BAB 3 METODE PENELITIAN
3.7. Teknik Analisis Data
1. 20% ≤ Nilai < 36% Sangat Tidak Baik 2. 36% ≤ Nilai < 52% Tidak Baik
3. 52% ≤ Nilai < 68% Sedang 4. 68% ≤ Nilai < 84% Baik
5. 84% ≤ Nilai < 100% Sangat Baik
Perhitungan skor total untuk masing-masing indikator variabel sebagai berikut:
Skor Total = (jumlah reponden sangat setuju x 5) + (jumlah reponden setuju x 4) + (jumlah reponden netral x 3) + (jumlah reponden tidak setuju x 2) + (jumlah reponden sangat tidak setuju x 1)
Skor Ideal = diasumsikan bahwa semua responden menjawab sangat setuju x jumlah responden
Interprestasi persentase rata-rata skor total dapat dilihat pada gambar berikut ini :
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% %52% 68% %84% 100%
Gambar. 3.1.
Interpretasi Skor 3.7.2. Structural Equation Modeling
Weston and Gore (2006) dalam Latan (2012: 5) mendefinisikan SEM (Structural Equation Modeling) sebagai “gabungan dari analisis faktor dan analisis jalur yang memungkinkan peneliti untuk membangun, menguji, dan mengkonfirmasi model hubungan yang kompleks.” Dengan menggunakan analisisa komprehensif dan sistematis, SEM bisa dipakai untuku menjawab pertanyaan penelitian.
SEM digunakan untuk menganalisis model penelitian yang kompleks. Peneliti membutuhkan SEM, sebagai alat yang lebih komprehensif untuk dipecahkan. Fungsi SEM adalah:
1. Bangun model penelitian dengan banyak variabel;
2. Periksa variabel atau konstruk yang tidak dapat diamati atau tidak dapat diukur secara langsung (variabel yang tidak teramati);
3. Untuk menguji kesalahan pengukuran untuk variabel atau konstruksi yang diamati (variabel yang diamati);
4. Konfirmasikan bahwa teori tersebut sesuai dengan data penelitian. Analisis Faktor Konfirmatori).
Karena penelitian ini menggunakan model yang dimodifikasi, penelitian ini menggunakan VB-SEM. VB-SEM adalah untuk membuat prediksi hubungan variabel dependen-independen (Indrawati, 2015:198). Analisis statistik yang digunakan adalam penelitian ini, adalah PLS.
3.7.2.1. Partial Least Square
Menurut Wiyono (2011), Partial Least Squares (PLS) adalah salah satu Structural Equtione Modelling (SEM) untuk menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secarah langsung. PLS adalah metode analitik yang kuat karena dapat diterapkan untuk semua skala data, tidak perlu banyak asumsi, dan ukuran sampel tidak boleh besar. Selain dipakai untuk mengkonfirmasi teori, PLS dapat digunakan juga untuk membangun hubungan yang tidak memiliki dasar, teoritis suntuk pengujian atau proposisi.
Berikut adalah alasan mengapa penelitian ini menggunakan PLS:
1. PLS lebih umum digunakan dibandingkan dengan Amos atau Lisrel dalam hal peneliti di bidang Sistem Informasi dan Sistem Informasi Manajemen, 10,71% dari 728 makalah yang diterbitkan dalam Sistem Informasi Penelitian dan Sistem Informasi Manajemen Quarterly (1994-2008) adalah menggunakan PLS dalam memproses data.
Sementara, 9,07% menggunakan Lisrel atau Amos (Urbach Ahlemann, 2010) di Indrawati (2017: 68).
2. PLS tidak memerlukan data yang memiliki distribusi normal. Uji signifikan dalam PLS menggunakan prosedur bootstrap, oleh karena itu normalitas data tidak diperlukan. Alasan ini membuat PLS menjadi sangat populer. (Reinartz et., Al, 2009) dalam Indrawati (2017: 69).
