Teknik Analisis Data - METODE PENELITIAN - PENGARUH DIMENSI KUALITAS PELAYANAN TERHADAP LOYALIT

BAB 3 METODE PENELITIAN

3.6 Teknik Analisis Data

Data ini akan dianalisis dengan pendekatan kuantitatif menggunakan analisis statistik yakni partial least square – structural equestion model (PLSSEM) yang bertujuan untuk melakukan analisis jalur (path) dengan variabel laten. Analisis ini sering disebut sebagai generasi kedua dari analisis multivariate.

(L. Ghozali & Latan, 2019). Analisis persamaan struktural (SEM) berbasis varian yang secara simultan dapat melakukan pengujian model pengukuran sekaligus pengujian model struktural. Model pengukuran digunakan untuk uji validitas dan reliabilitas, sedangkan model struktural digunakan untuk uji kausalitas (pengujian hipotesis dengan model prediksi).

Tujuan dari penggunaan (Partial Least Square) PLS yaitu untuk melakukan prediksi. Dimana dalam melakukan prediksi tersebut adalah untuk memprediksi hubungan antar konstruk, selain itu untuk membantu peneliti dan penelitiannya untuk mendapatkan nilai variabel laten yang bertujuan untuk melakukan pemprediksian.

Variabel laten adalah linear agregat dari indikator indikatornya. Weight estimate untuk menciptakan komponen skor variabel laten didapat berdasarkan bagaimana inner model (model struktural yang menghubungkan antar variabel laten) dan outer model (model pengukuran yaitu hubungan antar indikator dengan konstruknya) dispesifikasi. Hasilnya adalah residual variance dari variabel dependen (kedua variabel laten dan indikator) diminimunkan.

PLS merupakan metode analisis yang powerfull oleh karena tidak didasarkan banyak asumsi dan data tidak harus berdistribusi normal multivariate (indikator dengan skala kategori, ordinal, interval sampai ratio dapat digunakan pada model yang sama). Pengujian model struktural dalam PLS dilakukan dengan bantuan software Smart PLS ver. 4 for Windows. Berikut adalah model struktural yang dibentuk dari perumusan masalah: Konseptual dalam penelitian ini adalah sebagai berikut :

Gambar 3. 1 Modal Struktual PLS

Menurut Hair dkk. (2017) Ada dua tahapan kelompok untuk menganalisis SEM- PLS yaitu :

1. Analisis model pengukuran (outer model), yakni a. validitas konvergen (convergent validity)

b. realibilitas dan validitas konstruk (construct reliability and validity);

c. validitas diskriminan (discriminant validity) 2. Analisis model struktural (inner model), yakni

a. Koefisien determinasi (r-square);

b. f-square; dan c. pengujian hipotesis

Estimasi parameter yang didapat dengan (Partial Least Square) PLS dapat dikategorikan sebagai berikut: kategori pertama, adalah weight estimate yang digunakan untuk menciptakan skor variabel laten. Kategori kedua, mencerminkan estimasi jalur (path estimate) yang menghubungkan variabel laten dan antar variabel laten dan blok indikatornya (loading). Kategori ketiga adalah berkaitan 1 dengan means dan lokasi parameter (nilai konstanta regresi) untuk indikator dan variabel laten.

Tangible

Reliability

Kepuasan pelanggan

Loyalitas pelanggan

Untuk memperoleh ketiga estimasi tersebut, (Partial Least Square) PLS menggunakan proses literasi tiga tahap dan dalam setiap tahapnya menghasilkan estimasi yaitu sebagai berikut:

1. Menghasilkan weight estimate.

2. Menghasilkan estimasi untuk inner model dan outer model.

3. Menghasilkan estimasi means dan lokasi (konstanta).

3.6.1 Analisa Outer Model 1

Analisa outer model dilakukan untuk memastikan bahwa measurement yang digunakan layak untuk dijadikan pengukuran (valid dan reliabel). Dalam analisa model ini menspesifikasi hubungan antar variabel laten dengan indikator indikatornya. Analisa outer model dapat dilihat dari beberapa indikator:

1. Convergent Validity

Adalah indikator yang dinilai berdasarkan korelasi antar item score/component score dengan construct score, yang dapat dilihat dari standardized loading factor yang mana menggambarkan besarnya korelasi antar setiap item pengukuran (indikator) dengan konstraknya. Ukuran refleksif individual dikatakan tinggi jika berkorelasi > 0,7 dengan konstruk yang ingin diukur, nilai outer loading antara 0,5-0,6 sudah dianggap cukup.

