APLIKASI REGRESI LOGISTIK ORDINAL UNTUK
MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA
TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA
SKRIPSI
Oleh: MAJID ALBANA
NPM. 064108017
PROGRAM STUDI MATEMATIKA
FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM UNIVERSITAS PAKUAN
APLIKASI REGRESI LOGISTIK ORDINAL UNTUK
MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA
TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA
SKRIPSI
Diajukan Sebagai Salah Salah Satu Syarat untuk Memperoleh Gelar Sarjana pada Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Pakuan
Oleh: MAJID ALBANA
NPM. 064108017
PROGRAM STUDI MATEMATIKA
FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM UNIVERSITAS PAKUAN
i
iii
RIWAYAT HIDUP
Majid Albana (064108017) dilahirkan pada tanggal 4 November 1990 di Depok, Jawa Barat. Penulis adalah anak pertama dari tiga bersaudara dari pasangan Bapak Mistam dan Ibu Murnihati.
Pada tahun 1996, penulis terdaftar sebagai siswa SD Negeri 04 Depok Baru – Depok dan lulus tahun 2002. Kemudian penulis melanjutkan sekolah ke SLTP Negeri 1 Cibungbulang – Bogor dan lulus tahun 2005. Pada tahun 2005 penulis melanjutkan pendidikan ke SMA Negeri 1 Leuwiliang – Bogor dan lulus tahun 2008.
Setelah lulus SMA tahun 2008 penulis melanjutkan ke jenjang pendidikan Program S1 Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan Bogor. Pada masa kuliah pada bulan Januari 2011, penulis melaksanakan Praktek Kerja Lapang (PKL) selama 1 bulan yang bertempat di PT. Kereta Api Indonesia (Persero) Daop 1 Jakarta.
Selama menjadi mahasiswa Universitas Pakuan, penulis aktif dalam organisasi Himpunan Mahasiswa Matematika (HIMATIKA) periode 2008 s.d. 2011. Pada tahun Juni 2011 penulis berhasil menjadi pegawai PT. Kereta Api Indonesia (Persero) dan bekerja sebagai staff operasi perjalanan kereta api dan KRL di PT. Kereta Api Indonesia (Persero) Daop 1 Jakarta.
Tepat pada tanggal 18 Maret 2012 penulis menghabiskan masa lajangnya dengan menikahi seorang gadis bernama Maria Ulfah yang berprofesi sebagai bidan dan telah dianugrahi seorang putri cantik bernama Maisyanova Ayrazka Albana.
iv
RINGKASAN
MAJID ALBANA, Aplikasi Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota. Di bawah bimbingan FITRIA VIRGANTARI dan ANI ANDRIYATI.
Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota. Atribut-atribut yang dianalisis yaitu 26 variabel independen dan 1 variabel dependen. Variabel independen terdiri atas 26 variabel yang terbagi ke dalam 3 aspek yaitu 11 variabel aspek pelayanan meliputi alur kendaraan, dropping penumpang, lokasi toilet, fasilitas pendukung, tempat duduk, tempat sampah, kebersihan toilet, turun naik penumpang, masuk keluar penumpang, porter; 8 variabel aspek keamanan meliputi ruang tunggu, area parkir, loket, lokasi petugas, keramahan petugas keamanan, kondisi kriminalitas, keberadaan pedagang dan sikap pedagang dan 7 variabel aspek komersial meliputi lokasi customer care, keramahan customer care, lokasi loket, antrian,
complain solution, keramahan petugas loket dan waktu antrian sedangkan
variabel dependennya adalah penilaian pelayanan stasiun Jakarta Kota secara global. Model regresi logistik ordinal digunakan sebagai metode analisisnya. Data penelitian didapat dengan cara membagikan kuisioner kepada 200 responden di stasiun Jakarta Kota pada waktu peak hour. Hasil penelitian menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap kepuasan pengguna jasa di stasiun Jakarta Kota adalah lokasi toilet, kebersihan stasiun, turun naik penumpang, masuk keluar penumpang, ruang tunggu, loket, keramahan petugas keamanan, sikap pedagang, serta keramahan petugas
customer care. Model regresi logistik ordinal aspek pelayanan, aspek keamanan
dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 81,7%. Berdasarkan rasio odd dari 200 responden diketahui peluang pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar 12,71 kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan 1,1 kali dibandingkan jawaban baik.
v
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa karena atas berkat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Aplikasi Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota”. Shalawat serta salam senantiasa diberikan kepada junjungan Nabi Muhammad SAW beserta keluarga, sahabat dan para pengikutnya.
Skripsi yang penulis susun berisi tentang penelitian tingkat kepuasan pengguna jasa kereta api dilihat dari pelayanan yang ada di stasiun Jakarta Kota menggunakan model regresi logistik ordinal dengan menggunakan kuisioner. Penulis berharap apa yang tertulis dalam skripsi ini dapat berguna bagi mahasiswa dan masyarakat yang membacanya.
Penyusunan laporan skripsi ini tidak terhitungkan masalah dan hambatan yang datang, namun berkat dukungan, bantuan, bimbingan serta doa, skripsi ini dapat terselesaikan.
Ucapan terima kasih penulis ucapkan kepada:
1. Ibu Dr. Fitria Virgantari, M.Si, Ir selaku pembimbing I. 2. Ibu Ani Andriyati, M.Si selaku pembimbing II.
3. Orang tua dan keluarga tercinta yang telah memberikan dukungan baik secara moril maupun materil.
4. Tim ISO 9001:2008 SMM Daop 1 Jakarta.
5. Rekan-rekan mahasiswa matematika angkatan 2008.
Terlepas dari semua itu, penulis menyadari bahwa dalam skripsi masih terdapat kesalahan dan kekurangan dalam penulisannya. Kritik dan saran sangat penulis harapkan untuk perbaikan dan acuan dalam laporan hasil penelitian di kemudian hari.
Bogor, April 2013
vi
DAFTAR ISI
HALAMAN PENGESAHAN ... i
HALAMAN PERNYATAAN ... ii
RIWAYAT HIDUP ... iii
RINGKASAN ... iv
KATA PENGANTAR ... v
DAFTAR ISI ... vi
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... ix DAFTAR LAMPIRAN ... x BAB I PENDAHULUAN 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 3 1.3 Tujuan ... 3 1.4 Manfaat ... 4
BAB II TINJAUAN PUSTAKA 2.1 Kualitas Pelayanan ... 5
2.2 ISO 9001 : 2008 Sistem Manajemen Mutu ... 7
2.3 Model Linear yang Digeneralisasikan ... 9
2.4 Model Logit ... 11
2.5 Regresi Logistik ... 12
2.5.1 Model Regresi Logistik ... 12
2.5.2 Interpretasi Parameter dalam Model Regresi Logistik ... 14
2.5.3 Asumsi-Asumsi Regresi Logistik ... 14
2.6 Regresi Logistik Ordinal ... 15
2.6.1 Model Logit Kumulatif ... 15
2.6.2 Metode Kemungkinan Maksimum ... 16
vii
2.6.4 Uji Statistik D ... 18
2.6.5 Uji Keberartian Model ... 18
2.6.6 Uji Keberartian Parameter secara Parsial ... 19
2.7 Rasio Odds ... 19
BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Sumber Data ... 21
3.2 Variabel Operasional ... 21
3.3 Metode Analisis ... 23
BAB IV PEMBAHASAN 4.1 Uji Validitas dan Reliabilitas Kuisioner ... 30
4.1.1 Uji Validitas ... 30
4.1.2 Uji Reliabilitas ... 32
4.1.3 Uji Multikolinearitas ... 32
4.2 Deskripsi Responden ... 34
4.3 Model Regresi ... 37
4.4 Pengujian Parameter Model Regresi ... 40
4.4.1 Uji Kebaikan Model (Goodness of Fit)... 40
4.4.2 Uji Keberartian Model ... 41
4.4.3 Uji Wald ... 42
4.5 Intrepretasi Model ... 43
4.5.1 Koefisien Determinasi Model... 43
4.5.2 Rasio Odds ... 44 BAB V PENUTUP 5.1 Kesimpulan ... 47 5.2 Saran... 48 DAFTAR PUSTAKA ... 49 LAMPIRAN ... 50
viii
DAFTAR TABEL
1. Tipe Model Analisis Statistika ... 9
2. Fungsi Hubungan Kanonik ... 11
3. Variabel Penelitian ... 22
4. Skala Kepuasan ... 24
5. Hasil Uji Validitas ... 31
6. Uji Reliabilitas ... 32
7. Hasil Uji Multikolinearitas ... 33
8. Model Regresi ... 38 9. Kebaikan Model ... 40 10. Uji Statistik G ... 41 11. Uji Wald ... 42 12. Koefisien Determinasi ... 43 13. Frekuensi Jawaban ... 44
ix
DAFTAR GAMBAR
1. Delapan Prinsip Manajemen ... 8
2. Kurva Model Regresi Logistik ... 13
3. Flowchart Metode Analisis ... 23
4. Usia Responden ... 34
5. Jenis Kelamin Responden ... 35
6. Latar Belakang Pendidikan Responden ... 35
7. Pekerjaan Responden ... 36
8. Rutinitas Responden Menggunakan KA dalam 1 Bulan ... 36
9. Tujuan Responden Menggunakan KA ... 37
x
DAFTAR LAMPIRAN
1. Pembuktian Persamaan Tujuh ... 49
2. Kuisioner Penelitian ... 50
3. Operasionalisasi Variabel... 52
4. Variabel View dan Data View dalam software SPSS... 56
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Sistem transportasi di Indonesia sangatlah berperan penting sebagai penunjang, pendorong dan penggerak roda perekonomian dalam upaya peningkatan dan pemerataan pembangunan serta hasil-hasilnya. PT. Kereta Api Indonesia (KAI) Persero sebagai BUMN penyedia jasa moda transportasi menjadikan kereta api sebagai suatu pilihan tepat bagi masyarakat untuk dapat menempuh perjalanan tanpa hambatan. Kereta api dipilih karena memiliki karakteristik dan keunggulan yang lebih dibandingkan jasa angkutan lainnya seperti angkutan umum kota, bus, taksi dan travel. Selain itu kereta api mempunyai keunggulan dalam kapasitas angkut, baik orang maupun barang secara masal dan yang terpenting adalah time traveler yang lebih cepat dari transportasi darat lainnya. Tidak heran bila kereta api menjadi angkutan transportasi darat yang sangat diminati para penumpang untuk dapat dengan cepat sampai tujuan.
