study on pt honda dewata
Embed Size (px)
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