Analisis Pengaruh Kepercayaan, Komitmen, Citra dan Komplain Terhadap Loyalitas Pasien Di Medical Center ITS dengan Structural Equation Modeling – Partial Least Square - ITS Repository
TUGAS AKHIR – SS141501 ANALISIS PENGARUH KEPERCAYAAN,
KOMITMEN, CITRA DAN KOMPLAIN TERHADAP
LOYALITAS PASIEN DI MEDICAL CENTER ITSDENGAN STRUCTURAL EQUATION MODELING –
PARTIAL LEAST SQUARE ANNISA REZKY AYUDYAH BERLINA PUTRI NRP 1313 100 124 Dosen Pembimbing Dr. Vita Ratnasari, S.Si, M.Si PROGRAM STUDI SARJANA
JUDUL
TUGAS AKHIR – SS141501 ANALISIS PENGARUH KEPERCAYAAN, KOMITMEN, CITRA DAN KOMPLAIN TERHADAP LOYALITAS PASIEN DI MEDICALCENTER ITS DENGAN STRUCTURAL EQUATION
MODELING – PARTIAL LEAST SQUARE ANNISA REZKY AYUDYAH BERLINA PUTRI NRP 1313 100 124 Dosen Pembimbing Dr. Vita Ratnasari S.Si, M.Si PROGRAM STUDI SARJANA DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
HALAMAN JUDUL FINAL PROJECT – SS141501 ANALYSIS OF THE INFLUENCE OF TRUST, COMMITMENT, IMAGE AND COMPLAINT AGAINST PATIENT LOYALTY IN MEDICAL
CENTER ITS WITH STRUCTURAL EQUATION
MODELING – PARTIAL LEAST SQUARE ANNISA REZKY AYUDYAH BERLINA PUTRI NRP 1313 100 124 Supervisor Dr. Vita Ratnasari S.Si, M.Si UNDERGRADUATE PROGRAMME DEPARTMENT OF STATISTICSFACULTY OF MATHEMATICS AND NATURAL SCIENCES
SEPULUH NOPEMBER INSTITUTE OF TECHNOLOGY SURABAYA 2017
ANALISIS PENGARUH KEPERCAYAAN,
KOMITMEN, CITRA DAN KOMPLAIN TERHADAP
LOYALITAS PASIEN DI MEDICAL CENTER ITS
DENGAN STRUCTURAL EQUATION MODELING –
PARTIAL LEAST SQUARE
Nama : Annisa Rezky Ayudyah Berlina Putri NRP : 1313100124 Departemen : Statistika Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Abstrak Medical Center ITS (MC ITS) merupakan klinik yang dimiliki
oleh Institut Teknologi Sepuluh Nopember (ITS). Medical Center
ITS melayani pasien dari civitas akademik ITS dan umum. Selain
itu, MC ITS di-harapkan berkembang dan melayani lebih banyak
pasien kedepannya. Salah satu cara yang dilakukan untuk
mengembangkan MC ITS adalah dengan melihat loyalitas pasien.
Loyalitas ini digunakan untuk mengetahui pasien akan kembali
lagi ke klinik atau tidak ketika sakit. Ada beberapa faktor-faktor
yang diduga berpengaruh terhadap loyalitas pasien, yaitu
kepercayaan pasien terhadap suatu klinik, komitmen, dan citra
dari klinik. Selain itu, banyak atau tidaknya komplain diduga
berpengaruh terhadap loyalitas pasien. Oleh sebab itu, pada
penelitian ini dilakukan analisis yang berpengaruh terhadap
loyalitas dengan menggunakan jumlah sampel sebesar 232 pasien
dengan menggunakan metode Structural Equation Modeling
dengan pendekatan PLS. Berdasarkan hasil analisis yang
diperoleh, diketahui bahwa variabel komitmen memiliki nilai
kebaikan model sebesar 0.135 dan pada loyalitas adalah 0.491.
terhadap loyalitas pasien. Variabel kepercayaan berpengaruh
signifikan terhadap komitmen dan variabel citra dan komitmen
ber-pengaruh signifikan terhadap variabel loyalitas. Selain itu,
variabel kepercayaan secara tidak langsung berpengaruh
signifikan terhadap loyalitas dengan melalui komitmen. Selain itu,,
kepercayaan pada suatu klinik menimbulkan rasa komitmen
sehingga berdampak pada sikap loyalitas pasien.