Ramainya pengguna jasa kereta api menunjukkan bahwa kereta api menjadi transportasi darat yang relatif tinggi peminatnya. Menurut data penumpang seksi Angkutan Daop 1 Jakarta periode tahun 2011 menunjukan bahwa setiap harinya di Daop 1 Jakarta terdapat lebih dari 400.000 penumpang yang menggunakan jasa kereta api baik Kereta Rel Listrik (KRL), Kereta Rel Diesel (KRD), KA Lokal dan KA jarak jauh. Data ini pun selalu meningkat dari tahun ke tahunnya.
Pelayanan Prima merupakan salah satu dari 5 nilai pilar utama PT. KAI (Persero) dalam berbagai usaha yang bersifat jasa untuk meraih persaingan pasar antar moda transportasi disamping peningkatan mutu dan bentuk-bentuk pelayanan lain. Memberikan pelayanan yang terbaik akan menimbulkan dampak positif dalam organisasi atau perusahaan, melalui berbagai cara, teknik, dan metode yang dapat menarik lebih banyak konsumen dan menjadi ciri bagi perusahaan dalam memberikan pelayanan yang memuaskan (Septina, 2011).
2 Kualitas pelayanan prima yang bertujuan menarik simpatik konsumen merupakan hal pokok yang harus selalu dipertahankan dan ditingkatkan oleh perusahaan terutama oleh PT. KAI (Persero). Pada umumnya masyarakat memilih produk yang mengutamakan kenyamanan. Kenyamanan bertransportasi kereta api yang akan berdampak pada kepuasan pengguna jasa antara lain pelayanan penjualan tiket yang ramah dan cepat, beroperasinya kereta secara rutin dan tepat waktu, lingkungan tertib dan teratur, ruang tunggu yang nyaman, bersih dan rapi, lingkungan stasiun yang sehat serta dilengkapi dengan fasilitas pendukung pelayanan seperti toilet, tempat ibadah dan lain-lain. Hal tersebut juga harus didukung oleh semua karyawan dalam perusahaan PT. KAI (Persero).
Mulai pada tahun 2011, PT. KAI (Persero) telah menghasilkan kualitas jasa yang sesuai dengan ISO 9001 : 2008 Sistem Manajemen Mutu (SMM) yang lebih mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa mengimplementasi sistem manajemen mutu. Selain itu ISO 9001 : 2008 SMM berfokus pada efektifitas proses continual improvement dengan pilar utama pola berpikir PDCA (Plan, Do, Check, Action). Berdasarkan ISO 9001 : 2008 SMM PT. KAI (Persero) khususnya Daop 1 Jakarta telah memiliki stasiun bersertifikasi ISO, salah satunya adalah stasiun Jakarta Kota.
Selama ini banyak penelitian terhadap pelayanan yang diberikan oleh PT. KAI (Persero) terhadap pengguna jasa. Namun, pada penelitian sebelumnya belum terdapat penelitian tentang pelayanan di stasiun dan penelitian sebelumnya hanya menggunakan metode kuantitatif umum yaitu regresi linear sederhana seperti yang dilakukan oleh Roji (2008) dan Septina (2011) yang melakukan penelitian terhadap pelayanan di atas kereta api. Metode tersebut hanya menghasilkan gambaran secara umum hasil penelitian tingkat kepuasan pengguna jasa kereta api sedangkan pada penelitian ini menggunakan analisis regresi logistik ordinal.Menurut Garson (2008) mempunyai asumsi bahwa regresi logistik tidak mengasumsikan suatu hubungan yang linear antara variabel respon dengan variabel bebasnya, tetapi mengasumsikan hubungan yang linear antara log odds dari variabel responnya dengan variabel bebasnya, sehingga hasil penelitian yang
3 didapat lebih spesifik menggambarkan model persamaan tingkat pengguna jasa kereta api terhadap tingkat kepuasannya.
Aplikasi regresi logistik ordinal digunakan untuk mengetahui lebih jauh hubungan antara kepuasan pengguna jasa terhadap kualitas pelayanan. Caranya dengan melakukan penelitian mengenai analisis regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api untuk KA jarak jauh dan KA lokal non KRL PT. KAI (Persero) terhadap pelayanan stasiun Jakarta Kota.
1.2 Rumusan Masalah
Melihat hal-hal yang berkaitan tentang persoalan tingkat kepuasan pengguna jasa kereta api stasiun terhadap pelayanan di stasiun Jakarta Kota maka diperlukan cara untuk mengetahui karakteristik prilaku dari pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL distasiun tersebut. Karakteristik prilaku dari pengguna jasa kereta api stasiun Jakarta Kota dapat dijadikan faktor-faktor yang mempengaruhi tingkat kepuasan pengguna jasa sehingga faktor yang dominan dapat diperbaiki dikemudian hari agar pelayanan di stasiun sesuai dengan prinsip ISO 9001:2008 yaitu PDCA (Plan, Do, Check and Action).
Prinsip PDCA yang dilakukan oleh PT. KAI (Persero) sementara ini masih bersifat deskriptif sehingga diperlukan bentuk model regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun bersertifikasi ISO 9001 : 2008 SMM agar faktor-faktor yang dominan dapat diketahui dan dikerjakan sesuai prinsip PDCA.
1.3 Tujuan
Tujuan dari penelitian analisis regresi ordinal untuk menganalisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota adalah:
1. Mengidentifikasi prilaku dari pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL di stasiun Jakarta Kota.
4 2. Mengetahui faktor-faktor yang mempengaruhi tingkat kepuasan pengguna
jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota.
3. Mengaplikasikan model analisis regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota.
1.4 Manfaat
Manfaat dari penelitian analisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota adalah:
1. Hasil dari penelitian diharapkan memberikan sumbangan pemikiran bagi perusahaan jasa bidang transportasi PT. KAI (Persero) Daop 1 Jakarta khususnya stasiun Jakarta Kota untuk dijadikan saran dalam meningkatkan kualitas pelayanan di stasiun Jakarta Kota serta dapat berorentasi pada kepuasaan konsumen sebagai salah satu dari 5 nilai perusahaan yaitu pelayanan prima kepada pelanggan.
2. Penelitian dapat digunakan untuk mengaplikasikan teori-teori yang sudah diperoleh selama perkuliahan dan melihat perbandingan antara teori dan hasil di lapangan.
3. Penelitian dapat dijadikan sebagai acuan dalam penelitian karya ilmiah yang sesuai dengan standar kompetensi yang berlaku dan sebagai bahan penelitian selanjutnya.
4. Penelitian dapat dijadikan sebagai bahan informasi mengenai kualitas pelayanan yang ada di stasiun Jakarta Kota, serta dapat dijadikan bahan perbandingan dengan kualitas pelayanan jasa stasiun lain yang telah bersertifikasi ISO 9001 : 2008 SMM.
5
BAB II
TINJAUAN PUSTAKA
2.1 Kualitas Pelayanan
Kualitas pelayanan publik merupakan salah satu yang menjadi perhatian utama bagi masyarakat umum yang diselenggarakan oleh pemerintah dan penyedia jasa publik. Peningkatan kualitas pelayanan publik yang diselenggarakan oleh instansi pemerintahan pada saat ini menjadi sorotan bahkan menjadi tuntutan masyarakat. Persoalan yang sering dikritik masyarakat atau para penerima layanan adalah persepsi terhadap “kualitas” yang melekat pada seluruh aspek pelayanan. Tjiptono (1996) menyebutkan istilah “kualitas” mencakup pengertian:
1. Kesesuaian dengan persyaratan. 2. Kecocokan untuk pemakaian. 3. Perbaikan berkelanjutan. 4. Bebas dari kerusakan/cacat.
