lp3et.org · CUPLIKAN khusus PEMESANAN (RINCIAN) Melalui Email: Baik LAPORAN maupun JURNAL HASIL...

CUPLIKAN khusus PEMESANAN (RINCIAN) Melalui Email:

Baik LAPORAN maupun JURNAL HASIL PENELITIAN disajikan/ditampilkan

menggunakan semua 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 Perhitungannya 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. Semua Lampiran yang terdapat didalam Laporan

HASIL PENELITIAN (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 Tulisan

Ilmiah/Karya Penelitian menggunakan MODEL & KERANGKA PEMIKIRAN TEORITIS

[Panjang Alt, Sedang Alt & Pendek Alt], ini berarti ada/setidak-tidaknya sebanyak 9 Files Utama

plus 10 files bonus atau Anda akan menerima melalui Email paling sedikit sebanyak 19 files yang dibayar dengan sejumlah Anggaran Tertentu sebagaimana tercantum pada lembaran Paket

pemesanan tersebut. Pengertian ke-4 paket yang dimaksud adalah sebagai berikut:

PAKET ISTIMEWA: Tulisan Ilmiah/Karya Penelitian Adalah 3 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN

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

PAKET KHUSUS: Tulisan Ilmiah/Karya Penelitian Adalah 2 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN

TEORITIS [Sedang Alt dan Pendek Alt plus beberapa Bonus]

PAKET STANDAR: Tulisan Ilmiah/Karya 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: Tulisan Ilmiah/Karya Penelitian

Adalah 1 Sets KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN

TEORITIS [Panjang Alt atau Lengkap Alt plus 10 Files (Bonus) & Utama & 52 Bonus Tambahan].

2

PAKET STANDAR B-8:

Apabila Saudara ingin membuat Sebuah (1 versi) Tulisan Ilmiah/Karya Penelitian seperti:

MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt),

merupakan Model Penelitian/Proses Hitung maupun Analisis-nya yang Sempurna

File 178 08 Jurnal Hasil Penelitian 52h Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt)

Atau 178 08 Faktor Yang Mempengaruhi Keunggulan Bersaing Dan Implementasinya

Terhadap Loyalitas Konsumen Jasa Angkutan TransJakarta. (1 atau 2 Files PDF ini tidak dapat di-unduh sebelum Pemesanan PAKET STANDAR B-8 terjadi)

Ini Proposalnya (Disusun Dalam 1 atau 2 Files PDF/Document): File 186 08 Proposal Penelitian 29h Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt)


Terhadap Loyalitas Konsumen Jasa Angkutan TransJakarta.

Keterangan tentang Proposal PENELITIAN/Jurnal HASIL PENELITIAN sbb:


Terhadap Loyalitas Konsumen Jasa Angkutan TransJakarta. [Proposal 29h TRANSJAKARTA 2017 Dengan MODEL & KERANGKA PEMIKIRAN TEORITIS(Sedang Alt)]

[Tidak menggunakan Model Regresi IV (zresid Histogram dan Pembentukan Kurva Normal)]

Maka Hasil Penelitiannya (5 Bab, Disusun Dalam 3 atau 6 Files PDF) adalah:

File 194 08 Laporan Hasil Penelitian 172h Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt)

Atau 194 08 FAKTOR YANG MEMPENGARUHI KEUNGGULAN BERSAING DAN IMPLEMENTASINYA

TERHADAP LOYALITAS KONSUMEN JASA ANGKUTAN TRANSJAKARTA

[Doc3 LAMPIRAN Berformulasi 22h Transfer dari Excel 23 Lamp dan 8 Lampiran Survey]

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

Bersaing TRANSJAKARTA 2018 (sebagai MASTER UTAMA) yang disusun sedemikian rupa […berdasarkan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN

TEORITIS (Sedang Alt) sebagaimana terlihat pada Bab II] yang didalamnya diperlihatkan

proses hitung sebanyak {[(16+8)*(2) + 80] = 128 Hasil Estmasi (Unstandardized

Coefficients: Model Regresi I s/d III (tanpa adanya zresid Histogram & Pembentukan Kurva Normal Model Regresi IV) dan hasil estimasi Metode Path Analysis (Standardized

Coefficients)} serta sebanyak [(23-8) = 15 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 TRANSJAKARTA 2017 Master Utama AE1 CH 576 (Petunjuk Lotus)

Excel2 Double Path Analysis Method TRANSJAKARTA 2017 Master Utama AE576 (Excel 23 Lampiran)

Doc3 LAMPIRAN Berformulasi 22h Transfer dari Excel 23 Lamp dan 8 Lampiran Survey

Pengguna minimal adalah S-1: Jurusan Ilmu Ekonomi, Manajemen dan atau Transportasi,

Tingkat Kemahiran mengolah Tabel EXCEL “Ber Formulasi”: Setara S-2 dari

Konsentarsi (Jurusan) yang sama.

Harga satu PAKET STANDAR B-8: Rp 2.800.000,- (dua juta delapan ratus ribu rupiah)

3

Berdasarkan Lembaran Informasi: 000 Daftar Tulisan Ilmiah Amrizal, terdapat

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

sejumlah/sebanyak 47 (= 9 Paket Istimewa + 8 Paket Khusus + 26 Paket Standar) Plus 4

Paket Super Istimewa tentang PENELITIAN SURVEY Dibidang MANAJEMEN

TRANSPORTASI yang dapat dipesan melalui EMAIL. Kesemua files ini dikembangkan

sebagai MODEL & KERANGKA PEMIKIRAN TEORITIS [Panjang Alt, Sedang Alt &

Pendek Alt] 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 melalui/ memasukan nama website lp3et.org kedalam

Google atau Google Chrome) menggunakan berbagai jenis Komputer maupun

Handphone.

Apabila Saudara ingin membuat Sebuah (1 versi) Tulisan Ilmiah/Karya Penelitian

dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Sedang Alt], maka saudara

dapat berpedoman/menjadikan PAKET STANDAR B-8 sebagai nara sumber utama

dalam penyusunan Tulisan Ilmiah/Karya Penelitian dengan formasi files yang ditawarkan

meliputi 3 Files Utama dan 3 Files Bonus sebagaimana yang dicantumkan diatas.

Cara Memesai melalui EMAIL sbb:

Sebagaimana yang dapat lihat pada lembaran PAKET STANDAR B-8 dihargai

sebesar Rp 2.800.000,- (dua juta delapan ratus 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 STANDAR B-8 a/n Winardi

Ke Email : Pesan satu PAKET STANDAR B-8 a/n

Winardi (Jakarta Timur)

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

https://lp3et.org/

mailto:[email protected]

4

042 PAKET STANDAR B-8

Apabila Saudara ingin membuat Sebuah (1 versi) Tulisan Ilmiah/Karya Penelitian Kode Dan Nama Karya Penelitian: 194 08

File 194 08 Laporan Hasil Penelitian 172h Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt)

Atau 194 08 FAKTOR YANG MEMPENGARUHI KEUNGGULAN BERSAING DAN IMPLEMENTASINYA

TERHADAP LOYALITAS KONSUMEN JASA ANGKUTAN TRANSJAKARTA

[Doc3 LAMPIRAN Berformulasi 22h Transfer dari Excel 23 Lamp dan 8 Lampiran Survey]

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

Jenis file : pdf

Harga/Paket : Rp 2.800.000,- (dua juta delapan ratus ribu rupiah).

