APLIKASI REGRESI LOGISTIK ORDINAL UNTUK

MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA

TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA

SKRIPSI

Oleh:

MAJID ALBANA

NPM. 064108017

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM

UNIVERSITAS PAKUAN

2013

APLIKASI REGRESI LOGISTIK ORDINAL UNTUK

MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA

TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA

SKRIPSI

Diajukan Sebagai Salah Salah Satu Syarat untuk Memperoleh Gelar Sarjana pada

Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Pakuan

Oleh:

MAJID ALBANA

NPM. 064108017

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM

UNIVERSITAS PAKUAN

2013

i

ii

iii

RIWAYAT HIDUP

Majid Albana (064108017) dilahirkan pada tanggal 4

November 1990 di Depok, Jawa Barat. Penulis adalah

anak pertama dari tiga bersaudara dari pasangan Bapak

Mistam dan Ibu Murnihati.

Pada tahun 1996, penulis terdaftar sebagai siswa

SD Negeri 04 Depok Baru – Depok dan lulus tahun 2002.

Kemudian penulis melanjutkan sekolah ke SLTP Negeri 1

Cibungbulang – Bogor dan lulus tahun 2005. Pada tahun 2005 penulis

melanjutkan pendidikan ke SMA Negeri 1 Leuwiliang – Bogor dan lulus tahun

2008.

Setelah lulus SMA tahun 2008 penulis melanjutkan ke jenjang pendidikan

Program S1 Program Studi Matematika Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Pakuan Bogor. Pada masa kuliah pada bulan

Januari 2011, penulis melaksanakan Praktek Kerja Lapang (PKL) selama 1 bulan

yang bertempat di PT. Kereta Api Indonesia (Persero) Daop 1 Jakarta.

Selama menjadi mahasiswa Universitas Pakuan, penulis aktif dalam

organisasi Himpunan Mahasiswa Matematika (HIMATIKA) periode 2008 s.d.

2011. Pada tahun Juni 2011 penulis berhasil menjadi pegawai PT. Kereta Api

Indonesia (Persero) dan bekerja sebagai staff operasi perjalanan kereta api dan

KRL di PT. Kereta Api Indonesia (Persero) Daop 1 Jakarta.

Tepat pada tanggal 18 Maret 2012 penulis menghabiskan masa lajangnya

dengan menikahi seorang gadis bernama Maria Ulfah yang berprofesi sebagai

bidan dan telah dianugrahi seorang putri cantik bernama Maisyanova Ayrazka

Albana.

iv

RINGKASAN

MAJID ALBANA, Aplikasi Regresi Logistik Ordinal untuk Menganalisa

Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota. Di

bawah bimbingan FITRIA VIRGANTARI dan ANI ANDRIYATI.

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna jasa

kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di

stasiun Jakarta Kota. Atribut-atribut yang dianalisis yaitu 26 variabel independen

dan 1 variabel dependen. Variabel independen terdiri atas 26 variabel yang

terbagi ke dalam 3 aspek yaitu 11 variabel aspek pelayanan meliputi alur

kendaraan, dropping penumpang, lokasi toilet, fasilitas pendukung, tempat

duduk, tempat sampah, kebersihan toilet, turun naik penumpang, masuk keluar

penumpang, porter; 8 variabel aspek keamanan meliputi ruang tunggu, area

parkir, loket, lokasi petugas, keramahan petugas keamanan, kondisi kriminalitas,

keberadaan pedagang dan sikap pedagang dan 7 variabel aspek komersial

meliputi lokasi customer care, keramahan customer care, lokasi loket, antrian,

complain solution, keramahan petugas loket dan waktu antrian sedangkan

variabel dependennya adalah penilaian pelayanan stasiun Jakarta Kota secara

global. Model regresi logistik ordinal digunakan sebagai metode analisisnya.

Data penelitian didapat dengan cara membagikan kuisioner kepada 200

responden di stasiun Jakarta Kota pada waktu peak hour. Hasil penelitian

menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap

kepuasan pengguna jasa di stasiun Jakarta Kota adalah lokasi toilet, kebersihan

stasiun, turun naik penumpang, masuk keluar penumpang, ruang tunggu, loket,

keramahan petugas keamanan, sikap pedagang, serta keramahan petugas

customer care. Model regresi logistik ordinal aspek pelayanan, aspek keamanan

dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global

sebesar 81,7%. Berdasarkan rasio odd dari 200 responden diketahui peluang

pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat

baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar 12,71

kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan 1,1

kali dibandingkan jawaban baik.

Kata kunci : kepuasan pelanggan, regresi logistik ordinal, rasio odds.

v

KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa karena atas berkat dan karunia-

Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Aplikasi

Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa

Terhadap Pelayanan di Stasiun Jakarta Kota”. Shalawat serta salam senantiasa

diberikan kepada junjungan Nabi Muhammad SAW beserta keluarga, sahabat dan

para pengikutnya.

Skripsi yang penulis susun berisi tentang penelitian tingkat kepuasan

pengguna jasa kereta api dilihat dari pelayanan yang ada di stasiun Jakarta Kota

menggunakan model regresi logistik ordinal dengan menggunakan kuisioner.

Penulis berharap apa yang tertulis dalam skripsi ini dapat berguna bagi mahasiswa

dan masyarakat yang membacanya.

Penyusunan laporan skripsi ini tidak terhitungkan masalah dan hambatan

yang datang, namun berkat dukungan, bantuan, bimbingan serta doa, skripsi ini

dapat terselesaikan.

Ucapan terima kasih penulis ucapkan kepada:

1. Ibu Dr. Fitria Virgantari, M.Si, Ir selaku pembimbing I.

2. Ibu Ani Andriyati, M.Si selaku pembimbing II.

3. Orang tua dan keluarga tercinta yang telah memberikan dukungan baik

secara moril maupun materil.

4. Tim ISO 9001:2008 SMM Daop 1 Jakarta.

5. Rekan-rekan mahasiswa matematika angkatan 2008.

Terlepas dari semua itu, penulis menyadari bahwa dalam skripsi masih

terdapat kesalahan dan kekurangan dalam penulisannya. Kritik dan saran sangat

penulis harapkan untuk perbaikan dan acuan dalam laporan hasil penelitian di

kemudian hari.

Bogor, April 2013

Penulis

vi

DAFTAR ISI

HALAMAN PENGESAHAN .................................................................... i

HALAMAN PERNYATAAN ..................................................................... ii

RIWAYAT HIDUP ..................................................................................... iii

RINGKASAN .............................................................................................. iv

KATA PENGANTAR ................................................................................ v

DAFTAR ISI .............................................................................................. vi

DAFTAR TABEL ...................................................................................... viii

DAFTAR GAMBAR .................................................................................. ix

DAFTAR LAMPIRAN ............................................................................... x

BAB I PENDAHULUAN

1.1 Latar Belakang ............................................................................. 1

1.2 Rumusan Masalah ........................................................................ 3

1.3 Tujuan ......................................................................................... 3

1.4 Manfaat ........................................................................................ 4

BAB II TINJAUAN PUSTAKA

2.1 Kualitas Pelayanan ....................................................................... 5

2.2 ISO 9001 : 2008 Sistem Manajemen Mutu ................................... 7

2.3 Model Linear yang Digeneralisasikan .......................................... 9

2.4 Model Logit ................................................................................. 11

2.5 Regresi Logistik ........................................................................... 12

2.5.1 Model Regresi Logistik ........................................................ 12

2.5.2 Interpretasi Parameter dalam Model Regresi Logistik .......... 14

2.5.3 Asumsi-Asumsi Regresi Logistik ......................................... 14

2.6 Regresi Logistik Ordinal .............................................................. 15

2.6.1 Model Logit Kumulatif ........................................................ 15

2.6.2 Metode Kemungkinan Maksimum ....................................... 16

2.6.3 Fungsi Likelihood ................................................................ 17

vii

2.6.4 Uji Statistik D ...................................................................... 18

2.6.5 Uji Keberartian Model .......................................................... 18

2.6.6 Uji Keberartian Parameter secara Parsial ............................. 19

2.7 Rasio Odds ................................................................................... 19

BAB III METODOLOGI PENELITIAN

3.1 Jenis dan Sumber Data ................................................................. 21

3.2 Variabel Operasional .................................................................... 21

3.3 Metode Analisis ........................................................................... 23

BAB IV PEMBAHASAN

4.1 Uji Validitas dan Reliabilitas Kuisioner ....................................... 30

4.1.1 Uji Validitas ........................................................................ 30

4.1.2 Uji Reliabilitas ..................................................................... 32

4.1.3 Uji Multikolinearitas ............................................................ 32

4.2 Deskripsi Responden .................................................................... 34

4.3 Model Regresi .............................................................................. 37

4.4 Pengujian Parameter Model Regresi ............................................. 40

4.4.1 Uji Kebaikan Model (Goodness of Fit)................................. 40

4.4.2 Uji Keberartian Model ......................................................... 41

4.4.3 Uji Wald .............................................................................. 42

4.5 Intrepretasi Model ........................................................................ 43

4.5.1 Koefisien Determinasi Model............................................... 43

4.5.2 Rasio Odds .......................................................................... 44

BAB V PENUTUP

5.1 Kesimpulan ................................................................................... 47

5.2 Saran............................................................................................. 48

DAFTAR PUSTAKA ................................................................................. 49

LAMPIRAN ............................................................................................... 50

viii

DAFTAR TABEL

1. Tipe Model Analisis Statistika ............................................................ 9

2. Fungsi Hubungan Kanonik .................................................................. 11

3. Variabel Penelitian .............................................................................. 22

4. Skala Kepuasan ................................................................................... 24

5. Hasil Uji Validitas .............................................................................. 31

6. Uji Reliabilitas .................................................................................... 32

7. Hasil Uji Multikolinearitas .................................................................. 33

8. Model Regresi .................................................................................... 38

9. Kebaikan Model ................................................................................. 40

10. Uji Statistik G ...................................................................................... 41

11. Uji Wald ............................................................................................. 42

12. Koefisien Determinasi ........................................................................ 43

13. Frekuensi Jawaban .............................................................................. 44

14. Sampel Jawaban Responden ............................................................... 45

ix

DAFTAR GAMBAR

1. Delapan Prinsip Manajemen ............................................................. 8

2. Kurva Model Regresi Logistik ............................................................ 13

3. Flowchart Metode Analisis ................................................................ 23

4. Usia Responden ................................................................................. 34

5. Jenis Kelamin Responden ................................................................... 35

6. Latar Belakang Pendidikan Responden ............................................... 35

7. Pekerjaan Responden .......................................................................... 36

8. Rutinitas Responden Menggunakan KA dalam 1 Bulan ...................... 36

9. Tujuan Responden Menggunakan KA ................................................. 37

10. Keragaman Variabel Defenden Terhadap Variabel Independen ........... 44

x

DAFTAR LAMPIRAN

1. Pembuktian Persamaan Tujuh ............................................................. 49

2. Kuisioner Penelitian ............................................................................ 50

3. Operasionalisasi Variabel..................................................................... 52

4. Variabel View dan Data View dalam software SPSS............................ 56

5. Hasil Uji Validitas ............................................................................... 57

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Sistem transportasi di Indonesia sangatlah berperan penting sebagai

penunjang, pendorong dan penggerak roda perekonomian dalam upaya

peningkatan dan pemerataan pembangunan serta hasil-hasilnya. PT. Kereta Api

Indonesia (KAI) Persero sebagai BUMN penyedia jasa moda transportasi

menjadikan kereta api sebagai suatu pilihan tepat bagi masyarakat untuk dapat

menempuh perjalanan tanpa hambatan. Kereta api dipilih karena memiliki

karakteristik dan keunggulan yang lebih dibandingkan jasa angkutan lainnya

seperti angkutan umum kota, bus, taksi dan travel. Selain itu kereta api

mempunyai keunggulan dalam kapasitas angkut, baik orang maupun barang

secara masal dan yang terpenting adalah time traveler yang lebih cepat dari

transportasi darat lainnya. Tidak heran bila kereta api menjadi angkutan

transportasi darat yang sangat diminati para penumpang untuk dapat dengan cepat

sampai tujuan.

Ramainya pengguna jasa kereta api menunjukkan bahwa kereta api menjadi

transportasi darat yang relatif tinggi peminatnya. Menurut data penumpang seksi

Angkutan Daop 1 Jakarta periode tahun 2011 menunjukan bahwa setiap harinya di

Daop 1 Jakarta terdapat lebih dari 400.000 penumpang yang menggunakan jasa

kereta api baik Kereta Rel Listrik (KRL), Kereta Rel Diesel (KRD), KA Lokal

dan KA jarak jauh. Data ini pun selalu meningkat dari tahun ke tahunnya.

Pelayanan Prima merupakan salah satu dari 5 nilai pilar utama PT. KAI

(Persero) dalam berbagai usaha yang bersifat jasa untuk meraih persaingan pasar

antar moda transportasi disamping peningkatan mutu dan bentuk-bentuk

pelayanan lain. Memberikan pelayanan yang terbaik akan menimbulkan dampak

positif dalam organisasi atau perusahaan, melalui berbagai cara, teknik, dan

metode yang dapat menarik lebih banyak konsumen dan menjadi ciri bagi

perusahaan dalam memberikan pelayanan yang memuaskan (Septina, 2011).

2

Kualitas pelayanan prima yang bertujuan menarik simpatik konsumen

merupakan hal pokok yang harus selalu dipertahankan dan ditingkatkan oleh

perusahaan terutama oleh PT. KAI (Persero). Pada umumnya masyarakat memilih

produk yang mengutamakan kenyamanan. Kenyamanan bertransportasi kereta api

yang akan berdampak pada kepuasan pengguna jasa antara lain pelayanan

penjualan tiket yang ramah dan cepat, beroperasinya kereta secara rutin dan tepat

waktu, lingkungan tertib dan teratur, ruang tunggu yang nyaman, bersih dan rapi,

lingkungan stasiun yang sehat serta dilengkapi dengan fasilitas pendukung

pelayanan seperti toilet, tempat ibadah dan lain-lain. Hal tersebut juga harus

didukung oleh semua karyawan dalam perusahaan PT. KAI (Persero).

Mulai pada tahun 2011, PT. KAI (Persero) telah menghasilkan kualitas jasa

yang sesuai dengan ISO 9001 : 2008 Sistem Manajemen Mutu (SMM) yang lebih

mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan

sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa

mengimplementasi sistem manajemen mutu. Selain itu ISO 9001 : 2008 SMM

berfokus pada efektifitas proses continual improvement dengan pilar utama pola

berpikir PDCA (Plan, Do, Check, Action). Berdasarkan ISO 9001 : 2008 SMM

PT. KAI (Persero) khususnya Daop 1 Jakarta telah memiliki stasiun bersertifikasi

ISO, salah satunya adalah stasiun Jakarta Kota.

Selama ini banyak penelitian terhadap pelayanan yang diberikan oleh PT.

KAI (Persero) terhadap pengguna jasa. Namun, pada penelitian sebelumnya

belum terdapat penelitian tentang pelayanan di stasiun dan penelitian sebelumnya

hanya menggunakan metode kuantitatif umum yaitu regresi linear sederhana

seperti yang dilakukan oleh Roji (2008) dan Septina (2011) yang melakukan

penelitian terhadap pelayanan di atas kereta api. Metode tersebut hanya

menghasilkan gambaran secara umum hasil penelitian tingkat kepuasan pengguna

jasa kereta api sedangkan pada penelitian ini menggunakan analisis regresi

logistik ordinal.Menurut Garson (2008) mempunyai asumsi bahwa regresi logistik

tidak mengasumsikan suatu hubungan yang linear antara variabel respon dengan

variabel bebasnya, tetapi mengasumsikan hubungan yang linear antara log odds

dari variabel responnya dengan variabel bebasnya, sehingga hasil penelitian yang

3

didapat lebih spesifik menggambarkan model persamaan tingkat pengguna jasa

kereta api terhadap tingkat kepuasannya.

Aplikasi regresi logistik ordinal digunakan untuk mengetahui lebih jauh

hubungan antara kepuasan pengguna jasa terhadap kualitas pelayanan. Caranya

dengan melakukan penelitian mengenai analisis regresi logistik ordinal tingkat

kepuasan pengguna jasa kereta api untuk KA jarak jauh dan KA lokal non KRL

PT. KAI (Persero) terhadap pelayanan stasiun Jakarta Kota.

