BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2. Analisis Data
4.2.1. Uji Outlier
Deteksi terhadap adanya outlier univariat dapat dilakukan dengan menentukan ambang batas yang akan dikategorikan sebagai outlier dengan cara mengkonversi nilai data penelitian ke dalam standar score atau yang biasa disebut dengan z-score, yang mempunyai rata-rata nol dengan standar deviasi sebesar satu. Bila nilai-nilai itu telah dinyatakan dalam format yang standar (z-score), maka perbandingan antar besaran nilai dengan mudah dapat dilakukan. Untuk sampel besar (diatas 80 observasi), pedomana evaluasi adalah nilai ambang batas dari z-score itu berada pada rentang 3 sampai dengan 4 (Hair dkk, 1995 dalam Augusty, 2002 : 98). Oleh karena itu apabila ada observasi-observasi yang memiliki z-score > 3,0 akan dikategorikan sebagai outlier.
3.4.2.2. Uji Outlier Multivariat
Evaluasi terhadap multivariat ouliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariat, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak Mahalanobis (the Mahalanobis distance) untuk tiap observasi dapat dihitung dan menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat ρ < 0,001. Jarak Mahalanobis itu dapat dievaluasi dengan menggunakan nilai χ2 pada derajat kebebasan sebesar jumlah item yang digunakan dalam penelitian. Apabila nilai Jarak Mahalanobisnya lebih besar dari nilai χ2Tabel adalah Outlier Multivariat.
3.4.3. Uji Normalitas Data
Adapun metode yang digunakan untuk mengetahui apakah data tersebut berdistribusi normal atau tidak adalah menggunakan uji critical ratio dari Skewness dan Kurtosis dengan ketentuan sebagai berikut :
Kriteria Pengujian :
Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah :
1. Jika nilai critical yang diperoleh melebihi rentang + 2,58 maka distribusi adalah tidak normal.
2. Jika nilai critical yang diperoleh berada pada rentang + 2,58 maka distribusi adalah normal.
3.4.4. Pemodelan SEM (Structural Equation Modeling)
Sebuah pemodelan SEM yang lengkap pada dasarnya terdiri dari Measurement Model dan Structural Model. Measurement Model atau Model Pengukuran ditujukan untuk mengkonfirmasikan sebuah dimensi atau faktor berdasarkan indikator-indikator empirisnya. Structural Model adalah model mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara faktor. (Augusty, 2002 : 34)
Untuk membuat pemodelan yang lengkap beberapa langkah berikut ini yang perlu dilakukan :
a. Pengembangan model berbasis teori.
Langkah pertama dalam pengembangan model SEM adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu, model tersebut divalidasi secara empirik melalui program SEM. b. Pengembangan diagram alur untuk menunjukkan hubungan kausalitas.
Pada langkah kedua, model teoritis yang telah dibangun pada langkah pertama akan digambarkan dalam path diagram. Path diagram tersebut memudahkan peneliti melihat hubungan-hubungan kausalitas yang ingin diujinya.
c. Konversi diagram alur kedalam persamaan.
Setelah teori / model dikembangkan dan digambarkan dalam sebuah diagram alur, spesifikasi model dikonversikan kedalam rangkaian persamaan.
d. Memilih Matriks Input dan Estimasi Model.
Perbedaan SEM dengan teknik multivariat lainnya adalah dalam input data yang akan digunakan dalam pemodelan dan estimasinya. SEM hanya menggunakan matriks varians kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya.
e. Menilai Problem Identifikasi.
Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik.
Problem identifikasi dapat muncul melalui gejala-gejala berikut ini : 1. Standard error untuk satu atau beberapa koefisien sangat besar.
3. Muncul angka-angka yang aneh seperti adanya varians error yang negatif. 4. Muncul korelasi yang sangat tinggi antar korelasi estimasi yang didapat
(misalnya lebih dari 0,9). f. Evaluasi Model.
Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap bebagai kriteria goodness-of-fit. Kriteria-kriteria tersebut adalah :
1. Ukuran sampel yang digunakan adalah minimal berjumlah 100 dan dengan perbandingan 5 observasi untuk setiap astimated parameter.
2. Normalitas dan Linieritas. 3. Outliers.
4. Multicolinierity and Singularity.
3.4.5. Uji Hipotesis
Dalam analisis SEM umumnya berbagai jenis fit index yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesakan dengan data yang disajikan. Berikut ini adalah index kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
a. χ2
Alat uji yang paling fundamental untuk mengukur overall fit adalah likehood ratio Chi-Square Statistic. Model yang diuji akan dipandang baik atau memuaskan apabila nilai chi-squarenya rendah. Semakin kecil nilai χ
(Chi Square Statistic).
