BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisi proses pengumpulan dan pengolahan data yang digunakan dalam penelitian ini. Data yang digunakan dalam penelitian ini adalah data primer, yaitu data yang diperoleh peneliti secara langsung dari responden melalui pengisian kusioner. Sedangkan pengolahan data dilakukan dengan mengolah hasil dari pengumpulan data dengan menggunakan perhitungan, metode, dan software.
4.1 Pengumpulan Data
Data yang dibutuhkan dalam penelitian ini meliputi data Gambaran Umum Objek Penelitian, Data Primer, yaitu data yang diperoleh secara langsung dari responden melalui pengisian kuesioner dan, Uji Validitas dan Reliabilitas.
4.1.1 Objek Penelitian
Sebelumnya Grab mempunyai layanan uang elektronik bernama GrabPay yang meluncur pada Januari 2016. Para pengguna Grab dapat mengisi uang elektronik GrabPay dengan menggunakan kartu kredit, transfer bank ataupun juga melalui beberapa minimarket yang telah bekerjasama secara resmi. Namun pada Oktober 2017 fitur uang elektronik milik Grab yaitu GrabPay dibekukan operasionalnya oleh Bank Indonesia (BI). Fitur GrabPay belum memperoleh lisensi atau izin dari BI sebagai penerbit uang elektronik. Dengan begitu, pengguna Grab hanya bias menggunakan pembayaran menggunakan saldo yang masih tersisa tanpa bias melakukan isi ulang atau pembayaran lain. Untuk bias mendapatkan lisensi dari BI memang tak mudah bagi platform pembayaran uang elektronik. Salah satu aspek yang krusial adalah Peraturan Bank Indonesia (PBI) No. 20/06/2018, yang mensyaratkan dokumen tambahan, seperti misalnya surat pernyataan dan jaminan (representation and warranties), dan dokumen kepemilikan saham 51 persen adalah warga Negara Indonesia atau badan hukum Indonesia.
Gambar 4.1 Logo GrabOVO Sumber : grab.com
Kemudian pada Agustus 2017, fitur pembayaran elektronik milik PT Visionet Internasional yaitu OVO mendapatkan lisensi BI untuk menerbitkan uang elektronik. Pada Desesmber 2017 Grab mengumumkan bahwa adanya kerja sama dengan PT Visionet yaitu dengan fitur uang elektronik OVO. Namun tak lama berselang, pada akhir Januari 2018 fitur co-branding uang elektronik OVO di Grab tidak dapat digunakan kembali dan sempat mati hingga akhir Mei 2018.
Fitur uang elektronik tersebut dinonaktifkan karena terdapat kendala teknis dalam fitur isi ulang atau top-up, sehingga perlu dilakukan perbaikan. Sampai akhirnya pada Juni 2018, fitur uang elektronik OVO di Grab dapat digunakan sepenuhnya oleh pengguna termasuk fitur isi ulang saldo. Dengan bekerja sama dengan OVO, Grab membentuk platform terbesar dengan pertumbuhan tercepat yang mengombinasikan basis pengguna lebih dari 50 juta orang di Indonesia. Uang elektronik OVO Cash sekarang juga mencakup use-case penting bagi konsumen dan merchant di Indonesia. Bersama, Grab dan OVO akan memberikan manfaat pembayaran non-tunai kepada puluhan juta orang dan usaha kecil di Indonesia.
4.1.2 Hasil Kuesioner
Pada bagian ini membahas mengenai hasil kuesioner yang akan diuji validitas dan reliabilitas, sebelum disebarkan kepada responden. Hasil kuesioner dalam penelitian ini terdiri dari 10 dimensi dan 30 atribut berdasarkan indikator yang sudah ditentukan dapat dilihat pada tabel 4.1, dan untuk simbol dimensi atribut beserta pertanyaan dapat dilihat pada tabel 4.2 berikut.
Tabel 4.1 Hasil kuesioner
Variabel Dimesi Indikator
E-Service Quality (Parasuraman,et al (2005:220) dalam Lorena, (2016)
System Availability
Aplikasi selalu tersedia Aplikasi mudah dijalankan Aplikasi berfungsi dengan baik Aplikasi tidak lemot
Information Quality
Informasi yang ditampilkan aplikasi jelas Informasi yang diberikan sesuai
Ease of use Langkah-langkah penggunaan jelas &
mudah
Dapat diakses 24 jam Dapat diakses dimana saja
Privacy/Security Situs/aplikasi tidak membagi informasi pribadi
Situs/aplikasi melindungi informasi transaksi
Trust Dapat dipercaya perihal janji &
komitmen yang ditawarkan
E-Recovery Servqual Parasuraman, et al (2005) dalam Utami
(2017)
Responsiveness /Contact
Daya tanggap dalam penanganan masalah
Layanan pelanggan mudah diakses oleh telepon / cara lain.
