Bab 3. Metode Penelitian

(1)

3.1 Desain Penelitian

Penelitian ini merupakan penelitian deskriptif dan asosiatif. Penelitian deskriptif dimaksudkan untuk mendefinisikan berbagai kriteria serta mendefinisikan nilai-nilai variabel-variabel yang diteliti. Penelitian asosiatif di sini lebih kepada analisis hubungan kausal dimana variabel independen (variabel bebas) mempengaruhi variabel dependen (variabel bergantung). Desain dari penelitian ini dapat dilihat pada Tabel 3.1 berikut.

Tabel 3.1 Desain Penelitian

Tujuan Penelitian Desain Penelitian Jenis Penelitian Metode

Penelitian Unit Analisis Time Horizon

T-1 Asosiatif Survey Individu: konsumen PT.

Cahaya lestari Cross Sectional

Cahaya Lestari Cross Sectional

• Untuk mengetahui bagaimana pengaruh kualitas pelayanan dan

relationship marketing terhadap kepuasan konsumen secara partial dan

(2)

56

• Untuk mengetahui bagaimana pengaruh dari kualitas pelayanan dan

relationship marketing dan kepuasan konsumen terhadap loyalitas

konsumen secara partial dan stimultan (T-2)

• Untuk mengatahui bagaimana pengaruh dari kualitas pelayanan dan

relationship marketing dan kepuasan pelanggan terhadap loyalitas

konsumen (T-3)

3.2 Operasionalisasi Variable Penelitian

Ada empat variable yang akan digunakan dalam penelitian ini, yaitu variable kualitas pelayanan, relationship marketing, kepuasan konsumen, dan loyalitas Pelanggan. Pada Table 3.2 berikut akan diuraikan sub variable dan indicator dari masing-masing variable,beserta instrument pengukuran, skala, dan model pengukurannya.

(3)

Tabel 3.2 Operasional Variabel Penelitian

Variabel sub-variabel Indikator Instrument

pengukuran Skala Model pengukuran Kualitas Pelayanan /jasa (X1) Keandalan (Reliability) -Pelayanan yang Cepat

Kuesioner Ordinal Likert

-Pelayanan yang Akurat

-jenis makanan yang Sesuai dengan Kebutuhan pelanggan Ketanggapan (Responsiven ess) -kemampuan menolong Pelanggan untuk Mengetahui variasi Dari menu

-ketersediaan untuk Melayani -cepat dalam menangapi keluhan Empati (emphaty) -Kemudahan untuk dihubungi

(4)

58

pengukuran Skala Model pengukuran Kualitas Pelayanan /jasa (X1) Empati (emphaty) -memberi Perhatian secara individu

Bukti langsung (Tangible)

-fasilitas wi-fi yang Cepat

-Tersedia meja kursi Yang bersih dan rapih -Seragam dari Karyawan menarik Jaminan (Assurance) -Pengetahuan

Karyawan akan menu makanan

-Kesopanan Petugas Dalam melayani Pelanggan Relationship Marketing (X2) Manfaat ekonomis -Pemberian diskon bagi member

(5)

Relationship Marketing (X2) (financial benefit) -Adanya Program Promosi

Manfaat Sosial -restoran meminta Tanggapan pelanggan Dengan survey di internet

Ikatan struktural -adanya fasilitas Member yang mendapat keistimewahan pelayanan

Kepuasan Pelanggan (Y) Mutu produk (quality Product) -variasi menu makanan yang beragam

-rasa makanan yang enak

Performa

(performance)

-seberapa baik dari performa orang-orang yang melayani

(6)

60

pengukuran Skala Model pengukuran Kepuasan Pelanggan(Y) Harga (price)

-Harga sesuai dengan paket layanan yang ditawarkan

Loyalitas Pelanggan(Z) Melakukan pembelian berulang Pelanggan membeli kembali makanan Yang telah dipesan

Melakukan pembelian antar lini produk

Pelanggan membeli variasi menu lain di Restoran yang sama

Mereferensi kan kepada Orang lain

Memberikan informasi yang baik kepada rekan

Kekebalan terhadap produk atau Jasa pesaing

Pelanggan tidak tertarik pada tawaran produk sejenis oleh Pesaing

(7)

3.3 Jenis dan Sumber Data Penelitian

Jenis data yang digunakan dalam penelitian ini adalah data kualitatif dan sumber data berasal dari data primer maupun sekunder, seperti dapat dilihat pada Tabel 3.3 di bawah ini.

