Transcript

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dewasa ini, persaingan adalah hal yang tidak dapat dihindari oleh para pelaku bisnis.

Perusahaan-perusahaan yang ada harus bersaing secara ketat untuk tumbuh, berkembang, dan

bertahan di tengah persaingan tersebut. Persaingan terjadi hampir di setiap bidang bisnis yang

ada termasuk di dalam bidang otomotif, khususnya jasa perawatan mobil. Untuk itu para pelaku

bisnis di bidang otomotif harus tanggap terhadap perubahan yang saat ini terjadi begitu cepat di

dalam dunia bisnis.

Perusahaan dituntut untuk dapat menyesuaikan diri dengan perubahan-perubahan yang

terjadi, sebab jika sampai gagal eksistensi perusahaan akan terancam, dan perusahaan tidak akan

mampu untuk bertahan di dalam persaingan yang semakin hari semakin ketat. Dalam

menghadapi hal ini, perusahaan dituntut untuk mampu senantiasa memberikan kepuasaan bagi

pelanggan, karena pelanggan merupakan sumber pendapatan dari perusahaan. Memberikan

kepuasan secara konsisten kepada pelanggan, dapat membuat pelanggan menjadi loyal kepada

perusahaan. Sikap loyal pelanggan kepada perusahaan akan sangat membantu perusahaan untuk

dapat bertahan di dalam persaingan bisnis (Leverin dan Liljander, 2006). Loyalitas tidak dapat

muncul dalam waktu yang singkat, perusahaan harus dapat secara konsisten menjaga kepuasan

pelanggan dalam jangka panjang dan memiliki pelanggan yang loyal tentu akan sangat

menguntungkan bagi perusahaan (Eisingerich dan Bell, 2006).

Kepuasaan pelanggan merupakan suatu hal yang sangat krusial dalam menentukan sukses

atau tidaknya suatu bisnis (Kau dan Elizabeth, 2006). Memberikan kepuasan secara konsisten

kepada pelanggan bukanlah perkara mudah. Alrubaiee dan Nazer (2010) berpendapat bahwa

1

2

perubahaan yang terjadi kini cenderung membuat pelanggan semakin mudah dalam menentukan

pilihan dan mengambil suatu keputusan, sebab mudahnya mendapatkan informasi membuat

pelanggan semakin pintar, dan mampu mengevaluasi produk mana yang mampu memenuhi

harapannya atas apa yang dijanjikan oleh pemasar dalam kegiatan komunikasi pemasaran.

Menghadapi tantangan tersebut, perusahaan harus mulai melakukan penyesuain strategi,

perusahaan yang dulunya lebih berfokus pada kegiatan transaksional kini harus mulai beralih

pada kegiatan relationship guna mendekatkan diri dengan konsumen dan lebih mengetahui apa

kebutuhan saat ini serta dapat memberikan manfaat kepada konsumen atas hubungan yang

dirajut oleh perusahaan dan konsumen (Hennig-Thurau et al.,2002).

Menurut Zeithaml et al. (2006:184) Relationship marketing adalah salah satu strategi

perusahaan dengan menjaga hubungan yang baik dengan pelanggan dalam jangka panjang.

Strategi ini lebih memfokuskan pada bagaimana menjaga pelanggan yang sudah ada, agar tidak

berpindah ke produk pesaing. Wibowo (2009) menyatakan bahwa relationship marketing adalah

usaha untuk menarik, memelihara, dan meningkatkan hubungan jangka panjang dengan

pelanggan. Oleh sebab itu, penting bagi perusahaan untuk lebih peduli pada pelanggan, karena

salah satu faktor kunci perusahaan untuk dapat bertahan pada pasar yang sudah ada saat ini

adalah dengan menjaga dan mempertahankan hubungan jangka panjang dengan para pelanggan

(Perrien dan Richard, 1995).

Menurut Palmatier et al. (2006) relationship marketing adalah filosofi dalam melakukan

bisnis berorientasi strategis, yang berfokus pada menjaga dan meningkatkan kualitas hubungan

dengan pelanggan saat ini bukan berfokus pada usaha untuk memperoleh pelanggan baru.

Filosofi ini mengasumsikan bahwa banyak pelanggan dan pelanggan bisnis lebih memilih untuk

memiliki hubungan yang berkelanjutan dengan satu perusahaan saja daripada harus berpindah-

3

pindah pada perusahaan lain, selama perusahaan tersebut mampu untuk memberikan nilai dan

memenuhi harapan dari pelanggan, oleh karena itu menjaga pelanggan saat ini akan membuat

biaya yang harus dikeluarkan oleh perusahan akan jauh lebih sedikit dibandingkan dengan

mencoba untuk menarik pelanggan yang baru dengan menggunakan komunikasi pemasaran yang

konvensional seperti iklan (Sui dan Baloglu, 2003). Untuk itulah perusahaan harus dapat

memberikan suatu manfaat atau benefit kepada pelanggan dari hubungan yang dibangun kepada

pelanggan (Rauyruen dan Miller, 2007). pemasar yang sukses akan bekerja dengan

menggunakan strategi yang efektif untuk mempertahankan pelanggan dengan senantiasa

memberikan kepuasan dalam jangka panjang (Hennig-Thurau dan Klee, 1997).

Memberikan manfaat dari sebuah hubungan atau relational benefit sesungguhnya dapat

menguntungkan kedua belah pihak, baik pelanggan maupun perusahaan (Ruiz-Molina et al.,

2009). Keuntungan yang dimaksud adalah ketika perusahaan menerapkan strategi relationship

marketing, perusahaan akan mampu mengetahui secara utuh dan lebih lengkap tentang apa yang

pelanggan sebenarnya butuhkan sehingga perusahaan akan menciptakan solusi berupa produk

untuk membantu pelanggan dalam memenuhi kebutuhannya. Dengan harapan hal tersebut akan

membuat pelanggan puas dan menjadi loyal pada perusahaan. Di satu sisi, pelanggan melalui

hubungan ini, akan memperoleh manfaat kepuasaan bahwa seluruh kebutuhannya akan dipenuhi

oleh perusahaan (Zeithaml et al., 2006 : 183). Muara dari hubungan ini adalah adanya hubungan

yang saling menguntungkan diantara pelanggan dan perusahaan.

Beberapa pendekatan dapat digunakan dalam memberikan manfaat atas suatu hubungan

atau relational benefit, namun yang umumnya digunakan adalah confidence benefits, social

benefits, dan special treatment benefits (Ruiz-Molina et al., 2009 ; Dimitriadis, 2010 ; Kinnard

dan Capella, 2006 ; Molina et al., 2007). Confidence benefits merupakan salah satu manfaat

4

hubungan berupa kepercayaan yang terjalin oleh perusahaan maupun pelanggan. Pelanggan akan

merasa aman, ketika dilayani oleh perusahaan yang telah dipercaya, dan perusahaan akan lebih

nyaman dalam memberikan pelayanan ketika telah mendapatkan kepercayaan dari pelangggan.

Social benefits merupakan bentuk manfaat dari sebuah hubungan berupa keakraban yang terjalin

oleh pelanggan dan perusahaan. Manfaat sosial akan membuat pelanggan lebih nyaman dalam

menyampaikan keluhan serta masalah yang telah dihadapi, dan perusahaan akan mampu lebih

akurat dalam memecahkan masalah yang dihadapi oleh pelanggan. Special treatment benefits

merupakan bentuk manfaat berupa perlakuan istimewa yang diterima oleh pelanggan. Manfaat

perlakuan istimewa diharapkan dapat membuat konsumen merasa lebih dihargai dan akhirnya

menjadi loyal kepada perusahaan yang memberikannya perlakukan istimewa.

Beberapa bidang bisnis perlu untuk mengaplikasikan strategi relational benefit, termasuk

bidang bisnis bengkel / perawatan purna jual. Jasa perawatan purna jual atau bengkel harus

mendapatkan kepercayaan dari pelanggan agar selalu menjadi prioritas solusi ketika pelanggan

membutuhkan jasa bengkel. Di samping itu, pihak bengkel melalui seluruh personilnya

diharapakan mampu menciptakan suasana nyaman dalam bersosialisasi sehingga konsumen akan

merasa sangat nyaman dalam berinteraksi dengan penyedia jasa bengkel. Perusahaan juga dapat

memberikan special treatment benefit sebagai sebuah usaha dari perusahaan untuk memberikan

suatu hal yang berbeda dan istimewa yang pelanggan tidak dapatkan di tempat lainnya.

PT Honda Dewata Motor adalah salah satu perusahaan jasa yang berada di Bali.

Perusahaan ini bergerak di bidang otomotif dalam jasa penjualan mobil serta perawatan purna

jual, dan perusahaan ini merupakan anak perusahaan dari PT Honda Prospect Motor.

PT Honda Prospect Motor memiliki basis bisnis berupa penjualan mobil, serta perawatan

purna jual, termasuk di dalamnya penjualan spare-part. Perusahaan ini juga merupakan induk

5

perusahaan dari 89 anak perusahaan yang tersebar di seluruh Indonesia. Saat ini Perusahaan

Honda telah mempekerjakan 3600 karyawan yang tersebar di seluruh perusahaannya di

Indonesia sampai dengan maret 2012. Hal ini mengindikasikan bahwa perusahaan ini merupakan

sebuah perusahaan yang besar. Dengan menganut tiga prinsip dasar kebahagiaan, yaitu

kebahagiaan membeli, kebahagiaan menjual, dan kebahagiaan menciptakan, perusahaan ini

mulai menuangkan nilai-nilai dari perusahaan untuk dapat disalurkan ke dalam sebuah pelayanan

berupa jasa kepada pelanggan (www.honda-indonesia.com).

Pada tanggal 3 April 2012, Honda meraih penghargaan untuk kualitas Dealership

Network di ajang Indonesia Service to Care Champion 2012. Penghargaan tersebut

diselenggarakan oleh Majalah Marketeers dan MarkPlus Insight di Four Season Hotel, Kuningan

Jakarta Selatan. Penghargaan yang diterima Honda didasarkan pada pengukuran indeks Service

to Care pada lima aspek yaitu : Credibility yang dijabarkan sebagai jaminan akan kualitas

pelayanan yang terpercaya, lalu Dependability yaitu memberikan pelayanan berbasis “Solusi”

dan “Caregiver”, setalah itu Courtesy yang merupakan pelayanan yang hangat dan tulus kepada

pelanggan, lalu Comfortability yang merupakan jaminan kualitas pelayanan yang nyaman untuk

pelanggan dan yang mendampingi, serta Connectivity yaitu membangun hubungan yang lebih

personal dan lebih mengenali kebutuhan pelanggan. (www.honda-indonesia.com). Melalui

informasi diatas, terdapat satu hal yang menarik yang dapat diteliti, yaitu terdapat salah satu

aspek yang berkaitan dengan relationship marketing, yaitu aspek Connectivity. Membangun

hubungan yang lebih personal dan mengenali kebutuhan pelanggan merupakan salah satu

pendekatan dari strategi relationship marketing (Zeithaml et al, 2006 : 181). PT Honda Dewata

Motor merupakan bagian dari Perusahaan Honda yang berada di bawah naungan PT Honda

Prospect Motor. Perusahaan ini merupakan anak perusahaan ketiga setelah PT Honda Jayakarta

6

Motor dan PT Denpasar Agung Indah Motor.

Selama beroperasi, PT Honda Dewata Motor berhasil meningkatkan penjualan produk

berupa jasa perawatan mobil Honda dari catur wulan pertama Tahun 2009 sampai dengan catur

wulan ketiga pada Tahun 2012 walaupun dengan tingkat pertumbuhan yang fluktuatif setiap

catur wulannya, namun trend secara keseluruhan menunjukkan bahwa perusahaan masih dalam

keadaan cukup baik. Ilustrasi tersebut dapat dilihat pada Gambar 1.1 dibawah ini.

Gambar 1.1 Jumlah Mobil yang di service per Catur Wulan Pada Tahun 2009-2012

Sumber : Data Diolah, (2013)

Berdasarkan data di atas terdapat indikasi bahwa PT Honda Dewata Motor mampu

menjaga loyalitas pelanggan dengan memberikan kepuasan dengan menjaga hubungan yang baik

dengan pelanggan. Hal ini juga sejalan dengan fakta bahwa pada Tahun 2012 Honda baru saja

mendapatkan Award sebagai dealer yang mampu memberikan pelayanan prima dalam melayani

dan menjaga hubungan dengan pelanggannya. Penelitian ini dilakukan untuk memperoleh

penjelasan mengenai bagaimana pengaruh relational benefit yang terdiri atas confidence benefits,

social benefits, dan special treatment benefits terhadap kepuasan dan loyalitas pelanggan PT

Honda Dewata Motor.

2009(I)

2009(II)

2009(III)

2010(I)

2010(II)

2010(III)

2011(I)

2011(II)

2011(III)

2012(I)

2012(II)

2012(III)

PT. Honda Dewata Motor 1563 1469 1669 1773 1806 1978 2012 2141 2388 1969 2505 2587

0500

10001500200025003000

Jum

lah

Mob

il Y

ang

di S

ervi

ce(U

nit)

PT. Honda Dewata Motor

7

1.2 Rumusan Masalah

1. Bagaimanakah pengaruh confidence benefits terhadap kepuasan pelanggan bengkel PT

Honda Dewata Motor ?

2. Bagaimanakah pengaruh social benefits terhadap kepuasan pelanggan bengkel PT Honda

Dewata Motor ?

3. Bagaimanakah pengaruh special treatment benefits terhadap kepuasan pelanggan bengkel

PT Honda Dewata Motor ?

4. Bagaimanakah pengaruh confidence benefits terhadap loyalitas pelanggan bengkel PT

Honda Dewata Motor ?

5. Bagaimanakah pengaruh social benefits terhadap loyalitas pelanggan bengkel PT Honda

Dewata Motor ?

6. Bagaimanakah pengaruh special treatment benefits terhadap loyalitas pelanggan bengkel

PT Honda Dewata Motor ?

7. Bagaimakah pengaruh kepuasaan pelanggan terhadap loyalitas pelanggan bengkel PT

Honda Dewata Motor?

1.3 Tujuan Penelitian

1. Untuk mengetahui pengaruh confidence benefits terhadap kepuasan pelanggan bengkel

PT Honda Dewata Motor

2. Untuk mengetahui pengaruh social benefits terhadap kepuasan pelanggan bengkel PT

Honda Dewata Motor

3. Untuk mengetahui pengaruh special treatment benefits terhadap kepuasan pelanggan

bengkel PT Honda Dewata Motor

8

4. Untuk mengetahui pengaruh confidence benefits terhadap loyalitas pelanggan bengkel PT

Honda Dewata Motor

5. Untuk mengetahui pengaruh social benefits terhadap loyalitas pelanggan bengkel PT

Honda Dewata Motor

6. Untuk mengetahui pengaruh special treatment benefits terhadap loyalitas pelanggan

bengkel PT Honda Dewata Motor

7. Untuk mengetahui pengaruh kepuasan pelanggan terhadap loyalitas pelanggan bengkel

PT Honda Dewata Motor

1.4 Manfaat Penelitian

Adapun Manfaat dari penelitan ini adalah sebagai berikut.

1. Manfaat teoritis

Hasil penelitian ini diharapkan dapat memberikan tambahan pengetahuan bagi ilmu

manajemen pemasaran, khususnya mengenai hal-hal yang berkaitan dengan hubungan

antara relationship marketing, kepuasan dan loyalitas pelanggan, serta menambah

refrensi bagi penelitan yang berkaitan dengan hubungan antara relational benefit,

kepuasan dan loyalitas pelanggan.

2. Manfaat praktis

Hasil penelitian ini diharapkan dapat digunakan sebagai bahan dalam menambah

wawasan dalam mengetahui hubungan antara relational benefit, kepuasan dan loyalitas

pelanggan serta hasil penelitian ini diharapkan dapat digunakan untuk bahan evaluasi

bagi pihak manajemen dan masukan dalam menyusun strategi pemasaran perusahaannya

guna memperbaiki kinerja perusahaan.

9

BAB II

KAJIAN PUSTAKA

2.1 Relationship Marketing

Hubungan pemasaran pada dasarnya merupakan pergeseran paradigma dalam kegiatan

pemasaran. Hubungan pemasaran (relationship marketing) adalah filosofi dalam melakukan

bisnis orientasi strategis yang berfokus pada menjaga dan meningkatkan kualitas hubungan

dengan pelanggan saat ini, bukan berfokus pada usaha untuk memperoleh pelanggan baru

(Zeithaml et al, 2006 : 182). Filosofi ini mengasumsikan bahwa banyak konsumen dan

pelanggan bisnis lebih memilih untuk memiliki hubungan yang berkelanjutan dengan satu

perusahaan saja daripada harus berpindah-pindah pada perusahaan lain, selama perusahaan

mampu memberikan nilai dan memenuhi harapan dari pelanggan. Menjaga pelanggan saat ini

akan membuat biaya yang harus dikeluarkan oleh perusahaan akan jauh lebih sedikit

dibandingkan dengan mencoba untuk menarik konsumen yang baru, pemasar yang sukses akan

bekerja dengan menggunakan strategi yang efektif untuk mempertahankan pelanggan.

Ardyansyah (2006).

Pemasaran kini mulai berfokus bagaimana carannya membangun hubungan dengan

pelanggan, serta menjaga hubungan tersebut agar nantinya baik pelanggan maupun perusahaan

akan sama-sama mendapatkan keuntungan. Relationship Marketing saat ini telah menjadi

paradigma baru dalam dunia pemasaran. Pemasaran yang dulunya hanya berfokus pada kegiatan

transaksional kini mulai bergeser pada kegiatan pemasaran yang berorientasi pada membangun

hubungan jangka panjang dengan pelanggan. Wibowo (2009) menyatakan bahwa relationship

marketing adalah usaha untuk menarik, memelihara, dan meningkatkan hubungan jangka

panjang dengan pelanggan. Oleh sebab itu, penting bagi perusahaan untuk lebih peduli pada

9

10

pelanggan, sebab salah satu faktor kunci perusahaan untuk dapat bertahan pada pasar yang sudah

ada saat ini adalah dengan menjaga dan mempertahankan hubungan jangka panjang dengan para

pelanggan Madariaga dan Valor dalam Alrubaiee dan Nazer (2010).

2.2 Relational Benefits

Menurut Zeithaml et al. (2006:183) relational benefits baru akan dirasakan oleh

pelanggan ketika menerima layanan dari perusahaan penyedia jasa yang memiliki nilai lebih

tinggi dibandingkan apa yang mereka harapkan/dapatkan dari perusahaan lainnya. Ketika

perusahaan mampu dengan konsisten menyampaikan nilai dari sudut pandang pelanggan, maka

satu manfaat (benefit) akan dirasakan pelanggan dengan lebih jelas yang akan mendorong

mereka untuk mempertahankan hubungan. Pelanggan lebih menyukai untuk menjalin hubungan

dengan suatu perusahaan yang mampu memberikan layanan berkualitas, kepuasan, dan

keuntungan spesifik yang lebih besar dibandingkan pengorbanan yang dilakukannya. Pelanggan

juga merasakan adanya manfaat atau benefit dengan cara yang berbeda yaitu melalui asosiasi

atau hubungan jangka panjang dengan perusahaan. Terkadang benefit dari hubungan ini lebih

mampu menjaga pelanggan untuk loyal terhadap perusahaan daripada atribut pada jasa inti yang

ditawarkan oleh perusahaan.

2.2.1 Confidence benefits

Confidence Benefits diartikan sebagai : “feelings of reduced anxiety, trust, and

confidence in the provider “ Gwinner et al. (1998), artinya mengurangi rasa kecemasan, dan

memberikan keyakinan dan kepercayaan kepada perusahaan. Dapat diartikan juga bahwa dengan

adanya manfaat keyakinan pelanggan akan merasa tidak cemas serta percaya dan yakin dengan

perusahan penyedia jasa dalam memberikan layanannya. Hal ini juga sejalan dengan yang

11

diutarakan oleh Zeithaml et al. (2006 : 183), bahwa ketika kecemasan dari pelanggan dapat

dikurangi, perusahaan juga harus dapat membuat pelanggan puas sesuai dengan harapannya,

karena itulah penting bagi perusahaan untuk memberikan manfaat keyakinan kepada pelanggan.

Menurut Dimitriadis (2010), manfaat kepercayaan (confidence benefits) atau trust adalah

hal-hal pada perusahaan yang berhubungan dengan kemampuan perusahaan dalam memberikan

kenyamanan kepada pelanggan, serta mengurangi kekhawatiran pelanggan. Confidence benefits

juga dapat diartikan sebagai kepercayaan pelanggan atas reputasi yang dimiliki oleh perusahaan

yang membuat pelangan menjadi menjadi nyaman dan percaya terhadap produk yang diberikan

oleh perusahaan. Dalam konteks relationship marketing, kepercayaan merupakan salah satu

dimensi untuk menentukan seberapa jauh suatu pihak merasakan integritas dan janji yang

ditawarkan oleh pihak lain. Hennig-Thurau et al. (2002) menyatakan bahwa konsumen yang

mengembangkan kepercayaan pada penyedia jasa berdasarkan pengalaman baik mereka dengan

penyedia jasa mempunyai alasan yang baik untuk tetap melanjutkan hubungan tersebut.

Pengalaman yang baik terutama harus dari konsumen itu sendiri, karena komitmen dari dalam itu

adalah yang paling kuat bagi konsumen agar loyal pada penyedia jasa.

2.2.2 Social Benefits

Menurut Hennig-Thurau et al. (2002) Social benefits lebih fokus pada hubungan antara

penyedia jasa dengan konsumen daripada produk jasa yang dihasilkan. Keuntungan sosial juga

berdampak pada loyalitas konsumen. Semakin dekat hubungan konsumen dengan karyawan dari

penyedia jasa, maka semakin loyal pula konsumen tersebut terhadap penyedia jasa

Sejalan dengan hal tersebut, Zeithaml et al. (2006:184) menyatakan bahwa social benefits

adalah ketika perusahaan mampu menjalin hubungan yang baik dengan konsumen atau

12

pelanggan mereka. Hubungan ini membuat peluang konsumen untuk beralih (brand switching)

semakin kecil, walaupun terdapat pesaing atau kompetitor yang memiliki produk yang lebih

baik, ataupun berani memberikan harga yang lebih murah. Hubungan pribadi dapat

mengembangkan untuk bisnis ke pelanggan. Manfaat dukungan sosial yang dihasilkan dari

hubungan ini penting untuk kualitas konsumen atas dan di luar manfaat teknis dari layanan yang

disediakan. Seringkali hubungan pendekatan yang professional dari perusahaan terhadap

pelanggan yang berkembang merupakan dasar untuk loyalitas pelanggan.

Social benefits juga diharapkan mampu membuat hubungan pelanggan dengan

perusahaan menjadi lebih hangat. Dengan adanya rasa kekeluargaan, akan membuat pelanggan

jauh lebih nyaman dalam berinteraksi dengan perusahaan (Dimitriadis, 2010)

2.2.3 Special treatment benefits

Menurut Zeithaml et al. (2006:184) perlakuan istimewa mencakup di dalamnya adalah

pemberian harga spesial maupun perlakuan khusus yang tidak diterima oleh pelanggan

kebanyakan. Dikatakan juga bahwa manfaat ini kadang tidak begitu penting dibandingkan

manfaat-manfaat lainnya. Meskipun manfaat perlakuan istimewa dapat dengan jelas dijadikan

sebagai unsur kritis untuk membentuk loyalitas pelanggan (misalnya manfaat bagi pemegang

frequent flyer pada industri penerbangan), namun hal ini kadang dianggap kurang penting bagi

pelanggan secara keseluruhan.

Sementara itu Hennig-Thurau et al. (2002) mendefinisikan Special treatment benefits

merupakan kombinasi dari keuntungan secara ekonomis maupun keuntungan customization bagi

pelanggan. Customization yang dimaksud adalah pelanggan akan mendapat harga yang berbeda

dan juga penawaran produk yang diberikan kepadanya tidak didapat oleh semua pelanggan

13

secara umum karena dalam konteks ini pelanggan selalu berharap mereka mendapatkan

keuntungan secara finansial.

