Metode Pengumpulan Data Metode Analisis

program LISREL 8.8. Menurut Bagozzi dan Fornell 1982 dalam Ghozali dan Fuad 2005:3 SEM merupakan generasi kedua teknik analisis multivariate . SEM mempunyai metode yang mirip dengan gabungan pengolahan data yang menggunakan factor analysis analisis faktor dan multiple regression analysis analisis regresi berganda. Menurut Bollen 1989 dalam Ghozali dan Fuad 2005:3 menyatakan bahwa tidak seperti analisis multivariate biasa analisis faktor dan analisis regresi berganda, SEM dapat menguji secara bersama-sama: a. Model pengukuran yaitu hubungan nilai loading antara indikator dengan konstruk variabel laten. Model pengukuran disebut juga sebagai Confirmatory Factor Analysis CFA Wijanto, 2008:25. Tahap ini bertujuan untuk menguji kelayakan, yakni reliabilitas dan validitas tiap-tiap indikator untuk tiap konstruk. Menurut Wijanto 2008:64-65 validitas berhubungan dengan apakah suatu variabel mengukur apa yang seharusnya diukur. Sedangkan Reliabilitas adalah konsistensi suatu pengukuran. Kriteria yang digunakan dalam pengujian ini yaitu: 1 Nilai t muatan faktornya loading factors lebih besar dari nilai kritis atau ≥ 1.96 atau untuk praktisnya ≥ 2 2 Muatan faktor standarnya standardized loading factors ≥ 0.70 Sementara itu, Igbaria et.al. 1997 yang menggunakan guidelines dari Hair et.al. 1995 dalam Wijanto 2008:65,139, menyatakan bahwa muatan faktor standar ≥ 0.50 adalah very significant, jika lebih kecil dari batas kritikal tersebut variabel teramati tersebut bisa dihapuskan dari model. 3 Nilai Construct Reliability CR-nya ≥ 0.70 dan nilai Variance Extracted VE-nya ≥ 0.50. Reliabilitas komposit suatu konstruk dihitung sebagai berikut: Construct Reliability = j 2 2 e loading . std loading . std Σ + Σ Σ Dimana std. loading standardized loadings dapat diperoleh secara langsung dari keluaran program LISREL, dan e j adalah measurement error untuk setiap indikator atau variabel teramati Sedangkan ekstrak varian merupakan cerminan dari jumlah keseluruhan dalam indikator-indikator variabel-variabel teramati yang dijelaskan oleh variabel laten. Ukuran ekstrak varian dapat dihitung sebagai berikut Fornel dan Larker, 1981 dalam Wijanto 2008:66: Variance Extracted = j 2 2 e loading . std loading . std Σ + Σ Σ Atau Hair et.al.:2007 dalam Wijanto 2008:66: Variance Extracted = N loading . std 2 Σ Dimana N adalah banyaknya variabel teramati dari model pengukuran. Analisis faktor atau factor analysis dalam CFA ini sedikit berbeda dengan analisis faktor yang digunakan pada statistikmultivariat, dimana pada CFA model dibentuk lebih dahulu, jumlah variabel laten ditentukan oleh analis, setiap konstruk telah ditetapkan indikator- indikatornya terlebih dahulu berdasarkan teori yang digunakan. Sedangkan, analisis faktor pada statistikmultivariat lebih kepada exploratory factor analysis. Wijanto, 2008:25. Muatan-muatan faktor atau faktor loadings yang menghubungkan variabel laten dan variabel teramati diberi notasi λ lambda, dimana pada sisi x adalah Lambda x dan sisi y adalah Lambda y. b. Model struktural yaitu hubungan antara konstruk 1 independen dan dependen. Dalam tahap ini, tiap konstruk dan indikator yang telah diuji validitas dan reliabilitasnya pada tahap measurement model siap untuk diolah kembali. Tahap ini bertujuan untuk mengestimasi secara simultan model struktural structural model, sehingga akan terlihat hubungan antar variabel bebas dan terikat, serta kualitas pengukuran dari nilai muatan faktor dari masing-masing konstruk dan indikator. Parameter yang menunjukkan regresi variabel laten endogen pada variabel laten eksogen diberi label huruf Yunani γ gamma. Parameter yang menunjukkan regresi variabel