BAB IV. METODE PENELITIAN
4.6 Teknik Analisis
4.6.4 Kriteria Penerimaan dan Penolakan Hipotesis
31 Square (PLS). Partial Least Square (PLS) merupakan metode analisis yang powerfull oleh karena tidak didasarkan banyak asumsi (Ghozali 2014). Dengan metode PLS maka model yang diuji dapat mempergunakan asumsi: data tidak harus berdistribusi normal, skala pengukuran dapat berupa nominal, ordinal, interval maupun rasio, jumlah sample tidak harus besar, indikator tidak harus dalam bentuk refleksif (dapat berupa indikator refleksif dan formatif) dan model tidak harus berdasarkan pada teori (Ghozali 2014).
Dengan uji t, yaitu untuk menguji signifikansi konstanta dan variabel independen yang terdapat dalam persamaan tersebut secara individu apakah berpengaruh terhadap nilai variabel dependen (Ghozali 2014). Untuk pengujian ini dilakukan dengan melihat output dengan bantuan program aplikasi SmartPLS 3. Jika nilai T hitung < T tabel, maka Hipotesis nol ditolak, (koefisien regresi signifikan) dan Hipotesis alternatif yang dinyatakan dalam penelitian ini diterima pada tingkat signifikansi 5% (lima persen). Pengukuran persentase pengaruh semua variabel independen terhadap nilai variabel dependen, ditunjukkan oleh besarnya koefisien determinasi R-squares (R2
) antara 1 dan nol, dimana nilai R-squares (R2
) yang mendekati satu memberikan persentase pengaruh yang besar (Chin 1999). Model persamaan struktural dalam penelitian ini akan diselesaikan dengan program SmartPLS 3.
4.6.4. Kriteria Penerimaan dan Penolakan Hipotesis
Kriteria penerimaan dan penolakan hipotesis pada penelitian ini adalah dengan mengacu pada nilai statistic (hitung) diperbandingkan dengan nilai
t-
32 tabel. Nilai t-tabel yang ditentukan dalam penelitian ini adalah sebesar 1,96 dengan tingkat signifikansi 0,05. Selanjutnya nilai t-tabel tersebut dijadikan sebagai nilai cutoff untuk penerimaan atau penolakan hipotesis yang diajukan.
33 BAB V
HASIL PENELITIAN DAN PEMBAHASAN
Untuk menguji hipotesis dan mengambil beberapa manfaat yang ditawarkan oleh structural equation modeling (SEM), maka regresi partial least squares (PLS) digunakan dalam penelitian ini. PLS merupakan sebuah alat analisis yang tepat dengan beberapa alasan. Menurut Ghozali (2014) ada empat alasan utama dipilihnya PLS sebagai alat analisis. Pertama, PLS dapat menguji hubungan dengan kompleksitas tinggi yang menggunakan variabel laten (unobserved vaiable). Kedua, pendekatan PLS tidak mensyaratkan data harus berdistribusi normal, dapat digunakan dengan semua jenis skala pengukuran, dan dapat digunakan pada sampel yang kecil. Ketiga, pendekatan PLS telah teruji, dengan desain dasar dan konsep yang jelas, yang diperkenalkan lebih dari 30 tahun.
Keempat, saat ini telah tersedia berbagai macam software PLS yang sangat mudah digunakan.
5.1. Deskripsi Data
Kuesioner yang berisi 21 item pertanyaan ini sudah digunakan oleh beberapa peneliti terdahulu, yang mana keabsahan dan kesahihannya telah terbukti memadai. Pertanyaan ini disebarkan kepada 96 responden melalui kantor pusat dan 9 kantor cabang PT. Aplikanusa Lintasarta. Penyebaran kuesioner dilakukan secara langsung kepada responden dan dikirimkan melalui email.
Penyebaran kuesioner dimulai pada bulan Oktober 2015. Media yang digunakan untuk kuesioner tersebut adalah media survey online www.qualtrics.com.
