Pemodelan persamaan struktural dengan partial least square pada kepuasan pelanggan kartu seluler xyz
PEMODELAN PERSAMAAN STRUKTURAL DENGAN
PARTIAL LEAST SQUARE PADA KEPUASAN PELANGGAN
KARTU SELULER XYZ
RUSLAN ABDUL NASSER
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Persamaan
Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler
XYZ adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2014
Ruslan Abdul Nasser
NIM G14100022
ABSTRAK
RUSLAN ABDUL NASSER. Pemodelan Persamaan Struktural dengan Partial
Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ. Dibimbing oleh
AAM ALAMUDI dan DIAN KUSUMANINGRUM.
Masalah kepuasan pelanggan menjadi masalah yang harus mendapat
perhatian serius dari pelaku bisnis, tidak terkecuali pelaku bisnis kartu seluler. Hal
ini dikarenakan kepuasan pelanggan berpengaruh signifikan terhadap loyalitas
pelanggan. Loyalitas pelanggan merupakan salah satu dampak positif dari adanya
kepuasan pelanggan. Oleh karena itu diperlukan penelitian untuk mengetahui
pengaruh kepuasan pelanggan kartu seluler terhadap loyalitas, khususnya
pengguna mahasiswa. Kepuasan dan loyalitas merupakan peubah yang tidak dapat
diukur secara langsung (peubah laten). Metode yang tepat untuk mengetahui
pengaruh kepuasan terhadap loyalitas adalah metode pemodelan persamaan
struktural (PPS), dengan metode partial least square (PLS). PPS dengan metode
PLS digunakan ketika terdapat beberapa asumsi dalam PPS berbasis peragam
yang tidak terpenuhi, seperti menyebar normal ganda dan jumlah contoh yang
besar. Hasil yang didapatkan dari penelitian ini adalah peubah produk, kegiatan
penjualan, dan budaya berpengaruh terhadap kepuasan pelanggan. Sementara itu
peubah sesudah penjualan tidak berpengaruh terhadap kepuasan pelanggan. Faktor
yang paling berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah
peubah produk. Selanjutnya, kepuasan berpengaruh positif terhadap loyalitas
pelanggan kartu seluler XYZ dan memiliki pengaruh yang cukup kuat. Peubah
laten eksogen yang memiliki pengaruh secara tidak langsung terhadap loyalitas
adalah produk dan kegiatan penjualan.
Kata kunci: kepuasan, loyalitas, pemodelan persamaan stuktural, partial least
square
ABSTRACT
RUSLAN ABDUL NASSER. Structural Equation Modeling with Partial Least
Square Method in Customer Satisfaction of XYZ celluler card. Advised by AAM
ALAMUDI and DIAN KUSUMANINGRUM.
Customer satisfaction issues become a problem that should be given serious
attention from businesses people. This is due to the significant effect of customer
satisfaction on customer loyalty. Customer loyalty is one of the positive impact of
the customer satisfaction. Therefore, research is needed to determine the effect of
customer satisfaction on loyalty celluler card, especially college students user.
Satisfaction and loyalty are variable that can not be measured directly (latent
variables). The most sufficient method to determine the effect of satisfaction on
loyalty is structural equation modeling (SEM) with partial least square (PLS)
method. SEM with the PLS method is used when there are several assumptions in
covariance-based SEM which is violated, such as multivariate normal distribution
and a large number of samples needed. Results obtained from this study is
product, sales activities, and cultural influence on customer satisfaction. After the
sale variable has no effect on customer satisfaction. The factor that most affect the
customer satisfaction of XYZ celluler card is product. Furthermore, satisfaction
has a positive effect on customer loyalty of XYZ celluler card. Latent exogenous
variables that have indirect influence on loyalty are product and sales activities
Keywords: loyalty, satisfaction, structural equation modeling, partial least square
PEMODELAN PERSAMAAN STRUKTURAL DENGAN
PARTIAL LEAST SQUARE PADA KEPUASAN PELANGGAN
KARTU SELULER XYZ
RUSLAN ABDUL NASSER
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Pemodelan Persamaan Struktural dengan Partial Least Square pada
Kepuasan Pelanggan Kartu Seluler XYZ
Nama
: Ruslan Abdul Nasser
NIM
: G14100022
Disetujui oleh
Ir Aam Alamudi, MSi
Pembimbing I
Dian Kusumaningrum, SSi, MSi
Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini ialah
kepuasan pelanggan, dengan judul Pemodelan Persamaan Struktural dengan
Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ.
Penulis mengucapkan terima kasih kepada semua pihak yang telah
membantu dalam menyelesaikan karya ilmiah ini, antara lain:
1. Bapak Ir. Aam Alamudi, MSi dan Ibu Dian Kusumaningrum, MSi atas
bimbingan, masukan, dan kesabarannya selama penulis menyelesaikan
karya ilmiah ini.
2. Bapak Ir. Bambang Sumantri selaku penguji atas saran dan kritikannya
yang membangun.
3. Dosen pengajar Departemen Statistika atas ilmu yang telah diberikan.
4. Ibu Markonah dan Tata Usaha Departemen Statistika atas bantuannya
dalam kelancaran administrasi.
5. Departemen Survey and Research Himpunan Profesi Gamma Sigma Beta
2014 atas bantuannya dalam melakukan survei penelitian.
6. Keluarga di rumah, terutama Ayah, Ibu, dan Kakak atas dukungan dan
doanya.
7. Rosalita, mahasiswa Komunikasi dan Pengembangan Masyarakat 2010
atas motivasi dan dukungannya sampai menyelesaikan studi di IPB.
8. Teman-teman Statistika 47 atas semangat dukungan dan bantuannya.
9. Mbak Rina dan seluruh kolega Statistics Center atas penerapan ilmu
statistika yang telah diberikan selama menyelesaikan studi di IPB
Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah
ini. Oleh karena itu, penulis menerima saran dan kritikan yang membangun dari
berbagai pihak agar dapat meningkatkan pengetahuan penulis di masa yang akan
datang. Penulis berharap karya ilmiah ini dapat bermanfaat bagi penulis
khususnya dan pembaca pada umumnya.
Bogor, Juli 2014
Ruslan Abdul Nasser
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
TINJAUAN PUSTAKA
2
Kepuasan dan Loyalitas Pelanggan
2
Pemodelan Persamaan Struktural dengan Partial Least Square
3
METODE
5
Data dan Metode Penarikan Contoh
5
Metode Analisis Data
5
HASIL DAN PEMBAHASAN
8
Validitas dan Reliabilitas Kuesioner
8
Deskripsi Karakteristik Responden
8
Diagram Jalur Pemodelan Persamaan Struktural dengan Partial Least Square 9
Evaluasi Goodness of Fit Pemodelan Persamaan Struktural dengan Partial
Least Square
10
Pengujian hipotesis Pemodelan Persamaan Struktural dengan Partial Least
Square
12
SIMPULAN
14
DAFTAR PUSTAKA
14
LAMPIRAN
15
RIWAYAT HIDUP
22
DAFTAR TABEL
1 Konversi diagram jalur ke persamaan
2 Nilai AVE, Composite Reliability, dan R-Square peubah laten
3 Hasil pengujian hipotesis
10
11
12
DAFTAR GAMBAR
1 Pengeluaran pulsa per bulan
2 Kerangka Konseptual Penelitian berdasarkan Pemodelan Persamaan
Struktural
8
9
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9
Uji validitas setiap pernyataan dalam kuesioner
Uji reliabilitas peubah laten dalam kuesioner
Alasan utama menggunakan kartu seluler XYZ
Pemodelan persamaan pengukuran dan model persamaan struktural
dalam bentuk matriks
Uji validitas konstruk pada pemodelan persamaan struktural
Nilai loading pada diagram jalur persamaan struktural PLS
Nilai t-hitung pada diagram jalur persamaan struktural PLS
Hasil pengujian hipotesis pengaruh tidak langsung
Kuesioner penelitian
15
15
16
16
17
17
18
18
19
PENDAHULUAN
Latar Belakang
Dunia bisnis kartu seluler mengalami perkembangan yang sangat pesat
dalam era globalisasi saat ini. Hal ini menyebabkan terjadinya persaingan yang
sangat ketat antar merek kartu seluler. Persaingan antar kartu seluler yang ketat ini
mengakibatkan perusahaan penyedia layanan kartu seluler bersaing untuk
meningkatkan para pelanggannya. Salah satu pelanggan yang menggunakan
produk kartu seluler adalah mahasiswa. Mahasiswa pada saat ini umumnya
menggunakan lebih dari satu merek kartu seluler untuk memenuhi
kebutuhannnya. Berdasarkan hal tersebut, berbagai cara dilakukan penyedia
layanan kartu seluler untuk memuaskan dan mempertahankan mahasiswa sebagai
pelanggannya, melalui persaingan tarif harga, persaingan layanan, dan persaingan
iklan di televisi. Oleh karena itu, masalah kepuasan pelanggan menjadi masalah
yang harus mendapat perhatian serius dari pelaku bisnis kartu seluler. Menurut
Tjiptono (2008) kepuasan pelanggan berpotensi memberikan sejumlah manfaat
spesifik, salah satunya berdampak positif terhadap loyalitas pelanggan.
Kepuasan dan loyalitas merupakan peubah yang tidak dapat diukur secara
langsung (peubah laten) dan diukur oleh peubah-peubah indikator. Kepuasan
sendiri terdiri dari beberapa faktor yang mempengaruhinya, yaitu produk, kegiatan
penjualan, sesudah penjualan, dan budaya (Lele dan Sheth 1995). Metode yang
tepat untuk mengetahui pengaruh kepuasan terhadap loyalitas adalah metode
pemodelan persamaan struktural (PPS), yang sering disebut dengan Structural
Equation Modeling (SEM) atau PPS berbasis peragam. Metode pendugaan yang
umumnya digunakan dalam PPS berbasis peragam adalah metode Maximum
Likelihood (ML). Pendugaan parameter dengan metode ML dalam PPS berbasis
peragam membutuhkan beberapa asumsi kritis seperti ukuran contoh minimal 10 kali
banyaknya indikator atau lebih dari 100 unit pengamatan dan data menyebar
mengikuti sebaran normal ganda. PPS berbasis peragam menyediakan beberapa
pendekatan yang dapat digunakan dalam pendugaan paremeter model jika data tidak
menyebar normal ganda, diantaranya dengan Bootstrap ML atau menggunakan
metode Weighted Least Square (WLS). Namun, kedua pendekatan ini tetap
membutuhkan data yang relatif besar (Jaya dan Sumertajaya 2008).
Pada penelitian ini banyaknya indikator yang digunakan untuk membangun
diagram jalur PPS adalah 20 indikator, sehingga ukuran contoh minimal untuk
memenuhi penggunaan ML dalam PPS berbasis peragam adalah 200 contoh.
Terdapat beberapa keterbatasan dalam penelitian, seperti biaya yang terbatas, waktu
yang singkat, dan responden yang harus memenuhi kriteria, menyebabkan peneliti
tidak dapat memenuhi ukuran contoh minimal tersebut. Oleh karena itu, untuk model
kompleks dengan ukuran contoh yang relatif kecil dibutuhkan suatu pendekatan baru.
Salah satu pendekatan baru yang diperkenalkan oleh Herman Wold, adalah Partial
Least Square (PLS). PPS dengan metode PLS dimungkinkan melakukan pemodelan
persamaan struktural dengan ukuran contoh relatif kecil dan tidak membutuhkan
asumsi normal ganda (Jaya dan Sumertajaya 2008).
2
Tujuan Penelitian
1.
2.
Tujuan penelitian ini adalah :
Mengetahui faktor yang paling berpengaruh terhadap kepuasan pelanggan.
Mengetahui pengaruh langsung dan tidak langsung peubah laten produk,
kegiatan penjualan, sesudah penjualan, dan budaya, terhadap peubah laten
kepuasan dan loyalitas.
