METODE PENELITIAN
3. Loyalitas Nasabah (Z) ,
3.4.5 Pengujian Model Two-Step Approaoch
Two-Step Approach digunakan untuk mengatasi masalah sampel data yang relatif kecil jika dibandingkan dengan jumlah butir instrumentasi yang digunakan (Hartline dan Ferrell, 1996), dan kekuatan reliabilitas indikator-indikator terbaik dapat dicapai dalam Two-Step Approach ini.
Two-Step Approach bertujuan untuk menghindari interaksi antara model pengukuran dan model struktural pda One-step Approach (Hair, et.al,
55
1998). Yang dilakukan dalam Two-Step Approach to SSEM adalah : Estimasi terhadap measurement model dan estimasi terhadap struktural model (Anderson dan Gerbing, 1988). Cara yang dilakukan dalam menganalisis SEM dengan Two- Step Approach adalah sebagai berikut : a. Menjumlahkan skala butir-butir setiap kontraks menjadi sebuah
indikator summid-scale bagi setiap kontrak. Jika terdapat skala yang berbeda setiap indikator tersebut distandarisasi (Z-score) dengan mean = 0, deviasi standar = 1, yang tujuannya adalah untuk mengeliminasi pengaruh-pengaruh skala yang berbeda tersebut, (Hair, et.al, 1998)
b. Menetapkan error () dan lamda (), terms, error terms dapat dihitung dengan rumus 0,1 kali 2
dan lamda dengan rumus 0.95 kali (Anderson dan Gerbing, 1988). Perhitungan Contruct reability ()
telah dijelaskan pada bagian sebelumnya dan deviasi standart () dapat dihitung dengan bantuan program aplikasi statistik SPSS. Setelah error () dan lamda (), term diketahui, skor-skor tersebut dimasukkan sebagai parameter fix analisis model pengukuran SEM. 3.4.6 Evaluasi Model
Hair, et.al, 1998 menyatakan pola “Confirmatory” menunjukkan prosedur yang untuk mengevaluasi utilitas hipotesis-hipotesis dengan pengujian fit antara model teoritis dan data empiris. Jika model teoritis menggambarkan “good fit” dengan data, maka model di anggap sebagai yang diperkuat. Sebaliknya suatu model teoritis tidak diperkuat jika teori
terebut mempunyai suatu “poor fit” jadi “good fit” model yang diuji sangat penting dalam penggunaan structural Equation Modelling.
Pengujian terhadap model yang dikembangkan dengan berbagai kriteria Goodness of fit, yakni Chi-Square, Probability, RMSE, GFI, TLI, AGFI, AMIN / DF. Apabila model awal tidak good fit dengan data mata model dikembangkan dengan pendekatan Two-step Approach to SEM.
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Beberapa indeks kesesuaian dan
cut off value untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak adalah :
a. 2
CHI-SQUARE
Merupakan alat penting fundamental untuk mengukur overil fit adalah
likehood ratio Chi-Square ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Model yang diuji akan dipandang baik atau memuaskan bila nilai Chi-Squarenya rendah. Semakin kecil nilai 2
semakin baik model itu (2
= 0, berarti tidak ada perbedaan. Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau fit dengan data, maka yang dibutuhkan justru sebuah nilai 2
yang tidak signifikan. Penggunaan
Chi-Square hanya sesuai bila ukuran sampel antara 100 dan 200, bila ukuran sampel diluar rentang itu uji signifikan akan menjadi kurang reliable. Oleh karena itu pengujian ini dilengkapi dengan alat penguji lain.
57
b. RMSEA (The Rood Means Squaere Error of Approximination)
RMSEA adalah sebuah index yang dapat digunakan untuk mengkompensasikan goodnes-of-fit yang data diharapkan bila model diestimasi dalam model. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom.
c. GFI (Goodness of Fit Index)
GFI adalah dari R2 dalam regresi berganda. Indeks kesesuaian ini akan menghitung proporsi tertimbang dari dalam matriks covarians populasi yang diestimasikan. GFI adalah ukuran non statistikal yang mempunyai rentang nilai yang antara 0 (poor fit) sampai dengan 1,0 (perfect fit). Nilai yang sangat tinggi dalam indeks ini menunjukkan sebuah “better fit”.
d. TLI (Tucker Index)
TLI adalah alternative incremental fit index yang membandingkan sebuah model yang di uji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan 0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit.
e. CFI (Comprative Fit Index)
Berdasarkan Indeks ini pada tentang nilai sebesar 0-1, dimana semakin mendekati 1, mengidentifikasikan tingkat fit yang tinggi (a
very good fit ). Nilai yang merekomendasikan adalah CFI > 0.95. keunggulan dari indeks ini besarnya tidak dipengaruhi oleh ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model indeks CFI adalah identik dengan relative noncentrally indeks (RNI).
f. AGFI (Adjusted Goodness of fit Indeks)
AGFI – GFI df tingkat penerimaan yang direkomendasikan adalah AGFI mempunyai nilai sama dengan atau lebih besar dari 090. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matrik covarians sampel. Nilai sebesar 0,95 dapat diiterprestasikan sebagai nilai antara 0,90-0,95 menunjukkan nilai yang cukup adequate fit.
g. CMIN / df
The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks SMIN / df. Pada umumnya diartikan sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini SMIN df tidak lain adalah
statistic chi-square, 2
dibagi Dfnya.
