(Studi Kasus : Bank X)
Oleh :
Rahmat
1309100701
Pembimbing :
Drs. Haryono, MSIE
Seminar Hasil Tugas Akhir Surabaya, 27 juni 2013
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA 2013
PENDAHULUAN
TINJAUAN
PUSTAKA
METODOLOGI
PENELITIAN
ANALISIS DAN
PEMBAHASAN
KESIMPULAN
DAN SARAN
Latar Belakang
Asset Rp 197,41 triliun Market share 11% Laba Rp 4,23 Triliun 716 ribu pengguna I-banking atau tumbuh 51%
Internet
Banking
Rahmawati (2011) meneliti tentang analisis
kepuasan nasabah layanan internet banking
dengan SEM
Shergil dan li (2005) menganalisis faktor yang
mempengaruhi
trust
dan
loyalty
dalam
I-banking
Akbar dan Parvez (2009) meneliti mengenai
dampak dari kualitas layanan online, kepuasan
pelanggan terhadap loyalitas
Latar Belakang
Pengaruh SERVQUAL, Kepuasan Nasabah,
Kepercayaan terhadap Loyalitas
Pengaruh variabel moderating Kepercayaan
pengguna layanan
Internet Banking
terhadap
Loyalitas
Pengaruh indikator-indikator SERVQUAL, Kepuasan,
Kepercayaan dan Loyalitas
Latar Belakang
Masalah Tujuan Manfaat Batasan Masalah
Menganalisis indikator-indikator yang berpengaruh terhadap
SERVQUAL, kepuasaan nasabah, Kepercayaan dan Loyalitas
pelanggan pengguna
Internet Banking
Menganalisis pengaruh SERVQUAL, Kepercayaan terhadap Loyalitas
pengguna
Internet Banking
pada Bank X
Menganalisis pengaruh variabel moderating Kepercayaan terhadap
Loyalitas pengguna
Internet Banking
pada Bank X
Batasan
Masalah
5 kali dalam
kurun waktu 1
bulan
Convinience
Sampling
Latar BelakangVariabel laten merupakan
variabel yang tidak bisa diukur
secara langsung sehingga
membutuhkan indikator sebagai
proksi (Ghozali dan Fuad, 2005)
Model Pengukuran
menggambarkan
hubungan antara
variabel laten dan
indikator (λ)
Confirmatory Factor
Analysis
(CFA)
Model
Pengukuran
x
1= λ
1ξ + δ
1x
2= λ
2ξ + δ
2Model CFA dengan
dua indikator
Jika P=2
δ
1δ
1λ
2λ
1(ξ)
ξ x1 x2 xp δ 1 δ 2 δ p λ1 λ2 λp
2 1 2 1 2 1
x
x
Dalam Notasi
Matriks
Model struktural merupakan hubungan antara
variabel laten baik independen maupun dependen
(Ghozali dan Fuad, 2005)
Model Struktural
)
1
(
)
1
(
)
(
)
1
(
)
(
)
1
(
m
m
m
m
m
n
n
m
Data Berdistribusi
Normal Multivariat
Uji Asumsi
Tidak Ada Kasus
Multikolinearitas
Data dapat dikatakan mengikuti
distribusi multivariat normal bila nilai
d
2 j> lebih dari 50%.
𝜒
(0,05:𝑝) 2│X’X│≈ 0 atau │R│≈ 0 maka
terdapat kasus
multikolinearitas.
𝑑
𝑗2= 𝑋
𝑗− 𝑋
′𝑆
−1𝑋
𝑗− 𝑋
Matriks varians kovarians
measurement model
Matriks varians kovarians
data pengamatan
)
ˆ
(
)
(
)
var(
)
,
cov(
)
,
cov(
)
var(
)
var(
)
var(
2 2 1 2 1 1 2 2 2 2 1 2 1 1 2 1x
x
x
x
x
x
)
var(
)
var(
1 1 2 1
x
22
var(
2)
var(
x
2)
)
,
cov(
1 2 2 1
x
x
Estimasi Parameter
)
var(
)
var(
)
(
2 2 2 2 1 2 1 1 2 1
) var( ) , cov( ) , cov( ) var( ) ˆ ( 2 2 1 2 1 1 x x x x x x
Just Identified Model
Tujuan identifikasi model adalah
data yang di uji dapat digunakan
untuk mengestimasi Parameter.
