Operasionalisasi Variabel - Operasional Variabel dan Skala pengukuran

BAB III METODE PENELITIAN

3.2 Operasional Variabel dan Skala pengukuran

3.2.1 Operasionalisasi Variabel

Variabel penelitian merupakan sebuah petunjuk, sifat, penilaian yang berasal dari seseorang, objek ataupun aktivitas dengan klasifikasi spesifik serta yang menetapkan adalah peneliti dengan tujuan agardikaji juga dibuat kesimpulannya, sedangkan variabel operasional merupakan proses yang dilakukan untuk

41 memudahkan dalam pengklasifikasian masalah dengan menurunkan variabel yang terdapat di masalah penelitian menjadi unit-unit terkecil (Sugiyono,2018). Pada penelitian ini terdapat tiga variabel sebagai berikut.

a. Variabel Independen/Bebas (X)

Variabel independen/bebas pada penelitian ini adalah kualitas layanan. Dapat disebut variabel stimulus karena memberi dampak dan menjadi sebab timbulnya pengaruh variabel dependen atau terikat (Sugiyono,2018).

b. Variabel Dependen/Terikat (Y)

Variabel dependen/terikat pada penelitian ini adalah loyalitas pelanggan.

Biasa juga disebut variabel perantara merupakan variabel yang diberi pengaruh atau lahir akibat variabel independen (Sugiyono, 2018).

c. Variabel Intervening/Mediasi (Z)

Menurut Indrawati (2015) variabel intervening/mediasi sering disebut variabel perantara yang pada penelitian ini adalah kepuasan konsumen, merupakan variabel yang muncul atau berperan sebagai variabel yang memberi pengaruh antara variabel bebas dengan variabel terikat.

TABEL 3.1 OPERASIONALISASI VARIABEL

Variabel Dimensi Pernyataan No

Item

dalam kondisi bersih KL 3 Reliability Karyawan Indomaret KL 4

pelayanan dari Indomaret KP 3

Performance

produk yang memuaskan KP 14 Kualitas produk

Indomaret sudah sesuai dengan harapan saya

KP 15

Loyalitas Repeat Purchase Saya bersedia melakukan

pembelian ulang di LP 1

45 3.2.2 Skala Pengukuran

Skala Pengukuran adalah acuan dalam menetapkan pendek dan panjangnya interval dalam alat ukur agar melahirkan data kuantitatif saat pengukuran dilakukan. Pada penelitian ini penggunaan dengan skala ordinal, menurut Indrawati (2015) skala ini mengelompokkan variabel serta memberi urutan di semua kategorinya. Jenis Skala Likert dipergunakan saat ingin mengukur sikap, opini ataupun persepsi seseorang atau kelompok tertentu pada fenomena sosial di dalam penelitian yang dipakai oleh penulis untuk menafsirkan tanggapan atas pernyataan responden.

46 TABEL 3.2 INSTRUMEN SKALA LIKERT

Sumber : Sugiyono (2018) 3.3 Tahapan Penelitian

Gambar 3.1 Tahapan Penelitian Sumber : Sugiyono (2018)

3.4 Populasi dan Sampel

Populasi merupakan keseluruhan dari subjek penelitian dan sampel merupakan bagian populasi tersebut yang akan diteliti karakteristiknya. Sampel bagian tidak

47 terpisahkan dari populasi karena merupakan satu kesatuan, karena sampel adalah perwakilan karakteristik dari seluruh populasi.

3.4.1 Populasi

Populasi adalah area yang tergeneralisasi mencakup objek/subjek yang memiliki mutu serta karakteristik nya sendiri, ditetapkan peneliti untuk diamati dan dibuat kesimpulan (Sugiyono, 2018). Dalam pemilihan populasi peneliti hendak mempertimbangkan cakupan populasi agar penelitian dapat lebih terfokus. Populasi penelitian ini adalah konsumen Indomaret yang merupakan Generasi millennial &

Generasi Z yang berdomisili di Provinsi DKI Jakarta dan Provinsi Jawa Barat yang pernah mengunjungi dan melakukan pembelian minimal tiga kali di Indomaret.

