sehingga tingkat kepuasannya relatif lebih tinggi. Peubah-peubah yang termasuk dalam kuadran ini harus tetap dipertahankan.
c. Kuadran III merupakan wilayah yang memuat faktor-faktor yang
dianggap kurang penting oleh pelanggan dan pada kenyataannya kinerjanya tidak terlalu istimewa. Peningkatan peubah-peubah yang
masuk dalam kuadran ini dapat dipertimbangkan kembali, karena pengaruhnya terhadap manfaat yang dirasakan oleh pelanggan
sangat kecil. d.
Kuadran IV merupakan wilayah yang memuat faktor-faktor yang dianggap kurang penting oleh pelanggan dan dirasakan terlalu
berlebihan. Peubah-peubah yang termasuk dalam kuadran ini dapat dikurangi agar perusahaan dapat menghemat biaya.
Y Kepentingan
Y
X Kinerja Gambar 5. Diagram Kartesius
3.3.4 CSI
Customer Satisfaction Index CSI digunakan untuk menentukan
tingkat kepuasan pelanggan secara menyeluruh dengan pendekatan mempertimbangkan tingkat kepentingan dari atribut-atribut mutu jasa
yang diukur. Setelah melakukan pengujian dengan scatter plot diagram IPA untuk mengetahui atribut yang dianggap penting bagi pelanggan,
kemudian langkah selanjutnya mengukur tingkat kepuasan pelanggan dengan menggunakan perhitungan dengan MS.Excel untuk memperoleh
bobot index kepuasan. Prioritas Utama
A Prioritas Prestasi
B
Prioritas Rendah C
Berlebihan D
X
Pengukuran CSI memiliki tahap-tahap berikut Stratford dalam Desnawati, 2008 :
a.
Menghitung weighting factors WF, yaitu mengubah nilai rata-rata tingkat kepentingan menjadi angka persentase, sehingga didapatkan
total weighting factors 100. Weighting Factors WF adalah fungsi dari Mean Importance Score MIS-i masing-masing atribut dalam
bentuk dari total Mean Importance Score MIS-t untuk seluruh atribut yang diuji.
b.
Menghitung weighting score, yaitu nilai perkalian antar rata-rata tingkat kinerjakepuasan dengan weighting factors. Weighted Score
WS adalah fungsi dari Mean Satisfaction Score MSS x Weighting Factors
WF.
c.
Menghitung weighted average, yaitu menjumlahkan weighting score WS dari semua atribut mutu layanan. Weighted Average Total
WAT adalah fungsi dari total Weighted Score WS semua atribut.
d.
Menghitung satisfaction index, yaitu weighting average WA dibagi skala maksimal yang digunakan dalam penelitian ini skala maksimal
adalah 5 kemudian dikali 100.
e.
Interpretasikan hasil total indeks, dengan acuan berikut :
Tabel 7. Kriteria tingkat kepuasan pelanggan
Kriteria tingkat kepuasan
Tingkat Kepuasan 90,01-100,00 Sangat
puas 70,01-90,00 Puas
50,01-70,00 Cukup puas
25,01-50,00 Tidak puas
0-25,00 Sangat tidak puas
Sumber: Ariestonandri, 2006
3.3.5 SEM
a. Definisi SEM
Structural Equation Modelling SEM merupakan suatu teknik
statistik yang mampu menganalisis peubah laten, peubah indikator dan kesalahan pengukuran secara langsung. SEM dapat menganalisis
hubungan antara peubah laten dengan peubah indikatornya, hubungan antara peubah laten yang satu dengan peubah laten yang
lain, juga mengetahui besarnya kesalahan pengukuran. Disamping hubungan kausal searah, SEM juga memungkinkan untuk
menganalisis hubungan dua arah. SEM termasuk keluarga statistik multivariat dependensi yang memungkinkan dilakukannya analisis
satu atau lebih peubah independen dengan satu atau lebih peubah dependen Sitinjak, 2006.
