CUPLIKAN khusus PEMESANAN (RINCIAN) melalui Email:
JURNAL HASIL PENELITIAN disajikan/ditampilkan/disusun secara bersamaan
dengan penyusunan LAPORAN HASIL PENELITIAN, berlaku untuk keseluruhan konsep
yang menggunakan MODEL PENELITIAN dengan KERANGKA PEMIKIRAN
TEORITIS [Panjang Alt, Sedang Alt, Pendek Alt, dan Lengkap Alt (Alt singkatan dari =
Alternatif)] sebagaimana yang telah diprediksi/digambarkan sebelumnya dalam
penyusunan PROPOSAL PENELITIAN, dan dalam Website ini dijawab secara sempurna
dan detail: Cara/Proses/Hasil Perhitungan serta Tahap-tahap Perhitungan yang digunakan
masing-masing, dan diperkuat oleh sejumlah files Bonus mengunakan program SPSS IBM
Statistik Versi 21 for Windows dan untuk beberapa model perhitungan tertentu yang harus
menggunakan Lotus 1-2-3 (Transition) dari Program Microsoft Office Excel 2003 serta
beberapa files Bonus lainya. Menggunakan semua Lampiran yang sama dengan Laporan
HASIL PENELITIAN (Juga dikirim kepada Anda dalam bentuk files Document)
merupakan Lampiran Berformulasi yang di-Transfer dari HASIL PERHITUNGAN
menggunakan program EXCEL maupun program SPSS.
Persiapkanlah terlebih dahulu Lotus 1-2-3 (Transition) dari Program Microsoft Office Excel 2003 atau versi lainnya & Program SPSS IBM Statistik Versi 20-24
for Windows (atau Versi Terbaru) dalam komputer Anda sebelum memulai pemesanan melalui Email agar semua files yang dipesan dapat dibuka.
Apabila Anda melakukan Pemesanan files Secara Paket melalui Email. Sebagai misal Anda memilih PAKET ISTIMEWA (…dimana Paket ini menampilkan 3 Versi Jurnal Hasil
Penelitian menggunakan MODEL dengan KERANGKA PEMIKIRAN TEORITIS [Panjang Alt,
Sedang Alt & Pendek Alt], ini berarti ada/setidak-tidaknya sebanyak 3 Files Utama plus 10 files
bonus atau Anda akan menerima melalui Email paling sedikit sebanyak 13 files yang dibayar
dengan sejumlah Anggaran Tertentu (60 % lebih rendah/irit dari pemesanan paketan Tulisan
Ilmiah/Karya Penelitian). Pengertian ke-4 paket yang dimaksud sebagai berikut:
PAKET ISTIMEWA: Jurnal Hasil Penelitian
Adalah 3 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN
TEORITIS [Panjang Alt, Sedang Alt dan Pendek Alt plus 10 Bonus].
PAKET KHUSUS: Jurnal Hasil Penelitian
Adalah 2 buah KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN TEORITIS [Sedang Alt dan Pendek Alt plus beberapa Bonus]
PAKET STANDAR: Jurnal Hasil Penelitian Adalah 1 buah (sebuah) KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN
TEORITIS [Panjang Alt, Sedang Alt atau Pendek Alt plus beberapa Bonus].
PAKET SUPER ISTIMEWA: Jurnal Hasil Penelitian Adalah 1 Sets KARYA PENELITIAN dengan MODEL & KERANGKA PEMIKIRAN
TEORITIS [Panjang Alt atau Lengkap Alt plus 10 Files (Bonus) & Utama & 52 Bonus Tambahan].
2
Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian seperti:
MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt),
merupakan Model Penelitian dengan 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.
Oleh AMRIZAL (lp3et.org dan [email protected]).
