1

Abstrak— Dalam menghadapi persaingan dengan perusahaan-perusahaan lain maka mengoptimalkan tenaga penjualan (marketer) merupakan salah satu cara yang dapat ditempuh oleh perusahaan. Tenaga penjualan (marketer) sebagai peran yang berhubungan langsung dengan pelanggan akan menentukan juga pada keputusan pelanggan untuk membeli barang/jasa tersebut. Oleh karena itu kepuasan pelanggan terhadap tenaga penjualan (marketer) sangat bermanfaat bagi perusahaan karena juga akan berdampak besar terhadap keputusan pembelian pelanggan Sebagai perusahaan yang bergerak di bidang properti. Developer Perumahan “X” juga perlu dalam meningkatkan kepuasan konsumen agar produk dapat terjual sesuai dengan target yang diharapkan. Pada penelitian Liu [14] Menghasilkan bahwa beberapa variabel yang mempengaruhi kepuasan adalah kompetensi,komunikasi dan kepercayaan. Sedangkan pada penelitian Foster [21] menjelaskan bahwa kepuasan akan berdampak pada pemberian rekomendasi. Pada variabel kepuasan dihasilkan koefisien determinasi (R2) adalah 0.608966, yang artinya besar keragaman variabel endogen yang dapat dijelaskan oleh variabel eksogen sudah cukup baik. Sedangkan pada variabel rekomendasi dihasilkan koefisien determinasi (R2) adalah 0.685652 yang artinya besar keragaman variabel endogen yang dapat dijelaskan oleh variabel eksogen sangat baik.

Kata kunci: Tenaga Penjualan, SEM PLS, Bootstraps, Kepuasan, Rekomendasi

I. PENDAHULUAN etatnya persaingan antar perusahaan dalam era ekonomi global menuntut perusahaan termasuk di

dalamnya tenaga penjualan (marketer) untuk selalu menjadi yang terdepan dan terbaik dalam memberikan pelayanan yang memuaskan kepada konsumen Mulatsih [1]. Salah satu bagian dari manajemen pemasaran yang sering dipandang sebagai bagian yang cukup penting dalam menunjang keberhasilan perusahaan adalah tenaga penjualan (marketer) Mulatsih [1].

Selain itu setiap perusahaan juga dituntut untuk memiliki kemampuan dalam mengembangkan pilihan-pilihan strategic-nya di bidang pemasaran sehingga mampu beradaptasi di dalam lingkungan yang bergerak dinamis [2].

Penelitian Frankwick [3] didalam penelitian susetyaningsih [2] menjelaskan bahwa pertumbuhan pendapatan (revenue growth) dari penjualan produk dan jasa sangat tergantung dari kemampuan menarik pelanggan baru. Dalam menjalin hubungan jangka panjang yang baik dengan pelanggan, maka setiap perusahaan harus menjalin

komunikasi yang baik dengan para pelanggan sehingga pelanggan merasa nyaman terhadap perusahaan tersebut.

Penelitian yang dilakukan oleh Yim [4] memberda-yakan tenaga penjualan (marketer) akan membuat hubungan jangka panjang yang baik dengan pelanggan yang akan berdampak pada pendapatan perusahaan tersebut itu sendiri. Dalam menghadapi persaingan dengan perusahaan-perusahaan lain maka mengoptimalkan tenaga penjualan (marketer) merupakan salah satu cara yang dapat ditempuh oleh perusahaan. Tenaga penjualan (marketer) sebagai peran yang berhubungan langsung dengan pelanggan akan menentukan juga pada keputusan pelanggan tersebut membeli barang/jasa tersebut.

Pada penelitian ini akan dikembangkan pola hubungan antara kompetensi, kepercayaan, dan komunikasi terhadap kepuasan serta rekomendasi terhadap tenaga penjualan (marketer dengan pendekatan SEM Partial Least Square. Partial least square (PLS) merupakan metode yang cukup baik sebagai alternatif dari SEM. Partial Least Square yang berbasis varians, tidak mengasumsikan data harus berdistribusi tertentu serta dapat digunakan pada berbagai jenis skala data (nominal, ordinal, interval, dan rasio), selain itu pada partial least square (PLS) jumlah minimum sampel dapat lebih sedikit daripada structural equation modeling yakni serendah-rendahnya 30 sampel, sehingga Partial Least square (PLS) dapat digunakan untuk jumlah sampel yang sedikit (kurang dari 100) [5].

II. TINJAUAN PUSTAKA

A. Structural Equation Modeling Structural Equation Modeling (SEM) adalah teknik

analisis statistika yang menggabungkan antara analisis regresi berganda dan analisis faktor untuk mengukur persamaan secara simultan. Pada structural equation modeling (SEM) terdapat dua komponen dasar yang dihasilkan, yaitu (1) model struktural dan (2) model pengukuran [6].

B. Inner Model Model struktural merupakan hubungan antara variabel

laten independen (eksogen) dengan variabel laten dependen (endogen). Menurut Schumaker [7] didalam Yamin [8] model persamaan struktural adalah sebagai berikut.

𝜂 = 𝐵𝜂 + Γ𝜉 + 𝜁 (1) Asumsi dari persamaan model struktural variabel laten :

E 𝜂 = 0, E 𝜉 = 0, E 𝜁 = 0, dan 𝜁 tidak berkorelasi dengan 𝜉 dan (I – B) adalah matrik nonsingular.

Ada beberapa tahap untuk mengevaluasi model struktural antara lain adalah dengan mengevaluasi nilai R2.

