lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL...
Transcript of lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL...
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 202 01 Jurnal HASIL PENELITIAN 60h Keunggulan Bersaing PT MAYASARI BAKTI 2018 (Lengkap Alt)
Atau 202 01 Analisis Faktor Yang Mempengaruhi Loyalitas Konsumen Dan Dampaknya
Terhadap Keunggulan Bersaing Jasa Angkutan PT Mayasari Bakti Untuk
Wilayah Jabodetabek.
Oleh AMRIZAL (lp3et.org dan [email protected]). PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 1:
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 202 01 Jurnal HASIL PENELITIAN 60h Keunggulan Bersaing PT MAYASARI BAKTI 2018 (Lengkap Alt)
Atau 202 01 Analisis Faktor Yang Mempengaruhi Loyalitas Konsumen Dan Dampaknya
Terhadap Keunggulan Bersaing Jasa Angkutan PT Mayasari Bakti Untuk
Wilayah Jabodetabek. (1 atau 2 Files PDF ini tidak dapat di-unduh sebelum Pemesanan Peket/Jurnal Super Istimewa 1 terjadi)
Bonus: 10 Files, termasuk 3 Files Microsoft Office Excel 97-2003 Worksheet/Lotus 1-2-3 (Transition)
Keunggulan Bersaing PT MAYASARI BAKTI 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) + 80] + 1 Output1 Hasil Est SPSS)} = 129 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 {[(46-8) = 38] + 1 Data Lampiran 46 atau Data Excel
CF1090} = 39 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” (selanjutnya dapat dilihat dalam Bab IV & Lampiran) yang diperinci/disusun dalam berbagai bentuk Files sbb:
Files Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 NEW (Petunjuk Lotus)
Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 NEW (Lampiran 46)
Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF1090 NEW2 ( i d e m)
SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 28 Ind Var n150 NEW
SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 28 Ind Var n150 Est Orisinil NEW SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 28 Ind Var n150 Plus Est Subsitusi NEW
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 n150 Est Orisinil
Doc1 Tentang Variabel Hasil Estimasi SPSS 54h Kurva Normal & Lainnya 28 Ind Variabel n150 NEW Doc2 LAMPIRAN Berformulasi 44h Transfer dari Excel 46 Lamp dan 8 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 1 plus semua bonus “Proses Hitung/Cara Menghitung/Hasil Perhitungan” adalah
sebesar Rp 1.440.000,- (satu juta empat ratus empat puluh ribu rupiah)
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 1
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 1 dihargai sebesar Rp 1.440.000,- (satu juta empat ratus empat
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 1 (Jurnal Hasil Penelitian)
a/n Winardi
Ke Email : Pesan satu PAKET SUPER ISTIMEWA 1 (Jurnal Hasil Penelitian)
a/n Winardi (Jakarta Timur)
(Isi berita pada Email harus lebih jelas/lengkap dibanding dengan isi berita Rekening)
4
051 PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 1
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: 202 01
File 202 01 Jurnal HASIL PENELITIAN 60h Keunggulan Bersaing PT MAYASARI BAKTI 2018 (Lengkap Alt)
Atau 202 01 Analisis Faktor Yang Mempengaruhi Loyalitas Konsumen Dan Dampaknya
Terhadap Keunggulan Bersaing Jasa Angkutan PT Mayasari Bakti Untuk
Wilayah Jabodetabek. [Doc2 LAMPIRAN Berformulasi 44h Transfer dari Excel 46 Lamp dan 8 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 1.440.000,- (satu juta empat ratus empat puluh ribu rupiah)
Masing-masing mempunyai 10 Bonus Utama: Files Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 (Petunjuk Lotus)
Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 (Lampiran 46) Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel n150 CF701 SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 28 Ind Var n150 SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 28 Ind Var n150 Est Orisinil SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 28 Ind Var n150 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 n150 Est Orisinil Doc1 Tentang Variabel Hasil Estimasi SPSS Kurva Normal & Lainnya 28 Ind Variabel n150 Doc2 LAMPIRAN Berformulasi 44h Transfer dari Excel 46 Lamp dan 8 Lampiran Survey
atau Masing-masing mempunyai 10 Bonus Utama: Files Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 NEW (Petunjuk Lotus)
Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 NEW (Lampiran 46)
Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF1090 NEW2 ( i d e m)
SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 28 Ind Var n150 NEW
SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 28 Ind Var n150 Est Orisinil NEW
SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 28 Ind Var n150 Plus Est Subsitusi NEW
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 n150 Est Orisinil
Doc1 Tentang Variabel Hasil Estimasi SPSS 54h Kurva Normal & Lainnya 28 Ind Variabel n150 NEW
Doc2 LAMPIRAN Berformulasi 44h Transfer dari Excel 46 Lamp dan 8 Lampiran Survey NEW
5
Bonus Utama MAYASARI BAKTI Secara Detail sbb: Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 NEW (Petunjuk Lotus)
Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 NEW (Lampiran 46) Excel3 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 CF1090 NEW2 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lamp 46 Terkutip Excel CF1090 NEW3a ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lamp 46 Terkutip Excel CF1090 NEW4a ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lampiran 46 CF1090 NEW03 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Lampiran 46 CF1090 EW04 ( i d e m) Excel3 Data Berformulasi Pemb KURVA NORMAL Transfer Semua Lampiran Excel CF1090 NEW5 ( i d e m)
SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 28 Ind Var n150 NEW SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 28 Ind Var n150 Est Orisinil NEW
SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 28 Ind Var n150 Plus Est Subsitusi NEW 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 n150 Est Orisinil
Doc1 Tentang Variabel Hasil Estimasi SPSS 54h Kurva Normal & Lainnya 28 Ind Variabel n150 NEW Doc2 LAMPIRAN Berformulasi 44h Transfer dari Excel 46 Lamp dan 8 Lampiran Survey NEW
& 52 Bonus Tambahan (menggunakan SPSS IBM Statistik V-21 for Windows)
32 Files MAYASARI BAKTI dengan INTERVENING VARIABEL 20 Files MAYASARI BAKTI dengan DOUBLE PATH ANALISYS METHOD
32 Files MAYASARI BAKTI dengan INTERVENING VARIABEL Output1 13 Indikator KUALITAS PELAYANAN 5 observasi
Output2 13 Indikator KUALITAS PELAYANAN 6 observasi Output3 4 Indikator HARGA TIKET 5 Obs
Output4 4 Indikator HARGA TIKET 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 HARGA TIKET 5 Obs
Output10 3 Dimensi Rata rata HARGA TIKET 6 Obs Output11 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs
Output12 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs Output13 4 Indikator KEUNGGULAN BERSAING 5 Obs
Output14 4 Indikator KEUNGGULAN BERSAING 6 Obs Output15 3 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs
Output16 3 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs
Untitled1 13 Indikator KUALITAS PELAYANAN 5 Observasi
Untitled2 13 Indikator KUALITAS PELAYANAN 6 Observasi Untitled3 4 Indikator HARGA TIKET 5 Obs
Untitled4 4 Indikator HARGA TIKET 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 HARGA TIKET 5 Obs
Untitled10 3 Dimensi Rata rata HARGA TIKET 6 Obs Untitled11 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs
Untitled12 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs
Untitled13 4 Indikator KEUNGGULAN BERSAING 5 Obs
6
Untitled14 4 Indikator KEUNGGULAN BERSAING 6 Obs Untitled15 3 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs
Untitled16 3 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs
& 52 Bonus Tambahan (menggunakan SPSS IBM Statistik V-21 for Windows)
32 Files dengan INTERVENING VARIABEL 20 Files dengan DOUBLE PATH ANALISYS METHOD
20 Files MAYASARI BAKTI 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 1 Keunggulan Bersaing PT MAYASARI BAKTI 2018 (Lengkap Alt)
a0 051 PAKET (Jurnal Hasil Penelitian) SUPER ISTIMEWA 1
a1 t3202 01 Jurnal HASIL PENELITIAN 61h Keunggulan Bersaing MAYASARI BAKTI 2018 (Lengkap Alt) a2 t2202 01 Ana Faktor Yg Mempengaruhi Loy Kon Dan Dampaknya Thd Keunggulan Bersaing Jasa Angk Mayasari Bakti
b1 Excel1 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 (Petunjuk Lotus)
b2 Excel2 Double Path Analysis Method MAYASARI BAKTI 2016 Master Utama AE1 CF1090 (Lampiran 46)
b3 Excel3 Data Berformulasi Pemb KURVA NORMAL Siap Di Est dgn SPSS dan Excel CF1090 b4 SPSS1 Untitled1 Data Transfer dari Excel Kurva Normal Siap Di Est dgn SPSS 28 Ind Var n150
b5 SPSS2 Output1 Hasil Estimasi SPSS menggunakan Untitled1 Data 28 Ind Var n150 Est Orisinil
b6 SPSS3 Output2 Hasil Est SPSS menggnakan Untitled1 Data 28 Ind Var n150 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 n150 Est Orisinil b9 Doc1 Tentang Variabel Hasil Estimasi SPSS 54h Kurva Normal & Lainnya 28 Ind Variabel n150
b10 Doc2 LAMPIRAN Berformulasi 44h Transfer dari Excel 46 Lamp dan 8 Lampiran Survey b11 D4 MODEL & KERANGKA TEORI 79h Keunggulan Bersaing PT MAYASARI BAKTI (Lengkap.Alt)
7
c1 Output1 13 Indikator KUALITAS PELAYANAN 5 observasi
c2 Output2 13 Indikator KUALITAS PELAYANAN 6 observasi
c3 Output3 4 Indikator HARGA TIKET 5 Obs
c4 Output4 4 Indikator HARGA TIKET 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 HARGA TIKET 5 Obs
c10 Output10 3 Dimensi Rata rata HARGA TIKET 6 Obs
c11 Output11 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs
c12 Output12 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs
c13 Output13 4 Indikator KEUNGGULAN BERSAING 5 Obs
c14 Output14 4 Indikator KEUNGGULAN BERSAING 6 Obs
c15 Output15 3 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs
c16 Output16 3 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 4 Indikator HARGA TIKET 5 Obs
c20 Untitled4 4 Indikator HARGA TIKET 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 HARGA TIKET 5 Obs
c26 Untitled10 3 Dimensi Rata rata HARGA TIKET 6 Obs
c27 Untitled11 5 Dimensi Rata rata KUALITAS PELAYANAN 5 Obs
c28 Untitled12 5 Dimensi Rata rata KUALITAS PELAYANAN 6 Obs
c29 Untitled13 4 Indikator KEUNGGULAN BERSAING 5 Obs
c30 Untitled14 4 Indikator KEUNGGULAN BERSAING 6 Obs
c31 Untitled15 3 Dimensi Rata rata KEUNGGULAN BERSAING 5 Obs
c32 Untitled16 3 Dimensi Rata rata KEUNGGULAN BERSAING 6 Obs
d1 Output1 Model Fungsional Loyalitas Konsumen HASIL ESTIMASI I sdg IV 5 Obs
d2 Output2 Model Fungsional Loyalitas Konsumen HASIL ESTIMASI I sdg IV 6 Obs
d3 Output3 Model Fungsional KEUNGGULAN BERSAING Hasil Est I sdg IV 5 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 40 Indikator
maupun Dimensi terhadap masing-masing Variabel Dependennya. Atau secara
total untuk dua konsep perhitungan terdapat sebanyak 80 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 28 variabel independen [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 MAYASARI BAKTI 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 28 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 MAYASARI BAKTI 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 25 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 150 (yaitu 6
dikali 25). Dengan demikian jumlah sampel minimal untuk penelitian ini sebanyak 150
responden. yang merupakan penumpang (pelanggan) yang telah lebih 3 kali menggunakan
jasa angkutan MAYASARI BAKTI.