34 Jumlah kuesioner yang diisi sebanyak 80 kuesioner atau 83% dari jumlah kuesioner yang disebarkan yaitu sebanyak 96 kuesioner. Seluruh hasil kuesioner dapat diolah dengan baik, hal ini disebabkan oleh penggunaan media survey online sehingga tidak terdapat potensi kerusakan kuesioner. Peneliti menentukan batas waktu pengembalian kuesioner pada tanggal 30 Oktober 2015 dengan pertimbangan keterbatasan waktu dan jumlah kuesioner yang kembali tersebut sudah dianggap mencukupi atau memadai untuk dianalisis.
Data 80 kuesioner yang kembali, seluruhnya dapat digunakan karena dengan pengguanaan media survey online akan mencegah ketidaklengkapan pengisian kuesioner, dimana dengan media survey online tersebut dapat diatur bahwa jika para responden tidak lengkap menjawab maka tidak akan dapat masuk ke pertanyaan berikutnya. Jadi, jumlah kuesioner yang dipergunakan untuk dianalisis berjumlah 80 kuesioner atau 83%. Setelah diadakan tabulasi terhadap 80 kuesioner, responden kuesioner tersebut dapat dikelompokkan berdasarkan Jabatan, Unit Kerja, Jenis Kelamin, Umur, dan Lama Berkerja di PT. Aplikanusa Lintasarta. Proses pengambilan sampel dalam penelitian ini dapat dijelaskan dalam ringkasan sebagai berikut :
Tabel 5.1. Distribusi dan pengembalian kuesioner
No Proses Jumlah
1 Jumlah kuesioner yang disebarkan 96
2 Jumlah kuesioner yang dikembalikan 80
3 Jumlah kuesioner yang digunakan untuk analisis penelitian 80 4 Jumlah kuesioner yang tidak lengkap atau rusak 0
5 Tingkat pengembalian (response rate) 83%
6 Tingkat pengembalian yang digunakan (usable response) 83%
Sumber : Data Primer, 2015 (Data Diolah)
Selanjutnya untuk mendapatkan gambaran mengenai subyek penelitian
35 digunakan tabel distribusi frekuensi dalam jumlah dan prosentase. Mayoritas responden sebanyak 57 responden atau 71,25% adalah karyawan outsource di PT.
Aplikanusa Lintasarta, sedangkan sisanya sebanyak 23 responden atau 28,75%
adalah karyawan tetap.
Jumlah responden yang bekerja di unit kerja Sales Resources Industry sebanyak 12 responden (15,00%), Sales Service Industry sebanyak 9 responden (11,25%), Sales Telecommunication Industry sebanyak 7 responden (8,75%), Sales Banking Industry sebanyak 7 responden (8,75%), Sales Non Banking Industry sebanyak 5 responden (6,25%), dan Sales Supply Chain Industry sebanyak 5 responden (6,25%). Keenam unit kerja tersebut merupakan bagian Sales yang berlokasi di Kantor Pusat. Sedangkan sisanya merupakan bagian Sales yang berlokasi di Kantor Cabang. Tabel 5.2 menyajikan data profil responden secara rinci.
Jumlah responden yang berusia diantara 21 sampai dengan 30 tahun sebanyak 38 orang (47,50%), antara 31 sampai dengan 40 tahun sebanyak 36 orang (45,00%) dan di atas 40 tahun sebanyak 6 orang (7,50%). Sedangkan karyawan yang telah lama berkerja di PT. Aplikanusa Lintasarta di bawah 5 tahun sebanyak 53 orang (66,25%), antara 6 sampai 10 tahun sebanyak 15 orang (18,75%), antara 11 sampai 20 tahun sebanyak 9 orang (11,25%) dan yang bekerja lebih dari 21 tahun sebanyak 3 orang (3,75%).
36 Tabel 5.2. Profil Responden
NO KETERANGAN JUMLAH PROSENTASE
(%)
Sumber : Data Primer, 2015 (Data Diolah)
37 5.2. Evaluasi Model Pengukuran atau Outer Model
5.2.1. Convergent Validity
Convergent validity dari measurement model dengan indikator refleksif dapat dilihat dari korelasi antara score item/indikator dengan score konstruknya.
Indikator individu dianggap reliabel jika memiliki nilai korelasi di atas 0,70.