laten endogen pada variabel laten endogen yang lain diberi label huruf Yunani β beta. 1 Yaitu variabel laten unobservedvariabel yang tidak dapat diukur secara langsung dan memerlukan beberapa indikator atau proksi untuk mengukurnya. Menurut Bollen 1989 dalam Ghozali dan Fuad 2005:3 digabungkannya pengujian model pengukuran dan struktural tersebut memungkinkan peneliti untuk menguji kesalahan pengukuran mesurement error sebagai bagian yang tidak terpisahkan dari Structural Equation Modeling dan melakukan analisis faktor bersamaan dengan pengujian hipotesis. 2. Model Umum SEM Menurut Wijanto 2008:22, untuk mengestimasi parameter model, digunakan model LISREL yang merupakan model SEM yang sangat populer. Secara matematis, model umum SEM adalah sebagai berikut : a. Structural Model Model Struktural ζ βη η + Γ + = b. Measurement Model Model Pengukuran 1 Model Pengukuran untuk y y = y Λ ε η + 2 Model Pengukuran untuk x x = x Λ δ ξ + c. Dengan asumsi : 1 ζ tidak berkorelasi dengan ξ 2 ε tidak berkorelasi dengan η 3 δ tidak berkorelasi dengan ξ 4 ζ , ε dan δ tidak saling berkorelasi mutual uncorrelated d. Di mana : 1 Variables: a η eta adalah latent endogenous variables b ξ ksi adalah latent exogenous variables c ζ zeta adalah latent errors in equations d y adalah observed indicator of η e x adalah observed indicators of ξ f ε epsilon adalah measurement errors for y g δ delta adalah measurement errors for x 2 Coefficients : a β beta adalah coeficient matrix for latent endogenous variables. b Γ gamma adalah coeficient matrix for latent exogenous variables. c y Λ lambda y adalah coeficient matrix relating y to η d x Λ lambda x adalah coeficient matrix relating x to ξ 3 Covariance Matrix a Φ phi adalah covariance matrix of ξ b Ψ psi adalah covariance matrix of ζ c ε Θ theta-epsilon adalah covariance matrix of ε d δ Θ theta-delta adalah covariance matrix of δ 3. Model dan Pengukurannya Dalam penelitian ini akan diusulkan model-model penelitian sebagai berikut: a. Model kausal di antara variabel-variabel laten. Pembentukan model ini berdasarkan penggabungan variabel etiket, komunikasi, komitmen dan kepercayaan, dimana: x 1 = sikap dan perilaku = λ 1 etiket+ δ 1 x 2 = penampilan = λ 2 etiket + δ 2 x 3 = cara berpakaian = λ 3 etiket + δ 3 x 4 = komunikasi dua arah = λ 4 komunikasi + δ 4 x 5 = komunikasi formal = λ 5 komunikasi + δ 5 x 6 = komunikasi tanpa tekanan = λ 6 komunikasi + δ 6 x 7 = wujud komitmen = λ 7 komitmen + δ 7 x 8 = konsistensi bank = λ 8 komitmen + δ 8 x 9 = tidak bersikap oportunis = λ 9 komitmen + δ 9 y 1 = memiliki kredibilitas = λ 10 kepercayaan kepada bank + ε 1 y 2 = kepedulian = λ 11 kepercayaan kepada bank + ε 2 y 3 = dapat diandalkan = λ 12 kepercayaan kepada bank + ε 3 Path Diagram hubungan kausal di antara variabel-variabel laten, dapat dilihat pada gambar 3.1 di halaman berikut ini: b. Model etiket ETIKET Model ini merupakan model CFA Confirmatory Factor Analysis yang memiliki satu variabel laten yaitu variabel etiket karyawan bank. Variabel ini merupakan variabel eksogen yang memiliki tiga indikator atau variabel teramati observed variabel. Persamaan struktural model etiket adalah sebagai berikut: x = x Λ δ ξ + x = , 1 x , 2 x 3 x ξ = 1 ξ x Λ = , 1 λ , 2 λ 3 λ δ = , 1 δ , 2 δ 3 δ Variabel laten 1 ξ mewakili etiket karyawan bank. Variabel ini memiliki tiga indikator berupa variabel teramati, yaitu: 1 Variabel teramati x 1 adalah karyawan bank tidak pernah mengobrol dengan sesama karyawan pada saat melayani nasabah SKP. 2 Variabel teramati x 2 adalah karyawan bank bersikap ramah dan sopan SPN. 3 Variabel teramati x 3 adalah penampilan karyawan bank selalu rapi CR PAKAI. Adapun gambar model etiket karyawan bank