CUPLIKAN khusus PEMESANAN (RINCIAN) melalui

(1)

CUPLIKAN khusus PEMESANAN

(RINCIAN)

melalui Email:

JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN HASIL PENELITIAN, berlaku untuk keseluruhan konsep yang menggunakan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Panjang Alt, Sedang Alt, Pendek Alt, dan Lengkap Alt (Alt singkatan dari = Alternatif)] sebagaimana yang telah diprediksi/digambarkan sebelumnya dalam penyusunan PROPOSAL PENELITIAN, dan dalam Website ini dijawab secara sempurna dan detail: Cara/Proses/Hasil Perhitungan serta Tahap-tahap Perhitungan yang digunakan masing-masing, dan diperkuat oleh sejumlah files Bonus mengunakan program SPSS IBM Statistik Versi 21 for Windows dan untuk beberapa model perhitungan tertentu yang harus menggunakan Lotus 1-2-3 (Transition) dari Program Microsoft Office Excel 2003serta beberapa files Bonus lainya. Menggunakan semua Lampiran yang sama dengan Laporan HASIL PENELITIAN (Juga dikirim kepada Anda dalam bentuk files Document)

merupakan Lampiran Berformulasi yang di-Transfer dari HASIL PERHITUNGAN

menggunakan program EXCEL maupun program SPSS.

Persiapkanlah terlebih dahulu Lotus 1-2-3 (Transition) dari Program Microsoft Office Excel 2003 atau versi lainnya & Program SPSS IBM Statistik Versi 20-24 for Windows (atau Versi Terbaru) dalam komputer Anda sebelum memulai pemesanan melalui Email agar semua files yang dipesan dapat dibuka.

Apabila Anda melakukan Pemesanan files Secara Paket melalui Email. Sebagai misal

Anda memilih PAKET ISTIMEWA (…dimana Paket ini menampilkan 3 Versi Jurnal Hasil Penelitian menggunakan MODEL dengan KERANGKA PEMIKIRAN TEORITIS [Panjang Alt,

Sedang Alt & Pendek Alt], ini berarti ada/setidak-tidaknya sebanyak 3 Files Utama plus 10 files bonus atau Anda akan menerima melalui Email paling sedikit sebanyak 13 files yang dibayar dengan sejumlah Anggaran Tertentu (60 % lebih rendah/irit dari pemesanan paketan Tulisan Ilmiah/Karya Penelitian). Pengertian ke-4 paket yang dimaksud sebagai berikut:

PAKET ISTIMEWA: Jurnal Hasil Penelitian

Adalah 3 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Panjang Alt, Sedang Alt dan Pendek Alt plus 10 Bonus].

PAKET KHUSUS: Jurnal Hasil Penelitian

Adalah 2 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Sedang Alt dan Pendek Alt plus beberapa Bonus]

PAKET STANDAR: Jurnal Hasil Penelitian

Adalah 1 buah (sebuah) KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Panjang Alt, Sedang Alt atau Pendek Alt plus beberapa Bonus].

PAKET SUPER ISTIMEWA: Jurnal Hasil Penelitian

Adalah 1 Sets KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Panjang Alt atau Lengkap Alt plus 10 Files (Bonus) & Utama & 52 Bonus Tambahan].

(2)

Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian seperti:

MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt),

merupakan Model Penelitian dengan Proses Hitung maupun Analisis-nya yang Sempurna

File 174 04 Jurnal Hasil Penelitian 47h Keunggulan Bersaing PT MAYASARI BAKTI 2016 (Sedang Alt)

Atau 174 04 Analisis Faktor Yang Mempengaruhi Loyalitas Konsumen Dan Dampaknya

Terhadap Keunggulan Bersaing Jasa Angkutan PT Mayasari Bakti Untuk

Wilayah Jabodetabek.

Oleh AMRIZAL (lp3et.org dan amrizal.ina@gmail.com). PAKET (Jurnal Hasil Penelitian) STANDAR B-3:

Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian seperti:

(1 atau 2 Files PDF ini tidak dapat di-unduh sebelum Pemesanan PAKET/Jurnal STANDAR B-3 terjadi)

Bonus: 2 Files Microsoft Office Excel 97-2003 Worksheet/Lotus 1-2-3 (Transition)

Keunggulan Bersaing PT MAYASARI BAKTI 2016 (sebagai MASTER UTAMA)

yang disusun sedemikian rupa […berdasarkan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt) sebagaimana Bab II] yang didalamnya diperlihatkan proses hitung sebanyak {[(16+8)*(2) + 80] = 128 Hasil Estmasi (Unstandardized Coefficients: Model Regresi I s/d III (tanpa adanya zresid Histogram & Pembentukan Kurva Normal Model Regresi IV) dan hasil estimasi Metode Path Analysis (Standardized Coefficients)} serta sebanyak [(45-8) = 37 Lampiran Olahan “Ber Formulasi”] yang merupakan transfer dari Excel/Lotus 1-2-3 (Transition) dari Program Microsoft Office Excel 2003]. Hasil perhitungan ini dikelompokan kedalam 2 Hasil Perhitungan Empiris “Data Dengan Kategori Jumlah I & II” (selanjutnya dapat dilihat dalam Bab IV & Lampiran) yang

diperinci/disusun dalam berbagai bentuk Files sbb:

Files Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CH 576 (Petunjuk Lotus) Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE 576 (Excel 45 Lampiran ) Doc3 LAMPIRAN Berformulasi 43h Transfer dari Excel 45 Lamp dan 8 Lampiran Survey NEW

Pengguna/pemesan dimulai dari S-1 keatas, dengan disiplin/kosentrasi keilmuan: Ilmu Ekonomi, Manajemen, Transportasi, dan Logistik, sedangkan Tingkat Kemahiran

mengolah/mengikuti perhitungan EXCEL/SPSS “Ber Formulasi” diharapkan Setara S-2

keatas dengan disiplin/kosentrasi (keilmuan) yang sama. Harga satu PAKET (Jurnal Hasil Penelitian) STANDAR B-3 plus semua bonus “Proses Hitung/Cara Menghitung/Hasil

(3)

Berdasarkan Lembaran Informasi: 000 Daftar Tulisan Ilmiah Amrizal, terdapat

sebanyak 47 Paket/Jurnal Hasil Penelitian (atau sebanyak 141 Files) yang terdiri dari sejumlah 47 [= 9 Paket (Jurnal Hasil Penelitian) Istimewa + 8 Paket (Jurnal Hasil Penelitian) Khusus + 26 Paket (Jurnal Hasil Penelitian) Standar] Plus 4 Paket (Jurnal

Hasil Penelitian) Super Istimewa tentang PENELITIAN SURVEY Dibidang

MANAJEMEN TRANSPORTASI yang dapat dipesan melalui EMAIL. Kesemua files ini dikembangkan sebagai MODEL dengan KERANGKA PEMIKIRAN TEORITIS [Panjang Alt, Sedang Alt, Pendek Alt, dan Lengkap Alt (Alt singkatan dari = Alternatif)] dari 9 buah Laporan HASIL PENELITIAN Terdahulu yang dibuat/disusun (Direvisi/Dikaji Ulang STMT-TRISAKTI a/n LP3ET, Tahun 2018) menggunakan Data Hasil Survey

dalam rentang tahun 2014 s/d 2018. LP3ET adalah singkatan dari LEMBAGA

PENELITIAN, PENGKAJIAN & PERUMUSAN EKONOMI TERAPAN, yang

merupakan situs/web resmi Amrizal (memuat keseluruhan Tulisan Ilmiah Amrizal) dengan nama LP3ET.org (Secara Sederhana: dapat dibuka/diakses dalam bentuk

https://lp3et.org atau dengan melalui/ memasukan nama website lp3et.org kedalam Google atau Google Chrome) menggunakan berbagai jenis Komputer maupun Handphone.

Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian maka saudara dapat menjadikan PAKET (Jurnal Hasil Penelitian) STANDAR B-3 dengan formasi sebagaimana yang dicantumkan diatas, yang meliputi 1 Files Utama dan 3 Files Bonus maka saudara dapat memesan melaui EMAIL dengan cara sebagai berikut:

Cara Memesai melalui EMAIL sbb:

Sebagaimana yang dapat lihat pada lembaran PAKET (Jurnal Hasil Penelitian)

STANDAR B-3 dihargai sebesar Rp 920.000,- (sembilan ratus dua puluh ribu rupiah). Kirim ke No. Rekening: 0562343197 Bank BNI Syariah a/n Amrizal. Sebagai contoh isi berita yang perlu dibuat pada Rekening dan Email: amrizal.ina@gmail.com adalah sebagai berikut:

Ke Rekening: Pesan satu PAKET STANDAR B-3 (Jurnal Hasil Penelitian) a/n Winardi

Ke Email : Pesan satu PAKET STANDAR B-3 (Jurnal Hasil Penelitian) a/n Winardi (Jakarta Timur)

(4)

049 PAKET (Jurnal Hasil Penelitian) STANDAR B-3

Apabila Saudara ingin membuat sebuah (satu) Versi Jurnal Hasil Penelitian seperti:

Kode Dan Nama Karya Penelitian: 174 04

[Doc3 LAMPIRAN Berformulasi 43h Transfer dari Excel 45 Lamp dan 8 Lampiran Survey] Penulis : Amrizal (lp3et.org/amrizal.ina@gmail.com)

Jenis file : pdf

Harga/Paket : Rp 920.000,- (sembilan ratus dua puluh ribu rupiah).