2. Discriminant Validity

Merupakan model pengukuran dengan refleksif indikator dinilai berdasarkan crossloading pengukuran dengan konstruk. Jika korelasi konstruk dengan item pengukuran lebih besar daripada ukuran konstruk

lainnya, maka menunjukkan ukuran block mereka lebih baik dibandingkan dengan block lainnya. Sedangkan menurut model lain untuk menilai discriminant validity yaitu dengan membandingkan nilai squareroot of average variance extracted (AVE).

3. Composite reliability

Merupakan indikator untuk mengukur suatu konstruk yang dapat dilihat pada view latent variable coefficient. Untuk mengevaluasi 60 composite reliability terdapat dua alat ukur yaitu internal consistency dan cronbach’s alpha. Dengan pengukuran tersebut apabila nilai yang dicapai adalah > 0,70 maka dapat dikatakan bahwa konstruk tersebut memiliki reliabilitas yang tinggi.

4. Cronbach’s Alpha

Merupakan uji reliabilitas yang dilakukan merupakan hasil dari composite reliability. Suatu variabel dapat dinyatakan reliabel apabila memiliki nilai cronbach’s alpha > 0,7.

3.6.2 Analisa Inner Model

Analisis Inner Model biasanya juga disebut dengan (inner relation, structural model dan substantive theory) yang mana menggambarkan hubungan antara variabel laten berdasarkan pada substantive theory. Analisa inner model dapat dievaluasi yaitu dengan menggunakan R-square untuk konstruk dependen, Stone-Geisser Q-square test untuk predictive dan uji t serta signifikansi dari koefisien parameter jalur struktural. Dalam pengevaluasi inner model dengan (Partial Least Square) PLS dimulai dengan cara melihat R-square untuk setiap variabel laten dependen.

Kemudian dalam penginterpretasinya sama dengan interpretasi pada regresi. Perubahan nilai R-square dapat digunakan untuk menilai pengaruh variabel laten independen tertentu terhadap variabel laten dependen apakah memiliki pengaruh yang substantive. Selain melihat nilai R-square, pada model (Partial Least Square) PLS juga dievaluasi dengan melihat nilai Q- square prediktif relevansi untuk model konstruktif. Q-square mengukur seberapa baik nilai observasi dihasilkan oleh model dan estimasi parameter.

Nilai Q-square lebih besar dari 0 (nol) menunjukkan bahwa model mempunyai nilai predictive 57 relevance, sedangkan apanilai nilai Q-square kurang dari 0 (nol), maka menunjukkan bahwa model kurang memiliki predictive relevance.

3.6.3 Uji Hipotesis

Dalam pengujian hipotesis dapat dilihat dari nilai t-statistik dan nilai probabilitas. Untuk pengujian hipotesis yaitu dengan menggunakan nilai statistik maka untuk alpha 5% nilai t-statistik yang digunakan adalah 1,96.

Sehingga kriteria penerimaan/penolakan hipotesis adalah Ha diterima dan H0 ditolak ketika t-statistik > 1,96. Untuk menolak/menerima hipotesis menggunakan probabilitas maka Ha diterima jika nilai probabilitas < 0,05.

3.6.4 Spesifikasi Model dan Persamaan Struktural

Hubungan antar variabel dalam suatu diagram alur dapat membantu dalam merangkai hubungan sebab akibat antar konstruk dari model teoritis sebelumnya.

Secara lengkap model struktural dalam penelitian ini dapat dilihat pada gambar dibawah ini :

Gambar 3. 2 Model Analisis Persamaan Struktural

3.6.5 Uji Kecocokan (Testing Fit)

Pengujian pada inner model atau model struktural dilakukan untuk menguji hubungan antar konstruk laten. Inner model meliputi inner relation, struktural model dan substantive theory menggambarkan hubungan antara variabel laten berdasarkan pada teori substantive. Inner model diuji dengan melihat nilai Rsquare, Q-square dan path coefficient (koefisien jalur) untuk mendapatkan informasi seberapa besar variabel laten dependen dipengaruhi oleh variabel laten independen, serta uji signifikansi untuk menguji nilai signifikansi hubungan atau pengaruh antar variabel (L. Ghozali & Latan, 2019).

1. R-Square Test

Nilai R-square atau koefisien determinasi menunjukkan keragaman konstruk-konstruk eksogen yang mampu menjelaskan konstruk endogen secara serentak. Nilai R-square digunakan untuk mengukur tingkat variabilitas perubahan variabel independen terhadap variabel dependen.

Parameter ini juga digunakan untuk mengukur kelayakan model prediksi dengan rentang 0 sampai 1. Semakin tinggi nilai R-square maka semakin besar pula pengaruh variabel laten eksogen terhadap variabel laten

Tangible

Reliability

Kepuasan pelanggan

Loyalitas pelanggan

endogen. Perubahan nilai R-square (r2) digunakan untuk menilai pengaruh variabel independen tertentu terhadap variabel laten dependen secara substantive (Ghozali & Latan, 2015)

2. Path Coefficient Test.

Koefisien jalur menunjukkan seberapa besar hubungan atau pengaruh konstruk laten yang dilakukan dengan prosedur bootstrapping.

