Evaluasi model struktural yang bertujuan untuk menetahui hubungan antar konstruk laten. Pada tahap ini bertujuan untuk menguji ada atau tidaknya pengaruh antara kansei dan elemen layanan pada masing-masing layanan. Evaluasi model struktural juga digunakan untuk mengetahui besarnya kontribusi variabel eksogen (kansei) terhadap variabel endogen (elemen layanan). Penelitian ini menggunakan model pengukuran reflektif, karena indikator dilihat sebagai pengaruh dari konstruk yang diteliti.
Dalam penelitian ini, evaluasi inner model meliputi analisa koefisien determinasi (R-square) dan koefisien jalur (path coefficient). Dimana semua analisa tersebut dilakukan secara bertahap.
4.4.3.1 Koefisien Determinasi (R-square)
Koefisien determinasi atau nilai R2 umumnya digunakan untuk mengevaluasi model struktural. Koefisien determinasi dihitung melalui PLS-algoritma yang membantu menjelaskan pengaruh variabel eksogen terhadap variabel endogen.
Tabel 4.23 Rekapitulasi Nilai R-square
Layanan Variabel
Endogen R-square
Pengiriman
CK 0,470
EP 0,162
LK 0,207
WK 0,223
LP 0,060
PH 0,242
JP 0,131
BP 0,166
Pelacakan
CL 0,227
IT 0,132
TM 0,079
Pengantaran
LD 0,097
WA 0,08
IP 0,158
KP 0,089
KO 0,142
Dari tabel 4.23 menunjukkan R-square elemen kemudahan penggunaan layanan pengiriman (CK) bernilai 0.469. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan variabel CK sebesar 46.9% dan sisanya sebesar 51.1% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen estimasi pengiriman bernilai 0.161. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen estimasi pengiriman sebesar 16.1% dan sisanya sebesar 83.9% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen lokasi pengiriman bernilai 0.206. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen lokasi
pengiriman sebesar 20.6% dan sisanya sebesar 79.4% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen waktu operasional pengiriman (WK) bernilai 0.224. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen waktu operasional pengiriman sebesar 22.4% dan sisanya sebesar 77.6% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen layanan pengemasan (Joseph F Hair et al.) bernilai 0.06. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen layanan pengemasan sebesar 6% dan sisanya sebesar 94%
merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen penetapan harga (PH) bernilai 0.241. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen penetapan harga sebesar 24.1% dan sisanya sebesar 75.9% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen jaminan perlindungan (JP) bernilai 0.131. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen jaminan perlindungan sebesar 13.1% dan sisanya sebesar 86.9% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen metode pembayaran biaya kirim (BP) bernilai 0.166. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pengiriman mampu menjelaskan elemen metode pembayaran biaya kirim sebesar 16.6% dan sisanya sebesar 83.4% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
Pada layanan pelacakan, R-square elemen kemudahan penggunaan layanan pelacakan (CL) bernilai 0.227. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen kemudahan penggunaan layanan pelacakan sebesar 22.7% dan sisanya sebesar 77.3% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen ketersediaan informasi (IT) bernilai 0.132. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen ketersediaan informasi sebesar 13.2% dan sisanya sebesar 86.8% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen tracking maps (TM) bernilai 0.079. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen tracking maps sebesar 7.9% dan sisanya sebesar 92.1% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
Pada layanan pengantaran, R-square elemen shipping area (LD) bernilai 0.097.
Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen shipping area sebesar 9.7% dan sisanya sebesar 90.3%
merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen waktu operasional pengantaran (WA) bernilai 0.08. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen waktu operasional pengantaran sebesar 8% dan sisanya sebesar 92%
merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen ketersediaan informasi pengantaranpaket (IP) bernilai 0.158.
Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen ketersediaan informasi pengantaranpaket sebesar 15.8% dan sisanya sebesar 84.2% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen kegagalan pengantaran (KP) bernilai 0.089. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen kegagalan pengantaran sebesar 8.9% dan sisanya sebesar 91.1% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
R-square elemen kompensasi (KO) bernilai 0.142. Hal ini dapat menyatakan bahwa variabel kansei pada layanan pelacakan mampu dijelaskan oleh elemen kompensasi sebesar 14.2% dan sisanya sebesar 85.8% merupakan kontribusi variabel lain yang tidak dibahas dalam penelitian ini.
4.4.3.2 Koefisien Jalur (Path Coeffiecient)
Selain menggunakan R-square untuk evaluasi model struktural, dalam penelitian ini juga menggunakan path coeffient. Untuk memperoleh nilai koefisien jalur diperoleh melalui prosedur bootsrapping Besarnya nilai jalur koefisien berkisar antara -1,0 sampai +1,0. Path coeffiecient berfungsi untuk menilai hubungan antara variabel laten yang dijelaskan melalui satuan koefisien standar nilai pengukuran Hair Jr et al. (2016). Kriteria nilai untuk koefisien jalur adalah 3, yaitu: 1) jika nilainya kurang dari 0,15, itu dianggap lemah; 2) nilai antara 0,15 hingga 0,45 dianggap sedang; 3) nilai lebih dari 0,45 dianggap kuat (Cohen, 1992). Adapun nilai rekapitulasi path coefficient diringkas pada tabel berikut :
Tabel 4.24 Rekapitulasi Nilai Path coefficient
Variabel Eksogen Variabel Endogen
Path coefficient
Kansei (Pengiriman)
CK 0,685
EP 0,402
LK 0,455
WK 0,473
LP 0,246
PH 0,492
JP 0,361
BP 0,407
Kansei (Pelacakan)
CL 0,477
IT 0,363
TM 0,281
Kansei (Pengantaran)
LD 0,312
WA 0,283
IP 0,397
KP 0,298
KO 0,376
Hasil analisa path coefficient pada tabel 4.24, menunjukkan pada layanan pengiriman hanya terdapat 4 variabel yang memberikan hubungan kuat (>0.45), yaitu elemen kemudahan penggunaan layanan pengiriman (CK), elemen lokasi pengiriman, elemen waktu operasional pengiriman, dan elemen penetapan harga. Kemudian pada layanan pelacakan, hanya terdapat 1 variabel yang memberikan hubungan kuat (>0.45), yaitu elemen kemudahan penggunaan layanan pelacakan (Fornell et al.).
Sedangkan pada layanan pengantaran, tidak ada variabel yang memberikan hubungan kuat dikarenakan nilai path coefficient masing-masing variabel kurang dari 0.45.