UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA MODEL HUBUNGAN ANTARA FAKTOR-FAKTOR PENGARUH DENGAN KEPUASAN PENGGUNA SEPEDA MOTOR: STUDI KASUS PENGGUNA SEPEDA MOTOR BEBEK DAN MATIC DI JABODETABEK DENGAN STRUCTURAL EQUATION MODELING (SEM)

SKRIPSI

Yunita Ramanda 0806459091

FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI DEPOK JUNI 2012

Model hubungan..., Yunita Ramanda, FT UI, 2012

UNIVERSITAS INDONESIA MODEL HUBUNGAN ANTARA FAKTOR-FAKTOR PENGARUH DENGAN KEPUASAN PENGGUNA SEPEDA MOTOR: STUDI KASUS PENGGUNA SEPEDA MOTOR BEBEK DAN MATIC DI JABODETABEK DENGAN STRUCTURAL EQUATION MODELING (SEM) N JUDUL

SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik

Yunita Ramanda 0806459091

FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI DEPOK JUNI 2012 ii


HALAMAN PERNYATAAN ORISINALITAS

Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang dikutip maupun yang dirujuk telah saya nyatakan dengan benar.

Nama

: Yunita Ramanda

NPM

: 080645901

Tanda tangan

:

Tanggal

: Juni 2012

iii


HALAMAN PENGESAHAN

Ditetapkan di : Depok Tanggal

: 21 Juni 2012

iv


KATA PENGANTAR

Puji syukur penulis ucapkan kepada Allah SWT atas rahmat dan karuniaNya yang melimpah sehingga penulis dapat menyelasaikan skripsi ini tepat waktu. Selain itu penulis juga mau mengucapkan terima kasih kepada :

1. Bapak Ir. Djoko Sihono Gabriel M.T., selaku dosen pembimbing skripsi yang telah membimbing dan memberikan masukkan selama penulisan.

2. Bapak Ir. Teuku Yuri M. Zagloel, Ibu Ir. Isti Surjandari, MT, MA, PhD beserta seluruh pengajar Teknik Industri UI yang telah memberikan memberikan

masukkan dan ilmu yang sangat bermanfaat kepada penulis. 3. Kedua orang tua, Kak Susi, Afni, Budi, Ayu, Opi yang telah memberikan doa, semangat dan dukungan moril maupun materil kepada penulis.

4. Megalia Bestari dan Merry Arizona selaku sahabat terbaik yang selalu memberikan dukungan dan kegembiraan selama ini. 5. Syarah Alfi Hudaya, Ayu Syukrina Abrar, Yunika Permatasari, Elvaretta, Eka Purwani, Indah Prihastuti, Fitri Yulianti, Lilis Purnamasari Purnamasari,, Harumi Dyah W.

Fransisca Berliani selaku teman dekat yang selalu berbagi suka duka dan memberi dukungan. 6. Dwi Haryanti dan Baheramsyah selaku teman satu pembimbing yang selalu berbagi cerita dan suka duka bersama.

7. Seluruh TI’08 tercinta yang telah memberikan semangat, bantuan, masukan, kenangan, kasih sayang, pengertian, serta telah menjadi sahabat yang sangat baik selama empat tahun ini dan tak akan pernah terlupakan selamanya. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang membangun sangat penulis harapkan. Selain itu penulis berharap skripsi ini dapat memberikan manfaat bagi semua pihak yang

membacanya. Depok, 14 Juni 2012 Penulis

(Yunita Ramanda) v


HALAMAN PERNYATAAN PERSETUJUAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini:

Nama NPM Departemen Fakultas Jenis Karya

: Yunita Ramanda : 0806459091 : Teknik Industri : Teknik : Skripsi

demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia Hak Bebas Royalti Noneksklusif (Non-exclusive Royalty-Free Right) atas karya ilmiah saya yang berjudul:

“Model Hubungan antara Faktor-Faktor Pengaruh dengan Kepuasan Pengguna Sepeda Motor Motor:: Studi Kasus Pengguna Sepeda Motor Bebek dan Matic di Jabodetabek dengan Metode Structural Equation Modeling (SEM)” beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif ini Universitas Indonesia berhak menyimpan, mengalih media/formatkan, mengelola dalam bentuk pangkalan data (database), merawat dan mempublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di : Depok Pada tanggal : Juni 2012 Yang Menyatakan

(Yunita Ramanda)

vi


ABSTRAK Nama : Yunita Ramanda Program Studi : Teknik Industri Judul : Model Hubungan antara Faktor-Faktor Pengaruh Kepuasan Pengguna Sepeda Motor: Studi Kasus Pengguna Sepeda Motor Bebek dan Matic di Jabodetabek dengan Metode Structural Equation Modeling (SEM). Penelitian ini bertujuan untuk mengetahui variabel-variabel yang mempengaruhi kepuasan pelanggan sepeda motor jenis bebek dan matic dengan menggunakan metode Structural Equation Modeling (SEM). Pengambilan data dilakukan di wilayah Jabodetabek dengan melakukan survey kepada pengguna sepeda motor jenis bebek dan matic. Variabel yang diuji pada penelitian ini antara lain: Pemenuhan Manfaat Fungsional (Functional Benefit Fulfilment), Pemenuhan Jaminan Operasional (Operational Assurance Fulfilment), Keandalan Produk (Product Reliability) dan Kualitas Pelayanan Purna Jual (Service Quality). Selain itu, penelitian ini juga melibatkan Variabel Moderator Disiplin Operasional (Operational Discipline) dan Pengetahuan Operational (Operational Knowledge) Hasil penelitian menunjukkan bahwa variabel-variabel yang terbukti berpengaruh terhadap kepuasan pelanggan adalah variabel Pemenuhan Manfaat Fungsional, Pemenuhan Jaminan Opersional, dan Keandalan Produk. Sedangkan variabel Kualitas Pelayanan Purna Jual tidak berpengaruh secara signifikan terhadap kepuasan pelanggan. Disamping itu Variabel Moderator Pengetahuan serta Disiplin Operasional terbukti dapat memperkuat maupun memperlemah hubungan antara variabel independen yang diuji dengan variabel dependen Kepuasan Pelanggan. Kata kunci: Kepuasan Pelanggan, Kualitas Produk, Kualitas Pelayanan, Structural Equation Modeling (SEM), Sepeda Motor, Variabel Moderator

vii Model hubungan..., Yunita Ramanda, FT UI, 2012

ABSTRACT Name : Yunita Ramanda Study Program : Industrial Engineering Tittle : Relationship Model between Influence Factors and Motorcycle’s Customer Satisfaction, Case Study of Moped and Matic Motorcycle’s Customer in Jabodetabek using Structural Equation Modeling (SEM). This study aims to determine factors that influences of customer’s motorcycle satisfaction by using the method of Structural Equation Modeling (SEM). Data were collected to customer of moped and skutic in Jabodetabek, using questionnaires. Variables used in this study are Functional Benefit Fulfillment, Operational Assurance Fulfillment, Product Reliability, Service Quality and also Operational Discipline & Knowledge as Moderator Variable. The result showed that the factors that significantly affect satisfaction of customer are Functional Benefit Fulfillment, Operational Assurance Fulfillment and Product Reliability. While service quality has no influence towards patient satisfaction. Also, this study proved to be significant that Discipline and Knowledge Operational has effect to relationship between independent and dependent variable.

Key words: Customer Satisfaction, Product Quality, Service Quality, Structural Equation Modeling (SEM), Motorcycle, Moderator Variable.

viii Model hubungan..., Yunita Ramanda, FT UI, 2012

DAFTAR ISI HALAMAN JUDUL ............................................................................................... ii HALAMAN PERNYATAAN ORISINALITAS ................................................... iii HALAMAN PENGESAHAN ................................................................................ iv KATA PENGANTAR ............................................................................................. v HALAMAN PERSETUJUAN PUBLIKASI KARYA ILMIAH .......................... vi ABSTRAK ............................................................................................................ vii ABSTRACT ........................................................................................................... viii DAFTAR ISI .......................................................................................................... ix DAFTAR TABEL ................................................................................................. xii DAFTAR GAMBAR ........................................................................................... xiv BAB I PENDAHULUAN ...................................................................................... 1 1.1 Latar Belakang ...................................................................................... 1 1.2 Diagram Keterkaitan Persoalan ............................................................. 2 1.3 Perumusan Persoalan ............................................................................. 6 1.4 Tujuan Penelitian ................................................................................... 6 1.5 Batasan Persoalan .................................................................................. 6 1.6 Metode Penelitian .................................................................................. 7 1.7 Diagram Alir Pelaksanaan Penelitian .................................................... 9 1.8 Sistematika Penulisanan……………………………………………...10 BAB 2 LANDASAN TEORI ............................................................................... 11 2.1 Pengertian Sepeda Motor .................................................................... 11 2.2 Jenis-Jenis Sepeda Motor .................................................................... 11 2.3 Kepuasan Pelanggan............................................................................ 12 2.4 Kualitas Produk ................................................................................... 13 2.5 Kualitas Pelayanan .............................................................................. 16 2.6 Indeks Kepuasan Pelanggan ................................................................ 17 2.7 Desain Kuesioner ................................................................................ 18 2.7.1 Jenis Skala .................................................................................. 19 2.7.2 Skala Likert ................................................................................ 19 2.8 Variabel Penelitian .............................................................................. 20 2.9 Uji Validitas dan Reliabilitas .............................................................. 21 2.9.1 Uji Validitas ............................................................................... 21 2.9.2 Uji Reliabilitas ............................................................................ 22 2.10 Structural Equation Modeling (SEM) ............................................... 23 2.10.1 Variabel - Variabel dalam SEM ............................................ 23 2.10.2 Model dalam SEM................................................................. 24 2.10.3 Kesalahan yang terjadi dalam SEM ...................................... 25 2.10.4 Analisa Faktor Konfirmatori (CFA) ...................................... 26 2.11 Model Interaksi.................................................................................. 33 2.11.1 Interaction Model Approach ................................................. 33 2.11.2 Model Interaksi dengan Multiple Indicator........................... 34 BAB 3 PENGUMPULAN DAN PENGOLAHAN DATA ................................ 40

ix Model hubungan..., Yunita Ramanda, FT UI, 2012

3.1 Desain dan Jenis Penelitian ................................................................. 40 3.1.1 Populasi dan Sampel Penelitian…………………………..... ..41 3.2 Model dan Hipotesis Awal Penelitian ................................................. 41 3.3 Definisi Variabel Penelitian ................................................................ 42 3.4 Penyusunan dan Penyebaran Kuesioner .............................................. 46 3.4.1 Bentuk Umum Kuesioner ........................................................... 46 3.4.2 Penentuan Skala Pengukuran Kuesioner .................................... 47 3.4.3 Uji Reliabilitas Kuesioner Awal................................................. 47 3.4.4 Uji Validitas Kuesioner Awal .................................................... 50 3.4.5 Uji Kecukupan Sampel Kuesioner ............................................. 52 3.5 Pengolahan Data Kuesioner ................................................................ 53 3.5.1 Stratifikasi Responden ................................................................ 53 3.5.2 Statistik Deskriptif ...................................................................... 56 3.5.3 Uji Normalitas Data.................................................................... 60 3.6 Pengolahan Data dengan Structural Equation Modeling (SEM) ........ 62 3.6.1 Spesifikasi Model ....................................................................... 63 3.6.2 Identifikasi Model ...................................................................... 63 3.6.3 Estimasi Model ........................................................................... 65 3.6.4 Uji Kecocokan dan Respesifikasi Model ................................... 66 BAB 4 ANALISIS DATA.................................................................................... 93 4.1 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Bebek Tanpa Variabel Moderator .................................................................. 93 4.1.1 Analisis Model Pengukuran ....................................................... 93 4.1.2 Analisis Model Struktural ........................................................ 100 4.2 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Bebek Dengan Variabel Moderator ............................................................. 105 4.2.1 Analisis Model Pengukuran ..................................................... 105 4.2.2 Analisis Model Struktural ........................................................ 113 4.3 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Matic Tanpa Variabel Moderator ................................................................ 118 4.3.1 Analisis Model Pengukuran ..................................................... 119 4.3.2 Analisis Model Struktural ........................................................ 126 4.4 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Matic Dengan Variabel Moderator ............................................................. 131 4.4.1 Analisis Model Pengukuran ..................................................... 131 4.4.2 Analisis Model Struktural ........................................................ 139 4.5 Rangkuman Hasil Penelitian ............................................................. 144 4.5.1 Hasil Penelitian untuk Sepeda Motor Tipe Bebek ................... 144 4.5.2 Hasil Penelitian untuk Sepeda Motor Tipe Matic .................... 145 4.5.3 Urutan Signifikansi Sepeda Motor Bebek ............................... 146 4.5.3 Urutan Signifikansi Sepeda Motor Matic ................................. 147 BAB 5 KESIMPULAN DAN SARAN ............................................................. 149 5.1 Kesimpulan ........................................................................................ 149 5.2 Saran .................................................................................................. 151

x Model hubungan..., Yunita Ramanda, FT UI, 2012

REFERENSI ........................................................................................................ 152 LAMPIRAN 1 ..................................................................................................... 156 LAMPIRAN 2 ..................................................................................................... 165 LAMPIRAN 3 ..................................................................................................... 174

xi Model hubungan..., Yunita Ramanda, FT UI, 2012

DAFTAR TABEL

Tabel 1.1 Penjualan Sepeda Motor September 2011 .............................................3 Tabel 3.1 Definisi Variabel Penelitian .................................................................. 45 Tabel 3.2 Dimensi Pengukuran Penelitian ............................................................ 47 Tabel 3.3 Uji Validitas Variabel Kepuasan Pelanggan ......................................... 50 Tabel 3.4 Uji Validitas Variabel Pemenuhan Manfaat Fungsional ....................... 50 Tabel 3.5 Uji Validitas Variabel Pemenuhan Jaminan Operasional ..................... 51 Tabel 3.6 Uji Validitas Variabel Keandalan Kendaraan ....................................... 51 Tabel 3.7 Uji Validitas Kualitas Pelayanan Purna Jual ......................................... 51 Tabel 3.8 Uji Validitas Variabel Pengetahuan Operasional .................................. 52 Tabel 3.9 Uji Validitas Variabel Disiplin Operasional ......................................... 52 Tabel 3.10 Descriptive Statistics Sepeda Motor Bebek ........................................ 57 Tabel 3.11 Descriptive Statistics Sepeda Motor Matic ......................................... 58 Tabel 3.12 Kode dan Nama Variabel .................................................................... 63 Tabel 3.13 CR dan VE Sepeda Motor Bebek Tanpa Variabel Moderator ........... 70 Tabel 3.14 Goodness of Fit (GOF) Sepeda Motor Bebek Tanpa Moderator ........ 70 Tabel 3.15 Hasil Uji Kecocokan Model Struktural setelah Respesifikasi ............ 73 Tabel 3.16 Nilai Construct Reliability (CR) dan Variance Extracted (VE).......... 77 Tabel 3.17 Nilai Construct Reliability (CR) dan Variance Extracted (VE).......... 83 Tabel 3.18 GOF Sepeda Motor Matic tanpa Variabel Indikator ........................... 83 Tabel 3.19 Hasil Uji Kecocokan Model Struktural setelah Respesifikasi ............ 86 Tabel 3.20 Nilai Contruct Reliability (CR) dan Variance Extracted (VE) ........... 90 Tabel 4.1 Standardized Loading Factor Kepuasan Pelanggan (CS)..................... 96 Tabel 4.2 Standardizde Loading Factor Pemenuhan Manfaat Fungsional .......... 97 Tabel 4.3 Standardized Loading Factor Kualitas Pelayanan Purna Jual .............. 98 Tabel 4.4 Standardized Loading Factor Keandalan Kendaraan .......................... 99 Tabel 4.5 Standardized Loading Factor Pemenuhan Jaminan Operasional ......... 99 Tabel 4.6 Evaluasi Hasil Model Struktural ......................................................... 103 Tabel 4.7 Standardized Loading Factor Kepuasan Pelanggan (CS)................... 108 Tabel 4.8 Standardized Loading Factor Pemenuhan Manfaat Fungsional ......... 109 Tabel 4.9 Standardized Loading Factor Keandalan Kendaraan ........................ 110 Tabel 4.10 Standardized Loading Factor Pemenuhan Jaminan Operasional ..... 111 Tabel 4.11 Standardized Loading Factor Pemenuhan Jaminan Operasional ..... 112 Tabel 4.12 Standardized Loading Factor Disiplin Operasional ......................... 112 Tabel 4.13 Evaluasi Hasil Model Struktural ....................................................... 116 Tabel 4.14 Standardized Loading Factor Kepuasan Pelanggan (CS)................. 122 Tabel 4.15 Standardized Loading Factor Pemenuhan Jaminan Operasional ..... 123 Tabel 4.16 Standardized Loading Factor Pemenuhan Manfaat Fungsional ....... 123 Tabel 4.17 Standardized Loading Factor Keandalan Kendaraan ...................... 124 Tabel 4.18 Standardized Loading Factor Kualitas Pelayanan Purna Jual .......... 125

xii Model hubungan..., Yunita Ramanda, FT UI, 2012

Tabel 4.19 Evaluasi Hasil Model Struktural ....................................................... 128 Tabel 4.20 Standardized Loading Factor Kepuasan Pelanggan (CS)................. 134 Tabel 4.21 Standardized Loading Factor Pemenuhan Jaminan Operasional .... 135 Tabel 4.22 Standardized Loading Factor Pemenuhan Manfaat Fungsional ...... 136 Tabel 4.23 Standardized Loading Factor Keandalan Kendaraan ...................... 136 Tabel 4.24 Standardized Loading Factor Pemenuhan Jaminan Operasional ..... 137 Tabel 4.25 Standardized Loading Factor Disiplin Operasional ......................... 138 Tabel 4.26 Evaluasi Hasil Model Struktural ....................................................... 142 Tabel 4.27 Perbandingan Hasil Sepeda Motor Bebek dan Matic........................ 145 Tabel 4.28 Urutan Signifikansi Sepeda Motor Bebek ......................................... 146 Tabel 4.29 Urutan Signifikansi Sepeda Motor Matic.......................................... 147

xiii Model hubungan..., Yunita Ramanda, FT UI, 2012

DAFTAR GAMBAR

Gambar 1.1 Jumlah Kendaraan Bermotor Menurut Jenis Kendaraan (unit) ...........1 Gambar 1.2 Grafik Jumlah Penjualan Sepeda Motor (2000-2011) ........................2 Gambar 1.3 Diagram Keterkaitan Persoalan ........................................................... 5 Gambar 1.4 Diagram Alir Pelaksanaan Penelitian .................................................. 9 Gambar 2.1 Pengaruh Peningkatan Kepuasan Pelanggan terhadap Keuntungan Perusahaan ......................................................................................... 12 Gambar 2.2 Model Kepuasan Pelanggan Mobil di Taiwan .................................. 15 Gambar 2.3 Diagram Lintasan Kenny dan Judd ................................................... 35 Gambar 2.4 Diagram Lintasan Model BEA (Yang Jonsson) ................................ 36 Gambar 2.5 Diagram Lintasan Konstruk Variabel Interaksi Model Ping ............. 37 Gambar 2.6 Diagram Lintasan Model BEA Ping.................................................. 37 Gambar 2.7 Diagram Lintasan Konstruk Variabel Interaksi dengan LVS............ 38 Gambar 2.8 Diagram Lintasan Model BEA Joreskog ........................................... 38 Gambar 3.1 Model Awal Penelitian ...................................................................... 41 Gambar 3.2 Uji Reliabilitas Variabel Kepuasan Pelanggan .................................. 48 Gambar 3.3 Uji Reliabilitas Variabel Pemenuhan Manfaat Fungsional ............... 48 Gambar 3.4 Uji Reliabilitas Variabel Pemenuhan Jaminan Operasional .............. 48 Gambar 3.5 Uji Reliabilitas Variabel Keandalan Kendaraan................................ 48 Gambar 3.6 Uji Reliabilitas Variabel Kualitas Pelayanan Purna Jual................... 49 Gambar 3.7 Uji Reliabilitas Variabel Pengetahuan Operasional .......................... 49 Gambar 3.8 Uji Reliabilitas Variabel Disiplin Operasional .................................. 49 Gambar 3.9 Uji Reliabilitas Semua Variabel ........................................................ 49 Gambar 3.10 Tipe Sepeda Motor .......................................................................... 53 Gambar 3.11 Merk Sepeda Motor ......................................................................... 54 Gambar 3.12 Jenis Kelamin Responden ............................................................... 54 Gambar 3.13 Usia Responden .............................................................................. 55 Gambar 3.14 Tingkat Pendidikan Responden ....................................................... 55 Gambar 3.15 Tempat Tinggal Responden ............................................................. 56 Gambar 3.16 Mean dan Standar Deviasi Kepuasan Pelanggan ............................ 59 Gambar 3.17 Mean dan Standar Deviasi Variabel Independ .. ………………… 59 Gambar 3.18 Mean dan Standar Deviasi Variabel Moderator .............................. 59 Gambar 3.19 Uji Normalitas Data Sepeda Motor Bebek ...................................... 60 Gambar 3.20 Uji Kenormalan Data Sepeda Motor Matic ..................................... 61 Gambar 3.21 Program SIMPLIS Model Pengukuran tanpa Variabel Moderator ............................................................... 66 Gambar 3.22 Nilai t-value dari Model Pengukuran Sepeda Motor Bebek tanpa Variabel Moderator ............................................................... 68 Gambar 3.23 Nilai Standardized Loading Factor (SLF) Model Pengukuran Sepeda Motor Bebek tanpa Variabel Moderator ............................. 69

xiv Model hubungan..., Yunita Ramanda, FT UI, 2012

Gambar 3.24 Program SIMPLIS Model Struktural tanpa Variabel Moderator .... 71 Gambar 3.25 Model Struktural Sepeda Motor Bebek tanpa Variabel Moderator ......................................................................... 72 Gambar 3.26 Model Struktural Sepeda Motor Bebek tanpa Variabel Moderator setelah Respesifikasi......................................................................... 73 Gambar 3.27 Program SIMPLIS Model Pengukuran dengan Variabel Moderator ......................................................................... 74 Gambar 3.28 Nilai t-value dari Model Pengukuran Sepeda Motor Bebek dengan Variabel Moderator ............................................................ 75 Gambar 3.29 Nilai Standardized Loading Factor (SLF) Model Pengukuran Sepeda Motor Bebek dengan Variabel Moderator .......................... 76 Gambar 3.30 Program SIMPLIS Model Struktural dengan Variabel Moderator ......................................................................... 77 Gambar 3.31 Nilai t-value Model Struktural Sepeda Motor Bebek dengan Variabel Moderator .......................................................................... 78 Gambar 3.32 Nilai Estimates Model Struktural Sepeda Motor Bebek dengan Variabel Moderator ........................................................................ 79 Gambar 3.33 Program SIMPLIS Model Pengukuran tanpa Variabel Moderator....................................................................................... 80 Gambar 3.34 Nilai t-value Model Pengukuran Sepeda Motor Matic tanpa Variabel Moderator ......................................................................... 82 Gambar 3.35 Nilai Standardized Loading Factor (SLF) Model Pengukuran Sepeda Motor Matic tanpa Variabel Moderator ............................. 84 Gambar 3.36 Program SIMPLIS Model Struktural tanpa Variabel Moderator ........................................................................ 85 Gambar 3.37 Model Struktural Sepeda Motor Matic tanpa Variabel Moderator ......................................................................... 86 Gambar 3.38 Model Struktural Sepeda Motor Matic tanpa Variabel Moderator Setelah Respesifikasi ...................................... 87 Gambar 3.39 Program SIMPLIS Model Pengukuran dengan Variabel Moderator ......................................................................... 88 Gambar 3.40 Nilai t-value dari Model Pengukuran Sepeda Motor Matic dengan Variabel Moderator ............................................................ 89 Gambar 3.41 Nilai Standardized Loading Factor (SLF) Model Pengukuran Sepeda Motor Matic dengan Variabel Moderator ........................... 90 Gambar 3.42 Program SIMPLIS Model Struktural............................................... 91 Gambar 3.43 Nilai Estimates Model Struktural Sepeda Motor Matic dengan Variabel Moderator ........................................................................ 92 Gambar 3.44 Nilai t-value Model Struktural Sepeda Motor Matic dengan Variabel Moderator ....................................................................................... 93 Gambar 4.1 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Bebek tanpa Variabel Moderator ............................................................. 105

xv Model hubungan..., Yunita Ramanda, FT UI, 2012

Gambar 4.2 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Bebek dengan Variabel Moderator. ........................................................ 118 Gambar 4.3 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Matic tanpa Variabel Moderator. ............................................................ 130 Gambar 4.4 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Matic dengan Variabel Moderator. .......................................................... 144

xvi Model hubungan..., Yunita Ramanda, FT UI, 2012

BAB I PENDAHULUAN

1.1

Latar Belakang

Sepeda motor telah menjadi alat transportasi yang paling diminati bagi kebanyakan masyarakat Indonesia. Bagi masyarakat, sepeda motor masih menjadi alat transportasi yang murah dan mudah baik di perkotaan maupun pedesaan. Tingkat pendapatan yang relatif rendah, infrastruktur lalu lintas yang belum memadai serta sistem transportasi massal yang belum begitu berkembang membuat masyarakat memilih sepeda motor menjadi alat transportasi utama. Berikut merupakan dari data jumlah kendaraan bermotor di Indonesia dari Badan Pusat Statistik (BPS) 2011:

Gambar 1.1 Jumlah Kendaraan Bermotor Menurut Jenis Kendaraan (unit) Sumber: BPS, Statistik 2011

Dari data di atas, dapat dilihat bahwa jumlah kendaraan bermotor terbesar adalah sepeda motor dengan persentase rata-rata sekitar 77,95% dari seluruh kendaraan bermotor yang ada di Indonesia. Sementara itu, mobil penumpang menempati urutan kedua dengan jumlah yang cukup jauh di bawah sepeda motor. Persentase rata-rata mobil penumpang dari keseluruhan kendaraan bermotor di Indonesia hanya sekitar 11, 96 %. Industri sepeda motor telah mengalami pertumbuhan yang sangat pesat sejak tahun 1998. Ketika pasar otomotif terpuruk akibat krisis moneter pada tahun 1998, pasar sepeda motor tetap membukukan pertumbuhan sekitar 14 persen dari tahun sebelumnya. Pada tahun 2003, menurut data dari Asosiasi Industri Sepeda 1 Universitas Indonesia


2

Motor Indonesia (AISI), angka penjualan mencapai sepeda motor mencapai 2.,8 juta unit. Pada tahun 2004, angka penjualan mencapai 3,9 juta unit, sementara pada tahun 2005 penjualan sepeda motor mencapai 4,6 juta unit. Angka ini menunjukkan bahwa pertumbuhan penjualan sepeda motor setiap tahunnya ratarata naik 38, 14 persen. 9000000 8,043,535 7,398,644

8000000 7000000

6,215,831 5,881,777

6000000 5000000

5,074,186 4,688,263 4,428,274 3,898,744

4000000 3000000 2000000 1000000

2,809,896 2,265,474 1,575,822 864,144

0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

Gambar 1.2 Grafik Jumlah Penjualan Sepeda Motor (2000-2011) Sumber: AISI Statistik, 2012 Pada tahun 2011, jumlah sepeda motor di Indonesia telah mencapai 80 juta unit. Angka ini setara dengan 1:3 penduduk di Tanah Air yang berjumlah sekitar 234,641,000 jiwa (Sensus Penduduk BPS, Agustus 2011). Jumlah ini meningkat 52% dibandingkan tahun 2009 yang berjumlah sekitar 52, 4 juta unit. Peningkatan jumlah pengguna sepeda motor diikuti dengan perkembangan Industri Sepeda Motor. Selama ini, pasar motor dipasok oleh perusahaan ATPM (agen tunggal pemegang merk) yang tergabung dalam Asosiasi Industri Sepeda Motor Indonesia (AISI) seperti merek Honda, Yamaha, Suzuki, Kawasaki, Kanzen, dan anggota baru TVS. Selain itu, pasar motor juga diperebutkan oleh merek - merek motor non-AISI. Meski motor merek Honda masih merupakan market leader, namun pangsanya cenderung menurun. Jika pada 2006 pangsa pasar Honda menguasai 51,4%, pada 2010 turun menjadi hanya 46,2%. Hal ini terutama diakibatkan oleh

Universitas Indonesia


3

penetrasi pesaing terdekatnya, Yamaha. Pada 2007 misalnya, penjualan Honda tercatat 2,1 juta unit, sedangkan Yamaha sebanyak 1,8 juta unit. Pada 2010, Yamaha berhasil meraih penjualan 3,3 juta unit dan semakin mendekati pasar Honda di angka 3,4 juta unit. Honda unggul di Jawa, Sumatera, Bali dan Nusa Tenggara, Papua, sedangkan Yamaha menguasai Kalimantan dan Sulawesi. Bahkan Yamaha melewati penjualan merek lain termasuk ke pasar ekspor. Sementara Suzuki hanya unggul di Maluku, meski penjualannya sempat turun pada 2009. Sementara, Kawasaki berhasil meningkatkan penjualannya sekitar 42,1% menjadi 87 ribu unit pada 2010. Berikut merupakan data penjualan perusahaan ATPM AISI pada September 2011: Tabel 1.1 Penjualan Sepeda Motor September 2011 (Sumber: AISI)

Persaingan antar produsen terus meningkat seiring dengan pesatnya pertumbuhan Industri Sepeda Motor. Oleh karena itu, hal ini menjadi tantangan bagi perusahaan industri sepeda motor untuk terus bisa meningkatkan competitive advantage agar dapat bersaing di pasar. Dalam persaingan, kemampuan perusahaan dalam memenuhi kebutuhan pelanggan merupakan satu hal yang sangat penting. Kemampuan perusahaan dalam memenuhi kebutuhan pelanggan itu sendiri sangat dipengaruhi oleh tingkat mutu yang diberikan oleh perusahaan. Semakin tinggi tingkat mutu yang diberikan perusahaan kepada pelanggan, maka akan semakin tinggi tingkat terpenuhinya kebutuhan pelanggan yang biasa dinyatakan oleh tingkat kepuasan pelanggan. Tetapi apabila terdapat kesenjangan antara tingkat mutu yang diberikan perusahaan dengan kebutuhan aktual



4

pelanggan, maka akan timbul masalah ketidakpuasan pelanggan yang merupakan masalah

mutu

yang

harus

diselesaikan

oleh

perusahaan

sebab

dapat

mengakibatkan hilangnya pelanggan yang dimiliki oleh perusahaan. Suatu perusahaan tidak akan bertahan tanpa ada konsumen yang mempergunakan atau memakai produk yang dihasilkan pihak produsen, oleh sebab itu guna meningkatkan mutu dari produk yang dihasilkan suatu perusahaan haruslah berdasarkan kepuasan pelanggan (customer satisfaction). Dengan mengetahui kepuasan pelanggan mengenai barang atau jasa yang produksi maka produsen memiliki nilai lebih karena lebih diminati konsumen sebagai pemakai produk tersebut. Menurut Tse dan Wilton (1998) kepuasan pelanggan adalah respon pelanggan terhadap evaluasi yang dirasakan antara harapan sebelumnya (atau norma kinerja lainnya) dengan kinerja aktual dari produk yang dirasakan setelah pemakaiannya. Kepuasan pelanggan ditentukan oleh persepsi pelanggan tentang jasa atau produk yang memenuhi kebutuhan dan keinginan mereka. Untuk itu, dalam menghasilkan suatu produk, perusahaan harus memperhatikan faktor-faktor yang mempengaruhi tingkat kepuasan pelanggan. Faktor kepuasan pelanggan merupakan variabel yang sulit diukur secara langsung, yang disebut dengan latent variable, maka untuk menganalisisnya perlu menggunakan

metode

Structural

Equation

Modelling

(SEM).

Dengan

menggunakan SEM, variabel yang tidak dapat diukur secara langsung akan dijelaskan oleh beberapa indikator (manifest variable) yang akan diteliti secara langsung melalui survey yang dilakukan kepada pengguna sepeda motor.

1.2

Diagram Keterkaitan Persoalan Berikut merupakan diagram keterkaitan persoalan dari penelitian ini. Diagram

ini memberikan informasi mengenai latar belakang permasalahan, perumusan masalah, tujuan serta solusi yang diharapkan dari penelitian ini.



5

Gambar 1.3 Diagram Keterkaitan Persoalan



6

1.3

Perumusan Persoalan Berdasarkan latar belakang dan diagram keterkaitan persoalan yang telah

dibahas diperoleh kesimpulan bahwa untuk dapat tumbuh dan berkembang di tengah perindustrian sepeda motor Indonesia, perusahaan harus memperhatikan kualitas produk yang berpengaruh terhadap kepuasan pelanggan sepeda motor. Untuk itu, perlu adanya pengukuran faktor-faktor yang dapat mempengaruhi kepuasan pelanggan sepeda motor dari perspektif pelanggan. 1.4

Tujuan Penelitian Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis pengaruh

faktor-faktor yang diuji terhadap kepuasan pengguna sepeda motor berdasarkan survey. Kemudian dari hasil tersebut, penulis dapat merekomendasikan model kepuasan pelanggan sepeda motor sebagai langkah untuk menjaga keunggulan kompetitif perusahaan.

1.5

Batasan Persoalan Dalam melakukan penelitian ini, dilakukan pembatasan persoalan agar penelitian lebih terfokus dan hasil yang didapatkan sesuai dengan tujuan awal yang telah dirumuskan. Adapun penelitian ini akan dilakukan dengan batasan sebagai berikut : 1. Objek penelitian yaitu pengguna sepeda motor bebek dan matic wilayah Jabodetabek yang memanfaatkan sepeda motor sebagai alat transportasi bukan untuk tujuan lain seperti sebagai mata pencaharian (tukang ojek) ataupun menyalurkan hobi. Sepeda motor jenis bebek dan matic dipilih pada penelitian kali ini karena sepeda motor bebek dan matic menguasai pasar sepeda motor pada saat sekarang ini. 2. Beberapa data yang digunakan merupakan data sekunder dari sumber sumber resmi seperti BPS, AISI. 3. Variabel yang diuji pada penelitian ini adalah kepuasan pelanggan, manfaat fungsional, jaminan operasional, keandalan produk, kualitas pelayanan purna jual, pengetahuan operasional, disiplin operasional.



7

4. Bentuk hubungan yang dihipotesiskan pada penelitian ini didasarkan pada jurnal, penelitian sebelumnya serta kebutuhan penelitian berdasarkan kondisi yang ada sekarang ini. 1.6

Metode Penelitian Berikut ini merupakan langkah-langkah yang akan dilakukan selama

penelitian berlangsung. Penelitian terdiri dari 6 tahapan utama tahap, yaitu: 1. Studi Pendahuluan Pada studi pendahuluan, hal-hal yang dilakukan adalah sebagai berikut: •

Menentukan pokok permasalahan yang akan diteliti dan dibahas.

•

Menentukan tujuan penelitian yaitu sasaran yang ingin dicapai dari penelitian ini

2. Penyusunan landasan teori Pada tahap ini, penulis menentukan dan menyusun landasan teori yang diperlukan dalam penelitian yang dilakukan. Teori yang dibahas seputar kepuasan pelanggan, Industri Sepeda Motor, Structural Equation Modelling (SEM) serta variabel-variabel yang diuji pada penelitian kali ini. 3. Pengumpulan data Pada tahap ini, penulis mengumpulkan data yang dibutuhkan pada penelitian ini. Data yang didapat berupa data primer dan data sekunder. 4. Pengolahan data dan analisa Setelah semua data terkumpul dari penyebaran kuesioner, langkah selanjutnya adalah mengolah dan menganalisis data yang ada dengan metode Structural Equation Modelling (SEM). Adapun prosedur SEM terdiri dari beberapa tahap sebagai berikut: •

Membuat

spesifikasi

model

penelitian

yang

akan

diestimasi. •

Melakukan identifikasi terhadap persamaan simultan yang mewakili model yang dispesifikasikan.



8

•

Melakukan

estimasi

untuk

memperoleh

nilai

dari

parameter-parameter yang ada di dalam model. •

Melakukan uji kecocokan antara data dengan model. Pengujian kecocokan data dengan model ini dilakukan melalui beberapa tahapan, yaitu: 1. Kecocokan keseluruhan model 2. Kecocokan model pengukuran 3. Kecocokan model struktural

•

Respesifikasi dari model. Merupakan tahapan yang dilakukan jika model yang dihipotesiskan belum mencapai model yang fit

5. Penarikan kesimpulan dan saran Pada bagian ini penulis akan memberikan kesimpulan untuk menjawab tujuan dari penelitian dan memberikan saran berupa ide pemikiran atas hasil penelitian faktor - faktor yang berpengaruh.



9

1.7

Diagram Alir Pelaksanaan Penelitian Gambar 1.4 Diagram Alir Pelaksanaan Penelitian



10

1.8

Sistematika Penulisan

Penulisan ini terdiri dari lima bab dengan sistematika penulisan yang secara garis besar dijelaskan sebagai berikut:

Bab I Pendahuluan Bagian ini meliputi latar belakang persoalan, diagram keterkaitan persoalan, perumusan persoalan, tujuan penelitian, batasan persoalan, metode penelitian, diagram alir pelaksanaan penelitian serta sistematika penulisan.

Bab II Landasan Teori Pada bab ini dijelaskan teori-teori yang menjadi landasan penulisan dalam penelitian ini, diantaranya teori mengenai sepeda motor, industri sepeda motor, kepuasan pelanggan, statistik, analisa multivariat dan Structural Equation Modelling.

Bab III Metodologi Pengumpulan Data Bagian ini menguraikan tentang proses pengumpulan data. Data yang dibutuhkan pada penelitian ini berupa data primer dan data sekunder. Data primer diperoleh dari kuisioner dan wawancara yang disebarkan kepada pihak - pihak terkait sedangkan data sekunder diperoleh dari Badan Pusat Statistik serta badan-badan riset lainnya.

Bab IV Pengolahan Data dan Analisis Berisi tentang penjelasan dari pelaksanaan pengolahan dan pengujian data sesuai dengan metodologi yang telah ditetapkan. Selanjutnya dilakukan analisis hasil pengolahan data untuk mengetahui pengaruh faktor yang diuji terhadap kepuasan pelanggan sepeda motor.

Bab V Kesimpulan dan saran Bagian ini berisi kesimpulan yang didapat dari penelitian serta saran - saran dari penulis sesuai dengan hasil penelitian yang diperoleh.



BAB II LANDASAN TEORI

2.1

Pengertian Sepeda Motor Berdasarkan

Standar

Industri

Indonesia

(SII)

No.2225-87

yang

dikeluarkan oleh departemen perindustrian, yang dimaksud dengan kendaraan bermotor roda dua adalah kendaraan beroda yang digerakkan oleh motor penggerak. Sedangkan menurut Collin English Dictionary, sepeda motor merupakan kendaraan roda dua atau roda tiga yang memiliki bingkai lebih kuat dari sepeda, didorong oleh tenaga mesin berbahan bakar bensin, dan biasanya memiliki kapasitas antara 125 cc dan 1000 cc.

2.2

Jenis-Jenis Sepeda Motor

Kendaraan bermotor roda dua tersebut dapat dikelompokkan menjadi dua, yaitu menurut rancang bangun dan karakteristik teknik serta menurut bentuk dan konfigurasi dasar. Pengelompokan menurut rancang bangun dan karakteristik teknik terdiri dari: 1.

Moped, yaitu kendaraan bermotor roda dua dengan kecepatan maksimum.tidak melebihi 50 km/jam. Jika penggeraknya adalah motor bakar, volume langkah torak atau ekuivalensinya tidak melebihi 50cm3

2.

Sepeda motor, yaitu kendaraan bermotor dua selain moped.

Sementara itu, pengelompokan menurut bentuk dan konfigurasi dasar: 1. Kendaraan bermotor roda dua jenis bebek (step through) Kendaraan jenis ini tidak dilengkapi dengan pemisah lutut dan juga tidak dilengkapi dengan pedal pengayuh. 2. Kendaraan bermotor roda dua jenis standard (tipe sport). Kendaraan jenis ini dilengkai dengan pemisah lutut dan tidak dilengkapi dengan pedal pengayuh. 3. Kendaraaan bermotor roda dua jenis skuter. Ciri-ciri kendaraan ini sama dengan jenis bebek, namun memiliki konfigurasi dan bentuk yang berbeda

11 Universitas Indonesia


12

4. Kendaraan bermotor roda dua jenis moped. Kendaraan jenis ini dapat dilengkapi dengan pemisah lutut atau tidak, serta dapat dilengkapi dengan pedal pengayuh atau tidak.

2.3

Kepuasan Pelanggan Kepuasan Pelanggan memiliki hubungan langsung dengan keuntungan.

Jika pelanggan puas maka akan tercipta loyalitas. Pelanggan yang loyal tidak hanya akan membeli produk kembali tetapi juga merekomendasikan produk tersebut kepada orang lain

(Michael Conklin, 2006). Berdasarkan Bain &

Company Study di Harvard Business Review 2001. Dengan meningkatkan 5% keinginan pelanggan dapat meningkatkan keuntungan sebesar 25% - 95%.

Gambar 2.1 Pengaruh Peningkatan Kepuasan Pelanggan terhadap Keuntungan Perusahaan Menurut Kotler (2000), kepuasan pelanggan adalah sejauh mana kinerja yang diberikan oleh sebuah produk sepadan dengan harapan pembeli. Umar (2003) menyatakan bahwa kepuasan pelanggan didefinisikan sebagai evaluasi purnabeli, di mana persepsi terhadap kinerja alternatif produk atau jasa yang dipilih memenuhi atau melebihi harapan sebelum pembelian. Apabila persepsi terhadap kinerja tidak dapat memenuhi harapan, maka yang terjadi adalah ketidakpuasan. Kepuasan pelanggan dapat memberi manfaat (Mulyana, 2002): 1. Hubungan pelanggan dan perusahaan menjadi harmonis. 2. Memberikan dasar yang baik bagi pembelian ulang. Universitas Indonesia


13

3. Mendorong terciptanya loyalitas pelanggan. 4. Tercipta rekomendasi dari mulut ke mulut yang menguntungkan perusahaan 5. Reputasi menjadi baik di mata konsumen 6. Laba yang diperoleh meningkat Kepuasan menurut Kotler (2002) adalah perasaan senang atau kecewa seseorang yang muncul setelah membandingkan antara persepsi atau kesannya terhadap kinerja atau hasil suatu produk dan harapan-harapan. Menurut Supranto (2006) kepuasan pelanggan adalah kinerja suatu barang sekurang-kurangnya sama dengan apa yang diharapkan. Kepuasan pelanggan menurut Tjiptono (2008) didefinisikan sebagai evaluasi yang memberikan hasil dimana pengalaman yang dirasakan setidaknya sama baiknya atau sesuai dengan yang diharapkan. Lupiyoadi (2001) mengemukakan bahwa pencapaian kepuasan melalui kualitas pelayanan dapat ditingkatkan dengan beberapa pendekatan sebagai berikut: 1. Memperkecil kesenjangan-kesenjangan yang terjadi anatara pihak manajemen dan pelanggan. 2. Perusahaan harus mampu membangun bersama untuk menciptakan visi didalam perbaikan proses pelayanan. 3. Memberikan kesempatan kepada pelanggan untuk menyampaikan keluhan 4. Mengembangkan dan menerapkan accountable, proactive, dan partner marketing sesuai dengan situasi pemasaran. Terciptanya kepuasan pelanggan dapat memberikan manfaat, diantaranya hubungan antara perusahaan dan pelanggannya menjadi harmonis, memberikan dasar yang baik bagi pembelian ulang dan terciptanya loyalitas pelanggan, dan membentuk suatu rekomendasi dari mulut ke mulut (word-of-mouth) yang menguntungkan bagi perusahaan (Tjiptono, 1994).

2.4.

Kualitas Produk Kualitas produk yaitu segala sesuatu yang dapat memenuhi kebutuhan

yang ditawarkan suatu perusahaan yang berbeda untuk orang yang berbeda dan tergantung pada waktu dan tempat atau sering dikatakan sesuai dengan tujuan. (William, Pereault, JR, 1993). Prof. David Garvin memberikan pemikiran gemilang mengenai mutu suatu produk dengan ringkas dan mudah dipahami.