Compensation Kompensasi yang diberikan kepada konsumen jika terjadi masalah kerugian
E-Satisfaction (Zeithaml et al dalam Hongxiu LI
& Reima Suomi, (2009) dalam Utami, (2017)
Usefulness Aplikasi sangat berguna Memudahkan transaksi
Decision Keputusan jangka panjang penggunaan Fitur Layanan Layanan Top Up
Biaya
IV-4
Tabel 4.2 Simbol dimensi dan atribut kuesioner
Dime nsi Simbol Atribut Pe rtanyaan
SA1 Uang elektronik OVO di aplikasi Grab selalu tersedia SA2 Uang elektronik OVO di aplikasi Grab berfungsi dengan baik SA3 Sistem layanan uang elektronik OVO di aplikasi Grab tidak lemot IQ1 Informasi terkait layanan OVO ditampilkan dengan jelas di aplikasi Grab
IQ2 Informasi promo yang ditampilkan di aplikasi Grab sesuai dengan layanan promo OVO IQ3 Informasi rincian transaksi jelas
E1 Saya menemukan kemudahan menggunakan OVO di aplikasi Grab
E2 Saya merasa langkah-langkah penggunaan OVO di aplikasi Grab mudah & jelas E3 Layanan OVO di aplikasi Grab dapat diakses 24 jam
E4 Layanan OVO di aplikasi Grab dapat diakses dimanapun saya berada
T1 Saya percaya janji & komitmen Grab dengan OVO dapat memenuhi kebutuhan pengguna T2 Saya percaya promo yang ditawarkan Grab jika pembayaran menggunakan OVO terpenuhi
PS1 Orang lain tidak dapat mengetahui informasi tentang transaksi saya jika menggunakan OVO di aplikasi Grab PS2 Server OVO di aplikasi Grab berjalan dengan baik sehingga transaksi menjadi aman
PS3 Saya merasa uang saya di OVO aman PS4 Saya merasa data pribadi saya di OVO aman
Compensation C1 Pihak OVO atau Grab memberikan kompensasi jika terjadi kerugian finansial kepada pengguna R1 Pihak OVO atau Grab cepat dalam menanggapi masalah yang terjadi
R2 Pihak OVO atau Grab selalu memberikan solusi setiap masalah
R3 OVO atau Grab bersedia memberi bantuan melalui telepon atau perwakilan online dalam memecahkan masalah U1 Uang elektronik OVO sangat berguna untuk pembayaran di aplikasi Grab
U2 Sistem pembayaran OVO membuat transaksi pembayaran di aplikasi Grab lebih mudah & efisien U3 Saya merasa OVO cocok digunakan untuk alat transaksi
F1 Top up saldo OVO dengan driver lebih mudah dibanding dengan cara lain seperti ATM, internet banking, minimarket dll F2 Saya merasa promo pada GrabOVO sangat menguntungkan saya
F3 Biaya layanan OVO untuk bertransaksi di aplikasi Grab sangat terjangkau
D1 Saya lebih berminat menggunakan uang elektronik OVO diaplikasi Grab dibanding transaksi langsung D2 Saya suka menggunakan OVO di aplikasi Grab karena banyak promo
D3 Saya akan menggunakan uang elektronik OVO di aplikasi Grab dalam waktu dekat D4 Saya merasa puas dengan kualitas layanan OVO di aplikasi Grab
Responsiveness
Usefulness
Fitur Layanan/Biaya
Decision Sistem Availability
Information Quality
Ease of Use
Trust
Privacy/Security
4.1.3 Uji Validitas dan Reliabilitas Kuesioner
Pada bagian ini membahas mengenai uji validitas dan reliabilitas kuesioner.
Uji validitas dan reliabilitas dilakukan sebelum disebarkan ke responden. Uji validitas kuesioner dilakukan untuk menjamin bahwa kuesioner yang digunakan dapat dipercaya sedangkan uji reliabilitas dilakukan untuk menjamin bahwa kuesioner yang digunakan untuk penelitian memiliki kehandalan, sehingga bila dilakukan kapan saja dan oleh siapa saja maka hasilnya akan sama. Sebanyak 30 sampel yang terpilih secara acak diminta untuk mengisi kuisioner. Uji validitas item adalah dengan cara mengkorelasikan antara skor item dengan skor total dari semua item yang ada. Sedangkan uji reliabilitas dilakukan dengan uji statistik Cronbach’s Alpha.
Software SPSS digunakan untuk analisa hasil validitas dan reliabilitas. Uji validitas pada penelitian ini menggunakan sampel responden sebanyak 30 sampel sehingga rtabel sebesar 0,361. Dari tabel 4.3 dapat dilihat nilai korelasi tiap atribut terhadap mutus secara keseluruhan semuanya lebih besar dari 0,361 sehingga dapat disimpulkan instrument sudah valid. Pada uji reliabilitas, suatu variabel dikatakan reliable atau tidak reliable, apabila: hasil α > 0,60 = reliable, Hasil α <
0,60 = tidak reliable (Sugiyono, 2012). Dari tabel 4.3 dapat dilihat nilai validitas, dan tabel 4.4 dapat dilihat untuk nilai reliabilitas Croncbach Alpha (α) sebesar 0,982 sehingga dapat dikatakan bahwa kuesioner sudah reliable.
