Anda di halaman 1dari 32

5.

2 Uji Instrumen Penelitian

5.2.1 Uji Validitas

Suatu instrumen dalam penelitian dikatakan valid apabila mampu mengukur apa

yang ingin diukur. Suatu instrumen dikatakan valid apabila memiliki koefisien korelasi

antara butir dengan skor total dalam instrumen tersebut lebih besar dari 0,30 dengan

tingkat kesalahan Alpha 0,05.

Tabel 5.1

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Bukti Fisik
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 X1.1 0.780 0.000 Valid
2 X1.2 0.789 0.000 Valid
3 X1.3 0.770 0.000 Valid
4 X1.4 0.795 0.000 Valid
5 X1.5 0.799 0.000 Valid
Sumber: Lampiran 4
Tabel 5.1 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Bukti Fisik adalah valid karena semua indikator memiliki nilai korelasi ( r ) di

atas 0,3 dengan signifikansi di bawah 0,05.

Tabel 5.2

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Empati
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 X1.6 0.618 0.000 Valid
2 X1.7 0.675 0.000 Valid
3 X1.8 0.827 0.000 Valid
4 X1.9 0.881 0.000 Valid
5 X1.10 0.814 0.000 Valid
Sumber: Lampiran 4
Tabel 5.2 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Empati adalah valid karena semua indikator memiliki nilai korelasi ( r ) di atas

0,3 dengan signifikansi di bawah 0,05.

Tabel 5.3

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Daya Tanggap
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 X1.11 0.714 0.000 Valid
2 X1.12 0.867 0.000 Valid
3 X1.13 0.806 0.000 Valid
4 X1.14 0.811 0.000 Valid
Sumber: Lampiran 4

Tabel 5.3 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Daya tanggap adalah valid karena semua indikator memiliki nilai korelasi ( r ) di

atas 0,3 dengan signifikansi di bawah 0,05.

Tabel 5.4

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Keandalan
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 X1.15 0.657 0.000 Valid
2 X1.16 0.726 0.000 Valid
3 X1.17 0.765 0.000 Valid
4 X1.18 0.672 0.000 Valid
Sumber: Lampiran 4
Tabel 5.4 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Keandalan adalah valid karena semua indikator memiliki nilai korelasi ( r ) di

atas 0,3 dengan signifikansi di bawah 0,05.

Tabel 5.5

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Jaminan
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 X1.19 0.830 0.000 Valid
2 X1.20 0.848 0.000 Valid
3 X1.21 0.907 0.000 Valid
4 X1.22 0.819 0.000 Valid
Sumber: Lampiran 4

Tabel 5.5 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Jaminan adalah valid karena semua indikator memiliki nilai korelasi ( r ) di atas

0,3 dengan signifikansi di bawah 0,05.

Tabel 5.6

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Citra
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 X2.1 0.876 0.000 Valid
2 X2.2 0.845 0.000 Valid
3 X2.3 0.843 0.000 Valid
4 X2.4 0.869 0.000 Valid
Sumber: Lampiran 4
Tabel 5.6 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Citra adalah valid karena semua indikator memiliki nilai korelasi ( r ) di atas 0,3

dengan signifikansi di bawah 0,05.

Tabel 5.7

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel Kepuasan
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 Y1.1 0.800 0.000 Valid
2 Y1.2 0.787 0.000 Valid
3 Y1.3 0.859 0.000 Valid
4 Y1.4 0.798 0.000 Valid
Sumber: Lampiran 4

Tabel 5.7 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel Kepuasan adalah valid karena semua indikator memiliki nilai korelasi ( r ) di

atas 0,3 dengan signifikansi di bawah 0,05.

Tabel 5.8

Rekapitulasi Hasil Uji Validitas Instrumen Penelitian


untuk Variabel WOM
No Indikator Pearson Sig. (2- Keterangan
Correlatio tailed)
n
(r)
1 Y2.1 0.800 0.000 Valid
2 Y2.2 0.787 0.000 Valid
3 Y2.3 0.859 0.000 Valid
Sumber: Lampiran 4
Tabel 5.7 menunjukkan bahwa instrumen penelitian yang digunakan untuk mengukur

variabel WOM adalah valid karena semua indikator memiliki nilai korelasi ( r ) di atas

0,3 dengan signifikansi di bawah 0,05.

5.2.2 Uji Reliabilitas

Uji Reliabilitas terhadap instrumen penelitian ini menggunakan nilai Alpha

Cronbach, yakni untuk mengetahui unidimensionalitas butir-butir pernyataan terhadap

variabel laten yang diteliti (Bukti fisik, Empati, Daya tanggap, Keandalan, Jaminan,

Citra, Kepuasan dan WOM). Nilai Alpha Cronbach dinyatakan reliabel jika nilainya

lebih besar atau sama dengan 0,60 (Ghozali, 2004). Rekapitulasi uji reliabilitas

instrumen penelitian dapat dilihat pada Tabel 5.9.

Tabel 5.9
Rekapitulasi Uji Reliabilitas Instrumen Penelitian
No Variabel Alpha Keterangan
1 Bukti fisik 0,823 Reliabel
2 Empati 0,855 Reliabel
3 Daya tanggap 0,686 Reliabel
4 Keandalan 0,747 Reliabel
5 Jaminan 0,799 Reliabel
6 Citra 0,801 Reliabel
7 Kepuasan 0,824 Reliabel
8 WOM 0,710 Reliabel
Sumber: Lampiran 5

Tabel 5.4 menunjukkan bahwa nilai Cronbach’s Alpha untuk setiap variabel lebih

besar dari 0,60. Jadi dapat dinyatakan bahwa seluruh variabel telah memenuhi syarat

reliabilitas atau kehandalan.

