di Bengkel Honda Dewata Motor sesuai dengan yang diharapkan 3 Anda puas dengan bagaimana Perusahann Bengkel Honda Dewata Motor Memperlakukan anda 4 Bagi Anda, memilih Bengkel Honda Dewata Motor merupakan keputusan yang tepat 5 Secara keseluruhan Anda puas dengan seluruh layanan Bengkel Honda Dewata Motor

N

S

SS

N

S

SS

LOYALITAS NO PERTANYAAN 1 Jika di lain waktu Anda membutuhkan jasa service bengkel, Anda akan menggunakan kembali jasa service Bengkel Honda Dewata Motor 2 Ketika anda membutuhkan jasa service bengkel, Bengkel Honda Dewata Motor adalah Pilihan utama anda. 3 Ketika Bengkel Honda Dewata tutup, anda akan menunda melakukan perawatan dan enggan untuk beralih ke bengkel lain 4 Anda akan merekomendasikan Bengkel Honda Dewata Motor kepada orang lain

STS TS

80

LAMPIRAN 2 TABULASI DATA KUESIONER

81

82

83

84

85

LAMPIRAN 3 HASIL UJI CONFIRMATORY FACTOR ANALYSIS KONSTRUK CONFIDENCE BENEFITS

86 .67 x1.1

e1

.82

.53

.73

x1.2

e2

x1.3

e3

Confidence Benefit

.72

.51

.72 .53

x1.4

e4

UJI KETEPATAN MODEL Chi-Square =5.743 Probability =.057 CMIN/DF =2.872 GFI =.980 TLI =.950 CFI =.983 RMSEA =.111 AGFI =.902

Analysis Summary Date and Time

Date: Thursday, July 4, 2013 Time: 12:02:50 PM Title

confidence: Thursday, July 4, 2013 12:02 PM Assessment of normality (Group number 1)

Variable x1.1 x1.2 x1.3 x1.4 Multivariate

min 1.000 1.000 1.000 1.000

max 5.000 5.000 5.000 5.000

skew -.347 -.471 -.458 -.449

c.r. -1.752 -2.378 -2.311 -2.269

kurtosis -.897 -.208 -.626 -.659 3.726

c.r. -2.266 -.524 -1.581 -1.664 3.326

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

87

Observation number 153 9 149 13 105 148 99 4 97 20 152 124 57 64 62 46 54 98 14 133 22 19 48 49 16 79 65 92 29 131 50 93 116 63 24 150 117 121 80 103 111

Mahalanobis d-squared 22.306 16.053 16.048 13.840 12.695 12.587 12.168 10.660 10.531 10.440 10.213 9.152 9.151 8.583 8.473 8.306 7.767 7.447 7.353 7.095 7.095 6.726 6.624 6.044 5.887 5.887 5.706 5.659 5.610 5.493 5.493 5.402 5.300 5.300 5.300 5.156 5.156 4.980 4.905 4.895 4.889

p1 .000 .003 .003 .008 .013 .013 .016 .031 .032 .034 .037 .057 .057 .072 .076 .081 .100 .114 .118 .131 .131 .151 .157 .196 .208 .208 .222 .226 .230 .240 .240 .249 .258 .258 .258 .272 .272 .289 .297 .298 .299

p2 .026 .076 .011 .033 .049 .018 .013 .100 .062 .035 .027 .170 .103 .219 .184 .176 .369 .482 .449 .539 .444 .634 .626 .909 .930 .897 .931 .918 .904 .918 .884 .890 .903 .865 .820 .865 .821 .888 .892 .861 .821

88

Observation number 88 71 122 58 141 84 139 37 147 110 70 138 44 3 136 113 86 96 144 145 2 5 60 33 10 11 15 87 128 137 146 53 89 12 21 28 61 140 123 18 69

Mahalanobis d-squared 4.883 4.883 4.627 4.594 4.594 4.487 4.259 4.157 4.013 4.013 4.012 3.734 3.684 3.684 3.587 3.587 3.522 3.522 3.522 3.522 3.445 3.445 3.279 3.279 3.252 3.252 3.252 3.118 3.118 3.118 3.118 3.059 3.059 3.056 3.056 3.056 3.056 3.056 3.051 3.051 2.987

p1 .300 .300 .328 .332 .332 .344 .372 .385 .404 .404 .404 .443 .451 .451 .465 .465 .475 .475 .475 .475 .486 .486 .512 .512 .517 .517 .517 .538 .538 .538 .538 .548 .548 .548 .548 .548 .548 .548 .549 .549 .560

p2 .776 .719 .875 .858 .815 .853 .944 .960 .980 .970 .957 .994 .994 .991 .995 .991 .993 .989 .983 .975 .982 .973 .992 .988 .986 .979 .969 .988 .981 .973 .961 .967 .953 .937 .914 .886 .851 .811 .771 .719 .753

89

Observation number 17 59 106 120 134 114 107 75 68 78 115 1 127 85 32 25 27 112

Mahalanobis d-squared 2.955 2.955 2.908 2.908 2.824 2.824 2.824 2.824 2.824 2.697 2.697 2.649 2.608 2.608 2.608 2.507 2.507 2.507

Sample Moments (Group number 1) Sample Covariances (Group number 1)

x1.1 x1.2 x1.3 x1.4 x1.1 1.207 x1.2 .628 .988 x1.3 .658 .614 1.112 x1.4 .803 .583 .589 1.346 Condition number = 7.300 Eigenvalues 3.119 .672 .435 .427 Determinant of sample covariance matrix = .390 Sample Correlations (Group number 1)

x1.1 x1.2 x1.3 x1.1 1.000 x1.2 .575 1.000 x1.3 .568 .585 1.000 x1.4 .630 .505 .481 Condition number = 7.605

x1.4

1.000

p1 .565 .565 .573 .573 .588 .588 .588 .588 .588 .610 .610 .618 .625 .625 .625 .643 .643 .643

p2 .744 .689 .702 .644 .713 .655 .593 .528 .463 .618 .554 .574 .581 .516 .449 .566 .499 .432

90

Eigenvalues 2.674 .560 .414 .352 Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (10 - 8):

10 8 2

Result (Default model)

Minimum was achieved Chi-square = 5.743 Degrees of freedom = 2 Probability level = .057 Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)

x1.4 x1.3 x1.2 x1.1

<--<--<--<---

Confidence Benefit Confidence Benefit Confidence Benefit Confidence Benefit

Estimate S.E. 1.000 .897 .118 .864 .111 1.067 .119

C.R.

P

7.614 *** par_1 7.776 *** par_2 8.999 *** par_3

Standardized Regression Weights: (Group number 1 - Default model)

x1.4 x1.3 x1.2 x1.1

<--<--<--<---

Confidence Benefit Confidence Benefit Confidence Benefit Confidence Benefit

Estimate .725 .716 .731 .817

Variances: (Group number 1 - Default model)