5. Pemenuhan kebutuhan pelanggan sejak awal dan setiap saat. 6. Melakukan segala sesuatu secara benar.
7. Sesuatu yang bisa membahagiakan pelanggan.
Namun demikian setiap jenis pelayanan publik yang diselenggarakan oleh instansi-instansi pemerintah tentu mempunyai kriteria kualitas tersendiri. Hal ini terkait erat dengan atribut pada masing-masing jenis pelayanan. Ciri-ciri yang ada dalam kualitas tersebut menurut Tjiptono (1996) adalah:
1. Ketepatan waktu pelayanan meliputi waktu tunggu dan waktu proses. 2. Akurasi pelayanan meliputi bebas dari kesalahan-kesalahan.
3. Kesopanan dan keramahan dalam memberikan pelayanan.
4. Kemudahan mendapatkan pelayanan, misalnya banyaknya petugas yang melayani dan banyaknya fasilitas pendukung seperti komputer.
5. Kenyamanan memperoleh pelayanan, berkaitan dengan lokasi, ruang tempat pelayanan, tempat parkir, ketersediaan informasi dan lain-lain.
6 6. Atribut pendukung pelayanan lainnya seperti ruang tunggu ber AC,
kebersihan dan lain-lain.
Menurut pendapat diatas diketahui bahwa kualitas pelayanan mencakup berbagai faktor yaitu kualitas pelayanan publik merupakan hasil interaksi aspek pelayanan, sumber daya manusia, strategi dan pengguna jasa. Tuntutan pengguna jasa untuk mendapatkan pelayanan yang lebih baik (service excellence) tidak dapat dihindari oleh penyelenggara pelayanan jasa. Tuntutan tersebut harus disikapi sebagai upaya dalam memberikan kepuasan kepada pelanggan. Kepuasan penerima layanan sangat berkaitan dengan kualitas pelayanan yang diberikan seperti yang diungkapkan Tjiptono (1996) bahwa kualitas memiliki hubungan yang sangat erat dengan kepuasan pelanggan.
Menurut Kotler dalam Tjiptono (1996) mengatakan bahwa kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan kinerja atau hasil yang dirasakan dibandingkan dengan harapannya. Setiap pelanggan tentu menghendaki kepuasan dalam menerima suatu layanan sedangkan ukuran keberhasilan penyelenggaraan pelayanan ditentukan oleh tingkat kepuasan penerima layanan. Kepuasan penerima layanan dicapai apabila penerima layanan memperoleh pelayanan sesuai dengan yang dibutuhkan dan diharapkan.
Kebutuhan para penerima layanan harus dipenuhi oleh pihak penyelenggara pelayanan agar para penerima layanan tersebut memperoleh kepuasan maka dari itu diperlukan suatu pemahaman tentang konsepsi kualitas pelayanan. Menurut Tjiptono (1996) kualitas pelayanan diartikan sebagai tingkat keunggulan yang diharapkan dan pengendalian atas tingkat keunggulan tersebut untuk memenuhi keinginan pelanggan. Kualitas pelayanan bukanlah dilihat dari sudut pandang pihak penyelenggara atau penyedia layanan melainkan berdasarkan persepsi masyarakat (pelanggan) penerima layanan.
Berdasarkan penjelasan di atas maka pengertian kualitas pelayanan adalah terpenuhinya karakteristik suatu konsep pelayanan yang mencakup seluruh aspek pelayanan dan tolak ukur kualitas pelayanan itu adalah dapat memberi kepuasan kepada para pelanggan atau penerima layanan.
7 2.2 ISO 9001 : 2008 Sistem Manajemen Mutu
ISO 9001 merupakan standar international yang mengatur tentang sistem manajemen mutu (Quality Management System) oleh karena itu seringkali disebut sebagai “ISO 9001 QMS”. Adapun tulisan “2008” menunjukkan tahun revisi maka ISO 9001 : 2008 adalah sistem manajemen mutu ISO 9001 hasil revisi tahun 2008. Seiring perkembangan zaman dan kemajuan teknologi terutama semakin luasnya dunia usaha maka kebutuhan akan pengelolaan sistem manajemen mutu semakin dirasa perlu dan mendesak untuk diterapkan pada berbagai scope
industry yang semakin hari semakin beragam.
Organisasi pengelola standar international ini adalah International
Organization for Standardization yang bermarkas di Geneva – Swiss, didirikan
pada 23 Februari 1947, kini beranggotakan lebih dari 147 negara yang mana setiap negara diwakili oleh badan standardisasi nasional.
ISO 9001 : 2008 lebih mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa mengimplementasi sistem manajemen mutu ISO 9001. Selain itu ISO 9001 : 2008 berfokus pada efektifitas proses continual improvement dengan pilar utama pola berpikir PDCA (Plan, Do, Check, Action) dalam setiap prosesnya senantiasa melakukan kegiatan sebagai berikut:
1. Perencanaan yang matang (Plan).
2. Implementasi yang terukur dengan jelas (Do).
3. Dilakukan evaluasi dan analisis data yang akurat (Check).
4. Tindakan perbaikan yang sesuai dan monitoring pelaksanaannya agar benar-benar bisa menuntaskan masalah yang terjadi di organisasi (Action).
Pilar berikutnya yang digunakan demi mensukseskan proses implementasi ISO 9001 : 2008 SMM, ditetapkanlah delapan prinsip manajemen mutu yang bertujuan untuk mengimprovisasi kinerja sistem agar proses yang berlangsung sesuai dengan fokus utama yaitu effectivitas continual improvement. Delapan prinsip manajemen yang dimaksud adalah:
8 Gambar 1. Delapan Prinsip Manajemen
1. Customer focus: Semua aktifitas perencanaan dan implementasi sistem semata-mata untuk memuaskan konsumen.
2. Leadership: Pimpinan tertinggi berfungsi sebagai pemimpin dalam mengawal implementasi sistem bahwa semua gerak organisasi selalu terkontrol dalam satu komando dengan komitmen yang sama dan gerak yang sinergi pada setiap elemen organisasi.
3. Involvement of people: Semua elemen dalam organisasi terlibat dan concern dalam implementasi sistem manajemen mutu sesuai fungsi kerjanya masing-masing, bahkan hingga office boy sekalipun hendaknya senantiasa melakukan yang terbaik dan membuktikan kinerjanya layak serta berkualitas pada fungsinya sebagai office boy.
4. Process approach: Aktifitas implementasi sistem selalu mengikuti alur
proses yang terjadi dalam organisasi. Pendekatan pengelolaan proses dipetakan melalui proses bisnis.
5. System approach management: Implementasi sistem mengedepankan pendekatan pada cara pengelolaan (manajemen) proses bukan sekedar menghilangkan masalah yang terjadi. Oleh karena itu konsep kaizen,
continual improvement sangat ditekankan. Pola pengelolaannya bertujuan Customer Focus Leadership Involvement Of People Process Approach System Approach Management Continual Improvement Factual Approach Decision Making Mutual Beneficial Supplier Relationship
9 memperbaiki cara dalam menghilangkan akar (penyebab) masalah dan melakukan improvement untuk menghilangkan potensi masalah.
6. Continual improvement adalah roh implementasi ISO 9001 : 2008 SMM. 7. Factual approach decision making: Keputusan dalam implementasi sistem
selalu didasarkan pada fakta dan data. Tidak ada data (bukti implementasi) sama dengan tidak dilaksanakannya sistem ISO 9001 : 2008 SMM.
8. Mutual beneficial supplier relationship: supplier adalah mitra usaha atau partner bisnis karena itu harus terjadi pola hubungan saling menguntungkan.
2.3 Model Linear yang Digeneralisasikan
Model linear yang digeneralisasi sebagai suatu cara untuk menyatukan model statistika yang berbeda dengan satu aturan yaitu menyatukan model regresi dan model desain eksperimen. Menyatukan model regresi linear biasa yang berdistribusi normal dan model nonlinear seperti logistik dan regresi Poisson (Montgomery et al, 2006). Tabel 1 memperlihatkan tipe model statistika yang berbeda.
Tabel 1. Tipe Model Analisis Statistika Komponen Acak Fungsi Hubungan Komponen Sistematik Model
Normal Identitas Kontinu Regresi
Normal Identitas Kategorik Analisis Varians
Normal Identitas Campuran Analisis Kovarians
Bernouli Logit Campuran Regresi logistik biner
Poisson Log Campuran Loglinear
Multinomial Logit yang digeneralisasi
Campuran Regresi Logistik
Multinomial
Agresti (1990) menjelaskan konsep keluarga model linear yang digeneralisasi yang memuat model-model penting untuk data kategorik, sebagaimana model regresi baku dan analisis varians untuk variabel respon kontinu. Model linear yang digeneralisasi memiliki tiga komponen yaitu:
1. Komponen Acak
Komponen acak model linear yang digeneralisasi menentukan pengamatan-variabel respon Yi= (Y1, Y2, ..., Yn) dan memilih distribusi
10 peluang untuk (Y1, Y2, ..., Yn) dari suatu distribusi keluarga eksponensial
dengan Y1, Y2, ..., Yn saling bebas. Setiap Yi memiliki fungsi kepadatan
peluang berbentuk.
