METODE PENELITIAN
3.1 Definisi Operasional Dan Pengukuran Variabel
Variable-variabel yang diamati dalam penelitian ini terdiri dari beberapa variable. Variable-variable tersebut adalah sebagai berikut :
1. Service Performance (X1) adalah kinerja dari pelayanan yang diterima oleh konsumen itu sendiri dan menilai kualitas dari pelayanan yang benar-benar mereka rasakan. Diukur berdasarkan skala SERVPERF dari Cronin dan Taylor (1992, 1994) dengan menggunakan 15 item pertanyaan yang dikembangkan dari persepsi nasabah terhadap kinerja yang diterima dan dirasakan.
(X.1.1) Tangible (Bukti fisik)
Ditujukan oleh aspek-aspek yang nyata,dapat dilihat,dirasa khususnya oleh konsumen. Tangible terdiri dari indikator-indikator:
(X.1.1.1) Bank BNI Syariah Cabang Surabaya memiliki akses ATM yang bisa dinikmati semua nasabah baik dikota-kota maupun didaerah- daerah.
(X.1.1.2) Fasilitas Gedung dan tempat parkir yang ada pada Bank BNI Syariah Cabang Surabaya sudah sesuai dengan jenis jasa yang disediakan.
(X.1.1.3) Penampilan dari karyawan Bank BNI Syariah Cabang Surabaya sudah rapi dan menarik.
(X.1.2) Reliability (Kehandalan)
Kehandalan merupakan aspek-aspek system pelayanan yang diberikan. Khususnya dalam hal kesesuaian atau ketidaksesuaian antara harapan pelanggan dengan reality dari pelayanan yang diberikan. Reliability terdiri indikator-indikator:
(X.1.2.1) Bank BNI Syariah Cabang Surabaya menyampaikan jasa sesuai dengan waktu yang dijanjikan.
(X.1.2.2) Bank BNI Syariah Cabang Surabaya dapat diandalkan dalam menangani masalah jasa pelanggan.
(X.1.2.3) Karyawan Bank BNI menyimpan catatan atau dokumen tanpa membuat kesalahan.
(X.1.3) Responsiveness (Daya Tanggap)
Daya tanggap merupakan keinginan perusahaan untuk mewujudkan harapan konsumen dengan menyediakan pelayanan yang dibutuhkan. Responsiveness terdiri dari indikator-indikator:
(X.1.3.1) Karyawan dari Bank BNI Syariah Cabang Surabaya selalu menginformasikan kepada nasabah tentang kepastian waktu penyampaian jasa.
(X.1.3.2) Karyawan Bank BNI Syariah Cabang Surabaya selalu memberikan pelayanan yang segera atau cepat.
(X.1.3.3) Karyawan Bank BNI Cabang Surabaya selalu bersedia untuk membantu para nasbah.
(X.1.4) Assurance (Jaminan)
Kepastian adalah pemberian jaminan bahwa jasa yang diberikan sesuai dengan janji, memberikan keyakinan, keamanan dan kemampuan kompetisi dalam memberikan pelayanan yang sesuai dengan standar yang sifatnya memberikan garansi dari penyedia jasa pada pemegang konsumen. Assurance terdiri dari indikator-indikator:
(X.1.4.1) Karyawan Bank BNI Syariah cabang Surabaya dapat menumbuhkan rasa percaya pada nasabahnya.
(X.1.4.2) Karyawan dari Bank BNI Syariah Cabang Surabaya yang secara konsistin selalu bersikap sopan kepada para nasabah.
(X.1.4.3) Karyawan Bank BNI Syariah Cabang Surabaya dapat membuat para nasabah merasa aman ketika melakukan transaksi.
(X.1.5) Empathy
Empati merupakan kemudahan dalam mendapatkan pelayanan, keramahan, dan kemampuan memahami konsumennya. Begitu dalam Empathy terdiri dari indikator-indikator:
(X.1.5.1) Karyawan Bank BNI Syariah Cabang Surabaya selalu memberikan perhatian secara individu terhadap para nasabah.