Confidence Benefit e4

Label

Estimate S.E. C.R. P Label .707 .148 4.770 *** par_4 .639 .094 6.778 *** par_5

91

Estimate S.E. .542 .080 .460 .071 .402 .079

e3 e2 e1

C.R. P Label 6.737 *** par_6 6.526 *** par_7 5.107 *** par_8

Squared Multiple Correlations: (Group number 1 - Default model)

x1.1 x1.2 x1.3 x1.4

Estimate .667 .534 .512 .525

Model Fit Summary CMIN

Model Default model Saturated model Independence model

NPAR 8 10 4

CMIN 5.743 .000 231.452

DF 2 0 6

P .057

CMIN/DF 2.872

.000

38.575

RMR, GFI

Model Default model Saturated model Independence model

RMR .032 .000 .504

GFI .980 1.000 .516

AGFI .902

PGFI .196

.193

.309

NFI Delta1 .975 1.000 .000

RFI rho1 .926

IFI Delta2 .984 1.000 .000

TLI rho2 .950

Baseline Comparisons

Model Default model Saturated model Independence model

.000

Parsimony-Adjusted Measures

Model Default model Saturated model Independence model

PRATIO .333 .000 1.000

PNFI .325 .000 .000

PCFI .328 .000 .000

.000

CFI .983 1.000 .000

92 NCP

Model Default model Saturated model Independence model

NCP 3.743 .000 225.452

LO 90 .000 .000 179.384

HI 90 15.020 .000 278.940

FMIN

Model Default model Saturated model Independence model

FMIN .038 .000 1.523

F0 .025 .000 1.483

LO 90 .000 .000 1.180

HI 90 .099 .000 1.835

RMSEA

Model Default model Independence model

RMSEA .111 .497

LO 90 .000 .444

HI 90 .222 .553

AIC 21.743 20.000 239.452

BCC 22.287 20.680 239.724

PCLOSE .123 .000

AIC

Model Default model Saturated model Independence model

BIC 45.987 50.304 251.574

CAIC 53.987 60.304 255.574

ECVI

Model Default model Saturated model Independence model

ECVI .143 .132 1.575

LO 90 .118 .132 1.272

HI 90 .217 .132 1.927

HOELTER

Model Default model Independence model

HOELTER .05 159 9

HOELTER .01 244 12

MECVI .147 .136 1.577

93

LAMPIRAN 4 HASIL UJI CONFIRMATORY FACTOR ANALYSIS KONSTRUK SOCIAL BENEFITS

94 .46 x2.1

e5

.40

.68

x2.2

e6

.64 .50

x2.3

e7

Social Benefit

.71 .59

.34 x2.4

e8

UJI KETEPATAN MODEL Chi-Square =.388 Probability =.824 CMIN/DF =.194 GFI =.999 TLI =1.039 CFI =1.000 RMSEA =.000 AGFI =.994

Analysis Summary Date and Time

Date: Thursday, July 4, 2013 Time: 12:06:22 PM Title

social: Thursday, July 4, 2013 12:06 PM Assessment of normality (Group number 1)

Variable x2.1 x2.2 x2.3 x2.4 Multivariate

min 1.000 1.000 1.000 1.000

max 5.000 5.000 5.000 5.000

skew -.269 -.294 -.251 -.353

c.r. -1.361 -1.485 -1.269 -1.780

kurtosis -.905 -.733 -.967 -.691 1.327

c.r. -2.285 -1.850 -2.442 -1.743 1.185

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

95

Observation number 145 11 137 149 95 151 150 2 16 28 135 128 130 96 27 148 146 25 68 132 48 12 51 126 152 82 114 64 113 142 70 131 29 110 49 63 86 37 99 94 127

Mahalanobis d-squared 15.478 12.494 12.315 12.205 11.948 11.785 11.785 11.006 10.642 9.960 9.695 8.696 8.148 8.015 7.843 7.828 7.828 7.777 7.497 7.492 7.449 7.251 7.129 6.936 6.641 6.572 6.572 6.526 6.447 6.447 6.299 6.299 5.892 5.875 5.615 5.545 5.241 5.207 5.159 4.998 4.871

p1 .004 .014 .015 .016 .018 .019 .019 .026 .031 .041 .046 .069 .086 .091 .098 .098 .098 .100 .112 .112 .114 .123 .129 .139 .156 .160 .160 .163 .168 .168 .178 .178 .207 .209 .230 .236 .263 .267 .271 .288 .301

p2 .442 .634 .410 .227 .138 .073 .028 .052 .049 .101 .095 .369 .565 .533 .531 .433 .331 .270 .350 .266 .214 .251 .250 .298 .436 .406 .325 .284 .270 .205 .241 .182 .431 .370 .544 .537 .755 .724 .705 .788 .835

96

Observation number 33 22 36 52 59 136 116 69 58 65 79 77 89 14 38 67 88 134 153 138 60 92 125 143 102 15 4 73 133 109 23 44 97 106 117 121 140 101 122 123 87

Mahalanobis d-squared 4.871 4.806 4.745 4.745 4.745 4.695 4.656 4.202 4.202 4.179 4.171 4.171 4.148 4.072 4.036 3.922 3.922 3.903 3.876 3.876 3.837 3.824 3.795 3.795 3.789 3.789 3.748 3.748 3.712 3.712 3.490 3.490 3.490 3.430 3.430 3.430 3.430 3.405 3.405 3.405 3.388

p1 .301 .308 .314 .314 .314 .320 .325 .379 .379 .382 .383 .383 .386 .396 .401 .417 .417 .419 .423 .423 .429 .430 .434 .434 .435 .435 .441 .441 .446 .446 .479 .479 .479 .489 .489 .489 .489 .492 .492 .492 .495

p2 .786 .788 .788 .733 .672 .662 .641 .945 .924 .909 .884 .847 .824 .845 .834 .883 .848 .823 .804 .755 .746 .706 .685 .625 .570 .505 .499 .434 .422 .360 .618 .555 .490 .516 .452 .389 .329 .305 .251 .202 .176

97

Observation number 91 50 13 18 119 19 124 21 120 39 47 56 24 32 93 5 1 30

Mahalanobis d-squared 3.334 3.306 3.235 3.235 3.189 3.189 3.160 3.109 3.109 3.103 2.975 2.906 2.848 2.848 2.848 2.672 2.594 2.436

Sample Moments (Group number 1) Sample Covariances (Group number 1)

x2.1 x2.2 x2.3 x2.4 x2.1 1.020 x2.2 .468 1.253 x2.3 .537 .565 1.204 x2.4 .416 .432 .444 1.024 Condition number = 4.609 Eigenvalues 2.574 .709 .659 .558 Determinant of sample covariance matrix = .672 Sample Correlations (Group number 1)

x2.1 x2.2 x2.3 x2.1 1.000 x2.2 .414 1.000 x2.3 .484 .460 1.000 x2.4 .407 .381 .400 Condition number = 4.510

x2.4

1.000

p1 .504 .508 .519 .519 .527 .527 .531 .540 .540 .541 .562 .574 .584 .584 .584 .614 .628 .656

p2 .189 .175 .207 .164 .169 .131 .122 .131 .099 .077 .144 .174 .197 .155 .118 .280 .344 .563

98

Eigenvalues 2.275 .634 .587 .505 Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (10 - 8):

10 8 2

Result (Default model)

Minimum was achieved Chi-square = .388 Degrees of freedom = 2 Probability level = .824 Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)

x2.4 x2.3 x2.2 x2.1

<--<--<--<---

Social Benefit Social Benefit Social Benefit Social Benefit

Estimate S.E. 1.000 1.314 .236 1.201 .221 1.150 .205

C.R.