3 Bonus Utama MAYASARI BAKTI 2016 Secara Detail sbb:

Files Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CH 576 (Petunjuk Lotus)

Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE 576 (Excel 45 Lampiran ) Doc3 LAMPIRAN Berformulasi 43h Transfer dari Excel 45 Lamp dan 8 Lampiran Survey NEW

Jumlah & Files yang akan dikirim melalui Email sbb:

c0 049 1 Versi Jurnal Hasil Penelitian PAKET STANDAR B-3 Keunggulan Bersaing PT MAYASARI BAKTI 2016 (Sedang Alt) c0 049 PAKET (Jurnal Hasil Penelitian) STANDAR B-3

c1 k3174 04 Jurnal HASIL PENELITIAN 47h Keunggulan Bersaing PT MAYASARI BAKTI 2016 (Sedang Alt) c2 k2174 04 Analisis Faktor Yg Mempengaruhi Loy Kon Dan Dampaknya Thd Keunggulan Bersaing Jasa Angk Mayasari Bakti d1 Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CH 576 (Petunjuk Lotus) d2 Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE 576 (Excel 45 Lampiran ) d3 Doc3 LAMPIRAN Berformulasi 43h Transfer dari Excel 45 Lamp dan 8 Lampiran Survey

d4 D2 MODEL & KERANGKA TEORI 55h Keunggulan Bersaing PT MAYASARI BAKTI (Sedang Alt)

(5)

Analisis Paling Menonjol Yang Tidak Dimiliki Oleh Penelitian

Lain Selama Ini (merupakan

”sebuah metode penelitian baru”

)

 Metode Analisa Jalur Ganda (Double Path Analysis’ Method)

 Terdapat sebanyak 8 buah Model Regresi I (Unstandardized Coefficients [4 buah Model Fungsional Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah Model Fungsional Keunggulan Bersaing (….Fungsi

Estapet)]. Atau secara total untuk dua konsep perhitungan terdapat sebanyak 16

buah Model Regresi Linear Berganda (Multiple Regression) atau hasil estimasi yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

 Melibatkan sebanyak 8 buah Model Regresi II (Unstandardized Coefficients [Model Regresi Linear Berganda (Multiple Regression)]

masing-masing kelompok Indikator maupun Dimensi terhadap Variabel

Dependennya. Atau secara total untuk dua konsep perhitungan terdapat sebanyak 16 buah Model Regresi Linear Berganda (Multiple Regression) atau hasil estimasi yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

 Simple Regression (Unstandardized Coefficients 40 Indikator maupun Dimensi terhadap masing-masing Variabel Dependennya. Atau secara total untuk dua konsep perhitungan terdapat sebanyak 80 buah Model Regresi Linear Sederhana (Simple Regression), yaitu hasil estimasi linier sederhana yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

 Terdapat sebanyak 8 buah Model Regresi atau hasil estimasi Metode Path Analysis (Standardized Coefficients) [4 buah hasil estimasi Path Analysis Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah hasil estimasi Path Analysis Keunggulan Bersaing (….Fungsi Estapet)] Atau secara total untuk dua konsep perhitungan terdapat sebanyak 16 buah Model Regresi atau hasil estimasi Metode Path Analysis (Standardized Coefficients)

yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II)..

 MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Sedang

Alt] tidak menggunakan Model Regresi IV (zresid Histogram Pembentukan Kurva Normal). Prediksi Bentuk Perwajahan apabila menjadi sebuah Hasil Penelitian/Jurnal yang mesti dibuat adalah 3 bentuk model fungsional hasil estimasi (Unstandardized Coefficients): Model Regresi I, II, dan III serta Model fungsional Metode Path Analysis (Standardized Coefficients).

(6)

Deskripsi singkat:

Model penelitian pada jasa angkutan MAYASARI BAKTI diistilahkan sebagai

MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Sedang Alt] oleh

karena tidak menggunakan Model Regresi IV (zresid Histogram Pembentukan Kurva Normal). Prediksi Bentuk Perwajahan apabila menjadi sebuah Hasil Penelitian/Jurnal

yang mesti dibuat adalah 3 bentuk model fungsional hasil estimasi (Unstandardized Coefficients): Model Regresi I, II, dan III serta Model fungsional Metode Path Analysis (Standardized Coefficients) yang melibatkan Indikator/Dimensi dari 8

Variabelnya (Artinya sebanyak 40 Indikator/Dimensi tidak disembunyikan). MODEL

PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Sedang Alt] merupakan

model penelitian dengan analisis-nya yang cukup sempurna, penggunaan program SPSS

IBM Statistik Versi 21 for Windows terbatas hanya untuk Model-model tertentu saja seperti model fungsional hasil estimasi (Unstandardized Coefficients): Model Regresi I, serta Model fungsional Metode Path Analysis (Standardized Coefficients) dan untuk beberapa model/proses perhitungan tertentu harus menggunakan Lotus 1-2-3 (Transition) yang berasal dari Program Microsoft

Office Excel 2003.

Metode penelitian yang digunakan pada Model penelitian pada jasa angkutan MAYASARI BAKTI adalah Metode Analisa Jalur Ganda (Double Path Analysis’ Method) yang merupakan ”sebuah metode penelitian baru” yang merupakan sepasang Part Analysis Method gabungan antara Model fungsional klasik Loyalitas Konsumen (sebagai fungsi Semula) dengan Model fungsional Keunggulan Bersaing (sebagai fungsi estapet). Hasil Perhitungan Empiris dari Metode Analisa Jalur Ganda (Double Path Analysis’ Method) didapatkan dari menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

Yang dimaksud dengan Data Dengan Kategori (Jumlah ke I) merupakan data ”hasil survey” berbentuk skala lima (sangat setuju, setuju, netral, tidak setuju dan

sangat tidak setuju) dengan skor 5, 4, 3, 2, dan 1 (Data 5 observasi) dengan asumsi Data

skala pengukuran Netral bernilai Nol. Sedangkan Data Dengan Kategori (Jumlah ke II) merupakan data olahan yang disusun dari seluruh Data Dengan Kategori (Jumlah ke I) sebagai data ”hasil survey” menjadi ”Data 6 Observasi” dengan asumsi yang sama bahwa Data dengan skala pengukuran Netral, diasumsi bernilai Nol, sehingga Data Observasi ke 6 merupakan Jumlah (atau Nilai Total) dari data ”hasil survey” tersebut [Artinya, dalam penelitian ini menggunakan 25 Indikator/Dimensi (dikalikan dengan jumlah sampel sebanyak 5 sampai dengan 10 kali dari jumlah indikator yang digunakan dalam seluruh variabel laten), maka jumlah sampel minimal yang harus digunakan adalah 150 (yaitu 6 dikali 25). Dengan demikian jumlah sampel minimal untuk penelitian ini sebanyak 150 responden. yang merupakan penumpang (pelanggan) yang telah lebih 3 kali menggunakan jasa angkutan MAYASARI BAKTI. Tanpa terkecuali, baik model maupun metode penelitian secara keselutuhan dilengkapi dengan berbagai Uji Statistik seperti: (1) Uji Validitas dan Reliabiitas termasuk menentukan nilai Cronbach Alpha, (2) Uji Asumsi Klasik (Uji Normalitas, Uji Multikolinearitas & Uji Heteroskedastisitas) serta

(7)

Pengujian Hipotesis [(Uji Statistik t, Uji Statistik F, Uji D-W, Koefisien Determinasi (R2) dan sejenisnya.

Secara lebih terinci […berdasarkan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt) sebagaimana Bab II] peralatan analisa maupun proses perhitungan pada umumnya menggunakan Model Regresi Linier Berganda (multiples regression). Untuk bentuk fungsional model hasil estimasi

(Unstandardized Coefficients) saja terdapat sebanyak 8 buah Model Regresi I [4 buah Model Fungsional Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah Model Fungsional Keunggulan Bersaing (….Fungsi Estapet)], sebanyak 8 buah Model Regresi II (atau secara total sebanyak 16 buah Model Regresi I & II), sebanyak 40 buah Model Regresi III (Simple Regression) dan sebanyak 8 buah bentuk fungsional model hasil

estimasi Metode Path Analysis (Standardized Coefficients) [4 buah Model

Fungsional Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah Model Fungsional

Keunggulan Bersaing (….Fungsi Estapet)] dan tidak menggunakan Model Regresi IV

(zresid Histogram Pembentukan Kurva Normal).

Terkutip: Secara matematis semua bentuk fungsional/proses perhitungan model hasil estimasi pada penelitian jasa angkutan MAYASARI BAKTI (sebagai MASTER

UTAMA) yang disusun sedemikian rupa […berdasarkan MODEL PENELITIAN dengan

KERANGKA PEMIKIRAN TEORITIS (Sedang Alt) sebagaimana terlihat pada Bab II]

yang didalamnya diperlihatkan proses hitung sebanyak {[(16+8)*(2) + 80] = 128 Hasil Estmasi (Unstandardized Coefficients: Model Regresi I s/d III (tanpa adanya zresid Histogram & Pembentukan Kurva Normal Model Regresi IV)} serta sebanyak [(45-8) = 37 Lampiran Olahan “Ber Formulasi”] yang merupakan transfer dari Excel/Lotus 1-2-3

(Transition) dari Program Microsoft Office Excel 2003]. Hasil perhitungan ini dikelompokan kedalam 2 Hasil Perhitungan Empiris “Data Dengan Kategori Jumlah I & II” (selanjutnya dapat dilihat dalam Bab IV & Lampiran).

2.8 Kerangka Pemikiran Teoritis Dan Pembentukan Model Empirik

Secara teori penelitian ini menggunakan Metode Analisa Jalur Ganda (Double Part Analysis’ Method) yang dilengkapi dengan berbagai Uji Statistik, peralatan analisa maupun perhitungan pada umumnya menggunakan Model Regresi Linier Berganda (multiples regression) untuk semua bentuk model fungsional hasil estimasi (Unstandardized Coefficients: Model Regresi I, Model Regresi II, Model Regresi III (Simple Regression) dan Model Regresi IV (zresid Histogram Pembentukan Kurva Normal) maupun Model

fungsional hasil estimasi Metode Path Analysis (Standardized Coefficients) yang

(8)

Metode Analisa Jalur Ganda (Double Part Analysis’ Method) merupakan sepasang Part Analysis Method gabungan antara Model fungsional klasik Loyalitas

Konsumen (sebagai fungsi Semula) dengan Model fungsional Keunggulan Bersaing

(sebagai fungsi estapet). Hasil Perhitungan Empiris dari Metode Analisa Jalur Ganda (Double Part Analysis’ Method) didapatkan dari menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

skala pengukuran Netral bernilai Nol. Sedangkan Data Dengan Kategori (Jumlah ke II) merupakan data olahan yang disusun dari seluruh Data Dengan Kategori (Jumlah ke I) sebagai data ”hasil survey” menjadi ”Data 6 Observasi” dengan asumsi yang sama bahwa Data dengan skala pengukuran Netral, diasumsi bernilai Nol, sehingga Data Observasi ke 6 merupakan Jumlah (atau Nilai Total) dari data ”hasil survey” tersebut.

