BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

4.1.1 Profil Perusahaan
PT. Cakra Garda Nusantara (CGN) adalah perusahaan yang bergerak di
bidang penyedia jasa keamanan berupa security. PT. Cakra Garda Nusantara di
bentuk pada tanggal 03 November 2008 beralamatkan Perumahan Baloi Blok II,
Batam. PT. Cakra Garda Nusantara membuka kantor cabang di Pekanbaru pada
tanggal 18 Mei 2010, kantor cabang ini bertempat di Jalan Paus Indah Permai I,
Villa Indah Paus Blok C No.45 Pekanbaru, dipimpin oleh Bapak Drs. Umrah HM.
Thaib
PT. Rifansi Dwi Putra adalah perusahaan yang bergerak di bidang
kontraktor. PT. Rifansi Dwi Putra di bentuk pada tanggal 15Juli 1997
beralamatkan Jl. Palapa Ujung No.145, Kota Pekanbaru Provinsi Riau. PT.
Rifansi Dwi Putra membuka kantor cabang di Jl. Lintas Sumatera Km 4, Kulim,
Duri, Kabuaten Bengkalis. Dengan Directo rBoard Of Management Ir. Ricky
Fernando Sinambela dengan singkatan RIFANSI.

4.1.2 Hasil Kuisioner

Dari hasil kuesioner yang disebar kepada responden yaitu pegawai PT.
Rifansi Dwi Putra di Duri. Adapun hasil jawaban kuesionernya dapat dilihat pada
lampiran C. Setelah data diperiksa kemudian dilakukan rekapitusai data, karena
jumlah sampel yang dibutuhkan dalam penelitian ini menurut rumus Slovin adalah
64 orang/sampel, kemudian dari jumlah kuesioner yang disebarkan sebanyak 70
eksemplar saja. Dari 70 sampel terdapat 6 sampel yang memiliki jawaban tidak
lengkap. Oleh sebab itu, hasil kuisioner yang digunakan sebanyak 64 sampel
sesuai dengan rumus Slovin yang digunakan. Sampel sebanyak ini sudah cukup
dan layak untuk digunakan dalam pengolahan data dengan berdasarkan
menggunakan rumus Slovin.

IV-1
4.2 Pengolahan Data
4.2.1 Pengolahan Data Demografi Responden
Data demografi diperoleh dengan tujuan untuk memberikan informasi
bahwa kuesioner telah disebar pada responden, khususnya tersebar kepada semua
kalangan responden sesuai dengan kriteria pertanyaan kuesioner yang disebar.
Berikut rekapitulasi data demografi dengan menggunakan metode analisis
deskriptif yaitu tabel frekuensi dan pie diagram.
a. Rekapitulasi Data berdasarkan Jenis Kelamin
Untuk data berdasarkan jenis kelamin item pilihan yang diberikan adalah
pria dan wanita. Hal ini bertujuan untuk mengetahui berapa banyak responden
pria atau wanita yang mengisi kuesioner yang disebar. Adapun hasil outputnya
sebagai berikut :

Tabel 4.1 Komposisi Responden berdasarkan

Jenis Kelamin
No Jenis Kelamin Frekuensi Persentase
1 Pria 64 100%
2 Wanita 0 0%
Jumlah 64 100%
Sumber : Data olahan kuesioner (2014)

Jenis Kelamin Responden

100%

Pria Wanita

Gambar 4.1 Persentase Data Responden berdasarkan Jenis Kelamin

Dari hasil output pada tabel 4.1 dan gambar 4.1, dapat dianalisa bahwa
responden 100% adalah laki-laki. Ini artinya bahwa yang mengisi kuesioner
didominasi oleh responden pria dan tidak ada responden wanita yang mengisi

IV-2
kuisioner. Hal ini di karenakan karena pegawai PT Rifansi Dwi Putra adalah laki-
laki seluruhnya.

b. Rekapitulasi Data berdasarkan Status

Pada data demografi berdasarkan status item pilihan yang diberikan yaitu
kawin dan tidak kawin. Dari pengolahan yang dilakukan maka diperoleh hasil
output sebagai berikut :

Tabel 4.2 Komposisi Responden berdasarkan Status

No Status Frekuensi Persentase
1 Kawin 55 86%
2 Tidak kawin 9 14%
Jumlah 64 100%
Sumber : Data olahan kuesioner (2014)

