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.