Tabel 3.3 Jenis dan Sumber Data Penelitian

Data Jenis Data Sumber Data

Data kualitas

pelayanan Kualitatif Data primer dari kuesioner Data relationship

marketing Kualitatif Data primer dari kuesioner

Data Kepuasan

konsumen Kualitatif Data primer dari kuesioner Data Loyalitas

(8)

62

3.4 Teknik Pengumpulan Data

Hasan (2002, p83) mengatakan pengumpulan data adalah pencatatan peristiwa – peristiwa atau hal – hal atau keterangan – keterangan atau karakteristik – karakteristik sebagian atau seluruh elemen populasi yang akan menunjang atau mendukung penelitian.

Pengumpulan data yang dilakukan dalam penelitian ini menggunakan beberapa teknik, yaitu:

- Wawancara

Wawancara merupakan salah satu teknik pengumpulan data. Pelaksanaannya dapat dilakukan secara langsung berhadapan dengan yang diwawancarai, tetapi dapat juga secara tidak langsung seperti memberikan daftar pertanyaan untuk dijawab pada kesempatan lain (Umar, 2008:51).

- Kuesioner

Teknik angket (kuesioner) merupakan suatu pengumpulan data dengan memberikan atau menyebarkan daftar pertanyaan/pernyataan kepada responden dengan harapan memberikan respons atas daftar pertanyaan tersebut (Umar, 2008, p49). Dalam penelitian ini, kuesioner yang disebarkan kepada konsumen restoran Cahaya Lestari sebagai responden, dibuat dalam bentuk pernyataan dalam skala likert.

(9)

- Studi kepustakaan

Studi kepustakaan digunakan untuk memperoleh informasi-informasi yang berkaitan dengan penelitian ini sebagai landasan teori. Penulis melakukan studi kepustakaan melalui buku-buku, jurnal-jurnal, dan artikel-artikel di

internet.

3.5 Teknik Pengambilan Sampel

Nazir (Riduwan dan Engkos, 2008 , p37 - 38) mengatakan bahwa “Populasi adalah berkenaan dengan data bukan orang atau bendanya.” Nawawi (Riduwan dan Engkos, 2008 , p38) menyebutkan bahwa, “Populasi adalah totalitas semua nilai yang mungkin, baik hasil menghitung ataupun pengukuran kuantitatif maupun kualitatif pada karakteristik tertentu mengenai sekumpulan objek yang lengkap”.

Arikunto (Riduwan dan Engkos, 2008 , p39) mengatakan “Sampel adalah bagian dari populasi (sebagian atau wakil populasi yang diteliti). Sampel penelitian adalah sebagian dari populasi yang diambil sebagai sumber data dan dapat mewakili seluruh populasi. Sedangkan Sugiyono (Riduwan dan Engkos, 2008 , p40) memberikan pengertian “Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi”.

Teknik pengambilan sampel atau teknik sampling adalah suatu cara mengambil sampel yang representatif dari populasi.

(10)

64

Populasi di dalam penelitian ini adalah orang yang minimal telah dua kali mengkonsumsi di Restoran Cahaya Lestari. Teknik pengambilan sampel yang digunakan adalah probability sampling dengan simple random sampling.

Probability sampling adalah teknik sampling untuk memberikan peluang yang

sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel dan

simple random sampling merupakan cara pengambilan sampel dari anggota

populasi dengan menggunakan acak tanpa memperhatikan strata (tingkatan) dalam anggota populasi tersebut (Riduwan dan Kuncoro, 2008, p41). Sedangkan teknik pengambilan sampelnya menggunakan pengambilan sampel apabila populasinya tidak diketahui secara pasti, digunakan teknik sampling kemudahan. Berdasarkan sampling kemudahan ini, peneliti menseleksi dengan menyaring kuesioner yang ada, apabila orang – orang tersebut yang ditujukan adalah Pelangan di Restoran Cahaya Lestari

Penelitian ini menggunakan rumus yang dikemukakan oleh Taro Yamane (Riduwan dan Kuncoro, 2007, p44) untuk menghitung ukuran sampel yang digunakan dalam penelitian ini.

