CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email · dalam Website ini dijawab secara sempurna dan...

CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email:

JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN HASIL PENELITIAN, berlaku untuk keseluruhan konsep yang

menggunakan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Panjang

Alt, Sedang Alt, Pendek Alt, dan Lengkap Alt (Alt singkatan dari = Alternatif)] sebagaimana yang

telah diprediksi/digambarkan sebelumnya dalam penyusunan PROPOSAL PENELITIAN, dan dalam Website ini dijawab secara sempurna dan detail: Cara/Proses/Hasil Perhitungan serta Tahap-

tahap Perhitungan yang digunakan masing-masing, dan diperkuat oleh sejumlah files Bonus

mengunakan program SPSS IBM Statistik Versi 21 for Windows dan untuk beberapa model perhitungan tertentu yang harus menggunakan Lotus 1-2-3 (Transition) dari Program Microsoft

Office Excel 2003 serta beberapa files Bonus lainya. Menggunakan semua Lampiran yang sama

dengan Laporan HASIL PENELITIAN (Juga dikirim kepada Anda dalam bentuk files Document) merupakan Lampiran Berformulasi yang di-Transfer dari HASIL PERHITUNGAN menggunakan

program EXCEL maupun program SPSS.

Persiapkanlah terlebih dahulu Lotus 1-2-3 (Transition) dari Program Microsoft Office Excel 2003 atau versi lainnya & Program SPSS IBM Statistik Versi 20-24

for Windows (atau Versi Terbaru) dalam komputer Anda sebelum memulai pemesanan melalui Email agar semua files yang dipesan dapat dibuka.

Apabila Anda melakukan Pemesanan files Secara Paket melalui Email. Sebagai misal Anda memilih PAKET ISTIMEWA (…dimana Paket ini menampilkan 3 Versi Jurnal Hasil

Penelitian menggunakan MODEL dengan KERANGKA PEMIKIRAN TEORITIS [Panjang Alt,

Sedang Alt & Pendek Alt], ini berarti ada/setidak-tidaknya sebanyak 3 Files Utama plus 10 files

bonus atau Anda akan menerima melalui Email paling sedikit sebanyak 13 files yang dibayar dengan sejumlah Anggaran Tertentu (60 % lebih rendah/irit dari pemesanan paketan Tulisan

Ilmiah/Karya Penelitian). Pengertian ke-4 paket yang dimaksud sebagai berikut:

PAKET ISTIMEWA: Jurnal Hasil Penelitian

Adalah 3 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN

TEORITIS [Panjang Alt, Sedang Alt dan Pendek Alt plus 10 Bonus].

PAKET KHUSUS: Jurnal Hasil Penelitian

Adalah 2 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN

TEORITIS [Sedang Alt dan Pendek Alt plus beberapa Bonus]

PAKET STANDAR: Jurnal Hasil Penelitian

Adalah 1 buah (sebuah) KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Panjang Alt, Sedang Alt atau Pendek Alt plus beberapa Bonus].

PAKET SUPER ISTIMEWA: Jurnal Hasil Penelitian

Adalah 1 Sets KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Panjang Alt atau Lengkap Alt plus 10 Files (Bonus) & Utama & 52 Bonus Tambahan].

2

Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian seperti: MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Lengkap Alt),

merupakan Model Penelitian dgn Proses Hitung maupun Analisis-nya yang Lengkap Sempurna.

File 205 02 Jurnal HASIL PENELITIAN 64h Keunggulan Bersaing GARUDA INDONESIA 2018 (Lengkap

Alt)

Atau 205 02 Analisis Kualitas Pelayanan Dan Keunggulan Bersaing Jasa Angkutan

Penerbangan Domestik GARUDA INDONESIA Di Bandara Soekarno-Hatta.

Oleh AMRIZAL (lp3et.org dan [email protected]).

PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 2:

Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian seperti: MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Lengkap Alt),

merupakan Model Penelitian dgn Proses Hitung maupun Analisis-nya yang Lengkap Sempurna.

File 205 02 Jurnal HASIL PENELITIAN 64h Keunggulan Bersaing GARUDA INDONESIA 2018 (Lengkap Alt)


Penerbangan Domestik GARUDA INDONESIA Di Bandara Soekarno-Hatta. (1 atau 2 Files PDF ini tidak dapat di-unduh sebelum Pemesanan Peket/Jurnal Super Istimewa 2 terjadi)

Bonus: 10 Files, termasuk 3 Files Microsoft Office Excel 97-2003 Worksheet/Lotus 1-2-3 (Transition)

Keunggulan Bersaing GARUDA INDONESIA 2018 (sebagai MASTER UTAMA) yang

disusun sedemikian rupa […berdasarkan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Panjang Alt)] yang didalamnya diperlihatkan proses hitung

sebanyak {[(16+8)*(2) + 66] + 1 Output1 Hasil Est SPSS)} = 115 Hasil Estmasi

(Unstandardized Coefficients: Model Regresi I s/d IV (zresid Histogram & Pembentukan

Kurva Normal) dan hasil estimasi Metode Path Analysis (Standardized Coefficients)} serta

sebanyak {[(39-7) = 32] + 1 Data Lampiran 39 atau Data Excel CF1090} = 33 Lampiran

Olahan “Ber Formulasi” yang merupakan transfer dari Excel/Lotus 1-2-3 (Transition) dari

Program Microsoft Office Excel 2003]. Hasil perhitungan ini dikelompokan kedalam 2 Hasil

Perhitungan Empiris “Data Dengan Kategori Jumlah I & II” (dapat dilihat dalam Bab IV &

Lampiran) yang diperinci dalam berbagai bentuk Files sbb:

Files Excel1 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 NEW (Petunjuk Lotus)

Excel2 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 NEW (Lampiran 39)

Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF701 NEW2 ( i d e m)

SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 23 Ind Var n126 NEW SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 23 Ind Var n126 Est Orisinil NEW

SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 23 Ind Var n126 Plus Est Subsitusi NEW SPSS4 Uji Untitled1 atau Uji Kebenaran data yang ditransfer dari Excel1 CF1090 unt Est SPSS NEW

SPSS5 Uji Output1 atau Hasil Uji Est SPSS mengg SPSS4 hasil Uji Untitled1 n126 Est Orisinil NEW Doc1 Tentang Variabel Hasil Estimasi SPSS 57h Kurva Normal & Lainnya 23 Ind Variabel n126 NEW

Doc2 LAMPIRAN Berformulasi 37h Transfer dari Excel 39 Lamp dan 7 Lampiran Survey NEW

Pengguna/pemesan dimulai dari S-1 keatas, dengan disiplin/kosentrasi keilmuan: Ilmu

Ekonomi, Manajemen, Transportasi, dan Logistik, sedangkan Tingkat Kemahiran mengolah/mengikuti perhitungan EXCEL/SPSS “Ber Formulasi” diharapkan Setara S-2

keatas dengan disiplin/kosentrasi (keilmuan) yang sama. Harga satu PAKET (Jurnal Hasil

Penelitian) SUPER ISTIMEWA 2 plus semua bonus “Proses Hitung/Cara Menghitung/Hasil

Perhitungan” adalah: Rp 1.480.000,- (satu juta empat ratus delapan puluh ribu rupiah)

mailto:[email protected]

3

Berdasarkan Lembaran Informasi: 000 Daftar Tulisan Ilmiah Amrizal, terdapat

sebanyak 47 Paket/Jurnal Hasil Penelitian (atau sebanyak 141 Files) yang terdiri dari

sejumlah 47 [= 9 Paket (Jurnal Hasil Penelitian) Istimewa + 8 Paket (Jurnal Hasil

Penelitian) Khusus + 26 Paket (Jurnal Hasil Penelitian) Standar] Plus 4 Paket (Jurnal

Hasil Penelitian) Super Istimewa tentang PENELITIAN SURVEY Dibidang

MANAJEMEN TRANSPORTASI yang dapat dipesan melalui EMAIL. Kesemua files ini

dikembangkan sebagai MODEL dengan KERANGKA PEMIKIRAN TEORITIS

[Panjang Alt, Sedang Alt, Pendek Alt, dan Lengkap Alt (Alt singkatan dari = Alternatif)]

dari 9 buah Laporan HASIL PENELITIAN Terdahulu yang dibuat/disusun (Direvisi/Dikaji

Ulang STMT-TRISAKTI a/n LP3ET, Tahun 2018) menggunakan Data Hasil Survey

dalam rentang tahun 2014 s/d 2018. LP3ET adalah singkatan dari LEMBAGA

PENELITIAN, PENGKAJIAN & PERUMUSAN EKONOMI TERAPAN, yang

merupakan situs/web resmi Amrizal (memuat keseluruhan Tulisan Ilmiah Amrizal) dengan

nama LP3ET.org (Secara Sederhana: dapat dibuka/diakses dalam bentuk

https://lp3et.org atau dengan melalui/ memasukan nama website lp3et.org kedalam

Google atau Google Chrome) menggunakan berbagai jenis Komputer maupun

Handphone.

Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian maka

saudara dapat menjadikan PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 2

dengan formasi sebagaimana yang dicantumkan diatas, yang meliputi 1 Files Utama, 10

Files Bonus & 52 Bonus Tambahan maka saudara dapat memesan melaui EMAIL

dengan cara sebagai berikut:

Cara Memesai melalui EMAIL sbb: Sebagaimana yang dapat lihat pada lembaran PAKET (Jurnal Hasil Penelitian)

SUPER ISTIMEWA 2 dihargai sebesar Rp 1.480.000,- (satu juta empat ratus delapan

puluh ribu rupiah). Kirim ke No. Rekening: 0562343197 Bank BNI Syariah a/n Amrizal.

Sebagai contoh isi berita yang perlu dibuat pada Rekening dan Email:

[email protected] adalah sebagai berikut:

Ke Rekening: Pesan satu PAKET SUPER ISTIMEWA 2 (Jurnal Hasil Penelitian)

a/n Winardi

Ke Email : Pesan satu PAKET SUPER ISTIMEWA 2 (Jurnal Hasil Penelitian)

a/n Winardi (Jakarta Timur)

(Isi berita pada Email harus lebih jelas/lengkap dibanding dengan isi berita Rekening)

https://lp3et.org/

mailto:[email protected]

4

051 PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 2

Apabila Saudara ingin membuat sebuah (satu) Versi Jurnal Hasil Penelitian seperti: MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Lengkap Alt), merupakan Model Penelitian dgn Proses Hitung maupun Analisis-nya yang Lengkap Sempurna.

Kode Dan Nama Karya Penelitian: 205 02

File 205 02 Jurnal HASIL PENELITIAN 64h Keunggulan Bersaing GARUDA INDONESIA 2018 (Lengkap

Alt)


Penerbangan Domestik GARUDA INDONESIA Di Bandara Soekarno-Hatta. [Doc2 LAMPIRAN Berformulasi 37h Transfer dari Excel 39 Lamp dan 7 Lampiran Survey]

Plus Masing-masing mempunyai 10 Bonus Utama:

2 Files Document, Transfer Hasil Perhitungan menggunakan program Lotus

1-2-3 (Transition) dari Program Microsoft Office Excel 2003 &

Program SPSS IBM Statistik V-21 for Windows.

3 Files dari Program Microsoft Office Excel 2003 5 Program SPSS IBM Statistik V-21 for Windows.

& 52 Bonus Tambahan (menggunakan SPSS IBM Statistik V-21 for Windows)

32 Files dengan INTERVENING VARIABEL 20 Files dengan DOUBLE PATH ANALISYS METHOD

Penulis : Amrizal (lp3et.org/[email protected])

Jenis file : pdf

Harga/Paket : Rp 1.480.000,- (satu juta empat ratus delapan puluh ribu rupiah)

Masing-masing mempunyai 10 Bonus Utama: Files Excel1 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 (Petunjuk Lotus)

Excel2 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 (Lampiran 39)

Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF701 SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 23 Ind Var n126

SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 23 Ind Var n126 Est Orisinil SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 23 Ind Var n126 Plus Est Subsitusi

SPSS4 Uji Untitled1 atau Uji Kebenaran data yang ditransfer dari Excel1 CF1090 unt Est SPSS SPSS5 Uji Output1 atau Hasil Uji Est SPSS mengg SPSS4 hasil Uji Untitled1 n126 Est Orisinil

Doc1 Tentang Variabel Hasil Estimasi SPSS Kurva Normal & Lainnya 23 Ind Variabel n126

Doc2 LAMPIRAN Berformulasi 37h Transfer dari Excel 39 Lamp dan 7 Lampiran Survey

atau Masing-masing mempunyai 10 Bonus Utama: Files Excel1 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 NEW (Petunjuk Lotus)

Excel2 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 NEW (Lampiran 39)

Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF701 NEW2 ( i d e m)

SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 23 Ind Var n126 NEW

SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 23 Ind Var n126 Est Orisinil NEW

SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 23 Ind Var n126 Plus Est Subsitusi NEW

SPSS4 Uji Untitled1 atau Uji Kebenaran data yang ditransfer dari Excel1 CF1090 unt Est SPSS NEW

SPSS5 Uji Output1 atau Hasil Uji Est SPSS mengg SPSS4 hasil Uji Untitled1 n126 Est Orisinil NEW

Doc1 Tentang Variabel Hasil Estimasi SPSS 57h Kurva Normal & Lainnya 23 Ind Variabel n126 NEW


5

Bonus Utama GARUDA INDONESIA Secara Detail sbb: Excel1 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 NEW (Petunjuk Lotus)

Excel2 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 NEW (Lampiran 39) Excel2 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF1090 NEW1 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF701 NEW2 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF701 NEW Versi3 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF701 NEW Versi4 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lampiran 39 Excel CF1090 NEW05 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lampiran 39 Excel CF1090 NEW06 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lampiran 39 Excel CF 701 NEW07 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Terkutip Lampiran 39 CF1090 NEW8a ( i d e m)

Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Terkutip Lampiran 39 CF1090 NEW9a ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Terkutip Lampiran 39 CF 70110a ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer ke6 Lamp dan Terkutip Lamp 39 NEW11 ( i d e m)

SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 23 Ind Var n126 NEW

SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 23 Ind Var n126 Est Orisinil NEW SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 23 Ind Var n126 Plus Est Subsitusi NEW

SPSS4 Uji Untitled1 atau Uji Kebenaran data yang ditransfer dari Excel1 CF1090 unt Est SPSS NEW SPSS5 Uji Output1 atau Hasil Uji Est SPSS mengg SPSS4 hasil Uji Untitled1 n126 Est Orisinil NEW

