Upload
loman
View
125
Download
1
Embed Size (px)
DESCRIPTION
PENGARUH KUALITAS LAYANAN TERHADAP KEPUASAN PELANGGAN. Studi Kasus Pada Internet Banking Oleh : Gandhi Heryanto - 0411610013. abstrak. Salah satu kunci sukses dari bisnis berbasis internet adalah pengelolaan kualitas layanan demi tercapainya kepuasan pelanggan. - PowerPoint PPT Presentation
Citation preview
1
PENGARUH KUALITAS LAYANAN TERHADAP
KEPUASAN PELANGGAN
Studi Kasus Pada Internet Banking
Oleh : Gandhi Heryanto - 0411610013
2
abstrak
Salah satu kunci sukses dari bisnis berbasis internet adalah pengelolaan kualitas layanan demi tercapainya kepuasan pelanggan.
Tujuan dari riset ini adalah mengidentifikasi dimensi dimensi kualitas layanan yang mempengaruhi kepuasan pelanggan di sektor internet banking ditinjau dari perspektif pelanggan.
Berdasarkan kajian literatur, lima kerangka dimensi kualitas layanan akan diuji pada sektor internet banking untuk melihat pengaruh kualitas layanan terhadap kepuasan pelanggan.
Pengujian ini dilakukan secara kuantitatif dengan menggunakan SEM (Structural Equation Model) yang menggabungkan model pengukuran dan model struktural dengan bantuan program AMOS ver.5.0. untuk melihat besarnya pengaruh tersebut dalam suatu model yang tergambar.
3
Hipotesis
Diduga kualitas layanan internet banking berpengaruh secara nyata dan positif terhadap kepuasan pelanggan
4
Pengembangan model berbasis teori
Konstruk penelitian Dimensi konstruk Kualitas Layanan X1 = Efisiensi X2 = Reliability X3 = Responsiveness X4 = Fulfillment X5 = Privacy
Kepuasan Pelanggan Y1 = Kepuasan menyeluruh Y2 = Perbandingan dengan ideal Y3 = Diskonfirmasi
5
Menyusun Pathdiagram
KL
X1
e4
1
1
X2
e51
X3
e61
X4
e71
X5
e81
KP
Y3
e3
1
1
Y2
e2
1
Y1
e1
1
z1
1
STRUCTURAL EQUATION MODELModel Pengaruh Kualitas Layanan Terhadap Kepuasan Pelanggan
studi kasus pada internet banking
LAMPIRAN 5 - MODEL PENELITIAN SEBELUM MODIFIKASI
6
Measurement Model dan Structural Model
Measurement Model
persamaan pada model pengukuran, yaitu
indikator = (lambda) konstruk + error
X1 = λ11KL + δ1
X2 = λ21KL + δ2
X3 = λ31KL + δ3
X4 = λ41KL + δ4
X5 = λ51KL + δ5
Y1 = λ11KP + έ1
Y2 = λ21KP + έ2
Y3 = λ31KP + έ3 Structural model
var laten endogen = (gama)var laten eksogen + error
KP (kepuasan pelanggan) = γ11 KL (kualitas layanan) + ξ
7
Matriks Input dan teknik estimasi
Matriks Input : Lampiran 2 dan 3
(data mentah hasil penelitian)
contoh : slide berikut
8
Kualitas Layanan Kepuasan Pelanggan
No Efisiensi Reliability Responsiveness Fulfillment Privacy Kepuasan mnylrh Pbdng dg ideal Diskonfirmasi
resp X1 X2 X3 X4 X5 Y1 Y2 Y3
1 22.00 21.00 15.00 12.00 16.00 26.00 17.00 23.00
2 26.00 25.00 12.00 15.00 21.00 26.00 18.00 24.00
3 18.00 19.00 14.00 14.00 16.00 20.00 17.00 21.00
4 19.00 21.00 13.00 10.00 19.00 24.00 18.00 23.00
5 18.00 20.00 12.00 12.00 16.00 22.00 18.00 21.00
6 17.00 22.00 15.00 12.00 15.00 23.00 19.00 22.00
7 20.00 20.00 13.00 11.00 17.00 26.00 19.00 24.00
8 21.00 24.00 11.00 15.00 17.00 29.00 20.00 25.00
9 24.00 26.00 19.00 12.00 21.00 23.00 17.00 22.00
10 19.00 22.00 12.00 12.00 16.00 20.00 16.00 20.00
9
Teknik estimasi - CFA
Uji kesesuaian model – Goodness-of-fit Test
diestimasi dengan program Amos (Lampiran 5) maka dengan menggunakan Indikator dan cut-off seperti pada Tabel 4.1 didapat hasil pengukuran sebagai berikut
10
KL
.46
X1
e4
.68
.49
X2
