PEMODELAN PERSAMAAN STRUKTURAL DENGAN PARTIAL LEAST SQUARE PADA KEPUASAN PELANGGAN KARTU SELULER XYZ
RUSLAN ABDUL NASSER
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Persamaan Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2014 Ruslan Abdul Nasser NIM G14100022
ABSTRAK RUSLAN ABDUL NASSER. Pemodelan Persamaan Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ. Dibimbing oleh AAM ALAMUDI dan DIAN KUSUMANINGRUM. Masalah kepuasan pelanggan menjadi masalah yang harus mendapat perhatian serius dari pelaku bisnis, tidak terkecuali pelaku bisnis kartu seluler. Hal ini dikarenakan kepuasan pelanggan berpengaruh signifikan terhadap loyalitas pelanggan. Loyalitas pelanggan merupakan salah satu dampak positif dari adanya kepuasan pelanggan. Oleh karena itu diperlukan penelitian untuk mengetahui pengaruh kepuasan pelanggan kartu seluler terhadap loyalitas, khususnya pengguna mahasiswa. Kepuasan dan loyalitas merupakan peubah yang tidak dapat diukur secara langsung (peubah laten). Metode yang tepat untuk mengetahui pengaruh kepuasan terhadap loyalitas adalah metode pemodelan persamaan struktural (PPS), dengan metode partial least square (PLS). PPS dengan metode PLS digunakan ketika terdapat beberapa asumsi dalam PPS berbasis peragam yang tidak terpenuhi, seperti menyebar normal ganda dan jumlah contoh yang besar. Hasil yang didapatkan dari penelitian ini adalah peubah produk, kegiatan penjualan, dan budaya berpengaruh terhadap kepuasan pelanggan. Sementara itu peubah sesudah penjualan tidak berpengaruh terhadap kepuasan pelanggan. Faktor yang paling berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah peubah produk. Selanjutnya, kepuasan berpengaruh positif terhadap loyalitas pelanggan kartu seluler XYZ dan memiliki pengaruh yang cukup kuat. Peubah laten eksogen yang memiliki pengaruh secara tidak langsung terhadap loyalitas adalah produk dan kegiatan penjualan. Kata kunci: kepuasan, loyalitas, pemodelan persamaan stuktural, partial least square
ABSTRACT RUSLAN ABDUL NASSER. Structural Equation Modeling with Partial Least Square Method in Customer Satisfaction of XYZ celluler card. Advised by AAM ALAMUDI and DIAN KUSUMANINGRUM. Customer satisfaction issues become a problem that should be given serious attention from businesses people. This is due to the significant effect of customer satisfaction on customer loyalty. Customer loyalty is one of the positive impact of the customer satisfaction. Therefore, research is needed to determine the effect of customer satisfaction on loyalty celluler card, especially college students user. Satisfaction and loyalty are variable that can not be measured directly (latent variables). The most sufficient method to determine the effect of satisfaction on loyalty is structural equation modeling (SEM) with partial least square (PLS) method. SEM with the PLS method is used when there are several assumptions in covariance-based SEM which is violated, such as multivariate normal distribution and a large number of samples needed. Results obtained from this study is
product, sales activities, and cultural influence on customer satisfaction. After the sale variable has no effect on customer satisfaction. The factor that most affect the customer satisfaction of XYZ celluler card is product. Furthermore, satisfaction has a positive effect on customer loyalty of XYZ celluler card. Latent exogenous variables that have indirect influence on loyalty are product and sales activities Keywords: loyalty, satisfaction, structural equation modeling, partial least square
PEMODELAN PERSAMAAN STRUKTURAL DENGAN PARTIAL LEAST SQUARE PADA KEPUASAN PELANGGAN KARTU SELULER XYZ
RUSLAN ABDUL NASSER
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Judul Skripsi : Pemodelan Persamaan Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ Nama : Ruslan Abdul Nasser NIM : G14100022
Disetujui oleh
Ir Aam Alamudi, MSi Pembimbing I
Dian Kusumaningrum, SSi, MSi Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini ialah kepuasan pelanggan, dengan judul Pemodelan Persamaan Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ. Penulis mengucapkan terima kasih kepada semua pihak yang telah membantu dalam menyelesaikan karya ilmiah ini, antara lain: 1. Bapak Ir. Aam Alamudi, MSi dan Ibu Dian Kusumaningrum, MSi atas bimbingan, masukan, dan kesabarannya selama penulis menyelesaikan karya ilmiah ini. 2. Bapak Ir. Bambang Sumantri selaku penguji atas saran dan kritikannya yang membangun. 3. Dosen pengajar Departemen Statistika atas ilmu yang telah diberikan. 4. Ibu Markonah dan Tata Usaha Departemen Statistika atas bantuannya dalam kelancaran administrasi. 5. Departemen Survey and Research Himpunan Profesi Gamma Sigma Beta 2014 atas bantuannya dalam melakukan survei penelitian. 6. Keluarga di rumah, terutama Ayah, Ibu, dan Kakak atas dukungan dan doanya. 7. Rosalita, mahasiswa Komunikasi dan Pengembangan Masyarakat 2010 atas motivasi dan dukungannya sampai menyelesaikan studi di IPB. 8. Teman-teman Statistika 47 atas semangat dukungan dan bantuannya. 9. Mbak Rina dan seluruh kolega Statistics Center atas penerapan ilmu statistika yang telah diberikan selama menyelesaikan studi di IPB Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah ini. Oleh karena itu, penulis menerima saran dan kritikan yang membangun dari berbagai pihak agar dapat meningkatkan pengetahuan penulis di masa yang akan datang. Penulis berharap karya ilmiah ini dapat bermanfaat bagi penulis khususnya dan pembaca pada umumnya.