3. PLS dapat memproses berbagai jumlah data, data ukuran kecil (38 sampel) atau bahkan data ukuran besar (1.000 atau lebih). Indrawati (2017: 69).
4. PLS umumnya digunakan untuk memprediksi, seperti dalam penelitian ini yang bermaksud untuk memprediksi faktor-faktor yang mempengaruhi kepuasan masyarakat akan layanan di Badan Kepegawaian dan Pengembangan Sumber Daya Manusia Kabupaten Bandung.
Penelitian menggunakan analisis PLS-SEM dalam dua tingkat, yang disebut second order confirmatory factor analysis (SOCFA). Pengujian SOCFA ini digunakan apabila suatu konstruk dibentuk oleh multidimensi yang dapat diukur melalui indikator-indikatornya.
Evaluasi setiap konstruk laten terhadap item indikatornya dilakukan dengan menambahkan pengukuran dari konstruk laten kepada konstruk indikator. SOCFA tidak berbeda prosedurnya dengan first order confirmatory factor analysis (FOCFA) yang pengukurannya langsung dari setiap konstruk laten terhadap item indikatornya. Dimulai evaluasi model pengukuran (outer model), dilanjutkan dengan evaluasi model struktural (inner model).
3.7.3. Langkah-langkah Analisis PLS-SEM 1. Uji Model Pengukuran (Outer Model)
Tes ini dilakukan untuk menguji validitas dan reliabilitas alat pengukuran dengan menggunakan semua data utama yang dikumpulkan dari penelitian ini. Nama lain dari tes ini adalah Outer Model. Tes ini bertujuan untuk menguji indikator terhadap variabel laten, dengan kata lain, untuk mengukur seberapa kuat indikator (item) dapat menjelaskan variabel laten. Menurut Henseller et, al. (2009); Ringle et., Al (2012); Urbach dan Ahlemann (2010) dalam Indrawati (2017), indikator yang digunakan adalah validitas konvergen, validitas diskriminan, dan reliabilitas.
a. Konvergensi Validitas adalah untuk menguji tingkat item yang akurat di dalam variabel untuk mengukur objek penelitian. Indikator yang digunakan dalam tes ini menggunakan Factor Loading (FL). Semakin tinggi loading factor suatu item, menunjukkan bahwa item-item di dalam variabel tersebut saling bertemu satu sama lain. Menurut Hair et., Al (2010) dalam Indrawati (2015), item tersebut dapat dikatakan memiliki validitas konvergen jika skor FL ≥0,5. Tes lain untuk mengukur item memenuhi kriteria construct validity adalah dengan menghitung Indikator AVE (Average Variance Extracted) (Indrawati, 2015). Skor AVE yang lebih dari 0,50 menunjukkan bahwa item-item variabel memiliki validitas konvergen yang cukup.
(Hair et., Al 2010; Ghozali, 2008) dalam Indrawati (2015).
b. Discriminant Validity untuk menguji seberapa tinggi item dapat mengukur suatu variabel berbeda dari item yang digunakan untuk mengukur variabel lain (Indrawati, 2017:70). Cross Loading adalah kriteria untuk mengukur validitas diskriminan. Nilai Cross Loading menunjukkan seberapa tinggi korelasi antara masing-masing variabel
dengan indikatornya dan indikator lainnya dari blok variabel lain. Menurut Liu dan Li (2011) dalam Indrawati (2017), suatu indikator dapat dikatakan valid jika indikator konstruk memiliki skor korelasi yang lebih tinggi dibandingkan dengan skor dengan konstruk lainnya. Selain itu, indikator validitas diskriminan juga dapat dilihat dari Skor AVE. Jika skor akar kuadrat AVE dari masing-masing variabel AVE lebih tinggi dari korelasi antara dua variabel di dalam model, maka variabel tersebut sudah memenuhi validitas diskriminan. (Gepen dan Straub, 2005 dalam Indrawati, 2017).
c. Menurut Indrawati (2015), reliabilitas berkaitan dengan konsistensi dan juga stabilitas hasil pengukuran. Reliabilitas dilakukan dengan, menggunakan Cronbach Alphad dan Composite Reliability. Cronbach Alpha adalah teknik yang paling banyak digunakan.
