Deskripsi Hasil Analisis dan Uji Hipotesis

59

4.3. Deskripsi Hasil Analisis dan Uji Hipotesis

4.3.1. Uji Normalitas dan Sebaran Linieritas

Uji normalitas sebaran dilakukan dengan Kurtosis 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. Hasil pengujian normalitas pada penelitian ini akan ditampilkan pada tabel berikut : Tabel 4.12. Hasil Uji Normalitas Variable min Max kurtosis c.r. X11 5 7 -1,028 -2,180 X12 5 7 -1,350 -2,863 X13 5 7 -1,498 -3,179 X21 4 7 -0,857 -1,817 X22 4 7 -0,654 -1,388 X23 4 7 -1,255 -2,662 X24 4 7 -0,842 -1,786 X31 4 7 -1,029 -2,183 X32 5 7 -1,358 -2,880 X33 5 7 -1,274 -2,702 Y1 4 7 -0,175 -0,371 Y2 4 7 0,483 1,025 Y3 5 7 -1,166 -2,474 Z11 5 7 -0,581 -1,232 Z12 5 7 -0,839 -1,779 Z13 4 7 -0,768 -1,628 Z21 4 7 -1,104 -2,343 Z22 4 7 -0,935 -1,983 Multivariate 8,287 1,605 Batas Normal ± 2,58 Sumber : Lampiran 3 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 60 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di dalam ± 2,58 itu berarti asumsi normalitas 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.

4.3.2. Evaluasi atas Outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam- bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair,1998. Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [ χ 2] pada df sebesar jumlah variabel bebasnya df = 18. Ketentuan : bila Mahalanobis dari nilai χ 2 adalah multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis distancenya 42,312. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate : Tabel 4.13. Hasil Pengujian Outlier Multivariate Minimum Maximum Mean Std. Deviation N Predicted Value 25,679 95,536 54,500 15,963 108 Std. Predicted Value -1,806 2,571 0,000 1,000 108 Standard Error of Predicted Value 7,247 17,310 12,242 1,943 108 Adjusted Predicted Value 16,676 99,385 55,149 17,430 108 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 61 Residual -62,763 55,467 0,000 26,948 108 Std. Residual -2,124 1,877 0,000 0,912 108 Stud. Residual -2,474 2,021 -0,010 1,001 108 Deleted Residual -86,762 64,282 -0,649 32,561 108 Stud. Deleted Residual -2,549 2,057 -0,012 1,011 108 Mahalanobis Distance [MD] 5,446 35,733 17,833 6,110 108 Cooks Distance 0,000 0,132 0,011 0,019 108 Centered Leverage Value 0,051 0,334 0,167 0,057 108 a Dependent Variable : NO. RESP Sumber : Lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 35,733 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 812,43 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 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 62 indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent variabelconstruct 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 4.14. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis Konstrak Indikator Faktor Loading 1 2 3 4 Kualitas Inti X11 0,335 X12 0,836 X13 0,942 Kualitas Hubungan X21 0,942 X22 0,574 X23 0,314 X24 0,742 Resiko Yang Dipersepsikan X31 0,225 X32 0,912 X33 0,790 Kepuasan Pelanggan Y1 0,844 Y2 0,751 Y4 0,554 Loyalitas Pelanggan Z11 0,767 Z12 0,661 Z13 0,257 Komplain Pelanggan Z21 0,797 Z22 0,572 Sumber : Lampiran Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 63 Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loading masing-masing butir pertanyaan yang membentuk setiap konstruk belum seluruhnya ≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. 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. Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini : Tabel 4.15. Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha Kualitas Inti X11 0,645 0,733 X12 0,875 X13 0,888 Kualitas Hubungan X21 0,713 0,686 X22 0,465 X23 0,857 X24 0,796 Resiko Yang Dipersepsikan X31 0,614 0,621 X32 0,835 X33 0,823 Kepuasan Pelanggan Y1 0,863 0,754 Y2 0,827 Y4 0,766 Loyalitas Pelanggan Z11 0,739 0,502 Z12 0,713 Z13 0,701 Komplain Pelanggan Z21 0,865 0,620 Z22 0,838 Sumber : Lampiran 6 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 64 Hasil pengujian reliabilitas konsistensi internal untuk setiap konstruk di atas menunjukkan cukup baik dimana koefisien Cronbach’s Alpha yang diperoleh belum seluruhnya memenuhi rules of thumb yang disyaratkan yaitu ≥ 0,7 [Hair et.al.,1998]. Tidak terjadi eliminasi karena nilai item to total correlation indikator seluruhnya ≥ 0,5. 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 = 1 – [Strespondenrdize loading] secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,5 Hair at, 1998. Strespondenrdize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct strespondenrdize regression weight terhadap setiap butir sebagai indikatornya. [ ] 2 tan 1 ading dardize Lo S j − = ε Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 65 Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut: Tabel 4.16. Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat E rror [εj] Construct Reliability Variance Extrated Core Quality X11 0,335 0,112 0,888 0,774 0,566 X12 0,836 0,699 0,301 X13 0,942 0,887 0,113 Relationship Quality X21 0,574 0,329 0,671 0,729 0,427 X22 0,314 0,099 0,901 X23 0,742 0,551 0,449 X24 0,853 0,728 0,272 Risk Perception X31 0,225 0,051 0,949 0,713 0,502 X32 0,912 0,832 0,168 X33 0,790 0,624 0,376 Customer Satisfation Y1 0,844 0,712 0,288 0,765 0,528 Y2 0,751 0,564 0,436 Y4 0,554 0,307 0,693 Customer Loyalty Z11 0,767 0,588 0,412 0,598 0,364 Z12 0,661 0,437 0,563 Z13 0,257 0,066 0,934 Customer Complaint Z21 0,797 0,635 0,365 0,644 0,481 Z22 0,572 0,327 0,673 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber : Lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen cukup 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 0,7 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,5. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 66