1.2 Rumusan Masalah

Melihat hal-hal yang berkaitan tentang persoalan tingkat kepuasan pengguna

jasa kereta api stasiun terhadap pelayanan di stasiun Jakarta Kota maka diperlukan

cara untuk mengetahui karakteristik prilaku dari pengguna jasa kereta api KA

jarak jauh dan KA lokal non KRL distasiun tersebut. Karakteristik prilaku dari

pengguna jasa kereta api stasiun Jakarta Kota dapat dijadikan faktor-faktor yang

mempengaruhi tingkat kepuasan pengguna jasa sehingga faktor yang dominan

dapat diperbaiki dikemudian hari agar pelayanan di stasiun sesuai dengan prinsip

ISO 9001:2008 yaitu PDCA (Plan, Do, Check and Action).

Prinsip PDCA yang dilakukan oleh PT. KAI (Persero) sementara ini masih

bersifat deskriptif sehingga diperlukan bentuk model regresi logistik ordinal

tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL

terhadap kualitas pelayanan di stasiun bersertifikasi ISO 9001 : 2008 SMM agar

faktor-faktor yang dominan dapat diketahui dan dikerjakan sesuai prinsip PDCA.

1.3 Tujuan

Tujuan dari penelitian analisis regresi ordinal untuk menganalisis tingkat

kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap

kualitas pelayanan di stasiun Jakarta Kota adalah:

1. Mengidentifikasi prilaku dari pengguna jasa kereta api KA jarak jauh dan

KA lokal non KRL di stasiun Jakarta Kota.

4

2. Mengetahui faktor-faktor yang mempengaruhi tingkat kepuasan pengguna

jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas

pelayanan di stasiun Jakarta Kota.

3. Mengaplikasikan model analisis regresi logistik ordinal tingkat kepuasan

pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap

kualitas pelayanan di stasiun Jakarta Kota.

1.4 Manfaat

Manfaat dari penelitian analisis tingkat kepuasan pengguna jasa kereta api

KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun

Jakarta Kota adalah:

1. Hasil dari penelitian diharapkan memberikan sumbangan pemikiran bagi

perusahaan jasa bidang transportasi PT. KAI (Persero) Daop 1 Jakarta

khususnya stasiun Jakarta Kota untuk dijadikan saran dalam meningkatkan

kualitas pelayanan di stasiun Jakarta Kota serta dapat berorentasi pada

kepuasaan konsumen sebagai salah satu dari 5 nilai perusahaan yaitu

pelayanan prima kepada pelanggan.

2. Penelitian dapat digunakan untuk mengaplikasikan teori-teori yang sudah

diperoleh selama perkuliahan dan melihat perbandingan antara teori dan hasil

di lapangan.

3. Penelitian dapat dijadikan sebagai acuan dalam penelitian karya ilmiah yang

sesuai dengan standar kompetensi yang berlaku dan sebagai bahan penelitian

selanjutnya.

4. Penelitian dapat dijadikan sebagai bahan informasi mengenai kualitas

pelayanan yang ada di stasiun Jakarta Kota, serta dapat dijadikan bahan

perbandingan dengan kualitas pelayanan jasa stasiun lain yang telah

bersertifikasi ISO 9001 : 2008 SMM.

5

BAB II

TINJAUAN PUSTAKA

2.1 Kualitas Pelayanan

Kualitas pelayanan publik merupakan salah satu yang menjadi perhatian

utama bagi masyarakat umum yang diselenggarakan oleh pemerintah dan

penyedia jasa publik. Peningkatan kualitas pelayanan publik yang diselenggarakan

oleh instansi pemerintahan pada saat ini menjadi sorotan bahkan menjadi tuntutan

masyarakat. Persoalan yang sering dikritik masyarakat atau para penerima layanan

adalah persepsi terhadap “kualitas” yang melekat pada seluruh aspek pelayanan.

Tjiptono (1996) menyebutkan istilah “kualitas” mencakup pengertian:

1. Kesesuaian dengan persyaratan.

2. Kecocokan untuk pemakaian.

3. Perbaikan berkelanjutan.

4. Bebas dari kerusakan/cacat.

5. Pemenuhan kebutuhan pelanggan sejak awal dan setiap saat.

6. Melakukan segala sesuatu secara benar.

7. Sesuatu yang bisa membahagiakan pelanggan.

Namun demikian setiap jenis pelayanan publik yang diselenggarakan oleh

instansi-instansi pemerintah tentu mempunyai kriteria kualitas tersendiri. Hal ini

terkait erat dengan atribut pada masing-masing jenis pelayanan. Ciri-ciri yang ada

dalam kualitas tersebut menurut Tjiptono (1996) adalah:

1. Ketepatan waktu pelayanan meliputi waktu tunggu dan waktu proses.

2. Akurasi pelayanan meliputi bebas dari kesalahan-kesalahan.

3. Kesopanan dan keramahan dalam memberikan pelayanan.

4. Kemudahan mendapatkan pelayanan, misalnya banyaknya petugas yang

melayani dan banyaknya fasilitas pendukung seperti komputer.

5. Kenyamanan memperoleh pelayanan, berkaitan dengan lokasi, ruang

tempat pelayanan, tempat parkir, ketersediaan informasi dan lain-lain.

6

6. Atribut pendukung pelayanan lainnya seperti ruang tunggu ber AC,

kebersihan dan lain-lain.

Menurut pendapat diatas diketahui bahwa kualitas pelayanan mencakup

berbagai faktor yaitu kualitas pelayanan publik merupakan hasil interaksi aspek

pelayanan, sumber daya manusia, strategi dan pengguna jasa. Tuntutan pengguna

jasa untuk mendapatkan pelayanan yang lebih baik (service excellence) tidak

dapat dihindari oleh penyelenggara pelayanan jasa. Tuntutan tersebut harus

disikapi sebagai upaya dalam memberikan kepuasan kepada pelanggan. Kepuasan

penerima layanan sangat berkaitan dengan kualitas pelayanan yang diberikan

seperti yang diungkapkan Tjiptono (1996) bahwa kualitas memiliki hubungan

yang sangat erat dengan kepuasan pelanggan.

Menurut Kotler dalam Tjiptono (1996) mengatakan bahwa kepuasan

pelanggan adalah tingkat perasaan seseorang setelah membandingkan kinerja atau

hasil yang dirasakan dibandingkan dengan harapannya. Setiap pelanggan tentu

menghendaki kepuasan dalam menerima suatu layanan sedangkan ukuran

keberhasilan penyelenggaraan pelayanan ditentukan oleh tingkat kepuasan

penerima layanan. Kepuasan penerima layanan dicapai apabila penerima layanan

memperoleh pelayanan sesuai dengan yang dibutuhkan dan diharapkan.

Kebutuhan para penerima layanan harus dipenuhi oleh pihak penyelenggara

pelayanan agar para penerima layanan tersebut memperoleh kepuasan maka dari

itu diperlukan suatu pemahaman tentang konsepsi kualitas pelayanan. Menurut

Tjiptono (1996) kualitas pelayanan diartikan sebagai tingkat keunggulan yang

diharapkan dan pengendalian atas tingkat keunggulan tersebut untuk memenuhi

keinginan pelanggan. Kualitas pelayanan bukanlah dilihat dari sudut pandang

pihak penyelenggara atau penyedia layanan melainkan berdasarkan persepsi

masyarakat (pelanggan) penerima layanan.

Berdasarkan penjelasan di atas maka pengertian kualitas pelayanan adalah

terpenuhinya karakteristik suatu konsep pelayanan yang mencakup seluruh aspek

pelayanan dan tolak ukur kualitas pelayanan itu adalah dapat memberi kepuasan

kepada para pelanggan atau penerima layanan.

7

2.2 ISO 9001 : 2008 Sistem Manajemen Mutu

ISO 9001 merupakan standar international yang mengatur tentang sistem

manajemen mutu (Quality Management System) oleh karena itu seringkali disebut

sebagai “ISO 9001 QMS”. Adapun tulisan “2008” menunjukkan tahun revisi

maka ISO 9001 : 2008 adalah sistem manajemen mutu ISO 9001 hasil revisi tahun

2008. Seiring perkembangan zaman dan kemajuan teknologi terutama semakin

luasnya dunia usaha maka kebutuhan akan pengelolaan sistem manajemen mutu

semakin dirasa perlu dan mendesak untuk diterapkan pada berbagai scope

industry yang semakin hari semakin beragam.

Organisasi pengelola standar international ini adalah International

Organization for Standardization yang bermarkas di Geneva – Swiss, didirikan

pada 23 Februari 1947, kini beranggotakan lebih dari 147 negara yang mana

setiap negara diwakili oleh badan standardisasi nasional.

ISO 9001 : 2008 lebih mengedepankan pada pola proses bisnis yang terjadi

dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis

perusahaan bisa mengimplementasi sistem manajemen mutu ISO 9001. Selain itu

ISO 9001 : 2008 berfokus pada efektifitas proses continual improvement dengan

pilar utama pola berpikir PDCA (Plan, Do, Check, Action) dalam setiap prosesnya

senantiasa melakukan kegiatan sebagai berikut:

1. Perencanaan yang matang (Plan).

2. Implementasi yang terukur dengan jelas (Do).

3. Dilakukan evaluasi dan analisis data yang akurat (Check).

4. Tindakan perbaikan yang sesuai dan monitoring pelaksanaannya agar

benar-benar bisa menuntaskan masalah yang terjadi di organisasi

(Action).

Pilar berikutnya yang digunakan demi mensukseskan proses implementasi

ISO 9001 : 2008 SMM, ditetapkanlah delapan prinsip manajemen mutu yang

bertujuan untuk mengimprovisasi kinerja sistem agar proses yang berlangsung

sesuai dengan fokus utama yaitu effectivitas continual improvement. Delapan

prinsip manajemen yang dimaksud adalah:

8

Gambar 1. Delapan Prinsip Manajemen

1. Customer focus: Semua aktifitas perencanaan dan implementasi sistem

semata-mata untuk memuaskan konsumen.

2. Leadership: Pimpinan tertinggi berfungsi sebagai pemimpin dalam

mengawal implementasi sistem bahwa semua gerak organisasi selalu

terkontrol dalam satu komando dengan komitmen yang sama dan gerak

yang sinergi pada setiap elemen organisasi.

3. Involvement of people: Semua elemen dalam organisasi terlibat dan concern

dalam implementasi sistem manajemen mutu sesuai fungsi kerjanya masing-

masing, bahkan hingga office boy sekalipun hendaknya senantiasa

melakukan yang terbaik dan membuktikan kinerjanya layak serta berkualitas

pada fungsinya sebagai office boy.

4. Process approach: Aktifitas implementasi sistem selalu mengikuti alur

proses yang terjadi dalam organisasi. Pendekatan pengelolaan proses

dipetakan melalui proses bisnis.

5. System approach management: Implementasi sistem mengedepankan

pendekatan pada cara pengelolaan (manajemen) proses bukan sekedar

menghilangkan masalah yang terjadi. Oleh karena itu konsep kaizen,

continual improvement sangat ditekankan. Pola pengelolaannya bertujuan

Customer Focus

Leadership

Involvement Of People

Process Approach

System Approach Management

Continual Improvement

Factual Approach Decision Making

Mutual Beneficial Supplier

Relationship

9

memperbaiki cara dalam menghilangkan akar (penyebab) masalah dan

melakukan improvement untuk menghilangkan potensi masalah.

6. Continual improvement adalah roh implementasi ISO 9001 : 2008 SMM.

7. Factual approach decision making: Keputusan dalam implementasi sistem

selalu didasarkan pada fakta dan data. Tidak ada data (bukti implementasi)

sama dengan tidak dilaksanakannya sistem ISO 9001 : 2008 SMM.

8. Mutual beneficial supplier relationship: supplier adalah mitra usaha atau

partner bisnis karena itu harus terjadi pola hubungan saling menguntungkan.

2.3 Model Linear yang Digeneralisasikan

Model linear yang digeneralisasi sebagai suatu cara untuk menyatukan

model statistika yang berbeda dengan satu aturan yaitu menyatukan model

regresi dan model desain eksperimen. Menyatukan model regresi linear biasa

yang berdistribusi normal dan model nonlinear seperti logistik dan regresi

Poisson (Montgomery et al, 2006). Tabel 1 memperlihatkan tipe model statistika

yang berbeda.

Tabel 1. Tipe Model Analisis Statistika

Komponen

Acak

Fungsi

Hubungan

Komponen

Sistematik Model

Normal Identitas Kontinu Regresi

Normal Identitas Kategorik Analisis Varians

Normal Identitas Campuran Analisis Kovarians

Bernouli Logit Campuran Regresi logistik biner

Poisson Log Campuran Loglinear

Multinomial Logit yang

digeneralisasi

Campuran Regresi Logistik

Multinomial

Agresti (1990) menjelaskan konsep keluarga model linear yang

digeneralisasi yang memuat model-model penting untuk data kategorik,

sebagaimana model regresi baku dan analisis varians untuk variabel respon

kontinu. Model linear yang digeneralisasi memiliki tiga komponen yaitu:

1. Komponen Acak

Komponen acak model linear yang digeneralisasi menentukan

pengamatan-variabel respon Yi= (Y1, Y2, ..., Yn) dan memilih distribusi

10

peluang untuk (Y1, Y2, ..., Yn) dari suatu distribusi keluarga eksponensial

dengan Y1, Y2, ..., Yn saling bebas. Setiap Yi memiliki fungsi kepadatan

peluang berbentuk.

𝑦𝑖 , 𝜃𝑖 = 𝑎 𝜃𝑖 𝑏 𝑦𝑖 exp𝑦𝑖 𝑄 𝜃𝑖 (1)

Pada model linear yang digeneralisasi, distribusi variabel respon

haruslah anggota dari keluarga eksponensial yang terdiri dari distribusi

normal, poisson, binomial, normal invers, eksponensial dan distribusi

gamma sebagai anggota-anggotanya. Nilai dari parameter 𝜃𝑖 dalam

persamaan (1) bisa bervariasi untuk i = 1,2,3,..., n. Hal ini bergantung pada

nilai-nilai variabel bebasnya. Bentuk Q(𝜃) disebut parameter asli dari suatu

distribusi eksponensial.

2. Komponen Sistematik

Nilai harapan 𝑌 yaitu rata-rata dari distribusi peluang dapat dinotasikan

oleh 𝜇 = 𝐸(𝑌). Pada model linear yang digeneralisasi, nilai 𝜇 bervariasi

menurut tingkatan variabel bebas. Komponen sistematik model linear yang

digeneralisasi dengan menyatakan variabel bebas dimana variabel bebas

masuk secara linear sebagai prediktor pada ruas kanan persamaan model.

𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯+ 𝛽𝑘𝑥𝑘 (2)

Kombinasi linear dari variabel bebasnya disebut prediktor linear.

3. Fungsi Hubungan (Link Function)

Komponen ketiga model linear yang digeneralisasi adalah fungsi

hubungan (link function) yang menggambarkan hubungan fungsional antara

komponen sistematik dan nilai ekspektasi (rata-rata) dari komponen acak.

Komponen ini menentukan bagaimana 𝜇 = 𝐸 𝑌 dihubungkan dengan

variabel bebas dalam prediktor linear. Rata-rata 𝜇 dapat dimodelkan secara

langsung atau fungsi 𝑔 𝜇 yang monoton dimodelkan dari rata-ratanya.

𝑔 𝜇 = 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯+ 𝛽𝑘𝑥𝑘 (3)

11

Fungsi hubungan sederhana memiliki bentuk 𝑔 𝜇 = 𝜇. Bentuk ini

memodelkan rata-rata secara langsung dan disebut fungsi hubungan identitas

(identity link). Model linear untuk rata-rata variabel respon adalah:

𝜇 = 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯+ 𝛽𝑘𝑥𝑘 (4)

Persamaan (4) adalah bentuk model regresi biasa untuk variabel respon

kontinu. Fungsi hubungan yang mentransformasikan rata-rata ke parameter

aslinya disebut fungsi hubungan kanonik (cannonical link). Misalnya,

𝑔 𝜇 = 𝑄 𝜃 dan 𝑄 𝜃 = 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯+ 𝛽𝑘𝑥𝑘 . Berikut ini disajikan tabel

fungsi hubungan kanonik untuk model linear yang digeneralisasi.

Tabel 2. Fungsi Hubungan Kanonik

Distribusi Fungsi Hubungan Kanonik

Normal 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯ + 𝛽𝑘𝑥𝑘 = 𝜇𝑖 (fungsi hubungan identitas)

Binomial 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯ + 𝛽𝑘𝑥𝑘 = 𝐼𝑛(𝜋𝑖

1−𝜋𝑖) (fungsi hubungan logit)

Poisson 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯ + 𝛽𝑘𝑥𝑘 = 𝐼𝑛 𝜆 (fungsi hubungan log)

Eksponensial 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯ + 𝛽𝑘𝑥𝑘 =1

𝜆𝑖 (fungsi hubungan resiprokal)

Gamma 𝛽0 + 𝛽𝑖𝑥𝑖 + ⋯ + 𝛽𝑘𝑥𝑘 =1

𝜆𝑖 (fungsi hubungan resiprokal)

2.4 Model Logit

Banyak variabel respon kategori yang hanya memiliki dua kategori.

