See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/349194823

PANDUAN PENGOLAHAN DATA SERVICE QUALITY (SQ), CUSTOMER

SATISFACTION INDEX (CSI) DAN INDEX PERFORMANCE ANALYSIS (IPA)
DENGAN SOFWARE EXCEL DAN SPSS Pelatihan Pengolahan Data dengan...

Method · April 2018

DOI: 10.13140/RG.2.2.10743.96169

CITATIONS READS

0 5,319

4 authors, including:

Benny Osta Nababan

Bogor Agricultural University
28 PUBLICATIONS   66 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Emas Biru Nusa Utara - Refleksi dari Proyek Strategis Nasional Sentra Kelautan dan Perikanan Terpadu di Kabupaten Kepulauan Talaud View project

SKPT Talaud View project

All content following this page was uploaded by Benny Osta Nababan on 11 February 2021.

The user has requested enhancement of the downloaded file.

 PANDUAN PENGOLAHAN DATA
SERVICE QUALITY (SQ), CUSTOMER SATISFACTION INDEX (CSI)
DAN INDEX PERFORMANCE ANALYSIS (IPA)
DENGAN SOFWARE EXCEL DAN SPSS

Oleh :
Benny Osta Nababan, S.Pi, M. Si

Pada

Pelatihan Pengolahan Data dengan Software SPSS

Diselenggarakan LPPM STIE Dewantara
Pada tanggal 11 – 12 April 2018

LEMBAGA PENELITIAN DAN PENGABDIAN MASYARAKAT

SEKOLAH TINGGI ILMU EKONOMI DEWANTARA
2018
 LPPM STIE Dewantara, Cibinong, Bogor

1. PENDAHULUAN

1.1.Latar Belakang
Persaingan bisnis bukan hanya dari mengenai produk atau jasa yang diperdagangkan namun
sudah bergeser pada kualitas layanan. Kualitas layanan yang diberikan perusahaan akan
berpengaruh pada kepuasan konsumen. Upaya memiminimisasi ketidakpuasan konsumen,
perusahaan harus mencari strategi bagaimana cara perusahaan dapat memberikan layanan
terbaik untuk konsumen dengan menitik beratkan pada keinginan atas kualitas layanan dan
kepuasan konsumen. Perusahaan dapat mengetahui Service Quality dari kesenjangan (gap)
yang ditimbulkan antara persepsi kinerja dan persepsi harapan konsumen. Hal ini dapat
membuat perusahaan dapat memperhatikan indikator yang mempunyai nilai gap negatif.
Selanjutnya dapat dilakukan dengan cara mengukur tingkat kepuasan konsumen secara
keseluruhan dengan Customer Satisfaction Index (CSI). Skor rata-rata yang digunakan oleh
kedua metode ini (CSI dan SQ) ini kemudian menjadi data-data yang didapat diplotkan ke
dalam diagram Importance Performance Analysis (IPA). Hasil metode IPA dapat diketahui
atribut apa saja yang belum memuaskan konsumen dan harus menjadi prioritas utama untuk
perbaikan.
Metode IPA pertama kali diperkenalkan oleh Martilla dan James (1977). Tujuan metode IPA
untuk mengukur hubungan antara persepsi konsumen terhadap harapan layanan (Importance)
dan persepsi konsumen terhadap kinerja yang diberikan (Performance). Selain itu, metode IPA
juga bertujuan untuk peningkatan kualitas produk / jasa yang dikenal pula sebagai quadrant
analysis. Metode IPA telah diterima secara umum dan dipergunakan pada berbagai bidang
kajian karena kemudahan untuk diterapkan dan tampilan hasil analisa yang memudahkan
usulan perbaikan kinerja. Metode IPA mempunyai fungsi utama untuk menampilkan informasi
tentang faktor-faktor pelayanan yang menurut konsumen sangat mempengaruhi kepuasan dan
loyalitasnya, dan faktor-faktor pelayanan yang menurut konsumen perlu diperbaiki karena
pada saat ini belum memuaskan. Metode IPA secara konsep merupakan suatu model multi-
atribut, yang mengidentifikasi kekuatan dan kelemahan penawaran pasar dengan menggunakan
dua kriteria yaitu kepentingan / harapan / importance relatif atribut dan kinerja / kepuasan /
performance yang dirasakan konsumen yang diberikan perusahaan.
Peneliti pada kasus ini mengukur kinerja yang dirasakan konsumen dan harapan kualitas
layanan yang diberikan oleh perusahaan. Sebagai contoh, perusahaan membuat smoking area
pada gerai yang selalu penuh, padahal tidak ada konsumen yang datang untuk merokok. Hal
ini merupakan pemborosan bagi perusahaan. Pemborosan yang paling dirasakan adalah luasan
tempat yang seharusnya dapat digunakan oleh konsumen yang tidak memperoleh meja untuk
makan. Hal ini selain merugikan perusahaan, juga merugikan konsumen yang datang karena
tidak memperoleh tempat. Contoh kedua, misalnya adalah tempat parkir. Ketersediaan tempat
parkir yang tidak nyaman dan terlihat penuh karena parkir tidak diatur dengan baik maka akan
membuat konsumen membatalkan pembelian. Contoh ketiga, misalnya 1 meja besar hanya
diisi oleh 1 atau 2 orang saja yang akan membuat konsumen lain yang membawa keluarga
membatalkan pembelian karena ketiadaan meja makan.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 1
 LPPM STIE Dewantara, Cibinong, Bogor