PAKET (Jurnal Hasil Penelitian) STANDAR B-8:
Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian seperti:
MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt),
merupakan Model Penelitian dengan 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/Jurnal STANDAR B-8 terjadi)
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/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) STANDAR B-8 plus semua bonus “Proses Hitung/Cara Menghitung/Hasil
Perhitungan” adalah: Rp 1.120.000,- (satu juta seratus dua puluh ribu rupiah)
3
Berdasarkan Lembaran Informasi: 000 Daftar Tulisan Ilmiah Amrizal, terdapat
sebanyak 47 Paket/Jurnal Hasil Penelitian (atau sebanyak 141 Files) yang terdiri dari
sejumlah 47 [= 9 Paket (Jurnal Hasil Penelitian) Istimewa + 8 Paket (Jurnal Hasil
Penelitian) Khusus + 26 Paket (Jurnal Hasil Penelitian) Standar] Plus 4 Paket (Jurnal
Hasil Penelitian) Super Istimewa tentang PENELITIAN SURVEY Dibidang
MANAJEMEN TRANSPORTASI yang dapat dipesan melalui EMAIL. Kesemua files ini
dikembangkan sebagai MODEL dengan KERANGKA PEMIKIRAN TEORITIS
[Panjang Alt, Sedang Alt, Pendek Alt, dan Lengkap Alt (Alt singkatan dari = Alternatif)]
dari 9 buah Laporan HASIL PENELITIAN Terdahulu yang dibuat/disusun (Direvisi/Dikaji
Ulang STMT-TRISAKTI a/n LP3ET, Tahun 2018) menggunakan Data Hasil Survey
dalam rentang tahun 2014 s/d 2018. LP3ET adalah singkatan dari LEMBAGA
PENELITIAN, PENGKAJIAN & PERUMUSAN EKONOMI TERAPAN, yang
merupakan situs/web resmi Amrizal (memuat keseluruhan Tulisan Ilmiah Amrizal) dengan
nama LP3ET.org (Secara Sederhana: dapat dibuka/diakses dalam bentuk
https://lp3et.org atau dengan melalui/ memasukan nama website lp3et.org kedalam
Google atau Google Chrome) menggunakan berbagai jenis Komputer maupun
Handphone.
Apabila Saudara ingin membuat Sebuah (1 versi) Jurnal Hasil Penelitian maka
saudara dapat menjadikan PAKET (Jurnal Hasil Penelitian) STANDAR B-8 dengan
formasi sebagaimana yang dicantumkan diatas, yang meliputi 1 Files Utama dan 3 Files
Bonus 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)
STANDAR B-8 dihargai sebesar Rp 1.120.000,- (satu juta seratus dua 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 STANDAR B-8 (Jurnal Hasil Penelitian)
a/n Winardi
Ke Email : Pesan satu PAKET STANDAR B-8 (Jurnal Hasil Penelitian)
a/n Winardi (Jakarta Timur)
(Isi berita pada Email harus lebih jelas/lengkap dibanding dengan isi berita Rekening)
4
049 PAKET (Jurnal Hasil Penelitian) STANDAR B-8
Apabila Saudara ingin membuat sebuah (satu) Versi Jurnal Hasil Penelitian seperti:
MODEL PENELITIAN dengan KERANGKA PEMIKIRAN TEORITIS (Sedang Alt),
merupakan Model Penelitian dengan Proses Hitung maupun Analisis-nya yang Sempurna
Kode Dan Nama Karya Penelitian: 178 08 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. [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 1.120.000,- (satu juta seratus dua puluh 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 049 1 Versi Jurnal Hasil Penelitian PAKET STANDAR B-8 Keunggulan Bersaing TRANSJAKARTA 2017 (Sedang Alt)
c0 049 PAKET (Jurnal Hasil Penelitian) STANDAR B-8
c1 g3178 08 Jurnal HASIL PENELITIAN 52h Keunggulan Bersaing TransJakarta 2017 (Sedang Alt) c2 g2178 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).
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
9
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.
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
H4: Coeff. Reg 1 > 0
H2: Coeff. Reg 2 > 0
H3: Coeff. Reg 3 > 0
H5: Coeff. Reg 2 > 0
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.2. Mampu Menciptakan Inovasi Produk Jasa
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
transportasi TRANSJAKARTA.
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,
yang berarti semakin tingginya kemampuan para karyawan penyedia jasa
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,
yang berarti semakin tingginya kemampuan para karyawan penyedia jasa
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
transportasi TRANSJAKARTA.
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
transportasi TRANSJAKARTA.
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
transportasi TRANSJAKARTA.
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
18
(3) Senantiasa Meningkatkan Promosi Bus TRANSJAKARTA
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).
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
19
Data dengan skala pengukuran Netral, diasumsi bernilai Nol, sehingga Data Observasi ke
6 merupakan Jumlah (atau Nilai Total) dari data ”hasil survey” tersebut.
