ANALISIS KEPUASAN PELANGGAN DAN LOYALITAS DI PT MINA WISATA ISLAMI DENGAN PENDEKATAN STRUCTURAL EQUATION MODELING PARTIAL LEAST SQUARES

Abstrak—Bagi PT Mina Wisata Islami penelitian tentang

analisis kepuasan pelanggan dan loyalitas menjadi sangat diperlukan, untuk mengetahui seberapa besar pengaruh kepuasan pelanggan, loyalitas, dan beberapa variabel lain yang memengaruhinya selama menggunakan jasa Mina, hasilnya dapat digunakan sebagai referensi evaluasi kinerja perusahaan. Pada penelitian ini akan dibangun sebuah model persamaan yang dapat digunakan untuk mengetahui pengaruh disetiap variabel laten/construct. Variabel laten yang digunakan adalah promosi (Z, sebagai variabel moderator),

image perusahaan (X), harapan pelanggan (Y1), komplain (Y2), kepuasan (Y3), dan loyalitas (Y4). Metode analisis yang dipakai adalah Structural Equation Modeling Partial Least Squares (SEM PLS) karena data (sampel) yang akan dianalisis sedikit (n=76). Metode pengumpulan datanya diperoleh dengan cara survey di 8 keberangkatan umroh dan teknik pengambilan sampel menggunakan metode random sampling. Hasil analisisnya adalah terbentuk 9 hubungan antar variabel laten dan terbentuk 4 model persamaan. Dari 9 hubungan antar variabel laten, semua menunjukkan pengaruh yang signifikan dengan pengaruh terbesar diberikan oleh interaksi image dan promosi terhadap harapan pelanggan (1.099), sedangkan pengaruh terkecil diberikan oleh komplain terhadap loyalitas (-0.035). Dari 4 model persamaan, semua telah fits (cocok) dengan statistical power 80%, terdapat 2 model yang mempunyai hubungan kuat (model dengan Y1 dan Y4 sebagai respon) dan 2 model yang mempunyai hubungan lemah (model dengan Y2 dan Y3 sebagai respon).

Kata Kunci—SEM PLS, Construct, Variabel Moderator, PT

Mina Wisata Islami, Kepuasan Pelanggan, Loyalitas, Umroh I. PENDAHULUAN

ERMINTAAN haji di Indonesia semakin tahun semakin tinggi dan membuat proses antrian haji yang semakin lama pula. Saat ini masyarakat Indonesia yang ingin mendaftar haji harus menunggu untuk giliirannya, minimal 15 tahun sejak pembayaran untuk ‘dapat porsi’ melalui kantor Departemen Agama [1]. Akibat antrian yang sangat lama tersebut banyak masyarakat sudah beralih dari haji regular ke haji plus atau memilih alternatif dengan umroh [1]. Jasa perjalanan haji plus dan umroh sudah tidak lagi mengurus di kantor Departemen Agama tetapi di travel swasta yang memiliki izin resmi dari kantor Departemen Agama [2].

PT Mina Wisata Islami yang berdiri pada tahun 2009 adalah salah satu travel swasta yang ikut meramaikan jasa perjalanan ibadah umroh dan haji plus khususnya di Surabaya. Status usaha pada saat sebelum menjadi PT (perusahaan terbuka), Mina travel menjalin kerjasama secara konsorsium dengan beberapa perusahaan travel di Ibu Kota, hingga pada tahun 2011 berdiri sendiri menjadi perusahaan terbuka dan telah mengantongi izin resmi travel umroh dari Departemen Agama Republik Indonesia.

Dewasa ini PT Mina Wisata Islami menghadapi kompetisi yang ketat dalam penyedia jasa perjalanan umroh

dan haji plus, sesuai dengan kebijakan pemerintah melalui UU No. 5 tahun 1999 tentang larangan praktek monopoli dan UU No. 8 tahun 1999 tentang perlindungan konsumen [3]. Sebagai travel dengan fasilitas tinggi tentu persaingan bisnis untuk mendapatkan pelanggan semakin gencar. Sehingga analisis kepuasan pelanggan dan loyalitas menjadi sangat diperlukan, untuk mengetahui seberapa besar pengaruh kepuasan pelanggan, loyalitas, dan beberapa variabel lain yang memengaruhinya selama menggunakan jasa Mina, hasilnya dapat digunakan sebagai referensi evaluasi kinerja perusahaan.

