Deskripsi Hasil Analisis dan Uji Hipotesis

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