5.3 Deskripsi Data Penelitian


Deskripsi data penelitian menyajikan penilaian responden untuk setiap butir-butir

pertanyaan yang diajukan dalam kuesioner penilaian responden dasajikan menurut

variabel Bukti fisik, Empati, Daya tanggap, Keandalan, Jaminan, Citra, Kepuasan dan

WOM dengan mengunakan skala pengukurab 1 sampai 5. Untuk mendeskripsikan

penilaian rata-rata responden mengenai variabel-variabel dalam penelitian, hasil jawaban

responden disesuaikan dengan desain skala pengukuran yang telah ditetapkan kemudian

diformulasikan ke dalam beberapa interval kelas (Suharsono, 2010:21). Rumus interval

kelas adalah sebagai berikut:

Nilai tertinggi - nilai terendah


Interval kelas 
Jumlah kelas

5 -1
Interval kelas   0,8
5

Dari interval kelas tersebut maka dapat diketahui batasan nilai masing-masing

kelas menjadi dasar penentu katagori rata-rata jawaban responden penelitian.

1,00 – 1,80 = Sangat tidak baik

1,81 – 2,60 = Tidak baik

2,61 – 3,40 = Cukup baik

3,41 – 4,20 = Baik

4,21 – 5,00 = Sangat baik

Tabel 5.10
Penilaian Responden terhadap Variabel Bukti Fisik
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
X1.1 0 30 34 26 75 641 3.88
X1.2 0 14 45 38 68 655 3.97
X1.3 0 21 45 28 71 644 3.90
X1.4 0 30 34 25 76 642 3.89
X1.5 0 29 40 30 66 628 3.81
Rata-rata 3.89
Sumber: Lampiran 3

Tabel 5.10 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel Bukti fisik memiliki nilai 3,89 yang artinya variabel Bukti fisik sudah
dinilai baik.
Tabel 5.11
Penilaian Responden terhadap Variabel Empati
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
X1.6 0 14 48 38 65 649 3.93
X1.7 0 30 34 31 70 636 3.85
X1.8 0 24 43 29 69 638 3.87
X1.9 0 19 46 40 60 636 3.85
X1.10 0 24 43 29 69 638 3.87
Rata-rata 3.88
Sumber: Lampiran 3

Tabel 5.11 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel Empati memiliki nilai 3,88 yang artinya variabel Empati sudah dinilai baik.

Tabel 5.12
Penilaian Responden terhadap Variabel Daya Tanggap
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
X1.11 0 20 52 33 60 628 3.81
X1.12 0 21 39 33 72 651 3.95
X1.13 1 24 41 39 60 628 3.81
X1.14 0 19 44 41 61 639 3.87
Rata-rata 3.86
Sumber: Lampiran 3

Tabel 5.12 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel Daya tanggap memiliki nilai 3,86 yang artinya variabel Daya tanggap sudah
dinilai baik.
Tabel 5.13
Penilaian Responden terhadap Variabel Keandalan
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
X1.15 1 28 36 27 73 638 3.87
X1.16 0 20 39 37 69 650 3.94
X1.17 1 33 31 35 65 625 3.79
X1.18 0 26 39 35 65 634 3.84
Rata-rata 3.86
Sumber: Lampiran 3

Tabel 5.13 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel Keandalan memiliki nilai 3,86 yang artinya variabel Keandalan sudah
dinilai baik.
Tabel 5.14
Penilaian Responden terhadap Variabel Jaminan
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
X1.19 1 15 46 35 68 649 3.93
X1.20 1 24 40 36 64 633 3.84
X1.21 1 20 45 27 72 644 3.90
X1.22 0 19 38 42 66 650 3.94
Rata-rata 3.86
Sumber: Lampiran 3

Tabel 5.14 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara-rata
variabel Jaminan memiliki nilai 3,90 yang artinya variabel Jaminan sudah dinilai baik.
Tabel 5.15
Penilaian Responden terhadap Variabel Citra
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
X2.1 3 28 42 42 50 603 3.65
X2.2 1 30 40 38 56 613 3.72
X2.3 1 27 45 39 53 611 3.70
X2.4 1 28 41 39 56 616 3.73
Rata-rata 3.70
Sumber: Lampiran 3

Tabel 5.15 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel Citra memiliki nilai 3,70 yang artinya variabel Citra sudah dinilai baik.

Tabel 5.16
Penilaian Responden terhadap Variabel Kepuasan
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
Y1.1 1 26 41 29 68 632 3.83
Y1.2 0 23 40 34 68 642 3.89
Y1.3 0 19 45 39 62 639 3.87
Y1.4 0 25 42 27 71 639 3.87
Rata-rata 3.87
Sumber: Lampiran 3

Tabel 5.16 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel Kepuasan memiliki nilai 3,87 yang artinya variabel Kepuasan sudah dinilai
baik.
Tabel 5.17
Penilaian Responden terhadap Variabel WOM
Indikator Frekuensi Jawaban Jumlah Rata-
1 2 3 4 5 Skor Rata
Y2.1 0 25 35 40 65 640 3.88
Y2.2 1 27 46 31 60 617 3.74
Y2.3 0 30 39 39 57 618 3.75
Rata-rata 3.79
Sumber: Lampiran 3

Tabel 5.17 menunjukkan bahwa semua indikator memiliki nilai rata-rata di atas 3,41
yang berarti indikator-indikator tersebut sudah dinilai baik. Demikian juga secara rata-
rata variabel WOM memiliki nilai 3,79 yang artinya variabel WOM sudah dinilai baik.

