ANALISA DIMENSI KUALITAS PELAYANAN TERHADAP KEPUASAN KONSUMEN

Mei Erliana 1202 109 005

ANALISA DIMENSI KUALITAS PELAYANAN

TERHADAP KEPUASAN KONSUMEN

Tugas Akhir

Bidang Studi Riset Operasi Dan Simulasi Oleh :

Abstrak

Semakin meningkatnya persaingan pada dunia

bisnis, perusahaan harus menemukan cara memenuhi

kepuasan konsumen. Untuk itu dalam penelitian ini

bertujuan mendapatkan variabel-variabel kualitas

pelayanan yang diharapkan (expected service)

konsumen.

Studi kasus yang diambil adalah kualitas

pelayanan di New Anc Motor. Analisis regresi linier

berganda, analisis jalur dan analisis faktor digunakan

untuk mencari nilai kepuasan konsumen dan

variabel-variabel apa saja yang diharapkan konsumen. Penelitian

dilakukan terhadap konsumen New Anc Motor yang

Penelitian ini bertujuan untuk mengetahui ada

tidaknya pengaruh kualitas pelayanan (SERVQUAL) yang

terdiri dari tangible (bukti fisik), reability (keandalan),

responsivenesess ( daya tanggap), assurance (jaminan),

empathy (empati) dan outcome (hasil) terhadap kepuasan

konsumen (costumer satisfacton).

Berdasarkan hasil pengolahan data dengan ketiga

metode tersebut didapatkan hasil analisis untuk kepuasan

konsumen yang terdiri dari 5 dimensi SERVQUAL sebesar

78,8%. Dan 5 variabel yang mempunyai prosentase

tertinggi dalam memengaruhi kepuasan konsumen. Serta

pemilihan metode yang tepat untuk penyelesaian

tersebut.

Kata Kunci

: service quality, customer satisfaction,

expected service.

Pendahuluan

Latar belakang

KEPUASAN KONSUMEN

Indikator Daya Tanggap Kehandalan Jaminan Empati Bukti Langsung

Perumusan Masalah

Permasalahan yang akan dibahas dalam tugas

akhir ini adalah bagaimana menentukan

variabel

apa

yang

paling

dominan

mempengaruhi kepuasan pelanggan, dan

mencari medote yang tepat dan efisien dalam

mencari variabel-variabel yang menunjang

kepuasan pelanggan dengan menggunakan

metode analisis regresi linier berganda, analisis

jalur dan analisis faktor.

Batasan masalah dalam tugas akhir ini

adalah :

1. Sebagai study kasus, responden yang

dipilih adalah konsumen New Anc

Motor yang telah menjadi pelanggan

minimal selama 1 tahun.

2.

Ruang

lingkup

penelitian

dilakukan

terbatas pada bagaimana pengaruh

kualitas pelayanan yaitu dimensi tangible

(bukti

fisik),

reability

(keandalan),

responsivenesess

(daya

tanggap),

assurance (jaminan), empathy (empati)

dan outcome (hasil) terhadap kepuasan

konsumen (costumer satisfacton).

3. Analisis

data

pada

penelitian

ini

menggunakan analisis regresi linier

berganda, analisis jalur dan analisis faktor

dengan menggunakan bantuan software

statistic SPSS 1.3.

1. Uji asumsi klasik

Model regresi linier berganda (multiple regression) dapat disebut sebagai model yang baik jika model tersebut memenuhi beberapa asumsi yang kemudian disebut dengan asumsi klasik. Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah kerja yang sama dengan uji regresi. Ada empat uji asumsi yang harus dilakukan terhadap suatu model regresi tersebut yaitu uji normalitas, Autokorelasi, uji multikolinieritas, dan uji heteroskedastisitas.

UJI NORMALITAS

1. Uji normalitas bertujuan untuk mengetahui

apakah variabel pengganggu atau residual

memiliki distribusi normal.

2. Ada dua cara yang biasa digunakan untuk

menguji normalitas model regresi tersebut yaitu

dengan dan analisis statistik (analisis Z skor

skewness dan kurtosis) one sample

Kolmogorov-Smirnov Test.

UJI AUTOKORELASI

1. Uji autokorelasi bertujuan menguji apakah model

regresi linier ada korelasi antara kesalahan

pengganggu pada periode t dengan kesalahan

pengganggu pada periode sebelumnya (t-1).