b. Model SEM
Didalam SEM terdapat dua model yang diuji, yaitu model pengukuran dan model struktural. Model pengukuran menjelaskan
keterkaitan hubungan peubah laten dengan peubah indikatornya sedangkan model struktural menjelaskan keterkaitan hubungan antar
peubah laten Sitinjak, 2006
Gambar 6. Model teoritis diagram lintas SEM Keterangan :
ξ = peubah laten eksogen = peubah laten endogen
γ = Koefisien jalur peubah laten eksogen terhadap peubah laten endogen
λ = Loading factor
= kekeliruan pengukuran peubah manifes eksogen = kekeliruan pengukuran peubah manifes endogen
= Error variance
dalam persamaan model struktural Model persamaan struktural :
= λ ξ + +
Model persamaan pengukuran : Y =
λ
x
+
X
1
X
2
Y
1
Y
2 1
2
λ
1
λ
2
ξ γ
λ
1
λ
2 1
2
X = λ
Y
ξ + Pada pengukuran ini dapat dilihat besar pengaruh, atau
kontribusi dan bagaimana nyatanya masing-masing peubah laten eksogen terhadap peubah laten endogen dan peubah manifes
terhadap peubah laten. Batas untuk menolak atau menerima suatu hubungan dengan taraf nyata 5 adalah 1,96 nilai mutlak, dimana
apabila nilai terletak diantara -1,96 dan 1,96, maka hipotesis yang menyatakan adanya pengaruh harus ditolak dan apabila nilai t lebih
besar daripada 1.96 atau lebih kecil daripada -1,96 harus diterima dengan taraf nyata 5.
Pengolahan data dilakukan dengan menggunakan software Lisrel Linier Structural Relationship. Lisrel merupakan salah satu
program komputer yang dapat mempermudah analisis untuk menyelesaikan masalah-masalah yang tidak dapat diselesaikan oleh
alat analisis yang konvensional Sitinjak, 2006. Langkah-langkah SEM dalam penelitian ini adalah :
a. Pengembangan model berbasis konsep dan teori
Pada tahap ini dilakukan telaah teori tentang pengaruh mutu layanan dengan lima dimensi mutu jasa terhadap loyalitas
pelanggan. b.
Mengkonstruksi diagram path Pada tahap ini peubah laten dan peubah manifes dibentuk dalam
diagram path, agar lebih memahami bentuk hubungan antar peubah.
c. Konversi diagram path ke model struktural
Pada tahap ini model struktural dan model pengukuran digambarkan lebih jelas.
d. Memilih matriks input
Pada tahap ini matriks input dipilih dan dimasukkan ke dalam perhitungan.
e. Evaluasi goodness of fit index
Tahapan evaluasi kesesuaian model ditujukan untuk mengevaluasi derajat kesesuaian, atau Goodness of Fit GOF
antara data dan model. Menurut Hair et. al. dalam Sitinjak 2006, evaluasi terhadap GOF model dilakukan melalui uji
kecocokan keseluruhan model overall model fit. Dalam penelitian ini, ukuran derajat kesesuaian model yang digunakan
adalah : 1
Statistic Chi-Square χ2, atau CMIN
Nilai chi-square, atau khi kuadrat menunjukkan adanya penyimpangan antara sample covariance matrix dan model
fitted covariance matrix. Nilai chi-square yang diperoleh relatif besar terhadap derajat bebas, mengindikasikan bahwa
matriks hasil dugaan model tidak sesuai dengan matriks data. Sebaliknya nilai chi-square yang relatif kecil terhadap derajat
bebas, mengindikasikan bahwa matriks hasil dugaan model sesuai dengan matriks data. Nilai chi-square yang semakin
kecil, maka model akan semakin baik. Nilai chi-square nol menunjukkan bahwa model memiliki fit yang sempurna
Sitinjak, 2006. 2
Probabilitas Chi-Square p-value p-value adalah peluang untuk memperoleh penyimpangan
deviasi besar sebagaimana ditunjukkan oleh nilai chi- square
, sehingga nilai chi-square nyata 0,05
menunjukkan bahwa data empiris yang diperoleh memiliki perbedaan dengan teori yang telah dibangun berdasarkan
SEM, p-value yang tidak nyata 0,05 adalah yang diharapkan, yang menunjukkan bahwa data empiris sesuai
dengan model Sitinjak, 2006 3
CMINdf Normed Chi-Square Merupakan salah satu indikator mengukur tingkat fit sebuah
model. CMINdf tidak lain adalah nilai chi-square dibagi
dengan df, sehingga disebut chi-square relatif. Nilai chi- square
relatif ≤ 2 adalah indikasi dari model yang fit dengan
data. Kusnendi, 2008 4
Root Mean Square Error of Approximation RMSEA Nilai RMSEA merupakan ukuran ketidakcocokan model
berdasarkan derajat bebas model. Rataan perbedaan per derajat bebas yang diharapkan terjadi dalam populasi dan
bukan dalam contoh. Model dengan nilai RMSEA lebih kecil, atau sama dengan 0,08 RMSEA
≤ 0,08 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara
matriks hasil dugaan model struktural dengan matriks data asal Sitinjak, 2006.
5 Goodness of Fit Index GFI
Nilai GFI mempresentasikan persen keragaman data yang dapat diterangkan oleh model. Nilai berkisar antara 0-1,
dengan nilai lebih tinggi adalah lebih baik. Model dengan nilai GFI lebih besar, atau sama dengan 0,90 GFI
≥ 0,90 mengindikasikan bahwa model tersebut baik dalam hal
kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal Sitinjak, 2006.
