PENGARUH KUALITAS LAYANAN TERHADAP KEPUASAN PELANGGAN

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

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

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

11. 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 Tabel 4.1. Indikator, Cut-off Value dan Hasil uji CFA model awal

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)

14. Tabel 4.3. Regression Weights: (Group number 1 - Default model)

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 :

17. 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. Tabel 4.4. Indikator, Cut-off Value dan Hasil uji CFA model awal

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)

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)

22. Tabel 4.7. Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Tabel 4.7. Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

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

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)

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

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)

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

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 Model Kualitas Layanan

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)

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.