Penjelasan nilai R2 sama halnya dengan nilai R2 dalam regresi linier yaitu besarnya variability variabel endogen

ANALISIS PENGARUH TENAGA PENJUALAN(MARKETER) TERHADAP KEPUASAN DAN PENGARUH KEPUASAN TERHADAP REKOMENDASI

DI PERUMAHAN “X” DENGAN METODE STRUCTURAL EQUATION MODELING-PARTIAL LEAST SQUARE

Sharfina Novi Akalili (1), Haryono (2) Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS)

Jl. Arief Rahman Hakim, Surabaya 60111 E-mail: sharfina.akalili@gmail.com1), haryono@statistika.its.ac.id(2),

K

2

yang mampu dijelaskan oleh variabel eksogen. Nilai R2 dapat dihitung dari persamaan berikut.

𝑅! = 1 −  !!  !""#"!!  !"#$%

= 1 − !!!!  !  !!!!!

(!!!!)  !!!!!

(2)

Untuk memvalidasi model secara keseluruhan, maka digunakan goodness of fit (GoF) yang diperkenalkan oleh Tenenhaus [9]. GoF indeks ini merupakan ukuran tunggal yang digunakan untuk memvalidasi performa gabungan antara model pengukuran dan model struktural. Nilai GoF indeks ini diperoleh dari average communalities index dikalikan dengan nilai R2 model. Nilai GoF menunjukkan perbedaan antara nilai-nilai yang diamati dengan nilai yang diperkirakan pada model.

GoF= 𝑐𝑜𝑚  𝑥  𝑅!   (3) C. Outer Model

Permodelan yang ditujukan untuk mengukur dimensi-dimensi yang membentuk sebuah faktor disebut measurement model atau model pengukuran. Model pengukuran merepresentasikan dugaan hipotesis yang sudah ada sebelumnya yaitu hubungan antara indikator-indikator dengan faktornya yang dievaluasi dengan menggunakan teknik analisis faktor konfirmatori atau Confirmatory Factor Analysis (CFA) Kline [10] didalam Yamin [8]. Model pengukuran secara umum sebagai berikut.

𝑌(!"!) = Λ!(!"#)𝜂(!"!) + 𝜀(!"!) (4)  𝑋(!"!) = Λ!(!"#)𝜉(!"!) + 𝛿(!"!) (5)

Dengan asumsi bahwa, 𝐸 𝜀 = 𝐸 𝛿 = 0, 𝜀  tidak berkorelasi dengan 𝜂, 𝜉, dan 𝛿, serta 𝛿 tidak berkorelasi dengan 𝜂, 𝜉, dan 𝜀.

Dalam evaluasi convergent validity dari pemeriksaan individual item reliability, dapat dilihat dari nilai standardized loading factor. Nilai loading factor diatas 0.7 dapat dikatakan ideal, artinya bahwa indikator tersebut dikatakan valid sebagai indikator yang mengukur konstruk. Selain itu evaluasi juga dilakukan dengan melihat nilai composite reliability . Composite reliability menunjukkan nilai-nilai pada indikator telah konsisten / belum dalam mengukur konstruk dengan persamaan sebagai berikut. 𝐶𝑅 =   ( !!

!!!!  )!

!!!!!!  !! !"#(!!)!

!!! (6)

Nilai composite reliability yang baik adalah yang memiliki nilai composite reliability >0.7. Fornell [11] merekomendasikan penggunaan AVE untuk suatu kriteria dalam menilai convergent validity. Nilai AVE minimal 0.5 menunjukkan ukuran convergent validity yang baik. Nilai AVE menunjukkan presentase rata-rata varians yang dapat dijelaskan oleh item konstruk.

𝐴𝑉𝐸 =   !!  !!!!!

!!!! !"#(!!)

!!!!

!!!!

(7)

Discriminant validity dari model reflektif dievaluasi melalui cross loading, kemudian membandingkan nilai AVE dengan kuadrat nilai korelasi antar konstruk (atau membandingkan akar AVE dengan korelasi antar konstruk). Ukuran cross loading adalah membandingkan korelasi indikator dengan konstruknya dan konstruk dari blok lainnya.

D. Confirmatory Factor Analysis Confirmatory factor analysis diterapkan untuk

menguji/mengkonfirmasi faktor yang terbentuk

sebelumnya.Model persamaan pada confirmatory factor analysis adalah sebagai berikut. 𝜒 =  Λ𝜉 + 𝜀 (8)

Tujuan confirmatory factor analysis adalah mengkonfirmasi atau menguji model, yaitu model pengukuran yang perumusannya berasal dari teori yang yang telah ada sebelumnya [6].

E. Kompetensi Tenaga Penjualan Kompetensi tenaga penjualan (marketer) menurut French

di dalam Kristina [12] adalah suatu bentuk pengetahuan yang dimiliki oleh tenaga penjualan (marketer) yang nantinya akan berpengaruh pada hubungan bisnis.

F. Komunikasi dengan Tenaga Penjualan Komunikasi tenaga penjualan (marketer) yang baik

terhadap pelanggan akan membuat pelanggan menjadi puas dan berdampak positif bagi pemasaran barang / jasa tersebut. Berdasarkan hasil penelitian Mumel [13] menje-laskan bahwa terdapat hubungan erat antara aktivitas komunikasi tenaga penjualan (marketer) dengan dua hal peningkatan performa bisnis yaitu pemasukan dan kepuasan yang berimplikasi pada loyalitas pelanggan.

G. Kepercayaan terhadap Tenaga Penjualan Didalam konsep relationship selling, tenaga penjualan

(marketer) perlu memfokuskan suatu kepercayaan dan keramahan yang dapat menjamin hubungan antara pembeli dan penjual Jolson didalam Kristina [12]. Kepercayaan pada tenaga penjualan (marketer) membutuhkan suatu rasa percaya bahwa tenaga penjualan (marketer) dapat dipercaya perilakunya dan akan menepati janji serta memperhatikan pelayanan terhadap pelanggan secara keseluruhan [14].

