skala 1 yang terendah sampai skala 5 yang tertinggi dapat yang dihitung dengan rumus :
m n - 1 Rata-rata skor =
m x n Keterangan :
m = jumlah responden n = jumlah skala
1.
Distribusi Frekuensi Relatif
Frekuensi relatif dari suatu kelas adalah proporsi item atau dalam kelas terhadap jumlah keseluruhan item dalam data tersebut. Rumus frekuensi relatif
adalah : Frekuensi kelas
Frekuensi Relatif = Jumlah sampel
Distribusi frekuensi relatif adalah ringkasan dalam bentuk tabel dari
sekelompok data yang menunjukkan frekuensi relatif bagi setiap kelas.
2. Distribusi Frekuensi Persentase
Frekuensi Persentase dari suatu kelas adalah frekuensi relatif kelas tersebut dikalikan dengan 100. Rumus frekuensi persentase adalah :
Frekuensi kelas Frekuensi Relatif = X 100
Jumlah sampel Distribusi frekuensi persentase adalah ringkasan dalam bentuk tabel dari
sekelompok data yang menunjukkan frekuensi persentase bagi setiap orang.
Universitas Sumatera Utara
3.8.1.2. Nilai Indeks
Statistik deskriptif dari persepsi alternatif jawaban responden digunakan untuk mengetahui tanggapan responden terhadap alternatif jawaban masing-
masing variabel
.
Untuk mendapatkan gambaran mengenai derajat persepsi responden atas variabel yang akan diteliti maka digunakan perhitungan angka
indeks. Perumusan untuk menghitung nilai indeks adalah sebagai berikut : Nilai Indeks =
5 F1x1 + F2x2 + F3x3 + F4x4 + F5x5
Keterangan : F1 = Frekuensi responden yang menjawab 1
F2 = Frekuensi responden yang menjawab 2 F3 = Frekuensi responden yang menjawab 3
F4 = Frekuensi responden yang menjawab 4 F5 = Frekuensi responden yang menjawab 5
Selanjutnya, untuk mengetahui penilaian responden baik atau tidak digunakan rata-rata skor yang dibagi menjadi lima klasifikasi dari skala 1 Sangat
tidak setuju, 2 Tidak setuju, 3 Ragu-ragu, 4 Setuju dan 5 Sangat setuju, maka dapat dihitung dengan rumus :
100 5-1 Rentang rata-rata skor =
= 0,8 100 x 5
Dengan demikian, klasifikasi penilaian terhadap variabel penelitian secara menyeluruh akan dilihat dari rata-rata skor dengan kriteria :
Universitas Sumatera Utara
1,00 – 1,80 = sangat tidak baiksangat rendahsangat tidak puas 1,81 – 2,60 = tidak baikrendah tidak puas
2,61 – 3,40 = cukup baikcukup puas 3,41 – 4,20 = baiktinggipuas
4,21 – 5,00 = sangat baiksangat tinggisangat puas
3.8.2. Analisis Jalur
Dalam menganalisis data pada penelitian ini digunakan teknik analisis jalur path analysis. Analisis ini untuk mengetahui pengaruh langsung variabel
independen terhadap dependen dan pengaruh tidak langsung variabel independen melalui variabel mediasi perantara terhadap variabel dependen. Analisis jalur
merupakan perluasan dari analisis regresi berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antara variabel
yang telah ditetapkan sebelumnya berdasarkan teori Ghozali, 2005:107. Retherford, 1993 dalam Sunyoto 2011 : 1 mendefinisikan analisis jalur ialah
suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya
secara langsung tetapi juga secara tidak langsung. Persyaratan analisis jalur meliputi :
1. Data metrik berskala interval
2. Terdapat variabel independen exogenous atau dependen endogenous untuk
model regresi berganda dan variabel perantara untuk model mediasi dan model gabungan mediasi dan regresi berganda serta model kompleks.
Universitas Sumatera Utara
3. Ukuran sampel yang memadai minimal 100, sebaiknya di atasnya, dan
idealnya 400-1000. 4.
Pola hubungan antar variabel satu arah tidak boleh ada hubungan timbal balik reciprocal.
5. Hubungan sebab akibat didasarkan pada teori yang sudah ada dengan asumsi
sebelumnya menyatakan bahwa memang terdapat hubungan sebab akibat dalam variabel-variabel yang sedang diteliti. Dengan kata lain hubungan
sebab akibat sudah dipraduga sebelumnya memang benar sudah ada inherent dalam variabel-variabel yang sedang diteliti.
Data yang terkumpul kemudian diolah dengan menggunakan teknik analisis jalur atau Path Analysis yaitu :
1. Pengembangan model berbasis teori Berdasarkan telaah pustaka telah diuraikan dalam Bab II, dikembangkan
model penelitian sebagaimana yang tersaji dalam Gambar 2.4. 2. Pengembangan Diagram Alur
Setelah model berbasis teori dikembangkan, model disajikan dalam sebuah diagram alur. Gambar 3.1. menggambarkan diagram jalur path diagram untuk
melakukan pengujian terhadap model penelitian ini.