e5
.70
.34
X3
e6
.59
.61
X4
e7
.78
.59
X5
e8
.77
KP
.91
Y3
e3
.95
.60
Y2
e2
.78.83
Y1
e1
.91
.87
Uji HipotesaChi-square = 73.953Probability = .000CMIN/DF = 3.892GFI = .844TLI = .846CFI = .896RMSEA = .171AGFI = .705
CONFIRMATORY FACTOR ANALYSISMEASUREMENT MODEL
KL - KP
11
Tabel 4.1. Indikator, Cut-off Value dan Hasil uji CFA model awal
Goodness of fit indexCut-off Value Hasil penelitian
Χ2-Chi-square Diharapkan kecil 73.953
Significance Probability > 0.05 0.000
RMSEA < 0.08 0.171
GFI > 0.90 0.844
AGFI > 0.90 0.705
CMIN/DF < 2.00 3.892
TLI > 0.95 0.846
CFI > 0.95 0.896
tingkat signifikansi yang kecil 0.000 menunjukkan bahwa hipotesa nol yang menunjukkan bahwa tidak terdapat perbedaan antara matriks data sampel dan matriks populasi yang diestimasi dapat ditolak
12
Uji signifikansi bobot faktor
Nilai lambda Nilai lambda yang dipersyaratkan adalah > 0.40. Hasil pemgukuran penelitian adalah
sebagai berikut (tabel 4.2) Dapat disimpulkan bahwa variabel X1 – X5 dan Y1 – Y3 secara bersama sama
menyajikan unidimensionalitas untuk variabel laten KL dan KP.
Bobot Faktor Bagaimana kuatnya dimensi-dimensi itu membentuk faktor latennya dianalisis
dengan uji-t terhadap regression weight yang dihasilkan oleh model sebagai berikut : C.R. atau Critical Ratio adalah identik dengan t-hitung dalam analisis regresi. C.R
yang lebih besar dari 2 menunjukkan bahwa variabel variabel itu secara signifikan merupakan dimensi dari faktor laten yang dibentuk. (tabel 4.3)
13
Tabel 4.2. Standardized Regression Weights: (Group number 1 - Default model)
Estimate
X1 <--- KL .679
X2 <--- KL .698
X3 <--- KL .587
X4 <--- KL .778
X5 <--- KL .768
Y3 <--- KP .954
Y2 <--- KP .776
Y1 <--- KP .911
14
Tabel 4.3. Regression Weights: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
X1 <--- KL 1.000
X2 <--- KL 1.093 .178 6.129 *** par_1
X3 <--- KL .705 .132 5.355 *** par_2
X4 <--- KL .749 .113 6.624 *** par_3
X5 <--- KL 1.037 .153 6.768 *** par_4
Y3 <--- KP 1.000
Y2 <--- KP .852 .079 10.803 *** par_5
Y1 <--- KP 1.027 .063 16.295 *** par_6
15
Teknik estimasi - SEM
Uji kesesuaian model – Goodness-of-fit Test
Setelah diestimasi dengan program Amos (Lampiran 5) maka dengan menggunakan Indikator dan cut-off seperti pada Tabel 4.2 didapat hasil pengukuran sebagai berikut :
16
5.38
KL
X1
6.28
e4
1.00
1
X2
6.76
e5
1.09
1
X3
5.08
e6
.70
1
X4
1.97
e7
.75
1
X5
4.03
e8
1.04
1
KP
Y3
.93
e3
1.00
1Y2
4.50
e2
.85
1Y1
2.03
e1
1.03
1
1.15
2.24
z11
UJI HIPOTESAChi-Square = 73.953Probability = .000CMIN/DF = 3.892GFI = .844TLI = .846CFI = .896RMSEA = .171AGFI = .705
STRUCTURAL EQUATION MODELModel Pengaruh Kualitas Layanan Terhadap Kepuasan Pelanggan
studi kasus pada internet banking
LAMPIRAN 5 - MODEL PENELITIAN SEBELUM MODIFIKASI
17
Tabel 4.4. Indikator, Cut-off Value dan Hasil uji CFA model awal
Goodness of fit index Cut-off Value Hasil penelitian
Χ2-Chi-square Diharapkan kecil 73.953
Significance Probability > 0.05 0.000
RMSEA < 0.08 0.171
GFI > 0.90 0.844
AGFI > 0.90 0.705
CMIN/DF < 2.00 3.892
TLI > 0.95 0.846
CFI > 0.95 0.896
Uji terhadap hipotesis model menunjukkan bahwa model ini tidak fit terhadap data yang tersedia seperti terlihat dari tingkat signifikasni terhadap chi-square model yang sangat rendah. Indeks goodness of fit lainnya juga tidak berada dalam rentang nilai yang diharapkan dan karena itu model ini tidak dapat diterima.