Doc1 Tentang Variabel Hasil Estimasi SPSS 57h Kurva Normal & Lainnya 23 Ind Variabel n126 NEW


32 Files GARUDA INDONESIA dengan INTERVENING VARIABEL: Output1 13 Indikator KUALITAS PELAYANAN 5 observasi

Output2 13 Indikator KUALITAS PELAYANAN 6 observasi

Output3 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs

Output4 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs

Output5 3 Indikator KEPUASAN KONSUMEN 5 Obs

Output6 3 Indikator KEPUASAN KONSUMEN 6 Obs

Output7 5 Indikator LOYALITAS KONSUMEN 5 Obs

Output8 5 Indikator LOYALITAS KONSUMEN 6 Obs

Output9 3 Dimensi Rata rata Kepuasan Konsumen 5 Obs

Output10 3 Dimensi Rata rata Kepuasan Konsumen 6 Obs

Output11 3 Dimensi Rata rata Loyalitas Konsumen 5 Obs

Output12 3 Dimensi Rata rata Loyalitas Konsumen 6 Obs

Output13 4 Indikator KEUNGGULAN BERSAING 5 Obs

Output14 4 Indikator KEUNGGULAN BERSAING 6 Obs

Output15 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs

Output16 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs

Untitled1 13 Indikator KUALITAS PELAYANAN 5 Observasi

Untitled2 13 Indikator KUALITAS PELAYANAN 6 Observasi

Untitled3 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs

Untitled4 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs

Untitled5 3 Indikator KEPUASAN KONSUMEN 5 Obs

Untitled6 3 Indikator KEPUASAN KONSUMEN 6 Obs

Untitled7 5 Indikator LOYALITAS KONSUMEN 5 Obs

Untitled8 5 Indikator LOYALITAS KONSUMEN 6 Obs

Untitled9 3 Dimensi Rata rata Kepuasan Konsumen 5 Obs

Untitled10 3 Dimensi Rata rata Kepuasan Konsumen 6 Obs

Untitled11 3 Dimensi Rata rata Loyalitas Konsumen 5 Obs

6

Untitled12 3 Dimensi Rata rata Loyalitas Konsumen 6 Obs

Untitled13 4 Indikator KEUNGGULAN BERSAING 5 Obs

Untitled14 4 Indikator KEUNGGULAN BERSAING 6 Obs

Untitled15 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs

Untitled16 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs

20 Files GARUDA INDONESIA dengan DOUBLE PATH ANALISYS METHOD: Output1 Model Fungsional Loyalitas Konsumen HASIL ESTIMASI I sdg IV 5 Obs

Output2 Model Fungsional Loyalitas Konsumen HASIL ESTIMASI I sdg IV 6 Obs

Output3 Model Fungsional KEUNGGULAN BERSAING Hasil Est I sdg IV 5 Obs

Output4 Model Fungsional KEUNGGULAN BERSAING Hasil Est I sdg IV 6 Obs

Untitled1 HASIL EST I Model Fungsional LK 5 Obs

Untitled2 HASIL EST II Model Fungsional LK 5 Obs Untitled3 HASIL EST III Model Fungsional LK 5 Obs

Untitled4 HASIL EST IV Model Fungsional LK 5 Obs

Untitled5 HASIL Est I Model Fungsional LK 6 Obs

Untitled6 HASIL Est II Model Fungsional LK 6 Obs Untitled7 HASIL Est III Model Fungsional LK 6 Obs

Untitled8 HASIL Est IV Model Fungsional LK 6 Obs

Untitled9 Hasil Est I MODEL FUNGSIONAL KB 5 Obs Untitled10 Hasil Est II MODEL FUNGSIONAL KB 5 Obs

Untitled11 Hasil Est III MODEL FUNGSIONAL KB 5 Obs

Untitled12 Hasil Est IV MODEL FUNGSIONAL KB 5 Obs Untitled13 HASIL EST I Model Fungsional KB 6 Obs

Untitled14 HASIL EST II Model Fungsional KB 6 Obs

Untitled15 HASIL EST III Model Fungsional KB 6 Obs

Untitled16 HASIL EST IV Model Fungsional KB 6 Obs

Jumlah & Files yang akan dikirim melalui Email sbb: a0 051 1 Versi Jurnal Hasil Penelitian PAKET SUPER ISTIMEWA 2 Keunggulan Bersaing GARUDA INDONESIA 2018 (Lengkap Alt)

a0 051 PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 2 a1 n3205 02 Jurnal HASIL PENELITIAN 64h Keunggulan Bersaing GARUDA INDONESIA 2018 (Lengkap Alt) a2 n2205 02 Analisis Kualitas Pelayanan Dan Keunggulan Bersaing Jasa Angkutan Penerbangan Domestik GIA Di Bandara Soeta

b1 Excel1 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 (Petunjuk Lotus) b2 Excel2 Double Path Analysis Method GARUDA INDONESIA 2016 Master Utama AE1 CF1090 (Lampiran 39)

b3 Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lampiran 39 Excel CF 701 b4 SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 23 Ind Var n126

b5 SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 23 Ind Var n126 Est Orisinil b6 SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 23 Ind Var n126 Plus Est Subsitusi

b7 SPSS4 Uji Untitled1 atau Uji Kebenaran data yang ditransfer dari Excel1 CF1090 unt Est SPSS

b8 SPSS5 Uji Output1 atau Hasil Uji Est SPSS mengg SPSS4 hasil Uji Untitled1 n126 Est Orisinil b9 Doc1 Tentang Variabel Hasil Estimasi SPSS 57h Kurva Normal & Lainnya 23 Ind Variabel n126

b10 Doc2 LAMPIRAN Berformulasi 37h Transfer dari Excel 39 Lamp dan 7 Lampiran Survey b11 E4 MODEL & KERANGKA TEORI 81h Keunggulan Bersaing GARUDA INDONESIA (Lengkap.Alt)

7

c1 Output1 13 Indikator KUALITAS PELAYANAN 5 observasi

c2 Output2 13 Indikator KUALITAS PELAYANAN 6 observasi

c3 Output3 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs

c4 Output4 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs

c5 Output5 3 Indikator KEPUASAN KONSUMEN 5 Obs

c6 Output6 3 Indikator KEPUASAN KONSUMEN 6 Obs

c7 Output7 5 Indikator LOYALITAS KONSUMEN 5 Obs

c8 Output8 5 Indikator LOYALITAS KONSUMEN 6 Obs

c9 Output9 3 Dimensi Rata rata Kepuasan Konsumen 5 Obs

c10 Output10 3 Dimensi Rata rata Kepuasan Konsumen 6 Obs

c11 Output11 3 Dimensi Rata rata Loyalitas Konsumen 5 Obs

c12 Output12 3 Dimensi Rata rata Loyalitas Konsumen 6 Obs

c13 Output13 4 Indikator KEUNGGULAN BERSAING 5 Obs

c14 Output14 4 Indikator KEUNGGULAN BERSAING 6 Obs

c15 Output15 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs

c16 Output16 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs

c17 Untitled1 13 Indikator KUALITAS PELAYANAN 5 Observasi

c18 Untitled2 13 Indikator KUALITAS PELAYANAN 6 Observasi

c19 Untitled3 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs

c20 Untitled4 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs

c21 Untitled5 3 Indikator KEPUASAN KONSUMEN 5 Obs

c22 Untitled6 3 Indikator KEPUASAN KONSUMEN 6 Obs

c23 Untitled7 5 Indikator LOYALITAS KONSUMEN 5 Obs

c24 Untitled8 5 Indikator LOYALITAS KONSUMEN 6 Obs

c25 Untitled9 3 Dimensi Rata rata Kepuasan Konsumen 5 Obs

c26 Untitled10 3 Dimensi Rata rata Kepuasan Konsumen 6 Obs

c27 Untitled11 3 Dimensi Rata rata Loyalitas Konsumen 5 Obs

c28 Untitled12 3 Dimensi Rata rata Loyalitas Konsumen 6 Obs

c29 Untitled13 4 Indikator KEUNGGULAN BERSAING 5 Obs

c30 Untitled14 4 Indikator KEUNGGULAN BERSAING 6 Obs

c31 Untitled15 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs

c32 Untitled16 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs

d1 Output1 Model Fungsional Loyalitas Konsumen HASIL ESTIMASI I sdg IV 5 Obs

d2 Output3 Model Fungsional KEUNGGULAN BERSAING Hasil Est I sdg IV 5 Obs

d3 Output2 Model Fungsional Loyalitas Konsumen HASIL ESTIMASI I sdg IV 6 Obs

d4 Output4 Model Fungsional KEUNGGULAN BERSAING Hasil Est I sdg IV 6 Obs

d5 Untitled1 HASIL EST I Model Fungsional LK 5 Obs

d6 Untitled2 HASIL EST II Model Fungsional LK 5 Obs

d7 Untitled3 HASIL EST III Model Fungsional LK 5 Obs

d8 Untitled4 HASIL EST IV Model Fungsional LK 5 Obs

d9 Untitled5 HASIL Est I Model Fungsional LK 6 Obs

d10 Untitled6 HASIL Est II Model Fungsional LK 6 Obs

d11 Untitled7 HASIL Est III Model Fungsional LK 6 Obs

d12 Untitled8 HASIL Est IV Model Fungsional LK 6 Obs

d13 Untitled9 Hasil Est I MODEL FUNGSIONAL KB 5 Obs

8

d14 Untitled10 Hasil Est II MODEL FUNGSIONAL KB 5 Obs

d15 Untitled11 Hasil Est III MODEL FUNGSIONAL KB 5 Obs

d16 Untitled12 Hasil Est IV MODEL FUNGSIONAL KB 5 Obs

d17 Untitled13 HASIL EST I Model Fungsional KB 6 Obs

d18 Untitled14 HASIL EST II Model Fungsional KB 6 Obs

d19 Untitled15 HASIL EST III Model Fungsional KB 6 Obs

d20 Untitled16 HASIL EST IV Model Fungsional KB 6 Obs

“SELAMAT BERKARYA SEMOGA SUKSES”

9

Analisis Paling Menonjol Yang Tidak Dimiliki Oleh Penelitian

Lain Selama Ini (merupakan ”sebuah metode penelitian baru”)

Metode Analisa Jalur Ganda (Double Path Analysis’ Method)

Terdapat sebanyak 8 buah Model Regresi I (Unstandardized Coefficients [4 buah Model Fungsional Loyalitas Konsumen (…..Fungsi

Semula) dan 4 buah Model Fungsional Keunggulan Bersaing (….Fungsi Estapet)]. Atau secara total untuk dua konsep perhitungan terdapat sebanyak 16

buah Model Regresi Linear Berganda (Multiple Regression) atau hasil

estimasi yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah

ke I) dan Data Dengan Kategori (Jumlah ke II).

Melibatkan sebanyak 8 buah Model Regresi II (Unstandardized Coefficients [Model Regresi Linear Berganda (Multiple Regression)]

masing-masing kelompok Indikator maupun Dimensi terhadap Variabel

Dependennya. Atau secara total untuk dua konsep perhitungan terdapat

sebanyak 16 buah Model Regresi Linear Berganda (Multiple Regression) atau

hasil estimasi yang menggunakan Dua konsep data: Data Dengan Kategori

(Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

Simple Regression (Unstandardized Coefficients 33 Indikator

maupun Dimensi terhadap masing-masing Variabel Dependennya. Atau secara

total untuk dua konsep perhitungan terdapat sebanyak 66 buah Model Regresi

Linear Sederhana (Simple Regression), yaitu hasil estimasi linier sederhana

yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan

Data Dengan Kategori (Jumlah ke II).

Terdapat sebanyak 8 buah Model Regresi atau hasil estimasi Metode Path

Analysis (Standardized Coefficients) [4 buah hasil estimasi Path

Analysis Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah hasil estimasi

Path Analysis Keunggulan Bersaing (….Fungsi Estapet)] Atau secara total

untuk dua konsep perhitungan terdapat sebanyak 16 buah Model Regresi atau

hasil estimasi Metode Path Analysis (Standardized Coefficients) yang menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan

Data Dengan Kategori (Jumlah ke II)..

Analisis Pembentukan Kurva Normal & 8 Pasang/16 Gambar Uji Asumsi Klasik

yang diperhitungkan menggunakan 2 cara Regresi Linear Berganda (Multiple

Regression) dengan 23 Independent variables [SPSS IBM Statistik Versi

21 for Windows dan Lotus 1-2-3 (Transition) dari Program

Microsoft Office Excel 2003.

10

Deskripsi singkat:

Model penelitian pada jasa angkutan penerbangan domestik GARUDA

INDONESIA diistilahkan sebagai MODEL PENELITIAN dengan KERANGKA

PEMIKIRAN TEORITIS [Lengkap Alt] merupakan model penelitian dengan analisis-nya

yang paling sempurna alias terlengkap atau lebih sempurna daripada/diatas MODEL

PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Panjang Alt]. Model

penelitian terlengkap ini menggunakan semua bentuk fungsional model hasil estimasi

(Unstandardized Coefficients: Model Regresi I, Model Regresi II, Model

Regresi III (Simple Regression) dan Model Regresi IV (zresid Histogram & Pembentukan

Kurva Normal) maupun bentuk fungsional model hasil estimasi Metode Path Analysis

(Standardized Coefficients) yang secara keseluruhannya diperhitungkan

mengunakan program SPSS IBM Statistik Versi 21 for Windows, khususnya dalam

pembentukan Kurva Normal digunakan Analisis Regresi Linear Berganda (Multiple

Regression) dengan 23 Independent variables untuk mengukur kekuatan hubungan

antara variabel dependen dengan masing-masing variabel independennya, dan untuk

beberapa model/proses perhitungan tertentu harus menggunakan Lotus 1-2-3

(Transition) yang berasal dari Program Microsoft Office Excel 2003 serta

dilengkapi dengan 52 Bonus Tambahan (menggunakan SPSS IBM Statistik V-21 for

Windows) sebagai lampiran hasil perhitungan yang sangat menunjang proses pertungan

menggunakan INTERVENING VARIABEL maupun DOUBLE PATH ANALISYS

METHOD.