TABEL 3.3 JUMLAH GENERASI MILLENNIAL & Z

Sumber : Badan Pusat Statistik 3.4.2 Sampel

Dalam Sugiyono (2020) sampel merupakan elemen penting dalam penelitian karena mancakup bagian dari jumlah populasi untuk memberi kemudahan saat mengumpulkan data. Sampel penelitian mewakili populasi yang akan diteliti, populasi yang besar nantinya akan mempersulit peneliti dalam melakukan penelitian.

Pengambilan sampel dalam penelitian ini menggunakan Teknik non-probability sampling, teknik mengambil sampel dengan tidak memberi kesempatan yang sama pada setiap komponen atau kelompok populasi untuk ditunjuk sebagai sampel. Purposive sampling merupakan penetapan sampel penelitian dengan suatu pertimbangan (Sugiyono,2018).

48 Sampel pada penelitian merupakan Konsumen Indomaret Generasi millennial & Generasi Z dengan rentang usia 9-40 tahun yang berdomisili di Provinsi DKI Jakarta dan Provinsi Jawa Barat yang pernah mengunjungi Indomaret serta melakukan pembelian minimal tiga kali. Dikarenakan total data populasi di penelitian sudah diketahui, maka ditentukan total sampel dengan memanfaatkan Teknik Slovin. Rumus perhitungan Slovin sebagai berikut.

𝒏 = 𝑵

𝟏 + 𝑵 (𝒆)^𝟐 Keterangan :

n : Jumlah Sampel

N : Jumlah Populasi (15,33 Juta + 16,07 Juta = 31,4 Juta) e : Tingkat kesalahan/eror (5% = 0,05)

𝑛 = 31,400,000

1 + 31,400,000 (0,05)² 𝑛 =31,400,000

78,501

n = 399,994904 ≈ 400

Hasil perhitungan menggunakan Rumus Slovin memperlihatkan jumlah sampel sebesar 399,994904, kemudian dibulatkan oleh peneliti menjadi 400 responden.

3.5 Pengumpulan Data

Menurut Sugiyono (2016) data merupakan materi yang masih mentah sehingga harus diolah agar melahirkan sebuah informasi atau petunjuk, berbentuk kuantitatif ataupun kualitatif yang menggambarkan suatu fakta. Pengumpulan data ialah proses menghimpun data primer maupun sekunder untuk dipergunakan kembali saat pengujian hipotesis agar memecahkan masalah yang diteliti. Terdapat dua jenis cara pengumpulan data dalam penelitian ini adalah sebagai berikut.

49 3.5.1 Data Primer

Data Primer adalah data yang diperoleh secara langsung hasil dari wawancara, observasi serta penyebaran kuisioner yang dilakukan kepada reponden sesuai sampel dan sasaran penelitian karena dianggap mampu menjadi perwakilan dari keseluruhan populasi (Sugiyono,2019). Penggunaan kuisioner menjadi pilihan penulis dalam melakukan penelitian, menurut Sugiyono (2019) teknik ini dilakukan dengan memberi kumpulan pertanyaan atau pernyataan tertulis untuk mendapat tanggapan dari seorang responden. Responden merupakan seorang sampel yang sesuai dengan kriteria penelitian yang akan menjawab pertanyaan atau pernyataan peneliti.

Penyebaran kuisioner dalam penelitian ini dilakukan secara online melalui form google docs kemudian link akan disebarkan kepada 385 responden yang merupakan konsumen Indomaret dengan ketentuan rentang usia 9-40 tahun yang berdomisili di Indonesia dan pernah mengunjungi Indomaret serta melakukan pembelian minimal tiga kali.