N n = N.d2+ 1 Dimana : n = Jumlah Sampel N = Jumlah Populasi

(11)

Berdasarkan rumus tersebut diperoleh jumlah minimal sampel sebagai berikut : 130 n = 130 (0.05)2+ 1 n=98,11

Jadi jumlah sampel yang dibutuhkan dalam penelitian ini adalah sebanyak 98,11 dibulatkan menjadi 100

3.6 Metode Analisis

Setelah data dikumpulkan, maka uji validitas-reliabilitas, lalu dilakukan uji normalitas terhadap data yang ada. Setelah data dipastikan normal, valid, dan reliabel, maka dilakukan analisis dengan menggunakan teknik analisis seperti dapat dilihat pada Tabel 3.4 di bawah ini.

Tabel 3.4 Metode Analisis Data

Tujuan Penelitian

Metode Analisis

Jenis Penelitian Teknik Analisis

T-1 Asosiatif Path Analysis dan Pearson

Correlation

(12)

66

3.6.1 Uji Validitas

Uji validitas dilakukan berkenaan dengan ketepatan alat ukur terhadap konsep yang diukur sehingga benar-benar mengukur apa yang seharusnya diukur. Berkaitan dengan pengujian validitas instrument menurut Riduwan (2004, p109-110) menjelaskan bahwa validitas adalah suatu ukuran yang menunjukkan tingkat keandalan suatu alat ukur. Untuk menguji validitas alat ukur, terlebih dahulu dicari harga korelasi antara bagian-bagian dari alat ukur secara keseluruhan dengan cara mengkorelasikan setiap butir alat ukur dengan skor total yang merupakan jumlah tiap skor butir. Untuk menghitung validitas alat ukur yang digunakan rumus:

r hitung = n(Σ Xi Yi) – (Σ Xi).(Σ Yi)

√{n. Σ Xi2 – (Σ Xi)2 }.{n.Σ Yi2 – (Σ Yi)2 } Dimana:

r hitung = Koefisien korelasi

∑ Xi = Jumlah skor item

∑ Yi = Jumlah skor total

n = Jumlah responden

(13)

Dimana: t = Nilai t hitung

r = Koefisien korelasi hasil r hitung

n = Jumlah responden

Distribusi (Tabel t) untuk α = 0,05 dan derajad kebebasan (dk = n-2) Kaidah keputusan : Jika t hitung > t table berarti valid, sebaliknya

t hitung < t table berarti tidak valid

3.6.2 Uji Reliabilitas

Uji reliabilitas dilakukan untuk mendapatkan tingkat ketepatan (keterandalan atau keajegan) alat pengumpul data (instrument) yang digunakan. Uji reliabilitas instrument dilakukan dengan rumus alpha. Metode mencari reliabilitas internal yaitu menganalisis realibilitas alat ukur dari satu kali pengukuran, rumus yang digunakan adalah Alpha.

Langkah-langkah mencari nilai reliabilitas dengan metode Alpha sebagai berikut:

Langkah 1: Menghitung Varians skor tiap-tiap item dengan rumus:

Dimana:

Si = Varians skor tiap-tiap item

Σ Xi2 = Jumlah kuadrat item Xi

(ΣXi)2 = Jumlah item Si dikudratkan

(14)

68

Langkah 2: Kemudian menjumlahkan Varians semua item dengan

rumus:

Σ Si = S1 + S2 + S3……. Sn

Dimana:

Σ Si = Jumlah Varians semua item

S1 + S2 + S3……. Sn = Varians item ke- 1,2,3…….n

Langkah 3: Menghiting Varians total dengan rumus:

Dimana:

St = Varians total

ΣX t2 = Jumlah kuadrat X total

(Σ X t)2 = Jumlah X total dikuadratkan

Langkah 4: Masukkan nilai Alpha dengan rumus:

Dimana:

r11 = Nilai Reliabilitas

Σ Si = Jumlah varians skor tiap-tiap item

St = Varians total

(15)

Kemudian diuji dengan uji reliabilitas instrument dilakukan dengan rumus Korelasi Pearson Product Moment dengan teknik belah dua awal-akhir yaitu:

Harga r xy atau rb ini baru menunjukkan reabilitas setengah tes. Oleh

karenanya disebut r awal-akhir. Untuk mencari reabilitas seluruh tes digunakan rumus

Spearman Brown yakni:

Untuk mengetahui koefisien korelasinya signifikan atau tidak digunakan distribusi (Tabel r) untuk alpha 0,05 dengan derajad kebebasan (dk = n-2). Kemudian membuat keputusan membandingkan r11 dengan r tabel. Adapun kaidah keputusan: Jika r11 > r tabel berarti reliabel dan r 11 < r tabel berarti tidak reliabel.