Antar konstruk memiliki hubungan yang kuat apabila nilai path coefficient lebih dari 0,01. Serta hubungan antara variabel laten dikatakan signifikan jika path coefficient pada level 0,050.

50 BAB 4

HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian

4.1.1 Deskripsi Variabel penelitian

Dalam penelitian ini penulis mengola data angket dalam bentuk data yang terdiri dari 8 pernyataan untuk variabel Kepuasan Pelanggan (Y), 6 pernyataan untuk Loyalitas Pelanggan (Z), 6 pernyataan untuk Tangible (X1), dan 8 pernyataan untuk Reliability (X2). Angket yang disebarkan ini diberikan kepada 100 orang responden Mahasiswa FEB UMSU sebagai sampel penelitian dengan menggunakan skala likert berbentuk tabel ceklis.

4.1.2 Identitas Responden

4.1.2.1 Identitas Berdasarkan Jenis kelamin Tabel 4. 1 Jenis Kelamin Responden

No Jenis Kelamin Jumlah Presentase

1 Laki–laki 20 20%

2 Perempuan 80 80%

Total 100 100%

Sumber : Data diolah 2023

Dari tabel 4.1 diatas bisa dilihat bahwa persentase responden terdiri dari 20 (20 %) or000ang laki-laki dan perempuan sebanyak 80 (80%) orang. Bisa di Tarik kesimpulan bahwa yang menjadi mayoritas responden adalah perempuan pada Mahasiswa FEB UMSU.

4.1.2.2 Distribusi Berdasarkan Usia

Identitas responden Mahasiswa FEB UMSU dapat diuraikan pada tabel sebgai berikut:

Tabel 4. 2 Usia Responden

No Umur Jumlah Presentase

1 <20Tahun 50 40%

2 21-22Tahun 45 45%

3 >22Tahun 5 5%

Total 100 100%

Sumber :Data Diolah 2023

Dari tabel 4.2 diatas bisa dilihat bahwa responden yang berusia <20 tahun sebanyak 40 orang (40%),berusia 21-22 tahun sebanyak 45 orang (45%),berusia

>22 tahun sebanyak 5 orang (5%), dengan demikian yang menjadi mayoritas responden adalah yang berumur <20 tahun pada Mahasiswa FEB UMSU.

4.1.2.3 Distriusi Responden Berdasarkan Jurusan Tabel 4. 3 Jurusan Mahasiswa

Sumber: Data Diolah 2023

Dari tabel 4.3 diatas bisa dilihat bahwa responden yang berasal dari jurusan manajemen sebanyak 50 orang (50%), responden pada jurusan akuntansi sebanyak 40 orang (40%), responden yang berasal dari jurusan ekonomi Pembangunan sebanyak 5 orang (5%). dan responden yang terdapat di jurusan manajemen pajak sebanyak 5 orang (5%) Dapat dilihat dari

No Jurusan Jumlah Presentase

1 Manajemen 50 50%

2 Akuntansi 40 40%

3 Ekonomi Pembangunan 5 5%

4 Manajemen Pajak 5 5%

Total 100 100%

mayoritas responden terdapat pada jurusan manajemen sebanyak 50 orang pada pengguna Gojek.

4.1.3 Deskrisi Hasil Penelilitian

Variabel dalam penelitian ini terdiri dari 4 variabel yaitu Loyalitas Pelanggan (Y), kepuasan Pelanggan (Z), Tangible (X1) dan Reliability (X2). Deskripsi dari pernyataan akan menampilkan opsi jawaban setiap responden Terhadap setiap item pernyataan yang diberikan penulis kepada responden.

4.1.3.1 Variable Loyalitas Pelanggan (Y)

Berdasarkan penyebaran angket kepada Mahasiswa FEB UMSU diperoleh nilai-nilai frekuensi jawaban responden tentang variabel Loyalitas Pelanggan sebagai berikut

Tabel 4. 4 Skor Angka Untuk Variabel Loyalitas Pelanggan (Y)

No Jawaban Loyalitas Pelanggan (Y)

Pert SS S KS TS STS JUMLAH

F % F % F % F % F % F %

1 66 66,00 20 20 14 14,00 0 0 0 0,00 100 100 2 57 57,00 32 32 11 11,00 0 0 0 0,00 100 100 3 58 58,00 30 30 12 12,00 0 0 0 0,00 100 100 4 57 57,00 31 31 12 12,00 0 0 0 0,00 100 100 5 57 57,00 22 22 21 21,00 0 0 0 0,00 100 100 6 57 57,00 24 24 19 19,00 0 0 0 0,00 100 100

Sumber: Data Penelitian Diolah (2023)

Dari tabel 4.4 diatas dapat dijelaskan mengenai pernyataan dari variabel Loyalitas Pelanggan adalah:

1. Jawaban responden Saya sering membicarakan tentang kelebihan aplikasi Gojek. Mayoritas responden menjawab sangat setuju sebanyak 66 orang (66%).