Kata Kunci — Citra, Kepercayaan, Komitmen, Komplain,
Loyalitas, Medical Center ITS, SEM-PLS
ANALYSIS OF THE INFLUENCE OF TRUST,
COMMITMENT, IMAGE AND COMPLAINT
AGAINST PATIENT LOYALTY IN MEDICAL
CENTER ITS WITH STRUCTURAL EQUATION
MODELING – PARTIAL LEAST SQUARE
TIMUR)
Name : Annisa Rezky Ayudyah Berlina Putri Student’s : 1313100124 Number Department : Statistics Supervisor : Dr. Vita Ratnasari, S.Si, M.Si Abstract Medical Center ITS (MC ITS) is a clinic owned by Institut
Teknologi Sepuluh Nopember (ITS). Medical Center ITS serving
patients from public and academic civitas ITS. In addition, MC ITS
expected to grow and serve more patients in the future. One of the
ways to develop MC ITS is loyalty to look at the patient. The loyalty
it used to know that patients will return to the clinic or not when
they sick. There are several factors thought that affect patient
loyalty, there are trust of the patient to a clinic, commitment, and
image of the clinic. In addition, many or whether the complaint
alleged effect on patient loyalty. Therefore, in the study conducted
an analysis of the influence on loyalty by using a total sample of
232 patients by using of Structural Equation Modeling approach
to PLS method. Based on the results of analysis is obtained, it is
known that the variable has a value of model fit commitment was
0135 and the value of loyalty was 0491. In addition, variable of
complaint not significant against patient loyalty. The trust of
influential variables significantly to commitment and commitment
addition, the variable trust indirectly effect significantly to loyalty
through commitment. Therefore, the belief in a clinical sense of
commitment so as to cause an impact on the attitude of patient
loyalty.
Keywords —Commitment, Complaint, Loyalty, Medical Center
ITS, SEM-PLS, Trust
KATA PENGANTAR
Puji syukur senantiasa penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat, hidayah dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul
“Analisis Pengaruh Kepercayaan, Komitmen, Citra dan
Komplain Terhadap Loyalitas Pasien Di Medical Center ITS
dengan Structural Equation Modeling – Partial Least Square”
dengan lancar dan tepat waktu.Segala kerendahan hati penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Ibu Dr. Vita Ratnasari, S.Si, M.Si selaku dosen pembimbing yang senantiasa memberikan ilmu, perhatian, bimbingan dalam menyelesaikan Tugas Akhir semoga senantiasa diberkahi oleh-Nya.
2. Ibu Dra. Ismaini Zain, M.Si dan Bapak Imam Safawi A., S.Si, M.Si selaku tim penguji yang telah memberikan ilmu, kritik dan saran membangun untuk kesempurnaan Tugas Akhir ini.
3. Bapak Dr. Suhartono, M.Sc selaku Ketua Departemen Statistika ITS dan Bapak Dr. Sutikno, S.Si, M.Si selaku Ketua Prodi S1 Statistika yang telah memfasilitasi penulis selama menuntut ilmu di Jurusan Statistika ITS.
4. Kedua orang tuaku Papa, Mama yang telah melimpahkan kasih sayang serta memberikan motivasi dan doa kepada penulis, serta adek saya Febbyan Reza yang telah memberikan semangat kepada penulis, serta teman-teman terdekat (Mira, Bila, Firda, Yani, Indah, Fauzi) yang telah membantu dalam proses penulisan Tugas Akhir.
Surabaya, Agustus 2017 Penulis
(Halaman ini sengaja dikosongkan)
DAFTAR ISI
Halaman
HALAMAN JUDUL ................................................................. i
PAGE OF TITLE..................................................................... iii
LEMBAR PENGESAHAN ...................................................... v
ABSTRAK ............................................................................. vii
ABSTRACT ............................................................................ ix
KATA PENGANTAR ............................................................. xi
DAFTAR ISI ......................................................................... xiii
DAFTAR GAMBAR .............................................................. xv
DAFTAR TABEL ................................................................ xvii
DAFTAR LAMPIRAN ......................................................... xix
BAB I PENDAHULUAN1.1 Latar Belakang ................................................................... 1
1.2 Rumusan Masalah .............................................................. 3
1.3 Batasan Masalah................................................................. 4
1.4 Tujuan ................................................................................ 4
1.5 Manfaat............................................................................... 4
BAB II TINJAUAN PUSTAKA
2.1 Statistika Deskriptif ............................................................ 5
2.2 Structural Equation Modeling............................................. 5
2.2.1 Model Pengukuran ................................................. 5
2.2.2 Model Struktural .................................................... 6
2.3 Structural Equation Modeling Partial Least Square ............ 7
2.3.1 Konseptualisasi Model ........................................... 7
2.3.2 Konstruksi Diagram Jalur ....................................... 7
2.3.3 Konversi Diagram Jalur ke Dalam Sistem Persamaan .............................................................. 8