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 diyakini bahwa dilrespondensi 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: MODEL PENGUKURAN STRUKTURAL Core Quality, Relationship Quality, Risk Perception, Customer Satisfaction, Customer Loyalty, Customer Complaint Model Specification : One Step Approach - Base Model Customer Complaint Customer Loyalty Z21 er_17 1 1 Z22 er_18 1 Z11 er_11 1 1 Z12 er_12 1 1 Core Quality X11 er_1 1 X12 er_2 1 Z13 er_13 1 X13 er_3 1 1 Relationship Quality X21 er_4 X22 er_5 X23 er_6 X24 er_7 1 1 1 1 1 Risk Perception X31 er_8 X32 er_9 X33 er_10 1 1 1 Customer Satisfaction Y1 er_14 Y2 er_15 Y3 er_16 1 1 1 1 d_cl 1 d_cs 1 d_cc 1 Gambar 4.2. Model Pengukuran Kausalitas One Step Apporach Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 67 Tabel 4.17. Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 1,215 ≤ 2,00 baik Probability 0,050 ≥ 0,05 baik RMSEA 0,045 ≤ 0,08 baik GFI 0,872 ≥ 0,90 kurang baik AGFI 0,828 ≥ 0,90 kurang baik TLI 0,929 ≥ 0,95 kurang baik CFI 0,941 ≥ 0,94 baik Sumber : Hasil Pengolahan Data Dari hasil evaluasi terhadap model one step 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 dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Berdasarkan uji Reliability Consistency Internal terdapat indikator tereliminasi sehingga model berubah sebagaimana terdapat di bawah ini : MODEL PENGUKURAN STRUKTURAL Core Quality, Relationship Quality, Risk Perception, Customer Satisfaction, Customer Loyalty, Customer Complaint Model Specification : One Step Approach - Modification Model Customer Complaint Customer Loyalty Z21 er_17 1 1 Z22 er_18 1 Z11 er_11 1 1 Z12 er_12 1 1 Core Quality X11 er_1 1 X12 er_2 1 Z13 er_13 1 X13 er_3 1 1 Relationship Quality X21 er_4 X22 er_5 X23 er_6 X24 er_7 1 1 1 1 1 Risk Perception X31 er_8 X32 er_9 X33 er_10 1 1 1 Customer Satisfaction Y1 er_14 Y2 er_15 Y3 er_16 1 1 1 1 d_cl 1 d_cs 1 d_cc 1 Gambar 4.3. Model Pengukuran Kausalitas One Step Apporach- Modifikasi Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 68 Tabel 4.18. Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 0,798 ≤ 2,00 baik Probability 0,951 ≥ 0,05 baik RMSEA 0,000 ≤ 0,08 baik GFI 0,911 ≥ 0,90 baik AGFI 0,900 ≥ 0,90 baik TLI 1,066 ≥ 0,95 baik CFI 1,000 ≥ 0,94 baik Sumber : Hasil Pengolahan Data Dari hasil evaluasi terhadap model one step 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 sebagaimana terdapat di bawah ini : Dilihat dari angka determinant of sample covariance matrix : 812,43 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 signifikasi pembanding nilai CR Critical Ratio atau p probability yang sama dengan nilai t hitung . Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 69 Tabel 4.19. Hasil Pengujian Kausalitas Ustd Std Prob. Faktor ï Faktor Estimate Estimate Customer_Satisfaction ï Core_Quality 0,066 0,099 0,366 Customer_Satisfaction ï Relationship_Quality 0,129 0,195 0,089 Customer_Satisfaction ï Risk_Perception -0,102 -0,154 0,178 Customer_Loyalty ï Customer_Satisfaction 0,305 0,419 0,002 Customer_Complaint ï Customer_Satisfaction -0,251 -0,228 0,036 Batas Signifikansi ≤ 0,10 Sumber : Lampiran 8 Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa : 1. Faktor kualitas inti berpengaruh positif terhadap faktor kepuasan pelanggan, tidak dapat diterima [Prob. kausalnya 0,366 0,10 [tidak signifikan [positif]. 2. Faktor kualitas hubungan berpengaruh positif terhadap faktor kepuasan pelanggan, dapat diterima [prob. kausalnya 0,089 ≤ 0,10 [signifikan [positif]. 3. Faktor resiko yang dipersepsikan berpengaruh negatif terhadap faktor kepuasan pelanggan, tidak dapat diterima [prob. kausalnya 0,178 0,10 [tidak signifikan [negatif]. 4. Faktor kepuasan pelanggan berpengaruh positif terhadap faktor loyalitas pelanggan, dapat diterima [prob. kausalnya 0,002 ≤ 0,10 [signifikan [positif]. 5. Faktor kepuasan pelanggan berpengaruh negatif terhadap faktor komplain pelanggan, dapat diterima [prob. kausalnya 0,036 ≤ 0,10 [signifikan [negatif]. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber 70

4.4. Pembahasan