Sehingga jika identifikasi
terpenuhi parameter dapat
diestimasi dan model dapat di
uji.
Over Identified Model
Under Identified Model
p
q
p
q
t
df
1
2
1
Identifikasi Model
Variabel di katakan valid jika :
Dapat mengukur secara tepat dan cermat suatu alat ukur dalam melaksanakan fungsi ukurnya
)
ˆ
(
ˆ
i iS
t
Confirmatory
Factor
Analysis
(CFA)
Variabel di katakan Reliabel jika :
Dalam beberapa kali pelaksanaan pengukuran terhadap kelompok
atau subyek yang sama diperoleh hasil yang relatif sama
p i i p i i p i i c 1 2 1 2 1
Goodness of Fit
Index
Nilai yang
diharapkan
χ
2
– Chi Square
P-Value
Diharapkan kecil
≥0,05
RMSEA
≤ 0,08
GFI
≥0,9
AGFI
≥0,9
Dimensi Kualitas Pelayanan
Jasa
Saha dan
Zao,2005
Responsiveness
Privacy
Fullfilment
Reliability
Efficiency
Kepuasan
Pelanggan
Menurut Kotler (2000) kepuasan
pelanggan merupakan
“... a
person’s feeling of pleasure or
dissapointment resulting from
comparing a product’s perceived
performance (or outcome) in
relathionship to his or her
expectations”.
Akbar dan Parvez
(2009)
Kepercayaan
Faktor pembentuk loyalitas dapat di ukur dengan
behaviour
measure, switching cost, satisfaction, liking of brand
dan
commitment
Aaker, 1996
Loyalitas
Trust
dapat dibedakan menjadi dua, yaitu
trust in
partner’s honesty
(kepercayaan terhadap mitra atau
perusahaan) dan
trust in partner’s benevolence
Data yang di gunakan dalam penelitian
ini adalah data primer yang diperoleh
dari hasil survey pengguna layanan
Internet Banking
pada Bank “X”.
• Nasabah pengguna
Internet Banking
Bank
X minimal telah
melakukan lima kali
transaksi dalam kurun
waktu satu bulan
Populasi
• Hair (2010) menyatakan untuk jumlah
variabel laten kurang dari lima dan
indikator lebih dari 3 jumlah sampel
untuk penelitian dalam SEM yaitu
antara 100-150. Sedangkan jumlah
sampel dalam penelitian ini yaitu 234
responden.
Saha dan
Zao,2005
Responsiveness
Privacy
Fullfilment
Reliability
Efficiency
SERVQUAL
Akbar
dan
Parvez,
2009
trust in partner’s honesty
trust in partner’s benevolence
Kepercayaan
Kepuasan
No
Indikator
1
Informasi tentang
website
telah tersebar dengan luas
2
Akses ke
website
dapat dilakukan dengan mudah dan cepat
3
Pencarian
homepage
sangat mudah dan sistematis
4
Informasi yang tersedia di
website
sangat memadai
5
Perpindahan antar halaman website mudah dan cepat
6
Proses Pencarian data sesuai dengan tingkat kepentingan
dapat di lakukan dengan cepat
7
Administrator
Internet Banking
memberikan respon yang
baik dan cepat
8
Mutu pelayanan
website
secara keseluruhan baik
Loyalitas
No
Indikator
1
Memilih Bank X sejak pertama menggunakan Internet Banking
2
Berminat menambah saldo rekening pada Bank X
3
Ragu-ragu jika pindah atau beralih ke Internet Banking Bank lain