H. Kepuasan Pelanggan Kepuasan pelanggan didefinisikan sebagai sebuah sikap

yang berkenaan dengan layanan yang diterima Mowen [15] di dalam Agung [16]. Kepuasan pelanggan haruslah diletakkan menjadi salah satu faktor terpenting dan menjadi muara kecil dalam segala aktifitas pemasaran pada setiap perusahaan yang berorientasi kepada pasar [17].

I. Rekomendasi (Word of Mouth) Tingkat kepuasan yang dirasakan oleh konsumen terhadap

hasil kerja penjual jasa juga akan berdampak terhadap word of mouth (rekomendasi) yang dilakukan oleh konsumen. Jika konsumen puas maka biasanya konsumen akan memberikan referensi terhadap teman atau kenalan agar dating ke retailer tersebut dan menggunakan jasa tenaga penjualan tersebut [18].

III. METODOLOGI PENELITIAN

A. Sumber Data

Penelitian ini dilakukan pada Perumahan “X” dengan jumlah 82 rumah yang tersedia, sedangkan rumah yang telah terjual adalah 63 rumah. Data yang digunakan dalam penelitian ini merupakan data primer yang diperoleh dari hasil survey terhadap pembeli di Perumahan “X” dengan memberikan kuisioner yang telah dibuat. Skala pengukuran yang digunakan dalam kuisioner berupa skala likert dengan skala 1-7. Menurut [19] penggunaan skala likert 1-7 dapat meningkatkan reliabilitas/validitas pada suatu penelitian.

3

B. Variabel Penelitian

Gambar 1. Kerangka Pemikiran Teoritis

a. Variabel Eksogen : 1. Kompetensi Tenaga Penjualan (marketer), dengan

variabel indikator : Tabel 1. Indikator Variabel Kompetensi Tenaga Penjualan

X1.1 Kemampuan tenaga penjualan (marketer) dalam membantu pemecahan masalah

X1.2 Memiliki pengetahuan mengenai produk yang dijual

X1.3 Berpengalaman sebagai tenaga penjualan (marketer)

X1.4 Kemampuan tenaga penjualan (marketer) mempromosikan produk yang dijual

2. Kepercayaan terhadap Tenaga Penjualan (marketer),

dengan variabel indikator : Tabel 2. Indikator Variabel Kepercayaan Terhadap Tenaga Penjualan

X2.1 Tenaga penjualan (marketer) mengatakan sesuai fakta mengenai produk yang dijual

X2.2 Tenaga Penjualan (marketer) selalu menepati janji

X2.3 Tenaga Penjualan (marketer) selalu jujur selama proses berlangsung

3. Komunikasi dengan Tenaga Penjualan (marketer), dengan variabel indikator :

Tabel 3. Indikator Variabel Komunikasi dengan Tenaga Penjualan

X3.1 Tenaga penjualan (marketer) selalu ada ketika dibutuhkan pembeli

X3.2 Tenaga penjualan (marketer) selalu mengecek apa yang dibutuhkan oleh pembeli

X3.3 Tenaga penjualan (marketer) menyediakan banyak waktu untuk melayani kebutuhan pembeli

b. Variabel Endogen : 1. Kepuasan konsumen Terhadap Tenaga Penjualan

(marketer), dengan variabel indikator : Tabel 4. Indikator Variabel Kepuasan terhadap Tenaga Penjualan

Y1.1 Kepuasan terhadap layanan tenaga penjualan (marketer)

Y1.2 Senang dalam transaksi jual-beli dengan tenaga penjualan (marketer)

Y1.3 Kepuasan secara keseluruhan selama transaksi jual-beli dengan tenaga penjualan (marketer)

2. Rekomendasi Terhadap Tenaga Penjualan (marketer), dengan variabel indikator :

Tabel 5. Indikator Variabel Rekomendasi terhadap Tenaga Penjualan

Y2.1 Mengatakan hal positif mengenai tenaga penjualan (marketer) terhadap calon pembeli rumah

Y2.2 Merekomendasikan tenaga penjualan (marketer) kepada calon pembeli rumah

Y2.3 Mendorong calon pembeli rumah untuk melakukan transaksi jual beli dengan tenaga penjualan (marketer)

Variabel-variabel yang didapat pada kerangka pemikiran

teoritis di penelitian ini, merupakan hasil studi literatur dari beberapa penelitian yang ada sebelumnya. Pada penelitian (Liu dan Leach, 2001) mengenai kepuasan pelanggan pada tenaga penjualan konsultan. Variabel-variabel yang diambil dari penelitian (Liu dan Leach, 2001) diantaranya adalah kemampuan tenaga penjualan dalam membantu menyelesaikan masalah, pengalaman tenaga penjualan. Sedangkan pada penelitian (Doney dan Cannon, 1997) mengenai hubungan kepercayaan pembeli dan penjual pada perusahaan industri. Pada penelitian (Boles et al., 2001) dibahas mengenai hubungan pada sales eceran di area perkotaan, berdasarkan penelitian ini variabel yang diambil adalah mengenai kemampuan promosi seorang tenaga penjualan. Berdasarkan penelitian (Foster dan Cadogan, 2000) mengenai hubungan penjualan dan loyalitas pelanggan pada perusahaan produk, variabel yang diambil dari penelitian ini adalah variabel rekomendasi.

C. Hipotesis

Hipotesis 1: Semakin tinggi kompetensi tenaga penjualan (marketer) maka semakin tinggi kepuasan pembeli di Perumahan “X”.

Hipotesis 2: Semakin tinggi kepercayaan pembeli terhadap tenaga penjualan (marketer) maka semakin tinggi kepuasan pembeli di Perumahan “X”.