TINJAUAN PUSTAKA
Kepuasan dan Loyalitas Pelanggan
Kepuasan pelanggan merupakan tingkat perasaan seseorang setelah
membandingkan kinerja yang ia persepsikan dibandingkan dengan harapannya
(Kotler, et al. dalam Tjiptono 2008). Menurut Lele dan Sheth (1995) terdapat
empat landasan yang mempengaruhi kepuasan pelanggan, yaitu :
1. Peubah yang berkaitan dengan produk
Terdapat tiga peubah pokok yang mempengaruhi kepuasan pelanggan
terhadap produk atau jasa. Pertama rancangan dasar pokok yang terdiri
dari pesan-pesan, keefektifan penjualan dan pendukung. Kedua umpan
balik dan insentif. Ketiga sumber daya dan pembuatan yang terdiri dari
kontak pelanggan, mutu, dan biaya.
2. Peubah yang berkaitan dengan kegiatan penjualan
Peubah ini meliputi pesan-pesan (terbuka dan tertutup), sikap (latihan
personil dan ganjaran), dan penyalur (insentif, seleksi, latihan dan
pemantauan).
3. Peubah sesudah penjualan
Sesudah penjualan yang dimaksud dalam hal ini adalah pelayanan
pendukung (liputan dan mutu untuk kerja) dan umpan balik dan restitusi
(liputan dan tanggapan)
4. Peubah yang berkaitan dengan budaya
Nilai-nilai perusahaan yang merupakan penggerak utama di belakang
produk, kegiatan penjualan, dan peubah-peubah yang berkaitan dengan
pelayanan sesudah penjualan.
Selanjutnya, Tjiptono (2008) menyatakan bahwa kepuasan pelanggan
berpotensi memberikan sejumlah manfaat spesifik, salah satunya adalah
berdampak positif terhadap loyalitas pelanggan. Loyalitas dalam hal ini terkait
dengan perilaku pelanggan untuk membeli ulang di toko yang sama atau membeli
produk yang sama. Beberapa indikator yang dapat menjelaskan loyalitas antara
lain berkata positif tentang produk tertentu kepada orang lain, mendorong orang
lain untuk membeli produk tersebut, keinginan untuk membeli produk di waktu
yang akan datang, serta menempatkan produk tersebut sebagai prioritas utama
dalam pembelian (Sumarwan et al. 2013).
3
Pemodelan Persamaan Struktural dengan Partial Least Square
Pemodelan Persamaan Struktural (PPS) dengan Partial Least Square (PLS)
pertama dikembangkan oleh Herman Wold pada tahun 1974. Wold pada dasarnya
mengembangkan PLS untuk menguji teori yang lemah dan data yang memiliki
ukuran contoh kecil. PLS merupakan metode analisis yang dapat diterapkan pada
semua skala pengukuran data, tidak membutuhkan banyak asumsi dan ukuran
contoh tidak harus besar. PLS selain dapat digunakan untuk menjelaskan ada atau
tidaknya hubungan antar peubah laten, juga dapat digunakan untuk membangun
hubungan yang belum memiliki landasan teori. PLS dibandingkan dengan PPS
berbasis peragam mampu menangani dua masalah serius, yaitu (Chin 1998):
a. Solusi yang tidak dapat diterima (inadmissible solution)
Hal ini terjadi karena PLS berbasis ragam dan bukan peragam, sehingga
permasalahan matriks singular tidak akan pernah terjadi. Di samping itu,
karena PLS menggunakan iterasi algoritma yang terdiri dari metode kuadrat
terkecil, maka persoalan un-identified, under-identified atau over-identified
tidak akan terjadi dalam model rekursif.
b. Faktor yang tidak dapat ditentukan (factor indeterminacy)
Factor indeterminacy merupakan kondisi yang menyebabkan skor peubah
laten tidak bisa didapatkan.
Pendugaan parameter dalam PLS menggunakan proses perhitungan secara
iterasi dengan metode kuadrat terkecil. Leisch dan Monecke (2011)
menyederhanakan algoritma untuk mendapatkan pembobot-pembobot, koefisienkoefisien jalur, dan skor peubah laten ke dalam bentuk matriks sebagai berikut :
a. Tahap I
i. Inisialisasi
Memperoleh matriks peubah laten ̂ berukuran n × q, n observasi dan
q peubah laten. Matriks ini didapat dari perkalian matriks yang
merupakan matriks indikator berukuran n × p (n observasi dan p
indikator) yang telah distandarisasi, dengan matriks model
pengukuran berukuran p × q
̂
̂
̂
̂
√
ii. Pendugaan model struktural
̃
̃
√
̂
̃
̃
dengan ̃ adalah matriks estimasi model struktural berukuran n × q
dan adalah matriks pembobot model struktural berukuran q × q
iii. Pendugaan model pengukuran
̂
̃ ̃
̃
4
dengan ̂ merupakan vektor pembobot ke-g, ̃ adalah vektor
estimasi model struktural ke-g, dan
adalah matriks indikator ke-g
(g=1,...,q)
iv. Pendugaan nilai-nilai peubah laten
Memperoleh matriks ̂ baru hasil perkalian matriks dengan matriks
pembobot pengukuran
berukuran p × q.
̂
̂
̂
̂
√
Pendugaan iterasi dimulai pada langkah i sampai iv, kemudian dilanjutkan
dari langkah ii sampai iv diulangi hingga konvergen, dengan batas
kekonvergenan
(( ̂ - ̂ )/ ̂ ) ≤ 10-5
(k=1,..,p)
b. Tahap II : Pendugaan koefisien jalur
Pendugaan koefisien jalur dengan metode kuadrat terkecil
̂
̂
̂
̂
̂
dengan ̂
merupakan vektor peubah laten ke-g sebelumnya.
Kemudian memperoleh matriks koefisen jalur ̂ berukuran q × q
dengan :
̂
̂
Pendugaan nilai cross dan outer loading
Nilai cross loading dapat dilihat dari matriks loading faktor ̂
berukuran p × q
̂
̂
dan matriks outer loading didapat dengan :
̂
̂
Pengujian hipotesis dalam PLS dilakukan dengan metode resampling
(Bootstraping), metode ini digunakan untuk memperoleh standard error
pada pengujian hipotesis. Statistik uji yang digunakan adalah uji t, dengan
rumus sebagai berikut (Chin 1998) :
̂
̂
dengan t merupakan t-hitung, ̂ adalah nilai dugaan koefisien jalur peubah
laten ke-g, dan SE( ̂ ) adalah standard error yang diperoleh dari
bootsrapping.
5
METODE
Data dan Metode Penarikan Contoh
Data yang digunakan dalam penelitian ini adalah data primer yang
dikumpulkan melalui survei dengan metode penarikan contoh bola salju. Metode
ini digunakan karena peneliti tidak banyak mengetahui tentang populasi
mahasiswa yang menggunakan kartu seluler XYZ. Peneliti hanya mengetahui
beberapa orang yang dapat dijadikan contoh. Oleh karena itu, dari contoh pertama
peneliti meminta untuk menunjukkan mahasiswa lain yang dapat dijadikan
sebagai responden. Responden yang terpilih merupakan mahasiswa aktif S1
Institut Pertanian Bogor yang menggunakan kartu seluler XYZ dengan kriteria
sudah lebih dari satu bulan memiliki kartu seluler XYZ, menggunakan layanan
internet, dan pernah mengunjungi gerai XYZ atau menghubungi Call Center
sebelumnya.
Chin dan Newsted (1999) menjelaskan bahwa ukuran contoh yang dapat
digunakan dalam PLS minimal 50, oleh karena itu dalam penelitian ini ukuran
contoh yang dipilih sebanyak 50. Instrumen yang digunakan dalam penelitian ini
berupa kuesioner tentang kepuasan pelanggan. Skala yang digunakan dalam
menjawab pertanyaan kuesioner adalah skala Likert dengan jawaban responden
Sangat Tidak Setuju (STS) sampai Sangat Setuju (SS). Kuesioner penelitian dapat
dilihat pada Lampiran 9.
Metode Analisis Data
1.
Langkah-langkah yang dilakukan dalam penelitian ini adalah :
Pembuatan kuesioner sesuai dengan peubah-peubah yang akan diteliti.
Kemudian melakukan pengujian validitas dan reliabilitas kuesioner terhadap
15 responden dengan metode uji korelasi dan cronbach alpha.
∑
∑
∑
√
∑
∑
∑
∑
dengan:
N : banyaknya responden dalam validitas instrumen
: skor instrumen ke-i (i=1,2... 15)
: skor total instrumen responden ke-i (i=1,2,...15)
∑
dengan:
: koefisien reliabilitas
m : banyaknya butir pertanyaan pada setiap peubah laten
: ragam skor butir pertanyaan ke-i (i=1,2,...,m)
: ragam skor total
Nilai koefisien korelasi yang diperoleh positif dan nilainya lebih besar dari
6
2.
3.
4.
nilai r tabel (taraf nyata,N), menunjukkan bahwa instrumen yang digunakan
valid (Tika 2006). Nilai r tabel untuk taraf nyata 5% dan ukuran contoh 15
adalah 0.514.
Nilai koefisien reliabilitas lebih besar atau sama dengan 0.6 menunjukkan
bahwa instrumen reliabel (Idrus 2009).
Melakukan survei terhadap mahasiswa aktif S1 IPB yang menggunakan
kartu seluler XYZ dengan metode penarikan contoh bola salju.
Analisis deskriptif mahasiswa yang menggunakan kartu seluler XYZ.
Membuat diagram jalur (diagram path) yang menjelaskan pola hubungan
antara peubah laten dengan indikatornya. Model analisis jalur seluruh
peubah laten dalam PLS terdiri dari tiga set hubungan (Chin 1998):
a. Inner Model (Model Struktural)
Inner model menggambarkan hubungan antar peubah laten berdasarkan
landasan teorinya. Pemodelan persamaannya adalah sebagai berikut :
dengan :
: vektor peubah laten endogen berukuran a x 1
Β : matriks koefisien endogen terhadap endogen berukuran a x a
: matriks koefisien eksogen terhadap endogen berukuran a x b
: vektor peubah laten eksogen berukuran b x 1
: vektor peubah residual berukuran a x 1
b. Outer Model (Model Pengukuran)
Outer model mendefinisikan hubungan antara setiap indikator dengan
peubah latennya. Kelompok indikator yang bersifat refleksif dituliskan
dalam persamaan berikut :
dengan :
x : vektor peubah indikator bagi peubah laten eksogen c x 1
y : vektor peubah indikator bagi peubah laten endogen d x 1
: matriks loading faktor peubah laten eksogen berukuran c x b
: matriks loading faktor peubah laten endogen berukuran d x a
: vektor sisaan pengukuran dari x berukuran c x 1
: vektor sisaan pengukuran dari y berukuran d x 1
c. Weight Relation
Weight relation didefinisikan karena inner dan outer model
memberikan spesifikasi yang diikuti dalam estimasi algoritma PLS.
Nilai kasus untuk setiap peubah laten diestimasi PLS sebagai berikut :
5.
6.
dengan
dan
adalah k weight yang digunakan untuk membentuk
estimasi peubah laten dan
Melakukan pendugaan parameter.
Melakukan evaluasi goodness of fit (Jaya dan Sumertajaya 2008).
a. Outer Model
Convergent Validity
7
7.
Korelasi antara skor indikator refleksif dengan skor peubah latennya.
Skala pengukuran nilai loading untuk penelitian tahap awal dari
pengembangan cukup 0.50 sampai 0.60 (Chin 1998).
Discriminant Validity
Membandingkan nilai square root of average variance extracted
(AVE) setiap peubah laten dengan korelasi antara peubah laten
lainnya dalam model. Apabila nilai akar AVE peubah laten lebih
besar dari korelasi dengan seluruh peubah laten lainnya, maka
dikatakan
memiliki
discriminant
validity
yang
baik.
Direkomendasikan nilai AVE harus lebih besar dari 0.50.
dengan adalah component loading ke indikator dan
=1Composite reliability
Blok indikator yang mengukur kekonsistenan suatu peubah laten.
Suatu peubah laten dikatakan memliki reliabilitas komposit yang
baik jika memiliki composite reliability ≥ .7.
dengan adalah component loading ke indikator dan
=1b. Inner Model
Goodness of Fit Model diukur menggunakan R-Square peubah laten
endogen dengan interpretasi yang sama dengan regresi. Q-Square
predictive relevance untuk model struktural, mengukur kebaikan nilai
observasi yang dihasilkan oleh model dan estimasi parameternya.
