BAB IV PEMBAHASAN
D. Uji Asumsi Klasik
Uji normalitas pada multivariat bisa dilakukan pada setiap variabel
dengan logika bahwa jika secara individual masing-masing variabel
memenuhi asumsi normalitas, maka secara bersama-sama
variabel-variabel tersebut juga bisa dianggap memenuhi asumsi normalitas. Uji
normalitas dapat dilihat dalam tabel One-Sample Kolmogorov-Smirnov Test.
Tabel 4.3 Output Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Reability Responsive Assurance Empathy Tangible Kepuasan
N 100 100 100 100 100 100 Normal Parametersa,,b Mean 2.90 2.99 2.87 3.01 2.99 .88 Std. Deviation .577 .414 .580 .460 .266 .327 Most Extreme Differences Absolute .469 .420 .489 .399 .475 .523 Positive .371 .410 .371 .399 .455 .357 Negative -.469 -.420 -.489 -.391 -.475 -.523 Kolmogorov-Smirnov Z 4.688 4.196 4.887 3.987 4.750 5.233
Asymp. Sig. (2-tailed) .000 .000 .000 .000 .000 .000
a. Test distribution is Normal.
b. Calculated from data.
Dalam tabel diatas terlihat bahwa nilai signifikansidari semua variabel menunjukan angka lebih kecil dari nilai α = 0.05, yang berarti bahwa
dalam uji normalitas kali ini Ho ditolak. Ho ditolak artinya data yang
berada dalam penilitian ini berasal dari sampel yang terdistribusi secara
normal. Jadi, variabel-variabel dalam penilitian ini dapat digunakan untuk
analisis diskriminan.
2. Uji Multikolinearitas
Ujimultikolinearitasbertujuanuntukmengujiapakah dalam model
ditemukanadanyakorelasiantarvariabelbebas(independent).Dalam tabel
dibawah berikut ini dapat dilihat apakah terjadi multikoleniritas diantara
Tabel 4.4 Uji Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .013 .354 .037 .971 reliabilithy -.478 .122 -.845 -3.933 .000 .153 6.547 responsiveness .176 .092 .223 1.916 .058 .520 1.923 assurance .586 .110 1.040 5.345 .000 .186 5.377 Empathy .024 .087 .033 .271 .787 .469 2.131 Tangible -.008 .129 -.007 -.065 .949 .636 1.572
a. Dependent Variable: kepuasan
Dalam tabel 4.4 Coefficients diatas dapat dilihat bahwa semua variabel bebas dalam penilitian ini mempunyai nilai tolerance lebih besar dari 0,1,
yang artinya dalam uji multikoleniaritas ini Ho diterima dan Hi ditolak.
Kesimpulan yang dapat diambil dalam uji ini bahwa dalam model tidak
ada korelasi antar variabel bebas sehingga variabel-variabel yang
digunakan dapat digunakan untuk analisis diskriminan.
3. Uji Heterokesditas
Uji heteroskedastisitas bertujuan menguji apakah dalam model terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual atau pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Untuk melihat apakah terjadi heterokesdisitas dalam
Gambar 4.6 Output Uji Heterokesditas
Dalam grafik diatas, dapat dilihat bahwa data tersebar secara acak
(random) dan tidak membuat suatu pola tertentu. Maka dapat disimpulkan
dalam uji heterokedastisitas ini Ho ditolak dan Hi diterima, yang artinya
dalam model ini tidak terdapat masalah heterokedastisitas dan dapat
digunakan dalam analisis diskriminan.
E. Identifikasi Variabel Diskriminan
Sebelum dimasukan dalam model harus dilakukan identifikasi variabel
apa saja dalam model yang dapat digunakan dalammodel analisis
diskiriminan. Dalam melakukan identifikasi, dapat dilihat tabel dibawah
berikut.
Tabel 4.5 Output uji signifikansi Tests of Equality of Group Means
Wilks' Lambda F df1 df2 Sig.
Reability .934 6.938 1 98 .010
Responsive .867 14.999 1 98 .000
Assurance .797 24.886 1 98 .000
Empathy .956 4.502 1 98 .036
Tangible .952 4.928 1 98 .029
test of Equality of Group Mean kurang dari taraf signifikansi 0,05. Yang artinya dalam mengidentifikasi variabel kali ini Ho ditolak, artinya semua
variabel dalam penilitian ini layak dan dapat digunakan dalam
mengindentifikasi perbedaan antara kategori kepuasan nasabah.
