CSI SEM Pengolahan dan Analisis Data

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.