Baik data hasil survey (data 5 observasi) maupun data olahan (data 6 observasi)

dalam penelitian ini digunakan untuk menganalisis semua indikator dari Variabel: Kualitas Pelayanan (X1), Harga Tiket (X2), Kepuasan Konsumen (Y1), Loyalitas Konsumen (Y2) dan Keunggulan Bersaing (Y3), termasuk Dimensi Rata-rata Kualitas Pelayanan (X1v), Dimensi Rata-rata Harga Tiket (X2v) dan Dimensi Rata-rata Keunggulan Bersaing (Y3v) yang murni merupakan “Data Olahan” dari semua indikator berbagai variabel tersebut dipergunakan dalam berbagai Uji Statistik maupun peralatan analisa berbagai bentuk Model Empiris

sesuai kebutuhan penelitian.

Semua data yang akan digunakan dalam penelitian ini adalah data utama yang dipergunakan dalam semua proses perhitungan (lihat lampiran 13 s/d 20), yang dihitung “secara otomatis sesuai dengan formulasinya” sendiri-sendiri “menggunakan Microsoft Office Excel 2003” dan disusun/dihitung dengan tingkat kesalahan yang sangat kecil sekali (mendekati Nol). Setelah ditransfer ke Microsoft Office Word 2003 (dimana formulasinya pada setiap sel tidak terlihat lagi). Untuk mengetahui keterikatan Pengembangan Model dan pengaruh antar variabel dapat dijelaskan pada kerangka pemikiran berikut:

(9)

e1 X1.1 e2 X1.2 e3 X1.3 e4 X1.4 e5 X1.5 e6 X1.6 e7 X1.7 e8 X1.8 e9 X1.9 e10 X1.10 e11 X1.11 e12 X1.12 e13 X1.13

Gambar 2.1: Model Konseptual dan Hubungan Fungsional Antar Inter Variable Path Analysis Method, KERANGKA PEMIKIRAN TEORITIS

j1 X1v.1 j2 X1v.2 j3 X1v.3 j4 X1v.4 j5 X1v.5 k1 Y3.1 k2 Y3.2 k3 Y3.3 k4 Y3.4 l1 Y3v.1 l2 Y3v.2 l3 Y3v.3 g1 Y1.1 g2 Y1.2 g3 _Y_1.3 h1 Y2.1 h2 Y2.2 h3 Y2.3 h4 Y2.4 h5 Y2.5 f1 X2.1 f2 X2.2 f3 X2.3 f4 X2.4 i1 X2v.1 i2 X2v.2 i3 X2v.3 HX1: r 2 X1.i > 0.6 ALPHA CRONBACH > 0.6 Harga Tiket (X2) Kualitas Pelayanan (X1) Kepuasan Konsumen (Y1) Loyalitas Konsumen (Y2) HY2:r 2Y2.i >0.6 ALPHA CRONBACH > 0.6 HY1:r 2Y1.i > 0.6 ALPHA CRONBACH > 0.6

KERANGKA PEMIKIRAN TEORITIS

 r 2(Y1) > 0.6   r 2(Xi ,Y1) > 0.6 r 2(Xi ) > 0.6 R SquareChange= R2 F Change = Fuji Test Durbin-Watson Test R SquareChange= R2 F Change = Fuji Test Durbin-Watson Test

R SquareChange= R2 F Change = Fuji Test Durbin-Watson Test H4: Coeff. Reg c1 > 0 H5: Coeff. Reg c2 > 0 H1: Coeff. Reg a1 > 0 H1: r 2 X1>0 H2: Coeff. Reg a2 > 0 H 3_: Co e ff. Re g c 3 > 0   r 2_(Y 1 ,Xi) > 0.6 HY2i:r 2Y2i >0.6 ALPHA CRONBACH > 0.6 HX2:r 2X2.i > 0.6 ALPHA CRONBACH > 0.6 Keunggulan Bersaing (Y3) HY3:r 2Y3.i > 0.6 ALPHA CRONBACH > 0.6 HX1v:r 2 X1v.i > 0.6 ALPHA CRONBACH > 0.6 R SquareChange= R2 F Change = Fuji Test Durbin-Watson Test Dimensi Kualitas Pelayanan (X1v) Y1 = Intevening Variable HY3v:r 2Y3v.i > 0.6 ALPHA CRONBACH > 0.6 Dimensi Keunggulan Bersaing (Y3v) R SquareChange = R2

F Change= Fuji Test Durbin-Watson Test

HX2v:r 2X2v.i > 0.6 ALPHA CRONBACH > 0.6

Y3v = Intevening Variable R SquareChange = R2

Path Analysis Method Keunggulan Bersaing (….fungsi estapet):

Y3 = 1 Y1 + 2Y2 Y3 Calc = 1 Y1 + 2Y2 + 3Y3v

Path Analysis MethodLoyalitas Konsumen (…..fungsi Semula):

Y1 = 1X1 + 2 X2 Y2 = 1X1 + 2 X2 + 1Y1 Dimensi Harga Tiket (X2v) R SquareChange = R2

Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI

Y3v.2. Mampu Menciptakan Inovasi Produk Jasa

Y3v.3. Meningkatkan Promosi MAYASARI BAKTI

R SquareChange = R2

Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula):

Y1 = a0 + a1 X1 + a2X2 + E1

Y2 = b0 + b1 Y1 Calc + E2

Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 + E3

Y2 Calc = d0 + d1 X1 + d2X2 + d3Y1 + E4

Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI

Y3v.2. Mampu Menciptakan Inovasi Produk Jasa

Y3v.3. Meningkatkan Promosi MAYASARI BAKTI

H1: Coeff. Reg 1 > 0 H1: r 2 X1>0 r 2(Yi ) > 0.6  r 2_(Y_{3v ,}_Y_{i) > 0.6}  r 2_(Y 3v) > 0.6  r 2_(Y_{i ,}_Y_{3v) > 0.6} H4: Coeff. Reg1 > 0 H2: Coeff. Reg2 > 0 H3: Coeff. Reg3 > 0 H5: Coeff. Reg2 > 0

(10)

Unstandardized Coefficients:

Model Regresi I :

Model Fungsional Loyalitas Konsumen (…..fungsi Semula): Y1 = a0 + a1 X1 + a2X2 + E1

Y2 = b0 + b1 Y1 Calc + E2

Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 + E3 Y2 Calc = d0 + d1 X1 + d2X2 + d3Y1 + E4

Model Fungsional Keunggulan Bersaing (….fungsi estapet):

Y3v = 0 + 1 Y1 + 2Y2 + 1

Y3 = 0 + 1 Y3v Calc + 2

Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v + 3

Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2 + 4

Model Regresi II:

X1 = e0 + e1 X1.1 + e2 X1.2 + e3 X1.3 + e4 X1.4 + e5 X1.5 + e6 X1.6 + e7 X1.7 + e8 X1.8 + e9 X1.9 + e10 X1.10 + e11 X1.11 + e12 X1.12 + e13 X1.13 + e5 X2 = f0 + f1 X2.1 + f2 X2.2 + f3 X2.3 + f4 X2.4 + e6 Y1 = g0 + g1 Y1.1 + g2 Y1.2 + g3 Y1.3 + e7 Y2 = h0 + h1 Y2.1 + h2 Y2.2 + h3 Y2.3 + h4 Y2.4 + h5 Y2.5 + e8 X2v = i0 + i1 X2v.1 + i2 X2v.2 + i3 X2v.3 + e9 X1v = j0 + j1 X1v.1 + j2 X1v.2 + j3 X1v.3 + j4 X1v.4 + j5 X1v.5 + e10 Y3 = k0 + k1Y3.1 + k2 Y3.2 + k3 Y3.3 + k4 Y3.4 + e11 Y3v = l0 + l1Y3v..1 + l2 Y3v.2 + l3 Y3v..3 + e12 Model Regresi III:

Simple Regression beberapa Indikator maupun Dimensi dari berbagai Variabel terkait masing-masing terhadap Variabel dependennya serta Nilai Faktor Koreksi Butiran sebagai berikut:

1. Variabel Kualitas Pelayanan (X1)

No. Indikator dari Variabel Kualitas Pelayanan: Bentuk Fungsi: FK X1.i > 0.6 (Valid), FK X1.i < 0.6 (Drop)

1.X1.1. Peralatan Armada Bus PT Mayasari Bakti X1 = a0 + a1 X1.1 ; HX1.1 :Faktor Koreksi X1.1 > 0.6

2.X1.2. Perlengkapan Armada Bus PT Mayasari Bakti X1 = b0 + b1 X1.2 ; HX1.2 :Faktor Koreksi X1.2 > 0.6

3.X1.3. Kenyamanan Ruangan X1 = c0 + c1 X1.3 ; HX1.3 :Faktor Koreksi X1.3 > 0.6

4.X1.4. Penampilan Petugas X1 = d0 + d1 X1.4 ; HX1.4 :Faktor Koreksi X1.4 > 0.6

5.X1.5. Kejujuran Dalam Memberikan Keterangan X1 = e0 + e1 X1.5 ; HX1.5 :Faktor Koreksi X1.5 > 0.6