Tabel 4.3 Hasil uji validitas
No Atribut/Item Korelasi
Keterangan Ekspektasi Persepsi
1 SA1 0,679 0,656 Valid
2 SA2 0,870 0,762 Valid
3 SA3 0,810 0,788 Valid
4 IQ1 0,739 0,718 Valid
5 IQ2 0,833 0,732 Valid
6 IQ3 0,809 0,729 Valid
7 E1 0,891 0,845 Valid
8 E2 0,892 0,869 Valid
9 E3 0,863 0,704 Valid
10 E4 0,777 0,718 Valid
Tabel 4.3 Hasil uji validitas (lanjutan)
No Atribut/Item Korelasi
Keterangan Ekspektasi Persepsi
11 T1 0,867 0,767 Valid
12 T2 0,784 0,814 Valid
13 PS1 0,736 0,603 Valid
14 PS2 0,876 0,735 Valid
15 PS3 0,845 0,784 Valid
16 PS4 0,769 0,565 Valid
17 C1 0,507 0,369 Valid
18 R1 0,786 0,372 Valid
19 R2 0,520 0,377 Valid
20 R3 0,760 0,386 Valid
21 U1 0,756 0,865 Valid
22 U2 0,476 0,421 Valid
23 U3 0,874 0,774 Valid
24 F1 0,537 0,395 Valid
25 F2 0,707 0,500 Valid
26 F3 0,706 0,613 Valid
27 D1 0,714 0,589 Valid
28 D2 0,843 0,744 Valid
29 D3 0,666 0,685 Valid
30 D4 0,841 0,816 Valid
Tabel 4.4 Hasil uji reliabilitas
4.1.4 Deskripsi Responden
Responden pada penelitian ini adalah pengguna OVO dan Grab di Surakarta. Berdasarkan 140 data responden yang didapat dari kuesioner, karakteristik yang diperoleh berdasarkan gender, usia, jenis pekerjaan, masa penggunaan aplikasi Grab dan, jumlah penggunaan layanan uang elektronik OVO di aplikasi Grab dalam seminggu.
Cronbach's
Alpha N of Items
0.982 60
Reliability Statistics
a. Responden berdasarkan gender
Dari hasil penyebaran kuesioner, penulis memperoleh data responden berdasarkan gender sebagai berikut:
Gambar 4.2 Persentase responden berdasarkan gender
Berdasarkan hasil dari 140 responden, dapat dilihat dari gambar 4.2 bahwa persentase perempuan lebih banyak daripada laki-laki. Sebanyak 93 responden (66,4%) adalah perempuan dan 47 responden (33,6%) adalah laki-laki.
b. Responden berdasarkan Usia
Dari hasil penyebaran kuesioner, penulis memperoleh data responden berdasarkan usia sebagai berikut:
Gambar 4.3 Persentase responden berdasarkan usia
Berdasarkan hasil dari 140 responden, dapat dilihat dari gambar 4.3 bahwa persentase terbanyak adalah responden dengan usia 22 tahun yaitu sebanyak 36 orang (25,7%), kemudian ter-rendah adalah responden dengan usia 16 tahun, 25 tahun, 26 tahun, 28 tahun, 29 tahun dan, 30 tahun yaitu sebanyak masing-masing 1 orang (0,7%), responden dengan usia 18 tahun sebanyak 5 orang (3,6%), responden dengan usia 19 tahun sebanyak 23 (16,4%), responden dengan usia 20 tahun sebanyak 29 orang (20,7%), responden dengan usia 21 tahun sebanyak 21 orang (15%), responden dengan usia 23
jumlah
usia
tahun sebanyak 8 orang (5,7%), responden dengan usia 24 tahun sebanyak 3 orang (2,1%), responden dengan usia 32 tahun sebanyak 2 orang (1,4%).
c. Responden berdasarkan jenis pekerjaan
Dari hasil penyebaran kuesioner, penulis memperoleh data responden berdasarkan jenis pekerjaan sebagai berikut:
Gambar 4.4 Persentase responden berdasarkan pekerjaan
Berdasarkan hasil dari 140 responden, dapat dilihat dari gambar 4.4 bahwa persentase terbanyak adalah responden yang masih menjadi mahasiswa yaitu sebanyak 124 orang (88,6%) dan kemudian responden dengan jenis pekerjaan Pegawai Swasta yaitu sebanyak 11 orang (7,9%). Responden dengan jenis pekerjaan PNS sebanyak 1 orang (0,7%), responden dengan jenis pekerjaan BUMN sebanyak 1 orang (0,7%) dan responden dengan jenis pekerjaan wirausaha sebanyak 3 orang (2,1%).
d. Responden berdasarkan masa penggunaan aplikasi Grab
Dari hasil penyebaran kuesioner, penulis memperoleh data responden berdasarkan jenis pekerjaan sebagai berikut:
Gambar 4.5 Persentase responden berdasarkan masa penggunaan aplikasi Grab
Berdasarkan hasil 140 responden, dapat dilihat dari gambar 4.5 bahwa persentase terbanyak adalah responden dengan masa penggunaan aplikasi Grab sudah >1 tahun yaitu sebanyak 70 orang (50,4%). Responden dengan masa penggunaan aplikasi Grab >3 bulan yaitu sebanyak 56 orang (40,3%), dan responden dengan masa penggunaan aplikasi Grab <1 bulan yaitu sebanyak 13 orang (9,4%).
e. Responden berdasarkan jumlah penggunaan layanan uang elektronik OVO di aplikasi Grab dalam seminggu.