Status Responden
14%

86%

Kawin Tidak kawin

Gambar 4.2 Persentase Data Responden berdasarkan Status

Dari 64 responden yang ada, untuk status yang telah kawin berjumlah
sebanyak 55 orang (86%), sedangkan untuk yang tidak kawin sebanyak 9 orang
(14%). Dari data tersebut di atas dapat dijelaskan bahwa mayoritas responden
telah kawin.

c. Rekapitulasi Data berdasarkan Umur

Data demografi responden berdasarkan umur memiliki lima item pilihan
yang diberikan. Berikut lima item dan output yang diperoleh :

IV-3
 Tabel 4.3 Komposisi Responden berdasarkan Umur
No Umur Frekuensi Persentase
1 Kurang dari 16 tahun 0 0%
2 16 – 25 tahun 10 16%
3 26 – 35 tahun 39 61%
4 36 – 45 tahun 15 23%
5 Lebih dari 45 tahun 0 0%
Jumlah 64 100%
Sumber : Data olahan kuesioner (2014)

Umur Responden

23% 16%

61%

Kurang dari 16 tahun 16 – 25 tahun 26 – 35 tahun

36 – 45 tahun Lebih dari 45 tahun

Gambar 4.3 Persentase Data Responden berdasarkan Umur

Pada kategori umur dapat dianalisa, untuk responden yang berumur

kurang dari 16 tahun tidak ada, responden yang berumur 16-25 tahun sebanyak 10
orang (16%), responden yang berumur 26-35 tahun sebanyak 39 orang (61%),
responden yang berumur 36-45 tahun sebanyak 15 orang (23%), sedangkan untuk
responden yang berumur lebih dari 45 tahun tidak ada.

d. Rekapitulasi Data berdasarkan Pendidikan Tertinggi

Untuk data demografi berdasarkan pendidikan tertinggi item pilihan yang
diberikan yaitu SD, SMP, SMA/SMK, Diploma dan Sarjana. Dari pengolahan
yang dilakukan maka diperoleh hasil output sebagai berikut :

IV-4
 Tabel 4.4 Komposisi Responden berdasarkan Pendidikan Tertinggi
No Pendidikan Tertinggi Frekuensi Persentase
1 SD 0 0%
2 SMP 0 0%
3 SMA/SMK 8 13%
4 Diploma (D1, D2, D3 dan D4) 12 19%
5 Sarjana (S1, S2, S3) 44 69%
Jumlah 64 100%
Sumber : Data olahan kuesioner (2014)

Pendidikan Responden

13%

19%

69%

SD SMP SMA/SMK Diploma (D1, D2, D3 dan D4) Sarjana (S1, S2, S3)

Gambar 4.4 Persentase Data Responden berdasarkan Pendidikan Tertinggi

Berdasarkan hasil pengolahan dapat dijelaskan pendidikan tertinggi

responden sebagai berikut. Untuk responden tamatan Sekolah Dasar tidak ada,
responden tamatan Sekolah Menengah Pertama tidak ada, responden tamatan
Sekolah Menengah Atas/Kejuruan sebanyak 8 orang (13%), responden tamatan
Diploma sebanyak 12 orang (19%) sedangkan responden tamatan sarjana
sebanyak 44 orang (69%). Dari analisa di atas dapat disimpulkan pegawai PT
Rifansi Dwi Putra mayoritas pendidikannya bisa dikatakan tinggi, yaitu berada
pada tingkat SMA hingga Perguruan tinggi.

IV-5
4.2.2 Pengolahan Data Dengan Menggunakan Costomer Statisfaction Index
(CSI)
4.2.2.1 Menentukan Mean Importance Score (MIS).
Nilai ini berasal dari rata-rata kepentingan tiap konsumen.

 n 
  Yi 
MIS =  i 1 
n

Dimana :

n = Jumlah responden

Yi = Nilai kepentingan atribut Y ke- i

Perhitungan nilai MIS pada Y1 :

 n 
  Yi 
 i 1 
MIS =
n

2 x1  3 x1  4 x38  5 x 24
=
n

= 4,33

Rata-rata keseluruhan nilai kepentingan tiap variabel dapat dilihat pada

tabel berikut ini.