Namun demikian pada riset tahap pengembangan skala, loading 0,50 sampai 0,60 masih dapat diterima (Imam Ghozali, 2006).
a. Convergent Validity untuk Konstruk Pemanfaatan CRM (PCRM)
Konstruk “PCRM” yang terdiri dari 7 indikator yaitu Q01, Q02, Q03, Q04, Q05, Q06, dan Q07. Berdasarkan hasil output SmartPLS 3, Q01 memiliki loading sebesar 0,872, Q02 memiliki loading sebesar 0,963, Q03 memiliki loading sebesar 0,908, Q04 memiliki loading sebesar 0,928, Q05 memiliki loading sebesar 0,932, Q06 memiliki loading sebesar 0,944, dan Q07 memiliki loading sebesar 0,927. Berdasarkan nilai loading tersebut, maka konstruk PCRM telah memenuhi Convergent Validity.
Tabel 5.3. Nilai Loading untuk konstruk PCRM No Indikator Nilai Loading Keterangan
1 Q01 0,872 Memenuhi Convergent Validity
2 Q02 0,963 Memenuhi Convergent Validity
3 Q03 0,908 Memenuhi Convergent Validity
4 Q04 0,928 Memenuhi Convergent Validity
5 Q05 0,932 Memenuhi Convergent Validity
6 Q06 0,944 Memenuhi Convergent Validity
7 Q07 0,927 Memenuhi Convergent Validity
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
38 b. Convergent Validity untuk Konstruk Kemampuan Kolaborasi (KLBR)
Konstruk KLBR yang terdiri dari 7 indikator yaitu Q08, Q09, Q10, Q11, Q12, Q13, dan Q14. Berdasarkan hasil output SmartPLS 3, Q8 memiliki loading sebesar 0,944, Q09 memiliki loading sebesar 0,920, Q10 memiliki loading sebesar 0,923, Q11 memiliki loading sebesar 0,930, Q12 memiliki loading sebesar 0,939, Q13 memiliki loading sebesar 0,856, dan Q14 memiliki loading sebesar 0,918. Berdasarkan nilai loading tersebut, maka konstruk KLBR telah memenuhi convergent validity.
Tabel 5.4. Nilai Loading untuk konstruk KLBR No Indikator Nilai Loading Keterangan
1 Q08 0,944 Memenuhi Convergent Validity
2 Q09 0,920 Memenuhi Convergent Validity
3 Q10 0,923 Memenuhi Convergent Validity
4 Q11 0,930 Memenuhi Convergent Validity
5 Q12 0,939 Memenuhi Convergent Validity
6 Q13 0,856 Memenuhi Convergent Validity
7 Q14 0,918 Memenuhi Convergent Validity
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
c. Convergent Validity untuk Konstruk Kinerja Hubungan Dengan Pelanggan (KHDP)
Konstruk KHDP yang terdiri dari 4 indikator yaitu Q15, Q16, Q17, dan Q18.
Berdasarkan hasil output SmartPLS 3, Q15 memiliki loading sebesar 0,897, Q16 memiliki loading sebesar 0,944, Q17 memiliki loading sebesar 0,848, dan Q18 memiliki loading sebesar 0,907. Berdasarkan nilai loading tersebut, maka konstruk KHDP telah memenuhi Convergent Validity.
39 Tabel 5.5. Nilai Loading untuk konstruk KHDP
No Indikator Nilai Loading Keterangan
1 Q15 0,897 Memenuhi Convergent Validity
2 Q16 0,944 Memenuhi Convergent Validity
3 Q17 0,848 Memenuhi Convergent Validity
4 Q18 0,907 Memenuhi Convergent Validity
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah) d. Convergent Validity untuk Konstruk Efektivitas Proses Penjualan (EFPP)
Konstruk EFPP yang terdiri dari 3 indikator yaitu Q19, Q20, dan Q21.
Berdasarkan hasil output SmartPLS 3, Q19 memiliki loading sebesar 0,943, Q20 memiliki loading sebesar 0,946, dan Q21 memiliki loading sebesar 0,897. Berdasarkan nilai loading tersebut, maka konstruk EFPP telah memenuhi Convergent Validity.