5.4. Model Pengukuran (Measurement Model)

Uji measurement model terdiri atas 2 (dua) pengujian yaitu uji kecocokan

model (goodness of fit model) dan uji validitas model pengukuran. Uji kecocokan

digunakan untuk mengetahui apakah model yang terbentuk sudah sesuai dengan data

yang tersedia. Sedangkan validitas model pengukuran untuk mengetahui apakah semua

muatan faktor (loading factor) mempunyai validitas yang baik.

5.4.1. Uji Kecocokan Model dan Validitas Konstruk

a) Model Pengukuran Bukti Fisik

Konstruk/dimensi Bukti fisik terdiri atas 5 (lima) indikator. Indikator-indikator

uji kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk disajikan pada

Tabel 5.18 dan Tabel 5.19.

Tabel 5.18
Goodness of Fit Indexes Model Bukti Fisik

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0,142 Baik
X2-Chi-Square <11,07 8,263 Baik
(df=5, =0,05)
CMIN/DF ≤ 2,00 1,653 Baik
GFI ≥ 0,90 0,982 Baik
TLI ≥ 0,95 0,959 Baik
CFI ≥ 0,95 0,980 Baik
RMSEA ≤ 0,08 0,063 Baik
AGFI ≥ 0,90 0,946 Baik
Sumber: Ferdinand (2002) dan Lampiran 6.

Seperti yang ditunjukkan pada Tabel 5.18, indikator-indikator untuk goodness of

fit nilainya sudah semuanya memenuhi persyaratan, berarti model sudah sesuai dengan

data yang tersedia.

Sedangkan hasil uji validitas model pengukuran untuk mengetahui apakah semua
muatan faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.19.
Tabel 5.19
Estimasi Regression Weights Model Bukti Fisik

Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
x1.3 <--- Bukti Fisik .832 .135 .618 6.174 ***
x1.2 <--- Bukti Fisik .737 .126 .593 5.840 ***
x1.1 <--- Bukti Fisik .811 .141 .563 5.748 ***
x1.4 <--- Bukti Fisik 1.000 .692
x1.5 <--- Bukti Fisik .845 .147 .602 5.753 ***
Sumber: Lampiran 6

Tabel 5.19 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.
b) Model Pengukuran Empati

Konstruk/dimensi Empati terdiri atas 5 (lima) indikator. Indikator-indikator uji

kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk disajikan pada Tabel

5.20 dan Tabel 5.21.

Tabel 5.20
Goodness of Fit Indexes Model Empati

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0.310 Baik
X2-Chi-Square <11,07 5.961 Baik
(df=5, =0,05)
CMIN/DF ≤ 2,00 1.192 Baik
GFI ≥ 0,90 0.985 Baik
TLI ≥ 0,95 0.989 Baik
CFI ≥ 0,95 0.994 Baik
RMSEA ≤ 0,08 0.034 Baik
AGFI ≥ 0,90 0.956 Baik
Sumber: Ferdinand (2002) dan Lampiran 7.

Seperti yang ditunjukkan pada Tabel 5.20, indikator-indikator untuk goodness of

fit nilainya sudah semuanya memenuhi persyaratan, berarti model sudah sesuai dengan

data yang tersedia.

Sedangkan hasil uji validitas model pengukuran untuk mengetahui apakah semua
muatan faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.21.
Tabel 5.21
Estimasi Regression Weights Model Empati
Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
x1.7 <--- Empati .918 .155 .601 5.927 ***
x1.9 <--- Empati .913 .135 .664 6.755 ***
x1.6 <--- Empati .742 .136 .556 5.464 ***
x1.8 <--- Empati 1.000 .679
x1.10 <--- Empati .930 .149 .631 6.243 ***
Sumber: Lampiran 7
Tabel 5.21 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

c) Model Pengukuran Daya tanggap

Konstruk/dimensi Daya tanggap terdiri atas 4 (empat) indikator. Indikator-

indikator uji kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk

disajikan pada Tabel 5.22 dan Tabel 5.23.

Tabel 5.22
Goodness of Fit Indexes Model Daya tanggap

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0.106 Baik
X2-Chi-Square <9,488 4.486 Baik
(df=54, =0,05)
CMIN/DF ≤ 2,00 2.243 Marginal
GFI ≥ 0,90 0.987 Baik
TLI ≥ 0,95 0.920 Marginal
CFI ≥ 0,95 0.973 Baik
RMSEA ≤ 0,08 0.087 Marginal
AGFI ≥ 0,90 0.936 Baik
Sumber: Ferdinand (2002) dan Lampiran 8.

Seperti yang ditunjukkan pada Tabel 5.22, indikator-indikator untuk goodness of

fit nilainya sudah sebagian besar memenuhi persyaratan sehingga model sudah dapat

dikatakan fit. Nilai CMIN/DF sebesar 2,243 lebih besar dari yang dipersyaratkan yaitu ≤

2,00. Nilai TLI hanya mencapai angka 0,920, masih kurang dari yang dipersyarakan

yaitu ≥ 0,95. Demikian juga nilai RMSEA yang mencapai angka 0,087 lebih sedikit dari

yang dipersyaratkan, yaitu ≤ 0,08.