𝑦𝑖, 𝜃𝑖 = 𝑎 𝜃𝑖 𝑏 𝑦𝑖 exp 𝑦𝑖𝑄 𝜃𝑖 (1) Pada model linear yang digeneralisasi, distribusi variabel respon haruslah anggota dari keluarga eksponensial yang terdiri dari distribusi normal, poisson, binomial, normal invers, eksponensial dan distribusi gamma sebagai anggota-anggotanya. Nilai dari parameter 𝜃𝑖 dalam persamaan (1) bisa bervariasi untuk i = 1,2,3,..., n. Hal ini bergantung pada nilai-nilai variabel bebasnya. Bentuk Q(𝜃) disebut parameter asli dari suatu distribusi eksponensial.
2. Komponen Sistematik
Nilai harapan 𝑌 yaitu rata-rata dari distribusi peluang dapat dinotasikan oleh 𝜇 = 𝐸(𝑌). Pada model linear yang digeneralisasi, nilai 𝜇 bervariasi menurut tingkatan variabel bebas. Komponen sistematik model linear yang digeneralisasi dengan menyatakan variabel bebas dimana variabel bebas masuk secara linear sebagai prediktor pada ruas kanan persamaan model. 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 (2) Kombinasi linear dari variabel bebasnya disebut prediktor linear.
3. Fungsi Hubungan (Link Function)
Komponen ketiga model linear yang digeneralisasi adalah fungsi hubungan (link function) yang menggambarkan hubungan fungsional antara komponen sistematik dan nilai ekspektasi (rata-rata) dari komponen acak. Komponen ini menentukan bagaimana 𝜇 = 𝐸 𝑌 dihubungkan dengan variabel bebas dalam prediktor linear. Rata-rata 𝜇 dapat dimodelkan secara langsung atau fungsi 𝑔 𝜇 yang monoton dimodelkan dari rata-ratanya. 𝑔 𝜇 = 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 (3)
11 Fungsi hubungan sederhana memiliki bentuk 𝑔 𝜇 = 𝜇. Bentuk ini memodelkan rata-rata secara langsung dan disebut fungsi hubungan identitas (identity link). Model linear untuk rata-rata variabel respon adalah:
𝜇 = 𝛽0+ 𝛽𝑖𝑥𝑖 + ⋯ + 𝛽𝑘𝑥𝑘 (4) Persamaan (4) adalah bentuk model regresi biasa untuk variabel respon kontinu. Fungsi hubungan yang mentransformasikan rata-rata ke parameter aslinya disebut fungsi hubungan kanonik (cannonical link). Misalnya, 𝑔 𝜇 = 𝑄 𝜃 dan 𝑄 𝜃 = 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘. Berikut ini disajikan tabel fungsi hubungan kanonik untuk model linear yang digeneralisasi.
Tabel 2. Fungsi Hubungan Kanonik
Distribusi Fungsi Hubungan Kanonik
Normal 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 = 𝜇𝑖 (fungsi hubungan identitas) Binomial 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 = 𝐼𝑛(
𝜋𝑖
1−𝜋𝑖) (fungsi hubungan logit) Poisson 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 = 𝐼𝑛 𝜆 (fungsi hubungan log) Eksponensial 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 =
1
𝜆𝑖 (fungsi hubungan resiprokal) Gamma 𝛽0+ 𝛽𝑖𝑥𝑖+ ⋯ + 𝛽𝑘𝑥𝑘 =
1
𝜆𝑖 (fungsi hubungan resiprokal)
2.4 Model Logit
Banyak variabel respon kategori yang hanya memiliki dua kategori. Pengamatan dari setiap subjek ini bisa diklasifikasikan sebagai “sukses” atau “gagal”. Misalnya 1 menyatakan “sukses” dan 0 menyatakan “gagal”. Maka peluang-peluang distribusi Bernoulli untuk variabel acak biner 𝑌 dengan dua kejadian (sukses dan gagal) adalah 𝑃 𝑌 = 1 = 𝜋 𝑑𝑎𝑛 𝑃 𝑌 = 0 = 1 − 𝜋, dimana 𝜋 = 𝐸 𝑌 .
Jika 𝑌𝑖 berdistribusi Bernoulli dengan parameter 𝜋𝑖, fungsi kepadatan peluangnya adalah: 𝑓 𝑦𝑖; 𝜋𝑖 = 𝜋𝑖𝑦𝑖 1 − 𝜋 𝑖 1−𝑦𝑖 = 1 − 𝜋𝑖 [ 𝜋𝑖 1 − 𝜋𝑖] 𝑦𝑖, 𝑦 𝑖 = 0,1 𝑓 𝑦𝑖; 𝜋𝑖 = 1 − 𝜋𝑖 exp[𝑦𝑖log 𝜋𝑖 1−𝜋𝑖 ] , 𝑦𝑖 = 0,1 (5)
12 Distribusi diatas termasuk ke dalam keluarga eksponensial asli dengan parameter asli 𝑄 𝜋 = 𝐼𝑛 [ 𝜋
1−𝜋 ] dan log odds dari variabel respon 𝑌 sama dengan 1, disebut logit 𝜋. Model linear yang digeneralisasi yang menggunakan fungsi hubungan logit disebut model logit. Model logit merupakan model yang digunakan untuk model regresi logistik.
2.5 Regresi Logistik
Penjelasan regresi logistik merupakan bagian dari model-model stastistika yang disebut model linear yang digeneralisasi. Dilihat dari variabel bebasnya regresi logistik terbagi menjadi dua yaitu regresi logistik sederhana (hanya memiliki satu variabel bebas) dan regresi logistik berganda (memiliki lebih dari satu variabel bebas) sedangkan jika dilihat dari variabel responnya, regresi logistik dibedakan menjadi dua yaitu regresi logistik biner (variabel responnya
dichotomous atau hanya memiliki dua kategori) dan regresi logistik multinomial
(variabel responnya memiliki lebih dari dua kategori atau polytomous). Regresi logistik hanya memiliki satu variabel respon yaitu variabel respon kategori sedangkan variabel kontinu tidak digunakan sebagai variabel respon.
Regresi logistik sebenarnya sama dengan analisis regresi berganda, hanya saja variabel-variabel terikatnya merupakan variabel dummy (0 dan 1). Contohnya pengaruh beberapa rasio perjalanan kereta terhadap keterlambatan perjalanan kereta api. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat (tepat). Pada regresi logistik tidak diperlukan asumsi normalitas meskipun screening dan outlier dapat dilakukan.
2.5.1 Model Regresi Logistik
Model regresi logistik adalah model regresi yang setiap peubah terikat atau responnya mensyaratkan berupa peubah kategorik sedangkan menurut Hosmer (1989) metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval.
13 Pada kasus-kasus struktur model-model tersebut yang menunjukan hubungan garis lengkung antara x dan 𝜋 𝑥 . Hubungan garis lengkung antara x dan 𝜋 𝑥 diilustrasikan seperti pada Gambar 2.
Gambar 2. Kurva Model Regresi Logistik
Fungsi yang memiliki bentuk seperti pada Gambar 2 diatas adalah sebagai berikut:
𝜋 𝑥 = exp(𝛽0+ 𝛽1𝑥)
1 + exp(𝛽0+ 𝛽1𝑥) (6) Disebut fungsi regresi logitik. Rumus ini memperlihatkan bahwa ketika 𝑥 → ∞, 𝜋 𝑥 ↓ 0 jika 𝛽 < 0 dan 𝜋 𝑥 ↑ 0 jika 𝛽 > 0. Jika 𝛽 → 0, kurvanya cenderung membentuk garis horizontal dan jika modelnya dipenuhi dengan 𝛽 = 0 maka variabel respon biner Y akan saling bebas pada x.
Jika persamaan (6) ditransformasi menjadi bentuk logit maka persamaan berikut akan diperoleh:
𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥 = 𝐼𝑛 𝜋 𝑥
1 − 𝜋 𝑥 = 𝛽0+ 𝛽1𝑥 (7)
(Pembuktian dapat dilihat pada Lampiran 1)
Persamaan (7) di atas merupakan bentuk persamaan linear log odds peluang “sukses” dan variabel bebasnya dengan demikian fungsi hubungannya adalah
14 transformasi log odds yang disebut logit. Model regresi logistik pada persamaan (7) merupakan bentuk model regresi logistik biner sederhana dengan satu variabel bebas. Model umum dari regresi logistik biner dengan xi=(xi0,xi1,...xik)
menyatakan grup ke-i dari k variabel bebas, i=1,2,...,i, xi0 = 1 adalah:
𝜋 𝑥𝑖 = exp( 𝛽𝑝𝑥𝑖𝑝) 𝑘
𝑝=0
1 + exp( 𝑘𝑝=0𝛽𝑝𝑥𝑖𝑝)
, 𝑝 = 0,1, … , 𝑘 (8)
𝛽0 = 𝛼 ketika 𝑥𝑖0 = 1 dan merupakan perpotongan (intercept) dari model regresi logistik.