2
semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value sebesar ρ > 0,05 atau ρ > 0,10.
b. RMSEA (The Root Mean Square Error of Approximation)
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-squre statistic dalam yang besar. Nilai RMSEA menunjukkan goodness- of-fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan index untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degree of freedom.
c. GFI (Goodness of Fit Index).
Indeks keseusaian (fit index) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks populasi yang terestimasikan. GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit.
d. AGFI (Adjusted Goodness-of-Fit Index). GFI adalah analog dari R2
e. CMIN/DF.
dalam regresi linier berganda yaitu suatu koefisien yang mengukur ketepatan sebuah model yang digunakan. Tingkat penerimaan yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel.
The Minimum Sample Discrepancy Function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan
oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. Nilai χ2
f. TLI (Tucker Lewis Indeks)
relatif kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari acceptable fit antara model dan data.
TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji 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.
g. CFI (Comparative Fit Index).
Merupakan besaran indeks ini adalah pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengidentifikasikan tingkat fit yang paling tinggi (a very good fit). Nilai yang direkomendasikan adalah CFI > 0,95.
39 4.1. Deskripsi Hasil Penelitian
4.1.1. Deskripsi Karakteristik Responden
Tanggapan responden tentang pengaruh organizational citizenship behavior terhadap service quality dan dampaknya pada kepercayaan pelanggan di PT. Millenium Penata Futures Surabaya, dimana kuisioner disebarkan pada 105 orang. Untuk jawaban kuisioner dinyatakan dengan memberi skor yang berada dalam rentang nilai 1 sampai 7 pada masing-masing skala, dimana nilai 1 menunjukkan nilai terendah dan nilai 7 menunjukkan nilai tertinggi. Penyebaran kuesioner dilakukan pada tanggal 12 Oktober – 11 Nopember 2010.
Karakteristik responden yang digunakan dalam penelitian ini dilihat dari jenis kelamin dan usia responden. Berikut karakteristik responden yang disajikan dalam tabel frekuensi berikut :
1. Berdasarkan Jenis Kelamin
Dari 105 responden yang menjawab kuesioner yang telah diberikan dapat diketahui jenis kelamin dari responden yakni pada tabel dibawah ini.
Tabel 4.1.
Karakteristik Responden Berdasarkan Jenis Kelamin No Jenis Kelamin Jumlah Prosentase (%)
1 Pria 49 46,67
2 Wanita 56 53,33
Total 105 100,00
Dari tabel 4.1 dapat diketahui bahwa responden pria sebanyak 49 orang (46,67 %) dan responden wanita sebanyak 56 orang (53,33 %).
2. Berdasarkan Usia
Dari 105 responden yang menjawab kuesioner yang telah diberikan dapat diketahui usia para responden yakni pada tabel dibawah ini.
Tabel 4.2.
Karakteristik Responden Berdasarkan Usia
No Usia Jumlah Prosentase (%)
1 17-30 tahun 24 22,86
2 31-45 tahun 46 43,81
3 ≥ 45 tahun 35 33,33
Total 105 100,00
Sumber: Data diolah
Dari tabel 4.2 diketahui responden berusia 17-30 tahun sebanyak 24 orang (22,86 %), usia 31-45 tahun sebanyak 46 orang (43,81 %), usia dan usia 45 tahun lebih sebanyak 35 orang (33,33 %).
4.1.2. Organizational Citizenship Behavior (X)
Organizational citizenship behavior adalah perilaku individu yang bebas, tidak berkaitan secara langsung atau eksplisit dengan sistem reward dan biasa meningkatkan fungsi efektif organisasi. Hasil tanggapan responden terhadap organizational citizenship behavior (X) dapat dilihat pada tabel berikut ini :
Tabel 4.3.