P

Label

5.577 *** par_1 5.427 *** par_2 5.612 *** par_3

Standardized Regression Weights: (Group number 1 - Default model)

x2.4 x2.3 x2.2 x2.1

<--<--<--<---

Social Benefit Social Benefit Social Benefit Social Benefit

Estimate .586 .710 .636 .675

Variances: (Group number 1 - Default model)

Social Benefit e8

Estimate S.E. C.R. P Label .352 .104 3.393 *** par_4 .672 .094 7.152 *** par_5

99

Estimate S.E. .597 .106 .747 .112 .555 .090

e7 e6 e5

C.R. P Label 5.653 *** par_6 6.679 *** par_7 6.178 *** par_8

Squared Multiple Correlations: (Group number 1 - Default model)

x2.1 x2.2 x2.3 x2.4

Estimate .456 .404 .504 .343

Model Fit Summary CMIN

Model Default model Saturated model Independence model

NPAR 8 10 4

CMIN .388 .000 129.470

DF 2 0 6

P .824

CMIN/DF .194

.000

21.578

RMR, GFI

Model Default model Saturated model Independence model

RMR .010 .000 .372

GFI .999 1.000 .648

AGFI .994

PGFI .200

.413

.389

NFI Delta1 .997 1.000 .000

RFI rho1 .991

IFI Delta2 1.013 1.000 .000

TLI rho2 1.039

Baseline Comparisons

Model Default model Saturated model Independence model

.000

Parsimony-Adjusted Measures

Model Default model Saturated model Independence model

PRATIO .333 .000 1.000

PNFI .332 .000 .000

PCFI .333 .000 .000

.000

CFI 1.000 1.000 .000

100 NCP

Model Default model Saturated model Independence model

NCP .000 .000 123.470

LO 90 .000 .000 90.117

HI 90 2.774 .000 164.254

FMIN

Model Default model Saturated model Independence model

FMIN .003 .000 .852

F0 .000 .000 .812

LO 90 .000 .000 .593

HI 90 .018 .000 1.081

RMSEA

Model Default model Independence model

RMSEA .000 .368

LO 90 .000 .314

HI 90 .096 .424

AIC 16.388 20.000 137.470

BCC 16.932 20.680 137.742

PCLOSE .875 .000

AIC

Model Default model Saturated model Independence model

BIC 40.631 50.304 149.591

CAIC 48.631 60.304 153.591

ECVI

Model Default model Saturated model Independence model

ECVI .108 .132 .904

LO 90 .118 .132 .685

HI 90 .137 .132 1.173

HOELTER

Model Default model Independence model

HOELTER .05 2350 15

HOELTER .01 3612 20

MECVI .111 .136 .906

101

LAMPIRAN 5 HASIL UJI CONFIRMATORY FACTOR ANALYSIS KONSTRUK SPECIAL TREATMENT BENEFITS

102 .38 e9

x3.1

e10

x3.2

.45

.62 .67

.53

.73

x3.3

e11

.88

.78 e12

x3.4

e13

x3.5

Special Treatment Benefit

.60 .35

UJI KETEPATAN MODEL Chi-Square =3.341 Probability =.648 CMIN/DF =.668 GFI =.992 TLI =1.013 CFI =1.000 RMSEA =.000 AGFI =.975

Analysis Summary Date and Time

Date: Thursday, July 4, 2013 Time: 12:08:16 PM Title

special: Thursday, July 4, 2013 12:08 PM Assessment of normality (Group number 1)

Variable x3.5 x3.4 x3.3 x3.2 x3.1 Multivariate

min 1.000 1.000 1.000 1.000 1.000

max 5.000 6.000 6.000 5.000 5.000

skew -.446 -.245 -.236 -.183 -.120

c.r. -2.253 -1.240 -1.194 -.923 -.608

kurtosis -.474 -1.071 -.908 -.749 -1.001 .465

c.r. -1.196 -2.704 -2.294 -1.891 -2.528 .344

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

103

Observation number 17 142 29 44 38 5 61 113 144 37 115 39 94 80 58 18 79 47 99 59 48 114 19 136 104 1 111 93 109 137 68 72 73 6 7 10 102 63 103 110 71

Mahalanobis d-squared 17.914 15.914 13.488 12.827 11.539 11.356 11.062 10.784 10.683 10.496 10.164 10.096 10.043 10.012 9.653 9.596 9.595 9.436 9.434 9.264 8.690 8.552 8.293 8.258 7.903 7.757 7.736 7.541 7.528 7.524 7.401 7.308 7.308 7.251 7.251 7.249 6.851 6.756 6.718 6.706 6.695

p1 .003 .007 .019 .025 .042 .045 .050 .056 .058 .062 .071 .073 .074 .075 .086 .088 .088 .093 .093 .099 .122 .128 .141 .143 .162 .170 .171 .183 .184 .184 .192 .199 .199 .203 .203 .203 .232 .239 .242 .243 .244

p2 .374 .296 .565 .536 .768 .685 .651 .626 .532 .485 .522 .433 .344 .257 .332 .265 .185 .178 .119 .121 .318 .318 .402 .340 .511 .536 .467 .538 .465 .388 .407 .404 .329 .303 .238 .183 .417 .429 .390 .331 .276

104

Observation number 30 100 116 22 52 105 85 46 145 128 148 62 42 41 91 12 65 9 57 51 36 117 60 121 24 146 21 129 101 130 132 127 139 96 92 53 14 131 45 84 66

Mahalanobis d-squared 6.624 6.624 6.619 6.513 6.280 6.248 5.947 5.925 5.818 5.796 5.595 5.595 5.351 5.351 5.345 5.339 5.332 5.229 5.152 5.074 4.981 4.952 4.931 4.827 4.734 4.717 4.626 4.511 4.474 4.459 4.350 4.231 4.089 3.977 3.957 3.943 3.852 3.767 3.737 3.643 3.566

p1 .250 .250 .251 .259 .280 .283 .311 .314 .324 .327 .348 .348 .375 .375 .375 .376 .377 .389 .398 .407 .418 .422 .424 .437 .449 .451 .463 .478 .483 .485 .500 .517 .537 .553 .556 .558 .571 .583 .588 .602 .613

p2 .270 .213 .167 .187 .312 .278 .505 .459 .504 .460 .609 .543 .736 .678 .623 .565 .506 .561 .585 .612 .656 .629 .591 .652 .700 .661 .707 .776 .765 .728 .792 .855 .918 .949 .939 .924 .946 .961 .956 .971 .979

105

Observation number 124 88 31 150 106 49 69 70 4 153 152 135 134 133 90 35 86 122

Mahalanobis d-squared 3.516 3.516 3.454 3.425 3.391 3.348 3.297 3.297 3.262 3.254 3.254 3.254 3.254 3.254 3.227 3.197 3.185 3.185

Sample Moments (Group number 1) Sample Covariances (Group number 1)

x3.5 x3.4 x3.3 x3.2 x3.1 x3.5 1.217 x3.4 .675 1.409 x3.3 .547 .865 1.253 x3.2 .489 .773 .523 1.176 x3.1 .512 .766 .642 .586 1.512 Condition number = 9.781 Eigenvalues 3.906 .860 .713 .689 .399 Determinant of sample covariance matrix = .659 Sample Correlations (Group number 1)

x3.5 x3.4 x3.3 x3.2

x3.5 1.000 .515 .443 .408

x3.4

x3.3

x3.2

1.000 .651 .600

1.000 .431

1.000

x3.1

p1 .621 .621 .630 .635 .640 .646 .654 .654 .660 .661 .661 .661 .661 .661 .665 .670 .672 .672

p2 .981 .972 .976 .974 .971 .972 .974 .963 .961 .948 .928 .902 .870 .831 .816 .804 .769 .714

106

x3.5 x3.4 x3.3 x3.1 .377 .525 .467 Condition number = 9.913 Eigenvalues 2.957 .627 .576 .541 .298

x3.2 .439

x3.1 1.000

Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (15 - 10): Result (Default model)

15 10 5

Minimum was achieved Chi-square = 3.341 Degrees of freedom = 5 Probability level = .648 Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)

x3.1 x3.2 x3.3 x3.4 x3.5

<--<--<--<--<---

Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit

Estimate S.E. 1.000 .956 .144 1.076 .152 1.385 .183 .868 .142

C.R.