Tabel 5.6. Nilai Loading untuk konstruk EFPP No Indikator Nilai Loading Keterangan
1 Q19 0,943 Memenuhi Convergent Validity
2 Q20 0,946 Memenuhi Convergent Validity
3 Q21 0,897 Memenuhi Convergent Validity
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
5.2.2. Discriminant Validity
Discriminant validity dari model pengukuran dengan indikator refleksif dinilai berdasarkan cross loading pengukuran dengan konstruk. Jika korelasi konstruk dengan item pengukuran lebih besar daripada ukuran konstruk lainnya, maka hal itu menunjukkan bahwa konstruk laten memprediksi ukuran pada blok mereka lebih baik daripada ukuran pada blok lainnya. Cara lain mengukur discriminat validity adalah melihat nilai square root of Average Variance
40 Extracted (AVE).
Tabel 5.7. Korelasi antar konstruk dan akar AVE
Konstruk PCRM KLBR KHDP EFPP
Pemanfaatan CRM (PCRM) 0,925 0,507 0,537 0,447
Kolaborasi (KLBR) 0,507 0,919 0,520 0,529
Kinerja hubungan dengan pelanggan
(KHDP) 0,537 0,520 0,900 0,379
Efektivitas proses penjualan (EFPP) 0,447 0,529 0,379 0,929 Keterangan : Diagonal adalah akar AVE
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
Berdasarkan Tabel 5.7 menunjukkan bahwa nilai akar AVE (diagonal) lebih tinggi dari nilai korelasi antar konstruk lainnya, hal ini berarti seluruh konstruk memiliki Discriminat Validity yang tinggi.
5.2.3. Composite Reliability
Pengujian selanjutnya adalah Composite Reliability dari blok indikator yang mengukur konstruk. Suatu konstruk dikatakan Reliable jika nilai Composite Reliability di atas 0,60 (Ghozali 2014).
Tabel 5.8. Nilai Composite Reliability
Konstruk Composite
Reliability Keterangan
Pemanfaatan CRM (PCRM) 0,977 Reliable
Kolaborasi (KLBR) 0,974 Reliable
Kinerja hubungan dengan pelanggan (KHDP) 0,944 Reliable Efektivitas proses penjualan (EFPP) 0,950 Reliable
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
Berdasarkan Tabel 5.8 menunjukkan nilai Composite Reliability yang memuaskan yaitu PCRM sebesar 0,977, KLBR sebesar 0,974, KHDP sebesar 0,944, dan EFPP sebesar 0,950. Jadi dapat disimpulkan bahwa masing – masing
41 konstruk memiliki reliabilitas yang tinggi, hal ini dapat dilihat dari nilai Composite Reliability seluruh konstruk lebih besar dari 0,60.
5.3. Evaluasi Model Struktural atau Inner Model
Pengujian Inner Model atau model struktural dilakukan untuk melihat hubungan antar variabel, nilai signifikansi dan R-square dari model penelitian.
Model struktural dievaluasi dengan menggunakan R-square untuk variabel dependen uji t serta signifikansi dari koefisien parameter jalur struktural.
Gambar 5.1. Model Struktural
Pada Gambar 5.1 dapat dijelaskan bahwa covariance pengukuran indikator dipengaruhi oleh konstruk laten atau mencerminkan variasi dari konstruk unidimensional yang digambarkan dalam bentuk lingkaran dengan beberapa anak panah dari konstruk laten ke indikator. Model pengukuran seperti ini disebut dengan model pengukuran refleksif. Dalam model struktural tersebut terdapat satu variabel eksogen yaitu PCRM dan tiga variabel endogen yaitu KHDP, EFPP, dan
42 KLBR sebagai mediator.
Penilaian model struktural dengan PLS dimulai dengan melihat R-square untuk setiap variabel laten dependen. Perubahan nilai R-square dapat digunakan untuk menilai pengaruh variabel laten eksogen terhadap variabel laten endogen yang mempunyai pengaruh substantif.
Tabel 5.9. Nilai R-square dan Path coefficients
Variabel dependen Variabel
Kolaborasi (KLBR) Pemanfaatan CRM 0,257 0,507
Kinerja hubungan dengan pelanggan (KHDP)
Pemanfaatan CRM 0,371 0,369
Kolaborasi 0,333
Efektivitas proses penjualan (EFPP)
Pemanfaatan CRM 0,323 0,240
Kolaborasi 0,408
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
Tabel 5.9 menunjukkan nilai R-square variabel KHDP sebesar 0,371, EFPP sebesar 0,323, dan KLBR sebesar 0,257. Semakin tinggi nilai R-square, maka semakin besar kemampuan variabel eksogen tersebut dapat menjelaskan variabel endogen, sehingga semakin baik persamaan struktural.
