Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 4, April 2018, hlm. 1750-1760

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Analisis Pengaruh Kualitas Layanan Internet Banking terhadap Kepuasan dan Loyalitas Nasabah dengan Menggunakan E-S-Qual dan E-Recs-Qual (Studi pada Pengguna Layanan BSMNet Bank Syariah Mandiri) Ali Arifin1, Ari Kusyanti2, Yusi Tyroni Mursityo3 Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] Abstrak Bank Syariah Mandiri (BSM) merupakan contoh nyata bank yang telah memanfaatkan teknologi internet banking sebagai layanan tambahan yang disediakan untuk meningkatkan pengalaman nasabah dalam bertransaksi secara online via internet, yaitu melalui layanan BSMNet. Penerapan BSMNet merupakan salah satu bentuk dari wujud komitmen BSM dalam menyediakan kualitas layanan yang baik, yang selanjutnya dapat dirasakan serta dinilai oleh para nasabah yang telah menggunakannya. Penilaian nasabah ini yang kemudian dapat mempengaruhi tingkat kepuasan mereka. Untuk dapat mengukur tingkat kepuasan nasabah diperlukan suatu pengukuran yang akurat, menggunakan metode E-S-Qual dan E-Recs-Qual contohnya. Atas dasar inilah yang kemudian mendorong peneliti untuk melakukan pengujian terhadap pengaruh kualitas layanan internet banking yang ditawarkan oleh BSM terhadap kepuasan dan loyalitas para pengguna layanan BSMNet, dengan menggunakan E-S-Qual dan E-Recs-Qual melalui teknik analisis regresi linier. Peneliti akan memakai nasabah Bank Syariah Mandiri wilayah Cilacap yang telah menggunakan BSMNet sebagai sampel responden dari penelitian ini. Hasil penelitian menunjukan bahwa secara simultan, kepuasan pengguna BSMNet dipengaruhi oleh semua variabel pada dimensi E-S-Qual dan E-Recs-Qual (efficiency, fulfillment, system availability, privacy, responsiveness, compensation, contact), sedangkan secara parsial kepuasan pengguna BSMNet dipengaruhi oleh variabel fulfillment dan efficiency. Efek dari kepuasan ini yang kemudian akan memengaruhi tingkat loyalitas pengguna terhadap layanan BSMNet. Kata kunci: kualitas layanan, e-s-qual, e-recs-qual, kepuasan, loyalitas

Abstract Bank Syariah Mandiri (BSM) is one of the example bank which applied the internet banking technology as the additional service to increase customers’ experience in online transaction via internet, which through BSMNet service. The application of BSMNet is one of BSM’s commitment form in order to give a better service, and next it could be felt and evaluated by the customers who has used it. This evaluation could affect the satisfaction level of customers. To measure customers’ satisfaction, it needs a precise tool, using E-S-Qual and E-Resc-Qual method for example. From this problem, the researcher do the test toward the effect of internet banking service quality which offered by BSM to know customers’ satisfaction and also the customers’ loyalty. This test is using E-S-Qual and E-Resc-Qual method with linear regression analytics. The researcher used Bank Syariah Mandiri’s customers in Cilacap area who used BSMNet Internet banking as the respondent sample. The result of this test shows that customers’ satisfaction is significantly affected by all of the variables of E-S-Qual and E-Resc-Qual (efficiency, fulfillment, system availability, privacy, responsiveness, compensation, contact), meanwhile customers’ satisfaction is partially affected by fulfillment and efficiency. The effect of this satisfaction will affect the customers’ loyalty of using BSMNet internet banking service. Keywords: service quality, e-s-qual, e-recs-qual, satisfaction, loyalty

baik itu bank daerah, bank konvensional maupun bank syariah. Hal ini kemudian yang akan mendorong calon nasabah untuk semakin selektif dalam memilih bank. Sebenarnya, baik

1. PENDAHULUAN Berbicara mengenai bank, saat ini sudah banyak bank-bank yang beroperasi di Indonesia, Fakultas Ilmu Komputer Universitas Brawijaya

1750

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

itu calon nasabah maupun nasabah pastilah akan memilih bank yang memiliki pelayanan yang baik sebagai tempat mereka untuk menabung. Penyedia jasa perbankan seharusnya mampu memberikan pelayanan yang baik kepada nasabahnya. Pelayanan yang dimaksud tidak cukup hanya dengan pelayanan fisik yang dilakukan oleh pegawai bank saat bertatap muka secara langsung dengan nasabah di bank, tetapi juga pelayanan secara tidak langsung. Hal ini terjadi mengingat gaya hidup sebagian besar nasabah telah berubah dengan adanya pengaruh perkembangan teknologi. Seperti dapat dilihat dalam gaya baru nasabah dalam bertransaksi melalui layanan internet banking contohnya. Yang kemudian hal ini dapat menjadi salah satu tantangan baru yang harus dihadapi oleh bank untuk tetap mempertahankan nasabahnya. Saat ini sudah banyak bank-bank konvensional maupun bank syariah yang telah menerapkan internet banking. Bank syariah yang notabene masih memiliki jumlah nasabah yang masih di bawah bank konvensional, sudah sewajarnya harus mengatur strategi untuk mengambil hati nasabah dan calon nasabah supaya semakin bertambah dan semakin loyal terhadap bank. Bank syariah juga harus mampu mengikuti perubahan maupun tren yang terjadi di masyarakat. Karena lingkungan telah berubah saat ini, dimana masyarakat menginginkan kualitas layanan yang baik dan tidak merepotkan. Apalagi dengan adanya perkembangan teknologi yang telah banyak membantu masyarakat. Hanya perlu menggunakan gadget, laptop atau personal computer, mereka dapat melakukan apa yang mereka mau, seperti mengecek saldo, transfer uang mapun hal lainnya melalui internet banking. Penerapan internet banking merupakan salah satu bentuk dari wujud komitmen bank syariah dalam menyediakan kualitas layanan yang baik, yang selanjutnya dapat dirasakan serta dinilai oleh para nasabah yang telah menggunakannya. Penilaian nasabah ini yang kemudian dapat mempengaruhi tingkat kepuasan mereka. Untuk dapat mengukur tingkat kepuasan nasabah diperlukan suatu pengukuran yang akurat, menggunakan model E-S-Qual dan E-Recs-Qual contohnya. Metode E-S-Qual dan E-Recs-Qual cocok dan dapat diandalkan untuk mengukur persepsi kualitas layanan terhadap tingkat kepuasan individu ketika menggunakan suatu layanan tertentu Fakultas Ilmu Komputer, Universitas Brawijaya