P

6.661 7.086 7.583 6.098

*** *** *** ***

Label par_1 par_2 par_3 par_4

Standardized Regression Weights: (Group number 1 - Default model)

x3.1 x3.2 x3.3 x3.4 x3.5

<--<--<--<--<---

Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit

Estimate .615 .667 .727 .883 .595

Variances: (Group number 1 - Default model)

Special Treatment Benefit e9 e10

Estimate S.E. .572 .146 .940 .121 .653 .086

C.R. P Label 3.911 *** par_5 7.784 *** par_6 7.594 *** par_7

107

Estimate S.E. .590 .083 .311 .080 .786 .099

e11 e12 e13

C.R. P Label 7.095 *** par_8 3.862 *** par_9 7.920 *** par_10

Squared Multiple Correlations: (Group number 1 - Default model)

x3.5 x3.4 x3.3 x3.2 x3.1

Estimate .354 .779 .529 .445 .379

Model Fit Summary CMIN

Model Default model Saturated model Independence model

NPAR 10 15 5

CMIN 3.341 .000 267.157

DF 5 0 10

P .648

CMIN/DF .668

.000

26.716

RMR, GFI

Model Default model Saturated model Independence model

RMR .024 .000 .530

GFI .992 1.000 .507

AGFI .975

PGFI .331

.261

.338

NFI Delta1 .987 1.000 .000

RFI rho1 .975

IFI Delta2 1.006 1.000 .000

TLI rho2 1.013

Baseline Comparisons

Model Default model Saturated model Independence model

.000

Parsimony-Adjusted Measures

Model Default model Saturated model Independence model

PRATIO .500 .000 1.000

PNFI .494 .000 .000

PCFI .500 .000 .000

.000

CFI 1.000 1.000 .000

108 NCP

Model Default model Saturated model Independence model

NCP .000 .000 257.157

LO 90 .000 .000 207.552

HI 90 6.294 .000 314.187

FMIN

Model Default model Saturated model Independence model

FMIN .022 .000 1.758

F0 .000 .000 1.692

LO 90 .000 .000 1.365

HI 90 .041 .000 2.067

RMSEA

Model Default model Independence model

RMSEA .000 .411

LO 90 .000 .370

HI 90 .091 .455

AIC 23.341 30.000 277.157

BCC 24.163 31.233 277.568

PCLOSE .799 .000

AIC

Model Default model Saturated model Independence model

BIC 53.646 75.457 292.309

CAIC 63.646 90.457 297.309

ECVI

Model Default model Saturated model Independence model

ECVI .154 .197 1.823

LO 90 .164 .197 1.497

HI 90 .206 .197 2.199

HOELTER

Model Default model Independence model

HOELTER .05 504 11

HOELTER .01 687 14

MECVI .159 .205 1.826

109

LAMPIRAN 6 HASIL UJI CONFIRMATORY FACTOR ANALYSIS KONSTRUK KEPUASAN

110 .46 y1.1

e14

.43

.68

y1.2

e15

.66

.46

.68 Kepuasan Pelanggan

y1.3

e16

.64 .57

.41 y1.4

e17

.33 y1.5

UJI KETEPATAN MODEL Chi-Square =3.492 Probability =.625 CMIN/DF =.698 GFI =.991 TLI =1.017 CFI =1.000 RMSEA =.000 AGFI =.973

e18

111 Analysis Summary Date and Time

Date: Thursday, July 4, 2013 Time: 12:04:15 PM Title

Kepuasan: Thursday, July 4, 2013 12:04 PM Assessment of normality (Group number 1)

Variable y1.5 y1.4 y1.3 y1.2 y1.1 Multivariate

min 1.000 1.000 1.000 1.000 1.000

max 5.000 5.000 5.000 5.000 5.000

skew -.481 -.346 -.125 -.198 -.504

c.r. -2.431 -1.747 -.632 -1.001 -2.543

kurtosis -.827 -1.054 -1.211 -.806 -.712 3.920

c.r. -2.089 -2.660 -3.058 -2.035 -1.798 2.898

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number 17 87 94 111 19 113 148 80 61 126 18 143 13 152 141 136 16 151

Mahalanobis d-squared 18.409 17.630 16.260 15.149 14.736 13.714 13.393 13.393 12.476 12.413 11.523 10.709 10.681 10.660 10.268 10.198 10.178 9.657

p1 .002 .003 .006 .010 .012 .018 .020 .020 .029 .030 .042 .057 .058 .059 .068 .070 .070 .086

p2 .316 .098 .069 .064 .033 .054 .035 .012 .034 .016 .058 .171 .110 .066 .098 .069 .042 .105

112

Observation number 127 24 140 86 121 25 3 53 144 114 146 52 145 150 21 22 23 62 48 57 110 93 49 10 69 138 122 98 20 153 63 95 116 131 139 51 142 26 129 64 12

Mahalanobis d-squared 9.581 9.566 9.249 9.240 9.213 9.163 8.997 8.746 8.567 8.558 8.137 7.668 7.198 6.994 6.891 6.533 6.470 6.382 6.023 5.939 5.912 5.912 5.912 5.892 5.836 5.769 5.769 5.752 5.730 5.726 5.709 5.708 5.642 5.642 5.325 5.325 5.207 5.160 5.059 5.035 5.027

p1 .088 .089 .100 .100 .101 .103 .109 .120 .128 .128 .149 .175 .206 .221 .229 .258 .263 .271 .304 .312 .315 .315 .315 .317 .322 .329 .329 .331 .333 .334 .336 .336 .343 .343 .378 .378 .391 .397 .409 .412 .413

p2 .080 .051 .082 .052 .034 .024 .026 .041 .050 .032 .099 .281 .577 .670 .681 .865 .855 .860 .963 .966 .956 .936 .911 .889 .882 .883 .845 .811 .779 .728 .684 .622 .625 .559 .809 .760 .812 .804 .840 .816 .776

113

Observation number 103 65 115 38 46 117 123 73 72 11 14 9 70 39 28 128 124 97 60 8 104 27 6 7 91 77 58 50 147 1 79 37 54 5 44 109 85 75 29 102 4

Mahalanobis d-squared 5.014 5.007 4.968 4.549 4.377 4.359 4.338 4.267 4.267 4.263 4.263 4.198 4.136 4.110 3.991 3.842 3.842 3.825 3.816 3.763 3.729 3.671 3.649 3.649 3.642 3.557 3.543 3.494 3.494 3.388 3.313 3.283 3.200 3.172 3.172 3.156 3.139 3.139 3.076 3.044 3.044

p1 .414 .415 .420 .473 .496 .499 .502 .512 .512 .512 .512 .521 .530 .534 .551 .572 .572 .575 .576 .584 .589 .598 .601 .601 .602 .615 .617 .624 .624 .640 .652 .656 .669 .674 .674 .676 .679 .679 .688 .693 .693

p2 .736 .687 .672 .946 .978 .972 .966 .972 .960 .945 .924 .933 .940 .931 .959 .983 .975 .969 .959 .962 .959 .964 .957 .940 .922 .943 .930 .933 .909 .944 .957 .953 .968 .964 .949 .937 .924 .897 .912 .906 .874

114

Sample Moments (Group number 1) Sample Covariances (Group number 1)

y1.5 y1.4 y1.3 y1.2 y1.1 y1.5 1.565 y1.4 .464 1.389 y1.3 .570 .651 1.301 y1.2 .516 .490 .488 1.048 y1.1 .562 .586 .572 .545 1.304 Condition number = 5.797 Eigenvalues 3.515 1.044 .770 .672 .606 Determinant of sample covariance matrix = 1.151 Sample Correlations (Group number 1)

y1.5 y1.4 y1.3 y1.5 1.000 y1.4 .315 1.000 y1.3 .400 .484 1.000 y1.2 .403 .406 .418 y1.1 .394 .436 .439 Condition number = 5.363 Eigenvalues 2.668 .701 .605 .530 .497

y1.2

y1.1

1.000 .466

1.000

Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (15 - 10): Result (Default model)

Minimum was achieved Chi-square = 3.492 Degrees of freedom = 5 Probability level = .625

15 10 5

115 Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)

y1.1 y1.2 y1.3 y1.4 y1.5

<--<--<--<--<---

Kepuasan Kepuasan Kepuasan Kepuasan Kepuasan

Estimate S.E. 1.000 .865 .133 1.001 .156 .976 .156 .920 .160

C.R.

