No title

http://jp.feb.unsoed.ac.id

ANALISIS KEPUASAN DAN LOYALITAS MAHASISWA TEKNIK INFORMATIKA DENGAN PENDEKATAN STRUCTURAL EQUATION MODELING BERDASARKAN PENERAPAN SERVQUAL Oleh: Yusmedi Nurfaizal 1), Muliasari Pinilih 1) Email: [email protected] 1) Dosen STMIK Amikom Purwokerto ABSTRACT This study, entitles "The Satisfaction and The Loyalty Analysis of Informatics Engineering Student With Structural Equation Modeling Approach Based on the Application of SERVQUAL". The purpose of this study was to determine students satisfaction and loyalty with a Structural Equation Modeling approach based on SERVQUAL application. Researchers decided to take a sample of 100 respondents. SEM analysis was used to test the model. The results showed that tangibility, reliability, responsiveness, assurance and empathy had a significant positive effect on the satisfaction of student of informatics engineering. The satisfaction of students had a significant positive effect on the loyalty of student of informatics engineering STMIK Amikom Purwokerto. Keywords: Satisfaction, Loyalty, Structural Equation Modeling, SERVQUAL

PENDAHULUAN perusahaan, karena dengan memiliki pelanggan yang setia, perusahaan mendapat jaminan produknya akan dibeli terus dan bisnis ke depan akan berjalan lancar. Faktor yang dapat meningkatkan loyalitas pelanggan adalah kepuasan pelanggan. Kepuasan pelanggan merupakan evaluasi spesifik terhadap keseluruhan pelayanan yang diberikan pemberi jasa, sehingga kepuasan pelanggan hanya dapat dinilai berdasarkan pengalaman yang pernah dialami saat proses pemberian pelayanan. Menurut Kotler (2009) kepuasan merupakan perasaan senang atau pun kecewa seseorang yang berasal dari perbandingan antara kesannya terhadap kinerja (atau hasil) suatu produk dan harapan-harapannya.

Salah satu faktor penting yang dapat membuat pelanggan puas adalah kualitas layanan (Mardalis, 2005). Kualitas layanan ini mempunyai pengaruh terhadap kepuasan pelanggan (Anand & Selvaraj, 2012). Perusahaan dapat meningkatkan kualitas layanan untuk mengembangkan loyalitas pelanggannya. Menurut Sheth dan Mittal (2004), loyalitas pelanggan adalah komitmen pelanggan terhadap suatu produk, perusahaan atau merek, berdasarkan sikap yang sangat positif dan tercermin dalam pembelian ulang yang konsisten (Tjiptono, 2007). Bagi seorang pemasar, loyalitas pelanggan bisa dijadikan barometer bagi kelangsungan

1

Performance – Vol. 20 No. 2 September 2014

Apabila kinerja lebih kecil dari harapan konsumen akan merasakan tidak puas. Apabila kinerja sama dengan harapan konsumen akan merasakan puas. Penelitian tentang loyalitas dan kepuasan pelanggan pernah dilakukan oleh Mosahab (2010). Penelitian tersebut dilakukan di sebuah bank di Teheran, Iran. Fokus penelitian ini adalah cabang Bank Sepah sekitar Fatemi St, Tehran, Iran, dan 147 nasabah bank ini diambil sebagai sampel. Hasil penelitian ini menunjukkan bahwa dalam semua aspek, harapan pelanggan, lebih tinggi dari persepsi mereka terhadap operasional Bank dan pada kenyataannya kualitas layanan yang ditawarkan rendah. Selain itu, penelitian ini terdapat temuan yang menunjukkan bahwa kepuasan pelanggan memainkan peran mediator dalam efek kualitas pelayanan terhadap loyalitas layanan. Penelitian Kheng (2010) menemukan bahwa peningkatan kualitas layanan dapat meningkatkan loyalitas pelanggan. Dimensi kualitas pelayanan yang memainkan peran penting dalam persamaan ini adalah kehandalan, empati, dan jaminan. Vanpariya dan Ganguly (2010) menilai kualitas pelayanan memiliki hubungan yang positif dan signifikan dengan kepuasan pelanggan, kata positif dari mulut ke mulut dan niat loyalitas. Sedangkan Elangovan dan Sabitha (2011) dalam penelitian empiris mereka menemukan bahwa tidak ada perbedaan yang signifikan dalam tingkat kepuasan responden yang memiliki usia yang berbeda, pendidikan dan pekerjaan kecuali penghasilan. Dharmalingam, et al, (2011) menyatakan bahwa semua atribut kualitas pelayanan berkorelasi