dapat dilihat pada gambar 3.2 berikut ini: 1 δ 1 λ 2 δ 2 λ 3 δ 3 λ Gambar 3.2. Path Diagram Model Etiket Sumber: data olahan penulis dari berbagai sumber c. Model komunikasi KOM Model ini merupakan model CFA Confirmatory Factor Analysis yang memiliki satu variabel laten yaitu variabel komunikasi. Variabel ini merupakan variabel eksogen yang memiliki tiga indikator atau variabel teramati observed variabel. Persamaan struktural model komunikasi adalah sebagai berikut: X = x Λ δ ξ + x = , x 4 , x 5 x 6 ξ = 2 ξ x Λ = , 4 λ , 5 λ 6 λ δ = , 4 δ , 5 δ 6 δ Variabel laten 2 ξ mewakili komunikasi. Variabel ini memiliki tiga indikator berupa variabel teramati, yaitu: CR PAKAI X 3 SPN X 2 ETIKET 1 ξ SKP X 1 1 Variabel teramati x 4 adalah setiap kali nasabah menghadapi masalah, bank akan memberikan perhatian terhadap penyelesaian masalah tersebut KOM 2 AR. 2 Variabel teramati x 5 adalah karyawan bank selalu menggunakan bahasa yang mudah dimengerti dan jelas KOM FORM. 3 Variabel teramati x 6 adalah selama berkomunikasi dengan nasabah, karyawan bank tidak melakukan penekanan kebijakan yang dapat merugikan orang lain KOM TNTK. Adapun gambar model etiket karyawan bank dapat dilihat pada gambar 3.3 berikut ini: 4 δ 4 λ 5 δ 5 λ 6 δ 6 λ Gambar 3.3. Path Diagram Model Komunikasi Sumber: data olahan penulis dari berbagai sumber d. Model komitmen KOMIT Model ini merupakan model CFA Confirmatory Factor Analysis yang memiliki satu variabel laten yaitu variabel komitmen. Variabel ini merupakan variabel eksogen yang memiliki tiga indikator atau variabel teramati observed variabel. KOM TNTK X 6 KOM FORM X 5 KOM 2 ξ KOM 2AR X 4 Persamaan struktural model komitmen adalah sebagai berikut: x = x Λ δ ξ + x = , x 7 , x 8 x 9 ξ = 3 ξ x Λ = , 7 λ , 8 λ 9 λ δ = , 7 δ , 8 δ 9 δ Variabel laten 3 ξ mewakili komitmen. Variabel ini memiliki tiga indikator berupa variabel teramati, yaitu: 1 Variabel teramati x 7 adalah bank dapat menyelesaikan masalah yang dihadapi nasabah dengan sungguh – sungguh WJD KOMT. 2 Variabel teramati x 8 adalah bank dapat memberikan pelayanan kepada nasabah sesuai dengan jangka waktu yang dijanjikan KONSIST. 3 Variabel teramati x 9 adalah karyawan bank tidak pernah memanfaatkan nasabah, dengan meminta imbalan atau janji tertentu kepada nasabah TK OPORT. Adapun gambar model komitmen dapat dilihat pada gambar 3.3 berikut ini: 7 δ 7 λ 8 δ 8 λ 9 δ 9 λ Gambar 3.4. Path Diagram Model Komitmen Sumber: data olahan penulis dari berbagai sumber e. Model kepercayaan kepada bank KPECAYA Model ini merupakan model CFA Confirmatory Factor Analysis yang memiliki satu variabel laten yaitu variabel kepercayaan. Variabel ini merupakan variabel endogen yang memiliki tiga indikator atau variabel teramati observed variabel. Persamaan struktural model kepercayaan adalah sebagai berikut: y = y Λ ε η + y = , y 1 , y 2 y 3 η = 1 η y Λ = , 10 λ , 11 λ 12 λ ε = , 1 ε , 2 ε 3 ε Variabel laten 1 η mewakili kepercayaan. Variabel ini memiliki tiga indikator berupa variabel teramati, yaitu: TK OPORT X 9 KONSIST X 8 KOMIT 3 ξ WJD KOMT X 7 1 Variabel teramati y 1 adalah bank selalu memenuhi pelayanan yang dijanjikan KREDIBL. 2 Variabel teramati y 2 adalah nasabah selalu merasa kepentingannya lebih diutamakan oleh bank KPEDULI. 