6.X1.6. Keramahan X1 = f0 + f1 X1.6 ; HX1.6 :Faktor Koreksi X1.6 > 0.6

7.X1.7. Kecepatan Pelayanan X1 = g0 + g1 X1.7 ; HX1.7 :Faktor Koreksi X1.7 > 0.6

8.X1.8. Kemampuan Menanggapi Keluhan X1 = h0 + h1 X1.8 ; HX1.8 :Faktor Koreksi X1.8 > 0.6

9.X1.9. Kemudahan Prosedur X1 = i0 + i1 X1.9 ; HX1.9 :Faktor Koreksi X1.9 > 0.6

10. X1.10. Mampu Berkomunikasi X1 = j0 + j1 X1.10 ; HX1.10 :Faktor Koreksi X1.10 > 0.6

11. X1.11. Informasi Yang Akurat X1 = k0 + k1 X1.11 ; HX1.11 :Faktor Koreksi X1.11 > 0.6

12. X1.12. Pemahaman Kebutuhan Konsumen X1 = l0 + l1 X1.12 ; HX1.12 :Faktor Koreksi X1.12 > 0.6

(11)

2. Variabel Harga Tiket(X2)

No. Indikator dari Variabel Harga Tiket: Bentuk Fungsi: FK X2.i > 0.6 (Valid), FK X2.i < 0.6 (Drop)

1. X2.1. Keterjangkauan Harga Tiket X2 = n0 + n1 X2.1 ; HX2.1 :Faktor Koreksi X2.1 > 0.6

2. X2.2. Kesesuaian Tarif Dengan Manfaat X2 = o0 + o1 X2.2 ; HX2.2 :Faktor Koreksi X2.2 > 0.6

3. X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = p0 + p1 X2.3 ; HX2.3 :Faktor Koreksi X2.3 > 0.6

4. X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = q0 + q1 X2.4 ; HX2.4 :Faktor Koreksi X2.4 > 0.6

3. Variabel Kepuasan Konsumen (Y1)

No. Indikator dari Variabel Kepuasan Konsumen: Bentuk Fungsi: FK Y1.i > 0.6 (Valid), FK Y1.i < 0.6 (Drop)

1.Y1.1. Kepuasan akan produk yang ditawarkan Y1 = r0 + r1 Y1.1 ; HY1.1 :Faktor Koreksi Y1.1 > 0.6

2.Y1.2. Sesuai dengan yang diharapkan Y1 = s0 + s1 Y1.2 ; HY1.2 :Faktor Koreksi Y1.2 > 0.6

3.Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = t0 + t1 Y1.3 ; HY1.3 :Faktor Koreksi Y1.3 > 0.6

4. Variabel Loyalitas Konsumen (Y2)

No. Indikator dari Variabel Loyalitas Konsumen: Bentuk Fungsi: FK Y2.i > 0.6 (Valid), FK Y2.i < 0.6 (Drop)

1.Y2.1. Armada Bus PT Mayasari Bakti Yang Bagus Y2 = u0 + u1 Y2.1 ; HY2.1 :Faktor Koreksi Y2.1 > 0.6

2.Y2.2. Kenikmatan Merasakan Layanan Y2 = v0 + v1 Y2.2 ; HY2.2 :Faktor Koreksi Y2.2 > 0.6

3.Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = w0 + w1 Y2.3 ; HY2.3 :Faktor Koreksi Y2.3 > 0.6

4.Y2.4. Pengalaman Masa Lalu Y2 = x0 + x1 Y2.4 ; HY2.4 :Faktor Koreksi Y2.4 > 0.6

5.Y2.5. Pengalaman Teman-teman Y2 = y0 + y1 Y2.5 ; HY2.5 :Faktor Koreksi Y2.5 > 0.6

5. Dimensi Rata-rata Harga Tiket (X2v)

No. Dimensi Rata-rata Harga Tiket: Bentuk Fungsi: FK X2v.i > 0.6 (Valid), FK X2v.i < 0.6 (Drop)

1.X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = k0 + k1 X2v.1 ; HX2v.1 :Faktor Koreksi X2v.1 > 0.6

2.X2v.2. Kesesuaianharga dengan pelayanan yang diterima X2v = l0 + l1 X2v.2 ; HX2v.2 :Faktor Koreksi X2v.2 > 0.6

3.X2v.3. KesesuaianHarga dengan fasilitas X2v = m0 + m1 X2v.3 ; HX2v.3 :Faktor Koreksi X2v.3 > 0.6

6. Dimensi Rata-rata Kualitas Pelayanan (X1v)

No. Dimensi Rata-rata Kualitas Pelayanan: Bentuk Fungsi: FK X1v.i > 0.6 (Valid), FK X1v.i < 0.6 (Drop)

1.X1v.1. Bukti fisik (tangible) X1v = n0 + n1 X1v.1 ; HX1v.1 :Faktor Koreksi X1v.1 > 0.6

2.X1v.2. Keandalan (reliability) X1v = o0 + o1 X1v.2 ; HX1v.2 :Faktor Koreksi X1v.2 > 0.6

3.X1v.3. Daya tanggap (responsiveness) X1v = p0 + p1 X1v.3 ; HX1v.3 :Faktor Koreksi X1v.3 > 0.6

4.X1v.4. Jaminan (assurance) X1v = q0 + q1 X1v.4 ; HX1v.4 :Faktor Koreksi X1v.4 > 0.6

5.X1v.5. Perhatian (empathy) X1v = r0 + r1 X1v.5 ; HX1v.5 :Faktor Koreksi X1v.5 > 0.6

7. Variabel Keunggulan Bersaing (Y3)

No. Indikator dari Keunggulan Bersaing: Bentuk Fungsi: FK Y3.i > 0.6 (Valid), FK Y3.i < 0.6 (Drop)

1.Y3.1. Kemampuan Bersaing Y3 = s0 + s1 Y3.1 ; HY3.1 :Faktor Koreksi Y3.1 > 0.6

2.Y3.2. Dikenal Luas Y3 = t0 + t1 Y3.2 ; HY3.2 :Faktor Koreksi Y3.2 > 0.6

3.Y3.3. Peningkatan Sumber Dana Y3 = u0 + u1 Y3.3 ; HY3.3 :Faktor Koreksi Y3.3 > 0.6

4.Y3.4. Keunggulan Tekhnologi Y3 = v0 + v1 Y3.3 ; HY3.4 :Faktor Koreksi Y3.4 > 0.6

8. Dimensi Rata-rata Keunggulan Bersaing (Y3v)

No. Dimensi Keunggulan Bersaing: Bentuk Fungsi: FK Y3v.i > 0.6 (Valid), FK Y3v.i < 0.6 (Drop)

1.Y3v.1. Memperluas Trayek Bus PT Mayasari Bakti Y3v = w0 + w1 Y3v.1 ; HY3v.1 :Faktor Koreksi Y3v.1 > 0.6

2.Y3v.2. Mampu Menciptakan Inovasi Produk Jasa Y3v = x0 + x1 Y3.v2 ; HY3v.2 :Faktor Koreksi Y3v.2 > 0.6

3.Y3v.3. Senantiasa Meningkatkan Promosi Bus PT Mayasari Bakti Y3v = y0 + y1 Y3v.3 ; HY3v3 :Faktor Koreksi Y3v.3 > 0.6

Metode Path Analysis

Standardized Coefficients: Model Fungsional Loyalitas Konsumen

Y1 = 1X1 + 2 X2 Y2 = 1X1 + 2 X2 + 1Y1 dimana:

Y1 = Kepuasan Konsumen

(12)

X1 = Kualitas Pelayanan

X2 = Harga Tiket

1 = Koefisien regresi variabel Kualitas Pelayanan

2 = Koefisien regresi variabel Harga Tiket

1 = Koefisien regresi intervening variabel kepuasan konsumen

Model Fungsional Keunggulan Bersaing (….fungsi estapet)

Y3 = 1 Y1 + 2Y2

Y3 Calc = 1 Y1 + 2Y2 + 3Y3v

dimana:

Y3 = Y3u = Keunggulan Bersaing Y1 = Y1u = Kepuasan Konsumen Y2 = Y2u = Loyalitas Konsumen

Y3v = Dimensi Rata-rata Keunggulan Bersaing

1 = Koefisien regresi variabel Kepuasan Konsumen 2 = Koefisien regresi variabel Loyalitas Konsumen

3 = Koefisien regresiintervening Dimensi Rata-rata Keunggulan Bersaing

2.9 Dimensional Variabel (Hubungan Antara Variabel dengan Dimensi)

Model penelitian menunjukkan ada 4 variabel utama ”Metode Path Analysis” yang memiliki sebanyak 5 (Lima) hipotesis, yaitu:

H1:r 2 X1 > 0 Bahwa variabel kualitas pelayanan (X1) mempunyai pengaruh langsung positif terhadap variabel kepuasan konsumen (Y1) jasa transportasi PT MAYASARI BAKTI.

H2:r 2 X2 > 0 Bahwa variabel harga tiket (X2) mempunyai pengaruh langsung positif terhadap variabel kepuasan konsumen (Y1) jasa transportasi PT MAYASARI BAKTI.

H3:r 2 Y1 > 0 Bahwa variabel kepuasan konsumen (Y1) mempunyai pengaruh langsung positif terhadap variabel loyalitas konsumen (Y2) jasa transportasi PT MAYASARI BAKTI.

H4:r 2 X1 > 0 Bahwa variabel kualitas pelayanan (X1) mempunyai pengaruh tidak langsung positif [melalui intervening variabel kepuasan konsumen (Y1)] terhadap variabel loyalitas konsumen (Y2) jasa transportasi PT MAYASARI BAKTI.