Koefisien Cronbach Alpha minimal 0,7 menunjukkan bahwa kuesioner memiliki reliabilitas yang baik. (Hair et., Al 2010; Kaplan dan Saccuzzo 1993: 126; Nunnally
& Bernstein, 1994; Pedhazur & Pedhazur, 1991) dalam Indrawati (2015). Selain itu, Composite Reliability (CR) juga dapat mengukur reliabilitas konstruk. CR yang baik menunjukkan bahwa indikator konstruk menggabungkan dan mengukur konstruk secara memadai. Nilai CR dapat bervariasi antara 0 dan 1; Hair et al., (2010) dalam Gaol et., Al (2014) membutuhkan nilai CR minimum 0,7.
2. Uji Model Struktural (Inner Model)
Menurut Indrawati (2017), tes PLS kedua adalah Penilaian model struktural atau Tes Inner Model. Tes ini dilakukan untuk mengetahui pengaruh variabel laten terhadap variabel laten lainnya. Tes dilakukan dengan melihat nilai jalur untuk melihat apakah pengaruhnya signifikan atau tidak. Tes ini membutuhkan prosedur bootstrap untuk mendapatkan t-value.
Selain t-value, persentase varians perlu diperhatikan, yaitu R² untuk variabel laten dependen.
R² dengan hasil 0,67; 0,33; dan 0,19 menunjukkan bahwa model itu "Baik", "Sedang", dan
"Lemah". (Indrawati, 2017: 71) 3.7.4. Uji Goodness of Fit
Untuk memvalidasi model keseluruhan, goodness of fit (GoF) digunakan. Indeks GoF adalah ukuran tunggal yang dipakai dalam memvalidasi kinerja gabungan antara model pengukuran (outer model) serta model struktural (inner model). Nilai indeks GoF berasal dari averages communalities index dikalikan dengan model R². Formula untuk indeks GoF (Hanseler & Sarstedt, 2013) adalah:
GoF=
√
AVE×´ R´2 (3.2)dimana:
AVE´ = average communalities index R² = model R²
Nilai GoF terletak antara 0 -1 dengan interpretasi dari nilainya adalah 0,1 (GoF kecil), 0,25 (GoF moderat) serta 0,36 (GoF besar).
3.7.5. Pengujian Hipotesis
Hipotesis diuji dengan membandingkan dugaan yang dididik peneliti dengan realitas empiris (Zikmund et al., 2010: 509). Indrawati (2015) mendefinisikan hipotesis sebagai pernyataan sementara yang kira-kira akan didukung oleh data empiris pada penelitian.
Pengujian hipotesis dalam penelitian ini dikategorikan sebagai uji satu arah karena penelitian ini ingin mengetahui hubungan antar variabel. Penelitian ini menggunakan uji ekor kanan. Kurva pada Gambar 3.2 di bawah ini menunjukkan area H0 yang diterima dan ditolak dengan tingkat signifikansi 5%. Ini berarti bahwa penelitian ini percaya 95% hasil dari pengujian hipotesis adalah benar. Apalagi menurut Indrawati (2015: 172), tingkat kepercayaan yang biasanya digunakan dalam studi bisnis adalah tingkat kepercayaan 95%.
Gambar 3.1 H0 Rejection Area on One-Tailed Test
Pada gambar 3.2 area yang diarsir menunjukkan area penolakan H0 dengan skor 1,65 (dibulatkan dari 1,645) yang berarti jika skor t-value dalam penelitian ini lebih besar dari atau sama dengan 1,65 (≥ 1,6) maka H0 ditolak. Sebaliknya jika t-value dari penelitian ini kurang dari 1,65 (<1,65) maka H0 diterima.