Hal ini pun sejalan dengan pernyataan dari Dimitriadis (2010) yang menekankan

pentingnya customization bagi pelanggaan. Perlakuan umum sebagai pemenuhan kebutuhan

dasar dari setiap pelanggan memang penting untuk dipenuhi, namun perlakuan istimewa

terhadap konsumen selektif penting dilakukan dalam upaya menumbuhkan kepuasan pelanggan.

2.3 Kepuasan Pelanggan

Kepuasaan pelanggan merupakan suatu hal yang sangat krusial dalam menentukan sukses

atau tidaknya suatu bisnis, sehingga pelaku bisnis dituntut untuk dapat selalu memuaskan

pelanggannya (Kau dan Elizabeth, 2006 : 111). Menurut Kotler (2005:61) kepuasan pelanggan

adalah tingkat perasaan seseorang setelah membandingkan antara kinerja yang dirasakan dengan

harapannya. Pelanggan mengalami berbagai tingkat kepuasan dan ketidakpuasan setelah

mengalami masing-masing jasa sesuai dengan sejauh mana harapan mereka terpenuhi atau

terlampaui. Menurut Lovelock, (2007:102) Apabila pelanggan merasakan kinerja berada

dibawah harapan, maka pelanggan akan merasa tidak puas. Begitupun sebaliknya, bila kinerja

sama dengan harapan atau melampaui harapan, maka pelanggan akan merasa puas.

Ada beberapa kesamaan dari kedua definisi diatas, yaitu menyangkut komponen

kepuasan pelanggan atau harapan dan kinerja hasil yang dirasakan. Harapan pelanggan

merupakan perkiraan atau keyakinan pelanggan terhadap apa yang akan diterima bila konsumen

membeli atau mengkonsumsi produk atau jasa. Kunci utama mempertahankan pelanggan adalah

kepuasan pelanggan. Banyak keuntungan diperoleh bila pelanggan merasa puas. Menurut Kotler

dalam Suprapti (2009) pelanggan yang puas akan memiliki perilaku berikut:

14

1) Loyal dalam waktu yang lebih lama;

2) Membeli lebih banyak produk, baik produk baru maupun paroduk yang telah ada;

3) Membentuk rekonstruksi dari mulut ke mulut (word of mouth) positif;

4) Memberikan masukan

Pengukuran Kepuasan Pelanggan

Mengukur kepuasan pelanggan terhadap produk atau jasa sangat bermanfaat bagi

perusahaan dalam rangka mengevaluasi posisi perusahaan saat ini dibandingkan dengan pesaing

dan untuk menemukan bagian mana yang membutuhkan peningkatan. Selain itu, mengukur

kepuasaan konsumen juga bermanfaat bagi perusahaan untuk mengevaluasi apakah kinerja

perusahaan sudah memenuhi harapan pelanggan.

Empat metode yang banyak digunakan dalam mengukur kepuasan pelanggan, yaitu.

1) Sistem keluhan dan saran

Perusahaan dapat menggunakan kotak saran yang diletakkan ditempat strategis.

Menggunakan kartu komentator, saluran telepon khusus bebas pulsa, atau melalui

website. Namun metode ini bersifat pasif, maka sulit mendapatkan gambaran lengkap

mengenai kepuasan atau ketidakpuasan pelanggan. Tidak semua pelanggan akan

menyampaikan keluhannya, namun mereka dapat langsung berganti pemasok atau

menghentikan pembelian terhadap produk atau jasa. Upaya ini juga tidak dapat

dilaksanakan secara maksimal apabila perusahaan tidak memberi timbal balik dan tindak

lanjut yang memadai bagi pelanggan yang menyampaikan keluhan dan saran mereka.

2) Ghost Shopping

Metode ini dilakukan dengan mempekerjakan beberapa orang ghost shopper untuk

berperan sebagai pelanggan potensial jasa perusahaan pesaing. Ghost shopper dapat

15

melaporkan temuan penting mengenai kekuatan dan kelemahan perusahaan dibandingkan

dengan pesaingnya selain itu ghost shopper juga dapat mengobservasi cara perusahaan

dan pesaingnya melayani permintaan pelanggan, menjawab pertanyaan pelanggan, dan

menangani setiap masalah terkait dengan keluhan pelanggan.

3) Lost Customer Analysis

Perusahaan menghubungi para pelanggan yang telah berhenti melakukan pembelian atau

yang telah beralih pemasok agar dapat memahami mengapa hal itu terjadi dan supaya

dapat mengambil kebijakan perbaikan/penyempurnaan selanjutnya. Akan tetapi ada

kesulitan dalam pelaksanaan metode ini, yaitu mengidentifikasi dan menghubungi

mantan pelanggan yang bersedia memberi masukan dan evaluasi kinerja perusahaan.

4) Survei Kepuasan Pelanggan

Penelitian mengenai kepuasan pelanggan dapat dilakukan melalui survey, baik melalui

via pos, telepon, e-mail, maupun wawancara langsung. Melalui survey, perusahaan akan

memperoleh tanggapan dan umpan langsung dari pelanggan dan juga member sinyal

positif bahwa perusahaan menaruh perhatian terhadap pelanggan.

2.4 Loyalitas Pelanggan

Menurut Hurriyati (2005 : 129) loyalitas lebih mengacu pada wujud perilaku dari unit-

unit pengambilan keputusan untuk melakukan pembelian secara terus menerus terhadap produk

suatu perusahaan yang dipilih. Loyalitas pelanggan juga merupakan komitmen pelanggan

bertahan secara mendalam untuk berlangganan kembali atau melakukan pembelian ulang produk

atau jasa terpilih secara konsisten dimasa yang akan datang, meskipun pengaruh situasi dan

usaha-usaha pemasaran mempunyai potensi untuk menyebabkan perubahan perilaku.

16

Pelanggan yang loyal merupakan asset penting perusahaan, hal ini dapat dilihat dari karakteristik

yang dimilikinya sebagaimana diungkapkan Griffin (2002:31) bahwa pelanggan yang loyal

memiliki karakteristik sebagai berikut:

1) Melakukan pembelian secara teratur (makes regular repeat purchases);

2) Membeli diluar lini produk atau jasa yang sudah dikonsumsi dari perusahaan yang sama

(purchase across product and service line);

3) Merekomendasikan produk kepada orang lain (refers to others); dan

4) Menunjukkan kekebalan dari daya tarik produk sejenis yang dihasilkan pesaing

(demonstrates on immunity to the full of the competition).

Hurriyati (2005: 128) mendefinisikan loyalitas sebagai berikut : “Loyalty is deefly held

commitment to rebuy or repatronize a preferred product or service consistenly in the future,

despite situational influences and marketing efforts having the potential to cause switching

behavior”. berdasarkan definisi diatas terlihat bahwa loyalitas adalah komitmen pelanggan

bertahan untuk melakukan pembelian ulang produk yang dipilih secara konsisten dimasa yang

akan datang, meskipun pengaruh faktor situasional dan komunikasi pemasaran dapat

menyebabkan perubahan prilaku.

Pelanggan yang merasa sangat puas dengan suatu perusahaan, akan bersedia untuk

melakukan pembelian ulang kepada perusahaan. Hubungan baik dengan pelanggan juga

memungkinkan perusahaan untuk dapat memperkenalkan produk-produk lain yang sekiranya

sesuai dengan keinginan pelanggan tersebut. Hal ini dapat dilakukan secara lisan pada saat

pelanggan tersebut berkomunikasi dengan perusahaan dalam memperoleh informasi atau dengan

17

mengirimkan majalah, buletin, atau brosur mengenai produk-produk perusahaan kepada

pelanggan.

Lebih lanjut Griffin (2002:11) juga mengemukakan keuntungan-keuntungan yang akan diperoleh

oleh perusahaan jika memiliki pelanggan yang loyal, antara lain:

1) Dapat mengurangi biaya pemasaran (karena biaya menarik pelanggan yang baru lebih

mahal).

2) Dapat mengurangi biaya turnover konsumen (karena pergantian konsumen yang lebih

sedikit).

3) Dapat meningkatkan penjualan silang (cross selling) yang akan meningkatkan pangsa

pasar.

4) Mendorong word of mouth yang positif dengan asumsi bahwa pelanggan yang loyal

adalah pelanggan yang puas.

5) Dapat mengurangi biaya kegagalan (seperti biaya penggantian dan lain-lain).

18

BAB III

KERANGKA BERPIKIR, KONSEPTUAL, DAN HIPOTESIS PENELITIAN

7.1 Kerangka Berpikir dan Konseptual

7.1.1 Kerangka Berpikir

Loyalitas merupakan hal yang sangat penting bagi kesusksesaan suatu

perusahaan, memiliki pelanggan yang loyal akan sangat membantu perusahaan untuk

dapat tetap eksis di dalam persaingan. salah satu cara untuk mejaga loyalitas pelanggan

adalah dengan memberikan kepuasan secara konsisten kepada pelanggan. Pelanggan

yang telah puas akan sangat membantu perusahaan dalam usaha untuk memenangi

persaingan. salah satu cara untuk membuat pelanggan puas adalah dengan menjalin

hubungan baik dengan pelangggan yaitu dengan strategi relationship marketing.

Relationship marketing merupakan strategi menjaga hubungan jangka panjang

dengan pelanggan yang sudah ada, dimana strategi ini berfokus pada menjaga pelanggan

yang sudah ada bukan pada upaya untuk mencari pelanggan baru. Salah satu cara untuk

yang dapat dilakukan perusahaan untuk menerapkan strategi relationship marketing

adalah dengan mengaplikasikan strategi relational benefits, strategi relational benefits

merupakan strategi yang berfokus pada pemberian manfaat atas hubungan yang terjalin

melalui confidence benefits, social benefits, special treatment benefits,

7.1.1 Kerangka Konseptual

Dalam menyusun model pengaruh konstruk relational benefit dengan konstruk

kepuasan serta loyalitas pelanggan, penelitian ini mengadopsi dan mengadaptasi beberapa

model penelitian yang relevan dengan topik ini. Model penelitian mengenai relational

18

19

benefit yang digolongkan melalui tiga buah konstruk yaitu confidence benefits, social

benefits, dan special treatment benefits, merupakan adopsi dari penelitian yang dilakukan

oleh Hennig-Thurau et al. pada tahun 2002. Penggolongan konstruk relational benefit

menjadi confidence benefits, social benefits, dan special treatment benefits juga

dilakukan oleh Ruiz-Ruiz-Molina et al. (2009) ; Dimitriadis (2010) ; Yen dan Gwinner,

(2003) ; Kinnard dan Capella (2006) ; Molina et al. (2007) ; Zeithaml et al. (2006).

Confidence Benefits merupakan kemampuan perusahaan dalam mengurangi

kecemasan pelanggan sehingga pelanggan memberikan kepercayan dan keyakinan

kepada perusahan penyedia jasa. Jika dikaitkan dengan objek penelitian ini yaitu bengkel,

maka Confidence Benefits menjadi hal yang penting bagi pelanggan bengkel untuk dapat

merasa nyaman dan segala kecemasannya berkurang karena kepercayaan dan keyakinan

terhadap reputasi dari perusahaan.

Social Benefit merupakan manfaat sosial ketika perusahaan melalui karyawan

mampu menjalin hubungan yang baik dengan pelanggan . Zeithaml et al. (2006 : 184)

menyatakan bahwa hubungan yang baik akan membuat pelanggan merasa lebih nyaman

dalam beriteraksi. Hubungan personal menjadi penting bagi karyawan bengkel pada

perusahaan yang menjadi objek pada penelitian, agar dapat membangun hubungan

personal yang baik dengan pelanggan.

Special treatment benefits merupakan sebuah bentuk perlakuan istimewa bagi

pelanggan berupa pelayanan yang berbeda dari pelanggan lain pada umumnya (Hennig-

Thurau et al., 2002). Berkaitan dengan lokasi penelitian ini pada bengkel, maka

perusahaan harus dapat memberikan pelayanan diluar manfaat inti dari produk yang

digunakan pelanggan, agar pelanggan nantinya mendapatkan hal yang berbeda dan lebih

20

ketika menggunakan produk di perusahaan tersebut.

Terdapat beberapa penelitian lainnya yang menggunakan konstruk relational

benefit namun terdapat juga penelitian yang menggolongkan konstruk dengan jumlah

yang lebih dari tiga, misalkan Yu-Kevin dan Yang (2009), selain menggunakan

confidence benefits, social benefits, dan special treatment benefits juga menambahkan

konstruk comfort benefits, information benefits, Identity-related benefits, interactive

benefits dan sharing benefits. Namun, karena definisi dari tambahan konstruk tersebut

hampir sama dan manfaat hubungan telah tercakup dalam tiga konstruk yaitu confidence

benefits, social benefits, dan special treatment benefits, maka model relational benefit

yang digunakan dalam penelitian ini adalah confidence benefits, social benefits, dan

special treatment benefits.

Dalam penelitian yang berkaitan dengan relationship marketing, kepuasan

pelanggan merupakan konstruk dari relational quality (Leverin dan Liljander, 2006 ;

Alrubaiee dan Nazer, 2010). Relational quality akan muncul ketika relational benefit

telah didapatkan, dan muara dari hubungan tersebut adalah relational outcomes (Hennig-

Thurau et al., 2002). Sebelumnya dalam banyak penelitian, beberapa dimensi lain selain

kepuasan pelanggan banyak digunakan untuk mengukur relational quality (Alrubaiee dan

Nazer, 2010), seperti trust, commitmen, bonding, dan communication. Namun, karena

indikator-indikator konstruk tersebut hampir sama dengan konstruk relational benefit,

maka konstruk tersebut tidak digunakan dalam penelitian ini.

Loyalitas dapat digolongkan sebagai relational outcomes dari relationship

marketing. Selain loyalitas, terdapat word of mouth yang juga merupakan bagian dari

relational outcomes (Hennig-Thurau et al., 2002). Namun, karena di dalam indikator

21

loyalitas sudah terdapat unsur word of mouth, yaitu word of mouth dalam bentuk positif,

maka konstruk word of mouth tidak dimasukan dalam penelitian ini.

Berdasarkan beberapa penelitian serta kajian teori diatas, maka dapat disusun

Model penelitian sebagai berikut.

Gambar 3.1 Kerangka Konseptual

7.2 Hipotesis Penelitian

3.2.1 Hubungan Relational Benefits dengan Kepuasan

H1 : Social benefits berpengaruh positif signifikan terhadap kepuasan pelanggan bengkel

PT Honda Dewata Motor

Hipotesis pertama, confidence benefits berpengaruh positif dan signifikan terhadap

kepuasan pelanggan. Penelitian yang dilakukan oleh Hennig-Thurau et al. (2002), Kinard

dan Capella (2006), Molina et al. (2007), Yen dan Gwinner (2003), Ardyansyah (2007),

Prayustika (2010), dan Semadi (2010) menunjukkan bahwa confidence benefits

Confidencebenefits

(X1)

Socialbenefits

(X2)

Special treatmentbenefits

(X3)

KepuasanPelanggan

(Y1)

Loyalitas(Y2)

22

berpengaruh positif dan signifikan terhadap kepuasan pelanggan.

H2 : Social benefits berpengaruh positif signifikan terhadap kepuasan pelanggan

bengkel PT Honda Dewata Motor

Hipotesis kedua, social benefits berpengaruh positif signifikan terhadap kepuasan

pelanggan. Untuk konstruk social benefits beberapa penelitian sebelumnya memberikan

pengaruh positif dan signifikan terhadap kepuasan pelanggan. Diantaranya adalah

penelitian yang dilakukan oleh Ardyansyah (2007) Semadi (2010) dan Marzo-Navaro et

al. (2004),

H3 : Special treatment benefits berpengaruh positif signifikan terhadap kepuasan

pelanggan bengkel PT Honda Dewata Motor

Hipotess ketiga konstruk special treatment benefits berpengaruh positif dan signifikan

terhadap kepuasan pelanggan. Penelitian yang dilakukan oleh Ardyansyah (2007) dan

Prayustika (2010) menunjukkan bahwa konstruk special treatment benefits berpengaruh

positif dan signifikan terhadap kepuasan pelanggan.

3.2.2 Hubungan Relational Benefits dengan Loyalitas

H4 : Confidence benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan

bengkel PT Honda Dewata Motor.

Hipotesis keempat, confidence benefits berpengaruh positif dan signifikan terhadap

loyalitas pelanggan. Adanya pengaruh positif dan signifikan confidence benefits terhadap

loyalitas dikemukakan oleh Hennig-Thurau et al. (2002), Kinard dan Capella (2006);

Ruiz-Molina et al. (2009), Semadi (2010) ; dan Yen and Gwinner (2003).

23

H5 : Social benefits berpengaruh positif dan signifikan terhadap loyalitas pelanggan

bengkel PT Honda Dewata Motor .

Temuan penelitian menyatakan bahwa terdapat pengaruh positif dan signifikan social

benefits terhadap loyalitas dikemukakan oleh Hennig-Thurau et al. (2002) dan Marzo-

Navaro dkk. (2004).

H6 : Special treatment benefits berpengaruh positif dan signifikan terhadap loyalitas

pelanggan bengkel PT Honda Dewata Motor.

Hipotess keenam konstruk special treatment benefits berpengaruh positif dan signifikan

terhadap loyalitas pelanggan. Penelitian yang menemukan adanya pengaruh positif dan

signifikan special treatment benefits terhadap loyalitas dikemukakan antara lain oleh

Ruiz-Molina et al. (2009), Yen dan Gwinner (2003), Prayustika (2010) dan Ardyansyah

(2007).

3.2.3 Hubungan Kepuasan dengan Loyalitas

H7 : Kepuasan berpengaruh positif dan signifikan terhadap loyalitas pelanggan bengkel

PT Honda Dewata Motor.

Penelitian tentang pengaruh kepuasan terhadap loyalitas diantaranya dikembangkan oleh

Hennig-Thurau et al. (2002), Marzo-Navaro et al. (2004), Yen dan Gwinner (2003), Yen et

al. (2009), Ardyansyah (2007), Prayustika (2010) dan Semadi (2010). Keseluruhan hasil

riset tersebut mengemukakan bahwa kepuasan berpengaruh positif dan signifikan terhadap

loyalitas pelanggan. Hubungan antara kepuasan dan loyalitas adalah saat di mana

konsumen mencapai tingkat kepuasan tertinggi yang menimbulkan ikatan emosi yang kuat

dan komitmen jangka panjang dengan merek perusahaan. Konsep tersebut menunjukkan

bahwa adanya hubungan antara kepuasan terhadap kesetiaan konsumen.

24

BAB IV

METODE PENELITIAN

4.1 Rancangan dan Ruang Lingkup Penelitian

4.1.1 Rancangan Penelitian

Penelitian ini menggunakan rancangan riset kausalitas yang bertujuan untuk mengetahui

hubungan kausalitas antara relational benefit yang terdiri atas confidence benefits, social

benefits, dan special treatment benefits terhadap kepuasan dan loyalitas pelanggan bengkel PT

Honda Dewata Motor. Dalam menjelaskan hubungan variabel-variabel tersebut maka terlebih

dahulu diidentifikasi variabel-variabel bebas/eksogen yang menentukan variasi terjadinya

variabel terikat/endogen.

4.1.2 Ruang Lingkup Penelitian

Penelitian ini dilakukan di bengkel PT Honda Dewata Motor yang beralamat di jalan

Imam Bonjol 104 Denpasar dengan mengambil subjek para pelanggan bengkel PT Honda

Dewata Motor. Penelitian ini juga dilakukan dengan alasan perusahaan yang diteliti merupakan

sebuah perusahaan yang induk perusahaanya berhasil mendapatkan penghargaan karena mampu

mengaplikasikan strategi bisnis baru yaitu relationship marketing melalui relational benefit.

Penilaian pelanggan bengkel PT Honda Dewata Motor dalam menilai relational benefit yang

terdiri atas confidence benefits, social benefits, dan special treatment benefits yang didapatkan

ketika menggunakan jasa bengkel PT Honda Dewata Motor untuk selanjutnya diukur kepuasan

pelanggan dan loyalitas pelanggan.

24

25

4.2 Variabel Penelitian

Sebagaimana umumnya dalam penelititan tentang perilaku konsumen, sebagian besar

variabel yang diteliti tidak dapat diukur secara langsung sehingga disebut sebagai konstruk.

Konstruk yang digunakan dalam penelitian ini adalah relational benefit, kepuasaan pelanggan,

dan loyalitas pelanggan.

4.2.1 Identifikasi Konstruk

Konstruk-konstruk tersebut diklasifikasi menjadi dua (Ferdinand, 2002 : 41 ), yaitu.

1) Konstruk eksogen

Konstruk eksogen dikenal juga sebagai source variables atau variabel independen yang

tidak diprediksi oleh variabel lain dalam model. Konstruk ini akan digunakan untuk

memprediksi satu atau beberapa variabel endogen lainnya. Kostruk eksogen tidak dapat

dipengaruhi oleh konstruk eksogen lainnya. Dalam penelitian ini, konstruk eksogennya

adalah relational benefit yang terdiri atas confidence benefits, social benefits, dan special

treatment benefits.

2) Konstruk endogen

Konstruk endogen adalah faktor-faktor yang diprediksi oleh satu atau beberapa konstruk

eksogen. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen

lainnya. Dalam penelitian ini, konstruk endogen yang digunakan adalah kepuasan

pelanggan dan loyalitas pelanggan.

Selanjutnya indikator-indikator yang membangun seluruh konstruk dalam penelitian ini

merupakan hasil dari penelitian-penelitian sebelumnya yang telah dimodifikasi agar

26

sesuai dengan konteks penelitian ini.Indentifikasi dari seluruh konstruk penelitian ini

dapat dilihat pada tabel dibawah ini.

Tabel 4.1 Identifikasi Konstruk

4.2.2 Definisi Operasional Konstruk

Definisi operasional adalah unsur penelitian yang memberitahukan bagaimana cara

mengukur suatu konstruk. Definisi operasional memiliki tujuan untuk mempermudah responden

dalam mengartikan indikator-indikator di dalam konstruk yang ada pada penelitian ini.

Definisi operasional konstruk di dalam penelitian ini dapat dijelaskan sebagai berikut :

Jeniskonstruk

Nama konstruk(Sumber)

Jumlahindikator

Keterangan Simbol

Eksogen Confidence benefits( Hennig-Thurau et al.,2002 ; Kinard danCapella, 2006 ; Ruiz-Molina et al., 2009 )

Social benefits(Dimitriadis, 2010 ;Kinard dan Capella,2006 ; Ruiz-Molina etal., 2009)

Special treatmentbenefits(Ruiz-Molina et al.,2009 ; Hennig-Thurauet al., 2002; Dimitriadis2010)

4 1) Kepercayaan terhadap karyawan2) Kepercayaan terhadap reputasi3) Keandalan karyawan4) Ketepatan janji pada pelanggan atas jasa

X1.1X1.2X1.3X1.4

4 1) Perlakuan personal yang baik2) Hubungan pertemanan3) Pengenalan Identitas pelanggan oleh

karyawan4) Keakraban konsumen dengan karyawan

bengkel

X2.1X2.2X2.3

X2.4

5 1) Prioritas dalam list2) Potongan harga3) Layanan yang berbeda4) Harga yang berbeda5) Pelayanan yang lebih lengkap

X3.1X3.2X3.3X3.4X3.5

Endogen Kepuasan pelanggan

(Ndubisi dan Chan-Wah, 2005 ; Duck-Kim,2005)

Loyalitas pelanggan(Leverin dan Liljander,2006 ; Ruiz-Molina etal., 2009)

5 1) Puas dengan layanan2) Pengalaman setelah mendapatkan

layanan3) Puas dengan perlakuan perusahaan4) Keputusan yang tepat5) Puas dengan keseluruhan layanan

Y1.1Y1.2

Y1.3

Y1.4Y1.5

4 1) Menggunakan kembali2) Pilihan utama3) Tidak akan beralih4) Merekomendasikan bengkel

Y2.1Y2.2Y2.3Y2.4

27

1.Confidence Benefits (X1)

Confidance Benefits adalah kepercayaan pelanggan terhadap layanan bengkel PTHonda

Dewata Motor.

