BAB III METODOLOGI PENELITIAN
4.2. Analisis Data
4.2.1. Uji Outlier
3.4.2. Uji Outlier Univariat dan Multivariat
Outlier adalah observasi yang muncul dengan nilai-nilai ekstrim baik
secara univariat maupun multivariat yaitu yang muncul karena kombinasi
kharakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari
observasi-observasi lainnya (Ferdinand, 2002 : 52).
3.4.2.1. Uji Outlier Univariat
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
Ferdinand, 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
menunjukkan jarak sebuah observasi dari rata-rata semua variabel dalam sebuah
ruang multidimensional. Uji terhadap multivariat dilakukan dengan menggunakan
kriteria Jarak Mahalanobis pada tingkat < 0,001. Jarak Mahalanobis itu dapat dievaluasi dengan menggunakan nilai 2
pada derajat kebebasan sebesar jumlah
item yang digunakan dalam penelitian. Apabila nilai Jarak Mahalanobisnya lebih
besar dari nilai 2
Tabel 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
berdasarkan indikator-indikator empirisnya. Structural Model adalah model
mengenai struktur hubungan yang membentuk atau menjelaskan kausalitas antara
faktor. (Ferdinand, 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
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.
2. Program tidak mampu menghasilkan matrik informasi yang seharusnya
disajikan.
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
yang disajikan. Berikut ini adalah index kesesuaian dan cut-off valuenya untuk
digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
a. 2
(Chi Square Statistic).
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 2
semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off
value sebesar > 0,05 atau > 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).
d. AGFI (Adjusted Goodness-of-Fit Index).
GFI adalah analog dari R2 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.
e. CMIN/DF.
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 2
relatif kurang dari 2.0 atau bahkan kadang kurang dari
3.0 adalah indikasi dari acceptable fit antara model dan data.
f. TLI (Tucker Lewis Indeks)
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
39
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Hasil Penelitian
4.1.1. Deskripsi Karakteristik Responden
Tanggapan responden tentang kualitas layanan (X), kepuasan pelanggan
(Y) dan loyalitas pelanggan (Z) pada PT. Ezyload Nusantara Surabaya, dimana
kuisioner disebarkan pada 110 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.
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 110 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 63 57,00
2 Wanita 47 43,00
Total 110 100,00
Dari tabel 4.1 dapat diketahui bahwa responden pria sebanyak 63 orang
(57 %) dan responden wanita sebanyak 47 orang (43 %).
2. Berdasarkan Usia
Dari 110 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 41 37,00
2 31-45 tahun 46 42,00 3 ≥ 45 tahun 23 21,00
Total 110 100,00
Sumber: Data diolah
Dari tabel 4.2 diketahui responden berusia 17-35 tahun sebanyak 41 orang
(37%), usia 31-45 tahun sebanyak 46 orang (42%), dan usia 45 tahun lebih
sebanyak 23 orang (21%)
4.1.2. Deskripsi Kualitas Layanan (X)
Kualitas layanan (X) merupakan persepsi pelanggan terhadap keunggulan
suatu layanan. Kualitas layanan (X) dibentuk oleh 5 dimensi antara lain: tangible
(X1), reliability (X2), responsiveness (X3), assurance (X4) dan emphaty (X5).
Hasil tanggapan responden terhadap kualitas layanan dapat dilihat pada tabel
Tabel 4.3.