14

Ketika para tokoh manajemen kualitas memiliki pemahaman yang berbeda dalam mendefinisikan pengertian kualitas itu sendiri, ilmuwan yang banyak mempelajari bidang bisnis dan manajemen proses ini mempublikasikan gagasannya cerdasnya mengenai definisi kualitas yang tergolong sempurna. Penulis buku “Managing Quality: The Strategic and Competitive Edge” ini memberikan dimensi yang luas dan menjadi tantangan besar bagi praktisi pengembangan produk. Produk yang berkualitas tidak lagi cukup dengan hanya memiliki performa, reliability, durability serta fitur yang bagus. Masih ada celah yang memungkinkan konsumen kecewa apabila hanya unsur-unsur klasik di atas yang terpenuhi. Garvin banyak melakukan riset di bidang manajemen umum dan strategi perubahan ini meraih Ph.D dari universitas ternama di AS, Massachusetts Institute of Technology (MIT) tahun 1979. Delapan Dimensi Kualitas Garvin memberikan pelajaran dan gagasan berharga bagi para produsen khususnya bagian pengembangan produk dengan cakupan yang lengkap dan luas. Produk yang diinginkan konsumen dan memenuhi kualitas yang mereka harapkan adalah ketika semua unsur pengembangan produk diterapkan secara maksimal. Dikutip dari Umar (2002), untuk menentukan dimensi kualitas produk dapat melalui delapan dimensi Garvin seperti yang dipaparkan berikut: 1. Performance, hal ini berkaitan dengan aspek fungsional suatu barang dan merupakan karakteristik utama yang dipertimbangkan pelanggan dalam membeli barang tersebut. 2. Features, yaitu aspek performansi yang berguna untuk menambah fungsi dasar, berkaitan dengan pilihan-pilihan produk dan pengembangannya. 3. Reliability, hal yang berkaitan dengan probabilitas atau kemungkinan suatu produk berhasil menjalankan fungsi-fungsinya setiap kali digunakan dalam periode waktu tertentu. 4. Conformance, hal ini berkaitan dengan tingkat kesesuaian terhadap spesifikasi yang telah ditetapkan sebelumnya berdasarkan keinginan pelanggan. Konfirmasi merefleksikan derajat ketepatan antara desain produk dengan kualifikasi standar yang telah ditetapkan. 5. Durability, yaitu suatu refleksi umur ekonomis berupa ukuran daya tahan atau masa pakai suatu produk. Dengan adanya kualitas produk yang



15

semakin baik, maka produk yang dihasilkan oleh sebuah perusahaan tentunya

akan

semakin

disukai oleh

pelanggan,

sehingga

akan

meningkatkan rasa puas dalam pembelian dan pemakaian. Sebaliknya, jika kualitas produk semakin buruk, maka akan menurunkan kepuasan pada 6. Serviceability, kemudahan servis atau perbaikan ketika dibutuhkan. 7. Aesthetics (estetik), menyangkut tampilan, rasa, bunyi, bau, atau rasa. 8. Perceived Quality, mutu/kualitas yang diterima dan dirasa customer. pelanggan.

Dalam jurnal “Preliminary research on customer satisfaction models in Taiwan: A case study from the automobile industry”, yang ditulis oleh Shao-I Chiu, Ching-Chan Cheng, Tieh-Min Yen dan Hsiu-Yuan Hu pada tahun 2011 terdapat beberapa faktor yang dapat mempengaruhi kepuasan pelanggan mobil di Taiwan yaitu Image, Customer Expectation, Perceived Quality serta Perceived Value. Untuk lebih jelas, dapat dilihat pada Gambar 2.2 dibawah ini:

Gambar 2.2 Model Kepuasan Pelanggan Mobil di Taiwan.



16

2.5

Kualitas Pelayanan Kualitas Pelayanan yang dipersepsikan oleh pelanggan memiliki tiga

komponen dasar (Gronroos,1992), yaitu: 1. Kualitas teknis atauh hasil. Manfaat yang pelanggan terima dalam interaksinnya dengan perusahaan sangat penting bagi persepsi pelanggan terhadap kualitas yang diteima. Secara internal hal ini sering dianggap sebagai kualitas penyampaian produk. 2. Kualitas fungsional yang berkaitan dengan proses. Pelanggan dipengaruhi oleh bagaimana dia mendapatkan pelayanan yang sangat terkait dengan hubungan pembeli dan penjual sehingga disebut kualitas fungsional. 3. Citra Perusahaaan. Dalam berbagai kasus pelanggan akan melihat perusahaannya, sumber daya serta operasi bisnis di dalamnya. Oleh karena itu, citra perusahaan menjadi sangat penting dalam bidang pelayanan. Jika perusahaan memiliki citra yang baik dimata pelanggan, maka kesalahankesalahan kecil dapat dimaafkan oleh pelanggan. Tetapi jika citra perusahaan sudah buruk, maka kesalahan sebesar apapun akan memiliki dampak negative yang lebih besar.

Parazuraman, Zeithaml, dan Berry (1990) menyatakan bahwa terdapat 10 dimensi kualitas pelayanan (ServQual) yaitu : 1. Reliability yang mencakup kinerja dan kehandalan 2. Responsiveness, berfokus pada kesiapan dan kesediaan pelayanan secara cepat. 3. Competence, yang berarti memiliki pengetahuan dan keterampilan yang dibutuhkan. 4. Access, yang berarti kemudahan untuk dihubungi. 5. Courtessy, melibatkan sikap sopan, rasa hormat dan keakraban dari karyawan. 6. Communication, yang berarti menjamin pelanggan memperoleh informasi yang dibutuhkan. 7. Credibility, melibatkan sikap dapat dipercaya, jujur, mendapatkan perhatian dari pelanggan.



17

8. Security, menjamin rasa aman dari pelanggan. 9. Understanding, yang berarti berusaha untuk mengerti kebutuhan pelanggan. 10. Tangible yang merupakan bukti fisik dari pelayanan.

2.6 Indeks Kepuasan Pelanggan Konsep kepuasan pelanggan sebagai model pengukuran kualitas pelayanan telah lama digunakan dalam riset pemasaran. Telah banyak metode yang dikembangkan untuk melakukan pengukuran terhadap kepuasan pelanggan,salah satu metode yang paling dikenal dan banyak digunakan adalah ServQual yang diperkenalkan oleh Parasuraman et al.(1985). Metode ini memandang kepuasan pelanggan sebagai fungsi dari customer expectations dan customers perceptions yang kemudian direpresentasikan dalam indeks kepuasan pelanggan (Customer Satisfaction Index). Indeks Kepuasan Pelanggan merupakan pengukuran sejauh mana

proses

bisnis

perusahaan

dapat

memberikan

kepuasan

terhadap

pelanggannya. Pengukuran ini merefleksikan tingkat performa dari perusahaan itu sendiri yang juga merepresentasikan performa industry dan sektor ekonomi yang dalam tataran makro dapat mempengaruhi performa ekonomi nasional Fornell (1992) mengungkapkan bahwa CSI (Customer Satisfaction Index) telah digunakan sebagai model indikator pengukuran ekonomi nasional, namun CSI juga merupakan indikator yang sangat berguna dalam pengukuran performa bisnis pada level mikro karena berdasarkan kepada pengalaman konsumsi dari pelanggan. Dalam perkembangannya, banyak indeks dan atribut penilaian yang dikembangkan berdasarkan persepsi dan ekspektasi pelanggan yang kemudian dibentuk menjadi suatu model keterkaitan yang merepresentasikan kepuasan pelanggan. Model ini melibatkan variabel-variabel laten dan indeks kepuasan pelanggan yang dapat diandalkan. Swedish Customer Satisfaction Barometer (SCSB) merupakan salah satu bentuk model CSI yang dikembangkan pada tahun 1989. Model CSI nasional yang pertama kali ini,

dibentuk berdasarkan perceived value serta customer

expectation atas produk dan pelayanan. Pada tahun 1994, model American Customer Satisfaction Index (ACSI) dibentuk dilanjutkan dengan Model ECSI



18

(European Customer Expectation Index) pada tahun 1996. ACSI melibatkan 3 faktor yaitu perceived value, perceived quality serta customer expectation sedangkan Model ECSI menambahkan faktor baru dalam kepuasan pelanggan yaitu perceived company image dan menghubungkan keempat faktor yang ada terhadap kesetian pelanggan (customer loyality).

2.7.

Desain Kuesioner Dikutip dari Melati (2007), kuesioner merupakan metode pengumpulan

data yang paling sering digunakan dalam penelitian. Untuk mendesain sebuah kuesioner yang baik, diperlukan perhatian khusus mengenai beberapa poin yang harus diperhatikan agar kuesioner dapar memberikan hasil yang optimal. Pertama, kita harus mengetahui data seperti apa yang harus dikumpulkan agar tujuan penelitian dapat tercapai. Kedua, pertanyaan seperti apa yang harus diajukan untuk mendapatkan data-data tersebut dan yang terakhir adalah format kuesioner seperti apa yang dapat memudahkan responden dalam mengisinya. Berikut merupakan langkah umum dalam mendesain kuesioner yang efektif: 1. Menentukan informasi apa yang dibutuhkan untuk penelitian yang dilakukan. 2. Mencari penelitian serupa yang pernah dilakukan, jika penelitian tersebut menggunakan kuesioner maka melakukan review pada kuesioner tersebut. 3. Membuat draft kuesioner atau melakukan modifikasi terhadap kuesioner yang sudah ada. 4. Menempatkan pertanyaan sesuai dengan urutan agar memudahkan responden mengisi kuesioner. 5. Teliti kembali kuesioner yang telah disusun, tambahkan informasi maupun instruksi jika diperlukan. 6. Membuat kuesioner dengan format yang mudah, dapat dibaca dan konten yang mudah dimengerti. 7. Jika ada waktu, lakukan eavluasi dengan meminta orang lain untuk mengisi kuesioner yang telah disusun dan melakukan perbaikan jika diperlukan.



19

8. Implementasi kuesioner kepada responden. Untuk memudahkan responden dalam mengisi kuesioner, maka diperlukan format dan layout kuesioner yang mudah dimengerti.

2.7.1 Jenis Skala Prinsip pengukuran disesuaikan dengan jenis atau karakteristik data yang hendak dikumpulkan. Pengukuran data dilakukan dengan menggunakan skala. Menurut Sekaran (2003), terdapat empat tipe skala : a. Skala Nominal: skala yang digunakan untuk mendapatkan masukan data berupa kategori-kategori yang sudah ditentukan sebelumnya. Contoh: jenis kelamin. b. Skala Ordinal: skala yang digunakan untuk mengurutkan data masukan. Contoh: urutan preferensi pemakaian merek laptop. c. Skala Interval: skala yang digunakan untuk mendapatkan masukan responden mengenai suatu pernyataan. Skala ini mengkategorikan pilihan jawaban menjadi dua kutub (misalnya setuju dan tidak setuju). Kemudian diberikan tahapan pilihan jawaban (misalnya sangat, cenderung) yang besar perbedaan tingkatan diantara pilihan tersebut sama. d. Skala Rasio: skala yang memiliki nilai “zero absolute point”. Dari keempat tipe skala tersebut, tipe skala dapat dibagi lagi menjadi beberapa tipe turunan, salah satunya adalah tipe skala likert yang akan digunakan pada penelitian ini.

2.7.2 Skala likert Skala likert adalah skala yang digunakan untuk mengetahui preferensi responden mengenai suatu pernyataan. Skala likert termasuk ke dalam tipe skala interval, dimana terdapat dua kutub pilihan jawaban yang di antaranya terdapat beberapa pilihan jawaban dengan rentang yang sama besar. Biasanya skala likert menggunakan lima tingkatan, balanced scale. Skala likert, yang pertama kali diperkenalkan oleh Rensis Likert (1932) telah banyak digunakan oleh disiplin ilmu, terutama marketing dalam mngukur perilaku dan image (Jacoby, 1971). Skala likert sering digunakan karena sudah terbukti mudah dimengerti oleh



20

responden dalam memberikan penilaian terhadap suatu atribut pengukuran. Skala likert bisa digunakan sebagai summated scale dan individual scale. Ketika digunakan sebagai summated scale, biasanya nilai dari setiap item akan dijumlahkan untuk mendapatkan suatu indeks penilaian. Sedangkan penggunaan skala likert sebagai skala individu biasanya untuk menjelaskan variabel laten, seperti dalam analisis menggunakan Confirmatory Factor Analysis (CFA) dan Structural Equation Modelling (SEM).

2.8

Variabel Penelitian Yang dimaksud sebagai variabel adalah segala sesuatu yang dapat diubah -

ubah atau divariasikan nilainya (Sekaran, 2003). Variabel merupakan salah satu elemen dari sebuah sistem. Nilai variabel dapat dirubah-rubah, dan nilai perubahannya akan berpengaruh pada karakteristik sistem. Sekaran (2003) mengklasifikasikan variabel ke dalam empat jenis : 1. Variabel Dependen Variabel dependen adalah variabel yang menjadi fokus utama penelitian. Tujuan utama peneliti adalah untuk memahami, menjelaskan, atau memprediksi variabel dependen. 2. Variabel Independen Variabel independen adalah sesuatu yang mempengaruhi variabel dependen secara positif maupun negatif. Jadi dapat dikatakan, variansi yang terjadi pada variabel dependen disebabkan karena adanya perubahan pada nilai variabel independen. 3. Variabel Moderating Variabel moderating adalah variabel yang memberikan efek / pengaruh yang kuat pada hubungan antara variabel dependen dengan variabel independen. Variabel moderating dapat memodifikasi hubungan antara variabel dependen dengan variabel independen. 4. Variabel intervening Variabel intervening adalah variabel yang muncul ditengah-tengah proses hubungan variabel independen yang mempengaruhi variabel dependen. Dapat dikatakan variabel intervening merupakan variabel perantara yang



21

dapat menjelaskan pengaruh variabel independen terhadap variabel dependen.

2.9

Uji Validitas dan Reliabilitas

2.9.1 Uji Validitas Uji Validitas adalah uji mengenai kemampuan suatu instrument (atau ukur) dalam mengukur apa yang harus diukur. Masalah validitas menjadi kompleks dalam konteks penelitian yang mengukur suatu konsep yang tidak bisa diukur secara langsung karena melibatkan pengertian secara teoris dan empiris. Namun, betapapun kompleksnya suatu instrument penelitian harus valid agar hasilnya dapat dipercaya. Terdapat beberapa jenis validitas yang sering digunakan, seperti Face Validity, Content Validity, Criterion Validity, dan Construct Validity. Berikut ini merupakan penjelasan jenis validity tersebut : 1. Face Validity Face Validity merupakan validitas yang menunjukkan apakah alat pengukur/instrument penelitian dari segi rupanya dapat mengukur apa yang ingin diukur, validitas ini lebih mengacu pada bentuk dan tampilan instrument. Validitas rupa ini penting dalam pengukuran kejujuran, kecerdasan, bakat dan keterampilan. 2. Content Validity Content Validity merupakan validitas yang berkaitan dengan kemampuan suatu instrument untuk mengukur isi atau konsep yang harus diukur. Ini berarti bahwa suatu alat ukur mampu mengungkap isi suatu konsep atau variable yang hendak diukur. Misalnya pengukuran motivasi kerja harus mampu mengukur seluruh aspek yang berkaitan dengan konsep motivasi. 3. Criterion Validity Criterion Validity merupakan validitas instrument (alat ukur) yang diukur dengan cara membandingkannya dengan instrument lain yang sudah valid dengan cara korelasi. Jika korelasi yang diperoleh signifikan maka instrument tersebut memiliki Criterion Validity. 4. Construct Validity



22

Construct Validity merupakan validitas yang diberikan kepada instrument mengenai kemampuan instrument dalam mengukur pengertian konsep yang diukurnya. Menurut Jack R, validitas konstruk merupakan yang terluas cakupannya dibandingkan dengan jenis validitas lainnya karena melibatkan banyak prosedur termasuk Content Validity dan Criterion Validity.

2.9.2

Uji Reliabilitas Reliabilitas berhubungan dengan kehandalan dari sebuah alat ukur yang

dinyatakan dalam tingkat konsistensi dari suatu alat ukur untuk digunakan secara berulang kepada responden yang berbeda. Pada dasarnya, reliabilitas tidak bisa diukur, namun tingkat reliabilitas bisa diestimasi dengan menggunakan estimator tertentu. Secara umum terdapat empat jenis estimator reliabilitas yaitu : 1. Inter-Rater atau Inter-Observer Reability Inter-Rater atau Inter-Observer Reability digunakan untuk mengukur sejauh mana responden yang berbeda memberikan persepsi yang sama terhadap sebuah fenomena atau kejadian. 2. Test-Retest Reliability Test-Retest Reliability merupakan estimator reliabilitas yang mengukur konsistensi dari sebuah alat ukur jika digunakan dari waktu-ke waktu dengan skala, lingkungan, situasi dan kondisi yang sama. 3. Parallel-Forms Reliability Parallel-Forms

Reliability

merupakan

estimator

reabilitas

yang

mengukur konsistensi dengan menggunakan dua format yang memiliki maksud yang sama, namun tidak identik dalam bentuk. 4. Internal Consistency Reliability Internal Consistency Reliability merupakan estimator reabilitas yang mengukur konsistensi dari sebuah alat ukur berdasarkan hubungan antar item yang ada di dalamnya.

2.10

Structural Equation Modeling (SEM)

2.10.1 Variabel – Variabel dalam SEM.



23

1. Variabel Laten Merupakan variabel kunci yang menjadi perhatian dalam SEM. Variabel ini dikenal juga dengan variabel konstruk laten. Variabel laten merupakan konsep abstrak, sebagai contoh: perilaku orang, sikap (attitude), perasaan, dan motivasi. Variabel laten ini hanya dapat diamatai secara tidak langsung dan tidak sempurna melalui efeknya pada variabel teramati. SEM mempunyai 2 jenis variabel laten yaitu eksogen dan endogen. Kedua jenis ini dibedakan atas keikutsertaan mereka sebagai variabel terikat pada persamaan-persamaan dalam model. Variabel eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang ada di dalam model. Sedangkan variabel endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model, meskipun di semua persamaan sisanya variabel tersebut adalah variabel bebas. Notasi matematik dari variabel laten eksogen adalah huruf Yunani ξ (“ksi’) dan variabel laten endogen ditandai dengan huruf Yunani η (“eta”). Simbol diagram lintasan dari variabel laten adalah lingkaran atau elips sedangkan symbol untuk menunjukkan hubungan kausal adalah anak panah. Variabel laten eksogen digambarkan sebagai lingkaran dengan semua anak panah menuju keluar. Variabel laten endogen digambarkan sebagai lingkaran dengan paling sedikit ada satu anak panah masuk ke lingkaran tersebut meskipun anak panah yang lain menuju keluar dari lingkaran. 2. Variabel Teramati Variabel teramati (observed variable) merupakan variabel yang diamati atau dapat diukur secara empiris dan sering disebut indikator yang merupakan efek dari variabel laten. Dalam metode surveu yang menggunakan kuisioner, setiap pertanyaan yang diajukan biasanya mewakili sebuah variabel teramati. Variabel teramati yang merupakan efek dari variabel laten eksogen biasa diberi notasi matematik dengan label X, sedangkan yang berkaitan dengan variabel endogen biasa diberi label Y. Variabel teramati biasa disimbolkan dengan bujur sangkar/ kotak atau persegi panjang.



24

2.10.2 Model dalam SEM 1. Model struktural Model struktural merupakan model yang meggambarkan hubungan keterkaitan antar konstruk laten/ variabel laten. Biasanya hubungan yang terjadi antar variabel laten merupakan hubungan yang saling linear, meskipun tidak menutup kemungkinan adanya hubungan non-linear. Hubungan antar variabel - variabel laten tersebut (yang serupa dengan persamaan regresi linear) membentuk suatu persamaan simultan variabelvariabel laten, yang menyerupai simultan ekonometri. Parameter yang digunakan untuk menunjukkan regresi variabel laten endogen pada variabel laten eksogen diberi label dengan huruf Yunani γ (“gamma”), sedangkan untuk variabel laten endogen pada variabel laten endogen yang lain diberi huruf β (“beta”). Dalam SEM, variabel-variabel eksogen boleh ber”covary” secara bebas dan matrik kovarian variabel ini diberi tanda Yunani (phi). 2. Model Pengukuran Setiap variabel laten dalam SEM biasanya mempunyai beberapa variabel teramati yang sering dipakai sebagai ukuran atau indikator. Pengguna SEM paling sering menghubungkan variabel laten dengan variabel-variabel teramati melalui model pengukuran yang berbentuk analisis faktor dan banyak digunakan di psikometri dan sosiometri. Dalam model ini, setiap variabel laten dimodelkan sebagai sebuah faktor yang mendasari variabel-variabel teramati yang terkait. Muatan- muatan faktor atau factor loading yang menghubungkan variabel-variabel laten dengan variabel teramati diberi label dengan huruf Yunani λ (“lambda’). SEM mempunyai dua matriks lambda yang berbeda, yang satu matriks pada sisi X dan matriks lainnya pda sisi Y. Notasi λ pada sisi X adalah λx (lambda X) sedangkan pada sisi Y adalah λy (lambda Y). Model Pengukuran yang umum digunakan dalam SEM adalah model pengukurann kongenerik (Congeneric Measurement Model), dimana setiap variabel teramati hanya berhubungan dengan satu variabel laten dan semua kovariasi antara



25

variabel-variabel teramati merupakan akibat dari hubungan antara variabel teramati dan variabel laten.

2.10.3 Kesalahan yang terjadi dalam SEM Ada 2 jenis kesalahan yang sering terjadi dalam melakukan analisis menggunakan SEM, yaitu: 1. Kesalahan Struktural Pada umumnya pengguna SEM tidak berharap bahwa variabel bebas dapat memprediksi secara sempurna variabel terikat, sehingga dalam suatu model biasanya ditambahkan komponen kesalahan struktural. Kesalahan struktural ini diberi label dengan huruf Yunani ζ (zeta), Untuk memperoleh estimasi parameter yang konsisten, kesalahan struktural ini diasumsikan tidak berkorelasi dengan variabel-variabel eksogen dari model. Meskipun demikian, kesalahan struktural bisa dimodelkan berkorelasi dengan kesalahan struktural yang lain. 2. Kesalahan Pengukuran Dalam SEM, indikator-indikator atau variabel-variabel teramati tidak dapat secara sempurna mengukur variabel laten terkait. Untuk memodelkan ketidaksempurnaan ini dilakukan penambahan komponen yang mewakili kesalahan pengukuran ke dalam SEM. Komponen kesalahan pengukuran yang berkaitan dengan variabel teramati X diberi label dengan huruf Yunani δ (delta) sedangkan yang berkaitan dengan variable Y diberi label dengan huruf Yunani ε (epsilon). Kesalahan pengukuran δ boleh berkovari satu sama lain. Secara konseptual, hampir semua pengukuran mempunyai komponen kesalahan yang terkait. Meskipun

demikian,

ketika

sebuah

variabel

laten

hanya

direfleksikan/diukur oleh sebuah variabel teramati tunggal, maka estimasi kesalahan pengukuran terkait sulit/tidak mungkin dilakukan. Dalam kasus ini, kesalahan pengukuran harus dispesifikasikan terlebih dahulu sebelum melakukan estimasi parameter atau kesalahan pengukuran dapat dianggap tidak ada atau nol.



26

2.10.4 Analisis Faktor Konfirmatori (CFA) Analisis faktor merupakan sebuah metode yang bertujuan untuk mendefinisikan struktur yang mendasari variabel-variabel dalam penelitian dengan melihat hubungan antara variabel-variabel dan mengelompokkannya menjadi faktor (Hair et al, 2006). Terdapat dua tipe analisis faktor, yaitu analisis faktor eksploratori dan analisis faktor konfirmasi (Wijanto, 2008). 1. Analisis Faktor Eksploratori Analisis faktor eksploratori digunakan apabila hubungan antar variabel laten dan variabel manifes tidak dispesifikan terlebih dahulu. Pada metode ini jumlah variabel laten tidak ditentukan di awal penelitian, jadi semua variabel laten akan diasumsikan memiliki pengaruh terhadap variabel manifes. Analisis faktor eksploratori cocok digunakan pada penelitian yang memiliki model penelitian baru. 2. Analisis Faktor Konfirmatori Analisis faktor konfirmatori digunakan apabila hubungan antar variabel laten dan manifes telah ditetapkan, menggunakan studi literatur atau penelitian terdahulu. Metode ini dilakukan untuk memastikan model yang diambil dari studi literature dapat dengan tepat digunakan untuk mengukur suatu kondisi yang sebenarnya terjadi. Analisis faktor konfirmatori akan menghasilkan suatu model lengkap yang terdiri dari dimensi (variabel laten) dan indikator-indikator (variabel teramati) yang telah tereduksi. Model lengkap tersebut selanjutnya akan menjadi input dari pengolahan dan analisis data dengan menggunakan Model Persamaan Struktural (Structural Equation Modeling atau SEM).

2.10.5 Tahapan-tahapan Structural Equation Modeling (SEM) Confirmatory Factor Analysis (CFA) termasuk dalam bagian dari SEM. CFA dilakukan untuk mengkonfirm model yang ada, lalu didapatkan path diagram dan standar loading factor hubungan antara tiap variabel independenvariabel dependen.Tahapan-tahapan melakukan SEM menurut Wijanto (2008) dijelaskan sebagai berikut:



27

1. Spesifikasi model Pada tahap ini, dilakukan pendefinisian model yang akan digunakan di penelitian. Tahap ini dimulai dengan menspesifikasikan model yang menunjukkan hubungan variabel laten dalam menjelaskan suatu konsep dan hubungan variabel teramati dalam menjelaskan variabel laten. Model awal ini diformulasikan berdasarkan suatu teori atau penelitian sebelumnya. Wijanto (2008) menyebutkan langkah-langkah dalam menspesifikasikan model sebagai berikut : a. Spesifikasi Model Pengukuran •

Mendefinisikan variabel laten yang ada dalam penelitian

•

Mendefinisikan variabel teramati

•

Mendefinisikan hubungan antara setiap variabel laten dengan variabel teramati yang bersangkutan

b. Spesifikasi Model Struktural •

Mendefinisikan hubungan kausal di antara variabel laten

•

Menyusun Diagram Lintasan (Path Diagram)

•

Jika diperlukan untuk merepresentasikan model yang akan dianalisis dengan lebih jelas, maka diperlukan gambar diagram lintasan yang merupakan kombinasi model pengukuran dan struktural.

2. Identifikasi model Tahap

identifikasi

dilakukan

dengan

proses

pengkajian

tentang

kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada solusinya (Bollen & Long 1995, dalam Wijanto 2008). Tahap identifikasi dimulai dengan menghitung jumlah data yang diketahui dan jumlah parameter yang akan diestimasi. Melalui jumlah data dan parameter tersebut, dilakukan perhitungan derajat kebebasan (degree of freedom). Derajat kebebasan didapatkan dari selisih antara jumlah data dengan jumlah parameter. Derajat kebebasan juga dapat digunakan sebagai indikator pengkategorian jenis identifikasi yang dimiliki. Proses identifikasi dibagi menjadi tiga kategori identifikasi sebagai berikut :



28

•

Under Identified Merupakan model dengan jumlah data yang diketahui lebih kecil dari jumlah parameter yang diestimasi.

•

Just Identified Merupakan model dengan jumlah data yang diketahui sama dengan jumlah parameter yang diestimasi.

•

Over Identified Merupakan model dengan jumlah data yang diketahui lebih besar dari jumlah parameter yang diestimasi.

Model yang diharapkan dalam SEM yaitu over identified dan menghindari model under identified (Wijanto, 2008).

3. Estimasi Proses estimasi dilakukan untuk mendapatkan nilai dari parameter yang ada di dalam model. Nilai parameter dicari sedemikian hingga matriks kovarian yang diturunkan dari model mendekati atau sama dengan matriks kovarian populasi dari variabel-variabel teramati. Pada umumnya, data seluruh populasi sulit didapatkan sehingga matriks yang digunakan adalah matriks kovarian sampel dari variabel-variabel teramati. Terdapat dua estimator yang biasa digunakan dalam SEM yaitu: a.

Maximum Likelihood (ML) Beberapa karakteristik ML estimator menurut Boolen (1989) dalam (Wijanto,2008) : 1. ML estimator secara asimptotik tidak bias 2. ML estimator konsisten 3. ML estimator adalah asymptotically efficient, maka diantara estimator yang konsisten asymptotic variance tidak ada yang lebih kecil. Namun, metode ML hanya dapat digunakan untuk data dengan distribusi normal. Menurut Bentler dan Chou (1987) dalam Wijanto (2008), rule of thumb ukuran sampel yang dibutuhkan dalam estimasi ML yaitu 5 responden untuk setiap variabel teramati dalam model.

b. Weighted Least Square (WLS)



29

Untuk data dengan jenis distribusi tidak normal, metode estimasi yang dapat digunakan adalah metode WLS. WLS tidak bergantung pada distribusi data, jadi dapat digunakan untuk semua bentuk data. Namun metode WLS memiliki kelemahan, yaitu membutuhkan jumlah sampel yang besar. Bentler dan Chou (1987) dalam Wijanto (2008) mengatakan, rule of thumb ukuran sampel yang dibutuhkan dalam estimasi WLS yaitu sejumlah 10 responden untuk setiap variabel teramati dalam model.

4. Uji kecocokan Pada tahap ini dilakukan pemeriksaan tingkat kecocokan antara data dengan model, validitas dan reliabilitas model pengukuran dan signifikansi koefisien dari model struktural (Wijanto, 2008). Terdapat beberapa tahapan tingkat kecocokan data dengan model (Wijanto, 2008) yaitu: •

Kecocokan Model Keseluruhan Pada tahap ini dilakukan evaluasi secara umum derajat kecocokan atau

goodness of fit (GOF) antara data dengan model. Hair et al.(2006) mengelompokkan nilai GOF menjadi 3 bagian yaitu: a. Ukuran Kecocokan Absolut 1. Chi- square (X2) Mengikuti uji statistik yang berkaitan dengan persyaratan signifikan dimana semakin kecil maka semakin baik. 2. Non-centrality parameter (NCP) Merupakan bentuk spesifikasi ulang dari uji chi-square dimana penilaian berdasarkan atas perbandingan dengan model yang lain maka nilainya semakin kecil semakin baik. 3. Scaled NCP (SNCP) Merupakan bentuk NCP rata-rata perbedaan setiap pengamatan untuk memperoleh perbandingan antar model. Nilainya semakin kecil semakin baik. 4. Root Mean Square Residuan (RMR) Merupakan residual rata-rata antara matriks (korelasi atau kovarian) teramati dan hasil estimasi. Jika RMR ≤ 0.05 : good fit.



30

5. Root Mean Square Error of Approximation (RMSEA) Merupakan rata-rata perbedaan per degree of freedom yang diharapkan dalam suatu populasi. RMSEA ≤ 0.08 : good fit. RMSEA ≤ 0.05 : close fit. 6. Expected Cross Validation Index (ECVI) Merupakan perbandingan antara model. Nilainya semakin kecil maka semakin baik. Pada model tunggal, jika nilai ECVI mendekati nilai saturated ECVI : good fit. b. Ukuran Kecocokan Incremental 1. Tucker-Lewis Index atau Non-normed Fit Index (TLI atau NNFI) TLI ≥ 0.90 maka good fit, sedangkan 0.80 ≤ TLI < 0.90 : marginal fit 2. Normed Fit Index (NFI). NFI ≥ 0.90 maka good fit, sedangkan 0.80 ≤ NFI < 0.90 : marginal fit 3. Adjusted Goodness of Fit Index (AGFI). AGFI ≥ 0.90 maka good fit, sedangkan 0.80 ≤ AGFI < 0.90 : marginal fit. 4. Relative Fit Index (RFI) RFI ≥ 0.90 maka good fit, sedangkan 0.80 ≤ RFI < 0.90 : marginal fit 5. Incremental Fit Index (IFI) IFI ≥ 0.90 maka good fit, sedangkan 0.80 ≤ IFI < 0.90 : marginal fit 6. Comparative Fit Index (CFI) 7. CFI ≥ 0.90 maka good fit, sedangkan 0.80 ≤ CFI < 0.90 : marginal Fit c. Ukuran Kecocokan Parsimoni 1. Parsimonious Goodness of Fit (PGFI). Nilai lebih tinggi menunjukkan parsimoni yang lebih besar. Ukuran ini digunakan dalam membandingkan antara model-model. 2.

Normed Chi Square Rasio antara chi-square dibagi degree of freedom. Nilai yang disarankan adalah di bawah 1, batas atas: 2 atau 3,lebih longgar: 5.

3.

Parsimonious Normed Fit Index (PNFI) Dibutuhkan nilai tinggi yang menunjukkan kecocokan lebih baik. Digunakan dalam perbandingan antara model alternatif.



31

4.

Akaike Information Criterion (AIC) Digunakan untuk perbandingan model. Nilai positif lebih kecil berarti parsimoni baik. Nilai AIC mendekati nilai saturated AIC maka good fit.

5. Consistent Akaike Information Criterion (CAIC) Digunakan untuk perbandingan model. Nilai positif lebih kecil berarti parsimoni baik. Nilai CAIC mendekati nilai saturated CAIC maka good fit. 6. Ukuran GOFI (goodness of fit index) lainnya, terdapat uji critical N dimana CN ≥ 200 menunjukkan ukuran sampel mencukupi untuk digunakan dalam estimasi model.

•

Kecocokan Model Pengukuran Pada tahap ini, dilakukan dua evaluasi yang mengukur hubungan antara

sebuah variabel laten dengan indikator. Indikator harus dapat dengan tepat menjelaskan dimensinya. Begitu pula dengan masalah reliabilitas. Hal ini dilakukan dengan cara: a. Validitas Wijanto

(2008)

dalam

bukunya

menyatakan,

variabel

dikatakan

mempunyai validitas yang baik terhadap konstruknya apabila: 1. Tidak adanya negative error variance 2. Standardized Loading Factor ≥ 0.7 atau yang lebih moderat, ≥ 0.5 (Igbariaet.al, 1997 dalam Wijanto, 2008) 3.

Nilai T-Value signifikan, ≥ 1.96

b. Reliabilitas Pengukuran reliabilitas model dilakukan dengan cara : 1. Ukuran reliabilitas komposit (composite reliability measure) 2. Ukuran ekstrak varian (variance extracted measure) dimana:



32

Hair et.al. (1998) mengatakan, terdapat dua syarat agar suatu model memiliki reliabilitas yang baik yaitu: 1. Nilai Construct Reliability (CR) ≥ 0.7 2. Nilai Variance Extraded (VE) ≥ 0.50

•

Kecocokan Model Struktural Analisis kecocokan model struktural dilakukan untuk memeriksa

signifikansi koefisien-koefisien yang telah diestimasi. Selain menghasilkan nilai koefisien yang diestimasi, metode SEM juga menghasilkan nilai t-value setiap koefisien. Dengan menspesifikasikan tingkat signifikan (biasanya α = 0.05), maka setiap koefisien yang mewakili hubungan kausal (dihipotesiskan) dapat diuji signfikansinya secara statistik (Wijanto, 2008).

5. Respesifikasi Respesifikasi merupakan langkah berikutnya setelah uji kecocokan dilaksanakan. Pelaksanaan respesifikasi sangat tergantung kepada strategi pemodelan yang akan digunakan. Ada 3 strategi pemodelan yang dapat diplih dalam SEM, yaitu : •

Strategi pemodelan konfirmatori atau confirmatory modeling strategy (Hair et,al.,1998) atau strictly confirmatory/SC (Joreskog dan Sorbom, 1996). Pada strategi pemodelan ini diformulasikan atau dispesifikasikan satu model tunggal, kemudian dilakukan atau dispesifikasikan satu model tunggal, kemudian

dilakukan pengumpulan data empiris untuk diuji

signifikansinya. Pengujian ini akan menghasilkan suatu penerimaan atau penolakan terhadap model tersebut. Strategi ini tidak memerlukan respesifikasi. •

Strategi kompetisi model atau competing models strategy (Hair et.al.,1998)

atau alternative/competing

models/AM

(Joreskog

dan



33

Sorbon,1996). Pada strategi pemodelan ini beberapa model alternatif dispesifikasikan dan berdasarkan analisis terhadap satu kelompok data empiris dipilih salah satu model yang paling sesuai. Pada strategi ini respesifikasi hanya diperlukan jika model alternative dikembangkan dari beberapa model yang ada. •

Strategi pengembangan model atau model development strategy (Hair et.al.,1998) atau model generating/MG (Joreskog dan Sorbom,1996). Pada strategi pemodelan ini suatu model awal dispesifikaskan dan data empiris dikumpulkan. Jika model awal tersebut tidak cocok dengan data empiris yang ada, maka model dimodifikasi dan diuji kembali dengan data yang sama. Beberapa model dapat diuji dalam proses ini dengan tujuan untuk mencari satu model yang selain cocok dengan data secara baik, tetapi juga mempunyai sifat bahwa setiap parameternya dapat diartikan dengan baik. Respesifikasi terhadap model dapat dilakukan berdasarkan theory-driven atau data-driven, meskipun demikian respesifikasi berdasarkan theorydriven lebih dianjurkan (Hair et.al.,1998)

2.11

Model Interaksi Terdapat

2

pendekatan

yang

bisa

digunakan

di

dalam

mengimplementasikan interaksi antara variabel moderasi dengan variabel yang dimoderasi. Jika variabel moderasinya diskrit atau kategorikal maka dapat menggunakan pendekatan pertama yaitu pendekatan multisample. Pendekatan kedua, yaitu pendekatan model interaksi (interaction model approach), digunakan ketika variabel moderasi dan variabel yang dimoderasi adalah kontinu.

2.11.1 Interaction Model Approach Kenny dan Judd (1984) memformulasikan sebuah model yang mengandung efek interaksi antara 2 variabel laten dan mengusulkan menggunakan perkalian variabel-variabel tersebut untuk mengestimasi model. Kenny dan Judd (1984) memformulasikan modelnya menggunakan regresi non-linear seperti di bawah ini:



34

Y = α + γ1 ξ1 + γ2 ξ2 + γ3 ξ1 ξ2 + ζ Schumaker dan Wothke (1998) menuliskan kembali model Kenny dan Judd diatas menggunakan sebuah interaction contruct ξ2 yang merupakan fungsi dari main effect contruct ξ1 dan ξ2. Bentuk model strukturalnya adalah sebagai berikut:

η1 = γ1 ξ1 + γ2 ξ2 + γ3 ξ3 ξ3 + ζ1 dimana: η1 = konstruk dependen (variabel laten endogen), ζ1adalah kesalahan struktural dan ξ3 sama dengan ξ1* ξ2. Ping (1998) mengklasifikasikan teknik estimasi dalam SEM untuk interaksi antar variabel laten dan variabel laten yang kuadratik ke dalam 2 kategori yaitu direct approach (pendekatan langsung) dan indirect approach (pendekatan tidak langsung). Pendekatan langsung mengandung perkalian antara indikator-indikator dari variabel yang berintekraksi (misalnya ξ1* ξ2.) atau yang dikuadratkan (ξ12 atau ξ22), sehingga sering disebut sebagai indicant product approach. Perkalian antara indikator-indikator tersebut akan menghasilkan indikator-indikator (teramati) baru untuk konstruk (variabel laten) interaksi. Dalam pendekatan tidak langsung estimasi koefisien struktural bisa ada atau tidak ada, dan convenience variables atau beberapa langkah estimasi diperlukan (Ping, 1998). Beberapa contoh pendekatan tidak langsung adalah subgroup analysis (Joreskog, 1971) dan convenience-variable technique ( Hyaduk,1978).

2.11.2 Model Interaksi dengan Multiple Indicator A. Model Interaksi Kenny dan Judd Model interaksi pertama dengan multiple indicators adalah model Kenny dan Judd (1984). Pada model ini, indikator-indikator dari variabel laten Be dan Vl saling dikalikan untuk menghasilkan indikator-indikator baru bagi variabel interaksi BeVl. Karena Be mempunyai 2 indikator dan Vl mempunyai 2 indikator maka perkalian ini akan menghasilkan 4 indikator (2 x 2) untuk variabel interaksi BeVl yaitu BE1VL1, BE1VL2, BE2VL1 DAN BE2VL2. Dalam contoh ini (dan contoh model interaksi selanjutnya), tidak dilakukan Model Generating (MG)



35

tetapi hanya menggunakan strictly confirmatoty (SC). Diagram lintasan dari model Kenny dan Judd ditunjukkan pada Gambar 2.1 dibawah ini:

BE1 Be(ξ1) BE2 AA1

BE1VL1 BE1VL2

BeVl(ξ3)

At (η)

AA1

BE2VL1 AA1 BE2VL2

VL1 Vl(ξ2) VL2

Gambar 2.3 Diagram Lintasan Kenny dan Judd

B. Model Interaksi Yang-Jonsson Sementara itu,

Yang-Jonsson (1998) dan Yang-Walentin (2001)

menyatakan bahwa ketika variabel-variabel laten yang berinteraksi diukur menggunakan pertanyaan-pertanyaan dengan isu-isu yang sama, maka akan cukup “natural” untuk hanya menggunakan hasil perkalian dari indikatorindikator yang mempunyai isu yang sama, sebagai indikator-indikator dari variabel dari variabel interaksi. Dalam kasus model BEA, indikator (variabel teramati) BE1 dan VL1 mempunyai isu yang sama yaitu tentang time and effort in search for, gather and organize coupuns, sedangkan BE2 dan VL2 tentang time and effort to plan to use of and actually redeem coupons in the supermarket. Dengan demikian, hanya ada 2 indikator yang digunakan untuk variabel interaksi yaitu BE1VL1 dan BE2VL2. Diagram lintasan untuk model Yang Jonsson ditunjukkan pada Gambar 2.2 berikut ini:



36

Gambar 2.4 Diagram Lintasan Model BEA (Yang Jonsson)

3. Model Interaksi dengan Single Indicator A. Model Interaksi Ping Model interaksi dengan multiple indicators, seperti model Kenny dan Judd, mempunyai segi ketidakpraktisan. Peneliti yang menggunakan banyak variabel pengukuran atau indikator untuk variabel-variabel latennya akan menemukan bahwa indicant approach tidak mudah ditangani. Sebagai contoh jika ξ1 mempunyai 5 variabel teramati/indikator dan ξ2 mempunyai 6 variabel teramati, maka kaan ada 30 variabel teramati untuk interaksi ξ3 pada model Kenny dan Judd. Ping (1995,1998) telah meneliti teknik untuk meminimisasi persoalan praktis diatas. Ia menyimpulkan bahwa jika pengukuran-pengukuran dari main effect construct cukup undimensional, maka peneliti dapat mengadopsi satu dari beberapa prosedur untuk meminisasikan kesulitan praktikal tersebut. Sebagai contoh daripada menciptakan 30 variabel teramati atau indikator untuk variabel interaksi, peneliti cukup menciptakan satu variabel saja. Dengan perkataan lain ia mengusulkan penggunaan single indicator untuk variabel interaksi sebagai ganti multiple indicators



37

Gambar 2.5 Diagram Lintasan Konstruk Variabel Interaksi Model Ping

Sebelum dilakukan perhitungan nilai parameter-parameter variabel interaksi, maka dilakukan centering terhadap variabel-variabel teramati x1,x2,….xm dan z1,z2,…zk. Centering sebuah indikator mengandung proses pengurangan nilai setiap kasus dengan nilai rerata (mean) dari indikator tersebut dan proses ini menghasilkan indikator dengan rerata sama dengan nol. Berikut merupakakan diagram lintasan Model BEA Ping:

Gambar 2.6 Diagram Lintasan Model BEA Ping

B. Model Interaksi Joreskog Selain menggunakan model Ping (1995,1998) untuk memodelkan variabel interaksi dengan indikator tunggal (single indicator), dapat juga digunakan latent variable score (LVS) sebagai indikator tunggal bisa menggunakan latent variabel score (LVS) sebagai indikator tunggal untuk memodelkan variabel interaksi. Yang

Jonsson

(1998),

dalam

membahas

pemodelan

interaksi

dengan



38

menggunakan LISREL, mengindikasikan adanya kemungkinan penggunaan factor scores untuk memodelkan variabel interaksi. Joreskog (1998) yang sependapat tentang adanya kemungkinan ini, menyarankan untuk diteliti lebih lanjut. Dengan menggunakan model BEA, Joreskog (2000) memberikan contoh pemodelan variabel interaksi dengan Latent Variable Scores (LVS) dan beberapa contoh lain yang dapat dilihat di Joreskog, Sorbom dan Yang Wallentin (20060. Konstruk variabel interaksi dengan LVS sebagai single indicator ditunjukkan dengan diagram lintasan pada Gambar 2.5. Berbeda dengan Model Ping, nilai muatan faktor pada model ini ditetapkan sama dengan 1 dan varian kesalahannya (error variance) sama dengan 0.