Sedangkan hasil uji validitas model pengukuran untuk mengetahui apakah semua
muatan faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.23.
Tabel 5.23
Estimasi Regression Weights Model Daya tanggap

Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
x1.11 <--- Daya tanggap 1.000 .587
x1.12 <--- Daya tanggap 1.071 .214 .614 4.995 ***
x1.13 <--- Daya tanggap 1.015 .231 .574 4.387 ***
x1.14 <--- Daya tanggap .990 .211 .593 4.701 ***
Sumber: Lampiran 8

Tabel 5.23 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

d) Model Pengukuran Keandalan

Konstruk/dimensi Keandalan terdiri atas 4 (empat) indikator. Indikator-

indikator uji kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk

disajikan pada Tabel 5.24 dan Tabel 5.25.

Tabel 5.24
Goodness of Fit Indexes Model Keandalan

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0.710 Baik
X2-Chi-Square <9,488 0.684 Baik
(df=4, =0,05)
CMIN/DF ≤ 2,00 0.342 Baik
GFI ≥ 0,90 0.998 Baik
TLI ≥ 0,95 1.034 Baik
CFI ≥ 0,95 1.000 Baik
RMSEA ≤ 0,08 0.000 Baik
AGFI ≥ 0,90 0.989 Baik
Sumber: Ferdinand (2002) dan Lampiran 9.

Seperti yang ditunjukkan pada Tabel 5.24, indikator-indikator untuk goodness of

fit nilainya sudah semuanya memenuhi persyaratan sehingga model sudah dapat

dikatakan fit. Hasil ini menunjukkan bahwa model sudah sesuai dengan data yang

tersedia.

Sedangkan hasil uji validitas model pengukuran untuk mengetahui apakah semua
muatan faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.25.
Tabel 5.25
Estimasi Regression Weights Model Keandalan

Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
x1.16 <--- Keandalan 1.052 .186 .648 5.660 ***
x1.17 <--- Keandalan 1.317 .234 .733 5.625 ***
x1.15 <--- Keandalan .958 .195 .537 4.904 ***
x1.18 <--- Keandalan 1.000 .591
Sumber: Lampiran 9

Tabel 5.25 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

e) Model Pengukuran Jaminan

Konstruk/dimensi Jaminan terdiri atas 4 (empat) indikator. Indikator-indikator

uji kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk disajikan pada

Tabel 5.26 dan Tabel 5.27.

Tabel 5.26
Goodness of Fit Indexes Model Jaminan
Goodness of Fit Index Cut of Value Hasil Model Keterangan
Probability (P) ≥ 0,05 0.781 Baik
X2-Chi-Square <9,488 0.495 Baik
(df=4, =0,05)
CMIN/DF ≤ 2,00 0.247 Baik
GFI ≥ 0,90 0.999 Baik
TLI ≥ 0,95 1.036 Baik
CFI ≥ 0,95 1.000 Baik
RMSEA ≤ 0,08 0.000 Baik
AGFI ≥ 0,90 0.993 Baik
Sumber: Ferdinand (2002) dan Lampiran 10.

Seperti yang ditunjukkan pada Tabel 5.26, indikator-indikator untuk goodness of

fit nilainya sudah semuanya memenuhi persyaratan sehingga model sudah dapat

dikatakan fit. Hasil ini menunjukkan bahwa model sudah sesuai dengan data yang

tersedia.

Sedangkan hasil uji validitas model pengukuran untuk mengetahui apakah semua
muatan faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.27.
Tabel 5.27
Estimasi Regression Weights Model Jaminan

Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
x1.20 <--- Jaminan 1.186 .215 .627 5.525 ***
x1.19 <--- Jaminan 1.011 .194 .567 5.216 ***
x1.21 <--- Jaminan 1.490 .264 .788 5.652 ***
x1.22 <--- Jaminan 1.000 .565
Sumber: Lampiran 10

Tabel 5.27 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

f) Model Pengukuran Citra


Konstruk/dimensi Citra terdiri atas 4 (empat) indikator. Indikator-indikator uji

kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk disajikan pada Tabel

5.28 dan Tabel 5.29.

Tabel 5.28
Goodness of Fit Indexes Model Citra

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0.458 Baik
X2-Chi-Square <9,488 1.560 Baik
(df=4, =0,05)
CMIN/DF ≤ 2,00 0.780 Baik
GFI ≥ 0,90 0.995 Baik
TLI ≥ 0,95 1.008 Baik
CFI ≥ 0,95 1.000 Baik
RMSEA ≤ 0,08 0.000 Baik
AGFI ≥ 0,90 0.976 Baik
Sumber: Ferdinand (2002) dan Lampiran 11.

Seperti yang ditunjukkan pada Tabel 5.28, indikator-indikator untuk goodness of

fit nilainya sudah semuanya memenuhi persyaratan sehingga model sudah dapat

dikatakan fit. Hasil ini menunjukkan bahwa model sudah sesuai dengan data yang

tersedia.

