Teknik Analisa Pengujian Hipotesis

34

3.3. Teknik Pengumpulan Data

1. Jenis Data Data yang digunakan dalam penelitian ini adalah data primer yaitu data yang secara langsung dari pelanggan “AB” Jaya Laundry – Sidoarjo melalui penyebaran kuesioner. 2. Sumber Data Sumber data penelitian ini diperoleh dari : Jawaban responden melalui penyebaran kuesioner kepada pelanggan “AB” Jaya Laundry – Sidoarjo 3. Pengumpulan Data a. Wawancara Yaitu metode dengan cara melakukan tanya jawab langsung dengan para pelanggan mengenai permasalahan yang terjadi. b. Teknik kuesioner Yaitu metode pengumpulan data dengan menggunakan daftar pertanyaan terhadap para pelanggan sebagai responden.

3.4. Teknik Analisa dan Uji Hipotesis

3.4.1. Teknik Analisa

Model yang digunakan untuk menganalisis data dalam penelitian ini adalah Structural Equation Modelling SEM. Model pengukuran faktor kualitas layanan, nilai pelanggan, kepuasan pelanggan, dan loyalitas 35 pelanggan menggunakan Confirmatory Factor Analysis. Penaksiran pengaruh masing-masing variabel bebas terhadap variabel terikatnya menggunakan koefisien jalur. Langkah-langkah dalam analisis SEM model pengukuran dengan contoh dimensi tangible dilakukan sebagai berikut: X1.1 = 1 Tangible + er_1 X1.2 = 2 Tangible + er_2 Bila persamaan di atas dinyatakan dalam sebuah pengukuran model untuk diuji unidimensionalitasnya melalui Confirmatory Factor Analysis, maka model pengukuran dengan contoh dimensi tangible akan nampak sebagai berikut: Gambar 3.1 : Model Pengukuran Dimensi Tangible Keterangan: X1.1 : Pertanyaan tentang peralatan. X1.2 : Pertanyaan tentang penampilan pegawai. Er_1 : Error term X1j Demikian juga dengan dimensi lain, seperti dimensi reliability, dimensi responsiveness, dimensi assurance, dimensi emphaty, variabel er_1 X 1.1.1 Tangible X 1.1.2 er_2 36 nilai pelanggan, variabel kepuasan pelanggan dan variabel loyalitas pelanggan.

3.4.2. Pengujian Hipotesis

3.4.2.1 Asumsi Model SEM Structural Equation Modelling

a. Uji Normalitas Sebaran dan Linieritas 1 Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. 2 Menggunakan Critical Ratio yang dipeeroleh dengan membagi koefisien sampel dengan standard errornya dan Skewness value yang biasanya disajikan dalam statistik deskriptif dimana nilai statistik untuk menguji normalitas itu disebut sebagai Z-value. Pada tingkat signifikansi 1, jika nilai Z lebih besar dari nilai kritis, maka dapat diduga bahwa distribusi data adalah tidak normal. 3 Normal Probability 4 Plot SPSS 10.1 5 Linieritas dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linieritas. b. Evaluasi atas Outlier 1 Mengamati nilai Z-score : ketentuannya diantara  3,0 non outlier. 2 Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat  0,001. Jarak diuji dengan Chi-Square  pada df sebesar 37 jumlah variabel bebasnya. Ketentuan : bila Mahalanobis dari nilai  adalah multivariate outlier. Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi- observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair, et. al. 1998. c. Deteksi Multicollinierity dan Singularity Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998. d. 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 derajad 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 loading faktor dari hubungan antara setiap obseverd variable dan latent variable. Sedangkan reliabilitas diuji dengan construct reliability dan Variance-extracted. Construct reliability dan Variance- extracted dihitung dengan rumus berikut : 38 Consturct – reability = j Loading Std Loading Std     2 . . Keterangan: 1 Standart Loading diperoleh dari standardized loadimg untuk tiap- tiap indikator yang didapat dari hasil perhitungan komputer. 2  ɛ j adalah measurement error dari tiap indikator. Measurement error dapat diperoleh dari 1-reliabilitas indikator. Tingkat reliabilitas yang dapat diterima adalah 0,70 , walaupun angka itu bukanlah sebuah ukuran yang “mati”. Artinya bila penelitian yang dilakukan bersifat eksploratori maka nilai dibawah 0,70 pun masih diterima sepanjang disertai dengan alasan-alasan empirik yang terlihat dalam proses eksploratori Variance extrated = j Loading Std Loading Std     2 2 . . Keterangan: 1 Standard Loading diperoleh dari standardized loading untuk tiap- tiap imdikator yang didapat dari hasil perhitungan komputer. 2 ε j adalah measurement error tiap-tiap indikator.

3.4.3. Pengujian Hipotesis dan Hubungan Kausal