Gambar 2.7 Diagram Lintasan Konstruk Variabel Interaksi dengan LVS

Berikut merupakan Diagram Lintasan Model BEA Joreskog:

Gambar 2.8 Diagram Lintasan Model BEA Joreskog



39

Dari keempat Model Interaksi diatas dipertimbangkan bahwa (1) Model Kenny dan Judd tidak praktis, jika variabel-variabel laten yang berinteraksi mempunyai variabel teramati dalam jumlah yang banyak, (2) Model Yang Jonsson dimana diperlukan penentuan variabel – variabel teramati mana yang berkaitan dan perlu dikalikan, dan ini seringkali tidak mudah dilakukan, (3) Model Ping, yang mnegharuskan kita melakukan mean centering variabel teramati sebelum melakukan perkalian, serta menghitung λ dan θ variabel interaksi, dan (4) Model Joreskog yang latent variable scores dari variabel-variabel laten yang berinteraksi dapat dihitung dengan mudah, maka pilihan untuk menggunakan Model Joreskog untuk memodelkan variabel interaksi pilihan yang baik (Wijanto,2008).



BAB 3 PENGUMPULAN DAN PENGOLAHAN DATA

3.1 Desain dan Jenis Penelitian Penelitian ini dilakukan dengan metode Cross Sectional Research artinya penelitian dilakukan untuk mengetahui hubungan komparatif beberapa subjek yang ingin diteliti dengan suatu sampel responden melalui pengambilan data dalam jangka pendek (Neuman, 2006). Penelitian yang dilakukan temasuk penelitian kuantitatif dan jenisnya adalah Causal Research. Dikatakan kuantitatif karena penelitian ini digunakan untuk meneliti populasi atau sampel, pengumpulan data menggunakan instrument penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang diajukan (Sugiyono, 2008). Dikatakan Causal Research karena tujuan utama penelitian ini adalah untuk mendapatkan bukti mengenai hubungan sebab-akibat (hubungan kausal) dari variabel-variabel penelitian (Malhotra, 2005). 3.1.1 Populasi dan Sampel Penelitian Populasi yang digunakan dalam penelitian kali ini adalah para pengguna sepeda motor bebek dan matic di wilayah Jakarta, Bogor, Depok, Tangerang dan Bekasi. Namun, karena populasi Jabodetabek sangat besar maka tidak mungkin untuk mengambil data secara keseluruhan. Oleh karena itu, dalam penelitian kali ini digunakan metode sampling pada pengumpulan data penelitian. Populasi yang ada dibagi dalam strata yang merupakan sub-populasi. Hal ini dilakukan untuk membentuk strata yang didalamya terdapat satuan-satuan sampling yang mempunyai nilai yang relatif sama atau homogen. Rangka sampling terstratafikasi berdasarkan beberapa kritera, yaitu: •

Jenis Kelamin

•

Umur Responden

•

Merk Sepeda Motor

•

Tingkat Pendidikan

•

Tempat Tinggal



41

3.2 Model dan Hipotesis Awal Penelitian Berdasarkan penelitian tentang model kepuasan pelanggan di Taiwan oleh Shao-I Chiu, Ching-Chan Cheng, Tieh-Min Yen dan Hsiu-Yuan Hu pada tahun 2011 dalam jurnal yang berjudul “Preliminary research on customer satisfaction models in Taiwan: A case study from the automobile industry”, jurnal yang berjudul “The Relationship between product quality and purchase intension: The Case of Malaysia’s national motorcycle/ scooter manufacturer oleh Mohd Rizaimy.

Gambar 3.1 Model Awal Penelitian Sharahudin dan Suhardi Wan Mansor (2011), serta 8 dimensi kualitas Garvin, peneliti mencoba membangun model penelitian dengan mengadopsi variabelvariabel yang ada pada jurnal - jurnal tersebut. Selain itu, model awal penelitian ini juga dibangun dengan pertimbangan kebutuhan yang telah disesuaikan dengan keadaan sekarang ini dan hasilnya dapat dilihat pada Gambar 3.1.



42

Berikut merupakan hipotesis awal tentang kepuasan pelanggan sepeda motor yang akan diuji kebenarannya dalam penelitian ini:

•

H1: Kepuasan Pelanggan sepeda motor secara positif dipengaruhi oleh Pemenuhan Manfaat Fungsional.

•

H2: Kepuasan Pelanggan sepeda motor secara positif dipengaruhi oleh Pemenuhan Jaminan Operasional.

•

H3: Kepuasan Pelanggan sepeda motor secara positif dipengaruhi oleh Keandalan Kendaraan.

•

H4: Kepuasan Pelanggan sepeda motor secara positif dipengaruhi oleh Kualitas Pelayanan Purna Jual.

•

H5: Pengetahuan Operasional secara positif mempengaruhi hubungan antara Pemenuhan Manfaat Fungsional dengan Kepuasan Pelanggan.

•

H6: Pengetahuan Operasional secara positif mempengaruhi hubungan antara Pemenuhan Jaminan Operasional dengan Kepuasan Pelanggan.

•

H7: Pengetahuan Operasional secara positif mempengaruhi hubungan antara Keandalan Kendaraan dengan Kepuasan Pelanggan.

•

H8: Disiplin Operasional secara positif mempengaruhi hubungan antara Pemenuhan Manfaat Fungsional dengan Kepuasan Pelanggan.

•

H9: Disiplin Operasional secara positif mempengaruhi hubungan antara Pemenuhan Jaminan Operasional dengan Kepuasan Pelanggan.

•

H10: Disiplin Operasional secara positif mempengaruhi hubungan antara Keandalan Kendaraan dengan Kepuasan Pelanggan.

3.3 Definisi Variabel Penelitian Variabel yang diuji pada penelitian terdiri dari 3 jenis variabel yaitu variabel - variabel independen yang langsung diuji hubungannya dengan variabel dependen serta variabel moderator yang akan berinteraksi dengan variabelvariabel independen untuk melihat pengaruh interaksi terhadap variabel dependen. Variabel-variabel tersebut adalah:



43

a. Variabel Depeden: •

Kepuasan Pelanggan Menurut Ostrom dan Lacobucci (1995), kepuasan pelanggan

adalah cara untuk mengevaluasi perbedaaan antara harapan pelanggan dengan nilai (value) yang diterima dari suatu produk maupun pelayanan (services). b. Variabel Independen: Berdasarkan jurnal “Preliminary research on customer satisfaction models in Taiwan: A case study from the automobile industry” yang ditulis oleh Shao-I Chiu et al, jurnal yang berjudul “The Relationship between product quality and purchase intension: The Case of Malaysia’s national motorcycle/ scooter manufacturer oleh Mohd Rizaimy.serta 8 dimensi kualitas produk manufaktur yang didefinisikan oleh Garvin (1988) peneliti mendefinisikan dimensi kepuasan pelanggan sepeda motor. Variabel-variabel tersebut antara lain: 1. Pemenuhan Manfaat Fungsional (Functions): Pemenuhan manfaat yang diperoleh pelanggan yang berhubungan dengan sifat fungsional sepeda motor (Shao-I Chiu et al,2011) 2. Pemenuhan Jaminan Operasional (Assurance): Pemenuhan jaminan yang diperoleh pelanggan yang berhubungan dengan sifat operasional sepeda motor. (Vanniarajan and Stephen, 2008) 3. Keandalan Kendaraan (Reliability): Ukuran kemungkinan suatu produk (kendaraan) tidak akan rusak selama periode waktu tertentu (Kotler, 1997). 4. Kualitas Pelayanan (Service Quality): Persepsi pelanggan terhadap jaminan pemenuhan kebutuhan pemeliharaan dan perawatan kendaraan serta kenyamanan relasional dengan penyedia layanan (Kotler, 1997) c. Variabel Moderator: Variabel Moderator ini dibentuk berdasarkan fakta yang sering terjadi di lapangan, dimana sering terjadi kecelakaan sepeda motor yang disebabkan oleh kurangnya pengetahuan dan disiplin operasional pengguna.



44

Menurut terdapat 3 faktor yang dapat berkontribusi terhadap terjadinya kecelakaan sepeda motor yaitu: 1. Manusia •

Kurangnya keterampilan dasar mengendarai sepeda motor.

•

Kurangnya pengetahuan terhadap kendaraan tersebut

•

Tidak mengikuti batas kecepatan

•

Tidak memiliki SIM

•

Tidak menggunakan helm atau helm yang standar

•

Kondisi fisik seperti kelelahan saat mengendari motor

•

Kode etik mengendarai sepeda motor

2. Peralatan •

Kurangnya perawatan terhadap sepeda motor

•

Modifikasi yang kurang tepat

•

Tidak mengetahui kemampuan motor itu sendiri

3. Lingkungan •

Kondisi Jalan

•

Kondisi Cuaca

•

Pengguna kendaraan motor lainnya Dari ketiga faktor diatas, maka faktor manusialah yang memiliki

dominasi penyebab kecelakaan. Oleh karena itu, peneliti ini ingin mengetahui apakah variabel pengetahuan dan disiplin operasional dapat mempengaruhi hubungan antara variabel independen dengan variabel dependen. Sehingga diharapkan hasil penelitian ini dapat menjadi masukan bagi perusahaaan sepeda motor agar lebih memperhatikan pengetahuan serta disiplin operasional pelanggannya. Berikut merupakan penjelasan variabel moderator yang diuji: 1. Pengetahuan Operasional: Kemampuan pengguna sepeda motor untuk memenuhi persyaratan keahlian dan keterampilan yang diperlukan untuk memanfaatkan sepeda motor secara baik dan benar. 2. Disiplin Operasional: Kemampuan pengguna sepeda motor untuk memenuhi persyaratan teknik yang diperlukan untuk memelihara kinerja sepeda motor secara baik dan benar.



45

Adapun variabel teramati (Observed Variabel) pada masing-masing variabel laten dapat dilihat pada tabel berikut ini: Tabel 3.1 Definisi Variabel Penelitian

Dimensi

Kode CS1 CS2 CS3

Kepuasan Pelanggan (CS)

CS4 CS5 CS6 CS7 CS8

Pemenuhan Manfaat Fungsional (FUNC)

Pemenuhan Jaminan Operasional (OPERA)

Keandalan Kendaraan (RELI)

Variabel Teramati Pertanyaan Pemenuhan kebutuhan transportasi melalui pemanfaatan motor sebagai kendaraan. Kesulitan transportasi teratasi dengan penggunaan sepeda motor. Kebanggaan konsumen dengan kepemilikan sepeda motor Kebanggaan konsumen saat mengendarai sepeda motor Kegembiraan konsumen saat mengendarai sepeda motor. Semangat konsumen dalam mengendarai motor. Kekaguman atas kegunaan dan kualitas sepeda motor. Keyakinan bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan.

FUNC1

Kecepatan sepeda motor .

FUNC2

Percepatan (tarikan) sepeda motor.

FUNC3

Rasa aman saat mengendarai sepeda motor.

FUNC4

Rasa nyaman saat mengendarai sepeda motor.

FUNC5

Kemampuan angkut sepeda motor.

OPERA1

Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter).

OPERA2

Keawetan sepeda motor dan suku cadangnya.

OPERA3

Kemudahaan penggunaan sepeda motor.

OPERA4

Kemudahan pemeliharaan sepeda motor.

OPERA5

Kemudahan memperoleh layanan perawatan sepeda motor.

RELI1

Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin.

RELI2

Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari.

RELI3

Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun.

RELI4

Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya.

RELI5

Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor.



46

Kualitas Pelayanan Purna Jual

RELI6

Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai.

SERV1

Pemeliharaan.

SERV2

Perawatan/Perbaikan sepeda motor.

SERV3

Penggantian suku cadang.

SERV4

Kenyaman yang diperoleh selama memanfaatkan jasa bengkel resmi.

SERV5

Rasa dihargai selama berhubungan dengan personel bengkel resmi sepeda motor yang saya gunakan.

KNOW1

Kemampuan pengguna menjelaskan cara mengendarai sepeda motor secara baik dan benar.

KNOW2

Kemampuan pengguna menjelaskan syarat keterampilan yang perlu dimiliki oleh pengendara.

Pengetahuan Operasional KNOW3 KNOW4 DISC1

Disiplin Operasional

DISC2 DISC3 DISC4

Keterampilan pengguna dalam mengendarai sepeda motor secara baik dan benar. Kesungguhan pengguna untuk selalu mengendarai sepeda motor secara baik dan benar. Kemampuan menyebutkan jadwal dan jenis kegiatan pemeliharaan dan perawatan secara lengkap. Kemampuan membiayai semua jenis kegiatan pemeliharaan dan perawatan. Kemampuan pengguna menepati jadwal dan jenis kegiatan pemeliharaan dan perawatan. Kesungguhan pengguna menaati batas kemampuan angkut kendaraan dengan baik.

3.4 Penyusunan dan Penyebaran Kuesioner 3.4.1 Bentuk Umum Kuesioner Bentuk umum kuesioner dibagi menjadi 2 bagian, bagian pertama berupa pertanyaan mengenai data demografi pengguna sepeda motor seperti jenis kelamin, umur, tipe sepeda motor, pendidikan, serta tempat tinggal, sedangkan bagian kedua merupakan pertanyaan yang menyatakan tingkat kepuasan pengguna sepeda motor terhadap 4 dimensi pengukuran kepuasan yaitu pemenuhan manfaat fungsional, pemenuhan jaminan operasional, keandalan kendaraan dan kualitas pelayanan purna jual serta 2 variabel moderator pengetahuan dan disiplin operasional. Kuesioner yang disebar berbentuk hard-copy yang dapat dilihat pada Lampiran 1.



47

3.4.2 Penentuan Skala Pengukuran Kuesioner Penelitian ini menggunakan skala likert. Skala ini digunakan karena data yang dibutuhkan harus dapat diolah secara statistik. Skala likert digunakan juga karena kemudahan pengolahan dan cara menjawabnya. Responden cukup memilih satu diantara enam kategori skala yang diberikan. Kategori-kategori tersebut juga merupakan kategori umum yang mudah untuk dimengerti masyarakat. Skala likert biasanya menggunakan lima kategori, yang menjadikan skala tersebut termasuk dalam jenis skala balanced. Modifikasi menggunakan enam kategori ini dilakukan untuk menghilangkan persepsi netral dari responden. Persepsi netral akan menambah satu kutub persepsi responden menjadi tiga (setuju, tidak setuju, atau netral). Hal ini akan menghambat penelitian untuk mengetahui pola hubungan keterkaitan antara variabel independen dengan dependen, yang merupakan objek kajian penelitian ini. Enam kategori yang digunakan pada skala likert yaitu: Tabel 3.2 Dimensi Pengukuran Penelitian Dimensi Pengukuran

Tingkat Kesesuaian

Bobot 1 2 3 4 5 6

Pengertian Sangat tidak sesuai dengan kenyataan Tidak sesuai dengan kenyataan Cenderung tidak sesuai dengan kenyataan Cenderung sesuai dengan kenyataan Sesuai dengan kenyataan Sangat Sesuai dengan kenyataan

3.4.3 Uji Reliabilitas Kuesioner Awal Penyebaran kuisioner dilakukan melalui 2 tahap. Tahap pertama merupakan pilot test yang digunakan untuk melihat reliabilitas dari kuesioner, sejauh mana keandalan kuesioner yang digunakan dalam proses pengumpulan data, apakah cukup konsisten jika disebarkan kepada responden. Dalam uji reliabilitas ini, ada dua tahap yang dilakukan. Tahap pertama merupakan uji keaandalan berdasarkan persepsi pengguna sepeda motor yang menjadi responden penelitian, apakah setiap pengguna sepeda motor memiliki persepsi yang sama terhadap maksud dari pertanyaan. Hal ini bisa dilihat dari jawaban yang diberikan



48

oleh setiap responden. Tahap kedua merupakan pengujian secara kuantitatif dari reliabilitas kuesioner dengan menggunakan

pendekatan Internal Consistency

Reliability, yaitu metode Cronbach’s Alpha. Dengan metode ini dapat diperkirakan hubungan atau korelasi antara jawaban responden yang satu dengan yang lain dalam setiap pertanyaan. Suatu penelitian dianggap reliable jika memiliki nilai Cronbach’s Alpha lebih dari 0.7. Untuk menghitung nilai dari Cronbach’s Alpha, dilakukan dengan menggunakan software SPSS 17. Berikut merupakan hasil uji reliabilitas dari 40 kuesioner awal yang telah disebarkan: Reliability Statistics Cronbach's Alpha

N of Items

.891

8

Gambar 3.2 Uji Reliabilitas Variabel Kepuasan Pelanggan Reliability Statistics Cronbach's Alpha

N of Items

.895

5

Gambar 3.3 Uji Reliabilitas Variabel Pemenuhan Manfaat Fungsional Reliability Statistics Cronbach's Alpha

N of Items

.840

5

Gambar 3.4 Uji Reliabilitas Variabel Pemenuhan Jaminan Operasional Reliability Statistics Cronbach's Alpha

N of Items

.872

6

Gambar 3.5 Uji Reliabilitas Variabel Keandalan Kendaraan



49

Reliability Statistics Cronbach's Alpha

N of Items

.907

5

Gambar 3.6 Uji Reliabilitas Variabel Kualitas Pelayanan Purna Jual Reliability Statistics Cronbach's Alpha N of Items .868

4

Gambar 3.7 Uji Reliabilitas Variabel Pengetahuan Operasional Reliability Statistics Cronbach's Alpha N of Items .836

4

Gambar 3.8 Uji Reliabilitas Variabel Disiplin Operasional Reliability Statistics Cronbach's Alpha N of Items .962

37

Gambar 3.9 Uji Reliabilitas Semua Variabel Dari hasil perhitungan nilai Cronbach’s Alpha diatas, diperoleh nilai Cronbach’s Alpha untuk variabel kepuasan pelanggan sebesar 0.891, pemenuhan manfaat fungsional 0,895, pemenuhan jaminan operasional 0.84, keandalan kendaraan 0.872, kualitas pelayanan purna jual 0.907, pengetahuan operasional 0.868, dan disiplin operasional 0.836. Selain itu nilai Cronbach’s Alpha’s untuk keseluruhan variabel teramati adalah sebesar 0.962. Dari nilai tersebut, dapat dilihat bahwa nilai keseluruhan Cronbach’s Alpha lebih besar dari 0.70. Artinya, media pengumpulan data yang digunakan dalam penelitian ini ,yaitu kuesioner dianggap sudah cukup reliable karena menunjukkan tingkat konsistensi dan keakuratan yang baik.



50

3.4.4 Uji Validitas Kuesioner Awal Uji validitas menunujukkan sejauh mana suatu alat ukur dapat mengukur apa yang ingin diukur. Suatu alat ukur dikatakan valid, jika butir (item) pertanyaan pada kuesioner mampu mengungkapkan apa yang akan diukur atau dipahami dengan mudah oleh responden. Pengujian validitas alat ukur menggunakan Correlated Item-Total Correlation yaitu korelasi nilai masingmasing item pertanyaan dengan nilai item pertanyaan dengan nilai total item pertanyaan dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi (Priyatno, 2008). Berikut merupakan tabel hasil uji reabilitas mengggunakan SPSS Statistic 17: Tabel 3.3 Uji Validitas Variabel Kepuasan Pelanggan Scale Scale Mean if Variance if Item Deleted Item Deleted

Corrected Item-Total Correlation

Cronbach's Alpha if Item Deleted

CS1

33.6500

30.490

.476

.893

CS2

33.6250

30.753

.509

.890

CS3

33.8000

27.241

.752

.869

CS4

34.2250

25.461

.760

.867

CS5

34.1250

25.548

.773

.866

CS6

34.0000

26.872

.671

.877

CS7

33.9750

26.179

.768

.866

CS8

33.5000

29.231

.617

.882

Tabel 3.4 Uji Validitas Variabel Pemenuhan Manfaat Fungsional Scale Scale Mean if Variance if Item Deleted Item Deleted



FUNC1

18.6500

11.874

.742

.871

FUNC2

18.8250

11.533

.762

.867

FUNC3

19.0000

11.795

.708

.879

FUNC4

18.8750

11.394

.773

.864

FUNC5

19.0500

12.151

.720

.876



51

Tabel 3.5 Uji Validitas Variabel Pemenuhan Jaminan Operasional Scale Mean if Item Scale Variance Deleted if Item Deleted



OPERA1

19.1500

10.233

.596

.821

OPERA2

19.1750

9.276

.768

.770

OPERA3

18.8750

10.061

.766

.777

OPERA4

19.2750

9.538

.679

.798

OPERA5

19.1250

12.061

.429

.858

Tabel 3.6 Uji Validitas Variabel Keandalan Kendaraan Scale Scale Mean if Variance if Item Deleted Item Deleted



RELI1

24.6000

15.990

.639

.857

RELI2

24.2500

16.141

.802

.830

RELI3

24.6000

17.067

.618

.859

RELI4

24.8750

15.446

.694

.847

RELI5

24.1500

16.490

.634

.857

RELI6

24.1500

16.695

.675

.850

Tabel 3.7 Uji Validitas Variabel Kualitas Pelayanan Purna Jual Scale Scale Mean if Variance if Item Deleted Item Deleted



SERV1

19.8500

12.438

.849

.873

SERV2

19.8500

12.079

.849

.871

SERV3

19.9000

12.810

.776

.887

SERV4

19.8500

12.131

.703

.901

SERV5

20.1500

10.951

.731

.903



52 Tabel 3.8 Uji Validitas Variabel Pengetahuan Operasional Scale Scale Mean if Variance if Item Deleted Item Deleted



KNOW1

14.9500

5.485

.838

.779

KNOW2

15.1500

5.515

.823

.786

KNOW3

14.9500

5.895

.785

.804

KNOW4

14.4250

8.148

.461

.917

Tabel 3.9 Uji Validitas Variabel Disiplin Operasional Scale Mean Scale if Item Variance if Deleted Item Deleted



DISC1

11.8500

8.541

.705

.776

DISC 2

11.9750

8.128

.693

.780

DISC 3

11.8000

7.497

.796

.730

DISC 4

11.4000

9.836

.486

.864

Uji validitas tiap butir pertanyaan pada kuesioner dapat diketahui dengan melihat nilai r (pearson correlation) hitung untuk setiap r butir pertanyaan (corrected item-total correlation) bernilai positif dan lebih besar dari r table. Karena sampel yang digunakan berjumlah 40, maka derajat kebebasan degree of freedom adalah n - 2 = 38. Sehingga nilai r tabel pada uji validitas kali ini adalah 0.312. Dari keseluruhan tabel diatas dapat dilihat bahwa nilai Corrected ItemTotal Correlation memiliki nilai yang lebih besar dari r table (0.312) sehingga dapat diperoleh kesimpulan bahwa kuesioner yang digunakan sebagai alat ukur penelitian valid dan layak digunakan dalam penelitian. 3.4.5 Uji Kecukupan Sampel Kuesioner Setelah melakukan tahap pertama dari penyebaran kuesioner yaitu pilot test, dan kuesioner dianggap reliable dan valid untuk digunakan dalam proses pengumpulan data, maka langkah selanjutnya adalah menyebarkan kuesioner sesuai dengan kebutuhan sampel data penelitian. Penyebaran kuesioner ini dilakukan dari bulan April sampai Mei 2012 dan telah terkumpul sebanyak 517 Universitas Indonesia


53

kuesioner. Dari 517 kuesioner yang telah terkumpul diperoleh 22 kuesioner yang dianggap tidak valid karena beberapa jawaban masih kosong sehingga hanya 495

kuesioner (248 pengguna sepeda motor bebek dan 247 pengguna sepeda motor matic) yang dapat digunakan dalam pengolahan data. Pada metode SEM, perlu diperhatikan kecukupan data terlebih dahulu sebelum dilakukan pengolahan data. Menurut, ML. Bentler dan Chou (1987) yang dikutip oleh Wijanto (2008)

menyarankan bahwa paling rendah rasio 5 responden per variabel teramati akan mencukupi untuk distribusi normal ketika sebuah variabel laten mempunyai beberapa indikator (variabel teramati) dan menggunakan metode estimasi

Maximum Likehood (MLE). Jumlah sampel minimum untuk penelitian ini adalah 5 x 29 = 145 (untuk model tanpa variabel moderator) dan 5 x 30 = 150 (untuk model dengan variabel moderator). Sehingga, 248 kuesioner sepeda motor bebek serta 247 kuesioner sepeda motor matic dapat dinyatakan cukup untuk digunakan

pada penelitian kali ini. 3.5

Pengolahan Data Kuesioner Setelah kuesioner terkumpul sesuai dengan jumlah kecukupan data dan

sudah dilakukan uji validitas dan realibitas, maka selanjutnya kuesioner diolah dengan menggunakan statistik deskriptif untuk mengetahui karakteristik

persebaran data dan responden. 3.5.1 Stratifikasi Responden 1. Tipe Sepeda Motor Objek penelitian kali ini adalah sepeda motor bebek dan matic. Oleh

karena itu, kuesioner disebarkan ke responden dengan ratio 50% pengguna sepeda motor bebek dan 50% pengguna sepeda motor motor matic.

Tipe Sepeda Motor Sepeda Motor Bebek

50%

Sepeda Motor Matik 50%

Gambar 3.10 Tipe Sepeda Motor



54

2. Merk Sepeda Motor

Merk Honda

Yamaha 3%

Kawasaki

Suzuki

Bajaj

Kymco

9% 3% 2% 48%

35%

Gambar 3.11 Merk Sepeda Motor Dari gambar diatas dapat diketahui bahwa merk terbanyak yang digunakan oleh responden adalah Honda sebanyak 48% dan diikuti oleh Yamaha sebesar 48%. Hal ini sesuai dengan fakta bahwa Honda dan Yamaha merupakan merk sepeda motor motor pilihan pelanggan pada saat sekarang ini.

3. Jenis Kelamin Responden

Jenis Kelamin Responden laki-laki

perempuan

21%

79%

Gambar 3.12 Jenis Kelamin Responden Dari gambar diatas terlihat bahwa 79% responden berjenis kelamin

laki-laki dan 21% berjenis kelamin perempuan. Dapat disimpulkan pengguna sepeda motor sebagaian besar didominasi oleh lakilaki-laki untuk mendukung mobilitas dan kegiatannya.



55

4. Usia Responden

Usia 17-25

26-35

37-45

46-55

>55

3% 2%

15%

42% 38%

Gambar 3.13 Usia Responden Dari gambar diatas terlihat bahwa jumlah pengguna sepeda motor terbesar berada di usia produktif yaitu 42% berusia 17-25 tahun dan 38% berusia

26-35 tahun. 5. Tingkat Pendidikan

Pendidikan <SMA

SMA

Diploma

S1

S2 dan S3

3% 5% 19% 47% 26%

Gambar 3.14 Tingkat Pendidikan Responden Berdasarkan gambar diatas dapat terlihat bahwa mayoritas tingkat pendidikan responden yaitu memiliki pendidikan terakhir S1. Sedangkan persentase terkecil adalah S2 dan S3 dengan persentase 3%.



56

6. Tempat Tinggal Responden

Tempat Tinggal Jakarta Pusat

3% 2% 8%

Jakarta Timur

13%

Jakarta Barat

13%

19%

Jakarta Selatan Jakarta Utara

15% 12%

Depok

15%

Bogor Tangerang

Bekasi

Gambar 3.15 Tempat Tinggal Responden Terlihat dari pie chart diatas bahwa tempat tinggal responden terbanyak terletak di Depok sebanyak 19%, Jakarta Selatan dan Jakarta Barat

sebanyak 15%, Jakarta Timur dan Jakarta Pusat sebanyak 13%. Sedangkan yang paling sedikit yaitu responden yang bertempat tinggal di Bekasi sebanyak 2% dan Tangerang sebanyak 3%.

3.5.2

Statistik Deskriptif Setelah data yang dibutukan terkumpul, selanjutnya dilakukan analisis

statistik deskriptif untuk mengetahui gambaran umum atas variabel-variabel yang akan digunakan dalam penelitian. Tabel 3.10 dan Tabel 3.11 menunjukkan ratarata, nilai maksimum, nilai minimum serta standar deviasi dari masing-masing

variabel teramati yang diuji.



57

a. Tipe Sepeda Motor Bebek Tabel 3.10 Descriptive Statistics Sepeda Motor Bebek Kode Variabel

N

Minimum

Maximum

Mean

Std. Deviation

CS1 CS2 CS3 CS4 CS5 CS6 CS7 CS8 FUNC1 FUNC2 FUNC3 FUNC4 FUNC5 SERV1 SERV2 SERV3 SERV4 SERV5 RELI1 RELI2 RELI3 RELI4 RELI5 RELI6 OPERA1 OPERA2 OPERA3

248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248 248

2 3 2 2 2 3 2 2 1 2 2 3 1 2 2 2 2 2 3 2 2 2 2 1 1 1 2

6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6

4.752 4.7016 4.384 4.296 4.532 4.352 4.232 4.592 4.4 4.34 4.604 4.584 4.248 4.456 4.364 4.688 4.552 4.544 4.536 4.628 4.496 4.432 4.388 4.412 4.48 4.484 4.392

0.89762 0.88148 1.03578 1.03376 0.92325 0.93359 0.91077 0.85584 0.96941 0.85986 0.93094 0.90233 1.02308 1.0336 0.92245 0.83513 0.86851 1.01399 0.94884 0.92793 0.99496 0.95553 1.0127 1.06149 0.95774 0.87453 0.91744

OPERA4

248

2

6

4.356

1.03224

OPERA5

248

2

6

4.38

0.98768

KNOW1 KNOW2

248 248

1 1

6 6

4.392 4.336

1.00518 0.94375

KNOW3

248

3

6

4.636

0.83564

KNOW4

248

2

6

4.7

0.9663

DISC1 DISC2 DISC3 DISC4 Valid N (listwise)

248 248 248 248 248

1 1 1 1

6 6 6 6

3.784 3.596 3.88 4.192

1.17596 1.16543 1.06872 0.8661



58

b. Tipe Sepeda Motor Matic Tabel 3.11 Descriptive Statistics Sepeda Motor Matic Kode Variabel CS1 CS2 CS3 CS4 CS5 CS6 CS7 FUNC1 FUNC2 FUNC3 FUNC4 FUNC5 OPERA1 OPERA2 OPERA3 OPERA4 OPERA5 RELI1 RELI2 RELI3 RELI4 RELI5 RELI6 SERV1 SERV2 SERV3 SERV4 SERV5 KNOW1 KNOW2 KNOW3 KNOW4 DISC1 DISC2 DISC3 DISC4 Valid N (listwise)

N

Minimum

Maximum

Mean

Std. Deviation

250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 247 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 247

2 2 1 2 2 1 2 2 2 1 1 1 1 2 1 3 1 1 1 1 1 2 1 2 2 2 1 2 1 1 3 2 1 1 1 1

45 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6

4.788 4.564 4.116 4.1 4.412 4.156 4.012 4.284 4.28 4.148 4.66 4.188 3.596 3.972 5.06 4.648 4.36 4.1903 4.528 4.36 4.236 4.564 4.368 4.176 4.288 4.244 4.38 4.248 4.392 4.336 4.636 4.7 3.784 3.596 3.88 4.192

2.72115 0.93456 1.17476 1.15904 1.03078 1.19725 1.04317 0.89809 0.88359 1.00904 0.99819 0.96143 1.0532 0.95017 0.87376 0.88953 1.01317 1.28793 1.0534 1.04823 1.00815 1.09668 1.15842 0.94051 0.89905 0.982 0.97127 0.93272 1.00518 0.94375 0.83564 0.9663 1.17596 1.16543 1.06872 0.8661



59

Gambar 3.16 Mean dan Standar Deviasi Kepuasan Pelanggan

Gambar 3.17 Mean dan Standar Deviasi Variabel Independen

Gambar 3.18 Mean dan Standar Deviasi Variabel Moderator



60

3.5.3 Uji Normalitas Data Untuk menganalisis data dengan menggunakan Structural Equation

Modeling, (SEM) persebaran data yang digunakan harus memenuhi asumsi yang disyaratkan dalam analisis. Syarat data yang bisa diolah dengan metode ini salah satunya adalah normalitas, artinya jika data yang digunakan dalam analisis tidak

terdistribusi normal multivariate maka tingkat validitas hasil pengolahannya menjadi kurang baik. Berikut ini me merupakan rupakan pengolahan dari keseluruhan data untuk melihat nilai Skewness dan Kurtosis untuk uji normalitas data yang ditunjukkan pada tabel di bawah ini : 1. Sepeda Motor Tipe Bebek Gambar 3.19 Uji Normalitas Data Sepeda Motor Bebek



61

2. Sepeda Motor Tipe Matic

Gambar 3.20 Uji Kenormalan Data Sepeda Motor Matic



62

Data di atas merupakan hasi pengolahan statistik dengan Lisrel 8.5. Pengolahan ini bertujuan untuk melihat nilai dari Skewness dan Kurtosis yang menjadi salah satu cara menguji apakah data yang akan diolah ini merupakan data yang terdistribusi normal atau tidak Data dikatakan terdistribusi normal jika nilai

Skewness-nya berada diantara -1 hingga +1. Skewness merupakan derajat ketidaksimetrisan suatu distribusi. Jika frekuensi suatu distribusi lebih banyak pada bagian kanan, maka dikatakan menceng kanan (positif) dan sebaliknya maka

menceng kiri (negatif). Sedangkan nilai kurtosis untuk data yang dapat terdistribusi normal berada pada nilai -3 hingga +3.

Dari tabel diatas dapat terlihat bahwa nilai Skewness dan Kurtosis semua variabel berada di dalam batas normal. Sehingga dapat disimpulkan bahwa data

yang diambil terdistribusi secara normal. 3.6 Pengolahan Data dengan Structural Equation Modeling (SEM) Setelah melakukan pengolahan karakteristik data dan statistik deskriptif secara umum, kemudian dilakukan analisis lanjutan dengan menggunakan Structural Equation Modeling (SEM). Adapun langkah-langkah pengolahan data

dengan metode SEM adalah sebagai berikut :



63

3.6.1

Spesifikasi Model Sesuai dengan tujuan penelitian yaitu untuk mengetahui hubungan antara 4

variabel independen yang disebutkan diatas dengan kepuasan pelanggan serta pengaruh variabel moderator yang diuji terhadap kepuasan pelanggan dengan objek penelitian sepeda motor tipe bebek dan sepeda motor tipe matic. Sehingga, model awal yang dibangun pada penelitian kali ini terdiri dari 4 jenis model yaitu: A. Model kepuasan pelanggan sepeda motor bebek tanpa variabel moderator. B. Model kepuasan pelanggan sepeda motor bebek dengan variabel moderator. C. Model kepuasan pelanggan sepeda motor matic tanpa variabel moderator. D. Model kepuasan pelanggan sepeda motor dengan variabel moderator. Di dalam Software Lisrel 8.5, penamaan harus merupakan kata tanpa spasi, sehingga penamaan variabel-variabel harus disesuaikan sebagai berikut: Tabel 3.12 Kode dan Nama variabel KODE FUNC OPERA RELI SERV KNOW DISC KNOWFUNC KNOWOPERA KNOWRELI DISCFUNC DISCOPERA DISCRELI 3.6.2

Nama Variabel Pemenuhan Manfaat Fungsional Pemenuhan Jaminan Operasional Keandalan Kendaraan Kualitas Pelayanan Purna Jual Pengetahuan Operasional Dsiplin Operasional Pengetahuan Operasional*Pemenuhan Manfaat Fungsional Pengetahuan Operasional*Pemenuhan Jaminan Operasional Pengetahuan Operasional*Keandalan Kendaraan Disiplin Operasional*Pemenuhan Manfaat Fungsional Disiplin Operasional*Pemenuhan Jaminan Operasional Disiplin Operasional*Keandalan Kendaraan

Identifikasi Model Pada Structural Equation Modeling (SEM) diharapkan untuk memperoleh

model yang over-identified (degree of freedom positif) dan dihindari adanya model yang under-identified (degree of freedom negatif). Untuk mengetahui hal itu, dapat dilakukan dengan cara mengurangkan jumlah data yang diketahui dengan jumlah parameter yang diestimasi. Jumlah data = (n x (n +1) /2) = (29 x



64

30) /2 = 435 dengan n merupakan variabel teramati yang ada dalam penelitian. Nilai atau parameter yang diestimasi dalam penelitian ini adalah: 1.

Model Kepuasan Pelanggan tanpa Variabel Moderator :

•

β (regresi antar variabel laten endogen) terdiri dari 0 parameter pada matrik β.

•

Г (regresi antar variabel laten eksogen dengan endogen) terdiri dari 4 parameter yaitu GI, G2, G3, G4 pada matrik Г.

•

Λx (factor loading variabel laten eksogen) terdiri dari 21 parameter yaitu L9-L29 pada matrik Λx.

•

Λy (factor loading vaiabel laten endogen) terdiri dari 8 parameter yaitu L1-L8 pada matrik Λy.

•

Θδ (matrik kovarian dari kesalahan pengukuran variabel laten eksogen) terdiri dari dari 21 parameter yang merupakan elemen diagonal dari matrik Θ δ yaitu σ2 ME9 - σ2 ME29

•

Θε (matrik kovarian dari kesalahan pengukuran variabel laten endogen) terdiri dari dari 8 parameter yang merupakan elemen diagonal dari Θε yaitu σ2ME1 - σ2 ME8.

•

Ψ (matrik kovarian dari kesalahan struktural variabel laten endogen) terdiri dari 1 parameter yang merupakan elemen diagonal dari matrik ψ

•

Ф (matrik kovarian dari kesalahan struktural variabel laten eksogen) terdiri 4 parameter yang merupakan elemen diagonal dari matrik Ф.

Berdasarkan data diatas diperoleh jumlah total parameter yang diestimasi adalah 0+4+21+8+21+8+1+4 = 67. Sehingga Degree of Freedom-nya adalah 435 - 67 = 368 (positif). Hal ini berarti, model penelitian yang dibangun over-identified, dimana nilainya bergantung pada jumlah variabel teramati yang digunakan dalam penelitian. Sehingga, model ini dapat diolah ke tahap selanjutnya. 2.

Model Kepuasan Pelanggan dengan Variabel Moderator:

•

β (regresi antar variabel laten endogen) terdiri dari 0 parameter pada matrik β.



65

•

Г (regresi antar variabel laten eksogen dengan endogen) terdiri dari 9 parameter yaitu GI - G9 pada matrik Г.

•

Λx (factor loading variabel laten eksogen) terdiri dari 22 parameter yaitu L9– L22 pada matrik Λx.

•

Λy (factor loading variabel laten endogen) terdiri dari 8 parameter yaitu L1 – L8 pada matrik Λy.

•

Θ

δ

(matrik kovarian dari kesalahan pengukuran variabel laten

eksogen) terdiri dari dari 22 parameter yang merupakan elemen diagonal dari matrik Θ δ yaitu σ2 ME9 - σ2 ME30

•

Θε (matrik kovarian dari kesalahan pengukuran variabel laten endogen) terdiri dari dari 8 parameter yang merupakan elemen diagonal dari Θε yaitu σ2ME1 - σ2 ME8.

•

Ψ (matrik kovarian dari kesalahan struktural variabel laten endogen) terdiri dari 1 parameter yang merupakan elemen diagonal dari matrik ψ

•

Ф (matrik kovarian dari kesalahan struktural variabel laten eksogen) terdiri 9 parameter yang merupakan elemen diagonal dari matrik Ф.

Jumlah data = (n x (n +1) /2) = (30 x 31) /2 = 465. Berdasarkan data diatas diperoleh jumlah total parameter yang diestimasi adalah 0+9+22+8+22+8+1+9 = 87. Sehingga Degree of Freedom-nya adalah 465 - 87 = 378 (positif). Hal ini berarti, model penelitian yang dibangun over-identified, dimana nilainya bergantung pada jumlah variabel teramati yang digunakan dalam penelitian. Sehingga, model ini juga dapat diolah ke tahap selanjutnya. 3.6.3 Estimasi Model Estimasi dilakukan untuk menghasilkan nilai-nilai parameter dengan menggunakan salah satu dari metode yang tersedia. Model estimasi yang dipilih pada penelitian kali ini adalah Maximum Likelihood Estimator (MLE). Penggunaan estimator ini didasarkan pada pertimbangan kecukupan data (5 kali jumlah variabel teramati) serta kecukupan normalitas data. Model estimator MLE merupakan default dari software Lisrel 8.5 sehingga hasil estimasi dapat langsung dilihat pada output model nantinya.



66

3.6.4 Uji Kecocokan dan Respesifikasi Model Metode pembentukan model yang digunakan pada penelitian ini adalah

pendekatan two step approach. approach. Pendekatan ini dilakukan dengan pengujian dan respesifikasi secara bertahap. Pertama dilakukan pengujian terhadap model

pengukuran hingga mencapai uji kelayakan model yang baik. Selanjutnya, jika hasil yang diperoleh masih belum baik dilakukan proses respesifikasi model

pengukuran sampai model tersebut layak untuk diproses ke tahapan berikutnya. Kedua, setelah memperoleh model pengukuran yang baik, maka setiap variabel dihubungkan sesuai dengan model awal yang telah dibentuk untuk memperoleh

model struktural. Respesifikasi merupakan tahapan terakhir dalam prosedur analisis dengan menggunakan Structural Equation Modeling (SEM). Karena dalam penelitian ini digunakan pendekatan two step approach maka tahapan respesifikasi juga dilakukan secara bertahap yaitu respesifikasi model pengukuran dan respesifikasi model struktural.

A. Model Kepuasan Pelanggan Sepeda Motor Bebek tanpa Variabel Moderator 1. Uji Kecocokan dan Respesifikasi Model Pengukuran Tahap ini juga biasa disebut dengan tahap CFA (Confirmatory (Confirmatory Factor

Analysis) dimana dilakukan pengujian untuk mengetahui apakah variabel-variabel teramati yang dipilih dapat mengukur variabel latennya. Pada gambar berikut

ditunjukkan sintaks untuk model pengukuran:

Gambar 3.21 Program SIMPLIS Model Pengukuran tanpa Variabel Moderator



67

Setelah sintaks model pengukuran tersebut dijalankan maka selanjutnya, selanjutnya dilakukan uji kecocokan terhadap model pengukuran dengan melihat terhadap validitas dan reabilitas dari model pengukuran. Pertama dilakukan uji validitas terhadap model pengukuran, terdapat dua parameter yang diuji dalam uji validitas ini, yaitu :

• Nilai t-value (t muatan faktor) lebih besar dari nilai kritis yaitu ≥ 1.96 • Muatan standar faktor ( standardize factor loading) ≥ 0.7 atau ≥ 0.5 Jika kedua parameter tersebut terpenuhi maka variabel teramati dapat dikatakan valid dalam mengukur variabel latennya. Jika sebaliknya, maka variabel tersebut harus dihapus dari model penelitian. Kedua, dilakukan uji reliabilitas dengan menghitung nilai Construct Reliability (CR) dan Variance Extracted (VE). Model dikatakan memiliki nilai reliable jika memiliki nilai CR ≥ 0.7 dan VE ≥ 0.5.