2.3.4 Estimasi Parameter SEM-PLS ................................ 9
2.3.5 Evaluasi Model .................................................... 11
2.3.6 Resampling Bootstrap .......................................... 12
2.4 Pengaruh Hubungan Tidak Langsung ............................... 14
2.5 Konseptual Hubungan Variabel ......................................... 15
BAB III METODOLOGI PENELITIAN
3.1 Sumber Data ..................................................................... 21
3.2 Metode Pengambilan Sampel ............................................ 21
3.3 Variabel Penelitian ............................................................ 24
3.4 Langkah-langkah Analisis ................................................. 27
3.5 Diagram Alir .................................................................... 29
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Uji Validitias dan Reliabilitas ........................................... 31
4.2 Deskripsi Responden Medical Center ITS ......................... 32
4.2.1 Deskripsi Responden Berdasarkan Identitas .......... 32
4.2.2 Deskripsi Responden Berdasarkan Variabel .......... 36
4.3 Structural Equation Modeling Partial Least Square .......... 45
4.3.1 Evaluasi Model Pengukuran (Outer Model) .......... 45
4.3.1.1 Pengujian Validitas Diagram Jalur ............. 45
4.3.1.2 Pengujian Reliabilitas Diagram Jalur ........ 49
4.3.2 Evaluasi Model Struktural (Inner Model) .............. 49
4.3.3 Pengujian Hipotesis .............................................. 50
4.3.4 Pengaruh Hubungan antar Variabel ....................... 52
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan....................................................................... 55
5.2 Saran ................................................................................ 56
DAFTAR PUSTAKA LAMPIRAN
DAFTAR GAMBAR
Halaman
Gambar 2.1 Konstruksi Diagram Jalur ..................................... 8Gambar 2.2 Pengaruh Hubungan Tidak Langsung .................14Gambar 2.3 Diagram Konsep Jalur ........................................18Gambar 3.1 Diagram Konsep ................................................28Gambar 3.2 Diagram Alir ......................................................30Gambar 4.1 Karakteristik Jenis Kelamin Responden ..............33Gambar 4.2 Karakteristik Pendidikan Terakhir Responden ....33Gambar 4.3 Karakteristik Pekerjaan Responden ....................34Gambar 4.4 Karakteristik Kategori Responden ......................35Gambar 4.5 Karakteristik Poli yang sering dikunjungiResponden .......................................................35
Gambar 4.6 Presentase (%) Responden Setiap IndikatorVariabel Kepercayaan ......................................37
Gambar 4.7 Karakteristik Berdasarkan Nilai Rata-rata VariabelKepecrayaan ....................................................38
Gambar 4.8 Presentase (%) Responden Setiap IndikatorVariabel Citra ...................................................39
Gambar 4.9 Karakteristik Berdasarkan Nilai Rata-rata VariabelCitra .................................................................40
Gambar 4.10 Presentase (%) Responden Setiap IndikatorVariabel komplain ............................................40
Gambar 4.11 Karakteristik Berdasarkan Nilai Rata-rata VariabelKomplain .........................................................41
Gambar 4.12 Presentase (%) Responden Setiap IndikatorVariabel Komitmen ..........................................42
Gambar 4.13 Karakteristik Berdasarkan Nilai Rata-rata VariabelKomitmen ........................................................43
Gambar 4.14 Presentase (%) Responden Setiap IndikatorVariabel Loyalitas ............................................43
Gambar 4.15 Karakteristik Berdasarkan Nilai Rata-rata VariabelLoyalitas ..........................................................44
Gambar 4.16 Diagram Jalur Tahap I ....................................... 45Gambar 4.17 Diagram Jalur Tahap II ..................................... 46
DAFTAR TABEL
Halaman
Tabel 3.1 Jumlah Sampel Minggu ke-I .................................... 23Tabel 3.2 Jumlah Sampel Minggu ke-II ................................... 23Tabel 3.3 Jumlah Sampel Minggu ke-III ................................. 23Tabel 3.4 Jumlah Sampel Minggu ke-IV ................................. 24Tabel 3.5 Jumlah Sampel Minggu ke-V................................... 24Tabel 3.6 Variabel Identitas Responden .................................. 24Tabel 3.7 Variabel Indikator.................................................... 25Tabel 3.8 Struktur Data Penelitian ........................................... 26Tabel 4.1 Uji Validitas ............................................................ 31Tabel 4.2 Karakteristik Lama Menjadi Pasien Medical CenterITS (Tahun) ............................................................ 36
Tabel 4.3 Uji Validitas Diagram Jalur Tahap II ....................... 46Tabel 4.4 Uji Reliabilitas Diagram Jalur .................................. 492 Tabel 4.5 Nilai R ................................................................... 50
Tabel 4.6 Pengujian Hipotesis Antar Variabel Laten................ 51Tabel 4.7 Pengaruh Hubungan antar Variabel .......................... 53