1751

(Yang dan Tsai, 2007). Mengacu pada Eid bahwa efek akhir ketika layanan dinilai baik dan memuaskan oleh pelanggan, besar kemungkinan bahwa pelanggan tersebut akan mengambil keputusan untuk tidak beralih ke penyedia layanan yang lain (Eid, 2011). Atas dasar inilah yang kemudian mendorong peneliti untuk melakukan pengujian terhadap pengaruh kualitas layanan internet banking yang ditawarkan oleh Bank Syariah Mandiri (BSM) terhadap tingkat kepuasan serta loyalitas para nasabahnya, dengan menggunakan metode E-S-Qual dan ERecs-Qual yang telah diintegrasikan dengan variabel loyalitas sesuai dengan model penelitian Yang dan Tsai (2007). Seperti yang kita ketahui bahwa BSM merupakan salah satu bank syariah terbaik di Indonesia yang telah menerapkan layanan internet banking, yaitu layanan BSMNet. Selanjutnya, peneliti akan memakai nasabah Bank Syariah Mandiri (BSM) wilayah Cilacap yang telah menggunakan BSMNet internet banking sebagai sampel responden dari penelitian ini. Data sampel ini kemudian yang akan diuji dengan teknik analisis regresi liner berganda dan sederhana. 2. LANDASAN KEPUSTAKAAN 2.1.

Internet banking

Internet banking merupakan salah satu bagian dari e-banking yang dapat diakses oleh komputer desktop, notebook atau laptop, tablet maupun smartphone melalui web dengan menggunakan jaringan internet. Salah satu contoh layanan internet banking adalah BSMNet yang ditawarkan oleh Bank Syariah Mandiri (BSM). Dengan BSMNet internet banking, nasabah dapat melakukan berbagai transaksi secara elektronik dengan mudah, seperti menulis cek, membayar tagihan, mentransfer dana, atau hanya sekedar untuk mengecek jumlah saldo rekening bank. 2.2.

E-S-Qual (e-core service quality scale)

E-S-Qual merupakan model inti dalam melakukan pengukuran kualitas sistem elektronik. E-S-Qual adalah skala multi-item yang dikembangkan untuk mengukur kualitas pelayanan yang diberikan melalui situs web ecommerce sebagai tempat di mana pelanggan berbelanja online (Parasuraman dkk., 2005). Namun kemudian Parasuraman dkk. (2005) menyerukan untuk mengembangkan penelitian


lebih lanjut dalam konteks lain juga, yaitu dalam konteks situs layanan murni (situs yang menawarkan layanan informasi) (Eriksson dkk., 2007). E-S-Qual terdiri atas efficiency (kemudahan dan kecepatan mengakses situs), fulfillment (sejauh mana janji situs tentang ketersediaan pesanan dan ketersediaan item terpenuhi), privacy (sejauh mana situs tertentu akan aman dalam melindungi informasi pelanggan) dan system availability (fungsi teknis situs yang benar).

Gambar 1. Model E-S-Qual Sumber: Parasuraman dkk. (2005)

2.3.

E-Recs-Qual quality scale)

(e-recovery

service

E-Recs-Qual (pemulihan layanan) berfokus pada penanganan masalah dan pertanyaan layanan (Parasuraman dkk., 2005), sehingga dianggap sebagai strategi pasif yang dilakukan perusahaan dalam rangka untuk memperbaiki tingkat kepuasan pelanggan (Bitner dan Zeithaml, 2003 disitasi dalam Wu, 2011). ERecs-Qual terdiri atas responsiveness (seefektif apa situs mampu menangani masalah dan pengembalian melalui situs), compensation (sejauh mana situs mampu mengkompensasi masalah pelanggan) dan contact (tersedianya bantuan bagi pelanggan).

1752

analysis). Analisis regresi linier sederhana digunakan untuk menguji hubungan antar variabel independen tunggal dengan variabel dependen tunggal ke dalam bentuk suatu persamaan. Dalam analisis regresi linier sederhana terdapat satu tahapan analisis, yaitu pengujian signifikansi parsial (uji T). Bentuk dari persamaan regresi linier sederhana adalah sebagai berikut (Priyatno, 2016): Y’ = b0 + bX

(1)

Keterangan: Y’ = variabel dependen (nilai yang diprediksi) b0 = konstanta (nilai Y apabila X = 0) b = koefisien regresi (nilai peningkatan atau penurunan) X = variabel independen Sedangkan pada analisis regresi linier berganda (multiple linier regression analysis) merupakan pengembangan dari regresi linier sederhana. Pada analisis regresi linier berganda terdapat lebih dari satu variabel independen yang mempengaruhi satu variabel dependen (Sujarweni, 2015). Dalam analisis regresi linier berganda terdapat dua tahapan analisis, yaitu pengujian signifikansi parsial (uji T) dan pengujian signifikansi simultan (uji F). Bentuk dari persamaan regresi linier berganda adalah sebagai berikut (Priyatno, 2016): Y’ = b0 + b1X1 … + bnXn

(2)

Keterangan: Y’ = variabel dependen (nilai yang diprediksi) b0 = konstanta (nilai Y apabila X1, …, Xn = 0) b1, bn = koefisien regresi (nilai peningkatan atau penurunan) X1, Xn = variabel independen 3. MODEL PENELITIAN

Gambar 2. Model E-Recs-Qual Sumber: Parasuraman dkk. (2005)

2.4.