2.5.2 Interpretasi Parameter dalam Model Regresi Logistik Jika persamaan (8) di atas ditulis kembali sebagai
𝑔 𝑥 = 𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥 = 𝐼𝑛 𝜋 𝑥
1 − 𝜋 𝑥 = 𝛽0+ 𝛽1𝑥 (9) 𝑔 𝑥 merupakan fungsi hubungan dari model regresi logistik yang disebut fungsi hubungan logit.
Variabel prediktor yang diamati merupakan variabel kategorik dengan lebih dari dua kategori (polytomous) maka interpretasi parameter untuk variabel ini menggunakan bantuan variabel dummy. Jika terdapat J kategori, akan digunakan (J-1) variabel dummy dengan satu buah kategori akan dijadikan sebagai kategori referensi. Interpretasi dilakukan dengan cara yang sama dengan interpretasi pada variabel prediktor dikotomi yaitu tiap-tiap kategori dibandingkan dengan kategori rujukannya.
2.5.3 Asumsi-Asumsi Regresi Logistik
Berikut ini adalah asumsi yang digunakan dalam regresi logistik (Garson, 2008): 1. Regresi logistik tidak mengasumsikan suatu hubungan yang linear antara
variabel respon dengan variabel prediktornya tetapi mengasumsikan hubungan yang linear antara log odds dari variabel responnya dengan variabel prediktornya.
15 2. Variabel responnya tidak harus berdistribusi normal (tetapi diasumsikan distribusinya berada dalam keluarga distribusi eksponensial, seperti normal, poisson, binomial, gamma).
3. Variabel responnya tidak harus homoskedastis untuk setiap kategori dari variabel prediktornya yaitu tidak ada homogenitas asumsi variansi (variansi tidak harus sama dalam kategori).
4. Galatnya tidak diasumsikan berdistribusi normal.
5. Regresi logistik tidak mengharuskan bahwa semua variabel prediktornya merupakan data interval.
6. Penambahan atau pengurangan alternatif variabel tidak mempengaruhi odds yang diasosiasikan.
7. Tidak adanya multikollinearitas.
8. Tidak ada outlier seperti dalam regresi linear. 9. Galat diasumsikan saling bebas.
10. Galat yang rendah dalam variabel bebasnya.
11. Pengkodean berarti (meaningful coding). Koefisien-koefisien logistik akan sulit diinterpretasikan jika kodenya tidak berarti.
2.6 Regresi Logistik Ordinal
Regresi logistik ordinal adalah perluasan dari regresi logistik biner dimana regresi logistik ordinal merupakan salah satu metode statistika untuk menganalisis data dengan variabel respon merupakan skala ordinal yang terdiri dari tiga kategori atau lebih dan variabel prediktor merupakan covariate (jika menggunakan skala interval atau rasio) atau bisa merupakan faktor (jika menggunakan skala nominal atau ordinal).
2.6.1 Model Logit Kumulatif
Model yang dapat dipakai untuk regresi logistik ordinal adalah model logit. Model logit tersebut adalah model logit kumulatif, pada model ini terdapat sifat ordinal dari respon Y yang dituangkan dalam peluang kumulatif sehingga model logit kumulatif merupakan model yang didapatkan dengan cara membandingkan
16 peluang kumulatif yaitu peluang kurang dari atau sama dengan ketegori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor X, P(Y≤j|X) dengan peluang lebih besar daripada kategori respon ke-j, P(Y>j|X) (Hosmer dan Lemeshow, 2000). Peluang kumulatif, P(Y≤j|X) didefinisikan sebagai berikut:
𝑃 𝑌 ≤ 𝑗 X = exp 𝛽0𝑗 + βkxk p
k=1
1 + exp 𝛽0𝑗 + pk=1βkxk 10 Keterangan j=1,2,...J adalah kategori respon (Agresti, 1990)
2.6.2 Metode Kemungkinan Maksimum
Tujuan digunakannya metode kemungkinan maksimum adalah untuk menjelaskan peluang pengamatan sebagai suatu fungsi dari parameter yang tidak diketahui dapat dibangun dengan suatu fungsi yang disebut likelihood function. Metode digunakan untuk memaksimumkan nilai dari fungsi tersebut digunakan metode kemungkinan maksimum (Hosmer dan Lemeshow, 2000). Cara untuk menaksir parameter pada regresi logistik ordinal adalah dengan metode kemungkinan maksimum.
Kategori respon pada regresi logistik ordinal mempunyai urutan atau
ordering maka model logit yang digunakan adalah model logit kumulatif. Model
logit multiple respon dalam model logit adalah:
𝐿𝑜𝑔𝑖𝑡 𝑃 𝑌 ≤ 𝑗 𝑋 = 𝜃𝑗 + 𝛽𝑇𝑋, 𝑗 = 1,2, … , 𝐽 − 1 (11) Keterangan bahwa θ adalah vektor parameter intersep dan 𝛽𝑇 = (𝛽1, 𝛽2, … , 𝛽𝑝)adalah vektor parameter kemiringan atau slope. Jika 𝜃𝑗 < 𝜃𝑗 +1 maka model ini adalah model kumulatif dengan kemiringan yang sama yaitu model garis regresi yang berdasarkan pada peluang kumulatif kategori respon. Jika 𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯ + 𝜋𝑗 𝑋 maka:
𝑌1 𝑋 = 𝜋1 𝑋 12 𝑌2 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 13 ⋮
17 Jika terdapat J kategori respon maka model logistik ordinal yang terbentuk adalah: 𝐿𝑜𝑔𝑖𝑡 𝑌1 = 𝐼𝑛 𝑌1 1 − 𝑌1 = 𝜃1 + 𝛽1𝑋1+ 𝛽2𝑋2+ ⋯ + 𝛽𝑝𝑋𝑝 15 𝐿𝑜𝑔𝑖𝑡 𝑌2 = 𝐼𝑛 𝑌2 1 − 𝑌2 = 𝜃2 + 𝛽1𝑋1+ 𝛽2𝑋2+ ⋯ + 𝛽𝑝𝑋𝑝 16 ⋮ 𝐿𝑜𝑔𝑖𝑡 𝑌𝐽 −1 = 𝐼𝑛 𝑌𝐽 −1 1 − 𝑌𝐽 −1 = 𝜃𝐽 −1+ 𝛽1𝑋1+ 𝛽2𝑋2+ ⋯ + 𝛽𝑝𝑋𝑝 17 𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯ + 𝜋𝑗 𝑋 = 𝑒𝜃𝑗𝛽𝑇𝑥 1 + 𝑒𝜃𝑗𝛽𝑇𝑥, 𝑗 = 1,2, … 𝐽 − 1 18 Model diatas merupakan model logit kumulatif sebab odds rasio kejadian (Y≤j) adalah independen pada setiap indikator kategori.
2.6.3 Fungsi Likelihood
Menurut Kim (2004) ketika lebih dari satu observasi Y muncul pada nilai 𝑋𝑖 adalah cukup dengan mencatat jumlah observasi 𝑛𝑗𝑖 dan jumlah hasil ‘j’ untuk
j=1,2,...,J. Maka [𝑌𝑖𝑖 = 1,2, … , 𝑛] adalah variabel acak yang berdistribusi multinomial independen dengan 𝐸 𝑌𝑖 = 𝑛𝑖𝑗𝛾𝑗 𝑋𝑖 dimana 𝑛1𝑖 + ⋯ + 𝑛𝐽𝑖 = 1 sedemikian sehingga dapat dinyatakan:
𝑅1𝑖 = 𝑛1𝑖,
𝑅2𝑖 = 𝑛1𝑖 + 𝑛2𝑖 (19) ⋮
𝑅𝐽𝑖 = 1
Peluang kumulatif digunakan dalam menaksir parameter maka likelihood dapat ditulis sebagai perkalian J-1 kategori, sehingga FKP bersama dari (𝑌1, 𝑌2,… 𝑌𝑛) adalah sama dengan perkalian n fungsi multinomial.
Fungsi likelihoodnya adalah:
𝐿 𝜃, 𝛽 = 𝑌1𝑖 𝑌2𝑖 𝑅1𝑖 𝑌 2𝑖− 𝑌1𝑖 𝑌2𝑖 𝑅2𝑖−𝑅1𝑖 𝑋 𝑌2𝑖 𝑌3𝑖 𝑅2 𝑌 3𝑖− 𝑌2𝑖 𝑌3𝑖 𝑅3𝑖−𝑅2𝑖 𝑛 𝑖=1 … 𝑋 𝑌 𝐽−1 𝑖 𝑌𝐽𝑖 𝑅 𝐽 −1 𝑖
18 = 𝑌𝐽𝑖 − 𝑌(𝐽 −1)𝑖 𝑌𝐽𝑖 𝑅𝐽𝑖−𝑅(𝐽 −1)𝑖 20 2.6.4 Uji Statistik D
Deviance didasarkan pada kriteria rasio likelihood untuk membandingkan model current (model tanpa peubah penjelas) dengan model penuh (model dengan peubah penjelas). Statistik uji Deviance didefinisikan dengan rumus
n i i i i i i i y y y y D 1 1 ˆ 1 ln 1 ˆ ln 2 dengan
i
i x g x g exp 1 exp ˆ ,
xi xi pxip g 01 1... , i = 1, 2, …, n. (22)Statistik D akan mengikuti sebaran 2dengan derajat bebas n-p. Kriteria Keputusan yang diambil yaitu menolak H0 jika Dhitung > 2np (Ryan, 1997).