Frekuensi Hasil Jawaban Responden Mengenai Kualitas Layanan (X)
Skor Jawaban No Pernyataan 1 2 3 4 5 6 7 Mean Skor 1
Bangunan kantor PT. Ezyload Nusantara Surabaya yang bagus dan kokoh
0 0 0 22 51 27 10 5,23
2 Tempat parkir di PT. Ezyload
Nusantara Surabaya yang luas 0 0 0 27 37 39 7 5,24
3
Karyawan PT. Ezyload Nusantara Surabaya ramah dan sopan kepada pelanggan yang dating
0 0 0 21 53 28 8 5,21
4
Pengiriman pulsa oleh karyawan PT. Ezyload Nusantara Surabaya sesuai dengan janji yang diberikan
0 0 0 28 47 29 6 5,12
5
Karyawan PT. Ezyload Nusantara Surabaya selalu mencatat nama
counter dan nominal pulsa yang dipesan
1 0 0 23 32 34 20 5,43
6
Karyawan PT. Ezyload Nusantara Surabaya cukup cepat melayani pelanggan yang melakukan pembelian pulsa
0 0 0 30 25 35 20 5,41
7
PT. Ezyload Nusantara Surabaya menjual produk- produk Indosat dengan harga yang lebih murah dibanding dengan yang lain
0 0 0 17 41 32 20 5,50
8
PT. Ezyload Nusantara Surabaya akan memberikan ganti rugi jika karyawan melakukan kesalahan dalam pengiriman pulsa
0 0 0 19 40 29 22 5,49
9
Karyawan PT. Ezyload Nusantara Surabaya selalu menginformasikan adanya promo- promo produk Indosat kepada pelanggan
1 0 0 28 30 34 17 5,33
10
Karyawan PT. Ezyload Nusantara Surabaya selalu ada waktu untuk mendengarkan keluhan pelanggan
0 0 0 14 32 36 28 5,71
Mean Skor Keseluruhan 5,37 Sumber : Data diolah
Berdasarkan tabel 4.3, diketahui bahwa pernyataan “Karyawan
PT. Ezyload Nusantara Surabaya selalu ada waktu untuk mendengarkan keluhan
pelanggan” memiliki nilai rata-rata tertinggi sebesar 5,71, yang berarti responden
setuju bahwa karyawan di PT. Ezyload Nusantara Surabaya selalu ada waktu
untuk mendengarkan keluhan dari pelanggan. Sedangkan secara keseluruhan
rata-rata tanggapan responden terhadap kualitas layanan (X) sebesar 5,37 yang berarti
responden setuju bahwa kualitas layanan yang merupakan persepsi konsumen
terhadap keunggulan layanan di PT. Ezyload Nusantara Surabaya selama ini
cukup baik.
4.1.3. Kepuasan Pelanggan (Y)
Kepuasan pelanggan (Y) adalah keseluruhan sikap yang ditunjukkan
pelanggan atas barang atau jasa setelah mereka memperoleh dan
menggunakannya. Kepuasan pelanggan (Y) dibentuk oleh 3 dimensi antara lain:
attributes related to the product (Y1), attributes related to service (Y2), dan
attributes related to purchase (Y3).
Hasil tanggapan responden terhadap kualitas layanan dapat dilihat pada tabel
Tabel 4.4.
Frekuensi Hasil Jawaban Responden Mengenai Kepuasan Pelanggan (Y)
Skor Jawaban No Pernyataan 1 2 3 4 5 6 7 Mean Skor 1
Pelanggan merasa puas dengan harga pulsa di PT. Ezyload Nusantara Surabaya.
0 0 0 6 49 50 5 5,49
2
Pelanggan merasa puas melakukan pembelian pulsa di PT. Ezyload Nusantara Surabaya
0 0 0 8 54 45 3 5,39
3
Pelanggan merasa puas dengan garansi yang diberikan oleh PT. Ezyload Nusantara Surabaya
0 0 0 15 44 33 18 5,49
4
Pelanggan merasa puas dengan penanganan masalah pelanggan oleh PT. Ezyload Nusantara Surabaya
0 0 0 9 52 36 13 5,48
5
Pelanggan merasa puas dengan cara pemesanan pulsa di PT. Ezyload Nusantara Surabaya
0 0 0 4 44 58 4 5,56
6
Pelanggan merasa puas dengan prosedur pembayaran pulsa di PT. Ezyload Nusantara Surabaya
0 0 0 3 48 55 4 5,55
Mean Skor Keseluruhan 5,49 Sumber: Data diolah
Berdasarkan tabel 4.4, diketahui bahwa pernyataan “Pelanggan merasa
puas dengan cara pemesanan pulsa di PT. Ezyload Nusantara Surabaya” memiliki
nilai rata-rata tertinggi sebesar 5,56, yang berarti responden setuju bahwa
pelanggan merasa puas dengan cara pemesanan pulsa yang diterapkan di
PT. Ezyload Nusantara Surabaya. Sedangkan secara keseluruhan rata-rata
tanggapan responden terhadap kepuasan pelanggan (Y) sebesar 5,49 yang berarti
responden setuju bahwa kepuasan pelanggan yang merupakan keseluruhan sikap
yang ditunjukkan pelanggan atas barang atau jasa setelah mereka memperoleh dan
4.1.4. Loyalitas Pelanggan (Z)
Loyalitas pelanggan (Z) adalah merupakan dorongan yang sangat penting
untuk menciptakan penjualan, pelanggan akan menjadi loyal kalau pelanggan
memandang perusahaan itu sebagai perusahaan yang baik Hasil tanggapan
responden terhadap loyalitas pelanggan (Z) dapat dilihat pada tabel berikut ini :
Tabel 4.5.