2. Jika terjadi korelasi maka dinamakan ada

problem autokorelasi.

3. Cara untuk mendeteksi gejala autokorelasi yaitu

uji Durbin Watson (DW test),

UJI MULTIKOLINIERITAS

Masalah multikolinieritas muncul jika terdapat

hubungan yang sempurna atau pasti di antara

beberapa variabel atau semua variabel independen

dalam model. Jika terdapat multikolinieritas serius,

koefisien regresi tidak lagi menunjukkan pengaruh

murni dari variabel independen. Uji ViF digunakan

untuk menguji keberadaan multikolinieritas Uji VIF.

UJI HETEROSKEDASTISITAS

1. Uji heteroskedastisitas bertujuan menguji apakah

dalam model regresi terjadi ketidaksamaan

varian dari residual satu pengamatan ke

pengamatan yang lain. Jika varian tetap maka

disebut homoskedastisitas dan jika berbeda

maka terjadi problem heteroskedastisitas. Model

regresi yang baik yaitu homoskesdatisitas atau

tidak terjadi heteroskedastisitas.

2. Ada beberapa cara untuk mendeteksi ada

tidaknya heteroskedastisitas yaitu uji Park, uji

korelasi rank spearmann dan uji White.

Analisis Regresi

Analisis regresi merupakan sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi, dikenal dua jenis variabel yaitu :

1. Variabel dependent atau juga variabel tergantung yaitu variabel yang keberadaannya diperngaruhi oleh variabel lainnya dan dinotasikan dengan Y.

2. Variabel independent disebut juga variabel bebas yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X

Analisis Regresi Linier Berganda

Regresi linier berganda mengestimasi besarnya koefisien-koefisien yang dihasilkan oleh persamaan yang bersifat linier, yang melibatkan dua variabel bebas atau lebih, untuk digunakan sebagai alat prediksi besar nilai variabel tergantung. Fungsi dari regresi adalah untuk menghitung besarnya pengaruh dua variabel bebas atau lebih terhadap satu variabel tergantung dan memprediksi variabel

tergantung dengan menggunakan dua variabel bebas.

Adapun bentuk matematis analisa regresi linier berganda adalah dari sampel :

Y = b_{0 +} b₁X_{1 +} b₂ X₂ + b₃ X₃ + …….+ b_k X_k Dengan :

b₀ = estimasi konstanta regresi

b_1, b₂ ,b₃ ,….,b_k = estimasi koefisien regresi X₁,X₂,X₃,…..,X_K = variable independen

Analisis Korelasi

Analisis korelasi adalah suatu alat statistik untuk menunjukkan seberapa besar tingkat (degree) hubungan suatu variabel secara

“linier” terhadap variabel lain. Korelasi itu sendiri menyatakan tingkat hubungan atau keterkaiatan antara dua variabel. Seringkali analisis korelasi ini digunakan secara bersama-sama dengan analisis regresi untuk mengukur seberapa tepat garis regresi mampu menjelaskan variasi variabel dependen.

1. Koefisien determinasi R2

Koefisien determinasi digunakan untuk mengukur kesesuaian model, atau dinotasikan dengan R2_{. Indikator ini menyatakan seberapa}

besar variasi dari variabel bebas (X) mampu menjelaskan perubahan variabel terikat (Y). R2 _{bernilai antara 0 sampai dengan 1, R}2 _{= 0}

artinya variabel (x) tidak mempengaruhi variabel y, R2 _mendekati

angka satu artinya variabel y seluruhnya diakibatkan oleh variabel x atau terdapat hubungan yang kuat.

Dimana SS_R = Jumlah Kuadat regresi SS_Y = Jumlah kuadrat total SS_e= Jumlah kuadrat error

2. Koefisien korelasi

Sedangkan untuk koefisien korelasi sample dirumuskan dengan:

Korelasi adalah derajat keterkaitan antara dua variabel, jika : R = -1 menunjukkan hubungan linier negative sempurna

-1< R <0menunjukkan hubungan linier negative R = 0 menunjukkan tidak ada hubungan linier

0 < R <1 menunjukkan hubungan linier positif R = 1 menunjukkan hubungan linier positif sempurna 0 – 0,25 menunjukkan korelasi yang sangat lemah