Bogor, Juli 2014 Ruslan Abdul Nasser
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
TINJAUAN PUSTAKA
2
Kepuasan dan Loyalitas Pelanggan
2
Pemodelan Persamaan Struktural dengan Partial Least Square
3
METODE
5
Data dan Metode Penarikan Contoh
5
Metode Analisis Data
5
HASIL DAN PEMBAHASAN
8
Validitas dan Reliabilitas Kuesioner
8
Deskripsi Karakteristik Responden
8
Diagram Jalur Pemodelan Persamaan Struktural dengan Partial Least Square 9 Evaluasi Goodness of Fit Pemodelan Persamaan Struktural dengan Partial Least Square
10
Pengujian hipotesis Pemodelan Persamaan Struktural dengan Partial Least Square
12
SIMPULAN
14
DAFTAR PUSTAKA
14
LAMPIRAN
15
RIWAYAT HIDUP
22
DAFTAR TABEL 1 Konversi diagram jalur ke persamaan 2 Nilai AVE, Composite Reliability, dan R-Square peubah laten 3 Hasil pengujian hipotesis
10 11 12
DAFTAR GAMBAR 1 Pengeluaran pulsa per bulan 2 Kerangka Konseptual Penelitian berdasarkan Pemodelan Persamaan Struktural
8 9
DAFTAR LAMPIRAN 1 2 3 4 5 6 7 8 9
Uji validitas setiap pernyataan dalam kuesioner Uji reliabilitas peubah laten dalam kuesioner Alasan utama menggunakan kartu seluler XYZ Pemodelan persamaan pengukuran dan model persamaan struktural dalam bentuk matriks Uji validitas konstruk pada pemodelan persamaan struktural Nilai loading pada diagram jalur persamaan struktural PLS Nilai t-hitung pada diagram jalur persamaan struktural PLS Hasil pengujian hipotesis pengaruh tidak langsung Kuesioner penelitian
15 15 16 16 17 17 18 18 19
PENDAHULUAN Latar Belakang Dunia bisnis kartu seluler mengalami perkembangan yang sangat pesat dalam era globalisasi saat ini. Hal ini menyebabkan terjadinya persaingan yang sangat ketat antar merek kartu seluler. Persaingan antar kartu seluler yang ketat ini mengakibatkan perusahaan penyedia layanan kartu seluler bersaing untuk meningkatkan para pelanggannya. Salah satu pelanggan yang menggunakan produk kartu seluler adalah mahasiswa. Mahasiswa pada saat ini umumnya menggunakan lebih dari satu merek kartu seluler untuk memenuhi kebutuhannnya. Berdasarkan hal tersebut, berbagai cara dilakukan penyedia layanan kartu seluler untuk memuaskan dan mempertahankan mahasiswa sebagai pelanggannya, melalui persaingan tarif harga, persaingan layanan, dan persaingan iklan di televisi. Oleh karena itu, masalah kepuasan pelanggan menjadi masalah yang harus mendapat perhatian serius dari pelaku bisnis kartu seluler. Menurut Tjiptono (2008) kepuasan pelanggan berpotensi memberikan sejumlah manfaat spesifik, salah satunya berdampak positif terhadap loyalitas pelanggan. Kepuasan dan loyalitas merupakan peubah yang tidak dapat diukur secara langsung (peubah laten) dan diukur oleh peubah-peubah indikator. Kepuasan sendiri terdiri dari beberapa faktor yang mempengaruhinya, yaitu produk, kegiatan penjualan, sesudah penjualan, dan budaya (Lele dan Sheth 1995). Metode yang tepat untuk mengetahui pengaruh kepuasan terhadap loyalitas adalah metode pemodelan persamaan struktural (PPS), yang sering disebut dengan Structural Equation Modeling (SEM) atau PPS berbasis peragam. Metode pendugaan yang umumnya digunakan dalam PPS berbasis peragam adalah metode Maximum Likelihood (ML). Pendugaan parameter dengan metode ML dalam PPS berbasis peragam membutuhkan beberapa asumsi kritis seperti ukuran contoh minimal 10 kali banyaknya indikator atau lebih dari 100 unit pengamatan dan data menyebar mengikuti sebaran normal ganda. PPS berbasis peragam menyediakan beberapa pendekatan yang dapat digunakan dalam pendugaan paremeter model jika data tidak menyebar normal ganda, diantaranya dengan Bootstrap ML atau menggunakan metode Weighted Least Square (WLS). Namun, kedua pendekatan ini tetap membutuhkan data yang relatif besar (Jaya dan Sumertajaya 2008). Pada penelitian ini banyaknya indikator yang digunakan untuk membangun diagram jalur PPS adalah 20 indikator, sehingga ukuran contoh minimal untuk memenuhi penggunaan ML dalam PPS berbasis peragam adalah 200 contoh. Terdapat beberapa keterbatasan dalam penelitian, seperti biaya yang terbatas, waktu yang singkat, dan responden yang harus memenuhi kriteria, menyebabkan peneliti tidak dapat memenuhi ukuran contoh minimal tersebut. Oleh karena itu, untuk model kompleks dengan ukuran contoh yang relatif kecil dibutuhkan suatu pendekatan baru. Salah satu pendekatan baru yang diperkenalkan oleh Herman Wold, adalah Partial Least Square (PLS). PPS dengan metode PLS dimungkinkan melakukan pemodelan persamaan struktural dengan ukuran contoh relatif kecil dan tidak membutuhkan asumsi normal ganda (Jaya dan Sumertajaya 2008).
2 Tujuan Penelitian 1. 2.
Tujuan penelitian ini adalah : Mengetahui faktor yang paling berpengaruh terhadap kepuasan pelanggan. Mengetahui pengaruh langsung dan tidak langsung peubah laten produk, kegiatan penjualan, sesudah penjualan, dan budaya, terhadap peubah laten kepuasan dan loyalitas.
TINJAUAN PUSTAKA Kepuasan dan Loyalitas Pelanggan Kepuasan pelanggan merupakan tingkat perasaan seseorang setelah membandingkan kinerja yang ia persepsikan dibandingkan dengan harapannya (Kotler, et al. dalam Tjiptono 2008). Menurut Lele dan Sheth (1995) terdapat empat landasan yang mempengaruhi kepuasan pelanggan, yaitu : 1. Peubah yang berkaitan dengan produk Terdapat tiga peubah pokok yang mempengaruhi kepuasan pelanggan terhadap produk atau jasa. Pertama rancangan dasar pokok yang terdiri dari pesan-pesan, keefektifan penjualan dan pendukung. Kedua umpan balik dan insentif. Ketiga sumber daya dan pembuatan yang terdiri dari kontak pelanggan, mutu, dan biaya. 2. Peubah yang berkaitan dengan kegiatan penjualan Peubah ini meliputi pesan-pesan (terbuka dan tertutup), sikap (latihan personil dan ganjaran), dan penyalur (insentif, seleksi, latihan dan pemantauan). 3. Peubah sesudah penjualan Sesudah penjualan yang dimaksud dalam hal ini adalah pelayanan pendukung (liputan dan mutu untuk kerja) dan umpan balik dan restitusi (liputan dan tanggapan) 4. Peubah yang berkaitan dengan budaya Nilai-nilai perusahaan yang merupakan penggerak utama di belakang produk, kegiatan penjualan, dan peubah-peubah yang berkaitan dengan pelayanan sesudah penjualan. Selanjutnya, Tjiptono (2008) menyatakan bahwa kepuasan pelanggan berpotensi memberikan sejumlah manfaat spesifik, salah satunya adalah berdampak positif terhadap loyalitas pelanggan. Loyalitas dalam hal ini terkait dengan perilaku pelanggan untuk membeli ulang di toko yang sama atau membeli produk yang sama. Beberapa indikator yang dapat menjelaskan loyalitas antara lain berkata positif tentang produk tertentu kepada orang lain, mendorong orang lain untuk membeli produk tersebut, keinginan untuk membeli produk di waktu yang akan datang, serta menempatkan produk tersebut sebagai prioritas utama dalam pembelian (Sumarwan et al. 2013).