(13)

H5:r 2 X2 > 0 Bahwa variabel harga tiket (X2) mempunyai pengaruh tidak langsung

Positif [melalui intervening variabel kepuasan konsumen (Y1)] terhadap variabel loyalitas konsumen (Y2) jasa transportasi PT MAYASARI BAKTI. 2.9.1 Variabel Kualitas Pelayanan (X1)

Hubungan Variabel Kualitas Pelayanan (X1) dengan 5 Dimensi Pokok (Total)

Kualitas Pelayanan (X1u.i ) dan 5 Dimensi Rata-rata Kualitas Pelayanan (X1v.i ) serta

Hubungan Variabel maupun Dimensi Rata-rata dalam Part Analysis Method dapat dijelaskan sebagai berikut:

H6:r 2 X1v.i > 0 Bahwa dimensi rata-rata kualitas pelayanan (X1v.i) mempunyai pengaruh

langsung positif terhadap dimensi rata-rata kepuasan konsumen (Y1v.i) jasa

transportasi PT MAYASARI BAKTI.

H9:r 2 X1v.i > 0 Bahwa dimensi rata-rata kualitas pelayanan (X1v.i) mempunyai pengaruh tidak langsung positif terhadap dimensi rata-rata loyalitas konsumen (Y1v.i) [melalui intervening dimensi rata-rata kepuasan konsumen (Y1v)] jasa transportasi PT MAYASARI BAKTI.

HX1v.i:r 2X1v.i > 0 Bahwa 5 Dimensi Kualitas Pelayanan (X1v.i), berjalan secara sinkron

bersifat “Optimum”, jelasnya bahwa Adjusted of determination coefficient

bernilai positif melampaui diatas nilai kritis (critical value) yang dicerminkan oleh:

HX1v.i:r 2X1v.i > 0

5 Dimensi Rata-rata Kualitas Pelayanan (X1v.i):

H1: HX1v.1 = Bukti fisik (tangible) berpengaruh positif terhadap variabel kepuasan konsumen.

H2: HX1v.2 = Keandalan (reliability) berpengaruh positif terhadap variabel kepuasan konsumen.

H3: HX1v.3 = Daya tanggap (responsiveness) berpengaruh positif terhadap variabel kepuasan konsumen.

H4: HX1v.4 = Jaminan (assurance) berpengaruh positif terhadap variabel kepuasan konsumen.

H5: HX1v.5 = Perhatian (empathy) berpengaruh positif terhadap variabel kepuasan konsumen.

HX1:r 2_X1_{> 0} _:_{Variabel Kualitas Pelayanan (X} 1)

HX1v.i:r 2_X3v_{> 0} _:_{Dimensi Rata-rata}_{Kualitas Pelayanan (X1v.i)}

HX1u.i:r 2X1u.i > 0 : 5 Dimensi Pokok (Total) Kualitas Pelayanan (X1u.i):

H1: HX1u.1 = Bukti fisik (tangible), adalah fungsi dari Indikator Kualitas pelayanan (X1.1 s/d X1.4)

H2: HX1u.2 = Keandalan (reliability), adalah fungsi dari Indikator Kualitas pelayanan (X1.5 s/d X1.7)

H3: HX1u.3 = Daya tanggap (responsiveness), adalah fungsi dari Indikator Kualitas pelayanan(X1.8 s/d X1.9)

H4: HX1u.4 = Jaminan (assurance), adalah fungsi dari Indikator Kualitas pelayanan (X1.10 s/d X1.11)

(14)

HX1v.1: Semakin tinggi Bukti fisik (tangible), maka semakin tinggi kepuasan konsumen,

yang berarti semakin tingginya kemampuan para karyawan penyedia jasa transportasi PT MAYASARI BAKTI meningkatkan kualitas pelayanan, merepresentasikan dimensi pelayanan yang berwujud secara fisik atau sesuatu yang nampak.

HX1v.2: Semakin tinggi Keandalan (reliability), maka semakin tinggi kepuasan konsumen,

yang berarti semakin tingginya kemampuan para karyawan penyedia jasa transportasi PT MAYASARI BAKTI untuk menampilkan pelayanan yang dijanjikan dengan terpercaya dan akurat.

HX1v.3: Semakin tinggi Daya tanggap (responsiveness), maka semakin tinggi kepuasan

konsumen. yang berarti semakin tingginya/mantap aktivitas para karyawan

penyedia jasa transportasi PT MAYASARI BAKTI memberikan pelayanan yang baik kepada pelanggan atau dilakukan untuk memastikan kepuasan pelanggan. HX1v.4: Semakin tinggi Jaminan (assurance), maka semakin tinggi kepuasan konsumen,

yang berarti semakin tingginya kemampuan para karyawan penyedia jasa transportasi PT MAYASARI BAKTI meningkatkan kualitas pelayanan yang berfokus pada pengetahuan, kesopanan, keramah-tamahan serta kemampuan para karyawan untuk menimbulkan/melahirkan kepercayaan dan keyakinan pada diri pelanggan.

HX1v.5: Semakin tinggi Empati (empathy), maka semakin tinggi kepuasan konsumen, yang

berarti semakin tingginya kemampuan para karyawan penyedia jasa transportasi PT MAYASARI BAKTI meningkatkan kualitas pelayanan melalui cara pemberian perhatian dengan sentuhan pribadi sehingga dapat/tepat memenuhi apa yang dibutuhkan oleh konsumen.

2.9.2 Variabel Harga atau Harga Tiket (X2)

Hubungan variabel harga atau harga tiket (X2) dengan 3 Dimensi Harga Tiket dapat dijelaskan sebagai berikut:

H7:r 2 X2v.i> 0 Bahwa dimensi rata-rata harga tiket (X2v.i) mempunyai pengaruh langsung

positif terhadap dimensi rata-rata kepuasan konsumen (Y1v) jasa

transportasi PT MAYASARI BAKTI.

H10:r 2X2v.i> 0 Bahwa dimensi rata-rata harga tiket (X2v.i) mempunyai pengaruh tidak

langsung Positif terhadap dimensi rata-rata loyalitas konsumen (Y2v) [melalui intervening dimensi rata-rata kepuasan konsumen (Y1v)] jasa

(15)

HX2:r 2 X2 > 0 : Variabel Harga Tiket (X2) HX2v:r 2 _X

2v > 0 : Dimensi Rata-rata Harga Tiket (X2v)

HX2v.i:r 2 _X

2v.i > 0 : 3 Dimensi Rata-rata Harga Tiket (X2v.i): (1) Kesesuaian harga dengan kualitas jasa yang diberikan (2) Kesesuaian harga dengan pelayanan yang diterima (3) Kesesuaian harga dengan fasilitas

HX2v.i :r 2 X2v.i > 0

3 Dimensi Harga Tiket (X2):

HX2v.1: Kesesuaian harga dengan kualitas jasa yang diberikan, atau Kesesuaian Harga

Tiket atau Ongkos Angkut dengan Kualitas Pelayanan yang diberikan

HX2v.2: Kesesuaian harga dengan pelayanan yang diterima, atau Kesesuaian Harga Tiket

atau Ongkos Angkut dengan Tambahan Guna (Marginal Utility MU) yang diterima, dirasakan atau didapatkan (dinikmati) oleh konsumen.

HX2v.3: Kesesuaian harga dengan fasilitas, atau Kesesuaian Harga Tiket atau Ongkos

Angkut dengan fasilitas alat angkut yang tersedia, seperti kemampuan para

karyawan penyedia jasa transportasi PT MAYASARI BAKTI meningkatkan

kualitas pelayanan, merepresentasikan dimensi pelayanan yang berwujud secara fisik atau sesuatu yang nampak, seperti: Peralatan Armada Bus PT MAYASARI BAKTI, Perlengkapan Armada, Kenyamanan ruangan dan Penampilan petugas.

2.9.3 VariabelKepuasan Konsumen (Y1)

Hubungan variabel Kepuasan Konsumen (Y1) dengan 3 Dimensi Kepuasan

Konsumen (Y1) dapat dijelaskan sebagai berikut:

H8:r 2 Y1v.i > 0 Bahwa dimensi rata-rata kepuasan konsumen (Y1v.i) mempunyai pengaruh langsung positif terhadap dimensi rata-rata loyalitas konsumen (Y2v) jasa transportasi PT MAYASARI BAKTI.

HY1:r 2 Y1 > 0 : Variabel Kepuasan Konsumen (Y1)

HY1v:r 2 _Y1v_{> 0} _:_Dimensi_Rata-rata_{Kepuasan Konsumen (Y}

1v)

HY1v.i:r 2 Y1v.i > 0 : 3 Dimensi Rata-rata Kepuasan Konsumen (Y1v.i):

(1) Pelayanan sesuai dengan harapan pelanggan,

(2) Kesediaan pelanggan untuk merekomendasikan kepada orang lain dan

(3) Puas atas kualitas pelayanan yang sudah dirasakan. 2.9.4 Variabel Loyalitas Konsumen (Y2)

Dimensionalisasi variabel Loyalitas Konsumen (Y2) dalam penelitian ini mengacu pada penelitian Gremler & Brown dalam Lu Ting Pong., et.al., (2001), dimana hubungan variabel Loyalitas Konsumen dengan 3 Dimensi Loyalitas Konsumen (Y2)dapat dijelaskan sebagai berikut:

(16)

HY2:r 2 Y2 > 0 : Variabel Loyalitas Konsumen (Y2) HY2v:r 2 _Y

2v > 0 : Dimensi Rata-rata Loyalitas Konsumen (Y4v) HY2v.i:r 2 _Y

2v.i > 0 :3 Dimensi Rata-rata Loyalitas Konsumen (Y4v.i):

(1) Penggunaan ulang layanan

(2) Tertanamnya secara positif layanan di benak pelanggan (3) Selalu menjadi pilihan utama bagi pelanggan.