Regresi linier

Regresi linier merupakan salah satu alat statistik yang biasa digunakan untuk mempelajari pola hubungan antar variabel pada regresi. Pola hubungan dapat dipelajari dengan dua cara, yaitu dengan analisis regresi sederhana (simple linier regression analysis) dan analisis regresi berganda (multiple linier regression Fakultas Ilmu Komputer, Universitas Brawijaya

Model penelitian diadopsi dari model penelitian Yang dan Tsai (2007). Dimana terdapat tujuh variabel laten pada E-S-Qual dan E-Recs-Qual (efficiency, fulfillment, system availability, privacy, responsiveness, compensation, contact) yang dihipotesiskan berpengaruh terhadap kepuasan (satisfaction) (Yang dan Tsai, 2007; Kandulapati dan Bellamkonda, 2014; Firdous dan Farooqi, 2017; Ting dkk., 2016; Eriksson dkk., 2007). Kemudian efek dari kepuasan (satisfaction) tersebut dihipotesiskan akan berpengaruh terhadap loyalitas (loyalty) (Yang dan Tsai,


2007; Ganiyu dkk., 2012; Eid, 2011).

1753

penggunanya. 9. Loyalitas: loyalitas erat kaitannya dengan sejauh mana pengguna layanan akan tetap setia menggunakan layanan BSMNet. 4. ANALISIS DATA

Gambar 3. Model penelitian Sumber: Yang dan Tsai (2007)

Berikut merupakan beberapa definisi tiap variabel: 1. Efisiensi: efisiensi erat kaitannya dengan tingkat kemudahaan dan kecepatan pengaksesan dan pengoperasian situs BSMNet. 2. Pemenuhan: pemenuhan erat kaitannya dengan sejauh mana janji penyedia layanan terkait pemenuhan harapan pengguna untuk mendapatkan informasi, bertransaksi serta ketersediaan fitur yang ditawarkan. 3. Ketersediaan sistem: ketersediaan sistem erat kaitannya dengan sejauh mana penyedia layanan BSMNet mampu menyediakan suatu layanan dengan benar dan tidak terdapat masalah teknis pada pada fungsifungsi yang ditawarkan. 4. Privasi: privasi erat kaitannya dengan sejauh mana layanan BSMNet akan aman dalam melindungi informasi pribadi para penggunanya. 5. Ketanggapan: ketanggapan erat kaitannya dengan sejauh mana dan seefektif apa penyedia layanan BSMNet dalam memberikan bantuan jika terdapat pertanyaan atau masalah yang dialami oleh penggunanya. 6. Kompensasi kompensasi erat kaitannya dengan sejauh mana pihak penyedia layanan BSMNet mampu memberikan kompensasi kepada penggunanya atas kerugian akibat masalah yang mereka alami pada layanan. 7. Kontak: kontak erat kaitannya dengan sejauh mana pihak penyedia layanan BSMNet mampu menyediakan kontak untuk membantu penggunanya ketika mereka mengalami kesulitan. 8. Kepuasan: kepuasan erat kaitannya dengan sejauh mana layanan BSMNet dalam memenuhi kebutuhan dan harapan para Fakultas Ilmu Komputer, Universitas Brawijaya

Responden pada penelitian ini dihimpun berdasarkan teknik random sampling, yaitu pemilihan sampel secara acak terhadap pengguna layanan BSMNet wilayah Cilacap yang diketemui oleh peneliti. Perhitungan sampel didasarkan rumus slovin. Dimana terdapat populasi pengguna BSMNet sebanyak 537 (N) orang pada wilayah Cilacap, serta menggunakan batas toleransi ketidaktelitian 10% (α), sehingga didapat angka 85. 85 merupakan total sampel responden yang akan digunakan pada penelitian ini (n). Rumus slovin adalah sebagai berikut (Sujarweni, 2015). 𝑛=

𝑁 1+𝑁(𝛼)2

(3)

537 1 + 537(0.1)2 𝑛 = 85 𝑛=

Data penelitian diuji melalui beberapa tahap. Selain itu, sebelum data dianalisis pada uji signifikansi parsial (uji T) dan uji simultan (uji F), dilakukan terlebih dahulu beberapa uji, seperti uji data kosong, outlier, reliabilitas, validitas, asumsi klasik. 4.1

Uji data kosong

Uji data kosong digunakan untuk mengecek keberadaan data pengisian kuesioner yang tidak lengkap pada saat diisi oleh responden. Data tidak lengkap harus dihilangkan sebab dapat mengganggu proses analisis, seperti dapat menyebabkan bias pada perkiraan parameter, meningkatkan standard error atau dapat menurunkan kekuatan statistik sehingga dapat melemahkan generalisasi pada temuan (Dong dan Peng, 2013). Setelah diuji data kosong pada penelitian ini tidak ditemukan adanya data yang tidak lengkap, sehingga lolos uji data kosong. 4.2