positif dengan kepuasan pelanggan. Sedangkan kualitas layanan dan kepuasan pelanggan memiliki efek positif langsung pada pelanggan retensi niat dari mana kepuasan pelanggan adalah prediktor kuat untuk retensi (Gopalakrishnan, et al, 2011). STMIK Amikom Purwokerto adalah salah satu sekolah tinggi yang berbasis teknologi informasi yang ada di Purwokerto. Untuk mengetahui jumlah mahasiswa STMIK Amikom Purwokerto Tahun 2009 sampai dengan Tahun 2012, salah satunya dapat dilihat pada Gambar 1.

Gambar 1. Grafik Jumlah Mahasiswa Dalam setiap organisasi, kinerja kualitas pelayanan dapat dievaluasi oleh alat utama yang disebut "SERVQUAL". Alat ini diusulkan dan dirancang oleh Parasuraman, et al (Anand, 2012). Awalnya, memiliki sepuluh dimensi dan kemudian mendapat kental untuk lima dimensi seperti tangibilitas, keandalan, assurance, responsiveness, dan empati. Untuk itu STMIK Amikom Purwokerto harus berfikir cerdas, tidak hanya berfikir apa yang dijual tetapi yang akan dibeli pelangganya. Dengan demikian pihak penyedia jasa harus mampu memberikan perhatian penuh pada service quality (SERVQUAL).

2


H2 : Reliability mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa H3 : Responsiveness mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa. H4 : Assurance mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa. H5 : Emphaty mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa. H6 : Kepuasan mempunyai pengaruh yang positif signifikan terhadap loyalitas mahasiswa.

PERUMUSAN MASALAH Berdasarkan latar belakang dan permasalahan di atas dapat dirumuskan permasalahan sebagai berikut, yaitu “Bagaimana kepuasan dan loyalitas mahasiswa teknik informatika dengan pendekatan Structural Equation Modeling berdasarkan penerapan SERVQUAL di STMIK Amikom Purwokerto sehingga dapat digunakan oleh manajemen STMIK Amikom Purwokerto dalam meningkatkan pelayanan kepada mahasiswa. TUJUAN PENELITIAN

METODE PENELITIAN Adapun tujuan penelitian yang ingin dicapai adalah untuk mengetahui dan menganalisis kepuasan dan loyalitas mahasiswa teknik informatika dengan pendekatan Structural Equation Modeling berdasarkan penerapan SERVQUAL di STMIK Amikom Purwokerto.

Populasi dalam penelitian ini adalah seluruh mahasiswa teknik informatika STMIK Amikom Purwokerto yang berjumlah 2.756 mahasiswa. Metode pengambilan sampel yang digunakan adalah purposive sampling, kriteria yang digunakan adalah mahasiswa semester 3 ke atas dan telah menerima pelayanan akademik, keuangan, dan perpustakaan. Penentuan jumlah sampel dilakukan menggunakan rumus Slovin:

MODEL PENELITIAN Tangibility

Reliability

Responsiveness

Kepuasan

n=

Loyalitas

Assurance

N 1  Ne 2

Dari rumus tersebut didapatkan ukuran sampel minimum sebagai berikut:

Emphaty

Gambar 2. Model Penelitian n 

HIPOTESIS H1 : Tangibility mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa

n 

3

2756 1  (2756 x 0,1) 2 2756  96,50 dibulatkan menjadi 97 28,56


Peneliti memutuskan untuk mengambil sampel sebanyak 100 responden. Alat analisis yang digunakan dalam penelitian ini adalah Structural Equation Modeling (Ferdinand, 2005).

ukuran sampel, normalitas data, outliers, multicolinerity dan singularity. Dalam penelitian ini, ukuran sampel sebanyak 100, yang berarti sudah memenuhi syarat minimal untuk analisis pemodelan SEM sebanyak 100.