Dalam tabel Tests of Equality of Group Means diatas juga dapat dilihat
ada nilai Wilks’ Lambda disana. Nilai Wilks’ Lambda dari setiap variabel
berada antara 0 – 1 yang berarti setiap variabel signifikan dalam membedakan kategori Puas dan Tidak Puas Nasabah BRI Syariah.
F. Uji Asumsi Analisis Diskriminan
Pada analisis diskriminan ini, akan dibahas variabel kualitas pelayanan
apa saja yang berpengaruh signifikan terhadap kepuasan seorang nasabah atas
pelayanan Bank BRIS secara keseluruhan. Selain itu dapat diketahui seberapa
besar kecenderungan kepuasan seorang nasabah terhadap pelayanan Bank
BRIS berdasarkan kepuasannya terhadap aspek reliability, responsiveness, assurance, empaty, dan tangible.
Tabel 4.6 Output Uji Asumsi Analisis Diskriminan Group Statistics
Kepuasan Mean Std. Deviation
Valid N (listwise) Unweighted Weighted
tidak puas Reability 2.50 1.314 12 12.000
Responsive 2.58 .669 12 12.000 Assurance 2.17 1.115 12 12.000 Empathy 2.75 .965 12 12.000 Tangible 2.83 .389 12 12.000 Puas Reability 2.95 .369 88 88.000 Responsive 3.05 .336 88 88.000 Assurance 2.97 .385 88 88.000 Empathy 3.05 .336 88 88.000 Tangible 3.01 .239 88 88.000 Total Reability 2.90 .577 100 100.000
Responsive 2.99 .414 100 100.000
Assurance 2.87 .580 100 100.000
Empathy 3.01 .460 100 100.000
Tangible 2.99 .266 100 100.000
Dalam tebel 4.6Group Statisticsdiatas dapat terlihat jelas perbedaan antara kategori puas dan tidak puas. dari keseluruhan 100 sampel yang
didapat, ada 88 sampel yang ada dalam kategori Puas dan sisanya 12 sampel ada dalam kategori Tidak Puas. Dapat dilihat pula bahwa rata-rata nilai tiap variabel yang ada dalam kategori Puas lebih besar dari nilai rata-rata variabel dalam kategori Tidak Puas. Apabila dilihat nilai standar deviation dapat
dikatakan bahwa kategori Tidak Puas yang terbesar nilainya ada dalam variabel Reability dan Assurance.
Mengukur hubungan antara discriminant score dengan kategori kepuasan nasabah BRI Syariahdapat dilihat pada tabel 4.7. Ukuran skala asosiasi 0 sampai1,semakin tinggi nilai Canonical Correlation maka semakin baik fungsi tersebut menjelaskan variabel yang diamati.
Tabel 4.7 Uji korelasi Canonical Eigenvalues
Function Eigenvalue % of Variance Cumulative %
Canonical Correlation
1 .510a 100.0 100.0 .581
a. First 1 canonical discriminant functions were used in the analysis.
Dalam tabel 4.7EigenvaluesKita dapat mengetahui korelasi antar variabel terikat(kepuasan) dan variabel bebas (reliability, responsiveness, assurance, empaty, dan tangible). Nilai canonical correlastion yang didapat sebesar 0,581 yang artinya perbedaan kepuasan nasabah BRI Syariah dapat
dijelaskan oleh variabel bebas sebesar 58,1% sedangkan sisanya 41,9%
Tabel 4.8 Output Uji Wilks' Lambda Wilks' Lambda
Test of Function(s) Wilks' Lambda Chi-square df Sig.
1 .662 39.349 5 .000
Apabila sebelumnya nilai Wilks’ Lambda digunakan untuk melihat
perbedaan yang signifikansi dari variabel bebas, maka dalam tabel 4.8Wilks' LambdaChi-squareini dapat dilihat apakah terdapat perbedaan yang signifikansi dari Variabel terikat (kepuasan)antara kategori Puas dan Tidak
Puas. Nilai signifikansi dalam tabel 4.8 diatas adalah 0,00 yang artinya lebih
rendah dari taraf signifikansi 0,05. Maka, dapat dijelaskan bahwa terdapat
perbedaan yang signifikan antara kategori Puas dan Tidak Puas dalam variabel
terikat.