Hipotesis 3: Semakin tinggi komunikasi tenaga penjualan (marketer) terhadap pembeli maka semakin tinggi kepuasan pembeli di Perumahan “X”.

Hipotesis 4: Semakin tinggi kepuasan konsumen terhadap tenaga penjualan di Perumahan “X” maka semakin tinggi konsumen tersebut bersedia member rekomendasi terhadap tenaga penjualan (marketer).

D. Langkah-langkah Penelitian Langkah-langkah analisis dalam penelitian ini adalah

sebagai berikut. Tahap dan langkah-langkah analisis data dalam

penelitian ini adalah sebagai berikut: 1. Mendapat model yang didapat dari studi literatur

penelitian dan teori sebelumnya. 2. Mendefinisikan model pengukuran dengan

menspesifikasi hubungan antara konstruk laten dengan indikatornya.

3. Merancang model struktural dengan memformulasikan model hubungan antara konstruk.

4. Membuat diagram jalur untuk memvisualisasikan hubungan antara indikator dengan konstruknya.

5. Konversi diagram jalur ke dalam sistem persamaan.

4

38%  

44%  

13%  

5%   20-­‐30  

31-­‐40  

41-­‐50  

19%  

71%  

10%  Cash  

KPR  

In  House  

6. Estimasi model, yakni ada tiga skema pemilihan weighting dalam proses estimasi model, yaitu factor weighting scheme, centroid weighting scheme, dan path weighting scheme.

7. Pengujian signifikansi parameter dengan metode bootstrap, Langkah-langkah bootstrapping standar error adalah sebagai berikut:

i. Menentukan B sampel independen bootstrap x*1, x*2,…, x*n, dimana masing-masing sampel berisi n data yang berasal dari populasi x (data asli).

ii. Mengevaluasi replikasi yang ada pada masing-masing bootstrap dari 𝜃 yang sesuai untuk tiap sampel bootstrap, yaitu 𝜃∗   ! = 𝑇!  (𝑥∗𝑏), b=1,2,…B

iii. Mengestimasi standard error berdasarkan point kedua.

8. Menginterpretasikan output yang diperoleh sesuai dengan model di atas dan diambil kesimpulan sesuai permasalahan

IV. PEMBAHASAN A. Statistika Deskriptif Karakteristik Responden

Analisis deskriptif adalah proses identifikasi awal dari responden. Beberapa karakteristik yang dilihat dalam penelitian ini antara lain jenis kelamin, usia, dan jenis pembayaran rumah. Berdasarkan deskripsi ini diharapkan mampu menggambarkan karakteristik pembeli di Perumahan “X”.

Gambar 2. Deskriptif Responden Perumahan “X”

Berdasarkan gambar 2, dapat dilihat bahwa jenis kelamin pembeli di Perumahan “X” sebagian besar adalah laki-laki yakni sebanyak 67% dari jumlah 63 responden yang ada. Sedangkan pembeli di Perumahan “X” yang berjenis kelamin perempuan ada sebanyak 33%. Selain itu dapat dilihat pula bahwa usia pembeli rumah di Perumahan “X” memiliki keragaman. Presentase terbesar usia pembeli rumah di Perumahan “X” berada antara 31-40 tahun yakni sebanyak 44%. Jumlah keseluruhan pembeli rumah yang merupakan responden pada penelitian kali ini memiliki usia beragam, dari usia 20 tahun sampai lebih dari 50 tahun. Sedangkan rentang usia lebih dari 50 tahun memilki presentase paling kecil yakni 5%. Dilihat dari jenis pembayaran rumah berdasarkan gambar 2 dapat dilihat dari 63 responden yang terlibat, sebanyak 71% melakukan

pembayaran rumah secara KPR (kredit), sedangkan yang membayar rumah tersebut secara cash dan in house masing-masing sebanyak 19% dan 10%.

Berdasarkan Gambar 2 yakni deskriptif dari hasil survey terhadap responden pembeli di Perumahan “X” dapat dilihat bahwa dari 5 konstruk yang ada serta berdasarkan indikator-indikator yang ada, responden banyak menjawab pilihan alternatif jawaban 5-6 yaitu setuju dan sangat setuju. Sedangkan pada indikator X3.1 alternatif jawaban cukup setuju hampir sama banyaknya dengan alternatif jawaban setuju. Hal ini berarti responden merasa spesifikasi rumah tidak begitu sesuai dengan yang dikatakan oleh marketer.

B. Uji Validitas dan Reliabilitas Data Uji reliabilitas merupakan hal yang perlu dilakukan

terlebih dahulu sebelum melakukan uji validitas [6], uji reliabilitas dilakukan untuk menguji variabel laten Uji reliabilitas dapat menunjukkan konsistensi dari pernyataan tersebut dari responden yang satu ke responden yang lainnya. Hipotesis yang akan digunakan untuk uji reliabilitas adalah.

H0 : Indikator tidak konsisten mengukur konstruk

H1 : Indikator konsisten mengukur konstruk

Pada uji reliabilitas, digunakan nilai composite reliability untuk mengetahui apakah telah reliabel atau belum. H0 ditolak apabila nilai composite reliability > 0.7. Dari hasil pengolahan data didapatkan hasil sebagai berikut.

Tabel 6. Hasil Uji Reliabilitas Variabel Laten

Variabel Laten

Composite Reliability

KOMPETENSI 0.908 KEPERCAYAAN 0.886

KOMUNIKASI 0.851 KEPUASAN KONSUMEN 0.949

REKOMENDASI 0.965

Berdasarkan Tabel 6 dapat dilihat bahwa nilai composite reliability untuk variabel kompetensi, kepercayaan, komunikasi, kepuasan konsumen, dan rekomendasi masing-masing lebih besar dari 0.7. hal ini menunjukkan bahwa indikator yang terdapat pada variabel laten telah reliabel atau telah mewakil variabel laten tersebut. Karena telah memiliki nilai konsistensi lebih besar dari 0.7.

