lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL...

47
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].

Transcript of lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL...

Page 1: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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].

Page 2: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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)

Page 3: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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)

Page 4: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 5: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 6: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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)

Page 7: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 8: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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”

Page 9: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

Page 10: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

Page 11: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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).

Page 12: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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:

Page 13: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 14: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 15: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 16: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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)

Page 17: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

Page 18: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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,

Page 19: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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):

Page 20: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 21: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 22: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

Page 23: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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)

Page 24: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 25: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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:

Page 26: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 27: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 28: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 29: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 30: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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:

Page 31: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 32: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 33: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 34: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

Page 35: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 36: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 37: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

37

Page 38: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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).

Page 39: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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).

Page 40: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

Page 41: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

41

Gambar 4.3: 8 Pasang Gambar Uji Asumsi Klasik

Page 42: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

42

Page 43: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 44: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 45: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 46: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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

Page 47: lp3et.org · 2018. 11. 22. · CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email: JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan dengan penyusunan LAPORAN

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.

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