68

Gambar 3.22 Nilai t-value dari Model Pengukuran Sepeda Motor Bebek tanpa Variabel Moderator



69

0.47

CS1

0.55

CS2

0.29

CS3

0.29

CS4

0.28

CS5

0.21

CS6

0.46

CS7

0.43

CS8

0.39

FUNC1

0.33

FUNC2

0.46

FUNC3

0.73 0.67 0.84 0.84 0.85 0.89 0.73 0.76

0.78

CS

1.00

FUNC

1.00

SERV

1.00

RELI

1.00

OPERA

1.00

0.82 0.54

FUNC4

0.58

FUNC5

0.61

SERV1

0.50

SERV2

0.74 0.68 0.65

0.62 0.71 0.75 0.44

SERV3

0.46

SERV4

0.49

SERV5

0.44

RELI1

0.74 0.72

0.75 0.84 0.78 0.79

0.30

RELI2

0.40

RELI3

0.38

RELI4

0.51

RELI5

0.69

RELI6

0.30

OPERA1

0.23

OPERA2

0.35

OPERA3

0.51

OPERA4

0.52

OPERA5

0.70 0.56

0.84 0.88 0.81 0.70 0.69

Gambar 3.23 Nilai Standardized Loading Factor (SLF) dari Model Pengukuran Sepeda Motor Bebek tanpa Variabel Moderator

Dari gambar 3.22 diatas dapat dilihat bahwa semua variabel memenuhi syarat parameter pertama yaitu nilai t value ≥ 1,96. Demikian halnya dengan



70

gambar 3.23, semua variabel memenuhi syarat parameter kedua yaitu nilai Standardized Loading Factor (SLF) ≥ 0.5. Sehingga dapat disimpulkan bahwa model pengukuran ini telah valid dalam mengukur variabel latennya. Berikut merupakan nilai Construct Reliability (CR) dan Variance Extracted (VE) model pengukuran diatas : Tabel 3.13 Nilai CR dan VE Sepeda Motor Bebek Tanpa Variabel Moderator No 1 2 3 4 5

Variabel Laten Manfaat Fungsional Kualitas Pelayanan Purna Jual Keandalan Produk Jaminan Operasional Kepuasan Pelanggan

CR 0.8 0.9 0.9 0.8 0.9

VE 0.53 0.61 0.54 0.5 0.63

Tabel diatas menunjukkan bahwa model ini reliable. Setelah itu, perlu dilakukan uji keseluruhan model agar untuk mengevaluasi secara umum derajat kecocokan atau Goodness of Fit (GOF) antara data dengan model sebagai berikut: Tabel 3.14 Goodness of Fit (GOF) Sepeda Motor Bebek Tanpa Moderator Absolute Fit Measure Statistic Chi Square Goodness of Fit (GFI) RMR RMSEA ECVI

1891.24 (P = 0.0) 0.65 0.076 0.13 M : 8.21 S: 3.52 I: 24.51

Kurang Baik Kurang Baik Kurang Baik Kurang Baik Kurang Baik

Incremental Fit Measure NNFI/TLI 0.69 Kurang Baik NFI 0.68 Kurang Baik AGFI 0.59 Kurang Baik RFI 0.64 Kurang Baik IFI 0.72 Kurang Baik CFI 0.72 Kurang Baik



71

Parsimonious Fit Measure M: 2027.24 S: 870.00 AIC Kurang Baik

CAIC Critical “N” (CN) PGFI

I: 6052.85 M: 2334.16 S: 2833.34 I: 6183.74 56.25 0.55

Baik Kurang Baik Kurang Baik

Dari tabel diatas dapat dilihat bahwa hasil GOF yang diperoleh kurang baik, haya 1 parameter yangbernilai baik sehingga perlu dilakukan dilakukan respesifikasi. Karena model pengukuran telah memiliki nilai t-value ≥ 1.96 dan SLF ≥ 0.5, maka tidak dapat dilakukan model trimming sehingga dilakukan modification

index yang tersedia. 2. Uji Kecocokan dan Respesifikasi Model Struktural Untuk melakukan tahap kedua dari two-step approach, perlu ditambahkan hubungan struktural terhadap model pengukuran untuk memperoleh model hybrid

dari Structural Equation Modeling. Gambar berikut menunjukkan sintaks yang ditambahkan pada model:

Gambar 3.24 Program SIMPLIS Model Struktural tanpa Variabel Moderator Setelah dilakukan penambahan penambahan sintaks hubungan struktural, kemudian model dijalankan kembali untuk melihat kecocokan model struktural dan evaluasi terhadap model struktural. Pada gambar dibawah ini bahwa ada hubungan Universitas Indonesia


72

struktural yang memiliki nilai t-value ≤ 1.96 yaitu hubungan antara variabel kualitas pelayanan purna jual (SERV) dengan variabel kepuasan pelanggan (CS) sehingga perlu dilakukan respesifikasi model struktural.

Gambar 3.25 Model Struktural Sepeda Motor Bebek tanpa Variabel Moderator

Proses respesifikasi dilakukan dengan menghapus variabel yang memiliki nilai t-value ≤ 1.96. Setelah dilakukan proses respesifikasi (model trimming dan menambahkan modification index) maka diperoleh model struktural dan hasil yang akan menjadi model akhir dari penelitian model ini, berikut merupakan Gambar model struktural setelah respesifikasi dan hasil nilai GOF baru setelah dilakukan perbaikan pada model:



73

Gambar 3.26 Model Struktural Sepeda Motor Bebek tanpa Variabel Moderator setelah Respesifikasi Tabel 3.15 Hasil Uji Kecocokan Model Struktural setelah Respesifikasi Absolute Fit Measure 368.99 Statistic Chi Square Kurang Baik (P = 0.0) Goodness of Fit (GFI) 0.9 Baik RMR 0.05 Baik RMSEA 0.065 Close Fit M : 2.46 ECVI Baik S: 2.43 I: 19.48

NNFI/TLI NFI AGFI RFI

Incremental Fit Measure 0.92 0.92 0.82 0.87

Baik Baik Marginal Marginal



74

IFI CFI

0.95 Baik 0.95 Baik Parsimonious Fit Measure M: 606.99 AIC Baik S: 600 I: 4811.84 M: 1144.09 CAIC Baik S: 1954.03 I: 4920.17 Critical “N” (CN) 140.29 Kurang Baik PGFI 0.6 Marginal Berdasarkan tabel Goodness of Fit (GOF) diatas dapat disimpulkan bahwa uji kecocokan model struktural bernilai baik karena mayoritas parameter yang diuji bernilai baik, hanya 2 parameter yang bernilai kurang baik.

B. Model Kepuasan Pelanggan Sepeda Motor Bebek

dengan Variabel

Moderator Pada dasarnya model kedua ini sama dengan model sebelumnya, hanya saja pada model ini ditambahkan variabel moderator pengetahuan operasional serta disiplin operasional dengan menggunakan Model Interaksi Joreskog yang telah dijelaskan di BAB 2.

1. Uji Kecocokan dan Respesifikasi Model Pengukuran

Gambar 3.27 Program SIMPLIS Model Pengukuran dengan Variabel Moderator



75

Gambar 3. 28 Nilai t-value dari Model Pengukuran Sepeda Motor Bebek dengan Variabel Moderator



76

Gambar 3.29 Nilai Standardized Loading Factor (SLF) dari Model Pengukuran Sepeda Motor Bebek dengan Variabel Moderator Dari gambar 3.28 dapat dilihat bahwa semua variabel memenuhi syarat parameter pertama yaitu nilai t value ≥ 1,96. Demikian halnya dengan gambar



77

3.29 semua variabel memenuhi syarat parameter kedua yaitu nilai Standardized Loading Factor (SLF) ≥ 0.5. Sehingga dapat disimpulkan bahwa model pengukuran ini telah valid dalam mengukur variabel latennya. Berikut merupakan

nilai Contruct Reliability (CR) dan Variance Extracted (VE) model pengukuran diatas :

Tabel 3.16 Nilai Contruct Reliability (CR) dan Variance Extracted (VE) No 1 2 3 4 5 6 7 8 9 10

Variabel Laten Pemenuhan Manfaat Fungsional Pemenuhan Jaminan Operasional Keandalan Kendaraan Kepuasan Pelanggan KNOWFUNC KNOWOPERA KNOWRELI DICSFUNC DISCOPERA DICSRELI

CR 0.9 0.9 0.9 0.9 1 1 1 1 1 1

VE 0.5 0.5 0.6 0.6 1 1 1 1 1 1

Dari tabel diatas dapat terlihat bahwa nilai CR semua variabel ≥ 0.7 dan

VE ≥ 0.5 sehingga dapat disimpulkan bahwa Model Pengukuran ini reliable.

2. Uji Kecocokan dan Respesifikasi Model Struktural Untuk melakukan tahap kedua dari two-step approach, perlu ditambahkan hubungan struktural terhadap model pengukuran untuk memperoleh model

hybrid dari Structural Equation Modeling.

Gambar 3.30 Program SIMPLIS Model Struktural dengan Variabel Moderator Universitas Indonesia


78

Gambar 3.31 Nilai t-value Model Struktural Sepeda Motor Bebek dengan Variabel Moderator



79

Gambar 3.32 Nilai Estimates Model Struktural Sepeda Motor Bebek dengan Variabel Moderator

Dari Model Struktural diatas dapat terlihat bahwa terdapat terdapat hubungan struktural yang memiliki nilai t-value ≤ 1.96 yaitu hubungan antara variabel KNOWRELI => CS, DISCFUNC => CS, DISCOPERA=>CS, dan DISCRELI=> CS. Walaupun masih ada nilai t-value ≤ 1.96, pengolahan data ini telah selesai dilakukan karena model interaksi yang digunaka hanya sebatas bersifat Strictly Confirmatoty (SC) yang telah dijelaskan di BAB 2, sehingga tidak diperlukan proses respesifikasi selanjutnya. Selain itu, nilai GOF model ini juga baik karena telah dilakukan respesifikasi sebelumnya (di model 1).



80

C. Model Kepuasan Pelanggan Sepeda Motor Matic tanpa Variabel Moderator 1. Uji Kecocokan dan Respesifikasi Model Pengukuran Tahap ini juga biasa disebut dengan tahap CFA (Confirmatory (Confirmatory Factor

Analysis) dimana dilakukan pengujian untuk mengetahui apakah variabelvariabel teramati yang dipilih dapat mengukur variabel latennya. Pada gambar berikut ditunjukkan sintaks untuk model pengukuran:

Gambar 3.33 Program SIMPLIS Model Pengukuran tanpa Variabel Moderator

Setelah sintaks model pengukuran tersebut dijalankan maka selanjutnya, selanjutnya dilakukan uji kecocokan terhadap model pengukuran pengukuran dengan melihat terhadap validitas dan reabilitas dari model pengukuran. Pertama dilakukan uji validitas terhadap model pengukuran, terdapat dua parameter yang diuji dalam uji

validitas ini, yaitu : •

Nilai t-value (t muatan faktor) lebih besar dari nilai kritis yaitu ≥ 1.96

•

Muatan standar faktor ( standardize factor loading) ≥ 0.7 atau ≥ 0.5

Jika kedua parameter tersebut terpenuhi maka, variabel teramati dapat dikatakan valid dalam mengukur variabel latennya. Jika sebaliknya, maka variabel tersebut

harus dihapus dari model penelitian. Kedua, dilakukan uji reliabitas dengan menghitung nilai Contruct Reliability (CR) dan Variance Extracted (VE). Model dikatakan memiliki reliable jika memiliki nilai CR ≥ 0.7 dan VE ≥ 0.5.



81

Gambar 3.34 Nilai t-value dari Model Pengukuran Sepeda Motor Matic tanpa Variabel Moderator



82

Gambar 3.35 Nilai Standardized Loading Factor (SLF) dari Model Pengukuran Sepeda Motor Matic tanpa Variabel Moderator

Dari gambar 3.34 diatas dapat dilihat bahwa semua variabel memenuhi syarat parameter pertama yaitu nilai t value ≥ 1,96. Demikian halnya dengan gambar 3.35 semua variabel memenuhi syarat parameter kedua yaitu nilai



83

Standardized Loading Factor (SLF) ≥ 0.5. Sehingga dapat disimpulkan bahwa model pengukuran ini telah valid dalam mengukur variabel latennya. Berikut merupakan nilai Construct Reliability (CR) dan Variance Extracted (VE) model pengukuran diatas : Tabel 3.17 Nilai Construct Reliability (CR) dan Variance Extracted (VE) No 1 2 3 4 5

Variabel Laten Kepuasan Pelanggan Pemenuhan Jaminan Operasional Pemenuhan Manfaat Fungsional Keandalan Kendaraan Kualitas Pelayanan Purna Jual

CR 0.9 0.8 0.9 0.9 0.9

VE 0.6 0.5 0.6 0.6 0.7

Dari tabel diatas dapat terlihat bahwa nilai CR semua variabel ≥ 0.7 dan VE ≥ 0.5 sehingga dapat disimpulkan bahwa Model Pengukuran ini reliable. Setelah itu, perlu dilakukan uji keseluruhan model dengan cara mengevaluasi nilai Goodness of Fit (GOF). Tabel 3.18 GOF Sepeda Motor Matic tanpa Variabel Moderator Absolute Fit Measure 1636.66 Statistic Chi Square (P = 0.0) Goodness of Fit (GFI) 0.65 RMR 0.073 RMSEA 0.12 M : 7.37 ECVI S: 3.52 I: 24.76

NNFI/TLI NFI AGFI RFI IFI CFI

Kurang Baik Kurang Baik Kurang Baik Kurang Baik Kurang Baik

Incremental Fit Measure 0.75 Kurang Baik 0.73 Kurang Baik 0.62 Kurang Baik 0.7 Kurang Baik 0.78 Kurang Baik 0.78 Kurang Baik



84

Parsimonious Fit Measure M: 1820.47 S: 870.00 AIC Kurang Baik

CAIC Critical “N” (CN) PGFI

I: 6114.73 M: 2127.38 S: 2833.34 I: 6245.62 66.34 0.57

Kurang Baik Kurang Baik Kurang Baik

Dari tabel diatas, nilai GOF menunjukkan hasil yang kurang baik, sehingga perlu dilakukan respesifikasi pada model pengukuran ini. Karena parameter uji kecocokan model pengukuran telah terpenuhi maka dilakukan modification index

pada syntax Program SIMPLIS.

2.

Uji Kecocokan dan Respesifikasi Model Struktural Untuk melakukan tahap kedua dari two-step approach, perlu ditambahkan

hubungan struktural terhadap model pengukuran untuk memperoleh model hybrid

dari Structural Equation Modeling (SEM). Gambar berikut menunjukkan sintaks yang ditambahkan pada model:

Gambar 3.36 Program SIMPLIS Model Struktural tanpa Variabel Moderator

Setelah dilakukan penambahan sintaks hubungan struktural, kemudian model dijalankan kembali untuk melihat kecocokan model struktural dan

melakukan evaluasi terhadap model struktural. Pada gambar dibawah ini terlihat bahwa terdapat hubungan struktural yang memiliki nilai t-value ≤ 1.96 yaitu



85

hubungan antara variabel kualitas pelayanan purna jual (SERV) dengan variabel kepuasan pelanggan (CS) sehingga perlu dilakukan respesifikasi model struktural.

Gambar 3.37 Model Struktural Sepeda Motor Matic tanpa Variabel Moderator

Proses respesifikasi dilakukan dengan menghapus variabel yang memiliki nilai tvalue ≤ 1.96. Setelah dilakukan proses respesifikasi maka diperoleh model struktural beserta nilai Goodness of Fit (GOF) berikut ini:



86

Gambar 3.38 Model Struktural Sepeda Motor Matic tanpa Variabel Moderator Setelah Respesifikasi

Tabel 3.19 Hasil Uji Kecocokan Model Struktural setelah Respesifikasi Absolute Fit Measure 616.7 Statistic Chi Square Kurang Baik (P = 0.0) Goodness of Fit (GFI) 0.83 Marginal RMR 0.05 Baik RMSEA 0.08 Baik M : 3.2 ECVI S: 2.43 Baik I: 19.8



87

Incremental Fit Measure 0.87 Marginal 0.86 Marginal 0.76 Kurang Baik 0.82 Marginal 0.9 Baik 0.9 Baik Parsimonious Fit Measure M: 790.70 AIC S: 600.00 Baik I: 4890.19 M: 1183.36 CAIC S: 1954.03 Baik I: 4998.52 Critical “N” (CN) 100.25 Kurang Baik PGFI 0.6 Marginal

NNFI/TLI NFI AGFI RFI IFI CFI

Berdasarkan tabel Goodness of Fit diatas dapat disimpulkan bahwa uji kecocokan model struktural memiliki nilai baik karena mayoritas seluruh parameter yang diuji diatas marginal.

3. Model Kepuasan Pelanggan Sepeda Motor Matic dengan Variabel Moderator 1. Uji Kecocokan dan Respesifikasi Model Pengukuran Pada dasarnya pengolahan data pada model kedua ini sama dengan model sebelumnya, hanya saja pada model ini ditambahkan variabel moderator pengetahuan operasional serta disiplin operasional dengan menggunakan

metode Model Interaksi Joreskog.

Gambar 3.39 Program SIMPLIS Model Pengukuran dengan Variabel Moderator



88

Gambar 3.40 Nilai t-value dari Model Pengukuran Sepeda Motor Matic dengan Variabel Moderator



89

Gambar 3.41 Nilai Standardized Loading Factor (SLF) dari Model Pengukuran Sepeda Motor Matic dengan Variabel Moderator



90

Dari gambar 3.40 dapat dilihat bahwa semua variabel memenuhi syarat parameter pertama yaitu nilai t value ≥ 1,96. Demikian halnya dengan gambar

3.41 semua variabel memenuhi syarat parameter kedua yaitu nilai Standardized Loading Factor (SLF) ≥ 0..5. Sehingga dapat disimpulkan bahwa model pengukuran ini telah valid dalam mengukur variabel latennya. Berikut merupakan

nilai Contruct Reliability (CR) dan Variance Extracted (VE) model pengukuran diatas : Tabel 3.20 Nilai Construct Reliability (CR) dan Variance Extracted (VE) No 1 2 3 4 5 6 7 8 9 10

Variabel Laten Pemenuhan Jaminan Operasional Pemenuhan Manfaat Fungsional Keandalan Kendaraan Kepuasan Pelanggan KNOWOPERA KNOWFUNC KNOWRELI DISCOPERA DISCFUNC DISCRELI

CR 0.8 0.9 0.9 0.9 1 1 1 1 1 1

VE 0.5 0.6 0.5 0.6 1 1 1 1 1 1

Dari tabel diatas dapat terlihat bahwa nilai CR semua variabel ≥ 0.7 dan VE ≥ 0.5 sehingga dapat disimpulkan bahwa Model Pengukuran ini reliable.

2. Uji Kecocokan dan Respesifikasi Model Struktural Untuk melakukan tahap kedua dari two-step approach, perlu ditambahkan hubungan struktural terhadap model pengukuran untuk memperoleh model hybrid

dari Structural Equation Modeling (SEM)

Gambar 3.42 Program SIMPLIS Model Struktural



91

Setelah dilakukan penambahan sintaks hubungan struktural, kemudian model dijalankan kembali untuk melakukan evaluasi terhadap model struktural. Pada gambar dibawah ini bahwa terdapat hubungan struktural yang memiliki nilai t-value ≤ 1.96 yaitu hubungan antara variabel RELI => CS, KNOWFUNC => CS, KNOWOPERA=>CS, dan DISCOPERA=> CS.

Gambar 3.43 Nilai Estimates Model Struktural Sepeda Motor Matic dengan Variabel Moderator



92

Gambar 3.44 Nilai t-value Model Struktural Sepeda Motor Matic dengan Variabel Moderator Seperti model ke-3 yaitu sepeda motor matic tanpa moderator, model ini juga bersifat Strictly Confirmatory (SC). Karena memilikin nilai GOF yang sudah baik, tidak diperlukan adanya respesifikasi lebih lanjut.



BAB 4 ANALISIS DATA 4.1 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Bebek tanpa Variabel Moderator. Berdasarkan pengolahan data pada Bab 3, dapat diketahui apakah variabelvariabel yang diuji pada penelitian kali ini secara signifikan mempengaruhi kepuasan pelanggan sepeda motor pada masing-masing tipe. Selain itu, jika memang berpengaruh secara signifikan, dapat diketahui pula seberapa besar pengaruh masing-masing variabel terhadap kepuasan pelanggan sepeda motor. Sebelum melakukan analisis terhadap keseluruhan model struktural, terlebih dahulu dilakukan analisis terhadap model pengukuran sesuai dengan pengolahan data yang telah dilakukan dengan menggunakan software LISREL 8.5.

4.1.1 Analisis Model Pengukuran Model Pengukuran yang digunakan pada penelitian kali ini adalah model pengukuran kon-generik (congeneric measurement model), dimana setiap variabel teramati hanya berhubungan dengan satu variabel laten. Berikut merupakan output model persamaan model pengukuran sepeda motor tipe bebek tanpa variabel moderator setelah dilakukan respesifikasi: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.68*CS, Errorvar.= 0.34 , R² = 0.57 (0.051) (0.038) 13.27 8.99 CS2 = 0.57*CS, Errorvar.= 0.44 , R² = 0.43 (0.052) (0.044) 10.98 10.03 CS3 = 0.94*CS, Errorvar.= 0.23 , R² = 0.79 (0.053) (0.034) 17.64 6.63 CS4 = 0.89*CS, Errorvar.= 0.28 , R² = 0.74 (0.054) (0.033) 16.62 8.61



94

CS5 = 0.81*CS, Errorvar.= 0.20 , R² = 0.77 (0.047) (0.023) 17.35 8.57 CS6 = 0.83*CS, Errorvar.= 0.19 , R² = 0.79 (0.046) (0.021) 17.93 8.80 CS7 = 0.65*CS, Errorvar.= 0.43 , R² = 0.50 (0.050) (0.039) 13.04 10.89 CS8 = 0.64*CS, Errorvar.= 0.34 , R² = 0.54 (0.048) (0.034) 13.19 10.26 FUNC1 = 0.70*FUNC, Errorvar.= 0.47 , R² = 0.51 (0.059) (0.056) 11.86 8.38 FUNC2 = 0.63*FUNC, Errorvar.= 0.35 , R² = 0.53 (0.054) (0.047) 11.57 7.41 FUNC3 = 0.68*FUNC, Errorvar.= 0.42 , R² = 0.52 (0.057) (0.052) 11.92 8.04 FUNC4 = 0.66*FUNC, Errorvar.= 0.37 , R² = 0.54 (0.058) (0.055) 11.34 6.82 FUNC5 = 0.68*FUNC, Errorvar.= 0.58 , R² = 0.44 (0.062) (0.063) 11.01 9.31 SERV1 = 0.64*SERV, Errorvar.= 0.63 , R² = 0.39 (0.062) (0.063) 10.40 10.13 SERV2 = 0.66*SERV, Errorvar.= 0.42 , R² = 0.51 (0.054) (0.044) 12.35 9.50 SERV3 = 0.62*SERV, Errorvar.= 0.31 , R² = 0.56 (0.048) (0.034) 13.05 9.19 SERV4 = 0.63*SERV, Errorvar.= 0.36 , R² = 0.53 (0.050) (0.038) 12.63 9.38 SERV5 = 0.73*SERV, Errorvar.= 0.49 , R² = 0.52



95

(0.059) 12.50

(0.052) 9.44

RELI1 = 0.73*RELI, Errorvar.= 0.40 , R² = 0.57 (0.056) (0.049) 13.10 8.27 RELI2 = 0.79*RELI, Errorvar.= 0.23 , R² = 0.73 (0.050) (0.036) 15.72 6.45 RELI3 = 0.74*RELI, Errorvar.= 0.47 , R² = 0.54 (0.057) (0.049) 13.01 9.60 RELI4 = 0.74*RELI, Errorvar.= 0.39 , R² = 0.58 (0.057) (0.049) 12.99 8.07 RELI5 = 0.68*RELI, Errorvar.= 0.52 , R² = 0.47 (0.056) (0.052) 12.09 9.95 RELI6 = 0.62*RELI, Errorvar.= 0.67 , R² = 0.37 (0.065) (0.069) 9.65 9.72 OPERA1 = 0.72*OPERA, Errorvar.= 0.31 , R² = 0.62 (0.058) (0.058) 12.25 5.46 OPERA2 = 0.68*OPERA, Errorvar.= 0.31 , R² = 0.60 (0.053) (0.043) 12.86 7.14 OPERA3 = 0.80*OPERA, Errorvar.= 0.19 , R² = 0.78 (0.053) (0.049) 15.19 3.82 OPERA4 = 0.68*OPERA, Errorvar.= 0.59 , R² = 0.44 (0.060) (0.061) 11.23 9.67 OPERA5 = 0.74*OPERA, Errorvar.= 0.37 , R² = 0.60 (0.076) (0.093) 9.68 3.94

Berdasarkan output model persamaan pengukuran diatas, dapat dilakukan analisis sebagai berikut :



96

1. Variabel laten Kepuasan Pelanggan (CS1-CS5), terbukti dapat diukur dari variabel teramati CS1 “Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini”, CS2 “Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini”, CS3 “Saya bangga dapat memiliki sepeda motor ini”, CS4 “Saya bangga saat mengendarai sepeda motor ini”, CS5 “Saya senang saat mengendarai sepeda motor ini”, CS6 “Saya bersemangat untuk mengendarai sepeda motor ini”, CS7 “Saya kagum atas kegunaan dan kualitas sepeda motor ini”, serta CS8 “Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardized loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.1 Standardized Loading Factor Kepuasan Pelanggan (CS) Standardized Loading Factor Var Kepuasan Pelanggan (CS) CS1 0.76 CS2 0.65 CS3 0.89 CS4 0.86 CS5 0.88 CS6 0.89 CS7 0.71 CS8 0.74 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 57% dari variasi CS1 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 43% dari variasi CS2 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 79% dari variasi CS3 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 74% dari variasi CS4 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 77% dari variasi CS5 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 79% dari variasi CS6 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 50% dari variasi CS7 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 54% dari variasi CS8 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS).



97

2. Variabel laten Pemenuhan Manfaat Fungsional (FUNC1-FUNC5), terbukti dapat diukur dari variabel teramati FUNC1 “Kecepatan sepeda motor”, FUNC2 “Percepatan (tarikan) sepeda motor”, FUNC3 “Rasa aman saat mengendarai sepeda Kemampuan angkut sepeda motor”,. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.2 Standardized Loading Factor Pemenuhan Manfaat Fungsional Standardized Loading Factor Var Pemenuhan Manfaat Fungsional FUNC1 0.71 FUNC2 0.73 FUNC3 0.72 FUNC4 0.73 FUNC5 0.67 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 51% dari variasi FUNC1 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 53% dari variasi FUNC2 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 52% dari variasi FUNC3 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 54% dari variasi FUNC4 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 44% dari variasi FUNC5 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC).

3. Variabel laten Pemenuhan Kualitas Pelayanan (SERV1-SERV5), terbukti dapat diukur dari variabel teramati SERV1 “Pemeliharaan”, SERV2 “Perawatan/Perbaikan sepeda motor”, SERV3 “Penggantian suku cadang”, SERV4 “Saya merasa nyaman selama memanfaatkan jasa bengkel resmi”, SERV5 “Saya merasa dihargai selama berhubungan dengan personel bengkel resmi sepeda motor yang saya gunakan”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini :



98

Tabel 4.3 Standardized Loading Factor Kualitas Pelayanan Purna Jual Standardized Loading Factor Var Kualitas Pelayanan Purna Jual SERV1 0.63 SERV2 0.72 SERV3 0.75 SERV4 0.73 SERV5 0.72 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 39% dari variasi SERV1 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 51% dari variasi SERV2 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 56% dari variasi SERV3 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 53% dari variasi SERV4 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 52% dari variasi SERV5 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV).

4. Variabel laten Pemenuhan Kualitas Pelayanan (RELI1-RELI6), terbukti dapat diukur dari variabel teramati RELI1 “Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin”, RELI2 “Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari”, RELI3 “Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun”, RELI4 “Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya”, RELI5 “Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor”, RELI6 “Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardized loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini :



99

Tabel 4.4 Standardized Loading Factor Keandalan Kendaraan Standardized Loading Factor Var Keandalan Kendaraan RELI1 0.76 RELI2 0.85 RELI3 0.74 RELI4 0.76 RELI5 0.69 RELI6 0.61 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 57% dari variasi RELI1 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 73% dari variasi RELI2 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 54% dari variasi RELI3 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 58% dari variasi RELI4 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 47% dari variasi RELI5 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) . 37% dari variasi RELI6 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) 5. Variabel laten Pemenuhan Jaminan Operasional (OPERA1-OPERA5), terbukti dapat diukur dari variabel teramati OPERA1 “Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter)”, OPERA2 “Keawetan sepeda motor dan suku cadangnya.”, OPERA3 “Kemudahaan penggunaan sepeda motor”, OPERA4 “Kemudahaan penggunaan sepeda motor”, OPERA5 “Kemudahaan penggunaan sepeda motor”. Hal ini terlihat dari nilai tvalue yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.5 Standardize Loading Factor Pemenuhan Jaminan Operasional Standardized Loading Factor Var Pemenuhan Jaminan Operasional OPERA 0.79 OPERA2 0.77 OPERA3 0.88 OPERA4 0.66 OPERA5 0.77



100

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 39% dari variasi OPERA1 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 51% dari variasi OPERA2 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 56% dari variasi OPERA3 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 53% dari variasi OPERA4 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 52% dari variasi OPERA5 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA).

Pada Model Pengukuran ini telah dilakukan proses respesifikasi seperti yang telah dijelaskan di BAB 3, sehingga diperoleh nilai GOF (Goodness of Fit) yang baik. Tidak ada variabel teramati yang dihapus dari model pengukuran ini karena memenuhi parameter-parameter uji yang diharuskan.

4.1.2. Analisis Model Struktural Setelah dilakukan analisis model pengukuran, maka selanjutnya dilakukan analisis model struktural yang dihasilkan. Berikut merupakan hasil output persamaan model struktural sepeda motor tipe bebek tanpa variabel moderator: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.67*CS, Errorvar.= 0.35 , R² = 0.56 (0.038) 9.08 CS2 = 0.56*CS, Errorvar.= 0.44 , R² = 0.42 (0.036) (0.044) 15.77 10.07 CS3 = 0.94*CS, Errorvar.= 0.22 , R² = 0.80 (0.075) (0.034) 12.52 6.49 CS4 = 0.89*CS, Errorvar.= 0.28 , R² = 0.74 (0.072) (0.032) 12.41 8.63 CS5 = 0.80*CS, Errorvar.= 0.20 , R² = 0.77 (0.059) (0.023)



101

13.70

8.54

CS6 = 0.84*CS, Errorvar.= 0.19 , R² = 0.79 (0.063) (0.022) 13.32 8.79 CS7 = 0.66*CS, Errorvar.= 0.43 , R² = 0.51 (0.059) (0.040) 11.28 10.86 CS8 = 0.63*CS, Errorvar.= 0.35 , R² = 0.54 (0.050) (0.034) 12.68 10.30 FUNC1 = 0.69*FUNC, Errorvar.= 0.48 , R² = 0.50 (0.059) (0.057) 11.61 8.34 FUNC2 = 0.64*FUNC, Errorvar.= 0.33 , R² = 0.56 (0.055) (0.049) 11.66 6.77 FUNC3 = 0.69*FUNC, Errorvar.= 0.40 , R² = 0.54 (0.057) (0.053) 12.06 7.62 FUNC4 = 0.67*FUNC, Errorvar.= 0.37 , R² = 0.54 (0.060) (0.058) 11.16 6.46 FUNC5 = 0.68*FUNC, Errorvar.= 0.60 , R² = 0.43 (0.063) (0.064) 10.77 9.31 RELI1 = 0.74*RELI, Errorvar.= 0.39 , R² = 0.58 (0.056) (0.050) 13.13 7.82 RELI2 = 0.80*RELI, Errorvar.= 0.21 , R² = 0.75 (0.050) (0.038) 15.89 5.67 RELI3 = 0.78*RELI, Errorvar.= 0.42 , R² = 0.59 (0.057) (0.048) 13.63 8.70 RELI4 = 0.76*RELI, Errorvar.= 0.36 , R² = 0.62 (0.059) (0.054) 13.01 6.65 RELI5 = 0.65*RELI, Errorvar.= 0.56 , R² = 0.43 (0.057) (0.055) 11.35 10.17



102

RELI6 = 0.55*RELI, Errorvar.= 0.76 , R² = 0.28 (0.067) (0.075) 8.16 10.25 OPERA1 = 0.70*OPERA, Errorvar.= 0.33 , R² = 0.60 (0.061) (0.061) 11.49 5.40 OPERA2 = 0.72*OPERA, Errorvar.= 0.26 , R² = 0.67 (0.055) (0.050) 12.99 5.13 OPERA3 = 0.77*OPERA, Errorvar.= 0.24 , R² = 0.71 (0.056) (0.053) 13.81 4.51 OPERA4 = 0.70*OPERA, Errorvar.= 0.55 , R² = 0.47 (0.063) (0.065) 11.16 8.49 OPERA5 = 0.73*OPERA, Errorvar.= 0.39 , R² = 0.58 (0.091) (0.11) 7.97 3.36

•

Structural Equations : 1. Sebelum Respesifikasi :

CS = 0.17*FUNC + 0.13*SERV + 0.34*RELI + 0.17*OPERA, Errorvar.= 0.56, R² = 0.44 (0.082) (0.12) (0.11) (0.070) (0.088) 2.05 1.10 3.15 2.38 6.30 2. Setelah Respesifikasi CS = 0.20*FUNC + 0.36*RELI + 0.23*OPERA, Errorvar.= 0.58 , R² = 0.42 (0.091 ) (0.093) (0.062) (0.091) 2.20 3.86 3.72 6.37 Dari uraian output diatas dapat diketahui bahwa nilai koefisien determinasi R² menunjukkan angka yang mencukupi karena mayoritas berada di atas 0.5. Berdasarkan Structural Equation diatas dapat terlihat bahwa terdapat 1 nilai hubungan struktural yang lebih memiliki t-value ≤ 1.96 yaitu hubungan antara kualitas pelayanan purna jual (SERV) dengan kepuasan pelanggan (CS) sedangkan untuk hubungan lainnya menunjukkan t-value ≥ 1.96 yang menunjukkan signifikan pengaruh antar variabel latent. Untuk melihat lebih jelas mengenai hasil model struktural ini dapat dilihat pada tabel di bawah ini:



103

Tabel 4.6 Evaluasi Hasil Model Struktural

1 FUNC=> CS

Nilai tvalue 2.05

Nilai Koefisien 0.17

2 SERV => CS

1.1

0.13

3 RELI => CS

3.15

4 OPERA => CS

2.38

No

Hubungan

Kesimpulan

Keputusan Terima H0

0.34

Signifikan Tidak Signifikan Signifikan

0.17

Signifikan

Terima H0

Tolak H0 Terima H0

Urutan signifikansi merupakan hal yang penting untuk dianalisis karena hal tersebut menentukan dimensi mana yang paling banyak diperhatikan oleh pelanggan dalam pengaruhnya terhadap kepuasan pelanggan. Hasil dari tabel diatas akan dianalisis sesuai dengan urutan signifikansi sebagai berikut : 1. Hubungan antara Keandalan Produk dengan Kepuasan Pelanggan. Hasil menunjukkan bahwa hubungan antara Keandalan Kendaraan terhadap Kepuasan Pelanggan memiliki koefisien serta t-value yang paling besar dan berada

diatas batas kritis 1.96. Hal ini berarti Keandalan

Kendaraan paling berpengaruh terhadap nilai kepuasan pelanggan. Semakin handal kendaraan, semakin besar pengaruhnya terhadap kepuasan pelanggan. Hasil ini tidak mengagetkan karena sepeda motor bebek memang dikenal dengan keandalannya dibandingkan dengan sepeda motor Matic. Hasil ini sesuai dengan penelitian yang telah dilakukan oleh ShaonI Chiu et al (2011) serta Hindrya W.H (2011). 2. Hubungan antara Pemenuhan Jaminan Operasional dengan Kepuasan Pelanggan. Seperti halnya variabel Keandalan Kendaraan, variabel Pemenuhan Jaminan Operasional juga memiliki pengaruh yang signifikan terhadap kepuasan pelanggan sepeda motor bebek. Semakin besar nilai Pemenuhan Jaminan Operasional, maka semakin besar pula nilai Kepuasan pelanggan. Hal ini juga sesuai dengan penelitian Ayu Wulandari (2012). 3. Hubungan antara Pemenuhan Manfaat Fungsional dengan Kepuasan Pelanggan.



104

Nilai koefisien dari hubungan ini menunjukkan variabel Pemenuhan Manfaaf Fungsional berpengaruh secara positif dan signifikan terhadap variabel Kepuasan Pelanggan. Signifikansi variabel ini berada di urutan ketiga. Hal ini berarti. Hasil ini juga sesuai dengan jurnal yang ditulis oleh Shao- Shaon-I Chiu et al (2011) serta penelitian Ayu Wulandari (2012). 4. Hubungan antara Kualitas Pelayanan Purna Jual dengan Kepuasan Pelanggan. Berbeda dengan ketiga variabel diatas. Nilai t-value hubungan antara Kualitas Pelayanan Purna Jual dengan Kepuasan Pelanggan tidak menunjukkan signifikansi. Walaupun nilai koefisien bernilai positif tetapi variabel ini tidak berpengaruh secara signifikan terhadap Kepuasan Pelanggan. Hasil ini sesuai dengan penelitian Hindrya W.H (2011). Variabel Kualitas Pelayanan Purna Jual tidak menjadi prioritas pelanggan dalam menentukan nilai Kepuasan. Hal ini dapat disebabkan karena Kualitas Pelayanan Purna Jual diperoleh di luar produk (kendaraan). Pelanggan lebih mementingkan manfaat-manfaat yang langsung diterima dari kendaraan itu sendiri.



105

Gambar 4.1 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Bebek tanpa Variabel Moderator

4.2 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Bebek dengan Variabel Moderator 4.2.1. Analisis Model Pengukuran Berikut merupakan output model persamaan model pengukuran sepeda motor tipe bebek tanpa variabel moderator setelah dilakukan respesifikasi: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.67*CS, Errorvar.= 0.34 , R² = 0.57 (0.051) (0.038) 13.20 9.01 CS2 = 0.57*CS, Errorvar.= 0.44 , R² = 0.42 (0.052) (0.044)



106

10.90 10.04 CS3 = 0.94*CS, Errorvar.= 0.22 , R² = 0.80 (0.053) (0.034) 17.78 6.45 CS4 = 0.89*CS, Errorvar.= 0.28 , R² = 0.74 (0.053) (0.032) 16.70 8.54 CS5 = 0.80*CS, Errorvar.= 0.20 , R² = 0.76 (0.046) (0.023) 17.25 8.65 CS6 = 0.83*CS, Errorvar.= 0.19 , R² = 0.79 (0.047) (0.022) 17.92 8.81 CS7 = 0.66*CS, Errorvar.= 0.43 , R² = 0.50 (0.051) (0.040) 13.11 10.88 CS8 = 0.64*CS, Errorvar.= 0.35 , R² = 0.54 (0.048) (0.034) 13.17 10.27 FUNC1 = 0.70*FUNC, Errorvar.= 0.47 , R² = 0.51 (0.059) (0.056) 11.89 8.31 FUNC2 = 0.68*FUNC, Errorvar.= 0.29 , R² = 0.61 (0.054) (0.048) 12.48 6.01 FUNC3 = 0.70*FUNC, Errorvar.= 0.39 , R² = 0.56 (0.056) (0.052) 12.40 7.49 FUNC4 = 0.67*FUNC, Errorvar.= 0.36 , R² = 0.56 (0.059) (0.057) 11.35 6.33 FUNC5 = 0.65*FUNC, Errorvar.= 0.62 , R² = 0.41 (0.062) (0.064) 10.48 9.69 RELI1 = 0.74*RELI, Errorvar.= 0.39 , R² = 0.58 (0.056) (0.050) 13.24 7.94 RELI2 = 0.80*RELI, Errorvar.= 0.21 , R² = 0.75 (0.050) (0.037) 16.06 5.74



107

RELI3 = 0.78*RELI, Errorvar.= 0.42 , R² = 0.59 (0.057) (0.047) 13.69 8.76 RELI4 = 0.78*RELI, Errorvar.= 0.34 , R² = 0.64 (0.058) (0.052) 13.42 6.51 RELI5 = 0.65*RELI, Errorvar.= 0.56 , R² = 0.43 (0.057) (0.055) 11.33 10.24 RELI6 = 0.54*RELI, Errorvar.= 0.77 , R² = 0.28 (0.067) (0.074) 8.15 10.35 OPERA1 = 0.71*OPERA, Errorvar.= 0.32 , R² = 0.62 (0.058) (0.056) 12.32 5.66 OPERA2 = 0.69*OPERA, Errorvar.= 0.29 , R² = 0.62 (0.052) (0.043) 13.20 6.81 OPERA3 = 0.80*OPERA, Errorvar.= 0.19 , R² = 0.77 (0.052) (0.047) 15.38 4.16 OPERA4 = 0.68*OPERA, Errorvar.= 0.58 , R² = 0.44 (0.060) (0.060) 11.32 9.61 OPERA5 = 0.71*OPERA, Errorvar.= 0.41 , R² = 0.55 (0.075) (0.087) 9.52 4.71 KNOW1 = 0.89*KNOW, Errorvar.= 0.30 , R² = 0.72 (0.058) (0.048) 15.39 6.19 KNOW2 = 0.82*KNOW, Errorvar.= 0.27 , R² = 0.71 (0.054) (0.042) 15.22 6.41 KNOW3 = 0.52*KNOW, Errorvar.= 0.54 , R² = 0.33 (0.056) (0.053) 9.26 10.27 KNOW4 = 0.55*KNOW, Errorvar.= 0.51 , R² = 0.37 (0.055) (0.050) 9.99 10.09



108

DISC1 = 0.64*DISC, Errorvar.= 0.61 , R² = 0.40 (0.067) (0.070) 9.62 8.71 DISC2 = 0.58*DISC, Errorvar.= 1.31 , R² = 0.21 (0.089) (0.13) 6.57 10.22 DISC3 = 0.74*DISC, Errorvar.= 0.51 , R² = 0.52 (0.067) (0.070) 11.06 7.29 DISC4 = 0.75*DISC, Errorvar.= 0.62 , R² = 0.48 (0.071) (0.079) 10.59 7.82

Berdasarkan output model persamaan pengukuran diatas, dapat dilakukan analisis sebagai berikut: 1. Variabel laten Kepuasan Pelanggan (CS1-CS5), terbukti dapat diukur dari variabel teramati CS1 “Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini”, CS2 “Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini”, CS3 “Saya bangga dapat memiliki sepeda motor ini”, CS4 “Saya bangga saat mengendarai sepeda motor ini”, CS5 “Saya senang saat mengendarai sepeda motor ini”, CS6 “Saya bersemangat untuk mengendarai sepeda motor ini”, CS7 “Saya kagum atas kegunaan dan kualitas sepeda motor ini”, serta CS8 “Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.7 Standardized Loading Factor Kepuasan Pelanggan (CS) Standardized Loading Factor Var Kepuasan Pelanggan (CS) CS1 0.75 CS2 0.65 CS3 0.90 CS4 0.86 CS5 0.87 CS6 0.89 CS7 0.71



109

CS8 0.73 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 57% dari variasi CS1 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 42% dari variasi CS2 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 80% dari variasi CS3 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 74% dari variasi CS4 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 76% dari variasi CS5 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 79% dari variasi CS6 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 50% dari variasi CS7 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 54% dari variasi CS8 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS). 2. Variabel laten Pemenuhan Manfaat Fungsional (FUNC1-FUNC5), terbukti dapat diukur dari variabel teramati FUNC1 “Kecepatan sepeda motor”, FUNC2 “Percepatan (tarikan) sepeda motor”, FUNC3 “Rasa aman saat mengendarai sepeda Kemampuan angkut sepeda motor”,. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.8 Standardize Loading Factor Pemenuhan Manfaat Fungsional Standardized Loading Factor Var Pemenuhan Manfaat Fungsional FUNC1 0.71 FUNC2 0.78 FUNC3 0.75 FUNC4 0.75 FUNC5 0.64 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 51% dari variasi FUNC1 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 61% dari variasi FUNC2 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 56% dari variasi FUNC3 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 56% dari variasi FUNC4 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 41% dari variasi FUNC5 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC).



