4.2. Hasil Penelitian
4.2.2. Hasil Analisis Structural Equation Modelling (SEM) PLS
Penilaian responden terhadap Kepuasan Masyarakat Kode Pernyataan
Alternatif Jawaban
Skor Total
%
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) KM1 Saya Puas terhadap
layanan yang diberikan BKPSDM
0 1 53 271 67 1580 80.6% Baik
KM2 Saya Puas terhadap penanganan keluhan di BKPSDM
0 3 62 284 43 1543 78.7% Baik
KM3 Saya merasa pengalaman pelayanan di BKPSDM melebihi harapan saya
1 5 61 287 38 1532 78.2% Baik
KM4 Secara keseluruhan saya puas dengan layanan BKPSDM
0 4 50 281 57 1567 79.9% Baik
Kepuasan Masyarakat 6222 79.4% Baik Dari Tabel 4.11 diketahui bahwa penilaian tertinggi terdapat pada kode KM1 dengan persentase skor 80.6 %, berada pada kategori baik. Penilaian terendah terdapat pada kode KM3 dengan persentase skor 78.2 %, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Kepuasan Masyarakat (KM) adalah 79.4 % dengan kategori baik.
Gambar 4.15 menggambarkan interpretasi rata-rata persentase untuk Kepuasan Masyarakat dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% %52% 68% 84% %100%
Gambar 4.15
Interpretasi rata-rata persentase Kepuasan Masyarakat
Structural equation modeling memiliki dua jenis model yang terbentuk, yaitu model pengukuran dand model struktural. Model pengukuran menjelaskan proporsi variance masing-masing indikator (variabel manifes) yang dijelaskand dalam variabel laten. Setelah model pengukuran dari variabel laten diuraikan dilanjutkan dengan menjelaskan model struktural yang mengulas pengaruh masing-masing variabel latene independen (exogenouse latent variable) terhadap variabele laten dependen (endogenouse latent variable).
4.2.2.1. Analisis Model Pengukuran (Outer Model)
Tujuan dari model pengukuran adalah untuk menguji validitas dan reliabilitas alat pengumpulan data dengan menggunakan data utama secara keseluruhan. Pada prinsipnya analisis model pengukuran yaitu menguji indikator terhadap variabel laten, atau mengukur seberapa jauh indikator bisa menjelaskan variabel latennya. Evaluasi hasil pengukuran modele terdiri dari Convergentv Validity, Discriminantv Validity dan Internal Consistancy Reliability.
a. Validitas Konvergen
Prinsip validitas konvergen adalah pengukur-pengukur (manifest variabel) suatu konstruk seharusnya berkorelasi tinggi. Rule of thumb untuk menilai validitas konvergen adalah nilai loading harus lebih dari 0,7 untuk penelitian yang bersifat confirmatory, dan nilai loading antar 0,6-0,7 untuk penelitian yang bersifat exploratory masih dapat diterima, serta average variance extracted (AVE) nilainya harus lebih besar dari 0,5(Chin 1998).
Sedangkan uji relabiitas dilakukan untuk menguji konsistensi, akurasi, dan ketepatan instrumen dalam mengukur konstruk dengan Composite Reliability. Rule of thumb untuk menilai reliabilitas konstruk adalah nilai CR harus lebih besar dari 0,7 untuk penelitian bersifat confirmatory, dan nilai 0,6-0,7 dapat diterima untuk penelitian bersifat exploratory.
Berdasarkan metode estimasi Partial Least Square dihasilkan diagram jaluruFull Model Struktural seperti padagGambar berikut.
Gambar 4.16
Full Model Struktural (PLS Algorithm)
Melalui loading factor yang terdapat pada gambar diatas selanjutnya dapat diketahui validitas dari masing-masing indikator serta menguji reliabilitas dari konstruk variabel yang diteliti. Indikator dinilai valid apabila memiliki bobot faktor lebih besar dari 0,50. Berikut ini disajikan model pengukuran dari variabel masing-masing variabel penelitian.