HASIL PENELITIAN a. Uji Normalitas Data Normalitas univariate dan multivariate data yang digunakan dalam penelitian ini, diuji dengan menggunakan bantuan software AMOS 21.0, dengan hasil seperti tampak pada Tabel 1.

1. Analisis Full Model SEM

Tabel 1. Hasil Uji Normalitas Data Variable x35 x34 x33 x32 x31 x26 x27 x28 x29 x30 x21 x22 x23 x24 x25 x16 x17 x18 x19 x20 x11 x12 x13 x14 x15 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 Multivariate

Gambar 3. Analisis Full Model SEM 2. Evaluasi Asumsi SEM (Structural Equation Modelling)

min

max

skew

c.r.

kurtosis

c.r.

2,000 2,000 3,000 2,000 2,000 3,000 3,000 3,000 3,000 3,000 2,000 3,000 2,000 2,000 2,000 1,000 1,000 1,000 1,000 1,000 2,000 2,000 2,000 2,000 1,000 2,000 2,000 3,000 2,000 2,000 2,000 2,000 2,000 2,000 1,000

5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000 5,000

-,629 -,320 ,010 -,364 -,791 ,384 ,183 ,760 ,021 ,242 -,464 ,067 -,314 -,365 -,506 -1,118 -,915 -,697 -1,193 -1,213 -,926 -,241 -,793 -,867 -,910 -,359 -,411 ,022 -,298 -,629 -,567 -,638 -,246 -,331 -1,033

-2,566 -1,305 ,039 -1,486 -3,228 1,567 ,745 3,103 ,087 ,989 -1,893 ,275 -1,281 -1,491 -2,067 -4,565 -3,737 -2,847 -4,870 -4,951 -3,782 -,985 -3,236 -3,541 -3,716 -1,465 -1,679 ,090 -1,216 -2,566 -2,315 -2,603 -1,003 -1,353 -4,215

1,030 1,072 ,124 ,344 1,478 -1,254 -,203 ,159 -,282 -,033 ,884 ,082 1,468 1,667 ,774 ,450 -,160 -,428 ,374 1,043 3,595 -,115 1,253 2,739 1,776 1,008 ,512 ,222 ,902 1,030 1,522 1,329 ,506 1,391 4,658

2,102 2,187 ,252 ,702 3,016 -2,560 -,415 ,324 -,575 -,067 1,805 ,166 2,996 3,402 1,580 ,919 -,327 -,874 ,764 2,129 7,339 -,235 2,557 5,591 3,625 2,058 1,046 ,453 1,840 2,102 3,107 2,713 1,033 2,839 9,509

285,357

28,035

Dengan menggunakan nilai critical ratio atau C.R sebesar ± 2,58 pada tingkat signifikansi 0,01 (1,00%), dapat disimpulkan bahwa tidak ada data yang menyimpang, sehingga data yang digunakan dalam penelitian layak digunakan karena hampir seluruhnya

Asumsi-asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM harus memenuhi beberapa kriteria antara lain:

4


berada pada rentang nilai kurang dari ± 2,58. Kalaupun ada data yang tidak normal artinya nilai critical ratio lebih dari ± 2,58, maka data tersebut tidak akan dihilangkan dari analisis, karena telah menggambarkan keadaan yang sesungguhnya dan tidak ada alasan khusus dari profil responden yang menyebabkan data harus dikeluarkan (Ferdinand, 2000).