Pada penelitian ini, data yang dianalisis adalah jamaah yang umroh menggunakan jasa Mina di tahun 2013 dari keberangkatan pertama (setelah musim haji, 31 Januari), hingga 31 Maret. Untuk kasus ini, salah satu metode statistika yang paling populer digunakan adalah Structural Equation Modeling (SEM).

SEM termasuk metode statistika yang sangat populer digunakan karena mempunyai keunggulan untuk mengetahui dan menguji beberapa variabel dependen sekaligus dengan beberapa variabel independen [4]. Menurut [5] pemodelan dalam SEM melibatkan variabel laten yang mempunyai hubungan linier dan semua nilai observasinya berdistribusi multivariat normal. SEM akan menghasilkan persamaan yang valid apabila asumsi-asumsinya terpenuhi. Pada kenyataannya, tidak setiap kasus asumsi analisis SEM dapat terpenuhi, sehingga berkembang SEM dengan pendekatan Partial Least Squares (PLS) yang tidak membutuhkan asumsi (soft modeling) [5]. Penelitian ini akan menganalisis jumlah sampel yang sedikit (n=76), sehingga digunakanlah analisis SEM yang kompatibel dengan data kecil, yaitu SEM PLS.

II. TINJAUANPUSTAKA A. SEM PLS

Partial Least Squares (PLS) adalah salah satu teknik SEM yang mampu menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secara langsung. PLS dikembangkan sebagai alternatif apabila teori yang digunakan lemah, data yang dianalisis sedikit, dan indikator yang tersedia tidak memenuhi model pengukuran reflektif [5]. Herman Wold sebagai pengembang PLS menyebutkan bahwa PLS sebagai ‘soft modeling’. PLS merupakan metode analisis yang powerfull, karena dapat diterapkan pada semua skala data, tidak banyak membutuhkan asumsi, dan ukuran sampel tidak harus besar. Selain dapat digunakan untuk konfirmasi teori, PLS juga dapat digunakan untuk membangun hubungan yang belum ada landasan teorinya [5].

ANALISIS KEPUASAN PELANGGAN DAN LOYALITAS

DI PT MINA WISATA ISLAMI DENGAN PENDEKATAN

STRUCTURAL EQUATION MODELING PARTIAL LEAST SQUARES

Rizal Rinumpoko

(1)

, Agus Suharsono

(2)

, Bambang Widjanarko Otok

(3)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS)

Jl. Arief Rahman Hakim, Surabaya 60111

E-mail:

rizalrinumpoko@gmail.com

(1)

,

agus_s@statistika.its.ac.id

(2)

,

bambang_wo@statistika.its.ac.id

(3)

B. Variabel Moderator

Banyak penelitian dibidang manajemen, akuntansi, dan sistem informasi menggunakan variabel moderator. Variabel moderator adalah variabel independen yang memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen. Hubungan moderator ini banyak terjadi pada variabel-variabel yang mempunyai ketergantungan khusus/darurat [6]. Model hubungan pada gambar dibawah berikut ini dapat menggambarkan adanya pengaruh moderator.

Gambar 1. Model Hubungan Moderator

Dalam Gambar 1. variabel promosi merupakan variabel moderator, karena dapat memperlemah atau memperkuat antara image dan harapan pelanggan. Teknik pengukuran untuk variabel moderator adalah dengan menstandarkan skor indikator dari variabel laten yang dimoderasi dan yang memoderasi, kemudian membuat variabel laten interaksi dengan cara mengalikan nilai standar indikator yang dimoderasi dengan yang memoderasi [6].

C. Outer Model

Outer model atau yang biasa disebut model pengukuran adalah hubungan antar variabel laten dengan indikatornya. Untuk model indikator reflektif, persamaannya adalah.

x x

x











(1) y y

y











(2) Dimana x dan y adalah indikator untuk variabel laten eksogen (



) dan endogen (



), sedangkan



_x dan



_y merupakan matriks loadings yang menggambarkan koefisien regresi sederhana yang menghubungkan variabel laten dengan indikatornya. Residual diukur dengan



_x dan

y



.

D. Inner Model

Inner model atau yang biasa disebut model struktural adalah spesifikasi hubungan antar variabel laten yang juga menunjukkan hubungan antar variabel laten berdasarkan substantive theory dari penelitian. Tanpa kehilangan sifat umumnya, diasumsikan bahwa variabel laten dan indikator di skala zero means dan unit varians sama dengan satu, sehingga parameter lokasi (konstanta) dapat dihilangkan dari model. Untuk indikator reflektif, persamaannya adalah.

