> 0,25 – 0,5 menunjukkan korelasi yang cukup > 0,5 – 0,75 menunjukkan korelasi yang kuat

Uji Signifikasi Statistik Uji parsial

Uji parsial digunakan untuk mengetahui besarnya pengaruh faktor dimensi kualitas pelayanan (Bukti Langsung, Daya Tanggap,Kehandalan, jaminan, dan empati) dengan kepuasan pelanggan secara individual.

langkah-langkah untuk uji parsial adalah sebagai berikut: Menentukan hipotesa

H₀ : Secara individu signifikan dimensi kualitas pelayanan tidak berpengaruh

terhadap kepuasan pelanggan

H_a : Secara individu signifikan dimensi kualitas pelayanan berpengaruh

terhadap kepuasan pelanggan

Penentuan tingkat signifikansi =0,05 Kriteria pengujian

Uji bersama digunakan untuk mengetahui besarnya pengaruh faktor dimensi kualitas pelayanan (Bukti Langsung, Daya Tanggap, Kehandalan, Jaminan,dan empati) dengan kepuasan pelanggan secara bersama. langkah-langkah untuk uji serempak adalah sebagai berikut:

Menentukan hipotesa

H₀:Secara bersama signifikan dimensi kualitas pelayanan tidak berpengaruh terhadap kepuasan pelanggan

H_a:Secara bersama signifikan dimensi kualitas pelayanan berpengaruh terhadap kepuasan pelanggan

tingkat signifikasi α = 5% Kriteria pengujian

f tabel = fα;(k; n-k-1)

H₀diterima apabila f hitung ≤ f tabel H₀ditolak apabila f hitung > f tabel Perhitungan Nilai f

Dimana = F=

SS_R= jumlah kuadrat regresi

SS_E = jumlah kuadrat residual error n = jumlah sampel atau observasi k = jumlah variabel bebas

Analisis Jalur

Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung”.

Diagram jalur satu persamaan struktural yang juga disebut mempunyai satu substrukur. X1, X2, X3, X4 dan X5 disebut variabel bebas dan Y variable tergantung. Pesamann strukuralnya adalah :

Analisis faktor

Dalam analisis faktor tidak terdapat variabel bebas dan tergantung karena analisis faktor tidak mengklarifikasi variabel ke dalam kategori variabel bebas dan tergantung melainkan mencari

hubunga interdependensi antarvariabel agar dapat menidentifikasikan dimensi-dimensi atau faktor-faktor yang menyusunnya.

Persyaratan pokok yang harus dipenuhi ialah angka Measure Of Sampling Adequacy (MSA) harus diatas 0,5 atau > 0,5. Besarnya angka MSA ialah antara 0 ≤ MSA ≤ 1. Jika digunakan dalam

menentukan penggabungan variabel maka ketentuannya sebagai berikut :

Jika MSA = 1 maka variabel tersebut dapat diprediksi tanpa kesalahan. Jika MSA > 0,5 maka variabel tersebut masih dapat diprediksi dan

dapat dianalisis lebih lanjut.

Jika MSA < 0,5 maka variabel tersebut tidak dapat diprediksi dan tidak dapat di analisis lebih lanjut.

• Pengumpulan dan pengolahan Data

Data yang sudah didapat dari kuisioner kemudian

di deskripsikan dan di analisis reliabilitas dan

validitasnya. Dalam pengujian reliabilitas

dikatakan baik jika nilai alpha cronbach yang

dihasilkan mendekati nilai lebih besar dari 0,6. Hal

ini menunjukkan atribut-atribut yang dijadikan

pertanyaan dalam penelitian adalah dapat

diandalkan. Dari penghitungan dengan bantuan

software spss 1.3 didapatkan nilai reliabilitas

0,924. Maka dapat disimpulkan data kuisioner

reliabel. Dari tabel validitas diketahui bahwa untuk

jumlah data 100 dan tingkat signifikasi 95% maka

r untuk derajat korelasi pada tabel adalah 0,195.

• Dalam pengujian validitas data yang diperoleh

apabila r hitung > r tabel maka dapat disimpulkan

data tersebut valid. Dari tabel 4.3.1 dapat diketahui

r kuisioner kinerja dan kepuasan untuk

masing-masing atribut lebih besar r tabel yaitu 0,195

dengan taraf signifikasi 5% maka semua data dari

kuisioner kinerja dan kepuasan valid.