Metode penelitian yang digunakan pada jasa angkutan penerbangan domestik

GARUDA INDONESIA adalah Metode Analisa Jalur Ganda (Double Path Analysis’

Method) yang merupakan ”sebuah metode penelitian baru” yang merupakan sepasang

Part Analysis Method gabungan antara Model fungsional klasik Loyalitas Konsumen

(sebagai fungsi Semula) dengan Model fungsional Keunggulan Bersaing (sebagai fungsi

estapet). Hasil Perhitungan Empiris dari Metode Analisa Jalur Ganda (Double Path

Analysis’ Method) didapatkan dari menggunakan Dua konsep data: Data Dengan Kategori

(Jumlah ke I) dan Data Dengan Kategori (Jumlah ke II).

Yang dimaksud dengan Data Dengan Kategori (Jumlah ke I) merupakan data

”hasil survey” berbentuk skala lima (sangat setuju, setuju, netral, tidak setuju dan sangat

tidak setuju) dengan skor 5, 4, 3, 2, dan 1 (Data 5 observasi) dengan asumsi Data skala

pengukuran Netral bernilai Nol. Sedangkan Data Dengan Kategori (Jumlah ke II)

merupakan data olahan yang disusun dari seluruh Data Dengan Kategori (Jumlah ke I)

sebagai data ”hasil survey” menjadi ”Data 6 Observasi” dengan asumsi yang sama bahwa

Data dengan skala pengukuran Netral, diasumsi bernilai Nol, sehingga Data Observasi ke

6 merupakan Jumlah (atau Nilai Total) dari data ”hasil survey” tersebut [Artinya, dalam

penelitian ini menggunakan 21 Indikator/Dimensi (dikalikan dengan jumlah sampel

sebanyak 5 sampai dengan 10 kali dari jumlah indikator yang digunakan dalam seluruh

variabel laten), maka jumlah sampel minimal yang harus digunakan adalah 126 (yaitu 6

dikali 21). Dengan demikian jumlah sampel minimal untuk penelitian ini sebanyak 126

responden. yang merupakan penumpang (pelanggan) yang telah lebih 3 kali menggunakan

jasa angkutan penerbangan domestik GARUDA INDONESIA.

11

Berdasarkan penelitian sebelumnya, bahwa Model penelitian yang menggunakan

Double Path Analysis’ Method ini mampu menjelaskan hampir semua hipotesis yang

diduga dalam penelitian ini berdistribusi secara normal. Pembuktiannya diperhitungkan

melalui Analisis Regresi Linier Berganda (multiple regression analysis). Khususnya pada

penelitian jasa angkutan penerbangan domestik GARUDA INDONESIA mengestimasi

sebanyak 23 variabel independen dengan n = 126 mengunakan program kedua

alat/program hitung Statistik yang dimaksud diatas. Secara bersamaan dilengkapi dengan

berbagai Uji Statistik: (1) Uji Validitas dan Reliabiitas termasuk menentukan nilai

Cronbach Alpha, (2) Uji Asumsi Klasik (Uji Normalitas, Uji Multikolinearitas & Uji

Heteroskedastisitas) serta Pengujian Hipotesis [(Uji Statistik t, Uji Statistik F, Uji D-W,

Koefisien Determinasi (R2) dan sejenisnya.

Secara lebih terinci […berdasarkan MODEL PENELITIAN dengan KERANGKA

PEMIKIRAN TEORITIS (Lengkap Alt) sebagaimana Bab II] peralatan analisa maupun

proses perhitungan pada umumnya menggunakan Model Regresi Linier Berganda

(multiples regression). Untuk bentuk fungsional model hasil estimasi

(Unstandardized Coefficients) saja terdapat sebanyak 8 buah Model Regresi I

[4 buah Model Fungsional Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah Model

Fungsional Keunggulan Bersaing (….Fungsi Estapet)], sebanyak 8 buah Model Regresi

II (atau secara total sebanyak 16 buah Model Regresi I & II), sebanyak 33 buah Model

Regresi III (Simple Regression) dan sebanyak 8 buah bentuk fungsional model hasil

estimasi Metode Path Analysis (Standardized Coefficients) [4 buah Model

Fungsional Loyalitas Konsumen (…..Fungsi Semula) dan 4 buah Model Fungsional

Keunggulan Bersaing (….Fungsi Estapet)] plus sebanyak 1 buah Model Regresi IV

untuk 23 Independen Variabel dengan n126 (zresid Histogram & Pembentukan Kurva

Normal)

Terkutip: Secara matematis semua bentuk fungsional/proses perhitungan model

hasil estimasi pada penelitian jasa angkutan penerbangan domestik GARUDA

INDONESIA (sebagai MASTER UTAMA) yang disusun sedemikian rupa […berdasarkan

MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Lengkap Alt)]. Sebagai model penelitian dengan analisis-nya yang paling sempurna alias terlengkap

diperlihatkan proses hitung sebanyak {[(16+8)*(2) + 66] + 1 Output1 Hasil Est SPSS)} =

115 Hasil Estmasi (Unstandardized Coefficients: Model Regresi I s/d IV

(zresid Histogram & Pembentukan Kurva Normal) dan hasil estimasi Metode Path

Analysis (Standardized Coefficients)} serta sebanyak {[(39-7) = 32] + 1 Data

Lampiran 39 atau Data Excel CF1090} = 33 Lampiran Olahan “Ber Formulasi” yang

merupakan transfer dari Excel/Lotus 1-2-3 (Transition) dari Program Microsoft

Office Excel 2003]. Hasil perhitungan ini dikelompokan sebagai 2 Hasil Perhitungan

Empiris “Data Dengan Kategori Jumlah I & II” (dapat dilihat dalam Bab IV & Lampiran).

12

II.G Kerangka Pemikiran Teoritis Dan Pembentukan Model Empirik

Secara teori penelitian ini menggunakan Metode Analisa Jalur Ganda (Double Part

Analysis’ Method) yang dilengkapi dengan berbagai Uji Statistik, peralatan analisa

maupun perhitungan pada umumnya menggunakan Model Regresi Linier Berganda

(multiples regression) untuk semua bentuk model fungsional hasil estimasi

(Unstandardized Coefficients: Model Regresi I, Model Regresi II, Model

Regresi III (Simple Regression) dan Model Regresi IV (zresid Histogram Pembentukan

Kurva Normal) maupun Model fungsional hasil estimasi Metode Path Analysis

(Standardized Coefficients) yang secara keseluruhannya mengunakan program

SPSS IBM Statistik Versi 21 for Windows.

Untuk mengetahui keterikatan Pengembangan Model dan pengaruh antar variabel

dapat dijelaskan pada kerangka pemikiran berikut:

13

e1 X1.1

e2 X1.2

e3 X1.3

e4 X1.4

e5 X1.5

e6 X1.6

e7 X1.7

e8 X1.8

e9 X1.9

e10 X1.10

e11 X1.11

e12 X1.12

e13 X1.13

Gambar 2.1: Model Konseptual dan Hubungan Fungsional Antar Inter Variable

Path Analysis Method, KERANGKA PEMIKIRAN TEORITIS.

h1 Y2.1

h2 Y2.2

h3 Y2.3

h4 Y2.4

h5 Y2.5

g1 Y1.1

g2 Y1.2

g3 Y1.3

j1 Y2v.1

j2 Y2v.2

j3 Y2v.3

f1 X1v.1

f2 X1v.2

f3 X1v.3

f4 X1v.4

f5 X1v.5

i1 Y1v.1

i2 Y1v.2

i3 Y1v.3

l1 Y3v.1

l2 Y3v.2

l3 Y3v.3

k1 Y3.1

k2 Y3.2

k3 Y3.3

k4 Y3.4

Kualitas

Pelayanan

(X1)

Kepuasan

Konsumen

(Y1)

Loyalitas

Konsumen

(Y2)

HY1:r 2 Y1.i > 0.6 ALPHA CRONBACH > 0.6

HX1: r 2 X1.i > 0.6 ALPHA CRONBACH > 0.6

HY1v: r 2 Y1v.i > 0.6 ALPHA CRONBACH > 0.6

Y1 = Intevening Variable

R SquareChange = R2

F Change = Fuji Test

Durbin-Watson Test

R SquareChange = R2


Durbin-Watson Test

R SquareChange = R2


Durbin-Watson Test

H2 :C

oeff. R

eg b

1 >

0

H1

: Co

eff. Reg

a1 >

0

HY2v:r 2 Y2v.i > 0.6 ALPHA CRONBACH > 0.6


R SquareChange = R2


Durbin-Watson Test

R SquareChange = R2

F Change = Fuji Test Durbin-Watson Test

HX1v: r 2 X1v.i > 0.6 ALPHA CRONBACH > 0.6

r 2 (Xi ) > 0.6

r 2 (Y1) > 0.6

R SquareChange = R2


Durbin-Watson Test

Dimensi

Kualitas

Pelayanan

(X1v) Keunggulan

Bersaing

(Y3)

R SquareChange = R2


Durbin-Watson Test


R SquareChange = R2


Durbin-Watson Test

Y3v.1. Memperluas Route Penerbangan GARUDA INDONESIA Y3v.2. Mampu Menciptakan INOVASI Produk Jasa GARUDA INDONESIA

Y3v.3. Senantiasa Meningkatkan Promosi Penerbangan GARUDA INDONESIA

HY3v:r 2Y3v.i > 0.6 ALPHA CRONBACH > 0.6

Dimensi

Keunggulan

Bersaing

(Y3v)

Y3v= Intevening Variable

H3: Coeff. Reg 3 > 0


H1: r

2 X1>0


r 2(Yi ) > 0.6

r 2(Y3v) > 0.6

r 2(Yi ,Y3v) > 0.6

r 2(Y3v ,Yi) > 0.6

Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen:

Y1 = a0 + a1 X1 + E1

Y2 = b0 + b1 Y1 Calc + E2

Y2Calc = c0 + c1 X1 + c2Y1 + E3

Y2Calc = d0 + d1 Y1 + d2X1 + E4

standardized Coefficients: Path Analysis Method: Loyalitas Konsumen (…..fungsi Semula):

Y1 = 1X1 + 1

Y2 = 1X1 + 1Y1 + 2

KERANGKA PEMIKIRAN TEORITIS

Keunggulan Bersaing (….fungsi estapet):

Y3 = 1 Y1 + 2Y2

Y3 Calc = 1 Y1 + 2Y2 + 3Y3v

H4: Coeff. Reg c2 > 0 H3: Coeff. Reg c1 > 0

r 2 (Xi ,Y1) > 0

r 2 (Y1 ,Xi) > 0

H4: Coeff. Reg 1 > 0. H5: Coeff. Reg 2 > 0

14

Unstandardized Coefficients: Model Regresi I :

Model Fungsional Loyalitas Konsumen

Y1 = a0 + a1 X1 + e1

Y2 = b0 + b1 Y1 Calc + e2

Y2 Calc = c0 + c1 X1 + c3Y1 + e3

Y2 Calc = d0 + d1Y1 + d3X1 + e4

Model Fungsional Keunggulan Bersaing

Y3v = 0 + 1 Y1 + 2Y2 + 1

Y3 = 0 + 1 Y3v Calc + 2

Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v + 3

Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2 + 4

Model Regresi II:

Indikator &Variabel:

X1 = e0 + e1 X1.1 + e2 X1.2 + e3 X1.3 + e4 X1.4 + e5 X1.5 + e6 X1.6 + e7 X1.7

+ e8 X1.8 + e9 X1.9 + e10 X1.10 + e11 X1.11 + e12 X1.12 + e13 X1.13 + e5

X1v = f0 + f1 X1v.1 + f2 X1v.2 + f3 X1v.3 + f4 X1v.4 + f5 X1v.5 + e6

Y1 = g0 + g1 Y1.1 + g2 Y1.2 + g3 Y1.3 + e7

Y2 = h0 + h1 Y2.1 + h2 Y2.2 + h3 Y2.3 + h4 Y2.4 + h5 Y2.5 + e8

Y1v = i0 + i1 Y1v.1 + i2 Y1v.2 + i3 Yv1.3 + e9

Y2v = j0 + j1 Y2v.1 + j2 Y2v.2 + j3 Y2v.3 + e10

Y3 = k0 + k1Y3.1 + k2 Y3.2 + k3 Y3.3 + k4 Y3.4 + e11

Y3v = l0 + l1Y3v..1 + l2 Y3v.2 + l3 Y3v..3 + e12

Model Regresi III:

Simple Regression beberapa Indikator maupun Dimensi dari berbagai Variabel terkait masing-masing terhadap Variabel dependennya serta Nilai Faktor Koreksi Butiran

sebagai berikut:

1. Variabel Kualitas Pelayanan (X1.i) No. Indikator dari Kualitas Pelayanan: Bentuk Fungsi: FK X1.i > 0.6 (Valid), FK X1.i < 0.6 (Drop)

1. X1.1. Peralatan Aircraft PT GARUDA INDONESIA X1 = a0 + a1 X1.1 ; HX1.1 :Faktor Koreksi X1.1 > 0.6

2. X1.2. Perlengkapan Aircraft PT GARUDA INDONESIA X1 = b0 + b1 X1.2 ; HX1.2 :Faktor Koreksi X1.2 > 0.6

3. X1.3. Kenyamanan Ruangan X1 = c0 + c1 X1.3 ; HX1.3 :Faktor Koreksi X1.3 > 0.6

4. X1.4. Penampilan Petugas X1 = d0 + d1 X1.4 ; HX1.4 :Faktor Koreksi X1.4 > 0.6

5. X1.5. Kejujuran Dalam Memberikan Keterangan X1 = e0 + e1 X1.5 ; HX1.5 :Faktor Koreksi X1.5 > 0.6

6. X1.6. Keramahan X1 = f0 + f1 X1.6 ; HX1.6 :Faktor Koreksi X1.6 > 0.6

7. X1.7. Kecepatan Pelayanan X1 = g0 + g1 X1.7 ; HX1.7 :Faktor Koreksi X1.7 > 0.6

8. X1.8. Kemampuan Menanggapi Keluhan X1 = h0 + h1 X1.8 ; HX1.8 :Faktor Koreksi X1.8 > 0.6

9. X1.9. Kemudahan Prosedur X1 = i0 + i1 X1.9 ; HX1.9 :Faktor Koreksi X1.9 > 0.6

10. X1.10. Mampu Berkomunikasi X1 = j0 + j1 X1.10 ; HX1.10 :Faktor Koreksi X1.10 > 0.6

11. X1.11. Informasi Yang Akurat X1 = k0 + k1 X1.11 ; HX1.11 :Faktor Koreksi X1.11 > 0.6

12. X1.12. Pemahaman Kebutuhan Konsumen X1 = l0 + l1 X1.12 ; HX1.12 :Faktor Koreksi X1.12 > 0.6

13. X1.13. Perhatian Kepada Konsumen X1 = m0 + m1 X1.13 ; HX1.13 :Faktor Koreksi X1.13 > 0.6

15

2. Variabel Kepuasan Konsumen (Y1) No. Indikator dari Variabel Kepuasan Konsumen: Bentuk Fungsi: FK Y1.i > 0.6 (Valid), FK Y1.i < 0.6 (Drop)