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 MAYASARI BAKTI mengestimasi sebanyak 28 variabel
independen dengan n = 150 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 40 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 28 Independen Variabel dengan n150 (zresid Histogram & Pembentukan Kurva
Normal)
Terkutip: Secara matematis semua bentuk fungsional/proses perhitungan model
hasil estimasi pada penelitian jasa angkutan MAYASARI BAKTI (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:
{[dikali dengan 2 Hasil Perhitungan Empiris (Data Dengan Kategori (Jumlah ke I & II)]
atau diperhitungkan dalam dua konsep data yang berkesinambungan saling terkait satu
sama lainnya, yaitu antara Data Dengan Kategori (Jumlah ke I) dengan Data Dengan
Kategori (Jumlah ke II) sebagaimana yang terdapat pada bab IV, khususnya yang terdapat
didalam Worksheet/Lotus 1-2-3 (Transition) diperlihatkan proses hitung sebanyak
{[(16+8)*(2) + 80] + 1 Output1 Hasil Est SPSS)} = 129 Hasil Estmasi
(Unstandardized Coefficients: Model Regresi I s/d IV (zresid Histogram
& Pembentukan Kurva Normal) serta sebanyak {[(45-8) = 37] + 1 Data Lampiran 46 atau
Data Excel CF1090} = 38 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
2.8 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
j1 X1v.1
j2 X1v.2
j3 X1v.3
j4 X1v.4
j5 X1v.5
k1 Y3.1
k2 Y3.2
k3 Y3.3
k4 Y3.4
l1 Y3v.1
l2 Y3v.2
l3 Y3v.3
g1 Y1.1
g2 Y1.2
g3 Y1.3
h1 Y2.1
h2 Y2.2
h3 Y2.3
h4 Y2.4
h5 Y2.5
f1 X2.1
f2 X2.2
f3 X2.3
f4 X2.4
i1 X2v.1
i2 X2v.2
i3 X2v.3
HX1: r 2 X1.i > 0.6 ALPHA CRONBACH > 0.6
Harga Tiket
(X2)
Kualitas
Pelayanan
(X1)
Kepuasan
Konsumen
(Y1)
Loyalitas
Konsumen
(Y2)
HY2:r 2Y2.i >0.6 ALPHA CRONBACH > 0.6
HY1:r 2Y1.i > 0.6 ALPHA CRONBACH > 0.6
KERANGKA PEMIKIRAN TEORITIS
r 2(Y1) > 0.6
r 2(Xi ,Y1) > 0.6
r 2(Xi ) > 0.6
R SquareChange= R2
F Change = Fuji Test Durbin-Watson Test
R SquareChange= R2
F Change = Fuji Test Durbin-Watson Test
R SquareChange= R2
F Change = Fuji Test
Durbin-Watson Test
H4: Coeff. Reg c1 > 0
H5: Coeff. Reg c2 > 0
H1: Coeff. Reg a1 > 0
H1: r
2 X1>0
H2: Coeff. Reg a2 > 0
H3 :C
oeff. R
eg c
3 >
0
r 2(Y1 ,Xi) > 0.6
HY2i:r 2Y2i >0.6
ALPHA CRONBACH > 0.6
HX2:r 2X2.i > 0.6 ALPHA CRONBACH > 0.6
Keunggulan
Bersaing
(Y3) HY3:r 2Y3.i > 0.6 ALPHA CRONBACH > 0.6
HX1v:r 2 X1v.i > 0.6 ALPHA CRONBACH > 0.6
R SquareChange= R2
F Change = Fuji Test
Durbin-Watson Test
Dimensi
Kualitas
Pelayanan
(X1v)
Y1 = Intevening Variable
HY3v:r 2Y3v.i > 0.6 ALPHA CRONBACH > 0.6
Dimensi
Keunggulan
Bersaing
(Y3v)
R SquareChange = R2
F Change= Fuji Test
Durbin-Watson Test
HX2v:r 2X2v.i > 0.6 ALPHA CRONBACH > 0.6
Y3v = Intevening Variable
R SquareChange = R2
F Change= Fuji Test
Durbin-Watson Test
Path Analysis Method Keunggulan Bersaing (….fungsi estapet):
Y3 = 1 Y1 + 2Y2
Y3 Calc = 1 Y1 + 2Y2 + 3Y3v
Path Analysis Method Loyalitas Konsumen (…..fungsi Semula):
Y1 = 1X1 + 2 X2
Y2 = 1X1 + 2 X2 + 1Y1
Dimensi
Harga Tiket
(X2v)
R SquareChange = R2
F Change= Fuji Test Durbin-Watson Test
Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI
Y3v.2. Mampu Menciptakan Inovasi Produk Jasa
Y3v.3. Meningkatkan Promosi MAYASARI BAKTI
R SquareChange = R2
F Change= Fuji Test Durbin-Watson Test
Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula):
Y1 = a0 + a1 X1 + a2X2 + E1
Y2 = b0 + b1 Y1 Calc + E2
Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 + E3
Y2 Calc = d0 + d1 X1 + d2X2 + d3Y1 + E4
Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI
Y3v.2. Mampu Menciptakan Inovasi Produk Jasa
Y3v.3. Meningkatkan Promosi MAYASARI BAKTI
H1: Coeff. Reg 1 > 0
H1: r
2 X1>0
r 2(Yi ) > 0.6
r 2(Y3v ,Yi) > 0.6
r 2(Y3v) > 0.6
r 2(Yi ,Y3v) > 0.6
H4: Coeff. Reg 1 > 0
H2: Coeff. Reg 2 > 0
H3: Coeff. Reg 3 > 0
H5: Coeff. Reg 2 > 0
14
Unstandardized Coefficients: Model Regresi I :
Model Fungsional Loyalitas Konsumen (…..fungsi Semula):
Y1 = a0 + a1 X1 + a2X2 + E1
Y2 = b0 + b1 Y1 Calc + E2
Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 + E3
Y2 Calc = d0 + d1 X1 + d2X2 + d3Y1 + E4
Model Fungsional Keunggulan Bersaing (….fungsi estapet):
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:
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
X2 = f0 + f1 X2.1 + f2 X2.2 + f3 X2.3 + f4 X2.4 + 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
X2v = i0 + i1 X2v.1 + i2 X2v.2 + i3 X2v.3 + e9
X1v = j0 + j1 X1v.1 + j2 X1v.2 + j3 X1v.3 + j4 X1v.4 + j5 X1v.5 + 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) No. Indikator dari Variabel Kualitas Pelayanan: Bentuk Fungsi: FK X1.i > 0.6 (Valid), FK X1.i < 0.6 (Drop)
1. X1.1. Peralatan Armada Bus PT Mayasari Bakti X1 = a0 + a1 X1.1 ; HX1.1 :Faktor Koreksi X1.1 > 0.6
2. X1.2. Perlengkapan Armada Bus PT Mayasari Bakti 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 Harga Tiket(X2) No. Indikator dari Variabel Harga Tiket: Bentuk Fungsi: FK X2.i > 0.6 (Valid), FK X2.i < 0.6 (Drop)
1. X2.1. Keterjangkauan Harga Tiket X2 = n0 + n1 X2.1 ; HX2.1 :Faktor Koreksi X2.1 > 0.6
2. X2.2. Kesesuaian Tarif Dengan Manfaat X2 = o0 + o1 X2.2 ; HX2.2 :Faktor Koreksi X2.2 > 0.6
3. X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = p0 + p1 X2.3 ; HX2.3 :Faktor Koreksi X2.3 > 0.6
4. X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = q0 + q1 X2.4 ; HX2.4 :Faktor Koreksi X2.4 > 0.6
3. 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 = r0 + r1 Y1.1 ; HY1.1 :Faktor Koreksi Y1.1 > 0.6
2. Y1.2. Sesuai dengan yang diharapkan Y1 = s0 + s1 Y1.2 ; HY1.2 :Faktor Koreksi Y1.2 > 0.6
3. Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = t0 + t1 Y1.3 ; HY1.3 :Faktor Koreksi Y1.3 > 0.6
4. 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. Armada Bus PT Mayasari Bakti Yang Bagus Y2 = u0 + u1 Y2.1 ; HY2.1 :Faktor Koreksi Y2.1 > 0.6
2. Y2.2. Kenikmatan Merasakan Layanan Y2 = v0 + v1 Y2.2 ; HY2.2 :Faktor Koreksi Y2.2 > 0.6
3. Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = w0 + w1 Y2.3 ; HY2.3 :Faktor Koreksi Y2.3 > 0.6
4. Y2.4. Pengalaman Masa Lalu Y2 = x0 + x1 Y2.4 ; HY2.4 :Faktor Koreksi Y2.4 > 0.6
5. Y2.5. Pengalaman Teman-teman Y2 = y0 + y1 Y2.5 ; HY2.5 :Faktor Koreksi Y2.5 > 0.6
5. Dimensi Rata-rata Harga Tiket (X2v) No. Dimensi Rata-rata Harga Tiket: Bentuk Fungsi: FK X2v.i > 0.6 (Valid), FK X2v.i < 0.6 (Drop)
1. X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = k0 + k1 X2v.1 ; HX2v.1 :Faktor Koreksi X2v.1 > 0.6
2. X2v.2. Kesesuaian harga dengan pelayanan yang diterima X2v = l0 + l1 X2v.2 ; HX2v.2 :Faktor Koreksi X2v.2 > 0.6
3. X2v.3. Kesesuaian Harga dengan fasilitas X2v = m0 + m1 X2v.3 ; HX2v.3 :Faktor Koreksi X2v.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 Keunggulan Bersaing: Bentuk Fungsi: FK Y3v.i > 0.6 (Valid), FK Y3v.i < 0.6 (Drop)
1. Y3v.1. Memperluas Trayek Bus PT Mayasari Bakti Y3v = w0 + w1 Y3v.1 ; HY3v.1 :Faktor Koreksi Y3v.1 > 0.6
2. Y3v.2. Mampu Menciptakan Inovasi Produk Jasa Y3v = x0 + x1 Y3.v2 ; HY3v.2 :Faktor Koreksi Y3v.2 > 0.6
3. Y3v.3. Senantiasa Meningkatkan Promosi Bus PT Mayasari Bakti Y3v = y0 + y1 Y3v.3 ; HY3v3 :Faktor Koreksi Y3v.3 > 0.6
Metode Path Analysis Standardized Coefficients: Model Fungsional Loyalitas Konsumen
Y1 = 1X1 + 2 X2
Y2 = 1X1 + 2 X2 + 1Y1
dimana:
Y1 = Kepuasan Konsumen
Y2 = Loyalitas Konsumen
16
X1 = Kualitas Pelayanan
X2 = Harga Tiket
1 = Koefisien regresi variabel Kualitas Pelayanan
2 = Koefisien regresi variabel Harga Tiket
1 = Koefisien regresi intervening variabel kepuasan konsumen
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 = 0 + 1 X1 + 2 X2 + 3 X3 + 4 X4 + 5 X5 + 6 X6 + 7 X7 + 8 X8
+ 9 X9 + 10 X10 + 11 X11 + ...........+28 X28 +13
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 Mayasari Bakti