Hasil uji validitas model pengukuran untuk mengetahui apakah semua muatan
faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.29.
Tabel 5.29
Estimasi Regression Weights Model Citra

Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
x2.2 <--- X2 1.000 .632
x2.1 <--- X2 1.169 .173 .739 6.755 ***
x2.3 <--- X2 1.001 .155 .650 6.474 ***
x2.4 <--- X2 1.155 .172 .739 6.707 ***
Sumber: Lampiran 11
Tabel 5.29 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

g) Model Pengukuran Kepuasan

Konstruk/dimensi Kepuasan terdiri atas 4 (empat) indikator. Indikator-

indikator uji kesesuaian model (Goodness of Fit Test) dan uji validitas konstruk

disajikan pada Tabel 5.30 dan Tabel 5.31.

Tabel 5.30
Goodness of Fit Indexes Model Kepuasan

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0.599 Baik
X2-Chi-Square <9,488 1.027 Baik
(df=4, =0,05)
CMIN/DF ≤ 2,00 0.513 Baik
GFI ≥ 0,90 0.997 Baik
TLI ≥ 0,95 1.027 Baik
CFI ≥ 0,95 1.000 Baik
RMSEA ≤ 0,08 0.000 Baik
AGFI ≥ 0,90 0.984 Baik
Sumber: Ferdinand (2002) dan Lampiran 12.

Seperti yang ditunjukkan pada Tabel 5.28, indikator-indikator untuk goodness of

fit nilainya sudah semuanya memenuhi persyaratan sehingga model sudah dapat

dikatakan fit. Hasil ini menunjukkan bahwa model sudah sesuai dengan data yang

tersedia.

Hasil uji validitas model pengukuran untuk mengetahui apakah semua muatan
faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.31.
Tabel 5.31
Estimasi Regression Weights Model Kepuasan
Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
y1.1 <--- Y1 1.179 .231 .648 5.102 ***
y1.2 <--- Y1 1.079 .207 .621 5.209 ***
y1.3 <--- Y1 1.088 .214 .656 5.076 ***
y1.4 <--- Y1 1.000 .559
Sumber: Lampiran 12

Tabel 5.31 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

h) Model Pengukuran WOM

Konstruk/dimensi WOM terdiri atas 3 (tiga) indikator. Jumlah indikator 3

menyebabkan nilai df = -1 (negatif). Oleh karena df negatif, model adalah

underidentified, dan pegujian lebih lanjut tentang Goodness of Fit Test tidak dapat

dilakukan (Santoso, 2007:52)

Hasil uji validitas model pengukuran untuk mengetahui apakah semua muatan
faktor (loading factor) mempunyai validasi yang baik disajikan pada Tabel 5.32.
Tabel 5.32
Estimasi Regression Weights Model WOM

Estimate
Regression Weights Estimate S.E. Standar- C.R. P
dized
y2.1 <--- Y2 1.220 .235 .805 5.193 ***
y2.2 <--- Y2 .884 .161 .564 5.481 ***
y2.3 <--- Y2 1.000 .647
Sumber: Lampiran 13
Tabel 5.32 menunjukkan bahwa semua indikator yang membentuk variabel laten
memiliki muatan faktor di atas 0,5 dengan nilai signifikansi di bawah 0,05 sehingga
dapat dikatakan bahwa indikator-indikator yang membentuk konstruk adalah valid.

5.4.2. Uji Reliabilitas Konstruk

Reliability adalah ukuran mengenai konsistensi internal dari indikator-indikator

sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu

mengindikasikan sebuah konstruk yang umum (Ferdinand, 2002:59). Untuk menguji

reliabilitas dilakukan dengan menghitung construct (composite) reliabilitas (α) dari

masing-masing konstruk yang diperoleh dari output pengujian model pengukuran yang

dilakukan dengan program AMOS 16 (Hair et al, 1998 dalam Ferdinand, 2002:60)

memberikan formulasi untuk menghitung composite reliability dari suatu konstruk

sebagai berikut.

( Std .loading ) 2
Construct – reability =
( Std .Loading ) 2   j

Standardized loading dapat diperoleh dari output AMOS, dengan melihat nilai

standardized regression weight masing-masing konstruk terhadap indikatornya.

Sementara itu εj dapat dihitung dengan formula εj = 1 – (standardized loading)2. Secara

umum batas penerimaan composite reliability yaitu nilai koefisien α diatas 0,70 (Hair et

al, 1998 dalam Ferdinand, 2002 : 94). Dalam penelitian ini, perhitungan composite

reliability dihitung dengan menggunakan standardized loading butir-butir konstruk yang

didapat dari pengujian model pengukuran.

Variance Extract adalah ukuran yang menunjukkan jumlah variance dari indikator-

indikator yang diekstraksi oleh konstruk laten yang dikembangkan (Ferdinand, 2002:95).
Nilai variance extract yang tinggi menunjukkan bahwa indikator-indikator itu telah

mewakili secara baik variabel laten yang dikembangkan. Dalam permodelan SEM, nilai

batas yang digunakan untuk mengukur variance extract yang dapat diterima adalah ≥

0,50 (Ferdinand, 2002:95). Adapun perhitungan variance extract dalam penelitian ini

menggunakan rumus sebagai berikut (Ferdinand, 2002:94).

Variance-Extract =  Std .loading 2

 Std .Loading 2
  j

Dengan melihat hasil perhitungan pada lampiran 14 dapat disusun tabel hasil pengujian

construct reliability dari masing-masing laten sebagai berikut.