c. Multivariate Outliers Evaluasi terhadap multivariate outliers perlu dilakukan karena meskipun data yang dianalisis menunjukkan tidak ada outliers pada tingkat univariate, tetapi obeservasi-observasi itu dapat menjadi outliers bila sudah dikombinasikan. Jarak mahalonobis (the mahalonobis distance) untuk tiaptiap variabel dapat dihitung dan dapat menunjukkan jarak sebuah variabel dari rata-rata semua variabel dalam sebuah ruang multidimensional (Ferdinand, 2000). Perhitungan jarak mahalonobis pada nilai chi-square dalam tabel distribusi X2 pada derajat bebas sebesar 35 (jumlah indikator) pada tingkat p < 0,01 yaitu (35;0,01 = 57,342). Oleh karena itu, data yang memiliki jarak mahalonobis lebih besar dari 57,342 dianggap multivariate outliers. Akan tetapi, dalam analisis ini outliers yang ditemukan tidak akan dihilangkan dari analisis, karena data tersebut menggambarkan keadaan yang sesungguhnya dan tidak ada alasan khusus dari profil responden yang menyebabkan data harus dikeluarkan (Ferdinand, 2000). Adapun data jarak mahalonobis dapat dilihat dalam lampiran output pada “Observation Farthest from The Centroid (Mahalonobis Distance)”.

b. Univariate Outliers Dengan menggunakan dasar bahwa observasi-observasi yang mempunyai z-score ≥ 3,00 akan dikategorikan sebagai outliers, diketahui bahwa data yang digunakan dalam penelitian ini adalah bebas dari univariate outliers, karena tidak ada variabel yang mempunyai nilai z-score di atas angka batas tersebut, hasil analisisnya terlihat dalam Tabel 2. Tabel 2. Uji Univariate Outliers Zscore Variabel Zscore(x1) Zscore(x2) Zscore(x3) Zscore(x4) Zscore(x5) Zscore(x6) Zscore(x7) Zscore(x8) Zscore(x9) Zscore(x10) Zscore(x11) Zscore(x12) Zscore(x13) Zscore(x14) Zscore(x15) Zscore(x16) Zscore(x17) Zscore(x18) Zscore(x19) Zscore(x20) Zscore(x21) Zscore(x22) Zscore(x23) Zscore(x24) Zscore(x25) Zscore(x26) Zscore(x27) Zscore(x28) Zscore(x29) Zscore(x30) Zscore(x31) Zscore(x32) Zscore(x33) Zscore(x34) Zscore(x35)

N 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100

Minimum Maximum Mean Std. Deviation -3,67904 1,38386 0E-7 1,00000000 -3,00000 1,50000 0E-7 1,00000000 -1,88401 1,70458 0E-7 1,00000000 -3,41852 1,63348 0E-7 1,00000000 -2,99796 1,41080 0E-7 1,00000000 -3,36503 1,46516 0E-7 1,00000000 -3,39748 1,27795 0E-7 1,00000000 -3,20054 1,72337 0E-7 1,00000000 -3,86959 1,40712 0E-7 1,00000000 -4,88473 1,45908 0E-7 1,00000000 -3,62893 1,43469 0E-7 1,00000000 -2,55261 1,60926 0E-7 1,00000000 -2,75714 1,52857 0E-7 1,00000000 -3,34733 1,69890 0E-7 1,00000000 -3,80132 1,51521 0E-7 1,00000000 -2,45490 ,96657 0E-7 1,00000000 -2,13381 ,98124 0E-7 1,00000000 -2,16190 1,10134 0E-7 1,00000000 -2,26068 ,86829 0E-7 1,00000000 -2,71558 1,13631 0E-7 1,00000000 -3,77962 1,21547 0E-7 1,00000000 -2,06953 1,56123 0E-7 1,00000000 -3,72353 1,57059 0E-7 1,00000000 -3,63318 1,81659 0E-7 1,00000000 -3,14294 1,39015 0E-7 1,00000000 -2,70000 1,30000 0E-7 1,00000000 -2,32490 1,45543 0E-7 1,00000000 -2,65323 1,73227 0E-7 1,00000000 -2,17460 1,39032 0E-7 1,00000000 -2,33477 1,52435 0E-7 1,00000000 -3,18825 1,23987 0E-7 1,00000000 -2,92491 1,52927 0E-7 1,00000000 -1,83385 1,69279 0E-7 1,00000000 -3,41680 1,78645 0E-7 1,00000000 -2,99796 1,41080 0E-7 1,00000000

d. Evaluasi Multicolinearity dan Singularity Untuk melihat apakah terdapat multicolinearity dan singularity dalam sebuah kombinasi variabel, maka yang perlu diamati adalah nilai dari determinant of sample co-