Tabel 4.12
Uji Validitas Konvergen dan Uji Reliabilitas
Variabel Indikator Item
Loadin g Factor
AVE Keterangan
Service Quality
Reliability
RE1 0.907
0.726
Valid
RE2 0.905 Valid
RE3 0.902 Valid
RE4 0.895 Valid
Assurance
AS1 0.911 Valid
AS2 0.935 Valid
AS3 0.930 Valid
AS4 0.936 Valid
Responsiveness
RP1 0.953 Valid
RP2 0.935 Valid
RP3 0.960 Valid
RP4 0.940 Valid
Empathy
EM1 0.959 Valid
EM2 0.956 Valid
EM3 0.947 Valid
EM4 0.958 Valid
Tangibles
TA1 0.911 Valid
TA2 0.913 Valid
TA3 0.930 Valid
TA4 0.935 Valid
Complaint Handling
Procedural Justice
PJ1 0.896
0.545
Valid
PJ2 0.899 Valid
PJ3 0.887 Valid
PJ4 0.904 Valid
Outcome Justice
OJ1 0.907 Valid
OJ2 0.909 Valid
OJ3 0.891 Valid
OJ4 0.884 Valid
Interactional Justice
IJ1 0.866 Valid
IJ2 0.883 Valid
IJ3 0.877 Valid
IJ4 0.886 Valid
Kepuasan Masyarakat
KM1 0.888
0.804
Valid
KM2 0.902 Valid
KM3 0.888 Valid
KM4 0.907 Valid
Berdasarkan Tabel diatas dapat dilihat semua indikator memiliki nilai loading factor lebih besar dari 0,50. Artinya semua indikator di masing-masing variabel laten sudah valid sebagai alat ukur.
Pada variabel Service Quality, item indikator RP2 memiliki loading factor paling tinggi dibandingkan item indikator lainnya. Data ini menunjukkan bahwa RP2 sebagai item indikator Resposiveness merupakan yang paling kuat dalam merefleksikan variabel Service Quality. Sedangkan item indikator RE1 memiliki loading factor paling rendah dibandingkan indikator lainnnya, yang menunjukkan bahwa RE1 sebagai item indikator Reliability merupakan yang paling lemah dalam merefleksikan variabel-variabel Service Quality. Nilai Average Variance Extracted (AVE) sebesar 0,726 menunjukkan bahwa secara rata-rata 72,6% informasi yang terdapat pada masing-masing indikator dapat tercermin melalui variabel Service Quality.
Pada variabel Complaint Handling, item indikator IJ2 memiliki loading factor paling tinggi dibandingkan item indikator lainnya. Data ini menunjukkan bahwa IJ2 sebagai item indikator Interactional Justice merupakan yang paling kuat dalam merefleksikan variabel Complaint Handling. Sedangkan item indikator OJ4 memiliki loading factor paling rendah dibandingkan indikator lainnnya, yang menunjukkan bahwa OJ4 sebagai item indikator Outcome Justice merupakan yang paling lemah dalam merefleksikan variabel Complaint Handling. Nilai Average Variance Extracted (AVE) sebesar 0,545 menunjukkan bahwa secara rata-rata 54,5% informasi yang terdapat pada masing-masing indikator dapat tercermin melalui variabel Service Quality.
Pada variabel Kepuasan Masyarakat, indikator KM4 memiliki loading faktor paling tinggi dibandingkan indikator lainnya. Data ini menunjukkan bahwa KM4 merupakan yang paling kuat dalam merefleksikan variabel Kepuasan Masyarakat. Sedangkan indikator KM1 dan KM3 memiliki loading faktor paling rendah dibandingkan indikator lainnnya, yang menunjukkan bahwa KM1 dan KM3 merupakan yang paling lemah dalam merefleksikan variabel Kepuasan Masyarakat. Nilai AverageeVariance Extracted (AVE) sebesar 0,804 menunjukkan bahwa secara rata-rata 80.4% informasi yang terdapat pada masing-masing indikator dapat tercermin melalui variabel Kepuasan Masyarakat.
b. Validitas Diskriminan
Prinsip validitas diskriminan adalah pengukur-pengukur (manifest variabel) konstruk yangb berbeda seharusnya tidak berkorelasi tinggi. Pengujian validitas diskriminan dapat dilakukan dengan cara pengujian Cross Loading dan pengujian fornell lacker criterion.