Selanjutnya yang dilakukan adalah uji validitas konvergen dilakukan untuk menentukan apakah setiap indikator yang diestimasi dapat mengukur dimensi dari konsep yang diujinya. Sedangkan uji validitas diskriminan menguji apakah konstruk satu dengan konstruk lainnya yang diuji memang berbeda, dan masing-masing merupakan sebuah konstruk independen. Hipotesis yang digunakan pada uji validitas adalah.

H0 :Indikator tidak mewakili konstruk sesuai dengan teori

H1 :Indikator mewakili konstruk sesuai dengan teori

67%  

33%  

L  

P  

5

Gambar 3. Output SmartPLS

Berdasarkan uji validitas untuk manifest sebagai variabel-variabel indikatornya dan variabel latennya secara rinci dapat dilihat dari hasil berikut.

Tabel 7. Hasil Uji Validitas Konvergen

Variabel Laten Indikator Loading Factor

AVE Keterangan Laten

KOMPETENSI X1 0,790

0,712

Indikator Valid

Laten Valid

X2 0,906 Indikator

Valid

X3 0,874 Indikator

Valid

X4 0,799 Indikator

Valid

KOMUNIKASI X5 0,800

0,656

Indikator Valid

Laten Valid X6

0,817 Indikator Valid

X7 0,813 Indikator

Valid

KEPERCAYAAN

X8 0,841

0,721

Indikator Valid

Laten Valid X9

0,878 Indikator Valid

X10 0,828 Indikator

Valid

KEPUASAN KONSUMEN

Y1 0,944

0,863

Indikator Valid

Laten Valid Y2

0,905 Indikator Valid

Y3 0,938 Indikator

Valid REKOMENDASI

Y4 0,911

0,901

Indikator Valid

Laten Valid

Y5 0,964 Indikator

Valid

Y6 0,971 Indikator

Valid Berdasarkan hasil tersebut dapat diketahui bahwa semua

indikator pada variabel laten (Kompetensi, Kepercayaan, Komunikasi, Kepuasan Konsumen, dan Rekomendasi) telah valid, karena telah memiliki nilai loading factor > 0.7 yang artinya korelasi antara indikator tersebut dengan masing-masing konstruk (Kompetensi, Kepercayaan, Komunikasi, Kepuasan Konsumen, dan Rekomendasi) telah menunjukkan tingkat validitas yang baik.

Selain itu berdasarkan nilai AVE juga terlihat semua konstruk yakni kompetensi, kepercayaan, komunikasi, kepuasan konsumen, dan rekomendasi telah memiliki nilai AVE > 0.5 yang juga menunjukkan besarnya varians dari tiap indikator yang dimuat oleh tiap konstruk, artinya convergent validity nya telah valid.

Setelah semua indikator dan variabel telah valid pada uji validitas konvergen, maka selanjutnya dilakukan uji validitas diskriminan untuk mengetahui apakah dua atau lebih konstruk yang diuji memang berbeda dan masing-masing merupakan sebuah konstruk independen. Evaluasi validitas diskrimanan dilakukan dengan melihat nilai cross loading pada masing-masing variabel laten / konstruk yang

ada. Pada uji validitas diskriminan digunakan hipotesis sebagai berikut.

H0 : Suatu konstruk tidak berbeda dengan konstruk

lainnya H1 : Suatu konstruk berbeda dengan konstruk lainnya

Berdasarkan hasil pengolahan data dengan menggunakan software SmartPLS didapatkan hasil sebagai berikut.

Tabel 8. Hasil Uji Validitas Diskriminan

Berdasarkan Tabel 8 dapat dilihat bahwa korelasi antara konstruk kepercayaan dengan konstruk lainnya nilai yang paling tinggi adalah 0.7406, sedangkan nilai akar (AVE) nya adalah 0.8493 sehingga nilai akar (AVE) lebih besar daripada korelasi antara konstruk kepercayaan dengan konstruk lainnya, artinya tolak H0, Yang menunjukkan bahwa telah memenuhi validitas diskriminan.

C. Pembentukan Persamaan Outer Model Setelah melakukan uji validitas dan reliabilitas data,

dapat dilihat bahwa semua indikator dan variabel laten telah valid dan signifikan, selanjutnya untuk dapat membuat model pengukurannya dapat dilihat dari output outer model pada pengukuran ini. Dengan hipotesis sebagai berikut.

H0 : Indikator tidak berpengaruh signifikan terhadap konstruk secara langsung

H1 :Indikator berpengaruh signifikan terhadap konstruk secara langsung

Pengujian hipotesis pada tiap indikator dilakukan dengan cara membandingkan nilai |t-statistik| dengan t-tabel, serta melihat koefisien jalurnya, didapatkan hasil sebagai berikut.

Tabel 9. Hasil Outer Model (Model Pengukuran)

Variabel Indikator

Original Sample

Sample Mean Standard

Error |t-

Statistik|

Kompetensi

X1 0,790 0,794 0,052 15,209

X2 0,906 0,902 0,037 24,326

X3 0,874 0,870 0,040 22,049

X4 0,799 0,799 0,058 13,678

Komunikasi

X5 0,800 0,796 0,066 12,194

X6 0,817 0,815 0,073 11,146

X7 0,813 0,812 0,053 15,303

Kepercayaan

X8 0,841 0,845 0,033 25,581

X9 0,878 0,872 0,049 17,859

X10 0,828 0,826 0,048 17,323

Kepuasan Konsumen

Y1 0,944 0,943 0,016 57,396

Y2 0,905 0,905 0,028 32,614

Y3 0,938 0,938 0,015 62,124

Rekomendasi

Y4 0,911 0,908 0,033 27,271

Y5 0,964 0,965 0,011 87,099

Y6 0,971 0,971 0,009 107,306

KEPERCAYAAN

KEPUASAN

KOMPETEN

SI

KOMUNIKASI AVE Akar

(AVE)