Perhitungan Q-Square dilakukan dengan rumus :
(
)(
) (
)
dengan , , ...,
adalah R-square peubah laten endogen dalam model
persamaan. Besaran
memiliki nilai dengan rentang 0 <
< 1, dengan
semakin mendekati 1, maka model semakin baik.
Pengujian Hipotesis.
Hipotesis untuk
γ
adalah sebagai berikut (Jaya dan Sumertajaya
2008) :
Hipotesis statistik untuk outer model adalah :
H0 : e = 0 ; e = 1,2,...,20 (tidak terdapat hubungan antara peubah
indikator dengan peubah laten)
H1 : e ≠ ; e = 1,2,...,20 (terdapat hubungan antara peubah indikator
dengan peubah laten)
Hipotesis statistik untuk inner model (pengaruh peubah laten eksogen
terhadap endogen) adalah
H0 : γb = 0 ; b = 1,2,3,4 (tidak terdapat hubungan antara peubah laten
eksogen dengan peubah laten endogen)
H1 : γb ≠ 0; b = 1,2,3,4 (terdapat hubungan antara peubah laten eksogen
dengan peubah laten endogen)
Hipotesis statistik untuk inner model adalah : pengaruh peubah laten
endogen terhadap endogen adalah
8
H0 :
= 0 (tidak terdapat hubungan antara peubah laten endogen
dengan peubah laten endogen)
H1 : 1 ≠
h
h
peubah laten endogen)
Ketika nilai |t-hitung| yang diperoleh lebih besar dari 1.96, maka
disimpulkan signifikan.
1
HASIL DAN PEMBAHASAN
Validitas dan Reliabilitas Kuesioner
Pengujian validitas dan reliabilitas terhadap kuesioner dilakukan terhadap
15 responden melalui survei pendahuluan. Pernyataan-pernyataan yang dibuat
dalam kuesioner ini dikembangkan berdasarkan teori dan definisi yang diperoleh
dari studi literatur. Uji validitas dilakukan untuk mengetahui kemampuan
pernyataan-pernyataan yang terdapat dalam kuesioner melakukan fungsinya
sebagai alat ukur. Uji validitas dilakukan dengan melihat korelasi antara nilai
masing-masing pernyataan dengan jumlah dari nilai-nilai pernyataan setiap
peubah latennya. Berdasarkan hasil koefisien korelasi yang diperoleh dan dapat
dilihat pada Lampiran 1, semua pernyataan dalam kuesioner valid pada taraf nyata
5% yang ditunjukkan dengan seluruh koefisien korelasi lebih besar dari nilai r
tabel (0.514).
Uji reliabilitas digunakan untuk mengetahui konsistensi dan keterandalan
kuesioner sebagai alat ukur. Lampiran 2 menunjukkan bahwa semua peubah laten
sudah memiliki nilai koefisien reliabilitas yang lebih besar dari 0.6, sehingga
dapat disimpulkan semua pernyataan yang mengukur peubah laten dalam
kuesioner adalah reliabel.
Deskripsi Karakteristik Responden
Mahasiswa yang terpilih sebagai responden dalam penelitian ini adalah
mahasiswa S1 IPB yang memiliki kartu seluler XYZ. Responden terpilih terdiri
dari 72% berjenis kelamin perempuan dan 28% berjenis kelamin laki-laki dari
total 50 responden. Responden terpilih memiliki umur berkisar antara 18-22 tahun
dengan jumlah responden terbanyak pada umur 20 tahun sebanyak 20 responden.
Gambar 1 menunjukkan bahwa mayoritas (50%) mahasiswa rata-rata pengeluaran
pulsa per bulannya > Rp 50.000.
12%
< Rp 25.000
50%
38%
Rp 25.000 - Rp 50.000
> Rp 50.000
Gambar 1 Pengeluaran pulsa per bulan
9
Berdasarkan Lampiran 3, alasan utama responden memilih kartu XYZ
sebagai kartu selulernya adalah faktor keluarga. Hal ini dikarenakan jika
responden memiliki merek kartu seluler yang sama dengan anggota keluarga
lainnya, maka biaya sms dan telepon cenderung murah.
Diagram Jalur Pemodelan Persamaan Struktural dengan Partial Least
Square
Pembuatan diagram jalur pada pemodelan persamaan struktural dan
pemodelan persamaan pengukuran dalam penelitian ini dikembangkan
berdasarkan teori yang telah dijelaskan pada tinjauan pustaka. Pada penelitian ini
terdapat empat peubah laten eksogen yaitu produk, kegiatan penjualan, sesudah
penjualan, dan budaya, serta dua peubah laten endogen yaitu kepuasan dan
loyalitas. Peubah produk digambarkan oleh empat indikator (persamaan 1 pada
Tabel 1), yaitu kualitas jaringan (X1.1), sinyal (X1.2), tarif sms (X1.3), dan tarif
layanan internet (X1.4). Peubah kegiatan penjualan digambarkan oleh empat
indikator (persamaan 2 pada Tabel 1), yaitu informasi kartu seluler (X2.1),
informasi kantor (X2.2), promosi (X2.3), dan isi ulang pulsa (X2.4). Peubah
sesudah penjualan digambarkan oleh empat indikator (persamaan 3 pada Tabel 1),
yaitu gangguan jaringan (X3.1), layanan call center (X3.2), komplain pelanggan
(X3.3), dan kantor pelayanan (X3.4). Budaya digambarkan oleh dua indikator
(persamaan 4 pada Tabel 1), yaitu perhatian terhadap kebutuhan (X4.1) dan solusi
terbaik (X4.2). Kepuasan digambarkan oleh tiga indikator (persamaan 5 pada
Tabel 1), yaitu kesesuaian harapan (Y1.1), puas akan produk (Y1.2), dan puas
akan layanan (Y1.3). Loyalitas digambarkan oleh tiga indikator (persamaan 6
pada Tabel 1), yaitu setia (Y2.1), tidak tertarik promosi lain (Y2.2), dan
rekomendasi (Y2.3). Pemodelan persamaan struktural penelitian dalam bentuk
matriks dapat dilihat pada Lampiran 4. Kerangka konseptual penelitian sesuai
dengan peubah laten dan peubah indikator dapat dilihat pada Gambar 2 berikut.
Gambar 2 Kerangka konseptual penelitian berdasarkan pemodelan
persamaan struktural
10
Peubah Laten
Produk ( )
Tabel 1 Konversi diagram jalur ke persamaan
Model Pengukuran
Model Struktural
...(1)
Kegiatan
Penjualan ( )
...(2)
Sesudah
Penjualan ( )
...(3)
Budaya ( )
...(4)
γ
Kepuasan ( )
γ
γ
γ
....(5)
Loyalitas ( )
....(6)
Evaluasi Goodness of Fit Pemodelan Persamaan Struktural dengan Partial
Least Square
PPS dengan PLS dalam pendugaan parameternya digunakan proses
perhitungan secara iterasi dengan metode kuadrat terkecil, sehingga tidak
mensyaratkan adanya asumsi distribusi tertentu. Berdasarkan hal tersebut, teknik
parametrik untuk menguji atau mengevaluasi signifikansi dalam PLS tidak
diperlukan. Oleh karena itu, untuk mengevaluasi model PLS dapat dilakukan
dengan menilai model pengukuran dan model struktural seperti berikut (Chin dan
Newsted 1999):
1. Evaluasi model pengukuran
Evaluasi terhadap model pengukuran dilakukan pada masing-masing
peubah laten dengan melakukan pengujian validitas dan reliabilitas
konstruk. Ukuran suatu indikator dikatakan valid jika memiliki nilai
loading
dengan peubah laten yang ingin diukur > 0.5 dan memiliki nilai
t-hitung > 1.96. Berdasarkan hasil nilai loading
dan t-hitung yang
diperoleh dan dapat dilihat pada Lampiran 5, dapat disimpulkan bahwa
semua nilai loading dari hubungan peubah indikator dengan peubah
latennya memiliki nilai loading
> 0.5 dan memiliki nilai t-hitung > 1.96.
Hal ini mengindikasikan bahwa semua peubah indikator valid untuk
mengukur konstruk latennya. Metode lain yang dapat digunakan untuk
11
mengukur validitas konstruk adalah dengan melihat nilai AVE pada setiap
peubah latennya. Berdasarkan Tabel 2, nilai AVE untuk setiap peubah laten
memiliki nilai > 0.5, ini mengindikasikan bahwa setiap peubah indikator
valid untuk mengukur konstruk latennya. Selanjutnya suatu peubah
dikatakan cukup konsisten apabila peubah tersebut mempunyai nilai
composite reliability > 0.7. Tabel 2 menunjukkan bahwa semua nilai
composite reliability > 0.7, oleh karena itu dapat disimpulkan bahwa
indikator-indikator yang digunakan pada penelitian ini mempunyai
reliabilitas yang baik atau mampu untuk mengukur konstruknya.
Tabel 2 Nilai AVE, Composite Reliability, dan R-Square peubah laten
Peubah Laten
AVE
Composite
R Square
Reliability
Produk
0.5476
0.8253
Kegiatan Penjualan
0.5269
0.8159
Sesudah Penjualan
0.6022
0.8579
Budaya
0.7967
0.8868
Kepuasan
0.7857
0.9165
0.6400
Loyalitas
0.6544
0.8497
0.4027
2. Evaluasi model struktural
Model struktural dapat dievaluasi dengan melihat nilai R-square pada
peubah laten endogen. Tabel 2 menunjukkan bahwa nilai R-square peubah
kepuasan sebesar 64.00%, artinya keragaman kepuasan yang dapat
dijelaskan oleh produk, kegiatan penjualan, sesudah penjualan, dan budaya
sebesar 64.00%, sisanya sebesar 36.00% dijelaskan oleh peubah lain diluar
model. Nilai R-square loyalitas sebesar 40.27% menunjukkan bahwa
keragaman loyalitas yang dapat dijelaskan oleh kepuasan sebesar 40.27%,
sisanya sebesar 59.73% dijelaskan oleh peubah lain diluar model. Chin
(1998) menjelaskan bahwa hasil R-square sebesar 30%-67% menunjukkan
bahwa model sudah cukup baik. Oleh karena itu, dapat disimpulkan bahwa
keragaman kepuasan sudah cukup baik dijelaskan oleh produk, kegiatan
penjualan, sesudah penjualan, dan budaya. Sementara keragaman loyalitas
sudah cukup baik dijelaskan oleh kepuasan. Uji kebaikan model struktural
dapat dilihat dari nilai
berikut :
.
.
.
Nilai
yang dihasilkan mendekati nilai 1, sehingga dapat dinyatakan
bahwa model struktural fit dengan data.
Hasil evaluasi model pengukuran dan model struktural menunjukkan bahwa
model secara keseluruhan fit dengan data, sehingga hasil penelitian ini dapat
dinyatakan valid dan reliabel.
12
Pengujian Hipotesis Pemodelan Persamaan Struktural dengan Partial Least
Square
Hasil pengujian hipotesis untuk model struktural pada penelitian ini dapat
dilihat pada Tabel 3 berikut.
Tabel 3 Hasil pengujian hipotesis
Hubungan Kausalitas
Koefisien
T-hitung
(pengaruh langsung)
Jalur
Produk -> Kepuasan
0.5046
7.4435
Kegiatan Penjualan -> Kepuasan
0.1922
2.4925
Sesudah Penjualan -> Kepuasan
0.0959
1.1954
Budaya -> Kepuasan
0.1731
2.0144
Kepuasan -> Loyalitas
0.6346
7.8969
Berdasarkan hasil pada Tabel 3, nilai t-hitung yang diperoleh dari hubungan
antara peubah produk, kegiatan penjualan, dan budaya dengan kepuasan,
seluruhnya lebih besar dari 1.96. Hal ini menunjukkan bahwa terdapat pengaruh
yang signifikan antara produk, kegiatan penjualan, dan budaya dengan kepuasan
pada taraf nyata 5%. Nilai positif pada masing-masing koefisien jalur artinya
adalah semakin baik produk, kegiatan penjualan, dan budaya maka kepuasan akan
semakin meningkat. Sementara peubah sesudah penjualan memiliki nilai t-hitung
kurang dari 1.96, sehingga dapat disimpulkan bahwa tidak terdapat pengaruh yang
signifikan antara sesudah penjualan dengan kepuasan pada taraf nyata 5%.
