2. Uji Bruesch-Godfrey, yang lebih umum dikenal dengan uji langrange
3.11 Analisis Jalur (Path Analysis)
Untuk menganalisis pola hubungan antara variabel yang terdapat dalam penelitian ini akan digunakan metode analisis jalur. Dan berikut adalah penjelasannya:
3.11.1 Definisi Path Analysis
Menurut Riduwan dan Kuncoro (2008:1) Path Analysis adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel terikat tidak hanya secara langsung tetapi juga secara tidak langsung. Sedangkan tujuan utama path analysis adalah untuk menerangkan akibat langsung dan tidak langsung dari beberapa variabel penyebab, terhadap beberapa variabel lainnya sebagai variabel akibat.
3.11.2 Manfaat Path Analysis
Menurut Riduwan dan Kuncoro (2008:2), manfaat model path analysis adalah sebagai berikut:
1. Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.
2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X) dan prediksi dengan path analysis ini bersifat kualitatif.
3. Faktor determinan yaitu penentu variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas (X) terhadap variabel terikat (Y).
3.11.3 Asumsi Path Analysis
Menurut Riduwan dan Kuncoro (2008:2), asumsi yang mendasari path analysis sebagai berikut:
1. Pada model path analysis, hubungan antar variabel adalah bersifat linear, adaptif dan bersifat moral.
2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausal yang berbalik.
3. Variabel terikat (endogen) minimal dalam skala ukur interval dan rasio.
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.
5. Observed variabel diukur tanpa kesalahan (instrument pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.
6. Model yang dianalisis dispesifikasikan dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.
3.11.4 Model dan Persamaan Struktural Path Analysis
Model struktural yaitu bila setiap variabel endogen (Y) secara unik keadaannya ditentukan oleh seperangkat variabel eksogen (X). Diagram jalur berikut menunjukkan struktur hubungan kausal antar variabel.
ε1 ε2
ρyx1 ρzx1
rx1x2 ρzy
ρyx2
ρzx2
Gambar 3.1 Diagram Jalur Hubungan Variabek X1,X2 dan Y ke Z Sumber: Riduwan dan Kuncoro, 2008, p5
Persamaan struktural untuk diagram jalur yaitu:
Y = ρYX1 X1 + ρYX2 X2 + ρYX3 X3 + ε1 Z = ρZX1 X1 + ρZX3 X3 + ρZY Y + ε2
X1
X2
Y Z
Keterangan:
ρ= koefisien jalur (path coefficient), yang menunjukkan pengaruh langsung variabel eksogen terhadap variabel endogen
ε = faktor residual, yang menunjukkan pengaruh variabel lain yang tidak diteliti atau kekeliruan pengukuran variabel
Kategori seberapa besar pengaruh variabel independen terhadap variabel dependen dalam Path Analysis dilihat dari nilai koefisien beta akan diuraikan pada Tabel 3.7 berikut ini:
Tabel 3.8 Kategori Pengaruh Variabel Dalam Path Analysis Nilai Koefisien
Beta
Kategori Pengaruh
0,05 – 0,09 Lemah
0,10 – 0,29 Sedang
>0,30 Kuat
3.11.5 Langkah-Langkah Pengujian Path Analysis
Menurut Riduwan & Kuncoro (2008: 116), ada beberapa langkah pengujian analisis jalur (path analysis) yaitu sebagai berikut :
1. Merumuskan hipotesis dan persamaan struktural.
Struktur: Y pyx1 X1 + p yx2 X2 +pyε1
2. Menghitung koefisien jalur yang didasarkan pada koefisien regresi.
a) Menggambarkan diagram jalur lengkap, menentukan sub-sub strukturnya dan merumuskan persamaan strukturalnya yang sesuai hipotesis yang diajukan.
Hipotesis: Naik turunnya variabel endogen dipengaruhi secara signifikan oleh variabel eksogen.
b) Menghitung koefisien regresi untuk struktur yang telah dirumuskan.