Tabel 4.5 Rekapitulasi Nilai Kepen-

tingan Tiap Konsumen (MIS)

No Nilai Kepentingan (Y) MIS

1 Y1 4,33
2 Y2 4,42
3 Y3 4,36
4 Y4 4,42
5 Y5 4,48
6 Y6 4,63
7 Y7 4,48

IV-6
 Tabel 4.5 Rekapitulasi Nilai Kepenti-
ngan Tiap Konsumen (MIS)
(Lanjutan)

No Nilai Kepentingan (Y) MIS

8 Y8 4,48
9 Y9 4,39
10 Y10 4,63
11 Y11 4,42
12 Y12 4,38
13 Y13 4,19
14 Y14 4,44
15 Y15 4,31
16 Y16 4,05
17 Y17 4,16
18 Y18 4,22
19 Y19 4,17

4.2.2.2 Membuat Weight Faktor (WF).

Bobot ini merupakan persentase nilai MIS per atribut terhadap total MIS
seluruh atribut dimana p = atribut kepentingan ke- P
MISi
WF = p

 MISi
i 1

Perhitungan nilai WF untuk p1

MISi
WF = p

 MISi
i 1

4.33
= = 5,22%
82,95
Persentase nilai kepentingan tiap variabel dapat dilihat pada tabel
berikut :

IV-7
 Tabel 4.6 Rekapitulasi Nilai Atribut
Kepentingan (WF)
Atribut Kepentingan
No Wf
(P)

1 P1 5.22%
2 P2 5.33%
3 P3 5.26%
4 P4 5.33%
5 P5 5.41%
6 P6 5.58%
7 P7 5.41%
8 P8 5.41%
9 P9 5.29%
10 P10 5.58%
11 P11 5.33%
12 P12 5.27%
13 P13 5.05%
14 P14 5.35%
15 P15 5.20%
16 P16 4.88%
17 P17 5.01%
18 P18 5.09%
19 P19 5.03%
Jumlah 100%

4.2.2.3 Membuat Weight Score (WS)

Bobot ini merupakan perkalian antara WF dengan rata-rata tingkat
kepuasan (X) (mean satisfaction score=MSS)
WSi = Wfi x MSS
Perhitungan nilai WS1 :
WS1 = 5.22% x 3.25 = 0.18
Nilai WS tiap konsumen dapat dilihat pada tabel berikut ini.

IV-8
 Tabel 4.7 Rekapitulasi Nilai WS

No Variabel Ws = Wf * Mss

1 V1 0.18
2 V2 0.20
3 V3 0.18
4 V4 0.18
5 V5 0.20
6 V6 0.15
7 V7 0.16
8 V8 0.19
9 V9 0.18
10 V10 0.20
11 V11 0.20
12 V12 0.18
13 V13 0.18
14 V14 0.18
15 V15 0.19
16 V16 0.19
17 V17 0.18
18 V18 0.17
19 V19 0.18
Jumlah 3.47

4.2.2.4 Menentukan CSI

p

 WSi
i 1
CSI = x100%
HS
HS (Highest Scale) = skala maksimum yang digunakan
p

WSi =
i 1
0.18 + 0.20 + 0.18 + 0.18 + 0.20 + 0.15 + 0.16 + 0.19 + 0.18 + 0.20

+ 0.20 + 0.18 + 0.18 + 0.18 + 0.19 + 0.19 + 0.18 + 0.17 + 0.18

= 3,47
3,47
CSI = x100%
5
= 69,47 %  70%

IV-9
4.2.3 Pengolahan Data dengan Menggunakan Metode GAP Analysis
Data-data yang diperoleh harus terlebih dahulu direkap yang kemudian
dilakukan pengolahan data. Pengolahan data bertujuan untuk mengetahui ataupun
untuk menjawab tujuan dari penelitian. Dalam melakukan pengolahan data,
penulis menggunakan metode GAP Analysis dan Uji t.