2. Jawaban responden Saya memiliki kepercayaan terhadap keamanan transaksi pembayaran melalui Gojek. Mayoritas responden menjawab sangat setuju sebanyak 57 orang (57%).

3. Jawaban responden Jika seorang menanyakan aplikasi ojek online saya merekomendasikan Gojek. Mayoritas responden menjawab sangat setuju sebanyak 58 orang (58%).

4. Jawaban responden Saya akan mereferensikan Gojek kepada orang lain.

Mayoritas responden menjawab sangat setuju sebanyak 57 orang (57%).

5. Jawaban responden Saya sering menggunakan aplikasi Gojek. Mayoritas responden menjawab sangat setuju sebanyak 57 orang (57%).

6. Jawaban responden Saya melakukan pembelian berulang karena adanya promo yang menguntungkan. Mayoritas responden menjawab sangat setuju sebanyak 57 orang (57%).

4.1.3.2 Variabel Kepuasan pelanggan (Z)

Berdasarkan penyebaran angket kepada Mahasiswa FEB UMSU diperoleh nilai-nilai frekuensi jawaban responden tentang variabel Kepuasan Pelanggan sebagai berikut.

Tabel 4. 5 Skor Angka Untuk Variabel Kepuasan Pelanggan (Z)

No Jawaban Kepuasan Pelanggan (Z)

Pert SS S KS TS STS JUMLAH

F % F % F % F % F % F %

1 57 57,00 22 22 21 21 0 0,00 0 0,00 100 100 2 59 59,00 20 20 21 21 0 0,00 0 0,00 100 100 3 57 57,00 22 22 21 21 0 0,00 0 0,00 100 100 4 67 67,00 22 22 11 11 0 0,00 0 0,00 100 100 5 50 50,00 37 37 13 13 0 0,00 0 0,00 100 100 6 55 55,00 34 34 11 11 0 0,00 0 0,00 100 100 7 68 68,00 22 22 10 10 0 0,00 0 0,00 100 100 8 65 65,00 26 26 9 9 0 0,00 0 0,00 100 100

Sumber: Data Penelitian Diolah (2023)

Dari tabel 4.5 diatas dapat dijelaskan mengenai pernyataan dari variabel Kepuasan Pelanggan adalah:

1. Jawaban responden Saya merasa puas dengan kualitas layanan yang diberikan Gojek. Mayoritas responden menjawab sangat setuju sebanyak 57 orang (57%).

2. Jawaban responden Saya merasa puas dengan kualitas kendaraan dan kebersihan yang disediakan oleh penyedia layanan Gojek. Mayoritas responden menjawab sangat setuju sebanyak 59 orang (59%).

3. Jawaban responden Saya merasa respon dari penyedia layanan Gojek dalam memenuhi permintaan cukup baik. Mayoritas responden menjawab sangat setuju sebanyak 57 orang (57%).

4. Jawaban responden Driver memahami keinginan pelanggan dengan baik.

Mayoritas responden menjawab sangat setuju sebanyak 67 orang (67%).

5. Jawaban responden Saya merasa aplikasi Gojek memiliki akses pelayanan yang memudahkan pelanggan. Mayoritas responden menjawab sangat setuju sebanyak 50 orang (50%).

6. Jawaban responden Aplikasi yang di rancang dengan tepat guna mempermudah pemesanan. Mayoritas responden menjawab sangat setuju sebanyak 55 orang (55%).

7. Jawaban responden Aplikasi Gojek memiliki proses pelayanan yang baik sehingga pengoprasian aplikasi lebih efesien. Mayoritas responden menjawab sangat setuju sebanyak 68 orang (68%).

8. Jawaban responden Proses pelayanan yang cepat sehingga membantu pelanggan dalam menangani masalah yang di alami pelanggan. Mayoritas responden menjawab sangat setuju sebanyak 65 orang (65%).

4.1.3.3 Variable Tangible (X1)

Berdasarkan penyebaran angket kepada Mahasiswa FEB UMSU diperoleh nilai-nilai frekuensi jawaban responden tentang variabel Tangible sebagai berikut.