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
HY1:r 2Y1.i = 0.386 ALPHA CRONBACH = 1.066
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
R Square = 0.953 Fuji Test = 5.095
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
R Square = 0.864 Fuji Test = 2.125 D-W Test = 2.142
Dimensi
Kualitas
Pelayanan
(X1v)
Y1 = Intevening Variable
HY3v:r 2Y3v.i = 0.336 ALPHA CRONBACH = 0.836
Dimensi
Keunggulan
Bersaing
(Y3v)
R Square = 0.818 Fuji Test = 1.493
D-W Test = 1.500
HX2v:r 2X2v.i = 0.333 ALPHA CRONBACH = 0.836
Y3v = Intevening Variable
R Square = 0.834
Fuji Test = 1.675
D-W Test = 1.500
Dimensi
Harga Tiket
(X2v)
R Square = 0.833 Fuji Test = 1.665 D-W Test = 1.500
R Square = 0.847 Fuji Test = 1.838 D-W Test = 1.527
HASIL PERHITUNGAN EMPIRIS
Data Dengan Kategori (Jumlah ke I) TRANSJAKARTA 2017
Coeff. Reg 2 = 0.391
Coeff. Reg 2 = 256339.514b (Excluded Variable)
Coeff. Reg 1 = 0.072
Coeff. Reg 1 = 0.086
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
Y3v.1. Memperluas Trayek Bus TRANSJAKARTA
Y3v.2. Mampu Menciptakan Inovasi Produk Jasa
Y3v.3. Meningkatkan Promosi TRANSJAKARTA
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
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 = 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:
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 = 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:
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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:
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 = 0.098 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:
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) = 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)
HY2:r 2Y2.i = 0.774 ALPHA CRONBACH = 0.952
HY1:r 2Y1.i = 0.821 ALPHA CRONBACH = 0.900
r 2(Y1) = 0.883
R Square = 0.939 Fuji Test = 10.223 D-W Test = 2.500
R Square = 0.962 Fuji Test = 6.410 D-W Test = 2.571
R Square = 0.910 Fuji Test = 6.701
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
R Square = 0.959 Fuji Test = 15.586
D-W Test = 2.611
Dimensi
Kualitas
Pelayanan
(X1v)
Y1 = Intevening Variable
HY3v:r 2Y3v.i = 0.862 ALPHA CRONBACH = 0.912
Dimensi
Keunggulan
Bersaing
(Y3v)
R Square = 0.939 Fuji Test = 10.232
D-W Test = 2.500
HX2v:r 2X2v.i = 0.862 ALPHA CRONBACH = 0.912
Y3v = Intevening Variable
R Square = 0.945
Fuji Test = 11.413
D-W Test = 2.500
Dimensi
Harga Tiket
(X2v)
R Square = 0.945 Fuji Test = 11.398
D-W Test = 2.500
R Square = 0.929 Fuji Test = 8.660 D-W Test = 1.816
HASIL PERHITUNGAN EMPIRIS
Data Dengan Kategori (Jumlah ke II) TRANSJAKARTA 2017
r 2(Y3v) = 0.941
Coeff. Reg 3 = 0.501
Coeff. Reg 2 = 0.309
Coeff. Reg 2 = 0.137
Coeff. Reg 1 = 0.821
Coeff. Reg 1 = 0.597
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
Y3v.1. Memperluas Trayek Bus TRANSJAKARTA
Y3v.2. Mampu Menciptakan Inovasi Produk Jasa
Y3v.3. Meningkatkan Promosi TRANSJAKARTA
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 a1 = 0.224
Coeff. Reg a2 = 0.072
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
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 = 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
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 = 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:
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 = 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:
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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
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 = 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:
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 = 0.525 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:
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.
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.
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 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)]
Coefficientsa Persamaan Regresi 4
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
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)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
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.
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 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)]
Coefficientsa Persamaan Regresi 3
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
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)
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 + 0.140 Y2 + 0.356 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
Zresid Normal P-P Plot:
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)]
Coefficientsa Persamaan Regresi 4
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
(Constant) 9.465 26.146 .362 .752
Y3v = Dimensi Rata-rata Keunggulan Bersaing
(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)
b. Keterangan: Hasil Perhitungan menggunakan Program SPSS IBM Statistik Versi 21 for Windows.
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.
--------------********--------------
Top Related