P

6.483 6.418 6.260 5.751

*** *** *** ***

Label par_1 par_2 par_3 par_4

Standardized Regression Weights: (Group number 1 - Default model)

y1.1 y1.2 y1.3 y1.4 y1.5

<--<--<--<--<---

Kepuasan Kepuasan Kepuasan Kepuasan Kepuasan

Estimate .679 .655 .681 .642 .570

Variances: (Group number 1 - Default model)

Kepuasan e14 e15 e16 e17 e18

Estimate S.E. .602 .144 .703 .107 .598 .087 .698 .107 .817 .117 1.056 .140

C.R. 4.174 6.584 6.835 6.528 6.968 7.530

P *** *** *** *** *** ***

Label par_5 par_6 par_7 par_8 par_9 par_10

Squared Multiple Correlations: (Group number 1 - Default model)

y1.5 y1.4 y1.3 y1.2 y1.1

Estimate .325 .412 .463 .429 .461

Model Fit Summary

116 CMIN

Model Default model Saturated model Independence model

NPAR 10 15 5

CMIN 3.492 .000 184.124

DF 5 0 10

P .625

CMIN/DF .698

.000

18.412

RMR, GFI

Model Default model Saturated model Independence model

RMR .031 .000 .447

GFI .991 1.000 .588

AGFI .973

PGFI .330

.382

.392

NFI Delta1 .981 1.000 .000

RFI rho1 .962

IFI Delta2 1.008 1.000 .000

TLI rho2 1.017

Baseline Comparisons

Model Default model Saturated model Independence model

.000

.000

Parsimony-Adjusted Measures

Model Default model Saturated model Independence model

PRATIO .500 .000 1.000

PNFI .491 .000 .000

PCFI .500 .000 .000

NCP .000 .000 174.124

LO 90 .000 .000 133.752

NCP

Model Default model Saturated model Independence model

HI 90 6.623 .000 221.932

FMIN

Model Default model Saturated model Independence model RMSEA

FMIN .023 .000 1.211

F0 .000 .000 1.146

LO 90 .000 .000 .880

HI 90 .044 .000 1.460

CFI 1.000 1.000 .000

117

Model Default model Independence model

RMSEA .000 .338

LO 90 .000 .297

HI 90 .093 .382

AIC 23.492 30.000 194.124

BCC 24.314 31.233 194.535

PCLOSE .783 .000

AIC

Model Default model Saturated model Independence model

BIC 53.797 75.457 209.276

CAIC 63.797 90.457 214.276

ECVI

Model Default model Saturated model Independence model

ECVI .155 .197 1.277

LO 90 .164 .197 1.012

HI 90 .208 .197 1.592

HOELTER

Model Default model Independence model

HOELTER .05 482 16

HOELTER .01 657 20

MECVI .160 .205 1.280

118

LAMPIRAN 7 HASIL UJI CONFIRMATORY FACTOR ANALYSIS KONSTRUK LOYALITAS

119

.43 y2.1

.65

.64

.80 Loyalitas

e19

y2.2

.79 .85

e20

.62 y2.3

e21

.73 y2.4

UJI KETEPATAN MODEL Chi-Square =4.339 Probability =.114 CMIN/DF =2.169 GFI =.986 TLI =.974 CFI =.991 RMSEA =.088 AGFI =.928 Analysis Summary Date and Time

Date: Thursday, July 4, 2013 Time: 12:01:28 PM Title

loyalitas: Thursday, July 4, 2013 12:01 PM Assessment of normality (Group number 1)

e22

120

Variable y2.4 y2.3 y2.2 y2.1 Multivariate

min 1.000 1.000 1.000 1.000

max 5.000 5.000 5.000 5.000

skew -.383 -.131 -.360 -.447

c.r. -1.933 -.660 -1.817 -2.258

kurtosis -1.310 -1.042 -1.088 -.752 3.014

c.r. -3.307 -2.632 -2.746 -1.900 2.691

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number 13 117 146 52 50 27 123 28 5 97 49 136 72 69 38 22 64 140 65 39 63 44 98 54 122 137 129 147 7 6 3

Mahalanobis d-squared 20.830 19.150 16.776 11.209 10.886 10.707 10.384 10.268 9.932 9.803 9.708 9.434 9.235 8.690 8.603 8.237 8.053 7.973 7.864 7.563 7.563 6.254 5.991 5.939 5.902 5.887 5.887 5.794 5.767 5.767 5.541

p1 .000 .001 .002 .024 .028 .030 .034 .036 .042 .044 .046 .051 .055 .069 .072 .083 .090 .093 .097 .109 .109 .181 .200 .204 .207 .208 .208 .215 .217 .217 .236

p2 .051 .006 .004 .512 .424 .313 .276 .191 .188 .137 .092 .094 .084 .176 .137 .206 .211 .174 .155 .227 .160 .906 .953 .942 .926 .897 .855 .857 .823 .765 .859

121

Observation number 10 18 82 29 60 16 148 127 70 89 103 80 96 94 92 145 150 68 121 99 86 37 8 58 19 34 113 51 11 14 20 25 77 95 73 9 4 24 1 59 45

Mahalanobis d-squared 5.470 5.470 5.470 5.452 5.265 5.254 4.801 4.801 4.779 4.641 4.594 4.594 4.526 4.526 4.526 4.513 4.512 4.438 4.247 4.205 4.205 3.868 3.818 3.818 3.562 3.560 3.559 3.559 3.451 3.451 3.451 3.451 3.451 3.447 3.429 3.429 3.429 3.358 3.358 3.266 3.266

p1 .242 .242 .242 .244 .261 .262 .308 .308 .311 .326 .332 .332 .339 .339 .339 .341 .341 .350 .374 .379 .379 .424 .431 .431 .469 .469 .469 .469 .485 .485 .485 .485 .485 .486 .489 .489 .489 .500 .500 .514 .514

p2 .855 .806 .748 .699 .792 .745 .957 .938 .922 .950 .945 .923 .927 .899 .865 .833 .787 .803 .901 .894 .860 .980 .980 .970 .996 .993 .990 .984 .992 .987 .981 .972 .959 .945 .934 .910 .881 .901 .870 .907 .877

122

Observation number 42 41 101 104 143 105 12 138 88 2 17 15 23 67 40 26 21 151 149 134 132 118 111 110 107 87 71 144

Mahalanobis d-squared 3.266 3.266 3.262 3.262 3.262 3.231 3.189 3.147 2.929 2.896 2.896 2.824 2.824 2.824 2.807 2.634 2.460 2.418 2.418 2.418 2.418 2.418 2.418 2.418 2.418 2.418 2.418 2.341

Sample Moments (Group number 1) Sample Covariances (Group number 1)

y2.4 y2.3 y2.2 y2.4 1.497 y2.3 .864 1.165 y2.2 .990 .850 1.420 y2.1 .830 .620 .651 Condition number = 8.894 Eigenvalues 3.777 .732 .441 .425

y2.1

1.292

p1 .514 .514 .515 .515 .515 .520 .527 .533 .570 .575 .575 .588 .588 .588 .591 .621 .652 .659 .659 .659 .659 .659 .659 .659 .659 .659 .659 .673

p2 .841 .799 .756 .703 .645 .630 .633 .635 .862 .857 .818 .854 .814 .767 .738 .893 .970 .973 .960 .944 .922 .895 .861 .821 .774 .720 .660 .729

123

Determinant of sample covariance matrix = .518 Sample Correlations (Group number 1)

y2.4 y2.3 y2.2 y2.4 1.000 y2.3 .654 1.000 y2.2 .679 .661 1.000 y2.1 .596 .505 .480 Condition number = 9.410 Eigenvalues 2.795 .560 .348 .297

y2.1

1.000

Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (10 - 8):

10 8 2

Result (Default model)