3 Bonus Utama TRANSJAKARTA 2017 Secara Detail sbb: Files Excel1 Double Path Analysis Method TRANSJAKARTA 2017 Master Utama AE1 CH 576 (Petunjuk Lotus)

Excel2 Double Path Analysis Method TRANSJAKARTA 2017 Master Utama AE576 (Excel 23 Lampiran)

Doc3 LAMPIRAN Berformulasi 22h Transfer dari Excel 23 Lamp dan 8 Lampiran Survey

Jumlah & Files yang akan dikirim melalui Email sbb:

c0 042 1 Versi Karya Hasil Penelitian PAKET STANDAR B-8 Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt)

c0 042 PAKET STANDAR B-8

c1 g3178 08 Jurnal HASIL PENELITIAN 52h Keunggulan Bersaing TransJakarta 2017 (Sedang Alt)

c2 i3186 08 Proposal PENELITIAN 29h Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt) c3 d3194 08 Laporan HASIL PENELITIAN 172h Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt) c4 d2194 08 Faktor Yg Mempengaruhi Keunggulan Bersaing Dan Implementasinya Thd Loy Kon Jasa Angk TransJakarta

d1 Excel1 Double Path Analysis Method TRANSJAKARTA 2018 Master Utama AE1 CH 576 (Petunjuk Lotus)

d2 Excel2 Double Path Analysis Method TRANSJAKARTA 2018 Master Utama AE 576 (Excel 23 Lampiran)

d3 Doc3 LAMPIRAN Berformulasi 22h Transfer dari Excel 23 Lamp dan 8 Lampiran Survey d4 I2 MODEL & KERANGKA TEORI 53h Keunggulan Bersaing TRANSJAKARTA (Sedang.Alt)

“SELAMAT BERKARYA SEMOGA SUKSES

5

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 30 variabel independen [SPSS IBM Statistik Versi 21

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

Office Excel 2003.

6

Deskripsi singkat:

Model penelitian pada jasa angkutan TRANSJAKARTA diistilahkan sebagai

MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Sedang Alt] oleh

karena tidak menggunakan Model Regresi IV (zresid Histogram Pembentukan Kurva

Normal). Prediksi Bentuk Perwajahan apabila menjadi sebuah Hasil Penelitian/Jurnal

yang mesti dibuat adalah 3 bentuk model fungsional hasil estimasi (Unstandardized Coefficients): Model Regresi I, II, dan III serta Model fungsional Metode Path

Analysis (Standardized Coefficients) yang melibatkan Indikator/Dimensi dari 8

Variabelnya (Artinya sebanyak 40 Indikator/Dimensi tidak disembunyikan). MODEL

PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS [Sedang Alt] merupakan

model penelitian dengan analisis-nya yang cukup sempurna, penggunaan program SPSS

IBM Statistik Versi 21 for Windows terbatas hanya untuk Model-model tertentu

saja seperti model fungsional hasil estimasi (Unstandardized Coefficients):

Model Regresi I, serta Model fungsional Metode Path Analysis (Standardized Coefficients) dan untuk beberapa model/proses perhitungan tertentu harus

menggunakan Lotus 1-2-3 (Transition) yang berasal dari Program Microsoft

Office Excel 2003.

Metode penelitian yang digunakan pada Model penelitian pada jasa angkutan

TRANSJAKARTA 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.

Adapun penentuan jumlah sampel dalam penelitian ini tergantung pada jumlah

indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah 5 sampai

dengan 10 kali jumlah indikator yang digunakan dalam seluruh variabel laten. Karena

penelitian ini menggunakan 25 indikator utama untuk model fungsional Loyalitas

Konsumen (….fungsi Semula) yang meliputi: 13 indikator dari variabel kualitas

pelayanan, 3 indikator dari variabel kepuasan konsumen, 4 indikator dari variabel Harga

Tiket dan 5 indikator dari variabel loyalitas konsumen. Sedangkan pada model fungsional

Keunggulan Bersaing (….fungsi estapet) ada sebanyak 15 indikator/dimensi dan lain-lain

dari kedua model fungsional Loyalitas Konsumen (….fungsi Semula) dan model

7

fungsional Keunggulan Bersaing (….fungsi estapet), yaitu: 3 Dimensi Loyalitas

Konsumen, 5 Dimensi Rata-rata Kualitas Pelayanan, 4 Variabel Keunggulan Bersaing

dan 3 Dimensi Rata-rata Keunggulan Bersaing sehingga jumlah semua adalah 40 indikator

dalam penelitian ini. Artinya untuk 6 observasi maka jumlah sampel maksimum yang

harus digunakan adalah paling banyak sejumlah 240 (yaitu 6 dikali 40) responden. Artinya

dalam penelitian ini jumlah sampel minimal yang harus digunakan adalah sebanyak 240

responden. Dengan demikian jumlah sampel minimal untuk penelitian ini sebanyak 240

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

jasa angkutan TRANSJAKARTA. Tanpa terkecuali, baik model maupun metode penelitian

secara keselutuhan dilengkapi dengan berbagai Uji Statistik seperti: (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 (Sedang 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)] dan tidak menggunakan Model Regresi IV

(zresid Histogram Pembentukan Kurva Normal).

Terkutip: Secara matematis semua bentuk fungsional/proses perhitungan model

hasil estimasi pada penelitian jasa angkutan TRANSJAKARTA (sebagai MASTER

UTAMA) yang disusun sedemikian rupa […berdasarkan MODEL PENELITIAN dengan

KERANGKA PEMIKIRAN TEORITIS (Sedang Alt) sebagaimana terlihat pada Bab II]

yang didalamnya diperlihatkan proses hitung sebanyak {[(16+8)*(2) + 80] = 128 Hasil

Estmasi (Unstandardized Coefficients: Model Regresi I s/d III (tanpa adanya

zresid Histogram & Pembentukan Kurva Normal Model Regresi IV) dan hasil estimasi

Metode Path Analysis (Standardized Coefficients)} serta sebanyak [(23-8) = 15

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).

8

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 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).


”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

9






Baik data hasil survey (data 5 observasi) maupun data olahan (data 6 observasi)

dalam penelitian ini digunakan untuk menganalisis semua indikator dari Variabel:

Kualitas Pelayanan (X1), Harga Tiket (X2), Kepuasan Konsumen (Y1), Loyalitas

Konsumen (Y2) dan Keunggulan Bersaing (Y3), termasuk Dimensi Rata-rata Kualitas

Pelayanan (X1v), Dimensi Rata-rata Harga Tiket (X2v) 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.

