Analisis Hasil Studi
5.5 Analisis Hasil Studi
Alat analisis yang digunakan dalam penelitian ini adalah SEM ( Structural Equation Modeling) dengan tahapan : Uji asumsi, uji kesesuaian model, uji validitas dan reliabilitas konstruk, uji hubungan struktural dan uji hipotesis.
5.5.1. Uji Asumsi SEM
Langkah awal sebelum dilakukan evaluasi kesesuaian model adalah menilai apakah data yang digunakan memenuhi asumsi model persamaan struktural. Dalam penelitian ini, asumsi yang digunakan adalah normalitas outlier data dan linearitas.
Uji normalitas data digunakan untuk mengetahui apakah sebaran data yang digunakan terdistribusi normal atau tidak. Data dianggap memenuhi syarat distribusi normal jika nilai critical ratio skewness dan critical ratio kurtosis lebih kecil dari ± 1,96 pada tingkat signifikan 0,05 (Hair et al., 1998 : 73).
Hasil pengujian asumsi normalitas multivariate menunjukkan bahwa asumsi normalitas multivariate tidak
demikian, berdasarkan dalil limit pusat yang definisi secara bebasnya menyatakan ; bilamana sampel semakin besar (banyak berpendapat > 30) maka statistik yang diperoleh akan berdistribusi normal. Dengan demikian tidak diperlukan lagi asumsi normalitas data (Solimun : 2010 : 179). Pada penelitian ini besar sampel (n = 168) dipandang sudah memenuhi dalil limit pusat, sehingga asumsi normalitas data tidak bersifat kritis dan dapat diabaikan. Hasil uji asumsi normalitas data dapat dilihat pada Tabel 5.15
Tabel 5.15 Hasil uji normalitas data
Kurtosis c.r. Y2.3
Variable min
-3.489 -.090 -.238 Y2.1
-3.527 -.106 -.281 Y1.4
Variable min
Kurtosis c.r. X1.3 1.000
-4.029 -.023 -.060 X1.4 1.000
32.100 6.693 Sumber : Data Primer di Olah
Uji outlier Pengujian outliers dilakukan untuk mengetahui kondisi observasi dari suatu data yang memiliki karakteristik unik dan nampak sangat jauh berbeda dengan observasi-observasi lainnya. Pengujian outliers dalam penelitian ini menggunakan kriteria Jarak Mahalanobis (Mahalanobis distance pada tingkat probabilitas lebih kecil dari 0,001= p<0,001). Jarak Mahalanobis dievaluasi dengan menggunakan 2 pada derajat bebas sebesar jumlah variabel (observed variable) yang digunakan dalam penelitian itu. Jika nilai mahalanobis
distance 2 > nilai maka terdapat outlier, begitu pula sebaliknya. Nilai 2
diperoleh dengan bantuan software Microsoft Excel dengan menggunakan jumlah indikator dan nilai level of
significance yang ditetapkan. Jumlah indikator variabel dalam penelitian ini adalah 21
indikator variabel sehingga 2 adalah (21 : 0,05) = 46.797. Data yang mempunyai nilai mahalanobis distance lebih besar dari 2 menunjukkan terjadi multivariate outliers. Hasil output pengolahan data dengan menggunakan software AMOS tidak
terdapat nilai mahalanobis distance lebih besar dari nilai 2 = 46.797. Nilai mahalanobis distance maksimum adalah 44.338
pada observasi atau sampel ke 154 dan nilai mahalanobis distance minimum adalah 18.219 pada observasi atau sampel ke
32. Dengan demikian data yang digunakan dalam penelitian ini tidak mengandung outliers secara multivariate sehingga data tersebut memenuhi persyaratan dalam model struktural.
Uji linearitas, Pengujian linearitas data bertujuan untuk melihat apakah model yang digunakan merupakan model linear. Pengujian linearitas dalam penelitian ini menggunakan curva fit. Ringkasan analisis tersebut dapat dilihat pada tabel berikut ini.
Tabel 5.16 Ringkasan hasil pengujian linearitas antar variabel
Variabel Variabel Nilai Sig. Keterangan independen
dependen Untuk Hubungan Kriteria Linear PenangKomp
Linear Kepuasan
Kepuasan
Linear PenangKomp
Kepercayaan
Linear Kepercayaan
Kepercayaan
Linear Kepuasan
Komitmen
Linear Komitmen
Komitmen
Linear Kepercayaan
Loyalitas
Linear Kepuasan
Loyalitas
Linear PenangKomp
Loyalitas
Linear Sumber : Data primer di olah 2015
Loyalitas
Hasil analisis menunjukkan bahwa model linear yang dihasilkan signifikan (0,000). Menurut prinsip parsimony (Solimun, 2010 : 118) bilamana model linear signifikan (tanpa harus memperthatikan model yang lain signifikan atau non signifikan) atau seluruh model yang digunakan dalam pengujian non signifikan berarti model dikatakan linear. Dengan demikian, maka data yang digunakan dalam penelitian ini memenuhi persyaratan linearitas data.
