Matematika dan Statistika

ISSN 1411-6669 Volume 12, Juni 2012

MAJALAH ILMIAH

Matematika dan Statistika

DITERBITKAN OLEH:

JURUSAN MATEMATIKA

FMIPA – UNIVERSITAS JEMBER

Majalah Ilmiah Matematika dan Statistika Volume 12, Juni 2012

STRUCTURAL EQUATION MODELING (SEM) DALAM MANAJEMEN PERBANKAN (Structural Equation Modeling (SEM) In Banking Management) Linda Dwi Rezana Agusmita, I Made Tirta, Yuliani Setia Dewi Jurusan Matematika FMIPA Universitas Jember Abstact:

In Structural Equation Modeling (SEM) we can do three steps at once, those are verification of validity and reliability instrument, the evaluation of relation among latent variable, and evaluation of useful model for prediction. Structural Equation Modeling (SEM) has been widely applied into research which are related to business management. One of them is in the field of banking management which is influenced by Customer Relationship Management (CRM) on their satisfaction level and customer loyalty. Basically, the aim of this research is to learn more the application of SEM in its validity to analyze data and to obtain empirical evidence to prove that there is an take effect between each variable. This study uses secondary data obtained from quesionnairs at PT. Bank Rakyat Indonesia (Persero) Unit Sumber Beras Muncar Banyuwangi. The data consisted of three latent variables with their indicator be have tested the validity anf reliability using confirmatory factor analysis. Latent variable CRM affects cutomer satisfaction and customer loyalty. Benefits of SEM analysis is to obtain a structural model and measurement model derived from the model that has been getting good value for the test match, so it serves to test the validity and reliability of the relationship between latent variables with indicator variables. The result of this research show that the CRM have a significant effect on customer satisfaction, but not on customer loyalty.

Keywords: Structural Equation Modeling (SEM), Customer Relationship Management (CRM), Validity and Reliability.

I. PENDAHULUAN Sektor jasa merupakan sektor yang paling besar mengalami perubahan akibat dari cepatnya perubahan yang dialami oleh faktor lain, seperti perubahan kebijakan dalam kaitan globalisasi serta perubahan teknologi baru yang secara langsung menaikkan iklim kompetisi didalam industri [1]. Hubungan sebuah perusahaan dengan pelanggan yang semakin intensif dan kompleks untuk diperhatikan telah melahirkan konsep Customer Relationship Management (CRM). Analisis yang telah dilakukan untuk meneliti pengaruh antar variabel sebagian besar menggunakan metode regresi, seperti penelitian yang dilakukan

Mahsun [2]

dengan menggunakan analisis regresi linier berganda. Dalam hasil penelitiannya menyatakan bahwa analisis regresi berganda hanya dapat melihat pengaruh langsung

41

Structural Equation Modeling …(41 – 52)

terhadap variabel responnya. Tetapi untuk melihat besarnya pengaruh baik langsung maupun tidak langsung perlu dilakukan analisis lebih lanjut yaitu dengan menggunakan analisis jalur (path analysis). Pada keadaan ini, analisis data yang lebih tepat adalah model persamaan struktural atau analisis SEM karena variabel yang terlibat dalam analisis data adalah variabel laten yang dibentuk oleh beberapa indikator. Penelitian dalam bidang tersebut sering melibatkan multivariabel, multihubungan dan berjenjang. Berdasarkan uraian tersebut maka dipandang perlu untuk mengadakan suatu penelitian tentang pengaruh Customer Relationship Management (CRM) terhadap kepuasan dan loyalitas nasabah dengan menggunakan analisis statistik yaitu SEM

II. HASIL DAN PEMBAHASAN 2.1 Kajian Pustaka Analisis

SEM

merupakan

sekumpulan

teknik-teknik

statistik

yang

memungkinkan dilakukan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan. Di dalam SEM

dapat dilakukan tiga kegiatan secara serempak, yaitu

pemeriksaan validitas dan reliabilitas instrumen (setara dengan faktor analisis konfirmatori), pengujian model hubungan antar variabel laten (setara dengan analisis path), dan mendapatkan model yang bermanfaat untuk prediksi (setara dengan model struktural atau analisis regresi) [3]. Dalam melakukan analisis SEM terlebih dahulu diuraikan penjelasan mengenai konsep pengukuran validitas dan reliabilitas, analisis faktor konfirmatori, analisis jalur dan pemodelan persamaan struktural. Analisis Faktor Konfirmatori Analisis faktor konfirmatori digunakan dalam analisis SEM, karena berkenaan dengan pemeriksaan validitas dan reliabilitas suatu instrumen penelitian (kuisioner) yang dinyatakan dalam model pengukuran (measurement model), yaitu model yang menggambarkan keterkaitan antara variabel laten dengan variabel indikator. Dalam penelitian ini analisis konfirmatori dilakukan dengan bantuan software AMOS. Analisis Jalur Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung. Tujuan analisis