• Kemudian data yang ada akan ditransformasikan

untuk mengubah data dari skala ordinal ke skala

interval. Tujuan transformasi ini adalah untuk

memberikan nilai standar sehingga nilai tersebut

benar-benar mempunyai bobot nilai yang sama

pada nilai-nilai atribut.

• Uji asumsi klasik

Uji normalitas Uji Jarque-Bera (JB) menunjukkan

bahwa :

JB hitung = 2,049275

JB tabel = 32,67

Kesimpulan 2,049275 ≤ 32,67,

H

0

diterima berarti distribusi

uj

mengikuti distribusi

normal.

• Uji Kolmogorov-Smirnov menunjukkan bahwa :

D tabel = 0,122

D hitung = 0,068

Kesimpulan 0,068 ≤ 0,122

H

0

diterima berarti distribusi

uj

mengikuti distribusi

normal

• Uji Autokorelasi

Uji Durbin-Watson (DW test) menunjukkan bahwa :

d hitung = 2,163

dL

= 1,072

kesimpulan d hitung <

dL

maka H

₀

ditolak dan H

_a

diterima sehingga terdapat

autokorelasi dalam model.

• Uji multikolinieritas

Uji VIF menunjukkan bahwa nilai VIF untuk semua

variabel kuarang dari 10 maka tidak terdapat gejala

heteroskedastisitas

• Uji heteroskedastisitas

Uji White menunjukkan bahwa :

χ2(α,df) = χ2(0,05, 21) = 32,67

χ

2

_{= n.R}

2

_{= 100.(0,408)}

2

_{= 100.0,1664 = 16,64}

Kesimpulan 16,64 ≤ 32,67

H

0

diterima berarti tidak terdapat masalah

heteroskedastisitas dalam model regresi.

-t( /2, n-2) = -1,98447 dan t( /2, n-2) = 1,98447

Kesimpulan : semua variabel tidak mempunyai

masalah heteroskedastisitas dalam model regresi

uji kolerasi rank spearman menunjukkan tidak

mempunyai masalah heteroskedastisitas

Uji Park menunjukkan bahwa :

-t( /2, n-2) = -1,98447 dan t( /2, n-2) = 1,98447

Kesimpulan : semua variabel tidak mempunyai masalah

heteroskedastisitas dalam model regresi

• Analisis Regresi Linier Berganda • Tingkat signifikasi α = 0,05

• k = 2, n-k-1 = 78, f tabel, fα (k,n-k-1) adalah : 1,69293. Kriteria pengujian

• H₀ diterima bila f hitung < f tabel, sig hitung < H0 ditolak bila f hitung > f tabel sig hitung > 0,005.

Kesimpulan H₀ diterima karena 1,69293 < 13,837 dan signifikasi 0,000 < 0,005 ini berarti bahwa ada

hubungan linier antara Bukti Langsung

(P1,P2,P3,P4,P5), Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati(P1,P2,P3) dengan Kepuasan pelanggan (Y). Dengan demikian model regresi sudah layak dan benar.

• Nilai R Square adalah 0,788 atau 78,8 %.

Angka tersebut mempunyai arti bahwa

pengaruh Bukti Langsung (P1,P2,P3,P4,P5),

Daya Tanggap (P1,P2,P3,P4,P5),

Kehandalan (P1,P2,P3), Jaminan

(P1,P2,P3,P4,P5) dan Empati (P1,P2,P3)

secara gabungan terhadap Kepuasan

Pelanggan (Y) adalah 78,8 %. Adapun

sisanya 20,2 % disebabkan oleh

variabel-variabel lain diluar model regresi ini

Melihat hubungan dan pengaruh pengaruh secara parsial : • Bukti Langsung (P1) dengan Kepuasan Pelanggan. R =

0,544, 0,000 < 0,005. Besarnya pengaruh 29,59 %.

• Bukti Langsung (P2) dengan Kepuasan Pelanggan R = 0,534, 0,000 < 0,005. Besarnya pengaruh 28,51 %.

• Bukti Langsung (P3) dengan Kepuasan Pelanggan R = 0,340, 0,000 < 0,005. Besarnya pengaruh 11,56 %.