Uji outlier

Uji outlier digunakan untuk mengecek keberadaan data yang berbeda terhadap rata-rata data lainnya. Sama halnya dengan data kosong, data yang berbeda dengan rata-rata data lainnya ini juga dapat mengganggu proses analisis. Uji outlier dapat dilakukan dengan mahalanobis distance. Setelah diuji dengan mahalanobis distance pada penelitian ini tidak ditemukan


1754

adanya data yang berbeda dengan rata-rata data lainnya, sehingga lolos uji data outlier. 4.3

Uji reliabilitas digunakan untuk mengetahui tingkat keandalan atau konsistensi dari tiap butir pernyataan kuesioner sebagai suatu alat ukur yang digunakan oleh peneliti (Priyatno, 2016). Uji reliabilitas dapat dilakukan dengan cara melihat nilai koefisien cronbach’s alpha. Variabel dapat dikatakan reliabel jika memiliki nilai koefisien cronbach’s alpha setidaknya bernilai 0,6 (Kline, 2000; George dan Mallery, 2003 disitasi dalam Bhatnagar dkk., 2014). Setelah diuji pada uji reliabilitas, didapat nilai cronbach’s alpha variabel efficiency (0,795), fulfillment (0,830), system availability (0,730), privacy (0,881), responsiveness (0,646), compensation (0,903), contact (0,672), satisfaction (0,812), loyalty (0,804). Sehingga semua variabel dinyatakan reliabel. 4.4

Privacy

Uji reliabilitas

Uji validitas

Uji validitas digunakan untuk mengetahui kelayakan aitem pernyataan kuesioner sebagai instrumen atau alat pengukuran dalam mengukur suatu variabel yang diteliti (Sujarweni, 2015). Uji validitas dapat dilakukan dengan cara mengkorelasikan setiap skor aitem dengan skor total aitem pada masing-masing variabel dengan teknik pearson’s product-moment correlation. Aitem pernyataan dapat dinyatakan valid apabila memiliki nilai koefisien validitas setidaknya bernilai 0.3 (Chan, 2003). Tabel 1. Hasil uji validitas Variabel Satisfaction

Loyalty

Efficiency

Fulfillment

System availability

Pernyataan SAT1 SAT2 SAT3 SAT4 SAT5 SAT6 LOY1 LOY2 LOY3 LOY4 EFF1 EFF2 EFF3 EFF4 EFF5 EFF6 FUL1 FUL2 FUL3 FUL4 SYS1 SYS2

Koefisien 0,700 0,772 0,730 0,710 0,731 0,689 0,810 0,780 0,789 0,797 0,708 0,684 0,689 0,693 0,666 0,793 0,802 0,793 0,808 0,895 0,711 0,603

Fakultas Ilmu Komputer, Universitas Brawijaya

Responsiveness Compensation Contact

SYS3 SYS4 PRI1 PRI2 PRI3 RES1 RES2 COM1 COM2 CON1 CON2

0,835 0,813 0,897 0,945 0,856 0,846 0,873 0,959 0,952 0,875 0,861

Karena semua pernyataan (33 pernyataan) memiliki nilai koefisien di atas 0,3 maka dapat dinyatakan valid. 4.5

Uji asumsi klasik

Seperti yang diketahui bahwa syarat persamaan regresi linier berganda harus bersifat BLUE (Best Linier Unbiased Estimator), artinya pengambilan keputusan melalui uji simultan (uji F) dan uji parsial (uji T) tidak boleh terjadi bias. Oleh sebab itu, untuk dapat memenuhi kondisi BLUE, maka semua variabel yang digunakan pada penelitian harus memenuhi kriteria pada pengujian asumsi klasik (Priyatno, 2016). Pengujian asumsi klasik dilakukan terhadap dua himpunan variabel mengacu pada hipotesis penelitian pada Gambar 3. Dimana himpunan variabel pertama adalah: Efficiency (X1)

Satisfaction (Y)

Fulfillment (X2)

Satisfaction (Y)

Privacy (X3)

Satisfaction (Y)

System availability (X4)

Satisfaction (Y)

Contact (X5)

Satisfaction (Y)

Compensation (X6)

Satisfaction (Y)

Responsiveness (X7)

Satisfaction (Y)

Sedangkan untuk himpunan kedua adalah: Satisfaction (X)

4.5.1

Loyalty (Y)

Uji normalitas residual

Uji normalitas residual digunakan untuk mengetahui persebaran/distribusi residual pada model penelitian. Jika uji normalitas residual dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2016). Model regresi yang baik adalah berdisribusi normal atau mendekati normal sehingga data dapat dikatakan layak untuk diuji secara statistik (Priyatno, 2016, Ghozali, 2016). Uji normalitas dapat dilakukan dengan Kolmogorov-Smirnov. Jika hasil pengujian didapat nilai signifkansi di atas 0,05 maka residual dinyatakan berdistribusi normal (IBM, 2013).


Tabel 2. Hasil uji normalitas Himpunan variabel

Signifikansi

1

0,2

2

0,2

4.5.2

Keterangan Berdistribusi normal Berdistribusi normal

Uji multikolinearitas

Uji multikolinearitas digunakan untuk menguji apakah ada korelasi antar variabel independen dalam model regresi yang dapat dihitung dengan menganalisis korelasi matriks variabel independen. Jika dalam model regresi terdapat korelasi antar variabel independen, maka hubungan antara variabel dependen akan terganggu. Dengan demikian, model regresi yang baik seharusnya bebas dari masalah korelasi antar variabel independen (Gani, 2015 disitasi dalam Ainiyah dkk., 2016, Ghozali, 2016). Dasar pengambilan keputusan pada uji multikolinearitas berdasarkan nilai VIF (Variance Inflation Factor). Jika nilai VIF lebih besar dari 10 mengindikasikan bahaya kerena adanya korelasi yang tinggi antar variabel independen dalam model regresi (Yoo dkk., 2014). Tabel 3. Hasil uji multikolinearitas Himpunan variabel 1