Tabel 4.13 Pengujian Cross Loading Item Service
Quality
Complaint Handling
Kepuasan Masyarakat
RE1 0.847 0.631 0.644
RE2 0.779 0.547 0.614
RE3 0.815 0.62 0.647
RE4 0.812 0.616 0.63
AS1 0.731 0.514 0.527
AS2 0.805 0.591 0.559
AS3 0.758 0.517 0.52
AS4 0.799 0.539 0.54
RP1 0.918 0.693 0.734
RP2 0.895 0.67 0.661
RP3 0.924 0.666 0.733
RP4 0.909 0.662 0.694
EM1 0.917 0.648 0.759
EM2 0.902 0.649 0.744
EM3 0.912 0.632 0.73
EM4 0.908 0.624 0.763
TA1 0.838 0.653 0.672
TA2 0.845 0.664 0.679
TA3 0.831 0.63 0.655
TA4 0.851 0.685 0.66
PJ1 0.505 0.784 0.459
PJ2 0.546 0.76 0.499
PJ3 0.588 0.748 0.462
PJ4 0.587 0.78 0.495
OJ1 0.496 0.716 0.472
OJ2 0.538 0.742 0.464
OJ3 0.516 0.715 0.473
OJ4 0.515 0.746 0.472
IJ1 0.525 0.701 0.638
IJ2 0.544 0.722 0.681
IJ3 0.553 0.711 0.602
IJ4 0.57 0.726 0.623
KM1 0.689 0.649 0.888
KM2 0.697 0.628 0.902
KM3 0.705 0.635 0.888
KM4 0.694 0.66 0.907
Dari tabel diatas diketahui bahwassemua indikator memiliki korelasi tertinggi dengan variabel laten yang diukur. Hal ini terlihat dari nilai loading faktor untuk indikator RE-TA yang memiliki korelasi tertinggi dengan konstruk Service Quality dibandingkan Complaint Handling dan Kepuasan Masyarakat, kemudian indikator PJ-IJ yang memiliki korelasi tertinggi dengan konstruk Complaint Handling dibandingkan Service Quality dan Kepuasan Masyarakat, dan indikator KM yang memiliki korelasi tertinggi dengan konstruk Kepuasan Masyarakat dibandingkan Service Quality dan Kepuasan Masyarakat. Hal ini disimpulkan bahwa model memiliki validitasddiskriminan yang baik.
Selain dengan cross loading uji validitas diskriminan dapat diuji menggunakan uji fornell lacker criterion yaitu dengan membandingkan nilai akar AVE dengan nilai korelasi antar variabel laten.
Tabel 4.14
Uji Fornell Lacker Criterion Service
Quality Complain
t Kepuasan
Masyarakat
Handling Service
Quality 0.852 Complaint
Handling 0.733 0.738
Kepuasan
Masyarakat 0.777 0.718 0.896
Keterangan : Nilai yang dicetak tebal merupakan nilai akar AVE
Dari hasil uji Fornell Lacker Criterion pada tabel diatas dapat disimpulkan bahwa perolehan akar AVE pada Variabel Service Quality sebesar 0,852 lebih tinggi dibandingkan korelasi antara Service Quality dengan Complaint Handling sebesar 0,733, atau Service Quality dengan Kepuasan Masyarakat sebesar 0,777. Akar AVE pada Variabel Complaint Handling sebesar 0,738 lebih tinggi dibandingkan korelasi antara Complaint Handling dengan Service Quaity sebesar 0,733, atau Complaint Handling dengan Kepuasan Masyarakat sebesar 0,718. Kemudian Akar AVE pada Variabel Kepuasan Masyarakat sebesar 0,896 lebih tinggi dibandingkan korelasi antara Kepuasan Masyarakat dengan Service Quaity sebesar 0,777, atau Kepuasan Masyarakat dengan Complaint Handling sebesar 0,718. Hal ini dapat disimpulkan semua konstruk memiliki nilai akar AVE lebih tinggi dibandingkan nilai korelasi tertinggi konstruk tersebut dengan konstruk lainnya, sehingga dapat disimpulkan bahwa model memiliki validitas diskriminan yang baik.