3.6.3 Uji Normalitas

Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian kita berasal dari populasi yang sebarannya normal. Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran.

(16)

70

Uji normalitas dapat hitung dengan bantuan program SPSS 16.0, yaitu dengan langkah:

1. Pilih menu Analyze - Descriptive Statistics – Explore.

2. Masukkan variabel yang akan diuji sebarannya ke dalam kotak

Dependent List. Setelah itu kita klik tombol Plots, akan muncul dialog box

kedua seperti Gambar 3.1 di bawah ini.

Sumber : SPSS 16.0 for Windows

Gambar 3.1 Dialog Box dalam Uji Normalitas

3. Dalam dialog ini kita memilih opsi Normality plots with tests, kemudian klik Continue dan OK.

Untuk menganalisis hasil output tersebut, maka yang perlu diperhatikan adalah (Santoso, 2001, p87):

a) Output Deskriptif: jika ratio Skewness dan Kurtosis tidak melebihi angka 2, maka dapat dikatakan distribusi data adalah normal.

(17)

b) Output Tests of Normality: Dimana hasil Sig. > dari 0,05, maka dikatakan normal.

c) Grafik Normal Q-Q Plots: terdapat garis lurus dari kiri ke kanan atas. Garis ini berasal dari nilai Z. Jika suatu distribusi data normal, maka data akan tersebar disekeliling garis.

d) Grafik Detrended normal Q-Q Plots: dimana grafik ini menggambarkan selisih antara titik-titik dengan garis diagonal pada grafik sebelumnya. Jika data yang kita miliki mengikuti distribusi normal dengan sempurna, maka semua titik akan jatuh pada garis 0,0.

e) Output boxplot: bloxplot adalah kotak yang berwarna merah dengan garis horizontal di kotak tersebut. Jika garis hitam terletak persis ditengah

boxplot, maka distribusi data adalah normal.

3.6.4 Transformasi Data Ordinal Menjadi Data Interval

Jika data yang dikumpulkan memiliki skala ukur ordinal, maka data tersebut harus diubah (transformasi) menjadi data interval.

Mentransformasi data ordinal menjadi data interval berguna untuk memenuhi sebagian syarat analisis parametrik yang mana data setidaknya adalah data berskala interval. Teknik transformasi yang paling sederhana menggunakan MSI (Method of Successive Interval).

Langkah-langkah transformasi data ordinal menjadi interval adalah sebagai berikut (Riduwan dan Kuncoro, 2007, p30):

(18)

72

1. Perhatikan setiap butir jawaban responden dari kuesioner yang disebarkan. 2. Pada setiap butir ditentukan berapa orang yang mendapat skor 1, 2, 3, 4,

dan 5 yang disebut sebagai frekuensi.

3. Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut proporsi.

4. Menentukan nilai proporsi kumulatif dengan menjumlahkan nilai proporsi berurutan per kolom skor.

5. Menentukan nilai Z, dengan menggunakan tabel Distribusi Normal Baku (Riduwan dan Kuncoro 2007, p35), hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh.

6. Menentukan densitas, tentukan nilai tinggi densitas untuk setiap nilai Z yang diperoleh dengan menggunakan tabel Koordinat Kurva Normal Baku (Riduwan dan Kuncoro, 2007, p36).

7. Menentukan scale value (skala nilai) dengan menggunakan rumus: NS = (Density at Lower Limit) – (Density at Upper Limit)

(Area Below Upper limit) – (Area Below Lower Limit)

8. Tentukan nilai transformasi (skala akhir) dengan rumus: Y = NS + [ 1 + ( ) ]

3.6.5 Path Analysis

Berdasarkan Wicaksono (2006, p152), analisis jalur (path analysis) merupakan alat analisis yang digunakan untuk menelusuri pengaruh (baik

(19)

langsung maupun tidak langsung) variabel bebas (independen) terhadap variabel tergantung (dependen).

“Path analysis basically examines the direction of relationships through

the postulation of some theoretical relationship between variables and then a test to see if the direction of these relationships is substantiated by the data” (Salkind,

2009, p326). Sedangkan berdasarkan Riduwan dan Kuncoro (2007, p2), model

path analysis digunakan untuk menganalisis pola hubungan antar-variabel dengan

tujuan untuk mengetahui pengaruh langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen).