₍₃₎

Dimana



menggambarkan vektor variabel laten endogen,



adalah koefisien jalur yang menghubungkan satu variabel laten endogen dengan variabel laten endogen yang lain,



adalah koefisien jalur yang menghubungkan variabel laten eksogen dengan variabel laten endogen,



adalah vektor variabel laten eksogen, dan



adalah vektor residual variabel laten endogen.

E. Evaluasi Model SEM PLS

Pada analisis SEM PLS tidak mengasumsikan adanya distribusi tertentu untuk estimasi parameter, maka teknik parametrik untuk menguji signifikansi parameter tidak diperlukan. Model evaluasi PLS berdasarkan pada pengukuran prediksi yang mempunyai sifat non parametrik. Sebagai rangkuman untuk evaluasi model PLS dapat dilihat pada Tabel 1. [5].

F. Model Kerangka Konseptual

Dalam penelitian ini, model yang akan digunakan adalah model yang dibangun oleh [7]. Variabel laten yang digunakan adalah promosi (Z, sebagai variabel moderator), image perusahaan (X), harapan pelanggan (Y1), komplain (Y2), kepuasan (Y3), dan loyalitas. Untuk lebih jelasnya bisa dilihat kerangka konseptual penelitian pada Gambar 2.

Gambar 2. Kerangka Konseptual Penelitian G. Kepuasan Dan Loyalitas Pelanggan

Kepuasan adalah perasaan senang atau kecewa seseorang yang berasal dari perbandingan antara kesannya terhadap kinerja atau hasil suatu produk dan harapan-harapannya.

Tabel 1. Kriteria Penilaian PLS Evaluasi Inner Model

Kriteria Penjelasan

R2 _{untuk variabel laten} endogen

Hasil R2 sebesar >0.67; >0.33; lebih besar atau lebih kecil dari 0.19 untuk variabel laten endogen dalam model struktural mengindikasikan bahwa model mempunyai hubungan kuat, sedang, dan lemah

Estimasi koefisien jalur

Nilai estimasi untuk hubungan jalur dalam model struktural harus signifikan. Nilai signifikansi ini dapat diperoleh dengan prosedur

bootstrapping (5000 resampling)

Evaluasi Outer Model

Kriteria Penjelasan

Loading factor

Kriteria validitas indikator di SEM PLS. Indikator dikatakan valid bila nilai loading factor diatas 0.7

Composite reliability

Composite reliability mengukur internal consistency dan variabel laten dikatakan reliabel bila nilai

composite reliability diatas 0.6 Average Variance

Extracted (AVE)

Kriteria validitas variabel laten di SEM PLS. variabel laten dikatakan valid bila nilai AVE diatas 0.5

Cross loading

Merupakan ukuran lain dari validitas diskriminan. Diharapkan setiap blok indikator memiliki

loading factor lebih tinggi untuk

setiap variabel laten yang diukur, dibandingkan dengan indikator untuk variabel laten lainnya

Image Harapan

Pelanggan

Menurut [8], kepuasan pelanggan dapat didefinisikan suatu keadaan dimana kebutuhan, keinginan, dan harapan pelanggan dapat terpenuhi melalui produk yang dikonsumsi. Sedangkan loyalitas (kesetiaan) pelanggan diartikan secara tradisional oleh [9] adalah perilaku pembelian yang berulang berdasarkan pengalaman tentang pemenuhan harapan-harapannya. Kesetiaan dan kepuasan adalah hal yang sangat berbeda. Kesetiaan adalah sebuah aktifitas yang spesifik dari pelanggan kita yang terus membeli produk kita secara berkelanjutan.

III. METODOLOGIPENELITIAN

Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh dengan cara survey kepada jamaah yang berangkat umroh menggunakan jasa PT Mina Wisata Islami ditahun 2013, dari keberangkatan pertama (setelah musim haji, 31 Januari) hingga 31 Maret. Dalam kurun waktu tersebut terdapat 8 keberangkatan dengan total jamaah 254 orang. Setiap keberangkatan akan diambil sejumlah sampel yang berbeda dengan rumus random sampling yang setelah dihitung menghasilkan jumlah sampel sebesar 76. Untuk memilih siapa yang akan disurvey, dilakukan pengambilan responden secara acak ditiap keberangkatan. Pengukuran datanya menggunakan skala likert dari 1 (sangat tidak setuju)–7(sangat setuju).

Langkah-langkah analisis dalam penelitian ini adalah sebagai berikut.