Minimum was achieved Chi-square = 4.339 Degrees of freedom = 2 Probability level = .114 Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)

y2.1 y2.2 y2.3 y2.4

<--<--<--<---

Loyalitas Loyalitas Loyalitas Loyalitas

Estimate S.E. C.R. P .714 .083 8.585 *** .915 .087 10.517 *** .815 .080 10.179 *** 1.000

Label par_1 par_2 par_3

Standardized Regression Weights: (Group number 1 - Default model)

y2.1 <--- Loyalitas

Estimate .655

124

y2.2 <--- Loyalitas y2.3 <--- Loyalitas y2.4 <--- Loyalitas

Estimate .801 .788 .852

Variances: (Group number 1 - Default model)

Estimate S.E. 1.087 .179 .738 .096 .509 .082 .442 .070 .410 .083

Loyalitas e19 e20 e21 e22

C.R. 6.081 7.697 6.179 6.336 4.932

P *** *** *** *** ***

Label par_4 par_5 par_6 par_7 par_8

Squared Multiple Correlations: (Group number 1 - Default model)

y2.4 y2.3 y2.2 y2.1

Estimate .726 .621 .642 .429

Model Fit Summary CMIN

Model Default model Saturated model Independence model

NPAR 8 10 4

CMIN 4.339 .000 276.817

DF 2 0 6

P .114

CMIN/DF 2.169

.000

46.136

RMR, GFI

Model Default model Saturated model Independence model

RMR .029 .000 .628

GFI .986 1.000 .480

AGFI .928

PGFI .197

.133

.288

NFI Delta1 .984

RFI rho1 .953

IFI Delta2 .991

TLI rho2 .974

Baseline Comparisons

Model Default model

CFI .991

125

Model Saturated model Independence model

NFI Delta1 1.000 .000

RFI rho1 .000

IFI Delta2 1.000 .000

TLI rho2 .000

CFI 1.000 .000

Parsimony-Adjusted Measures

Model Default model Saturated model Independence model

PRATIO .333 .000 1.000

PNFI .328 .000 .000

PCFI .330 .000 .000

NCP 2.339 .000 270.817

LO 90 .000 .000 220.036

NCP

Model Default model Saturated model Independence model

HI 90 12.539 .000 329.012

FMIN

Model Default model Saturated model Independence model

FMIN .029 .000 1.821

F0 .015 .000 1.782

LO 90 .000 .000 1.448

HI 90 .082 .000 2.165

RMSEA

Model Default model Independence model

RMSEA .088 .545

LO 90 .000 .491

HI 90 .203 .601

AIC 20.339 20.000 284.817

BCC 20.883 20.680 285.089

PCLOSE .209 .000

AIC

Model Default model Saturated model Independence model

BIC 44.582 50.304 296.938

CAIC 52.582 60.304 300.938

ECVI

Model Default model Saturated model

ECVI .134 .132

LO 90 .118 .132

HI 90 .201 .132

MECVI .137 .136

126

Model Independence model

ECVI 1.874

LO 90 1.540

HI 90 2.257

HOELTER

Model Default model Independence model

HOELTER .05 210 7

HOELTER .01 323 10

MECVI 1.876

127

LAMPIRAN 8 HASIL UJI REALIBITAS KONSTRUK

128

129

LAMPIRAN 9 HASIL ANALISIS MODEL PERSAMAAN STRUKTURAL

130 .63 e1

x1.1

e2

x1.2

e3

x1.3

e4

.58 .53 .72

.80 .76 Confidence Benefit

.50 .71

x1.4

.43

e5

x2.1

.40 e6

.68

e7

x2.3

e8

x2.4

.70 .53

.23 Social Benefit

.48 .69

y1.2

.71

.25

.63

x2.2

.61

Kepuasan Pelanggan

.16

y1.1

.65 .30

.46

.42

ez1

.61 .37

.18 .06

y1.3 y1.4

.38 .50 .49 .28

y1.5

e14 e15 e16 e17 e18

.51 .18 .43

e9

x3.1

e10

x3.2

e11

x3.3

e12

x3.4

e13

x3.5

.45 .53 .77 .88 .59 .35

Loyalitas

.62

.11

.67 .73

Special Treatment Benefit

y2.1

.57 .66

.16

.38

.80 .78 .86

ez2

UJI KETEPATAN MODEL Chi-Square =222.181 Probability =.125 CMIN/DF =1.116 GFI =.881 TLI =.977 CFI =.980 RMSEA =.028 AGFI =.849

y2.2 y2.3 y2.4

.64 .61 .73

e19 e20 e21 e22

131 Analysis Summary Date and Time

Date: Thursday, July 4, 2013 Time: 12:18:42 PM Title

model: Thursday, July 4, 2013 12:18 PM Notes for Group (Group number 1)

The model is recursive. Sample size = 153 Parameter summary (Group number 1)

Fixed Labeled Unlabeled Total

Weights 29 0 24 53

Covariances 0 0 3 3

Variances 0 0 27 27

Means 0 0 0 0

Intercepts 0 0 0 0

Assessment of normality (Group number 1)

Variable y1.5 y1.4 y1.3 y1.2 y1.1 x3.5 y2.4 y2.3 y2.2 y2.1 x3.4 x3.3 x3.2 x3.1 x2.1 x2.2

min 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

max 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000 6.000 6.000 5.000 5.000 5.000 5.000

skew -.481 -.346 -.125 -.198 -.504 -.446 -.383 -.131 -.360 -.447 -.245 -.236 -.183 -.120 -.269 -.294

c.r. -2.431 -1.747 -.632 -1.001 -2.543 -2.253 -1.933 -.660 -1.817 -2.258 -1.240 -1.194 -.923 -.608 -1.361 -1.485

kurtosis -.827 -1.054 -1.211 -.806 -.712 -.474 -1.310 -1.042 -1.088 -.752 -1.071 -.908 -.749 -1.001 -.905 -.733

c.r. -2.089 -2.660 -3.058 -2.035 -1.798 -1.196 -3.307 -2.632 -2.746 -1.900 -2.704 -2.294 -1.891 -2.528 -2.285 -1.850

Total 29 0 54 83

132

Variable x2.3 x2.4 x1.1 x1.2 x1.3 x1.4 Multivariate

min 1.000 1.000 1.000 1.000 1.000 1.000

max 5.000 5.000 5.000 5.000 5.000 5.000

skew -.251 -.353 -.347 -.471 -.458 -.449

c.r. -1.269 -1.780 -1.752 -2.378 -2.311 -2.269

kurtosis -.967 -.691 -.897 -.208 -.626 -.659 45.810

c.r. -2.442 -1.743 -2.266 -.524 -1.581 -1.664 8.718

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number 13 49 17 148 19 146 136 94 113 5 99 142 29 149 153 150 117 152 16 111 63 151 61 145 39 88 95 86 44 52

Mahalanobis d-squared 49.758 43.493 42.561 42.041 40.402 38.985 38.512 37.994 37.691 35.713 34.337 34.197 34.026 34.004 33.557 32.683 32.583 32.383 32.332 32.180 31.975 31.183 30.871 30.663 30.444 30.359 30.014 29.749 29.640 29.463

p1 .001 .004 .005 .006 .010 .014 .016 .018 .020 .033 .045 .047 .049 .049 .054 .066 .068 .071 .072 .074 .078 .092 .099 .103 .108 .110 .118 .125 .127 .132

p2 .092 .131 .049 .015 .017 .022 .012 .008 .004 .029 .090 .057 .038 .019 .020 .049 .032 .025 .014 .010 .008 .025 .028 .025 .024 .016 .022 .024 .018 .017

133

Observation number 103 87 140 24 18 28 110 25 48 97 27 114 126 20 121 137 69 80 9 38 79 60 65 50 116 51 133 22 37 54 72 98 64 96 57 123 131 143 105 128 115