Universitas Sumatera Utara
Gambar 3.1. Diagram Jalur
Dalam diagram jalur path diagram, hubungan antar konstruk ditunjukkan dengan garis dengan satu anak panah yang menunjukkan hubungan kausalitas
regresi dari satu konstruk ke konstruk yang lain Ghozali, 2008 : 18. Pengembangan diagram alur dilakukan dengan tujuan untuk memudahkan
mengetahui hubungan kausalitas antar variabel yang akan diuji. Pada penelitian ini terdapat satu konstruk eksogen yaitu kualitas pelayanan dan dua konstruk
endogen yaitu kepuasan dan word of mouth mahasiswa. 3. Konversi Diagram Alur ke Persamaan
Setelah model teoritis dikembangkan dan digambarkan dalam sebuah diagram alur, maka model dikonversi dalam rangkaian persamaan.
Berikut ini merupakan penjabaran diagram jalur menjadi persamaan :
1. Persamaan struktural pertama adalah Y
1
= β
2
Y
1
X + e 2.
Persamaan struktural kedua adalah Y
1 2
= β
1
Y
2
X + β
3
Y
2
Y
1
+ e
2
Universitas Sumatera Utara
Keterangan : X : Kualitas Pelayanan
Y
1
β : Kepuasan Mahasiswa
1
terhadap word of mouth : Koefisien pengukur hubungan antara variabel kualitas pelayanan
β
2
terhadap kepuasan : Koefisien pengukur hubungan antara variabel kualitas pelayanan
β
3
word of mouth : Koefisien pengukur hubungan antara variabel kepuasan terhadap
e
1
oleh model : Varians pada persamaan struktural pertama yang tidak bisa dijelaskan
e
2
oleh model : Varians pada persamaan struktural kedua yang tidak bisa dijelaskan
4. Pemeriksaan Terhadap Asumsi yang melandasi
Pemeriksaan asumsi pada analisis jalur sama halnya pada analisis regresi, yaitu :
a. Assesment of Normality
Salah satu asumsi penggunaan statistik parametrik adalah asumsi multivariate normality. Uji normalitas data ini dimaksudkan untuk mengetahui
normal tidaknya distribusi penelitian masing-masing variabel Ghozali, 2011. Jika asumsi normalitas dipenuhi, maka nilai residual dari analisis juga
berdistribusi normal dan independen. Normalitas dapat dilihat dari nilai critical ratio CR sebesar ±2,58 pada tingkat signifikansi 1. Apabila nilai CR yang
Universitas Sumatera Utara
dihasilkan dalam tabel masing-masing dimensi variabel memiliki nilai yang lebih kecil dari ±2,58 maka disimpulkan bahwa data terdistribusi secara normal.
b. Mahalanobis Distance
Pengujian menggunakan nilai mahalanobis distance berguna untuk mengukur apakah terdapat data yang outlier yaitu mendeteksi apakah skor
observasi ada yang jauh berbeda dengan skor centroid untuk 100 kasus. Mahalanobis d-squared digunakan untuk mengukur jarak skor hasil observasi
terhadap nilai centroidnya. Kolom p1 dan p2 menunjukkan asumsi normal. Arbuckle 1997 dalam Ghozali 2013 : 85 menyatakan bahwa walaupun nilai p1
dan p2 menunjukkan observasi yang jauh dari centroidnya dan dianggap outlier serta sebaiknya data harus dibuang didrop dari analisis.
5. Pendugaan parameter atau perhitungan koefisien jalur Koefisien jalur path adalah koefisien regresi standar atau disebut beta
yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Koefisien beta β merupakan
koefisien regresi yang sudah distandarisasi standardized regression coefficient yang menunjukkan jumlah perubahan dalam variabel dependen endogenous yang
dihubungkan dengan perubahan kenaikan atau penurunan dalam satu standar deviasi pada variabel bebas exogenous saat dilakukan pengendalian terhadap
variabel- variabel independen lainnya. Koefisien beta β disebut juga sebagai
bobot beta. Nilai ini yang digunakan sebagai besaran nilai dalam koefisien jalur p atau jumlah pengaruh setiap variabel exogenous terhadap variabel endogenous
Universitas Sumatera Utara
secara sendiri-sendiri atau disebut sebagai pengaruh parsial. Untuk pendugaan parameter dilakukan dengan analisis jalur menggunakan software AMOS 18.
6. Pengujian Model Koefisien determinasi R
2
digunakan untuk mengukur seberapa besar kontribusi variabel bebas terhadap variabel terikat. Semakin besar koefisien
determinasi R
2
menunjukkan semakin baik kemampuan X menerangkan Y, dimana 0R
2
Tabel 3.12. Tabel Hubungan Antar Variabel
1 atau nilainya 0-1. Untuk memastikan tipe hubungan antar variabel dapat dilihat pada Tabel 3.12. :
Nilai Interprestasi
0.0 – 0.19 Sangat Tidak Erat