5


a. Nilai X2 chi-square yang dihasilkan adalah 1843,176, nilai tersebut diterima secara marginal, karena menghasilkan probability level sebesar 0,000 (kurang dari 0,05). Sehingga hipotesis nol yang menyatakan bahwa tidak ada perbedaan antara matriks kovarian populasi yang diestimasi dengan matriks kovarian sampel, diterima. Jadi model yang dihipotesiskan sesuai dengan data.

variance matrix. Determinan yang sangat kecil mengindikasikan adanya multicolinearity dan singularity. Berdasarkan hasil analisis SEM dengan bantuan software AMOS 21.0 dapat diketahui nilai determinan sebesar 285.357. Nilai tersebut jauh dari nol, sehingga dapat disimpulkan bahwa tidak terdapat multicolinearity dan singularity dan data dalam penelitian ini layak digunakan. Apabila terdapat multicolinerity dan singularity, maka dalam software AMOS 21.0, program SEM akan memberikan warning secara langsung (Ferdinand, 2000). Oleh karena tidak adanya warning dalam program tersebut, maka dapat disimpulkan bahwa tidak ada multicolinearity dan singularity.

b. Probability Nilai probability yang dihasilkan adalah 0,000 kurang dari nilai cut-of values-nya sebesar 0,05. Tetapi nilai ini masih dapat diterima dan model dapat diterima walaupun secara marginal. Hal ini mengindikasikan tidak adanya perbedaan yang signifikan antara matriks kovarian data dan matriks kovarian yang diestimasi.

3. Goodness-of-Fit dan Analisis Structural Modelling dengan Full Model Uji terhadap kesesuaian model menunjukkan bahwa model ini sesuai atau fit terhadap data yang digunakan dalam penelitian. Hal ini terlihat dari indeks RMSEA, CMIN/DF GFI, Probability, AGFI, TLI dan CFI diterima secara marginal. Secara keseluruhan, uji kesesuaian model dapat dilihat pada Tabel 3.

c. CMIN/DF (The Minimum Sample Of Discrepancy Function Devide with Degree of Freedom) Nilai CMIN/DF yang dihasilkan adalah 3,327 lebih besar dari 2 yang mengindikasikan accptable fit antara model dengan data dapat diterima dengan kategori marginal.

Tabel 3. Uji Kesesuaian Model Goodness of fit Index X2Chi-Square Probability CMIN/DF GFI AGFI TLI CFI RMSEA

Cut of Value Diharapkan kecil  0,05 ≤ 2,00  0,90  0,90  0,95  0,94 ≤ 0,08

Hasil Analisis

Evaluasi Model

1843,176

-

0,000

-

3,327

Marginal

0,567

Marginal

0,507

Marginal

0,572

Marginal

0,601

Marginal

0,153

Marginal

d. GFI (Goodness-of-Fit Index) Nilai GFI yang dihasilkan sebesar 0,567 kurang dari nilai cut of valuenya sebesar 0,90. Nilai tersebut masih dapat diterima dan model dapat diterima walaupun dengan kategori

6


marginal, karena nilai tersebut berada dalam rentang 0,5 - 0,89. Nilai GFI ini menunjukkan proporsi tertimbang dari varians dari matriks kovarian sampel yang dijelaskan oleh matriks populasi yang diestimasikan.

walaupun dengan kategori marginal, karena nilai yang dihasilkan berada pada rentang 0,6 - 0,93. Nilai CFI merupakan indeks yang membandingkan sebuah model yang diuji terhadap sebuah baseline model.

e. AGFI (Adjusted Goodness of Fit Indeks) Nilai AGFI yang dihasilkan sebesar 0,507 kurang dari nilai cut-of value-nya sebesar 0,90. Nilai tersebut masih dapat diterima dan model dapat diterima walaupun secara marginal, karena nilai yang dihasilkan berada pada rentang 0,5-0,89. Nilai AGFI ini menunjukkan proporsi tertimbang dari varians dalam matriks sampel yang dijelaskan oleh matriks populasi yang diestimasikan.