1. Y1.1. Kepuasan akan produk yang ditawarkan Y1 = n0 + n1 Y1.1 ; HY1.1 :Faktor Koreksi Y1.1 > 0.6

2. Y1.2. Sesuai dengan yang diharapkan Y1 = o0 + o1 Y1.2 ; HY1.2 :Faktor Koreksi Y1.2 > 0.6

3. Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = p0 + p1 Y1.3 ; HY1.3 :Faktor Koreksi Y1.3 > 0.6

3. Variabel Loyalitas Konsumen (Y2) No. Indikator dari Variabel Loyalitas Konsumen: Bentuk Fungsi: FK Y2.i > 0.6 (Valid), FK Y2.i < 0.6 (Drop)

1. Y2.1. Aircraft PT GARUDA INDONESIA Yang Bagus Y2 = q0 + q1 Y2.1 ; HY2.1 :Faktor Koreksi Y2.1 > 0.6

2. Y2.2. Kenikmatan Merasakan Layanan Y2 = r0 + r1 Y2.2 ; HY2.2 :Faktor Koreksi Y2.2 > 0.6

3. Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = s0 + s1 Y2.3 ; HY2.3 :Faktor Koreksi Y2.3 > 0.6

4. Y2.4. Pengalaman Masa Lalu Y2 = t0 + t1 Y2.4 ; HY2.4 :Faktor Koreksi Y2.4 > 0.6

5. Y2.5. Pengalaman Teman-teman Y2 = u0 + u1 Y2.5 ; HY2.5 :Faktor Koreksi Y2.5 > 0.6

4. Dimensi Rata-rata Kepuasan Konsumen (Y1v) No. Dimensi Rata-rata Kepuasan Konsumen: Bentuk Fungsi: FK Y1v.i > 0.6 (Valid), FK Y1v.i < 0.6 (Drop)

1. Y1v.1. Pelayanan Sesuai dengan harapan pelanggan Y1v = h0 + h1 Y1v.1 ;HY1v.1 :Faktor Koreksi Y1v.1 > 0.6

2. Y1v.2. Kesediaan Pelanggan untuk merekomendasikan kepada orang lain Y1v = i0 + i1 Y1v.2 ;HY1v.2 :Faktor Koreksi Y1v.2 > 0.6

3. Y1v.3. Puas atas kualitas pelayanan yang sudah dirasakan Y1v = j0 + j1 Y1v.3 ;HY1v.3 :Faktor Koreksi Y1.3 > 0.6

5. Dimensi Rata-rata Variabel Loyalitas Konsumen (Y2v) No. Dimensi Rata-rata Loyalitas Konsumen: Bentuk Fungsi: FK Y2v.i > 0.6 (Valid), FK Y2v.i < 0.6 (Drop)

1. Y2v.1. Penggunaan ulang layanan Y2v = k0 + k1 Y2v.1 ; HY2v.1 :Faktor Koreksi Y2\v..1 > 0.6

2. Y2v.2. Tertanamnya secara positif layanan di benak pelanggan Y2v = l0 + l1 Y2v.2 ; HY2v.2 :Faktor Koreksi Y2v.2 > 0.6

3. Y2v.3. Selalu menjadi pilihan utama bagi pelanggan Y2v = m0 + m1 Y2v.3 ; HY2v.3 :Faktor Koreksi Y2v.3 > 0.6

6. Dimensi Rata-rata Kualitas Pelayanan (X1v) No. Dimensi Rata-rata Kualitas Pelayanan: Bentuk Fungsi: FK X1v.i > 0.6 (Valid), FK X1v.i < 0.6 (Drop)

1. X1v.1. Bukti fisik (tangible) X1v = n0 + n1 X1v.1 ; HX1v.1 :Faktor Koreksi X1v.1 > 0.6

2. X1v.2. Keandalan (reliability) X1v = o0 + o1 X1v.2 ; HX1v.2 :Faktor Koreksi X1v.2 > 0.6

3. X1v.3. Daya tanggap (responsiveness) X1v = p0 + p1 X1v.3 ; HX1v.3 :Faktor Koreksi X1v.3 > 0.6

4. X1v.4. Jaminan (assurance) X1v = q0 + q1 X1v.4 ; HX1v.4 :Faktor Koreksi X1v.4 > 0.6

5. X1v.5. Perhatian (empathy) X1v = r0 + r1 X1v.5 ; HX1v.5 :Faktor Koreksi X1v.5 > 0.6

7. Variabel Keunggulan Bersaing (Y3) No. Indikator dari Keunggulan Bersaing: Bentuk Fungsi: FK Y3.i > 0.6 (Valid), FK Y3.i < 0.6 (Drop)

1. Y3.1. Kemampuan Bersaing Y3 = s0 + s1 Y3.1 ; HY3.1 :Faktor Koreksi Y3.1 > 0.6

2. Y3.2. Dikenal Luas Y3 = t0 + t1 Y3.2 ; HY3.2 :Faktor Koreksi Y3.2 > 0.6

3. Y3.3. Peningkatan Sumber Dana Y3 = u0 + u1 Y3.3 ; HY3.3 :Faktor Koreksi Y3.3 > 0.6

4. Y3.4. Keunggulan Tekhnologi Y3 = v0 + v1 Y3.3 ; HY3.4 :Faktor Koreksi Y3.4 > 0.6

8. Dimensi Rata-rata Keunggulan Bersaing (Y3v) No. Dimensi dari Keunggulan Bersaing: Bentuk Fungsi: FK Y3v.i > 0.6 (Valid), FK Y3v.i < 0.6 (Drop)

1. Y3v.1. Memperluas Route Penerbangan GARUDA INDONESIA Y3v = w0 + w1 Y3v.1 ; HY3.1 :Faktor Koreksi Y3v.1 > 0.6

2. Y3v.2. Mampu Menciptakan Inovasi Produk Jasa GIA Y3v = x0 + x1 Y3v.2 ; HY3.2 :Faktor Koreksi Y3v.2 > 0.6

3. Y3v.3. Senantiasa Meningkatkan Promosi Penerbangan GIA Y3v = y0 + y1 Y3v.3 ; HY3.3 :Faktor Koreksi Y3v.3 > 0.6

Metode Path Analysis Standardized Coefficients: Model Fungsional Loyalitas Konsumen

Y1 = 1X1 + 1

Y2 = 1X1 + 1Y1 + 2

dimana: Y1 = Kepuasan Konsumen

Y2 = Loyalitas Konsumen

X1 = Kualitas Pelayanan

1 = Koefisien regresi variabel Kualitas Pelayanan

16

1 = Koefisien regresi intervening variabel Kepuasan Konsumen

= Error Term

Model Fungsional Keunggulan Bersaing (….fungsi estapet)

Y3 = 1 Y1 + 2Y2

Y3 Calc = 1 Y1 + 2Y2 + 3Y3v

dimana: Y3 = Y3u = Keunggulan Bersaing

Y1 = Y1u = Kepuasan Konsumen

Y2 = Y2u = Loyalitas Konsumen

Y3v = Dimensi Rata-rata Keunggulan Bersaing

1 = Koefisien regresi variabel Kepuasan Konsumen

2 = Koefisien regresi variabel Loyalitas Konsumen

3 = Koefisien regresi intervening Dimensi Rata-rata Keunggulan Bersaing

Model Regresi IV: Analisis Regresi Linear Berganda (Multiples Regression)

Y3 = m0 + m1 X1 + m2 X2 + m3 X3 + m4 X4 + m5 X5 + m6 X6 + m7 X7 + m8 X8

+ m9 X9 + m10 X10 + m11 X11 + ...........+ m23 X23 + e13

dimana:

X1 = X1v.1 = Bukti fisik (tangible)

X2 = X1v.2 = Keandalan (reliability)

X3 = X1v.3 = Daya tanggap (responsiveness)

X4 = X1v.4 = Jaminan (assurance)

X5 = X1v.5 = Perhatian (empathy)

X6 = X1u = Dimensi Total KUALITAS PELAYANAN Garuda Indonesia

X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN Garuda Indonesia

X8 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan

X9 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain

X10 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan

X11 = Y1u = Dimensi Total KEPUASAN KONSUMEN Garuda Indonesia

X12 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable)

X13 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN Garuda Indonesia

X14 = Y1v Calc = Y1v OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable)

X15 = Y2v.1 = Penggunaan ulang layanan

X16 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan

X17 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan

X18 = Y2u = Dimensi Total LOYALITAS KONSUMEN Garuda Indonesia

X19 = Y2v = Dimensi Rata-rata LOYALITAS KONSUMEN Garuda Indonesia

X20 = Y3v.1 = Memperluas ROUTE Penerbangan Garuda Indonesia

X21 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa Garuda Indonesia

X22 = Y3v.3 = Senantiasa Meningkatkan PROMOSI Garuda Indonesia

X23 = Y3 = X = KEUNGGULAN BERSAING Garuda Indonesia (Data Dengan Kategori JUMLAH ke I)

X24 = Y3 = Y = KEUNGGULAN BERSAING Garuda Indonesia (Data Dengan Kategori JUMLAH ke II)

m0 , m1 ...... m23 = Koefisien Regresi untuk ke 23 Independen Variabel

e13 = Error Term

17

II.H Dimensional Variabel (Hubungan Antara Variabel dengan Dimensi)

Model penelitian menunjukkan ada 3 variabel utama ”Metode Path Analysis”

yang memiliki sebanyak 5 (Lima) hipotesis, yaitu:

H1:r 2 X1 > 0 Bahwa variabel kualitas pelayanan (X1) mempunyai pengaruh langsung

positif terhadap variabel kepuasan konsumen (Y1) jasa angkutan

penerbangan domestik GARUDA INDONESIA.

H2:r 2 Y1 > 0 Bahwa variabel kepuasan konsumen (Y1) mempunyai pengaruh langsung

positif terhadap variabel loyalitas konsumen (Y2) jasa angkutan

penerbangan domestik GARUDA INDONESIA.

H3:r 2 X1 > 0 Bahwa variabel kualitas pelayanan (X1) mempunyai pengaruh tidak

langsung positif (melalui intervening kepuasan konsumen Y1) terhadap

variabel loyalitas konsumen (Y2) jasa angkutan penerbangan domestik

GARUDA INDONESIA.

HX1.i:r 2 X1i >0 Bahwa 13 indikator kualitas pelayanan (X1) mempunyai pengaruh tidak

langsung positif terhadap variabel kepuasan konsumen (Y1) maupun


GARUDA INDONESIA.

HX1vr 2 X1v > 0 Bahwa 5 Dimensi kualitas pelayanan (X1) mempunyai pengaruh tidak

langsung positif terhadap variabel kepuasan konsumen (Y1) maupun


GARUDA INDONESIA.

Bahwa 5 Dimensi Kualitas Pelayanan (X1), berjalan secara sinkron bersifat

“Optimum”, jelasnya bahwa Adjusted of determination coefficient bernilai

positif melampaui diatas nilai kritis (critical value) yang dicerminkan oleh:

II.H.1 Variabel Kualitas Pelayanan (X1)

Hubungan Variabel Kualitas Pelayanan (X1) dengan 5 Dimensi Pokok (Total)

Kualitas Pelayanan (X1u.i ) dan 5 Dimensi Rata-rata Kualitas Pelayanan (X1v.i ) serta

Hubungan Variabel maupun Dimensi Rata-rata dalam Part Analysis Method dapat

dijelaskan sebagai berikut:

18

H6:r 2 X1v.i > 0 Bahwa dimensi rata-rata kualitas pelayanan (X1v.i) mempunyai pengaruh

langsung positif terhadap dimensi rata-rata kepuasan konsumen (Y1v.i) jasa

angkutan penerbangan domestik GARUDA INDONESIA.

H9:r 2 X1v.i > 0 Bahwa dimensi rata-rata kualitas pelayanan (X1v.i) mempunyai pengaruh

tidak langsung positif terhadap dimensi rata-rata loyalitas konsumen (Y1v.i)

[melalui intervening dimensi rata-rata kepuasan konsumen (Y1v)] jasa


HX1v.i:r 2X1v.i > 0 Bahwa 5 Dimensi Kualitas Pelayanan (X1v.i), berjalan secara sinkron

bersifat “Optimum”, jelasnya bahwa Adjusted of determination coefficient

bernilai positif melampaui diatas nilai kritis (critical value) yang

dicerminkan oleh:

HX1v.i:r 2X1v.i > 0

5 Dimensi Rata-rata Kualitas Pelayanan (X1v.i):

H1: HX1v.1 = Bukti fisik (tangible) berpengaruh positif terhadap variabel kepuasan konsumen.

H2: HX1v.2 = Keandalan (reliability) berpengaruh positif terhadap variabel kepuasan konsumen.

H3: HX1v.3 = Daya tanggap (responsiveness) berpengaruh positif terhadap variabel kepuasan konsumen.

H4: HX1v.4 = Jaminan (assurance) berpengaruh positif terhadap variabel kepuasan konsumen.

H5: HX1v.5 = Perhatian (empathy) berpengaruh positif terhadap variabel kepuasan konsumen.

HX1:r 2X1 > 0 : Variabel Kualitas Pelayanan (X1)

HX1v.i:r 2X3v > 0 : Dimensi Rata-rata Kualitas Pelayanan (X1v.i)

HX1u.i:r 2X1u.i > 0 : 5 Dimensi Pokok (Total) Kualitas Pelayanan (X1u.i): H1: HX1u.1 = Bukti fisik (tangible), adalah fungsi dari Indikator Kualitas pelayanan (X1.1 s/d X1.4)

H2: HX1u.2 = Keandalan (reliability), adalah fungsi dari Indikator Kualitas pelayanan (X1.5 s/d X1.7)

H3: HX1u.3 = Daya tanggap (responsiveness), adalah fungsi dari Indikator Kualitas pelayanan (X1.8 s/d X1.9)

H4: HX1u.4 = Jaminan (assurance), adalah fungsi dari Indikator Kualitas pelayanan (X1.10 s/d X1.11)

H5: HX1u.5 = Perhatian (empathy), adalah fungsi dari Indikator Kualitas pelayanan (X1.12 s/d X1.13)

HX1v.1: Semakin tinggi Bukti fisik (tangible), maka semakin tinggi kepuasan konsumen,

yang berarti semakin tingginya kemampuan para karyawan penyedia jasa

angkutan penerbangan domestik GARUDA INDONESIA meningkatkan kualitas

pelayanan, merepresentasikan dimensi pelayanan yang berwujud secara fisik atau

sesuatu yang nampak.