(Halaman ini sengaja dikosongkan)
DAFTAR LAMPIRAN
Halaman Lampiran 1. Kuesioner .......................................................... 61 Lampiran 2. Data Penelitian ................................................ 63 Lampiran 3. Output Pengujian Validitas dan Reliabilitas Pada
Tahap I ............................................................ 66 Lampiran 4. Output Pengujian Validitas dan Reliabilitas Pada
Tahap II .......................................................... 68 Lampiran 5. Output Distribusi Normal ................................... 70 Lampiran 6. Pengujian Validitas Diagram Jalur Tahap I ........ 71 Lampiran 7. Pengujian Validitas Diagram Jalur Tahap II ....... 72 Lampiran 8. Pengujian Reliabilitas Diagram Jalur ................. 73 2 Lampiran 9. Nilai R ............................................................. 73
Lampiran 10. Pengujian Hipotesis ........................................... 73 Lampiran 11. Indirect Effects .................................................. 74 Lampiran 12. Total Effects ...................................................... 74 Lampiran 13. Surat Pernyataan ............................................... 75
(Halaman ini sengaja dikosongkan)
BAB I PENDAHULUAN Latar Belakang
1.1 Pelayanan publik pada dasarnya menyangkut hubungan
antara masyarakat yang membutuhkan dengan lembaga pemberi jasa pelayanan. Aspek yang menyangkut pelayanan publik sangat luas, seperti aspek dalam pendidikan dan aspek kesehatan. Pentingnya pelayanan publik bagi masyarakat membuat kalangan masyarakat, swasta atau negeri membuat pelayanan jasa publik. Menurut Kementerian Pendayagunaan Aparatur Negara Nomor 25 Tahun 2004, menyatakan bahwa segala kegiatan pelayanan dilaksanakan oleh penyelenggara pelayanan publik sebagai upaya pemenuhan kebutuhan penerima layanan dalam rangka pelaksanaan ketentuan peraturan perundang-undangan. Pelayanan publik yang akan diberikan kepada masyarakat harus sesuai dengan yang diharapkan oleh masyarakat. Contoh pelayanan publik yang dapat bersentuhan langsung dengan masyarakat adalah pelayanan publik kesehatan yang salah satunya adalah pelayanan suatu klinik. Menurut peraturan Menteri Kesehatan Republik Indonesia Nomor 28 Tahun 2011 menyatakan bahwa klinik adalah fasilitas pelayanan kesehatan yang menyelenggarakan pelayanan kesehatan perorangan yang menyediakan pelayanan medis dasar dan/atau spesialistik yang diselenggarakan oleh lebih dari satu jenis tenaga kesehatan dan dipimpin oleh seorang tenaga kerja medis.
Menurut Anggraini, Haryono dan Hasiolan (2016) menyatakan bahwa citra perusahaan adalah citra dari suatu organisasi secara keseluruhan. Semakin baik citra suatu perusahaan, maka pasien akan lebih memilih lembaga kesehatan tersebut sebagai pilihan pertama dalam melakukan pengobatan (Suratno, Fathoni, & Andi, 2016). Menurut Putri, Arifin & Wilipo (2016) kepercayaan berpengaruh secara signifikan terhadap loyalitas, sedangkan komitmen suatu pelanggan secara signifikan Science, 2013). Selain itu, komplain atau keluhan pasien berpengaruh negatif terhadap loyalitas pasien di Rumah Sakit X (Puspitasari & Arifianty, 2016). Salah satu indikator yang dapat mengetahui apakah pasien melakukan pengobatan di lembaga kesehatan tersebut kembali atau tidak adalah dengan melakukan analisis citra, kepercayaan, komplain serta komitmen terhadap loyalitas pasien. Penelitian sebelumnya telah dilakukan oleh Silva (2015) yang menyatakan bahwa hubungan kepercayaan dan loyalitas memberikan hasil yang valid sedangkan untuk hubungan komitmen dan loyalitas memberikan hasil yang tidak valid. Selain itu, menurut Rif’adarajad, Sarita dan Balaka (2016) menyatakan bahwa citra RSUD Kabupaten Buton memiliki pengaruh yang paling besar terhadap loyalitas suatu pasien atau mempunyai pengaruh yang signifikan terhadap loyalitas. Penelitian tentang komplain pernah dilakukan oleh Haqi, Wessiani dan Santosa (2011) yang menyatakan bahwa variabel komplain signifikan dan berpengaruh terhadap loyalitas pasien di Rumah Sakit Umum Haji Surabaya, sedangkan pada variabel citra dan kepercayaan tidak signifikan terhadap variabel loyalitas.
Surabaya merupakan salah satu kota terbesar kedua di Indonesia dan merupakan kota yang menerima penghargaan di bidang kesehatan pada tahun 2014 yang diberikan oleh Gubernur Jawa Timur sebagai penghargaan peningkatan kualitas pelayanan dibidang kesehatan (Pemerintah Kota Surabaya, 2015) .Oleh sebab itu, diperlukan sarana kesehatan yang baik untuk dapat meningkatkan bidang kesehatan di kota Surabaya. Sarana pelayanan di bidang kesehatan seperti klinik di Surabaya pada tahun 2012 mempunyai 189 klinik (Dinas Kesehatan Kota Surabaya, 2013) sedangkan pada tahun 2015 mempunyai 291 klinik yang diantaranya adalah 198 klinik pratama, 6 klinik utama rawat inap dan 87 klinik utama (Dinas Kesehatan Kota Surabaya, 2016). Klinik pratama adalah strata klinik yang terbatas yang menyelenggarakan pelayanan medis dasar, sedangkan pada klinik utama merupakan strata klinik yang dapat menyelenggarakan rakan medis dasar. Jika dilihat dari jumlah kunjungan, kunjungan pasien rawat jalan di klinik pada tahun 2012 sebesar 239.587 pasien sedangkan pada tahun 2015 kunjungan pasien di klinik mencapai 513.653 pasien.
