Analisis Data 1. Evaluasi Outlier

Tabel 4.16. Outlier Data Minimum Maximum Mean Std. Deviation N Predicted Value 2.470 100.560 55.500 18.487 110 Std. Predicted Value -2.868 2.437 0.000 1.000 110 Standard Error of Predicted Value 6.064 23.265 12.866 3.402 110 Adjusted Predicted Value -2.800 106.330 55.170 19.585 110 Residual -55.242 56.402 0.000 25.995 110 Std. Residual -1.899 1.938 0.000 0.893 110 Stud. Residual -2.300 2.042 0.005 0.989 110 Deleted Residual -81.042 64.859 0.328 32.144 110 Stud. Deleted Residual -2.359 2.081 0.004 0.998 110 Mahalanobis Distance [MD] 3.744 68.695 21.800 11.795 110 Cooks Distance 0.000 0.107 0.010 0.017 110 a Dependent Variable : NO. RESP Sumber : Lampiran Deteksi terhadap multivariat outliers dilakukan dengan menggunakan kriteria Jarak Mahalanobis pada tingkat p 0,001. Jarak Mahalanobis itu dievaluasi dengan menggunakan  2 pada derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian. Bila kasus yang mempunyai Jarak Mahalanobis lebih besar dari nilai chi-square pada tingkat signifikansi 0,001 maka terjadi multivariate outliers. Nilai  2 0.001 dengan jumlah indikator 22 adalah sebesar 48,268. Hasil analisis Mahalanobis diperoleh nilai 68,695 yang lebih besar dari  2 tabel 48,268 tersebut. Dengan demikian, terjadi multivariate outliers. Karena ada 2 case yang mengalami perbedaan 24 : 69,325 50 ; 50,009 2 case outlier ini harus dieliminasi sehingga N pada analisis berikutnya tinggal 110-2 = 108

4.2.2. Evaluasi Reliabilitas Seperti telah dijelaskan pada bab sebelumnya bahwa Cronbach’s

Alpha ini digunakan untuk mengestimasi reliabiltas setiap skala variabel atau observasi indikator. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir- butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan Purwanto, 2002. Hasil selengkapnya dapat dilihat pada tabel berikut : Tabel 4.17. Reliabilitas Data Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha Performance X11 0.953 0.896 X12 0.951 Features X21 0.855 0.517 X22 0.788 Conform to Spec X31 0.849 0.649 X32 0.873 Durability X41 0.942 0.861 X42 0.933 Estetica X51 0.964 0.918 X52 0.959 Serviceability X61 0.945 0.878 X62 0.944 Value to Price Relation Y11 0.910 0.777 Y12 0.899 Warrantly Y21 0.935 0.847 Y22 0.928 Reliability Y31 0.920 0.818 Y32 0.920 Resolution Problem Y41 0.960 0.905 Y42 0.953 Customer Loyalty Z1 0.957 0.907 Z2 0.956 : tereliminasi Sumber : Lampiran Proses eleminasi diperlakukan pada item to total correlation pada indikator yang nilainya 0,5 [Purwanto,2003]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya ≥ 0,5. Indikator yang tereliminasi tidak disertakan dalam perhitungan cronbachs alpha. Perhitungan cronbachs dilakukan setelah proses eliminasi. Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998].

4.2.3. Evaluasi Validitas

Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur, karena indikator multidimensi, maka uji validitas dari setiap latent variable construct akan diuji dengan melihat loading factor dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini. Tabel 4.18. Validitas Data Standardize Faktor Loading dan Construct dengan Confirmatory Factor Analysis Konstrak Indikator Faktor Loading 1 2 3 4 Performance X11 0.918 X12 0.885 Features X21 0.537 X22 0.687 Conform to Spec X31 0.771 X32 0.731 Durability X41 0.864 X42 0.877 Estetica X51 0.884 X52 0.960 Serviceability X61 0.911 X62 0.860 Value to Price Relation Y11 0.847 Y12 0.751 Warrantly Y21 0.852 Y22 0.864 Reliability Y31 0.812 Y32 0.853 Resolution Problem Y41 0.924 Y42 0.898 Customer Loyalty Z1 0.920 Z2 0.903 Sumber: Lampiran Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya baik. 4.2.4. Evaluasi Construct Reliability dan Variance Extracted 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 Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat 0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel 4.19. Tabel 4.19. Construct Reliability dan Variance Extracted Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [εj] Construct Reliability Variance Extrated Performance X11 0.918 0.843 0.157 0.897 0.813 X12 0.885 0.783 0.217 Features X21 0.537 0.288 0.712 0.547 0.380 X22 0.687 0.472 0.528 Conform to Spec X31 0.771 0.594 0.406 0.721 0.564 X32 0.731 0.534 0.466 Durability X41 0.864 0.746 0.254 0.862 0.758 X42 0.877 0.769 0.231 Estetica X51 0.884 0.781 0.219 0.920 0.852 X52 0.960 0.922 0.078 Serviceability X61 0.911 0.830 0.170 0.879 0.785 X62 0.860 0.740 0.260 Value to Price Relation Y11 0.847 0.717 0.283 0.780 0.641 Y12 0.751 0.564 0.436 Warrantly Y21 0.852 0.726 0.274 0.848 0.736 Y22 0.864 0.746 0.254 Reliability Y31 0.812 0.659 0.341 0.819 0.693 Y32 0.853 0.728 0.272 Resolution Problem Y41 0.924 0.854 0.146 0.907 0.830 Y42 0.898 0.806 0.194 Customer Loyalty Z1 0.920 0.846 0.154 0.908 0.831 Z2 0.903 0.815 0.185 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber : Lampiran Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya ≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.