h. RMSEA (The Root Mean Square Error of Approximation) Nilai RMSEA yang dihasilkan adalah 0,153, hal tersebut menunjukkan sebuah close fit dari model berdasarkan degree of freedom dan hal ini juga mengindikasikan kelayakan dari error of approximation. 4. Pengujian Hipotesis Untuk menguji hipotesis dalam model ini, perlu diuji hipotesis nol yang menyatakan bahwa koefisien regresi antar hubungan adalah sama dengan nol melalui uji-t yang lazim dalam modelmodel regresi (Ferdinand, 2000).

f. TLI (Tucker Lewis Index) Nilai TLI yang dihasilkan sebesar 0,572 kurang dari nilai cut-of value-nya sebesar 0,95. Nilai tersebut masih dapat diterima dan model dapat diterima walaupun dengan kategori marginal, karena berada pada rentang 0,5 - 0,94. Nilai TLI merupakan indeks yang membandingkan sebuah model yang diuji terhadap sebuah baseline model.

Tabel 4. Standarized Regression Weight untuk Hipotesis Penelitian Variabel

C.R.

t tabel

Kepuasan_Mahasiswa

<-

Tangibility

3,106

1,986

Kepuasan_ Mahasiswa

<-

Reliability

6,084

1,986

Kepuasan_ Mahasiswa

<-

Responsiveness

3,117

1,986

Kepuasan_ Mahasiswa

<-

Assurance

2,608

1,986

Kepuasan_ Mahasiswa

<-

Emphaty

2,151

1,986

Loyalitas_ Mahasiswa

<-

Kepuasan_Pelanggan

2,770

1,986

Adapun pembahasan hasil pengujian hipotesis berdasarkan Tabel 4 adalah sebagai berikut:

g. CFI (Comparative Fit Index) Nilai CFI yang dihasilkan sebesar 0,601 kurang dari nilai cut-of value-nya sebesar 0,94. Nilai tersebut masih dapat diterima dan model dapat diterima

7


a. Hipotesis Pertama Berdasarkan Tabel 4, melalui pengamatan terhadap nilai critical ratio (C.R) dapat diketahui bahwa koefisien regresi secara signifikan tidak sama dengan nol, hal ini ditunjukkan oleh nilai critical ratio atau C.R untuk pengaruh variabel tangibility terhadap kepuasan mahasiswa lebih besar dari nilai ttabel (3,106  1,986), karena itu hipotesis nol bahwa regression weight adalah sama dengan nol dapat ditolak dan hubungan kausalitas dalam model dapat diterima. Dengan demikian, maka hipotesis pertama yang menyatakan bahwa tangibility mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto, diterima.

terhadap kepuasan mahasiswa lebih besar dari nilai ttabel (3,117  1,986), karena itu hipotesis nol bahwa regression weight adalah sama dengan nol dapat ditolak dan hubungan kausalitas dalam model dapat diterima. Dengan demikian, maka hipotesis ketiga yang menyatakan bahwa responsiveness mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto, diterima. d. Hipotesis Keempat Berdasarkan Tabel 4, melalui pengamatan terhadap nilai critical ratio (C.R) dapat diketahui bahwa koefisien regresi secara signifikan tidak sama dengan nol, hal ini ditunjukkan oleh nilai critical ratio atau C.R untuk pengaruh variabel assurance terhadap kepuasan mahasiswa lebih besar dari nilai ttabel (2,608  1,986), karena itu hipotesis nol bahwa regression weight adalah sama dengan nol dapat ditolak dan hubungan kausalitas dalam model dapat diterima. Dengan demikian, maka hipotesis keempat yang menyatakan bahwa assurance mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto, diterima.

b. Hipotesis Kedua Berdasarkan data pada Tabel 4, diketahui bahwa nilai critical ratio (C.R) untuk pengaruh variabel reliability terhadap kepuasan mahasiswa lebih besar dari nilai ttabel, (6,084 > 1,986). Oleh karena itu, hipotesis nol bahwa regression weight adalah sama dengan nol dapat ditolak dan hubungan kausalitas dalam model dapat diterima. Dengan demikian, maka hipotesis kedua yang menyatakan bahwa reliability mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto, diterima.