2

Variabel

VIF

Efficiency Fulfillment System availability Privacy Responsiveness Compensation Contact Satisfaction

1,924 2,776 2,273 1,934 2,499 1,750 2,052 1,00

Karena semua variabel memiliki nilai VIF di bawah 10, maka dapat diindikasikan tidak terjadi masalah multikolinearitas. 4.5.3

Uji autokorelasi

Uji autokorelasi digunakan untuk menguji apakah pada model regresi terdapat korelasi antar kesalahan oleh pengganggu (residual) pada kondisi periode saat ini yang dipengaruhi oleh kondisi periode sebelumnya. Model regresi yang baik adalah model regresi yang tidak terjadi masalah autokorelasi (Janie, 2012, Ghozali, 2016). Untuk melakukan pengujian autokorelasi Fakultas Ilmu Komputer, Universitas Brawijaya

1755

dapat digunakan dengan menggunakan DurbinWatson (DW). Syarat model regresi dapat dinyatakan tidak terdapat masalah autokorelasi ketika nilai Durbin-Watson hitung berada diantara nilai batas bawah Durbin-Watson tabel dan batas atas Durbin-Watson tabel, yaitu (Priyatno, 2016): dU < dW < (4-dU) Dimana: dW = Nilai Durbin-Watson hitung dU = Nilai batas bawah Durbin-Watson tabel (4-dU) = Nilai batas atas Durbin-Watson tabel Merujuk pada hasil pengujian autokorelasi pada himpunan variabel pertama, didapat nilai Durbin-Watson sebesar 2.107. Nilai DW tersebut kemudian dibandingkan ke dalam tabel Durbin-Watson. Tabel Durbin-Watson yang digunakan dengan jumlah responden (N) sebesar 85, dan dengan banyak variabel independen sebanyak 7 (K), serta dengan tingkat kesalahan (α) sebesar 5%, sehingga diperoleh nilai: dL dU 4-dU

= 1,474 = 1,829 = 2,171

Sedangkan merujuk pada hasil pengujian autokorelasi pada himpunan variabel kedua, didapat nilai Durbin-Watson sebesar 2.227. Kemudian dibandingkan dengan tabel DurbinWatson dengan jumlah responden (N) sebesar 85, dan dengan banyak variabel independen sebanyak 1 (K), serta dengan tingkat kesalahan (α) sebesar 5%, sehingga diperoleh nilai: dL dU 4-dU

= 1,624 = 1,671 = 2,329

Berdasarkan kedua hasil pengujian tersebut, nilai Durbin-Watson berada di antara dU < dW < (4-dU). Sehingga dapat disimpulkan bahwa pada model regresi tidak terjadi masalah autokorelasi maka asumsi bebas autokorelasi telah terpenuhi. 4.5.4

Uji heterokedastisitas

Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian residual dari satu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah model regresi yang tidak terjadi masalah heteroskedastisitas (Ghozali, 2016). Untuk mendeteksi adanya masalah heterokedastisitas dapat dilakukan


dengan uji Glejser. Jika pada uji heterokedastisitas dengan Glejser didapat nilai signifikansi lebih dari 0,01 maka dapat dikatakan bahwa tidak terjadi masalah heteroskedastisitas pada model (Janie, 2012). Tabel 4. Hasil uji heterokedastisitas Himpunan variabel 1

2

Variabel

Sig.


0,861 0,577 0,587 0,204 0,893 0,091 0,046 0,831

Karena semua variabel memiliki nilai signifikansi di atas 0,01, maka dapat diindikasikan tidak terjadi masalah heterokedastisitas. 4.6

Uji signifikansi

4.6.1

Uji signifikansi parsial (uji T)

Uji signifikansi parsial digunakan untuk mengetahui apakah himpunan variabel pertama yang terdiri atas variabel efficiency, fulfillment, system availability, privacy, responsiveness, compensation, contact secara individu berpengaruh terhadap variabel satisfaction. Serta untuk mengetahui apakah himpunan variabel kedua yaitu variabel satisfaction secara individu berpengaruh terhadap variabel loyalty. Berikut merupakan pengambilan keputusan pada uji signifikansi parsial (Priyatno, 2016). Pengambilan keputusan: H0 ditolak jika -Thitung < -Ttabel dan Thitung > Ttabel atau nilai signifikansi < α (α=0,05). H0 diterima jika -Thitung ≥ -Ttabel dan Thitung ≤ Ttabel atau nilai signifikansi > α (α=0,05). Tabel 5. Hasil uji T Himpunan variabel 1

2

Variabel

Sig.


0,139 0,001 0,278 0,197 0,446 0,730 0,419 0,000

Jika nilai signifikansi dibandingkan dengan syarat pengambilan keputusan pada pengujian signifikansi parsial (sig.<α), maka hanya variabel fulfillment yang memiliki pengaruh Fakultas Ilmu Komputer, Universitas Brawijaya

1756

signifikan terhadap variabel satisfaction untuk himpunan variabel pertama dengan nilai signifikansi 0,001, sehingga keputusan yang diambil adalah tolak H0. Untuk variabel efficiency, system availability, privacy, responsiveness, compensation, contact secara parsial tidak berpengaruh signifikan terhadap satisfaction karena memiliki nilai signifikansi di atas 0,05, maka keputusan yang diambil adalah terima H0. Sedangkan untuk himpunan variabel kedua, terlihat jelas bahwa variabel satisfaction berpengaruh signifikan terhadap variabel loyalty dengan nilai signifikansi 0,000, sehingga keputusan yang diambil adalah tolak H0. 4.6.2