110

3. Variabel laten Pemenuhan Keandalan Kendaraan (RELI1-RELI6), terbukti dapat diukur dari variabel teramati RELI1 “Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin”, RELI2 “Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari”, RELI3 “Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun”, RELI4 “Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya”, RELI5 “Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor”, RELI6 “Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.9 Standardized Loading Factor Keandalan Kendaraan Standardized Loading Factor Var Keandalan Kendaraan RELI1 0.76 RELI2 0.87 RELI3 0.77 RELI4 0.80 RELI5 0.65 RELI6 0.53 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 58% dari variasi RELI1 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 75% dari variasi RELI2 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 59% dari variasi RELI3 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 64% dari variasi RELI4 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 43% dari variasi RELI5 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) . 28% dari variasi RELI6 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI).



111

4. Variabel laten Pemenuhan Jaminan Operasional (OPERA1-OPERA5), terbukti dapat diukur dari variabel teramati OPERA1 “Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter)”, OPERA2 “Keawetan sepeda motor dan suku cadangnya.”, OPERA3 “Kemudahaan penggunaan sepeda motor”, OPERA4 “Kemudahaan penggunaan sepeda motor”, OPERA5 “Kemudahaan penggunaan sepeda motor”. Hal ini terlihat dari nilai tvalue yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.10 Standardized Loading Factor Pemenuhan Jaminan Operasional Standardized Loading Factor Var Pemenuhan Jaminan Operasional OPERA1 0.78 OPERA2 0.79 OPERA3 0.88 OPERA4 0.67 OPERA5 0.74 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 62% dari variasi OPERA1 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 77% dari variasi OPERA2 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 44% dari variasi OPERA3 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 55% dari variasi OPERA4 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 72% dari variasi OPERA5 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA). 5. Variabel laten Pengetahuan Operasional (KNOW1-KNOW4), terbukti dapat diukur dari variabel teramati KNOW1 “Saya mampu menjelaskan cara mengendarai sepeda motor secara baik dan benar”, KNOW2 “Saya mampu menjelaskan syarat keterampilan yang perlu dimiliki oleh pengendara”, KNOW3 “Saya memiliki keterampilan memadai untuk mengendarai”, KNOW4 “Saya berusaha mengendarai dengan cara yang baik dan benar”. Hal ini terlihat dari nilai t-value yang lebih besar dari



112

batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.11 Standardized Loading Factor Pemenuhan Jaminan Operasional Standardized Loading Factor Var KNOW1 KNOW2

Pengetahuan Operasional 0.85 0.84

KNOW3 KNOW4

0.57 0.61

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 72% dari variasi KNOW1 dapat dijelaskan oleh variasi Pengetahuan Operasional (KNOW), 71% dari variasi KNOW2 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 33% dari variasi KNOW3 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 37% dari variasi KNOW4 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA). 6. Variabel laten Disiplin Operasional (DISC1-DISC4), terbukti dapat diukur dari variabel teramati DISC1 “Saya mampu menyebutkan jadwal dan jenis kegiatan pemeliharaan dan perawatan secara lengkap”, DISC2 “Saya mampu membiayai semua jenis kegiatan pemeliharaan dan perawatan tersebut”, DISC3 “Saya berusaha menepati jadwal dan jenis kegiatan tersebut”, DISC4 “Saya berusaha menaati batas kemampuan angkut kendaraan dengan baik”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 atau 0.3 seperti tabel di bawah ini : Tabel 4.12

Standardized Loading Factor Disiplin Operasional

Standardized Loading Factor Var Disiplin Operasional DISC1 0.63 DISC2 0.45 DISC3 0.72 DISC4 0.69



113

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 40% dari variasi DISC1 dapat dijelaskan oleh variasi Disiplin Operasional (DISC), 21% dari variasi DISC2 dapat dijelaskan oleh variasi Disiplin Operasional (DISC), 52% dari variasi DISC3 dapat dijelaskan oleh variasi Disiplin Operasional (DISC), 48% dari variasi DISC4 dapat dijelaskan oleh variasi Disiplin Operasional (DISC).

Pada Model Pengukuran ini telah dilakukan proses respesifikasi seperti yang telah dijelaskan di BAB 3, sehingga diperoleh nilai GOF (Goodness of Fit) yang baik. Tidak ada variabel teramati yang dihapus dari model pengukuran ini karena memenuhi parameter-parameter uji yang diharuskan sehingga model ini telah dapat dilanjutkan ke tahapan selanjutnya. 4.2.2. Analisis Model Struktural Berikut merupakan output model persamaan model pengukuran sepeda motor tipe bebek tanpa variabel moderator setelah dilakukan respesifikasi: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.66*CS, Errorvar.= 0.36 , R² = 0.55 (0.038) 9.41 CS2 = 0.56*CS, Errorvar.= 0.45 , R² = 0.41 (0.035) (0.044) 15.89 10.26 CS3 = 0.93*CS, Errorvar.= 0.24 , R² = 0.78 (0.074) (0.034) 12.58 7.14 CS4 = 0.89*CS, Errorvar.= 0.28 , R² = 0.73 (0.071) (0.032) 12.42 8.83 CS5 = 0.81*CS, Errorvar.= 0.19 , R² = 0.77 (0.059) (0.022) 13.77 8.56 CS6 = 0.83*CS, Errorvar.= 0.19 , R² = 0.79



114

(0.062) 13.46

(0.021) 8.87

CS7 = 0.66*CS, Errorvar.= 0.42 , R² = 0.51 (0.058) (0.039) 11.39 10.78 CS8 = 0.63*CS, Errorvar.= 0.34 , R² = 0.54 (0.050) (0.033) 12.62 10.32 FUNC1 = 0.73*FUNC, Errorvar.= 0.41 , R² = 0.57 (0.057) (0.052) 12.92 7.93 FUNC2 = 0.63*FUNC, Errorvar.= 0.34 , R² = 0.53 (0.053) (0.045) 11.74 7.57 FUNC3 = 0.67*FUNC, Errorvar.= 0.43 , R² = 0.51 (0.056) (0.051) 12.03 8.53 FUNC4 = 0.72*FUNC, Errorvar.= 0.30 , R² = 0.63 (0.056) (0.052) 12.91 5.82 FUNC5 = 0.62*FUNC, Errorvar.= 0.67 , R² = 0.36 (0.062) (0.065) 9.94 10.24 RELI1 = 0.73*RELI, Errorvar.= 0.41 , R² = 0.57 (0.056) (0.049) 13.11 8.30 RELI2 = 0.79*RELI, Errorvar.= 0.24 , R² = 0.72 (0.051) (0.037) 15.57 6.56 RELI3 = 0.76*RELI, Errorvar.= 0.42 , R² = 0.58 (0.056) (0.047) 13.45 8.98 RELI4 = 0.73*RELI, Errorvar.= 0.40 , R² = 0.57 (0.058) (0.051) 12.65 7.92 RELI5 = 0.67*RELI, Errorvar.= 0.53 , R² = 0.46 (0.057) (0.053) 11.85 9.97 RELI6 = 0.59*RELI, Errorvar.= 0.72 , R² = 0.32 (0.066) (0.072)



115

8.94 10.11 OPERA1 = 0.75*OPERA, Errorvar.= 0.27 , R² = 0.68 (0.056) (0.054) 13.50 4.98 OPERA2 = 0.72*OPERA, Errorvar.= 0.26 , R² = 0.67 (0.051) (0.041) 13.94 6.28 OPERA3 = 0.77*OPERA, Errorvar.= 0.24 , R² = 0.71 (0.052) (0.043) 14.85 5.57 OPERA4 = 0.68*OPERA, Errorvar.= 0.59 , R² = 0.44 (0.060) (0.060) 11.43 9.80 OPERA5 = 0.67*OPERA, Errorvar.= 0.47 , R² = 0.49 (0.071) (0.077) 9.45 6.06 KNOWL1 = 1.00*KNOWFUNC,, R² = 1.00 KNOWL2 = 1.00*KNOWOPER,, R² = 1.00 KNOWL3 = 1.00*KNOWRELI,, R² = 1.00 DISCIP1 = 1.00*DISCFUNC,, R² = 1.00 DISCIP2 = 1.00*DISCOPER,, R² = 1.00 DISCIP3 = 1.00*DISCRELI,, R² = 1.00

•

Structural Equation :

CS = 0.22*FUNC + 0.30*RELI + 0.31*OPERA - 0.14*KNOWFUNC (0.10) (0.10) (0.064) (0.072) 2.14 3.00 4.88 -2.01 +0.30*KNOWOPER - 0.12*KNOWRELI - 0.034*DISCFUNC (0.067) (0.077) (0.085) 4.41 -1.52 -0.40 - 0.045*DISCOPER + 0.041*DISCRELI, Errorvar = 0.45 , R² = 0.55 (0.072) (0.081) (0.072) -0.62 0.50 6.22 Dari uraian output diatas dapat diketahui bahwa nilai koefisien determinasi R² menunjukkan angka yang mencukupi karena mayoritas berada di atas 0.5. Berdasarkan Structural Equation diatas dapat terlihat bahwa terdapat 4 nilai



116

hubungan struktural yang lebih memiliki t-value ≤ 1.96 yaitu hubungan antara KNOWRELI => CS, DISCFUNC => CS, DISCRELI => CS, serta DISCOPERA => CS sedangkan untuk hubungan lainnya menunjukkan t-value ≥ 1.96 yang menunjukkan signifikan pengaruh antar variabel latent. Untuk melihat lebih jelas mengenai hasil model struktural ini dapat dilihat pada tabel di bawah ini: Tabel 4.13 Evaluasi Hasil Model Struktural

1 FUNC => CS

Nilai t-value 2.14


2 RELI => CS

3.00

3 OPERA => CS

No

Hubungan

Kesimpulan Keputusan Signifikan

Terima H0

0.3

Signifikan

Terima H0

4.88

0.31

Signifikan

Terima H0

4 KNOWFUNC => CS

-2.01

-0.14

Signifikan

Terima H0

5 KNOWOPERA=> CS

4.41

0.3

Terima H0

6 KNOWRELI => CS

-1.52

-0.12

7 DISCFUNC => CS

-0.4

-0.034

8 DISCOPERA=> CS

-0.62

-0.045

0.5

0.041

Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan

9 DISCRELI => CS

Tolak H0 Tolak H0 Tolak H0 Tolak H0

Berdasarkan tabel diatas dapat dilakukan analisis sebagai berikut: Dengan adanya variabel moderator yang membentuk interaksi dengan variabel independen yang diuji menyebabkan urutan signifikansi variabel independen berubah sebagai berikut: 1. Hubungan antara Pemenuhan Jaminan Operasional dengan Kepuasan Pelanggan. Pada model ke-3 ini, variabel Pemenuhan Jaminan Operasional memiliki pengaruh terbesar terhadap Kepuasan Pelanggan. Urutan signifikansi variabel ini berubah dari urutan ke-2 menjadi urutan pertama. Signifikansi variabel ini diperkuat oleh interaksi yang dibentuk dengan variabel moderator Pengetahuan Operasional (KNOWOPERA) yang memiliki nilai koefisien 0.3 dan t-value 4.41.



117

2. Hubungan antara Keandalan Kendaraan dengan Kepuasan Pelanggan Urutan signifikansi variabel Keandalan Kendaraan berubah dari urutan pertama menjadi urutan kedua. Hal ini disebabkan karena interaksi dengan variabel moderator Pengetahuan Operasional maupun Disiplin Operasional tidak mempengaruhi hubungan antara Kendalaan Kendaraan dengan Kepuasan Pelanggan. Hal ini dapat dilihat dari tabel diatas dimana pengaruh KNOWRELI dan DISCRELI tidak signifikan. 3. Hubungan antara Pemenuhan Manfaat Fungsional dengan Kepuasan Pelanggan. Variabel ini tetap berada di urutan signifikansi ketiga karena interaksi variabel dengan variabel moderator justru memperlemah hubungannya dengan Kepuasan Pelanggan. Hal ini dapat dilihat dari nilai koefisien dan t-value dari variabel KNOWFUNC yang bertanda negatif. Dengan adanya Pengetahuan Operasional yang baik dari pengguna sepeda motor, maka dapat memperlemah pengaruh Pemenuhan Manfaat Fungsional terhadap Kepuasan Pelanggan. Hal ini dapat saja terjadi karena ketika pengguna sepeda motor memiliki pengetahuan mengenai keterampilan mengendarai sepeda motor dengan baik dan benar serta berusaha mengendarai dengan cara yang baik dan benar, maka variabel pemenuhan manfaat fungsional yang terdiri dari kecepatan, percepatan, rasa aman, rasa nyaman serta kemampuan angkut sepeda motor bukan lagi menjadi prioritas utama pelanggan. Misalnya, ketika pengguna mengetahui dan berusaha menaati batas kecepatan yang diperbolehkan di jalan raya, maka pengguna tidak akan

mempermasalahkan

faktor

kecepatan

sepeda

motor

yang

digunakannya.



118

Gambar 4.2 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Bebek dengan Variabel Moderator

4.3 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Matic tanpa Variabel Moderator Berdasarkan pengolahan data pada Bab 3, dapat diketahui apakah variabelvariabel yang diuji pada penelitian kali ini secara signifikan

mempengaruhi

kepuasan pelanggan sepeda motor pada masing-masing tipe. Selain itu, jika memang berpengaruh secara signifikan, dapat diketahui pula seberapa besar pengaruh masing-masing variabel terhadap kepuasan pelanggan sepeda motor. Sebelum melakukan analisis terhadap keseluruhan model struktural, terlebih dahulu dilakukan analisis terhadap model pengukuran sesuai dengan pengolahan data yang telah dilakukan dengan menggunakan software LISREL 8.5.



119

4.3.1 Analisis Model Pengukuran

Model Pengukuran yang digunakan pada penelitian kali ini adalah model pengukuran kon-generik (congeneric measurement model), dimana setiap variabel teramati hanya berhubungan dengan satu variabel laten. Berikut merupakan output model persamaan model pengukuran sepeda motor tipe Matic tanpa variabel moderator setelah dilakukan respesifikasi: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.74*CS, Errorvar.= 0.32 , R² = 0.63 (0.051) (0.036) 14.52 9.02 CS2 = 0.64*CS, Errorvar.= 0.46 , R² = 0.47 (0.053) (0.044) 12.03 10.44 CS3 = 0.92*CS, Errorvar.= 0.54 , R² = 0.61 (0.064) (0.054) 14.38 9.96 CS4 = 0.88*CS, Errorvar.= 0.54 , R² = 0.59 (0.063) (0.055) 14.00 9.83 CS5 = 0.78*CS, Errorvar.= 0.47 , R² = 0.56 (0.057) (0.046) 13.58 10.33 CS6 = 0.96*CS, Errorvar.= 0.49 , R² = 0.65 (0.064) (0.051) 15.08 9.53 CS7 = 0.89*CS, Errorvar.= 0.32 , R² = 0.71 (0.054) (0.034) 16.27 9.41 CS8 = 0.72*CS, Errorvar.= 0.25 , R² = 0.67 (0.046) (0.026) 15.47 9.70 OPERA1 = 0.67*OPERA, Errorvar.= 0.35 , R² = 0.56 (0.050) (0.037) 13.37 9.58



120

OPERA2 = 0.66*OPERA, Errorvar.= 0.35 , R² = 0.55 (0.050) (0.036) 13.22 9.64 OPERA3 = 0.58*OPERA, Errorvar.= 0.66 , R² = 0.34 (0.060) (0.062) 9.70 10.49 OPERA4 = 0.75*OPERA, Errorvar.= 0.44 , R² = 0.57 (0.056) (0.046) 13.41 9.56 OPERA5 = 0.67*OPERA, Errorvar.= 0.49 , R² = 0.48 (0.056) (0.048) 11.97 10.04 FUNC1 = 0.78*FUNC, Errorvar.= 0.50 , R² = 0.54 (0.060) (0.054) 12.96 9.37 FUNC2 = 0.71*FUNC, Errorvar.= 0.40 , R² = 0.56 (0.053) (0.041) 13.34 9.59 FUNC3 = 0.66*FUNC, Errorvar.= 0.32 , R² = 0.58 (0.049) (0.034) 13.62 9.52 FUNC4 = 0.68*FUNC, Errorvar.= 0.32 , R² = 0.59 (0.049) (0.033) 13.97 9.80 FUNC5 = 0.84*FUNC, Errorvar.= 0.29 , R² = 0.71 (0.052) (0.032) 16.22 9.09 RELI1 = 1.05*RELI, Errorvar.= 0.54 , R² = 0.67 (0.069) (0.061) 15.25 8.79 RELI2 = 0.84*RELI, Errorvar.= 0.42 , R² = 0.63 (0.058) (0.045) 14.53 9.39 RELI3 = 0.89*RELI, Errorvar.= 0.32 , R² = 0.71 (0.056) (0.041) 15.76 7.80 RELI4 = 0.68*RELI, Errorvar.= 0.55 , R² = 0.45 (0.058) (0.054) 11.64 10.30 RELI5 = 0.74*RELI, Errorvar.= 0.63 , R² = 0.46



121

(0.065) 11.32

(0.068) 9.25

RELI6 = 0.78*RELI, Errorvar.= 0.76 , R² = 0.45 (0.069) (0.077) 11.34 9.82 SERV1 = 0.82*SERV, Errorvar.= 0.22 , R² = 0.75 (0.049) (0.028) 16.67 7.83 SERV2 = 0.73*SERV, Errorvar.= 0.25 , R² = 0.68 (0.047) (0.028) 15.47 8.78 SERV3 = 0.79*SERV, Errorvar.= 0.34 , R² = 0.65 (0.053) (0.037) 14.87 9.12 SERV4 = 0.76*SERV, Errorvar.= 0.37 , R² = 0.61 (0.053) (0.039) 14.21 9.43 SERV5 = 0.73*SERV, Errorvar.= 0.34 , R² = 0.61 (0.051) (0.036) 14.24 9.42

Berdasarkan output model persamaan pengukuran diatas, dapat dilakukan analisis sebagai berikut : 1. Variabel laten Kepuasan Pelanggan (CS1-CS5), terbukti dapat diukur dari variabel teramati CS1 “Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini”, CS2 “Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini”, CS3 “Saya bangga dapat memiliki sepeda motor ini”, CS4 “Saya bangga saat mengendarai sepeda motor ini”, CS5 “Saya senang saat mengendarai sepeda motor ini”, CS6 “Saya bersemangat untuk mengendarai sepeda motor ini”, CS7 “Saya kagum atas kegunaan dan kualitas sepeda motor ini”, serta CS8 “Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini :



122

Tabel 4.14 Standardized Loading Factor Kepuasan Pelanggan (CS) Standardized Loading Factor Var Kepuasan Pelanggan (CS) CS1 0.79 CS2 0.68 CS3 0.78 CS4 0.77 CS5 0.75 CS6 0.81 CS7 0.84 CS8 0.82 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 63% dari variasi CS1 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 47% dari variasi CS2 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 61% dari variasi CS3 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 59% dari variasi CS4 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 56% dari variasi CS5 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 65% dari variasi CS6 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 71% dari variasi CS7 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 67% dari variasi CS8 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS). 2. Variabel laten Pemenuhan Jaminan Operasional (OPERA1-OPERA5), terbukti dapat diukur dari variabel teramati OPERA1 “Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter)”, OPERA2 “Keawetan sepeda motor dan suku cadangnya.”, OPERA3 “Kemudahaan penggunaan sepeda motor”, OPERA4 “Kemudahaan penggunaan sepeda motor”, OPERA5 “Kemudahaan penggunaan sepeda motor”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardized loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini :



123

Tabel 4.15 StandardizedLoading Factor Pemenuhan Jaminan Operasional Standardized Loading Factor Pemenuhan Jaminan Var Operasional OPERA 0.75 OPERA2 0.74 OPERA3 0.59 OPERA4 0.75 OPERA5 0.69 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 56% dari variasi OPERA1 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 55% dari variasi OPERA2 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 34% dari variasi OPERA3 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 57% dari variasi OPERA4 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 48% dari variasi OPERA5 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA).

6. Variabel laten Pemenuhan Manfaat Fungsional (FUNC1-FUNC5), terbukti dapat diukur dari variabel teramati FUNC1 “Kecepatan sepeda motor”, FUNC2 “Percepatan (tarikan) sepeda motor”, FUNC3 “Rasa aman saat mengendarai sepeda Kemampuan angkut sepeda motor”,. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.16 Standardized Loading Factor Pemenuhan Manfaat Fungsional Standardized Loading Factor Var Pemenuhan Manfaat Fungsional FUNC1 0.74 FUNC2 0.75 FUNC3 0.76 FUNC4 0.77 FUNC5 0.84



124

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 54% dari variasi FUNC1 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 56% dari variasi FUNC2 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 58% dari variasi FUNC3 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 59% dari variasi FUNC4 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 71% dari variasi FUNC5 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC). 7. Variabel laten Pemenuhan Kualitas Pelayanan (RELI1-RELI6), terbukti dapat diukur dari variabel teramati RELI1 “Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin”, RELI2 “Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari”, RELI3 “Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun”, RELI4 “Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya”, RELI5 “Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor”, RELI6 “Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.17 Standardized Loading Factor Keandalan Kendaraan Standardized Loading Factor Var Keandalan Kendaraan RELI1 0.82 RELI2 0.79 RELI3 0.84 RELI4 0.67 RELI5 0.68 RELI6 0.67 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 67% dari variasi RELI1 dapat dijelaskan oleh variasi Keandalan



125

Kendaraan (RELI), 63% dari variasi RELI2 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 71% dari variasi RELI3 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 45% dari variasi RELI4 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 46% dari variasi RELI5 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) . 45% dari variasi RELI6 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) 8. Variabel laten Pemenuhan Kualitas Pelayanan (SERV1-SERV5), terbukti dapat diukur dari variabel teramati SERV1 “Pemeliharaan”, SERV2 “Perawatan/Perbaikan sepeda motor”, SERV3 “Penggantian suku cadang”, SERV4 “Saya merasa nyaman selama memanfaatkan jasa bengkel resmi”, SERV5 “Saya merasa dihargai selama berhubungan dengan personel bengkel resmi sepeda motor yang saya gunakan”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.18 Standardized Loading Factor Kualitas Pelayanan Purna Jual Standardized Loading Factor Var Kualitas Pelayanan Purna Jual SERV1 0.87 SERV2 0.83 SERV3 0.80 SERV4 0.78 SERV5 0.78 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 75% dari variasi SERV1 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 68% dari variasi SERV2 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 65% dari variasi SERV3 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV),61% dari variasi SERV4 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV), 61% dari variasi SERV5 dapat dijelaskan oleh variasi Kualitas Pelayanan Purna Jual (SERV).



126


4.3.2 Analisis Model Struktural Setelah dilakukan analisis model pengukuran, maka selanjutnya dilakukan analisis model struktural yang dihasilkan. Berikut merupakan hasil output persamaan model struktural sepeda motor tipe Matic tanpa variabel moderator: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.74*CS, Errorvar.= 0.33 , R² = 0.62 (0.036) 9.06 CS2 = 0.64*CS, Errorvar.= 0.46 , R² = 0.47 (0.044) (0.044) 14.38 10.43 CS3 = 0.92*CS, Errorvar.= 0.53 , R² = 0.61 (0.078) (0.054) 11.77 9.96 CS4 = 0.89*CS, Errorvar.= 0.54 , R² = 0.59 (0.076) (0.055) 11.69 9.83 CS5 = 0.78*CS, Errorvar.= 0.47 , R² = 0.56 (0.066) (0.045) 11.81 10.32 CS6 = 0.96*CS, Errorvar.= 0.49 , R² = 0.65 (0.076) (0.051) 12.70 9.52 CS7 = 0.89*CS, Errorvar.= 0.32 , R² = 0.71 (0.060) (0.034) 14.68 9.39 CS8 = 0.72*CS, Errorvar.= 0.25 , R² = 0.67 (0.049) (0.026) 14.69 9.70



127

OPERA1 = 0.67*OPERA, Errorvar.= 0.35 , R² = 0.56 (0.050) (0.037) 13.37 9.58 OPERA2 = 0.66*OPERA, Errorvar.= 0.35 , R² = 0.55 (0.050) (0.036) 13.20 9.64 OPERA3 = 0.59*OPERA, Errorvar.= 0.65 , R² = 0.34 (0.060) (0.062) 9.72 10.49 OPERA4 = 0.75*OPERA, Errorvar.= 0.44 , R² = 0.56 (0.056) (0.046) 13.36 9.58 OPERA5 = 0.67*OPERA, Errorvar.= 0.48 , R² = 0.48 (0.056) (0.048) 12.01 10.02 FUNC1 = 0.77*FUNC, Errorvar.= 0.51 , R² = 0.54 (0.060) (0.054) 12.92 9.37 FUNC2 = 0.71*FUNC, Errorvar.= 0.39 , R² = 0.56 (0.053) (0.041) 13.37 9.57 FUNC3 = 0.66*FUNC, Errorvar.= 0.32 , R² = 0.58 (0.049) (0.034) 13.65 9.50 FUNC4 = 0.68*FUNC, Errorvar.= 0.32 , R² = 0.59 (0.049) (0.033) 13.97 9.80 FUNC5 = 0.84*FUNC, Errorvar.= 0.29 , R² = 0.71 (0.052) (0.032) 16.19 9.10 RELI1 = 1.05*RELI, Errorvar.= 0.53 , R² = 0.67 (0.069) (0.061) 15.26 8.70 RELI2 = 0.83*RELI, Errorvar.= 0.43 , R² = 0.61 (0.058) (0.046) 14.34 9.49 RELI3 = 0.89*RELI, Errorvar.= 0.31 , R² = 0.72 (0.056) (0.041) 15.96 7.52



128

RELI4 = 0.68*RELI, Errorvar.= 0.55 , R² = 0.46 (0.058) (0.053) 11.71 10.31 RELI5 = 0.75*RELI, Errorvar.= 0.61 , R² = 0.48 (0.065) (0.068) 11.54 8.96 RELI6 = 0.77*RELI, Errorvar.= 0.78 , R² = 0.43 (0.070) (0.079) 11.06 9.83

•

Structural Equations : 1. Sebelum Respesifikasi :

CS = 0.39*OPERA + 0.45*FUNC + 0.16*RELI - 0.057*SERV, Errorvar.= 0.15 , R² = 0.85 (0.12) (0.12) (0.072) (0.046) (0.031) 3.15 3.65 2.20 -1.26 4.79 2. Setelah Respesifikasi CS = 0.44*OPERA + 0.42*FUNC + 0.11*RELI, Errorvar.= 0.14 , R² = 0.86 (0.11) (0.11) (0.057) (0.029) 3.96 3.98 2.00 4.80 Dari uraian output diatas dapat diketahui bahwa nilai koefisien determinasi R² menunjukkan angka yang mencukupi karena mayoritas berada di atas 0.5. Berdasarkan Structural Equation diatas dapat terlihat bahwa terdapat 1 nilai hubungan struktural yang lebih memiliki t-value ≤ 1.96 yaitu hubungan antara kualitas pelayanan purna jual (SERV) dengan kepuasan pelanggan (CS) sedangkan untuk hubungan lainnya menunjukkan t-value ≥ 1.96 yang menunjukkan signifikan pengaruh antar variabel latent. Untuk melihat lebih jelas mengenai hasil model struktural ini dapat dilihat pada tabel di bawah ini: Tabel 4.19 Evaluasi Hasil Model Struktural Nilai tvalue 3.15


2 FUNC=> CS

3.65

3 RELI => CS 4 SERV => CS

No

Hubungan

1 OPERA=> CS

Kesimpulan

Keputusan

Signifikan

Terima H0

0.45

Signifikan

Tolak H0

2.2

0.16

Signifikan

Terima H0

-1.26

-0.057

Tidak Signifikan

Terima H0



129

Urutan signifikansi merupakan hal yang penting untuk dianalisis karena hal tersebut menentukan dimensi mana yang paling banyak diperhatikan oleh pelanggan dalam pengaruhnya terhadap kepuasan pelanggan. Hasil yang diperoleh pada tipe sepeda motor Matic ini tidak jauh berbeda dengan sepeda motor tipe bebek. Hasil dari tabel diatas akan dianalisis sesuai dengan urutan signifikansi sebagai berikut : 1. Hubungan antara Pemenuhan Manfaat Fungsional dengan Kepuasan Pelanggan. Nilai koefisien dari hubungan ini menunjukkan variabel Pemenuhan Manfaaf Fungsional berpengaruh secara positif dan signifikan terhadap variabel Kepuasan Pelanggan. Signifikansi variabel ini berada di urutan pertama Hal ini berarti Pemenuhan Manfaat Fungsional merupakan variabel yang paling berpengaruh diantara variabel lainya. Hasil ini juga sesuai dengan jurnal yang ditulis oleh Shao- Shaon-I Chiu et al (2011) serta penelitian Ayu Wulandari (2012). 2. Hubungan antara Pemenuhan Jaminan Operasional dengan Kepuasan Pelanggan. Seperti halnya variabel Keandalan Kendaraan, variabel Pemenuhan Jaminan operasional juga memiliki pengaruh yang signifikan terhadap kepuasan pelanggan sepeda motor bebek. Semakin besar nilai Pemenuhan Jaminan Operasional, maka semakin besar pula nilai Kepuasan pelanggan. Hal ini juga sesuai dengan penelitian Ayu Wulandari (2012). 3. Hubungan antara Keandalan Produk dengan Kepuasan Pelanggan. Hasil menunjukkan bahwa hubungan anatara Keandalan Kendaraan terhadap Kepuasan Pelanggan memiliki koefisien serta t-value yang paling besar dan berada

diatas batas kritis 1.96. Hal ini berarti Keandalan

Kendaraan paling berpengaruh terhadap nilai kepuasan pelanggan. Semakin handal kendaraan, semakin besar pengaruhnya terhadap kepuasan pelanggan. Hasil ini tidak mengagetkan karena sepeda motor bebek memang dikenal dengan keandalannya dibandingkan dengan sepeda motor Matic. Hasil ini sesuai dengan penelitian yang telah dilakukan oleh ShaonI Chiu et al (2011) serta Hindrya W.H (2011).



130

4. Hubungan antara Kualitas Pelayanan Purna Jual dengan Kepuasan Pelanggan. Berbeda dengan ketiga variabel diatas. Nilai t-value hubungan antara Kualitas Pelayanan Purna Jual dengan Kepuasan Pelanggan tidak menunjukkan signifikansi. Walaupun nilai koefisien bernilai positif tetapi variabel ini tidak berpengaruh secara signifikan terhadap Kepuasan Pelanggan. Hasil ini sesuai dengan penelitian Hindrya W.H (2011). Variabel Kualitas Pelayanan Purna Jual tidak menjadi prioritas pelanggan dalam menentukan nilai Kepuasan. Hal ini dapat disebabkan karena Kualitas Pelayanan Purna Jual diperoleh di luar produk (kendaraan). Pelanggan lebih mementingkan manfaat-manfaat yang langsung diterima dari kendaraan itu sendiri.

Gambar 4.3 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Matic tanpa Variabel Moderator



131

4.4 Analisis Model Kepuasan Pelanggan Sepeda Motor Tipe Matic dengan Variabel Moderator 4.4.1 Analisis Model Pengukuran Berikut merupakan output model persamaan model pengukuran sepeda motor tipe bebek tanpa variabel moderator setelah dilakukan respesifikasi: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.74*CS, Errorvar.= 0.32 , R² = 0.63 (0.051) 14.54

(0.036) 9.00

CS2 = 0.64*CS, Errorvar.= 0.46 , R² = 0.47 (0.053) (0.044) 12.09 10.41 CS3 = 0.92*CS, Errorvar.= 0.53 , R² = 0.62 (0.064) (0.053) 14.47 9.92

CS4 = 0.89*CS, Errorvar.= 0.53 , R² = 0.60 (0.063) (0.055) 14.14 9.77 CS5 = 0.78*CS, Errorvar.= 0.47 , R² = 0.56 (0.057) (0.045) 13.62 10.33 CS6 = 0.96*CS, Errorvar.= 0.49 , R² = 0.65 (0.064) (0.052) 15.04 9.56 CS7 = 0.89*CS, Errorvar.= 0.32 , R² = 0.71 (0.055) (0.034) 16.23 9.45 CS8 = 0.71*CS, Errorvar.= 0.26 , R² = 0.67 (0.046) (0.026) 15.41 9.70 OPERA1 = 0.67*OPERA, Errorvar.= 0.36 , R² = 0.56 (0.050) (0.037) 13.32 9.62



132

OPERA2 = 0.66*OPERA, Errorvar.= 0.35 , R² = 0.55 (0.050) (0.036) 13.21 9.66 OPERA3 = 0.59*OPERA, Errorvar.= 0.65 , R² = 0.35 (0.060) (0.062) 9.85 10.47 OPERA4 = 0.75*OPERA, Errorvar.= 0.45 , R² = 0.56 (0.056) (0.046) 13.26 9.65 OPERA5 = 0.67*OPERA, Errorvar.= 0.48 , R² = 0.49 (0.056) (0.048) 12.11 10.02 FUNC1 = 0.78*FUNC, Errorvar.= 0.50 , R² = 0.55 (0.060) (0.053) 13.11 9.32 FUNC2 = 0.72*FUNC, Errorvar.= 0.39 , R² = 0.57 (0.053) (0.041) 13.47 9.55 FUNC3 = 0.66*FUNC, Errorvar.= 0.32 , R² = 0.58 (0.049) (0.034) 13.67 9.51 FUNC4 = 0.68*FUNC, Errorvar.= 0.32 , R² = 0.59 (0.049) (0.033) 13.91 9.83 FUNC5 = 0.84*FUNC, Errorvar.= 0.29 , R² = 0.71 (0.052) (0.032) 16.18 9.18 RELI1 = 1.05*RELI, Errorvar.= 0.53 , R² = 0.68 (0.069) (0.061) 15.34 8.63 RELI2 = 0.84*RELI, Errorvar.= 0.42 , R² = 0.63 (0.058) (0.044) 14.62 9.39 RELI3 = 0.88*RELI, Errorvar.= 0.33 , R² = 0.70 (0.057) (0.042) 15.54 7.88 RELI4 = 0.67*RELI, Errorvar.= 0.56 , R² = 0.44 (0.058) (0.054) 11.48 10.37



133

RELI5 = 0.77*RELI, Errorvar.= 0.58 , R² = 0.50 (0.064) (0.066) 11.89 8.84 RELI6 = 0.78*RELI, Errorvar.= 0.77 , R² = 0.44 (0.069) (0.078) 11.22 9.83 KNOW1 = 0.94*KNOW, Errorvar.= 0.11 , R² = 0.89 (0.050) (0.034) 18.62 3.36 KNOW2 = 0.85*KNOW, Errorvar.= 0.17 , R² = 0.81 (0.049) (0.031) 17.36 5.53 KNOW3 = 0.48*KNOW, Errorvar.= 0.49 , R² = 0.32 (0.051) (0.046) 9.40 10.70 KNOW4 = 0.53*KNOW, Errorvar.= 0.74 , R² = 0.27 (0.062) (0.069) 8.52 10.79 DISC1 = 0.92*DISC, Errorvar.= 0.44 , R² = 0.66 (0.064) (0.059) 14.46 7.43 DISC2 = 0.85*DISC, Errorvar.= 0.63 , R² = 0.54 (0.068) (0.069) 12.61 9.03 DISC3 = 0.92*DISC, Errorvar.= 0.29 , R² = 0.75 (0.059) (0.050) 15.75 5.75 DISC4 = 0.48*DISC, Errorvar.= 0.54 , R² = 0.30 (0.055) (0.052) 8.81 10.36

Berdasarkan output model persamaan pengukuran diatas, dapat dilakukan analisis sebagai berikut: 1. Variabel laten Kepuasan Pelanggan (CS1-CS5), terbukti dapat diukur dari variabel teramati CS1 “Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini”, CS2 “Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini”, CS3 “Saya bangga dapat memiliki sepeda motor ini”, CS4 “Saya bangga saat



134

mengendarai sepeda motor ini”, CS5 “Saya senang saat mengendarai sepeda motor ini”, CS6 “Saya bersemangat untuk mengendarai sepeda motor ini”, CS7 “Saya kagum atas kegunaan dan kualitas sepeda motor ini”, serta CS8 “Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini :

Tabel 4.20 Standardized Loading Factor Kepuasan Pelanggan (CS) Standardized Loading Factor Var Kepuasan Pelanggan (CS) CS1 0.79 CS2 0.69 CS3 0.79 CS4 0.77 CS5 0.75 CS6 0.81 CS7 0.84 CS8 0.82 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 63% dari variasi CS1 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 47% dari variasi CS2 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 62% dari variasi CS3 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 60% dari variasi CS4 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 56% dari variasi CS5 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 65% dari variasi CS6 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 71% dari variasi CS7 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS), 67% dari variasi CS8 dapat dijelaskan oleh variasi Kepuasan Pelanggan (CS). 2. Variabel laten Pemenuhan Jaminan Operasional (OPERA1-OPERA5), terbukti dapat diukur dari variabel teramati OPERA1 “Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter)”, OPERA2 “Keawetan sepeda motor dan suku cadangnya.”, OPERA3 “Kemudahaan penggunaan sepeda



135

motor”, OPERA4 “Kemudahaan penggunaan sepeda motor”, OPERA5 “Kemudahaan penggunaan sepeda motor”. Hal ini terlihat dari nilai tvalue yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.21 Standardized Loading Factor Pemenuhan Jaminan Operasional Standardized Loading Factor Pemenuhan Jaminan Var Operasional OPERA 0.75 OPERA2 0.74 OPERA3 0.59 OPERA4 0.75 OPERA5 0.70 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 56% dari variasi OPERA1 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 55% dari variasi OPERA2 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 35% dari variasi OPERA3 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 56% dari variasi OPERA4 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 49% dari variasi OPERA5 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA).

3. Variabel laten Pemenuhan Manfaat Fungsional (FUNC1-FUNC5), terbukti dapat diukur dari variabel teramati FUNC1 “Kecepatan sepeda motor”, FUNC2 “Percepatan (tarikan) sepeda motor”, FUNC3 “Rasa aman saat mengendarai sepeda Kemampuan angkut sepeda motor”,. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini :



136

Tabel 4.22 Standardize Loading Factor Pemenuhan Manfaat Fungsional Standardized Loading Factor Var Pemenuhan Manfaat Fungsional FUNC1 0.74 FUNC2 0.75 FUNC3 0.76 FUNC4 0.77 FUNC5 0.84 Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 55% dari variasi FUNC1 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 57% dari variasi FUNC2 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 58% dari variasi FUNC3 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 59% dari variasi FUNC4 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC), 71% dari variasi FUNC5 dapat dijelaskan oleh variasi Pemenuhan Manfaat Fungsional (FUNC). 4. Variabel laten Pemenuhan Keandalan Kendaraan

(RELI1-RELI6),

terbukti dapat diukur dari variabel teramati RELI1 “Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin”, RELI2 “Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari”, RELI3 “Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun”, RELI4 “Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya”, RELI5 “Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor”, RELI6 “Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.23 Standardized Loading Factor Keandalan Kendaraan Standardized Loading Factor Var Keandalan Kendaraan RELI1 0.82



137

RELI2 RELI3 RELI4 RELI5 RELI6

0.79 0.84 0.67 0.71 0.66

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 68% dari variasi RELI1 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 63% dari variasi RELI2 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI),70% dari variasi RELI3 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 44% dari variasi RELI4 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI), 50% dari variasi RELI5 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) . 44% dari variasi RELI6 dapat dijelaskan oleh variasi Keandalan Kendaraan (RELI) 5. Variabel laten Pengetahuan Operasional (KNOW1-KNOW4), terbukti dapat diukur dari variabel teramati KNOW1 “Saya mampu menjelaskan cara mengendarai sepeda motor secara baik dan benar”, KNOW2 “Saya mampu menjelaskan syarat keterampilan yang perlu dimiliki oleh pengendara”, KNOW3 “Saya memiliki keterampilan memadai untuk mengendarai”, KNOW4 “Saya berusaha mengendarai dengan cara yang baik dan benar”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 seperti tabel di bawah ini : Tabel 4.24 Standardize Loading Factor Pemenuhan Jaminan Operasional Standardized Loading Factor Var Pengetahuan Operasional KNOW1

0.94

KNOW2 KNOW3

0.90 0.57

KNOW4

0.52

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 89% dari variasi KNOW1 dapat dijelaskan oleh variasi Pengetahuan Operasional (KNOW), 81% dari variasi KNOW2 dapat dijelaskan oleh



138

variasi Pemenuhan Jaminan Operasional (OPERA), 32% dari variasi KNOW3 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA), 27% dari variasi KNOW4 dapat dijelaskan oleh variasi Pemenuhan Jaminan Operasional (OPERA). 6. Variabel laten Disiplin Operasional (DISC1-DISC4), terbukti dapat diukur dari variabel teramati DISC1 “Saya mampu menyebutkan jadwal dan jenis kegiatan pemeliharaan dan perawatan secara lengkap”, DISC2 “Saya mampu membiayai semua jenis kegiatan pemeliharaan dan perawatan tersebut”, DISC3 “Saya berusaha menepati jadwal dan jenis kegiatan tersebut”, DISC4 “Saya berusaha menaati batas kemampuan angkut kendaraan dengan baik”. Hal ini terlihat dari nilai t-value yang lebih besar dari batas kritis 1,96 dan standardize loading factor yang lebih besar dari 0.5 atau 0.3 seperti tabel di bawah ini : Tabel 4.25 Standardized Loading Factor Disiplin Operasional Standardized Loading Factor Var Disiplin Operasional DISC1 DISC2

0.81 0.79

DISC3

0.86

DISC4

0.33

Berdasarkan nilai R² (koefisien determinasi) dapat terlihat bahwa 66% dari variasi DISC1 dapat dijelaskan oleh variasi Disiplin Operasional (DISC), 54% dari variasi DISC2 dapat dijelaskan oleh variasi Disiplin Operasional (DISC), 75% dari variasi DISC3 dapat dijelaskan oleh variasi Disiplin Operasional (DISC), 30% dari variasi DISC4 dapat dijelaskan oleh variasi Disiplin Operasional (DISC).