1) Karyawan bengkel dapat dipercaya (X1.1), adalah bentuk kepercayaan pelanggan

terhadap karyawan bengkel PT Honda Dewata Motor dalam melakukan layanan.

2) Reputasi bengkel (X1.2), adalah bentuk kepercayaan pelanggan bahwa perusahaan

PT Honda Dewata Motor memiliki reputasi yang baik di mata konsumen.

3) Karyawan bengkel dapat diandalkan (X1.3), adalah bentuk kepercayaan pelanggan

terhadap karyawan (mekanik) bengkel dalam melakukan perawatan kendaraan.

4) Layanan sesuai janji (X1.4), adalah bentuk kepercayaan pelanggan bahwa PTHonda

Dewata Motor akan memberikan pelayanan sesuai dengan apa yang telah

dijanjikan.

2. Social Benefits (X2)

Social Benefits adalah manfaat sosial yang diperoleh pelanggan selama menjalin

hubungan dengan bengkel PTHonda Dewata Motor.

1) Perlakuan personal yang baik (X2.1), adalah bentuk manfaat yang didapatkan

pelanggan ketika diperlakukan dengan baik oleh karyawan PT Honda Dewata Motor.

2) Hubungan pertemanan (X2.2), adalah bentuk manfaat yang didapatkan ketika

pelangan merasa nyaman karena hubungan pertemanan dengan karyawan PT Honda

Dewata Motor yang membuat suasana menjadi hangat.

3) Karyawan bengkel mengenali identitas pelanggan (X3.4), adalah bentuk manfaat

yang didapatkan ketika identitas pelanggan dikenali oleh karyawan PT Honda

Dewata Motor.

28

4) Keakraban dengan karyawan bengkel (X3.2), adalah bentuk manfaat yang

didapatkan ketika pelanggan merasa akrab dengan karyawan PT Honda Dewata

Motor sehingga pelanggan tidak canggung ketika menginformasikan kebutuhannya.

3. Special Treatment Benefits

Special Treatment Benefits adalah manfaat perlakuan istimewa yang diperoleh

pelanggan selama menjalin hubungan dengan bengkel PT Honda Dewata Motor.

1) Prioritas dalam list (X3.1), adalah bentuk perlakuan istimewa yang didapatkan ketika

seorang pelanggan menjadi prioritas di dalam list (daftar antrean layanan) bengkel PT

Honda Dewata Motor.

2) Potongan harga (X3.2), adalah bentuk perlakuan istimewa yang didapatkan ketika

seorang pelanggan mendapatkan potongan harga, sementara pelanggan pada

umumnya tidak mendapatkan hal tersebut.

3) Layanan yang berbeda (X3.3), adalah bentuk perlakuan istimewa yang didapatkan

ketika seorang pelanggan mendapatkan layanan yang berbeda (front office lebih

ramah dan sopan, pemberian informasi produk baru) yang pelanggan pada umumnya

tidak dapatkan.

4) Harga yang berbeda (X3.4), adalah bentuk perlakuan istimewa yang didapatkan

ketika seorang pelanggan mendapatkan harga yang berbeda dari pelanggan pada

umumnya.

5) Pelayanan yang lebih lengkap (X3.5), adalah bentuk perlakuan istimewa yang

didapatkan ketika seorang pelanggan mendapatkan pelayanan yang lebih lebih

lengkap (proses perawatan kendaraan yang lebih lengkap) yang pelanggan pada

umumnya tidak dapatkan.

29

4. Kepuasan Pelanggan (Y1)

Kepuasan Pelanggan adalah bentuk perasaan senang atas pemenuhan kebutuhan

pelanggan oleh bengkel PT Honda Dewata Motor yang telah sesuai dengan harapannya.

1) Puas dengan layanan (Y1.1), adalah bentuk perasaan senang pelanggan terhadap

bengkel PTHonda Dewata Motor atas pemenuhan kebutuhan pelanggan.

2) Pengalaman setelah mendapatkan layanan (Y1.2), adalah menggunakan layanan di

bengkel PTHonda Dewata Motor merupakan pengalaman yang menyenangkan bagi

pelanggan.

3) Puas dengan perlakuan perusahaan (Y1.3), adalah perasaan senang atas perlakuan

karyawan bengkel PT Honda Dewata Motor kepada pelangaan.

4) Keputusan yang tepat (Y1.4), adalah memilih dan menggunakan layanan pada

bengkel PT Honda Dewata Motor merupakan keputusan yang tepat bagi pelanggan.

5) Puas dengan keseluruhan layanan (Y1.5), adalah perasan senang atas seluruh

pelayanan bengkel PT Honda Dewata Motor yang diberikan kepada pelanggan.

5. Loyalitas Pelanggan (Y2)

Loyalitas Pelanggan adalah bentuk kesetiaan pelanggan untuk tetap menggunakan

layanan bengkel PT Honda Dewata Motor secara terus-menerus.

1) Menggunakan kembali (Y2.1), apabila suatu saat nanti pelanggan membutuhkan

layanan bengkel, maka pelanggan akan menggunakan layanan bengkel PT Honda

Dewata Motor.

2) Pilihan utama (Y2.2), ketika pelanggan membutuhkan layanan bengkel, maka PT

Honda Dewata Motor akan menjadi pilihan utama dari pelanggan.

30

3) Tidak akan beralih (Y2.3), apabila suatu saat pelanggan membutuhkan layanan

bengkel, dan disaat yang bersamaan bengkel PT Honda Dewata Motor sedang tidak

beroperasi, maka pelanggan bersedia menunda perawatan dan tidak menggunakan

layanan dari bengkel lain.

4) Merekomendasikan bengkel (Y2.4), adalah kesediaan pelanggan untuk

merekomendasikan bengkel PT Honda Dewata Motor sebagai bengkel terbaik kepada

pihak lain.

4.3 Prosedur Pengumpulan Data

4.3.1 Jenis data

4.3.1.1 Jenis data berdasarkan sifatnya

Jenis data yang digunakan dalam penelitian ini adalah data kualitatif dan data kuantitatif.

Data kualitatif terdiri atas data yang tidak berupa angka-angka, hanya berupa penjelasan-

penjelasan dan tidak dapat diukur dalam satuan hitung, seperti gambaran umum mengenai

perusahaan yang dalam hal ini adalah PT Honda Dewata Motor. Data kuantitatif adalah data

dalam bentuk angka-angka dan dapat dinyatakan dalam satuan hitung, seperti jumlah kendaraan

yang di service.

4.3.1.2 Jenis data berdasarkan sumbernya

1) Data Primer

Data primer dalam penelitian ini adalah data yang diperoleh melalui pertanyaan tertulis

dengan menggunakan kuesioner atau lisan dengan menggunakan metode wawancara

dengan pelanggan serta manajemen dari bengkel PT Honda Dewata Motor

2) Data Sekunder

Data sekunder dalam penelitian ini teori-teori ilmiah dan penelitian-peneltian sebelumnya

31

yang berkaitan dengan penelitian ini.

4.3.2 Populasi

Populasi dalam penelitian ini adalah pelanggan yang pernah menggunakan layanan

bengkel PT Honda Dewata Motor sebanyak 4.227 pelanggan.

4.3.3 Teknik Pengambilan Sampel

Menurut Sugiyono (2007 : 116) sampel adalah bagian atau sebagian kecil dari populasi

yang karakteristiknya hendak diselidiki sampel dalam penelitian ini adalah sebagian kecil

pelanggan yang pernah menggunakan layanan bengkel PT Honda Dewata Motor.

Pengambilan sampel dalam penelitian ini menggunakan metode purposive sampling.

Menurut Sugiyono (2007), Purposive sampling adalah teknik penentuan sampel dengan

pertimbangan tertentu. Dalam penelitian ini yang menjadi pertimbangan adalah responden yang

pernah menggunakan layanan bengkel PT Honda Dewata Motor minimal 6 (enam) bulan

terakhir, karena jangka waktu tersebut diangggap masih relevan untuk menjawab kuesioner.

Pertimbangan lainnya adalah responden yang berumur 17 - 60 tahun dan memiliki tingkat

pendidikan terakhir minimal SMA/sederajat. Hal ini dikarenakan pada rentang usia dan tingkat

pendidikan tersebut responden mampu memahami dan mampu menjawab pertanyaan dalam

kuesioner sesuai dengan pengalaman yang diperoleh.

Jumlah anggota sampel atau ukuran sampel (sampel size) ditetapkan dengan

pertimbangan yang menyatakan, bahwa ukuran sampel dapat ditentukan jumlah indikator dalam

model 5-10 kali (Solimun, 2005). Karena jumlah indikator dalam penelitian ini adalah 22 butir

maka ukuran sampel menjadi antara 110 – 220. Namun demikian, berdasarkan pertimbangan

kepraktisan dan biaya, ukuran sampel yang digunakan adalah 160.

32

4.3.4 Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini diperoleh melalui survey kepada pelanggan

bengkel PT Honda Dewata Motor yang telah memenuhi kriteria sampel. Instrumen yang

digunakan untuk memperoleh data dari responden adalah kuesioner. Dalam penyebarannya di

bantu oleh operator bengkel sejumlah dua orang.

4.4 Instrumen Penelitian

Penelitian ini menggunakan skala interval, skala ini banyak digunakan untuk mengukur

fenomena atau gejala sosial. Dalam kuesioner ini digunakan skala interval 1-5, di mana

responden diberikan kebebasan untuk menentukan pendapat atau opini sesuai dengan yang

dialaminya terhadap indikator-indikator pada kuesioner tersebut. Nilai 1 dikategorikan ukuran

pernyataan sangat tidak setuju (STS), nilai 2 menunjukkan ukuran pernyataan tidak setuju (TS),

nilai 3 menunjukkan ukuran Netral (N), nilai 4 menunjukkan setuju (S), dan nilai 5 menunjukkan

ukuran Sangat Setuju (SS).

4.4.1 Validitas

Pengujian validitas diperlukan guna mengetahui sejauh mana ketepatan suatu alat ukur

melakukan fungsi ukurnya. Sebuah indikator menunjukkan validitas konvergen yang signifikan

apabila koefisien variabel indikator lebih besar dari dua kali standard error (Ferdinand 2002 :

187). Bila setiap indikator memiliki critical ratio yang lebih besar dari dua kali standard error,

hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang seharusnya diukur

dalam model yang disajikan.

33

4.4.2 Reliabilitas

Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari

variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang

terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Menurut Ferdinand (2002

: 63) Variabel dikatakan reliabel jika memberikan tingkatan nilai 0,7.

Menurut Ferdinand (2002 : 62) Pengujian reliabilitas dihitung dengan rumus sebagai berikut.

(∑ Std.Loading)2

Reliabilitas =(∑ Std.Loading)2 + ∑ e

dimana :

Std.Loading diperoleh langsung dari standardized loading untuk tiap-tiap indikator

(diambil dari perhitungan komputer, AMOS)

e adalah measurement error dari tiap-tiap indikator

4.5 Metode Analisis Data

Metode analisis yang digunakan untuk menganalisis data adalah Structural Equation

Modelling (SEM). Menurut Ferdinand (2002 : 70), SEM merupakan alat atau teknik analisis data

yang terdiri atas dua tahap dasar yaitu tahap model pengukuran (Measurement Model) melalui

Confirmatory Factor Analysis dan tahap persamaan struktural model (Structural Equation

Model). Tujuan utamanya adalah untuk menguji kesesuaian model tersebut (fit) dengan data yang

sah.

34

4.5.1 Tahap model pengukuran (Measurement Model)

Measurement model adalah proses permodelan dalam penelitian yang diarahkan untuk

menyelidiki undimensionalitas dari indikator-indikator yang menjelaskan sebuah faktor atau

sebuah variabel laten (Ferdinand, 2002 : 70) .Mengkonfirmasi apakah variabel-variabel indikator

yang digunakan dapat mengkonfirmasi sebuah faktor yang disebut dengan Confirmatory Factor

Analysis terhadap seluruh indikator yang digunakan dalam model.

4.5.2 Tahap persamaan struktural model (Structural Equation Model)

Setelah dilakukan uji Measurement Model, maka pengujian berikutnya dilanjutkan

dengan uji Structural Model. Pada dasarnya Uji Measurement Model menguji apakah model

secara keseluruhan dapat dikatakan fit atau tidak. Jika sebuah Measurement Model tidak dapat

dikatakan fit, maka proses pengujian seharusnya tidak diteruskan ke pengujian Structural Model.

Namun, jika sebuah Measurement Model telah lolos dalam pengujian, dapat dilakukan dengan

Structural Model yang ada yang disebut dengan proses pengujian dua tahap yakni menguji fit

serta validitas sebuah measurement model baru kemudian menguji Structural Model yang

meliputi dua bagian utama yaitu (Ferdinand, 2002 : 20) :

a. Menguji keseluruhan model (overall model fit) dari Structural Model.

b. Menguji structural parameter estimates, yakni hubungan di antara konstruk atau variabel

independen- dependen yang ada dalam structural model.

4.5.3 Tahapan Permodelan dengan Analisis Persamaan Struktural

Terdapat tujuh langkah dalam teknik analisis SEM yang dapat dikembangkan dan

dijelaskan sebagai berikut :

35

1. Langkah pertama dalam pengembangan model SEM adalah pencarian atau pengembangan

sebuah model yang mempunyai justifikasi teoritis yang kuat. Setelah itu, model tersebut

divalidasi secara empirik melalui komputasi program SEM. Pada penelitian ini, pencarian

atau pengembangan teori model dapat diuraikan sebagai berikut.

1) Relational Benefit

Menurut Zeithaml dkk. (2006:183) relational benefit adalah hal yang akan dirasakan oleh

pelanggan ketika telah menerima layanan dari perusahaan penyedia jasa yang memiliki

nilai yang lebih tinggi dibandingkan apa yang mereka harapkan/dapatkan dari perusahaan

lainnya. Ketika perusahaan mampu dengan konsisten menyampaikan nilai dari sudut

pandang pelanggan, maka satu manfaat (benefit) akan dirasakan pelanggan dengan lebih

jelas yang akan mendorong mereka untuk mempertahankan hubungan. relational benefit

yang meliputi confidence benefits, social benefits, dan special treatment benefits

2) Kepuasaan Pelanggan

Kotler (2006 : 61) mengemukakan kepuasan pelanggan adalah tingkat perasaan seseorang

setelah membandingkan antara kinerja yang dirasakan dengan harapannya. Pelanggan

mengalami berbagai tingkat kepuasan dan ketidakpuasan, setelah mengalami masing-

masing jasa sesuai dengan sejauh mana harapan mereka terpenuhi atau terlampaui.

3) Loyalitas Pelanggan

Hurriyati, (2005 : 129) mengemukakan bahwa loyalitas mengacu pada wujud perilaku dari

unit-unit pengambilan keputusan untuk melakukan pembelian secara terus menerus

terhadap produk suatu perusahaan yang dipilih.

36

2. Langkah kedua adalah menggambarkan model teoritis dan model penelitian yang telah

dibangun menjadi sebuah diagram alur yang menunjukkan hubungan atau jalur yang

terdapat antar konstruk penelitian seperti disajikan pada Gambar 4.1

Gambar 4.1 Diagram Alur Penelitian

(Ruiz-Molina et al., 2009 ; Hennig-Thurau et al., 2002)

Confidencebenefits

X1.4e4

1

1

X1.3e31

X1.2e21

X1.1e11

Socialbenefits

X2.4e8

1

1

X2.3e71

X2.2e61

X2.1e51

Special treatmentbenefits

X3.5e13

1

1

X3.4e121

X3.3e111

X3.2e101

X3.1e91

Kepuasanpelanggan

Y1.1 e14

1

1

Y1.2 e151

Y1.3 e161

Y1.4 e171

Y1.5 e181

Loyalitas

Y2.1 e191

1

Y2.2 e201

Y2.3 e211

Y2.4 e221

z1

1

z2

1

37

3. Menyusun Persamaan Struktural

Selanjutnya adalah merubah diagram jalur ke dalam persamaan struktural dan model

pengukuran. Persamaan yang dibangun akan terdiri atas persamaan struktural (structural

equations) dan persamaan spesifikasi model pengukuran (measurement model).

Persamaan struktural dirumuskan untuk menyatakan hubungan kausalitas antar berbagai

konstruk.

Y1 = 1 X1 + 3 X2 + 5 X3 + 1 ………………………………… (1)

Y2 = 2 X1 + 4 X2 + 6 X6 + 7 Y1 2………………….……….. (2)

4. Memilih matrik Input dan Model/ Teknik Estimasi

Setelah model dispesifikasi secara lengkap, langkah berikutnya adalah memilih jenis input

(kovarian atau korelasi) yang sesuai. Dalam penelitian ini akan menguji hubungan

kausalitas, maka matrik kovarian yang diambil sebagai input untuk operasi SEM.

Sedangkan teknik estimasi yang digunakan adalah maximum likelihood estimation method

yang telah menjadi default dari program ini. Estimasi ini dilakukan dengan tahapan sebagai

berikut :

a. Estimasi Measurement Model dengan teknik Confirmatory Factor Analysis untuk

menguji unidimensionalitas dari konstruk- konstruk yang dibangun.

b. Estimasi melalui SEM dengan analisis Full Model untuk melihat kesesuaian model

dengan hubungan kausalitas yang dibangun dalam model yang diuji.

38

5. Menilai Kemungkinan Munculnya Identifikasi Problem

Dalam operasi AMOS 4.01, problem identifikasi diatasi langsung oleh program. Bila

estimasi tidak dapat dilakukan, maka program akan memberikan pesan pada monitor

komputer mengenai kemungkinan sebab- sebab mengapa program ini tidak dapat

melakukan estimasi, sehingga peneliti dapat merencanakan tindakan perbaikan yang

memungkinkan.

Cara melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang

meliputi sebagai berikut.

a. Adanya nilai standart error yang besar untuk satu atau lebih koefisien.

b. Ketidakmampuan program untuk invert information matrik.

c. Nilai estimasi yang tidak mungkin misalnya error variance yang negatif.

d. Adanya nilai korelasi yang tinggi ( > 0,90) antar koefisien estimasi.

6. Evaluasi Kriteria Goodness of Fit

Langkah yang harus dilakukan sebelum menilai kelayakan dari model struktural adalah

menilai apakah data yang akan diolah memenuhi asumsi model persamaan struktural. Bila

asumsi model persamaan structural telah terpenuhi, maka model dapat diuji melalui

berbagai cara uji. Asumsi asumsi SEM yang harus dipenuhi yaitu :

1) Ukuran Sampel

Ukuran sampel yang harus dipenuhi dalam analisis SEM adalah minimal berjumlah 100

dan selanjutnya menggunakan perbandingan observasi untuk setiap parameter yang

diestimasi.

39

2) Normalitas Data

Data yang diperoleh harus dianalisis untuk melihat apakah telah tersebar normal atau tidak.

Jika asumsi normalitas telah terpenuhi, maka data dapat diolah lebih lanjut. Uji normalitas

perlu dilakukan baik terhadap data tunggal maupun data multivariate, dimana beberapa

variabel digunaka sekaligus dalam analisis akhir. Evaluasi terhadap normalitas data dapat

dilakukan dengan pendekatan teori normalitas (Central Limit Theorm) yang menyatakan

bahwa apabila ukuran sampel lebih besar dari 30, maka statistik data dari sampel tersebut

akan mendekati distribusi normal. Pengujian terhadap normalitas data juga dilakukan

secara statistik dengan menghitung nilai skewness data yang digunakan. Data dianggap

normal apabila nilai skewness berada pada rentan ± 2,58 pada tingkat signifikansi 0,01

(Ferdinand, 2002 : 95).

3) Outliers

Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat

maupun multivariat, yaitu yang muncul karena kombinasi karakteristik unik yang

dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya.

Setelah asumsi SEM terpenuhi maka langkah berikutnya adalah pengujian dengan

menggunakan beberapa indeks kesesuaian untuk mengukur “kebenaran” model yang

diajukan. Beberapa indeks tersebut disajikan dalam Tabel 4.2.

40

Tabel 4.2 Goodness- of- Fit IndicesGoodness of Fit Index Cut-off Value

X2- Chi- Square Diharapkan nilai lebih kecil

Significance Probability ≥ 0,05

GFI ≥ 0,90

CMIN/DF ≥ 2,00

TLI ≥ 0,95

CFI ≥ 0,95

RMSEA ≤ 0,08

AGFI ≥ 0,90

Sumber : Ferdinand (2002)

Setelah asumsi SEM terpenuhi, langkah berikutnya adalah melihat ada tidaknya offending

estimate yaitu estimasi koefisien, baik dalam model struktural maupun model pengukuran

yang nilainya di atas batas yang dapat diterima. Setelah yakin tidak ada lagi offending

estimate dalam model, maka selanjutnya dilakukan penilaian model fit. Goodness of Fit

mengukur kesesuaian input observasi atau sesungguhnya

7. Interpretasi dan Modifikasi Model

Ketika model telah dinyatakan diterima, maka dapat dipertimbangkan dilakukannya

modifikasi model untuk memperbaiki penjelasan teoritis atau goodness of fit. Jika model

dimodifikasi, maka model tersebut harus di cross- validated (diestimasi dengan data

terpisah) sebelum model modifikasi diterima. Pengukuran model dapat dilakukan dengan

modification indices sama dengan terjadinya penurunan Chi Square jika koefisien

diestimasi.

41

BAB V

HASIL PENELITIAN DAN PEMBAHASAN

5.1 Hasil Penelitian

5.1.1 Karakteristik Responden

Jumlah responden yang diteliti awalnya adalah 160 orang, namun dalam kenyataannya setelah

dilakukan tabulasi data jawaban seluruh responden, terdapat tujuh data jawaban responden yang

dianggap tidak mampu memberikan jawaban mengenai hubungan pelanggan dengan bengkel PT

Honda Dewata Motor yang sebenarnya dikarenakan tiga responden tidak mengisi kuesioner

dengan lengkap, dan empat responden tidak memenuhi syarat sebagai responden karena

memiliki tingkat pendidikan terakhir SD sebanyak satu responden dan SMP sebanyak tiga

responden, sehingga akhirnya hanya 153 orang responden yang digunakan sebagai sampel dalam

penelitian ini. Jumlah ini memenuhi syarat untuk melakukan penelitian karena masih dalam

rentang jumlah 110 sampai dengan 220 responden. Karakteristik responden pada penelitian ini

dapat dilihat dari beberapa variabel yaitu jenis kelamin, umur, pekerjaan, pendidikan, frekuensi

penggunaan, sub-merek mobil yang digunakan, dan alternatif menggunakan jasa di bengkel lain.

Berikut disajikan karakteristik responden penelitian dengan berbagai variabel tersebut.

Tabel 5.1 menunjukkan beberapa hal yang terkait dengan karakteristik responden. Jenis kelamin

responden didominasi laki-laki yang mencapai 73,20%, sedangkan 26,80% lainnya adalah

perempuan. Kelompok umur responden didominasi kelompok umur 40-49 tahun yang mencapai

35,95%. Responden dari variabel pekerjaan adalah sebagian besar Wiraswasta yang mencapai

34,64% dan paling sedikit adalah pekerjaan lainnya, yaitu sebagai dokter, dosen, dan konsultan

pajak.

41

42

Tabel 5.1 Distribusi Responden Menurut Variabel Demografi, Sub-merek Mobil, AlternatifMenggunakan Jasa Di Bengkel Lain, dan Frekuensi Menerima Layanan Bengkel.