HX1v.2: Semakin tinggi Keandalan (reliability), maka semakin tinggi kepuasan konsumen,


angkutan penerbangan domestik GARUDA INDONESIA untuk menampilkan

pelayanan yang dijanjikan dengan terpercaya dan akurat.

HX1v.3: Semakin tinggi Daya tanggap (responsiveness), maka semakin tinggi kepuasan

konsumen. Yang berarti semakin tingginya/mantap aktivitas para karyawan

penyedia jasa angkutan penerbangan domestik GARUDA INDONESIA

memberikan pelayanan yang baik kepada pelanggan atau dilakukan untuk

memastikan kepuasan pelanggan.

19

HX1v.4: Semakin tinggi Jaminan (assurance), maka semakin tinggi kepuasan konsumen,


angkutan penerbangan domestik GARUDA INDONESIA meningkatkan kualitas

pelayanan yang berfokus pada pengetahuan, kesopanan, keramah-tamahan serta

kemampuan para karyawan untuk menimbulkan/melahirkan kepercayaan dan

keyakinan pada diri pelanggan.

HX1v.5: Semakin tinggi Empati (empathy), maka semakin tinggi kepuasan konsumen, yang

berarti semakin tingginya kemampuan para karyawan penyedia jasa angkutan

penerbangan domestik GARUDA INDONESIA meningkatkan kualitas pelayanan

melalui cara pemberian perhatian dengan sentuhan pribadi sehingga dapat/tepat

memenuhi apa yang dibutuhkan oleh konsumen.

II.H 2 Variabel Kepuasan Konsumen (Y1)

Hubungan variabel Kepuasan Konsumen (Y1) dengan 3 Dimensi Kepuasan

Konsumen (Y1) dapat dijelaskan sebagai berikut:

H8:r 2 Y1v.i > 0 Bahwa dimensi rata-rata kepuasan konsumen (Y1v.i) mempunyai pengaruh

langsung positif terhadap dimensi rata-rata loyalitas konsumen (Y2v) jasa


HY1: r 2 Y1 > 0 : Variabel Kepuasan Konsumen (Y1)

HY1v: r 2 Y1v > 0 : Dimensi Rata-rata Kepuasan Konsumen (Y1v)

HY1v.i: r 2 Y1v.i > 0 : 3 Dimensi Rata-rata Kepuasan Konsumen (Y1v.i):

(1) Pelayanan sesuai dengan harapan pelanggan,

(2) Kesediaan pelanggan untuk merekomendasikan kepada orang lain dan

(3) Puas atas kualitas pelayanan yang sudah dirasakan.

II.H.3 Variabel Loyalitas Konsumen (Y2)

Dimensionalisasi variabel Loyalitas Konsumen (Y2) dalam penelitian ini mengacu

pada penelitian Gremler & Brown dalam Lu Ting Pong., et.al., (2001), dimana hubungan

variabel Loyalitas Konsumen dengan 3 Dimensi Loyalitas Konsumen (Y2) dapat dijelaskan

sebagai berikut:

HY2:r 2 Y2 > 0 : Variabel Loyalitas Konsumen (Y2)

HY2v:r 2 Y2v > 0 : Dimensi Rata-rata Loyalitas Konsumen (Y4v)

HY2v.i:r 2 Y2v.i > 0 :3 Dimensi Rata-rata Loyalitas Konsumen (Y4v.i):

(1) Penggunaan ulang layanan

(2) Tertanamnya secara positif layanan di benak pelanggan

(3) Selalu menjadi pilihan utama bagi pelanggan.

20

II.H.4 Variabel Keunggulan Bersaing (Y3)

Dimensionalisasi variabel Keunggulan Bersaing (Y3) dalam penelitian ini mengacu

menurut Selnes ( 1993); Bharadwaj dkk (1993); Goodman dkk (1995 ); Keltner (1995);

Chow dan Holden (1997) Geykens dkk (1999); Suryanto, L dan Sugiyanto,FX

(2002);Musry (2004); Rusdarti (2004); Smith dan wright (2004) menyatakan bahwa

Keunggulan bersaing merupakan kemampuan produsen untuk menghadapi persaingan

yang terjadi menurut penilaian Konsumen. Hubungan antara variabel, Indikator dan

Dimensi Keunggulan Bersaing dapat dijelaskan sebagai berikut:

HY3: r 2 Y3 > 0 : Variabel Keunggulan Bersaing (Y3)

HY3.i: r 2 Y3.i > 0 : Indikator Keunggulan Bersaing (Y3.i): (1) Y3.1. Kemampuan bersaing dengan meningkatkan jumlah Aircraft GARUDA INDONESIA yang beroperasi

(2) Y3.2. Keluasan jaringan yang ikut sebagai Mitra Operasi dengan berbagai Moda Transportasi lain

(3) Y3.3. Peningkatan sumber dana untuk menampilkan berbagai jenis, model dan tipe Aircraft GARUDA INDONESIA terkini

(4) Y3.4. Keunggulan teknologi Aircraft GARUDA INDONESIA terkini yang senantiasa ditampilkan di berbagai Media

HY3v: r 2 Y3v > 0 : Dimensi Rata-rata Keunggulan Bersaing (Y3v)

HY2v.i:r 2 Y2v.i > 0 : 3 Dimensi Rata-rata Keunggulan Bersaing (Y3v.i):

1) Memperluas Route Penerbangan Aircraft GARUDA INDONESIA

2) Mampu Menciptakan Inovasi Produk Jasa Aircraft GARUDA INDONESIA

3) Senantiasa Meningkatkan Promosi Aircraft GARUDA INDONESIA

21

IV.A Hasil Perhitungan: Data Dengan Kategori (Jumlah ke I)

Secara teori penelitian ini menggunakan Metode Analisa Jalur Ganda (Double Part

Analysis’ Method) yang dilengkapi dengan berbagai Uji Statistik, peralatan analisa maupun

perhitungan pada umumnya menggunakan Model Regresi Linier Berganda (multiples regression)

untuk semua bentuk fungsional model hasil estimasi (Unstandardized Coefficients: Model Regresi

I, Model Regresi II, Model Regresi III (Simple Regression) dan Model Regresi IV (zresid Histogram

Pembentukan Kurva Normal) maupun Model fungsional hasil estimasi Metode Path Analysis

(Standardized Coefficients) yang secara keseluruhannya mengunakan program SPSS IBM Statistik

Versi 21 for Windows.

Metode Analisa Jalur Ganda (Double Part Analysis’ Method) merupakan sepasang Part

Analysis Method gabungan antara Model fungsional klasik Loyalitas Konsumen (sebagai fungsi

Semula) dengan Model fungsional Keunggulan Bersaing (sebagai fungsi estapet). Hasil

Perhitungan Empiris dari Metode Analisa Jalur Ganda (Double Part Analysis’ Method) didapatkan

dari menggunakan Dua konsep data: Data Dengan Kategori (Jumlah ke I) dan Data Dengan

Kategori (Jumlah ke II).

Yang dimaksud dengan Data Dengan Kategori (Jumlah ke I) merupakan data ”hasil

survey” berbentuk skala lima (sangat setuju, setuju, netral, tidak setuju dan sangat tidak setuju)

dengan skor 5, 4, 3, 2, dan 1 (Data 5 observasi) dengan asumsi Data skala pengukuran Netral

bernilai Nol. Sedangkan Data Dengan Kategori (Jumlah ke II) merupakan data olahan yang

disusun dari seluruh Data Dengan Kategori (Jumlah ke I) sebagai data ”hasil survey” menjadi

”Data 6 Observasi” dengan asumsi yang sama bahwa Data dengan skala pengukuran Netral,

diasumsi bernilai Nol, sehingga Data Observasi ke 6 merupakan Jumlah (atau Nilai Total) dari data

”hasil survey” tersebut.

22

Dalam penelitian ini tidak ada “Indikator, dimensi maupun variabel” yang harus

dibuang/terbuang begitu saja. Indikator, dimensi maupun variabel yang DROP (penurunan,

keadaan menurun, atau kemerosotan) maupun yang TIDAK RELIABEL pasca Uji Validitas maupun

Uji Reliabilitas tetap digunakan bahkan bisa dirubah menjadi VALID (sah, syah, absah, sahih)

maupun RELIABEL (dapat dipercaya/diandalkan) sepanjang masih terjadi:

”Laju kenaikan rata-rata Nilai koefisien ALPHA CRONBACH (dalam %) dan kenaikan berdasarkan ”penyesuaian faktor koreksi per butir” seluruh indikator maupun Dimensi Rata-rata atau kenaikan Nilai butiran Indikator maupun Dimensi Rata-rata (dalam Kali lipat) dari variabel penelitan yang bersangkutan”

Untuk mencari/mengetahui seluruh indikator maupun Dimensi Rata-rata per butirnya dari

Variabel/Dimensi Variabel yang mengalami kondisi DROP bahkan yang TIDAK RELIABEL, maka

digunakan Model analisa Regresi Linier Berganda (multiples regression) Keunggulan Bersaing

untuk ke 23 Variabel Independen (Dalam Model analisa Regresi Linier Berganda ditandai oleh

koefisien regresi yang bernilai minus), dan untuk kemudian produsen penyedia jasa angkutan

penerbangan domestik GARUDA INDONESIA dapat melakukan upaya memaksimalisasi,

meningkatkan beberapa indikator kualitas pelayanan (X1.i) yang telah dikelompokkan dalam

Wujud Dimensi Rata-rata kualitas pelayanan (X1v.i): Indikator dalam wujud Dimensi apa saja yang

harus diperbaiki, dirubah, ditingkatkan, diganti, ditambah, direnopasi, dibiayai ulang dan lain

sebagainya, serta meningkatkan bahkan mempertajam kemampuan manejerialnya dan

manajemen operasional secara maksimal

Data hasil survey atau Data Dengan Kategori (Jumlah ke I) dalam penelitian ini

digunakan untuk menganalisis semua indikator dari: Variabel Kualitas Pelayanan (X1),

Variabel Kepuasan Konsumen (Y1), Variabel Loyalitas Konsumen (Y2) dan Variabel Keunggulan

Bersaing (Y3). Sedangkan Dimensi Rata-rata Kualitas Pelayanan (X1v) dan Dimensi Rata-rata

23

Keunggulan Bersaing (Y3v) yang murni merupakan “Data Olahan” dari semua indikator

berbagai variabel tersebut dipergunakan dalam berbagai Uji Statistik maupun peralatan

analisa berbagai bentuk Model Empiris sesuai kebutuhan penelitian.

Penggunaan program SPSS IBM Statistik Versi 21 for Windows bertujuan mendeteksi

terjadi/tidaknya Excluded Variable dari seluruh indikator maupun Dimensi Rata-rata per

butirnya dari Variabel/Dimensi Variabel atau independen Variabel didalam model hasil

estimasi. Apabila, hasil estimasi memiliki ”Zero-order Partial Correlation” dan juga mengalami

”Zero-order (Tolerance, VIF and Minimum Tolerance) Collinearity Statistics”, itu berarti

“adanya/terdapatnya gejala multikolinearitas” didalam model hasil estimasi, secara

otomatis menjadikan model hasil estimasi sebagai Badness of fit regression models. Artinya

model hasil estimasi berkondisi jelek (tidak memenuhi persyaratan sebagai model hasil

estimasi yang baik) sehingga tidak reliabel digunakan sebagai model untuk tujuan prediksi.

Sebalinya, apabila tidak terjadinya Excluded Variable dari seluruh Indikator maupun

Dimensi Rata-rata per butirnya dari Variabel/Dimensi Variabel atau dari seluruh Independen

Variabel yang terdapat didalam model hasil estimasi, tidak memiliki ”Zero-order Partial

Correlation” dan juga tidak mengalami ”Zero-order (Tolerance, VIF and Minimum Tolerance)

Collinearity Statistics”. Artinya, “tidak adanya/tidak terjadinya gejala multikolinearitas”

didalam model hasil estimasi, maka secara otomatis menjadikan model hasil estimasi sebagai

goodness of fit regression models. Segala Proses perhitungan dalam penelitian ini

menggunakan (data lampiran 12 s/d 17), dengan Hasil Perhitungan Empiris yang dirangkum

kedalam Gambar 4.1 (meliputi semua penjabarannya) sebagai berikut:

24

2.66 X1.1

-3.52 X1.2 0.92 X1.3

6.62 X1.4 -1.64 X1.5 14.3 X1.6

9.69 X1.7 -16.4 X1.8 -9.34 X1.9 6.01 X1.10 1.47 X1.11

-4.10 X1.12 7.58 X1.13

Gambar 4.1: Model Konseptual dan Hubungan Fungsional Antar Inter Variable Path Analysis Method,

HASIL PERHITUNGAN EMPIRIS [Data Dengan Kategori (Jumlah ke I)].