139

4.4.2 Analisis Model Struktural Berikut merupakan output model persamaan model pengukuran sepeda motor tipe bebek dengan variabel moderator setelah dilakukan respesifikasi: LISREL Estimates (Maximum Likelihood) Measurement Equations CS1 = 0.73*CS, Errorvar.= 0.33 , R² = 0.62 (0.036) 9.24 CS2 = 0.64*CS, Errorvar.= 0.46 , R² = 0.47 (0.044) (0.044) 14.41 10.47 CS3 = 0.92*CS, Errorvar.= 0.53 , R² = 0.61 (0.078) (0.053) 11.81 10.03 CS4 = 0.88*CS, Errorvar.= 0.55 , R² = 0.59 (0.075) (0.055) 11.73 9.93 CS5 = 0.79*CS, Errorvar.= 0.44 , R² = 0.59 (0.066) (0.043) 12.00 10.26 CS6 = 0.97*CS, Errorvar.= 0.47 , R² = 0.66 (0.075) (0.050) 12.82 9.52 CS7 = 0.88*CS, Errorvar.= 0.33 , R² = 0.71 (0.060) (0.034) 14.61 9.53 CS8 = 0.72*CS, Errorvar.= 0.25 , R² = 0.67 (0.049) (0.026) 14.70 9.77

OPERA1 = 0.69*OPERA, Errorvar.= 0.33 , R² = 0.59 (0.050) (0.035) 13.87 9.52 OPERA2 = 0.66*OPERA, Errorvar.= 0.34 , R² = 0.56 (0.049) (0.035) 13.45 9.69



140

OPERA3 = 0.57*OPERA, Errorvar.= 0.67 , R² = 0.33 (0.060) (0.063) 9.51 10.57 OPERA4 = 0.74*OPERA, Errorvar.= 0.46 , R² = 0.54 (0.056) (0.047) 13.10 9.81 OPERA5 = 0.66*OPERA, Errorvar.= 0.49 , R² = 0.47 (0.056) (0.048) 11.93 10.15 FUNC1 = 0.77*FUNC, Errorvar.= 0.50 , R² = 0.55 (0.059) (0.052) 13.07 9.49 FUNC2 = 0.71*FUNC, Errorvar.= 0.39 , R² = 0.56 (0.053) (0.040) 13.46 9.67 FUNC3 = 0.67*FUNC, Errorvar.= 0.33 , R² = 0.58 (0.049) (0.034) 13.77 9.61 FUNC4 = 0.68*FUNC, Errorvar.= 0.32 , R² = 0.59 (0.049) (0.033) 14.04 9.87 FUNC5 = 0.84*FUNC, Errorvar.= 0.29 , R² = 0.71 (0.052) (0.032) 16.22 9.29 RELI1 = 1.05*RELI, Errorvar.= 0.53 , R² = 0.68 (0.068) (0.060) 15.36 8.74 RELI2 = 0.82*RELI, Errorvar.= 0.45 , R² = 0.60 (0.058) (0.046) 14.22 9.73 RELI3 = 0.89*RELI, Errorvar.= 0.32 , R² = 0.71 (0.056) (0.041) 15.81 7.75 RELI4 = 0.67*RELI, Errorvar.= 0.56 , R² = 0.45 (0.058) (0.054) 11.57 10.44 RELI5 = 0.78*RELI, Errorvar.= 0.56 , R² = 0.52 (0.064) (0.064) 12.26 8.70 RELI6 = 0.79*RELI, Errorvar.= 0.75 , R² = 0.45



141

(0.069) 11.44

(0.077) 9.78

KNOWL1 = 1.00*KNOWOPER,, R² = 1.00 KNOWL2 = 1.00*KNOWFUNC,, R² = 1.00 KNOWL3 = 1.00*KNOWRELI,, R² = 1.00 DISCIP1 = 1.00*DISCOPER,, R² = 1.00 DISCIP2 = 1.00*DISCFUNC,, R² = 1.00 DISCIP3 = 1.00*DISCRELI,, R² = 1.00

•

Structural Equation

CS = 0.45*OPERA + 0.43*FUNC + 0.077*RELI + 0.097*KNOWOPERA + (0.13) (0.12) (0.058) (0.092) 3.55 3.51 1.33 1.06 0.029*KNOWFUNC - 0.11*KNOWRELI + 0.29*DISCOPERA (0.092) (0.049) (0.087) 0.32 -2.30 3.31 - 0.11*DISCFUNC - 0.14*DISCRELI, Errorvar.= 0.12 , R² = 0.88 (0.075) (0.071) (0.026) -1.44 -2.01 4.50 Dari uraian output diatas dapat diketahui bahwa nilai koefisien determinasi R² menunjukkan angka yang mencukupi karena mayoritas berada di atas 0.5. Berdasarkan Structural Equation diatas dapat terlihat bahwa terdapat 4 nilai hubungan struktural yang lebih memiliki t-value ≤ 1.96 yaitu hubungan antara variabel interaksi KNOWFUNC => CS, DISCFUNC => CS, KNOWOPERA => CS, RELI => CS sedangkan untuk hubungan lainnya menunjukkan t-value ≥ 1.96 yang menunjukkan signifikan pengaruh antar variabel latent. Untuk melihat lebih jelas mengenai hasil model struktural ini dapat dilihat pada tabel di bawah ini:



142

Tabel 4.26 Evaluasi Hasil Model Struktural Nilai t-value 3.55


2 FUNC=> CS

3.51

0.43

3 RELI=> CS

1.33

0.077

4 KNOWOPERA=> CS

1.06

0.097

5 KNOWFUNC => CS

0.32

0.092

6 KNOWRELI => CS

-2.30

-0.11

7 DISCOPERA=> CS

3.31

0.29

8 DISCFUNC => CS

-1.44

-0.11

9 DISCRELI => CS

-2.01

-0.14

No

Hubungan

1 OPERA=> CS

Kesimpulan Keputusan Signifikan

Terima H0

Signifikan Tidak Signifikan Tidak Signifikan Tidak Signifikan Signifikan

Terima H0

Signifikan Tidak Signifikan Signifikan

Terima H0

Tolak H0 Tolak H0 Tolak H0 Terima H0

Tolak H0 Terima H0

Berdasarkan tabel diatas dapat dilakukan analisis sebagai berikut: Dengan adanya variabel moderator yang membentuk interaksi dengan variabel independen yang diuji menyebabkan urutan signifikansi variabel independen berubah sebagai berikut: 1. Hubungan antara Pemenuhan Jaminan Operasional dengan Kepuasan Pelanggan. Pada model ke-4 ini, variabel Pemenuhan Jaminan Operasional memiliki pengaruh terbesar terhadap Kepuasan Pelanggan. Urutan signifikansi variabel ini berubah dari urutan ke-2 menjadi urutan pertama. Signifikansi variabel ini diperkuat oleh interaksi yang dibentuk dengan variabel moderator Pengetahuan Operasional (DISCOPERA) yang memiliki nilai koefisien 0.29 dan t-value 3.31. Semakin tinggi disiplin operasional pengguna sepeda motor dapat meningkatkan manfaat operasional sepeda motor seperti keawetan sepeda motor dan suku cadanganya, keawetan bahan bakar serta kemudahaan penggunaan dan pemeliharaan sepeda motor.



143

2. Hubungan antara Pemenuhan Manfaat Fungsional dengan Kepuasan Pelanggan. Urutan signifikansi variabel Pemenuhan Manfaat Fungsional berubah dari urutan pertama menjadi urutan kedua. Hal ini disebabkan karena interaksi dengan variabel moderator Pengetahuan Operasional maupun Disiplin Operasional tidak mempengaruhi hubungan antara Manfaat Fungsioanl dengan Kepuasan Pelanggan. Hal ini dapat dilihat dari tabel diatas dimana pengaruh KNOWFUNC dan DISCFUNC tidak signifikan. 3. Hubungan antara Keandalan Kendaraan dengan Kepuasan Pelanggan Variabel ini tetap berada di urutan signifikansi ketiga karena interaksi variabel dengan variabel moderator justru memperlemah hubungannya dengan Kepuasan Pelanggan. Hal ini dapat dilihat dari nilai koefisien dan t-value dari variabel KNOWRELI dan DISCRELI yang bertanda negatif. Dengan adanya Pengetahuan Operasional serta Disiplin Operasional yang baik dari pengguna sepeda motor, maka dapat memperlemah pengaruh Keandalan terhadap Kepuasan Pelanggan. Hal ini mengindikasikan bahwa sepeda motor dikatakan handal oleh pengguna ketika tidak harus memerlukan pengetahuan dan disiplin operasional yang baik. Ketika keandalan kendaraan dicapai dengan membutuhkan pengetahuan dan disiplin operasional dari penggunanya, sepeda motor tersebut tidak lagi dikatakan handal oleh pengguna. Sehingga keandalan kendaraaan tidak isiplin lagi menjadi prioritas untuk mencapai kepuasan pelanggan. 4. Variabel moderator Disiplin Operasional dan Pengetahuan Operasional dapat memperlemah maupun memperkuat hubungan antara variabel independen dengan variabel dependen. Oleh karena itu, sebaiknya hal ini harus mendapatkan perhatian lebih dari perusahaan sepeda motor.



144

Gambar 4.4 Model Akhir Kepuasan Pelanggan Sepeda Motor Tipe Matic dengan Variabel Moderator 4.5 Rangkuman Hasil Penelitian 4.5.1 Hasil Penelitian Sepeda Motor Bebek A. Tanpa Variabel Moderator Sebelum Respesifikasi: CS = 0.34*RELI + 0.17*OPERA + 0.17*FUNC + 0.13*SERV, R² = 0.44 Setelah Respesifikasi: CS = 0.36*RELI + 0.23*OPERA + 0.20*FUNC, R² = 0.42

B. Dengan Variabel Moderator CS = 0.31*OPERA + 0.30*RELI + 0.22*FUNC + 0.30*KNOWOPER - 0.14*KNOWFUNC - 0.12*KNOWRELI - 0.045*DISCOPER + 0.041*DISCRELI - 0.034*DISCFUNC, R² = 0.55



145

4.5.2 Hasil Penelitian Sepeda Motor Matic A. Tanpa Variabel Moderator Sebelum Respesifikasi: CS = 0.45*FUNC + 0.39*OPERA + 0.16*RELI - 0.057*SERV, R² = 0.85 Setelah Respesifikasi: CS = 0.44*FUNC + 0.42*OPERA + 0.11*RELI, R² = 0.86 B. Dengan Variabel Moderator CS = 0.45*OPERA+ 0.43*FUNC + 0.29*DISCOPERA - 0.14*DISCRELI - 0.11*KNOWRELI - 0.11*DISCFUNC + 0.097*KNOWOPERA + 0.077*RELI + 0.029*KNOWFUNC, R² = 0.88 Tabel 4.27 Perbandingan Hasil Sepeda Motor Bebek dan Matic

Keterangan: FUNC: Pemenuhan Manfaat Fungsional OPERA: Pemenuhan Jaminan Operasional RELI: Keandalan Kendaraan SERV: Kualitas Pelayanan Purna Jual KNOW: Pengetahuan Operasional DISC: Disiplin Operasional KNOWFUNC: Pengetahuan Operasional*Pemenuhan Manfaat Fungsional



146

KNOWOPERA: Pengetahuan Operasional*Pemenuhan Jaminan Operasional KNOWRELI: Pengetahuan Operasional*Keandalan Kendaraan DISCFUNC: Disiplin Operasional*Pemenuhan Manfaat Fungsional DISCOPERA: Disiplin Operasional*Pemenuhan Jaminan Operasional DISCRELI: Disiplin Operasional*Keandalan Kendaraan

4.5.3 Urutan Signifikansi Sepeda Motor Bebek Tabel 4.28 Urutan Signifikansi Sepeda Motor Bebek Kode

Indikator Variabel Laten Keandalan Kendaraan

RELI2 RELI3

Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari. Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun.

RELI1

Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin.

RELI4

Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya.

RELI5

Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor.

RELI6

Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai.

Kode

Indikator Variabel Laten Jaminan Operasional

OPERA3 OPERA1 OPERA2 OPERA4 OPERA5 Kode FUNC1 FUNC4 FUNC3 FUNC2 FUNC5 Kode

SERV5 SERV2 SERV1 SERV4 SERV3

Kemudahaan penggunaan sepeda motor. Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter). Keawetan sepeda motor dan suku cadangnya. Kemudahaan penggunaan sepeda motor. Kemudahan memperoleh layanan perawatan sepeda motor. Indikator Variabel Laten Manfaat Fungsional Kecepatan sepeda motor Rasa nyaman saat mengendarai sepeda motor. Rasa aman saat mengendarai sepeda motor. Percepatan (tarikan) sepeda motor. Kemampuan angkut sepeda motor. Indikator Variabel Laten Kualitas Pelayanan Purna Jual Rasa dihargai selama berhubungan dengan personel bengkel resmi sepeda motor yang saya gunakan. Perawatan/Perbaikan sepeda motor. Pemeliharaan. Kenyaman yang diperoleh selama memanfaatkan jasa bengkel resmi. Penggantian suku cadang.



147

Kode Indikator Variabel Laten Pengetahuan dan Disiplin Operasional KNOW1 Saya mampu menjelaskan cara mengendarai sepeda motor secara baik dan benar. KNOW2 Saya mampu menjelaskan syarat keterampilan yang perlu dimiliki oleh pengendara. KNOW4 Saya berusaha mengendarai dengan cara yang baik dan benar. KNOW3 Saya memiliki keterampilan memadai untuk mengendarai DISC4 Saya berusaha menaati batas kemampuan angkut kendaraan dengan baik DISC3 Saya berusaha menepati jadwal dan jenis kegiatan tersebut DISC1 DISC2 Kode CS3 CS4 CS6 CS5 CS1 CS7 CS8 CS2

Saya mampu menyebutkan jadwal dan jenis kegiatan pemeliharaan dan perawatan secara lengkap Saya mampu membiayai semua jenis kegiatan pemeliharaan dan perawatan tersebut. Indikator Variabel Laten Kepuasan Pelanggan Saya bangga dapat memiliki sepeda motor ini Saya bangga saat mengendarai sepeda motor ini Saya bersemangat untuk mengendarai sepeda motor ini Saya senang saat mengendarai sepeda motor ini Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini. Saya kagum atas kegunaan dan kualitas sepeda motor ini Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini.

4.5.4 Urutan Signifikansi Sepeda Motor Matic Tabel 4.29 Urutan Signifikansi Sepeda Motor Matic Kode

Indikator Variabel Laten Manfaat Fungsional dan Jaminan Operasional

FUNC5

Kemampuan angkut sepeda motor.

FUNC1

Kecepatan sepeda motor

FUNC2

Percepatan (tarikan) sepeda motor.

FUNC4

Rasa nyaman saat mengendarai sepeda motor.

FUNC3

Rasa aman saat mengendarai sepeda motor.

OPERA1 Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter). OPERA2 Keawetan sepeda motor dan suku cadangnya. OPERA5 Kemudahan memperoleh layanan perawatan sepeda motor. OPERA3 Kemudahaan penggunaan sepeda motor. Kode RELI1 RELI3 RELI2

Indikator Variabel Laten Keandalan Kendaraan Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin. Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun. Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari.



148

RELI6 RELI5 RELI4 Kode KNOW1 KNOW2

Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai. Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor. Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya. Indikator Variabel Laten Pengetahuan dan Disiplin Operasional

KNOW4 KNOW3 DISC3

Saya mampu menjelaskan cara mengendarai sepeda motor secara baik dan benar. Saya mampu menjelaskan syarat keterampilan yang perlu dimiliki oleh pengendara. Saya berusaha mengendarai dengan cara yang baik dan benar. Saya memiliki keterampilan memadai untuk mengendarai Saya berusaha menepati jadwal dan jenis kegiatan tersebut

DISC1 DISC2 DISC4 Kode

Saya mampu menyebutkan jadwal dan jenis kegiatan pemeliharaan dan perawatan secara lengkap Saya mampu membiayai semua jenis kegiatan pemeliharaan dan perawatan tersebut. Saya berusaha menaati batas kemampuan angkut kendaraan dengan baik Indikator Variabel Laten Kepuasan Pelanggan

CS6 CS3 CS4 CS7 CS5 CS1

CS8 CS2

Saya bersemangat untuk mengendarai sepeda motor ini Saya bangga dapat memiliki sepeda motor ini Saya bangga saat mengendarai sepeda motor ini Saya kagum atas kegunaan dan kualitas sepeda motor ini Saya senang saat mengendarai sepeda motor ini Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini. Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini.



BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil penelitian dapat diperoleh kesimpulan sebagai berikut: A. Sepeda Motor Bebek : 1. Variabel yang paling berpengaruh secara signifikan terhadap Kepuasaan Pelanggan sepeda motor bebek adalah Variabel Keandalan Kendaraan, diikuti dengan Variabel Pemenuhan Jaminan Operasional dan serta Variabel Pemenuhan Manfaat Fungsional. 2. Variabel Kualitas Pelayanan Purna jual tidak berpengaruh secara signifikan terhadap Kepuasaan Pelanggan sepeda motor bebek. 3. Variabel Moderator Pengetahuan Operasional memperkuat pengaruh Variabel Pemenuhan Jaminan Operasional terhadap Kepuasan Pelanggan. 4. Variabel Moderator Pengetahuan Operasional dapat memperlemah pengaruh Variabel Pemenuhan Manfaat Fungsional terhadap Kepuasan Pelanggan. 5. Dengan adanya Variabel Moderator Pengetahuan Operasional serta Disiplin Operasional menyebabkan urutan signifikansi variabel berubah menjadi: Pemenuhan Jaminan Operasional, Keandalan Kendaraan dan Pemenuhan Manfaat Fungsional.

B. Sepeda Motor Matic : 1. Variabel yang paling berpengaruh secara signifikan terhadap Kepuasan Pelanggan sepeda motor matic adalah Variabel Pemenuhan Manfaat Fungsional diikuti oleh Variabel Pemenuhan Jaminan Operasional serta Variabel Keandalan Kendaraan. 2. Seperti halnya sepeda motor bebek, Variabel Kualitas Pelayanan Purna jual tidak berpengaruh secara signifikan terhadap Kepuasaan Pelanggan sepeda motor matic. 3. Variabel Moderator Pengetahuan Operasional memperlemah pengaruh Variabel Keandalan Kendaraan terhadap Kepuasan Pelanggan.


149


150

4. Variabel Moderator Disiplin Operasional dapat memperlemah pengaruh Variabel Keandalan Kendaraan terhadap Kepuasan Pelanggan. 5. Variabel Moderator Disiplin Operasional dapat memperkuat pengaruh Variabel Pemenuhan Jaminan Operasional terhadap Kepuasan Pelanggan. 6. Dengan adanya Variabel Moderator Pengetahuan Operasional serta Disiplin Operasional menyebabkan urutan signifikansi variabel berubah menjadi:

Pemenuhan

Jaminan

Operasional,

Pemenuhan

Manfaat

Fungsional serta Keandalan Kendaraan.

5.2 Saran Beberapa saran yang dapat diberikan pada penelitian kali ini adalah: 1. Penelitian ini dapat digunakan oleh perusahaan sepeda motor sebagai bahan pertimbangan dalam meningkatkan kepuasan pelanggan sepeda motor. 2. Variabel

Moderator

Operasional

dapat

Disiplin

Operasional

mempengaruhi

dan

hubungan

Pengetahuan

antara

variabel

independen yang diuji terhadap variabel dependen. Oleh karena itu, sebaiknya variabel ini dipelajari lebih lanjut oleh perusahaan. Pada sepeda

motor

bebek

sebaiknya

perusahaan

memperhatikan

peningkatan pengetahuan operasional pengguna karena berpengaruh terhadap peningkatan hubungan antara variabel pemenuhan jaminan operasional terhadap kepuasan pelanggan. Sedangkan, pada sepeda motor matic sebaiknya perusahaan meningkatkan disiplin operasional pengguna karena dapat memperkuat hubungan antara variabel pemenuhan jaminan operasional dengan kepuasan pelanggan. 3. Penelitian ini hanya melihat beberapa variabel yang berkaitan dengan kepuasan pelanggan sepeda motor. Oleh karena itu, model ini masih dapat dikembangkan dengan menambahkan variabel-variabel baru untuk melihat pengaruhnya terhadap kepuasan pelanggan. 4. Pemilihan sampel responden sangat menentukan hasil penelitian. Penelitian ini memiliki keterbatasan dalam hal ruang lingkup responden. Responden hanya mencakup pelanggan sepeda motor di



151

wilayah Jabodetabek. Akan lebih baik, jika ruang lingkup wilayah responden yang ambil lebih luas mengingat sepeda motor digunakan di seluruh penjuru Indonesia sehingga akan lebih mewakili persepsi pelanggan.



152

DAFTAR REFERENSI

Bednar, David A., and Reeves, Carol A. (1994). “Defining Quality : Alternatives and Implications”. Academy of Management Review 1994, Vol. 19, o. 3, 419-445 Chiu,Shao-I., dkk. (2011).”Preliminary Research on Customer Satisfaction Models in Taiwan : A Case Study from the Automobile Industry.” Expert System with Application 38 (2011) 9780-9787 Claes Fornell, ‘ A National Customer Satisfaction Barometer: The Swedish Experince”, Journal of Marketing , Chicago,1992.VOL.56.Iss Conklin, Michael. (2004). “Customer Satisfaction Analysis : Identification of Key Drivers”. European Journal of Operational Research, 2004, 154/3, 819827 Eboli, Laura., and Mazulla, Gabriella. (2009). “A New Customer Satisfaction Index for Evaluating Transit Service Quality”. Journal of Public Transportation, Vol. 122, No. 3, 2009 Fletcher, T. D., Selgrade, K. A., &Germano, L. M. (2006).”On The Use of Partial Covariances in Structural Equation Modelling”.21th Annual Conference of The Society for Industrial and Organizational Psychology, Dallas, TX. Hanif,Muzammil.,dkk.

(2010).

“Factors

Affecting

Customer

Satisfaction”.International Research Journal of Finance and Economics ISSN 1450-2887 Issue 60 (2010) Hindriya Widhi Hastomo.Pengembangan Model Prioritas Penngelolaan VariabelVariabel Keandalan dan Kualitas Pelayanan Purna Jual dengan memperhatikan Pengetahuan dan Disiplin Operasional pengguna sepeda motor. Hisyam, Ahmad. (2009). “Aplikasi Metode Structural Equation Modellingdengan LISREL 8.54

(EdisiKedua).”Olah

Data

Konsultan

Statistik

dan

Pengolahan Data. Hurt, H. H., Jr,.(1981). “Motorcycle Accident Cause Factors and Identification of Countermeasures Vol.I : Technical Report”. National Information Service, Springfield, Virginia.


153

Jianfeng, Luo.,dkk. (2010). “A Model on Customer Satisfaction Degree Evaluation of Third Party Logistics.”2010 International Conference of Information Science and Management Engineering J, Supranto. 2000. Statistik (Teori dan Aplikasi). 6 ed. Jakarta, Erlangga. J, Supranto. 2006. Pengukuran Tingkat Kepuasan Pelanggan untuk Menaikkan Pangsa Pasar. Jakarta, PT. Rineka Cipta. Juliandi, Azuar. (2007). “Pengolahan Data Penelitian Menggunakan SPSS: Korelasi dan Regresi”. http://www.azuarjuliandi.com Kotler, Philip. 2002. Manajemen Pemasaran, Edisi Milenium. Jakarta,Prehallindo. Kotler, Philip. 2003. Marketing Insights From A to Z. New Jersey, John Wiley &Sons. Kotler, Philip. 2003, Manajemen Pemasaran. 11 ed. Jakarta, Indeks. Kotler, Philip dan Armstrong Gary. 1996. Dasar-Dasar Pemasaran. 6 ed. Jakarta,Intermedia. Kusumawati.(2008).

“Customer

Perceived

Value

dan

Hubungan

serta

Pengaruhnya Terhadap Loyalitas Pelanggan”.Jurnal Bisnis & Manajemen Maret 2008 Vol. IX No. 1, Hal. 50-61 Liana, Lie.(2009). “Penggunaan MRA dengan SPSS untuk Menguji Pengaruh Variabel Moderating terhadap Hubungan antara Variabel Independen dan Variabel Dependen”.Jurnal Teknologi Informasi DINAMIK Volume XIV, No.2, Juli2009 : 90-97 Lio, Kun-Hai., dan Hsieh, Ming-Fang. (2011). “Statistic Exploring the Casual Relationship

between

Service

Quality,

Brand

Image,

Customer

Satisfaction and Customer Loyalty on the Leisure Resort Industry”.The 2nd International Research Symposium in Service Management. Little, Todd D., dkk.(2007). “Structural Equation Modelling of Mediation and Moderation With Contextual Factors”.Chapter9 Little page 207 Luis Vieira, Armando. (2011). “Interactive LISREL in Practice : Getting Started with a SIMPLIS Approach.”Portugal :Springer Brief in Statistic. Mc. Carthy, Jerome E., and Perreault, William D. Jr., 1993, “Basic Marketing, A Managerial Aproach”, Richard D. Irwin, Inc. Illinois.


154

Melati (2011). CRM di Rumah Sakit: Analisis Pengaruh Dimensi Pelayanan Terhadap Kepuasan dan Loyalitas Pasien di RSUP Fatmawati dengan SEM. Teknik Industri Universitas Indonesia. Mulyana, Deddy, 2002. Metode Penelitian Kualitatif. Bandung, PT. Remaja Rosdakarya. Nag, Biswajit.,dkk. (2007). “Changing Features of the Automobile Industry in Asia: Comparizon of Production, Trade and Market Structure in Selected Countries”. Asia-Pacific Research and Training Network on Trade Working Paper Series, No. 37, July 2007 Naik, CN Khrisna,.dkk. (2010). “Service Quality (Servqual) and its Effect on Customer Satisfaction in Retailling”.European Journal of Social Sciences vol. 16, Number 2 (2010) Rossomme, Jeanne. (2003). “Customer Satisfaction Measurement in a Businessto-Business Context: A Conceptual Framework”. Journal of Business & Industrial Marketing, Vol. 18 No. 2 2003, pp. 179-195 Sekaran, U. (2003). Research Methods For Business: A Skill Building Approach .

New York: John Wiley & Sons.

Shaharudin, MohdRizaimy., dkk. (2011). “The Relationship Between Product Quality and Purchase Itention : Motorcycle/Scooter Manufacturer”.

The Case of Malaysia’s National African Journal of Business

Management Vol. 5(20), pp. 8163-8176, 16 September 2011 Tjiptono, Fandi. 2002. Manajemen Jasa. 2 ed. Yogyakarta, Andi Offset, Tjiptono, Fandi. 1998, Strategi Pemasaran. Yogyakarta, Andi Offset. Tjiptono, Fandy. 2008. Service Management: Mewujudkan Layanan Prima. Yogyakarta, Andi Offset Triwidiastuti, Sri Enny. (2008). “Kajian PerbandinganMetodologi Customer Satisfaction Index Indonesia dan Negara Lain”.Jurnal Organisasi dan Manajemen, Volume 4, Nomor 2, September 2008,85-99 Umar, Husein. 2002. Riset Pemasaran dan Perilaku Konsumen. Jakarta, PT.Gramedia Pustaka Utama. Umar, Husein. 2003. Metode Riset Bisnis. 2 ed. Jakarta, PT.Gramedia Pustaka Utama.


155

Wang, I-Ming. (2006). “The Relationship between Service Quality and Customer Satisfaction : The Example of CJCU Library”. Journal of Information & Optimization Sciences, Vol. 27 (2006), No.m1,pp. 193-209 Wang, Yi-Shun.,dkk. (2001). “An Instrument for Measuring Customer Satisfaction Toward Websites that Market Digital Products and Services”.Journal of Electronic Commerce Research, Vol. 2, No. 3, 2001. Werner,Christina., and Schermelleh-Engel,Prof. Dr. Karin. (2009). “Introduction to Structural Equation Modelling with LISREL”.Goethe University, Frankfurt Wijanto, Setyo Hari. (2008). “Structural Equation Modelling dengan LISREL 8.8”.Yogyakarta :Graha Ilmu Wulandari, Ayu. (2008). “ Model Statistik untuk Memprioritaskan pengelolaan variabel-variabel Independen dan Variabel Penguat untuk meningkatkan Kepuasan

Pelanggan

Sepeda

Motor”.Teknik

Industri

Universitas

Indonesia. Xia, Wang. (2009). “Costume Satisfaction and Subjunctive Well-Being : A Study of Auto Consumption”. Journal of IEEE 2009 Xiao-Lu, Sun., dkk (2011). “Customer Satisfaction Degree Based Analytical Interval Assesment of Voltage Sag”. Journal of IEEE 2011 Xu, Yifeng. (2010). A Market Research on Customer Satisfaction about Sport Clothes in Zhengzhou”.2010 3rd International Conference on Information Management, Innovation Management and Industrial Engineering. Yamin, Sofyan dan Kurniawan, Heri. (2009). “Structural Equation Modelling :Belajar Lebih Mudah Teknik Analisis Data Kuesioner dengan LISREL – PLS”. Jakarta :Salemba Infotek. Yunus, Nek Kamal Yeop., dkk. (2009). “Service Quality Dimensions, Perceive Value and Customer Satisfaction: ABC Relationship Model Testing.” IBEJ Vol. 2 Issue No. 1 (2009) 01-18


Lampiran 1 Data Kuesioner Sepeda Motor Bebek

A. Kepuasan Pelanggan

No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

1 5 5 6 6 4 3 4 4 5 6 4 5 5 5 3 4 5 4 5 5 3 4 4 5 4 5

2 6 5 6 6 4 3 3 4 6 6 5 5 5 5 3 4 5 4 5 5 3 4 4 5 4 5

3 5 5 5 4 4 3 3 3 5 3 4 5 4 5 3 3 4 4 6 4 5 3 2 4 3 6

4 4 5 5 5 4 3 3 3 6 2 5 5 4 4 3 3 4 4 6 4 5 3 3 4 3 5

5 4 5 5 6 4 3 4 3 5 4 5 5 4 5 3 4 4 4 6 4 4 3 4 5 4 4

6 5 4 5 5 3 3 3 3 5 3 4 5 4 5 3 4 4 4 6 4 4 3 4 5 4 5

7 4 4 5 3 4 3 4 3 4 3 4 5 4 4 3 3 4 4 5 5 3 4 4 4 3 5

8 6 5 5 5 4 3 4 3 5 4 5 5 5 5 3 4 5 4 5 5 3 4 4 5 4 4

B. Fungsional R 4.9 4.8 5.3 5.0 3.9 3.0 3.5 3.3 5.1 3.9 4.5 5.0 4.4 4.8 3.0 3.6 4.4 4.0 5.5 4.5 3.8 3.5 3.6 4.6 3.6 4.9

1 5 4 5 3 5 5 4 2 4 4 5 4 4 4 4 4 4 5 5 4 4 4 4 4 4 6

2 4 4 5 3 5 3 4 3 5 4 5 4 4 4 3 4 4 5 3 4 4 4 4 5 4 6

3 4 4 5 4 5 5 5 4 5 4 6 4 6 4 4 5 4 5 4 5 4 5 5 4 4 5

4 5 5 4 5 5 4 4 3 5 4 6 4 6 4 4 6 4 5 5 5 4 5 5 4 4 5

5 3 5 5 5 5 2 4 2 4 4 6 4 4 4 4 4 4 4 4 5 3 6 4 4 3 4

C. Operasional R 4.2 4.4 4.8 4.0 5.0 3.8 4.2 2.8 4.6 4.0 5.6 4.0 4.8 4.0 3.8 4.6 4.0 4.8 4.2 4.6 3.8 4.8 4.4 4.2 3.8 5.2

1 6 5 5 5 5 6 3 4 5 5 5 5 3 5 4 5 5 5 5 5 4 3 4 4 4 5

2 5 5 5 5 4 6 3 4 5 5 5 5 3 5 4 5 5 5 5 5 4 4 4 4 4 5

3 6 5 6 3 4 4 3 4 5 5 5 5 3 4 3 5 5 5 5 5 4 4 5 3 4 5

4 5 5 5 2 4 4 3 4 5 5 3 5 2 5 3 4 5 5 6 5 3 4 6 4 5 4

5 3 5 6 2 4 5 3 4 5 5 4 5 4 5 3 4 5 5 4 5 3 5 4 4 5 5

R 5.0 5.0 5.4 3.4 4.2 5.0 3.0 4.0 5.0 5.0 4.4 5.0 3.0 4.8 3.4 4.6 5.0 5.0 5.0 5.0 3.6 4.0 4.6 3.8 4.4 4.8

E. Kualitas Pelayanan

D. Keandalan Produk 1 6 5 5 5 4 3 3 3 5 3 5 5 4 5 4 4 4 5 6 4 4 4 4 4 4 5

2 5 5 5 5 4 3 4 3 5 3 5 5 4 5 4 4 4 3 6 5 4 4 4 5 4 4

3 3 5 6 4 4 3 4 3 5 3 5 6 4 5 3 3 5 4 6 5 4 3 4 5 5 5

4 5 4 6 5 4 3 4 4 5 5 4 5 4 6 2 4 5 4 5 4 3 3 4 5 3 5

5 5 4 5 5 3 3 4 4 6 4 4 5 4 4 3 4 4 4 5 5 3 4 3 4 3 5

6 5 5 5 6 4 3 3 3 5 5 4 4 6 4 2 3 4 4 5 4 4 3 3 5 3 5

R 4.5 4.3 5.2 5.0 4.8 5.0 4.0 6.0 3.0 5.7 2.7 5.3 3.3 5.0 4.7 4.2 5.3 4.5 5.0 4.7 5.7 4.2 4.7 4.7 3.8 4.5


1 4 6 6 4 6 2 4 3 6 5 4 4 3 4 3 6 5 4 3 5 3 5 4 4 4 3

2 5 5 4 4 6 4 3 3 6 5 4 4 6 5 3 6 4 4 4 4 3 4 3 3 4 4

3 4 5 5 5 5 4 4 3 5 5 5 4 3 4 4 5 5 4 5 5 4 4 5 4 5 4

4 4 5 5 5 5 4 2 3 5 5 4 4 5 5 3 5 4 4 6 5 3 4 4 4 6 5

5 6 5 6 5 5 4 2 3 5 6 4 4 6 4 3 4 5 4 6 5 3 4 5 4 4 5

Pengetahuan Operasional R 4.6 5.2 5.2 4.6 5.4 3.6 3.0 3.0 5.4 5.2 4.2 4.0 4.6 4.4 3.2 5.2 4.6 4.0 4.8 4.8 3.2 4.2 4.2 3.8 4.6 4.2

1 4 4 6 1 4 5 6 3 6 5 5 5 6 6 6 5 4 5 5 5 5 5 5 5 5 6

2 4 5 5 1 4 3 6 3 6 5 5 5 5 5 3 5 4 5 5 5 5 5 5 5 5 6

3 4 5 5 6 4 4 6 3 6 6 6 5 5 5 6 5 5 5 5 5 4 4 4 5 4 5

4 6 5 6 1 5 6 6 3 5 6 6 5 5 5 6 5 5 4 4 5 6 5 5 6 4 5

R 5 4 4 2 5 5 4 6 4 6 5 5 4 4 4 5 5 4 6 5 5 4 5 4 4 5

G. Disiplin Operasional 1 5 3 5 3 4 3 6 3 5 4 5 5 3 4 2 4 3 3 4 5 4 4 5 4 5 6

2 4 4 5 6 4 6 6 3 5 4 4 3 4 4 2 4 3 3 3 5 4 3 6 3 5 5

3 6 3 5 3 4 5 6 3 5 6 5 4 5 4 2 4 4 3 4 5 4 4 6 3 4 4

4 6 5 5 2 4 6 6 3 5 2 5 5 6 5 3 5 3 4 4 5 5 3 4 5 5 5

R 5 3 5 1 5 4 4 4 4 4 3 4 3 3 4 3 4 4 5 5 5 4 4 2 4 4


27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55

5 5 6 4 6 5 3 5 5 6 5 5 5 6 6 5 6 4 5 5 4 4 5 5 5 5 5 5 4

5 5 5 4 5 5 3 6 5 4 5 5 5 6 6 5 6 4 5 5 4 5 5 5 5 5 4 5 4

6 5 6 3 5 4 3 6 6 6 5 5 4 6 5 5 6 4 5 5 4 4 4 5 5 3 4 5 3

6 4 6 3 5 4 3 5 6 6 4 5 4 6 4 5 6 4 5 5 4 4 4 5 5 4 4 5 3

5 6 6 3 5 4 3 5 5 6 5 5 4 6 6 5 6 6 5 5 4 4 4 5 5 5 4 5 4

5 6 6 4 5 4 3 5 5 6 5 5 4 6 6 5 6 4 4 5 4 4 3 5 5 3 4 5 3

4 4 6 3 5 4 2 5 5 6 5 5 4 6 4 4 6 4 4 5 5 5 3 5 4 4 4 5 3

4 5 6 4 5 4 3 5 5 6 5 5 4 6 5 5 6 5 5 5 3 4 4 5 5 5 5 5 4

5.0 5.0 5.9 3.5 5.1 4.3 2.9 5.3 5.3 5.8 4.9 5.0 4.3 6.0 5.3 4.9 6.0 4.4 4.8 5.0 4.0 4.3 4.0 5.0 4.9 4.3 4.3 5.0 3.5

5 4 6 4 4 4 3 5 5 2 5 5 4 4 6 5 6 6 5 6 5 4 2 5 4 3 4 5 5

5 3 6 4 3 4 3 5 5 4 5 5 4 4 5 5 6 6 5 6 5 4 3 5 4 3 4 5 5

5 5 6 4 3 4 2 4 3 6 6 5 4 5 6 5 6 5 4 6 4 4 3 5 5 4 5 6 5

5 3 6 3 4 4 3 5 4 6 5 5 5 5 5 5 6 5 4 5 4 5 3 5 5 3 5 6 5

5 4 6 4 4 2 2 5 5 4 5 3 5 5 5 5 6 5 4 5 4 3 3 5 4 5 5 5 5

5.0 3.8 6.0 3.8 3.6 3.6 2.6 4.8 4.4 4.4 5.2 4.6 4.4 4.6 5.4 5.0 6.0 5.4 4.4 5.6 4.4 4.0 2.8 5.0 4.4 3.6 4.6 5.4 5.0

5 5 3 4 5 5 3 6 4 4 5 5 5 3 5 4 6 4 4 5 5 5 3 5 4 5 5 5 3

5 5 3 4 5 4 3 5 5 5 5 5 4 3 6 4 6 4 5 5 5 5 4 4 5 5 4 5 3

4 5 3 5 5 4 3 4 6 6 5 5 3 3 5 4 5 4 4 5 5 5 4 5 4 5 4 5 3

5 5 3 4 6 5 3 4 4 6 5 6 6 3 6 4 5 4 2 6 4 5 3 4 4 5 5 5 3

5 5 3 4 5 4 3 5 5 6 5 5 5 3 5 4 5 4 2 5 5 4 3 5 4 5 5 5 3

4.8 5.0 3.0 4.2 5.2 4.4 3.0 4.8 4.8 5.4 5.0 5.2 4.6 3.0 5.4 4.0 5.4 4.0 3.4 5.2 4.8 4.8 3.4 4.6 4.2 5.0 4.6 5.0 3.0

6 5 6 5 5 5 3 5 6 6 5 5 4 6 5 5 6 4 4 5 5 5 4 6 5 4 4 5 3

5 6 6 4 6 5 3 5 5 6 5 5 4 6 5 5 6 4 5 5 4 5 4 5 5 4 4 5 3

5 5 6 3 6 4 2 5 5 5 5 5 4 6 5 5 6 4 5 5 4 5 4 5 5 4 4 5 3

5 5 6 3 6 4 2 6 5 6 5 5 5 6 5 5 6 4 5 5 4 5 4 5 5 4 5 5 4

5 4 6 3 4 4 3 5 6 6 5 5 4 6 5 5 6 5 5 5 4 4 4 5 4 5 5 5 4

4 5 5 3 4 4 4 6 4 5 4 5 5 5 6 4 6 5 5 5 4 2 4 4 5 5 4 5 4

3.2 4.3 3.0 3.3 1.7 5.0 4.8 4.3 5.0 5.2 6.0 5.0 3.0 4.5 4.8 4.7 4.8 3.8 3.0 4.0 4.5 4.3 3.5 4.5 3.3 3.0 3.7 5.0 3.8


4 5 6 4 5 4 3 6 6 4 6 5 4 4 5 5 6 5 3 5 5 3 4 5 4 3 4 5 4

4 5 4 3 4 4 3 4 4 5 5 5 4 4 5 5 6 6 4 5 4 4 3 5 5 4 5 5 5

5 5 5 5 5 4 4 5 6 6 5 5 5 6 6 5 6 6 4 6 4 4 2 5 5 4 5 5 5

4 5 5 5 5 4 4 6 6 4 4 4 4 4 5 5 6 6 4 6 4 3 3 3 5 4 5 5 4

3 5 2 5 4 4 4 5 5 6 4 5 5 5 6 5 6 4 3 6 4 5 3 3 5 4 5 5 4

4.0 5.0 4.4 4.4 4.6 4.0 3.6 5.2 5.4 5.0 4.8 4.8 4.4 4.6 5.4 5.0 6.0 5.4 3.6 5.6 4.2 3.8 3.0 4.2 4.8 3.8 4.8 5.0 4.4

5 5 4 4 5 5 4 6 6 6 2 4 4 4 4 4 5 5 5 5 5 3 5 4 4 5 5 5 5

5 5 4 4 4 5 4 6 6 6 3 4 3 4 5 3 5 5 5 5 5 4 5 5 4 5 4 5 5

5 5 4 5 6 5 4 6 5 5 3 6 3 4 5 4 5 5 5 5 5 5 5 4 4 6 5 5 5

5 5 5 4 3 5 4 5 5 5 4 3 6 4 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5

4 5 4 5 3 5 5 5 4 5 6 5 3 3 5 6 4 5 3 5 6 4 6 5 6 5 4 5 5

5 3 2 5 3 2 2 4 4 5 4 3 2 4 3 4 5 3 3 5 5 4 3 5 4 3 3 4 4

5 3 2 4 5 5 4 5 6 1 3 4 1 4 5 5 5 3 5 3 3 2 3 3 3 1 5 5 5

5 3 3 4 5 5 4 4 6 4 5 6 2 4 4 4 5 4 4 4 4 4 3 5 5 3 5 5 4

5 4 2 4 4 5 4 4 5 6 5 5 4 4 3 4 5 3 4 5 6 4 4 6 3 5 5 5 4

3 5 2 4 3 5 4 5 4 4 4 4 4 3 5 2 4 4 3 3 2 5 5 5 5 5 4 5 4


56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84

4 6 6 6 6 3 6 6 4 6 5 4 5 5 6 5 5 5 5 5 2 4 6 6 5 4 4 4 5

4 5 5 6 6 4 6 6 5 6 4 4 5 5 6 4 4 4 5 4 3 5 6 5 5 3 3 4 4

3 5 6 5 4 3 2 5 5 6 5 4 4 3 4 4 5 5 5 3 5 5 6 4 5 4 4 3 5

3 5 6 5 4 5 3 6 5 5 5 2 3 3 4 4 5 4 4 4 2 5 6 4 5 4 4 4 5

4 5 6 5 4 4 5 6 4 5 6 3 4 4 4 3 6 4 5 5 4 4 6 5 5 4 5 3 5

4 5 6 5 4 4 3 6 4 4 6 3 4 3 4 3 5 5 4 3 3 4 5 4 5 4 4 4 5

3 4 6 5 4 5 3 6 4 5 5 5 4 4 6 3 5 4 5 3 5 4 5 4 4 3 3 5 5

4 5 6 6 5 5 5 6 4 6 6 4 5 5 6 2 5 5 4 3 5 5 6 4 4 4 4 4 4

3.6 5.0 5.9 5.4 4.6 4.1 4.1 5.9 4.4 5.4 5.3 3.6 4.3 4.0 5.0 3.5 5.0 4.5 4.6 3.8 3.6 4.5 5.8 4.5 4.8 3.8 3.9 3.9 4.8

4 4 5 5 6 1 5 2 5 5 4 4 4 5 6 4 5 5 5 3 5 4 5 5 4 4 4 5 4

4 4 5 4 6 3 5 2 5 5 4 4 4 5 5 3 5 5 4 4 4 5 4 5 4 3 4 4 4

4 5 6 5 6 2 6 4 6 5 6 4 5 4 6 3 4 4 4 3 3 4 5 5 5 4 4 6 5

4 5 6 5 6 4 6 5 6 5 6 6 5 6 3 3 5 5 4 3 3 4 5 5 5 4 4 4 4

4 3 6 3 6 3 3 1 6 4 5 4 5 5 6 4 6 4 3 3 4 5 5 5 4 3 4 6 4

4.0 4.2 5.6 4.4 6.0 2.6 5.0 2.8 5.6 4.8 5.0 4.4 4.6 5.0 5.2 3.4 5.0 4.6 4.0 3.2 3.8 4.4 4.8 5.0 4.4 3.6 4.0 5.0 4.2

5 4 6 6 4 1 5 6 5 4 6 6 5 4 6 4 1 4 5 4 4 5 5 5 4 4 4 3 4

5 4 6 6 4 1 4 6 5 5 6 6 5 5 5 4 2 5 4 3 4 4 5 5 4 3 3 4 4

5 4 6 6 4 2 4 6 5 5 5 6 5 3 4 5 3 4 5 2 3 5 6 4 4 4 4 3 5

5 4 6 5 4 2 5 6 5 4 4 6 5 5 4 4 4 5 4 2 4 4 6 4 4 3 4 5 4

5 4 6 5 4 2 3 6 5 5 3 6 5 4 6 5 5 5 5 2 3 5 6 5 4 3 4 4 4

5.0 4.0 6.0 5.6 4.0 1.6 4.2 6.0 5.0 4.6 4.8 6.0 5.0 4.2 5.0 4.4 3.0 4.6 4.6 2.6 3.6 4.6 5.6 4.6 4.0 3.4 3.8 3.8 4.2