2.6.5 Uji Keberartian Model
Prosedur uji perbandingan kemungkinan (ratio likelihood test) dapat digunakan untuk menguji keberartian model regresi logistik. Statistik uji-G digunakan untuk menguji peranan variabel penjelas di dalam model secara bersama-sama (Hosmer & Lemeshow, 1989). Uji ini membandingkan model lengkap (model dengan variabel prediktor) terhadap model yang hanya dengan konstanta (model tanpa variabel prediktor) untuk melihat apakah model yang hanya dengan konstanta secara signifikan lebih baik dari model lengkap dengan rumus sebagai berikut:
𝐺 = −2𝐼𝑛 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)
𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴) (21) Keterangan model B = model yang hanya terdiri dari konstanta saja dan model A = model lengkap (model dengan variabel prediktor). Hipotesis dari persamaan diatas adalah H0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0 dan H1 : minimal terdapat
𝛽𝑝 ≠ 0. Kriteria ini mengambil taraf nyata α maka 𝐻0 ditolak jika 𝐺 > 𝒳(𝛼,𝑣)2 dimana v adalah banyaknya variabel prediktor.
19 2.6.6 Uji Keberartian Parameter secara Parsial
Menurut Kleinbaum dan Klein (2002) Uji Wald dapat digunakan untuk menguji ketika hanya ada satu parameter yang diuji. Statistik uji Wald dihitung dengan membagi parameter yang ditaksir oleh galat baku dari parameter yang ditaksir.
𝑍 = 𝛽 𝑘𝑖
𝑆𝐸(𝛽 𝑘𝑖) (23) 𝛽 𝑘𝑖 adalah penaksir 𝛽𝑘𝑖 dan 𝑆𝐸(𝛽 𝑘𝑖) adalah penaksir galat baku 𝛽𝑘𝑖. Statistik uji ini berdistribusi normal dalam ukuran sampel yang besar. Kuadrat statistik uji yang berdistribusi normal ini adalah statistik chi-kuadrat dengan derajat kebebasan, v sama dengan 1, yaitu:
𝑍2= 𝛽 𝑘𝑖 𝑆𝐸(𝛽 𝑘𝑖)
2
(24)
Hipotesis 𝐻0: 𝛽𝑘𝑖 = 0 (parameter dalam model, untuk variabel prediktor
ke-k dengan ke-kategori ke-ke-i tidake-k berarti) dan hipotesis alternatifnya 𝐻1: 𝛽𝑘𝑖 ≠ 0 (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i berarti). Kriteria pengujian mengambil taraf nyata α maka 𝐻0 ditolak jika 𝑍2> 𝒳
(𝛼,1)2 .
2.7 Rasio Odd
Regresi logistik juga menghasilkan rasio peluang (odds ratio) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (odds ratio) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel prediktor meningkat sebesar 1 unit.
Pada teori peluang dan statistika, peluang dari suatu kejadian (event) diberi kuantitas 𝑝
20 menyatakan peluang dari kejadian yang tidak terjadi. Odds sebenarnya merupakan peluang-peluang relatif. Hal yang berbeda dengan peluang adalah bahwa peluang menyatakan kesempatan dari suatu kejadian yang terjadi sedangkan odds adalah rasio peluang kejadian yang tidak terjadi. Logaritma asli (natural logarithm) odds adalah logit dari peluang kejadian yang terjadi, yaitu: 𝑙𝑜𝑔𝑖𝑡 𝑝 = ln 𝑝
1 − 𝑝 (25) Rasio dari odds kejadian yang terjadi dalam suatu grup terhadap odds kejadian yang terjadi dalam grup lain dinamakan rasio odds dan dinotasikan dengan OR. Jika peluang-peluang kejadian yang terjadi dari setiap grup adalah p (grup pertama) dan q (grup kedua) maka rasio oddsnya adalah:
𝑂𝑅 = 𝑝 1−𝑝 𝑞 1−𝑞 =𝑝(1 − 𝑞) 𝑞(1 − 𝑝) (26) Logaritma asli rasio odds adalah selisih logit-logit peluang kejadian yang terjadi
ln 𝑂𝑅 = 𝑙𝑜𝑔𝑖𝑡 𝑝 − 𝑙𝑜𝑔𝑖𝑡 𝑞 = ln( 𝑝 1−𝑝) ln( 𝑞 1−𝑞) (27)
Sifat-sifat rasio odds :
1. Rasio odds, OR = 1 mengindikasikan bahwa peluang kejadian yang terjadi pada kedua grup adalah sama.
2. Rasio odds, OR > 1 mengindikasikan bahwa peluang kejadian yang terjadi pada grup pertama lebih besar daripada grup kedua.
3. Pada odds, OR < 1 mengindikasikan bahwa peluang kejadian yang terjadi pada grup pertama lebih kecil daripada grup kedua.
4. Rasio odds harus lebih besar dari atau sama dengan 0 atau OR ≥ 0.
5. Rasio odds harus mendekati nol jika odds dari grup pertama mendekati nol. 6. Rasio odds akan mendekati positis tak terhingga jika odds dari grup kedua
21
BAB III
METODOLOGI PENELITIAN
3.1 Jenis dan Sumber Data
Pada penelitian untuk menganalisis tingkat kepuasan pengguna jasa kereta api terhadap pelayanan di stasiun Jakarta Kota digunakan 2 tipe data yaitu data primer dan data sekunder. Data primer merupakan data yang dikumpulkan dan diolah sendiri oleh peneliti. Data primer dalam penelitian ini didapatkan dengan menyebar kuisioner kepada responden yang berada di stasiun Jakarta Kota (kuisioner terlampir pada Lampiran 2). Data sekunder adalah data yang bersifat menunjang suatu penelitian. Data sekunder dalam penelitian adalah data mengenai penumpang, tata cara pelayanan yang telah ditetapkan PT. KAI (Persero) berdasarkan surat keputusan Direksi PT. KAI (Persero) No : KEP. U/OT.003/I/4/KA-2011 tanggal 11 Januari 2011 tentang penjaminan mutu.
3.2 Variabel Operasional
Variabel yang digunakan dalam penelitian ini adalah variabel tentang prilaku pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL sebagai variabel independen atau variabel bebas dan kepuasan pelanggan sebagai variabel dependen atau variabel terikat. Variabel independen terdiri atas 26 variabel yang terbagi kedalam 3 aspek yaitu 11 variabel aspek pelayanan, 8 variabel aspek keamanan dan 7 variabel aspek komersial sedangkan variabel dependennya yaitu penilaian pelayanan stasiun secara global.
22 Tabel 3. Variabel Penelitian
Variabel Pertanyaan Variabel Pertanyaan
Variabel Bebas Aspek Pelayanan X15 (K4) Lokasi Petugas
X1 (P1) Flow Kendaraan X16
(K5) Keramahan Petugas Keamanan
X2
(P2) Dropping
Penumpang X17 (K6) Kondisi Kriminalitas
X3 (P3) Lokasi Toilet X18 (K7) Keberadaan Pedagang
X4 (P4) Fasilitas Pendukung X19 (K8) Sikap Pedagang
X5 (P5) Tempat Duduk Variabel Bebas Aspek Komersial
X6 (P6) Tempat Sampah X20
(Ko1) Lokasi Customer
Care
X7 (P7) Kebersihan Stasiun X21
(Ko2) Keramahan
Customer Care
X8 (P8) Kebersihan Toilet X22 (Ko3) Lokasi Loket
X9
(P9) Turun Naik
Penumpang X23 (Ko4) Antrian
X10
(P10) Masuk Keluar
Penumpang X24 (Ko5) Complain Solution
X11 (P11) Porter X25
(Ko6) Keramahan Petugas Loket
Variabel Bebas Aspek Keamanan X26 (Ko7) Waktu Antrian X12 (K1) Ruang Tunggu
Variabel Tak Bebas Pelayanan Global Stasiun
X13 (K2) Area Parkir Y Penilaian Pelayanan Global
X14 (K3) Loket
Secara lebih rinci operasionalisasi variabel dalam penelitian terdapat pada Lampiran 3 sedangkan variabel view dan data view software SPSS dapat dilihat pada Lampiran 4.