4.2.3.1 Perhitungan Nilai Gap Per Variabel

Dalam Perhitungan ini, nilai Servqual setiap dimensi kualitas akan
diperinci dalam variabel pendukungnya.
Salah satu contoh perhitungan nilai gap untuk variabel 1 adalah :
Var1 = 4.33 – 3,52
= 0.81

Tabel 4.8 Ringkasan Hasil Perhitungan Nilai Gap Untuk Setiap Variabel
Dimensi Serqual Variabel Kinerja (P) Kepentingan (E) Gap

Var 1 3.52 4.33 0.81

RELIABILITY Var 2 3.70 4.42 0.72
Var 3 3.50 4.36 0.86
Var 4 3.38 4.42 1.05
Var 5 3.64 4.48 0.84
RESPONSIVENESS Var 6 2.69 4.63 1.94
Var 7 2.98 4.48 1.50
Var 8 3.44 4.48 1.05
Var 9 3.48 4.39 0.91
Var 10 3.53 4.63 1.09
ASSURANCE
Var 11 3.67 4.42 0.75
Var 12 3.41 4.38 0.97
Var 13 3.63 4.19 0.56
Var 14 3.34 4.44 1.09
EMPHATY
Var 15 3.70 4.31 0.61
Var 16 3.88 4.05 0.17
Var 17 3.63 4.16 0.53
TANGIBLES Var 18 3.41 4.22 0.81
Var 19 3.58 4.17 0.59

IV-10
4.2.3.2 Uji T_Test Untuk Gap Analisis
Uji t_test dilakukan untuk mengetahui sejauh mana perbedaan pendapat
responden antara ekspektasi dan persepsi pada ke lima dimensi servqual.
Hipotesis
H0 : Tidak terjadi perbedaan yang signifikan antara ekspektasi dan
persepsi
H1 : Terjadi perbedaan yang signifikan antara ekspektasi dan persepsi
Tabel 4.9 Rekapitulasi Sample T_Test
Dimensi Servqual Kinerja (P) Kepentingan (E) GAP T_Tabel T_hitung Sig (2-tailed)
RELIABILITY 3.57 4.37 -0.80 2.13 9.925 .064
RESPONSIVENESS 3.23 4.50 -1.28 2.13 6.087 .104
ASSURANCE 3.52 4.45 -0.93 2.13 8.570 .074
EMPHATY 3.64 4.25 -0.61 2.13 12.934 .049
TANGIBLES 3.54 4.18 -0.65 2.13 12.063 .053

4.2.4 Pengolahan Data dengan Menggunakan Metode Performance

importance matrix (Peta Kuadran)
4.2.4.1 Pengukuran Nilai Indeks Tingkat Kepentingan dan Kinerja
Pengukuran hubungan tingkat kepentingan dan kepuasan diawali dengan
menghitung nilai indeks untuk item kepentingan dan kinerja terhadap kualitas
pelayanan. Dimana nilai indeks ini merupakan nilai penentu untuk setiap variabel
pertanyaan berada pada diagram importance-performance matrix. Adapun
rekapitulasi perhitungan nilai indeks tingkat kepentingan dan tingkat kepuasan
adalah sebagai berikut :

Tabel 4.10 Rekapitulasi Nilai Indeks Tingkat Kepentingan

KEPENTINGAN
PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks
1 0 1 1 38 24 64 277 55.40
2 0 0 1 35 28 64 283 56.60
3 0 1 1 36 26 64 279 55.80
4 0 0 3 31 30 64 283 56.60
5 0 0 2 29 33 64 287 57.40
6 0 1 4 13 46 64 296 59.20
7 0 2 1 25 36 64 287 57.40