Tabel 4. 6 skor angka untuk variabel Tangible (X1)

No Jawaban Tangible (X1)

Pert SS S KS TS STS Jumlah

F % F % F % F % F % F %

1 59 59,00 23 23,00 18 18 0 0 0 0,00 100 100 2 62 62,00 20 20,00 18 18 0 0 0 0,00 100 100 3 56 56,00 21 21,00 23 23 0 0 0 0,00 100 100 4 53 53,00 23 23,00 24 2 0 0 0 0,00 100 100 5 52 52,00 27 27,00 21 21 0 0 0 0,00 100 100 6 51 51,00 31 31,00 18 18 0 0 0 0,00 100 100

Sumber: Data Diolah (2023)

Dari tabel 4.6 diatas dapat dijelaskan mengenai pernyataan dari variabel Tangible adalah:

1. Jawaban responden Aplikasi Gojek menyediakan layanan yang konsisten, dapat diandalkan, akurat (sesuai dengan layanan yang dijanjikan pada aplikasi). Mayoritas responden menjawab sangat setuju sebanyak 59 orang (59%).

2. Jawaban responden Aplikasi Gojek memiliki tampilan yang menarik dan fitur yang inovatif guna mempermudah pemesanan. Mayoritas responden menjawab sangat setuju sebanya 62 orang (62%).

3. Jawaban responden Gojek menggunakan kendaraan yang layak dipakai untuk beroperasi. Mayoritas responden menjawab sangat setuju sebanyak 56 orang (56%).

4. Jawaban responden Tampilan driver Gojek dengan atribut lengkap juga kelengkapan berkendara serta kebersihan kendaraan.. Mayoritas responden menjawab sangat setuju sebanyak 53 orang (53%).

5. Jawaban responden Memakai pakaian yang rapi dan sopan untuk berkendara. Mayoritas responden menjawab sangat setuju sebanyak 52 orang (52%).

6. Jawaban responden Gojek melengkapi atribut kendaraan sesuai standart kepolisian Republik Indonesia. Mayoritas responden menjawab sangat setuju sebanyak 51 orang (51%).

4.1.3.4 Variabel Reliability (X2)

Berdasarkan penyebaran angket kepada Mahasiswa FEB UMSU diperoleh nilai-nilai frekuensi jawaban responden tentang variabel Reliability sebagai berikut.

Tabel 4. 7 Skor Angka Untuk Variabel Reliability (X2)

No Jawaban Realibility (X2)

Pert SS S KS TS STS Jumlah

F % F % F % F % F % F %

1 55 55,00 25 25,00 19 19 1 1 0 0,00 100 100 2 47 47,00 36 36,00 16 16 1 1 0 0,00 100 100 3 53 53,00 31 31,00 16 16 0 0 0 0,00 100 100 4 54 54,00 29 29,00 16 16 1 1 0 0,00 100 100 5 53 53,00 31 31,00 16 16 0 0 0 0,00 100 100 6 51 51,00 31 31,00 18 18 0 0 0 0,00 100 100 7 52 52,00 32 32,00 16 16 0 0 0 0,00 100 100 8 53 53,00 31 31,00 16 16 0 0 0 0,00 100 100

Sumber : Data Diolah (2023)

Dari tabel 4.7 diatas dapat dijelaskan mengenai pernyataan dari variabel Reliability adalah:

1. Jawaban responden Gojek mengantarkan pelanggan ke tempat tujuan dengan tepat. Mayoritas responden menjawab sangat setuju sebanyak 55 orang (55%).

2. Jawaban responden Gojek memberikan layanan sesuai dengan pemahaman saya. Mayoritas responden menjawab sangat setuju sebanyak 47 orang (47%).

3. Jawaban responden Gojek menyediakan layanan dengan cepat dan tepat untuk menanganin permasalahan. Mayoritas responden menjawab sangat setuju sebanyak 53 orang (53%).

4. Jawaban responden Pihak kantor Gojek sigap dalam melayani konsumen yang bermasalah dalam aplikasi. Mayoritas responden menjawab sangat setuju sebanyak 54 orang (54%).

5. Jawaban responden Gojek menjemput dan mengantarkan konsumen dengan tepat waktu. Mayoritas responden menjawab sangat setuju sebanyak 53 orang (53%).

6. Jawaban responden Konsisten dalam pelayanan jasa atau sesuai dengan jadwal yang Ditentukan. Mayoritas responden menjawab sangat setuju sebanyak 51 orang (51%).

7. Jawaban responden Gojek memberikan informasi yang jelas dan tepat.

Mayoritas responden menjawab sangat setuju sebanyak 52 orang (52%).

8. Jawaban responden Driver Gojek banyak mengetahui akses jalan.

Mayoritas responden menjawab sangat setuju sebanyak 53 orang (53%).