X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN Mayasari Bakti
X8 = X2v.1 = Kesesuaian Harga dengan Kualitas Jasa yang diberikan
X9 = X2v.2 = Kesesuaian harga dengan pelayanan yang diterima
X10 = X2v.3 = Kesesuaian Harga dengan fasilitas
X11 = X2u = Dimensi Total HARGA TIKET Mayasari Bakti
X12 = X2v = Dimensi Rata-rata HARGA TIKET Mayasari Bakti
X13 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan
X14 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain
X15 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan
X16 = Y1u = Dimensi Total KEPUASAN KONSUMEN Mayasari Bakti
X17 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable)
X18 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN Mayasari Bakti
X19 = Y1v Calc = Y1v OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable)
17
X20 = Y2v.1 = Penggunaan ulang layanan
X21 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan
X22 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan
X23 = Y2u = Dimensi Total LOYALITAS KONSUMEN Mayasari Bakti
X24 = Y2v = Dimensi Rata-rata LOYALITAS KONSUMEN Mayasari Bakti
X25 = Y3v.1 = Memperluas TRAYEK Bus Mayasari Bakti
X26 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa Mayasari Bakti
X27 = Y3v.3 = Senantiasa Meningkatkan PROMOSI Bus Mayasari Bakti
X28 = Y3 = X = KEUNGGULAN BERSAING Mayasari Bakti (Data Dengan Kategori JUMLAH ke I)
X29 = Y3 = Y = KEUNGGULAN BERSAING Mayasari Bakti (Data Dengan Kategori JUMLAH ke II)
0 , 1 ...... 28 = Koefisien Regresi untuk ke 28 Independen Variabel
13 = Error Term
2.9 Dimensional Variabel (Hubungan Antara Variabel dengan Dimensi)
Model penelitian menunjukkan ada 4 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 transportasi PT
MAYASARI BAKTI.
H2:r 2 X2 > 0 Bahwa variabel harga tiket (X2) mempunyai pengaruh langsung positif
terhadap variabel kepuasan konsumen (Y1) jasa transportasi PT
MAYASARI BAKTI.
H3:r 2 Y1 > 0 Bahwa variabel kepuasan konsumen (Y1) mempunyai pengaruh langsung
positif terhadap variabel loyalitas konsumen (Y2) jasa transportasi PT
MAYASARI BAKTI.
H4:r 2 X1 > 0 Bahwa variabel kualitas pelayanan (X1) mempunyai pengaruh tidak
langsung positif [melalui intervening variabel kepuasan konsumen (Y1)]
terhadap variabel loyalitas konsumen (Y2) jasa transportasi PT
MAYASARI BAKTI.
H5:r 2 X2 > 0 Bahwa variabel harga tiket (X2) mempunyai pengaruh tidak langsung
Positif [melalui intervening variabel kepuasan konsumen (Y1)] terhadap
variabel loyalitas konsumen (Y2) jasa transportasi PT MAYASARI BAKTI.
18
2.9.1 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:
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
transportasi PT MAYASARI BAKTI.
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
transportasi PT MAYASARI BAKTI.
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
transportasi PT MAYASARI BAKTI meningkatkan kualitas pelayanan,
19
merepresentasikan dimensi pelayanan yang berwujud secara fisik atau sesuatu
yang nampak.
HX1v.2: Semakin tinggi Keandalan (reliability), maka semakin tinggi kepuasan konsumen,
yang berarti semakin tingginya kemampuan para karyawan penyedia jasa
transportasi PT MAYASARI BAKTI 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 transportasi PT MAYASARI BAKTI memberikan pelayanan yang
baik kepada pelanggan atau dilakukan untuk memastikan kepuasan pelanggan.
HX1v.4: Semakin tinggi Jaminan (assurance), maka semakin tinggi kepuasan konsumen,
yang berarti semakin tingginya kemampuan para karyawan penyedia jasa
transportasi PT MAYASARI BAKTI 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 transportasi
PT MAYASARI BAKTI meningkatkan kualitas pelayanan melalui cara
pemberian perhatian dengan sentuhan pribadi sehingga dapat/tepat memenuhi apa
yang dibutuhkan oleh konsumen.
2.9.2 Variabel Harga atau Harga Tiket (X2)
Hubungan variabel harga atau harga tiket (X2) dengan 3 Dimensi Harga Tiket
dapat dijelaskan sebagai berikut:
H7:r 2 X2v.i > 0 Bahwa dimensi rata-rata harga tiket (X2v.i) mempunyai pengaruh langsung
positif terhadap dimensi rata-rata kepuasan konsumen (Y1v) jasa
transportasi PT MAYASARI BAKTI.
H10:r 2 X2v.i > 0 Bahwa dimensi rata-rata harga tiket (X2v.i) mempunyai pengaruh tidak
langsung Positif terhadap dimensi rata-rata loyalitas konsumen (Y2v)
[melalui intervening dimensi rata-rata kepuasan konsumen (Y1v)] jasa
transportasi PT MAYASARI BAKTI.
HX2: r 2 X2 > 0 : Variabel Harga Tiket (X2)
HX2v: r 2 X2v > 0 : Dimensi Rata-rata Harga Tiket (X2v)
HX2v.i: r 2 X2v.i > 0 : 3 Dimensi Rata-rata Harga Tiket (X2v.i):
20
(1) Kesesuaian harga dengan kualitas jasa yang diberikan
(2) Kesesuaian harga dengan pelayanan yang diterima
(3) Kesesuaian harga dengan fasilitas
HX2v.i : r 2 X2v.i > 0
3 Dimensi Harga Tiket (X2):
HX2v.1: Kesesuaian harga dengan kualitas jasa yang diberikan, atau Kesesuaian Harga
Tiket atau Ongkos Angkut dengan Kualitas Pelayanan yang diberikan
HX2v.2: Kesesuaian harga dengan pelayanan yang diterima, atau Kesesuaian Harga Tiket
atau Ongkos Angkut dengan Tambahan Guna (Marginal Utility MU) yang
diterima, dirasakan atau didapatkan (dinikmati) oleh konsumen.
HX2v.3: Kesesuaian harga dengan fasilitas, atau Kesesuaian Harga Tiket atau Ongkos
Angkut dengan fasilitas alat angkut yang tersedia, seperti kemampuan para
karyawan penyedia jasa transportasi PT MAYASARI BAKTI meningkatkan
kualitas pelayanan, merepresentasikan dimensi pelayanan yang berwujud secara
fisik atau sesuatu yang nampak, seperti: Peralatan Armada Bus PT MAYASARI
BAKTI, Perlengkapan Armada, Kenyamanan ruangan dan Penampilan petugas.
2.9.3 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
transportasi PT MAYASARI BAKTI.
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.
2.9.4 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
21
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.
2.9.5 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 Armada 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 Armada terkini
4) Y3.4. Keunggulan teknologi Armada 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 Trayek Bus PT MAYASARI BAKTI
(2) Mampu Menciptakan Inovasi Produk Jasa Bus PT MAYASARI BAKTI
(3) Senantiasa Meningkatkan Promosi Bus PT MAYASARI BAKTI
22
4.1 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.
23
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 28 Variabel Independen (Dalam Model analisa Regresi Linier
Berganda ditandai oleh koefisien regresi yang bernilai minus), dan untuk kemudian produsen
penyedia jasa transportasi Oto Bus PT MAYASARI BAKTI dapat melakukan upaya
memaksimalisasi/meningkatkan beberapa indikator kualitas pelayanan (X1.i) yang telah
dikelompokkan dalam Wujud Dimensi Rata-rata kualitas pelayanan (X1v.i) dan upaya
Optimalisasi/perubahan beberapa indikator harga tiket (X2.i) yang telah dikelompokkan dalam
Wujud 3 Dimensi Rata-rata harga tiket (X2v.i).
Adapun upaya memaksimalisasi/meningkatkan beberapa indikator kualitas pelayanan
(X1.i) yang merupakan tingkat keunggulan (excellence) yang diharapkan konsumen (Philip
Kotler, et.al., 2002), dan pengendalian atas keunggulan tersebut untuk memenuhi keinginan
pelanggan, menurut Parasuraman, (1985: 41-50 dan 1988: 12-40) yang dirangkum oleh Fandy
Tjiptono, 2007 (dalam Febri Tri Bramasta Putra, 2010: 15) terdapat 5 dimensi (indikator)
24
Kualitas Jasa atau Layanan yang seringkali digunakan oleh para peneliti (suatu pengertian
yang multidimensi). Ke 5 dimensi (indikator) tersebut adalah: (1) Bukti fisik (tangible), (2)
Keandalan (reliability), (3) Daya tanggap (responsiveness), (4) Jaminan (assurance) dan (5)
Empati (empathy). Artinya, 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.