3.5.2 Data Sekunder

Data Sekunder adalah data yang diperoleh oleh peneliti secara tidak langsung dan bukan dari sumber pertama namun memiliki hubungan dengan penelitian serta menjadi sumber informasi tambahan bagi peneliti, tujuannya untuk mendukung studi pada penelitian. Penelitian ini juga menggunakan sumber data sekunder yang diperoleh melalui studi kepustakaan, buku referensi, penelitian terdahulu, jurnal nasional maupun internasional, artikel maupun berita, serta website yang relevan terhadap topik penelitian dan berhubungan dengan kualitas layanan, kepuasan pelanggan dan loyalitas pelanggan.

3.6 Uji Validitas dan Realibilitas

Data memiliki tingkatan tertinggi pada penelitian karena menggambarkan variabel penelitian dan alat sebagai pembuktian untuk hipotesis. Apabila ada persamaan di antara data yang dikumpulkan dan data objek penelitian sebenarnya, dapat diketahui bahwa hasil dari data valid dan jika adanya persamaan pada waktu

50 yang berbeda dapat diketahui bahwa hasil dari data reliabel. Kedua pengujian ini diperlukan dalam penelitian untuk mengetahui validitas dan reliabilitas dari kuisioner yang disebarkan.

3.6.1 Uji Validitas

Apabila instrument diberi keterangan valid sehingga disimpulkan bahwa alat ukur dalam memperoleh data tersebut valid (Sugiyono,2018). Pengujian ini dilakukan untuk mengukur kuisioner sah/tidak, jika valid instrument dapat di pergunakan dalam mengukur apa yang seharusnya. Uji validitas dari indikator dapat ditemukan lewat nilai load factor tiap indikator yang dibentuk. Ketika evaluasi ke efektivitasan konvergensi yang digunakan adalah kaidah praktis. Parameter uji validitas, yaitu :

1.Validitas Konvergen a. Loading Factors

>0,7 diperuntukkan bagi penelitian konfirmatori dan eksploratori b. Average Variance Extracted (AVE)

>0.5 diperuntukkan bagi penelitian konfirmatori dan eksploratori c. Communality

>0.5 diperuntukkan bagi penelitian konfirmatori dan eksploratori 2.Validitas Diskriminan

a. Cross Loading

>0,5 diperuntukkan bagi setiap variabel penelitian b. Square Root of AVE and correlations between constructs

Akar kuadrat AVE > korelasi diantara konstruk

Dibawah ini merupakan hasil uji validitas atas penggujian poin pernyataan di kuisioner dari 30 reponden.

51 TABEL 3.4 UJI VALIDITAS KUALITAS LAYANAN

TABEL 3.5 UJI VALIDITAS KEPUASAN PELANGGAN

TABEL 3.6 UJI VALIDITAS LOYALITAS PELANGGAN

52 3.6.2 Uji Reliabilitas

Uji Reliabilitas dilakukan pada seluruh pertanyaan secara bersamaan (Ghozali dan Latan, 2015). Reliabilitas dari suatu skala melihat bagaimana pengukuran bebas dari kesalahan atau eror, sehingga menggambarkan akurasi dan konsistensi tanggapan yang diberikan oleh responden. Berkaitan dengan stabilitas data, disebut reliabel apabila hasil sama saat pengukuran dilaksanakan berulang pada kondisi yang konsisten. Berdasarkan Ghozali dan Latan (2015) terdapat dua metode pengujian reliabilitas dengan Partial Least Square (PLS). Parameter uji reliabilitas, yaitu :

1. Cronbach’s Alpha

>0,7 diperuntukkan bagi penelitian konfirmatori dan eksploratori 2. Composite Reliability