Uji signifikansi simultan (uji F)

Uji signifikansi simultan digunakan untuk mengetahui apakah semua variabel independen yang terdiri atas variabel efficiency, fulfillment, system availability, privacy, responsiveness, compensation dan contact secara bersama-sama berpengaruh terhadap variabel satisfaction. Berikut merupakan pengambilan keputusan pada uji signifikansi simultan (Priyatno, 2016). Pengambilan keputusan: H0 ditolak jika Fhitung > Ftabel, atau nilai signifikansi < α (α=0,05). H0 diterima jika Fhitung < Ftabel, atau nilai signifikansi > α (α=0,05). Hasil pengujian dengan signifikansi simultan untuk himpunan variabel pertama, didapat nilai signifikansi 0,000. Karena nilai signifikansi bernilai dibawah 0,05, maka keputusan yang diambil adalah tolak H0. Sehingga jelas bahwa variabel efficiency, fulfillment, system availability, privacy, responsiveness, compensation dan contact secara bersama-sama berpengaruh terhadap variabel satisfaction. 4.6.3 Uji signifikansi dengan Backward

parsial

lanjutan

Uji signifikansi parsial lanjutan dengan Backward untuk menentukan variabel independen mana saja pada himpunan variabel pertama yang masih layak dimasukan ke dalam model. Uji eliminasi Backward dilakukan dengan cara meregresikan semua variabel independen (efficiency, fulfillment, system availability, privacy, responsiveness, compensation, contact) terhadap variabel dependen (satisfaction) sesuai model penelitian, untuk kemudian variabel-variabel independen tersebut dieliminasi ketika sudah tidak layak lagi dimasukan pada model penelitian.


Jika nilai F suatu variabel ≥ 0,1 maka variabel tersebut harus dihilangkan dari model. Setelah dilakukan pengujian eliminasi Backward, hanya variabel efficiency dan fulfillment yang masih pantas dimasukan ke dalam model penelitian karena memiliki nilai F lebih kecil 0,1. Sehingga, langkah selanjutnya adalah melakukan pengujian signifikansi parsial kembali terhadap variabel fulfillment dan efficiency terhadap variabel satisfaction. Hasil pengujian signifikansi parsial lanjutan setelah Backward didapat variabel efficiency memiliki nilai di atas 0,05, namun masih layak untuk dimasukan ke dalam model. Sehingga pada pengujian signifikansi parsial untuk himpunan variabel pertama, hanya variabel efisiensi dan pemenuhan yang memiliki pengaruh terhadap variabel kepuasan. Tabel 6. Hasil uji parsial Backward Variabel Efficiency Fulfillment

4.7

Sig. 0,061 0,000

pengguna BSMNet akan bernilai sebesar 8,534. b. Koefisien regresi variabel efficiency sebesar 0,193 bernilai positif. Hal ini berarti setiap penambahan 1 satuan nilai terhadap variabel efficiency, maka tingkat kepuasan pengguna BSMNet akan bertambah 0,193 kali lebih puas. c. Koefisien regresi variabel fulfillment sebesar 0,690 bernilai positif. Hal ini berarti setiap penambahan 1 satuan nilai terhadap variabel fulfillment, maka tingkat kepuasan pengguna BSMNet akan bertambah 0,193 kali lebih puas. d. Sedangkan untuk variabel SYS (system availability), PRI (privacy), RES (responsiveness), COM (compensation) dan CON (contact) bukan sama sekali tidak memiliki pengaruh terhadap kepuasan pengguna BSMNet, hanya saja pengaruhnya sangat sedikit. Tabel 8. Hasil pengujian pada regresi linier sederhana

Model regresi linier

Hasil pengujian pada regresi linier berganda untuk himpunan variabel pertama baik untuk pengujian parsial, simultan dan juga uji parsial lanjutan Backward dapat dilihat pada Tabel 7. Berdasarkan Tabel 7 kemudian didapatkan persamaan regresi linier berganda seperti pada persamaan 4. Sedangkan hasil pengujian regresi linier sederhana untuk pengujian parsial dapat dilihat pada 8. Berdasarkan Tabel 8 kemudian didapatkan persamaan regresi liner sederhana seperti pada Persamaan 5. Tabel 7. Hasil pengujian pada regresi linier berganda Variabel Efficiency Fulfillment Konstanta Sig. simultan F R R2 Adjusted R2

Koefisien regresi (B) 0,193 0,690 8,534 0,000 34,880 0,678 0,460 0,446

Y’ = b0 + b1X1+ … + bnXn

1757

Sig. 0,061 0,000

(4)

Y’ = 8,534 + 0,193 efficiency + 0,690 fulfillment Sesuai dengan persamaan 4, maka dapat diinterpretasikan persamaan tersebut seperti berikut: a. Jika semua variabel X yang dimodelkan, yaitu variabel efficiency dan variabel filfillment bernilai 0, maka skala kepuasan Fakultas Ilmu Komputer, Universitas Brawijaya

Variabel Satisfaction Kontanta t R R2 Adjusted R2

Koefisien regresi (B) 0,558 1,288 7,606 0,641 0,411 0,404

Y’ = b0 + bX Y’ = 1,288 + 0,558 satisfaction

Sig. 0,000

(5)

Sesuai dengan persamaan 5, maka dapat diinterpretasikan persamaan tersebut seperti berikut: a. Jika variabel X yang dimodelkan, yaitu variabel satisfaction bernilai 0, maka skala loyalitas pengguna BSMNet akan bernilai sebesar 1,288. b. Koefisien regresi variabel satisfaction sebesar 0,588 bernilai positif. Hal ini berarti setiap penambahan 1 satuan nilai terhadap variabel satisfaction, maka tingkat loyalitas pengguna BSMNet akan bertambah sebesar 0,588 kali lebih loyal. 4.8