Dari hasil penyebaran kuesioner, penulis memperoleh data responden berdasarkan jenis pekerjaan sebagai berikut:
Gambar 4.6 Persentase responden berdasarkan jumlah penggunaan layanan uang elektronik OVO di aplikasi Grab dalam seminggu
Berdasarkan hasil 140 responden, dapat dilihat dari gambar 4.6 bahwa persentase terbanyak adalah responden dengan jumlah penggunaan layanan uang elektronik OVO di aplikasi Grab dalam seminggu sebanyak >3 kali yaitu 78 orang (56,1%). Responden dengan jumlah penggunaan layanan uang elektronik OVO di aplikasi Grab dalam seminggu sebanyak <3 kali yaitu 61 orang (43,9%).
4.2 Pengolahan Data
Pengolahan data dilakukan berdasarkan data-data yang telah diperoleh dari hasil kuesioner 140 responden yang telah dikumpulkan lalu diolah menggunakan Microsoft Excel 2013 yang terdiri dari Rekapitulasi Data Awal Kuesioner, Rekapitulasi Data Skala Likert, Data Perhitungan Nilai gap, Diagram Pareto.
4.2.1 Rekapitulasi Data Awal Kuesioner
Pada tahap ini merupakan rekapan data awal hasil kuesioner dari 140 responden yang telah dikumpulkan dari 10 dimensi yaitu System Availability, Information Quality, Ease of Use, Trust, Privacy/Security, Compensation, Responsiveness, Usefulness, Fitur Layanan/Biaya, Decision.
a. Data Awal Dimensi System Availability
Adapun data awal dimensi System Availability yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 1.
b. Data Awal Dimensi Information Quality
Adapun data awal dimensi Information Quality yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 2.
c. Data Awal Dimensi Ease of Use
Adapun data awal dimensi Ease of Use yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 3.
d. Data Awal Dimensi Trust
Adapun data awal dimensi Trust yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 4.
e. Data Awal Dimensi Privacy/Security
Adapun data awal dimensi Privacy/Security yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 5.
f. Data Awal Kuesioner Dimensi Compensation
Adapun data awal dimensi Compensation yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 6.
g. Data Awal Kuesioner Dimensi Responsiveness
Adapun data awal dimensi Responsiveness yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 7.
h. Data Awal Kuesioner Dimensi Usefulness
Adapun data awal dimensi Usefulness yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 8.
i. Data Awal Kuesioner Dimensi Fitur Layanan/Biaya
Adapun data awal dimensi Fitur Layanan/Biaya yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 9.
j. Data Awal Kuesioner Dimensi Decision
Adapun data awal dimensi Decision yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada lampiran 10.
4.2.2 Rekapitulasi Data Skala Likert
Pada tahap ini merupakan rekapitulasi data skala likert hasil kuesioner dari 140 responden yang telah dikonversikan dari 10 dimensi yaitu System Availability, Information Quality, Ease of Use, Trust, Privacy/Security, Compensation, Responsiveness, Usefulness, Fitur Layanan/Biaya, Decision
menggunakan Microsft Excel 2013 dengan rumus IF(logical_test,[value_if_true], [value_if_false]). Dengan ketentuan Skala Likert sebagai berikut:
1. Sangat tidak setuju 2. Tidak setuju 3. Netral 4. Setuju 5. Sangat setuju
a. Data Skala Likert Dimensi System Availability
Adapun data Skala Likert dimensi System Availability yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.5 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 11.
Tabel 4.5 Data Skala likert dimensi System Availability Dimensi
Sistem Availability
Atribut SA1 SA2 SA3
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 586 506 602 571 593 551
Rata-rata 4,19 3,61 4,30 4,08 4,24 3,94
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi System Availability yaitu ekspektasi atribut 1 sebesar 4,19 dan persepsi sebesar 3,61. Ekspektasi atribut 2 sebesar 4,30 dan persepsi sebesar 4,08. Ekspektasi atribut 3 sebesar 4,24 dan persepsi sebesar 3,94. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
b. Data Skala Likert Dimensi Information Quality
Adapun data Skala Likert dimensi System Availability yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.6 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 12.
Tabel 4.6 Data Skala likert dimensi Information Quality Dimensi
Information Quality
Atribut IQ1 IQ2 IQ3
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 594 544 592 527 603 571
Rata-rata 4,24 3,89 4,23 3,76 4,31 4,08
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Information Quality yaitu ekspektasi atribut 1 sebesar 4,24 dan persepsi sebesar 3,89. Ekspektasi atribut 2 sebesar 4,23 dan persepsi sebesar 3,76. Ekspektasi atribut 3 sebesar 4,31 dan persepsi sebesar 4,08. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
c. Data Skala Likert Dimensi Ease of Use
Adapun data Skala Likert dimensi Ease of Use yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.7 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 13.