Untuk skor α 0,05:
H0 diterima jika t-value adalah t ≤ 1,65 H1 diterima jika t-value adalah t > 1,65
Pengujian Hipotesis 1
H0 : Service Quality tidak memiliki pengaruh positif dan signifikan terhadap Kepuasan Masyarakat.
H1 : Service Quality memiliki pengaruh positif dan signifikan terhadap Kepuasan Masyarakat.
Pengujian Hipotesis 2
H0 : Complaint Handling tidak memiliki pengaruh positif dan signifikan terhadap Kepuasan Masyarakat.
H1 : Complaint Handling memiliki pengaruh positif dan signifikan terhadap Kepuasan Masyarakat.
BAB 4
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Karakteristik Responden
Dalam penelitian ini responden yang dipilih adalah masyarakat PNS yang berdomisili di Kabupaten Bandung serta menggunakan layanan kepegawaian pada Badan Kepegawaian dan Pengembangan Sumber Daya Kabupaten Bandung Kabupaten Bandung.
Penelitian ini mengambili jumlah responden sebanyak 392 responden. Kuesioner disebarkan secara online melalui google form serta secara offline dengan menemui langsung responden yang datang ke pelayanan Badan Kepegawaian dan Pengembangan Sumber Daya Kabupaten Bandung.
49.20%;
49.20%
50.80%;
50.80%
Jenis Kelamin
Laki-Laki Perempuan
Gambar 4.1
Karakteristik Respondend Berdasarkan Jenis Kelamin
Dari Gambar 4.1 diketahui bahwa karakteristik responden berdasarkan jenis kelamin didominasi oleh responden dengan jenis kelamin perempuan dengan persentase sebesar 50,8%, sementara jenis kelamin laki-laki sebanyak 49,2% dengan jenis kelamin laki-laki.
Artinya bahwa masyarakat PNS Kabupaten Bandung yang menggunakan layanan kepegawaianp pada Badan Kepegawaian dan Pengembangan Sumber Daya Manusia Kabupaten Bandung didominasi oleh perempuan. Sesuai dengan data masyarakat PNS Kabupaten Bandung, bahwa jumlah masyarakat pns perempuan sebanyak 9.339 labih banyak dari laki-laki 6.765.
1.50%
19.10%
40.30%
29.60%
9.50%
Usia
Kurang dari 25 tahun 25 - 34 tahun 35 - 44 tahun 45 - 54 tahun lebih dari 54 tahun
Gambar 4.2
Karakteristik Responden Berdasarkan Usia
Dari Gambar 4.2 dapat disimpulkan bahwa karakteristikr responden berdasarkan usia didominasi oleh masyarakatp PNS yang berusia 35 - 44 tahun sebesar 40%. Sedangkan yang berusia 45 – 54 tahun sebesar 30%, yang berusia 25 – 34 tahun sebesar 19%, yang berusia lebih dari 54 tahun sebesar 10%, dan yang berusia kurang dari 25 tahun sebesar 1%. Dapat disimpulkan bahwa masyarakat PNS Kabupaten Bandung yang menggunakan layanan kepegawaian didominasi oleh masyarakat PNS yag berusia 35 – 44 tahun yang lebih memanfaatkan pelayanan kepegawaian pada Badan Kepegawaian dand Pengembangan Sumberd Daya Manusia.
0.20%12.00%
11.50%
67.60%
8.70%
Pendidikan
SD/SMP SMA D1 - D3 D4 / S1 S2 / S3
Gambar 4.3
Karakteristik Respondenb Berdasarkan Pendidikan Terakhir
Dari Gambar4 4.3 diketahui bahwa karakteristik masyarakat PNS Kabupaten Bandung yang menggunakan layanan kepegawaian, berdasarkan pendidikan terakhir didominasi oleh masyarakat PNS dengan latar pendidikan D4/S1dengan persentase sebesar
68%, SMA sebesar 12%, D1 – D3 sebesar 11%, S2/S3 sebesar 9%, dan SD/SMP sebesar 1%.