6 Adjusted Goodness of Fit Index AGFI
Nilai AGFI merupakan modifikasi dari GFI dengan mengakomodasi derajat bebas model dengan model lain yang
dibandingkan. Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. Model dengan nilai AGFI lebih
besar, atau sama dengan 0,90 AGFI ≥ 0,90
mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil dugaan model struktural
dengan matriks data asal. Sitinjak, 2006 7
Comparative Fit Index CFI CFI merupakan ukuran komparatif yang sangat dianjurkan
untuk digunakan sebagai ukuran uji ovelall model fit. Nilai
CFI berkisar antara 0 – 1. CFI 0,90 model fit dengan data Kusnendi, 2008
f. Interpretasi Model
Langkah terakhir adalah mengintepretasikan model dengan melihat besarnya pengaruh atau kontribusi peubah manifes
terhadap peubah laten dan besarnya pengaruh antar peubah laten. Peubah laten eksogen dalam penelitian ini adalah Mutu
Layanan ξ dengan indikatornya :
X
1 :
reliability X
2 :
responsiveness X
3 :
assurance X
4 :
empathy X
5 :
tangible Peubah laten endogen pada penelitian ini adalah Loyalitas
Pelanggan dengan indikator :
Y
1 :
kesediaan berbagi informasi Y
2 :
menyampaikan hal positif penyedia jasa ke orang lain Y
3 :
merekomendasikan penyedia jasa kepada orang lain Y
4 :
melakukan pembelian secara kontinu Y
5 :
tidak berpindah-pindah ke penyedia jasa lain Y
6 :
membeli jasa layanan tambahan Y
7 :
menguji jasa layanan baru Proses analisa masing-masing peubah dengan menggunakan
software LISREL 8.30. Diagram struktural pengaruh mutu layanan
terhadap loyalitas pelanggan disajikan pada Gambar 7.
Gambar 7. Diagram struktural pengaruh mutu layanan terhadap loyalitas pelanggan
Mutu Layanan
ξ Loyalitas
X1 X2
X3 X4
X5 Y2
Y3 Y4
Y5 Y1
Y6 Y7
λ
2
λ
1
λ
3
λ
4
λ
5
λ
1
λ
2
λ
3
λ
4
λ
5
λ
6
λ
7
γ
IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum PT Jayamandiri Gemasejati Bogor
4.1.1 Profil PT Jayamandiri Gemasejati Bogor
PT Jayamandiri Gemasejati resmi didirikan pada tanggal 29 Oktober 1994 yang berkantor pusat di Jln. BKR No.5 Bandung. Dahulu
dealer ini bernama PT Lautan Teduh. Namun karena perubahan sistem
manajemen, kebijakan dan alasan untuk mempermudah pelanggan dalam mengingat nama dealer, akhirnya PT Lautan Teduh diubah
menjadi PT Jayamandiri Gemasejati atau lebih dikenal dengan nama JG Motor. Saat ini, JG Motor telah memiliki 30 cabang seperti yang
tercantum dalam Tabel 8.
Tabel 8. Nama-nama Cabang JG Motor
No. Nama Cabang No. Nama Cabang
1. 2.
3. 4.
5. 6.
7. 8.
9. 10.
11. 12.
13. 14.
15. JG Bogor
JG Cibinong JG Leuwiliang
JG Bojong Gede JG Cibeureum
JG Gunung Sindur JG Jakarta
JG Cikarang JG Cianjur
JG Warung Kondang JG Cikalong Kulon
JG Sukabumi JG Asia Afrika
JG Kopo JG Karangsinom
16. 17.
18. 19.
20. 21.
22. 23.
24. 25.
26. 27.
28. 29.
30. JG Bandung
JG Cibeureum JG Ujung Berung
JG Ciwastra JG Garut
JG Tasikmalaya JG Pangandaran
JG Dawuan JG Cikalongsari
JG Cirebon JG Siliwangi
JG Palimanan JG Ciledug
JG Jatibarang JG Kuningan
Salah satu cabang dari JG Motor adalah JG Bogor. Pada tahun 2000 JG Bogor didirikan masih dengan nama PT Lautan Teduh, namun tahun
2004 resmi berubah menjadi JG Bogor. Sejak awal berdiri, dealer ini sudah bergerak dalam bidang 3S, yaitu Sales, Service dan Spareparts.
Sebagai dealer resmi Yamaha, semua
produk
produk dan suku cadang merupakan hasil produksi PT Yamaha yang didistribusikan secara
langsung kepada konsumennya.