4 5 6 6 6 5 5 3 6 5 6 6 5 3 6 4 3 4 5 4 4 4 4 5 5 4 4 3 5

4 5 6 6 6 4 5 3 5 4 6 6 5 4 6 5 5 4 4 3 4 5 6 5 4 4 4 2 4

4 5 6 6 6 4 4 2 5 4 6 6 5 4 6 4 5 4 4 4 4 4 6 6 5 4 4 4 4

3 5 6 5 6 5 5 2 5 4 6 6 5 5 6 4 6 4 5 3 3 5 4 5 5 3 3 4 4

3 5 6 6 6 4 6 2 5 5 6 4 5 6 6 5 5 4 3 4 4 5 6 6 4 4 4 2 4

4 5 6 6 6 5 6 4 5 5 6 4 4 6 6 5 6 4 4 4 3 5 6 6 4 4 5 4 4

3.6 5.7 5.0 4.0 3.5 3.7 3.7 4.0 5.7 4.0 5.2 4.8 4.3 4.7 4.3 3.7 4.5 4.3 5.2 5.0 4.8 5.0 4.0 6.0 3.0 5.7 2.7 5.3 3.3


5 3 6 5 6 4 6 6 5 5 6 5 4 6 6 5 5 4 5 3 3 5 6 4 4 4 5 5 5

4 3 5 4 6 3 6 6 5 4 6 5 4 4 6 6 6 4 4 4 4 4 5 6 4 4 3 5 4

4 4 6 5 6 4 5 4 5 5 6 5 5 6 6 6 6 4 5 3 3 5 5 6 5 4 4 4 5

4 4 5 6 6 5 5 6 5 5 6 5 5 5 4 6 5 4 4 4 4 4 4 6 5 5 4 3 4

4 4 6 6 6 5 6 6 6 5 6 6 4 5 6 5 5 4 4 3 3 5 5 6 4 4 4 2 4

4.2 3.6 5.6 5.2 6.0 4.2 5.6 5.6 5.2 4.8 6.0 5.2 4.4 5.2 5.6 5.6 5.4 4.0 4.4 3.4 3.4 4.6 5.0 5.6 4.4 4.2 4.0 3.8 4.4

3 4 4 5 4 2 3 6 5 6 6 4 5 5 6 4 1 5 4 5 2 5 5 6 4 4 4 4 4

3 4 6 5 4 3 5 6 5 4 4 3 5 6 6 4 2 5 4 5 2 4 5 4 5 4 3 6 5

3 5 5 6 4 3 4 6 5 6 4 4 5 6 6 5 3 6 4 6 3 5 6 4 4 3 4 5 5

4 5 6 6 5 3 6 6 5 6 6 3 5 6 4 5 4 6 5 6 4 5 6 6 5 4 4 6 5

5 5 5 4 4 5 4 5 5 4 5 5 4 5 4 4 5 4 4 2 5 5 4 6 4 6 5 5 4

3 3 4 5 4 3 6 4 4 2 4 4 4 2 4 4 5 6 4 6 3 4 4 4 4 5 5 5 5

4 3 5 4 1 3 6 2 3 1 1 3 4 2 3 4 6 5 5 6 3 5 3 4 3 4 4 4 5

4 4 5 4 3 4 4 6 3 3 4 4 4 2 1 5 1 6 4 6 4 4 5 4 4 4 4 3 5

4 5 5 5 6 3 5 6 5 4 4 3 5 1 1 4 2 6 5 6 3 5 5 6 4 4 4 6 5

3 5 5 4 4 5 4 4 3 4 4 5 4 5 5 4 5 3 5 1 5 4 4 4 4 4 3 4 3


85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113

3 3 4 3 4 4 4 6 5 6 5 5 5 4 4 5 5 6 6 4 3 4 4 5 6 4 5 5 5

4 3 4 4 4 4 4 6 6 6 4 5 5 4 4 6 5 6 6 4 3 3 4 6 6 5 5 5 5

3 4 5 3 3 4 3 5 6 5 5 5 5 3 4 5 5 5 4 4 3 3 3 5 3 4 5 4 5

2 3 4 4 3 4 3 5 6 5 5 4 5 3 4 4 5 5 5 4 3 3 3 6 2 5 5 4 4

2 3 4 4 4 4 3 5 6 5 5 5 5 3 4 4 5 5 6 4 3 4 3 5 4 5 5 4 5

4 3 4 4 3 4 3 5 6 5 5 5 5 3 4 5 4 5 5 3 3 3 3 5 3 4 5 4 5

3 3 5 4 3 4 3 4 6 5 5 4 5 4 4 4 4 5 3 4 3 4 3 4 3 4 5 4 4

4 3 4 4 4 5 4 5 5 6 3 5 5 4 5 6 5 5 5 4 3 4 3 5 4 5 5 5 5

3.1 3.1 4.3 3.8 3.5 4.1 3.4 5.1 5.8 5.4 4.6 4.8 5.0 3.5 4.1 4.9 4.8 5.3 5.0 3.9 3.0 3.5 3.3 5.1 3.9 4.5 5.0 4.4 4.8

3 3 4 4 3 5 4 5 6 5 6 5 5 4 5 5 4 5 3 5 5 4 2 4 4 5 4 4 4

3 4 4 4 4 5 4 4 6 5 6 5 5 4 5 4 4 5 3 5 3 4 3 5 4 5 4 4 4

4 3 5 4 3 5 4 4 6 6 5 5 5 5 5 4 4 5 4 5 5 5 4 5 4 6 4 6 4

3 3 4 4 3 4 4 3 6 6 5 5 5 4 4 5 5 4 5 5 4 4 3 5 4 6 4 6 4

4 3 5 5 4 4 4 3 5 4 3 4 4 4 4 3 5 5 5 5 2 4 2 4 4 6 4 4 4

3.4 3.2 4.4 4.2 3.4 4.6 4.0 3.8 5.8 5.2 5.0 4.8 4.8 4.2 4.6 4.2 4.4 4.8 4.0 5.0 3.8 4.2 2.8 4.6 4.0 5.6 4.0 4.8 4.0

3 3 4 3 3 5 3 5 5 5 4 5 5 4 5 6 5 5 5 5 6 3 4 5 5 5 5 3 5

4 4 3 4 3 5 4 5 5 5 4 4 5 4 5 5 5 5 5 4 6 3 4 5 5 5 5 3 5

4 3 4 4 3 4 4 5 5 5 4 5 5 4 4 6 5 6 3 4 4 3 4 5 5 5 5 3 4

3 4 4 3 4 5 3 4 6 4 5 5 4 4 5 5 5 5 2 4 4 3 4 5 5 3 5 2 5

4 4 3 4 3 4 4 4 6 4 5 5 5 4 4 3 5 6 2 4 5 3 4 5 5 4 5 4 5

3.6 3.6 3.6 3.6 3.2 4.6 3.6 4.6 5.4 4.6 4.4 4.8 4.8 4.0 4.6 5.0 5.0 5.4 3.4 4.2 5.0 3.0 4.0 5.0 5.0 4.4 5.0 3.0 4.8

3 3 3 4 3 5 5 4 5 4 5 5 4 4 5 6 6 5 5 5 3 3 3 5 5 5 4 6 4

4 5 4 4 4 5 5 5 5 5 5 5 5 4 5 5 6 5 5 5 3 3 3 6 5 5 4 6 4

4 4 5 4 3 5 4 5 5 4 6 4 6 5 5 2 6 6 4 5 3 3 3 6 5 5 4 6 4

4 3 4 4 3 5 4 5 5 5 6 4 6 4 5 3 5 6 5 5 3 3 3 5 5 5 4 5 4

3 3 4 3 4 5 4 4 3 5 3 5 3 5 5 3 5 5 5 5 3 3 3 6 5 4 4 5 4

4 3 4 4 4 5 4 5 5 5 5 5 5 5 5 4 5 5 6 5 3 3 3 5 5 4 4 6 4

5.0 4.7 4.2 5.3 4.5 5.0 4.7 5.7 4.2 4.7 4.7 3.8 4.5 3.2 4.3 3.0 3.3 1.7 5.0 4.8 4.3 5.0 5.2 6.0 5.0 3.0 4.5 4.8 4.7


3 3 5 4 5 5 4 4 4 5 3 5 5 4 5 4 6 6 4 6 2 4 3 6 5 4 4 3 4

4 2 4 3 3 4 4 4 5 5 4 5 5 4 4 5 5 4 4 6 4 3 3 6 5 4 4 6 5

4 3 5 5 4 5 4 4 5 5 4 5 3 4 5 4 5 5 5 5 4 4 3 5 5 5 4 3 4

4 4 4 4 3 5 4 5 5 5 4 5 5 4 5 4 5 5 5 5 4 2 3 5 5 4 4 5 5

4 4 4 4 3 5 4 5 5 5 5 5 5 4 5 6 5 6 5 5 4 2 3 5 6 4 4 6 4

3.8 3.2 4.4 4.0 3.6 4.8 4.0 4.4 4.8 5.0 4.0 5.0 4.6 4.0 4.8 4.6 5.2 5.2 4.6 5.4 3.6 3.0 3.0 5.4 5.2 4.2 4.0 4.6 4.4

4 4 4 4 3 5 4 5 6 5 5 5 5 5 5 4 4 6 1 4 5 6 3 6 5 5 5 6 6

4 4 4 4 4 5 4 4 6 5 5 5 5 5 5 5 5 5 1 4 3 6 3 6 5 5 5 5 5

5 3 6 3 2 5 4 4 6 5 5 5 5 5 5 5 5 5 6 4 4 6 3 6 6 6 5 5 5

5 4 4 4 4 5 4 5 5 5 5 5 5 5 5 6 5 6 1 5 6 6 3 5 6 6 5 5 5

4 4 5 5 4 6 5 5 4 5 4 4 5 4 5 4 5 3 5 5 5 4 5 6 5 3 3 5 6

4 4 3 4 2 4 4 4 3 4 3 5 4 5 4 5 3 5 3 4 3 6 3 5 4 5 5 3 4

5 5 3 3 2 5 3 4 4 5 6 5 4 4 5 4 4 5 6 4 6 6 3 5 4 4 3 4 4

4 5 3 4 3 5 4 3 4 5 4 5 5 5 5 6 3 5 3 4 5 6 3 5 6 5 4 5 4

4 4 4 4 4 5 4 4 4 5 5 5 5 5 5 6 5 5 2 4 6 6 3 5 2 5 5 6 5

3 4 3 4 4 5 5 5 4 4 2 4 4 3 5 2 4 3 5 4 5 4 4 4 4 4 3 5 2


114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142

3 4 5 4 5 5 3 4 4 5 4 5 5 5 6 4 6 5 3 5 5 6 5 5 5 6 6 5 6

3 4 5 4 5 5 3 4 4 5 4 5 5 5 5 4 5 5 3 6 5 4 5 5 5 6 6 5 6

3 3 4 4 6 4 5 3 2 4 3 6 6 5 6 3 5 4 3 6 6 6 5 5 4 6 5 5 6

3 3 4 4 6 4 5 3 3 4 3 5 6 4 6 3 5 4 3 5 6 6 4 5 4 6 4 5 6

3 4 4 4 6 4 4 3 4 5 4 4 5 6 6 3 5 4 3 5 5 6 5 5 4 6 6 5 6

3 4 4 4 6 4 4 3 4 5 4 5 5 6 6 4 5 4 3 5 5 6 5 5 4 6 6 5 6

3 3 4 4 5 5 3 4 4 4 3 5 4 4 6 3 5 4 2 5 5 6 5 5 4 6 4 4 6

3 4 5 4 5 5 3 4 4 5 4 4 4 5 6 4 5 4 3 5 5 6 5 5 4 6 5 5 6

3.0 3.6 4.4 4.0 5.5 4.5 3.8 3.5 3.6 4.6 3.6 4.9 5.0 5.0 5.9 3.5 5.1 4.3 2.9 5.3 5.3 5.8 4.9 5.0 4.3 6.0 5.3 4.9 6.0

4 4 4 5 5 4 4 4 4 4 4 6 5 4 6 4 4 4 3 5 5 2 5 5 4 4 6 5 6

3 4 4 5 3 4 4 4 4 5 4 6 5 3 6 4 3 4 3 5 5 4 5 5 4 4 5 5 6

4 5 4 5 4 5 4 5 5 4 4 5 5 5 6 4 3 4 2 4 3 6 6 5 4 5 6 5 6

4 6 4 5 5 5 4 5 5 4 4 5 5 3 6 3 4 4 3 5 4 6 5 5 5 5 5 5 6

4 4 4 4 4 5 3 6 4 4 3 4 5 4 6 4 4 2 2 5 5 4 5 3 5 5 5 5 6

3.8 4.6 4.0 4.8 4.2 4.6 3.8 4.8 4.4 4.2 3.8 5.2 5.0 3.8 6.0 3.8 3.6 3.6 2.6 4.8 4.4 4.4 5.2 4.6 4.4 4.6 5.4 5.0 6.0

4 5 5 5 5 5 4 3 4 4 4 5 5 5 3 4 5 5 3 6 4 4 5 5 5 3 5 4 6

4 5 5 5 5 5 4 4 4 4 4 5 5 5 3 4 5 4 3 5 5 5 5 5 4 3 6 4 6

3 5 5 5 5 5 4 4 5 3 4 5 4 5 3 5 5 4 3 4 6 6 5 5 3 3 5 4 5

3 4 5 5 6 5 3 4 6 4 5 4 5 5 3 4 6 5 3 4 4 6 5 6 6 3 6 4 5

3 4 5 5 4 5 3 5 4 4 5 5 5 5 3 4 5 4 3 5 5 6 5 5 5 3 5 4 5

3.4 4.6 5.0 5.0 5.0 5.0 3.6 4.0 4.6 3.8 4.4 4.8 4.8 5.0 3.0 4.2 5.2 4.4 3.0 4.8 4.8 5.4 5.0 5.2 4.6 3.0 5.4 4.0 5.4

4 4 4 5 6 4 3 5 4 3 4 4 5 3 6 6 5 4 4 5 5 6 5 6 4 3 6 5 6

4 5 4 5 6 5 3 5 4 3 4 3 5 4 6 4 6 3 4 5 5 6 5 5 4 3 6 5 6

3 4 4 5 6 4 3 3 5 4 5 4 5 3 6 5 6 3 4 3 4 3 5 5 5 3 5 5 6

2 4 5 5 5 4 4 3 5 4 4 4 4 3 5 3 5 4 4 6 3 4 5 6 4 4 5 5 5

3 4 4 5 5 5 3 4 4 3 4 4 4 4 2 3 4 4 4 4 6 5 4 6 6 5 6 5 6

2 3 4 5 5 4 4 3 4 4 3 4 3 5 2 4 2 4 4 6 2 3 4 5 5 5 6 5 5

4.8 3.8 3.3 5.2 5.2 4.2 3.7 4.3 3.5 2.3 4.2 4.7 3.8 3.6 5.2 5.7 3.7 3.7 4.5 3.8 4.0 5.2 4.0 3.8 4.7 5.0 4.7 3.8 3.8


3 6 5 4 3 5 3 5 4 4 4 3 4 5 6 4 5 4 3 6 6 4 6 5 4 4 5 5 6

3 6 4 4 4 4 3 4 3 3 4 4 4 5 4 3 4 4 3 4 4 5 5 5 4 4 5 5 6

4 5 5 4 5 5 4 4 5 4 5 4 5 5 5 5 5 4 4 5 6 6 5 5 5 6 6 5 6

3 5 4 4 6 5 3 4 4 4 6 5 4 5 5 5 5 4 4 6 6 4 4 4 4 4 5 5 6

3 4 5 4 6 5 3 4 5 4 4 5 3 5 2 5 4 4 4 5 5 6 4 5 5 5 6 5 6

3.2 5.2 4.6 4.0 4.8 4.8 3.2 4.2 4.2 3.8 4.6 4.2 4.0 5.0 4.4 4.4 4.6 4.0 3.6 5.2 5.4 5.0 4.8 4.8 4.4 4.6 5.4 5.0 6.0

6 5 4 5 5 5 5 5 5 5 5 6 5 5 4 4 5 5 4 6 6 6 2 4 4 4 4 4 5

3 5 4 5 5 5 5 5 5 5 5 6 5 5 4 4 4 5 4 6 6 6 3 4 3 4 5 3 5

6 5 5 5 5 5 4 4 4 5 4 5 5 5 4 5 6 5 4 6 5 5 3 6 3 4 5 4 5

6 5 5 4 4 5 6 5 5 6 4 5 5 5 5 4 3 5 4 5 5 5 4 3 6 4 5 5 5

4 5 3 5 6 4 6 5 6 5 4 5 5 5 5 5 4 4 5 4 5 5 4 5 5 4 5 4 4

2 4 3 3 4 5 4 4 5 4 5 6 5 3 2 5 3 2 2 4 4 5 4 3 2 4 3 4 5

2 4 3 3 3 5 4 3 6 3 5 5 5 3 2 4 5 5 4 5 6 1 3 4 1 4 5 5 5

2 4 4 3 4 5 4 4 6 3 4 4 5 3 3 4 5 5 4 4 6 4 5 6 2 4 4 4 5

3 5 3 4 4 5 5 3 4 5 5 5 5 4 2 4 4 5 4 4 5 6 5 5 4 4 3 4 5

4 4 3 3 2 5 5 5 5 5 4 5 4 3 5 5 4 4 5 4 4 3 4 4 5 4 5 5 4


143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171

4 5 5 4 4 5 5 5 5 5 5 4 4 6 6 6 6 3 6 6 4 6 5 4 5 5 6 5 5

4 5 5 4 5 5 5 5 5 4 5 4 4 5 5 6 6 4 6 6 5 6 4 4 5 5 6 4 4

4 5 5 4 4 4 5 5 3 4 5 3 3 5 6 5 4 3 2 5 5 6 5 4 4 3 4 4 5

4 5 5 4 4 4 5 5 4 4 5 3 3 5 6 5 4 5 3 6 5 5 5 2 3 3 4 4 5

6 5 5 4 4 4 5 5 5 4 5 4 4 5 6 5 4 4 5 6 4 5 6 3 4 4 4 3 6

4 4 5 4 4 3 5 5 3 4 5 3 4 5 6 5 4 4 3 6 4 4 6 3 4 3 4 3 5

4 4 5 5 5 3 5 4 4 4 5 3 3 4 6 5 4 5 3 6 4 5 5 5 4 4 6 3 5

5 5 5 3 4 4 5 5 5 5 5 4 4 5 6 6 5 5 5 6 4 6 6 4 5 5 6 2 5

4.4 4.8 5.0 4.0 4.3 4.0 5.0 4.9 4.3 4.3 5.0 3.5 3.6 5.0 5.9 5.4 4.6 4.1 4.1 5.9 4.4 5.4 5.3 3.6 4.3 4.0 5.0 3.5 5.0

6 5 6 5 4 2 5 4 3 4 5 5 4 4 5 5 6 1 5 2 5 5 4 4 4 5 6 4 5

6 5 6 5 4 3 5 4 3 4 5 5 4 4 5 4 6 3 5 2 5 5 4 4 4 5 5 3 5

5 4 6 4 4 3 5 5 4 5 6 5 4 5 6 5 6 2 6 4 6 5 6 4 5 4 6 3 4

5 4 5 4 5 3 5 5 3 5 6 5 4 5 6 5 6 4 6 5 6 5 6 6 5 6 3 3 5

5 4 5 4 3 3 5 4 5 5 5 5 4 3 6 3 6 3 3 1 6 4 5 4 5 5 6 4 6

5.4 4.4 5.6 4.4 4.0 2.8 5.0 4.4 3.6 4.6 5.4 5.0 4.0 4.2 5.6 4.4 6.0 2.6 5.0 2.8 5.6 4.8 5.0 4.4 4.6 5.0 5.2 3.4 5.0

4 4 5 5 5 3 5 4 5 5 5 3 5 4 6 6 4 1 5 6 5 4 6 6 5 4 6 4 1

4 5 5 5 5 4 4 5 5 4 5 3 5 4 6 6 4 1 4 6 5 5 6 6 5 5 5 4 2

4 4 5 5 5 4 5 4 5 4 5 3 5 4 6 6 4 2 4 6 5 5 5 6 5 3 4 5 3

4 2 6 4 5 3 4 4 5 5 5 3 5 4 6 5 4 2 5 6 5 4 4 6 5 5 4 4 4

4 2 5 5 4 3 5 4 5 5 5 3 5 4 6 5 4 2 3 6 5 5 3 6 5 4 6 5 5

4.0 3.4 5.2 4.8 4.8 3.4 4.6 4.2 5.0 4.6 5.0 3.0 5.0 4.0 6.0 5.6 4.0 1.6 4.2 6.0 5.0 4.6 4.8 6.0 5.0 4.2 5.0 4.4 3.0

5 3 5 4 5 3 5 5 4 4 5 4 4 3 6 5 6 5 5 3 6 5 6 6 5 3 6 4 3

5 4 6 4 5 4 5 5 4 5 5 4 4 3 6 5 6 4 5 3 5 4 6 6 5 4 6 5 5

5 4 5 3 4 4 5 5 4 5 5 4 5 5 6 5 6 4 4 2 5 4 6 6 5 4 6 4 5

5 4 5 3 4 4 5 5 3 5 5 4 4 5 6 4 6 5 5 2 5 4 6 6 5 5 6 4 6

5 4 5 3 4 3 5 5 4 5 5 4 4 5 6 5 6 4 6 2 5 5 6 4 5 6 6 5 5

6 5 5 3 2 4 1 5 4 5 5 4 4 4 6 5 6 5 6 4 5 5 6 4 4 6 6 5 6

5.5 4.7 5.7 4.2 4.8 5.0 4.0 6.0 3.0 5.7 2.7 5.3 3.3 5.0 4.7 4.2 5.3 4.5 5.0 4.7 5.7 4.2 4.7 4.7 3.8 4.5 3.2 4.3 3.0


5 3 5 5 3 4 5 4 3 4 5 4 5 3 6 5 6 4 6 6 5 5 6 5 4 6 6 5 5

6 4 5 4 4 3 5 5 4 5 5 5 4 3 5 4 6 3 6 6 5 4 6 5 4 4 6 6 6

6 4 6 4 4 2 5 5 4 5 5 5 4 4 6 5 6 4 5 4 5 5 6 5 5 6 6 6 6

6 4 6 4 3 3 3 5 4 5 5 4 4 4 5 6 6 5 5 6 5 5 6 5 5 5 4 6 5

4 3 6 4 5 3 3 5 4 5 5 4 4 4 6 6 6 5 6 6 6 5 6 6 4 5 6 5 5

5.4 3.6 5.6 4.2 3.8 3.0 4.2 4.8 3.8 4.8 5.0 4.4 4.2 3.6 5.6 5.2 6.0 4.2 5.6 5.6 5.2 4.8 6.0 5.2 4.4 5.2 5.6 5.6 5.4

5 5 5 5 3 5 4 4 5 5 5 5 3 4 4 5 4 2 3 6 5 6 6 4 5 5 6 4 1

5 5 5 5 4 5 5 4 5 4 5 5 3 4 6 5 4 3 5 6 5 4 4 3 5 6 6 4 2

5 5 5 5 5 5 4 4 6 5 5 5 3 5 5 6 4 3 4 6 5 6 4 4 5 6 6 5 3

5 5 5 5 5 5 5 3 5 5 5 5 4 5 6 6 5 3 6 6 5 6 6 3 5 6 4 5 4

5 4 4 2 5 5 4 6 4 6 5 5 4 4 4 5 5 4 6 5 5 4 5 4 4 5 4 5 4

3 3 5 5 4 3 5 4 3 3 4 4 3 3 4 5 4 3 6 4 4 2 4 4 4 2 4 4 5

3 5 3 3 2 3 3 3 1 5 5 5 4 3 5 4 1 3 6 2 3 1 1 3 4 2 3 4 6

4 4 4 4 4 3 5 5 3 5 5 4 4 4 5 4 3 4 4 6 3 3 4 4 4 2 1 5 1

3 4 5 6 4 4 6 3 5 5 5 4 4 5 5 5 6 3 5 6 5 4 4 3 5 1 1 4 2

5 3 5 1 5 4 4 4 4 4 3 4 3 3 4 3 4 4 5 5 5 4 4 2 4 4 3 5 2


172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200

5 5 5 2 4 6 6 5 4 4 4 5 3 3 4 3 4 4 4 6 5 6 5 5 5 4 4 5 5

4 5 4 3 5 6 5 5 3 3 4 4 4 3 4 4 4 4 4 6 6 6 4 5 5 4 4 6 5

5 5 3 5 5 6 4 5 4 4 3 5 3 4 5 3 3 4 3 5 6 5 5 5 5 3 4 5 5

4 4 4 2 5 6 4 5 4 4 4 5 2 3 4 4 3 4 3 5 6 5 5 4 5 3 4 4 5

4 5 5 4 4 6 5 5 4 5 3 5 2 3 4 4 4 4 3 5 6 5 5 5 5 3 4 4 5

5 4 3 3 4 5 4 5 4 4 4 5 4 3 4 4 3 4 3 5 6 5 5 5 5 3 4 5 4

4 5 3 5 4 5 4 4 3 3 5 5 3 3 5 4 3 4 3 4 6 5 5 4 5 4 4 4 4

5 4 3 5 5 6 4 4 4 4 4 4 4 3 4 4 4 5 4 5 5 6 3 5 5 4 5 6 5

4.5 4.6 3.8 3.6 4.5 5.8 4.5 4.8 3.8 3.9 3.9 4.8 3.1 3.1 4.3 3.8 3.5 4.1 3.4 5.1 5.8 5.4 4.6 4.8 5.0 3.5 4.1 4.9 4.8

5 5 3 5 4 5 5 4 4 4 5 4 3 3 4 4 3 5 4 5 6 5 6 5 5 4 5 5 4

5 4 4 4 5 4 5 4 3 4 4 4 3 4 4 4 4 5 4 4 6 5 6 5 5 4 5 4 4

4 4 3 3 4 5 5 5 4 4 6 5 4 3 5 4 3 5 4 4 6 6 5 5 5 5 5 4 4

5 4 3 3 4 5 5 5 4 4 4 4 3 3 4 4 3 4 4 3 6 6 5 5 5 4 4 5 5

4 3 3 4 5 5 5 4 3 4 6 4 4 3 5 5 4 4 4 3 5 4 3 4 4 4 4 3 5

4.6 4.0 3.2 3.8 4.4 4.8 5.0 4.4 3.6 4.0 5.0 4.2 3.4 3.2 4.4 4.2 3.4 4.6 4.0 3.8 5.8 5.2 5.0 4.8 4.8 4.2 4.6 4.2 4.4

4 5 4 4 5 5 5 4 4 4 3 4 3 3 4 3 3 5 3 5 5 5 4 5 5 4 5 6 5

5 4 3 4 4 5 5 4 3 3 4 4 4 4 3 4 3 5 4 5 5 5 4 4 5 4 5 5 5

4 5 2 3 5 6 4 4 4 4 3 5 4 3 4 4 3 4 4 5 5 5 4 5 5 4 4 6 5

5 4 2 4 4 6 4 4 3 4 5 4 3 4 4 3 4 5 3 4 6 4 5 5 4 4 5 5 5

5 5 2 3 5 6 5 4 3 4 4 4 4 4 3 4 3 4 4 4 6 4 5 5 5 4 4 3 5

4.6 4.6 2.6 3.6 4.6 5.6 4.6 4.0 3.4 3.8 3.8 4.2 3.6 3.6 3.6 3.6 3.2 4.6 3.6 4.6 5.4 4.6 4.4 4.8 4.8 4.0 4.6 5.0 5.0

4 5 4 4 4 4 5 5 4 4 3 5 3 3 3 4 3 5 5 4 5 4 5 5 4 4 5 6 6

4 4 3 4 5 6 5 4 4 4 2 4 4 5 4 4 4 5 5 5 5 5 5 5 5 4 5 5 6

4 4 4 4 4 6 6 5 4 4 4 4 4 4 5 4 3 5 4 5 5 4 6 4 6 5 5 2 6

4 5 3 3 5 4 5 5 3 3 4 4 4 3 4 4 3 5 4 5 5 5 6 4 6 4 5 3 5

4 3 4 4 5 6 6 4 4 4 2 4 3 3 4 3 4 5 4 4 3 5 3 5 3 5 5 3 5

4 4 4 3 5 6 6 4 4 5 4 4 4 3 4 4 4 5 4 5 5 5 5 5 5 5 5 4 5

3.3 1.7 5.0 4.8 4.3 5.0 5.2 6.0 5.0 3.0 4.5 4.8 4.7 4.8 3.8 3.0 4.0 4.5 4.3 3.5 4.5 3.3 3.0 3.7 5.0 3.8 3.6 5.7 5.0


4 5 3 3 5 6 4 4 4 5 5 5 3 3 5 4 5 5 4 4 4 5 3 5 5 4 5 4 6

4 4 4 4 4 5 6 4 4 3 5 4 4 2 4 3 3 4 4 4 5 5 4 5 5 4 4 5 5

4 5 3 3 5 5 6 5 4 4 4 5 4 3 5 5 4 5 4 4 5 5 4 5 3 4 5 4 5

4 4 4 4 4 4 6 5 5 4 3 4 4 4 4 4 3 5 4 5 5 5 4 5 5 4 5 4 5

4 4 3 3 5 5 6 4 4 4 2 4 4 4 4 4 3 5 4 5 5 5 5 5 5 4 5 6 5

4.0 4.4 3.4 3.4 4.6 5.0 5.6 4.4 4.2 4.0 3.8 4.4 3.8 3.2 4.4 4.0 3.6 4.8 4.0 4.4 4.8 5.0 4.0 5.0 4.6 4.0 4.8 4.6 5.2

5 4 5 2 5 5 6 4 4 4 4 4 4 4 4 4 3 5 4 5 6 5 5 5 5 5 5 4 4

5 4 5 2 4 5 4 5 4 3 6 5 4 4 4 4 4 5 4 4 6 5 5 5 5 5 5 5 5

6 4 6 3 5 6 4 4 3 4 5 5 5 3 6 3 2 5 4 4 6 5 5 5 5 5 5 5 5

6 5 6 4 5 6 6 5 4 4 6 5 5 4 4 4 4 5 4 5 5 5 5 5 5 5 5 6 5

5 3 5 5 5 4 5 6 5 3 3 5 6 4 5 3 5 6 4 6 5 6 5 4 5 5 5 5 5

6 4 6 3 4 4 4 4 5 5 5 5 4 4 3 4 2 4 4 4 3 4 3 5 4 5 4 5 3

5 5 6 3 5 3 4 3 4 4 4 5 5 5 3 3 2 5 3 4 4 5 6 5 4 4 5 4 4

6 4 6 4 4 5 4 4 4 4 3 5 4 5 3 4 3 5 4 3 4 5 4 5 5 5 5 6 3

6 5 6 3 5 5 6 4 4 4 6 5 4 4 4 4 4 5 4 4 4 5 5 5 5 5 5 6 5

4 3 5 4 5 4 4 4 4 4 3 5 2 4 4 3 3 2 5 5 5 5 5 4 5 4 3 5 5


201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229

6 6 4 3 4 4 5 6 4 5 5 5 3 4 5 4 5 5 3 4 4 5 4 5 5 5 6 4 6

6 6 4 3 3 4 6 6 5 5 5 5 3 4 5 4 5 5 3 4 4 5 4 5 5 5 5 4 5

5 4 4 3 3 3 5 3 4 5 4 5 3 3 4 4 6 4 5 3 2 4 3 6 6 5 6 3 5

5 5 4 3 3 3 6 2 5 5 4 4 3 3 4 4 6 4 5 3 3 4 3 5 6 4 6 3 5

5 6 4 3 4 3 5 4 5 5 4 5 3 4 4 4 6 4 4 3 4 5 4 4 5 6 6 3 5

5 5 3 3 3 3 5 3 4 5 4 5 3 4 4 4 6 4 4 3 4 5 4 5 5 6 6 4 5

5 3 4 3 4 3 4 3 4 5 4 4 3 3 4 4 5 5 3 4 4 4 3 5 4 4 6 3 5

5 5 4 3 4 3 5 4 5 5 5 5 3 4 5 4 5 5 3 4 4 5 4 4 4 5 6 4 5

5.3 5.0 3.9 3.0 3.5 3.3 5.1 3.9 4.5 5.0 4.4 4.8 3.0 3.6 4.4 4.0 5.5 4.5 3.8 3.5 3.6 4.6 3.6 4.9 5.0 5.0 5.9 3.5 5.1

5 3 5 5 4 2 4 4 5 4 4 4 4 4 4 5 5 4 4 4 4 4 4 6 5 4 6 4 4

5 3 5 3 4 3 5 4 5 4 4 4 3 4 4 5 3 4 4 4 4 5 4 6 5 3 6 4 3

5 4 5 5 5 4 5 4 6 4 6 4 4 5 4 5 4 5 4 5 5 4 4 5 5 5 6 4 3

4 5 5 4 4 3 5 4 6 4 6 4 4 6 4 5 5 5 4 5 5 4 4 5 5 3 6 3 4

5 5 5 2 4 2 4 4 6 4 4 4 4 4 4 4 4 5 3 6 4 4 3 4 5 4 6 4 4

4.8 4.0 5.0 3.8 4.2 2.8 4.6 4.0 5.6 4.0 4.8 4.0 3.8 4.6 4.0 4.8 4.2 4.6 3.8 4.8 4.4 4.2 3.8 5.2 5.0 3.8 6.0 3.8 3.6

5 5 5 6 3 4 5 5 5 5 3 5 4 5 5 5 5 5 4 3 4 4 4 5 5 5 3 4 5

5 5 4 6 3 4 5 5 5 5 3 5 4 5 5 5 5 5 4 4 4 4 4 5 5 5 3 4 5

6 3 4 4 3 4 5 5 5 5 3 4 3 5 5 5 5 5 4 4 5 3 4 5 4 5 3 5 5

5 2 4 4 3 4 5 5 3 5 2 5 3 4 5 5 6 5 3 4 6 4 5 4 5 5 3 4 6

6 2 4 5 3 4 5 5 4 5 4 5 3 4 5 5 4 5 3 5 4 4 5 5 5 5 3 4 5

5.4 3.4 4.2 5.0 3.0 4.0 5.0 5.0 4.4 5.0 3.0 4.8 3.4 4.6 5.0 5.0 5.0 5.0 3.6 4.0 4.6 3.8 4.4 4.8 4.8 5.0 3.0 4.2 5.2

5 5 5 3 3 3 5 5 5 4 6 4 4 4 4 5 6 4 3 5 4 3 4 4 5 3 6 6 5

5 5 5 3 3 3 6 5 5 4 6 4 4 5 4 5 6 5 3 5 4 3 4 3 5 4 6 4 6

6 4 5 3 3 3 6 5 5 4 6 4 3 4 4 5 6 4 3 3 5 4 5 4 5 3 6 5 6

6 5 5 3 3 3 5 5 5 4 5 4 2 4 5 5 5 4 4 3 5 4 4 4 4 3 5 3 5

5 5 5 3 3 3 6 5 4 4 5 4 3 4 4 5 5 5 3 4 4 3 4 4 4 4 2 3 4

5 6 5 3 3 3 5 5 4 4 6 4 2 3 4 5 5 4 4 3 4 4 3 4 3 5 2 4 2

4.0 3.5 3.7 3.7 4.0 5.7 4.0 5.2 4.8 4.3 4.7 4.3 3.7 4.5 4.3 5.2 5.0 4.8 5.0 4.0 6.0 3.0 5.7 2.7 5.3 3.3 5.0 4.7 4.2


6 4 6 2 4 3 6 5 4 4 3 4 3 6 5 4 3 5 3 5 4 4 4 3 4 5 6 4 5

4 4 6 4 3 3 6 5 4 4 6 5 3 6 4 4 4 4 3 4 3 3 4 4 4 5 4 3 4

5 5 5 4 4 3 5 5 5 4 3 4 4 5 5 4 5 5 4 4 5 4 5 4 5 5 5 5 5

5 5 5 4 2 3 5 5 4 4 5 5 3 5 4 4 6 5 3 4 4 4 6 5 4 5 5 5 5

6 5 5 4 2 3 5 6 4 4 6 4 3 4 5 4 6 5 3 4 5 4 4 5 3 5 2 5 4

5.2 4.6 5.4 3.6 3.0 3.0 5.4 5.2 4.2 4.0 4.6 4.4 3.2 5.2 4.6 4.0 4.8 4.8 3.2 4.2 4.2 3.8 4.6 4.2 4.0 5.0 4.4 4.4 4.6

6 1 4 5 6 3 6 5 5 5 6 6 6 5 4 5 5 5 5 5 5 5 5 6 5 5 4 4 5

5 1 4 3 6 3 6 5 5 5 5 5 3 5 4 5 5 5 5 5 5 5 5 6 5 5 4 4 4

5 6 4 4 6 3 6 6 6 5 5 5 6 5 5 5 5 5 4 4 4 5 4 5 5 5 4 5 6

6 1 5 6 6 3 5 6 6 5 5 5 6 5 5 4 4 5 6 5 5 6 4 5 5 5 5 4 3

4 4 5 4 5 5 4 5 5 4 5 4 4 5 4 4 2 5 5 4 6 4 6 5 5 4 4 4 5

5 3 4 3 6 3 5 4 5 5 3 4 2 4 3 3 4 5 4 4 5 4 5 6 5 3 2 5 3

5 6 4 6 6 3 5 4 4 3 4 4 2 4 3 3 3 5 4 3 6 3 5 5 5 3 2 4 5

5 3 4 5 6 3 5 6 5 4 5 4 2 4 4 3 4 5 4 4 6 3 4 4 5 3 3 4 5

5 2 4 6 6 3 5 2 5 5 6 5 3 5 3 4 4 5 5 3 4 5 5 5 5 4 2 4 4

4 4 5 4 4 3 4 4 5 4 5 5 4 5 3 5 1 5 4 4 4 4 4 3 4 3 3 4 3


230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248

5 3 5 5 6 5 5 5 5 6 6 5 6 4 5 5 4 4 5

5 3 6 5 4 5 5 5 5 6 6 5 6 4 5 5 4 5 5

4 3 6 6 6 5 5 5 4 6 5 5 6 4 5 5 4 4 4

4 3 5 6 6 4 5 5 4 6 4 5 6 4 5 5 4 4 4

4 3 5 5 6 5 5 5 4 6 6 5 6 6 5 5 4 4 4

4 3 5 5 6 5 5 5 4 6 6 5 6 4 4 5 4 4 3

4 2 5 5 6 5 5 5 4 6 4 4 6 4 4 5 5 5 3

4 3 5 5 6 5 5 5 4 6 5 5 6 5 5 5 3 4 4

4.3 2.9 5.3 5.3 5.8 4.9 5.0 5.0 4.3 6.0 5.3 4.9 6.0 4.4 4.8 5.0 4.0 4.3 4.0

4 3 5 5 2 5 5 5 4 4 6 5 6 6 5 6 5 4 2

4 3 5 5 4 5 5 5 4 4 5 5 6 6 5 6 5 4 3

4 2 4 3 6 6 5 5 4 5 6 5 6 5 4 6 4 4 3

4 3 5 4 6 5 5 5 5 5 5 5 6 5 4 5 4 5 3

2 2 5 5 4 5 5 5 5 5 5 5 6 5 4 5 4 3 3

3.6 2.6 4.8 4.4 4.4 5.2 5.0 5.0 4.4 4.6 5.4 5.0 6.0 5.4 4.4 5.6 4.4 4.0 2.8

5 3 6 4 4 5 5 5 5 3 5 4 6 4 4 5 5 5 3

4 3 5 5 5 5 5 5 4 3 6 4 6 4 5 5 5 5 4

4 3 4 6 6 5 5 5 3 3 5 4 5 4 4 5 5 5 4

5 3 4 4 6 5 5 5 6 3 6 4 5 4 2 6 4 5 3

4 3 5 5 6 5 6 6 5 3 5 4 5 4 2 5 5 4 3

4.4 3.0 4.8 4.8 5.4 5.0 5.2 5.2 4.6 3.0 5.4 4.0 5.4 4.0 3.4 5.2 4.8 4.8 3.4

4 4 5 5 6 5 5 5 4 3 6 5 6 5 3 5 4 5 3

3 4 5 5 6 5 6 6 4 3 6 5 6 5 4 6 4 5 4

3 4 3 4 3 5 5 5 5 3 5 5 6 5 4 5 3 4 4

4 4 6 3 4 5 5 5 4 4 5 5 5 5 4 5 3 4 4

4 4 4 6 5 4 6 6 6 5 6 5 6 5 4 5 3 4 3

4 4 6 2 3 4 6 6 5 5 6 5 5 6 5 5 3 2 4

5.3 4.5 5.0 4.7 5.7 4.2 4.7 4.7 3.8 4.5 3.2 4.3 3.0 3.3 1.7 5.0 4.8 4.3 5.0


4 3 6 6 4 6 3 3 4 4 5 5 6 5 3 5 5 3 4

4 3 4 4 5 5 5 5 4 4 5 5 6 6 4 5 4 4 3

4 4 5 6 6 5 5 5 5 6 6 5 6 6 4 6 4 4 2

4 4 6 6 4 4 5 5 4 4 5 5 6 6 4 6 4 3 3

4 4 5 5 6 4 4 4 5 5 6 5 6 4 3 6 4 5 3

4.0 3.6 5.2 5.4 5.0 4.8 4.4 4.4 4.4 4.6 5.4 5.0 6.0 5.4 3.6 5.6 4.2 3.8 3.0

5 4 6 6 6 2 5 5 4 4 4 4 5 5 5 5 5 3 5

5 4 6 6 6 3 4 4 3 4 5 3 5 5 5 5 5 4 5

5 4 6 5 5 3 4 4 3 4 5 4 5 5 5 5 5 5 5

5 4 5 5 5 4 6 6 6 4 5 5 5 5 5 5 5 5 5

5 4 6 5 5 4 5 4 4 5 4 5 4 5 3 5 5 5 4

2 2 4 4 5 4 3 3 2 4 3 4 5 3 3 5 5 4 3

5 4 5 6 1 3 3 4 1 4 5 5 5 3 5 3 3 2 3

5 4 4 6 4 5 4 6 2 4 4 4 5 4 4 4 4 4 3

5 4 4 5 6 5 6 4 4 4 3 4 5 3 4 5 6 4 4

4 4 5 5 5 4 4 2 4 4 3 5 2 4 3 5 4 5 4



LAMPIRAN 2 LATENT VARIABLE SCORE SEPEDA MOTOR BEBEK DAN MATIK

KNOWL1 KNOWL2 KNOWL3 DISCIP1 0.0742 -0.3679 -0.1382 -0.3190 0.0065 -0.0275 -0.0104 0.0957 0.6973 1.2494 1.1708 0.7185 3.5608 2.7957 -1.7818 1.5327 -0.3599 0.1454 0.3498 -0.1257 0.2669 -0.2575 0.5581 -0.8908 -0.5491 -2.8777 -1.7473 -0.7675 4.4166 1.3432 3.2215 3.2542 0.6421 1.1537 1.1878 0.4855 -0.4467 0.5605 -0.7804 -0.0805 1.0449 0.2258 0.1211 1.2536 -0.1889 0.2726 0.2546 -0.1637 0.3011 -1.4072 -0.3575 0.2302 -0.3833 0.3798 0.4668 -0.0928 -0.2449 -0.2613 -0.3865 2.4101 0.0216 0.2111 -0.4270 0.0102 0.2723 -0.3128 0.0771 0.5389 0.1468 0.1912 -0.2281 -0.4605 -0.0548 0.1220 0.2222 0.1143 0.0291 0.3492 0.0497 0.0643 -0.3145 -0.3489 -0.4607 -0.1401 0.0259 -0.2213 -0.3661 -0.0484 -0.0643 -0.0013 -0.3278 -0.2264 -0.0531 -0.4014 0.0946 0.0440 -0.1137 -0.0388 -0.1385 -0.4352 1.7865 0.7966 0.3983 1.2895 0.3408 0.1940 0.3075 0.8027 -0.2545 0.2369 0.2555 0.8269

DISCIP2 1.5810 -0.4052 1.2874 1.2034 0.0508 0.8595 -4.0226 0.9897 0.8723 0.1010 0.2709 0.2361 -1.0762 0.0920 2.5722 0.0995 -0.6191 -0.5995 -0.2542 0.7718 -0.1555 0.4141 -0.0044 0.3326 -0.1483 0.5750 0.4569 -0.7694