Tabel 4.7 Data Skala likert dimensi Ease of Use
Dimensi Ease of Use
Atribut E1 E2 E3 E4
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 602 585 604 576 604 563 600 527
Rata-
rata 4,30 4,18 4,31 4,11 4,31 4,02 4,29 3,76
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Ease of Use yaitu ekspektasi atribut 1 sebesar 4,30 dan persepsi sebesar 4,18. Ekspektasi atribut 2 sebesar 4,31 dan persepsi sebesar 4,11. Ekspektasi atribut 3 sebesar 4,31 dan persepsi sebesar 4,02. Ekspektasi atribut 4 sebesar 4,29 dan persepsi sebesar 3,76. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
d. Data Skala Likert Dimensi Trust
Adapun data Skala Likert dimensi Trust yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.8 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 14.
Tabel 4.8 Data skala likert dimensi Trust
Dimensi Trust
Atribut T1 T2
Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 578 523 593 560
Rata-rata 4,13 3,74 4,24 4,00
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Trust yaitu ekspektasi atribut 1 sebesar 4,13 dan persepsi sebesar 3,74. Ekspektasi atribut 2 sebesar 4,24 dan persepsi sebesar 4,00. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
e. Data Skala Likert Dimensi Privacy/Security
Adapun data Skala Likert dimensi Privacy/Security yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.9 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 15.
Tabel 4.9 Data skala likert dimensi Privacy/Security
Dimensi Privacy/Security
Atribut PS1 PS2 PS3 PS4
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 580 522 586 531 591 554 570 508
Rata-
rata 4,14 3,73 4,19 3,79 4,22 3,96 4,07 3,63
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Privacy/Security yaitu ekspektasi atribut 1 sebesar 4,14 dan persepsi sebesar 3,73. Ekspektasi atribut 2
sebesar 4,19 dan persepsi sebesar 3,79. Ekspektasi atribut 3 sebesar 4,22 dan persepsi sebesar 3,96. Ekspektasi atribut 4 sebesar 4,07 dan persepsi sebesar 3,63.
Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
f. Data Skala Likert Dimensi Compensation
Adapun data Skala Likert dimensi Compensation yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.10 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 16.
Tabel 4.10 Data skala likert dimensi Compensation Dimensi Compensation
Atribut C1
Ekspektasi Persepsi
Jumlah 576 478
Rata-rata 4,11 3,41
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Compensation yaitu ekspektasi atribut 1 sebesar 4,11 dan persepsi sebesar 3,41. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata- rata ekspektasi (harapan).
g. Data Skala Likert Dimensi Responsiveness
Adapun data Skala Likert dimensi Responsiveness yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.11 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 17.
Tabel 4.11 Data skala likert dimensi Responsiveness
Dimensi Responsiveness
Atribut R1 R2 R3
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 564 472 566 474 558 476
Rata-rata 4,03 3,37 4,04 3,39 4,99 3,40
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Responsiveness yaitu ekspektasi
atribut 1 sebesar 4,03 dan persepsi sebesar 3,37. Ekspektasi atribut 2 sebesar 4,04 dan persepsi sebesar 3,39. ekspektasi atribut 3 sebesar 4,99 dan persepsi sebesar 3,40. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
h. Data Skala Likert Dimensi Usefulness
Adapun data Skala Likert dimensi Usefulness yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.12 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 18.
Tabel 4.12 Data skala likert dimensi Usefulness Dimensi
Usefulness
Atribut U1 U2 U3
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 626 617 623 615 602 573
Rata-rata 4,47 4,41 4,45 4,39 4,30 4,09
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Usefulness yaitu ekspektasi atribut 1 sebesar 4,47 dan persepsi sebesar 4,41. Ekspektasi atribut 2 sebesar 4,45 dan persepsi sebesar 4,39. ekspektasi atribut 3 sebesar 4,30 dan persepsi sebesar 4,09. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
i. Data Skala Likert Dimensi Fitur Layanan/Biaya
Adapun data Skala Likert dimensi Fitur Layanan/Biaya yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.13 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 19.
Tabel 4.13 Data skala likert dimensi Fitur Layanan/Biaya
Dimensi Fitur Layanan/Biaya
Atribut FB1 FB2 FB3
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 523 468 625 603 592 555
Rata-rata 3,74 3,34 4,46 4,31 4,23 4,96
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Fitur Layanan/Biaya yaitu ekspektasi atribut 1 sebesar 3,74 dan persepsi sebesar 3,34. Ekspektasi atribut 2 sebesar 4,46 dan persepsi sebesar 4,31. ekspektasi atribut 3 sebesar 4,23 dan persepsi sebesar 4,96. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
j. Data Skala Likert Dimensi Decision
Adapun data Skala Likert dimensi Decision yang didapatkan dari hasil kuesioner Google form yang kemudian diolah menggunakan Microsoft Excel 2013 dapat dilihat pada tabel 4.14 sebagai berikut, untuk data skala likert lebih lengkapnya dapat dilihat pada lampiran 20.