1) Mendapatkan karakteristik pelanggan (jamaah umroh), dengan alat analisis data yang digunakan adalah diagram pie dan deskriptif jawaban kuisioner dengan menggunakan bar chart.

2) Pengujian validitas dan reliabilitas data. Data dikatakan valid bila nilai loading factor (



) lebih besar dari 0.7, nilai cross loadings disetiap indikator adalah yang terbesar terhadap variabel laten induknya, dan nilai Average Variance Extract (AVE) lebih besar dari 0.5. Data dikatakan reliabel bila composite reliability lebih besar 0.6. Apabila ada yang tidak valid/reliabel maka harus dihilangkan dalam model dan dihitung ulang hingga semua valid dan reliabel.

3) Membuat variabel moderator dengan cara menstandarkan skor indikator dari variabel laten yang dimoderasi dan yang memoderasi, kemudian membuat variabel laten interaksi dengan cara mengalikan nilai standar indikator yang dimoderasi dengan yang memoderasi

4) Menganalisis siginifikansi pengaruh secara langsung koefisien antar variabel laten berdasarkan bootstrapping dan uji-t. Kemudian membuat model persamaannya (outer & inner model).

5) Menganalisis signifikansi pengaruh secara tidak langsung (total effects) antar variabel laten berdasarkan bootstrapping uji-t.

IV. PEMBAHASAN

A. Karekteristik Pelanggan Dan Deskriptif Jawaban Kuisioner

Karakteristik pelanggan PT Mina Wisata Islami yang akan dianalisis adalah karakteristik demografi yang meliputi jenis kelamin, usia, kota tempat tinggal, pendidikan, pekerjaan, dan informasi/referensi mengenai PT Mina Wisata Islami. Berikut adalah hasil analisisnya.

Tabel 2. Digram Pie Karakteristik Pelanggan

Dari berbagai Gambar didalam Tabel 2, urut dari atas ke bawah dan dari kiri ke kanan adalah karakteristik pelanggan berdasarkan jenis kelamin, usia, asal kota, pendidikan terakhir, dan mendapat referensi dari mana tentang PT Mina Wisata Islami. Untuk hasil deskriptif jawaban kuisioner adalah sebagai berikut.

Gambar 3. Deskriptif Jawaban Kuisioner Untuk Setiap Indikator

44, 58 % 32, 42 % Wanita Pria 1, 1% 42, 5 5% 33, 4 4% < 20 20 - 50 > 50 57, 75 % 4, 5% 5, 7% 10, 13 %

Surabaya Gresik Sidoarjo Lainnya

1, 1% 0, 0% 18, 2 4% 52, 6 8% 5, 7% SD/Sederajat SLTP/Sederajat SMA/Sederajat Diploma/Sarjana Pascasarjana 22, 29 % 10, 13 % 3, 4% 12, 16 % 4, 5% 17, 22 % 8, 11 % Wiraswasta PNS BUMN BUMS Pelajar/Mahasiswa 3, 4% 26, 3 4% 21, 2 8% 7, 9% 19, 2 5%

Iklan Pameran Kawan

Brosur Keluarga

X1 X2 X3 Z1 Z2 Z3 _Y11 _Y12 _Y13 _Y31 2_{Y3 Y3}3 _Y41 _Y42 _Y43 _Y21 _Y22 _Y23

Image Promosi Harapan Kepuasan Loyalitas Komplain 0 0 0 2 0 0 0 0 2 0 0 0 0 0 0 76 76 76 0 4 0 4 5 0 2 2 0 0 0 0 0 0 0 0 0 0 76 72 76 70 71 76 74 74 74 76 76 76 76 76 76 0 0 0 Pilihan 1-3 Pilihan 4 Pilihan 5-7

Pada Gambar 3. bar chart yang ada merupakan jumlah alternatif jawaban pilihan 1-7 yang terpilih dari semua indikator disetiap variabel latennya.

B. Uji Validitas Dan Reliabilitas

Uji validitas dilakukan untuk mengetahui seberapa besar item-item instrumen/pertanyaan mewakili konsep/aspek yang diukur secara nyata dan akurat. Hipotesis yang akan digunakan untuk uji validitas ini adalah.

H0 : Item pertanyaan tidak mengukur aspek yang sama (tidak valid)

H1 : Item pertanyaan mengukur aspek yang sama (valid) Untuk uji validitas indikator, statistik ujinya menggunakan loading factor (



) dan cross loadings (validitas diskriminan). H0 akan ditolak bila nilai loading factor lebih besar dari 0.7 dan nilai cross loadings disetiap indikator adalah yang terbesar terhadap variabel laten induknya. Untuk uji validitas variabel laten, statistik ujinya menggunakan Average Variance Extract (AVE). H0 akan ditolak bila nilai AVE lebih besar dari 0.5.