Artinya bahwa masyarakat PNS Kabupaten Bandung pengguna layanan kepegawaian didominasi oleh pendidikan dengan latar belakang pendidikan D4/S1, sementara dengan tingkat pendidikan SD/SMP dalam jumlah sedikit. Hal ini sesuai dengan data masyarakat PNS Kabupaten Bandung, bahwa jumlah masyarakat pns didominasi berlatar belakang pendidikan D4/S1 sebanyak 10.378.
0.20%
23.20%
71.20%
5.40%
Golongan Ruang
I/a - I/d II/a - II/d III/a - III/d IV/a - IV/e
Gambar 4.4
Karakteristik Responden Berdasarkan Golongan Ruang
Dari Gambar 4.4 dapat disimpulkan bahwa karakteristik respondend berdasarkan golongan ruang didominasi oleh masyarakat PNS dengan golongan ruang III/a – III/d sebesar 71%. Sedangkan golongan ruang II/a – II/d sebesar 23%, golongan ruang IV/a – IV/b sebesar 6%, dan golongan ruang I/a – I/d sebesar 0%. Artinya bahwa masyarakat PNS Kabupaten Bandung pengguna layanan kepegawaian pada Badan Kepegawaian dan Pengembangan Suber Daya Manusia Kabupaten Bandung didominasi oleh masyarakat PNS golongan ruang III/a – III/d. Hal ini menunjukan bahwa golongan III/a-III/b paling banyak menggunakan layanan kepegawaian yang berhubungan dengan kenaikan pangkat, kenaikan gaji dan layanan kepegawaian lainnya. Sedangkan golongan ruang IV/a-IV/b sudah jarang menggunakan layanan kepegawaian lagi dikarenakan mayoritas sudah mendekati usia pensiun.
4.2. Hasil Penelitian
4.2.1. Analisa Statistika Deskriptif
Analisis deskriptif membantu peneliti dalam mengukur seberapa besar tingkat variabel yang diteliti sesuai dengan instrumen yang digunakan. Analisa ini dilakukan berdasarkan penilaian responden terhadap variabel penelitian, kemudian diperoleh skor masing-masing indikatord serta rekapitulasi skor variabelnya, selanjutnya dilakukan penentuan kategori berdasarkan interpretasi skor.
4.2.1.1. Deskriptif Variabele Service Quality
Analisis deskriptif fvariabel service quality dilakukan untuk mengetahui seberapa besar pengaruh indikator reliability, assurance, responsiveness, empathy, dan tangible terhadap variabel service quality dalam penelitian ini. Berikut hasil tanggapan responden terhadap item pernyataan kuesioner mengenai masing-masing indikator di atas.
a. Hasil Pengolahan Data Reliability (RE)
Indikator Reliability diukur dengan 4 item pernyataan. Berikut adalah penilaian responden atasa masing-masing indikator Reliability.
Tabel 4.1
Penilaian responden terhadap Reliability Kode Pernyataan
Alternatif Jawaban
Skor Total %
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) RE1 1. Saya merasa
BKPSDM menyediakan layanan sesuai yang dijanjikan
0 22 35 255 80 1569 80.1% Baik
RE2 2. Saya merasa Petugas BKPSDM dapat diandalkan dalam menjawab pertanyaan saya
3 26 83 239 41 1465 74.7% Baik
RE3 3. Saya merasa Petugas BKPSDM memberikan layanan secara benar semenjak pertama kali
2 28 64 253 45 1487 75.9% Baik
RE4 4. Saya merasa Petugas BKPSDM menyediakan layanan sesuai dengan waktu yang dijanjikan
2 22 49 260 59 1528 78.0% Baik
Reliability 6049 77.2% Baik
Dari Tabel 4.1 diketahui bahwa penilaian tertinggi terdapat pada kode RE1 dengan persentase skor 80.1% berada pada kategori baik. Penilaian terendah terdapat pada kode RE2 dengan persentase skor 74.7% berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Reliability (RE) adalah 77.2% dengan kategori baik.