Tabel 5.10. Nilai Q-square
Variabel Q-square Keterangan
Kolaborasi (KLBR) 0,264 Mempunyai Predictive
Relevance Kinerja hubungan dengan
pelanggan (KHDP) 0,287 Mempunyai Predictive
Relevance Efektivitas Proses Penjualan
(EFPP) 0,210 Mempunyai Predictive
Relevance
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
Tabel 5.10 menunjukkan nilai Q-square variabel KHDP sebesar 0,287, EFPP sebesar 0,210, dan KLBR sebesar 0,264. Pada model struktural nilai
Q-
43 square dari variabel laten endogen yang lebih besar dari nol mengindikasikan bahwa model memiliki Predictive Relevance.
Kinerja Hubungan Dengan Pelanggan (KHDP)
Regresi dari konstruk KHDP pada konstruk anteseden (PCRM dan KLBR) menghasilkan R-square sebesar 0,371, yang berarti bahwa model menjelaskan 37,1% dari variance KHDP, sedangkan sisanya dijelaskan oleh variabel lain di luar model penelitian. Kedua konstruk anteseden PCRM dan KLBR memiliki pengaruh yang signifikan dengan path coefficient masing - masing sebesar 0,369 (p < 0,05) dan 0,333 (p < 0,05).
Efektivitas Proses Penjualan (EFPP)
Regresi dari konstruk EFPP pada konstruk anteseden (PCRM dan KLBR) menghasilkan R-square sebesar 0,323, yang berarti bahwa model menjelaskan 32,3% dari variance EFPP, sedangkan sisanya dijelaskan oleh variabel lain di luar model penelitian. Kedua konstruk anteseden PCRM dan KLBR memiliki pengaruh yang signifikan dengan path coefficient masing - masing sebesar 0,240 (p < 0,05) dan 0,408 (p < 0,05).
Kemampuan Kolaborasi (KLBR)
Regresi dari konstruk KLBR pada konstruk PCRM menghasilkan R-square sebesar 0,257, yang berarti bahwa model menjelaskan 25,7% dari variance KLBR, sedangkan sisanya dijelaskan oleh variabel lain di luar model penelitian.
Konstruk anteseden PCRM memiliki pengaruh yang signifikan, dengan path coefficient sebesar 0,507 (p < 0,05).
44 5.4. Hasil Pengujian Hipotesis
Siginifikansi paramater yang diestimasi memberikan informasi yang sangat berguna mengenai hubungan antara variabel - variabel penelitian. Dasar yang digunakan dalam pengujian hipotesis adalah nilai yang terdapat pada output Path Coefficients. Tabel 5.11 menunjukkan output dari pengolahan data dengan PLS untuk pengujian model struktural.
Tabel 5.11. Output Pengujian Model Struktural
Variabel
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
Pengujian Hipotesis pertama (H1) : Pengaruh Pemanfaatan CRM terhadap peningkatan kinerja hubungan dengan pelanggan
Hipotesis pertama (H1) menyatakan bahwa Pemanfaatan CRM berpengaruh posistif dan signifikan terhadap peningkatan kinerja hubungan dengan pelanggan.
Hasil uji terhadap koefisien parameter antara pemanfaatan CRM terhadap kinerja hubungan dengan pelanggan menunjukkan adanya hubungan yang positif dengan nilai Path Coefficients sebesar 0,369 dengan nilai t-statistik sebesar 3,512 dan signifikan pada α = 0,05. Nilai t-statistik tersebut berada diatas nilai kritis 1,96, dengan demikian hipotesis pertama dapat diterima.
Pengujian Hipotesis kedua (H2) : Pengaruh pemanfaatan CRM terhadap efektivitas proses penjualan
45 Hipotesis kedua (H2) menyatakan bahwa Pemanfaatan CRM berpengaruh posistif dan signifikan terhadap peningkatan efektivitas proses penjualan. Hasil uji terhadap koefisien parameter antara pemanfaatan CRM terhadap efektivitas proses penjualan menunjukkan adanya hubungan yang positif dengan nilai Path Coefficients sebesar 0,240 dengan nilai t-statistik sebesar 1,973 dan signifikan pada α = 0,05. Nilai t-statistik tersebut berada diatas nilai kritis 1,96, dengan demikian hipotesis kedua dapat diterima.