No KarakteristikResponden Keterangan Jumlah Persentase

(%)1 Jenis Kelamin Laki-laki

Perempuan11241

73,2026,80

Jumlah 153 100

2 Umur (tahun) 17 – 2930 – 3940 – 4950 – 60

3953556

25,4934,6435,953,92

Jumlah 153 100

3 Pekerjaan PelajarPegawai swastaPegawai BUMNWiraswastaPNSLainnya

12311853309

7,8420,2611,7534,6419,615,88

Jumlah 153 100

4 Pendidikan SMADiplomaSarjanaPascasarjana

25387317

16,3424,8447,7111,11

Jumlah 153 100

5 Sub-merek mobil CRVJazzAll New AccordAll new CRVBrioLainnya

21558

341916

13,7335,955,23

22,2212,4110,45

Jumlah 153 100

6 Alternatifpenggunaan jasa dibengkel lain

Bengkel resmi HondaBengkel umumTidak beralih

721170

47,067,19

45,75153 100

7 Frekuensipenggunaan

2 kali3 kali

>3 kali

375462

24,1835,2940,52

Jumlah 153 100

43

Responden berdasarkan tingkat pendidikannya menunjukkan tingkat pendidikan Sarjana

mendominasi dengan jumlah 73 orang responden atau 47,71%. Untuk sub-merek motor di

dominasi oleh mobil Jazz dengan persentase 35,95 %, lalu diikuti oleh All new CRV dengan

persentase 22,22 %. Terdapat juga dua sub-merek mobil responden yang tidak diklarifikasi

dalam kuesioner, yaitu Freed dan Honda Fit, total dari jenis mobil yang dikatagorikan lainnya

tersebut adalah 16 unit atau 10,45 %. Untuk karakteristik frekuensi penggunaan didominasi oleh

kelompok frekuensi penggunaan yang sudah lebih dari dari 3 kali sebanyak 62 responden atau

sebesar. 40,52 %, sedangkan untuk alternatif penggunaan jasa lainnya, didominasi oleh

penggunaan di bengkel resmi lain sebesar 47,06%.

5.1.2 Deskripsi Variabel Penelitian

Berdasarkan data tabulasi jawaban responden, dapat dideskripsikan bagaimana penilaian

responden terhadap variabel-variabel operasional yang digunakan dalam penelitian yaitu

confidence benefits, social benefits, special treatment benefits, kepuasan, dan loyalitas

pelanggan. Penelitian ini didasarkan pada total skor tiap indikator dalam konstruk dibagi dengan

jumlah responden. Hasil perhitungan tersebut akan mendeskripsikan penilaian responden dengan

kategori yang dibentuk dengan mencari nilai interval, yaitu rentang nilai satu sampai lima yaitu

empat, dibagi dengan jumlah katagori yang digunakan yaitu lima, sehingga rentang nilai tiap

katagori adalah 0,8 dan untuk pembagian tiap katagori disajikan sebagai berikut.

1,00 – 1,80 berarti penilaian responden adalah sangat buruk

1,81 – 2,60 berarti penilaian responden adalah buruk

2,61 – 3,40 berarti penilaian responden adalah cukup

3,41 – 4,20 berarti penilaian responden adalah baik

4,21 – 5,00 berarti penilaian responden adalah sangat baik

44

Tabel 5.2 Skor Tiap Indikator Penelitian.

Sumber : Hasil Penelitian, Lampiran 2

Berdasarkan data pada Tabel 5.2, penilaian responden terhadap konstruk confidence

benefits, social benefits, special treatment benefits, kepuasan, dan loyalitas pelanggan hampir

secara keseluruhan adalah baik. Ini dikarenakan skor pada tiap-tiap indikator kualitas jasa

berada pada rentang nilai 3,41 – 4,20 hanya indikator X3.1 pada konstruk special treatment

benefits yang mendapatkan nilai 3,32 yang berada pada katagori cukup. Penilaian responden

terhadap indikator kepuasan yang dirasakan setelah menggunakan jasa bengkel “PT Honda

Dewata Motor” memiliki nilai diantara rentang nilai 3,41 – 4,20. Ini berarti bahwa bengkel

PT Honda Dewata Motor telah memberikan kepuasan kepada responden. Penilaian

Nama konstruk Jumlahindicator

Simbol Skor Keterangan

confidencebenefits

social benefits

special treatmentbenefits

Kepuasan

Loyalitas

4 X1.1X1.2X1.3X1.4

3,603,643,473,46

BaikBaikBaikBaik

4 X2.1X2.2X2.3X2.4

3,543,443,523,60

BaikBaikBaikBaik

5 X3.1X3.2X3.3X3.4X3.5

3,323,453,623,573,50

CukupBaikBaikBaik

5 Y1.1Y1.2Y1.3Y1.4Y1.5

3,743,663,583,693,58

BaikBaikBaikBaikBaik

4 Y2.1Y2.2Y2.3Y2.4

3,563,683,493,75

BaikBaikBaikBaik

45

responden terhadap konstruk loyalitas juga memiliki nilai diantara rentang 3,41 – 4,20 dan

masuk katagori baik.

5.1.3. Evaluasi terhadap Asumsi-asumsi SEM

1. Ukuran sampel

Untuk kecukupan ukuran sampel, penggunaan alat analisis SEM memerlukan ukuran

sampel antara 100-200 atau dapat pula ditentukan sebesar 5-10 kali jumlah parameter

yang diestimasi (Solimun, 2005). Dalam penelitan ini jumlah parameter yang diestimasi

sebanyak 22 sehingga berdasar formula tersebut maka ukuran sampel seharusnya berada

pada kisaran 110-220 orang. Dalam kenyataannya, penelitan ini menggunakan sampel

sebesar 153 orang sehingga berdasar kedua pertimbangan di atas maka sampel tersebut

telah memenuhi ukuran yang diperlukan untuk menggunakan alat analisis SEM.

2. Normalitas data

Pengujian normalitas juga dilakukan secara statistik dengan menghitung nilai skewness

data seperti disajikan pada Tabel 5.3.

Berdasarkan data pada Tabel 5.3 menunjukkan bahwa data yang digunakan dalam

penelitian telah terdistribusi normal karena nilai koefisien pada kolom c.r ± 2,58 pada

signifikansi 0,01.

46

Tabel 5.3 Hasil Uji Normalitas Data

Variable min max Skew c.r. kurtosis c.r.

x1.1 1.000 5.000 -.347 -1.752 -.897 -2.266x1.2 1.000 5.000 -.471 -2.378 -.208 -.524x1.3 1.000 5.000 -.458 -2.311 -.626 -1.581x1.4 1.000 5.000 -.449 -2.269 -.659 -1.664x2.1 1.000 5.000 -.269 -1.361 -.905 -2.285x2.2 1.000 5.000 -.294 -1.485 -.733 -1.850x2.3 1.000 5.000 -.251 -1.269 -.967 -2.442x2.4 1.000 5.000 -.353 -1.780 -.691 -1.743x3.5 1.000 5.000 -.446 -2.253 -.474 -1.196x3.4 1.000 6.000 -.245 -1.240 -1.071 -2.704x3.3 1.000 6.000 -.236 -1.194 -.908 -2.294x3.2 1.000 5.000 -.183 -.923 -.749 -1.891x3.1 1.000 5.000 -.120 -.608 -1.001 -2.528Multivariate 45.810 8.718

Sumber : Hasil Penelitian, Lampiran 9

3. Outliers

Salah satu cara untuk mendeteksi outliers secara multivariate adalah dengan

menggunakan jarak Mahalonobis (Mahalonobis Distance). Jarak Mahalanobis untuk tiap

observasi dapat dihitung dan akan menunjukkan jarak sebuah observasi dari rata-rata

semua variabel dalam sebuah ruang multidimensional (Ferdinand, 2002 : 102). Uji

terhadap outliers multivariate dilakukan dengan menggunakan kriteria jarak Mahalanobis

pada tingkat p < 0.001. Jarak Mahalonobis tersebut di evaluasi pada derajat bebas sebesar

jumlah indikator yang digunakan dalam penelitian, yaitu sebanyak 22 indikator. Oleh

karena itu, semua data yang mempunyai jarak Mahalanobis yang lebih dari χ2 (22, 0.001)

= 48,268 adalah outliers multivariate yang dilihat dari Tabel Distribusi Chi Kuadrat

(Suyana, 2007 : 180)

47

Perhitungan terhadap jarak Mahalanobis ini terdapat pada output hasil analisis

dengan menggunakan AMOS 4.01. Berdasarkan print-out farthest from thr centroid

(Mahalanobis Distance) yang disajikan pada lampiran 9 hasil penelitian , hampir seluruh

data telah memenuhi syarat dan tidak terdapat gejala outliers multivariate. Hanya

terdapat satu observasi yang menunjukkan gejala outliers yaitu observasi nomor 13 yang

memiliki nilai Mahalanobis d-squared lebih besar dari jarak Mahalanobis yang

disyaratkan (48,268) yaitu sebesar 49,758 Namun demikian, dalam analisis selanjutnya

gejala outliers yang ditemukan pada observasi nomor 13 tidak dihilangkan dan tetap ikut

dianalisis, karena tidak mengganggu model secara keseluruhan.

4. Hasil Uji Multikolinearitas

Hasil pengujian terhadap gejala multikolinieritas, korelasi antara konstruk confidence

benefits dan konstruk social benefits sesuai dengan Tabel Correlation pada lampiran 9

hasil penelitian adalah sebesar 0,158 sedangkan konstruk confidence benefits dan

konstruk special treatment benefits adalah sebesar 0,183 dan untuk konstruk special

treatment benefits dan konstruk social benefits adalah sebesar 0,155. Sehinnga seluruh

konstruk eksogen memiliki nilai < 0,85. Dengan demikian dapat dikatakan bahwa antar

konstruk eksogen (confidence benefits, social benefits, special treatment benefits) tidak

terdapat gejala multikolinieritas

5.1.4 Pengujian Model Pengukuran

5.1.4.1 Analisis faktor konfirmatori konstruk eksogen

Pengujian model pengukuran menggunakan metode analisis faktor konfirmatori

48

(confirmatory factor analysis/CFA). Tahap pertama dimasukkan semua indikator pada setiap

konstruk atau variabel, selanjutnya dilakukan modifikasi indikator dan indeks untuk memperoleh

model yang fit.

1. Confidence benefits.

Hasil konfirmatori konstruk confidence benefits dapat dilihat pada Tabel 5.4

Tabel 5.4 Kriteria Goodness of fit konstruk confidence benefits

Goodness of Fit Index Cut-off Value HasilAnalisis

Keterangan

X2- Chi- Square Diharapkan nilai lebih kecil 5,743 BaikSignificance Probability ≥ 0,05 0,057 BaikCMIN/DF ≤ 2,00 2,872 MarginalGFI ≥ 0,90 0,980 BaikAGFI ≥ 0,90 0,902 BaikTLI ≥ 0,95 0,950 BaikCFI ≥ 0,95 0,983 BaikRMSEA ≤ 0,08 0,111 Marginal

Sumber : Hasil Penelitian, Lampiran 3

Hasil analisis data pada Tabel 5.4 menunjukkan bahwa konstruk confidence benefits

dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah

ditetapkan. Nilai probabilitas konstruk confidence benefits adalah sebesar 0,057 diatas nilai 0,05

yang menjadi cut-off value, untuk indeks kesesuaian model lainnya seperti GFI, TLI, CFI, dan

AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi ketentuan yang

disyaratkan. Beberapa nilai indeks menunjukkan hasil yang marginal yaitu nilai RMSEA sebesar

0,111 dan nilai CMIN/DF sebesar 2,872, namun hal tersebut masih dapat diterima karena masih

menunjukkan nilai yang mendekati kriteria.

Hasil pengujian validitas untuk konstruk confidence benefits dapat dilihat pada Tabel 5.5

di bawah ini.

49

Tabel 5.5 Nilai factor loading konstruk confidence benefits

Indikator Konstruk Factor loadingx1.4 <--- Confidence Benefit .725x1.3 <--- Confidence Benefit .716x1.2 <--- Confidence Benefit .731x1.1 <--- Confidence Benefit .817

Sumber : Hasil Penelitian, Lampiran 3

Berdasarkan data pada Tabel 5.5 model pengukuran memenuhi kriteria model konstruk

confidence benefits telah fit, karena memiliki nilai factor loading > 0,5. Dapat dijelaskan bahwa

indikator-indikator pembentuk konstruk confidence benefits telah menunjukkan sebagai indikator

yang valid dalam pengukuran konstruk.

2. Social benefits.

Hasil analisis data pada Tabel 5.6 menunjukkan bahwa konstruk Social benefits dalam

proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan.

Nilai probabilitas konstruk Social benefits diatas nilai 0,05 yang menjadi cut-off value, untuk

indeks kesesuaian model lainnya seperti GFI, TLI, CMIN/DF, RMSEA CFI, dan AGFI juga telah

menunjukkan nilai yang baik karena telah memenuhi ketentuan yang disyaratkan.

Tabel 5.6 Kriteria Goodness of fit konstruk social benefits

Goodness of Fit Index Cut-off Value HasilAnalisis

Keterangan

X2- Chi- Square Diharapkan nilai lebih kecil 0,388 BaikSignificance Probability ≥ 0,05 0,824 BaikCMIN/DF ≤ 2,00 0,194 BaikGFI ≥ 0,90 0,999 BaikAGFI ≥ 0,90 0,994 BaikTLI ≥ 0,95 1,039 BaikCFI ≥ 0,95 1,000 BaikRMSEA ≤ 0,08 0,000 Baik

Sumber : Hasil Penelitian, Lampiran 4

50

Sementara itu untuk hasil pengujian validitas untuk konstruk social benefits dapat dilihat pada

Tabel 5.7 di mana seluruh indikator yang membentuk konstruk social benefits memiliki nilai

factor loading yang sesuai dengan syarat di atas 0,5 sehingga indikator-indikator pada konstruk

social benefits telah valid dalam pengukuran konstruk.

Tabel 5.7 Nilai factor loading konstruk social benefits

Indikator Konstruk Factor loadingx2.4 <--- Social Benefit .586x2.3 <--- Social Benefit .710x2.2 <--- Social Benefit .636x2.1 <--- Social Benefit .675

Sumber : Hasil Penelitian, Lampiran 4

3. Special treatment benefits.

Hasil konfirmatori konstruk special treatment benefits dapat dilihat pada Tabel 5.8.

Tabel 5.8 Kriteria Goodness of fit konstruk special treatment benefits

Goodness of Fit Index Cut-off Value HasilAnalisis

Keterangan

X2- Chi- Square Diharapkan nilai lebih kecil 3,341 BaikSignificance Probability ≥ 0,05 0,648 BaikCMIN/DF ≤ 2,00 0,668 BaikGFI ≥ 0,90 0,992 BaikAGFI ≥ 0,90 0,975 BaikTLI ≥ 0,95 1,013 BaikCFI ≥ 0,95 1,000 BaikRMSEA ≤ 0,08 0,000 Baik

Sumber : Hasil Penelitian, Lampiran 5

Hasil analisis data pada Tabel 5.8 menunjukkan bahwa konstruk special treatment

benefits dalam proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang

telah ditetapkan. Nilai probabilitas konstruk special treatment benefits adalah sebesar 0,643

diatas nilai 0,05 yang menjadi cut-off value, untuk indeks kesesuaian model lainnya seperti GFI,

RMSEA, TLI, CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi

51

ketentuan yang disyaratkan. Indeks CMIN/DF menunjukkan nilai marginal karena berada di atas

nilai cut-off namun hal tersebut masih dapat diterima karena masih menunjukkan nilai yang

mendekati kriteria ( ≤ 2,00 ) .

Hasil pengujian validitas untuk konstruk special treatment benefits dapat dilihat pada

Tabel 5.9 di bawah ini.

Tabel 5.9 Nilai factor loading konstruk special treatment benefits

Indikator Konstruk Factor loadingx3.1 <--- Special Treatment Benefit .615x3.2 <--- Special Treatment Benefit .667x3.3 <--- Special Treatment Benefit .727x3.4 <--- Special Treatment Benefit .883x3.5 <--- Special Treatment Benefit .595

Sumber : Hasil Penelitian, Lampiran 5

Berdasarkan data pada Tabel 5.9 model pengukuran memenuhi kriteria model konstruk

special treatment benefits telah fit, karena memiliki nilai factor loading > 0,5. Maka dapat

dijelaskan bahwa indikator-indikator pembentuk konstruk special treatment benefits telah

menunjukkan sebagai indikator yang valid dalam pengukuran konstruk.

5.1.4.2 Analisis Faktor Konfirmatori Konstruk Endogen

1.Kepuasan

Hasil analisis data pada Tabel 5.10 menunjukkan bahwa konstruk kepuasan dalam proses

analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan.

Nilai probabilitas konstruk kepuasan 0,625 dan sesuai dengan cut-off value, untuk indeks

kesesuaian model lainnya seperti GFI yang memiliki nilai 0,991 telah berada di atas nilai

cut-off yaitu 0,95 sehingga model termasuk dalam katagori baik. Untuk nilai indeks TLI,

52

RMSEA CFI, dan AGFI juga telah menunjukkan nilai yang baik karena telah memenuhi

ketentuan yang disyaratkan.

Tabel 5.10 Kriteria Goodness of fit konstruk kepuasan

Goodness of Fit Index Cut-off Value HasilAnalisis

Keterangan

X2- Chi- Square Diharapkan nilai lebih kecil 3,492 BaikSignificance Probability ≥ 0,05 0,625 BaikCMIN/DF ≤ 2,00 0,698 BaikGFI ≥ 0,90 0,991 BaikAGFI ≥ 0,90 0,973 BaikTLI ≥ 0,95 1,017 BaikCFI ≥ 0,95 1,000 BaikRMSEA ≤ 0,08 0,000 Baik

Sumber : Hasil Penelitian, Lampiran 6

Untuk hasil pengujian validitas dari konstruk kepuasan dapat dilihat dari Tabel 5.11, di

mana seluruh indikator yang terdapat pada konstruk kepuasan telah memenuhi kriteria model

yang fit karena memiliki nilai factor loading di atas 0,5. Oleh karena itu, dapat dikatakan bahwa

indikator – indikator pada konstruk kepuasan telah valid dan dapat digunakan ke dalam analisis

selanjutnya.

Tabel 5.11 Nilai factor loading konstruk kepuasan

Indikator Konstruk Factor loadingy1.1 <--- Kepuasan .679y1.2 <--- Kepuasan .655y1.3 <--- Kepuasan .681y1.4 <--- Kepuasan .642y1.5 <--- Kepuasan .570

Sumber : Hasil penelitian, Lampiran 6

53

2. Loyalitas

Hasil konfirmatori konstruk special treatment benefits dapat dilihat pada Tabel 5.12

Tabel 5.12 Kriteria Goodness of fit konstruk loyalitas

Goodness of Fit Index Cut-off Value HasilAnalisis

Keterangan

X2- Chi- Square Diharapkan nilai lebih kecil 4,339 BaikSignificance Probability ≥ 0,05 0,114 BaikCMIN/DF ≤ 2,00 2,169 MarginalGFI ≥ 0,90 0,986 BaikAGFI ≥ 0,90 0,928 BaikTLI ≥ 0,95 0,974 BaikCFI ≥ 0,95 0,991 BaikRMSEA ≤ 0,08 0,088 Baik

Sumber : Hasil Penelitian, Lampiran 7

Hasil analisis data pada Tabel 5.12 menunjukkan bahwa konstruk loyalitas dalam proses analisis

faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai

probabilitas konstruk loyalitas adalah sebesar 0,114 diatas nilai 0,05 yang menjadi cut-off value,

untuk indeks kesesuaian model lainnya seperti GFI, RMSEA, TLI, CFI, dan AGFI juga telah

menunjukkan nilai yang baik karena telah memenuhi ketentuan yang disyaratkan. Indeks

CMIN/DF menunjukkan nilai marginal yaitu 2,169 karena berada di atas nilai cut-off (2,00)

namun hal tersebut masih dapat diterima karena masih menunjukkan nilai yang mendekati

kriteria.

Berdasarkan data pada Tabel 5.13 model pengukuran memenuhi kriteria model konstruk

loyalitas telah fit, karena memiliki nilai factor loading > 0,5. Maka dapat dijelaskan bahwa

indikator-indikator pembentuk konstruk loyalitas telah menunjukkan sebagai indikator yang

valid dalam pengukuran konstruk. Oleh karena itu, seluruh konstruk dalam penelitian dapat di

lanjutkan ke tahapan analisis selanjutnya.

54

Tabel 5.13 Nilai factor loading konstruk loyalitas

Indikator Konstruk Factor loadingy2.1 <--- Loyalitas .655y2.2 <--- Loyalitas .801y2.3 <--- Loyalitas .788y2.4 <--- Loyalitas .852

Sumber : Hasil Penelitian, Lampiran 7

5.1.5 Uji Reliabilitas

Menurut Ghozali (2007:41) reliabilitas sebenarnya adalah alat untuk mengukur suatu

kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan

reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari

waktu ke waktu. Sebuah alat ukur dikatakan reliabel apabila cut-off value dari construct

reliability adalah minimal 0,70 sedangkan cut-off value untuk variance extracted minimal 0,50

(Ferdinand 2002 : 63) Dalam Tabel 5.14 disajikan hasil perhitungan tingkat reliabilitas.

Tabel 5.14 Hasil uji reliabilitas setiap konstruk

Konstruk CR VE KeteranganConfidence benefits 0.83528 0.55955 ReliabelSocial benefits 0.78254 0.52675 ReliabelSpecial treatment benefits 0.82918 0.49789 ReliabelKepuasan 0.82156 0.52590 ReliabelLoyalitas 0.85824 0.60421 Reliabel

Sumber : Hasil penelitian, Lampiran 8

Berdasarkan Tabel 5.14 semua konstruk telah reliabel, karena nilai yang ditunjukkan dari

hasil perhitungan reliabilitas telah memenuhi syarat yaitu di atas 0,7 untuk nilai construct

reliability dan diatas 0,5 untuk nilai variance extracted.

55

5.1.6 Analisis Model Persamaan Struktural

5.1.6.1 Hasil uji overall model fit

Setelah model dianalisis melalui Confirmatory Factor Analysis, diketahui bahwa masing-

masing variabel dapat digunakan untuk mendefinisikan sebuah konstruk laten, maka model

tersebut dapat dianalisis. Pengujian untuk model SEM dilakukan pada indeks-indeks Goodness

of Fit. Salah satu alat uji yaitu Chi square bersifat sangat sensitif terhadap besarnya sampel. Nilai

Chi square merupakan alat uji untuk mengukur overall fit. Hasil uji Chi square dipandang baik

jika nilainya semakin rendah (Ferdinand, 2002 : 55).

Kelemahan dari alat uji Chi square perlu diatasi, salah satunya dengan menggunakan alat

uji Root Mean Square of Approximation (RMSEA) yang lebih independen terhadap ukuran

sampel yang digunakan. RMSEA merupakan uji kesesuaian close fit, tidak seperti Chi square

yang merupakan uji kesesuaian exact fit. Jadi uji kesesuaian yang exact fit kurang realistis bila

dibandingkan dengan uji kesesuaian yang close fit karena lebih realistis untuk mengukur tingkat

aplikasi model terhadap data. Selain RMSEA, indeks Goodness of Fit Indeks (GFI), Tucker

Lewis Index (TLI) juga sangat dianjurkan untuk dipergunakan karena indeks ini tidak sensitif

terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan suatu model. Hasil analisis

persamaan struktural pada model dapat dilihat pada Gambar 5.1

56

Gambar 5.1 Model persamaan struktural pengaruh relational benefit pada kepuasan danloyalitas pelanggan bengkel PT Honda Dewata Motor.

ConfidenceBenefit.50

x1.4e4

.71

.53

x1.3e3.72

.58

x1.2e2 .76

.63

x1.1e1

.80

SocialBenefit

.37

x2.4e8

.48

x2.3e7

.40

x2.2e6

.46

x2.1e5

.61

.69

.63

.68

SpecialTreatment

Benefit

.38

x3.1e9

.62.45

x3.2e10.67.53

x3.3e11 .73.77

x3.4e12

.88

.57

Loyalitas

.43

y2.1 e19.64

y2.2 e20

.66.80

UJI KETEPATAN MODELChi-Square =222.181Probability =.125CMIN/DF =1.116GFI =.881TLI =.977CFI =.980RMSEA =.028AGFI =.849

ez2

.61

y2.3 e21

.78

.73

y2.4 e22

.86

.35

x3.5e13

.59

.30

KepuasanPelanggan

.42

y1.1 e14.38

y1.2 e15.50

y1.3 e16.49

y1.4 e17

ez1

.28

y1.5 e18

.65.61

.71

.70

.53

.43

.25

.06

.51

.16

.16

.18

.23

.18

.11

57

Berdasarkan Gambar 5.6 dapat dijelaskan bahwa model persamaan struktural telah fit

karena memiliki probability sebesar 0,125 yang mencukupi nilai yang menjadi syarat yaitu diatas

0,05. Indek-indeks lainnya yang juga menjadi syarat dalam fit-nya sebuah model dapat dilihat

dalam Tabel 5.10 di bawah ini.