4.2 Hasil Analisis Data

4.2.1 Analisis Model Pengukuran (outer model)

Análisis model pengukuran (outer model) bertujuan untuk mengevaluasi variabel konstruk yang diteliti, validitas (ketepatan), dan reliabilitas (keandalan dari suatu variabel.

Gambar 4. 1 PLS Algoritma

4.2.1.1 Construct Realibility and Validity

Analisis konsistensi internal adalah bentuk reliabilitas yang digunakan untuk menilai konsistensi hasil lintas item pada suatu tes yang sama. Pengujian konsistensi internal menggunakan nilai reliabilitas komposit dengan kriteria suatu variabel dikatakan reliabel jika nilai reliabilitas komposit > 0,600 (Hair et al., 2017).

Tabel 4. 8 Construct Reliability And Validity

Cronbach's

Alpha rho_A Reliabilitas

Komposit Rata-rata Varians Diekstrak (AVE) X1.

Tangibles 0,933 0,934 0,947 0,750

X2.

Reliability 0,961 0,968 0,968 0,790

Y. Loyalitas

Pelanggan 0,936 0,939 0,950 0,759

Z. Kepuasan

Pelanggan 0,940 0,940 0,951 0,707

Sumber: SEM PLS (2023)

Berdasarkan data análisis konsistensi internal pada tabel diatas diperoleh hasil bahwa variabel:

1. Tangible (X1) memiliki nilai reliabilitas komposit sebesar 0,933>0,600 maka variabel Tangible (X1) adalah reliable.

2. Reliability (X2) memiliki nilai reliabilitas komposit sebesar 0.961>0,600 maka variable Reliability (X2) adalah reliable.

3. Loyalitas Pelanggan (Y) memiliki nilai reliabilitas komposit sebesar 0,936>0,600 maka variable Loyalitas Pelanggan (Y) adalah reliable.

4. Kepuasan Pelanggan (Z) memiliki nilai reliabilitas komposit sebesar 0,940>0,600 maka variabel Kepuasan Pelanggan (Z) adalah reliable.

4.2.1.2 Validitas Konvergen

Validitas konvergen digunakan untuk melihat sejauh mana sebuah pengukuran berkorelasi secara positif dengan pengukuran alternative dari konstruk yang sama. Untuk melihat suatu indikator dari suatu variabel konstruk adalah valid atau tidak, maka dilihat dari nilai outer loadingnya. Jika nilai outer loading lebih besar dari (0,4) maka suatu indikator adalah vailid(Hair et al., 2017)

Tabel 4. 9 validitas Konvergen

X1.

Tangibles X2.

Reliability Y.

Loyalitas Pelanggan

Z. Kepuasan Pelanggan

X1.1 0,805

X1.2 0,808

X1.3 0,889

X1.4 0,908

X1.5 0,936

X1.6 0,843

X2.1 0,823

X2.2 0,823

X2.3 0,954

X2.4 0,929

X2.5 0,862

X2.6 0,821

X2.7 0,949

X2.8 0,933

Y.1 0,832

Y.2 0,873

Y.3 0,919

Y.4 0,922

Y.5 0,853

Y.6 0,822

Z.1 0,818

Z.2 0,829

Z.3 0,820

Z.4 0,878

Z.5 0,777

Z.6 0,792

Z.7 0,909

Z.8 0,893

Sumber: SSEM PLS (2023)

Berdasarkan table diatas dapat dilihat bahwa:

1. Nilai outer loading untuk Loyalitas Pelanggan (Y) lebih besar dari 0,4 maka semua indikator pada variabel Loyalitas Pelanggan (Y)dinyatakan valid.

2. Nilai outer loading untuk Kepuasan Pelanggan (Z) lebih besar dari 0,4 maka semua indikator pada variabel Kepuasan Pelanggan (Z) dinyatakan valid.

3. Nilai outer loading untuk Tangible (X1) lebih besar dari 0,4 maka semua indikator pada variabel Tangible (X1) dinyatakan valid.

4. Nilai outer loading untuk Relibility (X2) lebih besar dari 0,4 maka semua indikator pada variabel Relibility (X2) dinyatakan valid.

4.2.1.3 Validitas Diskriminan

Validitas diskriminan bertujuan untuk menilai suatu indikator dari suatu variabel konstruk adalah valid atau tidak, yakni dengan cara melihat Nilai Heterotrait - Monotrait Ratio Of Corelation (HTMT) <

0,90, maka variabel memiliki validitas diskriminan yang baik (valid)(Hair et al., 2017)

Tabel 4. 10 validasi Diskriminan

X1.

Tangibles X2.

Reliability Y.