2.9.5 Variabel Keunggulan Bersaing (Y3)

Dimensionalisasi variabel Keunggulan Bersaing (Y3) dalam penelitian ini mengacu

menurut Selnes ( 1993); Bharadwaj dkk (1993); Goodman dkk (1995 ); Keltner (1995); Chow dan Holden (1997) Geykens dkk (1999); Suryanto, L dan Sugiyanto,FX (2002);Musry (2004); Rusdarti (2004); Smith dan wright (2004). menyatakan bahwa

Keunggulan bersaing merupakan kemampuan produsen untuk menghadapi persaingan yang terjadi menurut penilaian Konsumen. Hubungan antara variabel, Indikator dan DimensiKeunggulan Bersaingdapat dijelaskan sebagai berikut:

HY3: r 2 _Y

3 > 0 : VariabelKeunggulan Bersaing (Y3)

HY3.i: r 2 _Y

3.i > 0 : IndikatorKeunggulan Bersaing (Y3.i):

1) Y3.1. Kemampuan bersaing dengan meningkatkan jumlah Armada yang beroperasi

2) Y3.2. Keluasan jaringan yang ikut sebagai Mitra Operasi dengan berbagai Moda

Transportasi lain

3) Y3.3. Peningkatan sumber dana untuk menampilkan berbagai jenis, model dan tipe Armada terkini

4) Y3.4. Keunggulan teknologi Armada terkini yang senantiasa ditampilkan di berbagai Media HY3v: r 2 _Y

3v > 0 : Dimensi Rata-rata Keunggulan Bersaing (Y3v)

HY2v.i:r 2 _Y

2v.i > 0 : 3 Dimensi Rata-rata Keunggulan Bersaing (Y3v.i):

(1) Memperluas Trayek Bus PT MAYASARI BAKTI

(2) Mampu Menciptakan Inovasi Produk Jasa Bus PT MAYASARI BAKTI

(17)

4.1 Hasil Perhitungan: Data Dengan Kategori (Jumlah ke I)

Secara teori penelitian ini menggunakan Metode Analisa Jalur Ganda (Double Part Analysis’ Method) yang dilengkapi dengan berbagai Uji Statistik, peralatan analisa maupun perhitungan pada umumnya menggunakan Model Regresi Linier Berganda (multiples regression) untuk semua bentuk fungsional model hasil estimasi (Unstandardized Coefficients: Model Regresi I, Model Regresi II dan Model Regresi III (Simple Regression) dan Model fungsional hasil estimasi Metode Path Analysis (Standardized Coefficients) yang secara keseluruhannya mengunakan program SPSS IBM Statistik Versi 21 for Windows dan beberapa bagian tertentu menggunakan Micrrosoft Excel 2003 (Lotus 1-2-3 Transition).

Metode Analisa Jalur Ganda (Double Part Analysis’ Method) merupakan sepasang Part Analysis Method gabungan antara Model fungsional klasik Loyalitas

Konsumen (sebagai fungsi Semula) dengan Model fungsional Keunggulan Bersaing

(sebagai fungsi estapet). Hasil Perhitungan Empiris dari Metode Analisa Jalur Ganda (Double Part Analysis’ Method) didapatkan dari menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

skala pengukuran Netral bernilai Nol. Sedangkan Data Dengan Kategori (Jumlah ke II) merupakan data olahan yang disusun dari seluruh Data Dengan Kategori (Jumlah ke I)

(18)

sebagai data ”hasil survey” menjadi ”Data 6 Observasi” dengan asumsi yang sama bahwa Data dengan skala pengukuran Netral, diasumsi bernilai Nol, sehingga Data Observasi ke 6 merupakan Jumlah (atau Nilai Total) dari data ”hasil survey” tersebut.

Dalam penelitian ini tidak ada “Indikator, dimensi maupun variabel” yang harus

dibuang/terbuang begitu saja. Indikator, dimensi maupun variabel yang DROP

(penurunan, keadaan menurun, atau kemerosotan) maupun yang TIDAK RELIABEL

pasca Uji Validitas maupun Uji Reliabilitas tetap digunakan bahkan bisa dirubah menjadi VALID (sah, syah, absah, sahih) maupun RELIABEL (dapat dipercaya/diandalkan) sepanjang masih terjadi:

”Laju kenaikan rata-rata Nilai koefisien ALPHA CRONBACH (dalam %) dan kenaikan

berdasarkan ”penyesuaian faktor koreksi per butir” seluruh indikator maupun Dimensi

Rata-rata atau kenaikan Nilai butiran Indikator maupun Dimensi Rata-rata (dalam Kali lipat) dari variabel penelitan yang bersangkutan”

Adapun upaya memaksimalisasi/meningkatkan beberapa indikator kualitas pelayanan (X1.i) yang merupakan tingkat keunggulan (excellence) yang diharapkan

konsumen (Philip Kotler, et.al., 2002), dan pengendalian atas keunggulan tersebut untuk

memenuhi keinginan pelanggan, menurut Parasuraman, (1985: 41-50 dan 1988: 12-40) yang dirangkum oleh Fandy Tjiptono, 2007 (dalam Febri Tri Bramasta Putra, 2010: 15)

terdapat 5 dimensi (indikator) Kualitas Jasa atau Layanan yang seringkali digunakan oleh para peneliti (suatu pengertian yang multidimensi). Ke 5 dimensi (indikator) tersebut adalah: (1) Bukti fisik (tangible), (2) Keandalan (reliability), (3) Daya tanggap (responsiveness), (4) Jaminan (assurance) dan (5) Empati (empathy). Artinya, Indikator dalam wujud Dimensi apa saja yang harus diperbaiki, dirubah, ditingkatkan, diganti,

(19)

ditambah, direnopasi, dibiayai ulang dan lain sebagainya, serta meningkatkan bahkan mempertajam kemampuan manejerialnya dan manajemen operasional secara maksimal.

Sedangkan upaya Optimalisasi/perubahan beberapa indikator harga tiket (X2.i) atau

menetapkan tarif angkut yang akan diemban konsumen pengguna jasa tersebut guna mendapatkan sejumlah kombinasi dari jasa pelayanan yang diberikan, menurut Philip Kotler dan Gary Armstrong, 2001 (dalam Richa Widyaningtyas, 2010: 19) adalah melakukan optimalisasi dalam hal yang menyangkut: (1) Kesesuaian harga dengan kualitas jasa yang diberikan, (2) Kesesuaian harga dengan pelayanan yang diterima dan (3) Kesesuaian harga dengan fasilitas. Artinya, (2) Indikator dalam wujud Dimensi apa saja yang harus dirubah (dinaikan atau diturunkan) dengan melakukan berbagai penyesuaian Harga tiket atau tarif angkut dengan Kualitas jasa yang diberikan, pelayanan yang diterima dan fasilitas perusahaan yang tersedia.

Data hasil survey atau Data Dengan Kategori (Jumlah ke I) dalam penelitian ini digunakan untuk menganalisis semua indikator dari: Variabel Kualitas Pelayanan (X1), Variabel Harga Tiket (X2), Variabel Kepuasan Konsumen (Y1), Variabel Loyalitas Konsumen (Y2), Dimensi Rata-rata Harga Tiket (X2v) dan Variabel Keunggulan Bersaing (Y3). Sedangkan Dimensi Rata-rata Kualitas Pelayanan (X1v), dan Dimensi Rata-rata Keunggulan Bersaing (Y3v) yang murni merupakan “Data Olahan” dari semua indikator berbagai variabel tersebut dipergunakan dalam berbagai Uji Statistik maupun peralatan analisa berbagai bentuk Model Empiris sesuai kebutuhan penelitian.

(20)

Penggunaan program SPSS IBM Statistik Versi 21 for Windows bertujuan mendeteksi terjadi/tidaknya Excluded Variable dari seluruh indikator maupun Dimensi Rata-rata per butirnya dari Variabel/Dimensi Variabel atau independen Variabel didalam model hasil estimasi. Apabila, hasil estimasi memiliki ”Zero-order Partial Correlation”

dan juga mengalami ”Zero-order (Tolerance, VIF and Minimum Tolerance) Collinearity Statistics”, itu berarti “adanya/terdapatnya gejala multikolinearitas” didalam model hasil estimasi, secara otomatis menjadikan model hasil estimasi sebagai Badness of fit regression models. Artinya model hasil estimasi berkondisi jelek (tidak memenuhi

persyaratan sebagai model hasil estimasi yang baik) sehingga tidak reliabel digunakan

sebagai model untuk tujuan prediksi.

Sebalinya, apabila tidak terjadinya Excluded Variable dari seluruh Indikator maupun Dimensi Rata-rata per butirnya dari Variabel/Dimensi Variabel atau dari seluruh Independen Variabel yang terdapat didalam model hasil estimasi, tidak memiliki ”Zero-order Partial Correlation” dan juga tidak mengalami ”Zero-order (Tolerance, VIF and Minimum Tolerance) Collinearity Statistics”. Artinya, “tidak adanya/tidak terjadinya gejala multikolinearitas”didalam model hasil estimasi, maka secara otomatis menjadikan

model hasil estimasi sebagai goodness of fit regression models. Penelitian ini diperhitungkan sebagai “Pengkajian Model” dan bukan “Pengujian Model“ yang hanya

sekedar melihat hubungan sebab akibat dari model fungsional hasil estimasi. Proses perhitungan dalam penelitian ini menggunakan (Data lampiran 9 s/d 23), hingga mendapatkan Hasil Perhitungan Empiris yang dirangkum kedalam Gambar 4.1 (meliputi semua penjabarannya) sebagai berikut:

(21)

1.04 X1.1 2.61 X1.2 0.67 X1.3 -12.0 X1.4 10.0 _X 1.5 11.8 X1.6 12.7 X1.7 15.7 _X 1.8 -0.06 X1.9 -10.3 _X 1.10 -13.8 X1.11 -15.7 _X 1.12 9.02 _X 1.13

Keterangan: b) Excluded Variables: Beta In X1 = Kualitas Pelayanan (Observed) = -251024.187b

Beta In Y2 = Y2u = Loyalitas Konsumen (Observed) = 28162.735b

Gambar 4.1: Model Konseptual dan Hubungan Fungsional Antar Inter Variable Path Analysis Method,

HASIL PERHITUNGAN EMPIRIS Data Dengan Kategori (Jumlah ke I)