3 Pemodelan Persamaan Struktural dengan Partial Least Square Pemodelan Persamaan Struktural (PPS) dengan Partial Least Square (PLS) pertama dikembangkan oleh Herman Wold pada tahun 1974. Wold pada dasarnya mengembangkan PLS untuk menguji teori yang lemah dan data yang memiliki ukuran contoh kecil. PLS merupakan metode analisis yang dapat diterapkan pada semua skala pengukuran data, tidak membutuhkan banyak asumsi dan ukuran contoh tidak harus besar. PLS selain dapat digunakan untuk menjelaskan ada atau tidaknya hubungan antar peubah laten, juga dapat digunakan untuk membangun hubungan yang belum memiliki landasan teori. PLS dibandingkan dengan PPS berbasis peragam mampu menangani dua masalah serius, yaitu (Chin 1998): a. Solusi yang tidak dapat diterima (inadmissible solution) Hal ini terjadi karena PLS berbasis ragam dan bukan peragam, sehingga permasalahan matriks singular tidak akan pernah terjadi. Di samping itu, karena PLS menggunakan iterasi algoritma yang terdiri dari metode kuadrat terkecil, maka persoalan un-identified, under-identified atau over-identified tidak akan terjadi dalam model rekursif. b. Faktor yang tidak dapat ditentukan (factor indeterminacy) Factor indeterminacy merupakan kondisi yang menyebabkan skor peubah laten tidak bisa didapatkan. Pendugaan parameter dalam PLS menggunakan proses perhitungan secara iterasi dengan metode kuadrat terkecil. Leisch dan Monecke (2011) menyederhanakan algoritma untuk mendapatkan pembobot-pembobot, koefisienkoefisien jalur, dan skor peubah laten ke dalam bentuk matriks sebagai berikut : a. Tahap I i. Inisialisasi Memperoleh matriks peubah laten ̂ berukuran n × q, n observasi dan q peubah laten. Matriks ini didapat dari perkalian matriks yang merupakan matriks indikator berukuran n × p (n observasi dan p indikator) yang telah distandarisasi, dengan matriks model pengukuran berukuran p × q ̂ ̂ ̂ ̂ √ ii. Pendugaan model struktural
̃
̃ √
̂ ̃ ̃
dengan ̃ adalah matriks estimasi model struktural berukuran n × q dan adalah matriks pembobot model struktural berukuran q × q iii. Pendugaan model pengukuran ̂
̃ ̃
̃
4 dengan ̂ merupakan vektor pembobot ke-g, ̃ adalah vektor estimasi model struktural ke-g, dan adalah matriks indikator ke-g (g=1,...,q) iv. Pendugaan nilai-nilai peubah laten Memperoleh matriks ̂ baru hasil perkalian matriks dengan matriks pembobot pengukuran berukuran p × q. ̂ ̂ ̂ ̂ √ Pendugaan iterasi dimulai pada langkah i sampai iv, kemudian dilanjutkan dari langkah ii sampai iv diulangi hingga konvergen, dengan batas kekonvergenan (( ̂ - ̂ )/ ̂ ) ≤ 10-5 (k=1,..,p) b. Tahap II : Pendugaan koefisien jalur Pendugaan koefisien jalur dengan metode kuadrat terkecil ̂ ̂ ̂ ̂ ̂ dengan ̂
merupakan vektor peubah laten ke-g sebelumnya. Kemudian memperoleh matriks koefisen jalur ̂ berukuran q × q dengan : ̂ ̂
Pendugaan nilai cross dan outer loading Nilai cross loading dapat dilihat dari matriks loading faktor ̂ berukuran p × q ̂ ̂ dan matriks outer loading didapat dengan : ̂ ̂
Pengujian hipotesis dalam PLS dilakukan dengan metode resampling (Bootstraping), metode ini digunakan untuk memperoleh standard error pada pengujian hipotesis. Statistik uji yang digunakan adalah uji t, dengan rumus sebagai berikut (Chin 1998) : ̂ ̂ dengan t merupakan t-hitung, ̂ adalah nilai dugaan koefisien jalur peubah laten ke-g, dan SE( ̂ ) adalah standard error yang diperoleh dari bootsrapping.
5
METODE Data dan Metode Penarikan Contoh Data yang digunakan dalam penelitian ini adalah data primer yang dikumpulkan melalui survei dengan metode penarikan contoh bola salju. Metode ini digunakan karena peneliti tidak banyak mengetahui tentang populasi mahasiswa yang menggunakan kartu seluler XYZ. Peneliti hanya mengetahui beberapa orang yang dapat dijadikan contoh. Oleh karena itu, dari contoh pertama peneliti meminta untuk menunjukkan mahasiswa lain yang dapat dijadikan sebagai responden. Responden yang terpilih merupakan mahasiswa aktif S1 Institut Pertanian Bogor yang menggunakan kartu seluler XYZ dengan kriteria sudah lebih dari satu bulan memiliki kartu seluler XYZ, menggunakan layanan internet, dan pernah mengunjungi gerai XYZ atau menghubungi Call Center sebelumnya. Chin dan Newsted (1999) menjelaskan bahwa ukuran contoh yang dapat digunakan dalam PLS minimal 50, oleh karena itu dalam penelitian ini ukuran contoh yang dipilih sebanyak 50. Instrumen yang digunakan dalam penelitian ini berupa kuesioner tentang kepuasan pelanggan. Skala yang digunakan dalam menjawab pertanyaan kuesioner adalah skala Likert dengan jawaban responden Sangat Tidak Setuju (STS) sampai Sangat Setuju (SS). Kuesioner penelitian dapat dilihat pada Lampiran 9.
Metode Analisis Data 1.
Langkah-langkah yang dilakukan dalam penelitian ini adalah : Pembuatan kuesioner sesuai dengan peubah-peubah yang akan diteliti. Kemudian melakukan pengujian validitas dan reliabilitas kuesioner terhadap 15 responden dengan metode uji korelasi dan cronbach alpha. ∑ ∑ ∑ √
∑
∑
∑
∑
dengan: N : banyaknya responden dalam validitas instrumen : skor instrumen ke-i (i=1,2... 15) : skor total instrumen responden ke-i (i=1,2,...15)
( (
∑
))
dengan: : koefisien reliabilitas m : banyaknya butir pertanyaan pada setiap peubah laten : ragam skor butir pertanyaan ke-i (i=1,2,...,m) : ragam skor total Nilai koefisien korelasi yang diperoleh positif dan nilainya lebih besar dari
6
2. 3. 4.