Dengan demikian indeks-indeks yang dapat digunakan untuk menguji kelayakan sebuah model adalah seperti yang diringkas dalam tabel 3.1 berikut ini :
59
Tabel 3.1 Goodness Of Fit Indeks GOODNESS OF
FIT INDEKS KETERANGAN CUT-OF VALUE
2 – Chi- Square
Menguji apakah covarians populasi yang diestimasi sama dengan data)
Diharapkan kecil, 1 s/d 5, atau paling banyak 1 dan 2
Probality
Uji signifikan terhadap perbedaan matriks covarians data dan matriks covarians yang diestimasi
Minimum 0,1 atau 0,2 atau 0,05
RMSEA Mengkompensasi kelemahan
chi-square pada sampel besar 0,08
GFI
Menghitung proporsi tertimbang varians dalam matriks sampel yang dijelaskan oleh matrik covarians populasi yang diestimasi (analog dengan R2 dalam regresi berganda).
0,90
AGFI GFI yang disesuaikan terhadap
DF 0,90
CMIN / df Pembanding antara model yang
di uji baseline model 2,00
TLI Pembanding antara data dan
model 0,95
CFI
Uji kelayakan model yang tidak sensitif terhadap besarnya sampel dan kerumitan model
0,95 Sumber : Hair, et.al, 1998
5.1 Kesimpulan
Dari hasil pengujian yang telah dilakukan sebelumnya, maka kesimpulan yang dapat diambil berdasarkan hasil penelitian ini adalah :
1. Hipotesis yang menyatakan diduga terdapat pengaruh positif komitmen terhadap kepuasan nasabah Bank Jatim Cabang Dr. Soetomo, dapat diterima. Didasarkan dari pembahasan diperoleh bahwa variabel komitmen berpengaruh positif terhadap kepuasan nasabah dengan nilai [Prob. kausalnya 0,050 < 0,10 [signifikan [positif]. Hal ini menunjukkan bahwa selama ini pihak bank mampu meningkatkan rasa kepuasan pelanggan, sehingga nasabah mempunyai komitmen dan keinginan yang kuat untuk tetap menjadi nasabah bank dan tidak berpaling pada bank lain, berusaha sebaik mungkin menjadi nasabah demi kepentingan bank, dan mempunyai rasa kebanggaan menjadi nasabah.
2. Hipotesis yang menyatakan diduga terdapat pengaruh positif kepuasan terhadap loyalitas nasabah Bank Jatim Cabang Dr. Soetomo Surabaya dapat diterima. Didasarkan dari pembahasan diperoleh bahwa variabel kepuasan nasabah berpengaruh positif terhadap faktor loyalitas nasabah dengan nilai [Prob. kausalnya 0,068< 0,10 [signifikan [positif]. Hal ini membuktikan bahwa pihak bank mampu memberikan kualitas layanan jasa baik mengenai
90
5.2 Saran
Berdasarkan beberapa kesimpulan yang telah diuraikan diatas, maka penulis untuk selanjutnya akan memberikan saran yang sekiranya dapat membantu pihak manajemen khususnya dan penelitian selanjutnya pada umumnya.
Adapun saran untuk mendukung hasil penelitian yang telah dilakukan diantaranya sebagai berikut :
1. Bagi Pihak Manajemen
Melihat variabel komitmen berpengaruh positif terhadap kepuasan pelanggan, maka bagi pihak manajemen perlu diadakan penelitian lebih lanjut untuk melihat faktor-faktor lain yang ikut mempengaruhi kepuasan pelanggan dan
perlu ada peninjauan kembali terhadap indikator-indikator yang ada, apakah perlu adanya penambahan atau pengurangan.
2. Bagi Penelitian Selanjutnya
a. Sampel yang digunakan dalam penelitian selanjutnya, diharapkan jumlahnya lebih banyak dan bisa mewakili seluruh aspek perusahaan yang ada.
b. Penelitian yang dilakukan pada kesempatan ini hanya menganalisis komitmen, kepuasan nasabah dan loyalitas nasabah diharapkan untuk penelitian selanjutnya menambah variabel yang ada atau mengganti dengan variabel lainnya dan menggunakan model analisis lain.
DAFTAR PUSTAKA