• Bukti Langsung (P4) dengan Kepuasan Pelanggan R = 0,393, 0,000 < 0,005. Besarnya pengaruh 15,44 %.

• Bukti Langsung (P5) dengan Kepuasan Pelanggan R = 0,307 0,001 < 0,005. Besarnya pengaruh 9,42 %.

• Daya Tanggap (P1) dengan Kepuasan Pelanggan R = 0,724, 0,000 < 0,005. Besarnya pengaruh 52,41 %. • Daya Tanggap (P2) dengan Kepuasan Pelanggan R =

• Daya Tanggap (P3) dengan Kepuasan Pelanggan R = 0,734, 0,000 < 0,005. Besarnya pengaruh 53,87 %. • Daya Tanggap (P4) dengan Kepuasan Pelanggan R =

0,274, 0,003 < 0,005. Besarnya pengaruh 7,5 %.

• Daya Tanggap (P5) dengan Kepuasan Pelanggan R = 0,210, 0,018 > 0,005. Besarnya pengaruh 4,41 %.

• Kehandalan (P1) dengan Kepuasan Pelanggan R = 0,681, 0,000 < 0,005. Besarnya pengaruh 46,37 %. • Kehandalan (P2) dengan Kepuasan Pelanggan R =

0,727, 0,000 < 0,005. Besarnya pengaruh 52,85 %. • Kehandalan (P3) dengan Kepuasan Pelanggan R =

0,619, 0,000 < 0,005. Besarnya pengaruh 38,31 %. • Jaminan (P1) dengan Kepuasan Pelanggan R = 0,644

0,000 < 0,005. Besarnya pengaruh sebesar 41,47 %. • Jaminan (P2) dengan Kepuasan Pelanggan R = 0,612

• Jaminan (P3) dengan Kepuasan Pelanggan R = 0,628 0,000 < 0,005. Besarnya pengaruh 39,43 %.

• Jaminan (P4) dengan Kepuasan Pelanggan R = 0,737 0,000 < 0,005.Besarnya pengaruh 54,31 %.

• Jaminan (P5) dengan Kepuasan Pelanggan R = 0,122 0,114 > 0,005. Besarnya pengaruh 1,48 %.

• Empati (P1) dengan Kepuasan Pelanggan R = 0,583 0,000 < 0,005. Besarnya pengaruh 33,98 %.

• Empati (P2) dengan Kepuasan Pelanggan R = 0,568 0,000 < 0,005. Besarnya pengaruh 32,26 %.

• Empati (P3) dengan Kepuasan Pelanggan R = 0,244 0,007 > 0,005. Besarnya pengaruh 5,95 %.

• Persamaan regresi :

Y= -0,053 + 0,109 x1 + 0,053 x2 +

0,089 x3 + 0,006 x4 + 0,005 x5 +

0,118 x6 + 0,196 x7 - 0,049 x8 +

0,011 x9 + 0,023 x10 - 0,005 x11 +

0,119 x12 + 0,058 x13 + 0,116 x14

-0,008 x15 + 0,095 x16 + 0,134

x17 - 0,051 x18 -0,054 x19 + 0,094

x20 + 0,025 x21

5 variabel yang mempunyai prosentase paling berpengaruh pada kepuasan konsumen adalah : • Daya Tanggap (P2) = 58,21%

Pada pelayanan “Kesiapan karyawan menangani keluhan konsumen”

• Jaminan (P4) = 54,31%

Pada pelayanan “Sikap sopan dalam memberikan pelayanan”

• Daya Tanggap (P3) = 53,87%

Pada pelayanan “Kecepatan karyawan menangani konsumen”

• Kehandalan (P2) = 52,85%

Pada pelayanan “Kemampuan karyawan memberikan solusi”

• Daya Tanggap (P1) = 52,41%

Pada pelayanan “Kesediaan karyawan membantu konsumen”

• Analisis Jalur

k = 2, n-k-1 = 78, fα (k,n-k-1) : 1,69293

Kriteria pengujian

H

₀

diterima bila f hitung < f tabel, sig hitung <

0,005

H

₀

ditolak bila f hitung > f tabel, sig hitung >

0,005

Kesimpulan

H

₀

diterima karena 1,69293 <

13,837 dan 0,000 < 0,005 ini berarti bahwa

ada hubungan linier antara Bukti Langsung

(P1,P2,P3,P4,P5), Daya Tanggap

(P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3),

Jaminan (P1,P2,P3,P4,P5) dan

Empati(P1,P2,P3) dengan Kepuasan.