Uji reliabilitas dilakukan untuk menunjukkan ketelitian kuisioner (alat ukur) yang digunakan, apakah sudah handal/konsistenkah data dari kuisioner yang telah dibagikan. Hipotesis yang akan digunakan untuk uji reliabilitas ini adalah.

H0 : Hasil pengukuran tidak konsisten (tidak reliabel) H1 : Hasil pengukuran konsisten (reliabel)

Untuk uji reliabilitas ini, statistik ujinya menggunakan composite reliability (



_c). H0 akan ditolak bila nilai



c

lebih besar dari 0.6.

Dengan bantuan software SmartPLS, hasil dari uji validitas menunjukkan bahwa terdapat 2 indikator yang tidak valid (Y21 dan Y33) karena ada nilai



yang kurang dari 0.7 (Y21) dan ada nilai cross loadings yang bukan yang terbesar terhadap variabel laten induknya (Y33). Indikator yang tidak valid kemudian dihilangkan dan dihitung ulang, setelah dilakukan perhitungan ulang semua indikator telah valid dan reliabel, untuk hasilnya bisa dilihat di Tabel 3.

Tabel 3. Hasil Uji Validitas Dan Reliabilitas X Y1 Y2 Y3 Y4 Z Loading Factor X1 0.927 X2 0.924 X3 0.875 Y11 0.820 Y12 0.898 Y13 0.865 Y22 0.931 Y23 0.777 Y31 0.966 Y32 0.959 Y41 0.866 Y42 0.894 Y43 0.881 Z1 0.875 Z2 0.926 Z3 0.882 Cross Loadings X1 0.927 0.674 -0.613 0.568 0.824 0.852 X2 0.924 0.424 -0.485 0.661 0.727 0.592 X3 0.875 0.477 -0.626 0.543 0.715 0.614 Y11 0.693 0.820 -0.475 0.619 0.722 0.737 Y12 0.517 0.898 -0.452 0.143 0.624 0.838 Y13 0.299 0.865 -0.327 0.090 0.591 0.703 Y22 -0.680 -0.456 0.931 -0.546 -0.636 -0.638 Y23 -0.351 -0.387 0.777 -0.356 -0.223 -0.360 Y31 0.726 0.355 -0.540 0.966 0.650 0.497 Y32 0.503 0.316 -0.507 0.959 0.588 0.369 Y41 0.635 0.735 -0.549 0.435 0.866 0.757 Y42 0.727 0.598 -0.484 0.689 0.894 0.695 Y43 0.856 0.666 -0.433 0.574 0.881 0.814 Z1 0.739 0.784 -0.475 0.420 0.715 0.875 Z2 0.765 0.768 -0.612 0.488 0.788 0.926 Z3 0.594 0.821 -0.557 0.313 0.794 0.882 AVE 0.826 0.743 0.735 0.927 0.775 0.800 Composite Reliability 0.934 0.896 0.846 0.962 0.912 0.923  Valid  Reliabel

C. Pembentukan Variabel Moderator

Variabel moderator yang dimaksud disini adalah variabel dari hasil interaksi antara image dan promosi. Pengukuran untuk variabel moderator adalah dengan menstandarkan skor indikator dari variabel laten yang dimoderasi (image) dan yang memoderasi (promosi), kemudian membuat variabel laten moderator (interaksi) dengan cara mengalikan nilai standar indikator antara image dan promosi. Dengan bantuan software SmartPLS maka hasil secara bergambarnya adalah sebagai berikut.

Gambar 4. Kerangka Konseptual Penelitian Setelah Dibentuk Variabel Moderator

Gambar 4. adalah sebuah model yang dibangun dengan bantuan software SmartPLS. Lingkaran atau elips yang berwarna ungu adalah variabel moderator/interaksi dan persegi panjang yang berwarna hijau adalah indikator dari variabel moderator.

D. Analisis Hubungan Secara Langsung Antar Variabel Laten

Setelah melakukan uji validitas dan reliabilitas kemudian membuat variabel moderator, maka selanjutnya adalah menganalisis pengaruh antar variabel laten secara langsung yang disebut direct effects. Pengujian hipotesis direct effects dilakukan dengan cara membandingkan bootsrap t-statistik (5000 resampling) dan t-tabel, serta melihat koefisien jalurnya untuk mengetahui besarnya pengaruh antar variabel laten. Hipotesis yang akan digunakan untuk uji hipotesis direct effects ini adalah.