0.09 Y2.1 2.99 Y2.2

-17.6 Y2.3 9.08 Y2.4 7.70 Y2.5

8.52 Y1.1

-6.25 Y1.2

0.18 Y1.3

0.23 Y2v.1

-9.45 Y2v.2

10.5 Y2v.3

67.7 X1v.1 -170.6 X1v.2 163.5 X1v.3

-118.5 X1v.4 63.6 X1v.5

8.52 Y1v.1

-6.25 Y1v.2

0.18 Y1v.3

-6.55 Y3v.1

-0.25 Y3v.2

9.07 Y3v.3

66.8 Y3.1

-119.8 Y3.2

183.7 Y3.3

-130.7 Y3.4

Kualitas

Pelayanan

(X1)

Kepuasan

Konsumen

(Y1)

Loyalitas

Konsumen

(Y2)

HY1:r 2 Y1.i = 0.299 ALPHA CRONBACH = 0.810

HX1: r 2 X1.i = 0.748 ALPHA CRONBACH = 0.972

HY1v:r 2 Y1v.i = 0.299 ALPHA CRONBACH = 0.810


R Square = 0.950 Fuji Test = 4.709

D-W Test = 2.571

R Square = 0.825 Fuji Test = 1.570 D-W Test = 1.517


Co

eff. Reg

b1

= 1

.613

: Co

eff. Reg

a1 =

0.1

69

HY2v:r 2Y2v.i = 0.162 ALPHA CRONBACH = 0.897



D-W Test = 1.500


HX1v:r 2X1v.i = 0.402 ALPHA CRONBACH = 0.929

r 2 (Xi ) = 0.742

r 2 (Xi ,Y1) = 0.414

r 2 (Y1) = 0.414


Dimensi

Kualitas

Pelayanan

(X1v) Keunggulan

Bersaing

(Y3)



Coeff. Reg c1= 156116.101b (Excluded Variable) Coeff. Reg c2 = 1.613





Dimensi

Keunggulan

Bersaing

(Y3v)


Coeff. Reg 3 = 1.223


H1: r

2 X1>0

Coeff. Reg 2 = 0.383 Coeff. Reg 2 = 38784.337b (Excluded Variable)


r 2(Yi ) = 0.646

r 2(Y3v) = 0.737

r 2(Yi ,Y3v) = 0.606

r 2(Y3v ,Yi) = 0.606

Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen: Y1 = 29.656 + 0.169 X1 + E1 Y2 = 4.043 + 1.613 Y1 Calc

Y2 = 4.043 + 156116.101b X1 + 1.613 Y1 Calc

Y2 = 51.884 + 0.272 Y1Calc - 156115.352b X1

b) Excluded Variables: Beta In X1 & Y2


Y1 = 0.898 X1

Y2 = 156116.101b X1 + 0.749Y1 Calc

HASIL PERHITUNGAN EMPIRIS

Data Dengan Kategori (Jumlah ke I)


Y3v = 0.112 Y1 + 0.804 Y2

Y3 = 0.060 Y1 + 38784.337bY2 + 0.840 Y3v Calc

r 2 (Y1 ,Xi) = 0.414

25



Y1 = a0 + a1 X1 + E1

Y2 = b0 + b1 Y1 Calc + E2

Y2Calc = c0 + c1 X1 + c2Y1 + E3

Y2Calc = d0 + d1 Y1 + d2X1 + E4

Y1 = 29.656 + 0.169 X1 + E1

Y2 = 4.043 + 1.613 Y1 Calc

Y2 = 4.043 + 156116.101b X1 + 1.613 Y1 Calc

Y2 = 51.884 + 0.272 Y1Calc - 156115.352b X1


Y3v = 0 + 1 Y1 + 2Y2 + 1

Y3 = 0 + 1 Y3v Calc + 2

Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v + 3

Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2 + 4

Y3v = 32.773 + 0.098 Y1 + 0.383 Y2

Y3 = 2.212 + 1.304 Y3v Calc

Y3 = 4.103 + 0.069 Y1 + 38784.337b Y2 + 1.223 Y3v Calc

Y3 = 44.172 - 43759.313b Y3v Calc + 0.189 Y1 + 0.468 Y2

Model Regresi II:


+ e8 X1.8 + e9 X1.9 + e10 X1.10 + e11 X1.11 + e12 X1.12 + e13 X1.13 + e5


Y1 = g0 + g1 Y1.1 + g2 Y1.2 + g3 Y1.3 + e7

Y2 = h0 + h1 Y2.1 + h2 Y2.2 + h3 Y2.3 + h4 Y2.4 + h5 Y2.5 + e8

Y1v = i0 + i1 Y1v.1 + i2 Y1v.2 + i3 Yv1.3 + e9

Y2v = j0 + j1 Y2v.1 + j2 Y2v.2 + j3 Y2v.3 + e10

Y3 = k0 + k1Y3.1 + k2 Y3.2 + k3 Y3.3 + k4 Y3.4 + e11

Y3v = l0 + l1Y3v..1 + l2 Y3v.2 + l3 Y3v..3 + e12

Multiples Regression, 5 Obsrvasi X1 = 39.714 + 2.660 X1.1 - 3.516 X1.2 + 0.917 X1.3 + 6.621 X1.4 -1.637 X1.5 + 14.276 X1.6 + 9.692 X1.7

- 16.417 X1.8 - 9.337 X1.9 + 6.011 X1.10 + 1.470 X1.11 - 4.100 X1.12 + 7.580 X1.13 + e5

X1v = 109.000 + 67.691 X1v.1 - 170.555 X1v.2 + 163.536 X1v.3 - 118.517 X1v.4 + 63.555 X1v.5 + e6

Y1 = 35.170 + 8.521 Y1.1 - 6.248 Y1.2 + 0.179 Y1.3 + e7

Y2 = 74.500 + 0.093 Y2.1 + 2.993 Y2.2 - 17.610 Y2.3 + 9.075 Y2.4 + 7.703 Y2.5 + e8

Y1v = 35.170 + 8.521 Y1v.1 - 6.248 Y1v.2 + 0.179 Y1v.3 + e9

26

Y2v = 45.500 + 0.231 Y2v.1 - 9.447 Y2v.2 + 10.473 Y2v.3 + e10

Y3 = 49.000 + 66.790 Y3.1 - 119.803 Y3.2 + 183.726 Y3.3 - 130.743 Y3.4 + e11

Y3v = 35.000 - 6.546Y3v..1 - 0.251l Y3v.2 + 9.074 Y3v..3 + e11

Model Regresi III:


sebagai berikut:


1. X1.1. Peralatan Aircraft PT GARUDA INDONESIA X1 = 105.736 + 10.565 X1.1 ; FK X1.1 = 0.632 Valid

2. X1.2. Perlengkapan Aircraft PT GARUDA INDONESIA X1 = 105.355 + 10.483 X1.2 ; FK X1.2 = 0.556 Drop

3. X1.3. Kenyamanan Ruangan X1 = 119.733 + 9.713 X1.3 ; FK X1.3 = 0.586 Drop

4. X1.4. Penampilan Petugas X1 = 129.696 + 10.201 X1.4 ; FK X1.4 = 0.378 Drop

5. X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 109.172 + 10.112 X1.5 ; FK X1.5 = 0.618 Valid

6. X1.6. Keramahan X1 = 98.011 + 10.629 X1.6 ; FK X1.6 = 0.543 Drop

7. X1.7. Kecepatan Pelayanan X1 = 111.205 + 9.926 X1.7 ; FK X1.7 = 0.652 Valid

8. X1.8. Kemampuan Menanggapi Keluhan X1 = 111.426 + 10.494 X1.8 ; FK X1.8 = 0.658 Valid

9. X1.9. Kemudahan Prosedur X1 = 101.360 + 10.672 X1.9 ; FK X1.9 = 0.604 Valid

10. X1.10. Mampu Berkomunikasi X1 = 147.141 + 8.593 X1.10 ; FK X1.10 = 0.410 Drop

11. X1.11. Informasi Yang Akurat X1 = 109.783 + 11.001 X1.11 ; FK X1.11 = 0.512 Drop

12. X1.12. Pemahaman Kebutuhan Konsumen X1 = 118.029 + 10.076 X1.12 ; FK X1.12 = 0.663 Valid

13. X1.13. Perhatian Kepada Konsumen X1 = 102.990 + 10.903 X1.13 ; FK X1.13 = 0.563 Drop


1. Y1.1. Kepuasan akan produk yang ditawarkan Y1 = 30.437 + 2.328 Y1.1 ; FK Y1.1 = 0.508 Drop

2. Y1.2. Sesuai dengan yang diharapkan Y1 = 29.343 + 2.245 Y1.2 ; FK Y1.2 = 0.458 Drop

3. Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 30.626 + 2.102 Y1.3 ; FK Y1.3 = 0.340 Drop


1. Y2.1. Aircraft PT GARUDA INDONESIA Yang Bagus Y2 = 46.783 + 4.001 Y2.1 ; FK Y2.1 = 0.200 Drop

2. Y2.2. Kenikmatan Merasakan Layanan Y2 = 56.179 + 3.879 Y2.2 ; FK Y2.2 = 0.434 Drop

3. Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 50.254 + 3.987 Y2.3 ; FK Y2.3 = 0.360 Drop

4. Y2.4. Pengalaman Masa Lalu Y2 = 54.476 + 3.649 Y2.4 ; FK Y2.4 = 0.423 Drop

5. Y2.5. Pengalaman Teman-teman Y2 = 52.614 + 3.706 Y2.5 ; FK Y2.5 = 0.370 Drop


1. X1v.1. Bukti fisik (tangible) X1v = 40.601 + 4.106 X1v.1 ; FK X1v.1 = 0.581 Drop

2. X1v.2. Keandalan (reliability) X1v = 40.616 + 3.953 X1v.2 ; FK X1v.2 = 0.595 Drop

3. X1v.3. Daya tanggap (responsiveness) X1v = 41.733 + 4.051 X1v.3 ; FK X1v.3 = 0.629 Valid

4. X1v.4. Jaminan (assurance) X1v = 42.488 + 4.094 X1v.4 ; FK X1v.4 = 0.609 Valid

5. X1v.5. Perhatian (empathy) X1v = 43.247 + 4.017 X1v.5 ; FK X1v.5 = 0.622 Valid


1. Y3.1. Kemampuan Bersaing Y3 = 37.630 + 2.952 Y3.1 ; FK Y3.1 = 0.372 Drop

2. Y3.2. Dikenal Luas Y3 = 39.573 + 3.124 Y3.2 ; FK Y3.2 = 0.410 Drop

3. Y3.3. Peningkatan Sumber Dana Y3 = 40.079 + 3.067 Y3.3 ; FK Y3.3 = 0.450 Drop

4. Y3.4. Keunggulan Tekhnologi Y3 = 39.463 + 3.007 Y3.4 ; FK Y3.4 = 0.432 Drop


1. Y3v.1. Memperluas Route Penerbangan GARUDA INDONESIA Y3v = 27.018 + 2.270 Y3v.1 ; FK Y3v.1 = 0.426 Drop

2. Y3v.2. Mampu Menciptakan Inovasi Produk Jasa GIA Y3v = 29.608 + 2.347 Y3v.2 ; FK Y3v.2 = 0.473 Drop

3. Y3v.3. Senantiasa Meningkatkan Promosi Penerbangan GIA Y3v = 28.504 + 2.309 Y3v.3 ; FK Y3v.3 = 0.483 Drop

27


Y1 = 0.898 X1 (Persamaan Regresi 1) Y2 = 156116.101b X1 + 0.749Y1 Calc (Persamaan Regresi 3)

dimana:

Y1 = Kepuasan Konsumen





= Error Term


Y3v = 0.112 Y1 + 0.804 Y2 (Persamaan Regresi 1) Y3 = 0.060 Y1 + 38784.337b Y2 + 0.840 Y3v Calc (Persamaan Regresi 3)

dimana:

Y3 = Y3u = Keunggulan Bersaing







28

IV.B Hasil Perhitungan, Data Dengan Kategori (Jumlah ke II)

Bahwa Data Dengan Kategori (Jumlah ke II) merupakan data olahan yang disusun dari

seluruh Data Dengan Kategori (Jumlah ke I) sebagai data ”hasil survey” menjadi ”Data 6

Observasi” dengan asumsi yang sama bahwa Data dengan skala pengukuran Netral, diasumsi

bernilai Nol, sehingga Data Observasi ke 6 merupakan Jumlah (atau Nilai Total) dari data ”hasil

survey” tersebut.

Data Dengan Kategori (Jumlah ke II) juga digunakan untuk tujuan yang sama dengan Data

Dengan Kategori (Jumlah ke I), yaitu untuk menganalisis semua indikator dari Variabel: Kualitas

Pelayanan (X1), Kepuasan Konsumen (Y1), Loyalitas Konsumen (Y2) dan Keunggulan Bersaing (Y3),

termasuk Dimensi Rata-rata Kualitas Pelayanan (X1v), dan Dimensi Rata-rata Keunggulan Bersaing

(Y3v) yang murni merupakan “Data Olahan” dari semua indikator berbagai variabel tersebut

dipergunakan dalam berbagai Uji Statistik maupun peralatan analisa berbagai bentuk Model

Empiris sesuai kebutuhan penelitian.

Penggunaan program SPSS IBM Statistik Versi 21 for Windows terhadap Data Dengan

Kategori (Jumlah ke II) diharapkan tidak terjadinya Excluded Variable dari seluruh Indikator

maupun Dimensi Rata-rata per butirnya dari Variabel/Dimensi Variabel atau dari seluruh

Independen Variabel yang terdapat didalam model hasil estimasi, tidak memiliki ”Zero-order

Partial Correlation” dan juga tidak mengalami ”Zero-order (Tolerance, VIF and Minimum

Tolerance) Collinearity Statistics”. Artinya, “tidak adanya/tidak terjadinya gejala

multikolinearitas” didalam model hasil estimasi, sehingga secara otomatis dapat menjadikan

model hasil estimasi ini sebagai goodness of fit regression models. Proses perhitungan dalam

penelitian ini menggunakan (data lampiran 12 s/d 17), dengan Hasil Perhitungan Empiris

yang dirangkum kedalam Gambar 4.2 (meliputi semua penjabarannya) sebagai berikut:

29

-2.26 X1.1

-13.1 X1.2 10.5 X1.3

20.5 X1.4 26.8 X1.5

-1.71 X1.6

-25.0 X1.7 -16.0 X1.8 18.7 X1.9 12.6 X1.10

-12.1 X1.11 9.00 X1.12

-16.1 X1.13

Gambar 4.2: Model Konseptual dan Hubungan Fungsional Antar Inter Variable Path Analysis Method,

HASIL PERHITUNGAN EMPIRIS [Data Dengan Kategori (Jumlah ke II)].