Dengan demikian model regresi sudah layak

dan benar.

• Nilai R Square adalah 0,788 atau 78,8 %.

Angka tersebut mempunyai arti bahwa

pengaruh Bukti Langsung (P1,P2,P3,P4,P5),

Daya Tanggap (P1,P2,P3,P4,P5), Kehandalan

(P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan

Empati (P1,P2,P3) secara gabungan terhadap

Kepuasan Pelanggan adalah 78,8 %. Adapun

sisanya 20,2 % disebabkan oleh

• Melihat pengaruh secara parsial

Untuk melihat besarnya pengaruh variabel Bukti Langsung (P1,P2,P3,P4,P5), Daya Tanggap

(P1,P2,P3,P4,P5), Kehandalan (P1,P2,P3), Jaminan (P1,P2,P3,P4,P5) dan Empati (P1,P2,P3) terhadap kepuasan pelanggan secara sendiri-sendiri atau parsial digunakan Uji t, sedangkan untuk melihat besarnya pengaruh digunakan angka beta atau standardized Coefficients.

Persamaan struktural untuk diagaram jalur :

• Y= 0,125 x1 + 0,058 x2 + 0,096 x3 + 0,007 x4

+ 0,005 x5 + 0,135 x6 + 0,224 x7 - 0,055 x8 +

0,012 x9 + 0,026 x10 - 0,006 x11 + 0,135 x12

+ 0,067 x13 + 0,131 x14 -0,009 x15 + 0,104

x16 + 0,150 x17 - 0,058 x18 -0,059 x19 +

0,104 x20 + 0,027 x21

• 5 variabel yang mempunyai prosentase paling berpengaruh pada kepuasan konsumen adalah : • Daya Tanggap (P2) = 22,,4%

• Pada pelayanan “Kesiapan karyawan menangani keluhan konsumen”

• Jaminan (P4) = 15%

• Pada pelayanan “Sikap sopan dalam memberikan pelayanan”

• Daya Tanggap (P1) dan Kehandalan (P2) = 13,5% • Pada pelayanan “Kesediaan karyawan membantu

konsumen” dan “Kemampuan karyawan memberikan solusi”

• Jaminan (P1) = 13,1%

• Pada pelayanan “Kualitas informasi yang diberikan” • Bukti langsung (P1) = 12,5%

Analisis faktor

• Dari analisis faktor didapatkan

variabel-variabel yang mempunyai kepentingan untuk

dianalisa lebih lanjut, dengan syarat nilai MSA

> 0,5.

• Dari semua variabel-variabel bebas yang

digunakan untuk kuisioner setelah dianaliasa

dengan analisis faktor semua mempunyai nilai

MSA > 0,5 maka semua variabel-variabel

Kesimpulan :

Berdasarkan pengolahan data dan pembahasan

sebelumnya, maka dapat disimpulkan beberapa hal

yaitu:

1. Berdasarkan hasil analisis data dengan analisis

regresi berganda dan analisis jalur didapatkan

kesimpulan bahwa Kualitas pelayanan dilihat dari

sudut dimensi layanan yaitu dimensi tangibles

(bukti langsung), reability (kehandalan),

responsivenesess ( daya tanggap), assurance

(jaminan), empathy (empati) secara

bersama-sama memberikan kepuasan kepada konsumen

sebesar 78,8 %. Adapun sisanya 21,2%

disebabkan oleh variabel-variabel lain diluar model

regresi.

Berdasarkan analisis regresi linier didapatkan 5 variabel yang paling dominan memengaruhi kepuasan pelanggan adalah :

• Daya Tanggap (P2) = 58,21%

Pada pelayanan “Kesiapan karyawan menangani keluhan konsumen”

•Jaminan (P4) = 54,31%

Pada pelayanan “Sikap sopan dalam memberikan pelayanan”

•Daya Tanggap (P3) = 53,87%

Pada pelayanan “Kecepatan karyawan menangani konsumen”

•Kehandalan (P2) = 52,85%

Pada pelayanan “Kemampuan karyawan memberikan solusi” •Daya Tanggap (P1) = 52,41%

Pada pelayanan “Kesediaan karyawan membantu konsumen”