Pengujian Hipotesis ketiga (H3) : Pengaruh pemanfaatan CRM terhadap peningkatan kemampuan kolaborasi tenaga penjualan
Hipotesis ketiga (H3) menyatakan bahwa pemanfaatan CRM berpengaruh posistif dan signifikan terhadap peningkatan kemampuan kolaborasi tenaga penjualan dengan unit - unit internal dan manajemen. Hasil uji terhadap koefisien parameter antara pemanfaatan CRM terhadap kemampuan kolaborasi tenaga penjualan menunjukkan adanya hubungan yang positif dengan nilai Path Coefficients sebesar 0,507 dengan nilai t-statistik sebesar 5,805 dan signifikan pada α = 0,05. Nilai t-statistik tersebut berada diatas nilai kritis 1,96, dengan demikian hipotesis ketiga dapat diterima.
Pengujian Hipotesis keempat (H4) : Pengaruh kolaborasi (KLBR) sebagai mediator pada pemanfaatan CRM (PCRM) terhadap peningkatan kinerja hubungan dengan pelanggan (KHDP)
Hipotesis keempat (H4) menyatakan bahwa kolaborasi sebagai mediator pada pemanfaatan CRM berpengaruh posistif dan signifikan terhadap peningkatan kinerja hubungan dengan pelanggan. Pengujian hipotesis variabel pemediasi (mediating / intervening variable) dilakukan melalui dua langkah yaitu :
46 1. Pengujian direct effect variabel independen PCRM terhadap variabel
dependen KHDP diperoleh hasil koefisien jalur sebesar 0,550 dan signifikan pada α = 0,05 sebagaimana diperlihatkan pada Gambar 5.2 2. Pengujian indirect effect secara simultan yang hasilnya sebagaimana
diperlihatkan pada Gambar 5.1, yaitu :
a. Pengaruh variabel independen PCRM terhadap variabel dependen KHDP diperoleh hasil koefisien jalur sebesar 0,369 dan signifikan pada α = 0,05
b. Pengaruh variabel independen PCRM terhadap variabel pemediasi KLBR diperoleh hasil koefisien jalur sebesar 0,507 dan signifikan pada α = 0,05
c. Pengaruh variabel pemediasi KLBR terhadap variabel dependen KHDP diperoleh hasil koefisien jalur sebesar 0,333 dan signifikan pada α = 0,05
Dari kedua langkah diatas didapat bahwa koefisien jalur variabel independen menuju variabel dependen pada langkah kedua nilainya turun dibandingkan dengan nilai koefisien jalur pada langkah pertama tetapi tetap signifikan, maka dengan demikian persyaratan efek mediasi telah terpenuhi dan dapat disimpulkan bahwa bentuk mediasi adalah mediasi sebagian (partial mediation).
47 Gambar 5.2. Output pengujian direct effect PCRM - KHDP
Tabel 5.12. Output perhitungan Direct Effects dan Indirect Effects Direct Effects Indirect Effects Path
Coeff. T Stat P Values Path
Coeff. T Stat P Values PCRM -> KHDP 0,369 3,512 0,000 0,169 2,215 0,027
PCRM -> EFPP 0,240 1,973 0,049 0,207 2,750 0,006 PCRM -> KLBR 0,507 5,805 0,000
KLBR -> KHDP 0,333 2,791 0,005 KLBR -> EFPP 0,408 3,120 0,002
Sumber : Output Program SmartPLS 3, 2015 (Data Diolah)
Untuk mengetahui besarnya variance indirect effect maka dapat dihitung dengan menggunakan rumus Variance Accounted For (VAF). Nilai Variance Accounted For (VAF) didapat melalui perhitungan sebagai berikut :
Direct effect (PCRM -> KHDP) = 0,369
Indirect effect (PCRM -> KLBR -> KHDP) = 0,507 X 0,333 = 0,169 Total effect = Direct effect + Indirect effect = 0,369 + 0,169 = 0,538 Variance Accounted For (VAF) = 0,169 / 0,538 = 0,314 Dari perhitungan diatas didapat bahwa 31,4% dari pengaruh pemanfaatan CRM
48 (PCRM) pada kinerja hubungan dengan pelanggan (KHDP) dapat dijelaskan melalui mediator kolaborasi (KLBR). Nilai VAF lebih besar dari 20% tetapi lebih kecil dari 80%, situasi ini dapat dikategorikan sebagai partial mediation. dengan demikian hipotesis keempat dapat diterima.