4
Memilih Bank X setiap melakukan transaksi Internet Banking
5
Mengatakan hal-hal positive tentang Internet Banking Bank X
6
Senang bertransaksi Internet Banking pada Bank X
7
Merekomendasikan layanan Internet Banking Bank X kepada
teman yang membutuhkan layanan Internet Banking
8
Merekomendasikan Internet Banking Bank X bagi teman dan
kenalan yang membutuhkan
Aaker, 1996
Pengembangan Model Berbasis
Teori
Konstruksi Path Diagram
Konversi kedalam Persamaan
Memilih Matrik Input
Menilai Masalah Identifikasi
1
1
Evaluasi GOF
Interpretasi dan Modifikasi
Model
Pengujian Asumsi CFA
Struktural Moderating
Distibusi Multivariat Normal
Bentler dan Chou (1996) menyatakan
jika jumlah responden setiap indikator
sebanyak lima responden maka tidak
perlu dilakukan pengujian multivariat
normal
Multikolinearitas
Variebel
|X’X|
Efisiensi
5,1464E+12
Reliabilitas
1,69679E+11
Tanggapan
8,8728E+12
Pemenuhan
17809392
Privasi
96609801831
Kepuasan
1,65352E+16
Kepercayaan
2,59994E+12
Loyalitas
3,62017E+15
Hubungan Loading Factor Error Varian s t-hitung EF → EF1 0,37 0,86 3,084 EF → EF2 0,28 0,92 2,722 EF → EF3 0,53 0,72 3,725 EF → EF4 0,58 0,66 3.728 EF → EF5 0,39 0,85 3.596 EF → EF6 0,4 0,84 - Goodness of
Fit Index Cut Off Value Hasil Model
χ2 (Chi-Square) Diharapkan kecil 20,90
P-value ≥ 0,05 0,013 RMSEA ≤ 0,08 0,075 GFI ≥0,971 0,97
Construct Reliability
=
2,552,552+ 4,842= 0,6
Efisiensi
Pengujian Asumsi CFA Struktural Moderating
Reliabilitas
Hubungan
Loading
factor
Error
Varians
t-hitung
RE→RE1
0,2
0,96
2,13
RE→RE2
0,24
0,94
2,219
RE→RE3
0,45
0,8
3,016
RE→RE4
0,58
0,67
2,891
RE→RE5
0,39
0,85
-
Goodness of Fit
Index
Cut Off Value
Hasil
Model
χ
2(Chi-Square)
Diharapkan
kecil
9,44
P-value
≥ 0,05
0,082
RMSEA
≤ 0,08
0,064
GFI
≥0,90
0,984
Construct Reliability
=
1,861,862+ 4,222= 0,5
Hubungan
Loading
factor
Error
Varians
t-hitung
RES→RES1
0,41
0,83
2,720
RES→RES2
0,22
0,95
2,017
RES→RES3
0,34
0,88
2,540
RES→RES4
0,59
0,65
2,838
RES→RES5
0,40
0,84
2,700
RES→RES6
0,30
0,91
-
Goodness of
Fit Index
Cut Off
Value
Hasil Model
Χ
2(
Chi-Square)
Diharapkan
kecil
26,617
P-value
≥ 0,05
0,002
RMSEA
≤ 0,08
0,092
GFI
≥ 0,90
0,964
Tanggapan
Construct Reliability
=
2,26(2,26)2+ 5,062= 0,5
Pengujian Asumsi CFA Struktural Moderating
Hubungan
Loading
factor
Error
Varians t-hitung
Ful→Ful1
0,42
0,82
2,928
Ful→Ful2
0,62
0,62
2,381
Ful→Ful3
0,39
0,85
-
Construct Reliability
=
1,43(1,43)2+ 2,292= 0,5
Pemenuhan
Privasi
Hubungan
Loading
factor
Error
Varians t- hitung
Pri →Pri1
0,39
0,85
3,272
Pri→Pri2
0,45
0,80
3,485
Pri→Pri3
0,54
0,71
3,632
Pri→Pri4
0,39
0,85
3,261
Pri→Pri5
0,43
0,81
-
Goodness of
Fit Index
Cut Off
Value
Hasil Model
χ
2(Chi-Square)