nilai r tabel (taraf nyata,N), menunjukkan bahwa instrumen yang digunakan valid (Tika 2006). Nilai r tabel untuk taraf nyata 5% dan ukuran contoh 15 adalah 0.514. Nilai koefisien reliabilitas lebih besar atau sama dengan 0.6 menunjukkan bahwa instrumen reliabel (Idrus 2009). Melakukan survei terhadap mahasiswa aktif S1 IPB yang menggunakan kartu seluler XYZ dengan metode penarikan contoh bola salju. Analisis deskriptif mahasiswa yang menggunakan kartu seluler XYZ. Membuat diagram jalur (diagram path) yang menjelaskan pola hubungan antara peubah laten dengan indikatornya. Model analisis jalur seluruh peubah laten dalam PLS terdiri dari tiga set hubungan (Chin 1998): a. Inner Model (Model Struktural) Inner model menggambarkan hubungan antar peubah laten berdasarkan landasan teorinya. Pemodelan persamaannya adalah sebagai berikut : dengan : : vektor peubah laten endogen berukuran a x 1 Β : matriks koefisien endogen terhadap endogen berukuran a x a : matriks koefisien eksogen terhadap endogen berukuran a x b : vektor peubah laten eksogen berukuran b x 1 : vektor peubah residual berukuran a x 1 b. Outer Model (Model Pengukuran) Outer model mendefinisikan hubungan antara setiap indikator dengan peubah latennya. Kelompok indikator yang bersifat refleksif dituliskan dalam persamaan berikut :
dengan : x : vektor peubah indikator bagi peubah laten eksogen c x 1 y : vektor peubah indikator bagi peubah laten endogen d x 1 : matriks loading faktor peubah laten eksogen berukuran c x b : matriks loading faktor peubah laten endogen berukuran d x a : vektor sisaan pengukuran dari x berukuran c x 1 : vektor sisaan pengukuran dari y berukuran d x 1 c. Weight Relation Weight relation didefinisikan karena inner dan outer model memberikan spesifikasi yang diikuti dalam estimasi algoritma PLS. Nilai kasus untuk setiap peubah laten diestimasi PLS sebagai berikut :
5. 6.
dengan dan adalah k weight yang digunakan untuk membentuk estimasi peubah laten dan Melakukan pendugaan parameter. Melakukan evaluasi goodness of fit (Jaya dan Sumertajaya 2008). a. Outer Model Convergent Validity
7
7.
Korelasi antara skor indikator refleksif dengan skor peubah latennya. Skala pengukuran nilai loading untuk penelitian tahap awal dari pengembangan cukup 0.50 sampai 0.60 (Chin 1998). Discriminant Validity Membandingkan nilai square root of average variance extracted (AVE) setiap peubah laten dengan korelasi antara peubah laten lainnya dalam model. Apabila nilai akar AVE peubah laten lebih besar dari korelasi dengan seluruh peubah laten lainnya, maka dikatakan memiliki discriminant validity yang baik. Direkomendasikan nilai AVE harus lebih besar dari 0.50.
dengan adalah component loading ke indikator dan =1Composite reliability Blok indikator yang mengukur kekonsistenan suatu peubah laten. Suatu peubah laten dikatakan memliki reliabilitas komposit yang baik jika memiliki composite reliability ≥ .7.
dengan adalah component loading ke indikator dan =1b. Inner Model Goodness of Fit Model diukur menggunakan R-Square peubah laten endogen dengan interpretasi yang sama dengan regresi. Q-Square predictive relevance untuk model struktural, mengukur kebaikan nilai observasi yang dihasilkan oleh model dan estimasi parameternya. Perhitungan Q-Square dilakukan dengan rumus : ( )( ) ( ) dengan , , ..., adalah R-square peubah laten endogen dalam model persamaan. Besaran memiliki nilai dengan rentang 0 < < 1, dengan semakin mendekati 1, maka model semakin baik. Pengujian Hipotesis. Hipotesis untuk γ adalah sebagai berikut (Jaya dan Sumertajaya 2008) : Hipotesis statistik untuk outer model adalah : H0 : e = 0 ; e = 1,2,...,20 (tidak terdapat hubungan antara peubah indikator dengan peubah laten) H1 : e ≠ ; e = 1,2,...,20 (terdapat hubungan antara peubah indikator dengan peubah laten) Hipotesis statistik untuk inner model (pengaruh peubah laten eksogen terhadap endogen) adalah H0 : γb = 0 ; b = 1,2,3,4 (tidak terdapat hubungan antara peubah laten eksogen dengan peubah laten endogen) H1 : γb ≠ 0; b = 1,2,3,4 (terdapat hubungan antara peubah laten eksogen dengan peubah laten endogen) Hipotesis statistik untuk inner model adalah : pengaruh peubah laten endogen terhadap endogen adalah
8 H0 :
= 0 (tidak terdapat hubungan antara peubah laten endogen dengan peubah laten endogen) H1 : 1 ≠ h h peubah laten endogen) Ketika nilai |t-hitung| yang diperoleh lebih besar dari 1.96, maka disimpulkan signifikan. 1
HASIL DAN PEMBAHASAN Validitas dan Reliabilitas Kuesioner Pengujian validitas dan reliabilitas terhadap kuesioner dilakukan terhadap 15 responden melalui survei pendahuluan. Pernyataan-pernyataan yang dibuat dalam kuesioner ini dikembangkan berdasarkan teori dan definisi yang diperoleh dari studi literatur. Uji validitas dilakukan untuk mengetahui kemampuan pernyataan-pernyataan yang terdapat dalam kuesioner melakukan fungsinya sebagai alat ukur. Uji validitas dilakukan dengan melihat korelasi antara nilai masing-masing pernyataan dengan jumlah dari nilai-nilai pernyataan setiap peubah latennya. Berdasarkan hasil koefisien korelasi yang diperoleh dan dapat dilihat pada Lampiran 1, semua pernyataan dalam kuesioner valid pada taraf nyata 5% yang ditunjukkan dengan seluruh koefisien korelasi lebih besar dari nilai r tabel (0.514). Uji reliabilitas digunakan untuk mengetahui konsistensi dan keterandalan kuesioner sebagai alat ukur. Lampiran 2 menunjukkan bahwa semua peubah laten sudah memiliki nilai koefisien reliabilitas yang lebih besar dari 0.6, sehingga dapat disimpulkan semua pernyataan yang mengukur peubah laten dalam kuesioner adalah reliabel.