1.0000 0.7213 0.8493

0.6687 1.0000 0.8634 0.9292

0.7406 0.7117 1.0000 0.7125 0.8441

0.5444 0.6167 0.5174 1.0000 0.6562 0.8101

0.6622 0.8280 0.6824 0.5737 0.9007 0.9491

6

Berdasarkan Tabel 9 dapat dilihat output dari nilai

loading factor, standard error, dan nilai t-statistik yang akan digunakan untuk membuat outer model (model pengukuran). Hasil uji signifikansi dengan metode bootstraps semua indikator signifikan, hal tersebut dapat dilihat dari nilai |t-statistik| > t-tabel (1,96), maka uji hipotesis tolak H0, artinya indikator berpengaruh signifikan secara langsung. Berdasarkan hasil tersebut maka dapat dibentuk persamaan outer model seperti pada persamaan (2.3) dan (2.4), dimana nilai tersebut terbentuk dari loading factor sebagai lambda (Λ) untuk setiap indikator pada variabel eksogen dan endogen serta standard error (𝜀) masing-masing indikator eksogen dan endogen, didapatkan model sebagai berikut.

Tabel 10. Persamaan Outer Model No Persamaan Outer Model Outer Model

1 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.790𝜉! + 0.052

2 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.906𝜉! + 0.037

3 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.874𝜉! + 0.040

4 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.800𝜉! + 0.058

5 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.800𝜉! + 0.066

6 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.817𝜉! + 0.073

7 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.813𝜉! + 0.053

8 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.841𝜉! + 0.033

9 𝑋! = Λ!!𝜉! + 𝜀! 𝑋! = 0.878𝜉! + 0.049

10 𝑋!" = Λ!!"𝜉!" + 𝜀!" 𝑋!" = 0.828𝜉!" + 0.048

11 𝑌! = Λ!!𝜂! + 𝛿! 𝑌! = 0.944𝜂! + 0.016

12 𝑌! = Λ!!𝜂! + 𝛿! 𝑌! = 0.905𝜂! + 0.028

13 𝑌! = Λ!!𝜂! + 𝛿! 𝑌! = 0.938𝜂! + 0.015

14 𝑌! = Λ!!𝜂! + 𝛿! 𝑌! = 0.911𝜂! + 0.033

15 𝑌! = Λ!!𝜂! + 𝛿! 𝑌! = 0.964𝜂! + 0.011

16 𝑌! = Λ!!𝜂! + 𝛿! 𝑌! = 0.971𝜂! + 0.009

Berdasarkan Tabel 10 dapat dilihat persamaan outer model yang terbentuk pada penelitian mengenai kepuasan pembeli di Perumahan “X”. Pada kolom pertama merupakan bentuk persamaan outer model dari masing-masing indikator pada variabel endogen maupun variabel eksogen. Pada kolom kedua merupakan bentuk persamaan outer model yang sudah diinputkan nilai loading factor dan standard error dari masing-masing indikator variabel endogen dan variabel eksogen dengan metode bootstraps dengan menggunakan 500 samples dan 63 cases. 500 samples digunakan karena pada saat dilakukan resampling sebanyak 500 kali, hasil bootstraping umumnya sudah stabil, dan nilai original sample serta mean sample sudah mendekati. Hasil ini digunakan untuk memprediksi nilai dari tiap indikator pada model yang terbentuk untuk variabel kompetensi, kepercayaan, komunikasi, kepuasan, dan rekomendasi. D. Evaluasi Model Struktural (Inner Models)

Setelah melakukan uji validitas dan reliabilitas, lalu menganalisis pengaruh antar variabel laten serta membentuk persamaan outer model nya, maka langkah selanjutnya adalah mengevaluasi model struktural (inner model). Beberapa tahap yang dilakukan untuk mengevaluasi model struktural (inner model). Pertama melihat signifikansi hubungan antar konstruk yang dilihat dari nilai path coefficient yang menggambarkan kekuatan hubungan antara

konstruk. Hipotesis yang digunakan untuk uji signifikansi hubungan antar konstruk adalah sebagai berikut. H0 : Antar konstruk tidak berpengaruh signifikan

secara langsung

H1 : Antar konstruk berpengaruh signifikan secara langsung

Dimana H0 ditolak jika nilai t-statistik lebih besar dari t-tabel(db,5%). Berdasarkan hasil penelitian terhadap kepuasan pembeli di Perumahan “X” didapatkan hasil sebagai berikut.

Tabel 11. Path Coefficient

Variabel

Original Sample

(O)

Sample Mean (M)

Standard Deviation (STDEV)

Standard Error

(STERR)

|t-

Statistics|

KEPERCAYAANà KEPUASAN 0.209 0.216 0.148 0.148

1.415

(TS) KEPUASAN à

REKOMENDASI 0,828 0,829 0,037 0,037 22,093 KOMPETENSI à

KEPUASAN 0,405 0,402 0,105 0,105 3,852 KOMUNIKASI à

KEPUASAN 0,293 0,295 0,108 0,108 2,708

Berdasarkan hasil pada Tabel 11 dapat dilihat bahwa terdapat hubungan jalur yang tidak signifikan pada kepercayaan terhadap kepuasan, karena nilai |t-statistik| (1.415216) kurang dari t-tabel(62;5%) (1.96). Artinya pada penelitian kepuasan pembeli di Perumahan “X” hubungan jalur yang signifikan mempengaruhi kepuasan adalah kompetensi dan komunikasi, sedangkan kepuasan sendiri memiliki hubungan jalur yang signifikan terhadap rekomendasi. Sedangkan pada hubungan jalur kompetensi terhadap kepuasan, komunikasi terhadap kepuasan, dan rekomendasi terhadap kepuasan semuanya signifikan karena nilai t-statistiknya lebih dari t-tabel(62;5%) (1.96).