42


jalur adalah untuk menentukan pengaruh langsung dan tidak langsung diantara sejumlah variabel. Dalam Analisis jalur terdapat salah satu komponen yaitu koefisien path. Modelnya digambarkan dalam bentuk gambar lingkaran atau elips dan panah tunggal menunjukkan sebagai penyebab. Path diagram (diagram jalur) menggambarkan hubungan-hubungan yang ada diantara variabel laten, simbol diagram jalur untuk variabel laten adalah lingkaran (

) atau elips (

disimbolkan dengan anak panah (

), sedangkan hubungan antar variabel laten

). Untuk lebih jelasnya dapat dilihat dalam ilustrasi

berikut. Kepuasan pada Produk/Jasa (Y1.1)

Kepuasan pada Manfaat Produk/Jasa (Y1.3)

Kepuasan pada Kualitas Layanan (Y1.2)

Karyawan (X1.1)

Tehnologi (X1.2)

Penjualan (X1.3)

CRM (X1)

H1

Kepuasan Nasabah (Y1)

H3 H2

Produk (X1.4)

Loyalitas Nasabah (Y2)

Kinerja (X1.5)

Repeat purchase (Y2.1)

Positif Remarks (Y2.2)

Recommend to Others (Y2.3)

Giving Personal Information (Y2.4)

Gambar 1. Kerangka Konseptual Penelitian

43


Setelah mengembangkan model teoritis dan dituangkan ke dalam jalur, maka langkah selanjutnya adalah menterjemahkan diagram jalur menjadi persamaan struktural. Setiap konstruk endogen merupakan dependen variabel di dalam persamaan yang terpisah. Sehingga variabel independent adalah semua konstruk yang mempunyai garis dengan anak panah yang menghubungkan ke konstruk endogen.

2.2 Analisis Data dan Hasil Pembahasan Berdasarkan kuesioner Mahsun [2], terdapat indikator operasional yang menggambarkan pengaruh CRM terhadap kepuasan nasabah dan loyalitas nasabah yaitu : 1.

karyawan merupakan indikator CRM diberi simbol X1.1 ;

2.

teknologi merupakan indikator CRM diberi simbol X1.2 ;

3.

penjualan merupakan indikator CRM diberi simbol X1.3 ;

4.

produk merupakan indikator CRM diberi simbol X1.4 ;

5.

kinerja merupakan indikator CRM diberi simbol X1.5 ; Untuk variabel laten endogen kepuasan nasabah, item-item pertanyaan yang

menjadi indikatornya meliputi : 1.

kepuasan pada produk/jasa yang ditawarkan diberi simbol Y1.1 ;

2.

kepuasan pada kualitas layanan yang diberikan diberi simbol Y1.2 ;

3.

kepuasan pada manfaat produk/jasa yang ditawarkan diberi simbol Y1.3 . Untuk variabel laten endogen loyalitas nasabah, item-item pertanyaan yang

menjadi indikatornya meliputi : 1.

niat untuk melakukan pembelian ulang secara teratur (Repeat Purchase) diberi simbol Y2.1 ;

2.

niat untuk mengatakan hal positif (Positive Remarks) diberi simbol Y2.2 ;

3.

niat untuk merekomendasikan kepada orang lain (Recommend to Others) diberi simbol Y2.3 ;

4.

niat untuk memberikan informasi personal (Giving Personal Information) diberi simbol Y2.4 . Metode analisis data yang digunakan dalam penelitian ini adalah analisis SEM.