18
Uji Kausalitas Nilai nilai koefisien regresi dan t-hitungnya adalah tabel 4.5 Uji-t yang identik dengan C.R dari hasil penelitian menunjukkan bahwa
semua koefisien regresi tidak sama dengan nol, hipotesa nol bahwa regression weight adalah sama dengan nol dapat ditolak, untuk menerima hipotesa alternatif bahwa masing masing hipotesa mengenai hubungan
kausalitas yang disajikan dalam model itu dapat diterima.
19
Tabel 4.5. Regression Weights: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
KP <--- KL 1.150 .167 6.901 *** par_7
X1 <--- KL 1.000
X2 <--- KL 1.093 .178 6.129 *** par_1
X3 <--- KL .705 .132 5.355 *** par_2
X4 <--- KL .749 .113 6.624 *** par_3
X5 <--- KL 1.037 .153 6.768 *** par_4
Y3 <--- KP 1.000
Y2 <--- KP .852 .079 10.803 *** par_5
Y1 <--- KP 1.027 .063 16.295 *** par_6
20
Evaluasi Kriteria Goodness-of-fit
Evaluasi atas dipenuhinya asumsi normalitas data
Dapat dilihat pada tabel 4.6. Dengan menggunakan kriteria critical ratio + 2.58, pada tingkat signifikansi 0.01 (1 %) dapat disimpulkan bahwa data Y2 mempunyai sebaran yang tidak normal.
Evaluasi atas outliers
Multivariat outliers dilihat pada uji Mahalanobis distance pada tabel 4.7Uji Mahalanobis distance, berdasarkan nilai chi-square pada derajad bebas sebesar 8 (jumlah variabel) pada tingkat signifikansi 0.001 = 26.12, terlihat adanya kasus yang dapat dikategorikan sebagai outlier multivariat, yaitu observasi nomor 14.
21
Tabel 4.6. Assessment of normality (Group number 1)
Variable min Max skew c.r. kurtosis c.r.
Y1 12.500 30.000 -.004 -.017 .084 .172
Y2 12.500 30.000 .695 2.835 1.100 2.246
Y3 12.500 30.000 .036 .146 1.037 2.117
X5 7.000 24.000 -.141 -.574 .157 .321
X4 7.000 18.000 -.112 -.459 .210 .429
X3 7.000 22.000 .034 .139 -.358 -.731
X2 9.500 30.000 -.429 -1.752 .519 1.059
X1 10.000 30.000 -.387 -1.580 .790 1.613
Multivariate 4.768 1.885
22
Tabel 4.7. Observations farthest from the centroid (Mahalanobis distance) (Group number 1)
Observation number Mahalanobis d-squared p1 p2
14 28.904 .000 .032
51 18.700 .017 .494
53 18.103 .020 .336
39 17.199 .028 .310
49 16.785 .032 .225
37 16.403 .037 .166
59 15.247 .055 .304
83 14.378 .072 .439
31 13.661 .091 .565
54 12.630 .125 .818
34 12.603 .126 .731
80 12.516 .130 .657
2 12.464 .132 .564
79 12.102 .147 .618
99 11.972 .152 .570
18 11.924 .155 .483
8 11.772 .162 .452
23
Evaluasi Kriteria Goodness-of-fit
Evaluasi atas Multicollinearity dan Singularity
Dari hasil penelitian didapat Determinant of sample covariance matrix = 298,590.290 yang sangat jauh dari nol. Oleh karena itu dapat disimpulkan bahwa tidak terdapat multikolinearitas atau singularitas, jadi data layak digunakan.