Pengamatan dari setiap subjek ini bisa diklasifikasikan sebagai “sukses” atau

“gagal”. Misalnya 1 menyatakan “sukses” dan 0 menyatakan “gagal”. Maka

peluang-peluang distribusi Bernoulli untuk variabel acak biner 𝑌 dengan dua

kejadian (sukses dan gagal) adalah 𝑃 𝑌 = 1 = 𝜋 𝑑𝑎𝑛 𝑃 𝑌 = 0 = 1 − 𝜋,

dimana 𝜋 = 𝐸 𝑌 .

Jika 𝑌𝑖 berdistribusi Bernoulli dengan parameter 𝜋𝑖 , fungsi kepadatan

peluangnya adalah:

𝑓 𝑦𝑖 ;𝜋𝑖 = 𝜋𝑖𝑦𝑖 1 − 𝜋𝑖

1−𝑦𝑖 = 1 − 𝜋𝑖 [𝜋𝑖

1 − 𝜋𝑖]𝑦𝑖 , 𝑦𝑖 = 0,1

𝑓 𝑦𝑖 ;𝜋𝑖 = 1 − 𝜋𝑖 exp[𝑦𝑖 log 𝜋𝑖

1−𝜋𝑖 ] ,𝑦𝑖 = 0,1 (5)

12

Distribusi diatas termasuk ke dalam keluarga eksponensial asli dengan

parameter asli 𝑄 𝜋 = 𝐼𝑛 [𝜋

1−𝜋 ] dan log odds dari variabel respon 𝑌 sama

dengan 1, disebut logit 𝜋. Model linear yang digeneralisasi yang menggunakan

fungsi hubungan logit disebut model logit. Model logit merupakan model yang

digunakan untuk model regresi logistik.

2.5 Regresi Logistik

Penjelasan regresi logistik merupakan bagian dari model-model stastistika

yang disebut model linear yang digeneralisasi. Dilihat dari variabel bebasnya

regresi logistik terbagi menjadi dua yaitu regresi logistik sederhana (hanya

memiliki satu variabel bebas) dan regresi logistik berganda (memiliki lebih dari

satu variabel bebas) sedangkan jika dilihat dari variabel responnya, regresi

logistik dibedakan menjadi dua yaitu regresi logistik biner (variabel responnya

dichotomous atau hanya memiliki dua kategori) dan regresi logistik multinomial

(variabel responnya memiliki lebih dari dua kategori atau polytomous). Regresi

logistik hanya memiliki satu variabel respon yaitu variabel respon kategori

sedangkan variabel kontinu tidak digunakan sebagai variabel respon.

Regresi logistik sebenarnya sama dengan analisis regresi berganda, hanya

saja variabel-variabel terikatnya merupakan variabel dummy (0 dan 1).

Contohnya pengaruh beberapa rasio perjalanan kereta terhadap keterlambatan

perjalanan kereta api. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika

tidak terlambat (tepat). Pada regresi logistik tidak diperlukan asumsi normalitas

meskipun screening dan outlier dapat dilakukan.

2.5.1 Model Regresi Logistik

Model regresi logistik adalah model regresi yang setiap peubah terikat atau

responnya mensyaratkan berupa peubah kategorik sedangkan menurut Hosmer

(1989) metode regresi logistik adalah suatu metode analisis statistika yang

mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori

atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval.

13

Pada kasus-kasus struktur model-model tersebut yang menunjukan

hubungan garis lengkung antara x dan 𝜋 𝑥 . Hubungan garis lengkung antara x

dan 𝜋 𝑥 diilustrasikan seperti pada Gambar 2.

Gambar 2. Kurva Model Regresi Logistik

Fungsi yang memiliki bentuk seperti pada Gambar 2 diatas adalah sebagai

berikut:

𝜋 𝑥 =exp(𝛽0 + 𝛽1𝑥)

1 + exp(𝛽0 + 𝛽1𝑥) (6)

Disebut fungsi regresi logitik. Rumus ini memperlihatkan bahwa ketika

𝑥 → ∞, 𝜋 𝑥 ↓ 0 jika 𝛽 < 0 dan 𝜋 𝑥 ↑ 0 jika 𝛽 > 0. Jika 𝛽 → 0, kurvanya

cenderung membentuk garis horizontal dan jika modelnya dipenuhi dengan

𝛽 = 0 maka variabel respon biner Y akan saling bebas pada x.

Jika persamaan (6) ditransformasi menjadi bentuk logit maka persamaan

berikut akan diperoleh:

𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥 = 𝐼𝑛 𝜋 𝑥

1 − 𝜋 𝑥 = 𝛽0 + 𝛽1𝑥 (7)

(Pembuktian dapat dilihat pada Lampiran 1)

Persamaan (7) di atas merupakan bentuk persamaan linear log odds peluang

“sukses” dan variabel bebasnya dengan demikian fungsi hubungannya adalah

14

transformasi log odds yang disebut logit. Model regresi logistik pada persamaan

(7) merupakan bentuk model regresi logistik biner sederhana dengan satu

variabel bebas. Model umum dari regresi logistik biner dengan xi=(xi0,xi1,...xik)

menyatakan grup ke-i dari k variabel bebas, i=1,2,...,i, xi0 = 1 adalah:

𝜋 𝑥𝑖 =exp( 𝛽𝑝𝑥𝑖𝑝)𝑘

𝑝=0

1 + exp( 𝛽𝑝𝑥𝑖𝑝)𝑘𝑝=0

, 𝑝 = 0,1,… , 𝑘 (8)

𝛽0 = 𝛼 ketika 𝑥𝑖0 = 1 dan merupakan perpotongan (intercept) dari model

regresi logistik.

2.5.2 Interpretasi Parameter dalam Model Regresi Logistik

Jika persamaan (8) di atas ditulis kembali sebagai

𝑔 𝑥 = 𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥 = 𝐼𝑛 𝜋 𝑥

1 − 𝜋 𝑥 = 𝛽0 + 𝛽1𝑥 (9)

𝑔 𝑥 merupakan fungsi hubungan dari model regresi logistik yang disebut fungsi

hubungan logit.

Variabel prediktor yang diamati merupakan variabel kategorik dengan lebih

dari dua kategori (polytomous) maka interpretasi parameter untuk variabel ini

menggunakan bantuan variabel dummy. Jika terdapat J kategori, akan digunakan

(J-1) variabel dummy dengan satu buah kategori akan dijadikan sebagai kategori

referensi. Interpretasi dilakukan dengan cara yang sama dengan interpretasi pada

variabel prediktor dikotomi yaitu tiap-tiap kategori dibandingkan dengan kategori

rujukannya.

2.5.3 Asumsi-Asumsi Regresi Logistik

Berikut ini adalah asumsi yang digunakan dalam regresi logistik (Garson, 2008):

1. Regresi logistik tidak mengasumsikan suatu hubungan yang linear antara

variabel respon dengan variabel prediktornya tetapi mengasumsikan

hubungan yang linear antara log odds dari variabel responnya dengan

variabel prediktornya.

15

2. Variabel responnya tidak harus berdistribusi normal (tetapi diasumsikan

distribusinya berada dalam keluarga distribusi eksponensial, seperti normal,

poisson, binomial, gamma).

3. Variabel responnya tidak harus homoskedastis untuk setiap kategori dari

variabel prediktornya yaitu tidak ada homogenitas asumsi variansi (variansi

tidak harus sama dalam kategori).

4. Galatnya tidak diasumsikan berdistribusi normal.

5. Regresi logistik tidak mengharuskan bahwa semua variabel prediktornya

merupakan data interval.

6. Penambahan atau pengurangan alternatif variabel tidak mempengaruhi odds

yang diasosiasikan.

7. Tidak adanya multikollinearitas.

8. Tidak ada outlier seperti dalam regresi linear.

9. Galat diasumsikan saling bebas.

10. Galat yang rendah dalam variabel bebasnya.

11. Pengkodean berarti (meaningful coding). Koefisien-koefisien logistik akan

sulit diinterpretasikan jika kodenya tidak berarti.

2.6 Regresi Logistik Ordinal

Regresi logistik ordinal adalah perluasan dari regresi logistik biner dimana

regresi logistik ordinal merupakan salah satu metode statistika untuk

menganalisis data dengan variabel respon merupakan skala ordinal yang terdiri

dari tiga kategori atau lebih dan variabel prediktor merupakan covariate (jika

menggunakan skala interval atau rasio) atau bisa merupakan faktor (jika

menggunakan skala nominal atau ordinal).

2.6.1 Model Logit Kumulatif

Model yang dapat dipakai untuk regresi logistik ordinal adalah model logit.

Model logit tersebut adalah model logit kumulatif, pada model ini terdapat sifat

ordinal dari respon Y yang dituangkan dalam peluang kumulatif sehingga model

logit kumulatif merupakan model yang didapatkan dengan cara membandingkan

16

peluang kumulatif yaitu peluang kurang dari atau sama dengan ketegori respon

ke-j pada p variabel prediktor yang dinyatakan dalam vektor X, P(Y≤j|X) dengan

peluang lebih besar daripada kategori respon ke-j, P(Y>j|X) (Hosmer dan

Lemeshow, 2000). Peluang kumulatif, P(Y≤j|X) didefinisikan sebagai berikut:

𝑃 𝑌 ≤ 𝑗 X =exp 𝛽0𝑗 + βkxk

pk=1

1 + exp 𝛽0𝑗 + βkxkp

k=1

10

Keterangan j=1,2,...J adalah kategori respon (Agresti, 1990)

2.6.2 Metode Kemungkinan Maksimum

Tujuan digunakannya metode kemungkinan maksimum adalah untuk

menjelaskan peluang pengamatan sebagai suatu fungsi dari parameter yang tidak

diketahui dapat dibangun dengan suatu fungsi yang disebut likelihood function.

Metode digunakan untuk memaksimumkan nilai dari fungsi tersebut digunakan

metode kemungkinan maksimum (Hosmer dan Lemeshow, 2000). Cara untuk

menaksir parameter pada regresi logistik ordinal adalah dengan metode

kemungkinan maksimum.

Kategori respon pada regresi logistik ordinal mempunyai urutan atau

ordering maka model logit yang digunakan adalah model logit kumulatif. Model

logit multiple respon dalam model logit adalah:

𝐿𝑜𝑔𝑖𝑡 𝑃 𝑌 ≤ 𝑗 𝑋 = 𝜃𝑗 + 𝛽𝑇𝑋, 𝑗 = 1,2,… , 𝐽 − 1 (11)

Keterangan bahwa θ adalah vektor parameter intersep dan 𝛽𝑇 =

(𝛽1,𝛽2 ,… ,𝛽𝑝)adalah vektor parameter kemiringan atau slope. Jika 𝜃𝑗 < 𝜃𝑗+1

maka model ini adalah model kumulatif dengan kemiringan yang sama yaitu

model garis regresi yang berdasarkan pada peluang kumulatif kategori respon.

Jika 𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯+ 𝜋𝑗 𝑋 maka:

𝑌1 𝑋 = 𝜋1 𝑋 12

𝑌2 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 13

⋮

𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯+ 𝜋𝑗 𝑋 14

17

Jika terdapat J kategori respon maka model logistik ordinal yang terbentuk

adalah:

𝐿𝑜𝑔𝑖𝑡 𝑌1 = 𝐼𝑛 𝑌1

1 − 𝑌1 = 𝜃1 + 𝛽1𝑋1 + 𝛽2𝑋2 + ⋯+ 𝛽𝑝𝑋𝑝 15

𝐿𝑜𝑔𝑖𝑡 𝑌2 = 𝐼𝑛 𝑌2

1 − 𝑌2 = 𝜃2 + 𝛽1𝑋1 + 𝛽2𝑋2 + ⋯+ 𝛽𝑝𝑋𝑝 16

⋮

𝐿𝑜𝑔𝑖𝑡 𝑌𝐽−1 = 𝐼𝑛 𝑌𝐽−1

1 − 𝑌𝐽−1 = 𝜃𝐽−1 + 𝛽1𝑋1 + 𝛽2𝑋2 + ⋯+ 𝛽𝑝𝑋𝑝 17

𝑌𝑗 𝑋 = 𝜋1 𝑋 + 𝜋2 𝑋 + ⋯+ 𝜋𝑗 𝑋 =𝑒𝜃𝑗𝛽

𝑇𝑥

1 + 𝑒𝜃𝑗𝛽𝑇𝑥

, 𝑗 = 1,2,…𝐽 − 1 18

Model diatas merupakan model logit kumulatif sebab odds rasio kejadian

(Y≤j) adalah independen pada setiap indikator kategori.

2.6.3 Fungsi Likelihood

Menurut Kim (2004) ketika lebih dari satu observasi Y muncul pada nilai

𝑋𝑖 adalah cukup dengan mencatat jumlah observasi 𝑛𝑗𝑖 dan jumlah hasil ‘j’ untuk

j=1,2,...,J. Maka [𝑌𝑖 𝑖 = 1,2,… ,𝑛] adalah variabel acak yang berdistribusi

multinomial independen dengan 𝐸 𝑌𝑖 = 𝑛𝑖𝑗 𝛾𝑗 𝑋𝑖 dimana 𝑛1𝑖 + ⋯+ 𝑛𝐽𝑖 = 1

sedemikian sehingga dapat dinyatakan:

𝑅1𝑖 = 𝑛1𝑖 ,

𝑅2𝑖 = 𝑛1𝑖 + 𝑛2𝑖 (19)

⋮

𝑅𝐽𝑖 = 1

Peluang kumulatif digunakan dalam menaksir parameter maka likelihood

dapat ditulis sebagai perkalian J-1 kategori, sehingga FKP bersama dari

(𝑌1,𝑌2, …𝑌𝑛 ) adalah sama dengan perkalian n fungsi multinomial.

Fungsi likelihoodnya adalah:

𝐿 𝜃,𝛽 = 𝑌1𝑖

𝑌2𝑖

𝑅1𝑖

𝑌2𝑖 − 𝑌1𝑖

𝑌2𝑖

𝑅2𝑖−𝑅1𝑖

𝑋 𝑌2𝑖

𝑌3𝑖

𝑅2

𝑌3𝑖 − 𝑌2𝑖

𝑌3𝑖

𝑅3𝑖−𝑅2𝑖

𝑛

𝑖=1

…𝑋 𝑌 𝐽−1 𝑖

𝑌𝐽𝑖

𝑅 𝐽 −1 𝑖

18

= 𝑌𝐽𝑖 − 𝑌(𝐽−1)𝑖

𝑌𝐽𝑖

𝑅𝐽𝑖−𝑅(𝐽 −1)𝑖

20

2.6.4 Uji Statistik D

Deviance didasarkan pada kriteria rasio likelihood untuk membandingkan

model current (model tanpa peubah penjelas) dengan model penuh (model dengan

peubah penjelas). Statistik uji Deviance didefinisikan dengan rumus

n

i i

i

i

i

i

iy

yy

yD1 1

ˆ1ln1

ˆln2

dengan i

i

xg

xg

exp1

expˆ

,

ippii xxxg ...110 , i = 1, 2, …, n. (22)

Statistik D akan mengikuti sebaran 2 dengan derajat bebas n-p. Kriteria

Keputusan yang diambil yaitu menolak H0 jika Dhitung > 2

pn (Ryan, 1997).

2.6.5 Uji Keberartian Model

Prosedur uji perbandingan kemungkinan (ratio likelihood test) dapat

digunakan untuk menguji keberartian model regresi logistik. Statistik uji-G

digunakan untuk menguji peranan variabel penjelas di dalam model secara

bersama-sama (Hosmer & Lemeshow, 1989). Uji ini membandingkan model

lengkap (model dengan variabel prediktor) terhadap model yang hanya dengan

konstanta (model tanpa variabel prediktor) untuk melihat apakah model yang

hanya dengan konstanta secara signifikan lebih baik dari model lengkap dengan

rumus sebagai berikut:

𝐺 = −2𝐼𝑛 𝑙𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)

𝑙𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴) (21)

Keterangan model B = model yang hanya terdiri dari konstanta saja dan

model A = model lengkap (model dengan variabel prediktor). Hipotesis dari

persamaan diatas adalah H0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0 dan H1 : minimal terdapat

𝛽𝑝 ≠ 0. Kriteria ini mengambil taraf nyata α maka 𝐻0 ditolak jika 𝐺 > 𝒳(𝛼 ,𝑣)2

dimana v adalah banyaknya variabel prediktor.