-3.52 Y2.1 -5.70 Y2.2 17.5 Y2.3 14.2 Y2.4

-18.0 Y2.5

3.54 Y1.1

-1.45 Y1.2

0.72 Y1.3

0.74 Y2v.1

-2.48 Y2v.2

4.16 Y2v.3

-16.5 X1v.1 -1.32 X1v.2 38.1 X1v.3

-3.76 X1v.4 -12.3 X1v.5

3.54 Y1v.1

-1.45 Y1v.2

0.72 Y1v.3

-1.52 Y3v.1

0.58 Y3v.2

3.69 Y3v.3

-2.35 Y3.1

0.77 Y3.2

0.62 Y3.3

4.62 Y3.4

Kualitas

Pelayanan

(X1)

Kepuasan

Konsumen

(Y1)

Loyalitas

Konsumen

(Y2)


HX1: r 2 X1.i = 0.795 ALPHA CRONBACH = 0.986

HY1v:r 2 Y1v.i = 0.858 ALPHA CRONBACH = 0.905



D-W Test = 2.571



Co

eff. Reg

b1

= 1

.45

1

: Co

eff. Reg

a1 =

0.2

46




D-W Test = 2.500


HX1v:r 2X1v.i = 0.886 ALPHA CRONBACH = 0.960

r 2 (Xi ) = 0.914

r 2 (Xi ,Y1) = 0.988

r 2 (Y1) = 0.870


Dimensi

Kualitas

Pelayanan

(X1v) Keunggulan

Bersaing

(Y3)

R Square = 0.943

Fuji Test = 11.118 D-W Test = 2.500


Coeff. Reg c1 = 0.290 Coeff. Reg c2 = 0.634





Dimensi

Keunggulan

Bersaing

(Y3v)




H1: r

2 X1>0

Coeff. Reg 2 = 0.303 Coeff. Reg 2 = 0.135 Coeff. Reg 1 = 0.833

r 2(Yi ) = 0.881

r 2(Y3v) = 0.940

r 2(Yi ,Y3v) = 0.985

r 2(Y3v ,Yi) = 0.985

r 2 (Y1 ,Xi) =

HASIL PERHITUNGAN EMPIRIS

Data Dengan Kategori (Jumlah ke II)

Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen: Y1 = 14.527 + 0.246 X1 + E1

Y2 = 13.071 + 1.451 Y1 Calc

Y2 Calc = 7.548 + 0.290 X1 + 0.634 Y1

Y2Calc = 7.548 + 0.634 Y1 + 0.290 X1

All Variables: Goodness of fit regression models


Y1 = 0.965 X1

Y2 Calc = 0.645 X1 + 0.360 Y1


Y3v = 0.534 Y1 + 0.436 Y2

Y3 Calc = 0.517 Y1 + 0.138 Y2 + 0.354 Y3v

30



Y1 = a0 + a1 X1 + E1

Y2 = b0 + b1 Y1 Calc + E2

Y2Calc = c0 + c1 X1 + c2Y1 + E3

Y2Calc = d0 + d1 Y1 + d2X1 + E4

Y1 = 14.527 + 0.246 X1 + E1

Y2 = 13.071 + 1.451 Y1 Calc

Y2 Calc = 7.548 + 0.290 X1 + 0.634 Y1

Y2Calc = 7.548 + 0.634 Y1 + 0.290 X1


Y3v = 0 + 1 Y1 + 2Y2 + 1

Y3 = 0 + 1 Y3v Calc + 2

Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v + 3

Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2 + 4

Y3v = 14.839 + 0.611 Y1 + 0.303 Y2

Y3 = 10.231 + 1.161 Y3v Calc

Y3 Calc = 5.063 + 0.833 Y1 + 0.135 Y2 + 0.499 Y3v

Y3Calc = 5.063 + 0.499 Y3v + 0.833 Y1 + 0.135 Y2

Model Regresi II:


+ e8 X1.8 + e9 X1.9 + e10 X1.10 + e11 X1.11 + e12 X1.12 + e13 X1.13 + e5


Y1 = g0 + g1 Y1.1 + g2 Y1.2 + g3 Y1.3 + e7

Y2 = h0 + h1 Y2.1 + h2 Y2.2 + h3 Y2.3 + h4 Y2.4 + h5 Y2.5 + e8

Y1v = i0 + i1 Y1v.1 + i2 Y1v.2 + i3 Yv1.3 + e9

Y2v = j0 + j1 Y2v.1 + j2 Y2v.2 + j3 Y2v.3 + e10

Y3 = k0 + k1Y3.1 + k2 Y3.2 + k3 Y3.3 + k4 Y3.4 + e11

Y3v = l0 + l1Y3v..1 + l2 Y3v.2 + l3 Y3v..3 + e12

X1 = 99.286 - 2.258 X1.1 - 13.079 X1.2 + 10.523 X1.3 + 20.473 X1.4 + 26.784 X1.5 - 1.711 X1.6 - 25.022 X1.7

- 15.961X1.8 + 18.698 X1.9 + 12.595 X1.10 - 12.138 X1.11 + 9.005 X1.12 - 16.146 X1.13 + e5

X1v = 38.929 - 16.505 X1v.1 - 1.318 X1v.2 + 38.109 X1v.3 - 3.761 X1v.4 - 12.254 X1v.5 + e6

Y1 = 23.630 + 3.538 Y1.1 - 1.446 Y1.2 + 0.723 Y1.3 + e7

31

Y2 = 49.667 - 3.522 Y2.1 - 5.698 Y2.2 + 17.517 Y2.3 + 14.166 Y2.4 - 18.024 Y2.5 + e8

Y1v = 23.630 + 3.538 Y1v.1 - 1.446 Y1v.2 + 0.723 Y1v.3 + e9

Y2v = 30.333 + 0.744 Y2v.1 - 2.482 Y2v.2 + 4.158 Y2v.3 + e10

Y3 = 32.667 - 2.347 Y3.1 + 0.773 Y3.2 + 0.618 Y3.3 + 4.620 Y3.4 + e11

Y3v = 23.667 - 1.515 Y3v..1 + 0.583 Y3v.2 + 3.691 Y3v..3 + e11

Model Regresi III:


sebagai berikut:


1) X1.1. Peralatan Aircraft PT GARUDA INDONESIA X1 = 7.253 + 11.783 X1.1 ; FK X1.1 = 0.893 Valid

2) X1.2. Perlengkapan Aircraft PT GARUDA INDONESIA X1 = 86.522 + 11.693 X1.2 ; FK X1.2 = 0.872 Valid

3) X1.3. Kenyamanan Ruangan X1 = 95.996 + 11.318 X1.3 ; FK X1.3 = 0.869 Valid

4) X1.4. Penampilan Petugas X1 = 100.608 + 12.342 X1.4 ; FK X1.4 = 0.799 Valid

5) X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 89.269 + 11.400 X1.5 ; FK X1.5 = 0.887 Valid

6) X1.6. Keramahan X1 = 82.348 + 11.592 X1.6 ; FK X1.6 = 0.872 Valid

7) X1.7. Kecepatan Pelayanan X1 = 90.817 + 11.253 X1.7 ; FK X1.7 = 0.895 Valid

8) X1.8. Kemampuan Menanggapi Keluhan X1 = 91.003 + 11.903 X1.8 ; FK X1.8 = 0.896 Valid

9) X1.9. Kemudahan Prosedur X1 = 84.525 + 11.749 X1.9 ; FK X1.9 = 0.887 Valid

10) X1.10. Mampu Berkomunikasi X1 = 115.545 + 10.975 X1.10 ; FK X1.10 = 0.783 Valid

11) X1.11. Informasi Yang Akurat X1 = 88.826 + 12.450 X1.11 ; FK X1.11 = 0.856 Valid

12) X1.12. Pemahaman Kebutuhan Konsumen X1 = 95.513 + 11.658 X1.12 ; FK X1.12 = 0.891 Valid

13) X1.13. Perhatian Kepada Konsumen X1 = 85.204 + 12.072 X1.13 ; FK X1.13 = 0.875 Valid


1) Y1.1. Kepuasan akan produk yang ditawarkan Y1 = 24.049 + 2.787 Y1.1 ; FK Y1.1 = 0.851 Valid

2) Y1.2. Sesuai dengan yang diharapkan Y1 = 23.193 + 2.650 Y1.2 ; FK Y1.2 = 0.843 Valid

3) Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 23.690 + 2.537 Y1.3 ; FK Y1.3 = 0.805 Valid


1) Y2.1. Aircraft PT GARUDA INDONESIA Yang Bagus Y2 = 41.879 + 4.342 Y2.1 ; FK Y2.1 = 0.701 Valid

2) Y2.2. Kenikmatan Merasakan Layanan Y2 = 49.500 + 4.522 Y2. ; FK Y2.2 = 0.776 Valid

3) Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 44.596 + 4.439 Y2.3 ; FK Y2.3 = 0.763 Valid

4) Y2.4. Pengalaman Masa Lalu Y2 = 48.020 + 4.198 Y2.4 ; FK Y2.4 = 0.777 Valid

5) Y2.5. Pengalaman Teman-teman Y2 = 46.336 + 4.207 Y2.5 ; FK Y2.5 = 0.762 Valid


1) X1v.1. Bukti fisik (tangible) X1v = 33.716 + 4.561 X1v.1 ; FK X1v.1 = 0.877 Valid

2) X1v.2. Keandalan (reliability) X1v = 33.761 + 4.391 X1v.2 ; FK X1v.2 = 0.881 Valid

3) X1v.3. Daya tanggap (responsiveness) X1v = 34.529 + 4.538 X1v.3 ; FK X1v.3 = 0.889 Valid

4) X1v.4. Jaminan (assurance) X1v = 34.947 + 4.614 X1v.4 ; FK X1v.4 = 0.882 Valid

5) X1v.5. Perhatian (empathy) X1v = 35.473 + 4.554 X1v.5 ; FK X1v.5 = 0.884 Valid


1) Y3.1. Kemampuan Bersaing Y3 = 30.310 + 3.403 Y3.1 ; FK Y3.1 = 0.820 Valid

2) Y3.2. Dikenal Luas Y3 = 31.603 + 3.675 Y3.2 ; FK Y3.2 = 0.826 Valid

3) Y3.3. Peningkatan Sumber Dana Y3 = 32.064 + 3.624 Y3.3 ; FK Y3.3 = 0.835 Valid

4) Y3.4. Keunggulan Tekhnologi Y3 = 31.606 + 3.531 Y3.4 ; FK Y3.4 = 0.832 Valid

32


1) Y3v.1. Memperluas Route Penerbangan GARUDA INDONESIA Y3v = 21.851 + 2.588 Y3v.1 ; FK Y3v.1 = 0.839 Valid

2) Y3v.2. Mampu Menciptakan Inovasi Produk Jasa GIA Y3v = 23.553 + 2.774 Y3v.2 ; FK Y3v.2 = 0.842 Valid

3) Y3v.3. Senantiasa Meningkatkan Promosi Penerbangan GIA Y3v = 22.857 + 2.686 Y3v.3 ; FK Y3v.3 = 0.850 Valid


Y1 = 0.965 X1 (Persamaan Regresi 1) Y2 Calc = 0.645 X1 + 0.360 Y1 (Persamaan Regresi 3)

atau

Y1 = 0.965 X1 (Persamaan Regresi 1) Y2Calc = 0.360 Y1 + 0.645 X1 (Persamaan Regresi 4)

dimana:

Y1 = Kepuasan Konsumen





= Error Term


Y3v = 0.534 Y1 + 0.436 Y2 (Persamaan Regresi 1) Y3 Calc = 0.517 Y1 + 0.138 Y2 + 0.354 Y3v (Persamaan Regresi 3)

atau

Y3v = 0.534 Y1 + 0.436 Y2 (Persamaan Regresi 1) Y3Calc = 0.354 Y3v + 0.517 Y1 + 0.138 Y2 (Persamaan Regresi 4)

dimana:

Y3 = Y3u = Keunggulan Bersaing







34

IV.C Model Regresi IV: Multiple Regression, Data Dengan Kategori (Jumlah ke II)

Analisis yang digunakan untuk mengukur kekuatan hubungan antara dua variabel

atau lebih, juga menunjukkan arah hubungan antar variabel dependen dengan variabel

independen menurut Ghozali, 2001 (dalam Febri Tri Bramasta Putra, 2010: 15). Model

penelitian ini dapat dijelaskan dengan model linier persamaan regresi menurut

Ferdinand, 2006 (dalam Febri Tri Bramasta Putra, et.al. 2010) dapat disusun sebagai

berikut:

(Regression Output): X Coefficient(s):

f (X1.i): Y3 = 10.849 + 0.740 X1 - 1.894 X2 + 1.423 X3 + 5.469 X4 - 5.270 X5 + 0.092 X6

+ 0.230 X7 + 1.056 X8 - 1.598 X9 + 0.800 X10 + 0.129 X11 + 0.438 X12

- 0.066 X13\+ 0.260 X14 - 0.104 X15 - 4.794 X16 + 4.860 X17 - 3.456 X20

- 0.393 X21 + 4.284 X22 + 0.731 X23 + 21.25019

Std Err of Coef.

S(ai): (2.690) (1.432) (1.539) (0.846) (1.961) (1.899) (0.016)

(0.040) (2.876) (2.703) (0.579) (0.062) (0.065)

(0.058) (0.054) (2.353) (4.860) (4.172) (5.315) (3.034) (6.905) (0.035)

T-test (df = n-k )

t(ai): (4.034) ( 0.517) (-1.231) ( 1.683) ( 2.789) (-2.775) ( 5.841)

( 5.727) ( 0.367) (-0.591) ( 1.380) ( 2.100) ( 6.691)

(-1.131) ( 4.782) (-0.044) (-0.986) ( 1.165) (-0.650)

(-0.130) ( 0.620) (20.796)

No. of Observations: 126

Degrees of Freedom: 104

Constant: 10.849

Std Err of Y Est SE = 21.250

R Squared r 2 = 0.983

Correlation Coeff r = 0.991

Adjusted R Squared r 2 = 0.980

F Change = Fuji Test F = 286.688

Durbin-Watson Test D-W = 1.695

dimana:

X1 = X1v.1 = Bukti fisik (tangible)

X2 = X1v.2 = Keandalan (reliability)


X4 = X1v.4 = Jaminan (assurance)

35

X5 = X1v.5 = Perhatian (empathy)

X6 = X1u = Dimensi Total KUALITAS PELAYANAN Garuda Indonesia

X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN Garuda Indonesia


X9 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain


X11 = Y1u = Dimensi Total KEPUASAN KONSUMEN Garuda Indonesia


X13 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN Garuda Indonesia





X18 = Y2u = Dimensi Total LOYALITAS KONSUMEN Garuda Indonesia

X19 = Y2v = Dimensi Rata-rata LOYALITAS KONSUMEN Garuda Indonesia

X20 = Y3v.1 = Memperluas ROUTE Penerbangan Garuda Indonesia

X21 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa Garuda Indonesia

X22 = Y3v.3 = Senantiasa Meningkatkan PROMOSI Garuda Indonesia

X23 = Y3 = X = KEUNGGULAN BERSAING Garuda Indonesia (Data Dengan Kategori JUMLAH ke I)

X24 = Y3 = Y = KEUNGGULAN BERSAING Garuda Indonesia (Data Dengan Kategori JUMLAH ke II)

m0 , m1 ...... m23 = Koefisien Regresi untuk ke 23 Independen Variabel

e13 = Error Term

36

Tabel 4.1: Model Summaryb Model R R Square Adjusted

R Square

Std. Error

of the

Estimate

Change Statistics Durbin-

Watson R Square

Change

F Change df1 df2 Sig. F

Change

1 .991a .983 .980 21.25019 .983 286.688 21 104 .000 1.695

a. Predictors: (Constant), X23 = Y3 = X = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke I), X14 = Y1v Calc = Y1v

OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X20 = Y3v.1 = Memperluas ROUTE Penerbangan GARUDA INDONESIA, X15 = Y2v.1 = Penggunaan ulang layanan, X13 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN, X12 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X9 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain, X4 = X1v.4 = Jaminan (assurance), X11 = Y1u = Dimensi Total KEPUASAN KONSUMEN, X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN, X6 = X1u = Dimensi Total KUALITAS PELAYANAN, X3 = X1v.3 = Daya tanggap (responsiveness), X10 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan, X17 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan, X1 = X1v.1 = Bukti fisik (tangible), X21 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa GARUDA INDONESIA, X2 = X1v.2 = Keandalan (reliability), X5 = X1v.5 = Perhatian (empathy), X16 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan, X8 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan, X22 = Y3v.3 = Senantiasa Meningkatkan PROMOSI GARUDA INDONESIA

b. Dependent Variable: X24 = Y3 = Y = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke II)

Sumber: Hasil Perhitungan menggunakan program SPSS IBM Statistik Versi 21 for Windows yang berasal dari data Lampiran 39 (atau termasuk rincian Lampiran 8 s/d 35).

