BAB IV ANALISA DATA DAN PEMBAHASAN
B. Analisis Data
1. Uji Instrumen Penelitian
Uji validitas dilakukan untuk mengukur apakah instrumen penelitian benar-benar mampu mengukur konstruk yang digunakan (Sekaran, 2000:206). Untuk memperoleh validitas kuesioner usaha dititikberatkan pada pencapaian validitas isi. Validitas tersebut menunjukkan sejauh mana perbedaan yang diperoleh dengan instrumen pengukuran merefleksikan perbedaan sesungguhnya pada responden yang diteliti. Untuk uji validitas ini menggunakan CFA (Confirmatory Factor Analysis) bantuan program SPSS 11.5. Pedoman umum untuk analisis faktor adalah output rotated component matrix yang terekstrak sempurna (Gozali, 2005:50).
Hasil uji validitas dengan bantuan program SPSS 11.5 dapat dilihat pada tabel IV.10.
Tabel IV. 10 Uji Validitas Instrumen
Variabel Faktor Keterangan Instrumen 1 2 3 4 Service Quality SQ1 0.493 Valid SQ2 0.757 Valid SQ3 0.666 Valid SQ4 0.791 Valid SQ5 0.499 Valid SQ6 0.876 Valid Price Fairness PF1 0.824 Valid PF2 0.837 Valid PF3 0.831 Valid PF4 0.830 Valid PF5 0.672 Valid Customer Satisfaction CS1 0.593 Valid CS2 0.511 Valid CS3 0.684 Valid CS4 0.483 Valid Customer Loyalty CL1 0.817 Valid CL2 0.587 Valid CL3 0.786 Valid CL4 0.678 Valid
Sumber : data primer yang diolah (2010)
Dari hasil uji validitas pada tabel IV.10 tersebut dapat disimpulkan bahwa semua instrumen pertanyaan pada umumnya sudah valid dan sudah terekstrak dengan sempurna sehingga telah memenuhi syarat atau layak untuk dilakukan uji analisis berikutnya.
2) Uji Reliabilitas
Setelah pengujian validitas, maka tahap selanjutnya adalah pengujian reliabilitas. Reliabilitas adalah pengukuran yang menunjukkan lebih jauh bahwa pengukuran tersebut tidak bias (error free) dan konsisten diterapkan pada waktu dan item yang berbeda pada instrumen pengujian (Sekaran, 2000:203). Uji ini bertujuan untuk mengetahui sejauh mana hasil suatu pengukuran dapat relatif konsisten apabila pengukuran diulangi dua kali atau lebih. Teknik pengujian yang digunakan adalah teknik alpha cronbach. Sekaran (2000:203) mengklasifikasi nilai cronbach’s alpha, sebagai berikut :
a) Koefisien antara 0.80-1.00 menunjukkan reliabilitas yang baik. b) Koefisien antara 0.60-0.79 menunjukkan reliabilitas yang dapat
diterima.
c) Koefisien < 0.60 menunjukkan reliabilitas yang kurang baik. Dari hasil pengujian reliabilitas variabel dengan menggunakan bantuan program SPSS 11.50 sehingga didapatkan nilai Cronbach’s alpha masing-masing variabel dapat dilihat pada tabel IV. 11
Tabel IV. 11 Uji Reliabilitas Variabel
Variabel Cronbach’s
Alpha
Keterangan
Service Quality (SQ) 0.779 Diterima
Price Fairness (PF) 0.916 Baik
Customer Satisfaction (CS) 0.816 Baik
Customer Loyalty (CL) 0.789 Diterima
Sumber : data primer yang diolah (2010)
Dari tabel IV.11 dapat diketahui bahwa variabel service quality, kompleksitas mempunyai reliabilitas yang dapat diterima karena koefisien cronbach’s alpha-nya ada diantara 0,60 sampai 0,79 yakni SQ (0.779). Untuk variabel Price Fairness dan Customer Satisfaction mempunyai reliabilitas yang baik karena nilai cronbach’s alpha-nya lebih dari 0,80 yakni PF (0.916) dan CS (0.816). Untuk variabel Customer Loyalty mempunyai reliabilitas yang dapat diterima yakni CL (0.789).
2. Uji Asumsi Model
Sebelum pengujian kesesuaian model dan hipotesis dalam penelitian ini, terlebih dahulu akan dilihat karakteristik data yang akan digunakan dalam analisis ini. Pengujian terhadap karakteristik data yang dimaksud, meliputi : normalitas data, evaluasi outliers dan evaluasi multikolinearitas.
1) Uji Normalitas
Asumsi yang paling fundamental dalam analisis multivariate adalah normalitas, yang merupakan bentuk suatu distribusi data pada suatu variabel matrik tunggal dalam menghasilkan distribusi normal (Ghozali, 2005:36). Apabila asumsi normalitas tidak dipenuhi dan penyimpangan normalitas tersebut besar, maka akan mengakibatkan hasil uji statistik yang bias. Normalitas dibagi menjadi dua yaitu : univariate normality dan multivariate normality. Untuk menguji asumsi normalitas dengan membandingkan nilai critical ratio skewness dan kurtosis dengan nilai kritis pada tingkat signifikansi tertentu.
Rules of thumb yang digunakan adalah apabila nilai critical ratio skewness dan kurtosis lebih dari + 2.58 pada tingkat 0.01 berarti distribusi data tidak normal. Dalam output Amos 7.00, uji normalitas dilakukan dengan membandingkan nilai C.r. dengan nilai kritis + 2.58 pada tingkat 0.01. Jika terdapat nilai C.r yang lebih besar dari nilai kritis maka distribusi datanya adalah tidak normal (Ferdinand, 2006). Disamping itu, (Ghozali, 2005:37-38) membagi distribusi data menjadi tiga bagian :
a) Normal, apabila nilai z statistik (critical ratio atau C.r.) skewness < 2 dan nilai C.r. kurtosis < 7.
b) Moderately non-normal, apabila nilai C.r. skewness berkisar antara 2-3 dan nilai C.r. kurtosis berkisar antara 7-21.
c) Extremely non-normal, apabila nilai C.r. skewness >3 dan nilai C.r. kurtosis >21.