Evaluasi atas kriteria Goodness-of-fit
Berdasarkan komputasi AMOS untuk model penelitian ini sebelum dilakukan modifikasi, dihasilkan indeks-indeks goodness-of fit sebagai berikut , tabel 4.8
24
Tabel 4.8. Indeks Goodness-of fit model penelitian sebelum modifikasi
Kriteria HasilModel ini
Nilai Kritis EvaluasiModel
Chi-SquareCMIN
73.953 KecilChi-square dengan df = 19Adalah 30.14
Tidak Baik
Probability 0.000 > 0.05 Tidak Baik
CMIN/DF 3.892 < 2.0 Tidak Baik
GFI 0.844 > 0.90 Tidak Baik
AGFI 0.705 > 0.90 Tidak Baik
TLI 0.846 > 0.95 Tidak Baik
CFI 0.896 > 0.95 Tidak Baik
RMSEA 0.171 < 0.08 Tidak Baik
25
Modifikasi model
Karena tidak dipenuhinya kriteria indeks goodness-of fit di atas dan dengan mengacu pada hasil evaluasi asumsi normalitas data serta evaluasi outliers maka kita lakukan modifikasi data data penelitian dengan :
Mengeluarkan variabel yang tidak memenuhi asumsi normalitas data seperti yang terlihat pada Tabel 4.6., yaitu variabel Y2.
Mengeluarkan observasi yang tidak lolos pada hasil uji mltivariat outliers, seperti pada Tabel 4.7., yaitu obsevasi nomor 14.
Dengan mengeluarkan Y2 dan observasi nomor 14, kita jalankan
kembali program Amos seperti terlihat pada gambar pada Lampiran 6.
26
Modifikasi model Mengkorelasikan error berdasarkan modification indices tabel
4.10 :
e6 <--> z1, yaitu antara error responsiveness dan kepuasan pelanggan
e5 <--> e7, yaitu antara error reliability dan fulfillment
e4 <--> e6, yaitu antara error efisiensi dan responsiveness Responsiveness yang tinggi sering memberikan kepuasan
pelanggan yang mungkin tidak memberikan solusi permasalahan tetapi hanya menunda waktu yang dengan sendirinya akan mengorbankan efisiensi. Sedangkan reliability yang tinggi seringkali dapat tidak mempengaruhi fulfillment yang kurang baik.
Model setelah modifkasi dan text output selengkapnya dapat dilihat pada Lampiran 6.
27
Tabel 4.10. Modification Indices (Group number 1 - Default model)
Covariances: (Group number 1 - Default model)
M.I. Par Change
E7 <--> z1 7.578 .775
E6 <--> z1 10.807 -1.469
E5 <--> e7 4.621 -.888
E4 <--> e6 4.194 1.198
28
KL
.52
X2
e5
.72
.64
X4
e7
.80
.54
X5
e8
.73
.44
X1
e4
.66
.37
X3
e6
.61
.85
KP
.87
Y3
e3
.93.88
Y1
e1
.94
.92z1
UJI HIPOTESAChi-Square = 15.740Probability = .107CMIN/DF = 1.574GFI = .959TLI = .972CFI = .986RMSEA = .077AGFI = .886
STRUCTURAL EQUATION MODEL - modifiedModel Pengaruh Kualitas Layanan Terhadap Kepuasan Pelanggan
studi kasus pada internet banking
-.55
.17-.28
LAMPIRAN 6 - MODEL PENELITIAN SETELAH MODIFIKASI
29
Berdasarkan komputasi AMOS untuk model setelah modifikasi, dihasilkan indeks-indeks goodness-of fit sebagai berikut tabel 4.11
Tabel 4.11 menunjukkan bahwa semua kriteria yang digunakan mempunyai nilai yang baik. Oleh karena itu model ini dapat diterima dengan baik. Dengan demikian dapat dinyatakan bahwa pengujian ini menghasilkan konfirmasi yang baik atas dimensi dimensi faktor
serta hubungan hubungan kausalitas antar faktor.