4.2.5. Evaluasi Normalitas

Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar  2,58. Hasilnya diperoleh nilai c.r. multivariat diantara  2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut : Tabel 4.20. Normalitas Data Assessment of normality Variable min max kurtosis c.r. X11 1 7 -0.486 -1.032 X12 1 7 -0.345 -0.733 X21 1 7 -0.637 -1.350 X22 1 7 0.000 0.001 X31 1 7 -0.482 -1.022 X32 1 7 -0.601 -1.274 X41 1 7 -0.630 -1.336 X42 2 7 -0.877 -1.860 X51 1 7 0.927 1.966 X52 3 7 -0.747 -1.585 X61 1 7 -0.379 -0.805 X62 1 7 -0.401 -0.851 Y11 1 7 -0.468 -0.992 Y12 1 7 -0.637 -1.351 Y21 1 7 0.201 0.427 Y22 1 7 -0.293 -0.621 Y31 1 7 0.105 0.222 Y32 1 7 -0.250 -0.530 Y41 1 7 -0.454 -0.963 Y42 2 7 -0.554 -1.175 Z1 1 7 -1.003 -2.128 Z2 1 7 -0.515 -1.092 Multivariate 91.176 14.579 Batas Normal ± 2,58 Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.2.6. Analisis Model One – Step Approach to SEM

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 approach to SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas dan 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 dan tabel Goodness of Fit dibawah ini. Gambar 4.1 MODEL PENGUKURAN STRUKTURAL Product Quality, Customer Satisfaction, Customer Loyalty Model Specification : One Step Approach - Base Model Performance X11 er_1 1 1 Feature X21 er_3 1 1 X12 er_2 1 X22 er_4 1 Conform to Spec X31 er_5 X32 er_6 1 1 1 Durability X41 er_7 X42 er_8 1 1 1 1 Product Quality 0,005 d_fe 0,005 d_co d_du d_pr 1 1 1 1 Estetica X51 er_9 X52 er_10 d_es 1 1 1 1 Serviceability X61 er_13 X62 er_14 d_sr 1 1 1 1 Value to Price Relation Y11 er_15 Y12 er_16 d_vr 1 1 1 1 Warrantly Y21 er_17 Y22 er_18 d_wa 1 1 1 1 Reliability Y31 er_19 Y32 er_20 d_re 1 1 1 1 Resolution Problem Y41 er_21 Y42 er_22 d_rp 1 1 1 1 Customer Loyalty Z2 er_12 Z1 er_11 d_cl 1 1 1 1 Customer Satisfaction 0,005 d_cs 1 Sumber : Lampiran Tabel 4.21 Evaluasi Kriteria Goodness of Fit Indices Model One- Step Approach – Base Model Sumber : Lampiran Dari hasil evaluasi terhadap model one step approach base model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 2.250 ≤ 2,00 kurang baik Probability 0.000 ≥ 0,05 kurang baik RMSEA 0.108 ≤ 0,08 kurang baik GFI 0.740 ≥ 0,90 kurang baik AGFI 0.669 ≥ 0,90 kurang baik TLI 0.866 ≥ 0,95 kurang baik CFI 0.885 ≥ 0,94 kurang baik dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini. Gambar 4.2 MODEL PENGUKURAN STRUKTURAL Product Quality, Customer Satisfaction, Customer Loyalty Model Specification : One Step Approach - Modifikasi Performance X11 er_1 1 1 Feature X21 er_3 1 1 X12 er_2 1 X22 er_4 1 Conform to Spec X31 er_5 X32 er_6 1 1 1 Durability X41 er_7 X42 er_8 1 1 1 1 Product Quality 0,005 d_fe 0,005 d_co d_du d_pr 1 1 1 1 Estetica X51 er_9 X52 er_10 d_es 1 1 1 1 Serviceability X61 er_13 X62 er_14 d_sr 1 1 1 1 Value to Price Relation Y11 er_15 Y12 er_16 0,005 d_vr 1 1 1 1 Warrantly Y21 er_17 Y22 er_18 d_wa 1 1 1 1 Reliability Y31 er_19 Y32 er_20 d_re 1 1 1 1 Resolution Problem Y41 er_21 Y42 er_22 d_rp 1 1 1 1 Customer Loyalty Z2 er_12 Z1 er_11 d_cl 1 1 1 1 Customer Satisfaction 0,005 d_cs 1 Sumber : Lampiran Tabel 4.22 Evaluasi Kriteria Goodness of Fit Indices Model One- Step Approach – Modifikasi Sumber : Lampiran Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1.248 ≤ 2,00 baik Probability 0.063 ≥ 0,05 baik RMSEA 0.048 ≤ 0,08 baik GFI 0.900 ≥ 0,90 baik AGFI 0.900 ≥ 0,90 baik TLI 0.973 ≥ 0,95 baik CFI 0.979 ≥ 0,94 baik Dari hasil evaluasi terhadap model one step approach modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model.