23 3.3 Metode Analisis
Gambar 3. Flowchart Metode Analisis
Metode yang akan digunakan dalam analisis tingkat kepuasan pengguna jasa kereta api terhadap pelayanan di stasiun Jakarta Kota adalah sebagai berikut: 1. Studi Pendahuluan
Studi pendahuluan dilakukan dengan cara studi pustaka di pusat data informasi PT. KAI (Persero) Daop 1 Jakarta untuk mengetahui karakteristik pelayanan yang disediakan di stasiun Jakarta Kota dan untuk mengetahui target penumpang kereta api yang akan dijadikan responden sesuai dengan surat keputusan direksi tentang standar pelayanan minimum dan aturan Menpan RI. Hasil dari studi pendahuluan dapat dijelaskan sebagai berikut: a. Tingkat kepuasan pengguna jasa kereta api di stasiun Jakarta Kota dibagi
24 pelayanan, aspek keamanan dan ketertiban, aspek komersial dan aspek penilaian pelayanan global secara umum.
b. Target penumpang yang akan diambil sebagai sampel adalah penumpang KA jarak jauh dan KA lokal non KRL sebab untuk penumpang KRL tingkat kepuasan dari pelayanan yang diberikan kurang menjadi perhatian bagi pengguna jasa KRL.
2. Penyusunan Instrumen
Penyusunan instrumen kuisioner dilakukan dengan melihat aspek-aspek yang didapat pada studi literatur untuk stasiun Jakarta Kota. Pertanyaan yang berupa aspek-aspek penelitian menggunakan empat skala dengan rincian sebagai berikut:
Tabel 4. Skala Kepuasan
Skala Keterangan
3 Sangat Baik
2 Baik
1 Cukup
0 Buruk
3. Uji Validitas dan Reliabilitas
Menurut Simamora (2004) pengujian bertujuan untuk menentukan peubah yang akan diukur dalam kuesioner yang akan diajukan. Validitas adalah suatu ukuran yang menunjukkan kevalidan atau kesahihan suatu instrumen. Suatu instrumen dianggap valid, apabila mampu mengukur apa yang diinginkan .
Uji validitas dilakukan sebelum kuesioner disebar kapada responden yang menjadi instrumen penelitian dengan cara analisis butir yaitu menghitung korelasi antar masing-masing pernyataan dengan skor total dengan menggunakan rumus korelasi pearson product moment, yaitu :
𝑟𝑘 = 𝑁 𝑋𝑌 − ( 𝑋 . 𝑌)
𝑁. 𝑋2− 𝑋 2 (𝑁. 𝑌2− 𝑌 2
25 Keterangan:
k
r = Korelasi product moment ke-k.
X = Skor butir pertanyaan. Y = Skor total.
N = Jumlah responden.
Reliabilitas adalah tingkat keandalan kuesioner yang menunjuk pada pengertian apakah sebuah instrumen dapat mengukur sesuatu secara konsisten dari waktu ke waktu. Uji reliabilitas pada unsur persepsi mutu digunakan rumus Cronbach Alpha.
2 2 1 1 t b k k r (29) Keterangan:
r = Koefesien Alpha Cronbach. k = Banyaknya butir pertanyaan.
2
b
= Jumlah ragam butir pertanyaan.
2
t
= Ragam total.
4. Uji Kebebasan Antar Variabel (Multikolinearitas)
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen maka uji jenis ini hanya diperuntukan untuk penelitian yang memiliki variabel independen lebih dari satu. Multikolinearitas dapat dilihat dengan menganalisis nilai VIF (Variance Inflation Factor). Suatu model regresi menunjukkan adanya multikolinearitas jika:
1. Tingkat korelasi > 95%. 2. Nilai Tolerance < 0,10. 3. Nilai VIF > 10.
26 Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen (Ghozali, 2007).
5. Pengambilan, Entry dan Verifikasi Data
Pengambilan data dari kuisioner yang ada dilakukan di stasiun Jakarta Kota pada peak hour pada kereta api jarak jauh dan kereta api lokal non KRL yaitu pada pagi hari antara pukul 05.30 - 09.00 dan 16.00 - 21.30. Pengambilan data dilakukan 2 minggu. Setelah data didapat maka dilakukan verifikasi data dengan cara memeriksa dan memastikan setiap kuisioner yang telah dijawab oleh responden.
6. Analisis Deskriptif
Kegiatan dilakukan untuk melihat gambaran secara umum dari data karakteristik pengguna jasa dan variabel-variabel yang akan di analisis menggunakan regresi logistik ordinal seperti total pemilih dan frekuensi. Analisis deskriptif disajikan dalam bentuk diagram batang dan pie.
7. Pembuatan dan Pendugaan Model Regresi Logistik
Pembuatan model dilakukan menggunakan persamaan (15, 16, 17 dan 18) dan peluang frekuensi kumulatifnya dengan persamaan (11).
8. Pengujian Parameter a. Metode Deviance
Statistik uji Deviance dilakukan dengan cara sebagai berikut: 1. Rumusan Hipotesis
𝐻0: Model logit layak untuk digunakan. 𝐻1: Model logit tidak layak untuk digunakan. 2. Stasistik Uji
27
n i i i i i i i y y y y D 1 1 ˆ 1 ln 1 ˆ ln 2 dengan
i
i x g x g exp 1 exp ˆ ,
xi xi pxip g 0 1 1... , i = 1, 2, …, n. (30) 3. Kriteria PengujianStatistik D akan mengikuti sebaran2dengan derajat bebas n-p. Kriteria keputusan yang diambil yaitu menolak H0 jika Dhitung >
2 p n
.4. Kesimpulan: penaksiran H0 ditolak atau diterima.
b. Uji Statistik G
Adapun langkah-langkah pengujian untuk uji perbandingan kemungkinan sebagai berikut:
1. Rumusan Hipotesis
𝐻0: 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0.
𝐻1: 𝑆𝑒𝑘𝑢𝑟𝑎𝑛𝑔 − 𝑘𝑢𝑟𝑎𝑛𝑔𝑛𝑦𝑎 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑠𝑎𝑡𝑢 𝛽𝑘 ≠ 0, = 1,2, … 𝑝. 2. Besaran yang diperlukan
Hitung -2 In Likelihood model A dan -2 In likelihood Model B. 3. Statistik Uji,
𝐺 = −2𝐼𝑛 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴) 4. Kriteria Pengujian
Kriteria ini mengambil taraf nyata α maka 𝐻0 ditolak jika 𝐺 > 𝒳(𝛼,𝑣)2 dimana v adalah banyaknya variabel prediktor. Catatan jika ada variabel prediktor yang berupa data kategori maka banyaknya kategori dikurangi 1 misalkan dinotasikan dengan m, sehingga nilai v yaitu banyak variabel prediktor yang berupa data kuantitatif ditambah m.
28 c. Uji Wald
Langkah-langkah pengujian keberartian parameter regresi dengan menggunakan uji Wald adalah:
1. Rumusan Hipotesis
𝐻0: 𝛽𝑘𝑖 = 0 (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i tidak berarti).
𝐻1: 𝛽𝑘𝑖 ≠ 0 (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i berarti).
2. Besaran yang diperlukan Hitung 𝛽 𝑘𝑖 dan 𝑆𝐸(𝛽 𝑘𝑖). 3. Statistik Uji 𝑍2= 𝛽 𝑘𝑖 𝑆𝐸(𝛽 𝑘𝑖) 2 4. Kriteria Pengujian
Mengambil taraf nyata α maka 𝐻0 ditolak jika 𝑍2 > 𝒳(𝛼,1)2 . 5. Kesimpulan: penaksiran 𝐻0 ditolak atau diterima.
d. Uji Koefisien Determinasi McFadden, Cox dan Snell, Nagelkerke dan
Concordant
Pengujian dilakukan untuk melihat seberapa besar variabel-variabel independen dari 3 aspek yaitu aspek pelayanan, keamanan dan komersial mempengaruhi nilai variabel dependen yaitu pelayanan stasiun secara umum. Suatu model dikatakan baik bila koefisien Nagelkerke lebih dari 0,700 (70%) yang artinya bahwa variabel independen yang dibuat model mempengaruhi 70% terhadap variabel dependen. Koefisien Nagelkerke didapat dari penyempurnaan nilai koefisien determinasi Cox dan Snell.
𝑅2
𝑀𝐹 = 1 −
𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)
𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴) (31)
Keterangan 𝑅2𝑀𝐹 merupakan koefisien determinasi McFadden. Berikut adalah rumus untuk mencari koefisien determinasi Cox and Snell.
29 𝑅2 𝐶𝑆 = 1 − exp − 2 𝑛[𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) − 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑(𝑀𝑜𝑑𝑒𝑙 𝐴) (32) Keterangan 𝑅2
𝐶𝑆 merupakan koefisien determinasi Cox and Snell.
𝑅2 𝑀𝐴𝑋 = 1 − exp[− 2 𝑛× 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 𝑀𝑜𝑑𝑒𝑙 𝐴 ] (33) 𝑅2 𝑁= 𝑅2 𝐶𝑆 𝑅2 𝑀𝐴𝑋 (34) Keterangan 𝑅2
𝑁 merupakan koefisien determinasi Nagelkerke.
Uji concordant dilakukan untuk melihat sejauh mana keragaman variabel dependen dapat dijelaskan oleh variabel dependennya. Suatu model dikatakan baik jika nilai concordan lebih dari 0,700 (70%).
9. Intrepretasi Data
Jika model regresi logistik ordinal telah di uji dan hasil modelnya baik dan signifikansinya nyata maka data tersebut dapat di intrepretasikan dengan menggunakan uji odds ratio menggunakan persamaan (26).