30
Tabel 4.11. Indeks Goodness-of fit model setelah modifikasi
Kriteria HasilModel ini
Nilai Kritis EvaluasiModel
Chi-SquareCMIN
15.74 KecilChi-square dengan df = 10adalah 18.31
Baik
Probability 0.107 > 0.05 Baik
CMIN/DF 1.574 < 2.0 Baik
GFI 0.959 > 0.90 Baik
AGFI 0.886 > 0.90 Marginal
TLI 0.972 > 0.95 Baik
CFI 0.986 > 0.95 Baik
RMSEA 0.077 < 0.08 Baik
31
VALIDITAS
Convergent Validity
Sebuah indikator dimensi menunjukkan validitas konvergen yang signifikan apabila koefisien variabel indikator itu lebih besar dari dua kali standar errornya (Anderson & Gerbing, 1988). Bila setiap indikator memiliki critical ratio yang lebih besar dari dua kali standar errornya, hal ini menunjukkan bahwa indikator itu secara valid mengukur apa yang seharusnya diukur dalam model yang disajikan. Hasil pengukuran validity
selengkapnya, tabel 4.12
32
Tabel 4.12. Regression Weights: (Group number 1 - Default model)
Regression Weights: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
KP <--- KL 1.066 .135 7.900 *** par_6
X2 <--- KL 1.000
X4 <--- KL .694 .101 6.838 *** par_1
X5 <--- KL .893 .126 7.064 *** par_2
X1 <--- KL .834 .136 6.142 *** par_3
X3 <--- KL .653 .122 5.345 *** par_4
Y3 <--- KP 1.000
Y1 <--- KP 1.087 .067 16.209 *** par_5
33
RELIABILITAS
Construct Reliability Rumus yang digunakan untuk menghitungnya adalah sbb.:
Composite-reliability = (∑ std.loading)2/ (∑ std.loading)2 + ∑ εj
Hasil pengukuran tabel 4.13, Nilai batas yang digunakan untuk menilai tingkat reliabilitas yang dapat diterima adalah 0.70. Kedua nilai tersebut, 0.83 dan 0.93 adalah reliable.
34
Tabel 4.13. Construct Reliability Model
Faktor KualitasLayanan (KL)
KepuasanPelanggan (KP)
Variabel Construct Error Construct Error
X1 0.72 0.48
X2 0.80 0.36
X3 0.73 0.47
X4 0.66 0.56
X5 0.61 0.63
Y1 0.94 0.12
Y3 0.93 0.14
Sum of Std Loading 3.52 1.87
Sum of Measur.Error 2.50 0.26
CONSTRUCT RELIABILITY 0.83 0.93
35
Hasil Uji Hipotesis Tabel 4.14 menunjukkan bahwa variabel KL (kualitas layanan)
mempunyai standardized estimate atau regression weight atau koefisien gama sebesar 0.923, dengan CR-critical ratio (identik dengan t-hitung) sebesar 7.900 dengan tingkat signifikansi P ***, dengan demikian dapat dinyatakan sebagai signifikan dan karena itu dapat disimpulkan bahwa hipotesa KL sama dengan nol ditolak.
Uji-t terhadap koefisien gama dilakukan untuk menolak hipotesis nol yang menyatakan bahwa nilai koefisien gama adalah sama dengan nol, sebagai berikut :
H0 : γ = 0 untuk Ha : γ ≠ 0 Karena signifikansi (P) < 0.05, maka H0 ditolak atau Ha diterima
artinya γ ≠ 0 atau KL mempengaruhi KP
36
Tabel 4.14. Regression Weights (Loading Factor) Measurement ModelKualitas Layanan
Estimate S.E. C.R. P Standardized estimate
KP <--- KL 1.066 .135 7.900 *** 0.923
37
Koefisien Determinasi Koefisien determinasi (R2) dari KP = 0.852. Hal ini mengindikasikan
bahwa variasi KP yang dijelaskan oleh KL 85.2 %. Sedang sisanya 14.8 % dijelaskan oleh variabel lain yang tidak tercakup pada penelitian ini, diantaranya adalah komunikasi, personalisasi,
technology update dan logistical atau technical support.