Tabel 4.2: ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 2718653.800 21 129459.705 286.688 .000b

Residual 46963.339 104 451.571

Total 2765617.139 125

a. Dependent Variable: X24 = Y3 = Y = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke II) b. Predictors: (Constant), X23 = Y3 = X = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke I), X14

= Y1v Calc = Y1v OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X20 = Y3v.1

= Memperluas ROUTE Penerbangan GARUDA INDONESIA, X15 = Y2v.1 = Penggunaan ulang layanan, X13 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN, X12 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X9 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain, X4 = X1v.4 = Jaminan (assurance), X11 = Y1u = Dimensi Total KEPUASAN KONSUMEN, X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN, X6 = X1u = Dimensi Total KUALITAS PELAYANAN, X3 = X1v.3 = Daya tanggap (responsiveness), X10 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan, X17 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan, X1 = X1v.1 = Bukti fisik (tangible), X21 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa GARUDA INDONESIA, X2 = X1v.2 = Keandalan (reliability), X5 = X1v.5 = Perhatian (empathy), X16 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan, X8 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan, X22 = Y3v.3 = Senantiasa Meningkatkan PROMOSI GARUDA INDONESIA

Sumber: Hasil Perhitungan menggunakan program SPSS IBM Statistik Versi 21 for Windows

yang berasal dari data Lampiran 39 (atau termasuk rincian Lampiran 8 s/d 35).

37

Tabel 4.3: Coefficientsa Model Unstandardized

Coefficients Standardized Coefficients

t Sig. Collinearity Statistics

B Std. Error

Beta Tolerance VIF

1

(Constant) 10.849 2.690 4.034 .000

X1 = X1v.1 = Bukti fisik (tangible) .740 1.432 .138 .517 .607 .002 435.627

X2 = X1v.2 = Keandalan (reliability) -1.894 1.539 -.363 -1.231 .221 .002 533.714


1.423 .846 .273 1.683 .095 .006 161.514

X4 = X1v.4 = Jaminan (assurance) 5.469 1.961 .839 2.789 .006 .002 553.802

X5 = X1v.5 = Perhatian (empathy) -5.270 1.899 -.833 -2.775 .007 .002 551.660

X6 = X1u = Dimensi Total KUALITAS PELAYANAN

.092 .016 .151 5.841 .000 .245 4.077

X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN

.230 .040 .145 5.727 .000 .256 3.899


1.056 2.876 .143 .367 .714 .001 926.507

X9 = Y1v.2 = Kesediaan Pelanggan

untuk merekomendasikan kepada orang lain

-1.598 2.703 -.226 -.591 .556 .001 893.475


.800 .579 .117 1.380 .170 .023 43.810

X11 = Y1u = Dimensi Total KEPUASAN KONSUMEN

.129 .062 .047 2.100 .038 .328 3.052


.438 .065 .127 6.691 .000 .456 2.192

X13 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN

-.066 .058 -.024 -1.131 .261 .370 2.704


.260 .054 .073 4.782 .000 .698 1.432


-.104 2.353 -.007 -.044 .965 .006 156.407


-4.794 4.860 -.329 -.986 .326 .001 680.677


4.860 4.172 .349 1.165 .247 .002 549.780

X20 = Y3v.1 = Memperluas ROUTE Penerbangan GARUDA INDONESIA

-3.456 5.315 -.259 -.650 .517 .001 974.637

X21 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa GARUDA INDONESIA

-.393 3.034 -.028 -.130 .897 .004 276.430

X22 = Y3v.3 = Senantiasa Meningkatkan PROMOSI GARUDA

INDONESIA

4.284 6.905 .309 .620 .536 .001 1516.738

X23 = Y3 = X = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke I)

.731 .035 .788 20.796 .000 .114 8.801

a. Dependent Variable: X24 = Y3 = Y = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke II) Sumber: Hasil Perhitungan menggunakan program SPSS IBM Statistik Versi 21 for Windows secara mutlak dariLampiran 39.

38

Tabel 4.4: Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 3.6852 664.8903 146.8654 147.47620 126

Std. Predicted Value -.971 3.513 .000 1.000 126

Standard Error of Predicted Value 2.555 18.484 7.429 4.884 126

Adjusted Predicted Value -18.0203 661.0338 145.6060 149.44115 126

Residual -91.93188 61.43846 .00000 19.38316 126

Std. Residual -4.326 2.891 .000 .912 126

Stud. Residual -4.433 3.093 .021 1.007 126

Deleted Residual -105.70218 70.33441 1.25937 25.30362 126

Stud. Deleted Residual -4.899 3.231 .015 1.038 126

Mahal. Distance .815 93.584 20.833 27.473 126

Cook's Distance .000 .584 .018 .061 126

Centered Leverage Value .007 .749 .167 .220 126

a. Dependent Variable: X24 = Y3 = Y = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke II)

Sumber: Hasil Perhitungan menggunakan program SPSS IBM Statistik Versi 21 for Windows yang berasal dari data Lampiran 39 (atau termasuk rincian Lampiran 8 s/d 35).

Model regresi yang baik adalah memiliki distribusi data normal atau mendekati

normal (Santoso, 2001). Kriteria pengambilan keputusan adalah Jika penyebaran data pada

grafik normal P-P Plot mengikuti garis normal (45 derajat), maka data berdistribusi normal.

Distribusi normal membentuk suatu garis lurus diagonal, dan ploting data residual akan

dibandingkan dengan garis diagonalnya. Jika distribusi data normal, maka garis yang

menggambarkan data sebenarnya akan mengikut garis normalnya (Ghozali, 2005). Dasar

pengambilan keputusan untuk uji normalitas adalah:

a. Jika data menyebar disekitar garis-garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan distribusi normal, maka model regresi memenuhi asumsi normalitas.

b. Jika data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau grafik

histogram tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

39

Gambar 4.3: 8 Pasang Gambar Uji Asumsi Klasik

41

Pada Uji Normalitas untuk 6 Observasi data, dimana Normal P-P Plot of Regression

Standardized Residual, mempunyai “Bentuk Regresi dan nilai Hasil Estimasi yang sama”.

Dependent Variable: Metode Path Analysis Model Regresi I (Unstandardized Coefficients

maupun Standardized Coefficients) pada Model Fungsional Loyalitas Konsumen Y2Calc dan

Y2Calc merupakan One-Stage Regression as Estimated Variable (as Calculated): Y2Calc = c0

+ c1 X1 + c2Y1 + E3 = d0 + d1Y1 + d2X1 + E4 dan Zresid Normal P-P Plot Model Estimasi

3 = Zresid Normal P-P Plot Model Estimasi 4 yang dapat dijelaskan sebagai berikut:

Zresid Normal P-P Plot Model Estimasi 3:

Dependent Variable: Loyalitas Konsumen Y2Calc One-Stage Regression as Estimated

Variable (as Calculated) dengan Bentuk Regresi: Y2Calc = c0 + c1 X1 + c2Y1 + E3

Zresid Normal P-P Plot:

Output1 PP Plot Reg III Loyalitas Konsumen GARUDA INDONESIA 2016

42

Persamaan Regresi 3 Tabel 4.6

Pengaruh Tidak Langsung variabel kualitas pelayanan (X1) terhadap variabel loyalitas konsumen (Y2)

[melalui intervening variabel kepuasan konsumen (Y1)] Coefficientsa Persamaan Regresi 3

Model Unstandardized Coefficients

Standardized Coefficients


B Std. Error

Beta Tolerance VIF

(Constant) 7.548 15.408 .490 .658

X1 = Kualitas Pelayanan (as Observed) .290 .084 .645 3.439 .041 .069 14.501

Y1 = Kepuasan Konsumen (as Observed) .634 .330 .360 1.918 .151 .069 14.501

a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (as Calculated, Jumlah ke II) b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y2 Calc = 0.645 X1 + 0.360Y1

Sumber: Diolah oleh penulis dari Data Lampiran 12 s/d 14.


Dependent Variable: Loyalitas Konsumen Y2Calc One-Stage Regression as Estimated

Variable (as Calculated) dengan Bentuk Regresi: Y2Calc = d0 + d1Y1 + d2X1 + E4.


Output1 PP Plot Reg IV Loyalitas Konsumen GARUDA INDONESIA 2016

43

atau Persamaan Regresi 4

Tabel 4.7 Pengaruh Tidak Langsung variabel kualitas pelayanan (X1)

terhadap variabel loyalitas konsumen (Y2) [melalui intervening variabel kepuasan konsumen (Y1)]

Coefficientsa Persamaan Regresi 4 Model Unstandardized



B Std. Error

Beta Tolerance VIF

(Constant) 7.548 15.408 .490 .658

Y1 = Kepuasan Konsumen (as Observed) .634 .330 .360 1.918 .151 .069 14.501

X1 = Kualitas Pelayanan (as Observed) .290 .084 .645 3.439 .041 .069 14.501

a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (as Calculated, Jumlah ke II) b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 4:: Y2Calc = 0.360 Y1 + 0.645 X1

Sumber: Diolah oleh penulis dari Data Lampiran 12 s/d 14.

Sedangkan Pada Uji Normalitas untuk 6 Observasi data terlihat kondisi dimana

Normal P-P Plot of Regression Standardized Residual, mempunyai “Bentuk Regresi dan

nilai Hasil Estimasi yang sama”. Dependent Variable: Metode Path Analysis Model

Regresi I (Unstandardized Coefficients maupun Standardized Coefficients) pada Model

Fungsional Keunggulan Bersaing (….Fungsi Estapet) Y3Calc dan Y3Calc merupakan One-

Stage Regression as Estimated Variable (as Calculated): Y3 Calc = 0 + 1 Y1 + 2Y2

+ 3Y3v = 0 + 1 Y3v + 2Y1 + 3Y2 dan Zresid Normal P-P Plot Model Estimasi

3 = Zresid Normal P-P Plot Model Estimasi 4.


Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated

Variable (as Calculated) dengan Bentuk Regresi: Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v


Output1 PP Plot Reg III Keunggulan Bersaing GARUDA INDONESIA 2016

44

Persamaan Regresi 3

Tabel 4.8 Pengaruh Tidak Langsung variabel kepuasan konsumen (Y1) dan

variabel loyalitas konsumen (Y2) terhadap variabel Keunggulan Bersaing (Y3) [melalui intervening Dimensi Rata-rata Keunggulan Bersaing (Y3v)]

Coefficientsa Persamaan Regresi 3 Model Unstandardized



B Std. Error

Beta Tolerance VIF

(Constant) 5.063 13.837 .366 .750

Y1 = Y1u = Kepuasan Konsumen (Observed) .833 .407 .517 2.046 .177 .047 21.194

Y2 = Y2u = Loyalitas Konsumen (Observed) .135 .239 .138 .562 .630 .050 19.866

Y3v = Dimensi Rata-rata Keunggulan Bersaing (Observed)

.499 .289 .354 1.725 .227 .071 13.986

a. Dependent Variable: Y3 Calc = Keunggulan Bersaing (Calculated) b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y3 Calc = 0.517 Y1 + 0.138 Y2 + 0.354 Y3v

Sumber: Diolah oleh penulis dari data Lampiran 13-14 dan Lampiran 16-17.


Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated

Variable (as Calculated) dengan Bentuk Regresi: Y3 Calc = 0 + 1 Y3v + 2Y1 + 3Y2

45


Output1 PP Plot Reg IV Keunggulan Bersaing GARUDA INDONESIA 2016

atau Persamaan Regresi 4 Tabel 4.9

Pengaruh Tidak Langsung variabel kepuasan konsumen (Y1) dan variabel loyalitas konsumen (Y2) terhadap variabel Keunggulan Bersaing (Y3)

[melalui intervening Dimensi Rata-rata Keunggulan Bersaing (Y3v)] Coefficientsa Persamaan Regresi 4

Model Unstandardized Coefficients

Standardized Coefficients


B Std. Error

Beta Tolerance VIF

(Constant) 5.063 13.837 .366 .750

Y3v = Dimensi Rata-rata Keunggulan Bersaing (Observed)

.499 .289 .354 1.725 .227 .071 13.986

Y1 = Y1u = Kepuasan Konsumen (Observed) .833 .407 .517 2.046 .177 .047 21.194

Y2 = Y2u = Loyalitas Konsumen (Observed) .135 .239 .138 .562 .630 .050 19.866

a. Dependent Variable: Y3 Calc = Keunggulan Bersaing (Calculated) b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows. dimana Koefisien Hasil Estimasi Persamaan Regresi 4: Y3Calc = 0 .354Y3v + 0.517Y1 + 0.138Y2

Sumber: Diolah oleh penulis dari data Lampiran 13-14 dan Lampiran 16-17.

---------*****--------

CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email · dalam Website ini dijawab secara sempurna dan...

Documents

Transcript of CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email · dalam Website ini dijawab secara sempurna dan...