Tabel 4.9 Output Uji Structure Matrix Structure Matrix Function 1 Assurance .706 Responsive .548 Reability .373 Tangible .314 Empathy .300
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
Dalam tabel 4.9Structure Matrix diatas dapat diketahui bahwa variabel
Assurance paling signifikan mempengaruhi kepuasan nasabah BRI Syariah sebanyak 70,6%. Kemudian disusul dengan variabel Responsive 54,8%, Reability 37,3% , Tangible 31,4% dan Emphaty 30,0%.
G. Menentukan fungsi Diskriminan
untuk mengetahui sebuah case (dalam hal ini seorang pelanggan) masuk pada grup yang satu ataukah tergolong pada grup yang lainnya.
Tabel 4.10
Output Fungsi Diskriminan Canonical Discriminant Function Coefficients
Function 1 Reability -3.078 Responsive 1.133 Assurance 3.773 Empathy .152 Tangible -.054 (Constant) -5.585 Unstandardized coefficients
Dilihat dari tabel diatas kita peroleh fungsi yang hampir mirip dengan
persamaan regresi berganda, yang dalam analisis diskriminan disebut fungsi
diskriminan. Fungsi diskriminan tersebut dapat ditulis sebagai berikut:
Z = -5,585- 3.078x1 +1,133x2 + 3,773x3 +0,152x4 – 0,054x5 Dimana : X1 = Reability X2 = Responsive X3 = Assurance X4 = Empathy X5 = Tangible
Selain fungsi diatas, dengan dipilihnya Fisher Function Coefficient
pada proses analisis akan terbentuk fungsi diskriminan dari Fisher yang dapat
dilihat pada pada tabel 4.11 dibawah ini. Sama seperti tampilan
Unstandardized (Canonical) sebelumnya, fungsi diskriminan dari Fisher pada prinsipnya membuat semacam persamaan regresi dengan pembagian
Tabel 4.11
Output ujiClassification Function Coefficients Classification Function Coefficients
Kepuasan tidak puas puas
Reability -12.808 -19.504 Responsive 12.965 15.429 Assurance -5.279 2.929 Empathy 12.704 13.033 Tangible 46.517 46.400 (Constant) -79.078 -89.429
Fisher's linear discriminant functions
Responden yang puas dalam pelayanan frontliner BRI Syariah (kode
1):
Zscore1= -89,429– 19,504x1 +15,429x2 + 2,929x3 + 13,033x4 – 46,4x5
Responden yang tidak puas dalam pelayanan frontliner BRI Syariah (kode
0):
Zscore0= -79,078– 12,808x1 +12,965x2 – 5,279x3 + 12,704x4 – 46,517x5
Fungsi yang akan digunakan dalam aplikasi pada perhitungan score
CasewiseStatistics adalah fungsi Unstandardized. Fungsi diskriminan Fisher sebenarnya bersifat proporsional dengan fungsi diskriminan Unstandardized.
H. Interpretasi Fungsi Diskriminan
Didalam lampiran, terdapat tabel outputCasewise Statisticsyang dimaksudkan untuk mengujiapakah model diskriminan yang terbentuk akan
mengelompokkan dengan tepatseorang nasabah dengan kategori puas dan
tidak puas terhadap kualitas pelayanan BRI Syariah.
kategori tidak puas mempunyai data sebagai berikut. X1 = Reability = 4 X2 = Responsive = 3 X3 = Assurance = 3 X4 = Empathy = 4 X5 = Tangible = 3
persamaan untuk dalam kasus nasabah pertama adalah:
Z score = -5,585- 3.078(4) +1,133(3) + 3,773(3) +0,152(4) – 0,054(3) Z score = -2,733
Jika dilihat pada kolom terakhir dari tampilan Casewise Statistics
terlihatangka diskriminan score untuk case nasabah pertama adalah -2.734. Demikian seterusnya bisa dilakukan pembuatan score untuk masing-masing responden.
Tabel 4.12 Uji klasifikasi responden Prior Probabilities for Groups
Kepuasan Prior
Cases Used in Analysis Unweighted Weighted
tidak puas .500 12 12.000
Puas .500 88 88.000
Total 1.000 100 100.000
Hasil score selanjutnya akan dibandingkan dengan cut off score, untuk mengetahui apakah responden masuk ke kategori puas ataukah tidak puas.