Hasilnya adalah seperti yang disajikan dalam tabel IV.12. adalah sebagai berikut:
Tabel IV.12 Uji Normalitas
Variabel min Max skew c.r. kurtosis c.r.
SQ6 1.000 5.000 -.301 -1.650 .195 .535 SQ5 2.000 5.000 -.256 -1.402 -.057 -.155 CL4 1.000 5.000 .351 1.920 .783 2.143 CL3 1.000 5.000 .464 2.541 .383 1.050 CL2 1.000 5.000 -.021 -.118 .527 1.444 CL1 1.000 5.000 .298 1.634 .228 .623 CS1 1.000 5.000 -.188 -1.030 -.491 -1.346 CS2 2.000 5.000 .070 .383 -.327 -.896 CS3 2.000 5.000 -.096 -.526 -.618 -1.692 CS4 1.000 5.000 -.147 -.804 -.189 -.516 SQ1 2.000 5.000 -.323 -1.770 .293 .803 SQ2 1.000 5.000 -.362 -1.981 -.122 -.335 SQ3 2.000 5.000 -.289 -1.583 -.475 -1.300 SQ4 2.000 5.000 -.111 -.610 -.647 -1.773 PF5 2.000 5.000 -.195 -1.066 -.450 -1.231 PF4 2.000 5.000 -.234 -1.283 -.667 -1.827 PF3 2.000 5.000 -.160 -.876 -.793 -2.172 PF2 1.000 5.000 -.320 -1.752 -.505 -1.382 PF1 1.000 5.000 -.437 -2.396 -.444 -1.215 Multivariate 78.099 18.546
Sumber : data primer yang diolah (2010)
Nilai statistik untuk menguji normalitas tersebut menggunakan z value (Critical Ratio atau C.R pada output AMOS 7.0) dari nilai skewness dan kurtosis sebaran data. Bila nilai C.R lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data tidak normal. Nilai
kritis dapat ditentukan dari C.R skewness di bawah 2.58 dan nilai kritis dari C.R kurtosis dibawah 7.
Dari Tabel IV.12 terlihat hasil pengujian normalitas data dalam penelitian ini. Evaluasi normalitas diidentifikasi baik secara univariate maupun multivariate. Secara multivariate untuk nilai-nilai dalam C.r skewness, semua item pertanyaan menunjukkan nilai < 2.58. Sedangkan untuk nilai-nilai dalam C.r kurtosis, semua item pertanyaan menunjukkan nilai < 7. Dengan demikian secara multivariate distribusi datanya normal. Nilai yang tertera di pojok kanan bawah pada Tabel IV.12 menandakan bahwa data dalam penelitian ini terdistribusi normal secara multivariate dengan nilai C.R kurtosis 18.546.
2) Uji Outlier
Outliers adalah data atau observasi yang memiliki karakteristik unik yang terlihat sangat jauh dari obserasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim. Uji outliers dalam penelitian ini menggunakan multivariate outliers. Dimana dapat ditunjukkan dengan jarak mahalanobis untuk tiap observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Identifikasi adanya multivariate outliers pada penelitian ini dilakukan dengan memperhatikan nilai mahalanobis distance (Ghozali, 2006 : 228). Kriteria yang digunakan adalah berdasarkan nilai chi-square pada derajat bebas (degree of
freedom) 19 yaitu jumlah variabel indikator pada tingkat signifikansi p < 0.001. Dalam penelitian ini setelah menggunakan uji validitas maka indikator yang digunakan adalah 19 item. Kriteria yang digunakan adalah berdasarkan nilai Chi Squares pada derajat kebebasan (degree of freedom) 19. Oleh karena itu, nilai mahalanobis distance (19, 0.001) = 43.802. Hal ini berarti semua kasus yang mempunyai mahalanobis distance yang lebih besar dari 43.802 akan dikategorikan sebagai multivariate outliers. Mahalanobis distance dapat dilihat pada tabel IV. 13.
Tabel IV.13
Mahalanobis Distance Square Data Mahalanobis
Distance Square
Mahalanobis Distance Square yang diharapkan
Mahalanobis distance square
(df = 19,p<0,001) Mahalanobis < 43.802 77 82.017 16 82.017 66 55.159 67 50.343 5 45.639 - - - - - - - - 26 9.233 34 9.233 32 9.164
Dari tabel IV.13 terlihat adanya outliers pada data observasi ke-77, 16, 66, dan 67 yang memiliki nilai mahalanobis distance yang lebih besar dari 43.802 yakni memiliki nilai mahalanobis distance square sebesar 82.017, 82.017, 55.159 dan 50.343 sehingga dapat disimpulkan bahwa terdapat multivariate outliers. Jika terjadi multivariate outliers, maka sebaiknya data observasi yang mengalami outliers dikeluarkan dari analisis selanjutnya (Ghozali, 2005 : 228).
Tetapi karena setelah pengujian dengan mengeluarkan atau menghapus outlier sampelnya, sampel yang tersisa tidak dapat mengukur hubungan antar variabelnya. Selain semakin memperburuk angka estimasi regression weight-nya juga akan memperbesar tingkat nilai ketidaksignifikan-nya. Sehingga dalam penelitian ini tidak mengeluarkan atau menghapus outliers dan tetap menggunakan sampel sebanyak 180 responden.