Tabel 5.33

Hasil Uji Reliabilitas

Konstruk Variance Extract Construct Reliability


Bukti fisik 0.510 0.810
Empati 0.520 0.820
Daya tanggap 0.500 0.770
Keandalan 0.520 0.870
Jaminan 0.570 0.810
Citra 0.560 0.820
Kepuasan 0.540 0.790
WOM 0.560 0.770
Sumber : Lampiran 14

Berdasarkan Tabel 5.33 dapat diketahui nahwa semua indikator mampu menjelaskan

konstruk yang ada. Hal itu dapat dilihat dari angka construct reliability yang bernilai di

atas 0,7 sehingga indikator-indikator tersebut dapat dikatakan reliabel.


Berdasarkan Tabel 5.33 dapat diketahui bahwa semua indikator mampu menjelaskan

konstruk yang ada. Hal itu dapat dilihat dari angka variance extracted ≥ 0,5.

5.5 Hasil Analisis SEM


5.5.1 Hasil Uji Asumsi-asumsi SEM

Asumsi-asumsi yang harus dipenuhi atau yang menjadi persyaratan dalam

pengumpulan dan pengolahan data yang dianalisis dengan teknik model persamaan

struktural, antara lain: ukuran sampel, normalitas data, outliers, serta multikolinieritas

dan singularitas.

a) Hasil Uji Normalitas Data

Hasil uji normalitas univariat dan multivariat data dalam penelitian ini adalah

seperti pada Tabel 5.34. Oleh karena salah satu kriteria sudah terpenuhi, dalam hal ini

Critical Ratio Skewness nya tidak berada diluar ±2,58, maka dapat dinyatakan bahwa

data untuk masing-masing variabel dalam penelitian ini mempunyai sebaran yang

normal. Tetapi secara multivariat datanya tidak normal karena nilai Critical Ratio

Skewness nya diatas 2,58 yaitu 3,125.


Tabel 5.34
Hasil Uji Normalitas Data

Variable min max skew c.r. kurtosis c.r.


x1.1 2.000 5.000 -.453 -2.374 -1.347 -3.531
x1.10 2.000 5.000 -.366 -1.917 -1.315 -3.447
x1.11 2.000 5.000 -.217 -1.136 -1.295 -3.395
x1.12 2.000 5.000 -.488 -2.561 -1.164 -3.052
x1.13 1.000 5.000 -.375 -1.969 -1.112 -2.917
x1.14 2.000 5.000 -.359 -1.883 -1.144 -2.999
x1.15 1.000 5.000 -.461 -2.417 -1.246 -3.266
x1.16 2.000 5.000 -.480 -2.518 -1.118 -2.930
x1.17 1.000 5.000 -.404 -2.117 -1.278 -3.352
x1.18 2.000 5.000 -.375 -1.966 -1.270 -3.330
x1.19 1.000 5.000 -.462 -2.423 -.981 -2.572
x1.2 2.000 5.000 -.431 -2.261 -1.107 -2.902
x1.20 1.000 5.000 -.412 -2.160 -1.129 -2.960
x1.21 1.000 5.000 -.441 -2.313 -1.154 -3.027
x1.22 2.000 5.000 -.488 -2.561 -1.042 -2.732
x1.3 2.000 5.000 -.387 -2.027 -1.290 -3.382
x1.4 2.000 5.000 -.459 -2.409 -1.350 -3.540
x1.5 2.000 5.000 -.321 -1.684 -1.372 -3.596
x1.6 2.000 5.000 -.361 -1.892 -1.158 -3.035
x1.7 2.000 5.000 -.421 -2.207 -1.325 -3.475
x1.8 2.000 5.000 -.366 -1.917 -1.315 -3.447
x1.9 2.000 5.000 -.321 -1.683 -1.174 -3.079
x2.1 1.000 5.000 -.298 -1.561 -1.038 -2.722
x2.2 1.000 5.000 -.277 -1.452 -1.241 -3.255
x2.3 1.000 5.000 -.236 -1.237 -1.186 -3.109
x2.4 1.000 5.000 -.294 -1.543 -1.198 -3.140
y1.1 1.000 5.000 -.387 -2.032 -1.242 -3.257
y1.2 2.000 5.000 -.419 -2.199 -1.224 -3.209
y1.3 2.000 5.000 -.349 -1.831 -1.174 -3.077
y1.4 2.000 5.000 -.380 -1.995 -1.335 -3.499
y2.1 2.000 5.000 -.453 -2.374 -1.161 -3.044
y2.2 1.000 5.000 -.252 -1.322 -1.275 -3.344
y2.3 2.000 5.000 -.273 -1.431 -1.310 -3.434
Multivariate 23.388 3.125
Sumber: Lampiran 15
b) Hasil uji outliers

Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim karena

kombinasi karakteristik unik yang dimilikinya yang terlihat sangat jauh berbeda dari

observasi-observasi lainnya (Ferdinand, 2002 : 53). Salah satu cara untuk mendeteksi

multivariete outliers adalah dengan menggunakan Uji Mahalanobis distance yang

menunjukkan seberapa jauh jarak sebuah data dari pusat titik tertentu (Santoso, 2007).

Batas nilai Mahalanobis distance berdasarkan X2(33;0,001) = 63,87. Jika nilai Mahalanobis

d-squared > 63,87 maka data tersebut dikatakan outliers. Berdasarkan hasil analisis pada

Lampiran 15 (output Observations farthest from the centroid (Mahalanobis distance)

(Group number 1), tidak ditemukan ada nilai Mahalanobis d-squared lebih besar dari

63,87 sehingga data terbebas dari outlier.

c. Hasil uji multikolinieritas dan singularitas

Multikolinieritas dapat dideteksi dari determinan matriks kovarians. Nilai

determinan matriks kovarians yang sangat kecil memberi indikasi adanya problem

multikolinieritas dan singularitas (Ferdinand, 2002). Nilai output determinant of sample

covariance matrix (Lampiran 15) adalah 0,009. Nilai tersebut jauh dari nol, sehingga

dapat dinyatakan tidak ada multikolinieritas dan singularitas. Dengan demikian data

dalam penelitian ini layak untuk digunakan.