3.6.5.1 Prinsip-Prinsip Dasar Path Analysis

Berikut adalah Prinsip-prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur diantaranya ialah (Sarwono, 2007) :

• Adanya linearitas (Linearity). Hubungan antar variabel bersifat linear

• Adanya aditivitas (Additivity). Tidak ada efek-efek interaksi

• Data berskala interval. Semua variabel yang diobservasi mempunyai data berskala interval (scaled values). Jika data belum dalam bentuk skala interval, sebaiknya data diubah dengan menggunakan metode suksesive

interval (MSI) terlebih dahulu.

• Semua variabel residual (yang tidak diukur) tidak berkorelasi dengan salah satu variabel-variabel dalam model.

(20)

74

• Istilah gangguan (disturbance terms) atau variabel residual tidak boleh berkorelasi dengan semua variabel endogenous dalam model. Jika dilanggar, maka akan berakibat hasil regresi menjadi tidak tepat untuk mengestimasikan parameter-parameter jalur.

• Sebaiknya hanya terdapat multikoliniearitas yang rendah. Multikolinieritas maksudnya dua atau lebih variabel bebas (penyebab) mempunyai hubungan yang sangat tinggi. Jika terjadi hubungan yang tinggi maka kita akan mendapatkan standar error yang besar dari koefesien beta (b) yang digunakan untuk menghilangkan varians biasa dalam melakukan analisis korelasi secara parsial.

• Adanya recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali (looping).

• Spesifikasi model benar diperlukan untuk menginterpretasi koefesien-koefesien jalur. Kesalahan spesifikasi terjadi ketika variabel penyebab yang signifikan dikeluarkan dari model. Semua koefesien jalur akan merefleksikan kovarians bersama dengan semua variabel yang tidak diukur dan tidak akan dapat diinterpretasi secara tepat dalm kaitannya dengan akibat langsung dan tidak langsung.

• Terdapat masukan korelasi yang sesuai. Artinya jika kita menggunakan matriks korelasi sebagai masukan, maka korelasi Pearson digunakan untuk dua variabel berskala interval; korelasi polychoric untuk dua variabel berksala ordinal; tetrachoric untuk dua variabel dikotomi (berskala

(21)

nominal); polyserial untuk satu variabel interval dan lainnya ordinal; dan biserial untuk satu variabel berskala interval dan lainnya nominal.

• Terdapat ukuran sampel yang memadai. Jika dalam contoh ini hanya diberikan 30 sampel, maka sebaiknya untuk riset yang sebenarnya gunakan sample minimal 100 untuk memperoleh hasil analisis yang signifikan dan lebih akurat.

• Sampel sama dibutuhkan untuk pengitungan regresi dalam model jalur.

• Asumsi analisi jalur mengikuti asumsi umum regresi linear, yaitu:

1. Model regresi harus layak. Kelayakan ini diketahui jika angka signifikansi pada ANOVA sebesar < 0.05

2. Predictor yang digunakan sebagai variable bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation 3. Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T.

Koefesien regresi signifikan jika T hitung > T table (nilai kritis)

4. Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variable bebas.

5. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Dubin dan Watson sebesar < 1 dan > 3

3.6.5.2 Model dan Persamaan Struktural Path Analysis

Model struktural yaitu bila setiap variabel endogen (Y) secara unik keadaannya ditentukan oleh seperangkat variabel eksogen (X). Diagram jalur berikut menunjukkan struktur hubungan kausal antar variabel.

(22)

76

Gambar 3.2 Diagram Jalur

Sumber: Riduwan dan Kuncoro, 2007, p5 Persamaan struktural untuk diagram jalur yaitu:

Y = ρYX1 X1 + ρYX2 X2 + ρYX3 X3 + ε1

Z = ρZX1 X1 + ρZX3 X3 + ρZY Y + ε2

Keterangan:

ρ = koefisien jalur (path coefficient), yang menunjukkan pengaruh langsung variabel eksogen terhadap variabel endogen

ρZX1 ρZY ρZX3 ρYX3 ρYX2 ρYX1 r23 r13 r12

X

1

X

2

X

3

Y

Z

(23)