Tabel 5.15 Evaluasi Kriteria Goodness of Fit

Goodness of Fit Index Cut-off Value HasilAnalisis

Keterangan

X2- Chi- Square Diharapkan nilai lebih kecil 222,181 BaikSignificance Probability ≥ 0,05 0,125 BaikCMIN/DF ≤ 2,00 1,116 BaikGFI ≥ 0,90 0,881 MarginalAGFI ≥ 0,90 0,849 MarginalTLI ≥ 0,95 0,977 BaikCFI ≥ 0,95 0,980 BaikRMSEA ≤ 0,08 0,028 Baik

Sumber : Hasil penelitian, Lampiran 9

Berdasarkan data dalam Tabel 5.15 indeks GFI dan AGFI, lebih kecil dari 0,90, yaitu

masing-masing sebesar 0,881 dan 0,849. Nilai ini masih dapat diterima dengan katagori

marginal, indeks TLI dan CFI telah memenuhi syarat karena nilai kedua indeks pada model

memiliki nilai yang lebih besar dari 0,95, yaitu masing-masing sebesar 0,977 dan 0,980.

Berdasarkan indeks CMIN/DF, dapat dilihat bahwa indeks pada model memiliki nilai ≤ 2,00,

yaitu 1,116, indeks RMSEA dari model juga lebih kecil dari 0,08 yakni sebesar 0,028, sehingga

dapat dinyatakan bahwa secara keseluruhan model telah fit.

5.1.6.2 Pengujian Hipotesis

Pengujian terhadap hipotesis penelitian didasari oleh hasil analisis yang diperoleh dari

hubungan kausalitas antar konstruk penelitian seperti disajikan pada Tabel 5.11.

58

Tabel 5.16 Ringkasan Hasil Pengujian Hipotesis Penelitian

Hubungan Kostruk koefisien p KeteranganKepuasan <-- Confidence Benefits .431 *** Hipotesis TerdukungKepuasan <-- Social Benefits .255 .015 Hipotesis TerdukungKepuasan <-- Special Treatment Benefits .058 .530 Hipotesis Tidak TerdukungLoyalitas <-- Confidence Benefit .231 .013 Hipotesis TerdukungLoyalitas <-- Social Benefit .176 .048 Hipotesis TerdukungLoyalitas <-- Special Treatment Benefits .108 .152 Hipotesis Tidak TerdukungLoyalitas <-- Kepuasan .506 *** Hipotesis TerdukungSumber : Hasil penelitian, Lampiran 9

Berdasarkan Tabel 5.16 dapat dilihat bahwa dari tujuh hipotesis yang telah diuji secara

keseluruhan terdapat lima hipotesis yang diterima yaitu konstruk confidence benefits

berpengaruh positif dan signifikan terhadap konstruk kepuasan dengan nilai koefisien 0,431, lalu

konstruk social benefits yang berpengaruh positif dan signifikan terhadap konstruk kepuasan

karena memiliki p value di bawah 0,05, konstruk confidence benefits juga berpengaruh positif

dan signifikan terhadap konstruk loyalitas dengan nilai koefisien sebesar 0,231, dan konstruk

social benefits yang berpengaruh positif dan signifikan terhadap konstruk loyalitas dengan

koefisien 0,176 dan p value 0,48, konstruk kepuasan juga berpengaruh positif dan signifikan

terhadap konstruk loyalitas dengan nilai koefisien 0,506.

Untuk dua hipotesis lainnya yang diuji hipotesisnya tidak dapat diterima, konstruk

special treatment benefits memiliki pengaruh positif namun tidak signifikan terhadap konstruk

kepuasan karena memiliki p value di atas 0,05 yaitu sebesar 0,053, begitu juga hubungan

konstruk special treatment benefits terhadap kosntruk loyalitas yang memiliki p value sebesar

0,152.

59

5.1.6.3 Hasil Analisis Pengaruh Total, Pengaruh Langsung, Dan Pengaruh Tidak Langsung

Dari Hubungan Konstruk Penelitian.

Hasil analisis pengaruh total, pengaruh langsung, dan pengaruh tidak langsung dilakukan

guna mengetahui bagaimana kekuatan pengaruh antar konstruk, baik besarnya pengaruh

langsung, pengaruh tidak langsung, dan besarnya pengaruh total. Untuk hasil analisis dapat

dilihat pada Tabel 5.17

Tabel 5.17 Pengaruh Total, Pengaruh Langsung dan Pengaruh Tidak Langsung

Hubungan Kostruk Indirecteffects

Directeffects Total effects

Kepuasan <--- Confidence Benefits - 0,431 0,431Kepuasan <--- Social Benefits - 0,255 0,255Kepuasan <--- Special Treatment Benefits - 0,058 0,058Loyalitas <--- Confidence Benefit 0,218 0,231 0,449Loyalitas <--- Social Benefit 0,129 0,176 0,305Loyalitas <--- Special Treatment Benefits 0,029 0,108 0,137Loyalitas <--- Kepuasan - 0,506 0,506Sumber : Hasil penelitian, Lampiran 9

Berdasarkan Tabel 5.17 dapat diketahui bahwa konstruk confidence benefits memiliki

pengaruh paling besar terhadap kepuasan pelanggan secara langsung dibandingkan dengan

kontruk social benefits dan special treatment benefits. Dapat dikatakan bahwa reputasi

perusahaan, keandalan karyawan menjadi suatu indikator penting dalam menentukan kepuasan

pelanggan bengkel. Kontruk confidence benefits juga memiliki pengaruh paling besar baik secara

langsung maupun tidak langsung terhadap konstruk loyalitas jika dibandingkan dengan konstruk

eksogen lainnya.

60

5.2 Pembahasan Hasil Penelitian

5.2.1 Pembahasan Hipotesis.

Berdasarkan seluruh hasil penelitian terutama hasil pengujian hipotesis maka dapat

dijelaskan pengaruh dari konstruk eksogen yang terdiri dari confidence benefits, social benefits,

special treatment benefits terhadap variabel endogen yaitu kepuasan dan loyalitas.

1. Pengaruh confidence benefits terhadap kepuasan.

Berdasarkan hasil pengujian hipotesis, dapat dijelaskan bahwa confidence

benefits berpengaruh positif dan signifikan terhadap kepuasan pelanggaan PT

Honda Dewata Motor. Artinya, bahwa confidence benefits atau manfaat

kepercayaan yang meliputi reputasi perusahaan, keandalan karyawan, ketepatan

janji perusahaan, dan kepercayaan terhadap karyawan bengkel, telah mampu

membuat pelanggan PT Honda Dewata Motor puas. Selain itu, berdasarkan hasil

penelitian juga dapat disimpulkan bahwa semakin baik manfaat kepercayaan

yang diperoleh atau confidence benefits maka kepuasan yang akan dirasakan oleh

pelanggan PT Honda Dewata Motor akan semakin baik juga. Hal ini sejalan

dengan studi yang dilakukan oleh Hennig-Thurau et al. (2002), Kinard dan

Capella (2006), Molina et al. (2007), Yen dan Gwinner (2003), Ardyansyah

(2007), Prayustika (2010) dan Semadi (2010).

2. Pengaruh social benefits terhadap kepuasan.

Berdasarkan hasil penelitian, dapat dijelaskan bahwa social benefits berpengaruh

positif dan signifikan terhadap kepuasan pelanggaan PT Honda Dewata Motor

karena memiliki nilai p dibawah 0,050. Artinya, bahwa semakin baik manfaat

sosial yang diperoleh atau social benefits maka kepuasan yang akan dirasakan

61

oleh pelanggan PT Honda Dewata Motor akan semakin baik juga. Hasil

penelitian ini juga sejalan dengan studi yang dilakukan oleh Ardyansyah (2007)

Semadi (2010) dan Marzo-Navaro et al. (2004).

3. Pengaruh special treatment benefits terhadap kepuasan.

Berdasarkan hasil penelitian, dapat dijelaskan bahwa special treatment benefits

berpengaruh tidak signifikan terhadap kepuasan pelanggaan PT Honda Dewata

Motor karena memiliki nilai p di atas 0,050. Artinya, bahwa special treatment

benefits atau manfaat perlakuan istimewa tidak menjadi faktor penting dalam

menentukan kepuasan pelanggan PT Honda Dewata Motor. Perlakuan istimewa

yang perusahaan berikan tidak mampu memberikan kepuasan kepada para

pelangganya, sehingga perlu di kaji kembali apakah tindakan-tindakan

perusahaan dalam memberikan perlakuan istimewa sudah tepat sasaran dan tetap

memperhatikan efektifitas dari strategi tersebut. Temuan dari penelitian ini tidak

sejalan dengan hasil studi yang dilakukan oleh Ardyansyah (2007) dan

Prayustika (2010). Namun, pengaruh konstruk special treatment benefits yang

tidak signifikan terhadap konstruk kepuasan sejalan dengan beberapa studi yang

dilakukan oleh peneliti lainnya, antara lain Hennig-Thurau et al. (2002), Kinard

dan Capella (2006), Molina et al. (2007), dan Yen dan Gwinner (2003).

4. Pengaruh confidence benefits terhadap loyalitas.

Berdasarkan hasil penelitian, dapat dijelaskan bahwa confidence benefits

berpengaruh positif dan signifikan terhadap loyalitas pelanggaan PT Honda

Dewata Motor. Artinya, bahwa confidence benefits atau manfaat kepercayaan

yang meliputi reputasi perusahaan, keandalan karyawan, ketepatan janji

62

perusahaan dan kepercayaan terhadap karyawan bengkel, telah mampu membuat

pelanggan PT Honda Dewata Motor menjadi loyal. Selain itu, berdasarkan hasil

penelitian juga dapat dijelaskan bahwa semakin baik manfaat kepercayaan yang

terjalin atau confidence benefits maka loyalitas pelanggan PT Honda Dewata

Motor akan semakin baik juga. Hasil temuan ini sejalan dengan studi yang

dilakukan oleh Hennig-Thurau et al. (2002), Kinard dan Capella (2006); Ruiz-

Molina et al. (2009), dan Yen and Gwinner (2003).

5. Pengaruh social benefits terhadap loyalitas.

Berdasarkan hasil penelitian, dapat dijelaskan bahwa social benefits berpengaruh

positif dan signifikan terhadap loyalitas pelanggaan PT Honda Dewata Motor.

Artinya bahwa semakin baik manfaat sosial yang terjalin atau social benefits

maka loyalitas pelanggan PT Honda Dewata Motor akan semakin baik juga.

Hasil penelitian ini juga sejalan dengan studi yang dilakukan oleh Hennig-Thurau

et al. (2002), Semadi (2010) dan Marzo-Navaro et al. (2004).

6. Pengaruh special treatment benefits terhadap loyalitas.

Berdasarkan hasil penelitian, dapat dijelaskan bahwa special treatment benefits

berpengaruh tidak signifikan terhadap kepuasan pelanggaan PT Honda Dewata

Motor karena memiliki nilai p di atas 0,050. Artinya, bahwa special treatment

benefits atau manfaat perlakuan istimewa bukan merupakan hal yang vital dalam

menciptakan loyalitas pelanggan PT Honda Dewata Motor. Temuan dari

penelitian ini sejalan dengan hasil studi yang dilakukan oleh Semadi (2010),

Hennig-Thurau et al. (2002), dan Kinard dan Capella (2006). Namun, Hasil

penelitian ini tidak sejalan dengan hasil penelitian yang dilakukan oleh Ruiz-

63

Molina et al. (2009), Yen dan Gwinner (2003), Prayustika (2010) dan

Ardyansyah (2007).

7. Pengaruh kepuasan terhadap loyalitas

Hasil pengujian hipotesis menunjukkan bahwa kepuasan pelanggan PT Honda

Dewata Motor berpengaruh positif dan signifikan terhadap loyalitas karena nilai

p berada di bawah 0,050. Hal ini menunjukkan bahwa semakin tinggi tingkat

kepuasan pelanggan PT Honda Dewata Motor, maka akan semakin tinggi juga

tingkat loyalitas pelangggan PT Honda Dewata Motor. Hasil temuan ini sejalan

dengan studi beberapa peneliti, diantaranya adalah Hennig-Thurau et al. (2002),

Marzo-Navaro et al. (2004), Yen dan Gwinner (2003), Yen et al. (2009),

Ardyansyah (2007), Prayustika (2010).

5.2.2 Pengaruh Tidak Langsung Konstruk Relational Benefit Terhadap Konstruk Loyalitas

Melalui Konstruk Kepuasan.

1. Pengaruh confidence benefits terhadap loyalitas melalui kepuasan.

Berdasarkan Tabel 5.17 besarnya pengaruh tidak langsung dari konstruk

confidence benefits terhadap loyalitas melalui konstruk kepuasan adalah sebesar

0,218 Pengaruh positif ini menunjukkan bahwa kepuasan yang dibentuk oleh

konstruk confidence benefits dapat menciptakan pengaruh ke konstruk loyalitas.

Artinya bahwa semakin baik confidence benefits yang diberikan kepada

pelanggan maka semakin tinggi juga tingkat kepuasan dan loyalitas pelanggan PT

Honda Dewata Motor. Gwinner et al. (1998) menyatakan bahwa confidence

64

benefits adalah manfaat yang dapat mengurangi rasa kecemasan dan kekhawatiran

pelanggan terhadap para penyedia jasa, dalam hal ini kepercayaan pelanggan

terhadap PT Honda Dewata Motor dapat memenuhi kepuasan pelanggan yang

secara tidak langsung juga mampu menciptakan loyalitas pelanggan.

2. Pengaruh social benefits terhadap loyalitas melalui kepuasan.

Besarnya nilai pengaruh tidak langsung konstruk social benefits terhadap loyalitas

melalui kepuasan berdasarkan Tabel 5.17 adalah 0.129. Walaupun tidak lebih

besar dari pengaruh langsung social benefits kepada loyalitas, namun dapat di

jelaskan bahwa hubungan pertemanan yang baik atau manfaat sosial yang

diberikan PT Honda Dewata Motor akan menunjukkan pengaruh yang berbanding

lurus dengan kepuasan dan loyalitas pelanggan. Artinya, bahwa interaksi yang

menyenangkan antara pelanggan dengan karyawan bengkel PT Honda Dewata

Motor akan menciptakan suatu pengalaman yang menyenangkan bagi pelanggan.

Zeithaml et al. (2006:184) menyatakan bahwa ketika pelanggan puas dengan

perlakuan yang di dapat maka secara tidak langsung pelanggan dapat menjadi

loyal kepadan perusahaan dan enggan untuk beralih ke perusahaaan lainnya

3. Pengaruh special treatment benefits terhadap loyalitas melalui kepuasan.

Pengaruh konstruk special treatment benefits secara tidak langsung terhadap

konstruk loyalitas melalui kepuasan adalah sebesar 0,029 atau lebih kecil dari

nilai pengaruh langsungnya yaitu sebesar 0,108. Hal ini menunjukkan bahwa

kepuasan yang didapatkan pelangggan karena adanya manfaat perlakuan istimewa

tetap mampu memberikan pengaruh secara tidak langsung yang positif. Walaupun

65

dalam pengujian hipotesis konstruk special treatment benefits tidak berpengaruh

secara signifikan.

5.3 Implikasi Hasil Penelitian

Hasil dari penelitian dapat memberikan manfaat secara praktis maupun teoritis mengenai

strategi pemasaran relationship marketing khususnya relational benefit kaitannya dengan

kepuasan dan juga loyalitas pelanggan PT Honda Dewata Motor. Secara teoritis penjabaran

relationship marketing menekankan pada membangun hubungan jangka panjang dengan

pelanggan sehingga terdapat suatu manfaat bagi kedua belah pihak yaitu pelanggan dan juga

perusahaan yang menerapkan strategi ini. Dengan strategi relational benefit melalui confidence

benefits, social benefits, dan special treatment benefits diharapkan perusahaan mampu dalam

menjaga hubungan baik dengan pelanggan.

Secara praktis berdasarkan pemetaan distribusi jawaban responden, khususnya mengenai

penilaian responden terhadap indikator-indikator konstruk confidence benefits, social benefits,

special treatment benefits, kepuasan, dan juga loyalitas. Untuk konstruk confidence benefits

seluruh indikatornya berada pada rentang nilai baik karena berada pada rentang nilai 3,41 sampai

dengan 4,20. Hal ini menunjukkan bahwa secara umum perusahaan telah mampu

mengaplikasikan strategi confidence benefits dengan baik dan hal tersebut harus dipertahankan

bahkan ditingkatkan. Untuk konstruk social benefits seluruh indikator memperoleh nilai dalam

rentang 3,41 sampai dengan 4,20 yang artinya perusahaan mampu membangun hubungan sosial

yang baik dengan pelanggan PT Honda Dewata Motor, namun perusahaan tidak boleh berdiam

diri dan puas dengan hasil yang ada, sebab pesaing juga akan terus meningkatkan kualitas

perusahaannya dan sewaktu-waktu dapat merebut pelanggan yang dimiliki oleh PT Honda

66

Dewata Motor. Untuk konstruk special treatment benefits tidak semua indikator mendapatkan

nilai yang berada pada rentang 3,41 sampai dengan 4,20 terdapat satu indikator yang

memperoleh nilai sebesar 3,32 yang berada katagori cukup, di samping itu hasil pengujian

hipotesis juga menunjukan bahwa terdapat hubungan yang tidak signifikan anatara special

treatment benefits dengan kepuasaan dan juga loyalitas pelanggan. Hal ini menunjukkan perlu

usaha yang lebih baik lagi dari PT Honda Dewata Motor untuk dapat memberikan perlakuan

istimewa kepada pelanggan, atau pihak bengkel harus mengkaji ulang apakah treatment special

atau kustomisasi yang diberikan sudah tepat dan selalu memperhatikan efektifitas dan efisiensi

dari strategi yang akan digunakan.

5.4 Keterbatasan Penelitian

1. Responden dalam penelitian ini belum dibedakan antara pemilik dan pengguna langsung

kendaraan, sehingga sensitifitas dalam menilai suatu manfaat dari hubungan akan

berbeda serta kecenderungan dalam memperhatikan dan menikmati perlakuan istimewa

dari perusahaan akan berbeda.

2. Indikator yang membentuk konstruk special treatment benefits belum mampu

mewakilkan kebutuhan istimewa seperti apa yang dibutuhkan oleh pelanggan bengkel.

3. Penelitian yang menggunakan bengkel sebagai tempat penelitian sangat jarang dilakukan,

sehingga refrensi bentuk-bentuk perlakuan istimewa yang tepat masih perlu dikaji

kembali

67

BAB VI

SIMPULAN DAN SARAN

6.1 SIMPULAN

Simpulan yang dapat dikemukakan berdasarkan hasil penelitian yang telan di bahas di

bagian sebelumnya adalah :

1. Confidence benefits atau manfaat kepercayaan berpengaruh positif dan signifikan

terhadap kepuasan pelanggan PT Honda Dewata Motor. Hal ini menunjukkan

bahwa semakin baik manfaat kepercayaan yang di dapatkan pelanggan dari

perusahaan akan berbanding lurus dengan tingkat kepuasaan pelanggan.

Berdasarkan penilaian pelanggan pada indikator-indikator confidence benefits,

perusahaan mendapatkan penilaian yang baik karena nilai berada pada rentang

yang baik. Jadi dapat disimpulkan hasil yang baik dari penilaian konsumen

terhadap confidence benefits akan berpengaruh signifikan kepada kepuasan

pelanggan.

2. Social benefits juga berpengaruh positif dan signifikan terhadap kepuasan

pelanggan PT Honda Dewata Motor, hasil penilaian pelanggan juga menunjukkan

hasil yang berada pada rentang nilai baik sehingga dapat disimpulkan manfaat

pertemanan atau sosial yang diberikan oleh perusahaan berpengaruh signifikan

kepada kepuasan pelanggan PT Honda Dewata Motor.

67

68

3. Special treatment benefits tidak semua indikator yang berada di dalamnya

mampu memberikan nilai yang baik, di samping itu hasil penelitian menunjukkan

bahwa walaupun special treatment benefits memberikan hasil yang positit kepada

kepuasaan pelanggan namun belum signifikan.

4. Confidence benefits atau manfaat kepercayaan berpengaruh positif dan signifikan

terhadap loyalitas pelanggan PT Honda Dewata Motor. Hal ini menunjukkan

bahwa semakin baik manfaat kepercayaan yang di dapatkan pelanggan dari

perusahaan akan berbanding lurus dengan tingkat loyalitas pelanggan.

5. Social benefits juga berpengaruh positif dan signifikan terhadap loyalitas

pelanggan PT Honda Dewata Motor, hasil penilaian pelanggan juga menunjukkan

hasil yang berada pada katagori nilai baik sehingga dapat disimpulkan manfaat

sosial yang diberikan oleh perusahaan berpengaruh signifikan kepada loyalitas

pelanggan PT Honda Dewata Motor.

6. Special treatment benefits berpengaruh positif namun tidak signifikan terhadap

loyalitas pelanggan. Hal ini menunjukan bahwa special treatment benefits yang

diberikan tidak memberikan pengaruh terhadap loyalitas dari pelanggan PT

Honda Dewata Motor.

7. Kepuasan pelanggan PT Honda Dewata Motor berpengaruh positif terhadap

loyalitas pelanggan. Semakin baik tingkat kepuasan yang dirasakan pelanggan PT

Honda Dewata Motor, maka akan semakin loyal pelanggan tersebut, dan hasil

penelitian juga menunjukkan nilai yang signifikan dari pengaruh kedua konstruk

ini.

69

6.2 SARAN

Adapun saran yang dapat diberikan berdasarkan hasil yang di dapat di dalam penelitian

ini adalah sebagai berikut :

1. Untuk Manajemen PT Honda Dewata Motor, hasil penelitian ini dapat dijadikan

sebagai sebuah tambahan informasi dalam menyusun strategi bisnisnya,

khususnya dalam strategi pemasaran.

2. Hasil peneltian ini juga menunjukkan bahwa penting bagi perusahaan untuk

menjaga hubungan jangka panjang dengan pelanggan yang ada saat ini,

perusahaan disarankan untuk lebih memfokuskan pada pemuasan kebutuhan

pelanggan yang sudah ada, dan menerapkan strategi relational benefits dapat

dijadikan sebagai salah satu metode alternatif

3. Pemberian perlakuan spesial memang belum menunjukkan hasil yang signifikan,

walaupun terdapat indikator yang tidak berada pada rentang baik dan secara

keseluruhan pelanggan masih puas, perusahaan harus tetap waspada dan berbenah

serta mulai mencoba menyusun ulang strategi ini dengan lebih baik, agar nantinya

dapat mengahadapi persaingan dengan kompetitior dan mengatasi seluruh

kebutuhan pelanggan yang telah ada saat ini.

4. Dalam penelitian ini, konstruk special treatment benefits tidak berpengaruh secara

signifikan kepada konstruk kepuasan dan juga loyalitas, untuk penelitian

berikutnya yang ingin meneliti di perusahaan jasa yang sejenis, agar

mengevaluasi dan mencari tambahan refrensi untuk indikator-indikator yang

membentuk konstruk special treatment benefits.

70

5. Topik penelitian mengenai relationship marketing khususnya relational benefits

belum banyak dilakukan di Indonesia khsusnya di Bali, sehingga peluang

penelitian sangat terbuka karena masih banyak jenis-jenis perusahaan lain yang

dapat di teliti dengan pendekatan strategi relationship marketing khsusnya

relational benefits.

