7. Pegawai rumah makan dapat memberikan
informasi yang berkaitan dengan fasilitas dapat digunakan pelanggan
23 22
51 12
108
8. Saya percaya dengan rumah makan di sini
karena pernah dikunjungi tokoh publik
19 14
58 19
110
9. Karyawan rumah makan di sini enak
untuk diajak berbicara saat tidak sedang sibuk
18 18
61 13
110
Jumlah
130 142
530 196
Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Tabel tersebut menunjukkan bahwa sebagian besar jawaban responden pada pernyataan setuju Skor 4 dengan demikian dapat dikatakan bahwa
sebagian besar responden bersikap mendukung atau setuju pada pernyataan yang pada hampir seluruh aspek pada variabel kepuasan pelanggan. Hal
tersebut juga dapat diartikan bahwa responden telah merasa.
4.4. Deskripsi Hasil Analisis dan Uji Hipotesis
4.4.1. Uji Asumsi Model
4.4.1.1. Uji Normalitas dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value atau melalui Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa
distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil pengujian
Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.7 Hasil Pengujian Normalitas
Variable min
max kurtosis
c.r. X11
2 5
-1.115 -0.415
X12 2
5 -0.983
-2.388 X21
2 5
-0.295 -2.104
X22 2
5 -0.661
-0.631 X31
2 5
-0.126 -1.415
X32 2
5 -0.505
-1.785 X33
2 5
0.107 -0.955
X41 2
5 -0.345
-0.974 X42
2 5
-0.893 -1.379
X43 2
5 0.334
-0.810 X51
2 5
0.045 -0.813
X52 2
5 -0.443
-0.723 X53
2 5
-0.608 -0.554
Y11 2
5 0.958
-1.068 Y12
2 5
1.015 -0.951
Y13 2
5 -0.277
-0.677 Y21
2 5
-0.151 -0.643
Y22 2
5 0.477
-0.798 Y23
2 5
0.001 -0.725
Y31 2
5 -1.095
-0.187 Y32
2 5
-0.242 -0.688
Y33 2
5 -0.478
-0.704 Multivariate
-13.707 -8.742
Batas Normal 3.00
Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada diantara ≥
2,50 itu berarti asumsi normalitas terpenuhi. 4.4.1.2.
Evaluasi atas Outlier
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada
tingkat p 0,001. Jarak diuji dengan Chi-Square χ2 pada df sebesar
jumlah variabel bebasnya df = 18. Ketentuan : bila Mahalanobis dari nilai
χ2 adalah multivariate outlier. Pada penelitian ini diperoleh nilai Mahalanobis distance
dari hasil pengujian multivariate outlier sebesar
27,524 sehingga dapat disimpulkan bahwa dalam penelitian ini tidak terdapat outlier karena nilai Mahalanobis distancenya 27,524.
Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.8 Hasil Pengujian Outlier Multivariate
Min. Max.
Mean Std.
Deviation N
Predicted Value 4.061
107.611 55.500
21.275 110
Std. Predicted Value -2.314
2.415 0.000
1.000 110
Standard Error of Predicted Value
3.781 17.683
11.747 2.592
110 Adjusted Predicted Value
-2.424 114.363
55.822 22.645
110 Residual
-47.933 73.035
0.000 23.495
110 Std. Residual
-1.823 2.777
0.000 0.893
110 Stud. Residual
-1.989 2.960
-0.006 0.990
110 Deleted Residual
-59.684 82.953
-0.322 29.053
110 Stud. Deleted Residual
-2.024 3.103
-0.005 1.003
110 Mahalanobis Distance [MD]
1.263 28.388
21.800 9.421
110 Cooks Distance
0.000 0.073
0.101 0.015
110 Centered Leverage Value
0.012 0.443
0.200 0.086
110
a Dependent Variable : No. RESP
Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 28.388 lebih kecil dari 34.805. Oleh karena itu
diputuskan dalam penelitian tidak terdapat outlier multivariate antar
variabel. 4.4.1.3.
Deteksi Multicolinierity dan Singularity
Melalui proses mengamati determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil,
maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998.
Berdasarkan hasil pengujian dengan menggunakan program AMOS 16.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0
yaitu sebesar 118.35 mengindikasikan tidak terjadi multikolinieritas dan
singularitas dalam data ini sehingga asumsi terpenuhi. 4.4.1.4.
Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap latent variabel
construct akan diuji dengan melihat faktor loading faktor dari hubungan antara setiap observed variabel dan latent variabel. Sedangkan
reliabilitas diuji dengan construct reliability dan variance extracted. Dari hasil pengolahan data didapatkan hasil sebagai berikut :
Tabel 4.9 Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Konstrak Indikator
Faktor Loading 1
2 3
4 Reliability
X11 0.835
X12 0.640
Responsiveness X21
0.923 X22
0.792 Assurance
X31 0.481
X32 0.853
X33 0.646
Empathy X41
0.658 X42
0.955 X43
0.785 Tangibles
X51 0.673
X52 0.828
X53 0.785
Attribute related to the product
Y11 0.924
Y12 0.771
Y13 0.702
Attribute related to the service
Y21 0.841
Y22 0.918
Y23 0.792
Attributes related to the
purchase Y31
0.924 Y32
0.771 Y33
0.702 Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings
masing masing butir pertanyaan yang membentuk setiap construct sebagian besar 0.5, sehingga butir-butir instrumentasi setiap konstruk
tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas
setiap skala variabel atau indikator observarian. Sementara itu item to total correlation
digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan memperkecil koefisien
Cronbach’s Alpha yang dihasilkan.
Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.10 Pengujian Reliability Consistency Internal
Konstrak Indikator
Item to Total Correlation
Koefisien Cronbachs Alpha
Reliability X11
0.549 0.820
X12 0.659
Responsiveness X21
0.507 0.760
X22 0.642
Assurance X31
0.594 0.762
X32 0.563
X33 0.767
Empathy X41
0.664 0.759
X42 0.678
X43 0.752
Tangibles X51
0.687 0.744
X52 0.671
X53 0.652
Attribute related to the product
Y11 0.681
0.783 Y12
0.689 Y13
0.674 Attribute related to the
service Y21
0.606 0.792
Y22 0.617
Y23 0.642
Attributes related to the purchase
Y31 0.713
0.723 Y32
0.687 Y33
0.724 Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Hasil pengujian reliabilitas konsistensi internal untuk setiap construct
di atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha
yang diperoleh seluruhnya memenuhi rules of thumb yang disyaratkan yaitu 0.7 Ghozali, 2003.
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance
extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi
internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang
sama. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut:
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – [ Standardize loading ]
secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,5 Ghozali, 2003. Standardize loading dapat diperoleh dari output
AMOS 16.0, dengan melihat estimasi setiap construct standardize regression weight
terhadap setiap butir sebagai indikatornya. ε
j
= 1 – Standardize Loading [
Σ Standardize Loading]
2
2
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Construct Reliability = [
Σ Standardize Loading]
2
+ Σε
j
]
Σ [Standardize Loading
2
] Variance Extracted =
Σ [Standardize Loading
2
] + Σ ε
j
Tabel 4.11 Pengujian Reliability Consistency Internal
Konstrak Indikator
Standardize Factor
Loading SFL
Kuadrat Error [εj]
Construct Reliability
Variance Extrated
Reliability X11
0.835 0.697
0.303 0.709
0.553 X12
0.640 0.410
0.590 Responsiveness
X21 0.923
0.852 0.148
0.850 0.740
X22 0.792
0.627 0.373
Assurance X31
0.481 0.231
0.769 0.707
0.459 X32
0.853 0.728
0.272 X33
0.646 0.417
0.583 Empathy
X41 0.658
0.433 0.567
0.847 0.654
X42 0.955
0.912 0.088
X43 0.785
0.616 0.384
Tangibles X51
0.673 0.453
0.547 0.808
0.585 X52
0.828 0.686
0.314 X53
0.785 0.616
0.384 Attribute
related to the product
Y11 0.924
0.854 0.146
0.844 0.647
Y12 0.771
0.594 0.406
Y13 0.702
0.493 0.507
Attribute related to the
service Y21
0.841 0.707
0.293 0.888
0.726 Y22
0.918 0.843
0.157 Y23
0.792 0.627
0.373 Attributes
related to the purchase
Y31 0.924
0.854 0.146
0.844 0.647
Y32 0.771
0.594 0.406
Y33 0.702
0.493 0.507
Batas Dapat Diterima ≥ 0.7
≥ 0.35 Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan
dengan nilai construct reliability seluruhnya ≥ 0,7, dan variance extracted
yang diperoleh seluruhnya menunjukkan nilai diatas 0,50. Yang artinya seluruh instrumen yang digunakan pada penelitian ini telah reliabel.