Loyalitas Pelanggan

Kepuasan Pelanggan

X1. Tangibles

X2. Reliability 0,283

Y. Loyalitas Pelanggan 0,226 0,452 Z. Kepuasan Pelanggan 0,499 0,398 0,730

Sumber: SEM PLS (2023)

Berdasarkan table diatas diperoleh hasil korelasi Heterotrait- MonotraitRatio Of Corelation (HTMT) maka:

1. Korelasi HTMT variabel Tangible (X1) dengan Reliability (X2) sebesar 0,283 < 0,900, korelasi HTMT variabel variabel Tangible (X1) dengan Loyalitas Pelanggan (Y) sebesar 0,226 < 0,900, korelasi HTMT variabel

Tangible (X1) dengan Kepuasan Pelanggan (Z) sebesar 0,499 < 0,900, dengan demikian seluruh nilai korelasi Tangible (X1) dinyatakan valid.

2. Nilai korelasi HTMT variabel Reliability (X2) dengan Loyalitas Pelanggan (Y) sebesar 0,452 < 0,900, korelasi HTMT Reliability (X2) dengan Kepuasan Pelanggan (Z) sebesar 0,398 < 0,900 dengan demikian seluruh nilai korelasi Reliability (X2) dinyatakan valid.

3. Korelasi HTMT variabel Loyalitas Pelanggan (Y) terhadap Kepuasan Pelanggan (Z) adalah sebesar 0,730 < 0,900, dengan demikian seluruh nilai korelasi Loyalitas Pelanggan (Y) dinyatakan valid.

4.2.2 Analisis Model Struktural (Inner Model)

4.2.2.1 Kolinearitas (Colinierity/Variance Inflaction Factor/VIF) Pengujian kolinearitas adalah untuk membuktikan korelasi antar variabel laten/konstruk apakah kuat atau tidak. Jika terdapat korelasi yang kuat berarti model mengandung masalah jika dipandang dari sudut metodologis, karena memiliki dampak pada estimasi signifikan sistatistiknya. Masalah ini disebut dengan kolinearitas (colinearity). Nilai yang digunakan untuk menganalisisnya adalah dengan melihat nilai Variance Inflation Factor (VIF)(Hair et al., 2017).

Jika nilai VIF lebih besar dari 5,00 maka berarti terjadi masalah kolinearitas,dan sebaliknya tidak terjadi masalah kolinearitas jika nilai VIF

< 5,00 (Hair et al., 2017).

Tabel 4. 11 Kolinearitas

X1.

Tangibles X2.

Reliability Y.

Loyalitas Pelanggan

Kepuasan Pelanggan

X1. Tangibles 1,295 1,072

X2. Reliability 1,186 1,072

Y. Loyalitas Pelanggan

Z. Kepuasan Pelanggan 1,419

Sumber: SEM PLS (2023)

Dari data di atas dapat dideskripsikan sebagai berikut:

1. VIF untuk korelasi Tangible (X1) dengan Loyalitas Pelanggan (Y) adalah 1,295< 5,00 (tidak terjadi masalah kolinearitas).

2. VIF untuk korelasi Reliability (X2) dengan Loyalitas Pelanggan (Y) adalah 1,186< 5,00 (tidak terjadi masalah kolinearitas).

3. VIF untuk korelasi Tangible (X1) dengan Kepuasan Pelanggan (Z) adalah 1,072 < 5,00 (tidak terjadi masalah kolinearitas).

4. VIF untuk korelasi Reliability (X2) dengan Kepuasan Pelanggan (Z) adalah 1,072 < 5,00 (tidak terjadi masalah kolinearitas).

5. VIF untuk korelasi Kepuasan Pelanggan (Z) dengan Loyalitas Pelanggan (Y) adalah 1,419 < 5,00 (tidak terjadi masalah kolinearitas).

Dengan demikian, dari data-data di atas, model struktural dalam kasus ini tidak semua korelasi yang terbebas dari masalah kolinearitas

4.2.2.2 Pengujian Signifikansi Koefisien Jalur Model Struktural

Dalam pengujian ini terdapat dua tahapan, yakni pengujian hipotesis pegaruh lagsung dan pengujian hipotesis pengaruh tidak

langsung. Adapun koefisien-koefisien jalur pengujian hipotesis terdapat pada gambar di bawah ini

Gambar 4. 2 PLS Bootstraping

4.2.2.2.1 Pengajuan Pengaruh Langsung

Pengujian hipotesis pengaruh langsung bertujuan untuk membuktikan hipotesis-hipotesis pengaruh suatu variabel terhadap variabel lainnya secaralangsung (tanpa perantara) yakni :

1. Jika nilai koefisien jalur adalah positif mengindikasikan bahwa kenaikan nilai suatu variabel diikuti oleh kenaikan nilai variabel lainnya.

2.