5.5.2. Analisis Kelayakan Model Struktural
Analisis kelayakan model structural (Good of- fit ) digunakan dalam penelitian ini untuk mengetahui kesesuaian data hasil observasi dengan model yang dibangun dan diestimasi dengan menggunakan analisis konfirmatori. Model struktural yang dibangun dalam penelitian ini adalah pengaruh antara : 1. Penanganan komplain terhadap kepuasan nasabah, 2. Penanganan komplain terhadap loyalitas nasabah, 3. Penanganan komplain terhadap kepercayaan, 4. kepuasan terhadap loyalitas,
5. kepuasan terhadap kepercayaan, 6. Kepuasan terhadap komitmen, 7. Kepercayaan terhadap komitmen, 8. Kepercayaan terhadap loyalitas, 9. Komitmen terhadap loyalitas.
Hasil pemerikasaan Fit of model pada tabel di bawah menunjukkan bahwa dari tujuh kriteria, hanya AGFI yang menunjukkan model kurang baik dengan nilai sebesar 0,866. Ferdinand, (2006) nmenyatakan bahwa jika nilai 0,873 menunjukkan bahwa model ini diterima secara marginal. Sehinga secara keseluruhan hubungan antara variabel dapat dianalisis lebih lanjut karena model dianggap baik.
Gambar 5.1. Hubungan struktural antara variabel laten
Perbandingan indeks kesesuaian model struktural dengan cutt-off yang dipersyaratkan dapat dilihat pada Tabel 5.17.
Tabel 5.17 Perbandingan indek kesesuaian model struktural dengan cut-off yang dipersyaratkan
Kriteria Cut-of value Hasil Keterangan Model
Khi Diharapkan kecil; dengan 207,017 Kuadrat
(Kecil) Model Baik CMIN/DF
DF = 180 nilai X 2 =212,304
≤ 2,00 1,150 Baik Probability
0,05 0,082 Baik GFI
0,90 0,901 Baik AGFI
0,90 0,873 Marjinal CFI
0,95 0,991 Baik TLI
0,95 0,990 Baik Sumber : Data Primer di Olah 2015
5.5.3. Analisis Hubungan Struktural
Analisis hubungan struktural digunakan untuk mengetahui : 1. Hubungan struktural antara indikator dengan variabel latennya dan 2. Hubungan langsung dan tidak langsung antara variabel laten yang ada dalam model penelitian. variabel laten yang dibangun dalam penelitian ini adalah : 1. Penanganan komplain, 2. Kepuasan nasabah, 3. Kepercayaan nasabah, 4. Komitmen nasabah dan 5. Loyalitas nasabah. Hubungan langsung yang dibangun dalam penelitian ini adalah 1. Penanganan komplain dengan kepuasan nasabah, 2. Penanganan komplain dengan loyalitas nasabah, 3. Penanganan komplain nasabah terhadap kepercayaan nasabah, 4. kepuasan nasabah terhadap loyalitas nasabah, 5. kepuasan nasabah terhadap kepercayaan nasabah, 6. Kepuasan nasabah terhadap komitmen nasabah, 7. Kepercayaan nasabah terhadap komitmen nasabah, 8. Kepercayaan nasabah terhadap loyalitas nasabah dan, 9. Komitmen nasabah dengan loyalitas nasabah.
Tabel.5.18 Standardized regression weight pengaruh langsung
antar variabel laten.
Hubungan antar Variabel Koef. Jalur p-value Ket Standar dize
Kepuasan <--- PenangKomp 0,883 <0,0001 Sig. Kepercayaan <--- PenangKomp 0,467
<0,0001 Sig. Loyalitas
<--- PenangKomp 0,235 0,043 Sig. Loyalitas
0,020 Sig. Kepercayaan <--- Kepuasan
<--- Kepuasan
<0,0001 Sig. Komitmen
0,007 Sig. Komitmen
<--- Kepuasan
<--- Kepercayaan 0,599 <0,0001 Sig. Loyalitas
<--- Kepercayaan 0,262 0,040 Sig. Loyalitas
0,036 Sig. Sumber : Data Primer di Olah 2015
<--- Komitmen
Berdasrkan data dalam gambar 5.1 dan tabel 5.18 Menunjukkan kesembilan pengaruh langsung diatas positif dan signifikan. Artinya bahwa : (a) peningkatan penanganan komplain searah dan signifikan terhadap peningkatan kepuasan, kepercayaan dan loyalitas. (b) peningkatan kepuasan nasabah searah dan signifikan terhadap peningkatan kepercayaan nasabah, komitmen nasabah dan loyalitas nasabah, (c) peningkatan kepercayaan nasabah searah dan signifikan terhadap peningkatan komitmen dan loyalitas nasabah, (d) peningkatan komitmen searah dan signifikan terhadap peningkatan loyalitas nasabah.