e. Hipotesis Kelima Berdasarkan data pada Tabel 4, diketahui bahwa nilai critical ratio (C.R) untuk pengaruh variabel emphaty terhadap kepuasan mahasiswa lebih besar dari nilai ttabel (2,151 > 1,986). Oleh karena itu, hipotesis nol bahwa regression weight adalah sa-

c. Hipotesis Ketiga Berdasarkan Tabel 4, diketahui bahwa nilai critical ratio (C.R) untuk pengaruh variabel responsiveness

8


ma dengan nol dapat ditolak dan hubungan kausalitas dalam model dapat diterima. Dengan demikian, maka hipotesis kelima yang menyatakan bahwa emphaty mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto, diterima.

informatika STMIK Amikom Purwokerto. 4. Assurance mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto. 5. Emphaty mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto. 6. Kepuasan mahasiswa mempunyai pengaruh yang positif signifikan terhadap loyalitas mahasiswa teknik informatika STMIK Amikom Purwokerto

f. Hipotesis Keenam Berdasarkan data pada Tabel 4, diketahui bahwa nilai critical ratio (C.R) untuk pengaruh variabel kepuasan mahasiswa terhadap loyalitas mahasiswa lebih besar dari nilai ttabel (2,770 > 1,986). Oleh karena itu, hipotesis nol bahwa regression weight adalah sama dengan nol dapat ditolak dan hubungan kausalitas dalam model dapat diterima. Dengan demikian, maka hipotesis keenam yang menyatakan bahwa kepuasan mahasiswa mempunyai pengaruh yang positif signifikan terhadap loyalitas mahasiswa teknik informatika STMIK Amikom Purwokerto, diterima

SARAN 1. Untuk meningkatkan tangibility hal yang perlu diperhatikan adalah kondisi ruang pelayanan, kenyamanan ruang pelayanan, kerapian dan kebersihan petugas pelayanan, kelengkapan fasilitas kerja dan kelengkapan sarana pendukung (komputer, internet, anjungan, computer, dll). 2. Untuk meningkatkan reliability hal yang perlu diperhatikan adalah penggunaan teknologi dan peralatan yang mutakhir, sistem jaringan komputerisasi, transaksi pelayanan, kemampuan petugas pelayanan dalam mengatasi masalah di lapangan dan kemampuan petugas pelayanan dalam menggunakan fasilitas kerja (komputer, telepon, printer, dll). 3. Untuk meningkatkan responsiveness hal yang perlu diperhatikan adalah waktu tunggu untuk memperoleh pelayanan, petugas segera memberikan bantuan kepada mahasiswa yang membutuhkan, tanggap dalam me-

KESIMPULAN 1. Tangibility mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto. 2. Reliability mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik informatika STMIK Amikom Purwokerto. 3. Responsiveness mempunyai pengaruh yang positif signifikan terhadap kepuasan mahasiswa teknik

9


nyelesaikan keluhan yang ada pada mahasiswa, kecemapatan dalam mengatasi gangguan pelayanan (akademik, perpustakaan, dll) yang rusak mendadak sangat cepat dan petugas tetap siap memenuhi setiap permintaan mahasiswa. 4. Untuk meningkatkan assurance hal yang perlu diperhatikan adalah kemampuan petugas memberikan informasi tentang layanan yang ditawarkan, cara petugas meningkatkan kepercayaan mahasiswa, rasa aman dan kemampuan petugas pelayanan dalam menanamkan kepercayaan kepada mahasiswa. 5. Untuk meningkatkan emphaty hal yang perlu diperhatikan adalah kemudahan menghubungi petugas pelayanan, waktu yang disediakan petugas pelayanan untuk berkomunikasi, kepedulian petugas layanan untuk memberikan solusi untuk masalah-masalah yang ditemui dalam proses pelayanan, adanya usaha untuk mengetahui dan memahami kebutuhan mahasiswa serta pemberian layanan yang sama kepada seluruh mahasiswa tanpa memandang status sosial