Dilihat dari nilai koefisien jalur pada Tabel 3, nilai koefisien jalur tertinggi
yang mempengaruhi kepuasan adalah peubah produk, dengan nilai sebesar 0.5046.
Diikuti oleh peubah kegiatan penjualan dengan nilai sebesar 0.1922 dan terakhir
peubah budaya dengan nilai sebesar 0.1731. Berdasarkan hal tersebut dapat
disimpulkan bahwa faktor yang paling berpengaruh terhadap kepuasan pelanggan
kartu seluler XYZ adalah produk. Hal ini menunjukkan bahwa produk yang
dihasilkan oleh kartu seluler XYZ memiliki kontribusi paling besar dalam
menciptakan kepuasan pelanggan. Nilai loading tertinggi dalam membentuk
peubah laten produk adalah sinyal (X1.2), dengan nilai 0.8736 (dapat dilihat pada
Lampiran 5). Hal ini menunjukkan bahwa kartu seluler XYZ memiliki sinyal yang
sangat bagus. Sinyal yang sangat bagus ini memiliki peran paling besar untuk
menggambarkan produk dalam mempengaruhi kepuasan. Sementara nilai loading
terendah dalam membentuk peubah laten produk adalah tarif sms dan tarif layanan
internet, dengan nilai sebesar 0.6209 dan 0.6135. Kedua indikator ini perlu
ditingkatkan oleh penyedia layanan kartu seluler XYZ agar pelanggan semakin
puas dalam menggunakan produk kartu seluler XYZ.
Nilai koefisien jalur terbesar yang mempengaruhi kepuasan pelanggan
adalah peubah kegiatan penjualan. Dilihat dari nilai loading tertinggi yang
membentuk peubah laten kegiatan penjualan adalah informasi mengenai kartu
seluler XYZ (X2.1), dengan nilai sebesar 0.7966 (dapat dilihat pada Lampiran 5).
Hal ini menunjukkan bahwa informasi yang diberikan oleh kartu seluler XYZ baik
melalui televisi, radio, maupun koran, mudah diterima dan dapat diingat oleh
responden. Informasi mengenai kartu seluler XYZ ini memberikan kontribusi
paling besar dalam menggambarkan peubah kegiatan penjualan mempengaruhi
13
kepuasan. Sementara informasi mengenai cabang/kantor kartu seluler XYZ perlu
ditingkatkan, baik melalui media cetak maupun media elektronik. Hal ini
dikarenakan informasi mengenai cabang/kantor kartu seluler XYZ memiliki
kontribusi paling rendah dalam membentuk kegiatan penjualan.
Peubah budaya menjadi faktor yang paling rendah dalam mempengaruhi
kepuasan pelanggan karena memiliki nilai koefisien jalur terendah. Dilihat dari
nilai loading indikator yang menggambarkan budaya, yaitu perhatian kebutuhan
pelanggan (X4.1) dan solusi terbaik (X4.2) sebenarnya sudah cukup tinggi dengan
nilai sebesar 0.8996 dan 0.8855 (dapat dilihat pada Lampiran 5). Namun
responden masih kurang baik dalam menilai kedua indikator tersebut, dilihat dari
persentase jawaban responden untuk skor 4 dan 5 (dari skala 7) yang mencapai
63% untuk X4.1 dan 62% untuk X4.2. Penilaian tersebut diberikan oleh
responden karena responden belum merasakan adanya perhatian kebutuhan dan
belum mengetahui solusi terbaik yang diberikan oleh penyedia layanan kartu
seluler XYZ. Oleh karena itu, nilai koefisien jalur budaya dalam mempengaruhi
kepuasan menjadi rendah.
Peubah sesudah penjualan tidak berpengaruh terhadap kepuasan. Hal ini
bermakna bahwa walaupun penyedia layanan kartu seluler XYZ telah
menciptakan faktor sesudah penjualan dalam bentuk penanganan gangguan
jaringan, layanan call center, tanggapan komplain pelanggan, dan ketersediaan
kantor layanan, maka belum tentu dapat menciptakan kepuasan pelanggan. Hal ini
terjadi karena responden belum merasakan adanya layanan customer service yang
baik dari penyedia layanan kartu seluler XYZ, sehingga menyebabkan nilai
koefisien jalur yang kecil antara sesudah penjualan dan kepuasan yaitu 0.0959
(Tabel 3). Dilihat dari nilai loading indikator dalam membentuk faktor sesudah
penjualan, nilai loading terendah dimiliki oleh indikator ketersediaan kantor
layanan dengan nilai sebesar 0.7043 (dapat dilihat pada Lampiran 5). Hal ini
memberikan makna bahwa responden masih memiliki kesulitan dalam
menemukan kantor pelayanan kartu seluler XYZ terdekat. Oleh karena itu, agar
faktor sesudah penjualan berpengaruh terhadap kepuasan, penyedia layanan kartu
seluler XYZ harus meningkatkan layanan customer service nya, terutama dari
ketersediaan kantor pelayanan kartu seluler XYZ itu sendiri. Dukungan layanan
call center selama 24 jam juga perlu ditingkatkan oleh penyedia layanan kartu
seluler XYZ, karena indikator ini memiliki nilai loading terendah kedua setelah
ketersediaan kantor pelayanan yaitu sebesar 0.7656.
Koefisien jalur yang diperoleh dari hubungan antara peubah kepuasan
dengan loyalitas adalah sebesar 0.6346 dengan nilai t-hitung 7.8496 > 1.96. Hal
ini menunjukkan bahwa terdapat pengaruh positif antara kepuasan dengan
loyalitas pada taraf nyata 5%. Penjelasan tersebut dapat diartikan bahwa semakin
tinggi kepuasan pada kartu seluler XYZ dengan indikator sesuai harapan, puas
akan produk, dan puas akan layanan, maka diharapkan dapat menciptakan
loyalitas.
Peubah laten eksogen yang memiliki pengaruh tidak langsung terhadap
loyalitas dalam penelitian ini adalah produk dan kegiatan penjualan, hal ini
terlihat pada Lampiran 8 yang menunjukkan bahwa nilai t-hitung keduanya lebih
besar dari 1.96. Peubah laten eksogen yang memiliki kontribusi terbesar secara
tidak langsung terhadap loyalitas adalah produk, dengan koefisien jalur terbesar
yaitu 0.3202. Hal ini mengindikasikan bahwa semakin tinggi kemampuan
14
penyedia layanan kartu seluler XYZ memberikan kepuasan terhadap pelanggan,
maka produk yang diciptakan akan semakin memiliki potensi dalam
meningkatkan dan mempertahankan jumlah pelanggannya.
SIMPULAN
Pengujian hipotesis pada pemodelan persamaan struktural yang diperoleh
dengan metode PLS menunjukkan bahwa peubah produk, kegiatan penjualan, dan
budaya berpengaruh terhadap kepuasan pelanggan. Sementara peubah sesudah
penjualan tidak berpengaruh terhadap kepuasan pelanggan. Faktor yang paling
berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah produk.
Selanjutnya, kepuasan berpengaruh positif terhadap loyalitas pelanggan kartu
seluler XYZ. Peubah laten eksogen yang memiliki pengaruh tidak langsung
terhadap loyalitas adalah produk dan kegiatan penjualan, dengan kontribusi
terbesar secara tidak langsung terhadap loyalitas adalah produk.
DAFTAR PUSTAKA
Chin, W. 1998. The Partial Least Square Approach for Structural Equation
Modeling. Cleveland. Ohio
Chin, W, Newsted, PR. 1999. Structural equation modelling analysis with small
samples using partial least squares. Di dalam: Hoyle R. H. Statistical strategies
for small sample research. Thousand Oaks, Amerika Serikat (CA): Sage. hlm
307–341.
Idrus M. 2009. Metode Penelitian Ilmu Sosial. Jakarta (ID): Erlangga.
Jaya IGNM, Sumertajaya IM. 2008. Pemodelan Persamaan Struktural dengan
Partial Least Square. Prosiding Seminar Nasional Matematika dan Pendidikan
Matematika. ISSN: 978-979-16353-1-8.
Leisch F, Monecke A. 2011. semPLS: Structural Equation Modeling Using
Partial Least Squares. Vol. 48, Issue 3. ISSN 1548-7660.
Lele M, Sheth JN. 1995. Pelanggan, Kunci Keberhasilan: Merebut Keunggulan
Tak Terkalahkan Melalui Kepuasan Pelanggan. Soetadi BD, penerjemah.
Jakarta (ID): Mitra Utama. Terjemahan dari: The Customer is Key: gaining an
unbeatable advantage through customer satisfaction.
Sumarwan U, Puspitawati H, Hariadi A, Ali MM, Gazali M, Hartono S, Farina T.
2013. Seri 3 Riset Pemasaran dan Konsumen: Anova, Ancova, Regresi dan
Structural Equation Modelling, serta Kajian: Posisi Produk, Ekuitas Merek,
Konsep Diri, Loyalitas Toko, Sikap dan Preferensi, Strategi Harga, dan
Keluhan Pelanggan. Bogor (ID): IPB Press.
Tika MP. 2006. Metodologi Riset Bisnis. Jakarta (ID) : PT Bumi Aksara
Tjiptono F. 2008. Service Management Mewujudkan Layanan Prima. Prabantini
D, editor. Yogyakarta (ID): Penerbit Andi.
Wijanto SH. 2008. Structural Equation Modeling dengan LISREL 8.8: Konsep
dan Tutorial. Yogyakarta (ID): Graha Ilmu.
15
Lampiran 1 Nilai uji validitas setiap pernyataan dalam kuesioner
Peubah
Peubah
Koefisien
Laten
Indikator
Korelasi*
Produk (X1)
X11
0.807
X12
0.905
X13
0.753
X14
0.858
Kegiatan Penjualan (X2)
X21
0.920
X22
0.855
X23
0.731
X24
0.691
Sesudah Penjualan (X3)
X31
0.797
X32
0.750
X33
0.814
X34
0.758
Budaya (X4)
X41
0.899
X42
0.891
Kepuasan (Y1)
Y11
0.919
Y12
0.942
Y13
0.788
Loyalitas (Y2)
Y21
0.908
Y22
0.764
Y23
0.927
*Seluruh peubah indikator valid untuk mengukur peubah latennya dengan nilai
koefisien korelasi lebih besar dari r tabel (0.514)
Lampiran 2 Nilai reliabilitas pernyataan terhadap peubah laten dalam kuesioner
Peubah Laten
Koefisien Reliabilitas*
Produk
0.842
Kegiatan Penjualan
0.801
Sesudah Penjualan
0.778
Budaya
0.752
Kepuasan
0.862
Loyalitas
0.835
* Seluruh peubah laten reliabel dengan nilai koefisien reliabilitas
lebih besar dari 0.6
16
Lampiran 3 Alasan utama menggunakan kartu seluler XYZ
40.0%
35.0%
30.0%
25.0%
20.0%
15.0%
10.0%
5.0%
0.0%
35.6%
18.6%
13.6%
11.9%
8.5%
6.8%
1.7%
Keluarga Paket
memakai murah
XYZ
Sudah Jaringan Telpon
Luas
murah
lama
pakai
Sinyal
Kuat
1.7%
1.7%
Banyak Internet SMS
Cepat murah
paket
gratis
nelpon &
sms
Lampiran 4 Pemodelan persamaan pengukuran dan model persamaan struktural
dalam bentuk matriks
Model Pengukuran
1. Peubah laten eksogen
[ ]
[
]
[ ] [
2. Peubah laten endogen
]
[ ]
[
]
[
[ ]
[
γγ γγ
] [
]
Model Struktural
]
[
[ ]
]
17
Lampiran 5 Uji validitas konstruk pada pemodelan persamaan struktural
Hubungan
Nilai
T-hitung*
loading*
X11
PARTIAL LEAST SQUARE PADA KEPUASAN PELANGGAN
KARTU SELULER XYZ
RUSLAN ABDUL NASSER
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Persamaan
Struktural dengan Partial Least Square pada Kepuasan Pelanggan Kartu Seluler
XYZ adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2014
Ruslan Abdul Nasser
NIM G14100022
ABSTRAK
RUSLAN ABDUL NASSER. Pemodelan Persamaan Struktural dengan Partial
Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ. Dibimbing oleh
AAM ALAMUDI dan DIAN KUSUMANINGRUM.