Persamaan regresi berganda: Y = a + b1x1 + b2x2 + ε1
3. Menghitung koefisien jalur secara simultan (keseluruhan atau bersama-sama)
a) Kaidah pengujian signifikan secara manual: menggunakan tabel F
b) Kaidah pengujian signifikan : program SPSS
Jika nilai probabilitas 0.05 lebih kecil atau sama dengan nilai probabilitas sig atau [0.05 ≤ sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Jika nilai probabilitas 0.05 lebih besar atau sama dengan nilai probabilitas sig atau [0.05 ≥ sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
4. Menghitung koefisien jalur secara individu
Selanjutnya untuk mengetahui signifikan analisis jalur bandingkan antara nilai probabilitas 0.05 dengan nilai probabilitas sig dengan dasar pengambilan keputusan sebagai berikut:
Jika nilai probabilitas 0.05 lebih kecil atau sama dengan nilai probabilitas sig atau [0.05 ≤ sig], maka Ho diterima dan Ha ditolak, artinya tidak signifikan.
Jika nilai probabilitas 0.05 lebih besar atau sama dengan nilai probabilitas sig atau [0.05 ≥ sig], maka Ho ditolak dan Ha diterima, artinya signifikan.
5. Meringkas dan Menyimpulkan
3.12 Rancangan Uji Hipotesis
Berdasarkan tujuan-tujuan penelitian diatas, maka dapat dirumuskan hipotesis penelitian. Rancangan uji hipotesis menggunakan tingkat kepercayaan 95%, dimana tingkat presisi (α) = 5% atau 0,05.
DPK (Dasar Pengambilan Keputusan)
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig. atau (0,05 ≤ Sig.), maka Ho diterima dan H1 ditolak, artinya tidak signifikan.
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig. atau (0,05 ≥ Sig.), maka Ho diterima dan H1 diterima, artinya
signifikan.
Dengan diketahui variable dalam penelitian sebagai berikut : X1 = Relationship Marketing
X2 = Service Quality Y = Customer Satisfaction Z = Customer Loyalty
1) Hipotesis pengujian parsial variabel X1 terhadap Y. (T-1)
Ho : Relationship Marketing tidak berpengaruh secara parsial dan signifikan terhadap variabel Customer Satisfaction.
Ha : Relationship Marketing berpengaruh secara parsial dan signifikan terhadap variable Customer Satisfaction.
2) Hipotesis pengujian parsial variabel X2 terhadap Y. (T-2)
Ho : Service Quality tidak berpengaruh secara parsial dan signifikan terhadap variabel Customer Satisfaction.
Ha : Service Quality berpengaruh secara parsial dan signifikan terhadap variable Customer Satisfaction.
3) Hipotesis pengujian parsial variabel Y terhadap Z. (T-3)
Ho : Customer Satisfaction tidak memiliki pengaruh secara parsial dan signifikan terhadap Customer Loyalty
Ha : Customer Satisfaction berpengaruh secara parsial dan signifikan terhadap variabel Customer Loyalty.
4) Hipotesis pengujian parsial X1 terhadap Z. (T-4)
Ho : Relationship Marketing tidak berpengaruh secara parsial dan signifikan terhadap variabel Customer Loyalty.
Ha : Relationship Marketing berpengaruh secara parsial dan signifikan terhadap variable Customer Loyalty.
5) Hipotesis pengujian parsial X2 terhadap Z. (T-5)
Ho : Service Quality tidak berpengaruh secara parsial dan signifikan terhadap variabel Customer Loyalty.
Ha : Service Quality berpengaruh secara parsial dan signifikan terhadap variable Customer Loyalty.
6) Hipotesis pengujian simultan X1 dan X2 terhadap Y. (T-6)
Ho : Relationship Marketing, dan Service Quality tidak berpengaruh secara simultan dan signifikan terhadap variabel Customer Satisfaction.
Ha : Relationship Marketing, dan Service Quality berpengaruh secara simultan dan signifikan terhadap variabel Customer Satisfaction.
7) Hipotesis pengujian simultan X1 dan X2, Y terhadap Z. (T-7)
Ho : Relationship Marketing, Service Quality, dan Customer Satisfaction tidak berpengaruh secara simultan dan signifikan terhadap variabel Customer Loyalty.
Ha : Relationship Marketing, Service Quality, dan Customer Satisfaction berpengaruh secara simultan dan signifikan terhadap variabel Customer Loyalty.