1025.5 X1v.1 -637.8 X1v.2 -608.3 X1v.3 -257.6 X1v.4 515.8 X1v.5 -4.72 Y3.1 4.62 Y3.2 -6.21 Y3.3 9.40 Y3.4 -3.26 Y3v.1 0.61 Y3v.2 4.95 Y3v.3 10.6 Y1.1 -8.48 Y1.2 0.68 Y1.3 -7.94 _Y 2.1 6.75 _Y 2.2 21.5 _Y 2.3 -1.50 _Y 2.4 -14.8 _Y 2.5 9.01 X2.1 -27.8 X2.2 46.1 X2.3 -25.6 X2.4 -5.03 X2v.1 -1.13 X2v.2 8.34 _X 2v.3 HX1: r 2 X1.i = 0.767 ALPHA CRONBACH = 0.973 Harga Tiket (X2) Kualitas Pelayanan (X1) Kepuasan Konsumen (Y1) Loyalitas Konsumen (Y2) HY2:r 2Y2.i = 0.215 ALPHA CRONBACH = 0.943 HY1:r 2Y1.i = 0.362 ALPHA CRONBACH = 0.931  r 2_(Y 1) = 0.369   r 2_(X i ,Y1) = 0.310 r 2_(X i ) = 0.658 R Square = 0.815 Fuji Test = 1.467 D-W Test = 1.500 R Square = 0.953 Fuji Test = 5.106 D-W Test = 2.571 R Square = 0.804 Fuji Test = 1.366 D-W Test = 1.500 Coeff. Reg c1 = -251024.187b_{(Excluded Variable)}

Coeff. Reg c2 = 1.437 Coeff. Reg a1 = 0.248 H1: r 2 X1>0 Coeff. Reg a2 = - 0.271 : Co e ff . Re g c 3 = - 0 .7 4 9   r 2_(Y 1 ,Xi) = 0.310 HY2i:r 2Y2i >0.6 ALPHA CRONBACH > 0.6 HX2:r 2X2.i = 0.260 ALPHA CRONBACH = 0.890 Keunggulan Bersaing (Y3) HY3:r 2Y3.i = 0.366 ALPHA CRONBACH = 0.901 HX1v: r 2 X1v.i = 0.447 ALPHA CRONBACH = 0.929 R Square = 0.862 Fuji Test = 2.080 D-W Test = 1.937 Dimensi Kualitas Pelayanan (X1v) Y1 = Intevening Variable HY3v:r 2Y3v.i = 0.424 ALPHA CRONBACH = 0.853 Dimensi Keunggulan Bersaing (Y3v) R Square = 0.842 Fuji Test = 1.770 D-W Test = 1.500 HX2v:r 2X2v.i = 0.308 ALPHA CRONBACH = 0.835 Y3v = Intevening Variable R Square = 0.856 Fuji Test = 1.982 D-W Test = 1.500 Dimensi Harga Tiket (X2v) R Square = 0.827 Fuji Test = 1.593 D-W Test = 1.500

Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI

Y3v.2. Mampu Menciptakan Inovasi Produk Jasa

Y3v.3. Meningkatkan Promosi MAYASARI BAKTI

R Square = 0.841 Fuji Test = 1.758 D-W Test = 1.521

HASIL PERHITUNGAN EMPIRIS

Data Dengan Kategori (Jumlah ke I)

Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula)

Y1 = 35.407 + 0.248 X1 - 0.271 X2 + E1 Y2 = 13.136 + 1.521 Y1 Calc

Y2 = 78.587 - 251024.187b X1 + 1.437 X2 - 0.749 Y1 Calc Y2 = 78.587 - 0.749 Y1Calc - 251024.273b X1 + 1.437 X2

Path Analysis MethodLoyalitas Konsumen (…..fungsi Semula):

Y1 = 1.307 X1 - 0.411 X2

Y2 = -251024.187b X1 + 1.141 X2 - 0. 358 Y1 Calc

Path Analysis Method Keunggulan Bersaing (….fungsi estapet):

Y3v = 0.194 Y1 + 0.732 Y2 Y3 = 0.080 Y1 + 28162.735bY2 + 0.824 Y3v

Coeff. Reg2 = 0.371

Coeff. Reg2 = 28162.735b (Excluded Variable)

Coeff. Reg1 = 0.098 Coeff. Reg3 = 1.192 Coeff. Reg 1 = 0.180 H1: r 2 X1>0  r 2_(Y_{i ,}_Y_{3v) = 0.621} r 2_(Y_{3v ,}_Y_{i) = 0.621} r 2_(Y_{i ) = 0.665}  r 2(Y3v) = 0.746

(22)

Unstandardized Coefficients:

Model Regresi I :

Model Fungsional Loyalitas Konsumen (…..fungsi Semula)

Y1 = a0 + a1 X1 + a2X2 + E1 Y2 = b0 + b1 Y1 Calc + E2 Y2 = c0 + c1 X1 + c2X2 + c3Y1 + E3 Y2 = d0 + d1 X1 + d2X2 + d3Y1 + E4 Y1 = 35.407 + 0.248 X1 - 0.271 X2 + E1 Y2 = 13.136 + 1.521 Y1 Calc Y2 = 78.587 - 251024.187b X1 + 1.437 X2 - 0.749 Y1 Calc Y2 = 78.587 - 0.749 Y1Calc - 251024.273b X1 + 1.437 X2

Model Fungsional Keunggulan Bersaing (….fungsi estapet)

Y3v = 0 + 1 Y1 + 2Y2 + 1 Y3 = 0 + 1 Y3v Calc + 2 Y3 = 0 + 1 Y1 + 2Y2 + 3Y3v + 3 Y3 = 0 + 1 Y3v + 2Y1 + 3Y2 + 4 Y3v = 34.021 + 0.180 Y1 + 0.371 Y2 Y3 = 2.800 + 1.302 Y3v Calc Y3 = 5.465 + 0.098 Y1 + 28162.735b Y2 + 1.192 Y3v Y3 = 46.025 - 35121.618b Y3v Calc + 0.313 Y1 + 0.442 Y2

Model Regresi II:

X1 = e0 + e1 X1.1 + e2 X1.2 + e3 X1.3 + e4 X1.4 + e5 X1.5 + e6 X1.6 + e7 X1.7 + e8 X1.8 + e9 X1.9 + e10 X1.10 + e11 X1.11 + e12 X1.12 + e13 X1.13 + e5 X2 = f0 + f1 X2.1 + f2 X2.2 + f3 X2.3 + f4 X2.4 + e6 Y1 = g0 + g1 Y1.1 + g2 Y1.2 + g3 Y1.3 + e7 Y2 = h0 + h1 Y2.1 + h2 Y2.2 + h3 Y2.3 + h4 Y2.4 + h5 Y2.5 + e8 X2v = i0 + i1 X2v.1 + i2 X2v.2 + i3 X2v.3 + e9 X1v = j0 + j1 X1v.1 + j2 X1v.2 + j3 X1v.3 + j4 X1v.4 + j5 X1v.5 + e10 Y3 = k0 + k1Y3.1 + k2 Y3.2 + k3 Y3.3 + k4 Y3.4 + e11 Y3v = l0 + l1Y3v..1 + l2 Y3v.2 + l3 Y3v..3 + e12 X1 = 45.571 + 1.042 X1.1 + 2.612 X1.2 + 0.669 X1.3 - 12.025 X1.4 + 10.008 X1.5 + 11.760 X1.6 + 12.707 X1.7 + 15.713 X1.8 - 0.060 X1.9 - 10.266 X1.10 - 13.778 X1.11 - 15.673 X1.12 + 9.017 X1.13 + e5 X2 = 58.500 + 9.009 X2.1 - 27.807 X2.2 + 46.132 X2.3 - 25.626 X2.4 + e6 Y1 = 40.501 + 10.643 Y1.1 - 8.475 Y1.2 + 0.675Y1.3 + e7 Y2 = 87.000 - 7.938 Y2.1 + 6.748 Y2.2 + 21.542Y2.3 - 1.503 Y2.4 - 14.823Y2.5 + e8 X2v = 42.500 - 5.029 X2v.1 - 1.132 X2v.2 + 8.335 X2v.3 + e9 X1v = 47.737 + 1025.495 X1v.1 - 637.805 X1v.2 - 608.337 X1v.3 - 257.592 X1v.4 + 515.805 X1v.5 + e10 Y = 57.500 - 4.715 Y + 4.621Y - 6.208 Y + 9.401Y + e

(23)

Model Regresi III:

Simple Regression beberapa Indikator maupun Dimensi dari berbagai Variabel terkait masing-masing terhadap Variabel dependennya serta Nilai Faktor Koreksi Butiran sebagai berikut:

1. Variabel Kualitas Pelayanan (X1)

No. Indikator dari Variabel Kualitas Pelayanan: Bentuk Fungsi: FK X1.i > 0.6 (Valid), FK X1.i < 0.6 (Drop) 1. X1.1. Peralatan Armada Bus PT Mayasari Bakti X1 = 89.739 + 2.453 X1.1 ; FK X1.1 = 0.660 Valid

2. X1.2. Perlengkapan Armada Bus PT Mayasari Bakti X1 = 121.814 + 10.558 X1.2 .2FK X1.2 = 0.581 Drop

3. X1.3. Kenyamanan Ruangan X1 = 138.525 + 9.823 X1.3 ; FK X1.3 = 0.612 Valid

4. X1.4. Penampilan Petugas X1 = 149.415 + 10.370 X1.4 ; FK X1.4 = 0.396 Drop

5. X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 125.291 + 10.181 X1.5 ; FK X1.5 = 0.642 Valid

6. X1.6. Keramahan X1 = 113.156 + 10.730 X1.6 ; FK X1.6 = 0.587 Drop

7. X1.7. Kecepatan Pelayanan X1 = 127.172 + 10.032 X1.7 ; FK X1.7 = 0.680 Valid

8. X1.8. Kemampuan Menanggapi Keluhan X1 = 127.699 + 10.577 X1.8 ; FK X1.8 = 0.684 Drop

9. X1.9. Kemudahan Prosedur X1 = 116.581 + 10.765 X1.9 ; FK X1.9 = 0.638 Drop

10. X1.10. Mampu Berkomunikasi X1 = 171.994 + 8.720 X1.10 ; FK X1.10 = 0.427 Valid

11. X1.11. Informasi Yang Akurat X1 = 125.115 + 11.130 X1.11 ; FK X1.11 = 0.551 Drop

12. X1.12. Pemahaman Kebutuhan Konsumen X1 = 138.052 + 10.078 X1.12 ; FK X1.12 = 0.693 Valid

13. X1.13. Perhatian Kepada Konsumen X1 = 117.152 + 11.002 X1.13 ; FK X1.13 = 0.584 Drop

2. Variabel Harga Tiket(X2)

No. Indikator dari Variabel Harga Tiket: Bentuk Fungsi: FK X2.i > 0.6 (Valid), FK X2.i < 0.6 (Drop)