H0 : Antar variabel laten tidak ada pengaruh signifikan secara langsung

H1 : Antar variabel laten ada pengaruh signifikan secara langsung

Untuk uji hipotesis direct effects, statistik ujinya menggunakan statistik yang akan dibandingkan dengan t-tabel. H0 akan ditolak bila nilai statistik lebih besar dari t-tabel(db,5%), dimana derajat bebas yang digunakan adalah n - 1. Dengan bantuan software SmartPLS maka hasil analisisnya adalah sebagai berikut.

Tabel 4. Hasil Uji Hipotesis Direct Effects

No. Hipotesis Nol Hipotesis

Alternatif t-statistik t-tabel (75,5%) Besar Pengaruh (koefisien jalur) 1 Y1 -> Y2 Tidak ada pengaruh Y1 -> Y2 Ada pengaruh signifikan 6.928 1.665 -0.493 2 Y1 -> Y3 Tidak ada pengaruh Y1 -> Y3 Ada pengaruh signifikan 4.306 1.665 0.110 3 Y1 -> Y4 Tidak ada pengaruh Y1 -> Y4 Ada pengaruh signifikan 19.723 1.665 0.592 4 Y2 -> Y3 Tidak ada pengaruh Y2 -> Y3 Ada pengaruh signifikan 4.347 1.665 -0.491 5 Y2 -> Y4 Tidak ada pengaruh Y2 -> Y4 Ada pengaruh signifikan 2.870 1.665 -0.035 6 Y3 -> Y4 Tidak ada pengaruh Y3 -> Y4 Ada pengaruh signifikan 4.701 1.665 0.417 7 X -> Y1 Tidak ada pengaruh X -> Y1 Ada pengaruh signifikan 1.794 1.665 -0.802 8 X*Z -> Y1 Tidak ada pengaruh X*Z -> Y1 Ada pengaruh signifikan 1.714 1.665 1.099 9 Z -> Y1 Tidak ada pengaruh Z -> Y1 Ada pengaruh signifikan 1.822 1.665 0.475  Ada pengaruh

 Tidak ada pengaruh

Pada Tabel 4, dari 9 hipotesis direct effects yang dibangun semua terbukti secara statistik mempunyai pengaruh yang signifikan.

Gambar 5. Model Dan Output SmartPLS Setelah Dibentuk Variabel Moderator Dan Indikator Yang Tidak Valid Dihilangkan Gambar 5. adalah model yang dibangun dengan bantuan software SmartPLS yang telah dirunning dengan PLS Algorithm untuk mengetahui koefisien jalurnya, sedangkan untuk mendapatkan t-statistik dan standard error, software SmartPLS dirunning dengan bootstrapping (5000 resampling).

Setelah melakukan uji hipotesis dan hasilnya adalah terdapat hubungan yang signifikan, maka selanjutnya akan ditransformasi kedalam persamaan outer dan inner model. Berikut adalah outer model yang terbentuk untuk tiap indikator.

Tabel 5. Outer Model Yang Terbentuk

No. Outer Model

1 X₁0.9270.011 2 X₂ 0.9240.019 : : : : 25 X₃*Z₃ 0.893X*Z0.028

Tabel 5. adalah outer model yang terbentuk, terdapat 25 model persamaan. Dalam makalah ini hanya ditulis beberapa (3) outer model saja. Sedangkan untuk inner model yang terbentuk beserta koefisien determinasinya (R2) adalah

sebagai berikut. 1.



₂ 



₂₁



₁



₂ 2 1 493 . 0 2  Y 



Y

R2 untuk variabel endogen Y2=0.243 Interpretasi:

a) Setiap harapan pelanggan bertambah satu satuan, maka komplain akan cenderung turun sebesar 0.493.

b) Berdasarkan model diatas, komplain dapat dijelaskan oleh harapan pelanggan hanya sebesar 24% sedangkan sisanya sebesar 76% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model.

2. ₃ ₃₁₁₃₂₂₃ 3 2 ) 491 . 0 ( 1 110 . 0 3 Y   Y  Y

R2 untuk variabel endogen Y3=0.306 Interpretasi:

a) Setiap harapan pelanggan bertambah satu satuan, maka kepuasan akan cenderung naik sebesar 0.352.

b) Setiap komplain bertambah satu satuan, maka kepuasan akan cenderung turun sebesar 0.491. c) Berdasarkan model diatas, kepuasan dapat

dijelaskan oleh harapan pelanggan dan komplain hanya sebesar 30% sedangkan sisanya sebesar 70% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model. 3.