c. Internal Consistancy Reliability
Internal Consistancy Reliability atau lebih dikenal dengan uji relabiitas dilakukan untuk menguji akurasi, konsistensi dan ketepatan instrumen dalam mengukur konstruk dengan Composite Reliability (CR) dan diperkuat dengan Cronbach Alpha (CA). Rule of thumb yang digunakan untuk menilai reliabilitas konstruk adalah nilai CR harus lebihi besar dari 0,7.
Tabel 4.15
Pengujian Internal Consistancy Reliability Variabel laten
Cronbach's Alpha
Composite
Reliability Kesimpulan (> 0,7) (> 0,7)
Service Quality 0.980 0.981 Reliabel
Complaint Handling 0.924 0.935 Reliabel
Kepuasan Masyarakat 0.918 0.942 Reliabel
Berdasarkan tabel diatas terlihat bahwa masing-masing variabel laten memiliki nilai Cronbach's Alpha (CA) > 0,6 dan Composite Reliability (CR) > 0,7 maka reliabel. Hal ini dapat disimpulkan semua indikator memiliki konsistensi serta ketepatan dalam mengukur masing-masing konstruknya.
4.2.2.2. Pengujian Model Struktural (Inner Model)
Model struktural adalah model yang menghubungkanv variabel laten eksogen dengan variabel laten endogen, atau hubungan variabel endogend dengan variabel endogene lainnya.
Fungsinya untuk menguji pengaruh satu variabel laten dengan variabel-variabel laten lainnya.
Berdasarkan pengujian full model struktural dengan metode bootstraping ditampilkan pada gambar berikut.
Gambar 4.17
Diagram Jalur Full Model Struktural (Bootstraping)
Berikut perolehan nilai R-square dan f-square pada full model struktural.
Tabel 4.16
Hasil R-Square dan f-square
No R
square f square
1 Service Quality 0.390
2 Complaint Handling 0.136
3 Kepuasan Masyarakat 0.651
Dari Tabel 4.14 dapat dilihat bahwa R-square untuk Kepuasan Masyarakat adalah 0,651 (korelasi moderat). Artinya bahwa variabel Service Quality dan Complaint Handling mampu menjelaskan variabel Kepuasan Masyarakat sebesar 65,1%, sedangkan sisanya dijelaskan olehevariabel lain di luar yang diteliti.
Sedangkan untuk variabel Service Quality memiliki nilai f-square sebesar 0.390 terhadap variabel Kepuasan Masyarakat yang masuk dalam kategori besar, yang berarti bahwa variabel Service Quality akan berdampak besar terhadap perubahan yang terjadi pada variabel Kepuasan Masyarakat. Variabel Complaint Handling memiliki nilai f-square sebesar 0.136 terhadap variabel Kepuasan Masyarakat yang termasuk ke dalam kategori kecil, yang berarti bahwa variabel Complaint Handling akan berdampak kecil terhadap perubahan yang terjadi pada variabel Kepuasan Masyarakat.
Tahapan selanjutnya pengujian pada model struktural adalah melakukan pengukuran indeks GoF (Goodness of Fit) untuk memvalidasi performa model struktural secara keseluruhan.
Tabel 4.17
Hasil Uji Goodness of Fit Construct
AVE
R- Square
GoF = (
√
AVE x´ R´2)Service Quality 0.726 0
0.416
Complaint Handling 0.545 0
Kepuasan Masyarakat 0.804 0.651
Nilai Rata-Rata 0.793 0.217
Dari hasil perhitungan GoF dapat dilihat nilai performa model struktural secara keseluruhan dengan indeks 0,416, ini dapat disimpulkan bahwa model memiliki GoF yang besar (klasifikasi 0,38 – 1,0), sehingga model penelitian yang terbentuk adalah valid.