Semua data yang akan digunakan dalam penelitian ini adalah data utama yang

dipergunakan dalam semua proses perhitungan (lihat lampiran 13 s/d 20), yang dihitung

“secara otomatis sesuai dengan formulasinya” sendiri-sendiri “menggunakan Microsoft

Office Excel 2003” dan disusun/dihitung dengan tingkat kesalahan yang sangat kecil sekali

(mendekati Nol). Setelah ditransfer ke Microsoft Office Word 2003 (dimana formulasinya

pada setiap sel tidak terlihat lagi). Untuk mengetahui keterikatan Pengembangan Model

dan pengaruh antar variabel dapat dijelaskan pada kerangka pemikiran berikut:

10

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

TRANSJAKARTA 2017

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

Dimensi

Harga Tiket

(X2v)

R SquareChange = R2

F Change= Fuji Test Durbin-Watson Test

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





Second Path Analysis Method Keunggulan Bersaing (….Fungsi Estapet):

Y3 = 1 Y1 + 2Y2

Y3 Calc = 1 Y1 + 2Y2 + 3Y3v

Y3v.1. Memperluas Trayek Bus TRANSJAKARTA


Y3v.3. Meningkatkan Promosi TRANSJAKARTA

First Path Analysis Method Loyalitas Konsumen (…..Fungsi Semula):

Y1 = 1X1 + 2 X2

Y2 = 1X1 + 2 X2 + 1Y1

Unstandardized Coefficients: 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

11

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 TransJakarta X1 = a0 + a1 X1.1 ; HX1.1 :Faktor Koreksi X1.1 > 0.6

2. X1.2. Perlengkapan Armada Bus TransJakarta 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

12

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 TransJakarta 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 TransJakarta Y3v = w0 + w1 Y3v.1 ; HY3v.1 :Faktor Koreksi Y3v.1 > 0.6

2. Y3v.2. Mampu Menciptakan Inovasi Produk Jasa TJ Y3v = x0 + x1 Y3.v2 ; HY3v.2 :Faktor Koreksi Y3v.2 > 0.6

3. Y3v.3. Senantiasa Meningkatkan Promosi Bus TransJakarta 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

13

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)

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

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

TRANSJAKARTA.

H2:r 2 X2 > 0 Bahwa variabel harga tiket (X2) mempunyai pengaruh langsung positif

terhadap variabel kepuasan konsumen (Y1) jasa transportasi

TRANSJAKARTA.

H3:r 2 Y1 > 0 Bahwa variabel kepuasan konsumen (Y1) mempunyai pengaruh langsung

positif terhadap variabel loyalitas konsumen (Y2) jasa transportasi

TRANSJAKARTA.

H4:r 2 X1 > 0 Bahwa variabel kualitas pelayanan (X1) mempunyai pengaruh tidak

langsung positif [melalui intervening variabel kepuasan konsumen (Y1)]

14

terhadap variabel loyalitas konsumen (Y2) jasa transportasi

TRANSJAKARTA.

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 TRANSJAKARTA.

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 TRANSJAKARTA.

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

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

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


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

bersifat “Optimum”, jelasnya bahwa Adjusted of determination coefficient

bernilai positif melampaui diatas nilai kritis (critical value) yang

dicerminkan oleh:

HX1v.i:r 2X1v.i > 0

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

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

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

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

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

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

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

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

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

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

15

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 TRANSJAKARTA meningkatkan kualitas pelayanan,

merepresentasikan dimensi pelayanan yang berwujud secara fisik atau sesuatu

yang nampak.

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


transportasi TRANSJAKARTA 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 TRANSJAKARTA memberikan pelayanan yang baik

kepada pelanggan atau dilakukan untuk memastikan kepuasan pelanggan.

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


transportasi TRANSJAKARTA 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

TRANSJAKARTA 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


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)

16

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


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):

(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 TRANSJAKARTA meningkatkan kualitas

pelayanan, merepresentasikan dimensi pelayanan yang berwujud secara fisik atau

sesuatu yang nampak, seperti: Peralatan Armada Bus TRANSJAKARTA,

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


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.

17

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

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 TRANSJAKARTA (2) Mampu Menciptakan Inovasi Produk Jasa Bus TRANSJAKARTA (3) Senantiasa Meningkatkan Promosi Bus TRANSJAKARTA

18

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) 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).


”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




19



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 30 Variabel Independen (Dalam Model analisa

Regresi Linier Berganda ditandai oleh koefisien regresi yang bernilai minus), dan untuk

kemudian produsen penyedia jasa transportasi Oto Bus TRANSJAKARTA 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).

20

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) 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.

21

123.9 X1.1

-10.1 X1.2

141.0 X1.3

-1.30 X1.4 45.0 X1.5

65.7 X1.6

-136.6 X1.7 29.8 X1.8

-4.9 X1.9 -66.4 X1.10

-120.2 X1.11 -19.5 X1.12 -40.4 X1.13

Keterangan: b) Excluded Variables: Beta In X1 = Kualitas Pelayanan (Observed) = 347718.212d

Beta In Y2 = Y2u = Loyalitas Konsumen (Observed) = 256339.514b

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

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

161.1 X1v.1

477.1 X1v.2

-1018.7

X1v.3

608.8 X1v.4

-224.0 X1v.5

-12.05 Y3.1

7.93 Y3.2

-13.79 Y3.3

21.13 Y3.4

-5.06 Y3v.1

-0.67 Y3v.2

7.96 Y3v.3

19.41 Y1.1

-18.16 Y1.2

2.79 Y1.3

4.14 Y2.1 14.18 Y2.2 -42.71 Y2.3 -5.97 Y2.4 32.67 Y2.5

-5.02 X2.1

-5.04 X2.2

7.51 X2.3

5.31 X2.4

-5.60 X2v.1

-1.47 X2v.2 9.30 X2v.3

HX1: r 2 X1.i = 0.766 ALPHA CRONBACH = 0.973

Harga Tiket

(X2)

Kualitas Pelayanan

(X1)

Kepuasan

Konsumen

(Y1)

Loyalitas

Konsumen

(Y2)

HY2:r 2Y2.i = 0.201 ALPHA CRONBACH = 0.944


r 2(Y1) = 0.367

r 2(Xi ,Y1) = 0.291

r 2(Xi ) = 0.658

R Square = 0.817 Fuji Test = 1.487

D-W Test = 1.500


D-W Test = 2.571

R Square = 0.800 Fuji Test = 1.335 D-W Test = 1.500

Coeff. Reg c1 = 347718.212d (Excluded Variable)