30
BAB IV
HASIL DAN PEMBAHASAN
4.1 Uji Validitas dan Reliabilitas Kuisioner
Uji validitas dan reliabilitas dilakukan pada item-item pertanyaan untuk melihat korelasi antar pertanyaan dari kuisioner dan melihat kekonsistenan kuisioner yang telah ditetapkan oleh PT. KAI (Persero) Daop 1 Jakarta. Uji validitas dan reliabilitas dilakukan dengan melakukan survei awal kepada 30 orang pengguna jasa KA di stasiun Jakarta Kota.
4.1.1 Uji Validitas
Uji validitas menggunakan rumus korelasi product momen pearson dan diolah menggunakan SPSS 18. Total responden yang akan di uji adalah 30 responden pengguna jasa di stasiun Jakarta Kota. Hipotesis yang akan diuji adalah:
a. Ho = Tidak adanya korelasi antar pertanyaan kuisioner (rhitung < rtabel).
b. H1 = Adanya korelasi antar pertanyaan kuisioner (rhitung ≥ rtabel).
Taraf kepercayaan yang digunakan adalah 95% (𝑎 = 0,05). Pengujian validitas (korelasi) dilakukan dengan cara membandingkan nilai r hitung dengan r tabel. Apabila hasil pengujian menunjukkan r hitung lebih besar dari r tabel, berarti ada korelasi (H0 ditolak) atau pernyataan memiliki validitas. Berdasarkan
hasil pengujian menggunakan SPSS 18 maka didapat hasil uji validitas sebagai berikut:
31 Tabel 5. Hasil Uji Validitas
Aspek Pelayanan
Var Butir Pertanyaan Korelasi Sig r tabel Ket
X1 (P1) Flow Kendaraan 0,708 0,000 0,361 Valid X2 (P2) Area Turun Penumpang 0,577 0,001 Valid
X3 (P3) Lokasi Toilet 0,615 0,000 Valid
X4 (P4) Fasilitas Pendukung 0,456 0,011 Valid
X5 (P5) Tempat Duduk 0,456 0,011 Valid
X6 (P6) Tempat Sampah 0,612 0,000 Valid
X7 (P7) Kebersihan Stasiun 0,709 0,000 Valid
X8 (P8) Kebersihan Toilet 0,808 0,000 Valid
X9 (P9) Turun Naik Penumpang 0,732 0,000 Valid X10 (P10) Masuk Keluar Penumpang 0,698 0,000 Valid X11 (P11) Porter 0,717 0,000 Valid Aspek Keamanan
X12 (K1) Ruang Tunggu 0,663 0,000 Valid
X13 (K2) Area Parkir 0,748 0,000 Valid
X14 (K3) Loket 0,693 0,000 Valid
X15 (K4) Lokasi Petugas 0,758 0,000 Valid
X16
(K5) Keramahan Petugas Keamanan
0,566 0,001 Valid
X17 (K6) Kondisi Kriminalitas 0,767 0,000 Valid
X18
(K7) Keberadaan Pedagang
0,687 0,000 Valid
X19 (K8) Sikap Pedagang 0,840 0.000 Valid
Aspek Komersial
X20
(Ko1) Lokasi Customer Care 0,621 0,000 Valid X21 (Ko2) Keramahan Customer Care 0,499 0,005 Valid
X22 (Ko3) Lokasi Loket 0,612 0,000 Valid
X23 (Ko4) Antrian 0,709 0,000 Valid
X24 (Ko5) Complain Solution 0,624 0,000 Valid
X25
(Ko6) Keramahan Petugas Loket
0,656 0,000 Valid
X26 (Ko7) Waktu Antrian 0,750 0,000 Valid
Hasil pengujian uji validitas untuk setiap butir pertanyaan pada 3 aspek yang dinilai yaitu aspek pelayanan, aspek keamanan dan aspek komersial di stasiun Jakarta Kota diketahui bahwa nilai korelasi semua butir pertanyaan lebih besar dari r tabel dengan (0,361) dan signifikansinya lebih kecil dari α (0,10) sehingga keputusannya adalah tolak H0 dan terima H1. Kesimpulan dari uji
32 survei kepuasan pelanggan stasiun Jakarta Kota. Perhitungan selengkapnya dapat dilihat pada Lampiran 5.
4.1.2 Uji Reliabilitas
Uji reliabilitas dilakukan dari hasil data 30 responden pengguna jasa kereta api di stasiun Jakarta Kota menggunakan rumus cronbach’s alpha. Hipotesis yang akan di uji adalah sebagai berikut:
a. Ho = Kuisioner tidak bisa memberikan hasil yang konsisten sebagai alat
ukur survei (rhitung < 0,7).
b. H1 = Kuisioner dapat memberikan hasil yang konsisten sebagai alat ukur
survei (rhitung ≥ 0,7).
Hasil pengujian uji reliabilitas menggunakan software SPSS 18 dapat dilihat pada Tabel 6.
Tabel 6. Uji Reliabilitas
Reliability Statistics
Cronbach's
Alpha N of Items
.950 26
Berdasarkan hasil perhitungan uji reliabilitas didapat nilai cronbach’s alpha kuisioner adalah 0,950. Nilai ini lebih besar dari standar minimal agar kuisioner dapat dijadikan sebagai alat ukur yaitu 0,7. Keputusan yang diambil adalah tolak H0 dan terima H1. Kesimpulannya adalah kuisioner yang digunakan untuk
menganalisis tingkat kepuasan pelanggan stasiun Jakarta Kota dapat dijadikan alat ukur yang reliability dan memberikan hasil yang konsisten.
4.1.3 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat kebebasan antar variabel independen. Hipotesis yang digunakan adalah sebagai berikut:
a. H0 = variabel bebas 𝑥1, 𝑥2, … , 𝑥26 bersifat multikolinearitas (VIF > 10). b. H1 = variabel bebas 𝑥1, 𝑥2, … , 𝑥26 tidak bersifat multikolinearitas (VIF < 10).
33 Berikut adalah hasil penghitungan uji multikolinearitas menggunakan software SPSS 18:
Tabel 7. Hasil Uji Multikolinearitas
Model t Sig. Collinearity Statistics Tolerance VIF 1 (Constant) -.037 .971 (P1) Flow Kendaraan 1.543 .125 .357 2.799 (P2) Dropping Penumpang -.406 .685 .415 2.409 (P3) Lokasi Toilet .394 .694 .471 2.125 (P4) Fasilitas Pendukung .081 .936 .570 1.754 (P5) Tempat Duduk .766 .445 .543 1.841 (P6) Tempat Sampah 1.153 .251 .388 2.576 (P7) Kebersihan Stasiun .610 .543 .406 2.461 (P8) Kebersihan Toilet 2.294 .023 .412 2.430 (P9) Turun Naik Penumpang .848 .397 .448 2.233 (P10) Masuk Keluar Penumpang -.684 .495 .345 2.901 (P11) Porter .072 .943 .384 2.602 (K1) Ruang Tunggu -.419 .676 .361 2.769 (K2) Area Parkir .876 .382 .321 3.112 (K3) Loket 1.451 .149 .368 2.720 (K4) Lokasi Petugas .120 .905 .460 2.173 (K5) Keramahan Petugas Keamanan -.338 .736 .482 2.073 (K6) Kondisi Kriminalitas -1.290 .199 .359 2.783 (K7) Keberadaan Pedagang .935 .351 .361 2.767 (K8) Sikap Pedagang 2.354 .020 .363 2.758 (Ko1) Lokasi Customer Care 1.123 .263 .539 1.856 (Ko2) Keramahan Customer
Care
1.166 .245 .538 1.858 (Ko3) Lokasi Loket -.793 .429 .326 3.071
(Ko4) Antrian .269 .788 .262 3.824
(Ko5) Complain Solution .353 .725 .405 2.468 (Ko6) Keramahan Petugas
Loket
1.301 .195 .400 2.503 (Ko7) Waktu Antrian -.994 .322 .364 2.744
34 Berdasarkan hasil perhitungan diketahui bahwa perhitungan multikolinearitas antar variabel memenuhi kriteria yang ditentukan yaitu nilai VIF < 10 maka keputusan yang diambil adalah tolak H0 dan terima H1.
Kesimpulannya adalah antar variabel bebas (aspek pelayanan, aspek keamanan dan aspek komersial) tidak terdapat masalah multikolinearitas.
4.2 Deskripsi Responden
Berdasarkan data yang sudah terkumpul sebanyak 200 responden di stasiun Jakarta Kota didapatkan deskripsi responden. Berdasarkan umur responden di stasiun Jakarta Kota diketahui sebanyak 73 responden berumur diantara 25 - 34 tahun, 48 responden berumur diantara 35 – 44 tahun, 41 responden berumur diantara 15 - 24 tahun, 35 responden berumur diantara 45 – 60 tahun dan 3 responden berumur lebih dari 60 tahun.
Gambar 4. Usia Responden 15 - 24 Tahun 25 - 34 Tahun 35 - 44 Tahun 45 - 60 Tahun > 60 Tahun Frekuensi 41 73 48 35 3 0 10 20 30 40 50 60 70 80