Sedangkan upaya Optimalisasi/perubahan beberapa indikator harga tiket (X2.i) atau
menetapkan tarif angkut yang akan diemban konsumen pengguna jasa tersebut guna
mendapatkan sejumlah kombinasi dari jasa pelayanan yang diberikan, menurut Philip Kotler
dan Gary Armstrong, 2001 (dalam Richa Widyaningtyas, 2010: 19) adalah melakukan
optimalisasi dalam hal yang menyangkut: (1) Kesesuaian harga dengan kualitas jasa yang
diberikan, (2) Kesesuaian harga dengan pelayanan yang diterima dan (3) Kesesuaian harga
dengan fasilitas. Artinya, (2) Indikator dalam wujud Dimensi apa saja yang harus dirubah
(dinaikan atau diturunkan) dengan melakukan berbagai penyesuaian Harga tiket atau tarif
angkut dengan Kualitas jasa yang diberikan, pelayanan yang diterima dan fasilitas perusahaan
yang tersedia.
Data hasil survey atau Data Dengan Kategori (Jumlah ke I) dalam penelitian ini
digunakan untuk menganalisis semua indikator dari: Variabel Kualitas Pelayanan (X1),
Variabel Harga Tiket (X2), Variabel Kepuasan Konsumen (Y1), Variabel Loyalitas Konsumen
(Y2), Dimensi Rata-rata Harga Tiket (X2v) dan Variabel Keunggulan Bersaing (Y3). Sedangkan
Dimensi Rata-rata Kualitas Pelayanan (X1v), dan Dimensi Rata-rata Keunggulan Bersaing
(Y3v) yang murni merupakan “Data Olahan” dari semua indikator berbagai variabel tersebut
25
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. Penelitian ini diperhitungkan sebagai
“Pengkajian Model” dan bukan “Pengujian Model“ yang hanya sekedar melihat hubungan
sebab akibat dari model fungsional hasil estimasi. Proses perhitungan dalam penelitian ini
menggunakan (Data lampiran 13 s/d 20), hingga mendapatkan Hasil Perhitungan Empiris
yang dirangkum kedalam Gambar 4.1 (meliputi semua penjabarannya) sebagai berikut:
26
1.04 X1.1
2.61 X1.2
0.67 X1.3
-12.0 X1.4 10.0 X1.5
11.8 X1.6
12.7 X1.7 15.7 X1.8
-0.06 X1.9 -10.3 X1.10
-13.8 X1.11 -15.7 X1.12 9.02 X1.13
Keterangan: b) Excluded Variables: Beta In X1 = Kualitas Pelayanan (Observed) = -251024.187b
Beta In Y2 = Y2u = Loyalitas Konsumen (Observed) = 28162.735b
Gambar 4.1: Model Konseptual dan Hubungan Fungsional Antar Inter Variable Path Analysis Method,
HASIL PERHITUNGAN EMPIRIS [Data Dengan Kategori (Jumlah ke I)].
1025.5 X1v.1
-637.8 X1v.2
-608.3 X1v.3
-257.6 X1v.4
515.8
X1v.5
-4.72 Y3.1
4.62 Y3.2
-6.21 Y3.3
9.40 Y3.4
-3.26 Y3v.1
0.61 Y3v.2
4.95 Y3v.3
10.6 Y1.1
-8.48 Y1.2
0.68 Y1.3
-7.94 Y2.1 6.75 Y2.2 21.5 Y2.3
-1.50 Y2.4 -14.8 Y2.5
9.01 X2.1
-27.8 X2.2
46.1 X2.3
-25.6 X2.4
-5.03 X2v.1
-1.13 X2v.2 8.34 X2v.3
HX1: r 2 X1.i = 0.767 ALPHA CRONBACH = 0.973
Harga Tiket
(X2)
Kualitas Pelayanan
(X1)
Kepuasan
Konsumen
(Y1)
Loyalitas
Konsumen
(Y2)
HY2:r 2Y2.i = 0.215 ALPHA CRONBACH = 0.943
HY1:r 2Y1.i = 0.362 ALPHA CRONBACH = 0.931
r 2(Y1) = 0.369
r 2(Xi ,Y1) = 0.310
r 2(Xi ) = 0.658
R Square = 0.815 Fuji Test = 1.467
D-W Test = 1.500
R Square = 0.953 Fuji Test = 5.106
D-W Test = 2.571
R Square = 0.804 Fuji Test = 1.366 D-W Test = 1.500
Coeff. Reg c1 = -251024.187b (Excluded Variable)
Coeff. Reg c2 = 1.437
Coeff. Reg a1 = 0.248
H1: r
2 X1>0
Coeff. Reg a2 = - 0.271
:Co
eff. Reg
c3
= - 0
.74
9
r 2(Y1 ,Xi) = 0.310
HY2i:r 2Y2i >0.6
ALPHA CRONBACH > 0.6
HX2:r 2X2.i = 0.260
ALPHA CRONBACH = 0.890
Keunggulan
Bersaing
(Y3) HY3:r 2Y3.i = 0.366 ALPHA CRONBACH = 0.901
HX1v: r 2 X1v.i = 0.447 ALPHA CRONBACH = 0.929
R Square = 0.862 Fuji Test = 2.080 D-W Test = 1.937
Dimensi
Kualitas
Pelayanan
(X1v)
Y1 = Intevening Variable
HY3v:r 2Y3v.i = 0.424 ALPHA CRONBACH = 0.853
Dimensi
Keunggulan
Bersaing
(Y3v)
R Square = 0.842 Fuji Test = 1.770
D-W Test = 1.500
HX2v:r 2X2v.i = 0.308 ALPHA CRONBACH = 0.835
Y3v = Intevening Variable
R Square = 0.856
Fuji Test = 1.982
D-W Test = 1.500
Dimensi
Harga Tiket
(X2v)
R Square = 0.827 Fuji Test = 1.593 D-W Test = 1.500
Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI
Y3v.2. Mampu Menciptakan Inovasi Produk Jasa
Y3v.3. Meningkatkan Promosi MAYASARI BAKTI
R Square = 0.841 Fuji Test = 1.758 D-W Test = 1.521
HASIL PERHITUNGAN EMPIRIS
Data Dengan Kategori (Jumlah ke I)
Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula) Y1 = 35.407 + 0.248 X1 - 0.271 X2 + E1
Y2 = 13.136 + 1.521 Y1 Calc
Y2 = 78.587 - 251024.187b X1 + 1.437 X2 - 0.749 Y1 Calc
Y2 = 78.587 - 0.749 Y1Calc - 251024.273b X1 + 1.437 X2
Path Analysis Method Loyalitas Konsumen (…..fungsi Semula):
Y1 = 1.307 X1 - 0.411 X2
Y2 = -251024.187b X1 + 1.141 X2 - 0. 358 Y1 Calc
Path Analysis Method Keunggulan Bersaing (….fungsi estapet): Y3v = 0.194 Y1 + 0.732 Y2
Y3 = 0.080 Y1 + 28162.735b Y2 + 0.824 Y3v
Coeff. Reg 2 = 0.371
Coeff. Reg 2 = 28162.735b (Excluded Variable)
Coeff. Reg 1 = 0.098
Coeff. Reg 3 = 1.192
Coeff. Reg 1 = 0.180
H1: r
2 X1>0
r 2(Yi ,Y3v) = 0.621
r 2(Y3v ,Yi) = 0.621
r 2(Yi ) = 0.665
r 2(Y3v) = 0.746
27
Unstandardized Coefficients: Model Regresi I :
Model Fungsional Loyalitas Konsumen (…..fungsi Semula)
Y1 = a0 + a1 X1 + a2X2 + E1
Y2 = b0 + b1 Y1 Calc + E2
Y2 = c0 + c1 X1 + c2X2 + c3Y1 + E3
Y2 = d0 + d1 X1 + d2X2 + d3Y1 + E4
Y1 = 35.407 + 0.248 X1 - 0.271 X2 + E1
Y2 = 13.136 + 1.521 Y1 Calc
Y2 = 78.587 - 251024.187b X1 + 1.437 X2 - 0.749 Y1 Calc
Y2 = 78.587 - 0.749 Y1Calc - 251024.273b X1 + 1.437 X2
Model Fungsional Keunggulan Bersaing (….fungsi estapet)
Y3v = 0 + 1 Y1 + 2Y2 + 1
Y3 = 0 + 1 Y3v Calc + 2
Y3 = 0 + 1 Y1 + 2Y2 + 3Y3v + 3
Y3 = 0 + 1 Y3v + 2Y1 + 3Y2 + 4
Y3v = 34.021 + 0.180 Y1 + 0.371 Y2
Y3 = 2.800 + 1.302 Y3v Calc
Y3 = 5.465 + 0.098 Y1 + 28162.735b Y2 + 1.192 Y3v
Y3 = 46.025 - 35121.618b Y3v Calc + 0.313 Y1 + 0.442 Y2
Model Regresi II:
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
X2 = f0 + f1 X2.1 + f2 X2.2 + f3 X2.3 + f4 X2.4 + 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
X2v = i0 + i1 X2v.1 + i2 X2v.2 + i3 X2v.3 + e9
X1v = j0 + j1 X1v.1 + j2 X1v.2 + j3 X1v.3 + j4 X1v.4 + j5 X1v.5 + 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 = 45.571 + 1.042 X1.1 + 2.612 X1.2 + 0.669 X1.3 - 12.025 X1.4 + 10.008 X1.5 + 11.760 X1.6 + 12.707 X1.7
+ 15.713 X1.8 - 0.060 X1.9 - 10.266 X1.10 - 13.778 X1.11 - 15.673 X1.12 + 9.017 X1.13 + e5
X2 = 58.500 + 9.009 X2.1 - 27.807 X2.2 + 46.132 X2.3 - 25.626 X2.4 + e6
Y1 = 40.501 + 10.643 Y1.1 - 8.475 Y1.2 + 0.675Y1.3 + e7