Untuk mendeskripsikan langkah-langkah SEM dan program analisis data digunakan program AMOS (Analysis Of Moment Structure) versi 6.0 dan aplikasi dari software open source (paket R) versi 2.13. Tujuan dari penggunaan aplikasi analisis SEM ini untuk

44


melihat keandalan dan keabsahan hubungan kausal antar variabel laten dalam manajemen pemasaran di bidang industri perbankan. Interpretasi Analisis SEM Menggunakan Software AMOS (Analysis Of Moment Structure) Ver. 6.0 Pengolahan data untuk analisis SEM menggunakan AMOS dapat dilakukan dengan membuat diagram jalur berdasarkan pada kajian konsep dan teori yang ada untuk menunjukkan hubungan kausal antar variabel yang telah diperoleh dari model awal yang ingin dianalisis pada menu “tools”. Interpertasi analisis SEM menggunakan AMOS dapat dilihat pada gambar berikut. zx1.1 e1.1.1 e1.1.2

1 1

X1.1.2 1

e1.1.3 e1.2.1 e1.2.2

1 1 1

Karyawan (X1.1)

e1.2.3

e1.2

e1.3

1

1

1

Y1.1

Y1.2

Y1.3

1

X1.1.3 zx1.2 X1.2.1


1 1

X1.2.2

Teknologi (X1.2)

1 1

e1.1

1

X1.1.1

1

z1

X1.2.3 zx1.3

e1.3.1

1 1

e1.3.2

1

X1.3.1

Penjualan (X1.3)

X1.3.2 1

1

e1.3.3

CRM (X)

X1.3.3 zx1.4

e1.4.1 e1.4.2

1 1

1

X1.4.1 X1.4.2 1

e1.4.3

e1.5.1 e1.5.2

1

1 1

e1.5.3

Produk (X1.4)

Loyalitas (Y2)

X1.4.3 1 X1.5.1 X1.5.2 1

1

z2 1

X1.5.3

Kinerja (X1.5) 1 zx1.5

Y2.1

Y2.2

1

1

e2.1

e2.2

Y2.3

Y2.4

1

1

e2.3

e2.4

Gambar 2. Output Konsep Diagram Jalur (model awal) dalam AMOS 6.0

Jika konsep diagram jalur sudah ditentukan, maka langkah selanjutnya adalah melakukan uji validitas dan reliabilitas (confirmatory analysis factor). Dari pengujian validitas dan reliabilitas yang dilakukan dalam AMOS dengan menggunakan analisis faktor konfirmatori maka didapatkan model awal sebagai berikut.

45


X1.1.1

,49 e1.1.2

X1.1.2

e1.1.3

,65

Karyawan (X1.1)

,70 ,27

,07

Chi-Square=114,523 Probability=,001 RMSEA =,080 AGFI=,793 TLI=,807 CFI =,852

,21

X1.1.3

e1.3

e1.2

e1.1

,42 e1.1.1

,47

,50 Y1.2

Y1.1

,71 ,68

,44 Y1.3

,66

,22


zx1.1 ,46

z1

,47

CRM (X)

,16

,41 -,04

,84 zx1.4

,70 e1.4.2

,58

X1.4.2

Produk (X1.4)

,32

,11 e1.4.3

,76

z2

,02 1,00

Loyalitas (Y2)

X1.4.3

,56 e1.5.1

,68

X1.5.1

e1.5.3

,75

,36

,13

,99

,80

,47

,71

,65

,60

,51

Kinerja (X1.5)

Y2.1

Y2.2

Y2.3

Y2.4

zx1.5

e2.1

e2.2

e2.3

e2.4

,36

X1.5.3

Gambar 3. Model Seteleh Uji Validitas dan Reliabilitas

Setelah dilakukan uji validitas dan reliabiliatas pada semua variabel laten yang memberikan hasil valid dan reliabel, kecuali pada konstruk CRM ada 2 faktor yang harus dihilangkan karena tidak valid. Dalam uji asumsi diperoleh hasil yang baik, seperti semua datanya bersifat normal, tidak terjadi multikolinieritas dan tidak terjadi outlier, maka variabel dapat dilanjutkan dengan uji kesesuaian model dan uji signifikansi kausalitas CRM terhadap kepuasan dan loyalitas nasabah. Pengujian model pada SEM bertujuan untuk melihat kesesuaian model dengan data dapat dilihat pada Tabel berikut. Tabel 1. Hasil Pengujian Pengaruh CRM (X) terhadap Kepuasan Nasabah (Y1) Loyalitas (Y2) Tahap Awal dan Kriteria Goodness-of-Fit Indices