5.6. Hasil Model Persamaan Struktural

5.6.1. Uji Kesesuaian Model Keseluruhan


Dengan telah diterimanya masing-masing indikator yang digunakan untuk

mendefinisikan variabel laten (konstruk) berdasarkan hasil estimasi model pengukuran

yang dilakukan dengan teknik comfirmatory factor analysis, maka estimasi dilanjutkan

pada estimasi model persamaan struktural dengan teknik full model analysis. Estimasi

ini ditujukan untuk melihat kesesuaian model dan hubungan kausalitas yang terjadi pada

suatu hubungan yang berjenjang. Hasil estimasi model persamaan struktural dalam

penelitian ini adalah seperti pada Gambar 5.1


.34
UJI KETEPATAN MODEL
e1 x1.1 -----------------------------
.36 e34
.58 Probability =.103
e2 x1.2 .60 .24 Chi Square =523.677
.35
CMIN/DF =1.082
.59
e3 x1.3 GFI =.853
.49.70 Bukti Fisik TLI =.967
.59 CFI =.969
e4 x1.4 RMSEA =.022
.35 .31
AGFI =.830
e5 x1.5 y1.4 e30
z1 .38
.32 .56
y1.3 e29
.48 .62
e6 x1.6.35 e35 .46
.56 .49
.68
e7 x1.7.44 y1.2 e28
.60 .43 Kepuasan
.63 .40
.67
e8 x1.8.46 .68 Empati y1.1 e27
e9 x1.9 .39
.62
.65 .56
e10 x1.10 .32

.34 e36 z2
Kualitas
e11 x1.11.41 .58 .42 Layanan .47
.65 .30
(X1)
.64
e12 x1.12.35 Daya tanggap .26 WOM
.59
e13 x1.13 .56
.31
.71
e14 x1.14
.78 .56 .67
.29 e37 .22
.31
.62 .31 .45
e15 x1.15.44 .51
.54 y2.1 y2.2
.80 y2.3
.66
e16 x1.16.49
.70 Keandalan
e17 .61
x1.17.38 e31 e32 e33
Citra
e18 x1.18
.37
e38
e19 x1.19.46 .73 .64 .65 .73
.60
.64
e20 x1.20.49 .68 .54 .42 .43 .53
.70 Jaminan
e21 x1.21.33 .58 x2.1 x2.2 x2.3 x2.4

e22 x1.22
e23 e24 e25 e26

Gambar 5.1
Model Persamaam Struktural Pengaruh Kualitas dan Citra terhadap Kepuasan dan
WOM
Hasil uji kesesuaian (goodness of fit) model pengaruh kualitas layanan terhadap

kepuasan pelanggan JP Bonding disajikan dalam Tabel 5.35.

Tabel 5.35
Goodness of Fit Indexes Model

Goodness of Fit Index Cut of Value Hasil Model Keterangan


Probability (P) ≥ 0,05 0.103 Baik
X2-Chi-Square <567,893 523.677 Baik
(df=484, =0,05)
CMIN/DF ≤ 2,00 1.082 Baik
GFI ≥ 0,90 0.853 Marginal
TLI ≥ 0,95 0.967 Baik
CFI ≥ 0,95 0.969 Baik
RMSEA ≤ 0,08 0.022 Baik
AGFI ≥ 0,90 0.830 Marginal
Sumber: Ferdinand (2002) dan Hasil Analisis SEM (Lampiran 15)

Data pada Tabel 5.35 menunjukkan bahwa semua kriteria indeks goodness of fit

bernilai baik atau mendekati baik (marginal) yang ditunjukkan dengan nilai X2-Chi-

Square sebesar 523,667 dan probability lebih besar dari 0,05 yaitu 0,103. Indeks GFI

dengan nilai 0,853 dan indeks AGFI dengan nilai 0,830 berada dalam kriteria marjinal

(mendekati baik). Selanjutnya indeks CMIN/DF dengan nilai 1,082, TLI dengan nilai

0,967, CFI dengan nilai 0,969 dan RMSEA dengan nilai 0,022, semuanya berada dalam

kreteria baik. Indeks TLI dan CFI sangat dianjurkan digunakan, karena indeks ini relatif

tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model

(Ferdinand, 2002 : 76), sehingga model ini sudah memenuhi standar goodness of fit

dilihat dari nilai TLI (Tucker Lewis Index) dan CFI (Comperatif Fit Index).
5.6.2. Hasil Estimasi Regressions Weights

Hasil estimasi regressions weights model persamaan struktural Pengaruh

Kualitas Layanan dan Citra terhadap Kepuasan dan WOM disajikan pada Tabel 5.36.