>0,7 diperuntukkan bagi penelitian konfirmatori dan eksploratori

TABEL 3.7 UJI RELIABILITAS

3.7 Teknik Analisis Data

Menurut Sugiyono (2019) analisis data adalah suatu aktivitas yang dikerjakan setelah data yang diperoleh dari keseluruhan responden dan sumber data lainnya terhimpun. Teknik analisis data memiliki peran dalam memproses data kuantitatif. Aktivitas dalam analisis data yaitu membentuk kategorisasi data didasarkan pada variabel penelitian beserta variasi responden, membentuk tabulasi data didasarkan variabel penelitian dari keseluruhan responden, menampilkan data setiap variabel penelitian, dilakukan perhitungan dengan tujuan dapat memberi jawaban dari rumusan masalah serta perhitungan digunakan dalam pengujian hipotesis yang sudah diajukan.

53 3.7.1 Analisis Deskriptif

Analisis data merupakan proses perubahan mendasar dari data yang belum diolah, menggambarkan informasi data tanpa membuat kesimpulan yang berlaku general. Sebagai alat analisis data untuk membuat data yang lebih rinci maka data statistik perlu digunakan, juga sebagai pendeskripsian sampel data. Pada kuisioner penelitian ini, setiap item pernyataan terdapat lima kemungkinan jawaban yang akan dipilih oleh responden, dari setiap tanggapan tersebut akan dirangkai kriteria penilaian. Berikut langkah menentukan kriteria penilaian setiap pernyataan :

1. Nilai kumulatif sama dengan nilai hasil penjumlahan atas setiap pernyataan yang merupakan tanggapan dari 385 responden

2. Persentasi sama dengan nilai kumulatif item dibagi oleh nilai frekuensi lalu dikali 100 %

3. Menghitung jumlah kumulatif minimal dan maksimal. Jumlah responden sebesar 385 menggunakan nilai skala pengukuran maksimal 5 dan nilai skala pengukuran minimal 1, kemudian dapat diperoleh :

 Jumlah minimal kumulatif 385 x 5 = 1925

 Jumlah maksimal kumulatif 385 x 1 = 385

 Nilai maksimal persentase (1925 : 1925) x 100% = 100%

 Nilai minimal persentase (385 : 1925) x 100% = 20%

 Nilai rentang 100% - 20% = 80%, apabila hasil dibagi dengan skala pengukuran 5 maka diperoleh nilai interval 16%

Sehingga akan mendapatkan kriteria interprestasi skor sebagai berikut.

TABEL 3.8 KRITERIA INTERPRETASI SKOR

54 Sumber : Arikunto (2019)

Dari tabel diatas, terdapat kesimpulan kriteria interpretasi skor tiap variabel penelitian diketahui dari garis kontinum dibawah ini :

Gambar 3.2 Garis Kontinum Sumber : Arikunto (2019) 3.7.2 Structural Equation Modelling (SEM)

Structural Equation Modelling (SEM) adalah sekumpulan teknik statistika untuk pengujian model statistik berbentuk model kausal ataupun model yang relatif rumit yang tidak dapat diselesaikan oleh persamaan regresi linear, alat analisis statistik ini penggabungan antara analisis faktor dan regresi sehingga dapat menganalisis data lebih menyeluruh. Hubungan dapat dibentuk di tengah satu maupun beberapa variabel bebas dan satu maupun beberapa variabel terikat. Menurut Indrawati (2015) SEM terdapat dua jenis yaitu covariance based matric structural equation modeling/CB-SEM dan variance 47 based matric structural equation modeling/VB-SEM. Dalam penelitian ini memilih jenis VB-SEM dikarenakan penggunaan partial least square/PLS yang termasuk dalam analisis statistik jenis ini untuk mengetahui hubungan antar variabel konstruk penelitian.

