35
importance as well as for the implicit importance Matzler, Sauerwein et al. 2000.”
Dengan mengacu pada pernyataan diatas, dapat disimpulkan bahwa:
1. Tingkat kepentingan dapat diukur dengan dua cara, yaitu: Explicit Importance
Dengan menanyakan langsung ke responden, dan Implicit Importance Dengan menggunakan regresi linier berganda.
2. Explicit Importance dan Implicit Importance yang telah dihitung dapat diplot
ke dalam diagram kartesius, yang dapat membantu untuk mengidentifikasi
faktor-faktor kepuasan: Satisfiers mendapatkan skor kepentingan yang sangat
rendah, namun menunjukkan pengaruh yang sangat tinggi terhadap kepuasan
pelanggan, Performance Factors adalah atribut kualitas atau dimensi mutu,
yang menunjukkan skor yang bertepatan dengan explicit importance dan
implicit importance, Dissatisfiers dinilai sangat tinggi pada explicit
importance tapi tidak atau hanya memiliki pengaruh yang sangat kecil terhadap kepuasan pelanggan secara keseluruhan.
3. Untuk menunjukkan pembatas antar kuadran, rata-rata hitung dapat digunakan
untuk explicit importance dan implicit importance.
2.7.3 Pemilihan Model Persamaan Terbaik dengan Backward Elimination
Model persamaan terbaik dari regresi linier berganda adalah persamaan regresi yang sederhana, reliabel dan interpretable misalnya: mengandung jumlah
variabel yang relatif sedikit, yang berarti bahwa setiap variabel independen pada persamaan regresi memberikan kontribusi yang signifikan terhadap persamaan
regresi secara keseluruhan.
36
Pemilihan model persamaan terbaik dari sejumlah variabel independen dapat dilakukan dengan prosedur Backward Elimination, yaitu sebagai berikut
Miket, 2001: 58-59: 1.
Cari persamaan regresi yang mengandung semua variabel independen, hitung juga RSS
1
dan MSE
1
, dimana: RSS
1
= Sum of Square Residual dengan semua variabel dalam persamaan. MSE
1
= Mean Square of Error dengan semua variabel dalam persamaan. 2.
Hitung Partial F-test F to remove untuk setiap variabel independen yang masih dalam persamaan.
Partial F F to remove = [RSS
2
-RSS
1
]MSE
1
, dimana: RSS
2
= Sum of Square Residual tanpa satu variabel independen. 3.
Nilai Partial F yang paling kecil
Lowest
F dibandingkan dengan
α
F . Jika
Lowest
F
α
F maka variabel tersebut dihapus dari persamaan, cari persamaan regresi lagi tanpa satu variabel yang dihapus tersebut, lalu kembali ke langkah
2. Jika
Lowest
F
α
F maka persamaan diterima sebagai persamaan terbaik.
2.7.4 Importance Grid
Importance Grid merupakan diagram kartesius yang memperbandingkan antara explicit importance penghitungan dengan arithmetic mean dengan
implicit importance penghitungan dengan regresi linier berganda. Persamaan regresi pada contoh studi kasus adalah:
Y = 9,3 – 0.25 x1 + 0.15 x2 - 0.04 x3 – 0.72 x4 -0.81 x6 + 0.52 x7 – 0.32 x8 Dengan koefisien beta standardized coefficient dan plot grafik:
37
No. Standardized
Coefficient beta 1.
0.347 2.
0.249 3.
0.089 4.
1.260 5.
0.000 6.
1.044 7.
0.625 8.
0.594 Tabel 2.7 Koefisien Beta untuk Studi Kasus
Gambar 2.6 Importance Grid Koefisien beta standardized coefficient didapatkan dari koefisien b
pada regresi linier ganda bila semua atribut ditransformasi ke z-score-nya.
2.7.5 Metode Garis Lurus