Tabel 5.36
Estimasi Regression Weights Model Persamaan Pengaruh Kualitas Layanan dan Citra
terhadap Kepuasan dan WOM

Regression Weights Estimate S.E. Estimate C.R. P


Standar-
dized
Kepuasan <--- Citra .223 .092 .260 2.430 .015
Kualitas
Kepuasan <--- .589 .151 .563 3.896 .000
layanan
WOM <--- Kepuasan .382 .193 .321 1.977 .048
WOM <--- Citra .228 .109 .222 2.094 .036
Kualitas
WOM <--- .379 .190 .304 1.997 .046
layanan
Sumber: Hasil Analisis SEM (Lampiran 15)

Berdasarkan hasil estimasi standardized regressions weights pada Tabel 5.36

dapat diketahui bahwa koefisien jalur Kualitas layanan (X 1) terhadap Kepuasan

(Y1)adalah sebesar 0,563 dengan tingkat signifikansi sebesar 0,000. Hal ini

menunjukkan bahwa ada pengaruh yang signifikan antara Kualitas layanan terhadap

Kepuasan Pelanggan. Variabel Citra (X2) juga berpengaruh signifikan terhadap

Kepuasan (Y1) dengan koefisien jalur sebesar 0,260 dengan nilai signifikansi sebesdar

0,015.

Kualitas Layanan (X1) berpengaruh signifikan terhadap WOM (Y2) dengan

koefisien regresi sebesar 0,304 dan nilai signifikansi sebesar 0,046. Variabel Citra (X2)

juga berpengaruh signifikan terhadap WOM (Y2) dengan koefisien jalur 0,222 dengan
signifikansi sebedsar 0,036. Demikaian juga Kepuasan (Y1) berpengaruh signifikan

terhadap WOM (Y2) dengan koefisien regresi sebesar 0,321 dan nilai signifikansi 0,048.

5.7. Analisis Pengaruh Langsung, Pengaruh Tidak Langsung dan Pengaruh


Total

Analisis pengaruh langsung, pengaruh tidak langsung dan pengaruh total dari

variabel yang diteliti ditujukan untuk mengetahui kekuatan pengaruh antar konstruk,

baik pengaruh langsung, tidak langsung maupun pengaruh totalnya. Hasil analisis

program AMOS terhadap pengaruh langsung, pengaruh tidak langsung dan pengaruh

total dari masing-masing variabel yang diteliti adalah seperti dalam Tabel 5.37

Tabel 5.37
Pengaruh Langsung, Pengaruh Tidak Langsung dan Pengaruh Total Kualitas Layanan
dan Citra terhadap Kepuasan dan WOM
Standardized
Tipe Pengaruh Konstruk
Estimates

Pengaruh Langsung Kualitas layanan – Kepuasan 0,563


Citra - Kepuasan 0,260
Kualitas layanan – WOM 0,304
Citra - WOM 0,222
Kepuasan - WOM 0,325
Pengaruh Tak langsung Kualitas layanan-Kepuasan-WOM 0,181
Citra-Kepuasan WOM 0,083
Pengaruh Total Kualitas layanan-WOM 0,484
Citra – WOM 0,305
_________________________________________________________________
Sumber: Hasil Analisis SEM ( Lampiran 15)
\

5.8. Pembahasan hasil analisis

5.81 Pengaruh Kualitas Layanan terhadap Kepuasan

Hasil estimasi model struktural seperti disajikan pada Tabel 5.36 menunnjukkan

bahwa pengujian terhadap hipótesis ini menghasilkan nilai koefisien jalur (standarized

direct effect) sebesar 0,563 dengan nilai siginifikansi (p) sebesar 0,000. Artinya, bahwa

kualitas layanan berpengaruh positif dan signifikan terhadap kepuasan. Hasil ini sejalan

dengan ……???? (tambahkan).

5.82 Pengaruh Citra terhadap Kepuasan

Hasil estimasi model struktural seperti disajikan pada Tabel 5.36 menunnjukkan

bahwa pengujian terhadap hipótesis ini menghasilkan nilai koefisien jalur (standarized

direct effect) sebesar 0,260 dengan nilai siginifikansi (p) sebesar 0,015. Artinya, bahwa

Citra berpengaruh positif dan signifikan terhadap kepuasan. Hasil ini sejalan dengan

……???? (tambahkan).

5.83 Pengaruh Kualitas layanan terhadap WOM

Hasil estimasi model struktural seperti disajikan pada Tabel 5.36 menunnjukkan

bahwa pengujian terhadap hipótesis ini menghasilkan nilai koefisien jalur (standarized

direct effect) sebesar 0,304 dengan nilai siginifikansi (p) sebesar 0,046. Artinya, bahwa
Kualitas layanan berpengaruh positif dan signifikan terhadap WOM. Hasil ini sejalan

dengan ……???? (tambahkan).

5.84 Pengaruh Citra terhadap WOM

Hasil estimasi model struktural seperti disajikan pada Tabel 5.36 menunnjukkan

bahwa pengujian terhadap hipótesis ini menghasilkan nilai koefisien jalur (standarized

direct effect) sebesar 0,222 dengan nilai siginifikansi (p) sebesar 0,036. Artinya, bahwa

Citra berpengaruh positif dan signifikan terhadap WOM. Hasil ini sejalan dengan

……???? (tambahkan).

5.85 Pengaruh Kepuasan terhadap WOM

Hasil estimasi model struktural seperti disajikan pada Tabel 5.36 menunnjukkan

bahwa pengujian terhadap hipótesis ini menghasilkan nilai koefisien jalur (standarized

direct effect) sebesar 0,321 dengan nilai siginifikansi (p) sebesar 0,048. Artinya, bahwa

Kepuasan berpengaruh positif dan signifikan terhadap WOM. Hasil ini sejalan dengan

……???? (tambahkan).