(X.1.5.2) Karyawan Bank BNI Syariah Cabang Surabaya selalu memahami kebutuhan atau kepentingan para nasabah.
(X.1.5.3) Waktu operasi atau jam kerja kantor dari Bank BNI Syariah Cabang Surabaya sudah sesuai atau cocok dengan nasabah.
Masing-masing pernyataan menggunakan skala Likert satu sampai tujuh. Angka satu mewakili sangat tidak setuju dan angka tujuh mewakili sangat setuju.
2. Kepuasan Nasabah (X2) adalah perasaan yang dirasakan nasabah dari kinerja perusahaan yang memenuhi harapan mereka. Diukur berdasarkan indikator yang dinyatakan sebagai persepsi perasaan nasabah dikembangkan dari teori Naumann dan Giell, 1995:
(X.2.1) Beban biaya adalah biaya administrasi yang dibebankan oleh Bank BNI Syariah Cabang Surabaya kepada nasabah.
(X.2.2) Citra Perusahaan adalah citra Bank BNI Syariah Cabang Surabaya sebagai Bank yang berbasis Islam dimata nasabah.
(X.2.3) Keputusan menggunakan layanan jasa adalah harapan akan jasa layanan yang diberikan.
Masing-masing item pernyataan menggunakan skala Likert satu sampai tujuh. Angka satu mewakili sangat tidak puas dan angka tujuh mewakili sangat puas.
3. Loyalitas Nasabah (Y) adalah kesetiaan nasabah setelah mengalami pelayanan yang dinyatakan dalam perilaku untuk menggunakan jasa bank tersebut dan mencerminkan adanya ikatan jangka panjang antara bank dan nasabah. Diukur berdasarkan pendekatan perilaku loyalitas menurut Griffin (1996), Melalui beberapa indikator loyalitas dengan menggunakan item pernyataan:
(Y.1) Melakukan kunjungan secara teratur pada Bank BNI Syariah Cabang Surabaya
(Y.2) Menolak produk atau jasa dari Bank lainnya
(Y.3) Kesetiaan pada produk Bank BNI Syariah Cabang Surabaya (Y.4) Menarik Nasabah baru untuk perusahaan
(Y.5) Kelemahan atau kekurangan akan diberitahukan pada Bank BNI Syariah cabang Surabaya
Masing-masing item pernyataan menggunakan skala Likert satu sampai tujuh. Angka satu mewakili sangat tidak mungkin dan angka tujuh mewakili sangat mungkin.
3.2 Pengukuran Variabel
Untuk mengukur variable X1, X2, dan Y digunakan skala interval yang menggunakan semantic deferential scale, yaitu skala sikap yang menggunakan 2 kutub bipolar yang saling berlawanan dan garis continue. Skala semantic deferintial mempunyai 1-7 point dengan penilaian yang ekstrim dan mengikuti pola sebagai berikut:
Sangat Jelek Sangat Bagus
1 7
3.3 Tehnik Penentuan Sampel
a. Populasi
Sekelompok orang, kejadian atau segala sesuatu yang mempunyai karakteristik tertentu. Populasi yang digunakan adalah para nasabah yang memiliki atau menabung di Bank BNI Syariah cabang Surabaya
b. Sampel
Tehnik penentuan sampel yang digunakan adalah accidental sampling yaitu tehnik penentuan berdasarkan perjumpaan langsung yaitu siapa saja yang secara kebetulan bertemu dengan peneliti digunakan sebagai sampel bila dipandang orang yang kebetulan cocok sebagai sumber data. Kriteria tersebut terdiri dari nasabah yang berumur ε 20 tahun dan menabung di Bank BNI Syariah cabang Surabaya yang dijumpai pada saat melakukan penyebaran kuisioner. Untuk menghitung jumlah sampel yang diperlukan untuk penyebaran kuisioner maka pengambilan sampel yang digunakan adalah jumlah indikator dikalikan 5 – 10, bila terdapat 23 indikator maka sampel adalah 100 – 200 jumlah penelitian ini ada 23 indikator sehingga jumlah sampel 115 (ferdinand, 2002).