46

Kriteria

Nilai Cut-off

Hasil Komputasi

Keterangan

Kesimpulan

Chi-square

Diharapkan kecil

114,523

Kurang baik

> 0,05

0,001

Kurang baik

Lakukan Modifikasi Model

Probabilitas signifikansi RMSEA AGFI TLI CFI

< 0,08 > 0,90 > 0,90 > 0,95

0,080 0,793 0,807 0,852

Kurang baik Kurang baik Kurang baik Kurang baik

dan


Hasil pengujian dengan program AMOS atas model awal seperti pada Gambar, menunjukkan bahwa dari enam kriteria yang digunakan untuk menilai layak tidaknya suatu model dan tidak ada kriteria yang terpenuhi, (berdasarkan tabel) dengan demikian perlu dilakukan modifikasi terhadap model. Untuk melakukan modifikasi model dalam AMOS dapat dilakukan dengan cara melihat nilai MI (modification index). Setelah melakukan modifikasi terhadap model awal maka didapatkan model baru yang fit seperti pada Gambar berikut. ,56 ,39

e1.1

,42 e1.1.1 e1.1.2

X1.1.1

,44

X1.1.2

Karyawan (X1.1)

,66 ,30

,09 e1.1.3

Chi-Square=74,348 Probability=,225 RMSEA =,036 AGFI=,904 TLI=,962 CFI =,972

,14

,65

X1.1.3

e1.2

,52 Y1.1

e1.3

,47 Y1.2

,72 ,69

,38 Y1.3

,62

,17


zx1.1 ,37

z1

,41

CRM (X)

,12

,35

-,30 ,76

zx1.4

,03

,57 e1.4.2

,54

X1.4.2

,34

,12 e1.4.3

Produk (X1.4)

,74

Loyalitas (Y2)

X1.4.3 ,69

,55 e1.5.1

X1.5.1

1,29

,74

,35

,12 e1.5.3

z2

,02 1,14

Kinerja (X1.5)

,79

,47

,71

,63

,61

,50

Y2.1

Y2.2

Y2.3

Y2.4

e2.1

e2.2

e2.3

e2.4

,37

X1.5.3 zx1.5

-,37

Gambar 4. Model fit, setelah Modifikasi

Pada Gambar tersebut dapat dilihat bahwa indikator yang memiliki nilai loading factor adalah signifikan dan dikatakan memiliki validitas dan reliabilitas yang baik. Indikator tersebut adalah : a. terdapat nilai lamda (loading factor)yang signifikan pada salah satu

indikator

karyawan yaitu X1.1.2 (dalam menghadapi permasalahan dan situasi yang ada, karyawan cepat tanggap)

47


b. terdapat nilai lamda (loading factor)yang signifikan pada salah satu indikator produk yaitu X1.4.2 (besarnya bunga tabungan dibandingkan bank lainnya) c. terdapat nilai lamda (loading factor)yang signifikan pada salah satu indikator kinerja yaitu X1.5.1 (merasa mudah dalam mengurus administrasi atau kredit) Setelah dilakukan modifikasi terhadap model makan diperoleh nilai Goodness of Fit Indices yang disajikan pada Tabel berikut Tabel 2. Nilai Goodness of Fit Indices Kriteria

Hasil Komputasi

Keterangan

Kesimpulan

Diharapkan kecil ≥ 0,05

74,348

Baik

0,225

Baik

< 0,08

0,036

Baik

AGFI

≥ 0,90

0,904

Baik

Model memenuhi kriteria Goodnessof-Fit Indices

TLI

≥ 0,90

0,962

Baik

CFI

≥ 0,95

0,972

Baik

Chi-square Probabilitas signifikansi REMSEA

Nilai Cut-off

Tabel tersebut menunjukkan bahwa dari enam kriteria yang digunakan untuk menilai suatu model sudah memenuhi kriteria dan mempunyai nilai yang baik atau layak, oleh karena itu model dapat diterima karena ada kesesuaian antara model dengan data. Sehingga dapat diperoleh output dalam AMOS setelah dilakukan modifikasi model dan memenuhi seluruh kriteria Goodness of Fit Indices yang disajikan pada Gambar 4. Setelah dilakukan pengujian kesesuaian model penelitian, maka langkah selanjutnya adalah menguji kausalitas hipotesis yang dikembangkan dalam model penelitian tersebut. Dari model yang sesuai, maka dapat diinterpretasikan masing-masing koefisien jalur. Pengujian koefisien jalur secara rinci untuk mengetahui besarnya pengaruh dari variabel-variabel yang diteliti, hasil perhitungan disajikan pada Tabel berikut.