DISCIP3 KNOWL1 KNOWL2 0.5938 0.4591 0.4500 -0.1529 -0.1935 -0.1731 1.2064 -1.5696 -1.4296 -0.7670 0.6989 1.4192 0.1221 0.0906 0.0631 -1.8630 -0.1661 -0.1389 -2.4425 0.4860 0.4902 2.3736 -0.5657 -0.6244 0.8981 1.2202 1.1587 -0.1406 2.6494 2.4909 0.1453 0.6225 0.5675 0.2205 0.9353 0.8909 -0.2734 1.9483 1.7108 0.1131 -0.4687 -0.4087 3.8044 0.3752 0.4378 -0.2012 0.3252 0.2635 0.1526 0.0236 -0.0478 0.7154 0.2455 0.2343 -0.4631 2.4115 2.1684 0.1099 0.5907 0.5315 -0.2053 1.5603 1.4376 0.6850 0.3409 0.4311 -1.1537 0.3752 0.2715 -0.0784 0.1005 0.1074 -0.5299 -0.9286 -0.8584 0.2875 -2.1672 -1.9096 0.7242 -0.4036 -0.4996 -0.8301 0.3576 0.3095

KNOWL3 0.0824 -0.0038 -0.9815 -1.8236 0.1559 -0.2109 0.2299 2.7567 2.0661 2.8608 0.7070 0.7152 1.4662 -0.3340 -0.0574 -0.0235 0.7593 -0.0351 1.5014 0.3682 1.1576 0.0667 0.2143 -0.1447 0.2835 0.1001 1.5762 0.0595

DISCIP1 1.5992 -0.4774 2.2149 0.6099 0.4204 -0.2563 0.5350 0.1233 -0.1166 -0.8679 2.3066 -0.8522 1.1458 -1.6481 0.0047 -0.4184 0.0108 -0.1801 1.9581 0.8406 1.7198 -0.4301 0.7173 0.2426 0.3801 -0.5356 -0.4125 0.5578


DISCIP2 1.5676 -0.4270 2.0174 1.2386 0.2928 -0.2143 0.5397 0.1362 -0.1107 -0.8160 2.1027 -0.8118 1.0061 -1.4373 0.0055 -0.3390 -0.0219 -0.1719 1.7607 0.7563 1.5847 -0.5438 0.5191 0.2594 0.3514 -0.4719 -0.5105 0.4827

DISCIP3 0.2869 -0.0094 1.3850 -1.5915 0.7230 -0.3255 0.2531 -0.6011 -0.1975 -0.9371 2.6195 -0.6516 0.8622 -1.1744 -0.0007 0.0302 0.3472 0.0258 1.2191 0.5240 1.2759 -0.0841 0.4097 -0.3493 -0.1161 0.0247 1.6108 0.0929


-1.6276 0.4783 0.2898 -0.3314 1.9474 0.8862 0.2891 -0.0702 -1.9643 -0.2769 0.2998 -0.1856 -0.0070 -0.8031 1.0236 0.6141 0.0605 0.8463 0.0525 0.5065 -0.6193 -0.1032 0.0798 -0.6878 0.0005 0.5752 0.2962 1.2200 0.1346

1.3648 0.1717 -0.2267 -0.0501 1.5081 0.9055 0.8737 1.3224 -1.3859 -0.5046 0.1932 1.6060 -0.0067 0.5569 0.6909 -0.2144 -0.2478 0.4283 0.2669 -0.4323 -0.3249 -0.0223 0.1156 0.3479 0.0005 0.3451 -0.7935 -1.0209 0.3006

-1.3930 0.6528 -0.2914 -0.0658 1.9211 1.3947 1.2017 1.8945 -1.2547 -0.3878 0.3075 -1.6524 -0.0044 -0.6251 0.9445 -0.0971 0.1194 0.3711 -0.2207 -0.1062 -0.2388 -0.0958 -0.4709 -0.2475 -0.0027 0.3224 -0.5966 1.7645 -0.2855

-4.7653 -0.0851 -0.0705 -0.1406 1.9249 0.0218 0.3012 -0.0240 0.3029 0.3236 0.5806 -0.0738 -0.8461 -0.1126 2.2474 -1.3064 -0.0576 0.6264 0.0764 0.2673 2.2392 0.8010 0.0245 1.1865 0.0155 0.9327 -0.0117 0.3655 0.0850

3.9957 -0.0305 0.0552 -0.0213 1.4906 0.0222 0.9102 0.4518 0.2137 0.5897 0.3741 0.6391 -0.8109 0.0781 1.5168 0.4562 0.2358 0.3170 0.3888 -0.2282 1.1748 0.1730 0.0354 -0.6003 0.0147 0.5597 0.0313 -0.3058 0.1897

-4.0783 -0.1162 0.0709 -0.0279 1.8989 0.0343 1.2519 0.6472 0.1935 0.4533 0.5956 -0.6575 -0.5351 -0.0876 2.0736 0.2066 -0.1136 0.2747 -0.3215 -0.0561 0.8632 0.7434 -0.1443 0.4270 -0.0871 0.5228 0.0235 0.5286 -0.1802

0.5975 -2.4388 3.7125 0.0758 -0.0150 -0.1293 -0.7437 0.4090 3.6301 -0.0069 1.3131 0.3954 -0.0723 -0.4859 0.0616 0.3573 1.9810 0.0931 1.3303 0.0079 -0.9629 -0.0681 -2.1916 -0.7286 0.0601 -0.2599 0.2156 0.0094 0.8379

0.5281 -2.2144 3.6684 -0.0638 0.0300 -0.0149 -0.5617 0.3592 3.4919 0.0537 1.4024 0.6314 -0.0659 -0.3773 0.1083 0.3937 2.2683 0.1022 1.6813 0.0167 -0.9201 0.0192 -1.7334 -0.6989 0.3209 -0.1911 0.0657 0.0748 1.4513

0.7395 -1.7366 5.2659 0.5690 -0.1721 -0.0126 -0.4365 0.3670 3.2210 -0.1916 2.2365 -0.2506 -0.1415 0.0569 -0.2117 -0.3415 2.4381 -0.0286 0.5568 0.0036 -1.2678 0.0925 -1.9344 -0.4788 0.6810 -0.2062 0.1222 0.0926 0.8495

2.1047 0.0523 1.9784 0.1250 -0.0049 0.4199 0.3421 -0.2100 0.2335 -0.0008 -0.0023 0.1933 0.1218 0.8790 -0.0926 -0.1643 0.7572 -1.2786 -1.8884 -0.1845 -1.1813 -0.0564 -1.7071 -3.2735 0.0102 0.6883 0.2791 -0.0385 1.6553


1.8602 0.0475 1.9549 -0.1053 0.0098 0.0483 0.2584 -0.1844 0.2246 0.0061 -0.0025 0.3086 0.1110 0.6825 -0.1627 -0.1810 0.8670 -1.4033 -2.3867 -0.3885 -1.1288 0.0159 -1.3502 -3.1404 0.0546 0.5062 0.0850 -0.3081 2.8672

2.6048 0.0372 2.8062 0.9387 -0.0561 0.0409 0.2008 -0.1884 0.2072 -0.0219 -0.0040 -0.1225 0.2383 -0.1029 0.3181 0.1570 0.9319 0.3921 -0.7905 -0.0848 -1.5554 0.0766 -1.5068 -2.1513 0.1158 0.5461 0.1582 -0.3815 1.6783


0.9039 0.1227 -1.1729 6.3800 -0.3102 -3.2551 0.6499 0.3980 0.2566 0.2393 0.0237 0.7765 1.4193 0.5872 -2.0722 0.2620 0.2615 -0.9989 2.3763 -0.0002 0.3037 0.4103 0.0200 1.0903 0.7720 0.2503 0.0103 0.7006 1.3776

1.2349 1.2488 0.2792 9.6135 0.0846 3.1654 0.3390 0.1986 0.4103 -2.3051 0.3219 -0.3034 0.9056 0.0359 7.4595 0.1370 -0.0886 -1.4087 2.9089 -0.0014 0.9177 0.1715 0.1166 1.1641 1.1986 -0.6035 0.0082 0.4555 1.0361

1.2012 1.1828 -1.0926 0.5788 -0.2386 -3.4225 0.4241 -0.0654 0.7695 -1.6749 0.2291 -0.0323 2.3268 0.0115 -2.1265 -0.5033 0.2031 -0.9397 2.7691 -0.0016 0.7051 0.5595 -0.0089 0.8543 0.9996 -1.1088 0.0149 0.4948 0.9993

1.1288 0.0840 -0.8772 3.0550 0.8851 -2.5635 -0.4744 -0.9554 -0.3716 0.1235 0.0110 -1.9393 -2.9288 -0.3123 -1.2214 0.7042 -0.1085 -3.1340 0.9724 0.0076 0.2158 0.4293 0.0316 -0.0300 -0.0141 0.1632 -0.2883 0.0981 -0.5253

1.5422 0.8545 0.2088 4.6033 -0.2413 2.4929 -0.2475 -0.4768 -0.5943 -1.1896 0.1489 0.7577 -1.8687 -0.0191 4.3970 0.3683 0.0368 -4.4198 1.1903 0.0474 0.6523 0.1795 0.1845 -0.0321 -0.0218 -0.3935 -0.2294 0.0638 -0.3951

1.5002 0.8093 -0.8172 0.2772 0.6808 -2.6954 -0.3096 0.1570 -1.1146 -0.8644 0.1059 0.0806 -4.8013 -0.0061 -1.2535 -1.3525 -0.0843 -2.9482 1.1331 0.0561 0.5011 0.5853 -0.0141 -0.0235 -0.0182 -0.7230 -0.4151 0.0693 -0.3810

0.6200 0.2490 -0.3952 0.3531 0.1289 0.4012 0.0519 0.0760 0.1482 -0.5081 0.4755 -0.0251 0.3531 0.1440 -0.1532 -1.2428 1.0369 0.1194 -0.1625 0.5550 -0.4095 1.1821 2.7631 0.6436 0.8306 1.8949 -0.4227 0.4204 0.2898

1.2614 0.3896 -0.0255 0.3550 0.1297 0.8384 0.1772 0.1026 0.0584 -0.3060 0.4437 0.2243 0.3550 0.4372 -0.1548 -1.2625 1.4954 0.1107 -0.1105 0.5462 -0.4215 1.2456 2.3094 0.5152 0.8060 1.7437 -0.3881 0.0874 0.2596

0.5788 0.6228 -0.6269 0.3531 0.1253 1.1666 0.2226 -0.1167 0.3206 0.0247 0.2927 -0.0160 0.3531 0.0744 -0.0019 -0.9620 -1.8088 0.1593 -0.2115 0.2337 2.7692 2.0703 2.8542 0.6982 0.7095 1.4673 -0.3310 -0.0604 -0.0249

-0.2586 0.0151 -0.4912 0.1075 -0.1946 -0.3661 0.0157 -0.0722 0.2702 -0.1006 0.8587 0.0430 0.1075 0.4663 -0.3790 1.7604 0.9056 0.5484 -0.2479 0.6101 0.0896 -0.1144 -0.9024 2.4203 -0.7554 1.1105 -1.4905 0.0263 -0.3724


-0.5261 0.0236 -0.0317 0.1081 -0.1957 -0.7649 0.0537 -0.0974 0.1064 -0.0606 0.8013 -0.3839 0.1081 1.4158 -0.3831 1.7882 1.3060 0.5083 -0.1685 0.6004 0.0922 -0.1205 -0.7542 1.9374 -0.7330 1.0219 -1.3682 0.0055 -0.3336

-0.2414 0.0378 -0.7791 0.1075 -0.1890 -1.0644 0.0675 0.1108 0.5845 0.0049 0.5286 0.0274 0.1075 0.2410 -0.0047 1.3626 -1.5797 0.7316 -0.3226 0.2569 -0.6061 -0.2003 -0.9321 2.6256 -0.6452 0.8599 -1.1672 -0.0038 0.0321


0.1069 0.4435 2.2080 0.2096 0.4605 0.1331 2.7657 0.4724 0.4924 0.2926 0.2750 -0.1610 0.2096 -0.0457 0.0054 0.6973 3.5608 -0.4021 0.2669 -0.6253 4.4470 0.6785 -0.3791 1.0518 -0.2191 0.3694 -0.4360 -0.2449 0.0346

0.6003 0.9050 2.6937 0.1439 0.7496 -0.0996 1.4671 0.2045 -0.1088 0.1560 0.2545 -0.2653 0.1439 0.1986 -0.0336 1.2494 2.7957 0.1443 -0.2575 -2.8976 1.3452 1.1546 0.5586 0.2263 0.2768 -1.3762 0.3787 -0.2613 0.2109

0.3230 0.7367 2.1487 0.2944 0.1338 -0.0583 0.6308 0.1274 0.3156 0.0988 0.2531 -0.1241 0.2944 -0.1373 -0.0635 1.1708 -1.7818 -0.3594 0.5581 -3.2457 3.9563 1.9544 0.4601 0.3041 -0.2511 1.1258 -0.5085 -0.3865 -0.1588

0.2148 0.1807 2.2226 0.3334 0.2183 0.3619 -0.6983 0.8020 0.1722 0.6629 0.3921 -0.3104 0.3334 -0.3796 0.0669 0.7185 1.5327 -0.1522 -0.8908 -0.8755 3.2690 0.5108 -0.0580 1.2601 -0.1958 0.2751 -0.1136 2.4101 0.0159

1.2060 0.3686 2.7115 0.2288 0.3554 -0.2708 -0.3704 0.3472 -0.0381 0.3534 0.3629 -0.5113 0.2288 1.6496 -0.4201 1.2874 1.2034 0.0546 0.8595 -4.0570 0.9889 0.8692 0.0854 0.2711 0.2473 -1.0250 0.0987 2.5722 0.0968

0.6489 0.3001 2.1629 0.4681 0.0634 -0.1587 -0.1593 0.2162 0.1104 0.2238 0.3609 -0.2392 0.4681 -1.1400 -0.7934 1.2064 -0.7670 -0.1360 -1.8630 -4.5445 2.9083 1.4712 0.0703 0.3643 -0.2243 0.8385 -0.1325 3.8044 -0.0729

-0.0713 0.2024 2.1672 0.5924 1.5839 0.3024 0.3895 0.0265 -0.9286 -2.0362 -0.6590 0.5240 0.6113 -2.1702 3.8504 0.0246 -0.0128 -0.1576 -0.6827 0.5046 3.8733 0.0000 1.3416 0.4440 -0.1069 -0.4109 -0.0284 0.3545 2.6519

-0.0596 0.1783 2.1412 0.5406 1.5475 0.3082 0.3298 0.1169 -0.8584 -2.0679 -0.5832 0.4424 0.5952 -1.7025 3.7210 -0.0630 0.0437 -0.1292 -0.6020 0.3851 3.7641 0.0972 1.5680 0.9270 -0.1163 -0.1439 0.0982 -0.1382 2.9808

0.7584 -0.0379 1.4940 0.3687 1.1660 0.0614 0.2192 -0.1475 0.2835 0.0996 1.5693 0.0689 0.7459 -1.7189 5.2690 0.5685 -0.1722 -0.0164 -0.4342 0.3676 3.2383 -0.1922 2.2452 -0.2420 -0.1431 0.0659 -0.2173 -0.3430 2.2990

-0.0323 -0.1479 1.7556 0.8425 1.7315 -0.3828 0.7284 0.0637 0.3801 -0.5119 -0.6710 0.8168 2.1372 0.0545 2.0539 0.0405 -0.0041 0.5195 0.3135 -0.2597 0.2448 0.0000 -0.0044 0.2152 0.1802 0.7422 0.0424 -0.1576 1.0078


-0.0271 -0.1303 1.7346 0.7689 1.6917 -0.3901 0.6169 0.2812 0.3514 -0.5199 -0.5938 0.6895 2.0809 0.0428 1.9848 -0.1037 0.0141 0.4259 0.2765 -0.1982 0.2379 0.0100 -0.0052 0.4494 0.1961 0.2600 -0.1466 0.0615 1.1328

0.3441 0.0277 1.2103 0.5243 1.2746 -0.0777 0.4099 -0.3548 -0.1161 0.0251 1.5979 0.1073 2.6077 0.0432 2.8106 0.9349 -0.0554 0.0541 0.1994 -0.1892 0.2047 -0.0198 -0.0074 -0.1173 0.2414 -0.1190 0.3244 0.1525 0.8737


0.2762 0.1611 -0.0548 0.0242 -0.3274 0.0334 -0.0514 -0.0924 -0.1089 1.7187 0.3303 -0.2973 -1.5711 0.4626 0.2916 -0.3589 1.9109 0.8497 0.2250 -0.1429 -1.9481 -0.2957 0.2862 -0.0542 -0.0138 -0.8079 1.0214 0.6242 0.0422

-0.3112 0.1870 0.1220 0.3498 -0.3532 -0.2178 0.0000 -0.4145 -0.0378 0.7933 0.1946 0.2441 1.3552 0.1711 -0.2236 -0.0533 1.5222 0.9040 0.8718 1.3242 -1.3835 -0.5099 0.1920 1.5846 -0.0130 0.5568 0.6935 -0.2082 -0.2556

0.1740 0.1632 0.2222 -0.0507 -0.6686 -0.2033 -0.0793 -0.6718 -0.0782 -1.2019 0.0236 -0.3655 -0.5725 0.2572 -0.1857 -0.4901 0.6656 0.6100 -0.1196 0.4531 -0.9456 -0.7310 0.0234 0.9521 -0.0153 -0.7130 0.8018 0.3350 -0.2754

0.5467 -0.5329 0.1143 0.0535 -0.1503 -0.0641 -0.1819 0.0709 -0.4201 1.2543 0.7765 0.8994 -4.6155 -0.0736 -0.0783 -0.1630 1.9142 0.0257 0.2356 -0.0505 0.3024 0.3391 0.5544 -0.0197 -0.8801 -0.1141 2.2413 -1.3754 -0.0374

-0.6160 -0.6184 -0.2542 0.7729 -0.1621 0.4179 0.0002 0.3180 -0.1458 0.5790 0.4575 -0.7385 3.9812 -0.0272 0.0601 -0.0242 1.5249 0.0274 0.9129 0.4678 0.2148 0.5849 0.3719 0.5753 -0.8253 0.0786 1.5218 0.4588 0.2264

0.3444 -0.5400 -0.4631 -0.1121 -0.3069 0.3902 -0.2809 0.5154 -0.3020 -0.8772 0.0555 1.1058 -1.6818 -0.0409 0.0499 -0.2226 0.6668 0.0185 -0.1252 0.1601 0.1468 0.8385 0.0454 0.3457 -0.9722 -0.1007 1.7594 -0.7381 0.2439

-0.0643 0.2039 0.0126 -1.9587 0.0445 -2.2242 -0.5360 0.5135 -0.2554 0.2271 0.0149 0.8649 0.6442 0.2551 -0.3598 0.3491 0.1289 0.3483 0.0536 0.0966 0.1838 -0.5172 0.4785 -0.0124 0.3391 0.1642 -0.1690 -1.2217 1.1987

0.1014 1.4974 0.0186 -1.4607 -0.0562 -2.0007 -0.6328 0.2206 -0.1393 0.1162 0.1101 1.4778 1.3133 0.4451 0.0986 0.3519 0.1297 0.6671 0.1875 0.1222 0.2822 -0.3851 0.4603 0.2381 0.3016 0.4651 -0.2479 -1.0452 1.6694

0.1020 1.2287 0.0167 -1.3431 -0.0623 -1.7327 -0.6259 0.3856 -0.0811 0.1257 0.1000 1.2520 0.9047 0.5562 -0.0235 0.2992 0.1253 0.6610 0.2231 0.1097 0.2894 -0.3080 0.2934 0.2702 0.2917 0.3749 -0.0979 -1.3286 1.2878

0.6122 -0.2873 -0.2762 -2.3936 0.0380 -1.7381 -2.6545 0.0966 0.6548 0.2858 -0.0582 1.6890 -0.2684 0.0148 -0.4320 0.1072 -0.1946 -0.3211 0.0162 -0.0842 0.3306 -0.1150 0.8631 0.0208 0.1064 0.5076 -0.4312 1.7387 1.0408


-0.9659 -2.1095 -0.4063 -1.7850 -0.0480 -1.5635 -3.1340 0.0415 0.3572 0.1462 -0.4310 2.8858 -0.5472 0.0258 0.1183 0.1080 -0.1957 -0.6150 0.0566 -0.1065 0.5075 -0.0857 0.8303 -0.3991 0.0946 1.4377 -0.6324 1.4875 1.4496

-0.9714 -1.7311 -0.3656 -1.6413 -0.0532 -1.3540 -3.0996 0.0726 0.2078 0.1583 -0.3914 2.4449 -0.3769 0.0323 -0.0282 0.0918 -0.1890 -0.6094 0.0673 -0.0956 0.5205 -0.0685 0.5293 -0.4528 0.0916 1.1587 -0.2499 1.8908 1.1182


0.8499 0.0320 0.5239 -0.6295 -0.0979 0.0730 -0.7041 0.0006 0.5752 0.3084 1.1735 0.1621 0.9039 0.0811 -1.1729 6.3800 -0.3102 -3.2551 0.6499 0.3980 0.2566 0.2393 0.0237 0.7765 1.4193 0.5872 -2.0722 0.2620 0.2615

0.4270 0.2681 -0.4287 -0.3283 -0.0215 0.1150 0.3489 0.0003 0.3451 -0.7822 -1.0288 0.2991 1.2349 1.2593 0.2792 9.6135 0.0846 3.1654 0.3390 0.1986 0.4103 -2.3051 0.3219 -0.3034 0.9056 0.0359 7.4595 0.1370 -0.0886

0.5263 -0.6498 0.2832 -0.3369 -0.0356 -0.6099 -0.4884 0.0039 0.3224 -0.2707 0.7687 0.3151 1.2012 0.3279 -1.0926 0.5788 -0.2386 -3.4225 0.4241 -0.0654 0.7695 -1.6749 0.2291 -0.0323 2.3268 0.0115 -2.1265 -0.5033 0.2031

0.6238 0.0468 0.2738 2.2457 0.7829 0.0225 1.1979 0.0284 0.9327 -0.0197 0.3565 0.0990 1.1288 0.0567 -0.8772 3.0550 0.8851 -2.5635 -0.4744 -0.9554 -0.3716 0.1235 0.0110 -1.9393 -2.9288 -0.3123 -1.2214 0.7042 -0.1085

0.3134 0.3922 -0.2240 1.1711 0.1716 0.0355 -0.5936 0.0158 0.5597 0.0500 -0.3125 0.1827 1.5422 0.8808 0.2088 4.6033 -0.2413 2.4929 -0.2475 -0.4768 -0.5943 -1.1896 0.1489 0.7577 -1.8687 -0.0191 4.3970 0.3683 0.0368

0.3862 -0.9506 0.1480 1.2020 0.2846 -0.1881 0.8308 0.1809 0.5228 0.0173 0.2335 0.1924 1.5002 0.2294 -0.8172 0.2772 0.6808 -2.6954 -0.3096 0.1570 -1.1146 -0.8644 0.1059 0.0806 -4.8013 -0.0061 -1.2535 -1.3525 -0.0843

0.0295 -0.1717 0.5795 -0.6191 0.0983 2.0918 0.7023 0.7535 1.3203 -0.4227 0.3716 0.0094 0.1050 0.2844 1.8012 0.5457 1.4560 0.2688 0.2321 0.0339 -0.8583 -1.6445 -0.0875 0.2819 0.7703 -2.8499 4.5879 0.0301 0.0626

0.0565 -0.1337 0.5944 -0.4093 1.0615 2.5936 0.7623 0.8673 0.9205 -0.3881 0.0816 0.1113 0.8761 0.2385 1.0004 0.8404 1.1418 0.0305 0.1090 -0.0903 -0.3223 -0.4040 0.6976 0.4009 0.3747 0.4145 4.8627 0.4712 0.0515

0.1560 -0.2089 0.2401 2.7669 2.0587 2.8415 0.7288 0.7129 1.4257 -0.3310 -0.0627 -0.0390 0.8076 -0.0363 1.4428 0.3798 1.1352 0.0507 0.2026 -0.1513 0.3192 0.1503 1.6282 0.0596 0.7175 -1.7229 5.3347 0.5919 -0.1640

0.1343 -0.2663 0.6377 0.1359 -0.0096 -0.6922 2.5338 -0.6843 0.7957 -1.4905 0.0220 -0.0120 0.0409 -0.2119 1.4804 0.7579 1.6372 -0.3455 0.4551 0.0826 0.3774 -0.3681 -0.0857 0.4342 2.8288 0.1316 2.3980 0.0473 0.0218


0.2574 -0.2073 0.6542 0.0898 -0.1040 -0.8582 2.7504 -0.7876 0.5548 -1.3682 0.0048 -0.1420 0.3409 -0.1777 0.8222 1.1672 1.2839 -0.0392 0.2137 -0.2199 0.1417 -0.0905 0.6836 0.6176 1.3760 -0.0191 2.5416 0.7410 0.0180

0.7107 -0.3239 0.2643 -0.6074 -0.2017 -0.9402 2.6296 -0.6474 0.8592 -1.1672 -0.0037 0.0498 0.3143 0.0271 1.1858 0.5274 1.2765 -0.0652 0.3972 -0.3683 -0.1404 0.0337 1.5955 0.0917 2.6351 0.0796 2.7883 0.9309 -0.0572


-0.9989 2.3763 -0.0002 0.3037 0.4103 0.0200 1.0903 0.7720 0.2503 0.0103 0.7006 1.3776 0.1069 0.4435 2.2080 0.2096 0.4605 0.1331 2.7657 0.4724 0.4924 0.2926 0.2750 -0.1610 0.2096 -0.0457 0.0054 0.6973 3.5608

-1.4087 2.9089 -0.0014 0.9177 0.1715 0.1166 1.1641 1.1986 -0.6035 0.0082 0.4555 1.0361 0.6003 0.9050 2.6937 0.1439 0.7496 -0.0996 1.4671 0.2045 -0.1088 0.1560 0.2545 -0.2653 0.1439 0.1986 -0.0336 1.2494 2.7957

-0.9397 2.7691 -0.0016 0.7051 0.5595 -0.0089 0.8543 0.9996 -1.1088 0.0149 0.4948 0.9993 0.3230 0.7367 2.1487 0.2944 0.1338 -0.0583 0.6308 0.1274 0.3156 0.0988 0.2531 -0.1241 0.2944 -0.1373 -0.0635 1.1708 -1.7818

-3.1340 0.9724 0.0076 0.2158 0.4293 0.0316 -0.0300 -0.0141 0.1632 -0.2883 0.0981 -0.5253 0.2148 0.1807 2.2226 0.3334 0.2183 0.3619 -0.6983 0.8020 0.1722 0.6629 0.3921 -0.3104 0.3334 -0.3796 0.0669 0.7185 1.5327

-4.4198 1.1903 0.0474 0.6523 0.1795 0.1845 -0.0321 -0.0218 -0.3935 -0.2294 0.0638 -0.3951 1.2060 0.3686 2.7115 0.2288 0.3554 -0.2708 -0.3704 0.3472 -0.0381 0.3534 0.3629 -0.5113 0.2288 1.6496 -0.4201 1.2874 1.2034

-2.9482 1.1331 0.0561 0.5011 0.5853 -0.0141 -0.0235 -0.0182 -0.7230 -0.4151 0.0693 -0.3810 0.6489 0.3001 2.1629 0.4681 0.0634 -0.1587 -0.1593 0.2162 0.1104 0.2238 0.3609 -0.2392 0.4681 -1.1400 -0.7934 1.2064 -0.7670

0.0504 -0.3028 0.4785 3.5275 0.0155 0.7268 -1.0550 0.2018 0.7101 -0.3392 -0.4140 0.0317 -0.0616 0.2243 0.0090 -1.8937 0.0466 -2.2079 -0.5541 0.5637 -0.2593 0.2176 -0.1311 0.7077 0.8093 0.6262 0.2411 -0.4345 0.3681

0.5008 -0.5956 0.3647 3.4814 0.0988 1.5336 0.4088 -0.0226 -0.2253 0.0680 -0.2106 2.1550 0.0837 1.8083 0.0086 -1.0089 -0.0858 -1.8454 -0.5170 0.4153 -0.1849 0.0745 -0.7079 0.5801 1.2942 1.2978 0.3778 -0.3775 0.4335

0.0065 -0.4164 0.3663 3.2192 -0.1910 2.2347 -0.3108 -0.1218 0.1017 -0.2362 -0.3859 2.3939 -0.0434 0.5251 0.0031 -1.3140 0.0925 -1.9362 -0.4724 0.6928 -0.2064 0.1228 -0.4025 1.1421 0.8403 0.5803 0.6089 -0.6027 0.3583

-0.1557 0.1387 -0.2457 0.2255 0.0016 -0.0046 -0.5044 -0.3565 -1.3010 0.4959 0.1854 0.0118 0.6775 -0.3168 -0.2344 -2.2934 0.0396 -1.7233 -2.4498 0.1005 0.6860 0.2803 0.1754 1.4284 1.6114 -0.2614 0.0150 -0.5514 0.1084


-1.5455 0.2728 -0.1873 0.2226 0.0104 -0.0096 0.1955 0.0399 0.4128 -0.0994 0.0943 0.8002 -0.9207 -2.5538 -0.2245 -1.2218 -0.0730 -1.4404 -2.2857 0.0740 0.4892 0.0960 0.9476 1.1709 2.5769 -0.5418 0.0235 -0.4792 0.1277

-0.0201 0.1908 -0.1881 0.2058 -0.0200 -0.0140 -0.1486 0.2151 -0.1864 0.3454 0.1728 0.8889 0.4778 -0.7416 -0.0820 -1.5914 0.0786 -1.5113 -2.0884 0.1235 0.5459 0.1582 0.5387 2.3051 1.6732 -0.2423 0.0378 -0.7650 0.1055


-0.4021 0.2669 -0.6253 4.4470 0.6785 -0.3791 1.0518 -0.2191 0.3694 -0.4360 -0.2449 0.0346 0.2762 0.1611 -0.0548 0.0242 -0.3274 0.0334 -0.0514 -0.0924 -0.1089 1.7187 0.3303 -0.2973 -1.5711 0.4626 0.2916 -0.3589 1.9109

0.1443 -0.2575 -2.8976 1.3452 1.1546 0.5586 0.2263 0.2768 -1.3762 0.3787 -0.2613 0.2109 -0.3112 0.1870 0.1220 0.3498 -0.3532 -0.2178 0.0000 -0.4145 -0.0378 0.7933 0.1946 0.2441 1.3552 0.1711 -0.2236 -0.0533 1.5222

-0.3594 0.5581 -3.2457 3.9563 1.9544 0.4601 0.3041 -0.2511 1.1258 -0.5085 -0.3865 -0.1588 0.1740 0.1632 0.2222 -0.0507 -0.6686 -0.2033 -0.0793 -0.6718 -0.0782 -1.2019 0.0236 -0.3655 -0.5725 0.2572 -0.1857 -0.4901 0.6656

-0.1522 -0.8908 -0.8755 3.2690 0.5108 -0.0580 1.2601 -0.1958 0.2751 -0.1136 2.4101 0.0159 0.5467 -0.5329 0.1143 0.0535 -0.1503 -0.0641 -0.1819 0.0709 -0.4201 1.2543 0.7765 0.8994 -4.6155 -0.0736 -0.0783 -0.1630 1.9142

0.0546 0.8595 -4.0570 0.9889 0.8692 0.0854 0.2711 0.2473 -1.0250 0.0987 2.5722 0.0968 -0.6160 -0.6184 -0.2542 0.7729 -0.1621 0.4179 0.0002 0.3180 -0.1458 0.5790 0.4575 -0.7385 3.9812 -0.0272 0.0601 -0.0242 1.5249

-0.1360 -1.8630 -4.5445 2.9083 1.4712 0.0703 0.3643 -0.2243 0.8385 -0.1325 3.8044 -0.0729 0.3444 -0.5400 -0.4631 -0.1121 -0.3069 0.3902 -0.2809 0.5154 -0.3020 -0.8772 0.0555 1.1058 -1.6818 -0.0409 0.0499 -0.2226 0.6668

0.1361 0.2365 0.0536 0.0581 0.2500 -0.5524 0.4971 -0.0728 0.3681 0.1028 -0.1544 -1.1726 1.0854 0.1166 -0.2415 0.1563 0.4302 0.7726 2.7976 0.4203 0.2144 1.5253 -0.4227 -0.0265 -0.1510 0.6502 0.1730 1.5978 0.6292

0.1399 -0.1391 0.1875 0.0111 0.6325 -0.6997 0.5640 -0.0940 0.4335 0.0626 -0.1637 -0.6925 1.5873 0.1779 0.0141 0.2331 1.2553 1.1138 2.6938 0.7430 0.8228 0.9202 -0.3881 0.0368 0.0942 0.9532 0.2359 0.9788 0.8393

0.1358 1.1002 0.2231 -0.1108 0.3585 -0.0072 0.2979 -0.0219 0.3583 0.1056 -0.0022 -0.9711 -1.7379 0.1845 -0.2180 0.2282 2.8658 2.0870 2.8076 0.7228 0.7225 1.4190 -0.3310 -0.0682 -0.0367 0.8194 -0.0383 1.4518 0.3505

-0.2032 -0.2152 0.0162 -0.0549 0.4374 -0.1445 0.8905 0.1265 0.1084 0.3481 -0.3828 1.6549 0.9468 0.5062 -0.3388 0.1710 -0.0975 -0.0755 -0.9194 1.4732 -0.1923 0.9206 -1.4905 -0.0009 0.1912 0.2714 -0.1265 1.3096 0.8843


-0.2089 0.1265 0.0566 -0.0105 1.1068 -0.1831 1.0105 0.1634 0.1277 0.2119 -0.4058 0.9773 1.3846 0.7723 0.0197 0.2550 -0.2845 -0.1088 -0.8852 2.6040 -0.7381 0.5554 -1.3682 0.0012 -0.1192 0.3979 -0.1726 0.8023 1.1795

-0.2027 -1.0010 0.0673 0.1046 0.6274 -0.0019 0.5338 0.0380 0.1055 0.3574 -0.0054 1.3705 -1.5160 0.8010 -0.3058 0.2497 -0.6496 -0.2039 -0.9226 2.5335 -0.6481 0.8564 -1.1672 -0.0022 0.0465 0.3420 0.0280 1.1899 0.4926


0.8497 0.2250 -0.1429 -1.9481 0.0109 0.0200 0.2862 -0.0542 -0.0138 -0.8079 1.0214 0.6242 0.0422 0.8499 0.0320 0.5239 -0.6295

0.9040 0.8718 1.3242 -1.3835 0.0118 0.0217 0.1920 1.5846 -0.0130 0.5568 0.6935 -0.2082 -0.2556 0.4270 0.2681 -0.4287 -0.3283

0.6100 -0.1196 0.4531 -0.9456 0.0166 0.0303 0.0234 0.9521 -0.0153 -0.7130 0.8018 0.3350 -0.2754 0.5263 -0.6498 0.2832 -0.3369

0.0257 0.0274 0.0185 0.2356 0.9129 -0.1252 -0.0505 0.4678 0.1601 0.3024 0.2148 0.1468 0.0546 0.0590 0.0829 0.3248 0.3520 0.4912 0.5544 0.3719 0.0454 -0.0197 0.5753 0.3457 -0.8801 -0.8253 -0.9722 -0.1141 0.0786 -0.1007 2.2413 1.5218 1.7594 -1.3754 0.4588 -0.7381 -0.0374 0.2264 0.2439 0.6238 0.3134 0.3862 0.0468 0.3922 -0.9506 0.2738 -0.2240 0.1480 2.2457 1.1711 1.2020

1.0461 0.2259 -0.1522 -0.0368 -0.2827 0.3378 0.5278 0.1051 0.6048 -2.4651 4.7568 0.5892 -0.1288 0.0027 -0.2755 0.4638 3.5738

1.1161 0.0267 0.0693 0.1354 -0.7890 -1.5153 0.4745 0.3818 0.3587 0.4277 4.9132 0.5446 0.0235 0.4987 -0.4201 0.2985 3.7341

1.1653 0.0612 0.2054 -0.1497 0.2856 0.1926 1.6396 0.0531 0.7216 -1.7165 5.3507 0.6077 -0.1807 0.0047 -0.4129 0.3608 3.2329

1.1407 -0.2857 -0.2670 -0.0883 0.1127 0.0908 0.5333 0.1604 2.1833 0.1156 2.5009 0.9550 -0.0393 -0.0084 0.1269 -0.2362 0.2218


1.2170 -0.0338 0.1216 0.3246 0.3146 -0.4075 0.4795 0.5828 1.2948 -0.0201 2.5831 0.8827 0.0072 -1.5294 0.1935 -0.1520 0.2317

1.2707 -0.0774 0.3603 -0.3588 -0.1139 0.0518 1.6569 0.0810 2.6048 0.0805 2.8132 0.9850 -0.0551 -0.0144 0.1901 -0.1837 0.2006

Lampiran 3 Kuesioner Penelitian Bapak/Ibu yang terhormat, saya mahasiswa Teknik Industri Universitas Indonesia ingin mengadakan penelitian yang bertujuan untuk mengumpulkan informasi mengenai faktor faktor kepuasaan pelanggan sepeda motor. Atas perhatian dan kerjasama Bapak/Ibu, kami ucapkan terima kasih. Data Responden: ( Beri tanda (x) pada kotak yang disediakan) 1. Jenis Kelamin : Laki-laki

2. Umur

: 17-25 tahun

26-35 tahun

46-55 tahun

>55 tahun

3. Merk Sepeda Motor : Honda Bajaj Tipe

Perempuan

Yamaha Kawasaki

: ……………………

4. Tingkat Pendidikan : SD Diploma

37- 45 tahun

Suzuki lainnya,……….. (tuliskan)

(tuliskan) SMP S1

SMA S2

lainnya,…………(tuliskan) 5. Tempat Tinggal : Depok

6. Pekerjaan :

Jakarta Utara

Jakarta Pusat

Jakarta Timur

Jakarta Barat

Jakarta Selatan

Bogor

Tangerang

Bekasi

…………………

7. Pendapatan Responden per bulan : < 2.000.000 2.000.000 – 4.000.000 4.100.000 – 6.000.000 > 6.000.000


Lampiran 3 Kuesioner Penelitian 1.

Lingkari angka yang anda pilih pada masing-masing pernyataan dibawah ini: 1 = Sangat tidak sesuai dengan kenyataan 2 = Tidak sesuai dengan kenyataan 3 = Cenderung tidak sesuai dengan kenyataan 4 = Cenderung sesuai dengan kenyataan 5 = Sesuai dengan kenyataan 6 = Sangat sesuai dengan kenyataan

Pernyataan Pada saat mengendarai sepeda motor tersebut, saya merasa bahwa kebutuhan saya dalam hal-hal berikut ini sudah terpenuhi dengan Skala baik: 1. Kecepatan sepeda motor 1 2 3 4 5

6

2. Percepatan (tarikan) sepeda motor.

1 2 3

4

5

6

3. Rasa aman saat mengendarai sepeda motor.

1 2 3

4

5

6

4. Rasa nyaman saat mngendarai sepeda motor.

1 2 3

4

5

6

5. Kemampuan angkut sepeda motor. Setelah menggunakan kendaraan, saya merasa bahwa kebutuhan saya dalam hal-hal berikut telah terpenuhi dengan baik sesuai dengan informasi yang tercantum di dalam brosur, iklan, manual, penjelasan lisan saat membeli atau informasi lainnya :

1 2 3

4

5

6

1. Jarak tempuh untuk setiap liter bahan bakar (kilometer/liter).

1 2 3

4

5

6

2. Keawetan sepeda motor dan suku cadangnya.

1 2 3

4

5

6

3. Kemudahaan penggunaan sepeda motor.

1 2 3

4

5

6

4. Kemudahan pemeliharaan pengguna sepeda motor. 5. Kemudahan memperoleh layanan perawatan sepeda motor. Pada saat mengendarai sepeda motor tersebut, saya merasa bahwa jenis-jenis kemampuan kendaraan berikut sesuai dengan fakta dalam praktek:

1 2 3 1 2 3

4 4

5 5

6 6

1. Dapat dihidupkan dan dikendarai dengan baik pada saat cuaca normal, udara panas, udara dingin, hujan lebat atau berangin. 2. Dapat dihidupkan dan dikendarai dengan baik pada pagi, siang, sore atau malam hari. 3.Dapat dikendarai dengan baik dengan beban dua orang pada jalan datar, tanjakan, tikungan atau menurun. 4. Dapat dikendarai dengan baik, aman dan cukup nyaman pada jalan yang kurang baik keadaannya. 5. Dapat dikendarai dengan mudah oleh siapa saja yang memiliki keterampilan mengendarai sepeda motor. 6. Dapat ditangani dengan mudah oleh bengkel mana saja yang memiliki kemampuan yang memadai.

1 2 3

4

5

6

1 2 3

4

5

6

1 2 3

4

5

6

1 2 3

4

5

6

1 2 3

4

5

6

1 2 3

4

5

6


Skala

Skala

Lampiran 3 Kuesioner Penelitian 2. Kepuasan Pelanggan Lingkari angka yang anda pilih pada masing-masing pernyataan dibawah ini: 1 = Sangat tidak sesuai dengan kenyataan 2 = Tidak sesuai dengan kenyataan 3 = Cenderung tidak sesuai dengan kenyataan 4 = Cenderung sesuai dengan kenyataan 5 = Sesuai dengan kenyataan 6 = Sangat sesuai dengan kenyataan

Pernyataan

Skala

1. Kebutuhan transportasi saya terpenuhi dengan baik melalui penggunaan sepeda motor ini.

1

2

3

4

5

6

2. Kesulitan transportasi saya teratasi dengan baik melalui penggunaan sepeda motor ini.

1

2

3

4

5

6

3. Saya bangga dapat memiliki sepeda motor ini

1

2

3

4

5

6

4. Saya bangga saat mengendarai sepeda motor ini

1

2

3

4

5

6

5. Saya senang saat mengendarai sepeda motor ini

1

2

3

4

5

6

6. Saya bersemangat untuk mengendarai sepeda motor ini

1

2

3

4

5

6

7. Saya kagum atas kegunaan dan kualitas sepeda motor ini

1

2

3

4

5

6

8. Saya yakin bahwa sepeda motor ini dapat dimanfaatkan dengan baik saat dibutuhkan

1

2

3

4

5

6

3. Kualitas Pelayanan (Bengkel Resmi)

Pernyataan Setelah menerima pelayanan dari bengkel resmi sepeda motor ini, saya telah merasa terjamin dalam pemenuhan kebutuhankebutuhan berikut ini ……. 1. Pemeliharaan

Skala 1

2

3

4

5

6

1

2

3

4

5

6

1

2

3

4

5

6

4. Saya merasa nyaman selama memanfaatkan jasa bengkel resmi

1

2

3

4

5

6

5. Saya merasa dihargai selama berhubungan dengan personel bengkel resmi sepeda motor yang saya gunakan

1

2

3

4

5

6

2. Perawatan/Perbaikan Sepeda Motor 3.

Penggantian suku cadang


Lampiran 3 Kuesioner Penelitian 4. Pengetahuan dan Disiplin Operasional Dalam hal cara mengendarai sepeda motor tersebut secara baik dan benar.....

Skala

1. Saya mampu menjelaskan cara mengendarai sepeda motor secara baik dan benar.

1

2

3

4

5

6

2. Saya mampu menjelaskan syarat keterampilan yang perlu dimiliki oleh pengendara.

1

2

3

4

5

6

3. Saya memiliki keterampilan memadai untuk mengendarai

1

2

3

4

5

6

1

2

3

4

5

6

4. Saya berusaha mengendarai dengan cara yang baik dan benar. Guna Mewujudkan pemanfaatan sepeda motor tersebut secara baik dan benar diperlukan serangkaian kegiatan pemeliharaan dan perawatan terencana. Untuk maksud itu…. 1. Saya mampu menyebutkan jadwal dan jenis kegiatan pemeliharaan dan perawatan secara lengkap 2. Saya mampu membiayai semua jenis kegiatan pemeliharaan dan perawatan tersebut.

Skala 1

2

3

4

5

6

1

2

3

4

5

6

3. Saya berusaha menepati jadwal dan jenis kegiatan tersebut

1

2

3

4

5

6

4. Saya berusaha menaati batas kemampuan angkut kendaraan dengan baik

1

2

3

4

5

6

TERIMA KASIH


UNIVERSITAS INDONESIA

Recommend Documents