Coeff. Reg a1 = 0.237

H1: r

2 X1>0

r 2(Y1 ,Xi) = 0.291

HX2:r 2X2.i = 0.268

ALPHA CRONBACH = 0.890

Keunggulan

Bersaing

(Y3) HY3:r 2Y3.i = 0.270 ALPHA CRONBACH = 0.890

HX1v: r 2 X1v.i = 0.458 ALPHA CRONBACH = 0.930


Dimensi

Kualitas

Pelayanan

(X1v)


HY3v:r 2Y3v.i = 0.336 ALPHA CRONBACH = 0.836

Dimensi

Keunggulan

Bersaing

(Y3v)


D-W Test = 1.500

HX2v:r 2X2v.i = 0.333 ALPHA CRONBACH = 0.836


R Square = 0.834

Fuji Test = 1.675

D-W Test = 1.500

Dimensi

Harga Tiket

(X2v)



HASIL PERHITUNGAN EMPIRIS

Data Dengan Kategori (Jumlah ke I) TRANSJAKARTA 2017

Coeff. Reg 2 = 0.391

Coeff. Reg 2 = 256339.514b (Excluded Variable)



H1: r

2 X1>0

r 2(Y1,Y3v) = 0.612

r 2(Y3v ,Y2) = 0.612

r 2(Yi ) = 0.656

Second Path Analysis Method Keunggulan Bersaing (….Fungsi estapet): Y3v = 0.098 Y1 + 0.819 Y2

Y3 = 0.062 Y1 + 256339.514b Y2 + 0.840 Y3v




Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..Fungsi Semula) Y1 = 56.982 + 0.237 X1 - 0.238 X2 + E1

Y2 = 19.986 + 1.528 Y1 Calc

Y2 = 126.383 + 347718.212d X1 + 1.429 X2 - 0.747 Y1 Calc

Y2 = 126.383 - 0.747Y1Calc + 347716.684b X1 + 1.429 X2

First Path Analysis Method Loyalitas Konsumen (…..Fungsi Semula):

Y1 = 1.261 X1 - 0.363 X2

Y2 = 347718.212d X1 + 1.134 X2 - 0.354 Y1 Calc

Unstandardized Coefficients: Model Fungsional Keunggulan Bersaing (….Fungsi Estapet)

Y3v = 62.057 + 0.086 Y1 + 0.391 Y2

Y3 = 3.986 + 1.306 Y3v Calc

Y3 = 7.645 + 0.072 Y1 + 256339.514b Y2 + 1.221 Y3v

Y3 = 83.448 - 284667.253b Y3v Calc + 0.176 Y1 + 0.478 Y2

r 2(Y3v) = 0.741

Coeff. Reg 3 = 1.221 C

oeff.R

eg c

3 = - 0

.747

Coeff. Reg a2 = - 0.238 Coeff. Reg c2 = 1.429

22


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 = 56.982 + 0.237 X1 - 0.238 X2 + E1

Y2 = 19.986 + 1.528 Y1 Calc

Y2 = 126.383 + 347718.212d X1 + 1.429 X2 - 0.747 Y1 Calc

Y2 = 126.383 - 0.747Y1Calc + 347716.684b X1 + 1.429 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 = 62.057 + 0.086 Y1 + 0.391 Y2

Y3 = 3.986 + 1.306 Y3v Calc

Y3 = 7.645 + 0.072 Y1 + 256339.514b Y2 + 1.221 Y3v

Y3 = 83.448 - 284667.253b Y3v Calc + 0.176 Y1 + 0.478 Y2

Model Regresi II:


+ 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


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 = 73.000 + 123.86 X1.1 - 10.108 X1.2 + 140.958 X1.3 - 1.258 X1.4 + 45.033 X1.5 + 65.742 X1.6 -136.634 X1.7

+ 29.769 X1.8 - 4.875 X1.9 - 66.405 X1.10 - 120.197 X1.11 - 19.452 X1.12 - 40.379 X1.13 + e5

X2 = 93.000 - 5.018 X2.1 - 5.042 X2.2 + 7.507 X2.3 + 5.310 X2.4 + e6

Y1 = 95.917 + 19.408 Y1.1 - 18.162 Y1.2 + 2.788Y1.3 + e7

Y2 = 140.500 + 4.138 Y2.1 + 14.178 Y2.2 - 42.706 Y2.3 - 5.971Y2.4 + 32.669Y2.5 + e8

23

X2v = 67.000 - 5.602 X2v.1 - 1.469 X2v.2 + 9.299 X2v.3 + e9

X1v = 199.000 + 161.141 X1v.1 + 477.127 X1v.2 - 1018.729 X1v.3 + 608.829 X1v.4 - 224.042 X1v.5 + e10

Y3 = 93.000 - 12.047 Y3.1 + 7.927Y3.2 - 13.791 Y3.3 + 21.127Y3.4 + e11

Y3v = 67.000 - 5.062 Y3v.1 - 0.674 Y3v.2 + 7.961 Y3v.3 + e12

Model Regresi III:


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 TransJakarta X1 = 194.673 + 10.627 X1.1 ; FK X1.1 = 0.662 Valid

2. X1.2. Perlengkapan Armada Bus TransJakarta X1 = 193.338 + 10.607 X1.2 .2FK X1.2 = 0.585 Drop

3. X1.3. Kenyamanan Ruangan X1 = 222.014 + 9.804 X1.3 ; FK X1.3 = 0.612 Valid

4. X1.4. Penampilan Petugas X1 = 241.326 + 10.287 X1.4 ; FK X1.4 = 0.404 Drop

5. X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 201.341 + 10.209 X1.5 ; FK X1.5 = 0.650 Valid

6. X1.6. Keramahan X1 = 178.310 + 10.7654 X1.6 ; FK X1.6 = 0.573 Drop

7. X1.7. Kecepatan Pelayanan X1 = 205.052 + 10.023 X1.7 ; FK X1.7 = 0.682 Valid

8. X1.8. Kemampuan Menanggapi Keluhan X1 = 206.296 + 10.548 X1.8 ; FK X1.8 = 0.689 Valid

9. X1.9. Kemudahan Prosedur X1 = 185.694 + 10.743 X1.9 ; FK X1.9 = 0.634 Valid

10. X1.10. Mampu Berkomunikasi X1 = 201.466 + 11.119 X1.11 ; FK X1.10 = 0.435 Drop

11. X1.11. Informasi Yang Akurat X1 = 201.466 + 11.119 X1.11 ; FK X1.11 = 0.546 Drop

12. X1.12. Pemahaman Kebutuhan Konsumen X1 = 216.076 + 10.198 X1.12 ; FK X1.12 = 0.684 Valid

13. X1.13. Perhatian Kepada Konsumen X1 = 189.092 + 10.983 X1.13 ; FK X1.13 = 0.589 Drop


1. X2.1. Keterjangkauan Harga Tiket X2 = 71.765 + 2.947 X2.1 ; FK X2.1 = 0.415 Drop

2. X2.2. Kesesuaian Tarif Dengan Manfaat X2 = 74.461 + 3.160 X2.2 ; FK X2.2 = 0.440 Drop

3. X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = 75.717 + 3.060 X2.3 ; FK X2.3 = 0.492 Drop

4. X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = 75.000 + 3.015 X2.4 ; FK X2.4 = 0.483 Drop


1. Y1.1. Kepuasan akan produk yang ditawarkan Y1 = 76.704 + 2.438 Y1.1 ; FK Y1.1 = 0.175 Drop 2. Y1.2. Sesuai dengan yang diharapkan Y1 = 77.703 + 2.255 Y1.2 ; FK Y1.2 = 0.124 Drop 3. Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 53.015 + 3.321 Y1.3 ; FK Y1.3 = 0.460 Drop