Deskripsi Karakteristik Responden Mahasiswa yang terpilih sebagai responden dalam penelitian ini adalah mahasiswa S1 IPB yang memiliki kartu seluler XYZ. Responden terpilih terdiri dari 72% berjenis kelamin perempuan dan 28% berjenis kelamin laki-laki dari total 50 responden. Responden terpilih memiliki umur berkisar antara 18-22 tahun dengan jumlah responden terbanyak pada umur 20 tahun sebanyak 20 responden. Gambar 1 menunjukkan bahwa mayoritas (50%) mahasiswa rata-rata pengeluaran pulsa per bulannya > Rp 50.000. 12% < Rp 25.000
50% 38%
Rp 25.000 - Rp 50.000 > Rp 50.000
Gambar 1 Pengeluaran pulsa per bulan
9
Berdasarkan Lampiran 3, alasan utama responden memilih kartu XYZ sebagai kartu selulernya adalah faktor keluarga. Hal ini dikarenakan jika responden memiliki merek kartu seluler yang sama dengan anggota keluarga lainnya, maka biaya sms dan telepon cenderung murah. Diagram Jalur Pemodelan Persamaan Struktural dengan Partial Least Square Pembuatan diagram jalur pada pemodelan persamaan struktural dan pemodelan persamaan pengukuran dalam penelitian ini dikembangkan berdasarkan teori yang telah dijelaskan pada tinjauan pustaka. Pada penelitian ini terdapat empat peubah laten eksogen yaitu produk, kegiatan penjualan, sesudah penjualan, dan budaya, serta dua peubah laten endogen yaitu kepuasan dan loyalitas. Peubah produk digambarkan oleh empat indikator (persamaan 1 pada Tabel 1), yaitu kualitas jaringan (X1.1), sinyal (X1.2), tarif sms (X1.3), dan tarif layanan internet (X1.4). Peubah kegiatan penjualan digambarkan oleh empat indikator (persamaan 2 pada Tabel 1), yaitu informasi kartu seluler (X2.1), informasi kantor (X2.2), promosi (X2.3), dan isi ulang pulsa (X2.4). Peubah sesudah penjualan digambarkan oleh empat indikator (persamaan 3 pada Tabel 1), yaitu gangguan jaringan (X3.1), layanan call center (X3.2), komplain pelanggan (X3.3), dan kantor pelayanan (X3.4). Budaya digambarkan oleh dua indikator (persamaan 4 pada Tabel 1), yaitu perhatian terhadap kebutuhan (X4.1) dan solusi terbaik (X4.2). Kepuasan digambarkan oleh tiga indikator (persamaan 5 pada Tabel 1), yaitu kesesuaian harapan (Y1.1), puas akan produk (Y1.2), dan puas akan layanan (Y1.3). Loyalitas digambarkan oleh tiga indikator (persamaan 6 pada Tabel 1), yaitu setia (Y2.1), tidak tertarik promosi lain (Y2.2), dan rekomendasi (Y2.3). Pemodelan persamaan struktural penelitian dalam bentuk matriks dapat dilihat pada Lampiran 4. Kerangka konseptual penelitian sesuai dengan peubah laten dan peubah indikator dapat dilihat pada Gambar 2 berikut.
Gambar 2 Kerangka konseptual penelitian berdasarkan pemodelan persamaan struktural
10
Peubah Laten Produk ( )
Tabel 1 Konversi diagram jalur ke persamaan Model Pengukuran Model Struktural
...(1) Kegiatan Penjualan ( ) ...(2) Sesudah Penjualan ( ) ...(3) Budaya ( ) ...(4) γ
Kepuasan ( )
γ
γ
γ
....(5) Loyalitas ( ) ....(6)
Evaluasi Goodness of Fit Pemodelan Persamaan Struktural dengan Partial Least Square PPS dengan PLS dalam pendugaan parameternya digunakan proses perhitungan secara iterasi dengan metode kuadrat terkecil, sehingga tidak mensyaratkan adanya asumsi distribusi tertentu. Berdasarkan hal tersebut, teknik parametrik untuk menguji atau mengevaluasi signifikansi dalam PLS tidak diperlukan. Oleh karena itu, untuk mengevaluasi model PLS dapat dilakukan dengan menilai model pengukuran dan model struktural seperti berikut (Chin dan Newsted 1999): 1. Evaluasi model pengukuran Evaluasi terhadap model pengukuran dilakukan pada masing-masing peubah laten dengan melakukan pengujian validitas dan reliabilitas konstruk. Ukuran suatu indikator dikatakan valid jika memiliki nilai loading dengan peubah laten yang ingin diukur > 0.5 dan memiliki nilai t-hitung > 1.96. Berdasarkan hasil nilai loading dan t-hitung yang diperoleh dan dapat dilihat pada Lampiran 5, dapat disimpulkan bahwa semua nilai loading dari hubungan peubah indikator dengan peubah latennya memiliki nilai loading > 0.5 dan memiliki nilai t-hitung > 1.96. Hal ini mengindikasikan bahwa semua peubah indikator valid untuk mengukur konstruk latennya. Metode lain yang dapat digunakan untuk
11 mengukur validitas konstruk adalah dengan melihat nilai AVE pada setiap peubah latennya. Berdasarkan Tabel 2, nilai AVE untuk setiap peubah laten memiliki nilai > 0.5, ini mengindikasikan bahwa setiap peubah indikator valid untuk mengukur konstruk latennya. Selanjutnya suatu peubah dikatakan cukup konsisten apabila peubah tersebut mempunyai nilai composite reliability > 0.7. Tabel 2 menunjukkan bahwa semua nilai composite reliability > 0.7, oleh karena itu dapat disimpulkan bahwa indikator-indikator yang digunakan pada penelitian ini mempunyai reliabilitas yang baik atau mampu untuk mengukur konstruknya. Tabel 2 Nilai AVE, Composite Reliability, dan R-Square peubah laten Peubah Laten AVE Composite R Square Reliability Produk 0.5476 0.8253 Kegiatan Penjualan 0.5269 0.8159 Sesudah Penjualan 0.6022 0.8579 Budaya 0.7967 0.8868 Kepuasan 0.7857 0.9165 0.6400 Loyalitas 0.6544 0.8497 0.4027 2. Evaluasi model struktural Model struktural dapat dievaluasi dengan melihat nilai R-square pada peubah laten endogen. Tabel 2 menunjukkan bahwa nilai R-square peubah kepuasan sebesar 64.00%, artinya keragaman kepuasan yang dapat dijelaskan oleh produk, kegiatan penjualan, sesudah penjualan, dan budaya sebesar 64.00%, sisanya sebesar 36.00% dijelaskan oleh peubah lain diluar model. Nilai R-square loyalitas sebesar 40.27% menunjukkan bahwa keragaman loyalitas yang dapat dijelaskan oleh kepuasan sebesar 40.27%, sisanya sebesar 59.73% dijelaskan oleh peubah lain diluar model. Chin (1998) menjelaskan bahwa hasil R-square sebesar 30%-67% menunjukkan bahwa model sudah cukup baik. Oleh karena itu, dapat disimpulkan bahwa keragaman kepuasan sudah cukup baik dijelaskan oleh produk, kegiatan penjualan, sesudah penjualan, dan budaya. Sementara keragaman loyalitas sudah cukup baik dijelaskan oleh kepuasan. Uji kebaikan model struktural dapat dilihat dari nilai berikut : . . . Nilai yang dihasilkan mendekati nilai 1, sehingga dapat dinyatakan bahwa model struktural fit dengan data. Hasil evaluasi model pengukuran dan model struktural menunjukkan bahwa model secara keseluruhan fit dengan data, sehingga hasil penelitian ini dapat dinyatakan valid dan reliabel.