Y2 = 87.000 - 7.938 Y2.1 + 6.748 Y2.2 + 21.542Y2.3 - 1.503 Y2.4 - 14.823Y2.5 + e8
X2v = 42.500 - 5.029 X2v.1 - 1.132 X2v.2 + 8.335 X2v.3 + e9
X1v = 47.737 + 1025.495 X1v.1 - 637.805 X1v.2 - 608.337 X1v.3 - 257.592 X1v.4 + 515.805 X1v.5 + e10
Y3 = 57.500 - 4.715 Y3.1 + 4.621Y3.2 - 6.208 Y3.3 + 9.401Y3.4 + e11
Y3v = 41.500 - 3.256 Y3v..1 + 0.612 Y3v.2 + 4.952 Y3v..3 + e12
28
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) No. Indikator dari Variabel Kualitas Pelayanan: Bentuk Fungsi: FK X1.i > 0.6 (Valid), FK X1.i < 0.6 (Drop) 1. X1.1. Peralatan Armada Bus PT Mayasari Bakti X1 = 89.739 + 2.453 X1.1 ; FK X1.1 = 0.660 Valid
2. X1.2. Perlengkapan Armada Bus PT Mayasari Bakti X1 = 121.814 + 10.558 X1.2 .2FK X1.2 = 0.581 Drop
3. X1.3. Kenyamanan Ruangan X1 = 138.525 + 9.823 X1.3 ; FK X1.3 = 0.612 Valid
4. X1.4. Penampilan Petugas X1 = 149.415 + 10.370 X1.4 ; FK X1.4 = 0.396 Drop
5. X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 125.291 + 10.181 X1.5 ; FK X1.5 = 0.642 Valid
6. X1.6. Keramahan X1 = 113.156 + 10.730 X1.6 ; FK X1.6 = 0.587 Drop
7. X1.7. Kecepatan Pelayanan X1 = 127.172 + 10.032 X1.7 ; FK X1.7 = 0.680 Valid
8. X1.8. Kemampuan Menanggapi Keluhan X1 = 127.699 + 10.577 X1.8 ; FK X1.8 = 0.684 Drop
9. X1.9. Kemudahan Prosedur X1 = 116.581 + 10.765 X1.9 ; FK X1.9 = 0.638 Drop
10. X1.10. Mampu Berkomunikasi X1 = 171.994 + 8.720 X1.10 ; FK X1.10 = 0.427 Valid
11. X1.11. Informasi Yang Akurat X1 = 125.115 + 11.130 X1.11 ; FK X1.11 = 0.551 Drop
12. X1.12. Pemahaman Kebutuhan Konsumen X1 = 138.052 + 10.078 X1.12 ; FK X1.12 = 0.693 Valid
13. X1.13. Perhatian Kepada Konsumen X1 = 117.152 + 11.002 X1.13 ; FK X1.13 = 0.584 Drop
2. Variabel Harga Tiket(X2) No. Indikator dari Variabel Harga Tiket: Bentuk Fungsi: FK X2.i > 0.6 (Valid), FK X2.i < 0.6 (Drop)
1. X2.1. Keterjangkauan Harga Tiket X2 = 44.858 + 2.958 X2.1 ; FK X2.1 = 0.401 Drop
2. X2.2. Kesesuaian Tarif Dengan Manfaat X2 = 46.909 + 3.150 X2.2 ; FK X2.2 = 0.439 Drop
3. X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = 47.679 + 3.039 X2.3 ; FK X2.3 = 0.487 Drop
4. X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = 47.152 + 3.010 X2.4 ; FK X2.4 = 0.477 Drop
3. 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 = 37.248 + 2.488 Y1.1 ; FK Y1.1 = 0.468 Drop
2. Y1.2. Sesuai dengan yang diharapkan Y1 = 36.786 + 2.355 Y1.2 ; FK Y1.2 = 0.405 Drop
3. Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 32.362 + 2.528 Y1.3 ; FK Y1.3 = 0.447 Drop
4. 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. Armada Bus PT Mayasari Bakti Yang Bagus Y2 = 54.938 + 3.994 Y2.1 ; FK Y2.1 = 0.229 Drop
2. Y2.2. Kenikmatan Merasakan Layanan Y2 = 65.957 + 3.891 Y2.2 ; FK Y2.2 = 0.456 Drop
3. Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 59.064 + 3.988 Y2.3 ; FK Y2.3 = 0.387 Drop
4. Y2.4. Pengalaman Masa Lalu Y2 = 63.385 + 3.701 Y2.4 ; FK Y2.4 = 0.439 Drop
5. Y2.5. Pengalaman Teman-teman Y2 = 61.485 + 3.751 Y2.5 ; FK Y2.5 = 0.385 Drop
5. Dimensi Rata-rata Harga Tiket (X2v) No. Dimensi Rata-rata Harga Tiket: Bentuk Fungsi: FK X2v.i > 0.6 (Valid), FK X2v.i < 0.6 (Drop)
1. X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = 32.617 + 2.259 X2v.1 ; FK X2v.1 = 0.450 Drop
2. X2v.2. Kesesuaian harga dengan pelayanan yang diterima X2v = 34.847 + 2.357 X2v.2 ; FK X2v.2 = 0.484 Drop
3. X2v.3. Kesesuaian Harga dengan fasilitas X2v = 34.559 + 2.291 X2v.3 ; FK X2v.3 = 0.519 Drop
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 = 46.962 + 4.155 X1v.1 ; FK X1v.1 = 0.626 Valid
2. X1v.2. Keandalan (reliability) X1v = 46.229 + 3.991 X1v.2 ; FK X1v.2 = 0.623 Valid
3. X1v.3. Daya tanggap (responsiveness) X1v = 47.264 + 4.077 X1v.3 ; FK X1v.3 = 0.654 Valid
4. X1v.4. Jaminan (assurance) X1v = 49.542 + 4.117 X1v.4 ; FK X1v.4 = 0.648 Valid
5. X1v.5. Perhatian (empathy) X1v = 49.360 + 4.058 X1v.5 ; FK X1v.5 = 0.648 Valid
29
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 = 40.754 + 3.048 Y3.1 ; FK Y3.1 = 0.448 Drop
2. Y3.2. Dikenal Luas Y3 = 45.623 + 3.206 Y3.2 ; FK Y3.2 = 0.431 Drop
3. Y3.3. Peningkatan Sumber Dana Y3 = 44.590 + 3.168 Y3.3 ; FK Y3.3 = 0.496 Drop
4. Y3.4. Keunggulan Tekhnologi Y3 = 46.064 + 3.081 Y3.4 ; FK Y3.4 = 0.524 Drop
8. Dimensi Rata-rata Keunggulan Bersaing (Y3v) No. Dimensi Keunggulan Bersaing: Bentuk Fungsi: FK Y3v.i > 0.6 (Valid), FK Y3v.i < 0.6 (Drop)
1. Y3v.1. Memperluas Trayek Bus PT Mayasari Bakti Y3v = 29.057 + 2.344 Y3v.1 ; FK Y3v.1 = 0.489 Drop
2. Y3v.2. Mampu Menciptakan Inovasi Produk Jasa Y3v = 33.393 + 2.419 Y3v.2 ; FK Y3v.2 = 0.485 Drop
3. Y3v.3. Senantiasa Meningkatkan Promosi Bus PT Mayasari Bakti Y3v = 33.251 + 2.365 Y3v.3 ; FK Y3v.3 = 0.559 Drop
Metode Path Analysis Standardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula):
Y1 = 1.307 X1 - 0.411 X2
Y2 = -251024.187b X1 + 1.141 X2 - 0. 358 Y1 Calc
dimana:
Y1 = Kepuasan Konsumen
Y2 = Loyalitas Konsumen
X1 = Kualitas Pelayanan
X2 = Harga Tiket
1 = Koefisien regresi variabel Kualitas Pelayanan
2 = Koefisien regresi variabel Harga Tiket
1 = Koefisien regresi intervening variabel kepuasan konsumen
Model Fungsional Keunggulan Bersaing (….fungsi estapet)
Y3v = 0.194 Y1 + 0.732 Y2
Y3 = 0.080 Y1 + 28162.735b Y2 + 0.824 Y3v
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
Keterangan: b) Excluded Variables: Beta In X1 = Kualitas Pelayanan (Observed) = -251024.187b
Beta In Y2 = Y2u = Loyalitas Konsumen (Observed) = 28162.735b
30
4.2 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 Nilai Total 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), Variabel Harga Tiket (X2), Variabel Kepuasan Konsumen
(Y1), Variabel Loyalitas Konsumen (Y2), Dimensi Rata-rata Harga Tiket (X2v) dan Variabel
Keunggulan Bersaing (Y3). Sedangkan 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 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 13 s/d 20), hingga mendapatkan Hasil Perhitungan Empiris yang
dirangkum kedalam Gambar 4.2 (meliputi semua penjabarannya) sebagai berikut:
31
20.0 X1.1
4.75 X1.2
1.37 X1.3
10.2 X1.4 -14.0 X1.5
-5.26 X1.6
-9.27 X1.7 15.0 X1.8
0.18 X1.9 4.33 X1.10
-7.47 X1.11 3.01 X1.12
-10.0 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)].