Mahalanobis d-squared 29.024 29.005 28.925 28.605 28.600 28.575 28.442 28.401 28.174 27.774 27.666 27.594 27.157 26.936 26.923 26.908 26.728 26.708 26.561 26.371 26.170 25.835 25.619 25.503 25.439 25.298 25.016 24.783 24.745 24.672 24.462 24.460 24.422 24.407 24.193 23.823 23.746 23.691 23.538 23.327 23.187

p1 .144 .145 .147 .156 .157 .157 .162 .163 .170 .183 .187 .190 .205 .214 .214 .215 .222 .223 .228 .236 .244 .259 .268 .274 .277 .283 .296 .308 .309 .313 .323 .324 .325 .326 .337 .357 .361 .364 .372 .383 .391

p2 .030 .019 .014 .020 .012 .008 .007 .004 .005 .011 .009 .007 .016 .019 .012 .008 .009 .006 .006 .007 .008 .016 .020 .019 .015 .016 .026 .035 .027 .023 .030 .020 .015 .011 .015 .034 .029 .024 .027 .037 .040

134

Observation number 12 144 46 68 11 23 93 92 21 58 102 138 127 141 135 59 109 47 124 70 4 130 62 30 129 132 73 122 10

Mahalanobis d-squared 22.704 22.629 22.502 22.438 22.432 22.311 22.140 22.090 22.020 21.879 21.818 21.619 21.603 21.254 21.159 21.150 21.126 20.494 20.467 20.264 20.176 20.000 19.618 19.533 19.359 18.627 18.286 18.266 18.210

p1 .419 .423 .430 .434 .434 .441 .452 .455 .459 .467 .471 .483 .484 .505 .511 .512 .513 .552 .554 .567 .572 .583 .607 .612 .623 .668 .689 .690 .693

p2 .111 .101 .106 .094 .071 .073 .086 .073 .066 .072 .063 .081 .063 .122 .118 .091 .072 .257 .220 .267 .259 .296 .460 .448 .491 .838 .915 .891 .876

Sample Moments (Group number 1) Sample Covariances (Group number 1)

Condition number = 28.789 Eigenvalues 7.534 3.579 2.547 1.963 1.743 1.098 1.005 .914 .818 .756 .726 .710 .607 .572 .506 .488 .458 .410 .373 .358 .277 .262 Determinant of sample covariance matrix = .012 Sample Correlations (Group number 1)

135

Condition number = 28.612 Eigenvalues 5.897 2.719 2.176 1.599 1.320 .850 .789 .757 .635 .606 .588 .549 .517 .453 .437 .386 .372 .340 .309 .281 .213 .206 Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (253 - 54):

253 54 199

Result (Default model)

Minimum was achieved Chi-square = 222.181 Degrees of freedom = 199 Probability level = .125 Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)

Kepuasan Kepuasan Kepuasan Loyalitas Loyalitas Loyalitas Loyalitas x1.4 x1.3 x1.2 x1.1 x2.4 x2.3 x2.2 x2.1 x3.1

<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<---

Confidence Benefit Social Benefit Special Treatment Benefit Kepuasan Confidence Benefit Social Benefit Special Treatment Benefit Confidence Benefit Confidence Benefit Confidence Benefit Confidence Benefit Social Benefit Social Benefit Social Benefit Social Benefit Special Treatment Benefit

Estimate S.E. .391 .099 .307 .126 .056 .090 .712 .162 .294 .119 .297 .150 .148 .103 1.000 .932 .122 .923 .118 1.067 .121 1.000 1.225 .214 1.148 .207 1.102 .191 1.000

C.R. 3.964 2.434 .628 4.390 2.476 1.981 1.433

P *** .015 .530 *** .013 .048 .152

Label par_18 par_19 par_20 par_21 par_25 par_26 par_27

7.646 *** par_1 7.838 *** par_2 8.799 *** par_3 5.732 *** par_4 5.556 *** par_5 5.771 *** par_6

136

x3.2 x3.3 x3.4 y2.1 y2.2 y2.3 y2.4 x3.5 y1.1 y1.2 y1.3 y1.4 y1.5

<--<--<--<--<--<--<--<--<--<--<--<--<---

Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Loyalitas Loyalitas Loyalitas Loyalitas Special Treatment Benefit Kepuasan Kepuasan Kepuasan Kepuasan Kepuasan

Estimate S.E. C.R. P Label .952 .142 6.706 *** par_7 1.073 .150 7.148 *** par_8 1.368 .179 7.655 *** par_9 .716 .081 8.808 *** par_10 .912 .083 11.029 *** par_11 .805 .076 10.646 *** par_12 1.000 .857 .141 6.096 *** par_13 1.000 .844 .133 6.328 *** par_14 1.083 .160 6.787 *** par_15 1.108 .166 6.688 *** par_16 .898 .161 5.578 *** par_17

Standardized Regression Weights: (Group number 1 - Default model)

Kepuasan Kepuasan Kepuasan Loyalitas Loyalitas Loyalitas Loyalitas x1.4 x1.3 x1.2 x1.1 x2.4 x2.3 x2.2 x2.1 x3.1 x3.2 x3.3 x3.4 y2.1 y2.2 y2.3 y2.4 x3.5

<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<---

Confidence Benefit Social Benefit Special Treatment Benefit Kepuasan Confidence Benefit Social Benefit Special Treatment Benefit Confidence Benefit Confidence Benefit Confidence Benefit Confidence Benefit Social Benefit Social Benefit Social Benefit Social Benefit Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Special Treatment Benefit Loyalitas Loyalitas Loyalitas Loyalitas Special Treatment Benefit

Estimate .431 .255 .058 .506 .231 .176 .108 .707 .725 .761 .796 .611 .690 .634 .675 .620 .669 .731 .879 .659 .801 .781 .855 .592

137

y1.1 y1.2 y1.3 y1.4 y1.5

<--<--<--<--<---

Estimate .651 .613 .706 .699 .534

Kepuasan Kepuasan Kepuasan Kepuasan Kepuasan

Covariances: (Group number 1 - Default model)

Confidence Benefit <--> Social Benefit Social Benefit <--> Special Treatment Benefit Confidence Benefit <--> Special Treatment Benefit

Estimate S.E. .080 .054 .073 .050 .114 .062

Correlations: (Group number 1 - Default model)

Confidence Benefit <--> Social Benefit Social Benefit <--> Special Treatment Benefit Confidence Benefit <--> Special Treatment Benefit

Estimate .158 .155 .183

Variances: (Group number 1 - Default model)

Confidence Benefit Social Benefit Special Treatment Benefit ez1 ez2 e4 e3 e2 e1 e8 e7 e6 e5 e9 e10 e11 e12 e19 e20

Estimate S.E. .672 .146 .383 .107 .581 .147 .386 .102 .471 .096 .674 .097 .528 .077 .416 .067 .442 .079 .641 .092 .630 .103 .749 .110 .555 .088 .931 .120 .650 .086 .584 .083 .321 .079 .730 .093 .509 .078

C.R. 4.615 3.570 3.948 3.802 4.893 6.979 6.867 6.214 5.627 6.952 6.111 6.793 6.335 7.764 7.582 7.060 4.045 7.818 6.508

P *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Label par_28 par_29 par_30 par_31 par_32 par_33 par_34 par_35 par_36 par_37 par_38 par_39 par_40 par_41 par_42 par_43 par_44 par_45 par_46

C.R. P Label 1.478 .139 par_22 1.456 .145 par_23 1.836 .066 par_24

138

Estimate S.E. .455 .067 .402 .075 .791 .099 .751 .104 .654 .088 .652 .097 .711 .106 1.119 .142

e21 e22 e13 e14 e15 e16 e17 e18

C.R. 6.823 5.379 7.950 7.197 7.454 6.717 6.719 7.885

P *** *** *** *** *** *** *** ***

Squared Multiple Correlations: (Group number 1 - Default model)