1.X2.1. Keterjangkauan Harga Tiket X2 = 44.858 + 2.958 X2.1 ; FK X2.1 = 0.401 Drop

2.X2.2. Kesesuaian Tarif Dengan Manfaat X2 = 46.909 + 3.150 X2.2 ; FK X2.2 = 0.439 Drop

3.X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = 47.679 + 3.039 X2.3 ; FK X2.3 = 0.487 Drop

4.X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = 47.152 + 3.010 X2.4 ; FK X2.4 = 0.477 Drop

3. Variabel Kepuasan Konsumen (Y1)

No. Indikator dari Variabel Kepuasan Konsumen: Bentuk Fungsi: FK Y1.i > 0.6 (Valid), FK Y1.i < 0.6 (Drop)

1.Y1.1. Kepuasan akan produk yang ditawarkan Y1 = 37.248 + 2.488 Y1.1 ; FK Y1.1 = 0.468 Drop

2.Y1.2. Sesuai dengan yang diharapkan Y1 = 36.786 + 2.355 Y1.2 ; FK Y1.2 = 0.405 Drop

3.Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 32.362 + 2.528 Y1.3 ; FKY1.3 = 0.447 Drop

4. Variabel Loyalitas Konsumen (Y2)

No. Indikator dari Variabel Loyalitas Konsumen: Bentuk Fungsi: FK Y2.i > 0.6 (Valid), FK Y2.i < 0.6 (Drop)

1.Y2.1. Armada Bus PT Mayasari Bakti Yang Bagus Y2 = 54.938 + 3.994 Y2.1 ; FK Y2.1 = 0.229 Drop

2.Y2.2. Kenikmatan Merasakan Layanan Y2 = 65.957 + 3.891 Y2.2 ; FK Y2.2 = 0.456 Drop

3.Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 59.064 + 3.988 Y2.3 ; FK Y2.3 = 0.387 Drop

4.Y2.4. Pengalaman Masa Lalu Y2 = 63.385 + 3.701 Y2.4 ; FK Y2.4 = 0.439 Drop

5.Y2.5. Pengalaman Teman-teman Y2 = 61.485 + 3.751 Y2.5 ; FK Y2.5 = 0.385 Drop

5. Dimensi Rata-rata Harga Tiket (X2v)

No. Dimensi Rata-rata Harga Tiket: Bentuk Fungsi: FK X2v.i > 0.6 (Valid), FK X2v.i < 0.6 (Drop)

1.X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = 32.617 + 2.259 X2v.1 ; FK X2v.1 = 0.450 Drop

2.X2v.2. Kesesuaianharga dengan pelayanan yang diterima X2v = 34.847 + 2.357 X2v.2 ; FK X2v.2 = 0.484 Drop

3.X2v.3. KesesuaianHarga dengan fasilitas X2v = 34.559 + 2.291 X2v.3 ; FK X2v.3 = 0.519 Drop

6. Dimensi Rata-rata Kualitas Pelayanan (X1v)

No. Dimensi Rata-rata Kualitas Pelayanan: Bentuk Fungsi: FK X1v.i > 0.6 (Valid), FK X1v.i < 0.6 (Drop)

1.X1v.1. Bukti fisik (tangible) X1v = 46.962 + 4.155 X1v.1 ; FK X1v.1 = 0.626 Valid

2.X1v.2. Keandalan (reliability) X1v = 46.229 + 3.991 X1v.2 ; FK X1v.2 = 0.623 Valid

3.X1v.3. Daya tanggap (responsiveness) X1v = 47.264 + 4.077 X1v.3 ; FK X1v.3 = 0.654 Valid

4.X1v.4. Jaminan (assurance) X1v = 49.542 + 4.117 X1v.4 ; FK X1v.4 = 0.648 Valid

(24)

7. Variabel Keunggulan Bersaing (Y3)

No. Indikator dari Keunggulan Bersaing: Bentuk Fungsi: FK Y3.i > 0.6 (Valid), FK Y3.i < 0.6 (Drop)

1.Y3.1. Kemampuan Bersaing Y3 = 40.754 + 3.048 Y3.1 ; FK Y3.1 = 0.448 Drop

2.Y3.2. Dikenal Luas Y3 = 45.623 + 3.206 Y3.2 ; FK Y3.2 = 0.431 Drop

3.Y3.3. Peningkatan Sumber Dana Y3 = 44.590 + 3.168 Y3.3 ; FK Y3.3 = 0.496 Drop

4.Y3.4. Keunggulan Tekhnologi Y3 = 46.064 + 3.081 Y3.4 ; FK Y3.4 = 0.524 Drop

8. Dimensi Rata-rata Keunggulan Bersaing (Y3v)

No. Dimensi Keunggulan Bersaing: Bentuk Fungsi: FK Y3v.i > 0.6 (Valid), FK Y3v.i < 0.6 (Drop)

1.Y3v.1. Memperluas Trayek Bus PT Mayasari Bakti Y3v = 29.057 + 2.344 Y3v.1 ; FK Y3v.1 = 0.489 Drop

2.Y3v.2. Mampu Menciptakan Inovasi Produk Jasa Y3v = 33.393 + 2.419 Y3v.2 ; FK Y3v.2 = 0.485 Drop

3.Y3v.3. Senantiasa Meningkatkan Promosi Bus PT Mayasari Bakti Y3v = 33.251 + 2.365 Y3v.3 ; FK Y3v.3 = 0.559 Drop

Metode Path Analysis

Standardized Coefficients:

Model Fungsional Loyalitas Konsumen (…..fungsi Semula):

Y1 = 1.307 X1 - 0.411 X2 Y2 = -251024.187b X1 + 1.141 X2 - 0. 358 Y1 Calc dimana: Y1 = Kepuasan Konsumen Y2 = Loyalitas Konsumen X1 = Kualitas Pelayanan X2 = Harga Tiket

1 = Koefisien regresi variabel Kualitas Pelayanan

2 = Koefisien regresi variabel Harga Tiket

1 = Koefisien regresi intervening variabel kepuasan konsumen

Model Fungsional Keunggulan Bersaing (….fungsi estapet) Y3v = 0.194 Y1 + 0.732 Y2 Y3 = 0.080 Y1 + 28162.735bY2 + 0.824 Y3v dimana: Y3 = Y3u = Keunggulan Bersaing Y1 = Y1u = Kepuasan Konsumen Y2 = Y2u = Loyalitas Konsumen

Y3v = Dimensi Rata-rata Keunggulan Bersaing

1 = Koefisien regresi variabel Kepuasan Konsumen 2 = Koefisien regresi variabel Loyalitas Konsumen

3 = Koefisien regresiintervening Dimensi Rata-rata Keunggulan Bersaing

Keterangan:

b) Excluded Variables: Beta In X1 = Kualitas Pelayanan (Observed) = -251024.187b

(25)

4.2 Hasil Perhitungan, Data Dengan Kategori (Jumlah ke II)

Bahwa Data Dengan Kategori (Jumlah ke II) merupakan data olahan yang disusun dari seluruh Data Dengan Kategori (Jumlah ke I) sebagai data ”hasil survey” menjadi ”Data 6 Observasi” dengan asumsi yang sama bahwa Data dengan skala pengukuran Netral, diasumsi bernilai Nol, sehingga Data Observasi ke 6 merupakan Nilai Total data ”hasil survey” tersebut.

Data Dengan Kategori (Jumlah ke II) juga digunakan untuk tujuan yang sama dengan Data Dengan Kategori (Jumlah ke I), yaitu untuk menganalisis semua indikator dari:

Variabel Kualitas Pelayanan (X1), Variabel Harga Tiket (X2), Variabel Kepuasan Konsumen (Y1), Variabel Loyalitas Konsumen (Y2), Dimensi Rata-rata Harga Tiket (X2v) dan Variabel Keunggulan Bersaing (Y3). Sedangkan Dimensi Rata-rata Kualitas Pelayanan (X1v), dan

Dimensi Rata-rata Keunggulan Bersaing (Y3v) yang murni merupakan “Data Olahan” dari

semua indikator berbagai variabel tersebut dipergunakan dalam berbagai Uji Statistik maupun peralatan analisa berbagai bentuk Model Empiris sesuai kebutuhan penelitian.

Penggunaan program SPSS IBM Statistik Versi 21 for Windows terhadap Data Dengan Kategori (Jumlah ke II) diharapkan tidak terjadinya Excluded Variable dari seluruh

Indikator maupun Dimensi Rata-rata per butirnya atau dari seluruh Independen Variabel yang

terdapat didalam model hasil estimasi, tidak memiliki ”Zero-order Partial Correlation” dan

juga tidak mengalami ”Zero-order (Tolerance, VIF and Minimum Tolerance) Collinearity

Statistics”. Artinya, “tidak adanya/tidak terjadinya gejala multikolinearitas” didalam model hasil estimasi, sehingga secara otomatis dapat menjadikan model hasil estimasi ini sebagai

goodness of fit regression models. Proses perhitungan dalam penelitian ini menggunakan(Data lampiran 9 s/d 23), hingga mendapatkan Hasil Perhitungan Empiris