Tabel 4.14 Data skala likert dimensi Decision
Dimensi Decision
Atribut D1 D2 D3 D4
Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi Ekspektasi Persepsi
Jumlah 577 559 622 612 592 565 592 571
Rata-
rata 4,12 3,99 4,44 4,37 4,23 4,04 4,23 4,08
Berdasarkan data rekapitulasi skala likert diatas, diketahui nilai rata-rata ekspektasi dan persepsi tiap atribut pada dimensi Decision yaitu ekspektasi atribut 1 sebesar 4,12 dan persepsi sebesar 3,99. Ekspektasi atribut 2 sebesar 4,44 dan persepsi sebesar 4,37. Ekspektasi atribut 3 sebesar 4,23 dan persepsi sebesar 4,04.
Ekspektasi atribut 4 sebesar 4,23 dan persepsi sebesar 4,08. Dapat disimpulkan bahwa nilai rata-rata persepsi (pengalaman) pada tiap atribut lebih kecil dibanding nilai rata-rata ekspektasi (harapan).
4.2.3 Pengujian Korelasi Variabel
Pengujian korelasi variabel dibantu dengan menggunakan program Smart PLS versi 3. Proses running dilakukan tahap Bootstraping untuk menguji pengaruh variabel E-recovery servqual terhadap E-satisfaction dan pengaruh variabel E-servqual terhadap E-satisfaction. PLS Bootstraping berfungsi untuk menampilkan uji regresi berganda dengan menampilkan output t dan nilai
koefisien masing-masing. Running dilakukan pada 2 tahapan yaitu kuesioner ekspektasi dan persepsi.
4.2.3.1 Kuesioner Ekspektasi
Hasil output nilai koefisen pada model regresi setelah proses running data dapat dilihat pada Gambar 4.7 berikut:
Gambar 4.7 Model jalur hasil analisis regresi (koefisien)
Setelah diperoleh output nilai koefisen pada model analisis regresi di atas, kemudian diperoleh hasil PLS bootstraping untuk menampilkan uji analisis regresi dengan menampilkan output t-test seperti yang terlihat pada Gambar 4.8 berikut:
Gambar 4.8 Model jalur hasil analisis regresi (T-Test)
Dengan tingkat signifikansi (α) yang digunakan sebesar 5% (0,05). Hasil uji analisis regresi berganada untuk nilai signifikansi (P-Value) dapat dilihat pada output Tabel 4.15 berikut ini.
Tabel 4.15 Hasil uji regresi berganda
Original
Sample (O)
Sample Mean (M)
Standard Deviation (STDEV)
T Statistics
(|O/STDEV|) P Values E-Recovery
servqual -> E- Satisfaction
0,072 0,071 0,059 1,208 0,228
E-Servqual ->
E-Satisfaction 0,835 0,832 0,051 16,217 0,000
Persamaan Regresi sebagai berikut:
Y = 0,793 + 0,072X1 + 0,835X2 + e
Berdasarkan Tabel di atas, hasil hipotesis pada variabel E-Recovery Servqual terhadap E-Satisfaction menghasilkan nilai t-hitung sebesar 1,208 < t- tabel 1,966 dengan nilai signifikan sebesar 0,000 < 0,05. Dengan demikian variabel E-Recovery Servqual tidak memiliki pengaruh yang signifikan terhadap E-Satisfaction. Kemudian variabel E-service quality terhadap E-Satisfaction menghasilkan nilai t-hitung sebesar 16,217 > t-tabel 1,966 dengan nilai signifikan sebesar 0,000 < 0,05. Dengan demikian variabel E-service quality memiliki pengaruh yang signifikan terhadap E-Satisfaction.
Setelah mendapatkan hasil regresi didapatkan nilai R2 (Koefisien determinasi) pada penelitian ini adalah 0,790. Artinya bahwa kemampuan variabel bebas dalam menjelaskan varians dari variabel terikatnya adalah sebesar 79%.
Sehingga 21% varians variabel terikat (customer satisfaction) dijelaskan oleh faktor lain.
Tabel 4.16 Hasil nilai R2
R Square
R Square Adjustable E-Satisfaction 0,793 0,790
4.2.3.1 Kuesioner Persepsi
Hasil output nilai koefisen pada model regresi setelah proses running data dapat dilihat pada Gambar 4.9 berikut:
Gambar 4.9 Model jalur hasil analisis regresi (koefisien)
Setelah diperoleh output nilai koefisen pada model analisis regresi di atas, kemudian diperoleh hasil PLS bootstraping untuk menampilkan uji analisis regresi dengan menampilkan output t-test seperti yang terlihat pada Gambar 4.10 berikut:
Gambar 4.10 Model jalur hasil analisis regresi (T-Test)
Dengan tingkat signifikansi (α) yang digunakan sebesar 5% (0,05). Hasil uji analisis regresi berganada untuk nilai signifikansi (P-Value) dapat dilihat pada output Tabel 4.17 berikut ini.