Kepuasan Loyalitas y1.5 y1.4 y1.3 y1.2 y1.1 x3.5 y2.4 y2.3 y2.2 y2.1 x3.4 x3.3 x3.2 x3.1 x2.1 x2.2 x2.3 x2.4 x1.1 x1.2 x1.3 x1.4

Estimate .302 .570 .285 .489 .499 .376 .424 .351 .732 .609 .642 .435 .772 .534 .447 .384 .456 .402 .477 .374 .634 .579 .525 .499

Label par_47 par_48 par_49 par_50 par_51 par_52 par_53 par_54

139 Standardized Total Effects (Group number 1 - Default model)

Kepuasan Loyalitas y1.5 y1.4 y1.3 y1.2 y1.1 x3.5 y2.4 y2.3 y2.2 y2.1 x3.4 x3.3 x3.2 x3.1 x2.1 x2.2 x2.3 x2.4 x1.1 x1.2 x1.3 x1.4

Special Treatment Benefit .058 .137 .031 .040 .041 .035 .038 .592 .117 .107 .110 .090 .879 .731 .669 .620 .000 .000 .000 .000 .000 .000 .000 .000

Social Benefit .255 .305 .136 .178 .180 .156 .166 .000 .261 .238 .244 .201 .000 .000 .000 .000 .675 .634 .690 .611 .000 .000 .000 .000

Confidence Benefit .431 .449 .230 .301 .304 .264 .281 .000 .384 .350 .359 .296 .000 .000 .000 .000 .000 .000 .000 .000 .796 .761 .725 .707

Kepuasan

Loyalitas

.000 .506 .534 .699 .706 .613 .651 .000 .433 .395 .405 .334 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .855 .781 .801 .659 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Kepuasan

Loyalitas

.000 .506 .534 .699 .706 .613 .651 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .855

Standardized Direct Effects (Group number 1 - Default model)

Kepuasan Loyalitas y1.5 y1.4 y1.3 y1.2 y1.1 x3.5 y2.4

Special Treatment Benefit .058 .108 .000 .000 .000 .000 .000 .592 .000

Social Benefit .255 .176 .000 .000 .000 .000 .000 .000 .000

Confidence Benefit .431 .231 .000 .000 .000 .000 .000 .000 .000

140

y2.3 y2.2 y2.1 x3.4 x3.3 x3.2 x3.1 x2.1 x2.2 x2.3 x2.4 x1.1 x1.2 x1.3 x1.4

Special Treatment Benefit .000 .000 .000 .879 .731 .669 .620 .000 .000 .000 .000 .000 .000 .000 .000

Social Benefit .000 .000 .000 .000 .000 .000 .000 .675 .634 .690 .611 .000 .000 .000 .000

Confidence Benefit .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .796 .761 .725 .707

Kepuasan

Loyalitas

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

.781 .801 .659 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Kepuasan

Loyalitas

.000 .000 .000 .000 .000 .000 .000 .000 .433 .395 .405 .334 .000 .000 .000 .000 .000 .000 .000

.000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000

Standardized Indirect Effects (Group number 1 - Default model)

Kepuasan Loyalitas y1.5 y1.4 y1.3 y1.2 y1.1 x3.5 y2.4 y2.3 y2.2 y2.1 x3.4 x3.3 x3.2 x3.1 x2.1 x2.2 x2.3

Special Treatment Benefit .000 .029 .031 .040 .041 .035 .038 .000 .117 .107 .110 .090 .000 .000 .000 .000 .000 .000 .000

Social Benefit .000 .129 .136 .178 .180 .156 .166 .000 .261 .238 .244 .201 .000 .000 .000 .000 .000 .000 .000

Confidence Benefit .000 .218 .230 .301 .304 .264 .281 .000 .384 .350 .359 .296 .000 .000 .000 .000 .000 .000 .000

141

Special Treatment Benefit .000 .000 .000 .000 .000

x2.4 x1.1 x1.2 x1.3 x1.4

Social Benefit .000 .000 .000 .000 .000

Modification Indices (Group number 1 - Default model) Covariances: (Group number 1 - Default model)

e17 e13 e13 e22 e22 e20 e10 e9 e5 e5 e7 e8 e1 e1 e1 e1 e2 e2 e3 e3 e4

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

ez2 ez2 e18 Social Benefit e15 Social Benefit e21 e15 e22 e21 e21 e22 e18 e17 e20 e11 ez2 e20 e18 e17 e1

M.I. Par Change 6.694 .163 4.097 -.128 4.086 .166 5.040 .097 4.817 -.116 4.521 -.097 4.576 .110 4.516 -.149 4.030 .103 4.932 -.112 6.517 .138 4.248 .110 4.002 .138 4.291 -.121 7.460 -.137 5.389 -.121 5.226 .113 7.252 .127 5.972 -.173 4.956 .133 5.694 .130

Variances: (Group number 1 - Default model)

M.I.

Par Change

Regression Weights: (Group number 1 - Default model)

M.I.

Par Change

Confidence Benefit .000 .000 .000 .000 .000

Kepuasan

Loyalitas

.000 .000 .000 .000 .000

.000 .000 .000 .000 .000

142

y1.5 y2.4 y2.4 y2.4 y2.2 y2.2 y2.2 x2.4 x2.4 x1.1 x1.2 x1.2 x1.3 x1.4

<--<--<--<--<--<--<--<--<--<--<--<--<--<---

x1.3 Social Benefit x2.1 x2.4 Social Benefit x2.1 x1.2 y2.4 x3.1 y2.2 y2.4 y2.2 y1.5 x2.2

M.I. Par Change 4.226 -.174 4.693 .248 6.772 .159 7.115 .163 4.026 -.241 5.498 -.150 4.169 .133 4.352 .120 5.802 .137 4.862 -.116 4.393 .101 8.613 .145 4.199 -.106 4.667 -.139

Model Fit Summary CMIN

Model Default model Saturated model Independence model

NPAR 54 253 22

CMIN 222.181 .000 1418.432

DF 199 0 231

P .125

CMIN/DF 1.116

.000

6.140

RMR, GFI

Model Default model Saturated model Independence model

RMR .068 .000 .329

GFI .881 1.000 .394

AGFI .849

PGFI .693

.336

.360

NFI Delta1 .843 1.000 .000

RFI rho1 .818

IFI Delta2 .981 1.000 .000

TLI rho2 .977

Baseline Comparisons

Model Default model Saturated model Independence model

.000

Parsimony-Adjusted Measures

Model

PRATIO

PNFI

PCFI

.000

CFI .980 1.000 .000

143

Model Default model Saturated model Independence model

PRATIO .861 .000 1.000

PNFI .727 .000 .000

PCFI .845 .000 .000

NCP 23.181 .000 1187.432

LO 90 .000 .000 1072.380

NCP

Model Default model Saturated model Independence model

HI 90 63.820 .000 1309.952

FMIN

Model Default model Saturated model Independence model

FMIN 1.462 .000 9.332

F0 .153 .000 7.812

LO 90 .000 .000 7.055

HI 90 .420 .000 8.618

RMSEA

Model Default model Independence model

RMSEA .028 .184

LO 90 .000 .175

HI 90 .046 .193

PCLOSE .981 .000

AIC

Model Default model Saturated model Independence model

AIC 330.181 506.000 1462.432

BCC 349.437 596.217 1470.277

BIC 493.824 1272.701 1529.102

ECVI

Model Default model Saturated model Independence model

ECVI 2.172 3.329 9.621

LO 90 2.020 3.329 8.864

HI 90 2.440 3.329 10.427

HOELTER

Model Default model

HOELTER .05 160

HOELTER .01 170

MECVI 2.299 3.922 9.673

CAIC 547.824 1525.701 1551.102

144

Model Independence model

HOELTER .05 29

HOELTER .01 31