Gambar 4.5 menggambarkan interpretasi rata-rata persentase untuk Reliability (RE) dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% 52% 68% 84% 100%
Gambar 4.5
Interpretasi rata-rata persentase Reliability (RE)
a. Hasil Pengolahan Data Assurance (AS)
Indikator Assurance diukur dengan 4 item pernyataan. Berikut adalah penilaian responden atasa masing-masing indikator Assurance.
Tabel 4.2
Penilaian responden terhadap Assurance Kode Pernyataan
Alternatif Jawaban
Skor Total
%
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) AS1 5. Saya Merasa Petugas
BKPSDM
menumbuhkan rasa percaya pada saya
9 49 78 223 33 1398 71.3% Baik
AS2 6. Saya merasa Petugas BKPSDM membuat saya merasa aman waktu menerima layanan
2 38 52 260 40 1474 75.2% Baik
AS3 7. Saya merasa Petugas BKPSDM secara konsisten bersikap sopan
8 42 78 226 38 1420 72.4% Baik
AS4 8. Saya merasa Petugas BKPSDM mampu menjawab pertanyaan saya
2 41 46 267 36 1470 75.0% Baik
Assurance 5762 73.5% Baik
77.2%
Dari Tabel 4.2 diketahui bahwa penilaian tertinggi terdapat pada kode AS2 dengan persentase skor 75.2 %, berada pada kategori baik. Penilaian terendah terdapat pada kode AS1 dengan persentase skor 71.3%, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Assurance (AS) adalah 73.5 % dengan kategori baik.
Gambar 4.6 menggambarkan interpretasi rata-rata persentase untuk Assurance (AS) dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% 52% 68% 84% 100%
Gambar 4.6
Interpretasi rata-rata persentase Assurance (AS) b. Hasil Pengolahan Data Responsiveness (RP)
Indikator Responsiveness diukur dengan 4 item pernyataan. Berikut adalah penilaian responden atasa masing-masing indikator Responsiveness.
Tabel 4.3
Penilaian responden terhadap Responsiveness Kode Pernyataan
Alternatif Jawaban
Skor Total
%
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) RP1 9. Saya merasa Petugas
BKPSDM mampu menginformasikan kepastian waktu penyampaian layanan
4 50 49 247 42 1449 73.9% Baik
RP2 10. Saya merasa Petugas BKPSDM memberikan layanan yang cepat
4 48 38 257 45 1467 74.8% Baik
RP3 11. Saya merasa Petugas BKPSDM selalu bersedia membantu saya
1 54 32 261 44 1469 74.9% Baik
RP4 12. Saya merasa Petugas BKPSDM selalu bersedia merespon permintaan saya
5 44 35 265 43 1473 75.2% Baik
Responsiveness 5858 74.7% Baik
73.5%
Dari Tabel 4.3 diketahui bahwa penilaian tertinggi terdapat pada kode RP4 dengan persentase skor 75.2 %, berada pada kategori baik. Penilaian terendah terdapat pada kode RP1 dengan persentase skor 73.9 %, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Responsiveness (RP) adalah 74.7 % dengan kategori baik.
Gambar 4.7 menggambarkan interpretasi rata-rata persentase untuk Responsiveness (RP) dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% 52% 68% 84% 100%
Gambar 4.7
Interpretasi rata-rata persentase Responsiveness (RP) c. Hasil Pengolahan Data Empathy (EM)
Indikator Empathy diukur dengan 4 item pernyataan. Berikut adalah penilaian responden atasa masing-masing indikator Empathy.
