Oleh : Rahmat Pembimbing : Drs. Haryono, MSIE

(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 Belakang

Variabel 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

₁

ξ + δ

₁

x

₂

= λ

₂

ξ + δ

₂

Model CFA dengan

dua indikator

Jika P=2

δ

₁

δ

₁

λ

₂

λ

₁

(ξ)

ξ x₁ x₂ x_p δ 1 δ 2 δ p λ₁ λ₂ λ_p

 

_







































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

−1

𝑋

_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 1

x

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 i

S

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

=

_2,552,55_{2+ 4,84}2

= 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

=

_1,861,86_{2+ 4,22}2

= 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+ 5,06}2

= 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+ 2,29}2

= 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+ 4,02}2

= 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 Fit

Index 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

3,952

Tru→Tru2

0,58

0,66

4,886

Tru→Tru3

0,50

0,75

4,561

Tru→Tru4

0,48

0,77

4,471

Tru→Tru5

0,57

0,69

4,82

Tru→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+ 4,52}2

= 0,7

Pengujian Asumsi CFA

Struktural Moderating

Loyalitas

Goodness of Fit Index Cut Off Value Hasil Model

χ2 _{( 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+ 6,61}2

= 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) SERVQUALKEPUASAN KEPUASAN  KEPERCAYAAN KEPERCAYAAN  LOYALITAS

KEPUASAN



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.