Evaluasi atas Outlier Deskripsi Hasil Analisis Dan Uji Hipotesis

60 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 32,158 lebih kecil dari 42,312. Oleh karena itu diputuskan dalam penelitian tidak terdapat outlier multivariate antar variabel. 4.3.3 Deteksi Multicollinierity dan Singularity Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 15,152 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi. 4.3.4 Uji Validitas dan Reliabilitas Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. 61 Karena indikator multidimensi, maka uji validitas dari setiap latent variabel construct akan diuji dengan melihat faktor loading faktor dari hubungan antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari hasil pengolahan data didapatkan hasil sebagai berikut : Tabel 4.13 Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis Konst r ak I ndik at or Fak t or Loading 1 2 3 4 t angible x 11 0,637 x 12 0,611 x 13 0,768 x 14 0,628 x 15 0,451 r eliabilit y x 21 0,654 x 22 0,838 r esponsiveness x 31 0,641 x 32 0,814 assur ance x 41 0,664 x 42 0,678 x 43 0,692 em phat y x 51 0,855 x 52 0,612 at t r ibut es relat ed t o t he product y 11 0,721 y 12 0,753 at t r ibut es relat ed t o pur chase y 21 1,004 y 22 0,533 Sumber : Hasil Pengolahan Data Lampiran 5 Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar 0.5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. Sementara itu 62 item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini : Tabel 4.14 Pengujian Reliability Consistency Internal Konst r ak I ndik at or I t em t o Tot al Cor r elat ion Koefisien Cronbachs Alpha t angible x 11 0,535 0,747 x 12 0,510 x 13 0,620 x 14 0,531 x 15 0,405 r eliabilit y x 21 0,550 0,679 x 22 0,550 r esponsiveness x 31 0,522 0,679 x 32 0,522 assur ance x 41 0,531 0,715 x 42 0,554 x 43 0,520 em phat y x 51 0,517 0,681 x 52 0,517 at t r ibut es relat ed t o t he product y 11 0,548 0,708 y 12 0,548 at t r ibut es relat ed t o pur chase y 21 0,537 0,696 y 22 0,537 : t er elim inasi Sumber : Lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha yang diperoleh sebagian besar memenuhi rules of thumb yang disyaratkan yaitu 0.7 [Hair et.al.,1998]. 63 Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut: [ ] [ ] ] j ading dardize Lo S Loading Stadardize liability Construct ε ∑ + ∑ ∑ = 2 2 tan Re [ ] [ ] j ading dardize Lo S Loading Stadardize xtracted Variance E ε ∑ ∑ ∑ = 2 2 tan Sementara ε j dapat dihitung dengan formula ε j [ ] 2 tan 1 ading dardize Lo S j − = ε = 1 – [Standardize loading] secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,7 Hair at, 1998. Standardize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap butir sebagai indikatornya. Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut: Tabel 4.15 Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [εj] Construct Reliability Variance Extrated tangible x11 0,637 0,406 0,594 0,759 0,393 x12 0,611 0,373 0,627 64 x13 0,768 0,590 0,410 x14 0,628 0,394 0,606 x15 0,451 0,203 0,797 reliability x21 0,654 0,428 0,572 0,719 0,565 x22 0,838 0,702 0,298 responsiveness x31 0,641 0,411 0,589 0,696 0,537 x32 0,814 0,663 0,337 assurance x41 0,664 0,441 0,559 0,719 0,460 x42 0,678 0,460 0,540 x43 0,692 0,479 0,521 emphaty x51 0,855 0,731 0,269 0,706 0,553 x52 0,612 0,375 0,625 attributes related to the product y11 0,721 0,520 0,480 0,704 0,543 y12 0,753 0,567 0,433 attributes related to purchase y21 1,004 1,008 -0,008 0,769 0,646 y22 0,533 0,284 0,716 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber : Hasil Pengolahan Data lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan nilai construct reliability seluruhnya ≥ 0,7, dan variance extracted yang diperoleh sebagian besar menunjukkan nilai diatas 0,5. Yang artinya seluruh instrumen yang digunakan pada penelitian ini telah reliabel. 4.3.5 Pengujian Model Dengan One-Step Approach Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama One Step Approach to SEM. One step aprroach to SEM digunakan apabila model 65 diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik Hair et.al.,1998. Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dibawah ini : X1 x15 er_5 1 1 x14 er_4 1 x13 er_3 1 x12 er_2 1 x11 er_1 1 X2 x22 er_7 1 1 x21 er_6 1 X3 x32 er_9 x31 er_8 1 1 1 X4 x42 er_11 x41 er_10 1 1 1 x43 er_12 1 X5 x52 er_14 x51 er_13 1 1 1 Kualitas layanan X 1 y1 y11 er_15 y12 er_16 1 1 1 y2 y21 er_17 y22 er_18 1 1 1 Kepuasan Konsumen Y 1 er_x1 1 er_x2 1 er_x3 1 er_x4 1 er_x5 1 er_y1 1 er_y2 1 er_Y 1 Tabel 4.16 Evaluasi Kriteria Goodness of Fit Indices Gambar 4.1. Model Pengukuran Kausalitas One Step Approach 66 Sumber : Hasil Pengolahan data Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang kurang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang belum baik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini sehingga perlu diadakan modifikasi untuk memperbaiki konseptual seperti yang nampak di bawah ini : Gambar 4.2. Model Pengukuran Kausalitas One Step Approach Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1,062 ≤ 2,00 baik Probability 0,300 ≥ 0,05 baik RMSEA 0,024 ≤ 0,08 baik GFI 0,885 ≥ 0,90 kurang baik AGFI 0,845 ≥ 0,90 kurangbaik TLI 0,979 ≥ 0,95 baik CFI 0,982 ≥ 0,94 baik 67 X1 x15 er_5 1 1 x14 er_4 1 x13 er_3 1 x12 er_2 1 x11 er_1 1 X2 x22 er_7 1 1 x21 er_6 1 X3 x32 er_9 x31 er_8 1 1 1 X4 x42 er_11 x41 er_10 1 1 1 x43 er_12 1 X5 x52 er_14 x51 er_13 1 1 1 Kualitas layanan X 1 y1 y11 er_15 y12 er_16 1 1 1 y2 y21 er_17 y22 er_18 1 1 1 Kepuasan Konsumen Y 1 er_x1 1 er_x2 1 er_x3 1 er_x4 1 er_x5 1 er_y1 1 er_y2 1 er_Y 1 Tabel 4.17 Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 0,691 ≤ 2,00 baik Probability 0,995 ≥ 0,05 baik RMSEA 0,000 ≤ 0,08 baik GFI 0,928 ≥ 0,90 baik AGFI 0,900 ≥ 0,90 baik TLI 1,107 ≥ 0,95 baik CFI 1,000 ≥ 0,94 baik Sumber : Hasil Pengolahan data 68 Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang baik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini. Dilihat dari angka determinant of sample covariance matrix : 15,152 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas dibawah ini.