1. Y2.1. Armada Bus TransJakarta Yang Bagus Y2 = 88.1484 + 3.996 Y2.1 ; FK Y2.1 = 0.216 Drop

2. Y2.2. Kenikmatan Merasakan Layanan Y2 = 106.048 + 3.871Y2.2 ; FK Y2.2 = 0.445 Drop 3. Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 95.030 + 3.983 Y2.3 ; FK Y2.3 = 0.373 Drop 4. Y2.4. Pengalaman Masa Lalu Y2 = 102.950 + 3.684Y2.4 ; FK Y2.4 = 0.435 Drop 5. Y2.5. Pengalaman Teman-teman Y2 = 99.122 + 3.747Y2.5 ; FK Y2.5 = 0.379 Drop


1. X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = 51.563 + 2.266 X2v.1 ; FK X2v.1 = 0.472 Drop 2. X2v.2. Kesesuaian harga dengan pelayanan yang diterima X2v = 54.729 + 2.374 X2v.2 ; FK X2v.2 = 0.501 Drop 3. X2v.3. Kesesuaian Harga dengan fasilitas X2v = 54.343 + 2.311 X2v.3 ; FK X2v.3 = 0.533 Drop

24


1. X1v.1. Bukti fisik (tangible) X1v = 76.029 + 4.120 X1v.1 ; FK X1v.1 = 0.631 Valid 2. X1v.2. Keandalan (reliability) X1v = 75.371 + 3.977 X1v.2 ; FK X1v.2 = 0.636 Valid 3. X1v.3. Daya tanggap (responsiveness) X1v = 75.449 + 4.093 X1v.3 ; FK X1v.3 = 0.653 Valid 4. X1v.4. Jaminan (assurance) X1v = 78.673 + 4.137 X1v.4 ; FK X1v.4 = 0.646 Valid 5. X1v.5. Perhatian (empathy) X1v = 76.809 + 4.100 X1v.5 ; FK X1v.5 = 0.638 Valid


1. Y3.1. Kemampuan Bersaing Y3 = 71.515 + 2.953 Y3.1 ; FK Y3.1 = 0.415 Drop 2. Y3.2. Dikenal Luas Y3 = 74.332 + 3.163 Y3.2 ; FK Y3.2 = 0.440 Drop 3. Y3.3. Peningkatan Sumber Dana Y3 = 75.539 + 3.065 Y3.3 ; FK Y3.3 = 0.492 Drop 4. Y3.4. Keunggulan Tekhnologi Y3 = 75.423 + 3.005 Y3.4 ; FK Y3.4 = 0.484 Drop


1. Y3v.1. Memperluas Trayek Bus TransJakarta Y3v = 51.313 + 2.272Y3v.1 ; FK Y3v.1 = 0.472 Drop

2. Y3v.2. Mampu Menciptakan Inovasi Produk Jasa TJ Y3v = 54.575 + 2.378Y3v.2 ; FK Y3v.2 = 0.501 Drop

3. Y3v.3. Senantiasa Meningkatkan Promosi TransJakarta Y3v = 54.579 + 2.305Y3v.3 ; FK Y3v.3 = 0.536 Drop

Metode Path Analysis Standardized Coefficients: Model Fungsional Loyalitas Konsumen (…..Fungsi Semula):

Y1 = 1.261 X1 - 0.363 X2

Y2 = 347718.212d X1 + 1.134 X2 - 0.354 Y1 Calc

atau

Y1 = 1.261 X1 - 0.363 X2

Y2 = - 0.354 Y1Calc + 347716.684b X1 + 1.134 X2

dimana:




X2 = Harga Tiket




Model Fungsional Keunggulan Bersaing (….Fungsi estapet)

Y3v = 0.098 Y1 + 0.819 Y2

Y3 = 0.062 Y1 + 256339.514b Y2 + 0.840 Y3v

atau

Y3v = 0.098 Y1 + 0.819 Y2

Y3 = - 284667.253b Y3v Calc + 0.152 Y1 + 0.756 Y2

25

dimana:







3 = Koefisien regresi intervening Dimensi Rata-rata Keunggulan Bersaing

Keterangan:

b) Excluded Variables: Beta In X1 = Kualitas Pelayanan (Observed) = 347718.212d

Beta In Y2 = Y2u = Loyalitas Konsumen (Observed) = 256339.514b

26

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:

27

24.87 X1.1

-6.32 X1.2

28.18 X1.3

-0.18 X1.4 2.21 X1.5

33.98 X1.6

-36.14 X1.7 34.30 X1.8

7.69 X1.9 2.75 X1.10

-24.11 X1.11 -10.21 X1.12 -47.43 X1.13

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

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

3.85 X1v.1 86.11 X1v.2 -137.2 X1v.3 88.23 X1v.4 -36.85 X1v.5

-0.96 Y3.1

-0.87 Y3.2

3.11 Y3.3

2.31 Y3.4

-1.02 Y3v.1

0.44 Y3v.2 3.32 Y3v.3

21.62 Y1.1

-20.05 Y1.2

2.34 Y1.3

-0.37 Y2.1 4.13 Y2.2

-0.75 Y2.3 -0.39 Y2.4 1.83 Y2.5

-34.44 X2.1

44.99 X2.2

-84.19 X2.3

79.05 X2.4

-1.20 X2v.1

0.18 X2v.2 3.77 X2v.3

HX1: r 2 X1.i = 0.812 ALPHA CRONBACH = 0986

Harga Tiket

(X2)

Kualitas

Pelayanan

(X1)

Kepuasan

Konsumen

(Y1)

Loyalitas

Konsumen

(Y2)



r 2(Y1) = 0.883




D-W Test = 2.500

HX2:r 2X2.i = 0.847 ALPHA CRONBACH = 0.939

Keunggulan

Bersaing

(Y3) HY3:r 2Y3.i = 0.847 ALPHA CRONBACH = 0.939

HX1v: r 2 X1v.i = 0.897 ALPHA CRONBACH = 0.961


D-W Test = 2.611

Dimensi

Kualitas

Pelayanan

(X1v)