104.0 X1v.1 -72.7 X1v.2 -46.1 X1v.3 -34.0 X1v.4 57.0 X1v.5
-0.88 Y3.1
3.02 Y3.2
-2.85 Y3.3
4.43 Y3.4
-0.42 Y3v.1
0.87 Y3v.2 2.32 Y3v.3
7.59 Y1.1
-5.68 Y1.2
1.14 Y1.3
-0.76 Y2.1 1.20 Y2.2 1.78 Y2.3 4.35 Y2.4
-2.05 Y2.5
3.23 X2.1
-7.87 X2.2
14.8 X2.3
-6.89 X2.4
-1.01 X2v.1
0.29 X2v.2 3.45 X2v.3
HX1: r 2 X1.i = 0.813 ALPHA CRONBACH = 0.986
Harga Tiket
(X2)
Kualitas
Pelayanan
(X1)
Kepuasan
Konsumen
(Y1)
Loyalitas
Konsumen
(Y2)
HY2:r 2Y2.i = 0.779 ALPHA CRONBACH = 0.952
HY1:r 2Y1.i = 0.868 ALPHA CRONBACH = 0.908
r 2(Y1) = 0.875
r 2(Xi ,Y1) = 0.984
r 2(Xi ) = 0.893
R Square = 0.938 Fuji Test =10.056 D-W Test = 2.500
R Square = 0.963 Fuji Test = 6.426 D-W Test = 2.571
R Square = 0.912 Fuji Test = 6.877 D-W Test = 2.500
Coeff. Reg c1 = 0.184
Coeff. Reg c2 = 0.357
Coeff. Reg a1 = 0.237
Coeff. Reg a2 = 0.028
:Co
eff. Reg
c3 =
0.6
30
r 2(Y1 ,Xi) = 0.984
HY2i:r 2Y2i >0.6
ALPHA CRONBACH > 0.6
HX2:r 2X2.i = 0.845 ALPHA CRONBACH = 0.939
Keunggulan
Bersaing
(Y3) HY3:r 2Y3.i = 0.856 ALPHA CRONBACH = 0.941
HX1v: r 2 X1v.i = 0.898 ALPHA CRONBACH = 0.961
R Square = 0.959 Fuji Test =15.624
D-W Test = 2.565
Dimensi
Kualitas
Pelayanan
(X1v)
Y1 = Intevening Variable
HY3v:r 2Y3v.i = 0.869 ALPHA CRONBACH = 0.914
Dimensi
Keunggulan
Bersaing
(Y3v)
R Square = 0.942 Fuji Test =10.883 D-W Test = 2.500
HX2v:r 2X2v.i = 0.856 ALPHA CRONBACH = 0.911
Y3v = Intevening Variable
R Square = 0.948
Fuji Test = 12.088
D-W Test = 2.500
Dimensi
Harga Tiket
(X2v)
R Square = 0.943 Fuji Test =10.946 D-W Test = 2.500
Y3v.1. Memperluas Trayek Bus MAYASARI BAKTI
Y3v.2. Mampu Menciptakan Inovasi Produk Jasa
Y3v.3. Meningkatkan Promosi MAYASARI BAKTI
R Square = 0.947 Fuji Test = 11.928 D-W Test = 2.361
HASIL PERHITUNGAN EMPIRIS
Data Dengan Kategori (Jumlah ke II)
Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula): Y1 = 16.572 + 0.237 X1 + 0.028 X2
Y2 = 15.360 + 1.457 Y1 Calc
Y2 Calc = 8.024 + 0.184 X1 + 0.357 X2 + 0.630 Y1
Y2Calc = 8.024 + 0.630 Y1 + 0.184 X1 + 0.357 X2
Path Analysis Method Loyalitas Konsumen (…..fungsi Semula):
Y1 = 0.935 X1 + 0.032 X2
Y2 Calc = 0.413 X1 + 0.235 X2 + 0.358 Y1
Path Analysis Method Keunggulan Bersaing (….fungsi estapet): Y3v = 0.533 Y1 + 0.442 Y2
Y3 Calc = 0.513 Y1 + 0.178 Y2 + 0.317 Y3v
r 2(Yi ,Y3v) = 0.985
r 2(Y3v ,Yi) = 0.985
r 2(Yi ) = 0.896
r 2(Y3v) = 0.942
Coeff. Reg 3 = 0.443
Coeff. Reg 2 = 0.309
Coeff. Reg 2 = 0.174
Coeff. Reg 1 = 0.823
Coeff. Reg 1 = 0.612
H1: r
2 X1>0
32
Unstandardized Coefficients: Model Regresi I :
Model Fungsional Loyalitas Konsumen (…..fungsi Semula)
Y1 = a0 + a1 X1 + a2X2 + E1
Y2 = b0 + b1 Y1 Calc + E2
Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 + E3
Y2 Calc = d0 + d1 X1 + d2X2 + d3Y1 + E4
Y1 = 16.572 + 0.237 X1 + 0.028 X2
Y2 = 15.360 + 1.457 Y1 Calc
Y2 Calc = 8.024 + 0.184 X1 + 0.357 X2 + .630 Y1
Y2Calc = 8.024 + 0.630 Y1 + 0.184 X1 + 0.357 X2
Model Fungsional Keunggulan Bersaing (….fungsi estapet)
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 = 15.580 + 0.612 Y1 + 0.309Y2
Y3 = 10.887 + 1.179 Y3v Calc
Y3 Calc = 6.477 + 0.823 Y1 + 0.174 Y2 + 0.443 Y3v
Y3Calc = 6.477 + 0.443 Y3v + 0.823 Y1 + 0.174 Y2
Model Regresi II:
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
X2 = f0 + f1 X2.1 + f2 X2.2 + f3 X2.3 + f4 X2.4 + 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
X2v = i0 + i1 X2v.1 + i2 X2v.2 + i3 X2v.3 + e9
X1v = j0 + j1 X1v.1 + j2 X1v.2 + j3 X1v.3 + j4 X1v.4 + j5 X1v.5 + 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 = 113.928 + 20.040 X1.1 + 4.754 X 1.2 + 1.367 X1.3 + 10.170 X1.4 - 13.973 X1.5 - 5.262 X1.6 - 9.267 X1.7
+ 15.043 X1.8 + 0.175 X1.9 + 4.327 X1.10 - 7.470 X1.11 + 3.013 X1.12 - 10.015 X1.13 + e5
X2 = 39.000 + 3.230 X2.1 - 7.871 X2.2 + 14.795 X2.3 - 6.886 X2.4 + e6
Y1 = 33.096 + 7.588Y1.1 - 5.682Y1.2 + 1.140Y1.3 + e7
Y2 = 58.000 - 0.761Y2.1 + 1.020 Y2.2 + 1.775 Y2.3 + 4.349 Y2.4 - 2.050 Y2.5 + e8
X2v = 28.333 - 1.010 X2v.1 + 0.289 X2v.2 + 3.445 X2v.3 + e9
33
X1v = 39.076 + 103.963 X1v.1 - 72.741 X1v.2 - 46.105 X1v.3 - 33.951 X1v.4 + 57.027 X1v.5 + e10
Y3 = 38.333 - 0.882Y3.1 + 3.021Y3.2 - 2.852Y3.3 + 4.425Y3.4 + e11
Y3v = 27.667 - 0.419Y3v..1 + 0.871 Y3v.2 + 2.317 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) No. Indikator dari Variabel Kualitas Pelayanan: Bentuk Fungsi: FK X1.i > 0.6 (Valid), FK X1.i < 0.6 (Drop) 1) X1.1. Peralatan Armada Bus PT Mayasari Bakti X1 = 100.025 + 11.829 X1.1 ; FK X1.1 = 0.902 Valid
2) X1.2. Perlengkapan Armada Bus PT Mayasari Bakti X1 = 99.790 + 11.741 X1.2 2 FK X1.2 = 0.879 Valid
3) X1.3. Kenyamanan Ruangan X1 = 110.748 + 11.393 X1.3 ; FK X1.3 = 0.877 Valid
4) X1.4. Penampilan Petugas X1 = 115.470 + 12.449 X1.4 ; FK X1.4 = 0.807 Valid
5) X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 102.368 + 11.411 X1.5 ; FK X1.5 = 0.895 Valid
6) X1.6. Keramahan X1 = 94.990 + 11.671 X1.6 ; FK X1.6 = 0.885 Valid
7) X1.7. Kecepatan Pelayanan X1 = 103.857 + 11.290 X1.7 ; FK X1.7 = 0.904 Valid
8) X1.8. Kemampuan Menanggapi Keluhan X1 = 104.227 + 11.918 X1.8 ; FK X1.8 = 0.905 Valid
9) X1.9. Kemudahan Prosedur X1 = 97.195 + 11.802 X1.9 ; FK X1.9 = 0.898 Valid
10) X1.10. Mampu Berkomunikasi X1 = 134.461 + 11.097 X1.10 ; FK X1.10 = 0.789 Valid
11) X1.11. Informasi Yang Akurat X1 = 101.494 + 12.488 X1.11 ; FK X1.11 = 0.869 Valid
12) X1.12. Pemahaman Kebutuhan Konsumen X1 = 111.286 + 11.653 X1.12 ; FK X1.12 = 0.900 Valid
13) X1.13. Perhatian Kepada Konsumen X1 = 97.156 + 12.089 X1.13 ; FK X1.13 = 0.882 Valid
2. Variabel Harga Tiket(X2) No. Indikator dari Variabel Harga Tiket: Bentuk Fungsi: FK X2.i > 0.6 (Valid), FK X2.i < 0.6 (Drop)
1) X2.1. Keterjangkauan Harga Tiket X2 = 36.199 + 3.409 X2.1 ; FK X2.1 = 0.829 Valid
2) X2.2. Kesesuaian Tarif Dengan Manfaat X2 = 37.584 + 3.696 X2.2 ; FK X2.2 = 0.835 Valid
3) X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = 38.271 + 3.586 X2.3 ; FK X2.3 = 0.847 Valid
4) X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = 37.886 + 3.536 X2.4 ; FK X2.4 = 0.845 Valid
3. 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 = 33.342 + 2.750 Y1.1 ; FK Y1.1 = 0.828 Valid
2) Y1.2. Sesuai dengan yang diharapkan Y1 = 32.953 + 2.590 Y1.2 ; FK Y1.2 = 0.808 Valid
3) Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 30.641 + 2.628 Y1.3 ; FK Y1.3 = 0.828 Valid
4. 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. Armada Bus PT Mayasari Bakti Yang Bagus Y2 = 49.099 + 4.334 Y2.1 ; FK Y2.1 = 0.716 Valid
2) Y2.2. Kenikmatan Merasakan Layanan Y2 = 57.971 + 4.529 Y2.2 ; FK Y2.2 = 0.787 Valid
3) Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 52.310 + 4.439 Y2.3 ; FK Y2.3 = 0.775 Valid
4) Y2.4. Pengalaman Masa Lalu Y2 = 55.762 + 4.237 Y2.4 ; FK Y2.4 = 0.787 Valid
5) Y2.5. Pengalaman Teman-teman Y2 = 54.037 + 4.245 Y2.5 ; FK Y2.5 = 0.770 Valid
5. Dimensi Rata-rata Harga Tiket (X2v) No. Dimensi Rata-rata Harga Tiket: Bentuk Fungsi: FK X2v.i > 0.6 (Valid), FK X2v.i < 0.6 (Drop)
1) X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = 26.310 + 2.587 X2v.1 ; FK X2v.1 = 0.846 Valid
2) X2v.2. Kesesuaian harga dengan pelayanan yang diterima X2v = 27.761 + 2.771 X2v.2 ; FK X2v.2 = 0.849 Valid
3) X2v.3. Kesesuaian Harga dengan fasilitas X2v = 27.671 + 2.682 X2v.3 ; FK X2v.3 = 0.859 Valid
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 = 38.730 + 4.611 X1v.1 ; FK X1v.1 = 0.892 Valid
2) X1v.2. Keandalan (reliability) X1v = 38.293 + 4.409 X1v.2 ; FK X1v.2 = 0.892 Valid
3) X1v.3. Daya tanggap (responsiveness) X1v = 38.990 + 4.532 X1v.3 ; FK X1v.3 = 0.899 Valid
4) X1v.4. Jaminan (assurance) X1v = 40.379 + 4.646 X1v.4 ; FK X1v.4 = 0.894 Valid
5) X1v.5. Perhatian (empathy) X1v = 40.264 + 4.574 X1v.5 ; FK X1v.5 = 0.895 Valid
34
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 = 34.255 + 3.383 Y3.1 ; FK Y3.1 = 0.842 Valid
2) Y3.2. Dikenal Luas Y3 = 37.420 + 3.709 Y3.2 ; FK Y3.2 = 0.820 Valid
3) Y3.3. Peningkatan Sumber Dana Y3 = 36.883 + 3.629 Y3.3 ; FK Y3.3 = 0.842 Valid
4) Y3.4. Keunggulan Tekhnologi Y3 = 37.886 + 3.574 Y3.4 ; FK Y3.4 = 0.847 Valid
8. Dimensi Rata-rata Keunggulan Bersaing (Y3v) No. Dimensi Keunggulan Bersaing: Bentuk Fungsi: FK Y3v.i > 0.6 (Valid), FK Y3v.i < 0.6 (Drop)
1) Y3v.1. Memperluas Trayek Bus PT Mayasari Bakti Y3v = 24.560 + 2.576 Y3v.1 ; FK Y3v.1 = 0.856 Valid
2) Y3v.2. Mampu Menciptakan Inovasi Produk Jasa Y3v = 27.360 + 2.790 Y3v.2 ; FK Y3v.2 = 0.835 Valid
3) Y3v.3. Senantiasa Meningkatkan Promosi Bus PT Mayasari Bakti Y3v = 27.347 + 2.721 Y3v.3 ; FK Y3v.3 = 0.858 Valid
Metode Path Analysis Standardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula):
Y1 = 0.935 X1 + 0.032 X2
Y2 Calc = 0.413 X1 + 0.235 X2 + 0.358 Y1
atau
Y1 = 0.935 X1 + 0.032 X2
Y2Calc = 0.358 Y1 + 0.413 X1 + 0.235 X2
dimana:
Y1 = Kepuasan Konsumen
Y2 = Loyalitas Konsumen
X1 = Kualitas Pelayanan
X2 = Harga Tiket
1 = Koefisien regresi variabel Kualitas Pelayanan
2 = Koefisien regresi variabel Harga Tiket
1 = Koefisien regresi intervening variabel kepuasan konsumen
Model Fungsional Keunggulan Bersaing (….fungsi estapet)
Y3v = 0.533 Y1 + 0.442 Y2
Y3 Calc = 0.513 Y1 + 0.178 Y2 + 0.317 Y3v
atau
Y3v = 0.533 Y1 + 0.442 Y2
Y3Calc = 0.317 Y3v + 0.513 Y1 + 0.178 Y2
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.