₄





₄₁



₁





₄₂



₂





₄₃



₃





₄

4

3

417

.

0

2

)

035

.

0

(

1

592

.

0

4



Y





Y



Y





Y

R2 untuk variabel endogen Y4=0.736 Interpretasi:

a) Setiap harapan pelanggan bertambah satu satuan, maka loyalitas akan cenderung naik sebesar 0.756.

b) Setiap komplain bertambah satu satuan, maka loyalitas akan cenderung turun sebesar 0.241. c) Setiap kepuasan bertambah satu satuan, maka

loyalitas akan cenderung naik sebesar 0.417. d) Berdasarkan model diatas, loyalitas dapat

dijelaskan oleh harapan pelanggan, komplain, dan kepuasan sebesar 73% sedangkan sisanya sebesar 27% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model.

4.



₁





₁₁







₁₂

Z





*



Z





₁

1 099 . 1 475 . 0 802 . 0 1 X Z XZ



Y

R2 untuk variabel endogen Y1=0.808 Interpretasi:

a) Setiap image bertambah satu satuan, maka harapan pelanggan akan cenderung turun sebesar 0.802.

b) Setiap promosi bertambah satu satuan, maka harapan pelanggan akan cenderung naik sebesar 0.475.

c) Setiap interaksi antara image dan promosi bertambah satu satuan, maka harapan pelanggan akan cenderung naik sebesar 1.099. d) Berdasarkan model diatas, harapan pelanggan

antara image dan promosi adalah sebesar 80% sedangkan sisanya sebesar 20% dipengaruhi oleh variabel lain yang tidak dijelaskan didalam model.

E. Analisis Hubungan Secara Tidak Langsung Antar Variabel Laten

Untuk mengetahui hubungan tidak langsung antar variabel laten adalah dengan uji hipotesis indirect effects (total effects). Kesimpulan yang ingin didapat dari uji hipotesis indirect effects adalah apakah antar variabel laten mempunyai pengaruh yang signifikan secara tidak langsung. Pengujian hipotesis indirect effects dilakukan dengan cara yang sama seperti uji direct effects, yaitu dengan membandingkan t-statistik dan t-tabel serta melihat nilai total effects untuk mengetahui besarnya pengaruh antar variabel laten. Hipotesis yang akan digunakan untuk uji hipotesis indirect effects ini adalah.

H0 : Antar variabel laten tidak ada pengaruh signifikan secara tidak langsung

H1 : Antar variabel laten ada pengaruh signifikan secara tidak langsung

Untuk uji hipotesis direct effects ini, statistik ujinya menggunakan bootsrap t-statistik (5000 resampling) yang akan dibandingkan dengan t-tabel. H0 akan ditolak bila nilai t-statistik lebih besar dari t-tabel(db,5%), dimana derajat bebas yang digunakan adalah n – 1. Dengan bantuan software SmartPLS maka hasil analisisnya adalah sebagai berikut.

Tabel 6. Hasil Uji Hipotesis Indirect Effects

No. Hipotesis Nol Hipotesis Alternatif t-statistik t-tabel (75,5%) Besar Hubungan 1 X -> Y2 Tidak ada pengaruh X -> Y2 Ada pengaruh signifikan 1.939 1.665 0.395 2 X -> Y3 Tidak ada pengaruh X -> Y3 Ada pengaruh signifikan 1.858 1.665 -0.282 3 X -> Y4 Tidak ada pengaruh X -> Y4 Ada pengaruh signifikan 1.899 1.665 -0.607 4 X*Z -> Y2 Tidak ada pengaruh X*Z -> Y2 Ada pengaruh signifikan 0.970 1.665 -0.541 5 X*Z -> Y3 Tidak ada pengaruh X*Z -> Y3 Ada pengaruh signifikan 0.880 1.665 0.386 6 X*Z -> Y4 Tidak ada pengaruh X*Z -> Y4 Ada pengaruh signifikan 1.016 1.665 0.831 7 Z -> Y2 Tidak ada pengaruh Z -> Y2 Ada pengaruh signifikan 1.766 1.665 -0.234 8 Z -> Y3 Tidak ada pengaruh Z -> Y3 Ada pengaruh signifikan 1.741 1.665 0.167 9 Z -> Y4 Tidak ada pengaruh Z -> Y4 Ada pengaruh signifikan 0.802 1.665 0.360  Ada pengaruh