Frekuensi Hasil Jawaban Responden Mengenai Organizational Citizenship Behavior (X)
No Pertanyaan Skor Jawaban Mean
Skor
1 2 3 4 5 6 7
1 Karyawan PT Millenium Penata Futures
Surabaya mampu bekerjasama tim (X11) 0 0 0 7 41 49 8 5,55 2
Karyawan PT Millenium Penata Futures Surabaya tanggap terhadap kebutuhan nasabah (X12
0
) 0 0 4 47 38 16 5,63
3 Karyawan PT Millenium Penata Futures
Surabaya selalu disiplin dalam bekerja (X21) 0 0 0 3 36 57 9 5,69 4
Karyawan PT Millenium Penata Futures Surabaya mampu menggunakan waktu untuk bekerja secara efisien (X22
0
) 0 0 6 46 48 5 5,50
5 Karyawan PT Millenium Penata Futures
Surabaya mampu menjaga citra perusahaan (X31) 0 0 0 8 50 42 5 5,42 6
Karyawan PT Millenium Penata Futures
Surabaya memiliki konstribusi yang besar dalam memajukan perusahaan (X31
0
) 0 0 13 45 31 16 5,48
Mean Skor Keseluruhan 5,54
Sumber: Data diolah
Berdasarkan tabel 4.3, diketahui bahwa pernyataan “Karyawan PT Millenium Penata Futures Surabaya selalu disiplin dalam bekerja” memiliki
nilai rata-rata tertinggi sebesar 5,69, yang berarti responden setuju bahwa karyawan PT Millenium Penata Futures Surabaya selalu disiplin dalam bekerja. Sedangkan secara keseluruhan rata-rata tanggapan responden terhadap variabel organizational citizenship behavior (X) sebesar 5,54, yang berarti responden setuju bahwa organizational citizenship behavior yang merupakan perilaku individu yang bebas dan tidak berkaitan secara langsung dengan sistem reward dan biasa meningkatkan fungsi efektif organisasi dapat terlaksana dengan baik dalam PT Millenium Penata Futures Surabaya
4.1.3. Service Quality (Y)
Service quality adalah persepsi konsumen terhadap keunggulan suatu layanan. Hasil tanggapan responden terhadap service quality (Y) dapat dilihat pada tabel berikut ini:
Tabel 4.4.
Frekuensi Hasil Jawaban Responden Mengenai Service Quality (Y)
No Pertanyaan Skor Jawaban Mean
Skor
1 2 3 4 5 6 7
1
Karyawan PT Millenium Penata Futures Surabaya selalu menjaga kebersihan pakaian yang dikenakannya (Y11
0
) 0 0 4 42 55 4 5,56
2
Karyawan PT Millenium Penata Futures Surabaya selalu menjaga kerapian pakaian yang dikenakannya (Y12
0
) 0 0 3 46 52 4 5,54
3
Karyawan PT Millenium Penata Futures
Surabaya mempunyai keahlian dalam melakukan transaksi trading saham (Y21
0
) 0 0 5 53 41 6 5,46
4
Karyawan PT Millenium Penata Futures
Surabaya mempunyai keahlian dalam melakukan komunikasi dengan nasabahnya (Y22
0
) 0 0 8 47 42 8 5,48
5
Karyawan PT Millenium Penata Futures Surabaya memiliki respon yang tinggi dalam memberikan pelayanan kepada nasabahnya (Y31
0
) 0 0 9 49 34 13 5,49 6
Karyawan PT Millenium Penata Futures Surabaya selalu memberikan layanan yang proaktif kepada nasabahnya (Y32
0
) 0 0 7 44 51 3 5,48
7
Karyawan PT Millenium Penata Futures Surabaya mampu memberikan layanan kepada nasabahnya sesuai yang dijanjikan (Y41
0
) 0 0 8 52 41 4 5,39
8
Karyawan PT Millenium Penata Futures
Surabaya mampu bekerja dengan baik dan benar (Y42
0
) 0 0 12 43 33 17 5,52
9
Karyawan PT Millenium Penata Futures Surabaya selalu bersikap ramah kepada setiap nasabahnya (Y51
0
) 0 0 5 51 42 7 5,49
10
Karyawan PT Millenium Penata Futures Surabaya mempunyai empati dalam menjalin hubungan baik dengan para nasabah (Y52
0
) 0 0 7 44 49 5 5,50
Mean Skor Keseluruhan 5,49
Berdasarkan tabel 4.4, diketahui bahwa pernyataan “Karyawan PT Millenium Penata Futures Surabaya selalu menjaga kebersihan pakaian yang
dikenakannya” memiliki nilai rata-rata tertinggi sebesar 5,56, yang berarti responden setuju bahwa karyawan PT Millenium Penata Futures Surabaya selalu menjaga kebersihan pakaian yang dikenakannya. Sedangkan secara keseluruhan rata-rata tanggapan responden terhadap variabel service quality (Y) sebesar 5,49, yang berarti responden cukup setuju bahwa service quality yang merupakan persepsi konsumen terhadap keunggulan suatu layanan yang terjadi di PT Millenium Penata Futures Surabaya cukup baik dan sesuai dengan harapan nasabah.
4.1.4. Kepercayaan Pelanggan(Z)
Kepercayaan pelangganmerupakan persepsi akan keterhandalan dari sudut pandang konsumen yang didasarkan pada pengalaman atau lebih pada urut-urutan transaksi atau interaksi yang dicirikan oleh terpenuhinya harapan akan kinerja produk dan kepuasan. Hasil tanggapan responden terhadap kepercayaan pelanggan(Z) dapat dilihat pada tabel berikut ini:
Tabel 4.5.