35
1.3 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): Y2 = 8.725 - 0.414 X1 + 0.623 X2 - 0.309 X3 + 1.977 X4 - 1.090 X5 + 0.158 X6
+ 0.025 X7 - 1.233 X8 - 0.322 X9 + 2.155 X10 - 0.272 X11 + 0.300 X12
- 0.994 X13 + 1.136 X14 + 0.378 X15 + 0.115 X16 + 0.398 X17 - 0.048 X18
+ 0.229 X19 + 2.583 X20 - 2.889 X21 + 0.780 X22 + 0.026 X23 + 0.119 X24
- 2.496 X25 + 0.092 X26 + 2.741 X27 + 0.780 X28 + 29.400
Std Err of Coef.
S(ai): (3.407) (1.925) (3.590) (2.288) (3.977) (4.656) (0.064)
(0.085) (1.683) (0.239) (1.789) (0.206) (0.161)
(0.470) (0.826) (0.689) (0.085) (0.081) (0.078) (0.064) (1.749) (2.089) (1.145) (0.216) (0.099)
(3.212) (1.367) (3.921) (0.042)
T-test (df = n-k )
t(ai): (2.561) (-0.215) ( 0.174) (-0.135) ( 0.497) (-0.234) ( 2.469)
( 0.294) (-0.733) (-1.347) ( 1.205) (-1.320) ( 1.863)
(-2.115) ( 1.375) ( 0.549) ( 1.353) ( 4.914) (-0.615)
( 3.578) ( 1.477) (-1.383) ( 0.681) ( 0.120) ( 1.202)
(-0.777) ( 0.067) ( 0.699) (18.571)
No. of Observations: 150
Degrees of Freedom: 121 Constant: 8.725
Std Err of Y Est SE = 29.400
R Squared r 2 = 0.986
Correlation Coeff r = 0.993
Adjusted R Squared r 2 = 0.982
F Change = Fuji Test F = 295.057
Durbin-Watson Test D-W = 1.741
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 Mayasari Bakti
36
X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN Mayasari Bakti
X8 = X2v.1 = Kesesuaian Harga dengan Kualitas Jasa yang diberikan
X9 = X2v.2 = Kesesuaian harga dengan pelayanan yang diterima
X10 = X2v.3 = Kesesuaian Harga dengan fasilitas
X11 = X2u = Dimensi Total HARGA TIKET Mayasari Bakti
X12 = X2v = Dimensi Rata-rata HARGA TIKET Mayasari Bakti
X13 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan
X14 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain
X15 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan
X16 = Y1u = Dimensi Total KEPUASAN KONSUMEN Mayasari Bakti
X17 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable)
X18 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN Mayasari Bakti
X19 = Y1v Calc = Y1v OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable)
X20 = Y2v.1 = Penggunaan ulang layanan
X21 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan
X22 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan
X23 = Y2u = Dimensi Total LOYALITAS KONSUMEN Mayasari Bakti
X24 = Y2v = Dimensi Rata-rata LOYALITAS KONSUMEN Mayasari Bakti
X25 = Y3v.1 = Memperluas TRAYEK Bus Mayasari Bakti
X26 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa Mayasari Bakti
X27 = Y3v.3 = Senantiasa Meningkatkan PROMOSI Bus Mayasari Bakti
X28 = Y3 = X = KEUNGGULAN BERSAING Mayasari Bakti (Data Dengan Kategori JUMLAH ke I)
X29 = Y3 = Y = KEUNGGULAN BERSAING Mayasari Bakti (Data Dengan Kategori JUMLAH ke II)
0 , 1 ...... 28 = Koefisien Regresi untuk ke 28 Independen Variabel
13 = Error Term
37
38
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 .993a .986 .982 29.39963 .986 295.057 28 121 .000 1.741
a. Predictors: (Constant), X28 = Y3 = X = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke I), X19 = Y1v Calc = Y1v OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X24 = Y2v = Dimensi Rata-rata LOYALITAS KONSUMEN, X25 = Y3v.1 = Memperluas TRAYEK Bus PT MAYASARI BAKTI, X23 = Y2u = Dimensi Total LOYALITAS KONSUMEN, X12 = X2v = Dimensi Rata-rata HARGA TIKET, X14 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain, X17 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X21 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan, X6 = X1u = Dimensi Total KUALITAS PELAYANAN, X9 = X2v.2 = Kesesuaian harga dengan pelayanan yang diterima, X18 = Y1v
= Dimensi Rata-rata KEPUASAN KONSUMEN, X16 = Y1u = Dimensi Total KEPUASAN KONSUMEN, X5 = X1v.5 = Perhatian (empathy), X13 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan, X8 = X2v.1 = Kesesuaian Harga dengan Kualitas Jasa yang diberikan, X1 = X1v.1 = Bukti fisik (tangible), X11 = X2u = Dimensi Total HARGA TIKET, X15 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan, X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN, X22 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan, X26 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa, X10 = X2v.3 = Kesesuaian Harga dengan fasilitas, X20 = Y2v.1 = Penggunaan ulang layanan, X27 = Y3v.3 = Senantiasa Meningkatkan PROMOSI Bus PT MAYASARI BAKTI, X3 = X1v.3 = Daya tanggap (responsiveness), X4 = X1v.4 = Jaminan (assurance), X2 = X1v.2 = Keandalan (reliability)
b. Dependent Variable: X29 = 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 46 (meliputi Data Pendukung Lampiran 21 s/d 42).
Tabel 4.2: ANOVAa Model Sum of Squares Df Mean Square F Sig.
1
Regression 7140820.383 28 255029.299 295.057 .000b
Residual 104584.923 121 864.338
Total 7245405.306 149 a. Dependent Variable: X29 = Y3 = Y = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke II)
b. Predictors: (Constant), X28 = Y3 = X = KEUNGGULAN BERSAING (Data Dengan Kategori JUMLAH ke I), X19 =
Y1v Calc = Y1v OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X24 = Y2v = Dimensi Rata-rata LOYALITAS KONSUMEN, X25 = Y3v.1 = Memperluas TRAYEK Bus PT MAYASARI BAKTI, X23 = Y2u = Dimensi Total LOYALITAS KONSUMEN, X12 = X2v = Dimensi Rata-rata HARGA TIKET, X14 = Y1v.2 = Kesediaan Pelanggan untuk merekomendasikan kepada orang lain, X17 = Y1Calc = Y1 OS Regr = Kepuasan Konsumen (One-Stage Regression as Estimated Variable), X21 = Y2v.2 = Tertanamnya secara positif layanan di benak pelanggan, X6 = X1u = Dimensi Total KUALITAS PELAYANAN, X9 = X2v.2 = Kesesuaian harga dengan
pelayanan yang diterima, X18 = Y1v = Dimensi Rata-rata KEPUASAN KONSUMEN, X16 = Y1u = Dimensi Total KEPUASAN KONSUMEN, X5 = X1v.5 = Perhatian (empathy), X13 = Y1v.1 = Pelayanan Sesuai dengan harapan pelanggan, X8 = X2v.1 = Kesesuaian Harga dengan Kualitas Jasa yang diberikan, X1 = X1v.1 = Bukti fisik (tangible), X11 = X2u = Dimensi Total HARGA TIKET, X15 = Y1v.3 = Puas atas kualitas pelayanan yang sudah dirasakan, X7 = X1v = Dimensi Rata-rata KUALITAS PELAYANAN, X22 = Y2v.3 = Selalu menjadi pilihan utama bagi pelanggan, X26 = Y3v.2 = Mampu Menciptakan INOVASI Produk Jasa, X10 = X2v.3 = Kesesuaian Harga dengan fasilitas, X20 = Y2v.1 = Penggunaan ulang layanan, X27 = Y3v.3 = Senantiasa Meningkatkan PROMOSI Bus PT MAYASARI BAKTI, X3 = X1v.3 = Daya tanggap (responsiveness), X4 = X1v.4 = Jaminan (assurance), X2 = X1v.2 = Keandalan (reliability).