12 Pengujian Hipotesis Pemodelan Persamaan Struktural dengan Partial Least Square Hasil pengujian hipotesis untuk model struktural pada penelitian ini dapat dilihat pada Tabel 3 berikut. Tabel 3 Hasil pengujian hipotesis Hubungan Kausalitas Koefisien T-hitung (pengaruh langsung) Jalur Produk -> Kepuasan 0.5046 7.4435 Kegiatan Penjualan -> Kepuasan 0.1922 2.4925 Sesudah Penjualan -> Kepuasan 0.0959 1.1954 Budaya -> Kepuasan 0.1731 2.0144 Kepuasan -> Loyalitas 0.6346 7.8969 Berdasarkan hasil pada Tabel 3, nilai t-hitung yang diperoleh dari hubungan antara peubah produk, kegiatan penjualan, dan budaya dengan kepuasan, seluruhnya lebih besar dari 1.96. Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan antara produk, kegiatan penjualan, dan budaya dengan kepuasan pada taraf nyata 5%. Nilai positif pada masing-masing koefisien jalur artinya adalah semakin baik produk, kegiatan penjualan, dan budaya maka kepuasan akan semakin meningkat. Sementara peubah sesudah penjualan memiliki nilai t-hitung kurang dari 1.96, sehingga dapat disimpulkan bahwa tidak terdapat pengaruh yang signifikan antara sesudah penjualan dengan kepuasan pada taraf nyata 5%. Dilihat dari nilai koefisien jalur pada Tabel 3, nilai koefisien jalur tertinggi yang mempengaruhi kepuasan adalah peubah produk, dengan nilai sebesar 0.5046. Diikuti oleh peubah kegiatan penjualan dengan nilai sebesar 0.1922 dan terakhir peubah budaya dengan nilai sebesar 0.1731. Berdasarkan hal tersebut dapat disimpulkan bahwa faktor yang paling berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah produk. Hal ini menunjukkan bahwa produk yang dihasilkan oleh kartu seluler XYZ memiliki kontribusi paling besar dalam menciptakan kepuasan pelanggan. Nilai loading tertinggi dalam membentuk peubah laten produk adalah sinyal (X1.2), dengan nilai 0.8736 (dapat dilihat pada Lampiran 5). Hal ini menunjukkan bahwa kartu seluler XYZ memiliki sinyal yang sangat bagus. Sinyal yang sangat bagus ini memiliki peran paling besar untuk menggambarkan produk dalam mempengaruhi kepuasan. Sementara nilai loading terendah dalam membentuk peubah laten produk adalah tarif sms dan tarif layanan internet, dengan nilai sebesar 0.6209 dan 0.6135. Kedua indikator ini perlu ditingkatkan oleh penyedia layanan kartu seluler XYZ agar pelanggan semakin puas dalam menggunakan produk kartu seluler XYZ. Nilai koefisien jalur terbesar yang mempengaruhi kepuasan pelanggan adalah peubah kegiatan penjualan. Dilihat dari nilai loading tertinggi yang membentuk peubah laten kegiatan penjualan adalah informasi mengenai kartu seluler XYZ (X2.1), dengan nilai sebesar 0.7966 (dapat dilihat pada Lampiran 5). Hal ini menunjukkan bahwa informasi yang diberikan oleh kartu seluler XYZ baik melalui televisi, radio, maupun koran, mudah diterima dan dapat diingat oleh responden. Informasi mengenai kartu seluler XYZ ini memberikan kontribusi paling besar dalam menggambarkan peubah kegiatan penjualan mempengaruhi
13 kepuasan. Sementara informasi mengenai cabang/kantor kartu seluler XYZ perlu ditingkatkan, baik melalui media cetak maupun media elektronik. Hal ini dikarenakan informasi mengenai cabang/kantor kartu seluler XYZ memiliki kontribusi paling rendah dalam membentuk kegiatan penjualan. Peubah budaya menjadi faktor yang paling rendah dalam mempengaruhi kepuasan pelanggan karena memiliki nilai koefisien jalur terendah. Dilihat dari nilai loading indikator yang menggambarkan budaya, yaitu perhatian kebutuhan pelanggan (X4.1) dan solusi terbaik (X4.2) sebenarnya sudah cukup tinggi dengan nilai sebesar 0.8996 dan 0.8855 (dapat dilihat pada Lampiran 5). Namun responden masih kurang baik dalam menilai kedua indikator tersebut, dilihat dari persentase jawaban responden untuk skor 4 dan 5 (dari skala 7) yang mencapai 63% untuk X4.1 dan 62% untuk X4.2. Penilaian tersebut diberikan oleh responden karena responden belum merasakan adanya perhatian kebutuhan dan belum mengetahui solusi terbaik yang diberikan oleh penyedia layanan kartu seluler XYZ. Oleh karena itu, nilai koefisien jalur budaya dalam mempengaruhi kepuasan menjadi rendah. Peubah sesudah penjualan tidak berpengaruh terhadap kepuasan. Hal ini bermakna bahwa walaupun penyedia layanan kartu seluler XYZ telah menciptakan faktor sesudah penjualan dalam bentuk penanganan gangguan jaringan, layanan call center, tanggapan komplain pelanggan, dan ketersediaan kantor layanan, maka belum tentu dapat menciptakan kepuasan pelanggan. Hal ini terjadi karena responden belum merasakan adanya layanan customer service yang baik dari penyedia layanan kartu seluler XYZ, sehingga menyebabkan nilai koefisien jalur yang kecil antara sesudah penjualan dan kepuasan yaitu 0.0959 (Tabel 3). Dilihat dari nilai loading indikator dalam membentuk faktor sesudah penjualan, nilai loading terendah dimiliki oleh indikator ketersediaan kantor layanan dengan nilai sebesar 0.7043 (dapat dilihat pada Lampiran 5). Hal ini memberikan makna bahwa responden masih memiliki kesulitan dalam menemukan kantor pelayanan kartu seluler XYZ terdekat. Oleh karena itu, agar faktor sesudah penjualan berpengaruh terhadap kepuasan, penyedia layanan kartu seluler XYZ harus meningkatkan layanan customer service nya, terutama dari ketersediaan kantor pelayanan kartu seluler XYZ itu sendiri. Dukungan layanan call center selama 24 jam juga perlu ditingkatkan oleh penyedia layanan kartu seluler XYZ, karena indikator ini memiliki nilai loading terendah kedua setelah ketersediaan kantor pelayanan yaitu sebesar 0.7656. Koefisien jalur yang diperoleh dari hubungan antara peubah kepuasan dengan loyalitas adalah sebesar 0.6346 dengan nilai t-hitung 7.8496 > 1.96. Hal ini menunjukkan bahwa terdapat pengaruh positif antara kepuasan dengan loyalitas pada taraf nyata 5%. Penjelasan tersebut dapat diartikan bahwa semakin tinggi kepuasan pada kartu seluler XYZ dengan indikator sesuai harapan, puas akan produk, dan puas akan layanan, maka diharapkan dapat menciptakan loyalitas. Peubah laten eksogen yang memiliki pengaruh tidak langsung terhadap loyalitas dalam penelitian ini adalah produk dan kegiatan penjualan, hal ini terlihat pada Lampiran 8 yang menunjukkan bahwa nilai t-hitung keduanya lebih besar dari 1.96. Peubah laten eksogen yang memiliki kontribusi terbesar secara tidak langsung terhadap loyalitas adalah produk, dengan koefisien jalur terbesar yaitu 0.3202. Hal ini mengindikasikan bahwa semakin tinggi kemampuan
14 penyedia layanan kartu seluler XYZ memberikan kepuasan terhadap pelanggan, maka produk yang diciptakan akan semakin memiliki potensi dalam meningkatkan dan mempertahankan jumlah pelanggannya.