Diharapk
an kecil
2,597
P-value
≥ 0,05
0,762
RMSEA
≤ 0,08
0,00
GFI
≥ 0,90
0,996
Construct Reliability
=
2,2(2,2)2+ 4,022= 0,5
Pengujian Asumsi CFA Struktural Moderating
Kepuasan
Hubungan Estimasi Error Varians t-hitung SA→SA1 0,44 0,80 3,223 SA→SA2 0,46 0,78 3.280 SA→SA3 0,46 0,78 3,180 SA→SA4 0,47 0,78 3,198 SA→SA5 0,53 0,72 3,286 SA→SA6 0,43 0,82 3.106 SA→SA7 0,49 0,76 3,223 SA→SA8 0,29 0,92 - Goodness of FitIndex Cut Off Value
Hasil Model
χ2 ( Chi-Square) Diharapkan kecil 27,093
P-value ≥ 0,05 0,133 RMSEA ≤ 0,08 0,039 GFI ≥ 0,90 0,972
Cr
=
(3,57)2 3,57 2+ 6,36= 0,7
Kepercayaan
Hubungan
Loading
factor
Error
Varians
t-hitung
Tru→Tru1
0,39
0,85
3,952Tru→Tru2
0,58
0,66
4,886Tru→Tru3
0,50
0,75
4,561Tru→Tru4
0,48
0,77
4,471Tru→Tru5
0,57
0,69
4,82Tru→Tru6
0,47
0,79
-Goodness of Fit Index Cut Off Value Hasil Model
χ2 ( Chi-Square) Diharapkan kecil 26,209
P-value ≥ 0,05 0,002 RMSEA ≤ 0,08 0,091 GFI ≥ 0,90 0,964
Cr
=
2,99(2,99)2+ 4,522= 0,7
Pengujian Asumsi CFA
Struktural Moderating
Loyalitas
Goodness of Fit Index Cut Off Value Hasil Modelχ2 ( Chi-Square) Diharapkan kecil 138,92
P-value ≥ 0,05 0,000
RMSEA ≤ 0,08 0,16
GFI ≥ 0,90 0,87
AGFI ≥ 0,90 0,77
Hubungan Loading factor Error Varians t-hitung
LO→LO1 0,52 0,73 2,581 LO→LO2 0,77 0,41 2,639 LO→LO3 0,56 0,69 2,614 LO→LO4 0,45 0,80 2,524 LO→LO5 -0,08 0,99 -0,947 LO→LO6 -0,06 1 -0,677 LO→LO7 -0,02 1 -0,192 LO→LO8 0,21 0,96 -
Cr
=
2,27(2,27)2+ 6,612= 0,4
Hubungan Nilai Loading t-hitung P value Keterangan SA←SQ 0,941 4,376 <0,001 Signifikan TRU←SA 0,923 4,809 <0,001 Signifikan
LO←SA -1,220 -1,215 0,224 Tidak signifikan
LO←TRU 2,008 1,728 0,084 Tidak signifikan
Goodness of Fit
Index
Cut Off Value
Hasil Model
χ
2( Chi-Square)
Diharapkan kecil
1190,458
P-value
≥ 0,05
0,000
RMSEA
≤ 0,08
0,038
GFI
≥ 0,90
0,824
AGFI
≥0,90
0,805
Pengujian Asumsi CFA Struktural Moderating Hubungan Nilai Loading t-hitung P value SA←SQ 0,951 4,339 <0,001 TRU←SA 0,863 4,697 <0,001 LO←SA -0,457 0,151 0,151 LO←TRU 1,232 2,494 0,013 Goodness of Fit
Index Cut Off Value
Hasil Model
χ2 ( Chi-Square) Diharapkan kecil 905,631
P-value ≥ 0,05 0,079
RMSEA ≤ 0,08 0,017
GFI ≥ 0,90 0,861
Kepuasan = 0,951 SERVQUAL + ζ1 Kepercayaan = 0,863 Kepuasan + ζ2 Loyalitas = 1,232 Kepercayaan + ζ3 Kepercayaan = 0,821 SERVQUAL + ζ4 Loyalitas = 0,577 SERVQUAL + ζ5 Pengaruh Antar Variabel Pengaruh Langsung Pengaruh Tidak Langsung SA ←SQ 0,951 - TRU ←SA 0,863 - LO ←TRU 1,232 - TRU ←SQ - 0,821 LO ←SQ - 0,577
Pengujian Asumsi CFA Struktural Moderating
Hubungan
Loading
Factor
t-hitung
P-value
LO → SA
-1,760
-0,258
0,208
LO → TRU
2,003
1,507
0,132
LO→INT
0,401
3,668
<0,001
Indikator