71

DAFTAR PUSTAKA

Alrubaiee, Laith and Nahla Al-Nazer 2010. Investigate the Impact of Relationship MarketingOrientation on Customer Loyalty: The Customer's Perspective. International Journal ofMarketing Studies, Vol. 2, No. 1, pp. 155-174.

Ardyansyah. 2007. Pengaruh Relational Benefit dan Relationship Quality pada RelationalOutcomes di PT Esc Indonesia, Tesis, Program Magister Manajemen UGM Yogyakartatidak dipublikasikan.

Dimitriadis, Sergios. 2010. Testing Perceived Relational Benefits As Satisfaction And BehavioralOutcomes Drivers. International Journal of Bank Marketing, Vol. 28, No. 4, pp. 297-313.

Duck, Kim. 2005. The relationships between service quality, customer satisfacation, andrepurchase intention in Korean private golf courses, (online),(http://gradworks.umi.com/31/77/3177086.html)

Eisingerich, Andreas B, Simon J. Bell. 2006. Relationship Marketing in The Financial ServiceIndustry, Journal of Financial Service Marketing, Vol. 10 No. 4, pp. 86-97.

Ferdinand, Augusty. 2002. Structural Equation Modelling Dalam Penelitian Manajemen AplikasiModel-Model Rumit Dalam Penelitian Untuk Tesis Magister & Disertasi Doktor,Semarang : BP UNDIP.

Griffin, Jill. 2002. Customer Loyalty, How to Keep it. Josey Bass

Gwinner, Kevin P., Dwayne D. Grembler, and Mary Jo Bitner. 1998. Relational Benefits inService Industries : The Customer’s Perpective. Journal Academic Marketing Science, Vol.26, pp. 101-114

Hurriyati, Ratih. 2005. Bauran Pemasaran dan Loyalitas Konsumen. Bandung : Alfabeta

Hennig-Thurau, Thorsten, and Alexander Klee. 1997. The Impact Of Customer Satisfaction andRelationship Quality on Customer Retention. Journal of Psychology and Marketing, Vol.14 No. 8, pp. 737 – 764.

Hennig-Thurau, Thorsten, Kevin P. Gwinner, Dwayne D. Gremler. 2002. UnderstandingRelationship Marketing Outcomes : An Integration of Relational Benefits andRelationship Quality . Journal of Service Research, Vol. 4, No. 3, pp. 230-247.

Kau, Ah-Keng and Elizabeth Wan-Yiun Loh. 2006. The effect of service recovery onsatisfacation : a comparison between compalaints and non-complainants. Journal ofService Marketing, Vol. 20, No. 2, pp. 101-111.

72

Kinard, Brian R., and Michael L. Capella. 2006. Relationship Marketing: The Influence OfConsumer Involvement On Perceived Service Benefits. Journal of Services Marketing,Vol. 20, pp. 359–368.

Kotler, Hayes, Thomas, & Bloom. 2002. Marketing Profesional Service. New York :Prentice Hall.

Kotler, 2006. Manajemen Pemasaran Edisi Kesebelas, Jilid II, Jakarta : Indeks KelompokGramedia.

Leverin, Andraez, and Veronica Liljander. 2006. Does relationship marketing improve customerrelationship satisfaction and loyalty?. International Journal of Bank Marketing, Vol. 24No. 4, pp. 232-251

Lupiyoadi, Rambat dan A. Hamdani. 2008. Manajemen Pemasaran Jasa, Edisi ke. 2, Jakarta:Salemba Empat.

Lovelock, Christopher, and Lauren K. Wright. 2007. Manajemen Pemasaran Jasa, CetakanKedua, Jakarta: Indeks.

Marzo-Navvaro, Mercedes., Marta Pedraja-Iglesias, and Ma Pilar Revera-Torres. 2004. TheBenefits of Relationship Marketing for The Customer and for The Fashion Retailers.Journal of Fashion Marketing and Management, Vol. 8 No. 4, pp. 425-436

Molina, Arturo, David Martin-Consuegra, Agueda Esteban. 2007. Relational Benefits AndCustomer Satisfaction In Retail Banking. International Journal of Bank Marketing, Vol.25 No. 4, pp. 253-271

Ndubisi, Nelson Oly, and Chan Kok Wah. 2005. Factorical and Discriminant Analyses ofUnderpinnings of Relationship Marketing and Customer Satisfaction . InternationalJournal of Bank Marketing, Vol. 23 No. 7, pp. 542-557

Palmatier, Robert W., Rajiv P. Dant, Druft Grewal, and Kenneth R. Evans. 2006. 1995. FactorThe Influencing The Effectiveness of Relationhip Marketing. Journal Of Marketing,Vol. 70, pp. 136 – 153.

Prayustika, Putu Adriani 2010. Pengaruh Manfaat Relasional dan Kualitas Hubungan Pada HasilPemasaran Relasional di Bali Beach Golf Course, Tesis, Program Magister ManajemenUniversitas Udayana Bali tidak dipublikasikan.

Perrean, Jean, and Line Richard. 1995. The Meaning Of Marketing Relationship, IndustrialMarketing Management ,Vol. 24, pp. 37- 43

Rauyruen Papassapa, Kenneth E. Miller, 2007. Relationship Quality As A Predictor Of B2BCustomer Loyalty, Journal Of Business Research, Vol. 60, pp. 21-31

73

Rashid, Tahir. 2003. Relationship Marketing : Case Studies of Personal Experiences of EatingOut, British Food. Journal Of Business Research l. Vol. 105 No. 10, pp. 742-750.

Ruiz-Molina, Maria-Eugenia., Irene Gil-Saura, and Gloria Berenguer-Contri. 2009. RelationalBenefits And Loyalty in Retailing: An Inter-Sector Comparison. International Journal ofRetail & Distribution Management, Vol. 37 No. 6, pp. 493-509.

Sugiyono.2007. Metode Peneitian Bisnis, Cetakan Kesepuluh, Bandung: CV. Alfabeta.

Sui,Jun Jian, Seyhmus Baloglu. 2003. The Role Of Emotional Commitment In RelationshipMarketing: An Empirical Investigation Of A Loyalty. Journal of Hospitality & TourismResearch, Vol. 27, No 7, pp. 470 - 479

Suprapti, Sri. 2009. ”Perilaku Pasca Pembelian : Sebuah Tinjauan Konseptual untuk peluangPenelitian ”. MATRIK, Jurnal Manajemen, Strategi Bisnis

Suyana, Utama Made. 2007. Aplikasi Analisis Kuantitatif, Denpasar: Sastra Utama.

Semadi, Sri Wulandari 2010. Pengaruh Manfaat Relasional Terhadap Kepuasan dan LoyalitasNasabah Bank (Studi Kasus pada Bank BPD Bali Cabang Utama Denpasar), Tesis,Program Magister Manajemen Universitas Udayana Bali tidak dipublikasikan.

Solimun. 2005. Structural Equation Modelling, Surabaya: Universitas Katolik Widya Mandala.

Qin, Hong and Victor R. Prybutok, 2008, Determinants of Customer-Perceived Service Qualityin Fast-Food Restaurant and Relationship To Customer Satisfacation and BehavioralIntentions. The Quality Management Journal, Vol 15, No 2, pp. 35-43.

Wibowo, Herry Arianto Lestari, 2009. Pengaruh Relationship Marketing terhadap LoyalitasPelanggan Melalui Kepuasan Pelanggan, Jurnal Aplikasi Manajemen, Vol. 17, No. 4, pp.818-823

Yu-Kevin Siu Lung, and Song Yang. 2009. Determinants of Customer Loyalty: An ExploratoryInvestigation on Relational Benefits in the Context of Customer Club, ANZMAC. pp. 1– 8

Yen, Hsiu Ju Rebecca, and Kevin P. Gwinner. 2003. Internet Retail Customer Loyalty . Journalof Service, Vol. 14 No. 5, pp. 483 – 500.

Yen, Tsai Fa, Hsiou Hsiang Liu, and Chao-Lin Tuan. 2009. Managing Relationship Effort toInfluence Loyalty : An Emperical Study on The Sun Link Sea Forest and RecreationalPark, Taiwan. The International Journal of Organizational Innovation, Vol. 2 No. 2, pp.179 – 194.

Zheithaml, Valerie A., Mary Jo Bitner, and Dwyne D. Gremler. 2006. Service Marketing-Integrating Customer Focus Across The Firm 4th edition. New York : McGraw Hill.

74

LAMPIRAN 1

KUESIONER

75

KUESIONER

Dengan Hormat,

Sehubungan dengan penyusunan usulan penelitian di Magister Manajemen Universitas

Udayana, bersama ini Saya :

Nama : I Made Surya Prayoga, SE

Nim : 1090662045

Konsentrasi : Pemasaran

Dalam hal ini mengadakan penelitian mengenai PENGARUH RELATIONAL BENEFIT TERHADAPKEPUASAN PELANGGAN DAN LOYALITAS PELANGGAN BENGKEL PT HONDA DEWATA MOTOR

Untuk maksud tersebut, maka Saya mohon kesedian dan partisipasi Bapak/Ibu/Saudara/i untuk

berkenan membantu mengisi kuesioner ini dengan lengkap, sesuai dengan ketentuan dan jujur

mengenai pendapat dan penilaian Anda sendiri, tanpa dipengaruhi oleh siapapun. Kueisioner ini

semata-mata digunakan untuk kepentingan ilmiah.

Atas kerja sama dan partisipasi Bapak/Ibu/Saudara/i meluangkan waktunya dan

memberikan informasi yang diperlukan, Saya haturkan terima kasih.

Hormat Saya,

I Made Surya Prayoga, SE

76

DAFTAR PERTANYAAN PENELITIAN

No.Responden : …………….( diisi oleh peneliti )

I. IDENTITAS RESPONDEN

Mohon Bapak/Ibu/Saudara/i bersedia mengisi daftar isian berikut dengan caramenjawab atau menyilang salah satu pilihan yang tersedia sesuai dengan keadaanyang sebenarnya.

1. Nama Bapak/Ibu/Saudara/i :……………………………........2. Jenis Kelamin : a. Pria b. wanita3. Umur :…………tahun4. Pendidikan

a. SD d. Diplomab. SMP e. Sarjanac. SMA f. Pascasarjana

5. Pekerjaana. Siswa / Mahasiswa d. PNSb. Karyawan Swasta e. Wiraswastac. Karyawan BUMN / BUMD f. Lainnya……………….

II. PERTANYAAN UMUM1. Tipe Mobil Honda yang Anda gunakan?

a. CRVb. Jazzc. Streamd. All new CRVe. Lainnya………

2. Berapa kali Anda menggunakan jasa service di bengkel Honda Dewata Motor ?a. 1 kali c. 3 kalib. 2 kali d. lebih dari 3 kali

3. Apakah anda pernah menggunakan jasa bengkel di tempat lainnya?a. Ya, di bengkel resmi Honda lainnyab. Ya, diluar bengkel resmi Hondac. Tidak pernah, Hanya di Honda Dewata Motor

77

III. PENDAPAT TENTANG RELATIONAL BENEFIT, KEPUASANPELANGGAN, DAN LOYALITAS SERVICE DI BENGKEL HONDADEWATA MOTOR.

Berikut ini adalah beberapa pertanyaan terkait pengalaman Anda menggunakan jasa

service di bengkel Honda Dewata Motor. Mohon memberikan jawaban yang

sebenarnya dengan cara menyilang (X) atau menyontreng (V) pada kolom yang

sesuai dengan pendapat Anda.

Keterangan :

STS = Sangat Tidak Setuju

TS = Tidak Setuju

N = Netral

S = Setuju

SS = Sangat Setuju

RELATIONAL BENEFIT

NO PERTANYAAN STS TS N S SSConfidance Benefits

1 Anda percaya terhadap karyawanbengkel Honda Dewata Motor

2 Anda yakin dengan reputasi yangdimiliki oleh bengkel Honda dewataMotor

3 Karyawan bengkel Honda Dewata Motordapat diandalkan

4 Bengkel Honda Dewata Motor selalumenepati janjinya dalam penyelesaianwaktu service

78

NO PERTANYAAN STS TS N S SS

Social Benefits5 Anda merasa dihargai dan diperlakukan

dengan baik oleh pihak Bengkel HondaDewata Motor

6 Anda menikmati hubungan pertemanandengan karyawan bengkel, sehinggatidak ada rasa canggung ketika datang kebengkel ini

7 Karyawan Bengkel Honda DewataMotor mengenali identitas Anda

8 Suasana keakraban yang terjalinmembuat Anda nyaman dalammenyampaikan permasalahan dalam halservice mobil

Special Treatment Benefits9 Anda selalu di dahulukan dibandingkan

konsumen lainnya dalam daftar tunggu(waiting list)

10 Anda mendapatkan potongan harga(discount) yang konsumen lain padaumumnya tidak dapatkan di bengkel ini.

11 Anda mendapatkan pelayanan yangberbeda (lebih ramah dan sigap) yangkonsumen lain pada umumnya tidakdapatkan di bengkel ini.

12 Anda mendapatkan harga yang berbeda(spesial price) yang konsumen lain padaumumnya tidak dapatkan di bengkel ini.

13 Secara keseluruhan Anda mendapatkanpelayanan yang jauh lebih lengkap(tempat tunggu khusus, informasi produkdan promo khusus) yang konsumen lainpada umumnya tidak dapatkan dibengkel ini.

79

KEPUASAN PELANGGAN

NO PERTANYAAN STS TS N S SS1 Anda puas dengan Layanan yang diberikan oleh

Bengkel Honda Dewata Motor2 Pengalaman Anda dalam menggunakan jasa service

di Bengkel Honda Dewata Motor sesuai denganyang diharapkan

3 Anda puas dengan bagaimana Perusahann BengkelHonda Dewata Motor Memperlakukan anda

4 Bagi Anda, memilih Bengkel Honda Dewata Motormerupakan keputusan yang tepat

5 Secara keseluruhan Anda puas dengan seluruhlayanan Bengkel Honda Dewata Motor

LOYALITAS

NO PERTANYAAN STS TS N S SS1 Jika di lain waktu Anda membutuhkan jasa service

bengkel, Anda akan menggunakan kembali jasaservice Bengkel Honda Dewata Motor

2 Ketika anda membutuhkan jasa service bengkel,Bengkel Honda Dewata Motor adalah Pilihanutama anda.

3 Ketika Bengkel Honda Dewata tutup, anda akanmenunda melakukan perawatan dan enggan untukberalih ke bengkel lain

4 Anda akan merekomendasikan Bengkel HondaDewata Motor kepada orang lain

80

LAMPIRAN 2

TABULASI DATA KUESIONER

81

82

83

84

85

LAMPIRAN 3

HASIL UJI CONFIRMATORY FACTOR ANALYSISKONSTRUK CONFIDENCE BENEFITS

86

Analysis Summary

Date and Time

Date: Thursday, July 4, 2013Time: 12:02:50 PM

Title

confidence: Thursday, July 4, 2013 12:02 PM

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.x1.1 1.000 5.000 -.347 -1.752 -.897 -2.266x1.2 1.000 5.000 -.471 -2.378 -.208 -.524x1.3 1.000 5.000 -.458 -2.311 -.626 -1.581x1.4 1.000 5.000 -.449 -2.269 -.659 -1.664Multivariate 3.726 3.326

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

ConfidenceBenefit

.53

x1.4e4

.72

.51

x1.3e3

.72

.53

x1.2e2 .73

.67

x1.1e1

.82

UJI KETEPATAN MODELChi-Square =5.743Probability =.057CMIN/DF =2.872GFI =.980TLI =.950CFI =.983RMSEA =.111AGFI =.902

87

Observation number Mahalanobis d-squared p1 p2153 22.306 .000 .026

9 16.053 .003 .076149 16.048 .003 .011

13 13.840 .008 .033105 12.695 .013 .049148 12.587 .013 .018

99 12.168 .016 .0134 10.660 .031 .100

97 10.531 .032 .06220 10.440 .034 .035

152 10.213 .037 .027124 9.152 .057 .170

57 9.151 .057 .10364 8.583 .072 .21962 8.473 .076 .18446 8.306 .081 .17654 7.767 .100 .36998 7.447 .114 .48214 7.353 .118 .449

133 7.095 .131 .53922 7.095 .131 .44419 6.726 .151 .63448 6.624 .157 .62649 6.044 .196 .90916 5.887 .208 .93079 5.887 .208 .89765 5.706 .222 .93192 5.659 .226 .91829 5.610 .230 .904

131 5.493 .240 .91850 5.493 .240 .88493 5.402 .249 .890

116 5.300 .258 .90363 5.300 .258 .86524 5.300 .258 .820

150 5.156 .272 .865117 5.156 .272 .821121 4.980 .289 .888

80 4.905 .297 .892103 4.895 .298 .861111 4.889 .299 .821

88

Observation number Mahalanobis d-squared p1 p288 4.883 .300 .77671 4.883 .300 .719

122 4.627 .328 .87558 4.594 .332 .858

141 4.594 .332 .81584 4.487 .344 .853

139 4.259 .372 .94437 4.157 .385 .960

147 4.013 .404 .980110 4.013 .404 .97070 4.012 .404 .957

138 3.734 .443 .99444 3.684 .451 .994

3 3.684 .451 .991136 3.587 .465 .995113 3.587 .465 .99186 3.522 .475 .99396 3.522 .475 .989

144 3.522 .475 .983145 3.522 .475 .975

2 3.445 .486 .9825 3.445 .486 .973

60 3.279 .512 .99233 3.279 .512 .98810 3.252 .517 .98611 3.252 .517 .97915 3.252 .517 .96987 3.118 .538 .988

128 3.118 .538 .981137 3.118 .538 .973146 3.118 .538 .961

53 3.059 .548 .96789 3.059 .548 .95312 3.056 .548 .93721 3.056 .548 .91428 3.056 .548 .88661 3.056 .548 .851

140 3.056 .548 .811123 3.051 .549 .771

18 3.051 .549 .71969 2.987 .560 .753

89

Observation number Mahalanobis d-squared p1 p217 2.955 .565 .74459 2.955 .565 .689

106 2.908 .573 .702120 2.908 .573 .644134 2.824 .588 .713114 2.824 .588 .655107 2.824 .588 .593

75 2.824 .588 .52868 2.824 .588 .46378 2.697 .610 .618

115 2.697 .610 .5541 2.649 .618 .574

127 2.608 .625 .58185 2.608 .625 .51632 2.608 .625 .44925 2.507 .643 .56627 2.507 .643 .499

112 2.507 .643 .432

Sample Moments (Group number 1)

Sample Covariances (Group number 1)

x1.1 x1.2 x1.3 x1.4x1.1 1.207x1.2 .628 .988x1.3 .658 .614 1.112x1.4 .803 .583 .589 1.346Condition number = 7.300Eigenvalues3.119 .672 .435 .427Determinant of sample covariance matrix = .390

Sample Correlations (Group number 1)

x1.1 x1.2 x1.3 x1.4x1.1 1.000x1.2 .575 1.000x1.3 .568 .585 1.000x1.4 .630 .505 .481 1.000Condition number = 7.605

90

Eigenvalues2.674 .560 .414 .352

Notes for Model (Default model)

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 10Number of distinct parameters to be estimated: 8

Degrees of freedom (10 - 8): 2

Result (Default model)

Minimum was achievedChi-square = 5.743Degrees of freedom = 2Probability level = .057

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Labelx1.4 <--- Confidence Benefit 1.000x1.3 <--- Confidence Benefit .897 .118 7.614 *** par_1x1.2 <--- Confidence Benefit .864 .111 7.776 *** par_2x1.1 <--- Confidence Benefit 1.067 .119 8.999 *** par_3

Standardized Regression Weights: (Group number 1 - Default model)

Estimatex1.4 <--- Confidence Benefit .725x1.3 <--- Confidence Benefit .716x1.2 <--- Confidence Benefit .731x1.1 <--- Confidence Benefit .817

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelConfidence Benefit .707 .148 4.770 *** par_4e4 .639 .094 6.778 *** par_5

91

Estimate S.E. C.R. P Labele3 .542 .080 6.737 *** par_6e2 .460 .071 6.526 *** par_7e1 .402 .079 5.107 *** par_8

Squared Multiple Correlations: (Group number 1 - Default model)

Estimatex1.1 .667x1.2 .534x1.3 .512x1.4 .525

Model Fit Summary

CMIN

Model NPAR CMIN DF P CMIN/DFDefault model 8 5.743 2 .057 2.872Saturated model 10 .000 0Independence model 4 231.452 6 .000 38.575

RMR, GFI

Model RMR GFI AGFI PGFIDefault model .032 .980 .902 .196Saturated model .000 1.000Independence model .504 .516 .193 .309

Baseline Comparisons

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .975 .926 .984 .950 .983Saturated model 1.000 1.000 1.000Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFIDefault model .333 .325 .328Saturated model .000 .000 .000Independence model 1.000 .000 .000

92

NCP

Model NCP LO 90 HI 90Default model 3.743 .000 15.020Saturated model .000 .000 .000Independence model 225.452 179.384 278.940

FMIN

Model FMIN F0 LO 90 HI 90Default model .038 .025 .000 .099Saturated model .000 .000 .000 .000Independence model 1.523 1.483 1.180 1.835

RMSEA

Model RMSEA LO 90 HI 90 PCLOSEDefault model .111 .000 .222 .123Independence model .497 .444 .553 .000

AIC

Model AIC BCC BIC CAICDefault model 21.743 22.287 45.987 53.987Saturated model 20.000 20.680 50.304 60.304Independence model 239.452 239.724 251.574 255.574

ECVI

Model ECVI LO 90 HI 90 MECVIDefault model .143 .118 .217 .147Saturated model .132 .132 .132 .136Independence model 1.575 1.272 1.927 1.577

HOELTER

Model HOELTER.05

HOELTER.01

Default model 159 244Independence model 9 12

93

LAMPIRAN 4

HASIL UJI CONFIRMATORY FACTOR ANALYSISKONSTRUK SOCIAL BENEFITS

94

Analysis Summary

Date and Time

Date: Thursday, July 4, 2013Time: 12:06:22 PM

Title

social: Thursday, July 4, 2013 12:06 PM

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.x2.1 1.000 5.000 -.269 -1.361 -.905 -2.285x2.2 1.000 5.000 -.294 -1.485 -.733 -1.850x2.3 1.000 5.000 -.251 -1.269 -.967 -2.442x2.4 1.000 5.000 -.353 -1.780 -.691 -1.743Multivariate 1.327 1.185

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

SocialBenefit

.34

x2.4e8

.50

x2.3e7

.40

x2.2e6

.46

x2.1e5

.59

.71

.64

.68

UJI KETEPATAN MODELChi-Square =.388Probability =.824CMIN/DF =.194GFI =.999TLI =1.039CFI =1.000RMSEA =.000AGFI =.994

95

Observation number Mahalanobis d-squared p1 p2145 15.478 .004 .442

11 12.494 .014 .634137 12.315 .015 .410149 12.205 .016 .227

95 11.948 .018 .138151 11.785 .019 .073150 11.785 .019 .028

2 11.006 .026 .05216 10.642 .031 .04928 9.960 .041 .101

135 9.695 .046 .095128 8.696 .069 .369130 8.148 .086 .565

96 8.015 .091 .53327 7.843 .098 .531

148 7.828 .098 .433146 7.828 .098 .331

25 7.777 .100 .27068 7.497 .112 .350

132 7.492 .112 .26648 7.449 .114 .21412 7.251 .123 .25151 7.129 .129 .250

126 6.936 .139 .298152 6.641 .156 .436

82 6.572 .160 .406114 6.572 .160 .32564 6.526 .163 .284

113 6.447 .168 .270142 6.447 .168 .205

70 6.299 .178 .241131 6.299 .178 .182

29 5.892 .207 .431110 5.875 .209 .37049 5.615 .230 .54463 5.545 .236 .53786 5.241 .263 .75537 5.207 .267 .72499 5.159 .271 .70594 4.998 .288 .788