Masalah kepuasan pelanggan menjadi masalah yang harus mendapat
perhatian serius dari pelaku bisnis, tidak terkecuali pelaku bisnis kartu seluler. Hal
ini dikarenakan kepuasan pelanggan berpengaruh signifikan terhadap loyalitas
pelanggan. Loyalitas pelanggan merupakan salah satu dampak positif dari adanya
kepuasan pelanggan. Oleh karena itu diperlukan penelitian untuk mengetahui
pengaruh kepuasan pelanggan kartu seluler terhadap loyalitas, khususnya
pengguna mahasiswa. Kepuasan dan loyalitas merupakan peubah yang tidak dapat
diukur secara langsung (peubah laten). Metode yang tepat untuk mengetahui
pengaruh kepuasan terhadap loyalitas adalah metode pemodelan persamaan
struktural (PPS), dengan metode partial least square (PLS). PPS dengan metode
PLS digunakan ketika terdapat beberapa asumsi dalam PPS berbasis peragam
yang tidak terpenuhi, seperti menyebar normal ganda dan jumlah contoh yang
besar. Hasil yang didapatkan dari penelitian ini adalah peubah produk, kegiatan
penjualan, dan budaya berpengaruh terhadap kepuasan pelanggan. Sementara itu
peubah sesudah penjualan tidak berpengaruh terhadap kepuasan pelanggan. Faktor
yang paling berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah
peubah produk. Selanjutnya, kepuasan berpengaruh positif terhadap loyalitas
pelanggan kartu seluler XYZ dan memiliki pengaruh yang cukup kuat. Peubah
laten eksogen yang memiliki pengaruh secara tidak langsung terhadap loyalitas
adalah produk dan kegiatan penjualan.
Kata kunci: kepuasan, loyalitas, pemodelan persamaan stuktural, partial least
square
ABSTRACT
RUSLAN ABDUL NASSER. Structural Equation Modeling with Partial Least
Square Method in Customer Satisfaction of XYZ celluler card. Advised by AAM
ALAMUDI and DIAN KUSUMANINGRUM.
Customer satisfaction issues become a problem that should be given serious
attention from businesses people. This is due to the significant effect of customer
satisfaction on customer loyalty. Customer loyalty is one of the positive impact of
the customer satisfaction. Therefore, research is needed to determine the effect of
customer satisfaction on loyalty celluler card, especially college students user.
Satisfaction and loyalty are variable that can not be measured directly (latent
variables). The most sufficient method to determine the effect of satisfaction on
loyalty is structural equation modeling (SEM) with partial least square (PLS)
method. SEM with the PLS method is used when there are several assumptions in
covariance-based SEM which is violated, such as multivariate normal distribution
and a large number of samples needed. Results obtained from this study is
product, sales activities, and cultural influence on customer satisfaction. After the
sale variable has no effect on customer satisfaction. The factor that most affect the
customer satisfaction of XYZ celluler card is product. Furthermore, satisfaction
has a positive effect on customer loyalty of XYZ celluler card. Latent exogenous
variables that have indirect influence on loyalty are product and sales activities
Keywords: loyalty, satisfaction, structural equation modeling, partial least square
PEMODELAN PERSAMAAN STRUKTURAL DENGAN
PARTIAL LEAST SQUARE PADA KEPUASAN PELANGGAN
KARTU SELULER XYZ
RUSLAN ABDUL NASSER
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Pemodelan Persamaan Struktural dengan Partial Least Square pada
Kepuasan Pelanggan Kartu Seluler XYZ
Nama
: Ruslan Abdul Nasser
NIM
: G14100022
Disetujui oleh
Ir Aam Alamudi, MSi
Pembimbing I
Dian Kusumaningrum, SSi, MSi
Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini ialah
kepuasan pelanggan, dengan judul Pemodelan Persamaan Struktural dengan
Partial Least Square pada Kepuasan Pelanggan Kartu Seluler XYZ.
Penulis mengucapkan terima kasih kepada semua pihak yang telah
membantu dalam menyelesaikan karya ilmiah ini, antara lain:
1. Bapak Ir. Aam Alamudi, MSi dan Ibu Dian Kusumaningrum, MSi atas
bimbingan, masukan, dan kesabarannya selama penulis menyelesaikan
karya ilmiah ini.
2. Bapak Ir. Bambang Sumantri selaku penguji atas saran dan kritikannya
yang membangun.
3. Dosen pengajar Departemen Statistika atas ilmu yang telah diberikan.
4. Ibu Markonah dan Tata Usaha Departemen Statistika atas bantuannya
dalam kelancaran administrasi.
5. Departemen Survey and Research Himpunan Profesi Gamma Sigma Beta
2014 atas bantuannya dalam melakukan survei penelitian.
6. Keluarga di rumah, terutama Ayah, Ibu, dan Kakak atas dukungan dan
doanya.
7. Rosalita, mahasiswa Komunikasi dan Pengembangan Masyarakat 2010
atas motivasi dan dukungannya sampai menyelesaikan studi di IPB.
8. Teman-teman Statistika 47 atas semangat dukungan dan bantuannya.
9. Mbak Rina dan seluruh kolega Statistics Center atas penerapan ilmu
statistika yang telah diberikan selama menyelesaikan studi di IPB
Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah
ini. Oleh karena itu, penulis menerima saran dan kritikan yang membangun dari
berbagai pihak agar dapat meningkatkan pengetahuan penulis di masa yang akan
datang. Penulis berharap karya ilmiah ini dapat bermanfaat bagi penulis
khususnya dan pembaca pada umumnya.
Bogor, Juli 2014
Ruslan Abdul Nasser
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
TINJAUAN PUSTAKA
2
Kepuasan dan Loyalitas Pelanggan
2
Pemodelan Persamaan Struktural dengan Partial Least Square
3
METODE
5
Data dan Metode Penarikan Contoh
5
Metode Analisis Data
5
HASIL DAN PEMBAHASAN
8
Validitas dan Reliabilitas Kuesioner
8
Deskripsi Karakteristik Responden
8
Diagram Jalur Pemodelan Persamaan Struktural dengan Partial Least Square 9
Evaluasi Goodness of Fit Pemodelan Persamaan Struktural dengan Partial
Least Square
10
Pengujian hipotesis Pemodelan Persamaan Struktural dengan Partial Least
Square
12
SIMPULAN
14
DAFTAR PUSTAKA
14
LAMPIRAN
15
RIWAYAT HIDUP
22
DAFTAR TABEL
1 Konversi diagram jalur ke persamaan
2 Nilai AVE, Composite Reliability, dan R-Square peubah laten
3 Hasil pengujian hipotesis
10
11
12
DAFTAR GAMBAR
1 Pengeluaran pulsa per bulan
2 Kerangka Konseptual Penelitian berdasarkan Pemodelan Persamaan
Struktural
8
9
DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9
Uji validitas setiap pernyataan dalam kuesioner
Uji reliabilitas peubah laten dalam kuesioner
Alasan utama menggunakan kartu seluler XYZ
Pemodelan persamaan pengukuran dan model persamaan struktural
dalam bentuk matriks
Uji validitas konstruk pada pemodelan persamaan struktural
Nilai loading pada diagram jalur persamaan struktural PLS
Nilai t-hitung pada diagram jalur persamaan struktural PLS
Hasil pengujian hipotesis pengaruh tidak langsung
Kuesioner penelitian
15
15
16
16
17
17
18
18
19
PENDAHULUAN
Latar Belakang
Dunia bisnis kartu seluler mengalami perkembangan yang sangat pesat
dalam era globalisasi saat ini. Hal ini menyebabkan terjadinya persaingan yang
sangat ketat antar merek kartu seluler. Persaingan antar kartu seluler yang ketat ini
mengakibatkan perusahaan penyedia layanan kartu seluler bersaing untuk
meningkatkan para pelanggannya. Salah satu pelanggan yang menggunakan
produk kartu seluler adalah mahasiswa. Mahasiswa pada saat ini umumnya
menggunakan lebih dari satu merek kartu seluler untuk memenuhi
kebutuhannnya. Berdasarkan hal tersebut, berbagai cara dilakukan penyedia
layanan kartu seluler untuk memuaskan dan mempertahankan mahasiswa sebagai
pelanggannya, melalui persaingan tarif harga, persaingan layanan, dan persaingan
iklan di televisi. Oleh karena itu, masalah kepuasan pelanggan menjadi masalah
yang harus mendapat perhatian serius dari pelaku bisnis kartu seluler. Menurut
Tjiptono (2008) kepuasan pelanggan berpotensi memberikan sejumlah manfaat
spesifik, salah satunya berdampak positif terhadap loyalitas pelanggan.
Kepuasan dan loyalitas merupakan peubah yang tidak dapat diukur secara
langsung (peubah laten) dan diukur oleh peubah-peubah indikator. Kepuasan
sendiri terdiri dari beberapa faktor yang mempengaruhinya, yaitu produk, kegiatan
penjualan, sesudah penjualan, dan budaya (Lele dan Sheth 1995). Metode yang
tepat untuk mengetahui pengaruh kepuasan terhadap loyalitas adalah metode
pemodelan persamaan struktural (PPS), yang sering disebut dengan Structural
Equation Modeling (SEM) atau PPS berbasis peragam. Metode pendugaan yang
umumnya digunakan dalam PPS berbasis peragam adalah metode Maximum
Likelihood (ML). Pendugaan parameter dengan metode ML dalam PPS berbasis
peragam membutuhkan beberapa asumsi kritis seperti ukuran contoh minimal 10 kali
banyaknya indikator atau lebih dari 100 unit pengamatan dan data menyebar
mengikuti sebaran normal ganda. PPS berbasis peragam menyediakan beberapa
pendekatan yang dapat digunakan dalam pendugaan paremeter model jika data tidak
menyebar normal ganda, diantaranya dengan Bootstrap ML atau menggunakan
metode Weighted Least Square (WLS). Namun, kedua pendekatan ini tetap
membutuhkan data yang relatif besar (Jaya dan Sumertajaya 2008).
Pada penelitian ini banyaknya indikator yang digunakan untuk membangun
diagram jalur PPS adalah 20 indikator, sehingga ukuran contoh minimal untuk
memenuhi penggunaan ML dalam PPS berbasis peragam adalah 200 contoh.
Terdapat beberapa keterbatasan dalam penelitian, seperti biaya yang terbatas, waktu
yang singkat, dan responden yang harus memenuhi kriteria, menyebabkan peneliti
tidak dapat memenuhi ukuran contoh minimal tersebut. Oleh karena itu, untuk model
kompleks dengan ukuran contoh yang relatif kecil dibutuhkan suatu pendekatan baru.
Salah satu pendekatan baru yang diperkenalkan oleh Herman Wold, adalah Partial
Least Square (PLS). PPS dengan metode PLS dimungkinkan melakukan pemodelan
persamaan struktural dengan ukuran contoh relatif kecil dan tidak membutuhkan
asumsi normal ganda (Jaya dan Sumertajaya 2008).
2
Tujuan Penelitian
1.
2.
Tujuan penelitian ini adalah :
Mengetahui faktor yang paling berpengaruh terhadap kepuasan pelanggan.
Mengetahui pengaruh langsung dan tidak langsung peubah laten produk,
kegiatan penjualan, sesudah penjualan, dan budaya, terhadap peubah laten
kepuasan dan loyalitas.