Dari rinciannya yang dapat dilihat pada tabel 4.12 didapatkan jumlah nasabah
Tabel 4.13 Output uji Centroids Functions at Group Centroids
Kepuasan
Function 1
tidak puas -1.914
Puas .261
Unstandardized canonical discriminant functions evaluated at group means
Selanjutnya, untuk membandingkan nilai score dengan nilai cut off score dapat dilakukan dengan cara manual berdasarkan nilai centroids yang terdapat pada tabel 4.13Functions at Group Centroids menggunakan rumus
Zcu score = � � + � � � +�
Dimana :
Zcu = angka kritis, yang berfungsi sebagai cut off score
N0 = jumlah sampel pada kategori puas = jumlah sampel pada kategoritidak puas
N1 = jumlah sampel pada kategori puas = jumlah sampel pada kategori tidak puas
Z1,Z0 = angka centroid pada kategori puas dan angka centroid pada kategori tidak puas.
Zcu score = x . 6 +{ x − . 4 } Zcu score = 0
Penggunaan angka Cut off scoreberdasarkan keputusan:
1. Angka skor kasus diatas , masuk dalam kategori puas (kode 1)
2. Angka skor kasus dibawah , masuk dalam kategori tidak puas (kode 0)
Sebagai contoh, nilai diskriminan berdasarkan fungsi dari nasabah
dalam kategori Tidak Puas (kode 0). Nasabah pertama ini dihitung skornya
menggunakan analisis diskriminan diketahui berada pada kategori tidak puas
(kode 0).
Nasabah pertama mempunyai nilai actual group = 0 yang menyatakan
nasabah tersebut berada pada kategori tidak puas (kode 0) dan predicted group
= 0 yangmenyatakan hasil perhitungan skor nasabahpertama diprediksi masuk
ke kategori tidak puas. Karena sesuai dengan actual group, berarti fungsi diskriminan mampu mengkategorikan nasabah pertama dengan tepat.
Besarnya kemungkinan klasifikasi ke kategori tidak puas dapat dilihat pada
kolom Highest Group P(G=g | D=d) = 0,984. Berarti kemungkinan nasabah
pertama tepat diklasifikasikan ke kategori tidak puas adalah 98,4%.
I. Validasi Analisis Diskriminan
Setelah fungsi diskriminan diperoleh, kemudian melakukan pengujian
klasifikasi fungsi diskriminan, selanjutnya akan dilihat seberapa besar
klasifikasi tersebut tepat mengklasifikasikan kategori. Hal ini dapat dilihat
pada tabel 4.14.
Tabel 4.14 Output uji klasifikasi fungsi diskriminan Classification Resultsb,c
Kepuasan
Predicted Group Membership
Total
tidak puas puas
Original Count tidak puas 10 2 12
Puas 4 84 88
% tidak puas 83.3 16.7 100.0
Puas 4.5 95.5 100.0
Cross-validateda Count tidak puas 9 3 12
Puas 4 84 88
% tidak puas 75.0 25.0 100.0
Puas 4.5 95.5 100.0
a. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case.
b. 94.0% of original grouped cases correctly classified. c. 93.0% of cross-validated grouped cases correctly classified.
Terlihat pada bagian original, responden yang pada data awal berada
pada kategori puas dan setelah klasifikasi fungsi diskriminan tetap pada
kategori tidak puassebanyak 10 orang. Sedangkan responden yang awalnya
dengan model diskriminan berada pada kategori tidak puas kemudian berubah
menjadi kategori puas sebanyak dua orang. Begitu pula sebaliknya dengan
kategori puas, ada empat nasabah yang dengan model diskriminan berada pada
kategori puas kemudian berubah menjadi kategori tidak puas.
Dengan demikian, ada enam nasabah yang tidak tepat. Artinya,
ketepatan prediksi dari fungsi diskriminan dalam penilitian ini adalah 94/100
= 94%. Model diskriminan layak digunakan untuk analisis diskriminan atau
valid digunakan pada penelitian ini karena diperoleh angka ketepatan yang
sangat tinggi yaitu 96%. Setelah terbukti bahwa fungsi diskriminan
mempunyai ketepatan prediksi yang tinggi, maka fungsi diskriminan dengan
variabel Reability,Responsive, Assurance, Empathy, dan Tangibletersebut dapat digunakan untuk memprediksi kasus apakah nasabah termasuk dalam
74 A. Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah diuraikan
pada bab sebelumnya, maka dari penelitian ini dapat diambil kesimpulan,
sebagai berikut:
1. Kulaitas layanan frontliner dengan Variable reliability, responsiveness, assurance, empathy, dan tangibleberpengaruh terhadap kepuasan nasabah Bank BRISyariah Cabang Abdul Muis. Hal itu dapat dilihat dari table Test of Quality of Group Means. Dari table diperoleh nilai sig. variable
reliability = 0,010, nilai sig. variable responsiveness = 0,000, nilai sig. variable assurance = 0,000, nilai sig. variable empathy = 0,036, dan nilai sig. variable tangible = 0,029, dimana semuanya mempunyai nilai sig. < 0,5 yang artinya lima variable independent tersebut dapat digunakan untuk
mengidentifikasi kepuasan nasabah bank BRISyariah.