 Tidak ada pengaruh

Tabel 6. adalah tabel yang diolah dari output SmartPLS. Berdasarkan perhitungan t-statistik yang telah dibandingkan dengan t-tabel(75,5%), terdapat 4 hipotesis yang menyatakan H0 gagal ditolak, yang menyimpulkan tidak ada pengaruh signifikan secara tidak langsung, karena nilai t-statistiknya dibawah nilai t-tabel(75,5%). Variabel laten yang termasuk kategori tidak ada hubungan secara tidak langsung adalah interaksi antara image dan promosi (X*Z) dengan, komplain (Y2), kepuasan (Y3), dan loyalitas (Y4) serta promosi dengan loyalitas.

V. KESIMPULAN

Setelah melakukan analisis, maka kesimpulannya adalah terbentuk 9 hubungan antar variabel laten dan terbentuk 4 model persamaan. Dari 9 hubungan antar variabel laten, semua menunjukkan pengaruh yang signifikan dengan pengaruh terbesar diberikan oleh interaksi image dan promosi terhadap harapan pelanggan, ada 2 indikator yang tidak valid, satu di indikator komplain dan satu di indikator kepuasan. Dari 4 model persamaan, semua telah fits (cocok) dengan statistical power 80%, terdapat 2 model yang mempunyai hubungan kuat (model dengan harapan pelanggan dan loyalitas sebagai respon) dan 2 model yang mempunyai hubungan lemah (model dengan komplain dan kepuasan sebagai respon). Rekomendasi bagi Mina adalah meningkatkan promosi yang juga bisa memperkuat image secara bersamaan, sebagai contoh adalah dengan membuat promosi melalui stiker yang ditempel di mobil kantor. Dengan begitu maka akan membuat image perusahaan terlihat sangat berbobot (mewah dan good branding) sekaligus berpromosi secara menarik. Saran yang dapat diberikan untuk peneliti selanjutnya agar mengembangkan lagi model yang terbentuk dengan menggali lebih luas variabel-variabel yang dapat berpengaruh khususnya terhadap kepuasan dan komplain, karena R2 yang didapat masih rendah. Kemudian adalah dengan melakukan perbandingan apabila tidak menggunakan variabel moderator dengan data yang sama, sehingga terlihat kontribusi variabel moderator dalam kebaikan model.

UCAPANTERIMAKASIH

Penulis mengucapkan terima kasih kepada PT Mina Wisata Islami khususnya Bapak Rachmat Wicaksono Kinaloka selaku pemilik PT Mina Wisata Islami, yang telah memberikan kesempatan kepada penulis untuk dapat melakukan penelitian tugas akhir.

DAFTAR PUSTAKA

[1] Kompasiana, 2013, Dipetik 1 Februari 2013, dari http://wisata.kompasiana.com/jalan-jalan/2013/02/21/antrian-haji-10-tahun-lebih-paket-umroh-murah-plus-solusinya-536788.html. [2] Kemenag, 2013, Dipetik 1 Februari 2013, dari

http://haji.kemenag.go.id/index.php/subMenu/569.

[3] Syafiq, H., A., 2005, Analisis Pengaruh Kualitas Layanan, Kepercaya dan Kepuasan Terhadap Loyalitas Pelanggan Telkomspeedy dengan Metode Structural Equation Modeling, Laporan Thesis: Program Studi Magister Manajemen Teknologi ITS.

[4] Suliyanto, 2011, Ekonometrika Terapan, ANDI, Yogyakarta. [5] Hair, J., F., Jr., Hult, G., T., M., Ringle, C., M., Sarstedt., Marko,

2013, A Primer On Partial Least Squares Structural Equation Modeling (PLS-SEM), SAGE Publications, USA.

[6] Ghozali, I., 2011, Structural Equation Modeling Metode Alternatif Dengan Partial Least Square, Edisi 3, Badan Penerbit Universitas Diponegoro, Semarang.

[7] Wiyono, G., 2011, Merancang Penelitian Bisnis Dengan Alat Statistik SPSS & SmartPLS, Unit Penerbit Dan Percetakan STIM YKPN, Yogyakarta.

[8] Nasution, 2001, Manajemen Mutu Terpadu (Total Quality Manajemen), Ghalia Indonesia, Jakarta.

[9] Tjiptono, F., & Chandra, G., 2011, Service, Quality & Satisfaction, Edisi 3, ANDI, Yogyakarta.