TINJAUAN PUSTAKA
Kepuasan dan Loyalitas Pelanggan
Kepuasan pelanggan merupakan tingkat perasaan seseorang setelah
membandingkan kinerja yang ia persepsikan dibandingkan dengan harapannya
(Kotler, et al. dalam Tjiptono 2008). Menurut Lele dan Sheth (1995) terdapat
empat landasan yang mempengaruhi kepuasan pelanggan, yaitu :
1. Peubah yang berkaitan dengan produk
Terdapat tiga peubah pokok yang mempengaruhi kepuasan pelanggan
terhadap produk atau jasa. Pertama rancangan dasar pokok yang terdiri
dari pesan-pesan, keefektifan penjualan dan pendukung. Kedua umpan
balik dan insentif. Ketiga sumber daya dan pembuatan yang terdiri dari
kontak pelanggan, mutu, dan biaya.
2. Peubah yang berkaitan dengan kegiatan penjualan
Peubah ini meliputi pesan-pesan (terbuka dan tertutup), sikap (latihan
personil dan ganjaran), dan penyalur (insentif, seleksi, latihan dan
pemantauan).
3. Peubah sesudah penjualan
Sesudah penjualan yang dimaksud dalam hal ini adalah pelayanan
pendukung (liputan dan mutu untuk kerja) dan umpan balik dan restitusi
(liputan dan tanggapan)
4. Peubah yang berkaitan dengan budaya
Nilai-nilai perusahaan yang merupakan penggerak utama di belakang
produk, kegiatan penjualan, dan peubah-peubah yang berkaitan dengan
pelayanan sesudah penjualan.
Selanjutnya, Tjiptono (2008) menyatakan bahwa kepuasan pelanggan
berpotensi memberikan sejumlah manfaat spesifik, salah satunya adalah
berdampak positif terhadap loyalitas pelanggan. Loyalitas dalam hal ini terkait
dengan perilaku pelanggan untuk membeli ulang di toko yang sama atau membeli
produk yang sama. Beberapa indikator yang dapat menjelaskan loyalitas antara
lain berkata positif tentang produk tertentu kepada orang lain, mendorong orang
lain untuk membeli produk tersebut, keinginan untuk membeli produk di waktu
yang akan datang, serta menempatkan produk tersebut sebagai prioritas utama
dalam pembelian (Sumarwan et al. 2013).
3
Pemodelan Persamaan Struktural dengan Partial Least Square
Pemodelan Persamaan Struktural (PPS) dengan Partial Least Square (PLS)
pertama dikembangkan oleh Herman Wold pada tahun 1974. Wold pada dasarnya
mengembangkan PLS untuk menguji teori yang lemah dan data yang memiliki
ukuran contoh kecil. PLS merupakan metode analisis yang dapat diterapkan pada
semua skala pengukuran data, tidak membutuhkan banyak asumsi dan ukuran
contoh tidak harus besar. PLS selain dapat digunakan untuk menjelaskan ada atau
tidaknya hubungan antar peubah laten, juga dapat digunakan untuk membangun
hubungan yang belum memiliki landasan teori. PLS dibandingkan dengan PPS
berbasis peragam mampu menangani dua masalah serius, yaitu (Chin 1998):
a. Solusi yang tidak dapat diterima (inadmissible solution)
Hal ini terjadi karena PLS berbasis ragam dan bukan peragam, sehingga
permasalahan matriks singular tidak akan pernah terjadi. Di samping itu,
karena PLS menggunakan iterasi algoritma yang terdiri dari metode kuadrat
terkecil, maka persoalan un-identified, under-identified atau over-identified
tidak akan terjadi dalam model rekursif.
b. Faktor yang tidak dapat ditentukan (factor indeterminacy)
Factor indeterminacy merupakan kondisi yang menyebabkan skor peubah
laten tidak bisa didapatkan.
Pendugaan parameter dalam PLS menggunakan proses perhitungan secara
iterasi dengan metode kuadrat terkecil. Leisch dan Monecke (2011)
menyederhanakan algoritma untuk mendapatkan pembobot-pembobot, koefisienkoefisien jalur, dan skor peubah laten ke dalam bentuk matriks sebagai berikut :
a. Tahap I
i. Inisialisasi
Memperoleh matriks peubah laten ̂ berukuran n × q, n observasi dan
q peubah laten. Matriks ini didapat dari perkalian matriks yang
merupakan matriks indikator berukuran n × p (n observasi dan p
indikator) yang telah distandarisasi, dengan matriks model
pengukuran berukuran p × q
̂
̂
̂
̂
√
ii. Pendugaan model struktural
̃
̃
√
̂
̃
̃
dengan ̃ adalah matriks estimasi model struktural berukuran n × q
dan adalah matriks pembobot model struktural berukuran q × q
iii. Pendugaan model pengukuran
̂
̃ ̃
̃
4
dengan ̂ merupakan vektor pembobot ke-g, ̃ adalah vektor
estimasi model struktural ke-g, dan
adalah matriks indikator ke-g
(g=1,...,q)
iv. Pendugaan nilai-nilai peubah laten
Memperoleh matriks ̂ baru hasil perkalian matriks dengan matriks
pembobot pengukuran
berukuran p × q.
̂
̂
̂
̂
√
Pendugaan iterasi dimulai pada langkah i sampai iv, kemudian dilanjutkan
dari langkah ii sampai iv diulangi hingga konvergen, dengan batas
kekonvergenan
(( ̂ - ̂ )/ ̂ ) ≤ 10-5
(k=1,..,p)
b. Tahap II : Pendugaan koefisien jalur
Pendugaan koefisien jalur dengan metode kuadrat terkecil
̂
̂
̂
̂
̂
dengan ̂
merupakan vektor peubah laten ke-g sebelumnya.
Kemudian memperoleh matriks koefisen jalur ̂ berukuran q × q
dengan :
̂
̂
Pendugaan nilai cross dan outer loading
Nilai cross loading dapat dilihat dari matriks loading faktor ̂
berukuran p × q
̂
̂
dan matriks outer loading didapat dengan :
̂
̂
Pengujian hipotesis dalam PLS dilakukan dengan metode resampling
(Bootstraping), metode ini digunakan untuk memperoleh standard error
pada pengujian hipotesis. Statistik uji yang digunakan adalah uji t, dengan
rumus sebagai berikut (Chin 1998) :
̂
̂
dengan t merupakan t-hitung, ̂ adalah nilai dugaan koefisien jalur peubah
laten ke-g, dan SE( ̂ ) adalah standard error yang diperoleh dari
bootsrapping.
5
METODE
Data dan Metode Penarikan Contoh
Data yang digunakan dalam penelitian ini adalah data primer yang
dikumpulkan melalui survei dengan metode penarikan contoh bola salju. Metode
ini digunakan karena peneliti tidak banyak mengetahui tentang populasi
mahasiswa yang menggunakan kartu seluler XYZ. Peneliti hanya mengetahui
beberapa orang yang dapat dijadikan contoh. Oleh karena itu, dari contoh pertama
peneliti meminta untuk menunjukkan mahasiswa lain yang dapat dijadikan
sebagai responden. Responden yang terpilih merupakan mahasiswa aktif S1
Institut Pertanian Bogor yang menggunakan kartu seluler XYZ dengan kriteria
sudah lebih dari satu bulan memiliki kartu seluler XYZ, menggunakan layanan
internet, dan pernah mengunjungi gerai XYZ atau menghubungi Call Center
sebelumnya.
Chin dan Newsted (1999) menjelaskan bahwa ukuran contoh yang dapat
digunakan dalam PLS minimal 50, oleh karena itu dalam penelitian ini ukuran
contoh yang dipilih sebanyak 50. Instrumen yang digunakan dalam penelitian ini
berupa kuesioner tentang kepuasan pelanggan. Skala yang digunakan dalam
menjawab pertanyaan kuesioner adalah skala Likert dengan jawaban responden
Sangat Tidak Setuju (STS) sampai Sangat Setuju (SS). Kuesioner penelitian dapat
dilihat pada Lampiran 9.
Metode Analisis Data
1.
Langkah-langkah yang dilakukan dalam penelitian ini adalah :
Pembuatan kuesioner sesuai dengan peubah-peubah yang akan diteliti.
Kemudian melakukan pengujian validitas dan reliabilitas kuesioner terhadap
15 responden dengan metode uji korelasi dan cronbach alpha.
∑
∑
∑
√
∑
∑
∑
∑
dengan:
N : banyaknya responden dalam validitas instrumen
: skor instrumen ke-i (i=1,2... 15)
: skor total instrumen responden ke-i (i=1,2,...15)
∑
dengan:
: koefisien reliabilitas
m : banyaknya butir pertanyaan pada setiap peubah laten
: ragam skor butir pertanyaan ke-i (i=1,2,...,m)
: ragam skor total
Nilai koefisien korelasi yang diperoleh positif dan nilainya lebih besar dari
6
2.
3.
4.
nilai r tabel (taraf nyata,N), menunjukkan bahwa instrumen yang digunakan
valid (Tika 2006). Nilai r tabel untuk taraf nyata 5% dan ukuran contoh 15
adalah 0.514.
Nilai koefisien reliabilitas lebih besar atau sama dengan 0.6 menunjukkan
bahwa instrumen reliabel (Idrus 2009).
Melakukan survei terhadap mahasiswa aktif S1 IPB yang menggunakan
kartu seluler XYZ dengan metode penarikan contoh bola salju.
Analisis deskriptif mahasiswa yang menggunakan kartu seluler XYZ.
Membuat diagram jalur (diagram path) yang menjelaskan pola hubungan
antara peubah laten dengan indikatornya. Model analisis jalur seluruh
peubah laten dalam PLS terdiri dari tiga set hubungan (Chin 1998):
a. Inner Model (Model Struktural)
Inner model menggambarkan hubungan antar peubah laten berdasarkan
landasan teorinya. Pemodelan persamaannya adalah sebagai berikut :
dengan :
: vektor peubah laten endogen berukuran a x 1
Β : matriks koefisien endogen terhadap endogen berukuran a x a
: matriks koefisien eksogen terhadap endogen berukuran a x b
: vektor peubah laten eksogen berukuran b x 1
: vektor peubah residual berukuran a x 1
b. Outer Model (Model Pengukuran)
Outer model mendefinisikan hubungan antara setiap indikator dengan
peubah latennya. Kelompok indikator yang bersifat refleksif dituliskan
dalam persamaan berikut :
dengan :
x : vektor peubah indikator bagi peubah laten eksogen c x 1
y : vektor peubah indikator bagi peubah laten endogen d x 1
: matriks loading faktor peubah laten eksogen berukuran c x b
: matriks loading faktor peubah laten endogen berukuran d x a
: vektor sisaan pengukuran dari x berukuran c x 1
: vektor sisaan pengukuran dari y berukuran d x 1
c. Weight Relation
Weight relation didefinisikan karena inner dan outer model
memberikan spesifikasi yang diikuti dalam estimasi algoritma PLS.
Nilai kasus untuk setiap peubah laten diestimasi PLS sebagai berikut :
5.
6.
dengan
dan
adalah k weight yang digunakan untuk membentuk
estimasi peubah laten dan
Melakukan pendugaan parameter.
Melakukan evaluasi goodness of fit (Jaya dan Sumertajaya 2008).
a. Outer Model
Convergent Validity
7
7.
Korelasi antara skor indikator refleksif dengan skor peubah latennya.
Skala pengukuran nilai loading untuk penelitian tahap awal dari
pengembangan cukup 0.50 sampai 0.60 (Chin 1998).
Discriminant Validity
Membandingkan nilai square root of average variance extracted
(AVE) setiap peubah laten dengan korelasi antara peubah laten
lainnya dalam model. Apabila nilai akar AVE peubah laten lebih
besar dari korelasi dengan seluruh peubah laten lainnya, maka
dikatakan
memiliki
discriminant
validity
yang
baik.
Direkomendasikan nilai AVE harus lebih besar dari 0.50.
dengan adalah component loading ke indikator dan
=1Composite reliability
Blok indikator yang mengukur kekonsistenan suatu peubah laten.
Suatu peubah laten dikatakan memliki reliabilitas komposit yang
baik jika memiliki composite reliability ≥ .7.
dengan adalah component loading ke indikator dan
=1b. Inner Model
Goodness of Fit Model diukur menggunakan R-Square peubah laten
endogen dengan interpretasi yang sama dengan regresi. Q-Square
predictive relevance untuk model struktural, mengukur kebaikan nilai
observasi yang dihasilkan oleh model dan estimasi parameternya.