19

2.6.6 Uji Keberartian Parameter secara Parsial

Menurut Kleinbaum dan Klein (2002) Uji Wald dapat digunakan untuk

menguji ketika hanya ada satu parameter yang diuji. Statistik uji Wald dihitung

dengan membagi parameter yang ditaksir oleh galat baku dari parameter yang

ditaksir.

𝑍 =𝛽 𝑘𝑖

𝑆𝐸(𝛽 𝑘𝑖 ) (23)

𝛽 𝑘𝑖 adalah penaksir 𝛽𝑘𝑖 dan 𝑆𝐸(𝛽 𝑘𝑖 ) adalah penaksir galat baku 𝛽𝑘𝑖 . Statistik uji

ini berdistribusi normal dalam ukuran sampel yang besar. Kuadrat statistik uji

yang berdistribusi normal ini adalah statistik chi-kuadrat dengan derajat

kebebasan, v sama dengan 1, yaitu:

𝑍2 = 𝛽 𝑘𝑖

𝑆𝐸(𝛽 𝑘𝑖 )

2

(24)

Hipotesis 𝐻0:𝛽𝑘𝑖 = 0 (parameter dalam model, untuk variabel prediktor ke-

k dengan kategori ke-i tidak berarti) dan hipotesis alternatifnya 𝐻1:𝛽𝑘𝑖 ≠ 0

(parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i

berarti). Kriteria pengujian mengambil taraf nyata α maka 𝐻0 ditolak jika

𝑍2 > 𝒳(𝛼 ,1)2 .

2.7 Rasio Odd

Regresi logistik juga menghasilkan rasio peluang (odds ratio) terkait

dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan

sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu

kejadian tidak terjadi. Secara umum, rasio peluang (odds ratio) merupakan

sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi

prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio

peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel prediktor

meningkat sebesar 1 unit.

Pada teori peluang dan statistika, peluang dari suatu kejadian (event) diberi

kuantitas 𝑝

1−𝑝, dimana 𝑝 menyatakan peluang dari kejadian yang terjadi 1 − 𝑝

20

menyatakan peluang dari kejadian yang tidak terjadi. Odds sebenarnya

merupakan peluang-peluang relatif. Hal yang berbeda dengan peluang adalah

bahwa peluang menyatakan kesempatan dari suatu kejadian yang terjadi

sedangkan odds adalah rasio peluang kejadian yang tidak terjadi. Logaritma asli

(natural logarithm) odds adalah logit dari peluang kejadian yang terjadi, yaitu:

𝑙𝑜𝑔𝑖𝑡 𝑝 = ln 𝑝

1 − 𝑝 (25)

Rasio dari odds kejadian yang terjadi dalam suatu grup terhadap odds

kejadian yang terjadi dalam grup lain dinamakan rasio odds dan dinotasikan

dengan OR. Jika peluang-peluang kejadian yang terjadi dari setiap grup adalah p

(grup pertama) dan q (grup kedua) maka rasio oddsnya adalah:

𝑂𝑅 =

𝑝

1−𝑝𝑞

1−𝑞

=𝑝(1 − 𝑞)

𝑞(1 − 𝑝) (26)

Logaritma asli rasio odds adalah selisih logit-logit peluang kejadian yang terjadi

ln 𝑂𝑅 = 𝑙𝑜𝑔𝑖𝑡 𝑝 − 𝑙𝑜𝑔𝑖𝑡 𝑞 =ln(

𝑝

1−𝑝)

ln(𝑞

1−𝑞)

(27)

Sifat-sifat rasio odds :

1. Rasio odds, OR = 1 mengindikasikan bahwa peluang kejadian yang terjadi

pada kedua grup adalah sama.

2. Rasio odds, OR > 1 mengindikasikan bahwa peluang kejadian yang terjadi

pada grup pertama lebih besar daripada grup kedua.

3. Pada odds, OR < 1 mengindikasikan bahwa peluang kejadian yang terjadi

pada grup pertama lebih kecil daripada grup kedua.

4. Rasio odds harus lebih besar dari atau sama dengan 0 atau OR ≥ 0.

5. Rasio odds harus mendekati nol jika odds dari grup pertama mendekati nol.

6. Rasio odds akan mendekati positis tak terhingga jika odds dari grup kedua

mendekati nol.

21

BAB III

METODOLOGI PENELITIAN

3.1 Jenis dan Sumber Data

Pada penelitian untuk menganalisis tingkat kepuasan pengguna jasa kereta

api terhadap pelayanan di stasiun Jakarta Kota digunakan 2 tipe data yaitu data

primer dan data sekunder. Data primer merupakan data yang dikumpulkan dan

diolah sendiri oleh peneliti. Data primer dalam penelitian ini didapatkan dengan

menyebar kuisioner kepada responden yang berada di stasiun Jakarta Kota

(kuisioner terlampir pada Lampiran 2). Data sekunder adalah data yang bersifat

menunjang suatu penelitian. Data sekunder dalam penelitian adalah data

mengenai penumpang, tata cara pelayanan yang telah ditetapkan PT. KAI

(Persero) berdasarkan surat keputusan Direksi PT. KAI (Persero) No : KEP.

U/OT.003/I/4/KA-2011 tanggal 11 Januari 2011 tentang penjaminan mutu.

3.2 Variabel Operasional

Variabel yang digunakan dalam penelitian ini adalah variabel tentang

prilaku pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL sebagai

variabel independen atau variabel bebas dan kepuasan pelanggan sebagai variabel

dependen atau variabel terikat. Variabel independen terdiri atas 26 variabel yang

terbagi kedalam 3 aspek yaitu 11 variabel aspek pelayanan, 8 variabel aspek

keamanan dan 7 variabel aspek komersial sedangkan variabel dependennya yaitu

penilaian pelayanan stasiun secara global.

22

Tabel 3. Variabel Penelitian

Variabel Pertanyaan

Variabel Pertanyaan

Variabel Bebas Aspek Pelayanan

X15 (K4) Lokasi Petugas

X1 (P1) Flow Kendaraan

X16 (K5) Keramahan Petugas

Keamanan

X2 (P2) Dropping

Penumpang X17 (K6) Kondisi Kriminalitas

X3 (P3) Lokasi Toilet

X18 (K7) Keberadaan Pedagang

X4 (P4) Fasilitas Pendukung

X19 (K8) Sikap Pedagang

X5 (P5) Tempat Duduk

Variabel Bebas Aspek Komersial

X6 (P6) Tempat Sampah

X20 (Ko1) Lokasi Customer

Care

X7 (P7) Kebersihan Stasiun

X21 (Ko2) Keramahan

Customer Care

X8 (P8) Kebersihan Toilet

X22 (Ko3) Lokasi Loket

X9 (P9) Turun Naik

Penumpang X23 (Ko4) Antrian

X10 (P10) Masuk Keluar

Penumpang X24 (Ko5) Complain Solution

X11 (P11) Porter

X25 (Ko6) Keramahan Petugas

Loket

Variabel Bebas Aspek Keamanan

X26 (Ko7) Waktu Antrian

X12 (K1) Ruang Tunggu

Variabel Tak Bebas Pelayanan

Global Stasiun

X13 (K2) Area Parkir

Y Penilaian Pelayanan Global

X14 (K3) Loket

Secara lebih rinci operasionalisasi variabel dalam penelitian terdapat pada

Lampiran 3 sedangkan variabel view dan data view software SPSS dapat dilihat

pada Lampiran 4.

23

3.3 Metode Analisis

Gambar 3. Flowchart Metode Analisis

Metode yang akan digunakan dalam analisis tingkat kepuasan pengguna jasa

kereta api terhadap pelayanan di stasiun Jakarta Kota adalah sebagai berikut:

1. Studi Pendahuluan

Studi pendahuluan dilakukan dengan cara studi pustaka di pusat data

informasi PT. KAI (Persero) Daop 1 Jakarta untuk mengetahui karakteristik

pelayanan yang disediakan di stasiun Jakarta Kota dan untuk mengetahui

target penumpang kereta api yang akan dijadikan responden sesuai dengan

surat keputusan direksi tentang standar pelayanan minimum dan aturan

Menpan RI. Hasil dari studi pendahuluan dapat dijelaskan sebagai berikut:

a. Tingkat kepuasan pengguna jasa kereta api di stasiun Jakarta Kota dibagi

menjadi 5 karakteristik secara umum yaitu demografi responden, aspek

24

pelayanan, aspek keamanan dan ketertiban, aspek komersial dan aspek

penilaian pelayanan global secara umum.

b. Target penumpang yang akan diambil sebagai sampel adalah penumpang

KA jarak jauh dan KA lokal non KRL sebab untuk penumpang KRL

tingkat kepuasan dari pelayanan yang diberikan kurang menjadi perhatian

bagi pengguna jasa KRL.

2. Penyusunan Instrumen

Penyusunan instrumen kuisioner dilakukan dengan melihat aspek-

aspek yang didapat pada studi literatur untuk stasiun Jakarta Kota.

Pertanyaan yang berupa aspek-aspek penelitian menggunakan empat skala

dengan rincian sebagai berikut:

Tabel 4. Skala Kepuasan

Skala Keterangan

3 Sangat Baik

2 Baik

1 Cukup

0 Buruk

3. Uji Validitas dan Reliabilitas

Menurut Simamora (2004) pengujian bertujuan untuk menentukan

peubah yang akan diukur dalam kuesioner yang akan diajukan. Validitas

adalah suatu ukuran yang menunjukkan kevalidan atau kesahihan suatu

instrumen. Suatu instrumen dianggap valid, apabila mampu mengukur apa

yang diinginkan .

Uji validitas dilakukan sebelum kuesioner disebar kapada responden

yang menjadi instrumen penelitian dengan cara analisis butir yaitu

menghitung korelasi antar masing-masing pernyataan dengan skor total

dengan menggunakan rumus korelasi pearson product moment, yaitu :

𝑟𝑘 =𝑁 𝑋𝑌 − ( 𝑋 . 𝑌)

𝑁. 𝑋2− 𝑋 2 (𝑁. 𝑌

2− 𝑌 2

(28)

25

Keterangan:

kr = Korelasi product moment ke-k.

X = Skor butir pertanyaan.

Y = Skor total.

N = Jumlah responden.

Reliabilitas adalah tingkat keandalan kuesioner yang menunjuk pada

pengertian apakah sebuah instrumen dapat mengukur sesuatu secara

konsisten dari waktu ke waktu. Uji reliabilitas pada unsur persepsi mutu

digunakan rumus Cronbach Alpha.

2

2

11

t

b

k

kr

(29)

Keterangan:

r = Koefesien Alpha Cronbach.

k = Banyaknya butir pertanyaan.

2

b = Jumlah ragam butir pertanyaan.

2

t = Ragam total.

4. Uji Kebebasan Antar Variabel (Multikolinearitas)

Uji multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antar variabel independen maka uji jenis ini

hanya diperuntukan untuk penelitian yang memiliki variabel independen

lebih dari satu. Multikolinearitas dapat dilihat dengan menganalisis nilai VIF

(Variance Inflation Factor). Suatu model regresi menunjukkan adanya

multikolinearitas jika:

1. Tingkat korelasi > 95%.

2. Nilai Tolerance < 0,10.

3. Nilai VIF > 10.

26

Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel

independen (Ghozali, 2007).

5. Pengambilan, Entry dan Verifikasi Data

Pengambilan data dari kuisioner yang ada dilakukan di stasiun Jakarta

Kota pada peak hour pada kereta api jarak jauh dan kereta api lokal non KRL

yaitu pada pagi hari antara pukul 05.30 - 09.00 dan 16.00 - 21.30.

Pengambilan data dilakukan 2 minggu. Setelah data didapat maka dilakukan

verifikasi data dengan cara memeriksa dan memastikan setiap kuisioner yang

telah dijawab oleh responden.

6. Analisis Deskriptif

Kegiatan dilakukan untuk melihat gambaran secara umum dari data

karakteristik pengguna jasa dan variabel-variabel yang akan di analisis

menggunakan regresi logistik ordinal seperti total pemilih dan frekuensi.

Analisis deskriptif disajikan dalam bentuk diagram batang dan pie.

7. Pembuatan dan Pendugaan Model Regresi Logistik

Pembuatan model dilakukan menggunakan persamaan (15, 16, 17 dan

18) dan peluang frekuensi kumulatifnya dengan persamaan (11).

8. Pengujian Parameter

a. Metode Deviance

Statistik uji Deviance dilakukan dengan cara sebagai berikut:

1. Rumusan Hipotesis

𝐻0: Model logit layak untuk digunakan.

𝐻1: Model logit tidak layak untuk digunakan.

2. Stasistik Uji

27

n

i i

i

i

i

i

iy

yy

yD1 1

ˆ1ln1

ˆln2

dengan

i

i

xg

xg

exp1

expˆ

,

ippii xxxg ...110 , i = 1, 2, …, n. (30)

3. Kriteria Pengujian

Statistik D akan mengikuti sebaran2 dengan derajat bebas n-p.

Kriteria keputusan yang diambil yaitu menolak H0 jika Dhitung >

2

pn .

4. Kesimpulan: penaksiran H0 ditolak atau diterima.

b. Uji Statistik G

Adapun langkah-langkah pengujian untuk uji perbandingan kemungkinan

sebagai berikut:

1. Rumusan Hipotesis

𝐻0:𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0.

𝐻1: 𝑆𝑒𝑘𝑢𝑟𝑎𝑛𝑔 − 𝑘𝑢𝑟𝑎𝑛𝑔𝑛𝑦𝑎 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡 𝑠𝑎𝑡𝑢 𝛽𝑘 ≠ 0, = 1,2,…𝑝.

2. Besaran yang diperlukan

Hitung -2 In Likelihood model A dan -2 In likelihood Model B.

3. Statistik Uji,

𝐺 = −2𝐼𝑛 𝑙𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)

𝑙𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴)

4. Kriteria Pengujian

Kriteria ini mengambil taraf nyata α maka 𝐻0 ditolak jika

𝐺 > 𝒳(𝛼 ,𝑣)2 dimana v adalah banyaknya variabel prediktor. Catatan

jika ada variabel prediktor yang berupa data kategori maka

banyaknya kategori dikurangi 1 misalkan dinotasikan dengan m,

sehingga nilai v yaitu banyak variabel prediktor yang berupa data

kuantitatif ditambah m.

5. Kesimpulan: penaksiran 𝐻0 ditolak atau diterima.

28

c. Uji Wald

Langkah-langkah pengujian keberartian parameter regresi dengan

menggunakan uji Wald adalah:

1. Rumusan Hipotesis

𝐻0:𝛽𝑘𝑖 = 0 (parameter dalam model, untuk variabel prediktor ke-k

dengan kategori ke-i tidak berarti).

𝐻1:𝛽𝑘𝑖 ≠ 0 (parameter dalam model, untuk variabel prediktor ke-k

dengan kategori ke-i berarti).

2. Besaran yang diperlukan

Hitung 𝛽 𝑘𝑖 dan 𝑆𝐸(𝛽 𝑘𝑖 ).

3. Statistik Uji

𝑍2 = 𝛽 𝑘𝑖

𝑆𝐸(𝛽 𝑘𝑖 )

2

4. Kriteria Pengujian

Mengambil taraf nyata α maka 𝐻0 ditolak jika 𝑍2 > 𝒳(𝛼 ,1)2 .

5. Kesimpulan: penaksiran 𝐻0 ditolak atau diterima.

d. Uji Koefisien Determinasi McFadden, Cox dan Snell, Nagelkerke dan

Concordant

Pengujian dilakukan untuk melihat seberapa besar variabel-variabel

independen dari 3 aspek yaitu aspek pelayanan, keamanan dan komersial

mempengaruhi nilai variabel dependen yaitu pelayanan stasiun secara

umum. Suatu model dikatakan baik bila koefisien Nagelkerke lebih dari

0,700 (70%) yang artinya bahwa variabel independen yang dibuat model

mempengaruhi 70% terhadap variabel dependen. Koefisien Nagelkerke

didapat dari penyempurnaan nilai koefisien determinasi Cox dan Snell.

𝑅2𝑀𝐹 = 1 −

𝐿𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)

𝐿𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐴) (31)

Keterangan 𝑅2𝑀𝐹 merupakan koefisien determinasi McFadden. Berikut

adalah rumus untuk mencari koefisien determinasi Cox and Snell.

29

𝑅2𝐶𝑆 = 1 − exp −

2

𝑛[𝐿𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) − 𝐿𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑(𝑀𝑜𝑑𝑒𝑙 𝐴) (32)

Keterangan 𝑅2𝐶𝑆 merupakan koefisien determinasi Cox and Snell.