3.7.3 Partial Least Square (PLS)

Metode statistika berbasis varian biasa digunakan saat pengerjaan regresi berganda terdapat sebuah permasalahan pada suatu data secara partikular seperti penelitian terlalu minim, data menghilang, ataupun multikolinearitas (kondisi dimana terdapat hubungan kuat antara dua variabel bebas atau lebih). Menurut Ghozali dan Latan (2015) metode ini disebut soft modelling sebab saat mengasumsikan data tidak harus beserta pengukuran skala tertentu, sehingga disimpulkan dapat menerima

55 sampel untuk jumlah yang kecil (kurang dari 100) walaukepun model yang dibentuk cukup kompleks.

Structural equation modelling - partial least square melaksanakan pengujian hubungan bersifat prediktif dengan memeriksa hubungan antar konstruk apakah ditemukan hubungan atau pengaruh antara konstruk tersebut, metode ini juga merupakan metode analisis kuat yang pada penggunaan dapat melalui skala data yang beraneka ragam dengan asumsi yang fleksibel seperti; rasio, ordinal, interval dan nominal. Metode ini dapat membuat model berbagai variabel independen ataupun dependen dan dapat digunakan pada konstruk reflektif (variabel yang dipengaruhi oleh variabel laten) juga konstruk formatif (variabel yang mempengaruhi variabel laten). Data yang dianalisis tidak ada ketentuan harus berdistribusi normal disebabkan oleh penggunaan bootstrapping/penggadaan dengan acak di partial least square (PLS), dalam metode ini asumsi normalitas tidak menjadi permasalahan.

3.7.4 Pengukuran Model (Outer Model)

Pengukuran model dimanfaatkan saat ingin melakukan evaluasi validitas dan reliabilitas model. Menurut Ghozali dan Latan (2015) uji validitas membuktikan keakuratan, kekonsistenan serta ketetapan instrument saat mengukur konstruk juga dapat dilakukan. Sedangkan Abdillah dan Hartono (2015) menyatakan untuk mengukur suatu konsep beserta mengukur konsistensi hasil tanggapan responden dalam kuisioner maupun pernyataan yang terdapat di alat penelitian dilakukan pengujian reliabilitas. Model pengukuran memperlihatkan bagaimana hubungan di antara blok indikator dan variabel laten, persamaan pada model eksternal dari struktur reflektif apabila dikonstruksi yaitu :

X = ^xξ + εx Y = ^yη + εy

Pada persamaan di atas menunjukkan bahwa x dan y merupakan indikator dari variabel independen dan dependen, ξ dan η serta ^ x dan ^ y adalah matriks pembebanan memperlihatkan koefisien regresi penghubung variabel laten dan indikatornya, sedangkan εx dan εy adalah tingkat kesalahan ukuran. Dilihat dari hubungan antara skor pada indeks dan pada variabel dapat diketahui keefektifan

56 konvergensi model pengukuran. Ketika nilai Average Variance Extracted (AVE)

>0,5 atau nilai outer loading >0,7 indikator dapat dikatakan valid dan dianggap bahwa pengukuran telah memenuhi standar validitas konvergensi. Dibawah ini adalah yang dilangsungkan untuk pengukuran model/ outer model.

1. Validitas konvergen (Convergent Validity)

Menggambarkan sejauh mana indikator berkorelasi dengan indikator lain di konstruk yang sama. Penggunaan nilai average variance extracted (AVE) dan outer loading untuk mengukur nilai validitas konvergen (Santosa,2018). Kriteria kelayakan pada penelitian ini :

a. Average Variance Extracted (AVE) > 0,5 b. Outer Loading > 0,7

Pernyataan yang valid dapat menjadi instrument penelitian karena sudah memenuhi syarat validitas konvergen