HY3v:r 2Y3v.i = 0.862 ALPHA CRONBACH = 0.912

Dimensi

Keunggulan

Bersaing

(Y3v)


D-W Test = 2.500

HX2v:r 2X2v.i = 0.862 ALPHA CRONBACH = 0.912


R Square = 0.945

Fuji Test = 11.413

D-W Test = 2.500

Dimensi

Harga Tiket

(X2v)


D-W Test = 2.500


HASIL PERHITUNGAN EMPIRIS

Data Dengan Kategori (Jumlah ke II) TRANSJAKARTA 2017

r 2(Y3v) = 0.941






H1: r

2 X1>0

Second Path Analysis Method Keunggulan Bersaing (….fungsi Estapet):

Y3v = 0.525 Y1 + 0.446 Y2

Y3 Calc = 0.513 Y1 + 0.140 Y2 + 0.356 Y3v




Unstandardized Coefficients: Model Fungsional Loyalitas Konsumen (…..fungsi Semula) Y1 = 26.581 + 0.224 X1 + 0.072 X2

Y2 = 24.445 + 1.457 Y1 Calc

Y2 Calc = 12.693 + 0.170 X1 + 0.404 X2 + 0.632 Y1

Y2Calc = 12.693 + 0.632 Y1 + 0.170 X1 + 0.404 X2

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

Y1 = 0.884 X1 + 0.084 X2

Y2 Calc = 0.381 X1 + 0.266 X2 + 0.359 Y1

Unstandardized Coefficients: Model Fungsional Keunggulan Bersaing (….fungsi Estapet) Y3v = 28.095 + 0.597 Y1 + 0.309 Y2

Y3 = 19.159 + 1.163 Y3v Calc

Y3 Calc = 9.465 + 0.821 Y1 + 0.137 Y2 + 0.501 Y3v

Y3Calc = 9.465 + 0.501 Y3v + 0.821 Y1 + 0.137 Y2

r 2(Y1 ,Y3v) = 0.985

r 2(Y3v ,Y2) = 0.985



Coeff. Reg c1 = 0.170

Coeff. Reg c2 = 0.404

Co

eff Reg

c3

= 0

.63

2

r 2(Xi ) = 0.893

r 2(Y1) = 0.874

r 2(Y1 ,X1) = 0.984

r 2(X2 ,Y1) = 0.984

28


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 = 26.581 + 0.224 X1 + 0.072 X2

Y2 = 24.445 + 1.457 Y1 Calc

Y2 Calc = 12.693 + 0.170 X1 + 0.404 X2 + 0.632 Y1

Y2Calc = 12.693 + 0.632 Y1 + 0.170 X1 + 0.404 X2


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 = 28.095 + 0.597 Y1 + 0.309Y2

Y3 = 19.159 + 1.163 Y3v Calc

Y3 Calc = 9.465 + 0.821 Y1 + 0.137 Y2 + 0.501 Y3v

Y3Calc = 9.465 + 0.501 Y3v + 0.821 Y1 + 0.137 Y2

Model Regresi II:


+ 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


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 = 182.500 + 24.865 X1.1 - 6.317 X 1.2 + 28.180 X1.3 - 0.182 X1.4 + 2.205 X1.5 + 33.984 X1.6 - 36.140 X1.7

+ 34.299 X1.8 + 7.692 X1.9 + 2.749 X1.10 - 24.110 X1.11 - 10.214 X1.12 - 47.431 X1.13 + e5

X2 = 62.000 - 34.442 X2.1 + 44.989 X2.2 - 84.195 X2.3 + 79.053 X2.4 + e6

Y1 = 71.524 + 21.625 Y1.1 - 20.053Y1.2 + 2.336Y1.3 + e7

Y2 = 93.667 - 0.374Y2.1 + 4.126 Y2.2 - 0.747 Y2.3 - 0.391 Y2.4 + 1.833 Y2.5 + e8

29

X2v = 44.667 - 1.201 X2v.1 + 0.177 X2v.2 + 3.766 X2v.3 + e9

X1v = 71.071 + 3.847 X1v.1 + 86.110 X1v.2 - 137.192 X1v.3 + 88.230 X1v.4 - 36.846 X1v.5 + e10

Y3 = 62.000 - 0.958 Y3.1 - 0.867 Y3.2 + 3.106 Y3.3 + 2.307 Y3.4 + e11

Y3v = 44.667 - 1.021Y3v.1 + 0.442 Y3v.2 + 3.320 Y3v.3 + e12

Model Regresi III:


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 TransJakarta X1 = 160.611 + 11.795 X1.1 ; FK X1.1 = 0.902 Valid

2) X1.2. Perlengkapan Armada Bus TransJakarta X1 = 158.911 + 11.762 X1.2 2 FK X1.2 = 0.881 Valid

3) X1.3. Kenyamanan Ruangan X1 = 177.564 + 11.375 X1.3 ; FK X1.3 = 0.877 Valid 4) X1.4. Penampilan Petugas X1 = 186.709 + 12.389 X1.4 ; FK X1.4 = 0.808 Valid 5) X1.5. Kejujuran Dalam Memberikan Keterangan X1 = 164.528 + 11.454 X1.5 ; FK X1.5 = 0.896 Valid 6) X1.6. Keramahan X1 = 150.500 + 11.657 X1.6 ; FK X1.6 = 0.881 Valid 7) X1.7. Kecepatan Pelayanan X1 = 167.309 + 11.304 X1.7 ; FK X1.7 = 0.904 Valid 8) X1.8. Kemampuan Menanggapi Keluhan X1 = 168.199 + 11.919 X1.8 ; FK X1.8 = 0.905 Valid 9) X1.9. Kemudahan Prosedur X1 = 155.094 + 11.761 X1.9 ; FK X1.9 = 0.897 Valid 10) X1.10. Mampu Berkomunikasi X1 = 213.427 + 11.121 X1.10 ; FK X1.10 = 0.794 Valid 11) X1.11. Informasi Yang Akurat X1 = 163.179 + 12.500 X1.11 ; FK X1.11 = 0.867 Valid 12) X1.12. Pemahaman Kebutuhan Konsumen X1 = 174.668 + 11.702 X1.12 ; FK X1.12 = 0.900 Valid 13) X1.13. Perhatian Kepada Konsumen X1 = 156.533 + 12.095 X1.13 ; FK X1.13 = 0.883 Valid


1) X2.1. Keterjangkauan Harga Tiket X2 = 57.808 + 3.400 X2.1 ; FK X2.1 = 0.822 Valid 2) X2.2. Kesesuaian Tarif Dengan Manfaat X2 = 59.589 + 3.700 X2.2 ; FK X2.2 = 0.826 Valid 3) X2.3. Kesesuaian Tarif Dengan Fasilitas X2 = 60.715 + 3.604 X2.3 ; FK X2.3 = 0.839 Valid 4) X2.4. Kesesuaian Tarif Dengan Jarak Yang Ditempuh X2 = 60.189 + 3.538 X2.4 ; FK X2.4 = 0.838 Valid