127 4.871 .301 .835

96

Observation number Mahalanobis d-squared p1 p233 4.871 .301 .78622 4.806 .308 .78836 4.745 .314 .78852 4.745 .314 .73359 4.745 .314 .672

136 4.695 .320 .662116 4.656 .325 .64169 4.202 .379 .94558 4.202 .379 .92465 4.179 .382 .90979 4.171 .383 .88477 4.171 .383 .84789 4.148 .386 .82414 4.072 .396 .84538 4.036 .401 .83467 3.922 .417 .88388 3.922 .417 .848

134 3.903 .419 .823153 3.876 .423 .804138 3.876 .423 .755

60 3.837 .429 .74692 3.824 .430 .706

125 3.795 .434 .685143 3.795 .434 .625102 3.789 .435 .570

15 3.789 .435 .5054 3.748 .441 .499

73 3.748 .441 .434133 3.712 .446 .422109 3.712 .446 .360

23 3.490 .479 .61844 3.490 .479 .55597 3.490 .479 .490

106 3.430 .489 .516117 3.430 .489 .452121 3.430 .489 .389140 3.430 .489 .329101 3.405 .492 .305122 3.405 .492 .251123 3.405 .492 .202

87 3.388 .495 .176

97

Observation number Mahalanobis d-squared p1 p291 3.334 .504 .18950 3.306 .508 .17513 3.235 .519 .20718 3.235 .519 .164

119 3.189 .527 .16919 3.189 .527 .131

124 3.160 .531 .12221 3.109 .540 .131

120 3.109 .540 .09939 3.103 .541 .07747 2.975 .562 .14456 2.906 .574 .17424 2.848 .584 .19732 2.848 .584 .15593 2.848 .584 .118

5 2.672 .614 .2801 2.594 .628 .344

30 2.436 .656 .563

Sample Moments (Group number 1)

Sample Covariances (Group number 1)

x2.1 x2.2 x2.3 x2.4x2.1 1.020x2.2 .468 1.253x2.3 .537 .565 1.204x2.4 .416 .432 .444 1.024Condition number = 4.609Eigenvalues2.574 .709 .659 .558Determinant of sample covariance matrix = .672

Sample Correlations (Group number 1)

x2.1 x2.2 x2.3 x2.4x2.1 1.000x2.2 .414 1.000x2.3 .484 .460 1.000x2.4 .407 .381 .400 1.000Condition number = 4.510

98

Eigenvalues2.275 .634 .587 .505

Notes for Model (Default model)

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 10Number of distinct parameters to be estimated: 8

Degrees of freedom (10 - 8): 2

Result (Default model)

Minimum was achievedChi-square = .388Degrees of freedom = 2Probability level = .824

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Labelx2.4 <--- Social Benefit 1.000x2.3 <--- Social Benefit 1.314 .236 5.577 *** par_1x2.2 <--- Social Benefit 1.201 .221 5.427 *** par_2x2.1 <--- Social Benefit 1.150 .205 5.612 *** par_3

Standardized Regression Weights: (Group number 1 - Default model)

Estimatex2.4 <--- Social Benefit .586x2.3 <--- Social Benefit .710x2.2 <--- Social Benefit .636x2.1 <--- Social Benefit .675

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelSocial Benefit .352 .104 3.393 *** par_4e8 .672 .094 7.152 *** par_5

99

Estimate S.E. C.R. P Labele7 .597 .106 5.653 *** par_6e6 .747 .112 6.679 *** par_7e5 .555 .090 6.178 *** par_8

Squared Multiple Correlations: (Group number 1 - Default model)

Estimatex2.1 .456x2.2 .404x2.3 .504x2.4 .343

Model Fit Summary

CMIN

Model NPAR CMIN DF P CMIN/DFDefault model 8 .388 2 .824 .194Saturated model 10 .000 0Independence model 4 129.470 6 .000 21.578

RMR, GFI

Model RMR GFI AGFI PGFIDefault model .010 .999 .994 .200Saturated model .000 1.000Independence model .372 .648 .413 .389

Baseline Comparisons

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .997 .991 1.013 1.039 1.000Saturated model 1.000 1.000 1.000Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFIDefault model .333 .332 .333Saturated model .000 .000 .000Independence model 1.000 .000 .000

100

NCP

Model NCP LO 90 HI 90Default model .000 .000 2.774Saturated model .000 .000 .000Independence model 123.470 90.117 164.254

FMIN

Model FMIN F0 LO 90 HI 90Default model .003 .000 .000 .018Saturated model .000 .000 .000 .000Independence model .852 .812 .593 1.081

RMSEA

Model RMSEA LO 90 HI 90 PCLOSEDefault model .000 .000 .096 .875Independence model .368 .314 .424 .000

AIC

Model AIC BCC BIC CAICDefault model 16.388 16.932 40.631 48.631Saturated model 20.000 20.680 50.304 60.304Independence model 137.470 137.742 149.591 153.591

ECVI

Model ECVI LO 90 HI 90 MECVIDefault model .108 .118 .137 .111Saturated model .132 .132 .132 .136Independence model .904 .685 1.173 .906

HOELTER

Model HOELTER.05

HOELTER.01

Default model 2350 3612Independence model 15 20

101

LAMPIRAN 5

HASIL UJI CONFIRMATORY FACTOR ANALYSISKONSTRUK SPECIAL TREATMENT BENEFITS

102

Analysis Summary

Date and Time

Date: Thursday, July 4, 2013Time: 12:08:16 PM

Title

special: Thursday, July 4, 2013 12:08 PM

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.x3.5 1.000 5.000 -.446 -2.253 -.474 -1.196x3.4 1.000 6.000 -.245 -1.240 -1.071 -2.704x3.3 1.000 6.000 -.236 -1.194 -.908 -2.294x3.2 1.000 5.000 -.183 -.923 -.749 -1.891x3.1 1.000 5.000 -.120 -.608 -1.001 -2.528Multivariate .465 .344

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

SpecialTreatment

Benefit

.38

x3.1e9

.62.45

x3.2e10.67

.53

x3.3e11.73

.78

x3.4e12

.88

UJI KETEPATAN MODELChi-Square =3.341Probability =.648CMIN/DF =.668GFI =.992TLI =1.013CFI =1.000RMSEA =.000AGFI =.975

.35

x3.5e13

.60

103

Observation number Mahalanobis d-squared p1 p217 17.914 .003 .374

142 15.914 .007 .29629 13.488 .019 .56544 12.827 .025 .53638 11.539 .042 .768

5 11.356 .045 .68561 11.062 .050 .651

113 10.784 .056 .626144 10.683 .058 .532

37 10.496 .062 .485115 10.164 .071 .52239 10.096 .073 .43394 10.043 .074 .34480 10.012 .075 .25758 9.653 .086 .33218 9.596 .088 .26579 9.595 .088 .18547 9.436 .093 .17899 9.434 .093 .11959 9.264 .099 .12148 8.690 .122 .318

114 8.552 .128 .31819 8.293 .141 .402

136 8.258 .143 .340104 7.903 .162 .511

1 7.757 .170 .536111 7.736 .171 .46793 7.541 .183 .538

109 7.528 .184 .465137 7.524 .184 .388

68 7.401 .192 .40772 7.308 .199 .40473 7.308 .199 .329

6 7.251 .203 .3037 7.251 .203 .238

10 7.249 .203 .183102 6.851 .232 .417

63 6.756 .239 .429103 6.718 .242 .390110 6.706 .243 .33171 6.695 .244 .276

104

Observation number Mahalanobis d-squared p1 p230 6.624 .250 .270

100 6.624 .250 .213116 6.619 .251 .16722 6.513 .259 .18752 6.280 .280 .312

105 6.248 .283 .27885 5.947 .311 .50546 5.925 .314 .459

145 5.818 .324 .504128 5.796 .327 .460148 5.595 .348 .609

62 5.595 .348 .54342 5.351 .375 .73641 5.351 .375 .67891 5.345 .375 .62312 5.339 .376 .56565 5.332 .377 .506

9 5.229 .389 .56157 5.152 .398 .58551 5.074 .407 .61236 4.981 .418 .656

117 4.952 .422 .62960 4.931 .424 .591

121 4.827 .437 .65224 4.734 .449 .700

146 4.717 .451 .66121 4.626 .463 .707

129 4.511 .478 .776101 4.474 .483 .765130 4.459 .485 .728132 4.350 .500 .792127 4.231 .517 .855139 4.089 .537 .918

96 3.977 .553 .94992 3.957 .556 .93953 3.943 .558 .92414 3.852 .571 .946

131 3.767 .583 .96145 3.737 .588 .95684 3.643 .602 .97166 3.566 .613 .979

105

Observation number Mahalanobis d-squared p1 p2124 3.516 .621 .981

88 3.516 .621 .97231 3.454 .630 .976

150 3.425 .635 .974106 3.391 .640 .971

49 3.348 .646 .97269 3.297 .654 .97470 3.297 .654 .963

4 3.262 .660 .961153 3.254 .661 .948152 3.254 .661 .928135 3.254 .661 .902134 3.254 .661 .870133 3.254 .661 .831

90 3.227 .665 .81635 3.197 .670 .80486 3.185 .672 .769

122 3.185 .672 .714

Sample Moments (Group number 1)

Sample Covariances (Group number 1)

x3.5 x3.4 x3.3 x3.2 x3.1x3.5 1.217x3.4 .675 1.409x3.3 .547 .865 1.253x3.2 .489 .773 .523 1.176x3.1 .512 .766 .642 .586 1.512Condition number = 9.781Eigenvalues3.906 .860 .713 .689 .399Determinant of sample covariance matrix = .659

Sample Correlations (Group number 1)

x3.5 x3.4 x3.3 x3.2 x3.1x3.5 1.000x3.4 .515 1.000x3.3 .443 .651 1.000x3.2 .408 .600 .431 1.000

106

x3.5 x3.4 x3.3 x3.2 x3.1x3.1 .377 .525 .467 .439 1.000Condition number = 9.913Eigenvalues2.957 .627 .576 .541 .298

Notes for Model (Default model)

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 15Number of distinct parameters to be estimated: 10

Degrees of freedom (15 - 10): 5Result (Default model)Minimum was achievedChi-square = 3.341Degrees of freedom = 5Probability level = .648

Scalar Estimates (Group number 1 - Default model)Maximum Likelihood EstimatesRegression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Labelx3.1 <--- Special Treatment Benefit 1.000x3.2 <--- Special Treatment Benefit .956 .144 6.661 *** par_1x3.3 <--- Special Treatment Benefit 1.076 .152 7.086 *** par_2x3.4 <--- Special Treatment Benefit 1.385 .183 7.583 *** par_3x3.5 <--- Special Treatment Benefit .868 .142 6.098 *** par_4

Standardized Regression Weights: (Group number 1 - Default model)

Estimatex3.1 <--- Special Treatment Benefit .615x3.2 <--- Special Treatment Benefit .667x3.3 <--- Special Treatment Benefit .727x3.4 <--- Special Treatment Benefit .883x3.5 <--- Special Treatment Benefit .595

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelSpecial Treatment Benefit .572 .146 3.911 *** par_5e9 .940 .121 7.784 *** par_6e10 .653 .086 7.594 *** par_7

107

Estimate S.E. C.R. P Labele11 .590 .083 7.095 *** par_8e12 .311 .080 3.862 *** par_9e13 .786 .099 7.920 *** par_10

Squared Multiple Correlations: (Group number 1 - Default model)

Estimatex3.5 .354x3.4 .779x3.3 .529x3.2 .445x3.1 .379

Model Fit SummaryCMINModel NPAR CMIN DF P CMIN/DFDefault model 10 3.341 5 .648 .668Saturated model 15 .000 0Independence model 5 267.157 10 .000 26.716

RMR, GFI

Model RMR GFI AGFI PGFIDefault model .024 .992 .975 .331Saturated model .000 1.000Independence model .530 .507 .261 .338

Baseline Comparisons

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .987 .975 1.006 1.013 1.000Saturated model 1.000 1.000 1.000Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFIDefault model .500 .494 .500Saturated model .000 .000 .000Independence model 1.000 .000 .000

108

NCP

Model NCP LO 90 HI 90Default model .000 .000 6.294Saturated model .000 .000 .000Independence model 257.157 207.552 314.187

FMIN

Model FMIN F0 LO 90 HI 90Default model .022 .000 .000 .041Saturated model .000 .000 .000 .000Independence model 1.758 1.692 1.365 2.067

RMSEA

Model RMSEA LO 90 HI 90 PCLOSEDefault model .000 .000 .091 .799Independence model .411 .370 .455 .000

AIC

Model AIC BCC BIC CAICDefault model 23.341 24.163 53.646 63.646Saturated model 30.000 31.233 75.457 90.457Independence model 277.157 277.568 292.309 297.309

ECVI

Model ECVI LO 90 HI 90 MECVIDefault model .154 .164 .206 .159Saturated model .197 .197 .197 .205Independence model 1.823 1.497 2.199 1.826

HOELTER

Model HOELTER.05

HOELTER.01

Default model 504 687Independence model 11 14

109

LAMPIRAN 6

HASIL UJI CONFIRMATORY FACTOR ANALYSISKONSTRUK KEPUASAN

110

UJI KETEPATAN MODELChi-Square =3.492Probability =.625CMIN/DF =.698GFI =.991TLI =1.017CFI =1.000RMSEA =.000AGFI =.973

KepuasanPelanggan

.46

y1.1 e14

.43

y1.2 e15

.46

y1.3 e16

.41

y1.4 e17

.33

y1.5 e18

.68

.66

.68

.64

.57

111

Analysis Summary

Date and Time

Date: Thursday, July 4, 2013Time: 12:04:15 PM

Title

Kepuasan: Thursday, July 4, 2013 12:04 PM

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.y1.5 1.000 5.000 -.481 -2.431 -.827 -2.089y1.4 1.000 5.000 -.346 -1.747 -1.054 -2.660y1.3 1.000 5.000 -.125 -.632 -1.211 -3.058y1.2 1.000 5.000 -.198 -1.001 -.806 -2.035y1.1 1.000 5.000 -.504 -2.543 -.712 -1.798Multivariate 3.920 2.898

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared p1 p217 18.409 .002 .31687 17.630 .003 .09894 16.260 .006 .069

111 15.149 .010 .06419 14.736 .012 .033

113 13.714 .018 .054148 13.393 .020 .035

80 13.393 .020 .01261 12.476 .029 .034

126 12.413 .030 .01618 11.523 .042 .058

143 10.709 .057 .17113 10.681 .058 .110

152 10.660 .059 .066141 10.268 .068 .098136 10.198 .070 .069

16 10.178 .070 .042151 9.657 .086 .105

112

Observation number Mahalanobis d-squared p1 p2127 9.581 .088 .080

24 9.566 .089 .051140 9.249 .100 .082

86 9.240 .100 .052121 9.213 .101 .034

25 9.163 .103 .0243 8.997 .109 .026

53 8.746 .120 .041144 8.567 .128 .050114 8.558 .128 .032146 8.137 .149 .099

52 7.668 .175 .281145 7.198 .206 .577150 6.994 .221 .670

21 6.891 .229 .68122 6.533 .258 .86523 6.470 .263 .85562 6.382 .271 .86048 6.023 .304 .96357 5.939 .312 .966

110 5.912 .315 .95693 5.912 .315 .93649 5.912 .315 .91110 5.892 .317 .88969 5.836 .322 .882

138 5.769 .329 .883122 5.769 .329 .845

98 5.752 .331 .81120 5.730 .333 .779

153 5.726 .334 .72863 5.709 .336 .68495 5.708 .336 .622

116 5.642 .343 .625131 5.642 .343 .559139 5.325 .378 .809

51 5.325 .378 .760142 5.207 .391 .812

26 5.160 .397 .804129 5.059 .409 .840

64 5.035 .412 .81612 5.027 .413 .776

113

Observation number Mahalanobis d-squared p1 p2103 5.014 .414 .736

65 5.007 .415 .687115 4.968 .420 .67238 4.549 .473 .94646 4.377 .496 .978

117 4.359 .499 .972123 4.338 .502 .966

73 4.267 .512 .97272 4.267 .512 .96011 4.263 .512 .94514 4.263 .512 .924

9 4.198 .521 .93370 4.136 .530 .94039 4.110 .534 .93128 3.991 .551 .959

128 3.842 .572 .983124 3.842 .572 .975

97 3.825 .575 .96960 3.816 .576 .959

8 3.763 .584 .962104 3.729 .589 .959

27 3.671 .598 .9646 3.649 .601 .9577 3.649 .601 .940

91 3.642 .602 .92277 3.557 .615 .94358 3.543 .617 .93050 3.494 .624 .933

147 3.494 .624 .9091 3.388 .640 .944

79 3.313 .652 .95737 3.283 .656 .95354 3.200 .669 .968

5 3.172 .674 .96444 3.172 .674 .949

109 3.156 .676 .93785 3.139 .679 .92475 3.139 .679 .89729 3.076 .688 .912

102 3.044 .693 .9064 3.044 .693 .874

114

Sample Moments (Group number 1)

Sample Covariances (Group number 1)

y1.5 y1.4 y1.3 y1.2 y1.1y1.5 1.565y1.4 .464 1.389y1.3 .570 .651 1.301y1.2 .516 .490 .488 1.048y1.1 .562 .586 .572 .545 1.304Condition number = 5.797Eigenvalues3.515 1.044 .770 .672 .606Determinant of sample covariance matrix = 1.151

Sample Correlations (Group number 1)

y1.5 y1.4 y1.3 y1.2 y1.1y1.5 1.000y1.4 .315 1.000y1.3 .400 .484 1.000y1.2 .403 .406 .418 1.000y1.1 .394 .436 .439 .466 1.000Condition number = 5.363Eigenvalues2.668 .701 .605 .530 .497

Notes for Model (Default model)

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 15Number of distinct parameters to be estimated: 10

Degrees of freedom (15 - 10): 5

Result (Default model)

Minimum was achievedChi-square = 3.492Degrees of freedom = 5Probability level = .625

115

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Labely1.1 <--- Kepuasan 1.000y1.2 <--- Kepuasan .865 .133 6.483 *** par_1y1.3 <--- Kepuasan 1.001 .156 6.418 *** par_2y1.4 <--- Kepuasan .976 .156 6.260 *** par_3y1.5 <--- Kepuasan .920 .160 5.751 *** par_4

Standardized Regression Weights: (Group number 1 - Default model)

Estimatey1.1 <--- Kepuasan .679y1.2 <--- Kepuasan .655y1.3 <--- Kepuasan .681y1.4 <--- Kepuasan .642y1.5 <--- Kepuasan .570

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelKepuasan .602 .144 4.174 *** par_5e14 .703 .107 6.584 *** par_6e15 .598 .087 6.835 *** par_7e16 .698 .107 6.528 *** par_8e17 .817 .117 6.968 *** par_9e18 1.056 .140 7.530 *** par_10

Squared Multiple Correlations: (Group number 1 - Default model)

Estimatey1.5 .325y1.4 .412y1.3 .463y1.2 .429y1.1 .461

Model Fit Summary

116

CMIN

Model NPAR CMIN DF P CMIN/DFDefault model 10 3.492 5 .625 .698Saturated model 15 .000 0Independence model 5 184.124 10 .000 18.412

RMR, GFI

Model RMR GFI AGFI PGFIDefault model .031 .991 .973 .330Saturated model .000 1.000Independence model .447 .588 .382 .392

Baseline Comparisons

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .981 .962 1.008 1.017 1.000Saturated model 1.000 1.000 1.000Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFIDefault model .500 .491 .500Saturated model .000 .000 .000Independence model 1.000 .000 .000

NCP

Model NCP LO 90 HI 90Default model .000 .000 6.623Saturated model .000 .000 .000Independence model 174.124 133.752 221.932

FMIN

Model FMIN F0 LO 90 HI 90Default model .023 .000 .000 .044Saturated model .000 .000 .000 .000Independence model 1.211 1.146 .880 1.460

RMSEA

117

Model RMSEA LO 90 HI 90 PCLOSEDefault model .000 .000 .093 .783Independence model .338 .297 .382 .000

AIC

Model AIC BCC BIC CAICDefault model 23.492 24.314 53.797 63.797Saturated model 30.000 31.233 75.457 90.457Independence model 194.124 194.535 209.276 214.276

ECVI

Model ECVI LO 90 HI 90 MECVIDefault model .155 .164 .208 .160Saturated model .197 .197 .197 .205Independence model 1.277 1.012 1.592 1.280

HOELTER

Model HOELTER.05

HOELTER.01

Default model 482 657Independence model 16 20

118

LAMPIRAN 7

HASIL UJI CONFIRMATORY FACTOR ANALYSISKONSTRUK LOYALITAS

119

Analysis Summary

Date and Time

Date: Thursday, July 4, 2013Time: 12:01:28 PM

Title

loyalitas: Thursday, July 4, 2013 12:01 PM

Assessment of normality (Group number 1)

Loyalitas

.43

y2.1 e19

.64

y2.2 e20

.65

.80

UJI KETEPATAN MODELChi-Square =4.339Probability =.114CMIN/DF =2.169GFI =.986TLI =.974CFI =.991RMSEA =.088AGFI =.928

.62

y2.3 e21

.79

.73

y2.4 e22

.85

120

Variable min max skew c.r. kurtosis c.r.y2.4 1.000 5.000 -.383 -1.933 -1.310 -3.307y2.3 1.000 5.000 -.131 -.660 -1.042 -2.632y2.2 1.000 5.000 -.360 -1.817 -1.088 -2.746y2.1 1.000 5.000 -.447 -2.258 -.752 -1.900Multivariate 3.014 2.691

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared p1 p213 20.830 .000 .051

117 19.150 .001 .006146 16.776 .002 .004

52 11.209 .024 .51250 10.886 .028 .42427 10.707 .030 .313

123 10.384 .034 .27628 10.268 .036 .191

5 9.932 .042 .18897 9.803 .044 .13749 9.708 .046 .092

136 9.434 .051 .09472 9.235 .055 .08469 8.690 .069 .17638 8.603 .072 .13722 8.237 .083 .20664 8.053 .090 .211

140 7.973 .093 .17465 7.864 .097 .15539 7.563 .109 .22763 7.563 .109 .16044 6.254 .181 .90698 5.991 .200 .95354 5.939 .204 .942

122 5.902 .207 .926137 5.887 .208 .897129 5.887 .208 .855147 5.794 .215 .857

7 5.767 .217 .8236 5.767 .217 .7653 5.541 .236 .859

121

Observation number Mahalanobis d-squared p1 p210 5.470 .242 .85518 5.470 .242 .80682 5.470 .242 .74829 5.452 .244 .69960 5.265 .261 .79216 5.254 .262 .745

148 4.801 .308 .957127 4.801 .308 .938

70 4.779 .311 .92289 4.641 .326 .950

103 4.594 .332 .94580 4.594 .332 .92396 4.526 .339 .92794 4.526 .339 .89992 4.526 .339 .865

145 4.513 .341 .833150 4.512 .341 .787

68 4.438 .350 .803121 4.247 .374 .901

99 4.205 .379 .89486 4.205 .379 .86037 3.868 .424 .980

8 3.818 .431 .98058 3.818 .431 .97019 3.562 .469 .99634 3.560 .469 .993

113 3.559 .469 .99051 3.559 .469 .98411 3.451 .485 .99214 3.451 .485 .98720 3.451 .485 .98125 3.451 .485 .97277 3.451 .485 .95995 3.447 .486 .94573 3.429 .489 .934

9 3.429 .489 .9104 3.429 .489 .881

24 3.358 .500 .9011 3.358 .500 .870

59 3.266 .514 .90745 3.266 .514 .877

122

Observation number Mahalanobis d-squared p1 p242 3.266 .514 .84141 3.266 .514 .799

101 3.262 .515 .756104 3.262 .515 .703143 3.262 .515 .645105 3.231 .520 .630

12 3.189 .527 .633138 3.147 .533 .635

88 2.929 .570 .8622 2.896 .575 .857

17 2.896 .575 .81815 2.824 .588 .85423 2.824 .588 .81467 2.824 .588 .76740 2.807 .591 .73826 2.634 .621 .89321 2.460 .652 .970