Perhitungan Q-Square dilakukan dengan rumus :
(
)(
) (
)
dengan , , ...,
adalah R-square peubah laten endogen dalam model
persamaan. Besaran
memiliki nilai dengan rentang 0 <
< 1, dengan
semakin mendekati 1, maka model semakin baik.
Pengujian Hipotesis.
Hipotesis untuk
γ
adalah sebagai berikut (Jaya dan Sumertajaya
2008) :
Hipotesis statistik untuk outer model adalah :
H0 : e = 0 ; e = 1,2,...,20 (tidak terdapat hubungan antara peubah
indikator dengan peubah laten)
H1 : e ≠ ; e = 1,2,...,20 (terdapat hubungan antara peubah indikator
dengan peubah laten)
Hipotesis statistik untuk inner model (pengaruh peubah laten eksogen
terhadap endogen) adalah
H0 : γb = 0 ; b = 1,2,3,4 (tidak terdapat hubungan antara peubah laten
eksogen dengan peubah laten endogen)
H1 : γb ≠ 0; b = 1,2,3,4 (terdapat hubungan antara peubah laten eksogen
dengan peubah laten endogen)
Hipotesis statistik untuk inner model adalah : pengaruh peubah laten
endogen terhadap endogen adalah
8
H0 :
= 0 (tidak terdapat hubungan antara peubah laten endogen
dengan peubah laten endogen)
H1 : 1 ≠
h
h
peubah laten endogen)
Ketika nilai |t-hitung| yang diperoleh lebih besar dari 1.96, maka
disimpulkan signifikan.
1
HASIL DAN PEMBAHASAN
Validitas dan Reliabilitas Kuesioner
Pengujian validitas dan reliabilitas terhadap kuesioner dilakukan terhadap
15 responden melalui survei pendahuluan. Pernyataan-pernyataan yang dibuat
dalam kuesioner ini dikembangkan berdasarkan teori dan definisi yang diperoleh
dari studi literatur. Uji validitas dilakukan untuk mengetahui kemampuan
pernyataan-pernyataan yang terdapat dalam kuesioner melakukan fungsinya
sebagai alat ukur. Uji validitas dilakukan dengan melihat korelasi antara nilai
masing-masing pernyataan dengan jumlah dari nilai-nilai pernyataan setiap
peubah latennya. Berdasarkan hasil koefisien korelasi yang diperoleh dan dapat
dilihat pada Lampiran 1, semua pernyataan dalam kuesioner valid pada taraf nyata
5% yang ditunjukkan dengan seluruh koefisien korelasi lebih besar dari nilai r
tabel (0.514).
Uji reliabilitas digunakan untuk mengetahui konsistensi dan keterandalan
kuesioner sebagai alat ukur. Lampiran 2 menunjukkan bahwa semua peubah laten
sudah memiliki nilai koefisien reliabilitas yang lebih besar dari 0.6, sehingga
dapat disimpulkan semua pernyataan yang mengukur peubah laten dalam
kuesioner adalah reliabel.
Deskripsi Karakteristik Responden
Mahasiswa yang terpilih sebagai responden dalam penelitian ini adalah
mahasiswa S1 IPB yang memiliki kartu seluler XYZ. Responden terpilih terdiri
dari 72% berjenis kelamin perempuan dan 28% berjenis kelamin laki-laki dari
total 50 responden. Responden terpilih memiliki umur berkisar antara 18-22 tahun
dengan jumlah responden terbanyak pada umur 20 tahun sebanyak 20 responden.
Gambar 1 menunjukkan bahwa mayoritas (50%) mahasiswa rata-rata pengeluaran
pulsa per bulannya > Rp 50.000.
12%
< Rp 25.000
50%
38%
Rp 25.000 - Rp 50.000
> Rp 50.000
Gambar 1 Pengeluaran pulsa per bulan
9
Berdasarkan Lampiran 3, alasan utama responden memilih kartu XYZ
sebagai kartu selulernya adalah faktor keluarga. Hal ini dikarenakan jika
responden memiliki merek kartu seluler yang sama dengan anggota keluarga
lainnya, maka biaya sms dan telepon cenderung murah.
Diagram Jalur Pemodelan Persamaan Struktural dengan Partial Least
Square
Pembuatan diagram jalur pada pemodelan persamaan struktural dan
pemodelan persamaan pengukuran dalam penelitian ini dikembangkan
berdasarkan teori yang telah dijelaskan pada tinjauan pustaka. Pada penelitian ini
terdapat empat peubah laten eksogen yaitu produk, kegiatan penjualan, sesudah
penjualan, dan budaya, serta dua peubah laten endogen yaitu kepuasan dan
loyalitas. Peubah produk digambarkan oleh empat indikator (persamaan 1 pada
Tabel 1), yaitu kualitas jaringan (X1.1), sinyal (X1.2), tarif sms (X1.3), dan tarif
layanan internet (X1.4). Peubah kegiatan penjualan digambarkan oleh empat
indikator (persamaan 2 pada Tabel 1), yaitu informasi kartu seluler (X2.1),
informasi kantor (X2.2), promosi (X2.3), dan isi ulang pulsa (X2.4). Peubah
sesudah penjualan digambarkan oleh empat indikator (persamaan 3 pada Tabel 1),
yaitu gangguan jaringan (X3.1), layanan call center (X3.2), komplain pelanggan
(X3.3), dan kantor pelayanan (X3.4). Budaya digambarkan oleh dua indikator
(persamaan 4 pada Tabel 1), yaitu perhatian terhadap kebutuhan (X4.1) dan solusi
terbaik (X4.2). Kepuasan digambarkan oleh tiga indikator (persamaan 5 pada
Tabel 1), yaitu kesesuaian harapan (Y1.1), puas akan produk (Y1.2), dan puas
akan layanan (Y1.3). Loyalitas digambarkan oleh tiga indikator (persamaan 6
pada Tabel 1), yaitu setia (Y2.1), tidak tertarik promosi lain (Y2.2), dan
rekomendasi (Y2.3). Pemodelan persamaan struktural penelitian dalam bentuk
matriks dapat dilihat pada Lampiran 4. Kerangka konseptual penelitian sesuai
dengan peubah laten dan peubah indikator dapat dilihat pada Gambar 2 berikut.
Gambar 2 Kerangka konseptual penelitian berdasarkan pemodelan
persamaan struktural
10
Peubah Laten
Produk ( )
Tabel 1 Konversi diagram jalur ke persamaan
Model Pengukuran
Model Struktural
...(1)
Kegiatan
Penjualan ( )
...(2)
Sesudah
Penjualan ( )
...(3)
Budaya ( )
...(4)
γ
Kepuasan ( )
γ
γ
γ
....(5)
Loyalitas ( )
....(6)
Evaluasi Goodness of Fit Pemodelan Persamaan Struktural dengan Partial
Least Square
PPS dengan PLS dalam pendugaan parameternya digunakan proses
perhitungan secara iterasi dengan metode kuadrat terkecil, sehingga tidak
mensyaratkan adanya asumsi distribusi tertentu. Berdasarkan hal tersebut, teknik
parametrik untuk menguji atau mengevaluasi signifikansi dalam PLS tidak
diperlukan. Oleh karena itu, untuk mengevaluasi model PLS dapat dilakukan
dengan menilai model pengukuran dan model struktural seperti berikut (Chin dan
Newsted 1999):
1. Evaluasi model pengukuran
Evaluasi terhadap model pengukuran dilakukan pada masing-masing
peubah laten dengan melakukan pengujian validitas dan reliabilitas
konstruk. Ukuran suatu indikator dikatakan valid jika memiliki nilai
loading
dengan peubah laten yang ingin diukur > 0.5 dan memiliki nilai
t-hitung > 1.96. Berdasarkan hasil nilai loading
dan t-hitung yang
diperoleh dan dapat dilihat pada Lampiran 5, dapat disimpulkan bahwa
semua nilai loading dari hubungan peubah indikator dengan peubah
latennya memiliki nilai loading
> 0.5 dan memiliki nilai t-hitung > 1.96.
Hal ini mengindikasikan bahwa semua peubah indikator valid untuk
mengukur konstruk latennya. Metode lain yang dapat digunakan untuk
11
mengukur validitas konstruk adalah dengan melihat nilai AVE pada setiap
peubah latennya. Berdasarkan Tabel 2, nilai AVE untuk setiap peubah laten
memiliki nilai > 0.5, ini mengindikasikan bahwa setiap peubah indikator
valid untuk mengukur konstruk latennya. Selanjutnya suatu peubah
dikatakan cukup konsisten apabila peubah tersebut mempunyai nilai
composite reliability > 0.7. Tabel 2 menunjukkan bahwa semua nilai
composite reliability > 0.7, oleh karena itu dapat disimpulkan bahwa
indikator-indikator yang digunakan pada penelitian ini mempunyai
reliabilitas yang baik atau mampu untuk mengukur konstruknya.
Tabel 2 Nilai AVE, Composite Reliability, dan R-Square peubah laten
Peubah Laten
AVE
Composite
R Square
Reliability
Produk
0.5476
0.8253
Kegiatan Penjualan
0.5269
0.8159
Sesudah Penjualan
0.6022
0.8579
Budaya
0.7967
0.8868
Kepuasan
0.7857
0.9165
0.6400
Loyalitas
0.6544
0.8497
0.4027
2. Evaluasi model struktural
Model struktural dapat dievaluasi dengan melihat nilai R-square pada
peubah laten endogen. Tabel 2 menunjukkan bahwa nilai R-square peubah
kepuasan sebesar 64.00%, artinya keragaman kepuasan yang dapat
dijelaskan oleh produk, kegiatan penjualan, sesudah penjualan, dan budaya
sebesar 64.00%, sisanya sebesar 36.00% dijelaskan oleh peubah lain diluar
model. Nilai R-square loyalitas sebesar 40.27% menunjukkan bahwa
keragaman loyalitas yang dapat dijelaskan oleh kepuasan sebesar 40.27%,
sisanya sebesar 59.73% dijelaskan oleh peubah lain diluar model. Chin
(1998) menjelaskan bahwa hasil R-square sebesar 30%-67% menunjukkan
bahwa model sudah cukup baik. Oleh karena itu, dapat disimpulkan bahwa
keragaman kepuasan sudah cukup baik dijelaskan oleh produk, kegiatan
penjualan, sesudah penjualan, dan budaya. Sementara keragaman loyalitas
sudah cukup baik dijelaskan oleh kepuasan. Uji kebaikan model struktural
dapat dilihat dari nilai
berikut :
.
.
.
Nilai
yang dihasilkan mendekati nilai 1, sehingga dapat dinyatakan
bahwa model struktural fit dengan data.
Hasil evaluasi model pengukuran dan model struktural menunjukkan bahwa
model secara keseluruhan fit dengan data, sehingga hasil penelitian ini dapat
dinyatakan valid dan reliabel.
12
Pengujian Hipotesis Pemodelan Persamaan Struktural dengan Partial Least
Square
Hasil pengujian hipotesis untuk model struktural pada penelitian ini dapat
dilihat pada Tabel 3 berikut.
Tabel 3 Hasil pengujian hipotesis
Hubungan Kausalitas
Koefisien
T-hitung
(pengaruh langsung)
Jalur
Produk -> Kepuasan
0.5046
7.4435
Kegiatan Penjualan -> Kepuasan
0.1922
2.4925
Sesudah Penjualan -> Kepuasan
0.0959
1.1954
Budaya -> Kepuasan
0.1731
2.0144
Kepuasan -> Loyalitas
0.6346
7.8969
Berdasarkan hasil pada Tabel 3, nilai t-hitung yang diperoleh dari hubungan
antara peubah produk, kegiatan penjualan, dan budaya dengan kepuasan,
seluruhnya lebih besar dari 1.96. Hal ini menunjukkan bahwa terdapat pengaruh
yang signifikan antara produk, kegiatan penjualan, dan budaya dengan kepuasan
pada taraf nyata 5%. Nilai positif pada masing-masing koefisien jalur artinya
adalah semakin baik produk, kegiatan penjualan, dan budaya maka kepuasan akan
semakin meningkat. Sementara peubah sesudah penjualan memiliki nilai t-hitung
kurang dari 1.96, sehingga dapat disimpulkan bahwa tidak terdapat pengaruh yang
signifikan antara sesudah penjualan dengan kepuasan pada taraf nyata 5%.