2. Variable yang dominan berpengaruh terhadap kepuasan nasabah pada
bank BRISyariah Cabang Abdul Muis Jakarta dapat diketahui dengan
melihat table Structure Matrix. Sehingga dapat diketahui bahwa variabel
Assurance paling signifikan mempengaruhi kepuasan nasabah BRISyariah sebanyak 70,6%. Kemudian disusul dengan variabel Responsive 54,8% ,
Reability 37,3% , Tangible 31,4% dan Emphaty 30,0%.
B. Saran
1. Pelayanan terbukti dapat mempengaruhi tingkat kepuasan nasabah, oleh
karena itu semestinya BRISyariah harus lebih memperhatikan lagi
kualitas pelayanannya.
2. Untuk penelitian selanjutnya, disarankan agar jumlah nasabah yang
diteliti lebih banyak dan tempat penilitian tidak hanya disatu tempat agar
hasil dari penilitian mendapatkan hasil yang lebih baik.
3. Untuk penelitian selanjutnya yang menggunakan analisis diskriminan,
dipastikan bahwa data yang diperoleh lulus uji asumsi klasik agar tingkat
76
Afiff, Faisal, “Strategi dan Operasional Bank”, PT. Bumi Aksara, Jakarta, 2008. Amaliyah, Hikmatul Laili, “Pengaruh Pelayanan Terhadap Tingkat Kepuasan
Nasabah Bank Muamalat Cabang Ciledug”, Skripsi, Jakarta, 2013.
Antonio, Muhammad Syafi’i, “Bank Syariah: Suatu Pengenalan Umum”, Tadzkia Institute, Jakarta, 2000.
Boediono, “Teori Pertumbuhan Ekonomi”,BPFE, Yogyakarta, 1999.
Fiqi, Muhammad Fajar, “Pengaruh Kualitas Pelayanan Terhadap Tingkat Kepuasan
Pada Nasabah BMT Al-Munawarah”, Skripsi, Jakarta, 2013.
Gasperz, Vincent, “Total Quality Management”, PT. Gramedia Pustaka Utama, Jakarta, 2002.
Hasibuan, Malayu S.P, “Dasar-dasar Perbankan”, PT. Bumi Aksara, Jakarta, 2008.
Irawan, “10 Prinsip Kepuasan Pelanggan”, PT. Elex Media Komputindo, Jakarta, 2002.
Jusuf, Jopie, “Panduan Dasar Untuk Account Officer”, Akademi Manajemen Perusahaan YKPN, Yogyakarta, 1997.
Karim, Adiwarman, “Bank IslamAnalisa Fiqih dan Keuangan”, PT. Raja Grafindo Persada, Jakarta, 2004.
Kotler, Philip, “Manjemen Pemasaran”, Erlangga, Jakarta, 2009.
Nugroho, Muhammad Rendy, “Pengaruh Kualitas Pelayanan Customer Service Terhadap Kepuasan Nasabah Pada Bank BNI Syariah Cabang
Fatmawati”, Skripsi, Jakarta, 2014.
Rivai, Veithzal, “Credit Management Handbook: Teori, Konsep, Prosedur dan
Aplikasi Panduan Praktik Mahasiswa, Bankir dan Nasabah”, PT. Raja
Grafindo Persada, Jakarta, 2006.
Santoso, Singgih, “SPSS: Mengolah Data Statistik Secara Profesional”, Penerbit PPM, Jakarta, 2002.
Supranto, “Pengukuran Tingkat Kepuasan Pelanggan Untuk Menaikkan Pangsa
Pasar”, PT. Rineka Cipta, Jakarta, 2006.
Suryani, Iis, “Pengaruh Pelayanan Frontliner Terhadap Kepuasan Nasabah Bank
Tjiptono, Fandi, “Pemasaran Jasa”, Banyumedia Publishing, Malang, 1996. Wijaya, Tony, “Analisis Data Penelitian Menggunakan SPSS”, Universitas
Atmaja, Yogyakarta, 2009