Weight Factor dengan total 100 persen. Weighting Factor adalah fungsi dari Mean Important Score MIS
– i masing-masing atribut dalam bentuk persentase dari total rata-rata tingkat
kepentingan MIS
– i untuk seluruh atribut atau indikator uji.
Weight Factor =
b. Menghitung Indeks Kepuasan Konsumen dengan cara :
i Menghitung Weighted Score WS, yaitu perkalian antara Mean
Satisfaction Score MSS dengan Weighting Factor WF. WS = MSS x WF
ii Menghitung Weighted Average WA, yaitu menunjukkan
semua Weighted Score WS dengan semua atribut kualitas produk dan pelayanan.
iii Menghitung Indeks Kepuasan Konsumen yaitu Weighted
Average WA dibagi skala maksimal Highest ScaleHS yaitu skala likert 5 dikalikan 100 persen.
CSI = Tingkat kepuasan responden secara keseluruhan dapat dilihat dari
kriteria tingkat kepuasan. Kriterianya berdasarkan Panduan Survei Kepuasan Pelanggan dalam Uluum 2007:
0,00 - 0,34 = Tidak Puas 0,35
– 0,50 = Kurang Puas 0,51
– 0,65 = Cukup Puas 0,66
– 0,80 = Puas 0,81
– 1,00 = Sangat Puas
4. Analisis Faktor-Faktor yang Mempengaruhi Tingkat Kepuasan
Suatu proses keputusan, konsumen tidak akan berhenti hanya sampai proses konsumsi karena konsumen akan melakukan proses evaluasi
pasca konsumsi tersebut. Evaluasi tersebut berupa kepuasan atau ketidakpuasan terhadap suatu produk yang dikonsumsi. Kepuasan
konsumen dilihat dari skor penilaian kepuasan konsumen terhadap variabel indikator kepuasan. Skor yang diperoleh kemudian
diklasifikasikan ke dalam rentang skala:
0,00 - 0,34 = Tidak Puas 0,35
– 0,50 = Kurang Puas 0,51
– 0,65 = Cukup Puas 0,66
– 0,80 = Puas 0,81
– 1,00 = Sangat Puas Analisis model logit digunakan untuk menjawab tujuan keempat
mengenai faktor-faktor yang mempengaruhi kepuasan konsumen dalam mengonsumsi susu bubuk. Gujarati 2003 menyatakan bahwa
model logit adalah model regresi non-linear yang menghasilkan sebuah Tidak Puas
Puas
persamaan di mana variabel dependen bersifat kategorikal. Kategori paling dasar dari model tersebut menghasilkan binary values seperti
angka 0 dan 1. Angka yang dihasilkan mewakili suatu kategori tertentu yang dihasilkan dari perhitungan probabilitas terjadinya
kategori tersebut. Supranto 2004 menyatakan bahwa model logit adalah model
probabilitas logistik untuk menjelaskan respon kualitatif variabel dependent. Pada penggunaan analisis logistik terdapat variabel
dependent variabel biner atau dua kategori dengan variabel independent memiliki jenis data numerik dan kategori. Model
analisis logistik memiliki fungsi penghubung berupa distribusi logit sehingga yang terbentuk umumnya digunakan untuk memprediksi
probabilitas terjadinya sebuah kejadian berdasarkan variabel penjelasnya independent. Bentuk persamaan model logit yang
digunakan adalah: ln Pi1
– Pi = = ßo + ß x + .................ß x Keterangan :
Zi = faktor dependent peluang konsumen mencapai kepuasan
D 0 = tidak puas dan 1 = puas β
= konstanta β
1
, dst = koefisien regresi
x
1
-x
7
= faktor independent Pi
= probabilitas Faktor-faktor yang diduga mempengaruhi kepuasan konsumen antara
lain harga susu bubuk, usia responden, pendapatan rumah tangga,
lama mengonsumsi, frekuensi pembelian, dan lokasi pembelian. Model persamaan logit pada penelitian ini adalah:
Ln Pi1 – Pi = Zi =β
+ β
1
x
1
+ β
2
x
2
+ β
3
x
3
+ β
4
x
4
+ β
5
x
5
+ D
1
+ D
2
Keterangan : Zi
= peluang konsumen untuk mencapai kepuasan Z = 0 tidak puas ; Z = 1 puas
β = konstanta
β
1
, β
2
, β
3
, β
4
, β
5
β
6
= koefisien regresi x
1
= harga susu bubuk x
2
= usia responden x
3
= pendapatan rumah tangga x
4
= lama mengonsumsi D
1
= lokasi pembelian D
1
1 = pasar modern dan 0 = lainnya D
2
= lokasi pembelian D2 1 = minimarket dan 0 = lainnya
Pi = probabilitas
Supranto 2004 menyatakan bahwa untuk mengetahui ketepatan model yang dinyatakan dengan berapa persen variabel dependen
dijelaskan oleh variabel independen yang dimasukkan ke dalam model regresi maka digunakan uji Likelihood Ratio Index LRI. NilaiLRI
sama dengan pseudo R
2
atau Mc Fadden’s R
2
. LRI = pseudo R
2
atau Mc Fadden’s.
R
2
= 1 – ln Lln Lo
Keterangan :
LRI = Likelihood Ratio Index
ln L = nilai maksimum dari log- Likelihood function tanpa
restriksi melibatkan semua parameter termasuk variabel bebas
ln Lo = nilai maksimum dari log- Likelihood function dengan