Salah satu klinik yang ada di kota Surabaya adalah klinik milik Institut Teknologi Sepuluh Nopember atau yang lebih dikenal sebagai Medical Center ITS yang merupakan salah satu klinik pratama yang ada di Surabaya. Berdasarkan website resmi, Medical Center ITS merupakan pusat pelayanan kesehatan untuk civitas akademika ITS dan masyarakat umum. Medical Center ITS melayani unit rawat jalan yang melaksanakan pelayanan pemeriksaan, tindakan medis, penunjang medis dan rujukan. Selain itu, Institut Teknologi Sepuluh Nopember merupakan universitas yang di bidangnya tidak mempunyai jurusan kedokteran atau jurusan yang berkaitan dengan kesehatan.
Oleh sebab itu, pada penelitian ini dilakukan analisis pada citra, kepercayaan dan komitmen, terhadap sikap loyalitas pasien di Medical Center ITS. Hal ini dikarenakan Medical Center ITS bukan merupakan klinik yang dimiliki oleh universitas yang tidak memiliki jurusan di bidang kesehatan, sehingga peneliti ingin mengetahui sikap loyalitas pasien yaitu kembali lagi ke klinik atau tidak ketika sakit. Metode yang akan digunakan dalam analisis ini menggunakan metode Structual Equation Modeling Partial Least
Square (SEM-PLS). Metode SEM-PLS ini digunakan untuk me-
nganalisis hubungan antara atribut-atribut penunjang sistem pelayanan yang ada dan pengaruhnya terhadap seorang pasien. Selanjutnya, hasil penelitian ini diharapkan dapat memberikan informasi yang dapat digunakan oleh manajemen Medical Center
ITS dengan melakukan evaluasi terhadap kebijakan-kebijakan yang kedepannya dapat mengembangkan kualitas pelayanan sehingga pelayanan yang diberikan maksimal.
1.2 Rumusan Masalah
Perumusan masalah yang digunakan dalam penelitian ini karakteristik pasien Medical Center ITS. Selain itu, bagaimana mengetahui apa saja yang berpengaruh terhadap sikap loyalitas pasien berdasarkan citra, kepercayaan, komitmen serta komplain pasien dengan menggunakan SEM-PLS.
1.3 Batasan Masalah
Penelitian ini dibatasi dengan model diagram jalur yang digunakan diambil dari beberapa penelitian sebelumnya.
1.4 Tujuan Tujuan dari penelitian ini adalah sebegai berikut.
1. Mendeskripsikan karakteristik pasien Medical Center ITS.
2. Metode SEM-PLS dapat memberikan gambaran tentang pe- ngaruh sikap loyalitas pasien berdasarkan kepercayaan, ko- mitmen, citra dan komplain pasien berdasarkan SEM-PLS.
1.5 Manfaat
Manfaat yang diharapkan dari hasil penelitian ini adalah Medical Center ITS dapat meningkatkan pelayanan dengan melakukan evaluasi dan perbaikan. Selain itu, sebagai tambahan kajian dan wawasan keilmuwan untuk penelitian selanjutnya terutama di bidang analisis kualitas pelayanan dan loyalitas pasien dengan pendekatan metode SEM-PLS.
BAB II TINJAUAN PUSTAKA Statistika Deskriptif
2.1 Statistika deskriptif merupakan bagian statistika yang
menguraikan metode-metode penyajian data sehingga menarik dan mudah dibaca. Statistika deskriptif sering disebut statistika deduktif yang membahas tentang bagaimana merangkum sekumpulan data dalam bentuk yang mudah dibaca dan cepat memberikan informasi yang disajikan dalam bentuk tabel, grafik, nilai pemusatan dan nilai penyebaran. Dalam statistika deskriptif belum dilakukan analisis sehingga kesimpulan yang dapat ditarik sangat terbatas, yaitu hanya terbatas pada nilai pemusatan dan penyebaran saja (Walpole, 1995).
Structural Equation Modeling
2.2 Pada penggunaan metode Structural Equation Modeling,
maka dibutuhkan beberapa asumsi diantaranya adalah ukuran sampel yang digunakan dalam metode SEM adalah minimal 100 sampel (Ghozali & Fuad, 2005) dan data yang digunakan berdistribusi Multivariat Normal (Johnson & Wichern, 2007). Pada analisis SEM terdapat dua model diantaranya adalah model pengukuran dan model struktural.