2. Validitas Diskriminan (Discriminant Validity)

Menggambarkan setiap konstruk berbeda dengan konstruk yang lain, dan setiap konstruk unik serta mendeteksi fenomena yang tidak terdeteksi oleh konstruk lain (Santosa,2018). Penggunaan nilai cross loading, nilai loading yang diharapkan dari konstruksi tujuannya agar memahami konstruk tersebut mempunyai cukup kekuatan diskriminatif serta nilai loading wajib mendominasi nilai loading konstruk lainnya dan penggunaan akar nilai AVE, melakukan perbandingan akar kuadrat dari nilai AVE tiap konstruksi menggunakan korelasi di antara konstruksi dalam model dan konstruksi lain untuk mengukur nilai validitas diskriminan. Validitas diskriminatif dianggap baik ketika nilai akar kuadrat AVE setiap struktur lebih besar dari nilai korelasi di antara struktur dan struktur lainnya dalam model. Rumus menghitung average variance extracted (AVE) :

AVE = ∑ λi 2 / ∑i var (εi)

 AVE, rata – rata persentasi skor varian yang di ekstraksi dari seperangkat variabel laten dengan menjadikan loading standarlize indikator selama proses literasi algoritma dalam PLS

 𝜆𝑖, komponen loading menuju indikator

 var (𝜀𝑖) = 1 − 𝜆𝑖 2

Apabila seluruh indikator dilakukan pembakuan, indikator itu setara average communalities pada blok. Penggunaan pengukuran saat menilai reliabilitas component score pada variabel laten sehingga menghasilkan yang sederhana dibandingkan dengan realibilitas komposit(ρc). Nilai AVE di sarankan >0,5 dan cross loading ingin dicapai lebih besar dari cross loading dan konstruksi lain. Dikatakan valid apabila nilai dari loading factor variabel merupakan nilai paling tinggi diantara variabel lain.

3. Composite Reliability

Nilai ukur sebenarnya dalam reliabilitas konstruk. Pengujian reliabilitas dilaksankan dengan memperhatikan reliabilitas komposit beserta nilai Cronbach alpha pada setiap variabel. Data yang memiliki nilai realibilitas komposit yang lebih besar dari 0,7 dan nilai Cronbach alpha lebih besar dari 0,6 akan dinyatakan reliabel. PLS menghasilkan output untuk perhitungan keandalan pada metarial komposit. Terdapat dua cara dalam melakukan evaluasi dan pengukuran pada konstruksi, yaitu konsitensi internal dan Cronbach alpha. Rumus :

ρc = ∑ λi 2 / ρc ∑ λi 2 + ∑I var (εi)

 𝜆𝑖, komponen loading menuju indikator

 var(𝜀𝑖) = 1 − 𝜆𝑖 2

Ketika melakukan perbandingan dengan Cronbach alpha, saat asumsi seluruh bobot indikator setara, parameter tidak mendukung asumsi bahwasanya parameternya setara. Oleh itu, Cronbach alpha menurunkan lower bound estimate reliability sementara ρc ialah nilai prediksi dengan pengasumsian estimasi parameter yang akurat. ρc digunakan menjadi ukuran konsistensi internal serta penggunaannya untuk konstruk dengan indikator reflektif saja. Uji reliabilitas menentukan reliabilitas dan kredibilitas alat ukur (kuisioner) agar pengukuran konsisten.

58 3.7.5 Pengukuran Struktural (Inner Model)

Pengujian model structural merupakan pengujian dimanfaatkan dalam pengukuran pengaruh hubungan sebab akibat antara variabel laten tertentu dengan variabel laten yang lain untuk mengetahui terdapat pengaruh signifikan atau tidak.

Inner model atau biasa disebut innerrelation structural model dan juga teori subtantif dikarenakan menjelaskan hubungan antar variabel laten ini dengan bersumber pada teori entitas. Model persamaan dirumusukan sebagai berikut.

ηn =βnηn + γnξn + ζn

Keterangan.

η : vector variabel endogen ξ : vector variabel eksogen

β : koefisien pengaruh variabel endogen terhadap endogen γ : koefisien pengaruh variabel eksogen terhadap endogen ζ : vector error / kesalahan structural

Penggujian dan evaluasi inner model menggunakan nilai R – Square dalam konstruk dependen dengan melihat besaran persentase varian yang digambarkan, Q- Square yang memiliki fungsi untuk predictive relevance serta uji t saat ingin mengetahui seberapa besar signifikan pada koefisien parameter jalur structural.