4.3.6 Pengujian Hipotesis dan Hubungan Kausal

Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR Critical Ratio atau p probability yang sama dengan nilai t hitung Tabel 4.18 . Hasil Pengujian Kausalitas Ustd Std Prob. Faktor Faktor Estimate Estimate Kepuasan Pelanggan Kualitas Layanan 0,575 0,684 0,029 Batas Signifikansi  ≤ 0,10 Sumber : lampiran 8 69 Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa : Kualitas Layanan berpengaruh positif terhadap Kepuasan Pelanggan, dapat diterima [Prob. kausalnya 0,029 ≤ 0,10 [signifikan positif].

4.4 Pembahasan

Berdasarkan hasil penelitian dapat diketahui bahwa penelitian yang menganalisis pengaruh kualitas layanan terhadap kepuasan penumpang kapal laut KM Tidar milik PT Pelayaran Nasional Indonesia jalur Surabaya-Kalimantan Surabaya dapat diketahui bahwa kualitas layanan berpengaruh positif terhadap kepuasan penumpang. Variabel kualitas layanan berpengaruh positif dan signifikan terhadap kepuasan penumpang kapal laut KM Tidar milik PT Pelayaran Nasional Indonesia jalur Surabaya - Kalimantan Surabaya. Hal ini dikarenakan adanya kualitas layanan yang selalu diperhatikan oleh pelanggan seperti pada tabel dibawah ini Tabel 4.19 Faktor Dominan Konstrak Indikator Faktor Loading 1 2 3 4 Tangibles x13 0,768 Reliability x22 0,838 Responsiveness x32 0,814 Assurance x43 0,692 Emphaty x51 0,855 Attributes Related To Product y12 0,753 Attributes Related To Purchase y22 1,004 Sumber : Lampiran 9