2.2.1 Model Pengukuran
Model pengukuran merupakan bagian dari suatu model persamaan struktual yang memberikan gambaran tentang hubungan variabel laten dengan indikator-indikator. Pemodelan pengukuran digunakan untuk mengukur dimensi-dimensi yang akan membentuk sebuah faktor. Model pengukuran memberikan gambaran hipotesis yang sudah ada sebelumnya yaitu hubungan antara indikator-indikator dengan faktor yang akan dievaluasi (Ghozali, 2012). Variabel laten terbagi menjadi dua yaitu laten eksogen yang dilambangkan dengan ξ (ksi) yaitu variabel yang bergantung dan laten endogen adalah variabel bebas yang dilambangkan dengan η (neta). Berikut adalah model pengukuran SEM.
x (2.1)dimana : λ : Loading factor dari model
x : Variabel indikator ξ : Variabel laten δ : Kesalahan pengukuran
Jika dituliskan dalam bentuk matriks dapat dituliskan seperti persamaan berikut.
X Λ ξ δ (2.2)
( 1) p x p k ( ) ( 1) k ( 1) p
dimana :
X
: Vektor indikator
: Matriks loading factor
x ξ : Vektor variabel laten δ
: Vektor kesalahan pengukuran
2.2.2 Model Struktural
Model struktural merupakan hubungan antara variabel laten independen maupun dependen. Model persamaan struktual adalah sebagai berikut (Johnson & Wichern, 2007).
η B η Γ ξ ζ (2.3)
( 1) m ( m m ) ( 1) m ( m n ) (n 1) ( 1) m
dengan lambang η (eta) sebagai variabel laten endogen, lambang B (beta) sebagai matriks koefisien variabel laten endogen. Sedangkan matriks koefesien variabel laten eksogen yang menunjukkan hubungan antara variabel laten endogen dan variabel eksogen dilambangkan dengan Γ (gamma). Selain itu, lambang ξ (ksi) adalah vektor pada variabel laten dan lambang
ζ (zeta) adalah vektor random error.
Structural Equation Modeling Partial Least Square
2.3 Pada Structural Equation Modeling berbasis kovarians
masih terdapat kelemahan yang berdasarkan asumsi parametrik, yang mengharuskan data berdistribusi normal mutlivariate. Partial Least Square (PLS) adalah salah satu metode analisis dalam SEM yang powerfull karena dapat diterapkan dalam semua skala data, tidak membutuhkan asumsi dan tidak harus menggunakan data dengan jumlah sampel besar (Yamin dan Kurniawan, 2011). Kelemahan yang dimiliki oleh metode PLS adalah distribusi data yang tidak diketahui sehingga signifikansi statistik tidak bisa dinilai, tetapi kelamahan ini dapat diatasi dengan menggunakan metode resampling atau bootstrap (Ghozali,2011)
2.3.1 Konseptualisasi Model
Konseptualisasi dilakukan pada tahap pertama ketika melakukan analisis SEM-PLS. Pada tahapan ini dilakukan pengembangan dan pengukuran pada konstruk. Pada tahapan ini perancangan suatu model tidak hanya berbasis teori, tetapi berdasarkan dari penelitian sebelumnya, analogi berdasarkan hubungan antar variabel. Pada konseptualisasi akan dilakukan percancangan pada dua model yaitu model pengukuran dan model struktural.
Variabel laten yang akan digunakan dalam penelitian ini terdapat 5 variabel laten, dengan 3 variabel eksogen dan 2 variabel 1 endogen. Variabel eksogen terdiri dari variabel kepercayaan (ξ ), 2 3 variabel citra (ξ ) dan variabel komplain (ξ ), sedangkan variabel 1 2 komitmen (η ) dan variabel loyalitas (η ) merupakan variabel endogen. Berikut merupakan bentuk hubungan antar variabel secara sistematis.
( )
f1
1
(2.4)
f ( , , , ) 2
1
2
3
1
2.3.2 Konstruksi Diagram Jalur
Diagram jalur dapat dikonstruksi dengan menggunakan
path models. Path models dapat menjelaskan pola hubungan antara sehingga dapat memberikan gambaran hubungan antara konstruk dengan indikatornya dan hubungan antar konstruk. Hal ini digunakan untuk memudahkan peneliti dalam melihat model. Berikut adalah konstruksi jalur secara umum pada Gambar 2.1.
Gambar 2.1 Konstruksi Diagram Jalur2.3.3 Konversi Diagram Jalur ke Dalam Sistem Persamaan
Setelah dilakukan konstruksi diagram jalur, maka selanjutnya adalah mengkonversi diagram jalur ke dalam sistem persamaan pada model pengukuran (Inner Model) dan model struktural (Outer Model).
2.3.3.1 Model Pengukuran
Model pengukuran dilakukan untuk mengetahui hubungan antara indikator dan variabel laten. Berikut adalah model pengu- kuran setelah dilakukan konstruksi diagram jalur secara umum untuk variabel eksogen dan variabel endogen.
X q n q n n q n
X . . .
(2.5)
Y Y p m p m m p m . . .
dengan X merupakan indikator ke-q dari variabel laten eksogen ke-n, sedangkan pada Y adalah indikator ke-p dari varia- bel endogen ke-m.