Berdasarkan estimasi parameter pada Tabel 11 tersebut, maka dapat dibentuk model persamaan strukturalnya adalah sebagai berikut.

Kepuasan=0.405Kompetensi+0.209Kepercayaan+0.293Komunikasi (9) Rekomendasi= 0.828 Kepuasan (10)

Berdasarkan model diatas, dapat dilihat bahwa setiap variabel kompetensi bertambah satu satuan, maka variabel kepuasan cenderung bertambah. Begitu pula untuk interpretasi pada variabel kepercayaan dan komunikasi. Pada model persamaan kedua, terlihat bahwa setiap variabel kepuasan bertambah satu satuan, maka variabel rekomendasi cenderung bertambah.

Untuk pengukuran evaluasi bentuk model struktural untuk setiap konsruk. Dapat dilihat melalui koefisien determinasi (R2) dan goodness of fit (GoF). Nilai R2 didapatkan dari model persamaan struktural pada perseamaan (9) dan (10) dengan cara memasukkan skor faktor pada masing-masing konstruk kompetensi, kepercayaan, dan komunikasi. Sehingga didapatkan nilai taksiran untuk konstruk kepuasan dan rekomendasi. Maka didapatkan hasil berikut

Tabel 12. Output Koefisien Determinasi

Variabel R2

Kepuasan 0.609

Rekomendasi 0.686

Berdasarkan Tabel 12 dapat dilihat bahwa konstruk kompetensi, kepercayaan, dan komunikasi mampu menjelaskan variabilitas konstruk kepuasan sebesar 60.89%, sedangkan 39.10% sisanya dijelaskan oleh konstruk lainnya

7

yang tidak atau belum dimasukkan dalam model. Merujuk pada [20] model struktural ini dapat dikategorikan moderat menuju substansial.

Sedangkan konstruk kepuasan mampu menjelaskan variabilitas konstruk rekomendasi sebesar 68.56%, sedangkan 31.44% sisanya dijelaskan oleh konstruk lainnya yang tidak atau belum dimasukkan dalam model. Berdasarkan hasil tersebut maka model struktural ini dapat dikategorikan telah substansial.

Untuk memvalidasi model secara keseluruhan, maka dapat digunakan goodness of fit (GoF). Untuk memvalidasi performa gabungan antara model pengukuran dan model struktural. Nilai GoF ini terbentang antara 0-1 dengan interpretasi nilai ini adalah 0,1 (GoF kecil), 0,25 (GoF moderat), dan 0,36 (GoF besar) (Yamin dan Kurniawan, 2011).

Goodness of fit ini merupakan ukuran tunggal yang digunakan untuk memvalidasi performa gabungan antara model pengukuran dan model struktural didapatkan hasil sebagai berikut.

Tabel 13. Output Perhitungan GoF Variabel Communality R2

Kepercayaan 0,721 Kepuasan 0,863 0,609

Kompetensi 0,712 Komunikasi 0,656

Rekomendasi 0,901 0,686 Average 0,771 0,647

Berdasarkan perhitungan pada Tabel 13 Maka

didapatkan formula perhitungan sebagai berikut.

GoF= 𝑐𝑜𝑚  𝑥  𝑅! GoF= 0.7708226  𝑥  0.647309

GoF= 0.706 Berdasarkan perhitungan tersebut goodness of fit yang

didapat dari model ini adalah 0.706. Artinya berdasarkan hasil perhitungan tersebut validasi model secara keseluruhan pada penelitian ini adalah 0.706, merujuk pada Wetzels di dalam [8] nilai GoF terbentang antara 0-1 dimana nilai 0.706 ini berada pada rentang lebih dari 0.36 yang berarti nilai goodness of fit nya besar.

V. KESIMPULAN DAN SARAN

Berdasarkan hasil analisis serta pembahasan pada data kompetensi tenaga penjualan (marketer), kepercayaan tenaga penjualan (marketer), dan komunikasi tenaga penjualan (marketer) terhadap kepuasan serta rekomendasi kepada tenaga penjualan (marketer) di Perumahan “X” dengan menggunakan metode Structural Equation Modeling-Partial Least Square (SEM-PLS) maka dapat diambil kesimpulan sebagai berikut. 1. Berdasarkan hasil analisis model pengukuran, setiap

indikator yang ada telah konsisten dan mewakili konstruk yang ada.

2. Berdasarkan hasil analisis model struktural konstruk kompetensi dan komunikasi signifikan terhadap kepuasan pembeli. Akan tetapi konstruk kepercayaan pada penelitian ini tidak signifikan terhadap kepuasan, hal ini perlu menjadi perhatian bagi developer agar dapat diperbaiki.

a. Konstruk kepuasan berpengaruh signifikan terhadap rekomendasi. Berdasarkan nilai koefisien jalur dengan menggunakan metode bootstraps maka dapat dilihat

bahwa pengaruh kompetensi tenaga penjualan (marketer) terhadap kepuasan pembeli di Perumahan “X” lebih besar daripada pengaruh Komunikasi pembeli dengan tenaga penjualan (marketer). Sedangkan pengaruh kepuasan pembeli di Perumahan “X” sangat berpengaruh signifikan terhadap rekomendasi pembeli tersebut kepada tenaga penjualan (marketer). Hal ini berarti bahwa di Perumahan “X” faktor yang sangat berpengaruh terhadap kepuasan pembeli adalah kompetensi dari tenaga penjualan (marketer) tersebut.  