SIMPULAN Pengujian hipotesis pada pemodelan persamaan struktural yang diperoleh dengan metode PLS menunjukkan bahwa peubah produk, kegiatan penjualan, dan budaya berpengaruh terhadap kepuasan pelanggan. Sementara peubah sesudah penjualan tidak berpengaruh terhadap kepuasan pelanggan. Faktor yang paling berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah produk. Selanjutnya, kepuasan berpengaruh positif terhadap loyalitas pelanggan kartu seluler XYZ. Peubah laten eksogen yang memiliki pengaruh tidak langsung terhadap loyalitas adalah produk dan kegiatan penjualan, dengan kontribusi terbesar secara tidak langsung terhadap loyalitas adalah produk.
DAFTAR PUSTAKA Chin, W. 1998. The Partial Least Square Approach for Structural Equation Modeling. Cleveland. Ohio Chin, W, Newsted, PR. 1999. Structural equation modelling analysis with small samples using partial least squares. Di dalam: Hoyle R. H. Statistical strategies for small sample research. Thousand Oaks, Amerika Serikat (CA): Sage. hlm 307–341. Idrus M. 2009. Metode Penelitian Ilmu Sosial. Jakarta (ID): Erlangga. Jaya IGNM, Sumertajaya IM. 2008. Pemodelan Persamaan Struktural dengan Partial Least Square. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika. ISSN: 978-979-16353-1-8. Leisch F, Monecke A. 2011. semPLS: Structural Equation Modeling Using Partial Least Squares. Vol. 48, Issue 3. ISSN 1548-7660. Lele M, Sheth JN. 1995. Pelanggan, Kunci Keberhasilan: Merebut Keunggulan Tak Terkalahkan Melalui Kepuasan Pelanggan. Soetadi BD, penerjemah. Jakarta (ID): Mitra Utama. Terjemahan dari: The Customer is Key: gaining an unbeatable advantage through customer satisfaction. Sumarwan U, Puspitawati H, Hariadi A, Ali MM, Gazali M, Hartono S, Farina T. 2013. Seri 3 Riset Pemasaran dan Konsumen: Anova, Ancova, Regresi dan Structural Equation Modelling, serta Kajian: Posisi Produk, Ekuitas Merek, Konsep Diri, Loyalitas Toko, Sikap dan Preferensi, Strategi Harga, dan Keluhan Pelanggan. Bogor (ID): IPB Press. Tika MP. 2006. Metodologi Riset Bisnis. Jakarta (ID) : PT Bumi Aksara Tjiptono F. 2008. Service Management Mewujudkan Layanan Prima. Prabantini D, editor. Yogyakarta (ID): Penerbit Andi. Wijanto SH. 2008. Structural Equation Modeling dengan LISREL 8.8: Konsep dan Tutorial. Yogyakarta (ID): Graha Ilmu.
15 Lampiran 1 Nilai uji validitas setiap pernyataan dalam kuesioner Peubah Peubah Koefisien Laten Indikator Korelasi* Produk (X1) X11 0.807 X12 0.905 X13 0.753 X14 0.858 Kegiatan Penjualan (X2) X21 0.920 X22 0.855 X23 0.731 X24 0.691 Sesudah Penjualan (X3) X31 0.797 X32 0.750 X33 0.814 X34 0.758 Budaya (X4) X41 0.899 X42 0.891 Kepuasan (Y1) Y11 0.919 Y12 0.942 Y13 0.788 Loyalitas (Y2) Y21 0.908 Y22 0.764 Y23 0.927 *Seluruh peubah indikator valid untuk mengukur peubah latennya dengan nilai koefisien korelasi lebih besar dari r tabel (0.514) Lampiran 2 Nilai reliabilitas pernyataan terhadap peubah laten dalam kuesioner Peubah Laten Koefisien Reliabilitas* Produk 0.842 Kegiatan Penjualan 0.801 Sesudah Penjualan 0.778 Budaya 0.752 Kepuasan 0.862 Loyalitas 0.835 * Seluruh peubah laten reliabel dengan nilai koefisien reliabilitas lebih besar dari 0.6
16 Lampiran 3 Alasan utama menggunakan kartu seluler XYZ 40.0% 35.0% 30.0% 25.0% 20.0% 15.0% 10.0% 5.0% 0.0%
35.6%
18.6% 13.6%
11.9%
8.5%
6.8% 1.7%
Keluarga Paket memakai murah XYZ
Sudah Jaringan Telpon lama Luas murah pakai
Sinyal Kuat
1.7%
1.7%
Banyak Internet SMS paket Cepat murah gratis nelpon & sms
Lampiran 4 Pemodelan persamaan pengukuran dan model persamaan struktural dalam bentuk matriks Model Pengukuran 1. Peubah laten eksogen
[ ] [ ] [ ] [ 2. Peubah laten endogen
]
[ ]
[
]
[
]
[
]
Model Struktural [ ]
[
γγ γγ ] [ ]
* [ ]
+
17 Lampiran 5 Uji validitas konstruk pada pemodelan persamaan struktural Hubungan
Nilai T-hitung* loading* X11 <- Produk 0.8156 16.3369 X12 <- Produk 0.8736 34.6978 X13 <- Produk 0.6209 6.319 X14 <- Produk 0.6135 7.4648 X21 <- Kegiatan Penjualan 0.7966 16.7965 X22 <- Kegiatan Penjualan 0.6721 8.5451 X23 <- Kegiatan Penjualan 0.7434 11.5843 X24 <- Kegiatan Penjualan 0.6845 9.183 X31 <- Sesudah Penjualan 0.8153 21.9661 X32 <- Sesudah Penjualan 0.7656 10.9868 X33 <- Sesudah Penjualan 0.8136 14.1604 X34 <- Sesudah Penjualan 0.7043 9.1439 X41 <- Budaya 0.8996 28.2119 X42 <- Budaya 0.8855 23.5387 Y11 <- Kepuasan 0.8946 54.8742 Y12 <- Kepuasan 0.9318 61.8308 Y13 <- Kepuasan 0.8298 24.7848 Y21 <- Loyalitas 0.7875 15.1183 Y22 <- Loyalitas 0.7483 11.466 Y23 <- Loyalitas 0.885 30.6711 *Seluruh peubah valid dengan nilai loading lebih besar dari 0.5 dan t-hitung lebih besar dari 1.96
Lampiran 6 Nilai loading pada diagram jalur persamaan struktural PLS
18 Lampiran 7 Nilai t-hitung pada diagram jalur persamaan struktural PLS
Lampiran 8 Hasil pengujian hipotesis pengaruh tidak langsung Hubungan Kausalitas (pengaruh tidak langsung) Produk -> Loyalitas Kegiatan Penjualan -> Loyalitas Sesudah Penjualan -> Loyalitas Budaya -> Loyalitas