3.4 Tehnik Pengumpulan Data
3.4.1 Jenis data yang digunakan dalam penelitian adalah: a. Data Primer
Adalah data yang diperoleh langsung dari lokasi penelitian dengan menyebarkan kuisioner kepada nasabah Bank BNI Syariah Cabang Surabaya.
b. Data Sekunder
Adalah data yang diperoleh dari yang meliputi data sejarah, struktur organisasi.
3.4.2 Sumber data
3.4.3 Pengumpulan data
1. Wawancara
Tehnik pengumpulan data dengan mengadakan wawancara langsung kepada nasabah untuk memperoleh data.
2. Tehnik kuisioner
Metode pengumpulan data dengan menggunakan instrumental (daftar pertanyaan) terhadap para nasabah yang bertindak sebagai responden.
3.5 Tehnik Analisis Dan Uji Hipotesis
Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Model (SEM). Model pengukuran factor informasi, sikap atas merek dan ekuitas merek menggunakan Confirmatory Factor Analysis.
Penaksiran pengaruh masing-masing variable bebas terhadap variable terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan factor informasi dilakukan sebagai berikut.
Persamaan dimensi factor informasi: X11 : ג 1 informasi + er_1
X12 : ג 2 informasi + er_2 X13 : ג 3 informasi + er_3
Bila persamaan diatas dinyatakan dalam sebuah pengukuran model untuk di uji unidimensionalitasnya melalui confirmatory factor analysis, maka model pengukuran dengan contoh factor tangible akan nampak sebagai berikut:
Tangible X 11 X 12 X 13 Er_1 Er_2 Er_3
Gambar 3.4 : contoh model pengukuran faktor tangible. Keterangan :
X11 : Pernyataan tentang………. X12 : Pernyataan tentang………. X13 : Pernyataan tentang………. Er_j Eror term X1j
Demikian juga factor lain seperti reliability, responsiveness, assurance, emphaty, SERVPERF, Satisfaction, dan Loyality.
3.5.1 Asumsi Model (Structural Equetion Model) 3.5.1.1 Uji Normalitas sebaran dan Linieritas
1. Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik.
2. Menggunakan critical ratio yang diperoleh dengan membagi koefisien sampel dengan Standard errornya dan skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value pada tingkat signifikansi 1%, jika nilai Z lebih besar dari nilai iritis, maka dapat diduga bahwa distribuís data adalah tidak normal.
3. Normal probability plot (SPSS 10.1)
4. Linderitas dengan mengamati scatterplot dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk mendiga ada tidaknya linderitas.
3.5.1.2 Evaluasi Atas Outliner
1. Mengamati nilai Z store : ketentuannya diantara ± 3,0 non outliner.
2. Multivariate outliner di uji dengan kriteria jarak mahanalobis pada tingkat P<0,001. jarak di uji dengan chi-square (χ) pada df sebesar jumlah variable bebasnya. Ketentuan : bila mahalanobis > dari nilai χ adalah multivariate outliner.
Outliner adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variable tunggal atau variable kombinasi (Hair, 1998).
3.5.1.3 Deteksi Multicollinearitas Dan Singularity
Dengan mengamati determinant sampel matriks mendekati angka nol(kecil), maka terjadi multikolinieritas dan singularitas (Tabaehnick dan Fidell, 1998).
3.5.1.4 Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah construct yang menunjukkan derajad sampai dimana masing-masing indikator itu mengindikasikan sebuah construct umum.
Karena indicador multidimensi, maka uji validitas dari setiap latent variable atau construct akan diuji dengan melihat loading factor dari hubungan antara setiap obseverd variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan variance-extracted dihitung dengan rumus berikut:
Constrct reliability : [ ∑ Standardize loading ]2
[ ∑ Standardize loading ]2 + ∑εj ] Variance extracted : [ ∑ Standardize loading 2]
[ ∑ Standardize loading 2]+ ∑εj ]
Sementara εj dapat dihitung dengan formula εj = 1 – (standardize loading) secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,7 variance extracted ≥ 0,5 (Hair et.al, 1998). Standardize loading dapat diperoleh dari output AMOS 4.01, dengan melihat nilai estimasi setiap construct standardize regression weigths terhadap setiap batir sebagai indikatornya.