1) Y1.1. Kepuasan akan produk yang ditawarkan Y1 = 75.801 + 2.490 Y1.1 ; FK Y1.1 = 0.576 Drop 2) Y1.2. Sesuai dengan yang diharapkan Y1 = 76.363 + 2.326 Y1.2 ; FK Y1.2 = 0.544 Drop 3) Y1.3. Merekomendaikan citra positif kepada orang lain Y1 = 64.735 + 2.750 Y1.3 ; FK Y1.3 = 0.704 Valid


1) Y2.1. Armada Bus TransJakarta Yang Bagus Y2 = 78.959 + 4.330 Y2.1 ; FK Y2.1 = 0.690 Valid

2) Y2.2. Kenikmatan Merasakan Layanan Y2 = 93.331 + 4.506 Y2.2 ; FK Y2.2 = 0.767 Valid 3) Y2.3. Kesetiaan Terhadap Merek (Tidak Melirik Merek Lain) Y2 = 84.256 + 4.433 Y2.3 ; FK Y2.3 = 0.753 Valid 4) Y2.4. Pengalaman Masa Lalu Y2 = 90.660 + 4.234 Y2.4 ; FK Y2.4 = 0.768 Valid 5) Y2.5. Pengalaman Teman-teman Y2 = 87.237 + 4.244 Y2. ; FK Y2.5 = 0.751 Valid


1) X2v.1. Kesesuaian Harga dengan Kualitas Jasa yang diberikan X2v = 41.585 + 2.589 X2v.1 ; FK X2v.1 = 0.843 Valid 2) X2v.2. Kesesuaian harga dengan pelayanan yang diterima X2v = 43.622 + 2.777 X2v.2 ; FK X2v.2 = 0.845 Valid 3) X2v.3. Kesesuaian Harga dengan fasilitas X2v = 43.511 + 2.693 X2v.3 ; FK X2v.3 = 0.855 Valid

30


1) X1v.1. Bukti fisik (tangible) X1v = 62.657 + 4.586 X1v.1 ; FK X1v.1 = 0.885 Valid 2) X1v.2. Keandalan (reliability) X1v = 62.288 + 4.414 X1v.2 ; FK X1v.2 = 0.887 Valid 3) X1v.3. Daya tanggap (responsiveness) X1v = 62.412 + 4.544 X1v.3 ; FK X1v.3 = 0.892 Valid 4) X1v.4. Jaminan (assurance) X1v = 64.363 + 4.653 X1v.4 ; FK X1v.4 = 0.887 Valid 5) X1v.5. Perhatian (empathy) X1v = 63.165 + 4.578 X1v.5 ; FK X1v.5 = 0.886 Valid


1) Y3.1. Kemampuan Bersaing Y3 = 57.696 + 3.402 Y3.1 ; FK Y3.1 = 0.834 Valid 2) Y3.2. Dikenal Luas Y3 = 59.529 + 3.701 Y3.2 ; FK Y3.2 = 0.837 Valid 3) Y3.3. Peningkatan Sumber Dana Y3 = 60.629 + 3.606 Y3.3 ; FK Y3.3 = 0.849 Valid 4) Y3.4. Keunggulan Tekhnologi Y3 = 60.513 + 3.533 Y3.4 ; FK Y3.4 = 0.847 Valid


1) Y3v.1. Memperluas Trayek Bus TransJakarta Y3v = 41.473 + 2.591 Y3v.1 ; FK Y3v.1 = 0.843 Valid

2) Y3v.2. Mampu Menciptakan Inovasi Produk Jasa TJ Y3v = 43.548 + 2.778 Y3v.2 ; FK Y3v.2 = 0.845 Valid

3) Y3v.3. Senantiasa Meningkatkan Promosi Bus TransJakarta Y3v = 43.713 + 2.690 Y3v.3 ; FK Y3v.3 = 0.855 Valid

Metode Path Analysis Standardized Coefficients: Model Fungsional Loyalitas Konsumen (…..Fungsi Semula)

Y1 = 0.884 X1 + 0.084 X2

Y2 Calc = 0.381 X1 + 0.266 X2 + 0.359 Y1

atau

Y1 = 0.884 X1 + 0.084 X2

Y2Calc = 0.359 Y1 + 0.381 X1 + 0.266 X2

dimana:




X2 = Harga Tiket





Y3v = 0.525 Y1 + 0.446 Y2

Y3 Calc = 0.513 Y1 + 0.140 Y2 + 0.356 Y3v

atau

Y3v = 0.525 Y1 + 0.446 Y2

Y3Calc = 0.356 Y3v + 0.513 Y1 + 0.140 Y2

31

dimana:







3 = Koefisien regresi intervening Dimensi Rata-rata Keunggulan Bersaing.

32

4.4 Uji Asumsi Klasik

4.4.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel

terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak atau

apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi

normal. Untuk mengetahui kriterianya yaitu dengan melihat normal probability plot yang

membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif

dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan

ploting data akan dibandingkan dengan garis diagonal.

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.

33

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 TRANSJAKARTA 2018

34

Persamaan Regresi 3

Tabel 4.2

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) 12.693 33.527 .379 .741 X1 = Kualitas Pelayanan (Observed) .170 .226 .381 .752 .530 .012 81.679

X2 = Harga Tiket (Observed) .404 .710 .266 .569 .627 .014 69.677

Y1 = Kepuasan Konsumen (Observed) .632 .388 .359 1.626 .246 .064 15.508

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 = 0.381 X1 + 0.266 X2 + 0.359 Y1

Sumber: Diolah oleh penulis dari Data Lampiran 9 dan 14 s/d 15.


Dependent Variable: Loyalitas Konsumen Y2 Calc One-Stage Regression as Estimated

Variable (as Calculated) dengan Bentuk Regresi: Y2 Calc = d0 + d1Y1 + d2X1 + d3X2


Output1 PP Plot Reg IV Loyalitas Konsumen TRANSJAKARTA 2018

atau

35

Persamaan Regresi 4

Tabel 4.3

Pengaruh Tidak Langsung variabel kualitas pelayanan (X1) dan

variabel harga tiket (X2) terhadap variabel loyalitas konsumen (Y2) [melalui intervening variabel kepuasan konsumen (Y1)]


Model Unstandardized

Coefficients

Standardized

Coefficients


B Std.

Error

Beta Tolerance VIF

(Constant) 12.693 33.527 .379 .741

Y1 = Kepuasan Konsumen (Observed) .632 .388 .359 1.626 .246 .064 15.508

X1 = Kualitas Pelayanan (Observed) .170 .226 .381 .752 .530 .012 81.679

X2 = Harga Tiket (Observed) .404 .710 .266 .569 .627 .014 69.677

a. Dependent Variable: Y2 Calc = Loyalitas Konsumen (Calculated)


dimana Koefisien Hasil Estimasi Persamaan Regresi 4:: Y2Calc = 0.359 Y1 + 0.381 X1 + 0.266 X2

Sumber: Diolah oleh penulis dari Data Lampiran 9 dan 14 s/d 15.