Tabel 4.4
Penilaian responden terhadap Empathy Kode Pernyataan
Alternatif Jawaban
Skor Total
%
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) EM1 13. Saya merasa
Petugas BKPSDM memberikan perhatian secara khusus
0 41 35 272 44 1495 76.3% Baik
EM2 14. Saya merasa Petugas BKPSDM melayani saya dengan penuh perhatian
4 35 34 280 39 1491 76.1% Baik
EM3 15. Saya merasa Petugas BKPSDM sungguh-sungguh mengutamakan kepentingan saya
2 36 27 277 50 1513 77.2% Baik
EM4 16. Saya merasa Petugas BKPSDM memahami kebutuhan saya
2 38 37 284 31 1480 75.5% Baik
Empathy 5979 76.3% Baik
74.7%
Dari Tabel 4.4 diketahui bahwa penilaian tertinggi terdapat pada kode EM3 dengan persentase skor 77.2%, berada pada kategori baik. Penilaian terendah terdapat pada kode EM4 dengan persentase skor 75.5 %, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Empathy (EM) adalah 76.3 % dengan kategori baik.
Gambar 4.8 menggambarkan interpretasi rata-rata persentase untuk Empathy (EM) dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% 52% 68% 84% 100%
Gambar 4.8
Interpretasi rata-rata persentase Empathy d. Hasil Pengolahan Data Tangible (TA)
Indikator Tangible diukur dengan 4 item pernyataan. Berikut adalah penilaian responden atasa masing-masing indikator Tangible.
Tabel 4.5
Penilaian responden terhadap Tangible Kode Pernyataan
Alternatif Jawaban Skor Total
%
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) TA1 17. Saya merasa
BKPSDM memiliki Peralatan Kerja yang memadai
0 16 62 266 48 1522 77.7% Baik
TA2 18. Saya merasa BKPSDM memiliki Fasilitas yang berdaya tarik visual (dekorasi yang menarik)
1 12 61 274 44 1524 77.8% Baik
TA3 19. Saya merasa Petugas BKPSDM
berpenampilan rapih
0 16 53 273 50 1533 78.2% Baik
TA4 20. Saya merasa BKPSDM memiliki materi informasi (banner, brosur) yang menarik
0 12 51 281 48 1541 78.6% Baik
Tangible 6120 78.1% Baik
76.3%
Dari Tabel 4.5 diketahui bahwa penilaian tertinggi terdapat pada kode TA4 dengan persentase skor 78.6 %, berada pada kategori baik. Penilaian terendah terdapat pada kode TA1 dengan persentase skor 77.7 %, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Tangible (TA) adalah 78.1 % dengan kategori baik.
Gambar 4.9 menggambarkan interpretasi rata-rata persentase untuk Tangible (TA) dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% %52% 68% %84% 100%
Gambar 4.9
Interpretasi rata-rata persentase Tangible e. Rekapitulasi Tanggapan Responden Mengenai Service Quality
Variabel service quality diukur dengan 5 (lima) indikator yang telah dijelaskan dengan 20 item pernyataan. Berikut adalah rekapitulasi hasil penilaian responden terhadap variabel service quality:
Tabel. 4.6
Penilaian responden terhadap service quality
Kode Indikator Skor
Total
%
Skor Kategori
RE Reliability 6049 77.2% Baik
AS Assurance 5762 73.5% Baik
RP Responsiveness 5858 74.7% Baik
EM Empaty 5979 76.3% Baik
TA Tangible 6120 78.1% Baik
SERVICE QUALITY 29768 75.9% Baik
Berdasarkan hasil pengolahan data di atas, persentase skor tertinggi terdapat pada indikator Tangible (TA) dengan persentase skor 78.1 %, sementara persentase skor terendah terdapat pada indikator Assurance (AS) dengan persentase skor 73.5 %.
Adapun rata-rata persentase skor untuk Service Quality adalah 75.9%, dan berada dalam kategori Baik.
