aplikasi regresi logistik ordinal untuk …perpustakaan.fmipa.unpak.ac.id/file/skripsi-majid...
TRANSCRIPT
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 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)
𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (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 𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)
𝑙𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (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 −
𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵)
𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (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[𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 (𝑀𝑜𝑑𝑒𝑙 𝐵) − 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑(𝑀𝑜𝑑𝑒𝑙 𝐴) (32)
Keterangan 𝑅2𝐶𝑆 merupakan koefisien determinasi Cox and Snell.
𝑅2𝑀𝐴𝑋 = 1 − exp[−
2
𝑛× 𝐿𝑖𝑘𝑒𝑙𝑖𝑜𝑜𝑑 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
𝜒2𝑖𝑡𝑢𝑛𝑔
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