𝑅2𝑀𝐴𝑋 = 1 − exp[−

2

𝑛× 𝐿𝑖𝑘𝑒𝑙𝑖𝑕𝑜𝑜𝑑 𝑀𝑜𝑑𝑒𝑙 𝐴 ] (33)

𝑅2𝑁 =

𝑅2𝐶𝑆

𝑅2𝑀𝐴𝑋

(34)

Keterangan 𝑅2𝑁 merupakan koefisien determinasi Nagelkerke.

Uji concordant dilakukan untuk melihat sejauh mana keragaman

variabel dependen dapat dijelaskan oleh variabel dependennya. Suatu model

dikatakan baik jika nilai concordan lebih dari 0,700 (70%).

9. Intrepretasi Data

Jika model regresi logistik ordinal telah di uji dan hasil modelnya baik dan

signifikansinya nyata maka data tersebut dapat di intrepretasikan dengan

menggunakan uji odds ratio menggunakan persamaan (26).

30

BAB IV

HASIL DAN PEMBAHASAN

4.1 Uji Validitas dan Reliabilitas Kuisioner

Uji validitas dan reliabilitas dilakukan pada item-item pertanyaan untuk

melihat korelasi antar pertanyaan dari kuisioner dan melihat kekonsistenan

kuisioner yang telah ditetapkan oleh PT. KAI (Persero) Daop 1 Jakarta. Uji

validitas dan reliabilitas dilakukan dengan melakukan survei awal kepada 30

orang pengguna jasa KA di stasiun Jakarta Kota.

4.1.1 Uji Validitas

Uji validitas menggunakan rumus korelasi product momen pearson dan

diolah menggunakan SPSS 18. Total responden yang akan di uji adalah 30

responden pengguna jasa di stasiun Jakarta Kota. Hipotesis yang akan diuji

adalah:

a. Ho = Tidak adanya korelasi antar pertanyaan kuisioner (rhitung < rtabel).

b. H1 = Adanya korelasi antar pertanyaan kuisioner (rhitung ≥ rtabel).

Taraf kepercayaan yang digunakan adalah 95% (𝑎 = 0,05). Pengujian

validitas (korelasi) dilakukan dengan cara membandingkan nilai r hitung dengan r

tabel. Apabila hasil pengujian menunjukkan r hitung lebih besar dari r tabel,

berarti ada korelasi (H0 ditolak) atau pernyataan memiliki validitas. Berdasarkan

hasil pengujian menggunakan SPSS 18 maka didapat hasil uji validitas sebagai

berikut:

31

Tabel 5. Hasil Uji Validitas

Aspek

Pelayanan

Var Butir Pertanyaan Korelasi Sig r tabel Ket

X1 (P1) Flow Kendaraan 0,708 0,000

0,361

Valid

X2 (P2) Area Turun

Penumpang

0,577 0,001 Valid

X3 (P3) Lokasi Toilet 0,615 0,000 Valid X4 (P4) Fasilitas Pendukung 0,456 0,011 Valid X5 (P5) Tempat Duduk 0,456 0,011 Valid X6 (P6) Tempat Sampah 0,612 0,000 Valid X7 (P7) Kebersihan Stasiun 0,709 0,000 Valid X8 (P8) Kebersihan Toilet 0,808 0,000 Valid

X9 (P9) Turun Naik

Penumpang

0,732 0,000 Valid

X10 (P10) Masuk Keluar

Penumpang

0,698 0,000 Valid

X11 (P11) Porter 0,717 0,000 Valid

Aspek

Keamanan

X12 (K1) Ruang Tunggu 0,663 0,000 Valid X13 (K2) Area Parkir 0,748 0,000 Valid X14 (K3) Loket 0,693 0,000 Valid X15 (K4) Lokasi Petugas 0,758 0,000 Valid

X16 (K5) Keramahan Petugas

Keamanan

0,566 0,001 Valid

X17 (K6) Kondisi Kriminalitas 0,767 0,000 Valid

X18 (K7) Keberadaan Pedagang

0,687 0,000 Valid

X19 (K8) Sikap Pedagang 0,840 0.000 Valid

Aspek

Komersial

X20 (Ko1) Lokasi Customer

Care

0,621 0,000 Valid

X21 (Ko2) Keramahan

Customer Care

0,499 0,005 Valid

X22 (Ko3) Lokasi Loket 0,612 0,000 Valid X23 (Ko4) Antrian 0,709 0,000 Valid X24 (Ko5) Complain Solution 0,624 0,000 Valid

X25 (Ko6) Keramahan Petugas

Loket

0,656 0,000 Valid

X26 (Ko7) Waktu Antrian 0,750 0,000 Valid

Hasil pengujian uji validitas untuk setiap butir pertanyaan pada 3 aspek

yang dinilai yaitu aspek pelayanan, aspek keamanan dan aspek komersial di

stasiun Jakarta Kota diketahui bahwa nilai korelasi semua butir pertanyaan lebih

besar dari r tabel dengan (0,361) dan signifikansinya lebih kecil dari α (0,10)

sehingga keputusannya adalah tolak H0 dan terima H1. Kesimpulan dari uji

validitas adalah bahwa ada keterkaitan pada setiap butir pertanyaan di kuisioner

32

survei kepuasan pelanggan stasiun Jakarta Kota. Perhitungan selengkapnya dapat

dilihat pada Lampiran 5.

4.1.2 Uji Reliabilitas

Uji reliabilitas dilakukan dari hasil data 30 responden pengguna jasa kereta

api di stasiun Jakarta Kota menggunakan rumus cronbach’s alpha. Hipotesis yang

akan di uji adalah sebagai berikut:

a. Ho = Kuisioner tidak bisa memberikan hasil yang konsisten sebagai alat

ukur survei (rhitung < 0,7).

b. H1 = Kuisioner dapat memberikan hasil yang konsisten sebagai alat ukur

survei (rhitung ≥ 0,7).

Hasil pengujian uji reliabilitas menggunakan software SPSS 18 dapat dilihat pada

Tabel 6.

Tabel 6. Uji Reliabilitas

Reliability Statistics

Cronbach's

Alpha N of Items

.950 26

Berdasarkan hasil perhitungan uji reliabilitas didapat nilai cronbach’s alpha

kuisioner adalah 0,950. Nilai ini lebih besar dari standar minimal agar kuisioner

dapat dijadikan sebagai alat ukur yaitu 0,7. Keputusan yang diambil adalah tolak

H0 dan terima H1. Kesimpulannya adalah kuisioner yang digunakan untuk

menganalisis tingkat kepuasan pelanggan stasiun Jakarta Kota dapat dijadikan alat

ukur yang reliability dan memberikan hasil yang konsisten.

4.1.3 Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk melihat kebebasan antar variabel

independen. Hipotesis yang digunakan adalah sebagai berikut:

a. H0 = variabel bebas 𝑥1,𝑥2,… , 𝑥26 bersifat multikolinearitas (VIF > 10).

b. H1 = variabel bebas 𝑥1,𝑥2,… , 𝑥26 tidak bersifat multikolinearitas (VIF < 10).

33

Berikut adalah hasil penghitungan uji multikolinearitas menggunakan

software SPSS 18:

Tabel 7. Hasil Uji Multikolinearitas

Model t Sig.

Collinearity

Statistics

Tolerance VIF

1 (Constant) -.037 .971

(P1) Flow Kendaraan 1.543 .125 .357 2.799

(P2) Dropping Penumpang -.406 .685 .415 2.409

(P3) Lokasi Toilet .394 .694 .471 2.125

(P4) Fasilitas Pendukung .081 .936 .570 1.754

(P5) Tempat Duduk .766 .445 .543 1.841

(P6) Tempat Sampah 1.153 .251 .388 2.576

(P7) Kebersihan Stasiun .610 .543 .406 2.461

(P8) Kebersihan Toilet 2.294 .023 .412 2.430

(P9) Turun Naik Penumpang .848 .397 .448 2.233

(P10) Masuk Keluar

Penumpang

-.684 .495 .345 2.901

(P11) Porter .072 .943 .384 2.602

(K1) Ruang Tunggu -.419 .676 .361 2.769

(K2) Area Parkir .876 .382 .321 3.112

(K3) Loket 1.451 .149 .368 2.720

(K4) Lokasi Petugas .120 .905 .460 2.173

(K5) Keramahan Petugas

Keamanan

-.338 .736 .482 2.073

(K6) Kondisi Kriminalitas -1.290 .199 .359 2.783

(K7) Keberadaan Pedagang .935 .351 .361 2.767

(K8) Sikap Pedagang 2.354 .020 .363 2.758

(Ko1) Lokasi Customer Care 1.123 .263 .539 1.856

(Ko2) Keramahan Customer

Care

1.166 .245 .538 1.858

(Ko3) Lokasi Loket -.793 .429 .326 3.071

(Ko4) Antrian .269 .788 .262 3.824

(Ko5) Complain Solution .353 .725 .405 2.468

(Ko6) Keramahan Petugas Loket

1.301 .195 .400 2.503

(Ko7) Waktu Antrian -.994 .322 .364 2.744

34

Berdasarkan hasil perhitungan diketahui bahwa perhitungan

multikolinearitas antar variabel memenuhi kriteria yang ditentukan yaitu nilai

VIF < 10 maka keputusan yang diambil adalah tolak H0 dan terima H1.

Kesimpulannya adalah antar variabel bebas (aspek pelayanan, aspek keamanan

dan aspek komersial) tidak terdapat masalah multikolinearitas.

4.2 Deskripsi Responden

Berdasarkan data yang sudah terkumpul sebanyak 200 responden di stasiun

Jakarta Kota didapatkan deskripsi responden. Berdasarkan umur responden di

stasiun Jakarta Kota diketahui sebanyak 73 responden berumur diantara 25 - 34

tahun, 48 responden berumur diantara 35 – 44 tahun, 41 responden berumur

diantara 15 - 24 tahun, 35 responden berumur diantara 45 – 60 tahun dan 3

responden berumur lebih dari 60 tahun.

Gambar 4. Usia Responden

15 - 24

Tahun

25 - 34

Tahun

35 - 44

Tahun

45 - 60

Tahun> 60 Tahun

Frekuensi 41 73 48 35 3

0

10

20

30

40

50

60

70

80

Usia Pengguna Jasa

35

Berdasarkan jenis kelamin sebanyak 118 responden berjenis kelamin laki-

laki dan 82 responden berjenis perempuan.

Gambar 5. Jenis Kelamin Responden

Berdasarkan pendidikan terakhir responden diketahui sebanyak 77

responden pendidikan terakhirnya perguruan tinggi, 65 responden pendidikan

terakhirnya SMP, 55 responden pendidikan terakhirnya SMA dan 3 responden

pendidikan terakhirnya SD.

Gambar 6. Latar Belakang Pendidikan Responden

Berdasarkan pekerjaannya, 61 responden bekerja di BUMN/BUMD, 37

responden bekerja sebagai wiraswasta, 28 responden sebagai mahasiswa/pelajar,

59%

41%

Jenis Kelamin

Laki-Laki Perempuan

1%

32%

28%

39%

Latar Belakang Pendidikan

SD

SMP

SMA

Perguruan Tinggi

36

22 responden bekerja sebagai karyawan, 21 responden bekerja sebagai PNS, 20

responden bekerja di bidang lainnya, 11 responden bekerja sebagai TNI/Polri.

Gambar 7. Pekerjaan Responden

Berdasarkan rutinitas menggunakan KA dalam 1 bulan, 85 responden

menggunakan 6-10 perjalanan KA dalam 1 bulan, 80 responden menggunakan

lebih dari 10 perjalanan KA dalam 1 bulan dan 35 responden menggunakan 1-5

perjalanan KA dalam 1 bulan.

Gambar 8. Rutinitas Responden Menggunakan KA dalam 1 Bulan

10% 5%

11%

19%

14%

31%

10%

Pekerjaan

PNS TNI/Polri Karyawan

Wiraswasta Mahasiswa BUMN/BUMD

1-5 6-10 > 10

Frekuensi 35 85 80

0

10

20

30

40

50

60

70

80

90

Rutinitas Menggunakan KA dalam 1 Bulan

37

Berdasarkan tujuan menggunakan KA, 68 responden bertujuan untuk

keperluan keluarga, 43 responden untuk pekerjaan rutin, 29 responden untuk

bisnis, 24 responden untuk urusan lainnya, 21 responden untuk wisata, 15

responden untuk sekolah/pendidikan.

Gambar 9. Tujuan Responden Menggunakan KA

4.3 Model Regresi

Berikut adalah hasil pendugaan model regresi logistik ordinal kepuasan

pengguna jasa terhadap pelayanan di stasiun Jakarta Kota menggunakan software

SPSS 18:

BisnisPekerjaan

Rutin

Keperluan

KeluargaSekolah Wisata Lain-Lain

Frekuensi 29 43 68 15 21 24

0

10

20

30

40

50

60

70

80

Tujuan Menggunakan KA

38

Tabel 8. Model Regresi

Parameter Estimates

Estimate

Std.

Error Wald df Sig.

95% Confidence

Interval

Lower

Bound

Upper

Bound

Threshold [Global = 0] 12.031 1.911 39.636 1 .000 8.286 15.777

[Global = 1] 16.039 2.150 55.663 1 .000 11.826 20.253

[Global = 2] 22.672 2.808 65.192 1 .000 17.168 28.175 Location (P1) Flow Kendaraan .292 .435 .450 1 .502 -.560 1.144

(P2) Dropping

Penumpang .196 .439 .200 1 .654 -.663 1.056

(P3) Lokasi Toilet .957 .352 7.406 1 .007 .268 1.646

(P4) Fasilitas Pendukung .288 .463 .385 1 .535 -.621 1.196

(P5) Tempat Duduk .226 .465 .236 1 .627 -.685 1.137

(P6) Tempat Sampah .112 .471 .057 1 .812 -.810 1.034

(P7) Kebersihan Stasiun .990 .427 5.383 1 .020 .154 1.826

(P8) Kebersihan Toilet .345 .384 .805 1 .370 -.408 1.098

(P9) Turun Naik

Penumpang -.714 .414 2.980 1 .084 -1.524 .097

(P10) Masuk Keluar

Penumpang .874 .475 3.384 1 .066 -.057 1.806

(P11) Porter .397 .416 .908 1 .341 -.419 1.213

(K1) Ruang Tunggu 1.199 .506 5.608 1 .018 .207 2.191

(K2) Area Parkir .639 .442 2.088 1 .148 -.228 1.505

(K3) Loket .959 .471 4.155 1 .042 .037 1.882

(K4) Lokasi Petugas -.423 .475 .791 1 .374 -1.355 .509

(K5) Keramahan Petugas .967 .479 4.076 1 .043 .028 1.906

(K6) Kondisi

Kriminalitas -.299 .410 .532 1 .466 -1.102 .504

(K7) Keberadaan

Pedagang .184 .368 .249 1 .618 -.538 .905

(K8) Sikap Pedagang .869 .386 5.072 1 .024 .113 1.625

(Ko1) Lokasi Customer

Care -.071 .368 .037 1 .847 -.793 .650

(Ko2) Keramahan

Customer Care .923 .423 4.770 1 .029 .095 1.752

(Ko3) Lokasi Loket -.296 .573 .267 1 .605 -1.420 .827

(Ko4) Antrian -.471 .638 .544 1 .461 -1.721 .780

(Ko5) Complain

Solution .538 .510 1.111 1 .292 -.462 1.537

(Ko6) Keramahan

Petugas Loket .002 .531 .000 1 .998 -1.038 1.042

(Ko7) Waktu Antrian .517 .484 1.142 1 .285 -.431 1.465

Link function: Logit.