Gambar 4.10 menggambarkan interpretasi rata-rata persentase untuk Service Quality (SQ) dalam garis kontinum.
78.1%
75.9%
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% %52% 68% %84% 100%
Gambar 4.10
Interpretasi rata-rata persentase total service quality 4.2.1.2. Deskriptif Variabel Complaint Handling
Analisis deskriptif variabel complaint handling dilakukan untuk mengetahui seberapa besar pengaruh indikator procedural juctice, outcome justice dan interactional justice terhadap variabele complaint handling. Berikut hasil tanggapan responden terhadap item pernyataan kuesioner mengenai masing-masing indikator di atas
a. Hasil Pengolahan Procedural Justice (PJ)
Indikator Procedural Justice diukur dengan 4 item pernyataan. Berikut adalah penilaian responden terhadap masing-masing indikator Procedural Justice.
Tabel 4.7
Penilaian responden terhadap Procedural Justice Kode Pernyataan
Alternatif Jawaban
Skor Total
%
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) PJ1 21. Saya merasa
mudah
menyampaikan keluhan kepada BKPSDM
0 7 58 239 88 1584 80.8% Baik
PJ2 22. Saya merasa Proses penanganan keluhan di BKPSDM transparan
0 4 51 242 95 1604 81.8% Baik
PJ3 23. Saya merasa Proses penanganan keluhan di BKPSDM cepat
0 5 43 229 115 1630 83.2% Baik
PJ4 24. Saya merasa kebijakan penanganan keluhan di BKPSDM dilaksanakan dengan adil
0 5 47 264 76 1587 81.0% Baik
Procedural justice 6405 81.7% Baik
Dari Tabel 4.7 diketahui bahwa penilaian tertinggi terdapat pada kode PJ3 dengan persentase skor 83.2 %, berada pada kategori baik. Penilaian terendah terdapat pada kode PJ1 dengan persentase skor 80.8 %, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Procedural Justice (PJ) adalah 81.7 % dengan kategori baik.
Gambar 4.11 menggambarkan interpretasi rata-rata persentase untuk Procedural Juctice (PJ) dalam garis kontinum.
Sangat Tidak
Baik Tidak Baik Cukup Baik Baik Sangat Baik
20% 36% %52% 68% %84% 100%
Gambar 4.11
Interpretasi rata-rata persentase Procedural Juctice a. Hasil Pengolahan Outcome Justice (OJ)
Indikator Outcome Justice diukur dengan 4 item pernyataan. Berikut adalah penilaian responden terhadap masing-masing indikator Outcome Justice.
Tabel 4.8
Penilaian responden terhadap Outcome Justice Kode Pernyataan
Alternatif Jawaban
Skor
Total %
Skor Kategori STS
(1) TS (2)
KS (3)
S (4)
SS (5) OJ1 25. Saya merasa
solusi yang diberikan petugas BKPSDM sesuai dengan harapan
1 9 36 250 96 1607 82.0% Baik
OJ2 26. Saya merasa BKPSDM memberikan solusi yang adil
0 10 43 266 73 1578 80.5% Baik
OJ3 27. Saya merasa solusi dari BKPSDM memberikan hasil positif bagi saya
0 10 48 259 75 1575 80.4% Baik
OJ4 28. Saya merasa hasil pemulihan keluhan dari BKPSDM adil
2 11 73 237 69 1536 78.4% Baik
Outcome justice 6296 80.3% Baik
Dari Tabel 4.8 diketahui bahwa penilaian tertinggi terdapat pada kode OJ1 dengan persentase skor 82 %, berada pada kategori baik. Penilaian terendah terdapat pada kode OJ4 dengan persentase skor 78.4 %, berada pada kategori baik.
Sedangkan rata-rata persentase skor untuk Outcome Justice (OJ) adalah 80.3% dengan kategori baik.
81.7%