4.2.7. Uji Kausalitas

Dilihat dari angka determinant of sample covariance matrix : 1.105.696.046 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 di bawah ini. Tabel 4.23. Hasil Uji Kausalitas Sumber : Lampiran Dilihat dari tingkat Prob. arah hubungan kausal, maka hipotesis yang menyatakan bahwa : a. Faktor Product Quality berpengaruh positif terhadap Faktor Customer Satisfaction, dapat diterima [Prob. kausalnya 0,029 ≤ 0,10 [signifikan [positif]. Regression Weights Ustd Std Prob. Faktor  Faktor Estimate Estimate Customer_Satisfaction  Product_Quality 0.395 0.984 0.029 Customer_Loyalty  Customer_Satisfaction 2.928 0.831 0.026 Batas Signifikansi  ≤ 0,10 b. Faktor Custromer Satisfaction berpengaruh positif terhadap Faktor Customer Loyalty, dapat diterima [Prob. kausalnya 0,026 ≤ 0,10 [signifikan [positif].

4.3. Pembahasan

Dari hasil uji kausalitas pada table 4.23 diatas dapat dilihat bahwa faktor product quality berpengaruh positif terhadap customer satisfaction. Hal ini dapat diartikan bahwa penciptaan produk berkualitas sangat berpengaruh penting terhadap kepuasan konsumen.seperti dikemukakan oleh Tjiptono 1997:24 bahwa kunci utama dalam memenangkan pasar adalah dengan memberikan nilai dan kepuasan pelanggan melalui penyampaian produk- produk atau jasa yang berkualitas dengan harga yang bersaing. Tjiptono juga menambahkan kepuasan berimplikasi pada perbaikan terus-menerus sehingga dalam jangka panjang memungkinkan perusahaan untuk memahami dengan seksama harapan serta kebutuhan pelanggan. Oleh karena telah mendapat informasi-informasi dari pelanggannya maka perusahaan bisa membuat produk-produk berkualitas yang sesuai dengan keinginan konsumennya. Merujuk pada hasil kedua pada table 4.23 terlihat bahwa customer satisfaction berpengaruh positif terhadap customer loyalty. Hal ini dapat diartikan bahwa semakin konsumen merasa puas maka semakin besar keinginan konsumen tersebut untuk membeli dan menggunakan kembali produk tersebut. Hal ini sejalan dengan pendapat Band dalam Nasution 2005:49 yang mengemukakan bahwa kepuasan pelanggan sebagai perbandingan antara kualitas dari barang yang dihasilkan dengan keinginan, kebutuhan, dan harapan konsumen. Lebih lanjut band meyatakan bahwa apabila terjadi kepuasan pelanggan maka akan timbul pembelian ulang dan kesetian. Sehingga bila dilihat dari hasil diatas yang menyebutkan adanya hubungan antara kualitas produk dan kepuasan konsumen serta dampaknya pada loyalitas pelanggan, perusahaan harus milihat kepuasan konsumen sebagai omzet dan konsentrasi terbesar perusahaan, dengan cara penciptaan produk-produk yang berkualitas dan bukan hanya menilainya dari segi materi semata karena dengan banyaknya pelanggan yang merasa puas, maka dengan sendirinya akan meningkatkan omzet penjualan produk itu sendiri. Penelitian ini kemungkinan besar adalah salah satu penelitian struktural tentang kualitas produk, kepuasan konsumen dan loyalitas pelanggan dengan ditinjau dari sudut perilaku konsumen.dengan demikian penelitian ini diharapkan dapat mendorong penelitian-penelitian lainnya, baik penelitian sejenis dengan dengan data yang berlainan atau sampel yang lebih luas, maupun hasil penelitian ini nantinya bisa sebagai pedoman bagi peneliti lainnya.