Koefisien Jalur 0.3202 0.122 0.0608 0.1099
T-hitung 5.0011 2.6073 1.1751 1.8631
19 Lampiran 9 Kuesioner penelitian INSTITUT PERTANIAN BOGOR FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN STATISTIKA Jl. Meranti Wing 22, Level 4 Kampus IPB Dramaga-Bogor 16680 Kuesioner Penelitian Terima kasih atas partisipasi Anda menjadi salah satu responden dalam penelitian saya Ruslan Abdul Nasser (G14100022), mahasiswa Departemen Statistika IPB, dengan judul penelitian Pemodelan Persamaan Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ. Saya sangat menghargai kejujuran Anda dalam mengisi kuesioner ini. Identitas Anda akan dijamin kerahasiaannya dan hasil survey ini semata-mata hanya akan digunakan untuk tujuan penelitian, bukan komersial. SCREENING 1. Berapa lama Anda sudah menggunakan kartu seluler XYZ? a. ≥ b. < 1 bulan (Jika menjawab b, STOP) 2. Apakah Anda menggunakan layanan internet XYZ? a. Ya b. Tidak (Jika menjawab b, STOP) 3. Apakah Anda pernah mengunjungi XYZ Center atau menghubungi Call Center sebelumnya? a. Ya b. Tidak (Jika menjawab b, STOP) No. Kuesioner Tanggal
: .......................... : ..............................................
KARAKTERISTIK RESPONDEN Nama
: ..............................................
NRP
: ..........................
Departemen
: ..............................................
Angkatan
: ........
Usia
: ........ tahun
Jenis Kelamin
: (1) Laki- laki
No. HP
: ..............................................
Pengeluaran pulsa per bulan
: (1) < Rp 25.000 (2) Rp 25.000 – Rp 50.000 (3) > Rp 50.000
(2) Perempuan
Apa alasan utama Anda menggunakan XYZ? ..........................................................................................................................
20 Lingkarilah setiap skor penilaian sesuai dengan penilaian Anda terhadap penyataanpernyataan berikut *keterangan 1 Sangat Tidak Setuju 7 Sangat Setuju
No.
A. Produk (X1) Pernyataan
Skor penilaian
1.
Kualitas jaringan kartu XYZ luas
1–2–3–4–5–6–7
2.
Sinyal kartu seluler XYZ bagus
1–2–3–4–5–6–7
3.
Tarif sms kartu seluler XYZ murah
1–2–3–4–5–6–7
4.
Tarif layanan internet XYZ murah
1–2–3–4–5–6–7
B. Kegiatan Penjualan (X2) Pernyataan Informasi mengenai kartu seluler 1. XYZ mudah didapatkan secara terbuka (misal: TV, Radio, Koran) Informasi mengenai cabang/kantor 2. kartu seluler XYZ mudah didapatkan (misal: Internet, Brosur)
No.
Skor penilaian
1–2–3–4–5–6–7 1–2–3–4–5–6–7
3.
Promosi kartu XYZ sangat menarik
1–2–3–4–5–6–7
4.
Isi ulang pulsa kartu seluler XYZ mudah dilakukan
1–2–3–4–5–6–7
C. Sesudah Penjualan (X3) Pernyataan Gangguan terhadap jaringan XYZ 1. ditangani secara cepat
1–2–3–4–5–6–7
2.
Dukungan layanan call center 24 jam
1–2–3–4–5–6–7
Komplain pelanggan XYZ ditangani dengan baik Kantor pelayanan XYZ mudah ditemukan
1–2–3–4–5–6–7
No.
3. 4.
D. Budaya (X4) No. Pernyataan XYZ memperhatikan kebutuhan para 1. pelanggan dan berupaya mewujudkannya Karyawan XYZ memberikan solusi 2. terbaik kepada para pelanggan bila terjadi keluhan
Skor penilaian
1–2–3–4–5–6–7
Skor penilaian
1–2–3–4–5–6–7 1–2–3–4–5–6–7
21 E. Kepuasan (Y1) Pernyataan Kualitas kartu XYZ sesuai dengan yang 1. diharapkan Saya puas dengan produk kartu seluler 2. XYZ Saya puas dengan layanan customer 3. service XYZ
No.
F. Loyalitas (Y2) No. Pernyataan Saya tetap setia menggunakan kartu 1. seluler XYZ walaupun memiliki kartu seluler merk lain Saya tidak tertarik dengan promosi2. promosi kartu seluler merk lain selain XYZ Saya akan merekomendasikan kepada 3. orang lain untuk menggunakan kartu XYZ
Skor penilaian
1–2–3–4–5–6–7 1–2–3–4–5–6–7 1–2–3–4–5–6–7
Skor penilaian
1–2–3–4–5–6–7 1–2–3–4–5–6–7 1–2–3–4–5–6–7
22
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 2 September 1992 sebagai anak kedua dari dua bersaudara dari pasangan Bapak Heri Santoso dan Ibu Suhendrayani. Tahun 2007 penulis lulus dari Sekolah Menengah Pertama di Sekolah Indonesia di Singapura. Tahun 2010 penulis lulus dari Sekolah Menengah Atas Negeri 3 Kota Depok dan pada tahun yang sama penulis diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur undangan saringan masuk institut (USMI) IPB. Penulis aktif sebagai pengurus pada beberapa organisasi yaitu Unit Kegiatan Mahasiswa Persatuan Tenis Meja IPB, yang pada tahun kepengurusan 2011/2012 menjabat sebagai ketua, kemudian sebagai anggota Departemen Survey and Research Himpunan Profesi Gamma Sigma Beta 2013, lalu menjadi staff analisis data dan konsultasi statistika pada Statistics Centre sejak 2011 hingga saat ini. Penulis pernah mengikuti beberapa kepanitian seperti Turnamen Tenis Meja Nasional IPB 2011 dan 2012, Statistika Ria 2011 dan 2012, Pesta Sains 2013, dan jalan sehat FMIPA Dies Natalis 2012. Penulis melaksanakan praktik lapang di Dinas Kependudukan dan Pencatatan Sipil Provinsi DKI Jakarta, bagian Pendaftaran Penduduk pada bulan Juli – Agustus 2013.