3 Variabel teramati y 3 adalah cara karyawan bank melayani nasabah dapat diandalkan ANDAL. Adapun gambar model kepercayaan kepada bank dapat dilihat pada gambar 3.3 berikut ini: 10 λ 1 ε 11 λ 2 ε 12 λ 3 ε Gambar 3.5. Path Diagram Model Kepercayaan Sumber: data olahan penulis dari berbagai sumber 4. Prosedur SEM Prosedur SEM mengandung hipotesis nol : H : Σ = Σ θ Σ adalah matrik kovarian populasi dari variabel teramati. Σ θ adalah matrik kovarian dari variabel yang dispesifikasikan. θ adalah vektor yang berisi parameter-parameter model tersebut. KPECAYA 1 η KREDIBL Y 1 KPEDULI Y 2 ANDAL Y 3 Apabila model yang dispesifikasikan adalah benar, maka matrik kovarian populasi Σ dapat ditulis sebagai kombinasi penjumlahan parameter-parameter yang terdapat pada Σ θ . Tahap-tahap prosedur SEM secara umum untuk CFA Confirmatory Factor Analysis adalah sebagai berikut Wijanto, 2008:174: a. Spesifikasi Model Langkah pertama adalah menspesifikasikan model penelitian yang akan dianalisis. Spesifikasi model secara garis besar adalah sebagai berikut: 1 Mendefinisikan variabel-variabel laten. Yaitu etiket, komunikasi, komitmen, kepercayaan kepada bank. 2 Mendefinisikan variabel-variabel teramati Yaitu sikap dan perilaku, sopan santun dan ramah, cara berpakaian, komunikasi dua arah, komunikasi formal, komunikasi tanpa tekanan, wujud komitmen, konsistensi bank, tidak bersikap oportunitis, memiliki kredibilitas, kepedulian, dapat diandalkan. 3 Mendefinisikan hubungan antara variabel laten dengan variabel- variabel teramati. Yaitu sikap dan perilaku, sopan santun, cara berpakaian merupakan indikatorvariabel teramati dari etiket; komunikasi dua arah, komunikasi formal dan komunikasi tanpa tekanan merupakan indikator dari komunikasi; wujud komitmen, konsistensi bank dan tidak bersikap oportunitis merupakan indikator dari komitmen; memiliki kredibilitas, kepedulian dan dapat diandalkan merupakan indikator dari kepercayaan kepada bank. b. Pengumpulan data Pengumpulan data dilakukan melalui survei data primer sesuai dengan instrumenkuesioner yang dibuat. c. Pembuatan program SIMPLIS Berdasarkan spesifikasi model dan data yang telah tersedia, maka dapat dibuat program SIMPLIS-nya. d. Menjalankan program SIMPLIS dan analisis keluarannya. Program SIMPLIS yang merupakan hasil respesifikasi dijalankan dengan menggunakan LISREL 8.8. Secara garis besar analisis keluaran program SIMPLIS adalah sebagai berikut : 1 Memeriksa adanya offending estimate, seperti negative error variance dan standardized loading factor yang paling sering terjadi adalah lebih besar dari 1.0, serta nilai standard error yang sangat besar. 2 Memeriksa validitas variabel teramati, kriteria validitas yang baik yaitu jika nilai standardized factor loadings muatan faktor standar ≥ 0.70. 3 Menguji kecocokan atau Goodness Of Fit GOF seluruh model pengukuran, yang dapat dilihat pada tabel 3.2 dibawah ini: Tabel. 3.2 Perbandingan Ukuran-Ukuran GOF UKURAN GOF TINGKAT KECOCOKAN YANG BISA DITERIMA ABSOLUTE-FIT MEASURES Statistic Chi-square χ 2 Mengikuti uji statistik yang berkaitan dengan persyaratan signifikan. Semakin kecil semakin baik. Non-Centralilty Parameter NCP Dinyatakan sebagai bentuk spesifikasi ulang dari Chi-square . Penilaian didasarkan atas perbandingan dengan model lain. Semakin kecil semakin baik. Goodness-of-Fit Index GFI Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. GFI 0.90 adalah good-fit, sedangkan 0.80 GFI 0.90 adalah marginal fit. Root Mean Square Error of Approxima-tion RMSEA Rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan dalam sampel. RMSEA 0.08 adalah goodfit, sedangkan RMSEA 0.05 adalah close fit. Expected Cross- Validation Index ECVI Digunakan untk perbandingan antar model. Semakin kecil semakin baik. Pada model tunggal, nilai ECVI dari model yangmendekati nilai saturated ECVI menunjukkan good fit. INCREMENTAL FIT MEASURES Normed Fit Index NFI Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. NFI 0.90 adalah good-fit, sedangkan 0.80 NFI 0.90 adalah marginal fit. Comparative Fit Index CFI Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. CFI 0.90 adalah good-fit, sedangkan 0.80 CFI 0.90 adalah