spectives, Fourth edition.New York : Mcgraw Hill/Irwin. Chan, Syafruddin. 2003. Relationship Marketing: Inovasi Pemasaran yang Membuat Mahasiswa Bertekuk Lutut. Cetakan Kedua. Penerbit Gramedia Pustaka Utama. Jakarta. Dharmalingam, S., Ramesh, R. and Kannan, K.V. 2011. Investigating the Service Quality Dimensions to Customer Satisfaction and Loyalty of New Private Sector Banks in Tamilnadu –An Empirical Study. Research journal of Social Science and Management, 4 (1), pp. 37-46. Elangovan, R., and Sabitha, K. 2011. Customers Perception towards Internet Banking Services- A Study with Reference to Puducherry Territory. Sankhya-International journal of Management and Technology, 2 (2), pp. 60-63. Ferdinand. 2005. Structural Equation Modeling. BP Undip. Semarang. Gopalakrishnan, J., Mishra, B. B., Gupta, V. K. and Vetrivel, A. 2011. The Impact of Service Quality and Customer Satisfaction on Customer Retention in the Indian Banking Industry: An Empirical Analysis. Research Journal of Social Science and Management, 1 (3), pp. 52-68. Griffin, J,. 2005. Customer Loyalty: Menumbuhkan dan Mempertahankan Kesetiaan Mahasiswa. Edisi revisi dan terbaru (terjemahan). Penerbit Erlangga. Jakarta. Hasan, Hishamuddin, Fitri, Abu. 2008. Service Quality and Student Satisfaction: A Case Study at Private Higher Education Institutions. In-

DAFTAR PUSTAKA Anand, Vijay dan Selvaraj. 2012. The Impact of Service Quality on Customer Satisfaction and Loyalty in Indian Banking Sector: An Empirical Study through SERVPERF. Int. J. Manag. Bus. Res., 2 (2), 151-163, Spring 2012. Bearden, William. O, Thomas N. Ingram, Raymod W Laforge. 2004. Marketing Principles and Per-

10


ternational Business Research. Vol. 1, No. 3 July 2008. Kheng, Lo Liang. 2010. The Impact of Service Quality on Customer Loyalty: A Study of Banks in Penang, Malaysia. International Journal of Marketing Studies. Vol 2. No. 2. November 2010. Kline, Rex B. 2010 Principle and Practice of Structural Equation Modeling. Second Edition. New York: The Guilford Press. Kotler, Philip. 2009. Manajemen Pemasaran. Erlangga. Jakarta. Mardalis, Ahmad. 2005. Meraih Loyalitas Mahasiswa. Journal Benefit. Vol 9, No. 2, hal 111-119. Mosahab Rahim. 2010. Service Quality, Customer Satisfaction and Loyalty: A Test of Mediation. International Business Research. Vol.3, No.4; October 2010. Tandjung, J,W. 2004. Marketing Management: Pendekatan Pada NilaiNilai Mahasiswa. Edisi Kedua. Cetakan Kedua. Bayumedia. Publishing. Malang. Tessema, Mussie T. 2012. Factors Affecting College Students’ Satisfaction with Major Curriculum: Evidence from Nine Years of Data. International Journal of Humanities and Social Science. Vol. 2 No. 2 Special Issue – January 2012.

Thomas, Sam. 2011. What Drives Student Loyalty in Universities: An Empirical Model from India. International Business Research. Vol. 4, No. 2; April 2011. Tjahyadi, R.A,. 2006. Brand Trust Dalam Konteks Loyalitas Merek: Peran Karakteristik Merek, Karakteristik Perusahaan, dan Karakteristik Hubungan Mahasiswa-Merek. Jurnal Manajemen. Vol 6. No 1 2006. Tjiptono, F,. 2007. Total Quality Management. Andi. Yogyakarta. _________. 2006. Manajemen Jasa. Andi. Yogyakarta. Umar, Husein. 2005. Riset Pemasaran dan Perilaku Konsumen. Jakarta Business Reseach Center. Jakarta. Vanpariya, B. and Ganguly, P. 2010. SERVQUAL versus Servperf: An Assessment from Indian Banking Sector. Tims-Quest, 1(1), pp. 313.

11

No title

Recommend Documents