4.4.2. Pengujian Model Dengan One-Step Approach
Dalam model SEM, model pengukuran dan model struktural parameter- parameternya diestimasi secara bersama-sama. Cara ini agak mengalami
kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural
model yang diestimasi secara bersama-sama One Step Approach to SEM. One step aprroach to
SEM digunakan apabila model diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik Wijayanto,
2008. Hasil estimasi dan fit model one step approach to SEM dengan
menggunakan program aplikasi Lisrel.8.8 terlihat pada Gambar berikut.
Gambar 2. Bagan Analisis SEM
Sumber : Data diolah
er 1 er 2
er 3 er 4
er 5
X1.1 X1.2
X2.1 X2.2
er 6 er 7
er 8 er 9
er 10 er 11
er 12 d dp
er 14 er 15
X3.1 X3.2
X3.3 X4.1
X4.2 X4.3
X5.1 X5.2
X5.3 Y1.1
Y1.2 Y1.3
er 13
Empathy
Tangibles
d dp
d dp
Y2.2 Y2.2
Y2.3 Y3.1
Y3.2 Y3.3
er 16 er 17
er 18 er 19
er 20 er 21
er 22
Attributte Purchase
Attributte Service
Attributte Product
Reliability
Responsi veness
Assuranc 0.005
0.005
Tabel 4.12 Evaluasi Kriteria Goodness of Fit Indices
Kriteria Hasil
Nilai Kritis
Evaluasi Model
CminDF
0.714 ≤ 2,00
baik
Probability
0.776 ≥ 0,05
baik
RMSEA
0.161 ≤ 0,08
baik
GFI
0.619 ≥ 0,90
baik
AGFI
0.900 ≥ 0,90
baik
TLI
1.008 ≥ 0,95
baik
CFI
1.000 ≥ 0,90
baik Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Dari hasil evaluasi terhadap model one step approach ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil
evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah
sepenuhnya didukung oleh fakta. Melalui demikian model ini adalah model
yang terbaik untuk menjelaskan keterkaitan antar variabel. 4.4.3.
Pengujian Hipotesis dan Hubungan Kausal
Dilihat dari angka determinant of sample covariance matrix : 118.35 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini
sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas
di bawah ini.
Tabel 4.13 Hasil Uji Kausalitas
Regression Weights Ustd
Estimate Std
Estimate Prob.
Faktor Alur
Faktor Kualitas_Layanan
◄═ Reliability 0.017
0.211 0.016
Kualitas_Layanan ◄═ Responsiveness
0.017 0.292
0.004 Kualitas_Layanan
◄═ Assurance 0.024
0.727 0.037
Kualitas_Layanan ◄═ Empathy
0.924 0.241
0.026 Kualitas_Layanan
◄═ Tangibles 0.036
0.156 0.012
Attribute_Service ◄═ Attribute_Product
0.022 0.147
0.024 Attribute_Service
◄═ Attribute_Purchase 0.014
0.165 0.030
Attribute_Purchase ◄═ Attribute_Product
0.009 0.148
0.042 Kepuasan_Pelanggan
◄═ Kualitas_Layanan 0.876
0.762 0.000
Batas Signifikansi ≤ 0.05
Sumber: Hasil Penyebaran Kuesioner diolah peneliti pada lampiran
Dilihat dari tingkat probabilitas arah hubungan kausal, dapat diketahui bahwa : 1. Faktor reliability berpengaruh positif terhadap faktor
kualitas layanan
, dan dapat diterima secara positif p = 0.016
≤ 0.05. 2. Faktor responsiveness berpengaruh positif terhadap faktor
kualitas layanan
, dan dapat diterima secara positif p = 0.004
≤ 0.05. 3. Faktor assurance
berpengaruh positif terhadap faktor
kualitas layanan
, dan dapat diterima secara positif p = 0.037
≤ 0.05. 4. Faktor empathy berpengaruh positif terhadap faktor
kualitas layanan
, dan dapat diterima secara positif p = 0.026
≤ 0.05. 5. Faktor tangibles berpengaruh positif terhadap faktor
kualitas layanan
, dan dapat diterima secara positif p = 0.012
≤ 0.05. 6. Faktor attribute product berpengaruh positif terhadap faktor attribute
service , dan dapat diterima secara positif p = 0.024
≤ 0.05.
7. Faktor attribute purchase berpengaruh positif terhadap faktor attribute purchase
, dan dapat diterima secara positif p = 0.030 ≤ 0.05.
8. Faktor attribute product berpengaruh positif terhadap faktor attribute purchase
, dan dapat diterima secara positif p = 0.042 ≤ 0.05.
4.5. Pembahasan