Pengaruh variabel secara parsial

1. Efisiensi terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial setelah dengan Backward menunjukan bahwa variabel efisiensi masih layak untuk dimasukan ke model. Nilai besar pengaruh variabel efisiensi


1758

terhadap variabel kepuasan adalah 0,193 bernilai positif. Nilai positif berarti apabila tingkat efisiensi dalam penggunaan BSMNet semakin meningkat, maka akan semakin meningkat pula tingkat kepuasan pengguna BSMNet, begitu pula sebaliknya.

setelah dengan Backward menunjukan bahwa variabel kompensasi tidak layak untuk dimasukan ke model. Maka keputusan yang diambil adalah memang tidak terdapat pengaruh yang signifikan antara variabel kompensasi terhadap kepuasan.

2. Pemenuhan terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial setelah dengan Backward menunjukan bahwa variabel pemenuhan layak untuk dimasukan ke model. Nilai besar pengaruh variabel pemenuhan terhadap variabel kepuasan adalah 0,690 bernilai positif. Nilai positif berarti apabila tingkat pemenuhan keinginan dan kebutuhan penggunaan BSMNet semakin meningkat, maka akan semakin meningkat pula tingkat kepuasan pengguna BSMNet, begitu pula sebaliknya.

7. Kontak terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial setelah dengan Backward menunjukan bahwa variabel kontak tidak layak untuk dimasukan ke model. Maka keputusan yang diambil adalah memang tidak terdapat pengaruh yang signifikan antara variabel kontak terhadap kepuasan.

3. Ketersediaan sistem terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial setelah dengan Backward menunjukan bahwa variabel ketersediaan sistem tidak layak untuk dimasukan ke model. Maka keputusan yang diambil adalah memang tidak terdapat pengaruh yang signifikan antara variabel ketersediaan sistem terhadap kepuasan. 4. Privasi terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial setelah dengan Backward menunjukan bahwa variabel privasi tidak layak untuk dimasukan ke model. Maka keputusan yang diambil adalah memang tidak terdapat pengaruh yang signifikan antara variabel privasi terhadap kepuasan. 5. Ketanggapan terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial setelah dengan Backward menunjukan bahwa variabel ketanggapan tidak layak untuk dimasukan ke model. Maka keputusan yang diambil adalah memang tidak terdapat pengaruh yang signifikan antara variabel ketanggapan terhadap kepuasan. 6. Kompensasi terhadap kepuasan Hasil analisis signifikansi parsial pada regresi linier berganda yang kemudian dilanjutkan dengan uji signifikansi parsial Fakultas Ilmu Komputer, Universitas Brawijaya

8. Kepuasan terhadap loyalitas Hasil analisis signifikansi parsial pada regresi linier sederhana menunjukan bahwa terdapat pengaruh yang signifikan antara variabel kepuasan terhadap variabel loyalitas. Nilai besar pengaruh variabel kepuasan terhadap variabel loyalitas adalah 0,558 bernilai positif. Nilai posotif berarti apabila tingkat kepuasan penggunaan BSMNet semakin meningkat, maka akan semakin meningkat pula tingkat loyalitas pengguna BSMNet, begitu pula sebaliknya. 4.9 Pengaruh variabel secara simultan Dari hasil analisis regresi linier berganda terhadap seluruh variabel independen pada himpunan variabel pertama terhadap variabel kepuasan, didapat dua variabel yang masih layak untuk dimasukan ke dalam model, yaitu variabel efisiensi dan pemenuhan. Kemudian dilakukan pengujian secara simultan untuk kedua varabel tersebut terhadap variabel kepuasan. Hasil pengujian simultan antara variabel efisiensi dan pemenuhan terhadap variabel kepuasan dapat didapat nilai signifikansi simultan sebesar 0,000 atau bernilai kurang dari 0,05 (α<0,05). Sehingga keputusan yang diambil adalah secara simultan terdapat hubungan yang signifikan antara variabel efisiensi dan pemenuhan terhadap variabel kepuasan. 4.10

Besar pengaruh variabel

Seperti yang telah dijelaskan sebelumnya bahwa dua variabel yang masih layak untuk dimasukan ke dalam model, yaitu variabel efisiensi dan pemenuhan. Besarnya kontribusi pengaruh variabel efisiensi dan pemenuhan secara bersama-sama terhadap variabel kepuasan dapat dilihat pada nilai R square (R2 atau koefisien determinasi) pada ringkasan Tabel


7. Besarnya kontribusi variabel efisiensi dan pemenuhan secara bersama-sama terhadap variabel kepuasan adalah sebesar 0,460 atau bernilai 46%, sedangkan 54% sisanya dipengaruhi oleh variabel lain yang tidak diteliti pada penelitian ini. Sedangkan besarnya kontribusi variabel kepuasan terhadap variabel loyalitas adalah sebesar 0,411 atau bernilai 41,1%, sedangkan 58,9% sisanya dipengaruhi oleh variabel lain yang tidak diteliti pada penelitian ini (lihat nilai R2 pada Tabel 8). 5