Tabel 4.17 Hasil uji regresi berganda
Original
Sample (O)
Sample Mean (M)
Standard Deviation (STDEV)
T Statistics
(|O/STDEV|) P Values E-Recovery
Servqual -> E- Satisfaction
-0,119 -0,114 0,054 2,230 0,026
E-Servqual ->
E-Satisfaction 0,870 0,869 0,042 20,627 0,000
Persamaan regresi sebagai berikut:
Y = 0,676 + -0,119X1 + -0,870X2 + e
Berdasarkan Tabel di atas, hasil hipotesis pada variabel E-Recovery Servqual terhadap E-Satisfaction menghasilkan nilai t-hitung sebesar 2,230 > t- tabel 1,966 dengan nilai signifikan sebesar 0,000 < 0,05. Dengan demikian variabel E-Recovery Servqual memiliki pengaruh yang signifikan terhadap E- Satisfaction. Kemudian variabel E-service quality terhadap E-Satisfaction menghasilkan nilai t-hitung sebesar 20,627 > t-tabel 1,966 dengan nilai signifikan sebesar 0,000 < 0,05. Dengan demikian variabel E-service quality memiliki pengaruh yang signifikan terhadap E-Satisfaction.
Setelah mendapatkan hasil regresi didapatkan nilai R2 (Koefisien determinasi) pada penelitian ini adalah 0,671. Artinya bahwa kemampuan variabel bebas dalam menjelaskan varians dari variabel terikatnya adalah sebesar 67,1%.
Sehingga 32,9% varians variabel terikat (customer satisfaction) dijelaskan oleh faktor lain.
Tabel 4.18 Hasil nilai R2
R Square
R Square Adjustable E-Satisfaction 0,676 0,671
4.2.4 Perhitungan Nilai Gap
Gap adalah kesenjangan antara nilai Ekspektasi (Harapan) dengan Persepsi (Pengalaman) yang diberikan sebagai tanggapan oleh responden terhadap suatu layanan yang diterima. Langkah-Langkah dalam menghitung gap adalah:
1. Menghitung rata-rata nilai tiap atribut dalam kuesioner ekspektasi maupun persepsi
2. Menghitung gap persepsi dan ekspektasi tiap atribut dengan rumus sebagai berikut:
Gap = Rata-rata Persepsi – Rata-rata Ekspektasi 3. Menghitung nilai rata-rata gap pada tiap dimensi.
Penilaian responden tentang ekspektasi (harapan) dan persepsi (pengalaman) terhadap layanan uang elektronik OVO di aplikasi Grab dapat dilihat pada tabel 4.19 berikut:
Tabel 4.19 Data penilaian gap
Dimensi Simbol
Atribut Ekspektasi Persepsi Gap Rata- rata Gap
Sistem Availability
SA1 4,19 3,61 -0,57
-0,36
SA2 4,30 4,08 -0,22
SA3 4,24 3,94 -0,30
Information Quality
IQ1 4,24 3,89 -0,36
-0,35
IQ2 4,23 3,76 -0,46
IQ3 4,31 4,08 -0,23
Ease of Use
E1 4,30 4,18 -0,12
-0,28
E2 4,31 4,11 -0,20
E3 4,31 4,02 -0,29
E4 4,29 3,76 -0,52
Trust T1 4,13 3,74 -0,39
-0,31
T2 4,24 4,00 -0,24
Privacy/Security
PS1 4,14 3,73 -0,41
-0,38
PS2 4,19 3,79 -0,39
PS3 4,22 3,96 -0,26
PS4 4,07 3,63 -0,44
Compensation C1 4,11 3,41 -0,70 -0,70
Responsiveness
R1 4,03 3,37 -0,66
-0,63
R2 4,04 3,39 -0,66
R3 3,99 3,40 -0,59
Usefulness
U1 4,47 4,41 -0,06
-0,11
U2 4,45 4,39 -0,06
U3 4,30 4,09 -0,21
Fitur Layanan/Biaya
F1 3,74 3,34 -0,39
-0,27
F2 4,46 4,31 -0,16
F3 4,23 3,96 -0,26
Decision
D1 4,12 3,99 -0,13
-0,14
D2 4,44 4,37 -0,07
D3 4,23 4,04 -0,19
D4 4,23 4,08 -0,15
Dari tabel tersebut dapat dilihat bahwa terdapat gap negatif disemua atribut layanan uang elektronik OVO di aplikasi Grab. Rata-rata gap pada dimensi
System Availability sebesar -0.36, pada dimensi Information Quality sebesar 0.35, dimensi Ease of Use sebesar -0.28, dimensi Trust sebesar -0.31, dimensi Privacy/Security sebesar -0.38, dimensi Compensation sebesar -0.70, dimensi Responsiveness sebesar -0.63, dimensi Usefulness sebesar -0.11, dimensi Fitur Layanan/Biaya sebesar -0.27 dan, dimensi Decision sebesar -0.14.