Terdapat beberapa metode di dalam pengujian inner model yaitu : 1. R - Square

Penggunaan nilai pada R - Square dalam pengukuran tingkat variasi perubahan pada variabel bebas terhadap variabel terikat ketika nilai R – Square tinggi prediksi atas model penelitian yang diajukan akan lebih baik (Abdillah dan Hartono, 2015). Perubahan pada nilai R – Square membantu peneliti dalam melakukan evaluasi pengaruh variabel bebas terhadap variabel terikat. Menurut Indrawati (2017) model penelitian dinyatakan baik, moderat dan lemah apabila hasil R – Square terbilang 0,67 ; 0,33 ; 0,19.

59 2. Q - Square

Pengevaluasian model partial least square (PLS) dapat dilakukan dengan mengetahui korelasi prediksi Q – Square pada model yang dibentuk.

Metode ini dipergunakan dalam mengukur dampak hasil observasi dari model beserta pengaruh estimasi parameternya. Menurut Ghozali (2014) apabila nilai Q – Square yang >0 memperlihatkan model mempunyai nilai korelasi prediktif serta <0 memperlihatkan model mempunyai prakorelasi lebih kecil. Tetapi bila nilai Q - Square >0 model dinyatakan mempunyai nilai prediksi relevan, rumus sebagai berikut.

𝑄2 = 1 − (1 − 𝑅1²)(1 − 𝑅2²)…(1 − 𝑅𝑃²) 3. Estimate for Path Coefficients

Besaran koefisien maupun hubungan atau konstruk dasar yang dikerjakan melewati teknik bootstrapping. Bootstrapping ditafsirkan seperti mengulang perhitungan model melalui penggunaan data sampel yang di bentuk secara acak untuk peneliti dapat memastikan seberapa banyaknya kasus yang disertakan di setiap sampel beserta ekspektasi sampel dapat mewakilkan data populasi sesungguhnya (Ghozali,2014).

60 DAFTAR PUSTAKA

Abdillah, W., Hartono. (2015). Partial Least Square (PLS).Penerbit Andi.

Yogyakarta.

Ahmad, A., & Khan, M. N. (2017). Developing a Website Service Quality Scale:

A Confirmatory Factor Analytic Approach. Journal of Internet Commerce, 104-126

Ahmed Al-Maamari, Q., & Abdulrab, M. (2017). Factors affecting on customer loyalty in service organizations. International Journal of Energy Policy and Management. 5, 25-312.

Arikunto, S. (2019). Prosedur Penelitian. Jakarta: Rineka cipta.

Atulkar, S. (2020). Brand trust and brand loyalty in mall shoppers. Marketing Intelligence & Planning Vol. 38 No. 5, 2020 pp. 559-572, 559-572.

Cristea, I. G., & Mocuta, D. (2018). IBIMA 2018: Innovation Management and Education Excellence through Vision 2020.Milan, Italy.

Danang Sunyoto. (2015). Manajemen dan Pengembangan Sumber Daya Manusia.

Yogyakarta: Center for Academic Publishing Service.

Donni Junni Priansa. (2017). Perilaku Konsumen dalam Bisnis Kontemporer.

Bandung: Alfabeta

Ghozali, Imam. 2014. Structural Equation Modeling, Metode Alternatif dengan Partial Least Square (PLS). Edisi 4. Semarang : Badan Penerbit Universitas Diponegoro.

Ghozali, Imam, Hengky Latan. 2015. Konsep, Teknik, Aplikasi Menggunakan Smart PLS 3.0 Untuk Penelitian Empiris. BP Undip. Semarang

Harazneh, I., Adaileh, M. J., Thbeitat, A., Afaneh, S., Khanfar, S., Harasis, A. A.,

& Elrehail, H. (2020). The impact of quality of services and satisfaction on customer loyalty: The moderate role of switching costs. Management Science Letters, 10, 8.