marginal fit. Incremental Fit Index IFI Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. IFI 0.90 adalah good-fit, sedangkan 0.80 IFI 0.90 adalah marginal fit. Relative Fit Index RFI Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. RFI 0.90 adalah good-fit, sedangkan 0.80 RFI 0.90 adalah marginal fit. Adjusted Goodness of Fit Index AGFI Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. AGFI 0.90 adalah good-fit, sedangkan 0.80 AGFI 0.90 adalah marginal fit. Sumber: Wijanto 2008:61-62 4 Menganalisis reliabilitas model pengukuran, dengan menghitung nilai construct reliability CR dan variance extracted VE dari nilai-nilai standardized loading factors dan error variances melalui rumus-rumus sebagai berikut: Construct reliability = j e loading std loading std Σ + Σ Σ 2 2 . . Variance extracted = j e loading std g loading std Σ + Σ Σ 2 2 . . . e. Respesifikasi model penelitian dan perubahan program SIMPLIS. Respesifikasi dilakukan ketika ada offending estimates, validitas model yang belum baik, kecocokan keseluruhan model yang belum cukup baik dan reliabilitas model yang belum baik. Untuk melaksanakan respesifikasi model, kita melakukan perubahan pada program SIMPLIS sesuai dengan kebutuhan respesifikasi.

E. Batasan Operasional Variabel

Variabel adalah segala sesuatu yang dapat diberi berbagai macam nilai Indriantoro dan Supomo, 2002:61. Dalam penelitian ini variabel-variabel itu adalah: 1. Variabel Eksogen Variabel eksogen adalah variabel yang menjelaskan atau mempengaruhi variabel lain. Variabel eksogen dalam penelitian ini adalah etiket, komunikasi dan komitmen. 2. Variabel Endogen Variabel endogen adalah variabel yang dijelaskan atau dipengaruhi oleh variabel bebas. Variabel endogen dalam penelitian ini adalah kepercayaan kepada bank. Tabel. 3.1 Operasional Variabel Variabel Indikator Pernyataan Variabel Eksogen a. Sikap dan perilaku Selama memberikan pelayanan, karyawan bank tidak mengobrol dengan sesama karyawan. b. Sopan santun dan ramah Karyawan bank bersikap ramah dan sopan. 1. Etiket c. Cara berpakaian Penampilan karyawan bank selalu rapi. 2. Komunikasi d. Komunikasi dua arah Setiap kali nasabah menghadapi masalah, bank akan memberikan perhatian terhadap penyelesaian masalah tersebut. e. Komunikasi formal Karyawan bank selalu menggunakan bahasa yang mudah dimengerti dan jelas. f. Komunikasi tanpa tekanan Selama berkomunikasi dengan nasabah, karyawan bank tidak melakukan penekanan kebijakan yang dapat merugikan orang lain. 3. Komitmen g. Wujud komitmen Bank menyelesaikan masalah yang dihadapi nasabah dengan sungguh- sungguh. h. Konsistensi bank Bank memberikan pelayanan kepada nasabah sesuai dengan jangka waktu yang dijanjikan. i. Tidak bersikap oportunitis Karyawan bank tidak pernah memanfaatkan nasabah, dengan meminta imbalan atau janji tertentu kepada nasabah. Variabel Endogen j. Memiliki kredibilitas Bank selalu memenuhi pelayanan yang dijanjikan atau sesuai dengan harapan nasabah. k. Kepedulian Nasabah selalu merasa kepentingannya lebih diutamakan oleh bank. 4.Kepercayaan Kepada Bank l. Dapat diandalkan Cara karyawan bank melayani nasabah dapat diandalkan. Sumber: data olahan penulis dari berbagai sumber Seluruh pernyataan-pernyataan yang digunakan untuk mengukur variabel- variabel eksogen dan variabel endogen, diukur dengan menggunakan skala Likert 5 jenjang, dimana responden diminta untuk menyatakan sikap dengan menandai pernyataan sangat setuju hingga gradasinya menjadi sangat tidak setuju. Skala ini menggunakan ukuran ordinal yang oleh karenanya hanya akan membentuk ranking. Dari jawaban responden tersebut, semuanya masih merupakan data kualitatif yang nantinya data tersebut akan dikuantitatifkan.