2.3.3.2 Model Struktural
Model struktural dilakukan untuk mengetahui hubungan antara variabel eksogen dan variabel endogen. Berikut adalah model struktural setelah dilakukan konversi diagram jalur. J J
j jh h jh h jh (2.6) h h j h h j j 1, 1,
dengan η adalah hubungan variabel ekosgen dan variabel jh endongen. Lambang γ adalah hubungan antara variabel endogen dengan variabel endogen lainnya, sedangkan pada β jh adalah hu- bungan antara variabel eksogen ke-j dengan variabel laten endo- gen ke-h.
2.3.4 Estimasi Parameter SEM-PLS
Pendugaan paramater pada PLS meliputi estimasi bobot menghitung data variabel laten dan estimasi jalur (path estimate) yaitu pendugaan koefesien jalur antara variabel laten dan antara variabel laten dengan indikator. Prosedur iterasi dalam alogaritma PLS adalah beberapa langkah seperti berikut (Sanchez,2013).
Pada tahap awal atau tahap (0) dibuat inisialisasi yaitu menentukan nilai sembarang untuk outer weight. Secara sederhana, bobot seluruh indikator dibuat sama yaitu = 1 . Indikator diskalakan untuk memiliki unit variance (mean=0 ; variance=1). Selanjutnya pada tahap (1) setelah diinsialisasi outer weight, maka dilakukan aproksimasi eksternal yang menunjukkan variabel laten adalah penjumlahan dari perkalian bobot dengan indikator sesuai dengan persamaan seperti berikut.
ˆ
Y W X (2.7) j j jk jk
k
Pada tahap ini atau tahap (2) tujuannya adalah menghitung ulang data variabel laten, namun dengan cara yang berbeda yaitu variabel laten sebagai kombinasi linear dari variabel laten yang terkait. Notasinya dapat dituliskan sebagai berikut.
(2.8)
Z e Y
ˆ
Pada menunjukkan bahwa data variabel laten penduga
Z j
yang akan dilakukan estimasi ulang. Pada tanda panah berganda ↔ menunjukkan variabel laten j berhubungan dengan variabel laten i, tanpa memperhatikan j dan i adalah variabel dependen atau independen. Penentuan inner weight diperoleh dari salah satu tiga skema pembobotan yaitu skema centroid, skema faktor dan skema path.
Selanjutnya pada tahap (3), setelah diperoleh inner weight, maka dilakukan estimasi terhadap Z j . Berikutnya pada tahap (4), setelah aproksimasi internal selesai dilakukan selanjutnya adalah memperbarui outer weight. Jika arah indikator adalah reflektif maka untuk mendapatkan outer weight menggunakan regresi linear sederhana antara data variabel laten duga dari step 3 sebagai prediktor dan indikator terhadap variabel respon.
1 w Z Z Z x
( ) (2.9)
jk j j j jk
Keterangan
Z
= Matriks berisi data variabel laten ke-j
j x
= Vektor indikator ke-k variabel laten ke-j
jk w = Outer weight indikator ke-k variabel laten ke-j jk
Tahap (1) sampai dengan tahap (4) dilakukan hingga konvergen. Jika dalam setiap iterasi terdapat S=1,2,3,....,hingga konvergen, penentuan konvergen dapat dilakukan dengan cara jika
outer weight pada iterasi ke-S dikurangi outer weight pada iterasi
-5S-1 bernilai kurang dari 10 . Setelah diperoleh data variabel laten, maka tahapan selanjutnya adalah mengestimasi koefesien jalur menggunakan Ordinary Least Square (OLS) antara variabel laten yang saling terkait seperti berikut.
' 1 '
Y Y Y Y
( ) (2.10) ji i i i j
Pada adalah koefesien jalur yang menghubungan antara
ji data variabel laten ke-i sebagai prediktor. Vektor data variabel
Y laten ke-j dinotasikan sebagai .
j
Selanjutnya adalah mengestimasi loading factor yang didapatkan dari korelasi antara indikator dengan skor laten dengan persamaan sebagai berikut.
ˆ
( , ) (2.11) corr X Y jk jk j
2.3.5 Evaluasi Model
Evaluasi model pada Structural Equation Modeling
Partial Least Square terdapat dua evaluasi yaitu mengevaluasi
model pengukuran (Outer Model) dan model struktural (Inner Model).
1. Evaluasi Model Pengukuran (Outer Model) Pada model pengukuran, evaluasi dilakukan dengan melihat nilai validitas dan reliabilitas. Pengujian pada validitas dilakukan dengan melihat Convergent Validity. Convergent Validity dapat dilakukan dengan melihat nilai standardize loading factor (λ).
Nilai pada standardize loading factor digunakan untuk melihat besarnya korelasi antara setiap item pengukuran dengan konstraknya (variabel laten). Nilai loading factor lebih dari 0.7 dapat dikatakan ideal, yang berarti indikator tersebut signifikan sebagai indikator yang mengukur variabel laten. Apabila nilai
standardize loading factor kurang dari 0.5, maka harus dikeluarkan
dari model (Chin, 1998).Selain itu, untuk mengetahui variabel laten sudah reliabel dapat dilihat dengan menggunakan nilai Composite Reliability.