Sedangkan Pada Uji Normalitas untuk 6 Observasi data terlihat kondisi dimana

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

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

Regresi I (Unstandardized Coefficients maupun Standardized Coefficients) pada Model

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

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

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

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


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

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


Output1 PP Plot Reg III Keunggulan Bersaing TRANSJAKARTA 2018

36

Persamaan Regresi 3

Tabel 4.4 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)]



Coefficients

Standardized

Coefficients


B Std.

Error

Beta Tolerance VIF

(Constant) 9.465 26.146 .362 .752

Y1 = Y1u = Kepuasan Konsumen (Observed) .821 .404 .513 2.032 .179 .046 21.548

Y2 = Y2u = Loyalitas Konsumen (Observed) .137 .240 .140 .569 .626 .049 20.463

Y3v = Dimensi Rata-rata Keunggulan

Bersaing (Observed)

.501 .289 .356 1.732 .225 .070 14.223

a. Dependent Variable: Y3 Calc = Keunggulan Bersaing (Calculated)


dimana Koefisien Hasil Estimasi Persamaan Regresi 3: Y3 Calc = 0.513 Y1 + 0.140 Y2 + 0.356 Y3v

Sumber: Diolah oleh penulis dari data Lampiran 15-16 dan Lampiran 19-20.


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

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


Output1 PP Plot Reg IV Keunggulan Bersaing TRANSJAKARTA 2018

37

atau

Persamaan Regresi 4

Tabel 4.5

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)]



Coefficients

Standardized

Coefficients


B Std.

Error

Beta Tolerance VIF

(Constant) 9.465 26.146 .362 .752


(Observed)

.501 .289 .356 1.732 .225 .070 14.223

Y1 = Y1u = Kepuasan Konsumen (Observed) .821 .404 .513 2.032 .179 .046 21.548

Y2 = Y2u = Loyalitas Konsumen (Observed) .137 .240 .140 .569 .626 .049 20.463

a. Dependent Variable: Y3 Calc = Keunggulan Bersaing (Calculated)


dimana Koefisien Hasil Estimasi Persamaan Regresi 4: Y3Calc = 0.356 Y3v + 0.513 Y1 + 0.140 Y2

Sumber: Diolah oleh penulis dari data Lampiran 15-16 dan Lampiran 19-20.

Model Regresi I (Unstandardized Coefficients maupun

Standardized Coefficients) pada Model Fungsional Keunggulan Bersaing

(….Fungsi Estapet) bahwa Koefisien hasil estimasi terlihat hanya bertukar dengan nilai

hasil estimasi yang sama, sedangkan pada kedua gambar Zresid Normal P-P Plot

memperlihatkan bahwa uji normalitas berdistribusi normal. Hal ini dapat dilihat bahwa

38

garis yang menggambarkan data sesungguhnya mengikuti garis diagonal. Artinya bahwa

sebaran data dikatakan tersebar di sekeliling garis lurus (tidak terpencar jauh dari garis

lurus), sehingga persyaratan normalitas bisa dipenuhi. Dengan demikian Pengaruh tidak

langsung variabel Y1 = Y1u = Kepuasan Konsumen (Observed) dan variabel Y2 = Y2u =

Loyalitas Konsumen (Observed) terhadap variabel Y3v = Dimensi Rata-rata Keunggulan

Bersaing (Observed) [melalui intervening variabel Dimensi Rata-rata Keunggulan

Bersaing (Y3v)] berdistribusi normal dan bisa dilanjutkan pada pengujian selanjutnya.

4.4.2 Multikolinearitas

Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi

ditemukan adanya korelasi antar variabel bebas (Ghozali, 2001:57). Jika terjadi korelasi,

antar variabel bebas maka dinamakan terdapat problem Multikolinieritas. Ada tidaknya

gejala multikolinearitas dapat dilakukan dengan memperhatikan nilai matriks korelasi yang

dihasilkan pada saat pengolahan data serta nilai VIF (Variance Inflation Factor) dan

Tolerance-nya. Nilai dari VIF antara 0 sampai dengan 10 menandakan tidak adanya

gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak

terdapat problem multikolinieritas (Singgih Santoso, 2001).

Artinya, bahwa Model regresi yang baik seharusnya tidak terjadi korelasi

diantara variabel bebas. Default SPSS bagi angka tolerance adalah diatas 0.10, artinya

bahwa semua variabel yang akan dimasukkan dalam perhitungan model regresi harus

mempunyai Nilai tolerance di atas 0.10. Apabila ternyata lebih rendah dari 0.10 maka

dapat dikatakan terjadi gejala multikolinearitas. Sedangkan pada Variance Inflation

Factor (VIF), pada umumnya VIF ditentukan kurang dari 10. Artinya apabila variabel

tersebut lebih dari 10 maka mempunyai persoalan multikolinieritas (korelasi yang besar di

antara variabel bebas) dengan variabel bebas yang lainnya (Ghozali, 2001).

39

4.4.3 Heteroskedastisitas

Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model

regresi, terjadi ketidaksamaan varians residual dari satu pengamatan ke pengamatan yang

lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka

disebut Homoskedastisitas. Dan jika varians tersebut berbeda, maka tidak terjadi

Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas

(Santoso, 2001). Pengujian ada tidaknya gejala heteroskedastisitas memakai metode grafik

dengan melihat ada tidaknya pola tertentu pada scatterplot dari variabel terikat, dimana

jika tidak terdapat pola tertentu maka tidak terjadi heteroskedastisitas dan begitu pula

sebaliknya (Singgih Santoso, 2001).

1) Jika ada pola tertentu, seperti titik-titik (point-point) yang ada membentuk suatu

pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka

terjadi Heteroskedastisitas.

2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka

0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. Untuk mengetahui hasil

pengujian heteroskedastisitas antara kualitas pelayanan dan kepuasan konsumen

terhadap loyalitas konsumen, hasil pengujiannya menunjukkan bahwa pengaruh

antara kualitas pelayanan dan kepuasan konsumen terhadap loyalitas konsumen

tidak terjadi problem heterokedastisitas, hal itu dibuktikan dengan titik-titik

menyebar secara acak atau tidak teratur serta menyebar baik di atas maupun di

bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu, maka

disimpulkan bahwa pada uji ini tidak terjadi.

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

lp3et.org · CUPLIKAN khusus PEMESANAN (RINCIAN) Melalui Email: Baik LAPORAN maupun JURNAL HASIL...

Documents

Transcript of lp3et.org · CUPLIKAN khusus PEMESANAN (RINCIAN) Melalui Email: Baik LAPORAN maupun JURNAL HASIL...