29 Model ini tidak hanya menilai kualitas keseluruhan jasanya, namun juga
dapat mengidentifikasi dimensi-dimensi kunci dan aspek-aspek dalam setiap dimensi tersebut yang membutuhkan penyempurnaan kualitas. Hasil analisis
menggunakan model ini juga dapat dipergunakan untuk membandingkan harapan dan persepsi pelanggan sepanjang waktu, membandingkan skor SERVQUAL
suatu perusahaan dengan para pesaingnya, mengidentifikasi dan menganalisis segmen-segmen pelanggan dengan persepsi kualitas yang berbeda, dan untuk
menilai persepsi kualitas para pelanggan internal.
3.1.8. Analisis Structural Equation Modeling SEM
Metode Structural Equation Modeling
SEM merupakan model yang menggambarkan hubungan antara peubah laten dengan peubah-peubah
manifesnya, dimana dalam model tersebut terdapat hubungan antara peubah- peubah laten Firdaus Farid 2008. Menurut Santoso 2011, peubah atau
variabel laten merupakan variabel yang tidak dapat diukur secara langsung kecuali diukur dengan satu atau lebih variabel manifes. Sedangkan variabel manifes
merupakan variabel yang digunakan untuk menjelaskan atau mengukur sebuah variabel laten.
Peubah atau variabel laten dalam metode SEM umumnya digambarkan dalam bentuk oval. Santoso 2011 menjelaskan bahwa dalam metode ini sebuah
variabel laten dapat berfungsi sebagai variabel eksogen atau variabel endogen. Variabel eksogen merupakan variabel independen yang mempengaruhi variabel
dependen ditunjukkan dengan adanya anak panah yang berasal dari variabel tersebut menuju variabel endogen. Sedangkan variabel endogen adalah variabel
dependen yang dipengaruhi oleh variabel independen eksogen dan ditunjukkan dengan adanya anak panah yang menuju variabel tersebut. Untuk variabel manifes
yang berguna untuk menjelaskan dan mengukur variabel laten, pada model ini digambarkan dengan bentuk kotak.
Persyaratan utama yang dijelaskan Firdaus dan Farid 2008 dalam menerapkan analisis SEM ini adalah harus ada dasar teori yang kuat untuk
membangun model strukturalnya. Selain itu bila menggunakan data primer, jumlah responden harus relatif besar, misalnya antara 100 sampai 200 responden.
30 Dengan menggunakan data dari responden yang jumlahnya relatif besar tersebut,
hasil pengukuran diharapkan dapat menunjukkan kondisi yang sebenarnya. Namun alat analisis ini memiliki kelemahan, dimana pemodelan yang telah dibuat
tersebut menutupi adanya model lain yang memiliki kesesuaian dengan data yang paling tidak sama bagusnya dengan model awal yang telah dibuat, terlebih bila
model awal tersebut sudah cukup bagus kesesuaiannya dengan data. Menurut Firdaus dan Farid 2008, terdapat tujuh langkah dalam
pemodelan model SEM ini, yakni: 1
Pengembangan model teoritis. Tahap ini mengembangkan hubungan kausalitas yang dilandaskan pada sutu teori yang sudah ada.
2 Pengembangan dengan diagram alur path. Diagram ini dibangun sesuai
konstruk untuk menunjukkan hubungan kausalitas, dimana konstruk dibuat dengan mencari peubah penjelas yang dapat menjelaskan konstruk tersebut.
3 Mengkonversi diagram alur ke dalam bentuk persaman struktural. Konversi
ini dilakukan untuk menyatakan hubungan kausalitas. 4
Menentukan matrik input dan estimasi model, dimana data input pada analisis ini merupakan matriks kovarian.
5 Pendugaan koefisien model dengan menetapkan beberapa nilai koefisien pada
nilai tertentu fix ceofficient dan peubah laten yang hanya memiliki satu peubah indikator ditetapkan nilainya umumnya satu.
6 Evaluasi kriteria goodness-of-fit. Beberapa indeks kesesuaian dan cut-off-
value yang umumnya digunakan adalah sebagai berikut:
a. Degree of Freedom DF yang positif menandakan model tidak
underidentified . CMINDF umumnya berkisar antara
≤ 2,0-3,0 sebagai salah satu indikator untuk mengukur tingkat kesesuaian model.
b. Root Means Square Error of Approximation RMSEA merupakan indeks
untuk mengkompensasikan chi-square dalam contoh besar, menunjukkan kesesuaian yang dapat diharapkan bila model diestimasi. Syarat agar
model menunjukkan close fit dari model adalah RMSEA ≤ 0,08.
c. Goodness of Fit GFI = R
2
dalam regresi dan Adjusted R
2
AGFI merupakan rentang ukuran antara 0 poor fit sampai dengan 1 perfect fit
yang memperhitungkan proporsi tertimbang dari varian dalam sebuah
31 matriks kovarian contoh. Nilai GFI dan AGFI
≥ 0,90 menunjukkan good fit
baik, jika antara 0,80 ≤ GFI dan AGFI 0,90 menunjukkan marginal
fit sedang.
d. Comparative Fit Index CFI adalah indeks yang besarannya tidak
dipengaruhi oleh ukuran contoh sehingga sangat baik untuk mengukur tingkat penerimaan sebuah model. Nilai yang diharapkan adalah
≥ 0,95. 7
Interpretasi dan modifikasi model. Interpretasi sesuai dengan teori yang mendasarinya dilakukan setelah model diterima. Modifikasi secara hati-hati
dilakukan jika terdapat perubahan yang signifikan dengan dukungan data empirik.
3.1.9. Strategi Pemasaran: Market Segmentation, Market Targeting, dan Positioning