Composite Reliability adalah blok indikator yang mengukur suatu
konstruk untuk dapat dievaluasi dengan ukuran internal
consistency. Rumus untuk menghitung Composite Reliability
adalah sebagai berikut.
J
2 jk
(2.12)
k
1 c J J2
e var( ) jk jk k
1 k
1 Dimana adalah komponen loading factor ke-k pada variabel laten yang diperoleh dari persamaan (2.8) dan .= 1 − Ukuran ini dapat diterima tingkat keandalannya jika koefesien variabel laten eksogen lebih dari 0.7. (Chin,1998)
2. Evaluasi Model Struktural (Innner Model) Ukuran-ukuran statistik yang digunakan untuk mengevaluasi 2
inner model terdapat dua yaitu R-Square (R ) dan Q-Square
2 2 2 Predictive Relevance (Q ). Nilai R sama seperti nilai R dalamregresi linear yaitu besarnya variabilitas pada variabel endogen 2 yang mampu dijelaskan oleh variabel eksogen. Nilai R dapat 2 diklasifikasikan menjadi 3 bagian yaitu, jika nilai R bernilai 2 kurang dari 0.30 maka dapat dikatakan rendah. Pada nilai R yang berada diantara 0.30 sampai dengan 0.60 maka dapat dikatakan 2 2 cukup, sedangkan nilai R dianggap bernilai tinggi ketika nilai R diatas 0.60 (Sanchez, 2013).
Q-Square Predictive Relevance dapat digunakan untuk validasi 2
kemampuan dalam memprediksi suatu model. Nilai Q dapat 2 diperoleh seperti persamaan berikut dengan menggunakan nilai R yang telah diperoleh sebelumnya.
2
2
2
2
Q 1 (1 R )(1 R )...(1 R ) (2.13)
1
2
2 pJika nilai Q lebih besar dari 0 dan semakin mendekati nilai 1, maka dapat dikatakan bahwa model struktual sudah fit dengan data atau dengan kata lain bahwa memiliki prediksi yang relevensi (Ghozali,2011)
2.3.6 Resampling Bootstrap
Metode Bootstrap dikembangkan oleh Efron (1979) yang digunakan untuk membantu ketidakandalan yang berhubungan dengan kesalahan penggunaan distribusi normal dan penggunaan- memiliki sifat yang mirip dengan data asli dengan cara menggunakan informasi dari data asli dan memperhatikan sifat- sifat data asli. Metode resampling pada PLS dengan sampel kecil menggunakan Bootstrap standard error untuk menilai level signifikansi dan memperoleh kestabilan estimasi model pengukuran dan model struktural dengan mencari estimasi dari
standard error. Prosedur Bootstrap diawali dengan sampel
Bootstrap x ( , ,..., ) x x x yang diperoleh dari pengambilan
1 2 n
secara acak dengan pengembalian sebanyak n elemen dari sampel awal x x , ,..., x dan diulang sebanyak B kali (Rahmawati E. ,
n 1 2 2014). Estimasi standar error dapat diperoleh sebagai berikut. B * * 2
ˆ ˆ ( ) b (.)
b
1
ˆ(2.14)
- * ˆ ( )
se B
( B 1)
Keterangan
- = Penduga paramater Bootstrap
ˆ (.)
- B = Ukuran sampel Bootstrap Berikut adalah hipotesis yang digunakan.
ˆ ( )b = Penduga paramater Bootrstrap saat b=1,2,...,B
Hipotesis untuk outer model. Hipotesis i H : λ = 0 (indikator ke-i bukan pembentuk variabel laten) H 1 : λ i
≠ 0 (indikator ke-i pembentuk variabel laten)
Statistik Uji
i
T Statistics (2.15)
SE i
Hipotesis untuk inner model. Hipotesis j H : β = 0 (variabel endogen ke-j tidak mempengaruhi variabel endogen) H 1 : β j ≠ 0 (variabel endogen ke-j mempengaruhi variabel endogen)
j
T Statistics (2.16)
SE j
Hipotesis H : = 0 (variabel eksogen ke-k tidak mempengaruhi 1 variabel endogen)
H : = 0 (variabel eksogen ke-k mempengaruhi variabel endogen)
k
T Statistics (2.17)
SE k
Kriteria penolakan hipotesis menggunakan nilai T-
Statistics dan P-Value. Jika alpha yang digunakan 5%, maka tolak
H apabila T-Statistics > 1.96 dan P-Value < alpha (0.05).Pengaruh Hubungan Tidak Langsung
2.4 Menurut Baron dan Keny (1986) suatu variabel disebut
variabel intervening atau mediasi yaitu jika variabel tersebut ikut mempengaruhi hubungan antara variabel independen dengan dependen.