Sumber: Hasil Perhitungan menggunakan program SPSS IBM Statistik Versi 21 for Windows
yang berasal dari data Lampiran 46 (meliputi Data Pendukung Lampiran 21 s/d 42).
39
Tabel 4.3: Coefficientsa Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
(Constant) 8.725 3.407 2.561 .012
X1 = X1v.1 = Bukti fisik (tangible) -.414 1.925 -.097 -.215 .830 .001 1699.623
X2 = X1v.2 = Keandalan (reliability) .623 3.590 .120 .174 .862 .000 4030.816
X3 = X1v.3 = Daya tanggap (responsiveness) -.309 2.288 -.044 -.135 .893 .001 896.149
X4 = X1v.4 = Jaminan (assurance) 1.977 3.977 .272 .497 .620 .000 2516.043
X5 = X1v.5 = Perhatian (empathy) -1.090 4.656 -.155 -.234 .815 .000 3670.689
X6 = X1u = Dimensi Total KUALITAS
PELAYANAN
.158 .064 .158 2.479 .015 .029 34.022
X7 = X1v = Dimensi Rata-rata KUALITAS
PELAYANAN
.025 .085 .024 .297 .767 .019 53.607
X8 = X2v.1 = Kesesuaian Harga dengan Kualitas
Jasa yang diberikan
-1.233 1.683 -.158 -.733 .465 .003 390.353
X9 = X2v.2 = Kesesuaian harga dengan
pelayanan yang diterima
-.322 .239 -.048 -1.344 .181 .095 10.576
X10 = X2v.3 = Kesesuaian Harga dengan fasilitas 2.155 1.789 .268 1.205 .231 .002 416.106
X11 = X2u = Dimensi Total HARGA TIKET -.272 .206 -.082 -1.321 .189 .031 32.288
X12 = X2v = Dimensi Rata-rata HARGA TIKET .300 .161 .068 1.857 .066 .088 11.372
X13 = Y1v.1 = Pelayanan Sesuai dengan harapan
pelanggan
-.994 .470 -.100 -2.113 .037 .053 18.803
X14 = Y1v.2 = Kesediaan Pelanggan untuk
merekomendasikan kepada orang lain
1.136 .826 .105 1.375 .172 .021 48.448
X15 = Y1v.3 = Puas atas kualitas pelayanan yang
sudah dirasakan
.378 .689 .036 .549 .584 .028 35.729
X16 = Y1u = Dimensi Total KEPUASAN
KONSUMEN
.115 .085 .030 1.353 .179 .235 4.247
X17 = Y1Calc = Y1 OS Regr = Kepuasan
Konsumen (One-Stage Regression as
Estimated Variable)
.398 .081 .082 4.924 .000 .427 2.342
X18 = Y1v = Dimensi Rata-rata KEPUASAN
KONSUMEN
-.048 .078 -.013 -.620 .536 .280 3.567
X19 = Y1v Calc = Y1v OS Regr = Kepuasan
Konsumen (One-Stage Regression as
Estimated Variable)
.229 .064 .047 3.587 .000 .680 1.470
X20 = Y2v.1 = Penggunaan ulang layanan 2.583 1.749 .254 1.476 .142 .004 247.410
X21 = Y2v.2 = Tertanamnya secara positif
layanan di benak pelanggan
-2.889 2.089 -.291 -1.383 .169 .003 370.531
X22 = Y2v.3 = Selalu menjadi pilihan utama bagi
pelanggan
.780 1.145 .081 .681 .497 .008 118.953
X23 = Y2u = Dimensi Total LOYALITAS
KONSUMEN
.026 .216 .008 .121 .904 .025 39.692
X24 = Y2v = Dimensi Rata-rata LOYALITAS
KONSUMEN
.119 .099 .038 1.197 .234 .119 8.401
X25 = Y3v.1 = Memperluas TRAYEK Bus PT
MAYASARI BAKTI
-2.496 3.212 -.141 -.777 .439 .004 277.578
X26 = Y3v.2 = Mampu Menciptakan INOVASI
Produk Jasa
.092 1.367 .010 .068 .946 .006 168.316
X27 = Y3v.3 = Senantiasa Meningkatkan
PROMOSI Bus PT MAYASARI BAKTI
2.741 3.921 .146 .699 .486 .003 363.854
X28 = Y3 = X = KEUNGGULAN BERSAING
(Data Dengan Kategori JUMLAH ke I)
.780 .042 .850 18.586 .000 .057 17.527
a. Dependent Variable: X29 = 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 46 (meliputi Data Pendukung Lampiran 21 s/d 42).
40
Tabel 4.4: Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 7.6178 1701.0602 191.1210 218.91772 150 Std. Predicted Value -.838 6.897 .000 1.000 150 Standard Error of Predicted Value 3.339 25.772 10.921 6.939 150 Adjusted Predicted Value -20.0825 1888.8420 190.9170 228.54361 150 Residual -111.56139 78.45351 .00000 26.49363 150 Std. Residual -3.795 2.669 .000 .901 150 Stud. Residual -4.572 3.612 .005 1.088 150 Deleted Residual -257.84207 143.75854 .20397 42.89748 150
Stud. Deleted Residual -5.005 3.809 .003 1.123 150 Mahal. Distance .929 113.501 27.813 33.974 150 Cook's Distance .000 1.932 .032 .166 150 Centered Leverage Value .006 .762 .187 .228 150
a. Dependent Variable: X29 = 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 46 (meliputi Data Pendukung Lampiran 21 s/d 42).
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.
41
Gambar 4.3: 8 Pasang Gambar Uji Asumsi Klasik
42
43
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
Loyalitas Konsumen Y2Calc dan Y2Calc merupakan One-Stage Regression as Estimated
Variable (as Calculated): Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1 = d0 + d1Y1 + d2X1 + d3X2
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 Y2 Calc One-Stage Regression as Estimated
Variable (as Calculated) dengan Bentuk Regresi: Y2 Calc = c0 + c1 X1 + c2X2 + c3Y1
Zresid Normal P-P Plot:
Output1 PP Plot Reg III Loyalitas Konsumen MAYASARI BAKTI 2016
44
Persamaan Regresi 3
Tabel 4.6
Pengaruh Tidak Langsung variabel kualitas pelayanan (X1) dan
variabel harga tiket (X2) terhadap variabel loyalitas konsumen (Y2)
[melalui intervening variabel kepuasan konsumen (Y1)]
Coefficientsa Persamaan Regresi 3 Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
(Constant) 8.024 21.145 .379 .741
X1 = Kualitas Pelayanan (Observed) .184 .232 .413 .793 .511 .012 84.774
X2 = Harga Tiket (Observed) .357 .726 .235 .492 .671 .014 71.209
Y1 = Kepuasan Konsumen (Observed) .630 .392 .358 1.608 .249 .064 15.522
a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (Calculated)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y2 Calc = 0.413 X1 + 0.235 X2 + 0.358 Y1
Sumber: Diolah oleh penulis dari Data Lampiran 13 s/d 16.
Zresid Normal P-P Plot Model Estimasi 4:
Dependent Variable: Loyalitas Konsumen Y2 Calc One-Stage Regression as Estimated
Variable (as Calculated) dengan Bentuk Regresi: Y2 Calc = d0 + d1Y1 + d2X1 + d3X2
Zresid Normal P-P Plot:
Output1 PP Plot Reg IV Loyalitas Konsumen MAYASARI BAKTI 2016
atau
45
Persamaan Regresi 4
Tabel 4.7
Pengaruh Tidak Langsung variabel kualitas pelayanan (X1) dan
variabel harga tiket (X2) terhadap variabel loyalitas konsumen (Y2) [melalui intervening variabel kepuasan konsumen (Y1)]
Coefficientsa Persamaan Regresi 4
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
(Constant) 8.024 21.145 .379 .741
Y1 = Kepuasan Konsumen (Observed) .630 .392 .358 1.608 .249 .064 15.522
X1 = Kualitas Pelayanan (Observed) .184 .232 .413 .793 .511 .012 84.774
X2 = Harga Tiket (Observed) .357 .726 .235 .492 .671 .014 71.209
a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (Calculated)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
dimana Koefisien Hasil Estimasi Persamaan Regresi 4:: Y2Calc = 0.358 Y1 + 0.413 X1 + 0.235 X2
Sumber: Diolah oleh penulis dari Data Lampiran 13 s/d 16.
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 yang dapat dijelaskan sebagai berikut:
Zresid Normal P-P Plot Model Estimasi 3:
Dependent Variable: Keunggulan Bersaing Y3 Calc One-Stage Regression as Estimated
Variable (as Calculated) dengan Bentuk Regresi: Y3 Calc = 0 + 1 Y1 + 2Y2 + 3Y3v
Zresid Normal P-P Plot:
Output1 PP Plot Reg III Keunggulan Bersaing MAYASARI BAKTI 2016
46
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
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
(Constant) 6.477 16.297 .397 .729
Y1 = Y1u = Kepuasan Konsumen (Observed) .823 .409 .513 2.011 .182 .046 21.912
Y2 = Y2u = Loyalitas Konsumen (Observed) .174 .241 .178 .722 .545 .049 20.491
Y3v = Dimensi Rata-rata Keunggulan Bersaing
(Observed)
.443 .305 .317 1.456 .283 .062 16.004
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 = 0.513 Y1 + 0.178 Y2 + 0.317 Y3v
Sumber: Diolah oleh penulis dari data Lampiran 15-16 dan Lampiran 19-20.
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 Y3v + 2Y1 + 3Y2
47
Zresid Normal P-P Plot:
Output1 PP Plot Reg IV Keunggulan Bersaing MAYASARI BAKTI 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
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
(Constant) 6.477 16.297 .397 .729
Y3v = Dimensi Rata-rata Keunggulan Bersaing
(Observed)
.443 .305 .317 1.456 .283 .062 16.004
Y1 = Y1u = Kepuasan Konsumen (Observed) .823 .409 .513 2.011 .182 .046 21.912
Y2 = Y2u = Loyalitas Konsumen (Observed) .174 .241 .178 .722 .545 .049 20.491
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 = 0.317 Y3v + 0.513 Y1 + 0.178 Y2
Sumber: Diolah oleh penulis dari data Lampiran 15-16 dan Lampiran 19-20.
---------*****--------