39

Tabel 8 menjelaskan bahwa terdapat 4 kemungkinan nilai dari Y yaitu:

a. 𝑌𝑖 = 0 jika 𝑌 ∗𝑖≤ 12,031

b. 𝑌𝑖 = 1 jika 12,031 < 𝑌 ∗𝑖< 16,039

c. 𝑌𝑖 = 2 jika 16,039 < 𝑌 ∗𝑖< 22,672

d. 𝑌𝑖 = 3 jika 𝑌 ∗𝑖≥ 22,672

Rumus 𝑌 ∗𝑖 untuk mengelompokan hasil responden kepada 4 nilai kemungkinan

Y adalah sebagai berikut:

𝑌 ∗𝑖= 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 + 0,112𝑥6 + 0,990𝑥7 +

0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 + 1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 −

0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 − 0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 −

0,296𝑥22 − 0,471𝑥23 + 0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26 (35)

Model dugaan logit yang didapat adalah:

1. log 𝜋 1

1−𝜋 1 = 12,031 + 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 +

0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 +

1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 −

0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 +

0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26 (36)

2. log 𝜋 2

1−𝜋 2 = 16,039 + 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 +

0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 +

1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 −

0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 +

0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26 (37)

3. log 𝜋 3

1−𝜋 3 = 22,672 + 0,292𝑥1 + 0,196𝑥2 + 0,957𝑥3 + 0,288𝑥4 + 0,226𝑥5 +

0,112𝑥6 + 0,990𝑥7 + 0,345𝑥8 − 0,714𝑥9 + 0,874𝑥10 + 0,397𝑥11 +

1,199𝑥12 + 0,636𝑥13 + 0,959𝑥14 − 0,423𝑥15 + 0,967𝑥16 − 0,299𝑥17 −

0,184𝑥18 + 0,869𝑥19 − 0,071𝑥20 + 0,923𝑥21 − 0,296𝑥22 − 0,471𝑥23 +

0,538𝑥24 + 0,002𝑥25 + 0,517𝑥26 (38)

40

Persamaan regresi logistiknya adalah:

𝜋 1 =exp(12,031 + 0,292𝑥1 + ⋯+ 0,517𝑥26)

1 + exp(12,031 + 0,292𝑥1 + ⋯+ 0,517𝑥26) (39)

𝜋 2 =exp(16,039 + 0,292𝑥1 + ⋯+ 0,517𝑥26)

1 + exp(16,039 + 0,292𝑥1 + ⋯+ 0,517𝑥26) (40)

𝜋 3 =exp(22,672 + 0,292𝑥1 + ⋯+ 0,517𝑥26)

1 + exp(22,672 + 0,292𝑥1 + ⋯+ 0,517𝑥26) (41)

Model peluang yang didapat dari persamaan regresi logistik ordinal tingkat

kepuasan pengguna jasa di stasiun Jakarta Kota adalah sebagai berikut:

𝑃 𝑌 = 0 =1

1 − 𝑒(𝑌∗𝑖−12,031 ) (42)

𝑃 𝑌 = 1 =1

1 − 𝑒(𝑌∗𝑖−16,039)−

1

1 − 𝑒(𝑌∗𝑖−12,031 ) (43)

𝑃 𝑌 = 2 =1

1 − 𝑒(𝑌∗𝑖−22,672 )−

1

1 − 𝑒(𝑌∗𝑖−16,039)−

1

1 − 𝑒(𝑌∗𝑖−12,031 ) (44)

𝑃 𝑌 = 3 = 1 −1

1 − 𝑒(𝑌∗𝑖−22,672) (45)

4.4 Pengujian Parameter Model Regresi

4.4.1 Uji Kebaikan Model (Goodness of Fit)

Uji kebaikan model (Goodness of Fit) dilakukan untuk melihat apakah

model regresi logistik ordinal yang didapat layak untuk digunakan. Berikut adalah

hasil uji kebaikan model menggunakan uji metode Deviance:

Tabel 9. Uji Kebaikan Model

Goodness-of-Fit

Chi-Square Df Sig.

Pearson 266.831 544 1.000

Deviance 169.346 544 1.000

Link function: Logit.

Hipotesis yang diuji adalah H0 : model logit layak untuk digunakan dan H1 :

model logit tidak layak untuk digunakan. Diketahui nilai Chi-Square metode

Deviance sebesar 266,831 dengan derajat bebas sebesar 544. Kriteria

pengujiannya adalah tolak H0 bila nilai signifikansinya kurang dari 0,05 (𝛼 =

41

0,05). Nilai uji Deviance pada Tabel 10 didapat bahwa nilai signifikansi sebesar

1,00. Keputusan yang diambil adalah terima H0 karena nilai signifikansi lebih

besar dari 0,05. Kesimpulannya adalah model logit yang didapat layak untuk

digunakan

4.4.2 Uji Keberartian Model

Uji keberartian model dilakukan dengan membandingkan model yang tanpa

variabel prediktor dan model yang disertai dengan variabel prediktor. Berikut

adalah hasil uji keberartian model menggunakan software SPSS:

Tabel 10. Tabel Uji Statistik G

Model Fitting Information

Model -2 Log

Likelihood Chi-Square Df Sig.

Intercept Only 431.193

Final 172.617 258.576 26 .000

Link function: Logit.

Hipotesis yang akan diuji adalah H0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0 dan H1 :

minimal terdapat salah satu 𝛽𝑝 ≠ 0. Diketahui hasil -2 ln likelihood model B

(tanpa variabel prediktor) sebesar 431,193 dan hasil -2 ln likelihood model A

(dengan variabel prediktor sebesar 172,617. Berdasarkan data tersebut maka

diketahui nilai statistik G sebesar 258,576. Kriteria pengujian dilakukan dengan

mengambil taraf nyata 𝛼 = 0,05 dari tabel distribusi chi kuadrat diperoleh

𝜒2(0.05,69)

= 90,531, karena nilai statistik G (258,576) > nilai 𝜒2(0.05,69)

(90,531)

maka keputusannya tolak H0 dan terima H1. Kesimpulannya adalah terdapat salah

satu 𝛽𝑝 ≠ 0.

42

4.4.3 Uji Wald

Tabel 11. Uji Wald

Var Pertanyaan Wald Sig Var Pertanyaan Wald Sig

𝑥1 (P1) Flow Kendaraan 0,450 0,502 𝑥14 (K3) Loket 4,155 0,042

𝑥2 (P2) Dropping

Penumpang 0,200 0,654 𝑥15 (K4) Lokasi Petugas 0,791 0,374

𝑥3 (P3) Lokasi Toilet 7,406 0,007 𝑥16 (K5) Keramahan Petugas Keamanan

4,076 0,043

𝑥4 (P4) Fasilitas

Pendukung 0,385 0,535 𝑥17

(K6) Kondisi

Kriminalitas 0,532 0,466

𝑥5 (P5) Tempat Duduk 0,236 0,627 𝑥18 (K7) Keberadaan Pedagang

0,249 0,618

𝑥6 (P6) Tempat Sampah 0,057 0,812 𝑥19 (K8) Sikap Pedagang 5,072 0,024

𝑥7 (P7) Kebersihan

Stasiun 5.383 0,020 𝑥20

(Ko1) Lokasi Customer

Care 0,037 0,847

𝑥8 (P8) Kebersihan Toilet 0,805 0,370 𝑥21 (Ko2) Keramahan Customer Care

4,770 0,029

𝑥9 (P9) Turun Naik

Penumpang 2,980 0,084 𝑥22 (Ko3) Lokasi Loket 0,267 0,605

𝑥10 (P10) Masuk Keluar Penumpang

3,384 0,066 𝑥23 (Ko4) Antrian 0,544 0,461

𝑥11 (P11) Porter 0,908 0,341 𝑥24 (Ko5) Complain

Solution 1,111 0,292

𝑥12 (K1) Ruang Tunggu 5,608 0,018 𝑥25 (Ko6) Keramahan Petugas Loket

0,000 0,998

𝑥13 (K2) Area Parkir 2,088 0,148 𝑥26 (Ko7) Waktu Antrian 1,142 0,285

Hasil pengujian parameter Wald pada Tabel 11 menjelaskan bahwa variabel

𝑥3,𝑥7, 𝑥9,𝑥10 , 𝑥12 ,𝑥14 , 𝑥16 ,𝑥19 dan 𝑥21 adalah variabel-variabel yang mempunyai

pengaruh signifikan terhadap penilaian pelayanan secara umum di stasiun Jakarta

Kota dikarenakan variabel-variabel yang mempunyai nilai signifikansi 𝑎 < 0,10

atau dengan kata lain tolak H0 (𝑎 < 0,10) sedangkan untuk variabel sisanya dapat

dikatakan tidak berpengaruh secara signifikan terhadap pelayanan secara umum di

stasiun Jakarta Kota.

Berikut adalah variabel-variabel yang mempunyai pengaruh signifikan

terhadap kepuasan pelanggan secara umum di stasiun Jakarta Kota

1. Aspek Pelayanan

a. 𝑥3 = Lokasi Toilet

b. 𝑥7 = Kebersihan Stasiun

43

c. 𝑥9 = Turun Naik Penumpang

d. 𝑥10 = Masuk Keluar Penumpang

2. Aspek Keamanan

a. 𝑥12 = Ruang Tunggu

b. 𝑥14 = Loket

c. 𝑥16 = Keramahan Petugas Keamanan

d. 𝑥19 = Sikap Pedagang

3. Aspek Komersial

a. 𝑥21 = Keramahan Petugas Customer Care

4.5 Intrepretasi Model

4.5.1 Koefisien Determinasi Model

Besarnya nilai koefisien determinasi pada model regresi logistik

ditunjukkan oleh nilai Mc Fadden, Cox dan Snell, Nagelkerke R Square. Tabel

Koefisien Determinasi dapat dilihat pada Tabel 12 di bawah ini:

Tabel 12. Koefesien Determinasi

Pseudo R-Square

Cox and Snell .726

Nagelkerke .817

Mc Fadden .592

Link function: Logit.

Tabel 12 menunjukkan nilai koefesien determinasi Mc Fadden sebesar

0,592 sedangkan koefisien determinasi Cox dan Snell sebesar 0,726 dan koefisien

determinasi Nagelkerke sebesar 0,817 atau sebesar 81,7%. Koefisien Nagelkerke

sebesar 81,7% berarti variabel independen aspek pelayanan, aspek keamanan dan

aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar

81,7% sedangkan 18,3% dipengaruhi oleh faktor-faktor lainnya yang tidak

termasuk dalam pengujian model. Hal tersebut dapat menyimpulkan bahwa perlu

penambahan beberapa variabel lain yang tidak termasuk dalam aspek penelitian

yang dapat mempengaruhi penilaian pelayanan stasiun Jakarta Kota secara global.

44

Gambar 10. Keragamanan Dependen Terhadap Variabel Independen

Berdasarkan Gambar 10 diketahui untuk melihat keragaman peubah respon

Y dapat dijelaskan oleh peubah penjelas x1 dan x2 dengan melihat nilai persen dari

concordant. Pada kasus ini diperoleh nilainya sebesar 95,7% yang artinya sebesar

95,7% keragaman peubah respon Y yang mampu dijelaskan oleh peubah penjelas

x1 , x2 , …, x26.

4.5.2 Rasio Odds

Berdasarkan total jawaban responden di stasiun Jakarta Kota didapat hasil

sebagai berikut:

Tabel 13. Frekuensi Jawaban

Skala Frekuensi

Variabel Y

Frekuensi Total Jawaban

(x1, x2, …, x26)

Peluang

Buruk 7 67 0,035

Cukup 23 494 0,115

Baik 81 2329 0,405

Sangat Baik 89 2316 0,445

Total 200 5200 1,000

Makna rasio oddnya adalah sebagai berikut:

1. Oddscukup/oddsburuk = (23/494)/(7/67) = 3,28. Menyatakan bahwa kemungkinan

jawaban cukup 3,28 kali dibandingkan dengan jawaban buruk.

2. Oddsbaik/oddsburuk = (81/2329)/(7/67) = 11,57. Menyatakan bahwa

kemungkinan jawaban baik 11,57 kali dibandingkan dengan jawaban buruk.

3. Oddssangat baik/oddsburuk = (89/2316)/(7/67) = 12,71. Menyatakan bahwa

kemungkinan jawaban baik 12,71 kali dibandingkan dengan jawaban buruk.

4. Oddsbaik/oddscukup = (81/2329)/(23/494) = 3,52. Menyatakan bahwa

kemungkinan jawaban baik 3,52 kali dibandingkan dengan jawaban cukup.

45

5. Oddssangat baik/oddscukup = (89/2316)/(23/494) = 3,87. Menyatakan bahwa

kemungkinan jawaban sangat baik 3,87 kali dibandingkan dengan jawaban

cukup.

6. Oddssangat baik/oddsbaik = (89/2316)/(89/2316) = 1,10. Menyatakan bahwa

kemungkinan jawaban sangat baik 1,10 kali dibandingkan dengan jawaban

baik.

Berikut adalah perhitungan rasio odd dengan menggunakan salah satu

sampel jawaban responden:

Tabel 14. Sampel Jawaban Responden

Var Pertanyaan Jawaban Var Pertanyaan Jawaban

𝑥1 (P1) Flow Kendaraan 2 𝑥14 (K3) Loket 3

𝑥2 (P2) Dropping

Penumpang 3 𝑥15 (K4) Lokasi Petugas 3

𝑥3 (P3) Lokasi Toilet 2 𝑥16 (K5) Keramahan Petugas Keamanan

3

𝑥4 (P4) Fasilitas Pendukung 3 𝑥17 (K6) Kondisi Kriminalitas 3

𝑥5 (P5) Tempat Duduk 3 𝑥18 (K7) Keberadaan Pedagang

2

𝑥6 (P6) Tempat Sampah 2 𝑥19 (K8) Sikap Pedagang 3

𝑥7 (P7) Kebersihan Stasiun 3 𝑥20 (Ko1) Lokasi Customer Care

3

𝑥8 (P8) Kebersihan Toilet 3 𝑥21 (Ko2) Keramahan

Customer Care 3

𝑥9 (P9) Turun Naik Penumpang

2 𝑥22 (Ko3) Lokasi Loket 3

𝑥10 (P10) Masuk Keluar

Penumpang 3 𝑥23 (Ko4) Antrian 2

𝑥11 (P11) Porter 3 𝑥24 (Ko5) Complain Solution 3

𝑥12 (K1) Ruang Tunggu 2 𝑥25 (Ko6) Keramahan Petugas

Loket 2

𝑥13 (K2) Area Parkir 3 𝑥26 (Ko7) Waktu Antrian 3

𝑌 ∗𝑖= 0,292 2 + 0,196 3 + 0,957 2 + 0,288 3 + 0,226(3) + 0,112(2)

+ 0,990(3) + 0,345(3) − 0,714(2) + 0,874(3) + 0,397(3)

+ 1,199(2) + 0,636(3) + 0,959(3) − 0,423(3) + 0,967(3)

− 0,299(3) − 0,184(2) + 0,869(3) − 0,071(3) + 0,923(3)

− 0,296(3) − 0,471(2) + 0,538(3) + 0,002(2) + 0,517 3 𝑌 ∗𝑖= 20,925

46

Diketahui nilai 𝑌 ∗𝑖 = 20,925 yang termasuk dalam kategori Y = 2

sehingga kemungkinan terbesar adalah responden tersebut akan menjawab

pelayanan secara umum di stasiun Jakarta Kota baik (Y=2). Peluang pelayanan

secara umum di stasiun Jakarta Kota dihitung sebagai berikut:

𝑃 𝜋 = 0 =1

1 + 𝑒(20,925−12,031 )= 0,0001

𝑃 𝜋 = 1 =1

1 + 𝑒(20,925−16,039)−

1

1 + 𝑒(20,925−12,031 )

𝑃 𝜋 = 1 = 0,0075 − 0,0001 = 0,0074

𝑃 𝜋 = 2 =1

1 + 𝑒(20,925−22,672 )−

1

1 + 𝑒(20,925−16,039)−

1

1 + 𝑒(20,925−12,031)

𝑃 𝜋 = 2 = 0,8516 − 0,0075− 0,0001 = 0,8439

𝑃 𝜋 = 3 = 1 −1

1 + 𝑒(20,925−22,672 )= 1 − 0,8516 = 0,1484

Diketahui bila responden menjawab pertanyaan kuisioner seperti pada data

Tabel 14. Maka peluang responden tersebut menjawab pelayanan secara umum di

stasiun Jakarta Kota buruk adalah 0,0001 (0,01%), peluang responden tersebut

menjawab cukup adalah 0,0074 (0,07%), peluang responden tersebut menjawab

baik adalah 0,8439 (84,39%) dan peluang responden tersebut menjawab sangat

baik sebesar 0,1484 (14,84%).

47

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil analisis diketahui usia pengguna jasa yang paling besar

menggunakan jasa kereta api berusia 25 - 34 tahun dan berjenis kelamin laki-laki.

Pendidikan terakhir responden yang paling besar adalah perguruan tinggi.

Pekerjaan responden yang paling banyak menggunakan jasa kereta api adalah

pegawai BUMN/BUMD dengan frekuensi per bulan sebesar 6 - 10 kali

perjalanan. Tujuan responden menggunakan KA di stasiun Jakarta Kota yang

paling banyak adalah keperluan keluarga dan pekerjaan rutin.

Uji kelayakan model (goodness of fit) menggunakan metode Deviance hasil

𝜒2𝑕𝑖𝑡𝑢𝑛𝑔

sebesar 168,346 dengan signifikansi 1,000. Berarti model logit regresi

logistik layak untuk digunakan. Berdasarkan nilai uji statistik G untuk melihat

peranan peubah penjelas di dalam model secara bersama-sama digunakan uji

rasio kemungkinan (uji G) didapat nilai statistik G sebesar 258,576 yang lebih

besar bila dibandingkan dengan nilai pada tabel 𝜒2(0.05,69)

(90,531) berarti bahwa

model regresi logistik ordinal terdapat salah satu 𝛽𝑝 ≠ 0.