151 2.418 .659 .973149 2.418 .659 .960134 2.418 .659 .944132 2.418 .659 .922118 2.418 .659 .895111 2.418 .659 .861110 2.418 .659 .821107 2.418 .659 .774

87 2.418 .659 .72071 2.418 .659 .660

144 2.341 .673 .729

Sample Moments (Group number 1)

Sample Covariances (Group number 1)

y2.4 y2.3 y2.2 y2.1y2.4 1.497y2.3 .864 1.165y2.2 .990 .850 1.420y2.1 .830 .620 .651 1.292Condition number = 8.894Eigenvalues3.777 .732 .441 .425

123

Determinant of sample covariance matrix = .518

Sample Correlations (Group number 1)

y2.4 y2.3 y2.2 y2.1y2.4 1.000y2.3 .654 1.000y2.2 .679 .661 1.000y2.1 .596 .505 .480 1.000Condition number = 9.410Eigenvalues2.795 .560 .348 .297

Notes for Model (Default model)

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 10Number of distinct parameters to be estimated: 8

Degrees of freedom (10 - 8): 2

Result (Default model)

Minimum was achievedChi-square = 4.339Degrees of freedom = 2Probability level = .114

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Labely2.1 <--- Loyalitas .714 .083 8.585 *** par_1y2.2 <--- Loyalitas .915 .087 10.517 *** par_2y2.3 <--- Loyalitas .815 .080 10.179 *** par_3y2.4 <--- Loyalitas 1.000

Standardized Regression Weights: (Group number 1 - Default model)

Estimatey2.1 <--- Loyalitas .655

124

Estimatey2.2 <--- Loyalitas .801y2.3 <--- Loyalitas .788y2.4 <--- Loyalitas .852

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelLoyalitas 1.087 .179 6.081 *** par_4e19 .738 .096 7.697 *** par_5e20 .509 .082 6.179 *** par_6e21 .442 .070 6.336 *** par_7e22 .410 .083 4.932 *** par_8

Squared Multiple Correlations: (Group number 1 - Default model)

Estimatey2.4 .726y2.3 .621y2.2 .642y2.1 .429

Model Fit Summary

CMIN

Model NPAR CMIN DF P CMIN/DFDefault model 8 4.339 2 .114 2.169Saturated model 10 .000 0Independence model 4 276.817 6 .000 46.136

RMR, GFI

Model RMR GFI AGFI PGFIDefault model .029 .986 .928 .197Saturated model .000 1.000Independence model .628 .480 .133 .288

Baseline Comparisons

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .984 .953 .991 .974 .991

125

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Saturated model 1.000 1.000 1.000Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFIDefault model .333 .328 .330Saturated model .000 .000 .000Independence model 1.000 .000 .000

NCP

Model NCP LO 90 HI 90Default model 2.339 .000 12.539Saturated model .000 .000 .000Independence model 270.817 220.036 329.012

FMIN

Model FMIN F0 LO 90 HI 90Default model .029 .015 .000 .082Saturated model .000 .000 .000 .000Independence model 1.821 1.782 1.448 2.165

RMSEA

Model RMSEA LO 90 HI 90 PCLOSEDefault model .088 .000 .203 .209Independence model .545 .491 .601 .000

AIC

Model AIC BCC BIC CAICDefault model 20.339 20.883 44.582 52.582Saturated model 20.000 20.680 50.304 60.304Independence model 284.817 285.089 296.938 300.938

ECVI

Model ECVI LO 90 HI 90 MECVIDefault model .134 .118 .201 .137Saturated model .132 .132 .132 .136

126

Model ECVI LO 90 HI 90 MECVIIndependence model 1.874 1.540 2.257 1.876

HOELTER

Model HOELTER.05

HOELTER.01

Default model 210 323Independence model 7 10

127

LAMPIRAN 8

HASIL UJI REALIBITAS KONSTRUK

128

129

LAMPIRAN 9

HASIL ANALISIS

MODEL PERSAMAAN STRUKTURAL

130

ConfidenceBenefit.50

x1.4e4

.71

.53

x1.3e3.72

.58

x1.2e2 .76

.63

x1.1e1

.80

SocialBenefit

.37

x2.4e8

.48

x2.3e7

.40

x2.2e6

.46

x2.1e5

.61

.69

.63

.68

SpecialTreatment

Benefit

.38

x3.1e9

.62.45

x3.2e10.67.53

x3.3e11 .73.77

x3.4e12

.88

.57

Loyalitas

.43

y2.1 e19.64

y2.2 e20

.66.80

UJI KETEPATAN MODELChi-Square =222.181Probability =.125CMIN/DF =1.116GFI =.881TLI =.977CFI =.980RMSEA =.028AGFI =.849

ez2

.61

y2.3 e21

.78

.73

y2.4 e22

.86

.35

x3.5e13

.59

.30

KepuasanPelanggan

.42

y1.1 e14.38

y1.2 e15.50

y1.3 e16.49

y1.4 e17

ez1

.28

y1.5 e18

.65.61

.71

.70

.53

.43

.25

.06

.51

.16

.16

.18

.23

.18

.11

131

Analysis Summary

Date and Time

Date: Thursday, July 4, 2013Time: 12:18:42 PM

Title

model: Thursday, July 4, 2013 12:18 PM

Notes for Group (Group number 1)

The model is recursive.Sample size = 153

Parameter summary (Group number 1)

Weights Covariances Variances Means Intercepts TotalFixed 29 0 0 0 0 29

Labeled 0 0 0 0 0 0Unlabeled 24 3 27 0 0 54

Total 53 3 27 0 0 83

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.y1.5 1.000 5.000 -.481 -2.431 -.827 -2.089y1.4 1.000 5.000 -.346 -1.747 -1.054 -2.660y1.3 1.000 5.000 -.125 -.632 -1.211 -3.058y1.2 1.000 5.000 -.198 -1.001 -.806 -2.035y1.1 1.000 5.000 -.504 -2.543 -.712 -1.798x3.5 1.000 5.000 -.446 -2.253 -.474 -1.196y2.4 1.000 5.000 -.383 -1.933 -1.310 -3.307y2.3 1.000 5.000 -.131 -.660 -1.042 -2.632y2.2 1.000 5.000 -.360 -1.817 -1.088 -2.746y2.1 1.000 5.000 -.447 -2.258 -.752 -1.900x3.4 1.000 6.000 -.245 -1.240 -1.071 -2.704x3.3 1.000 6.000 -.236 -1.194 -.908 -2.294x3.2 1.000 5.000 -.183 -.923 -.749 -1.891x3.1 1.000 5.000 -.120 -.608 -1.001 -2.528x2.1 1.000 5.000 -.269 -1.361 -.905 -2.285x2.2 1.000 5.000 -.294 -1.485 -.733 -1.850

132

Variable min max skew c.r. kurtosis c.r.x2.3 1.000 5.000 -.251 -1.269 -.967 -2.442x2.4 1.000 5.000 -.353 -1.780 -.691 -1.743x1.1 1.000 5.000 -.347 -1.752 -.897 -2.266x1.2 1.000 5.000 -.471 -2.378 -.208 -.524x1.3 1.000 5.000 -.458 -2.311 -.626 -1.581x1.4 1.000 5.000 -.449 -2.269 -.659 -1.664Multivariate 45.810 8.718

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared p1 p213 49.758 .001 .09249 43.493 .004 .13117 42.561 .005 .049

148 42.041 .006 .01519 40.402 .010 .017

146 38.985 .014 .022136 38.512 .016 .012

94 37.994 .018 .008113 37.691 .020 .004

5 35.713 .033 .02999 34.337 .045 .090

142 34.197 .047 .05729 34.026 .049 .038

149 34.004 .049 .019153 33.557 .054 .020150 32.683 .066 .049117 32.583 .068 .032152 32.383 .071 .025

16 32.332 .072 .014111 32.180 .074 .01063 31.975 .078 .008

151 31.183 .092 .02561 30.871 .099 .028

145 30.663 .103 .02539 30.444 .108 .02488 30.359 .110 .01695 30.014 .118 .02286 29.749 .125 .02444 29.640 .127 .01852 29.463 .132 .017

133

Observation number Mahalanobis d-squared p1 p2103 29.024 .144 .030

87 29.005 .145 .019140 28.925 .147 .014

24 28.605 .156 .02018 28.600 .157 .01228 28.575 .157 .008

110 28.442 .162 .00725 28.401 .163 .00448 28.174 .170 .00597 27.774 .183 .01127 27.666 .187 .009

114 27.594 .190 .007126 27.157 .205 .016

20 26.936 .214 .019121 26.923 .214 .012137 26.908 .215 .008

69 26.728 .222 .00980 26.708 .223 .006

9 26.561 .228 .00638 26.371 .236 .00779 26.170 .244 .00860 25.835 .259 .01665 25.619 .268 .02050 25.503 .274 .019

116 25.439 .277 .01551 25.298 .283 .016

133 25.016 .296 .02622 24.783 .308 .03537 24.745 .309 .02754 24.672 .313 .02372 24.462 .323 .03098 24.460 .324 .02064 24.422 .325 .01596 24.407 .326 .01157 24.193 .337 .015

123 23.823 .357 .034131 23.746 .361 .029143 23.691 .364 .024105 23.538 .372 .027128 23.327 .383 .037115 23.187 .391 .040

134

Observation number Mahalanobis d-squared p1 p212 22.704 .419 .111

144 22.629 .423 .10146 22.502 .430 .10668 22.438 .434 .09411 22.432 .434 .07123 22.311 .441 .07393 22.140 .452 .08692 22.090 .455 .07321 22.020 .459 .06658 21.879 .467 .072

102 21.818 .471 .063138 21.619 .483 .081127 21.603 .484 .063141 21.254 .505 .122135 21.159 .511 .118

59 21.150 .512 .091109 21.126 .513 .072

47 20.494 .552 .257124 20.467 .554 .220

70 20.264 .567 .2674 20.176 .572 .259

130 20.000 .583 .29662 19.618 .607 .46030 19.533 .612 .448

129 19.359 .623 .491132 18.627 .668 .838

73 18.286 .689 .915122 18.266 .690 .891

10 18.210 .693 .876

Sample Moments (Group number 1)

Sample Covariances (Group number 1)

Condition number = 28.789Eigenvalues7.534 3.579 2.547 1.963 1.743 1.098 1.005 .914 .818 .756 .726 .710 .607 .572 .506 .488 .458.410 .373 .358 .277 .262Determinant of sample covariance matrix = .012

Sample Correlations (Group number 1)

135

Condition number = 28.612Eigenvalues5.897 2.719 2.176 1.599 1.320 .850 .789 .757 .635 .606 .588 .549 .517 .453 .437 .386 .372 .340.309 .281 .213 .206

Notes for Model (Default model)

Computation of degrees of freedom (Default model)

Number of distinct sample moments: 253Number of distinct parameters to be estimated: 54

Degrees of freedom (253 - 54): 199

Result (Default model)

Minimum was achievedChi-square = 222.181Degrees of freedom = 199Probability level = .125

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelKepuasan <--- Confidence Benefit .391 .099 3.964 *** par_18Kepuasan <--- Social Benefit .307 .126 2.434 .015 par_19Kepuasan <--- Special Treatment Benefit .056 .090 .628 .530 par_20Loyalitas <--- Kepuasan .712 .162 4.390 *** par_21Loyalitas <--- Confidence Benefit .294 .119 2.476 .013 par_25Loyalitas <--- Social Benefit .297 .150 1.981 .048 par_26Loyalitas <--- Special Treatment Benefit .148 .103 1.433 .152 par_27x1.4 <--- Confidence Benefit 1.000x1.3 <--- Confidence Benefit .932 .122 7.646 *** par_1x1.2 <--- Confidence Benefit .923 .118 7.838 *** par_2x1.1 <--- Confidence Benefit 1.067 .121 8.799 *** par_3x2.4 <--- Social Benefit 1.000x2.3 <--- Social Benefit 1.225 .214 5.732 *** par_4x2.2 <--- Social Benefit 1.148 .207 5.556 *** par_5x2.1 <--- Social Benefit 1.102 .191 5.771 *** par_6x3.1 <--- Special Treatment Benefit 1.000

136

Estimate S.E. C.R. P Labelx3.2 <--- Special Treatment Benefit .952 .142 6.706 *** par_7x3.3 <--- Special Treatment Benefit 1.073 .150 7.148 *** par_8x3.4 <--- Special Treatment Benefit 1.368 .179 7.655 *** par_9y2.1 <--- Loyalitas .716 .081 8.808 *** par_10y2.2 <--- Loyalitas .912 .083 11.029 *** par_11y2.3 <--- Loyalitas .805 .076 10.646 *** par_12y2.4 <--- Loyalitas 1.000x3.5 <--- Special Treatment Benefit .857 .141 6.096 *** par_13y1.1 <--- Kepuasan 1.000y1.2 <--- Kepuasan .844 .133 6.328 *** par_14y1.3 <--- Kepuasan 1.083 .160 6.787 *** par_15y1.4 <--- Kepuasan 1.108 .166 6.688 *** par_16y1.5 <--- Kepuasan .898 .161 5.578 *** par_17

Standardized Regression Weights: (Group number 1 - Default model)

EstimateKepuasan <--- Confidence Benefit .431Kepuasan <--- Social Benefit .255Kepuasan <--- Special Treatment Benefit .058Loyalitas <--- Kepuasan .506Loyalitas <--- Confidence Benefit .231Loyalitas <--- Social Benefit .176Loyalitas <--- Special Treatment Benefit .108x1.4 <--- Confidence Benefit .707x1.3 <--- Confidence Benefit .725x1.2 <--- Confidence Benefit .761x1.1 <--- Confidence Benefit .796x2.4 <--- Social Benefit .611x2.3 <--- Social Benefit .690x2.2 <--- Social Benefit .634x2.1 <--- Social Benefit .675x3.1 <--- Special Treatment Benefit .620x3.2 <--- Special Treatment Benefit .669x3.3 <--- Special Treatment Benefit .731x3.4 <--- Special Treatment Benefit .879y2.1 <--- Loyalitas .659y2.2 <--- Loyalitas .801y2.3 <--- Loyalitas .781y2.4 <--- Loyalitas .855x3.5 <--- Special Treatment Benefit .592

137

Estimatey1.1 <--- Kepuasan .651y1.2 <--- Kepuasan .613y1.3 <--- Kepuasan .706y1.4 <--- Kepuasan .699y1.5 <--- Kepuasan .534

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelConfidence Benefit <--> Social Benefit .080 .054 1.478 .139 par_22Social Benefit <--> Special Treatment Benefit .073 .050 1.456 .145 par_23Confidence Benefit <--> Special Treatment Benefit .114 .062 1.836 .066 par_24

Correlations: (Group number 1 - Default model)

EstimateConfidence Benefit <--> Social Benefit .158Social Benefit <--> Special Treatment Benefit .155Confidence Benefit <--> Special Treatment Benefit .183

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P LabelConfidence Benefit .672 .146 4.615 *** par_28Social Benefit .383 .107 3.570 *** par_29Special Treatment Benefit .581 .147 3.948 *** par_30ez1 .386 .102 3.802 *** par_31ez2 .471 .096 4.893 *** par_32e4 .674 .097 6.979 *** par_33e3 .528 .077 6.867 *** par_34e2 .416 .067 6.214 *** par_35e1 .442 .079 5.627 *** par_36e8 .641 .092 6.952 *** par_37e7 .630 .103 6.111 *** par_38e6 .749 .110 6.793 *** par_39e5 .555 .088 6.335 *** par_40e9 .931 .120 7.764 *** par_41e10 .650 .086 7.582 *** par_42e11 .584 .083 7.060 *** par_43e12 .321 .079 4.045 *** par_44e19 .730 .093 7.818 *** par_45e20 .509 .078 6.508 *** par_46

138

Estimate S.E. C.R. P Labele21 .455 .067 6.823 *** par_47e22 .402 .075 5.379 *** par_48e13 .791 .099 7.950 *** par_49e14 .751 .104 7.197 *** par_50e15 .654 .088 7.454 *** par_51e16 .652 .097 6.717 *** par_52e17 .711 .106 6.719 *** par_53e18 1.119 .142 7.885 *** par_54

Squared Multiple Correlations: (Group number 1 - Default model)

EstimateKepuasan .302Loyalitas .570y1.5 .285y1.4 .489y1.3 .499y1.2 .376y1.1 .424x3.5 .351y2.4 .732y2.3 .609y2.2 .642y2.1 .435x3.4 .772x3.3 .534x3.2 .447x3.1 .384x2.1 .456x2.2 .402x2.3 .477x2.4 .374x1.1 .634x1.2 .579x1.3 .525x1.4 .499

139

Standardized Total Effects (Group number 1 - Default model)

Special TreatmentBenefit

SocialBenefit

ConfidenceBenefit Kepuasan Loyalitas

Kepuasan .058 .255 .431 .000 .000Loyalitas .137 .305 .449 .506 .000y1.5 .031 .136 .230 .534 .000y1.4 .040 .178 .301 .699 .000y1.3 .041 .180 .304 .706 .000y1.2 .035 .156 .264 .613 .000y1.1 .038 .166 .281 .651 .000x3.5 .592 .000 .000 .000 .000y2.4 .117 .261 .384 .433 .855y2.3 .107 .238 .350 .395 .781y2.2 .110 .244 .359 .405 .801y2.1 .090 .201 .296 .334 .659x3.4 .879 .000 .000 .000 .000x3.3 .731 .000 .000 .000 .000x3.2 .669 .000 .000 .000 .000x3.1 .620 .000 .000 .000 .000x2.1 .000 .675 .000 .000 .000x2.2 .000 .634 .000 .000 .000x2.3 .000 .690 .000 .000 .000x2.4 .000 .611 .000 .000 .000x1.1 .000 .000 .796 .000 .000x1.2 .000 .000 .761 .000 .000x1.3 .000 .000 .725 .000 .000x1.4 .000 .000 .707 .000 .000

Standardized Direct Effects (Group number 1 - Default model)

Special TreatmentBenefit

SocialBenefit

ConfidenceBenefit Kepuasan Loyalitas

Kepuasan .058 .255 .431 .000 .000Loyalitas .108 .176 .231 .506 .000y1.5 .000 .000 .000 .534 .000y1.4 .000 .000 .000 .699 .000y1.3 .000 .000 .000 .706 .000y1.2 .000 .000 .000 .613 .000y1.1 .000 .000 .000 .651 .000x3.5 .592 .000 .000 .000 .000y2.4 .000 .000 .000 .000 .855

140

Special TreatmentBenefit

SocialBenefit

ConfidenceBenefit Kepuasan Loyalitas

y2.3 .000 .000 .000 .000 .781y2.2 .000 .000 .000 .000 .801y2.1 .000 .000 .000 .000 .659x3.4 .879 .000 .000 .000 .000x3.3 .731 .000 .000 .000 .000x3.2 .669 .000 .000 .000 .000x3.1 .620 .000 .000 .000 .000x2.1 .000 .675 .000 .000 .000x2.2 .000 .634 .000 .000 .000x2.3 .000 .690 .000 .000 .000x2.4 .000 .611 .000 .000 .000x1.1 .000 .000 .796 .000 .000x1.2 .000 .000 .761 .000 .000x1.3 .000 .000 .725 .000 .000x1.4 .000 .000 .707 .000 .000

Standardized Indirect Effects (Group number 1 - Default model)

Special TreatmentBenefit

SocialBenefit

ConfidenceBenefit Kepuasan Loyalitas

Kepuasan .000 .000 .000 .000 .000Loyalitas .029 .129 .218 .000 .000y1.5 .031 .136 .230 .000 .000y1.4 .040 .178 .301 .000 .000y1.3 .041 .180 .304 .000 .000y1.2 .035 .156 .264 .000 .000y1.1 .038 .166 .281 .000 .000x3.5 .000 .000 .000 .000 .000y2.4 .117 .261 .384 .433 .000y2.3 .107 .238 .350 .395 .000y2.2 .110 .244 .359 .405 .000y2.1 .090 .201 .296 .334 .000x3.4 .000 .000 .000 .000 .000x3.3 .000 .000 .000 .000 .000x3.2 .000 .000 .000 .000 .000x3.1 .000 .000 .000 .000 .000x2.1 .000 .000 .000 .000 .000x2.2 .000 .000 .000 .000 .000x2.3 .000 .000 .000 .000 .000

141

Special TreatmentBenefit

SocialBenefit

ConfidenceBenefit Kepuasan Loyalitas

x2.4 .000 .000 .000 .000 .000x1.1 .000 .000 .000 .000 .000x1.2 .000 .000 .000 .000 .000x1.3 .000 .000 .000 .000 .000x1.4 .000 .000 .000 .000 .000

Modification Indices (Group number 1 - Default model)

Covariances: (Group number 1 - Default model)

M.I. Par Changee17 <--> ez2 6.694 .163e13 <--> ez2 4.097 -.128e13 <--> e18 4.086 .166e22 <--> Social Benefit 5.040 .097e22 <--> e15 4.817 -.116e20 <--> Social Benefit 4.521 -.097e10 <--> e21 4.576 .110e9 <--> e15 4.516 -.149e5 <--> e22 4.030 .103e5 <--> e21 4.932 -.112e7 <--> e21 6.517 .138e8 <--> e22 4.248 .110e1 <--> e18 4.002 .138e1 <--> e17 4.291 -.121e1 <--> e20 7.460 -.137e1 <--> e11 5.389 -.121e2 <--> ez2 5.226 .113e2 <--> e20 7.252 .127e3 <--> e18 5.972 -.173e3 <--> e17 4.956 .133e4 <--> e1 5.694 .130

Variances: (Group number 1 - Default model)

M.I. Par Change

Regression Weights: (Group number 1 - Default model)

M.I. Par Change

142

M.I. Par Changey1.5 <--- x1.3 4.226 -.174y2.4 <--- Social Benefit 4.693 .248y2.4 <--- x2.1 6.772 .159y2.4 <--- x2.4 7.115 .163y2.2 <--- Social Benefit 4.026 -.241y2.2 <--- x2.1 5.498 -.150y2.2 <--- x1.2 4.169 .133x2.4 <--- y2.4 4.352 .120x2.4 <--- x3.1 5.802 .137x1.1 <--- y2.2 4.862 -.116x1.2 <--- y2.4 4.393 .101x1.2 <--- y2.2 8.613 .145x1.3 <--- y1.5 4.199 -.106x1.4 <--- x2.2 4.667 -.139

Model Fit Summary

CMIN

Model NPAR CMIN DF P CMIN/DFDefault model 54 222.181 199 .125 1.116Saturated model 253 .000 0Independence model 22 1418.432 231 .000 6.140

RMR, GFI

Model RMR GFI AGFI PGFIDefault model .068 .881 .849 .693Saturated model .000 1.000Independence model .329 .394 .336 .360

Baseline Comparisons

Model NFIDelta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .843 .818 .981 .977 .980Saturated model 1.000 1.000 1.000Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

143

Model PRATIO PNFI PCFIDefault model .861 .727 .845Saturated model .000 .000 .000Independence model 1.000 .000 .000

NCP

Model NCP LO 90 HI 90Default model 23.181 .000 63.820Saturated model .000 .000 .000Independence model 1187.432 1072.380 1309.952

FMIN

Model FMIN F0 LO 90 HI 90Default model 1.462 .153 .000 .420Saturated model .000 .000 .000 .000Independence model 9.332 7.812 7.055 8.618

RMSEA

Model RMSEA LO 90 HI 90 PCLOSEDefault model .028 .000 .046 .981Independence model .184 .175 .193 .000

AIC

Model AIC BCC BIC CAICDefault model 330.181 349.437 493.824 547.824Saturated model 506.000 596.217 1272.701 1525.701Independence model 1462.432 1470.277 1529.102 1551.102

ECVI

Model ECVI LO 90 HI 90 MECVIDefault model 2.172 2.020 2.440 2.299Saturated model 3.329 3.329 3.329 3.922Independence model 9.621 8.864 10.427 9.673

HOELTER

Model HOELTER.05

HOELTER.01

Default model 160 170

144

Model HOELTER.05

HOELTER.01

Independence model 29 31


Top Related