Berdasarkan analisis jalur didapatkan 5 variabel yang

paling dominan memengaruhi kepuasan pelanggan

adalah :

•Daya Tanggap (P2) = 22,,4%

Pada pelayanan “Kesiapan karyawan menangani keluhan

konsumen”

•Jaminan (P4) = 15%

Pada pelayanan “Sikap sopan dalam memberikan

pelayanan”

•Daya Tanggap (P1) dan Kehandalan (P2) = 13,5%

Pada pelayanan “Kesediaan karyawan membantu

konsumen” dan “Kemampuan karyawan memberikan

solusi”

•Jaminan (P1) = 13,1%

Pada pelayanan “Kualitas informasi yang diberikan”

•Bukti langsung (P1) = 12,5%

Pada pelayanan “Lokasi yang mudah dijangkau”

Berdasarkan hasil analisis didapatkan kesimpulan bahwa : •Antara analisis regresi linier berganda dan analisis jalur terdapat perbedaan yang signifikan dalam hal penentuan besarnya nilai prosentase tiap variabel-variabel yang secara parsial memengaruhi kualitas pelayanan.

•Pada analisis jalur bisa dilihat hubungan/korelasi antar variabel-variabel bebas, yang tidak bisa ditemukan/dicari pada analisis regresi linier berganda. Hal ini lebih penting karena memudahkan para pelaku usaha untuk meneliti dan meningkatkatkan kualitas dari tiap-tiap variabel yang

mempunyai kualitas yang menurut konsumen dianggap kurang.

•Pada analisis faktor hanya untuk mendapatkan variabel-variabel yang dianggap penting oleh konsumen untuk dianalisis lebih lanjut oleh para pelaku usaha.

Saran:

Adapun saran-saran yang dapat diberikan berkenaan

dengan penelitian selanjutnya adalah sebagai berikut :

1. Penelitian lebih lanjut perlu dilakukan dengan

penggalian variabel-variabel lebih lanjut secara

mendalam, agar dapat memahami kondisi

konsumen dengan lebih baik.

2. Penelitian hendaknya dilakukan secara berkala,

karena perubahan kondisi pasar dan perilaku

konsumen akan mengakibatkan perubahan

preferensi dan persepsi konsumen.

3. Pada penelitian lebih lanjut akan lebih baik jika

ketiga analisis data tersebut digunakan secara

bersama-sama untuk menganalisa data untuk

mendapatkan suatu keputusan yang tepat.

Daftar Pustaka

[1] Kotler, Philip, 1997. Manajemen Pemasaran. Jakarta, Prenhallindo

[2] Tjiptono, Fandy, 1997. Prinsip – Prinsip Total Quality Service, Yogyakarta : Andi Offset, Yogyakarta. [3] Sarwono, Jonathan, 2006. Analisis Data Penelitian

Menggunakan SPSS 13, Andi Offset, Yogyakarta. [4] Supranto, Johanes, 2001. Statistik Untuk Pemimpin

Berwawasan Global, Jakarta, Salemba Empat. [5] Suhermin, ari pujiati. Analisis Regresi linier berganda

untuk mengetahui hubungan antara beberapa

aktifitas promosi dengan penjualan produk. Tugas Akhir Program PascaSarjana Statistika, Institut

[6] Setyadarma, Andryan. 2010. Uji asumsi klasik dengan

SPSS 1.6. Semarang : Universitas negeri Semarang. [7] J Suprianto, 1983, Ekonometrik, Jakarta: LPFE UI

[8] Lupiyadi, Rambat, 2001. Manajemen pemasaran jasa. Jakarta, Salemba empat.

[9] Zeithaml, Valarie A., leonard L. Berry and A Parasuraman, 1985. Problem and strategis in service in services. Journal of marketing.

[10] Junaidi. Tabel-tabel statistik

<URL:http://junaidichaniago.wordpress.com>. Diakses tanggal 27 januari 2010.

[11] Suzanna L. Siregara. Tabel r.

http://ssiregar.staff.gunadarma.ac.id/Downloads/files/9589/Tabel _R.pdf

Diakses tanggal 27 januari 2010 [12] uji normalitas.

http://elisa.ugm.ac.id/files/wahyu_psy/aG1I2RL6/Uji%20Normalit as.pdf

Terima Kasih

Terima Kasih