Hasil uji wald diketahui 9 (sembilan) variabel yang berpengaruh secara

signifikan terhadap kepuasan pengguna jasa di stasiun Jakarta Kota adalah 𝑥3 =

lokasi toilet, 𝑥7 = kebersihan stasiun, 𝑥9 = turun naik penumpang, 𝑥10 = masuk

keluar penumpang, 𝑥12 = ruang tunggu, 𝑥14 = loket, 𝑥16 = keramahan petugas

keamanan, 𝑥19 = sikap pedagang, 𝑥21 = keramahan petugas customer care.

Koefesien determinasi Nagelkerke sebesar 0,817 atau sebesar 81,7%. Hal ini

berarti variabel independen aspek pelayanan, aspek keamanan dan aspek

komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar

81,7%. Pada kasus ini diperoleh nilai concordant sebesar 95,7% yang artinya

sebesar 95,7% keragaman peubah respon Y yang mampu dijelaskan oleh peubah

penjelas x1, x2, …, x26.

48

Berdasarkan odd rasio secara umum dari 200 responden diketahui peluang

pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat

baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar 12,71

kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan 1,1

kali dibandingkan jawaban baik.

5.2 Saran

PT. KAI (Persero) Daop 1 Jakarta khususnya stasiun Jakarta Kota yang

mempunyai sertifikasi ISO 9001:2008 SMM agar lebih fokus lagi terhadap

pelayanan sesuai dengan prinsip ISO yaitu Plan, Do, Check and Action agar

pelayanan di stasiun Jakarta Kota lebih baik dari hari ke hari. Kedepannya

diharapkan dapat menambah fasilitas-fasilitas yang dibutuhkan untuk senantiasa

meningkatkan pelayanan sebagai salah satu dari 5 pilar utama yaitu pelayanan

prima kepada pengguna jasa kereta api.

Kepada seluruh pegawai kereta-api khususnya di stasiun Jakarta Kota agar

dapat menjaga kekonsistenan pelayanan agar faktor-faktor yang berpengaruh

nyata terhadap kepuasan pengguna jasa di stasiun Jakarta Kota dapat terus

meningkat di 4 aspek utama penilaian ISO 9001:2008 SMM yaitu aspek

pelayanan, aspek keamanan dan aspek komersial. Diharapkan untuk kedepannya

PT. KAI (Persero) Daop 1 Jakarta khususnya stasiun Jakarta Kota dapat

menambah aspek baru yang dapat mempengaruhi kepuasan pelanggan di stasiun

Jakarta Kota misalnya aspek perjalanan kereta termasuk jadwal perjalanan kereta

api jarak jauh dan KRL serta kinerja petugas perjalanan kereta api di stasiun

Jakarta Kota.

49

DAFTAR PUSTAKA

Agresti,A. 1990. Categorical Data Analysis. New York : JohnWiley& Sons.Inc.

Garson, G.D. 2008. Logistik Regression. Dipublikasikan di

http:/www2.chass.ncsu.edu/garson/PA765/logistic.htm [11 Juli 2012]

Ghozali, I. 2007. Aplikasi Analisis Multivariate dengan Program SPSS.

Semarang: Badan Penerbit Universitas Diponegoro.

Hosmer, D.W., Lemeshow, S. 1989. Applied Logistic Regression. New York :

Wiley and Sons.

Hosmer, D.W., Lemeshow, S. 2000. Applied Logistic Regression (Second ed.)

New York : Wiley and Sons.

Kim, H.S. 2004. Topic In Ordinal Logistics Regression and Its Applications.

Disertasi, Texas: Texas A&M University.

Kleinbaum D. dan Klein, M. 2002. Logistic Regression. New York: Springer-Verlag.

Montgomery, D.G. Peck ,E.A, dan Vining, G.G. 2006. Introduction to Linear

Regression Analysis (fourth ed.). New York : Wiley and Sons.

Roji, M.F. 2008. Analisis Pengaruh Pelayanan PT. KAI (Persero) Terhadap

Kepuasan Konsumen (Studi Pada KA Eksekutif Gajayana). Skripsi.

Program Studi Manajemen. UIN Malang. Dipublikasikan di

http:/elib.uinmalang.ac.id [24 Desember 2012].

Ryan, Thomas P. 1997. Modern Regression Methods. New York: John Wiley and

Sons.

Septina, L. 2011. Kualitas Pelayanan Transportasi Kereta Api (Studi Kasus

Pelayanan di Atas Kereta Api Turangga). Skripsi. Program Studi Ilmu

Administrasi Bisnis. Universitas Pembangunan Nasional “Veteran” Jawa

Timur. Dipublikasikan di http:/ eprints.upnjatim.ac.id/1430 [20 Juni 2012].

Simamora, B. 2004. Panduan Riset Prilaku Konsumen. Jakarta : Gramedia.

Tjiptono, F. 1996. Perspektif Manajemen dan Pemasaran. Yogyakarta: Andy

Offset.

.

50

LAMPIRAN

51

LAMPIRAN 1. PEMBUKTIAN PERSAMAAN 7

Bukti persamaan (7)

𝜋 𝑥 =exp 𝛽0 + 𝛽1𝑥

1 + exp 𝛽0 + 𝛽1𝑥

(kalikan kedua ruas persamaan dengan 1 + exp 𝛽0 + 𝛽1𝑥 ,

𝜋 𝑥 1 + exp 𝛽0 + 𝛽1𝑥 = exp 𝛽0 + 𝛽1𝑥

𝜋 𝑥 + 𝜋 𝑥 exp 𝛽0 + 𝛽1𝑥 = exp 𝛽0 + 𝛽1𝑥

𝜋 𝑥 = exp 𝛽0 + 𝛽1𝑥 − 𝜋 𝑥 exp 𝛽0 + 𝛽1𝑥

𝜋 𝑥 = exp 𝛽0 + 𝛽1𝑥 1 − 𝜋 𝑥

𝜋 𝑥

1 − 𝜋 𝑥 = exp 𝛽0 + 𝛽1𝑥

kemudian kedua ruas persamaan terakhir diberi 𝑙𝑛, sehingga

𝑙𝑛 𝜋 𝑥

1 − 𝜋)𝑋) = 𝐼𝑛 exp 𝛽0 + 𝛽1𝑥 = 𝛽0 + 𝛽1𝑥 atau

𝑙𝑜𝑔𝑖𝑡 𝜋 𝑥 = 𝐼𝑛 𝜋 𝑥

1 − 𝜋 𝑥 = 𝛽0 + 𝛽1𝑥

52

LAMPIRAN 2. KUISIONER PENELITIAN

SURVEY KEPUASAN PELANGGAN Stasiun Besar Jakarta Kota Yth. Pelanggan Kereta Api

Kami membutuhkan masukkan, kritik dan saran dari pelanggan kereta api.

Pertanyaan berikut sesuai dengan kondisi sebenarnya.

Atas masukan, kritik dan saran dari para pelanggan, kami mengucapkan terima kasih.

Semoga PT.KAI (Persero) akan lebih memenuhi kebutuhan dan keinginan para pelanggan

semua.

Mohon diisi dengan tanda checklist (√) pada pilihan yang kami sediakan.

No Pertanyaan

Skala Penilaian

Sangat

Baik Baik Cukup Buruk

A. ASPEK PELAYANAN

1 Pengaturan flow kendaraan masuk dan keluar di stasiun.

2 Area dropping penumpang di stasiun

keberangkatan.

3 Lokasi toilet di stasiun keberangkatan.

4 Ketersediaan fasilitas pendukung (musolah,

mini market, restoran,dll).

5 Ketersediaan fasilitas tempat duduk di stasiun.

6 Ketersediaan fasilitas tempat sampah di

stasiun.

7 Kebersihan stasiun secara umum.

8 Kebersihan toilet secara umum.

9 Kemudahan turun dan naik kereta.

10 Pengaturan masuk dan keluar penumpang.

11 Pelayanan kuli angkut (porter)

B. ASPEK KAMTIB

1 Kondisi keamanan ruang tunggu.

2 Kondisi keamanan di area parkir.

3 Kondisi keamanan di area loket pembeliaan

tiket.

4 Keberadaan petugas keamanan.

5 Keramahan petugas keamanan.

6 Kondisi kriminalitas di area stasiun.

7 Keberadaan pedagang asongan di area

stasiun.

8 Sikap pedagang asongan dalam

menawarkan dagangan.

C. ASPEK KOMERSIAL

1 Ketersediaan ruang customer care/ pusat info di stasiun.

2 Keramahan dan kesopanan petugas customer

53

care.

3 Ketersediaan loket pembelian tiket di

stasiun.

4 Pengaturan antrian tiket di stasiun.

5 Penanganan complain penumpang di stasiun.

6 Keramahan dan kesopanan petugas

ticketing.

7 Waktu antrian selama memperoleh ticketing.

D. ASPEK KEPUASAN GLOBAL

1 Kepuasan anda secara global mengenai

Pelayanan di Stasiun Besar Jakarta Kota

DATA DIRI PENGGUNA JASA KERETA API:

Nama :

Usia :

Jenis kelamin :

Pendidikan :

Profesi :

Rutinitas menggunakan kereta api : kadang – kadang / sering / setiap hari/ …………

Tujuan : sekolah, kuliah / bekerja / bisnis / wisata / ……….

KRITIK DAN SARAN

Jakarta Kota, ......................... 2012

Pengguna Jasa

(____________________)

54

LAMPIRAN 3. OPERASIONALISASI VARIABEL

Variabel Sub

Variabel Indikator Ukuran Skala

No.

Soal Keterangan

Faktor-Faktor Tingkat KepuasanPengguna Jasa Pelayanan di Stasiun Bersertifikasi

ISO 9001:2008 Sistem Manajemen Mutu

Aspek

Demografi

Kelamin Jenis Kelamin Nominal 0 = Wanita

1 = Laki-Laki

Usia Tingkat Usia Ordinal 0 = 10 – 20 tahun

1 = 21 – 35 tahun 2 = 36 – 50 tahun

3 = > 50 tahun

Pendidikan Tingkat

Pendidikan

Ordinal 0 = SD

1 = SMP

2 = SMA

3 = PT

Rutinitas

menggunakan

KA

Tingkat rutinitas

menggunakan KA

Ordinal 0 = Kadang-kadang

1 = Sering

2 = Setiap hari

Tujuan Tujuan

menggunakan KA

Nominal 0 = Sekolah

1 = Kerja

2 = Bisnis

3 = Wisata

4 = Lain-Lain

Aspek

Pelayanan

Flow

kendaraan penumpang

dalam keluar

dan masuk

stasiun

Tingkat flow arus

kendaraan penumpang dalam

keluar dan masuk

stasiun

Ordinal 1 0 = Buruk

1 = Cukup 2 = Baik

3 = Sangat Baik

Area

dropping

penumpang di

stasiun

keberangkatan

Tingkat

pengaturan area

droping

penumpang di

stasiun

keberangkatan

Ordinal 2 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Lokasi toilet

di stasiun

keberangkatan

Tingkat kepuasan

pengguna jasa

terhadap lokasi toilet di stasiun

keberangkatan

Ordinal 3 0 = Buruk

1 = Cukup

2 = Baik 3 = Sangat Baik

Ketersediaan

fasilitas

pendukung

(Support

Facility)

Tingkat

ketersediaan

fasilitas

pendukung

distasiun

Ordinal 4 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Ketersediaan

Fasilitas

tempat duduk

Tingkat

ketersediaan

fasilitas tempat

duduk

Ordinal 5 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Ketersediaan

Fasilitas

Tingkat

ketersediaan

Ordinal 6 0 = Buruk

1 = Cukup

55

tempat

sampah

fasilitas tempat

sampah

2 = Baik

3 = Sangat Baik

Kebersihan

stasiun secara

umum

Tingkat

kebersihan stasiun

secara umum

Ordinal 7 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Kebersihan

toilet secara

umum

Tingkat

kebersihan toilet

secara umum

Ordinal 8 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Kemudahan

naik turun

penumpang

Tingkat

kemudahan naik

turun penumpang

Ordinal 9 0 = Buruk

1 = Cukup

2 = Baik 3 = Sangat Baik

Pengaturan

masuk dan

keluar

penumpang di

stasiun

Tingkat

pengaturan masuk

dan keluar

penumpang di

stasiun

Ordinal 10 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Pelayanan

kuli angkut

Tingkat pelayanan

kuli angkut

Ordinal 11 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Aspek

Keamanan

Kondisi

keamanan

ruang tunggu

Tingkat keamaan

di ruang tunggu

stasiun

Ordinal 1 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Kondisi

keamanan di area parkir

stasiun

Tingkat keamanan

di area parkir stasiun

Ordinal 2 0 = Buruk

1 = Cukup 2 = Baik

3 = Sangat Baik

Kondisi

keamanan di

area loket

pembelian

tiket

Tingkat keamanan

di area loket

pembelian tiket

Ordinal 3 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Keberadaan

petugas

keamanan

Tingkat

keberadaan

petugas keamanan

Ordinal 4 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Keramahan

petugas

keamanan.

Tingkat

keramahan

petugas keamanan memberikan

informasi

Ordinal 5 0 = Buruk

1 = Cukup

2 = Baik 3 = Sangat Baik

Kondisi

kriminalitas di

area stasiun.

Tingkat

kriminalitas di

area stasiun.

Ordinal 6 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Keberadaan

pedagang

asongan di

area stasiun.

Tingkat

keberadaan

pedagang asongan

di area stasiun.

Ordinal 7 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

56

Sikap

pedagang

asongan

menawarkan

dagangan.

Tingkat sikap

pedagang asongan

menawarkan

dagangan.

Ordinal 8 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Aspek

Komersial

Ketersediaan

ruang

customer

care/ pusat

info di

stasiun.

Tingkat

ketersediaan

ruang customer

care/pusat info di

stasiun.

Ordinal 1 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Keramahan

dan kesopanan

petugas

customer

care.

Tingkat

keramahan dan kesopanan

petugas customer

care.

Ordinal 2 0 = Buruk

1 = Cukup 2 = Baik

3 = Sangat Baik

Ketersediaan

loket

pembelian

tiket di

stasiun.

Tingkat

ketersediaan loket

pembelian tiket di

stasiun.

Ordinal 3 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Pengaturan

antrian tiket di

stasiun.

Tingkat

pengaturan

antrian tiket di

stasiun.

Ordinal 4 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Penanganan

complain penumpang di

stasiun.

Tingkat

penanganan komplain

penumpang di

stasiun.

Ordinal 5 0 = Buruk

1 = Cukup 2 = Baik

3 = Sangat Baik

Keramahan

dan

kesopanan

petugas

ticketing.

Tingkat

keramahan dan

kesopanan

petugas ticketing.

Ordinal 6 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Waktu antrian

selama

memperoleh

ticketing.

Lamanya waktu

antrian selama

memperoleh

ticketing.

Ordinal 7 0 = Buruk

1 = Cukup

2 = Baik

3 = Sangat Baik

Aspek

Global

Pelayanan

umum di stasiun

Tingkat kepuasan

pengguna jasa terhadap

pelayanan yang

ada di stasiun

Ordinal 1 0 = Buruk

1 = Cukup 2 = Baik

3 = Sangat Baik

57

LAMPIRAN 4. VARIABEL VIEW DAN DATA VIEW SOFTWARE SPSS

1. Variabel View

2. Data View

58

LAMPIRAN 5. HASIL UJI VALIDITAS

(P1)

Flow

Kend

araan

(P2)

Dropp

ing

Penu

mpang

(P3

)

Lo

kas

i

Toi

let

(P4)

Fasilit

as

Pendu

kung

(P5

)

Te

mp

at

Du

duk

(P6)

Te

mpa

t

Sam

pah

(P7)

Keber

sihan

Stasiu

n

(P8)

Keber

sihan

Toilet

(P9)

Turun

Naik

Penu

mpang

(P10)

Masuk

Keluar

Penu

mpang

(P1

1)

Po

rte

r

(K1

)

Rua

ng

Tun

ggu

(K

2)

Ar

ea

Par

kir

(K

3)

Lo

ket

(K4

)

Lok

asi

Pet

uga

s

(K5)

Kera

mahan

Petug

as

(K6)

Kondis

i

Krimin

alitas

(K7)

Keber

adaan

Pedag

ang

(K8)

Sika

p

Peda

gang

(Ko1

)

Loka

si

Cust

omer

Care

(Ko2)

Kera

mahan

Custo

mer

Care

(K

o3)

Lo

kas

i

Lo

ket

(Ko

4)

Ant

rian

(Ko5

)

Com

plain

Solut

ion

(Ko6)

Kera

mahan

Petug

as

Loket

(Ko

7)

Wa

ktu

Ant

rian

Tota

l

Jaw

aban

(P1)

Flow

Kenda

raan

Pears

on

Correl

ation

1 .573** .64

7**

.127 .09

0

.494**

.461* .673** .401* .406* .66

8**

.570**

.50

3**

.58

5**

.641**

.462* .419* .522** .643*

*

.346 .365* .35

8

.42

1*

.231 .374* .30

2

.708**

Sig.