3.5.2 Pengujian Hipótesis Dan Hubungan Causal
Pengaruh langsung (koefisien jalur) diamati dari bobot regresi testandar, dengan pengujian significan pembanding nilai CR (Critical Ratio) atau P (Probability) yang sama dengan nilai t hitung. Apabila t hitung > daripada t table maka berarti signifikan.
3.5.3 Pengujian Model Dengan Two Step Approach
Two Step Approach digunakan untuk mengatasi masalah sampel data yang relative kecil jika dibandingkan dengan jumlah batir instrumentasi yang digunakan (Hartline dan Ferrell, 1996) dan karena keakuratan reliabilitas indicador-indicator terbaik dapat dicapai dalam Two Step Approach bertujuan untuk menghindari interaksi antara model pengukuran dan model structural pada one step approach (Hair.et.al, 1998).
Yang dilakukan dalam Two Step Approach to SEM adalah estimasi terhadap measurement model dan estimasi terhadap structural model (Anderson dan Gerbing, 1998). Cara yang dilakukan dalanm menganalisis SEM dengan Two Step Approach adalah sebagai berikut:
1. Menjumlahkan skala batir setiap constract menjadi sebuah indicador summed- scale bagi setiap constract jika terdapat skala yang berbeda setiap indicador tersebut terstandardisasi (Z-score) dengan mean = 0, debíais estándar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda-beda tersebut (Hair.et.al, 1998).
2. Menetapkan error (ε) dan lambada (ג ) terms, error term dapat dihitung dengan rumus 0,1 kali σ2 dan lambada terms dengan rumus 0,95 kali σ (Anderson dan Gerbing, 1998). Perhitungan construct reliability (σ ) telah dijelaskan pada bagian sebelumnya dan debíais stándar ( α ) dapat dihitung dengan bantuan program aplikasi statistic SPSS. Setelah error (ε) dan lambada (ג ) terms diketahui, skor-skor tersebut dimasukkan sebagai parameter fix pada analisis model pengukuran SEM.
3.5.4 Evaluasi Model
Hair.et.al, 1998 menjelaskan bahwa pola “Confirmatory” menunjukan prosedur yang dirancang untuk mengevaluasi utilitas hipótesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model dianggap sebagai yang diperkuat. Sebaliknya, suatu model teoritis tidak diperkuat jika teori tersebut mempunyai dustu “poor fit” dengan data. AMOS dapat menguji apakah model “good fit atau poor fit” model yang diuji sangat penting dalam penggunaan SEM.
Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodnes of fit, yakni Chi-Square, Probability, RMSEA, GFL, GFI, TLI, CFI, AGFI, CMIN atau DF. Apabila model awal tidak good fit dengan data maka model dikembangkan dengan Two Step Approach to SEM.
55
Table 3.1. Goodnes of Fit Indices
Goodness Of Index
Keterangan Cut-of Value
X2-Chi-Square Menguji apakah covariance populasi yang destimasi sama dengan covariance sample (apakah model sesuai dengan data).
Diharapkan kecil, 1 s/d 5 atau paling baik diantara 1 dan 2
Probability Uji signifikansi terhadap perbedaan matrix covariance yangu diestimasi..
Minimal 0,1 atau 0,2 atau ≥ 0,05
RMSE Mengkompensasi kelemahan Chi-Square
pada sampel besar.
≤ 0,08
GFI Menghitung proporsi tertimbang varians
dalam matrix sampel yang dijelaskan oleh matrix covariance populasi yang diestimasi (analog dalam R2 dalam regresi berganda).
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF. ≥ 0,90
CMIN/DF Kesesuaian antara model yang diuji
terhadap baseline model.
≤ 2,00
TLI Perbandingan antara model yang diuji
terhadap baseline model.
≥ 0,95
CFI Uji kelayakan model yang tidak sensitive
terhadap besarnya sampel dan kerumitan model
≥ 0,94