Berdasarkan hasil penelitian yang telah dilakukan di Perumahan “X”, dengan hasil penelitian bahwa variabel yang mempengaruhi kepuasan seorang pembeli di Perumahan “X” adalah kompetensi dari seorang tenaga penjualan (marketer) dan komunikasi seorang tenaga penjualan (marketer) tersebut kepada pembeli. Sedangkan variabel kepercayaan tidak berpengaruh signifikan terhadap kepuasan pembeli. Jika dilihat dari beberapa penelitian sebelumnya sebelumnya Liu [14]; Foster [21]; Boles [22]; Doney[23], maka seharusnya variabel kepercayaan juga berpengaruh signifikan terhadap kepuasan pembeli. Tidak signifikannya variabel kepercayaan ini hendaknya menjadi perhatian serius bagi pihak developer untuk dapat menekankan kepada para tim tenaga penjualan (marketer) agar dapat meningkatkan sikap kepercayaan tersebut agar setiap pembeli dapat merasa puas. Karena secara teoritis kepercayaan dapat mempengaruhi kepuasan pelanggan. Dengan ditingkatkannya sikap kepercayaan oleh tenaga penjualan (marketer) tersebut diharapkan kepuasan pembeli juga akan meningkat sehingga berdampak pada pemberian rekomendasi oleh pembeli rumah terhadap calon pembeli rumah. Hal ini tentunya akan berdampak positif juga terhadap peningkatan penjualan di Perumahan “X”.

DAFTAR PUSTAKA [1] Mulatsih, R. (2011). Studi Tentang Kinerja Tenaga Penjualan. Jurnal

Ekonomi dan Bisnis, 6 (1), 2. [2] Susetyaningsih, A. (2005). Analisis faktor keahlian dan kepercayaan

pada tenaga penjualan terhadap kepuasan nasabah guna mencapai loyalitas. Master thesis, Universitas Diponegoro.

[3] Frankwick, L, G., S.Porter, S., dan A.Crosby, L. (2001). Dynamics of Relationship Seling:A Longitudinal Examination of Changes in Salesperson-Customer Relationship Status. Journal of Personal Selling dan Sales Management, 21 (2), 2

[4] Yim, F. H., Anderson, R. E., dan Swaminathan, S. (2004). Customer Relationship Management: Its Dimensions and Impact on Customer Outcomes. Journal of Personal Selling and Sales Management , 265-280.

[5] Ghozali, I. (2005). Structural Equation Modeling. Semarang: Badan Penerbit Universitas Diponegoro.

[6] Hair, J., Black, W., Rabin, B., dan Anderson, R. (2009). Multivariate Data Analysis. Pearson Prentice Hall.

[7] Schumacker, et al.2004. A Beginner’s Guide to Structural Equation Modeling. Edisi ke-2. Lawrence Erlbum Associates, Ins.

[8] Yamin, S., dan Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian dengan Partial Least Square Path Modeling. Bandung: Salemba Infotek.

[9] Tenenhaus, Michel, et al.2004. “PLS Path Modeling”. Elsevier Journal Computation Statistics and Data Analysis.

[10] Kline, R. B. (2005). Principle of Structural Equation Modeling. New York: The Guilford Press.

[11] Fornell, C., dan Warnefelt, B. (1987). Defensive Marketer Strategy by Customer Complaint Management: a Theoretical Analysis. Journal of Marketer Research, 24 (11), 337-339.

[12] Kristina, A. (2004). Analisis pengaruh kepercayaan pengelola apotek terhadap pemasok maupun tenaga penjual dalam membangun kesetiaan melalui kepuasan pengelola apotek terhadap pemasok, Master thesis, Universitas Diponegoro.

8

[13] Mumel, D., Hocevar, N., dan Snoj, B. (2007). How Marketer Communications Correlates with Business Performance. Journal of Applied Business Research, 23 (2), 3.

[14] Liu, A. H., dan Leach, M. P. (2001). Developing Loyal Customers with a Value-Adding Sales Force: Examining Customer Satiisfaction and the Perceived Credibility of Consultative Salespeople. Journal of Personal Selling dan Sales Management, XXI (2), 4.

[15] Mowen. 1995. Perilaku Konsumen dan Komunikasi Pemasaran, Jakarta. : karangan Sutisna.

[16] Agung, K.H. (2006). Analisis pengaruh kualitas layanan, komitmen dan kepercayaan terhadap loyalitas konsumen.Master thesis, Universitas Diponegoro.

[17] Kandampuli, J., dan Suhartanto, D. (2000). Customer loalty in the hotel industry: The role of customer satisfaction and image. International Journal of Contemporary Hospitality Management , 346-351.

[18] Barata,D.D. (2007). Analisis keterhubungan antara kepuasan,kesetiaan, dan komunikasi word of mouth dalam sektor jasa. Jurnal ekonomi dan bisnis, 1-5.

[19] Preston, C. C., dan Colman, A. M. (2000). Optimal number of response categories in rating scales:reiability,validity,discriminating power,and respondent preferences. Acta Psychologica , 1-15.

[20] Chin, W. (1998). The Partial Least Square Approach for Structural Equation Modeling. New Jersey: Lawrence Erlbaum Associates.

[21] Foster, D., dan Cadogan, W. (2000). Relationship selling and customer loyalty:an empirical investigation. Journal of marketing intelligence and planning , 185-199.

[22] Boles, J. S., Babin, B. J., Brashear, T. G., dan Brooks, C. (2001). An Examination of the relationship between retail work environments, salesperson, selling orientation, customer orientation and job performance. Journal of Marketing Theory and Practice , 1-13.

[23] Doney, P. M., dan Cannon, J. P. (1997). An Examination of the Nature of Trust in Buyer-Seller Relationships. Journal of Marketer, 61, 35-51.