Harumi, S. D. (2016). Pengaruh Kepercayaan Dan Kepuasan Pelanggan Terhadap Loyalitas Pelanggan Di Perusahaan Seiko Laundry Medan. Analitika, 8(2), 115–128.

Hsu, Ping-Kun and Chou, Elaine Yi Chou. (2015). Exploring the Relationship

61 Among Service Quality, Customer Satisfaction and Customer Loyalty: A Case Study of Carrefour Hypermarket. Springer-Verlag Berlin Heidelberg LISS

Indrawati. (2015). Metode Penelitian Manajemen dan Bisnis Konvergensi.

Bandung : Teknologi Komunikasi dan Informasi, Aditama.

Kandampully, J., Zhang, T. & Bilgihan, A. (2015). Customer Loyalty: A Review and Future Directions with a Special Focus on the hospitality industry.

International Journal of Contemporary Hospitality Management ,27: 379-414.

Kata Data | Databoks (2021). Indomaret Ritel Dengan Jumlah Gerai Terbanyak Di Indonesia.

https://databoks.katadata.co.id/datapublish/2021/11/22/indomaret-ritel-dengan-jumlah-gerai-terbanyak-di-indonesia

Kata Data | Databoks (2021). Indomaret Ritel Dengan Nilai Konsumen Tertinggi Di Indonesia pada 2021.

https://databoks.katadata.co.id/datapublish/2021/11/10/indomaret-ritel-dengan-nilai-konsumen-tertinggi-di-indonesia-pada-2021

Kaura, V., Durga Prasad, C., & Sharma, S. (2015). Service quality, service

convenience, price and fairness, customer loyalty, and the mediating role of customer satisfaction. International Journal of Bank Marketing, 33(4), 404–

422

Khajeheian, D., & Ebrahimi, P. (2020). Media branding and value co-creation:

Effect of user participation in social media of newsmedia on attitudinal and behavioural loyalty. European Journal of International Management, 5(6), 270–282

Kotler & Keller. (2016). Marketing Management Edisi 14, Global Edition.

Singapore: Pearson Prentice Hall.

Kotler, P., & Keller, K. L. (2016). Marketing Management (15th ed.). Pearson Education, Inc.

Kotler, K. (2016). Marketing Management : 15e Edition. New Jersey: Pretice Hall, : Pearson Education, Inc

Kotler, P., & Keller, K. L. (2016). MarkKotler, P., & Keller, K. L. (2016).

62 Marketing Management. Global Edition (Vol. 15E). Management. In Global Edition.

Kotler, Philip & keller, kevin Lane. 2016. Marketing Management, 16thEdition, Pearson Prentice Hall :New Jersey

Kotler, Phillip dan Keller, Kevin Lane, 2016. Marketing Management. ISE England Kottler, Phillip. 2017. Manajemen Pemasaran di Indonesia: Analisis Perencanaan,

Implementasi dan Pengendalian. Diterjemahkan oleh Susanto. Edisi. 1.

Jakarta: Salemba Empat.

Kotler, Philip dan Gary Amstrong. 2018. Principles of Marketing. Edisi 15 Global Edition. Pearson.

Leninkumar, V. (2017). The Relationship between Customer Satisfaction and Customer Trust on Customer Loyalty. International Journal of Academic Research in Business and Social Sciences, 7(4), 450.

Malau, H. (2017). Manajemen Pemasaran. Bandung: Alfabeta

Minta, Y. (2018). Link between satisfaction and customer loyalty in the insurance

Dalam dokumen PENGARUH KUALITAS LAYANAN DAN KEPUASAN PELANGGAN TERHADAP LOYALITAS PELANGGAN PADA KONSUMEN INDOMARET PROPOSAL SKRIPSI (Halaman 46-0)