IV-11
 Tabel 4.10 Rekapitulasi Nilai Indeks Tingkat Kepentingan (Lanjutan)
KEPENTINGAN
PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks
8 0 0 6 21 37 64 287 57.40
9 0 0 3 31 29 63 278 55.60
10 0 0 2 20 42 64 296 59.20
11 0 0 4 29 31 64 283 56.60
12 0 2 6 22 34 64 280 56.00
13 0 1 4 41 18 64 268 53.60
14 0 0 1 34 29 64 284 56.80
15 0 1 3 35 25 64 276 55.20
16 0 3 1 50 10 64 259 51.80
17 1 1 1 45 16 64 266 53.20
18 1 1 2 39 21 64 270 54.00
19 0 2 1 45 16 64 267 53.40
Sumber : Data olahan kuesioner (2014)
Keterangan :
Salah satu contoh perhitungan jumlah pembobotan dan nilai indeks pada
variabel pertanyaan pertama.
1. Jumlah pembobotan = (0 x 1) + (1 x 2) + (1 x3) + (38 x 4) + (24 x 5) = 277
Jumlah Pembobo tan
2. Nilai indeks =
5
277
=
5
= 55,40
Tabel 4.11 Rekapitulasi Nilai Indeks Tingkat Kepuasan
KINERJA
PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks
1 3 9 6 44 2 64 225 45.00
2 1 8 3 49 3 64 237 47.40
3 1 11 10 39 3 64 224 44.80
4 2 13 14 29 6 64 216 43.20
5 2 5 11 42 4 64 233 46.60
6 7 31 5 17 4 64 172 34.40
7 3 21 17 20 3 64 191 38.20
8 3 8 13 38 2 64 220 44.00
9 2 7 15 38 2 64 223 44.60
10 2 7 12 41 2 64 226 45.20
Sumber : Data olahan kuesioner (2014)

IV-12
 Tabel 4.11 Rekapitulasi Nilai Indeks Tingkat Kepuasan (Lanjutan)
KINERJA
PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks
11 0 2 11 45 2 60 227 45.40
12 0 13 14 35 2 64 218 43.60
13 0 9 8 45 2 64 232 46.40
14 3 15 8 33 5 64 214 42.80
15 1 3 13 44 3 64 237 47.40
16 0 3 5 53 3 64 248 49.60
17 1 9 5 47 2 64 232 46.40
18 5 9 7 41 2 64 218 43.60
19 0 10 8 45 1 64 229 45.80
Sumber : Data olahan kuesioner (2014)
Keterangan :
Salah satu contoh perhitungan jumlah pembobotan dan nilai indeks pada
variabel pertanyaan pertama.
1. Jumlah pembobotan = (3 x 1) + (9 x 2) + (6 x3) + (44 x 4) + (2 x 5) = 225
Jumlah Pembobo tan
2. Nilai indeks =
5
225
=
5
= 45,00
Setelah diperoleh nilai indeks untuk tingkat kepentingan dan tingkat
kepuasan, selanjutnya akan diketahui nilai rata-rata dari kedua indeks tersebut,
dimana nilai rata-rata tersebut merupakan pembatas yang membagi diagram
importance-performance matrix menjadi empat bagian. Adapun rekapitulasi
sebagai berikut :
Tabel 4.12 Nilai Rata-Rata Indeks
Importance dan Per-
formance
Variabel Kinerja Kepentingan
1 45.00 55.40
2 47.40 56.60
3 44.80 55.80
4 43.20 56.60
5 46.60 57.40
6 34.40 59.20
Sumber : Data olahan kuesioner (2014)

IV-13
 Tabel 4.12 Nilai Rata-Rata Indeks
Importance dan Per-
formance (Lanjutan)
Variabel Kinerja Kepentingan
7 38.20 57.40
8 44.00 57.40
9 44.60 55.60
10 45.20 59.20
11 45.40 56.60
12 43.60 56.00
13 46.40 53.60
14 42.80 56.80
15 47.40 55.20
16 49.60 51.80
17 46.40 53.20
18 43.60 54.00
19 45.80 53.40
rata-rata 44.44 55.85

4.2.4.2 Hubungan Tingkat Kepentingan dan Kepuasan

Dengan diperolehnya nilai indeks untuk tingkat kepentingan dan tingkat
kinerja serta nilai rata-rata kedua indeks tersebut, maka selanjutnya akan dapat
diketahui posisi setiap variabel-variabel pertanyaan, dimana pertanyaan tersebut
merupakan variabel yang mewakili kualitas pelayanan di perusahaan. Dengan
mengetahui posisis setiap variabel pertanyaan, maka akan mempermudah pihak
perusahaan untuk mengambil keputusan terhadap hal-hal apa saja yang harus
diperbaiki, dipertahankan, ditingkatkan dan lain sebagainya yang berkenaan
dengan pelayanan. Adapun posisi terhadap variabel-variabel pertanyaan dapat
digambarkan pada diagram importance-performance matrix sebagai berikut :

IV-14
Kuadran 1 Kuadran 2

Kuadran 3
Kuadran 4

Gambar 4.5 Diagram Importance-Performance Matrix

IV-15