Jika nilai koefisien jalur adalah negatif mengindikasikan bahwa kenaikan suatu variabel diikuti oleh penurunan nilai variabel lainnya. (Hair et al., 2017).

Dan untuk nilai Probabilitasnya adalah :

1. Jika nilai probabilitas (P-Value) < Alpha (0,05) maka Ho ditolak (pengaruh suatu variabel dengan variabel lainnya adalah signifikan).

2. Jika nilai probabilitas (P-Value) > Alpha (0,05) maka Ho diterima (pengaruh suatu variabel dengan variabel lainnya adalah tidak signifikan).

Tabel 4. 12 Hipotesis Pengaruh Langsung

Sampel Asli

(O)

Rata-rata Sampel (M)

Standar Deviasi (STDEV)

Statistik (|

O/STDEV

P Values X1. Tangibles -> Y.

Loyalitas Pelanggan -0,171 -0,163 0,077 2,207 0,028

X1. Tangibles -> Z.

Kepuasan Pelanggan 0,396 0,395 0,091 4,370 0,000

X2. Reliability -> Y.

Loyalitas Pelanggan 0,210 0,200 0,104 2,013 0,045

X2. Reliability -> Z.

Kepuasan Pelanggan 0,283 0,288 0,100 2,835 0,005

Z. Kepuasan Pelanggan ->

Y. Loyalitas Pelanggan 0,690 0,690 0,085 8,078 0,000

Sumber: SEM PLS (2023)

Berdasarkan tabel diatas maka dapat diperoleh:

1. Pengaruh langsung variabel Tangible (X1) terhadap variabel Loyalitas Pelanggan (Y) mempunyai koefisien jalur sebesar -0,171 (negatif), maka peningkatan nilai variabel Tangible (X1) akan diikuti peningkatan variabel Loyalitas Pelanggan (Y). Pengaruh variabel Tangible (X1) terhadap Loyalitas Pelanggan (Y) memiliki nilai P-Values sebesar 0,028 < 0,05, sehingga dapat dinyatakan bahwa Tangible (X1) berpengaruh signifikan terhadap Loyalitas Pelanggan (Y).

2. Pengaruh langsung variabel Tangible (X1) terhadap variabel Kepuasan Pelanggan (Z) mempunyai koefisien jalur sebesar 0.396 (positif), maka

peningkatan nilai variabel Tangible (X1) akan diikuti peningkatan variabel Kepuasan Pelanggan (Z). Pengaruh variabel Tangible (X1) terhadap Kepuasan Pelanggan (Z) memiliki nilai P-Values sebesar 0,000 < 0,05, sehingga dapat dinyatakan bahwa Tangible (X1) berpengaruh signifikan terhadap Kepuasan Pelanggan (Z).

3. Pengaruh langsung variabel Reliability (X2) terhadap variabel Loyalitas Pelanggan (Y) mempunyai koefisien jalur sebesar 0,210 (positif), maka peningkatan nilai variabel Reliability (X2) akan diikuti peningkatan variabel Loyalitas Pelanggan (Y). Pengaruh variabel Reliability (X2) terhadap Loyalitas Pelanggan (Y) memiliki nilai P-Values sebesar 0,045 <

0,05, sehingga dapat dinyatakan bahwa Reliability (X2) berpengaruh signifikan terhadap Loyalitas Pelanggan (Y).

4. Pengaruh langsung variabel Reliability (X2) terhadap variabel Kepuasan Pelanggan (Z) mempunyai koefisien jalur sebesar 0.283 (positif), maka peningkatan nilai variabel Reliability (X2) akan diikuti peningkatan variabel Kepuasan Pelanggan (Z). Pengaruh variabel Reliability (X2) terhadap Kepuasan Pelanggan (Z) memiliki nilai P-Values sebesar 0,005 <

0,05, sehingga dapat dinyatakan bahwa Reliability (X2) berpengaruh signifikan terhadap Kepuasan Pelanggan (Z).

5. Pengaruh langsung variabel Kepuasan Pelanggan (Z) terhadap variabel Loyalitas Pelanggan (Y) mempunyai koefisien jalur sebesar 0,690 (positif), maka peningkatan nilai variabel Kepuasan Pelanggan (Z) akan diikutipeningkatan variabel Loyalitas Pelanggan (Y). Pengaruh variabel Kepuasan Pelanggan (Z) terhadap Loyalitas Pelanggan (Y) memiliki nilai

Dalam dokumen PENGARUH DIMENSI KUALITAS PELAYANAN TERHADAP LOYALITAS PELANGGAN MELALUI KEPUASAN PELANGGAN SEBAGAI VARIABEL INTERVENING PADA MAHASISWA FEB UMSU PENGGUNA APLIKASI GOJEK (Halaman 56-64)