Pengujian Hipotesis kelima (H5) : Pengaruh kolaborasi (KLBR) sebagai mediator pada pemanfaatan CRM (PCRM) terhadap peningkatan efektivitas proses penjualan (EFPP)
Hipotesis kelima (H5) menyatakan bahwa kolaborasi sebagai mediator pada pemanfaatan CRM berpengaruh posistif dan signifikan terhadap peningkatan efektivitas proses penjualan. Pengujian hipotesis variabel pemediasi (mediating / intervening variable) dilakukan melalui dua langkah yaitu :
1. Pengujian direct effect variabel independen PCRM terhadap variabel dependen EFPP diperoleh hasil koefisien jalur sebesar 0,446 dan signifikan pada α = 0,05 sebagaimana diperlihatkan pada Gambar 5.3 2. Pengujian indirect effect secara simultan yang hasilnya sebagaimana
diperlihatkan pada Gambar 5.1, yaitu :
a. Pengaruh variabel independen PCRM terhadap Pengaruh variabel dependen EFPP diperoleh hasil koefisien jalur sebesar 0,240 dan signifikan pada α = 0,05
b. Pengaruh variabel independen PCRM terhadap variabel pemediasi KLBR diperoleh hasil koefisien jalur sebesar 0,507 dan signifikan pada α = 0,05
c. Pengaruh variabel pemediasi KLBR terhadap variabel dependen EFPP diperoleh hasil koefisien jalur sebesar 0,408 dan signifikan
49 pada α = 0,05
Dari kedua langkah diatas didapat bahwa koefisien jalur variabel independen menuju variabel dependen pada langkah kedua nilainya turun dibandingkan dengan nilai koefisien jalur pada langkah pertama tetapi tetap signifikan, maka dengan demikian persyaratan efek mediasi telah terpenuhi dan dapat disimpulkan bahwa bentuk mediasi adalah mediasi sebagian (partial mediation).
Gambar 5.3. Output pengujian direct effect PCRM - EFPP
Untuk mengetahui besarnya variance indirect effect maka dapat dihitung dengan menggunakan rumus Variance Accounted For (VAF). Nilai Variance Accounted For (VAF) didapat melalui perhitungan sebagai berikut :
Direct effect (PCRM -> EFPP) = 0,240
Indirect effect (PCRM -> KLBR -> EFPP) = 0,507 X 0,408 = 0,207 Total effect = Direct effect + Indirect effect = 0,240 + 0,207 = 0,447 Variance Accounted For (VAF) = 0,207 / 0,447 = 0,463 Dari perhitungan diatas didapat bahwa 46,3% dari pengaruh pemanfaatan CRM (PCRM) pada efektivitas proses penjualan (EFPP) dapat dijelaskan melalui mediator kolaborasi (KLBR). Nilai VAF lebih besar dari 20% tetapi lebih kecil dari 80%, situasi ini dapat dikategorikan sebagai partial mediation. dengan
50 demikian hipotesis kelima dapat diterima.
5.5. Pembahasan
Berdasarkan hasil analisis PLS, maka pada bagian ini akan dibahas hasil perhitungan yang telah dilakukan. Penelitian ini bertujuan untuk mengetahui pengaruh pemanfaatan CRM terhadap kemampuan kolaborasi, kinerja hubungan dengan pelanggan, dan efektivitas proses penjualan. Pengujian ditunjukkan melalui hipotesis yang ada sehingga dapat mengetahui bagaimana pengaruh masing - masing variabel terhadap variabel yang lainnya.