48


Tabel 3. Hasil Pengujian Kausalitas Y1 Y2

<--<---

X Y1

Y2

<---

X

Koef Jalur 0,407 0,119

Estimate 2,585 0,193

S.E. 1,308 0,241

C.R. 1,977 0,801

P 0,048 0,423

0,034

0,351

1,533

0,229

0,819

Keterangan Signifikan Tidak signifikan Tidak signifikan

Dari tabel di atas ditunjukkan bahwa ketiga koefisien jalur bernilai positif, terdapat dua variabel yang tidak signifikan dan satu variabel yang signifikan. Koefisien jalur dengan nilai positif ini menunjukkan bahwa terdapat pengaruh yang baik antara variabel yang berhubungan pada jalur tersebut. Hasil dari penelitian ini dapat diketahui bahwa CRM berpengaruh signifikan terhadap kepuasan nasabah. Hal ini terlihat dari koefisien jalur positif sebesar 0,407 dengan CR sebesar 1,977 dan diperoleh probabilitas yang signifikan (p) sebesar 0,048 (nilai mendekati nol) yaitu lebih kecil dari taraf signifikan yang disyaratkan yaitu 0,05. Dengan demikian CRM berpengaruh secara langsung pada kepuasan nasabah, yang berarti bahwa jika persepsi nasabah terhadap CRM meningkat, maka kepuasan nasabah akan meningkat pula, dan sebaliknya jika persepsi nasabah tentang CRM menurun akan kepuasan nasabah akan ikut menurun. Jadi dapat disimpulkan jika CRM berpengaruh signifikan terhadap kepuasan nasabah PT. Bank Rakyat Indonesia (Persero) Tbk Unit Sumber Beras Muncar Banyuwangi). Interpretasi Analisis SEM Menggunakan Program Statistika R (Paket R) Ver. 2.13 Sebelum dilakukan interpretasi analisis SEM menggunakan paket R terlebih dahulu harus diinstal struktur fungsi SEM yang ada di library SEM. Dalam Paket R versi 2.13 telah terdapat fungsi untuk menggambar diagram jalur secara otomatis, akan tetapi terlebih dahulu ditambahkan library pendukungnya yaitu library(Rgraphviz) dan library(RGraphics).

Proses menggambar diagram jalur dengan bantuan program dot, program dot merupakan program yang menjadi relasi dari paket R, dapat di download gratis di http://www.graphviiz.org/ dengan mengkonvert output dari fungsi path.diagram pada paket R kemudian dijadikan terlebih dahulu dalam file R. File tersebut dijadikan sebagai input dalam program dot, sehingga menghasilkan gambar diagram jalur sebagai berikut ini.

49


Gambar 5. Output Diagram Jalur dari Paket R 2.13

III. KESIMPULAN Berdasarkan analisis hasil studi dan pembahasan tentang pengaruh Customer Relationship Management (CRM) terhadap kepuasan dan loyalitas nasabah PT. Bank Rakyat Indonesia (Persero) Tbk Unit Sumber Beras Muncar Banyuwangi), maka dapat diambil beberapa kesimpulan seperti ini. a. Terdapat nilai yang signifikan pada konstruk CRM yaitu karyawan, produk dan kinerja, serta diperoleh validitas dan reliabilitas yang baik. b. CRM berpengaruh signifikan terhadap kepuasan nasabah, akan tetapi tidak terhadap loyalitas nasabah.

DAFTAR PUSTAKA [1] Lovelock, & Jochen, W. 2004. Service Marketing , People, Tehnology, Straregy, Fifth Edition, International Edition. Pearson Education Unternational and Pretice hall. [2] Mahsun, A. 2006. Pengaruh Customer Relationship Management Terhadap Kepuasan Nasabah Bank Rakyat Indonesia (Persero) Tbk Unit Sumber Beras Muncar Banyuwangi. Jember. Universitas Jember. [3] Solimun. 2003. Structural Equation Modeling Lisrel dan Amos. Jurusan Statistika, FMIPA, Malang. Universitas Brawijaya.

50

Matematika dan Statistika

Recommend Documents