KESIMPULAN

Kesimpulan dari hasil pengujian signifikansi parsial adalah variabel efisiensi, pemenuhan, ketersediaan sistem, privasi, ketanggapan, kompensasi, kontak terhadap variabel kepuasan, didapatkan hasil bahwa hanya variabel efisiensi dan pemenuhan yang memiliki pengaruh parsial (individu) terhadap kepuasan pengguna BSMNet. Sedangkan hasil pengujian signifikansi parsial juga membuktikan bahwa variabel kepuasan berpengaruh terhadap loyalitas pengguna BSMNet. Sedangkan pada pengujian simultan, didapatkan hasil bahwa variabel efisiensi, pemenuhan, ketersediaan sistem, privasi, ketanggapan, kompensasi, kontak secara bersama-sama berpengaruh terhadap kepuasan pengguna BSMNet. Saran bagi bagi Bank Syariah Mandiri adalah perlu untuk terus meningkatkan kualitas layanan BSMNet internet banking, terutama dalam pelaksanaan variabel fulfillment dan efficiency karena signifikan berpengaruh terhadap kepuasan pengguna BSMNet. Akibat langsung dari kepuasan ini yang kemudian dapat memengaruhi loyalitas pengguna terhadap layanan BSMNet. Saran pada penelitian selanjutnya dapat digunakan metode analisis multivariat yang berbeda dari penelitian ini atau menambah jumlah variabel yang kemudian dapat dijadikan perbandingan dengan hasil penelitian ini. 6

DAFTAR PUSTAKA

Ainiyah, Nur., Deliar, Albertus., Vitriana, Riantini. 2016. The Classical Asumption Test to Driving Factors of Land Cover Change in the Development Region of Northern Part of West Java. [pdf] The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume Fakultas Ilmu Komputer, Universitas Brawijaya

1759

XLI-B6, 2016. Bhatnagar, Ruchi., Kim, Jihye., Many, Joyce E. 2014. Candidate Surveys on Program Evaluation: Examining Instrument Reliability, Validity and Program Effectiveness. [pdf] American Journal of Educational Research, 2014, Vol. 2, No. 8, 683-690. Chan, Y H. 2003. Biostatistics 104: Correlational Analysis. [pdf] Singapore Med J 2003 Vol 44(12) : 614-619. Dong, Yiran., Peng, Chao-Ying Joanne. 2013. Principled Missing Data Methods for Researchers. [pdf] SpringerPlus 2013, 2:222. Eid, Mustafa I. 2011. Determinants of Ecommerce Customer Satisfaction, Trust, and Loyalty in Saudi Arabia. [pdf] Journal of Electronic Commerce Research, VOL 12, NO 1, 2011. Eriksson, Lars., Friman, Margareta., Norman, Ann-Catrin. 2007. Electronic Service Quality: Public Transport Information on the Internet. [pdf] Journal of Public Transportation, Vol. 10, No. 3. Firdous, Sadaf; Farooqi, Rahela. 2017. Impact of Internet Banking Service Quality on Customer Stisfaction. [pdf] Journal of Internet Banking and Commerce, April 2017, Vol. 22, No. 1. Ganiyu, Rahim Ajao., Uche, Ignatius Ikechukwu., Elizabeth, Adeoti Olusola. 2012. Is Customer Satisfaction an Indicator of Customer Loyalty?. [pdf] Australian Journal of Business and Management Research Vol.2 No.07 [14-20] October-2012. Ghozali, Imam. 2016. Aplikasi Analisis Multivariete dengan Program IBM SPSS 23. Semarang: Badan Peneribit Universitas Diponegoro. IBM. 2013. IBM SPSS Statistics Base 22. [pdf] USA: IBM Corporation. Janie, Dyah Nurmala Arum. 2012. Statistik Deskriptif & Regresi Linier Berganda dengan SPSS. Semarang: Semarang University Press. Kandulapati, Suresh dan Bellamkonda, Raja Shekhar. 2014. Examining the Structural Relationships of Service Recovery, Customer Satisfaction and Image in Online Retailing. [pdf]


Operations and Supply Chain Management Vol. 7, No. 2, 2014, pp. 70-78. Parasuraman, A., Zeithaml, Valarie A., Malhotra. 2005. ES-QUAL: A multipleitem scale for assessing electronic service quality. [pdf] Journal of Service Research, vol. 7, pp. 213-233,2005. Priyatno, Duwi. 2016. Belajar Alat Analisis Data dan Cara Pengolahannya dengan SPSS. Yogyakarta: Gava Media. Sujarweni, V. Wiratna. 2015. SPSS untuk Penelitian. Yogyakarta: Pustaka Baru. Ting, Ong Soo; Ariff, Mohd Shoki Md; Zakuan, Norhayati; Sulaiman, Zuraidah; Saman, Muhamad Zameri Ma. 2016. E-Service Quality, E-Satisfaction and E-Loyalty of Online Shoppers in Business to Consumer Market; Evidence form Malaysia. [pdf] IOP Conf. Series: Materials Science and Engineering 131 (2016) 012012. Wu, Kuang-Wen. 2011. Customer Loyalty Explained by Electronic Recovery Service Quality: Implications of the Customer Relationship ReEstablishment for Consumer Electronics E-Tailers. [pdf] Contemporary Management Research Pages 21-44, Vol. 7, No. 1, March 2011. Yang, Hao-erl., Tsai, Feng-Shii. 2007. General E-S-QUAL Scales Applied to Websites Satisfaction and Loyalty Model. [pdf] Communications of the IIMA 2007 Volume 7 Issue 2. Yoo, Wonsuk., Mayberry, Robert., Bae, Sejong., Singh, Karan., Qinghua., Jr., James W. Lillard. 2014. A Study of Effect of MultiCollinearity in the Multivariable Analysis. [pdf] International Journal of Applied Science and Technology Vol. 4, No. 5, October 2014.

Fakultas Ilmu Komputer, Universitas Brawijaya

1760

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Recommend Documents