4.2.4 Diagram Pareto
Setelah didapatkan nilai rata-rata gap tiap dimensi, kemudian dicari nilai gap negatif terbesar dengan menggunakan diagram pareto. Pada dasarnya diagram pareto adalah grafik batang yang menunjukkan masalah berdasarkan urutan banyaknya jumlah kejadian. Prinsip Pareto juga dikenal sebagai aturan 80/20 dengan melakukan 20% dari pekerjaan bisa menghasilkan 80% manfaat dari pekerjaan itu. Aturan 80/20 dapat diterapkan pada hampir semua hal, seperti : 80% dari keluhan pelanggan timbul 20% dari produk atau jasa, 80% dari keterlambatan jadwal timbul 20% dari kemungkinan penyebab penundaan, 20%
dari produk atau account untuk layanan, 80% dari keuntungan, 20% dari-tenaga penjualan menghasilkan 80% dari pendapatan perusahaan Anda, atau 20% dari cacat sistem penyebab 80% masalah nya. Urutannya mulai dari jumlah permasalahan yang paling banyak terjadi sampai yang paling sedikit terjadi.
Dalam grafik, ditunjukkan dengan batang grafik tertinggi (paling kiri) hingga grafik terendah (paling kanan).
Langkah-langkah dalam membuat Diagram Pareto adalah sebagai berikut:
1. Menghitung nilai rata-rata gap tiap dimensi
2. Membuat daftar masalah sesuai dengan urutan frekusensi kejadian (rata-rata gap tertinggi sampai terendah)
3. Menghitung frekuensi kumulatif dan persentase kumulatif 4. Gambarkan frekuensi dalam bentuk grafik batang
5. Gambarkan kumulatif persentase dalam bentuk grafik garis 6. Intepretasikan (terjemahkan) Pareto Chart tersebut
7. Mengambil tindakan berdasarkan prioritas kejadian/permasalahan.
Hasil Diagram Pareto dapat dilihat pada tabel dan gambar dibawah ini:
Tabel 4.20 Penilaian rata-rata gap tiap dimensi
Dimensi Rata-rata Persentase Kum
Compensation -0,70 19% 19%
Responsiveness -0,65 18% 37%
Privacy/Security -0,39 11% 48%
Sistem Availability -0,38 10% 58%
Information Quality -0,37 10% 69%
Trust -0,32 9% 78%
Ease of Use -0,29 8% 86%
Fitur Layanan/Biaya -0,27 8% 93%
Decision -0,15 4% 97%
Usefulness -011 3% 100%
TOTAL -3.61 100.00%
Gambar 4.11 Diagram pareto
Diagram diatas menunjukkan bahwa 3 tertinggi nilai gap negatif, gap negatif terbesar ada pada dimensi Compensation yang berarti bahwa pihak OVO maupun Grab belum memberikan kompensasi jika terjadi kerugian financial kepada pelanggan, memang selama ini belum ada pernyataan dari pihak OVO maupun Grab bahwa akan diberikannya kompensasi jika terjadi kerugian yang tidak diharapkan terjadi kepada pelanggan. Disusul dimensi Responsiveness yang berarti bahwa pihak OVO maupun Grab dalam menanggapi permasalahan yang terjadi masih lambat, seperti keluhan pelanggan terhadap layanan Customer
0%
5%
10%
15%
20%
25%
0%
20%
40%
60%
80%
100%
120%
Persentase Dimensi Persentase kumulatif
Persentase Kum
Service OVO dan Grab yang tidak memberikan solusi atas masalah yang dialami pelanggan. Dimensi dengan nilai tertinggi ketiga yaitu dimensi Privacy/Security yang berarti pelanggan merasa bahwa keamanan terhadap data pribadi pelanggan masih kurang.
4.3 Menentukan Prioritas Perbaikan
Berdasarkan diagram pareto, nilai gap negatif tertinggi yaitu dimensi Compensation dengan skor dimensi sebesar -0.70 atau 19%. Selanjutnya dimensi Responsiveness memilik nilai gap negative sebesar -0.65 atau 18%. Selanjutnya dimensi Privacy/Security memiliki nilai gap negatif sebesar -0.39 atau 11%.
Selanjutnya dimensi System Availability memilik nilai gap negatif sebesar -0.38 atau 10%. Dimensi Information Quality memiliki nilai gap negatif sebesar -0.37 atau 10%. Ke-enam dimensi Trust dengan nilai gap negatif sebesar -0.32 atau 9%.
Lalu yang ke-tujuh dimensi Ease of Use dengan nilai gap sebesar -0.29 atau 8%.
Dimensi ke-delapan yaitu dimensi Fitur Layanan/Biaya dengan nilai gap negatif sebesar -0.27 atau 7%. Dimensi ke-sembilan yaitu dimensi Decision dengan nilai gap negatif sebesar -0.15 atau 4%. Dan dimensi terakhir yaitu dimensi Usefulness dengan nilai gap negatif sebesar -0.11 atau 3%. Dalam penelitian ini menentukan prioritas perbaikan dilakukan berdasarkan nilai gap negatif tertinggi yang ditentukan menggunakan Diagram Pareto yaitu dimensi Compensation.