(2-

tailed)

.001 .00

0

.504 .63

6

.006 .010 .000 .028 .026 .00

0

.001 .00

5

.00

1

.000 .010 .021 .003 .000 .061 .047 .05

2

.02

1

.219 .042 .10

4

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P2)

Droppi

ng

Penum

pang

Pears

on

Correl

ation

.573** 1 .28

4

.342 -

.17

4

.312 .294 .397* .345 .424* .45

0*

.778**

.43

3*

.28

1

.338 .590** .387* .302 .587*

*

.287 .184 .34

2

.52

3**

.219 .378* .31

6

.577**

Sig.

(2-

tailed)

.001

.12

8

.064 .35

7

.093 .115 .030 .062 .020 .01

3

.000 .01

7

.13

2

.068 .001 .035 .105 .001 .124 .330 .06

5

.00

3

.244 .040 .08

9

.001

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P3)

Lokasi

Toilet

Pears

on

Correl

ation

.647** .284 1 .292 .36

6*

.585**

.382* .721** .467** .355 .55

8**

.465**

.35

3

.29

0

.592**

.197 .463** .474** .569*

*

.453* .292 .22

1

.14

4

.098 .055 .18

9

.615**

Sig.

(2-

tailed)

.000 .128

.118 .04

6

.001 .037 .000 .009 .054 .00

1

.010 .05

6

.12

0

.001 .298 .010 .008 .001 .012 .118 .24

0

.44

7

.606 .772 .31

8

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P4)

Fasilit

as

Pendu

kung

Pears

on

Correl

ation

.127 .342 .29

2

1 .34

2

.408*

.386* .347 .365* .557** .35

6

.321 .31

2

.15

3

.372*

.139 .433* .061 .278 .166 .193 .25

0

.31

2

.119 .271 .31

2

.456*

Sig.

(2-

tailed)

.504 .064 .11

8

.06

4

.025 .035 .060 .048 .001 .05

4

.084 .09

3

.42

1

.043 .465 .017 .749 .137 .380 .308 .18

2

.09

3

.530 .147 .09

3

.011

59

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P5)

Tempa

t

Duduk

Pears

on

Correl

ation

.090 -.174 .36

6*

.342 1 .605**

.488** .397* .577** .234 .09

2

.006 .25

1

.28

1

.504**

.095 .387* .236 .266 .446* .273 .16

2

.07

0

.386* .198 .31

6

.456*

Sig.

(2-

tailed)

.636 .357 .04

6

.064

.000 .006 .030 .001 .213 .62

7

.973 .18

1

.13

2

.005 .618 .035 .209 .156 .013 .144 .39

3

.71

5

.035 .295 .08

9

.011

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P6)

Tempa

t

Sampa

h

Pears

on

Correl

ation

.494** .312 .58

5**

.408* .60

5**

1 .549** .548** .410* .330 .34

3

.477**

.46

5**

.46

9**

.562**

.181 .395* .156 .400* .554*

*

.358 .14

8

.21

6

.290 .263 .30

1

.612**

Sig.

(2-

tailed)

.006 .093 .00

1

.025 .00

0

.002 .002 .024 .075 .06

3

.008 .01

0

.00

9

.001 .338 .031 .410 .029 .001 .052 .43

5

.25

2

.121 .160 .10

6

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P7)

Kebers

ihan

Stasiu

n

Pears

on

Correl

ation

.461* .294 .38

2*

.386* .48

8**

.549**

1 .507** .571** .614** .59

8**

.415*

.53

0**

.67

5**

.583**

.498** .555** .274 .494*

*

.333 .302 .22

9

.36

5*

.376* .425* .59

5**

.709**

Sig.

(2-

tailed)

.010 .115 .03

7

.035 .00

6

.002

.004 .001 .000 .00

0

.023 .00

3

.00

0

.001 .005 .001 .143 .006 .072 .105 .22

4

.04

7

.041 .019 .00

1

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P8)

Kebers

ihan

Toilet

Pears

on

Correl

ation

.673** .397* .72

1**

.347 .39

7*

.548**

.507** 1 .680** .546** .60

3**

.497**

.59

8**

.57

5**

.743**

.441* .706** .657** .760*

*

.375* .189 .38

2*

.39

2*

.259 .368* .47

0**

.808**

Sig.

(2-

tailed)

.000 .030 .00

0

.060 .03

0

.002 .004

.000 .002 .00

0

.005 .00

0

.00

1

.000 .015 .000 .000 .000 .041 .317 .03

7

.03

2

.167 .045 .00

9

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P9)

Turun

Naik

Penum

pang

Pears

on

Correl

ation

.401* .345 .46

7**

.365* .57

7**

.410*

.571** .680** 1 .540** .59

1**

.368*

.46

4**

.35

0

.678**

.454* .778** .542** .723*

*

.369* .082 .27

3

.26

7

.274 .378* .51

9**

.732**

Sig.

(2-

tailed)

.028 .062 .00

9

.048 .00

1

.024 .001 .000

.002 .00

1

.045 .01

0

.05

8

.000 .012 .000 .002 .000 .045 .668 .14

4

.15

3

.143 .040 .00

3

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

60

(P10)

Masuk

Keluar

Penum

pang

Pears

on

Correl

ation

.406* .424* .35

5

.557** .23

4

.330 .614** .546** .540** 1 .72

5**

.537**

.65

0**

.52

5**

.389*

.337 .775** .431* .487*

*

.170 .179 .25

6

.57

0**

.410* .304 .42

7*

.698**

Sig.

(2-

tailed)

.026 .020 .05

4

.001 .21

3

.075 .000 .002 .002

.00

0

.002 .00

0

.00

3

.034 .068 .000 .017 .006 .369 .343 .17

3

.00

1

.025 .103 .01

9

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(P11)

Porter

Pears

on

Correl

ation

.668** .450* .55

8**

.356 .09

2

.343 .598** .603** .591** .725** 1 .625**

.56

5**

.44

4*

.399*

.459* .625** .417* .617*

*

.240 .129 .36

1*

.48

9**

.207 .391* .48

4**

.717**

Sig.

(2-

tailed)

.000 .013 .00

1

.054 .62

7

.063 .000 .000 .001 .000

.000 .00

1

.01

4

.029 .011 .000 .022 .000 .201 .496 .05

0

.00

6

.272 .032 .00

7

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K1)

Ruang

Tungg

u

Pears

on

Correl

ation

.570** .778** .46

5**

.321 .00

6

.477**

.415* .497** .368* .537** .62

5**

1 .56

3**

.38

0*

.410*

.545** .496** .308 .577*

*

.303 .038 .37

4*

.56

3**

.296 .358 .40

6*

.663**

Sig.

(2-

tailed)

.001 .000 .01

0

.084 .97

3

.008 .023 .005 .045 .002 .00

0

.00

1

.03

9

.024 .002 .005 .097 .001 .104 .844 .04

2

.00

1

.112 .052 .02

6

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K2)

Area

Parkir

Pears

on

Correl

ation

.503** .433* .35

3

.312 .25

1

.465**

.530** .598** .464** .650** .56

5**

.563**

1 .74

7**

.555**

.417* .661** .491** .477*

*

.393* .217 .33

6

.53

7**

.583*

*

.352 .56

2**

.748**

Sig.

(2-

tailed)

.005 .017 .05

6

.093 .18

1

.010 .003 .000 .010 .000 .00

1

.001

.00

0

.001 .022 .000 .006 .008 .032 .250 .06

9

.00

2

.001 .057 .00

1

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K3)

Loket

Pears

on

Correl

ation

.585** .281 .29

0

.153 .28

1

.469**

.675** .575** .350 .525** .44

4*

.380*

.74

7**

1 .576**

.400* .558** .486** .505*

*

.271 .350 .28

8

.47

5**

.531*

*

.432* .46

8**

.693**

Sig.

(2-

tailed)

.001 .132 .12

0

.421 .13

2

.009 .000 .001 .058 .003 .01

4

.039 .00

0

.001 .028 .001 .007 .004 .147 .058 .12

3

.00

8

.003 .017 .00

9

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

61

(K4)

Lokasi

Petuga

s

Pears

on

Correl

ation

.641** .338 .59

2**

.372* .50

4**

.562**

.583** .743** .678** .389* .39

9*

.410*

.55

5**

.57

6**

1 .372* .637** .521** .647*

*

.447* .309 .32

2

.27

3

.320 .378* .47

2**

.758**

Sig.

(2-

tailed)

.000 .068 .00

1

.043 .00

5

.001 .001 .000 .000 .034 .02

9

.024 .00

1

.00

1

.043 .000 .003 .000 .013 .096 .08

3

.14

4

.085 .039 .00

8

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K5)

Keram

ahan

Petuga

s

Pears

on

Correl

ation

.462* .590** .19

7

.139 .09

5

.181 .498** .441* .454* .337 .45

9*

.545**

.41

7*

.40

0*

.372*

1 .276 .289 .427* .166 .089 .35

5

.52

3**

.312 .480** .58

5**

.566**

Sig.

(2-

tailed)

.010 .001 .29

8

.465 .61

8

.338 .005 .015 .012 .068 .01

1

.002 .02

2

.02

8

.043

.139 .121 .019 .380 .638 .05

5

.00

3

.093 .007 .00

1

.001

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K6)

Kondis

i

Krimin

alitas

Pears

on

Correl

ation

.419* .387* .46

3**

.433* .38

7*

.395*

.555** .706** .778** .775** .62

5**

.496**

.66

1**

.55

8**

.637**

.276 1 .547** .741*

*

.363* .176 .20

5

.37

5*

.383* .250 .44

9*

.767**

Sig.

(2-

tailed)

.021 .035 .01

0

.017 .03

5

.031 .001 .000 .000 .000 .00

0

.005 .00

0

.00

1

.000 .139

.002 .000 .049 .351 .27

8

.04

1

.037 .183 .01

3

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K7)

Kebera

daan

Pedaga

ng

Pears

on

Correl

ation

.522** .302 .47

4**

.061 .23

6

.156 .274 .657** .542** .431* .41

7*

.308 .49

1**

.48

6**

.521**

.289 .547** 1 .766*

*

.284 .285 .52

0**

.49

1**

.430* .475** .46

3*

.687**

Sig.

(2-

tailed)

.003 .105 .00

8

.749 .20

9

.410 .143 .000 .002 .017 .02

2

.097 .00

6

.00

7

.003 .121 .002

.000 .128 .128 .00

3

.00

6

.018 .008 .01

0

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(K8)

Sikap

Pedaga

ng

Pears

on

Correl

ation

.643** .587** .56

9**

.278 .26

6

.400*

.494** .760** .723** .487** .61

7**

.577**

.47

7**

.50

5**

.647**

.427* .741** .766** 1 .499*

*

.318 .55

2**

.47

7**

.344 .530** .54

1**

.840**

Sig.

(2-

tailed)

.000 .001 .00

1

.137 .15

6

.029 .006 .000 .000 .006 .00

0

.001 .00

8

.00

4

.000 .019 .000 .000

.005 .087 .00

2

.00

8

.062 .003 .00

2

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

62

(Ko1)

Lokasi

Custo

mer

Care

Pears

on

Correl

ation

.346 .287 .45

3*

.166 .44

6*

.554**

.333 .375* .369* .170 .24

0

.303 .39

3*

.27

1

.447*

.166 .363* .284 .499*

*

1 .745** .49

7**

.39

3*

.647*

*

.376* .50

3**

.621**

Sig.

(2-

tailed)

.061 .124 .01

2

.380 .01

3

.001 .072 .041 .045 .369 .20

1

.104 .03

2

.14

7

.013 .380 .049 .128 .005

.000 .00

5

.03

2

.000 .041 .00

5

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(Ko2)

Keram

ahan

Custo

mer

Care

Pears

on

Correl

ation

.365* .184 .29

2

.193 .27

3

.358 .302 .189 .082 .179 .12

9

.038 .21

7

.35

0

.309 .089 .176 .285 .318 .745*

*

1 .49

5**

.52

0**

.621*

*

.480** .44

0*

.499**

Sig.

(2-

tailed)

.047 .330 .11

8

.308 .14

4

.052 .105 .317 .668 .343 .49

6

.844 .25

0

.05

8

.096 .638 .351 .128 .087 .000

.00

5

.00

3

.000 .007 .01

5

.005

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(Ko3)

Lokasi

Loket

Pears

on

Correl

ation

.358 .342 .22

1

.250 .16

2

.148 .229 .382* .273 .256 .36

1*

.374*

.33

6

.28

8

.322 .355 .205 .520** .552*

*

.497*

*

.495** 1 .71

8**

.506*

*

.742** .64

7**

.612**

Sig.

(2-

tailed)

.052 .065 .24

0

.182 .39

3

.435 .224 .037 .144 .173 .05

0

.042 .06

9

.12

3

.083 .055 .278 .003 .002 .005 .005

.00

0

.004 .000 .00

0

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(Ko4)

Antria

n

Pears

on

Correl

ation

.421* .523** .14

4

.312 .07

0

.216 .365* .392* .267 .570** .48

9**

.563**

.53

7**

.47

5**

.273 .523** .375* .491** .477*

*

.393* .520** .71

8**

1 .725*

*

.810** .76

2**

.709**

Sig.

(2-

tailed)

.021 .003 .44

7

.093 .71

5

.252 .047 .032 .153 .001 .00

6

.001 .00

2

.00

8

.144 .003 .041 .006 .008 .032 .003 .00

0

.000 .000 .00

0

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(Ko5)

Compl

ain

Solutio

n

Pears

on

Correl

ation

.231 .219 .09

8

.119 .38

6*

.290 .376* .259 .274 .410* .20

7

.296 .58

3**

.53

1**

.320 .312 .383* .430* .344 .647*

*

.621** .50

6**

.72

5**

1 .548** .67

1**

.624**

Sig.

(2-

tailed)

.219 .244 .60

6

.530 .03

5

.121 .041 .167 .143 .025 .27

2

.112 .00

1

.00

3

.085 .093 .037 .018 .062 .000 .000 .00

4

.00

0

.002 .00

0

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

63

(Ko6)

Keram

ahan

Petuga

s

Loket

Pears

on

Correl

ation

.374* .378* .05

5

.271 .19

8

.263 .425* .368* .378* .304 .39

1*

.358 .35

2

.43

2*

.378*

.480** .250 .475** .530*

*

.376* .480** .74

2**

.81

0**

.548*

*

1 .80

6**

.656**

Sig.

(2-

tailed)

.042 .040 .77

2

.147 .29

5

.160 .019 .045 .040 .103 .03

2

.052 .05

7

.01

7

.039 .007 .183 .008 .003 .041 .007 .00

0

.00

0

.002

.00

0

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

(Ko7)

Waktu

Antria

n

Pears

on

Correl

ation

.302 .316 .18

9

.312 .31

6

.301 .595** .470** .519** .427* .48

4**

.406*

.56

2**

.46

8**

.472**

.585** .449* .463* .541*

*

.503*

*

.440* .64

7**

.76

2**

.671*

*

.806** 1 .750**

Sig.

(2-

tailed)

.104 .089 .31

8

.093 .08

9

.106 .001 .009 .003 .019 .00

7

.026 .00

1

.00

9

.008 .001 .013 .010 .002 .005 .015 .00

0

.00

0

.000 .000

.000

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

Total

Jawab

an

Pears

on

Correl

ation

.708** .577** .61

5**

.456* .45

6*

.612**

.709** .808** .732** .698** .71

7**

.663**

.74

8**

.69

3**

.758**

.566** .767** .687** .840*

*

.621*

*

.499** .61

2**

.70

9**

.624*

*

.656** .75

0**

1

Sig.

(2-

tailed)

.000 .001 .00

0

.011 .01

1

.000 .000 .000 .000 .000 .00

0

.000 .00

0

.00

0

.000 .001 .000 .000 .000 .000 .005 .00

0

.00

0

.000 .000 .00

0

N 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30

**. Correlation is

significant at the 0.01

level (2-tailed).

*. Correlation is

significant at the 0.05

level (2-tailed).

64