ε = faktor residual, yang menunjukkan pengaruh variabel lain yang tidak diteliti

atau kekeliruan pengukuran variabel

Kategori seberapa besar pengaruh variabel independen terhadap variabel dependen dalam Path Analysis dilihat dari nilai koefisien beta akan diuraikan pada Tabel 3.5 berikut ini:

Tabel 3.5 Kategori Pengaruh Variabel dalam Path Analysis

Nilai Koefisien Beta Kategori Pengaruh

0,05 – 0,09 Lemah

0,10 – 0,29 Sedang

>0,30 Kuat

Sumber: Riduwan dan Sunarto, 2007

3.6.6 Korelasi Pearson

Berdasarkan Sugiarto (2000, p269), koefisien korelasi Pearson digunakan untuk mengetahui tingkat (derajat) keeratan hubungan linier antara dua atau lebih variabel yang minimal berskala ukur interval. Bila variabel yang terlibat hanya dua, maka analisis korelasinya disebut korelasi sederhana. Bila variabel yang terlibat lebih dari dua, disebut analisis korelasi berganda.

Teknik korelasi Pearson Product Moment (PPM) termasuk teknik statistik parametrik yang menggunakan data interval dan ratio dengan persyaratan tertentu, misalnya data dipilih secara random, datanya berdistribusi normal, data yang

(24)

78

dihubungkan berpola linier, dan data yang dihubungkan mempunyai pasangan yang sama sesuai dengan subjek yang sama (Riduwan dan Kuncoro, 2007, p61).

Berdasarkan Supranto (2001, p201), koefisien korelasi Pearson dapat dihitung sebagai berikut:

Korelasi Pearson dilambangkan (r) dengan ketentuan r ≥ -1 dan r ≤ +1. Bila nilai r = -1, maka korelasinya negatif sempurna, sebaliknya, bila nilai r = +1, maka korelasinya positif sempurna. Sedangkan apabila nilai r = 0, maka artinya tidak ada korelasi. Arti harga r akan diperlihatkan pada Tabel 3.6 berikut.

Tabel 3.6 Arti Nilai r

Interval Koefisien Tingkat Hubungan

0,80 – 1,000 Sangat kuat

0,60 – 0,799 Kuat

0,40 – 0,599 Cukup kuat

0,20 – 0,399 Rendah

0,00 – 0,199 Sangat rendah

(25)

Besar kecilnya sumbangan variabel X terhadap variabel Y dapat ditentukan dengan rumus Koefisien Determinan sebagai berikut:

KP = r2 x 100%

di mana KP adalah nilai koefisien determinasi, dan r adalah nilai koefisien korelasi (Riduwan dan Kuncoro, 2007, p62).

3.7 Rancangan uji hipotesis

Uji hipotesis untuk identifikasi

• Untuk T-1 Hipotesis 1a

Ho:tidak ada pengaruh antara kualitas pelayanan terhadap kepuasan pelanggan

H1: ada pengaruh antara kualitas pelayanan terhadap kepuasan pelanggan

Hipotesis 1b

Ho: tidak ada pengaruh antara relationship marketing terhadap kepuasan pelanggan

H1: ada pengaruh antara relationship marketing terhadap kepuasan pelanggan

Hipotesis 1c

Ho : tidak ada pengaruh antara kepuasan pelanggan dan relationship marketing terhadap kepuasan pelanggan

(26)

80

H1: ada pengaruh antara kepuasan pelanggan dan relationship marketing terhadap kepuasan pelanggan

• Untuk T-2 Hipotesis 2a

Ho:tidak ada pengaruh antara kualitas pelayanan terhadap loyalitas konsumen

H1: ada pengaruh antara kualitas pelayanan terhadap loyalitas konsumen

Hipotesis 2b

Ho:tidak ada pengaruh antara relationship marketing terhadap loyalitas konsumen

H1: ada pengaruh antara relationship marketing terhadap loyalitas konsumen

Hipotesis 2c

Ho:tidak ada pengaruh antara kepuasan pelanggan terhadap loyalitas konsumen

H1 : ada pengaruh antara kepuasan pelanggan terhadap loyalitas konsumen

Hipotesis 2 d

Ho : tidak ada pengaruh antara kualitas pelayanan dan relationship marketing dan kepuasan pelanggan yang Terhadap loyalitas konsumen

H1 : tidak ada pengaruh antara kualitas pelayanan dan relationship marketing dan kepuasan pelanggan terhadap loyalitas konsumen