Frekuensi Hasil Jawaban Responden Mengenai Kepercayaan Pelanggan(Z)
No Pertanyaan Skor Jawaban Mean
Skor
1 2 3 4 5 6 7
1
Nasabah menaruh kepercayaan atas keseluruhankinerja dari karyawan PT Millenium Penata Futures Surabaya yang dianggapsesuai dengan harapan nasabah (Z1
0 )
0 0 11 47 36 11 5,45
2
Nasabah menaruh kepercayaan bahwa PT Millenium Penata Futures Surabaya telah menerapkan prinsip manajemen resiko dengan benar dalam operasionalnya (Z2
0 )
0 0 9 49 34 13 5,49
3
Nasabah menaruh kepercayaan bahwa PT Millenium Penata Futures Surabaya mampu memberikan kualitas layanan yang lebih baik (Z3
0 )
0 0 10 45 48 2 5,40
4
Nasabah menaruh kepercayaan bahwa PT Millenium Penata Futures Surabaya dapat diperhitungkan sebagai perusahaan pialang yang mempunyai reputasi yang baik (Z4
0 )
0 0 5 55 39 6 5,44
5
Nasabah menaruh kepercayaan pada keamanan ketika menitipkan uang untuk ditransaksikan di PT Millenium Penata Futures Surabaya (Z5
0
) 0 0 10 48 43 4 5,39
Mean Skor Keseluruhan 5,43
Sumber: Data diolah
Berdasarkan tabel 4.5, diketahui bahwa pernyataan “Nasabah menaruh kepercayaan bahwa PT Millenium Penata Futures Surabaya telah menerapkan prinsip manajemen resiko dengan benar dalam operasionalnya” memiliki nilai rata-rata tertinggi sebesar 5,49, yang berarti nasabah setuju dan menaruh kepercayaan bahwa PT Millenium Penata Futures Surabaya telah menerapkan prinsip manajemen resiko dengan benar dalam operasionalnya. Sedangkan secara keseluruhan rata-rata tanggapan responden terhadap variabel kepercayaan pelanggan (Z) sebesar 5,43, yang berarti responden cukup setuju bahwa nasabah menaruh kepercayaan yang besar pada PT Millenium Penata Futures Surabaya.
4.2. Analisis Data 4.2.1. Uji Outlier
Outlier 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 variabel tunggal atau variabel kombinasi atau mutivariate (Hair, 1998). Evaluasi terhadap outlier multivariate (antar variabel) perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi observasi itu dapat menjadi outliers bila sudah saling dikombinasikan. Jarak antara Mahalanobis untuk tiap-tiap observasi dapat dihitung dan akan menunjukkan sebuah observasi dari rata-rata semua variabel dalam sebuah ruang multidimensional (Hair.dkk, 1998; Tabachnick & Fidel, 1996).
Uji terhadap outliers multivariate dilakukan dengan menggunakan jarak Mahalanobis pada tingkat p < 1%. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ² (chi kuadrat) pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian ini. Hasil dari uji outliers tampak pada tabel berikut ini :
Tabel 4.6. Residuals Statistics
Minimum Maximum Mean Std.
Deviation N
Predicted Value -16,858 95,655 53,000 19,382 105
Std. Predicted Value -3,604 2,201 0,000 1,000 105
Standard Error of Predicted
Value 6,036 23,519 11,600 3,226 105
Adjusted Predicted Value -36,874 116,482 54,067 21,240 105
Residual -48,859 52,021 0,000 23,491 105
Std. Residual -1,858 1,978 0,000 0,893 105
Stud. Residual -2,604 2,142 -0,017 1,038 105
Deleted Residual -111,482 62,946 -1,067 33,437 105
Stud. Deleted Residual -2,701 2,190 -0,018 1,050 105 Mahalanobis Distance [MD] 4,489 82,203 20,800 14,131 105
Cook's Distance 0,000 0,509 0,024 0,071 105
Centered Leverage Value 0,043 0,790 0,200 0,136 105 (a) Dependent Variable : NO. RESP
Sumber : Lampiran 3
Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p < 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan χ2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai χ20.001 dengan jumlah indikator 21 adalah sebesar 46,797. Hasil analisis Mahalanobis diperoleh nilai 82,203 yang lebih besar dari χ2
tabel 46,797 tersebut. Dengan demikian terjadi multivariate outliers, terdapat 6 data terkena outliers antara lain: case 1: 77,324, case 2: 61,297, case 4: 50,419, case 5: 64,387, case 101: 82,994, case 104: 69,233 dan 105: 57,68. Keenam case outlier ini harus dieliminasi sehingga N pada analisis selanjutnya tinggal 105 – 7 = 98.