• SERVQUAL Reliability (0,968) • Kepuasan SA5 (0,53) • Kepercayaan TRU5 (0,57) • Loyalitas LO2 (0,77) SERVQUALKEPUASAN KEPUASAN KEPERCAYAAN KEPERCAYAAN LOYALITASKEPUASAN
LOYALITAS
Interaksi
berpengaruh
signifikan, artinya
Kepercayaan
merupakan Variabel
Moderating
Kesimpulan
Saran
Dalam penelitian selanjutnya diharapkan penambahan data
yang digunakan sehingga diperoleh informasi yang lebih
akurat mengenai hubungan antara SERVQUAL terhadap
Kepuasan, Kepuasan terhadap Kepercayaan, Kepuasan
terhadap Loyalitas dan Kepercayaan terhadap Loyalitas
Satisfaction On Customer Loyalty.
ABAC Jurnal Vol.29
, 24-38.
•
Bollen, K. A. (1989).
Structural Equations With Latent Variables.
USA: A Wiley
Intersience Publication.
•
Efron, B., & Tibshirani, R. (1993).
An Introduction to the Bootstrap
(6th edition ed.).
New York: Chapman & Hall.
•
F, R. (2002).
Measuring Customer Satisfaction Teknik Mengukur dan Strategi
Meningkatkan Kepuasan Pelanggan plus Analisis Kasus PLN-JP. PT.
Jakarta:
Gramedia Pustaka Umum.
•
Ferdinand, A. (2002).
Structural Equation Modeling dalam Penelitian Manajemen
(2nd Edition ed.). Semarang: BP UNDIP.
•
G.S, S., & Li, B. (2005).
Internet Banking An Empirical Investigation Od Custumer's
Behaviour For Online Banking in New Zealand Banks. Journal of E-Bussines 5 .
•
Ghozali, I., & Fuad. (2005).
Structural Equation Modelling: Teori, Konsep, dan
Aplikasi dengan program Lisrel 8.8.
Semarang: BP UNDIP.
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2006). Multivariate Data Analysis (6th edition ed.). Upper Saddle River, NJ: Prentice Hall.
• Johnson, R. A., & Winchern, D. W. (2007). Applied Multivariate Statistical Analysis (6th Edition ed.). USA: Pearson Prentice Hall.
• Kaplan, R., & Norton, D. (1996). The Strategy-Focused Organization, How Balanced Scorecard Companies Thrive In the New Bussines Environment. Boston, Massachussets: Harvard
Business School Press.
• Kotler, P. (2000). Marketing Management. New Jersey, USA: Pretince Hall, Inc.
• Nugy. (2009, 11 07). E-Banking (Sistem Informasi Manajemen). Dipetik Oktober 28, 2011, dari http://tugasgw.wordpress.com/2009/07/11/e-banking-sistem-informasi-manajemen
• Rahmawati, Dina. (2011). Analisis Kepuasan Nasabah Layanan dengan Menggunakan Metode Structural Equation Modelling (Studi Kasus : Bank X di Madiun). Surabaya: ITS.
• Rangkuti, F. (2002). Measuring Customer Satisfaction Teknik Mengukur dan Strategi
Meningkatkan Kepuasaan Pelanggan Plus Analisis Kasus PLN-JP. Jakarta: PT.Gamedia Pustaka Umum.
• Saha, P., & Zhao, Y. (2005). Relationship Between Online Service Quality And Customer Satisfaction. Thesis Lulea Universty of Technology .
• Sharma, S. (1995). Applied Multivariate Techniques (1st edition ed.). USA: John Willey & Sons,Inc.