5.5.1. Pengaruh pemanfaatan CRM terhadap peningkatan kinerja hubungan dengan pelanggan
Hasil analisis data menunjukkan bahwa pemanfaatan CRM memiliki pengaruh positif dan signifikan terhadap peningkatan kinerja hubungan dengan pelanggan. Hal ini memberikan petunjuk bahwa hipotesis diterima. Pemanfaatan CRM yang dilakukan oleh para tenaga penjualan dilihat dari manfaat langsung yang dirasakan oleh para tenaga penjualan berdampak positif dan signifikan terhadap peningkatan kinerja hubungan dengan pelanggan, semakin meningkat pemanfaatan CRM ini dilakukan oleh para tenaga penjualan maka kinerja hubungan dengan pelanggan akan semakin meningkat.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Rodriguez & Yim (2011), Rodriguez & Honeycutt (2011) dan penelitian Park et al. (2010) yang membuktikan bahwa pemanfaatan CRM berpengaruh positif dan signifikan terhadap peningkatan kinerja hubungan dengan pelanggan.
51 Berdasarkan penelitian ini dapat dijelaskan bahwa pemanfaatan CRM oleh para tenaga penjualan memang sangat diperlukan dalam meningkatkan kinerja hubungan dengan pelanggan.
5.5.2. Pengaruh pemanfaatan CRM terhadap peningkatan efektivitas proses penjualan
Hasil analisis data menunjukkan bahwa pemanfaatan CRM memiliki pengaruh positif dan signifikan terhadap peningkatan efektivitas proses penjualan.
Hal ini memberikan petunjuk bahwa hipotesis diterima. Pemanfaatan CRM yang dilakukan oleh para tenaga penjualan dilihat dari manfaat langsung yang dirasakan oleh para tenaga penjualan berdampak positif dan signifikan terhadap peningkatan efektivitas proses penjualan, semakin meningkat pemanfaatan CRM ini dilakukan oleh para tenaga penjualan maka efektivitas proses penjualan akan semakin meningkat.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Rodriguez & Yim (2011), Rodriguez & Honeycutt (2011) dan penelitian Peterson et al. (2011) yang membuktikan bahwa pemanfaatan CRM berpengaruh positif dan signifikan terhadap peningkatan efektivitas proses penjualan.
Berdasarkan penelitian ini dapat dijelaskan bahwa pemanfaatan CRM oleh para tenaga penjualan memang sangat diperlukan dalam meningkatkan efektivitas proses penjualan.
5.5.3. Pengaruh pemanfaatan CRM terhadap peningkatan kemampuan kolaborasi para tenaga penjualan
52 Hasil analisis data menunjukkan bahwa pemanfaatan CRM memiliki pengaruh positif dan signifikan terhadap peningkatan kemampuan kolaborasi para tenaga penjualan dengan unit - unit internal dan manajemen. Hal ini memberikan petunjuk bahwa hipotesis diterima. Pemanfaatan CRM yang dilakukan oleh para tenaga penjualan dilihat dari manfaat langsung yang dirasakan oleh para tenaga penjualan berdampak positif dan signifikan terhadap peningkatan kemampuan kolaborasi para tenaga penjualan dengan unit - unit internal dan manajemen, semakin meningkat pemanfaatan CRM ini dilakukan oleh para tenaga penjualan maka kemampuan kolaborasi para tenaga penjualan dengan unit - unit internal dan manajemen akan semakin meningkat.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Rodriguez & Honeycutt (2011) dan penelitian Peterson et al. (2011) yang membuktikan bahwa pemanfaatan CRM berpengaruh positif dan signifikan terhadap peningkatan kemampuan kolaborasi para tenaga penjualan dengan unit - unit internal dan manajemen.
Berdasarkan penelitian ini dapat dijelaskan bahwa pemanfaatan CRM oleh para tenaga penjualan memang sangat diperlukan dalam meningkatkan kolaborasi para tenaga penjualan dengan unit - unit internal dan manajemen.
5.5.4. Pengaruh pemanfaatan CRM terhadap peningkatan kinerja hubungan dengan pelanggan melalui mediasi kolaborasi
Hasil analisis data menunjukkan bahwa kolaborasi sebagai mediator pada pemanfaatan CRM berpengaruh positif dan signifikan terhadap peningkatan
Hasil analisis data menunjukkan bahwa kolaborasi sebagai mediator pada pemanfaatan CRM berpengaruh positif dan signifikan terhadap peningkatan