Dilihat dari nilai koefisien jalur pada Tabel 3, nilai koefisien jalur tertinggi
yang mempengaruhi kepuasan adalah peubah produk, dengan nilai sebesar 0.5046.
Diikuti oleh peubah kegiatan penjualan dengan nilai sebesar 0.1922 dan terakhir
peubah budaya dengan nilai sebesar 0.1731. Berdasarkan hal tersebut dapat
disimpulkan bahwa faktor yang paling berpengaruh terhadap kepuasan pelanggan
kartu seluler XYZ adalah produk. Hal ini menunjukkan bahwa produk yang
dihasilkan oleh kartu seluler XYZ memiliki kontribusi paling besar dalam
menciptakan kepuasan pelanggan. Nilai loading tertinggi dalam membentuk
peubah laten produk adalah sinyal (X1.2), dengan nilai 0.8736 (dapat dilihat pada
Lampiran 5). Hal ini menunjukkan bahwa kartu seluler XYZ memiliki sinyal yang
sangat bagus. Sinyal yang sangat bagus ini memiliki peran paling besar untuk
menggambarkan produk dalam mempengaruhi kepuasan. Sementara nilai loading
terendah dalam membentuk peubah laten produk adalah tarif sms dan tarif layanan
internet, dengan nilai sebesar 0.6209 dan 0.6135. Kedua indikator ini perlu
ditingkatkan oleh penyedia layanan kartu seluler XYZ agar pelanggan semakin
puas dalam menggunakan produk kartu seluler XYZ.
Nilai koefisien jalur terbesar yang mempengaruhi kepuasan pelanggan
adalah peubah kegiatan penjualan. Dilihat dari nilai loading tertinggi yang
membentuk peubah laten kegiatan penjualan adalah informasi mengenai kartu
seluler XYZ (X2.1), dengan nilai sebesar 0.7966 (dapat dilihat pada Lampiran 5).
Hal ini menunjukkan bahwa informasi yang diberikan oleh kartu seluler XYZ baik
melalui televisi, radio, maupun koran, mudah diterima dan dapat diingat oleh
responden. Informasi mengenai kartu seluler XYZ ini memberikan kontribusi
paling besar dalam menggambarkan peubah kegiatan penjualan mempengaruhi
13
kepuasan. Sementara informasi mengenai cabang/kantor kartu seluler XYZ perlu
ditingkatkan, baik melalui media cetak maupun media elektronik. Hal ini
dikarenakan informasi mengenai cabang/kantor kartu seluler XYZ memiliki
kontribusi paling rendah dalam membentuk kegiatan penjualan.
Peubah budaya menjadi faktor yang paling rendah dalam mempengaruhi
kepuasan pelanggan karena memiliki nilai koefisien jalur terendah. Dilihat dari
nilai loading indikator yang menggambarkan budaya, yaitu perhatian kebutuhan
pelanggan (X4.1) dan solusi terbaik (X4.2) sebenarnya sudah cukup tinggi dengan
nilai sebesar 0.8996 dan 0.8855 (dapat dilihat pada Lampiran 5). Namun
responden masih kurang baik dalam menilai kedua indikator tersebut, dilihat dari
persentase jawaban responden untuk skor 4 dan 5 (dari skala 7) yang mencapai
63% untuk X4.1 dan 62% untuk X4.2. Penilaian tersebut diberikan oleh
responden karena responden belum merasakan adanya perhatian kebutuhan dan
belum mengetahui solusi terbaik yang diberikan oleh penyedia layanan kartu
seluler XYZ. Oleh karena itu, nilai koefisien jalur budaya dalam mempengaruhi
kepuasan menjadi rendah.
Peubah sesudah penjualan tidak berpengaruh terhadap kepuasan. Hal ini
bermakna bahwa walaupun penyedia layanan kartu seluler XYZ telah
menciptakan faktor sesudah penjualan dalam bentuk penanganan gangguan
jaringan, layanan call center, tanggapan komplain pelanggan, dan ketersediaan
kantor layanan, maka belum tentu dapat menciptakan kepuasan pelanggan. Hal ini
terjadi karena responden belum merasakan adanya layanan customer service yang
baik dari penyedia layanan kartu seluler XYZ, sehingga menyebabkan nilai
koefisien jalur yang kecil antara sesudah penjualan dan kepuasan yaitu 0.0959
(Tabel 3). Dilihat dari nilai loading indikator dalam membentuk faktor sesudah
penjualan, nilai loading terendah dimiliki oleh indikator ketersediaan kantor
layanan dengan nilai sebesar 0.7043 (dapat dilihat pada Lampiran 5). Hal ini
memberikan makna bahwa responden masih memiliki kesulitan dalam
menemukan kantor pelayanan kartu seluler XYZ terdekat. Oleh karena itu, agar
faktor sesudah penjualan berpengaruh terhadap kepuasan, penyedia layanan kartu
seluler XYZ harus meningkatkan layanan customer service nya, terutama dari
ketersediaan kantor pelayanan kartu seluler XYZ itu sendiri. Dukungan layanan
call center selama 24 jam juga perlu ditingkatkan oleh penyedia layanan kartu
seluler XYZ, karena indikator ini memiliki nilai loading terendah kedua setelah
ketersediaan kantor pelayanan yaitu sebesar 0.7656.
Koefisien jalur yang diperoleh dari hubungan antara peubah kepuasan
dengan loyalitas adalah sebesar 0.6346 dengan nilai t-hitung 7.8496 > 1.96. Hal
ini menunjukkan bahwa terdapat pengaruh positif antara kepuasan dengan
loyalitas pada taraf nyata 5%. Penjelasan tersebut dapat diartikan bahwa semakin
tinggi kepuasan pada kartu seluler XYZ dengan indikator sesuai harapan, puas
akan produk, dan puas akan layanan, maka diharapkan dapat menciptakan
loyalitas.
Peubah laten eksogen yang memiliki pengaruh tidak langsung terhadap
loyalitas dalam penelitian ini adalah produk dan kegiatan penjualan, hal ini
terlihat pada Lampiran 8 yang menunjukkan bahwa nilai t-hitung keduanya lebih
besar dari 1.96. Peubah laten eksogen yang memiliki kontribusi terbesar secara
tidak langsung terhadap loyalitas adalah produk, dengan koefisien jalur terbesar
yaitu 0.3202. Hal ini mengindikasikan bahwa semakin tinggi kemampuan
14
penyedia layanan kartu seluler XYZ memberikan kepuasan terhadap pelanggan,
maka produk yang diciptakan akan semakin memiliki potensi dalam
meningkatkan dan mempertahankan jumlah pelanggannya.
SIMPULAN
Pengujian hipotesis pada pemodelan persamaan struktural yang diperoleh
dengan metode PLS menunjukkan bahwa peubah produk, kegiatan penjualan, dan
budaya berpengaruh terhadap kepuasan pelanggan. Sementara peubah sesudah
penjualan tidak berpengaruh terhadap kepuasan pelanggan. Faktor yang paling
berpengaruh terhadap kepuasan pelanggan kartu seluler XYZ adalah produk.
Selanjutnya, kepuasan berpengaruh positif terhadap loyalitas pelanggan kartu
seluler XYZ. Peubah laten eksogen yang memiliki pengaruh tidak langsung
terhadap loyalitas adalah produk dan kegiatan penjualan, dengan kontribusi
terbesar secara tidak langsung terhadap loyalitas adalah produk.
DAFTAR PUSTAKA
Chin, W. 1998. The Partial Least Square Approach for Structural Equation
Modeling. Cleveland. Ohio
Chin, W, Newsted, PR. 1999. Structural equation modelling analysis with small
samples using partial least squares. Di dalam: Hoyle R. H. Statistical strategies
for small sample research. Thousand Oaks, Amerika Serikat (CA): Sage. hlm
307–341.
Idrus M. 2009. Metode Penelitian Ilmu Sosial. Jakarta (ID): Erlangga.
Jaya IGNM, Sumertajaya IM. 2008. Pemodelan Persamaan Struktural dengan
Partial Least Square. Prosiding Seminar Nasional Matematika dan Pendidikan
Matematika. ISSN: 978-979-16353-1-8.
Leisch F, Monecke A. 2011. semPLS: Structural Equation Modeling Using
Partial Least Squares. Vol. 48, Issue 3. ISSN 1548-7660.
Lele M, Sheth JN. 1995. Pelanggan, Kunci Keberhasilan: Merebut Keunggulan
Tak Terkalahkan Melalui Kepuasan Pelanggan. Soetadi BD, penerjemah.
Jakarta (ID): Mitra Utama. Terjemahan dari: The Customer is Key: gaining an
unbeatable advantage through customer satisfaction.
Sumarwan U, Puspitawati H, Hariadi A, Ali MM, Gazali M, Hartono S, Farina T.
2013. Seri 3 Riset Pemasaran dan Konsumen: Anova, Ancova, Regresi dan
Structural Equation Modelling, serta Kajian: Posisi Produk, Ekuitas Merek,
Konsep Diri, Loyalitas Toko, Sikap dan Preferensi, Strategi Harga, dan
Keluhan Pelanggan. Bogor (ID): IPB Press.
Tika MP. 2006. Metodologi Riset Bisnis. Jakarta (ID) : PT Bumi Aksara
Tjiptono F. 2008. Service Management Mewujudkan Layanan Prima. Prabantini
D, editor. Yogyakarta (ID): Penerbit Andi.
Wijanto SH. 2008. Structural Equation Modeling dengan LISREL 8.8: Konsep
dan Tutorial. Yogyakarta (ID): Graha Ilmu.
15
Lampiran 1 Nilai uji validitas setiap pernyataan dalam kuesioner
Peubah
Peubah
Koefisien
Laten
Indikator
Korelasi*
Produk (X1)
X11
0.807
X12
0.905
X13
0.753
X14
0.858
Kegiatan Penjualan (X2)
X21
0.920
X22
0.855
X23
0.731
X24
0.691
Sesudah Penjualan (X3)
X31
0.797
X32
0.750
X33
0.814
X34
0.758
Budaya (X4)
X41
0.899
X42
0.891
Kepuasan (Y1)
Y11
0.919
Y12
0.942
Y13
0.788
Loyalitas (Y2)
Y21
0.908
Y22
0.764
Y23
0.927
*Seluruh peubah indikator valid untuk mengukur peubah latennya dengan nilai
koefisien korelasi lebih besar dari r tabel (0.514)
Lampiran 2 Nilai reliabilitas pernyataan terhadap peubah laten dalam kuesioner
Peubah Laten
Koefisien Reliabilitas*
Produk
0.842
Kegiatan Penjualan
0.801
Sesudah Penjualan
0.778
Budaya
0.752
Kepuasan
0.862
Loyalitas
0.835
* Seluruh peubah laten reliabel dengan nilai koefisien reliabilitas
lebih besar dari 0.6
16
Lampiran 3 Alasan utama menggunakan kartu seluler XYZ
40.0%
35.0%
30.0%
25.0%
20.0%
15.0%
10.0%
5.0%
0.0%
35.6%
18.6%
13.6%
11.9%
8.5%
6.8%
1.7%
Keluarga Paket
memakai murah
XYZ
Sudah Jaringan Telpon
Luas
murah
lama
pakai
Sinyal
Kuat
1.7%
1.7%
Banyak Internet SMS
Cepat murah
paket
gratis
nelpon &
sms
Lampiran 4 Pemodelan persamaan pengukuran dan model persamaan struktural
dalam bentuk matriks
Model Pengukuran
1. Peubah laten eksogen
[ ]
[
]
[ ] [
2. Peubah laten endogen
]
[ ]
[
]
[
[ ]
[
γγ γγ
] [
]
Model Struktural
]
[
[ ]
]
17
Lampiran 5 Uji validitas konstruk pada pemodelan persamaan struktural
Hubungan
Nilai
T-hitung*
loading*
X11