38
Tabel 4.15. Squared Multiple Correlations: (Group number 1 - Default model)
Estimate
KP
.852
39
Analisis atas Direct Effect, Indirect Effect dan Total Effect
Direct effect adalah koefisien dari semua garis dengan anak panah satu ujung. Indirect effect adalah efek yang muncul melalui sebuah variabel antara. Total effect adalah efek dari berbagai hubungan. Ketiga nilai tersebut dapat dilihat pada tebel 4.16
Dari angka angka di atas dapat disimpulkan bahwa pengaruh kualitas layanan terhadap kepuasan pelanggan sangat kuat (0.923) dan langsung. Demikian juga ke lima dimensi ( efisiensi, reliability, responsiveness, fulfillment dan privacy) yang mengukur kualitas
layanan mempunyai efek langsung yang juga kuat.
40
Dimensi Kualitas Layanan Internet Banking dan Pengaruhnya pada Kepuasan
Pelanggan
Efisiensi
Yang tercakup dalam pertanyaan survei untuk dimensi efisiensi adalah kecepatan login dan logout, menu navigasi dan kemudahan penggunaan. Pelanggan akan puas karena transaksi dan pemanfaatan produk seperti pembayaran atau pembelian produk dapat dilakukan dengan cepat atau efisien.
Reliability
Apa yang tercakup pada dimensi ini adalah berfungsinya situs bank secara benar dan dapat dimanfaatkan sepanjang waktu. Situs tetap berfungsi dengan baik setelah kita mengisi informasi yang diminta dan terus memandu sampai suatu transaksi selesai dilakukan.
Responsiveness
Cepat tanggapnya pihak bank terhadap masalah yang dialami oleh pelanggan baik melalui email atau langsung per telpon adalah hal yang penting untuk kepuasan pelanggan
41
lanjutan Fulfillment
Konfirmasi yang cepat atas setiap transaksi atau pemanfaatan produk internet yang tersedia melalui situs bank adalah hal yang penting untuk kepuasan pelanggan.
Privacy
Kepercayaan pelanggan kepada bank untuk tetap menjaga kerahasiaan informasi pribadi termasuk juga nomor kartu kredit atau lainnya agar tidak disalah gunakan adalah hal penting untuk
kepuasan pelanggan.
42
Implikasi Hasil Penelitian untuk Perbankan
Perkembangan teknologi informasi dan pertumbuhan produk perbankan memungkinkan setiap pelanggan untuk memanfaatkan produk perbankan yang tersedia secara cepat melalui internet banking. Untuk itu keunggulan kompetitif yang harus dilakukan oleh perbankan adalah tidak hanya dengan cost strategy pada internet banking market tetapi dengan mendefinisikan dimensi dimensi kualitas layanan, minimal 5 dimensi yang telah diteliti pada penelitian ini akan merupakan kunci sukses untuk meningkatkan
kepuasan pelanggan.
43
Kesimpulan Hubungan struktural yang dihipotesakan seperti terlihat pada
Lampiran 6 dari sudut marketing dapat dijelaskan bahwa pada internet banking Kualitas Layanan dengan 5 dimensinya, yaitu efisiensi, reliability, responsiveness, fulfillment dan privacy mempengaruhi Kepuasan Pelanggan.
Seperti yang dihipotesakan, Kualitas Layanan secara signifikan mempengaruhi Kepuasan Pelanggan dengan nilai estimasi parameter 0.923.
Hasil uji SEM semua sudah memenuhi syarat (tabel 4.11), menunjukkan bahwa semua kriteria yang digunakan mempunyai nilai yang baik. Oleh karena itu model ini dapat diterima dengan baik. Dengan demikian dapat dinyatakan bahwa pengujian ini menghasilkan konfirmasi yang baik atas dimensi dimensi faktor serta hubungan hubungan kausalitas antar faktor.
44
Saran Karena pengambilan sampel pada penelitian ini tidak dilakukan
secara random maka hasil penelitian yang didapat belum dapat digeneralisasi. Untuk itu penelitian yang akan datang sebaiknya dilakukan dengan meneliti populasi pengguna internet banking yang ada sehingga pengambilan sampel bisa dilakukan secara random.
Perspektif penelitian yang akan datang dapat lebih diperluas baik dari sudut pandangnya (dapat dari sudut bank atau institusi keuangan lain) ataupun dimensi kualitas layanannya (tidak hanya 5, dapat dimensi lain seperti komunikasi, personalisasi, technology update, logistic/technical equipment) bahkan juga variabel latennya bisa sampai ke kesetiaan pelanggan dan manajemen hubungan pelanggan.