Frekuensi Hasil Jawaban Responden Mengenai Loyalitas Pelanggan (Z) Skor Jawaban No Pernyataan 1 2 3 4 5 6 7 Mean Skor 1
Anda akan mengatakan hal-hal yang positif tentang produk sistem
elektrik voucher di PT. Ezyload Nusantara Surabaya
0 0 0 16 41 30 23 5,55
2
Anda akan selalu menyarankan produk sistem elektrik voucher di PT. Ezyload Nusantara Surabaya kepada orang lain
0 0 0 15 46 27 22 5,51
3
Anda akan selalu melakukan pembelian produk sistem elektrik voucher di PT. Ezyload Nusantara Surabaya dan tidak mau berganti perusahaan sejenis yang lain
0 0 0 22 33 35 20 5,48
Mean Skor Keseluruhan 5,51 Sumber: Data diolah
Berdasarkan tabel 4.5, diketahui bahwa pernyataan “Anda akan
mengatakan hal-hal yang positif tentang produk sistem elektrik voucher di
PT. Ezyload Nusantara Surabaya” memiliki nilai rata-rata tertinggi sebesar 5,55,
yang berarti responden setuju bahwa pelanggan akan mengatakan hal-hal yang
positif tentang produk sistem elektrik voucher di PT. Ezyload Nusantara
variabel loyalitas pelanggan (Z) sebesar 5,51, yang berarti responden setuju
bahwa sebagian besar pelanggan loyal dan akan melakukan pembelian produk
sistem elektrik voucher di PT. Ezyload Nusantara Surabaya PT. Ezyload
Nusantara 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
Tabel 4.6.
Residuals Statistics
Min Max Mean Std. Dev N
Predicted Value 6,288 94,063 55,500 16,717 110 Std. Predicted Value -2,944 2,307 0,000 1,000 110 Standard Error of Predicted
Value 8,495 24,272 12,578 2,083 110 Adjusted Predicted Value 1,117 97,957 54,987 18,043 110
Residual -73,733 63,127 0,000 27,167 110
Std. Residual -2,466 2,111 0,000 0,909 110 Stud. Residual -2,690 2,417 0,007 1,011 110 Deleted Residual -87,721 82,690 0,513 33,750 110 Stud. Deleted Residual -2,789 2,485 0,007 1,021 110 Mahalanobis Distance [MD] 7,809 70,850 18,827 7,563 110 Cook's Distance 0,000 0,093 0,013 0,019 110 Centered Leverage Value 0,072 0,650 0,173 0,069 110 (a) Dependent Variable : NO. RESP
Sumber : Lampiran 3
Deteksi multivariat outliers dilakukan dengan kriteria jarak mahalanobis
pada tingkat p < 0,001. Jarak Mahalanobis dievaluasi dengan 2
pada derajat
bebas sebesar jumlah indikator dalam penelitian. Bila kasus yang mempunyai
Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi
0,001 maka terjadi multivariate outliers. Nilai 2
0.001dengan jumlah indikator 19 sebesar 43,820. Hasil analisis Mahalanobis diperoleh nilai 70,850 yang lebih
besar dari 2
tabel 43,820, sehingga terjadi multivariate outliers, terdapat 2 data
yang terkena outliers: case 106: 71,50, dan 31: 45,094. Kedua case outlier ini