Pada saat ini, banyak metode yang digunakan untuk meningkatkan layanan dengan
menggunakan teori-teori kualitas layanan sejenis. Salah satu metode tersebut misalnya adalah
metode regresi linier berganda, dimana variabel independent menjadi variabel kualitas layanan
dan variabel dependent menjadi variabel kepuasan suatu layanan. Metode regresi ini
merupakan metode hubungan sebab akibat yang menyatakan karena kualitas layanan
meningkat maka kepuasan konsumen juga akan meningkat. Namun metode regresi ini tidak
dapat dapat menunjukkan indikator-indikator yang secara spesifik perlu mendapatkan
perbaikan layanan dan indikator-indikator mengalami pemborosan pemanfaatan sumberdaya.
Selain itu, pengukuran dengan metode analisis regresi ini menjadi sulit bagi mahasiswa yang
tidak terlalu menguasai metode kuantitatif dengan analisis regresi berganda. Pada akhirnya
mahasiswa akan memaksakan diri menggunakan metode regresi tersebut dengan bantuan orang
lain untuk mengolah datanya. Mahasiswa ini pada akhirnya tidak memahami esensi data yang
telah diperoleh dari kuesioner dan kesesuaian dengan teori. Hal ini akhirnya berdampak
mahasiswa tidak dapat menjelaskan saat ujian sidang skripsi sehingga menurunkan kualitas
skripsi.
Berdasarkan hal tersebut, maka perlu dipelajari metode-metode lain dalam hal kualitas layanan.
Namun dalam memperoleh metode lain biasanya tidak diberikan dalam perkuliahan karena
materi yang sudah disusun sesuai silabus dan keterbatasan waktu jika diberikan dalam
perkuliahan secara reguler yang membutuhkan latihan dengan komputer / laptop. Oleh karena
itu, untuk meningkatkan kapasistas mahasiswa dalam pengolahan data ekonomi dan bisnis
maka diperlukan “Pelatihan Pengolahan Data dengan SPSS untuk Metode IPA (Index
Performance Analysis), SQ (Service Quality) dan CSI (Customer Satisfaction Index)”. Paket
pelatihan ini adalah mahasiswa dapat mengatasi permasalahan usaha / bisnis jika menjadi
enterpreneur terutama dalam hal kualitas layanan dari usaha / bisnis yang dijalankannya.

1.2.Tujuan
Adapun tujuan dari penelitian ini adalah :
1. Memberikan pelatihan cara mengumpulkan data sesuai teori untuk metode IPA, SQ dan
CSI
2. Memberikan pelatihan cara validasi dan reliabilitas untuk data cross section
3. Memberikan pelatihan cara mengolah data untuk metode IPA, SQ dan CSI
4. Membuat kurva IPA dengan SPSS

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 2
 LPPM STIE Dewantara, Cibinong, Bogor

2. METODOLOGI

2.1.Metode Pengumpulan Data

Pengumpulan data dengan cara penyebaran kuesioner kepada konsumen / konsumen. Data
kuesioner berisi pertanyaan-pertanyaan yang berhubungan dengan pelayanan yang diberikan
yang terdiri dari 5 dimensi kualitas layanan yaitu: Tangible, reliability, responsiveness,
Assurance, Emphaty. Data berupa nilai yang diperoleh dari penyebarab kuesioner dengan skala
Likert.
Tabel 1: Skala Likert untuk penilaian skor kuesioner
Harapan (I) Kinerja (P)
1 = Sangat Tidak Penting 1 = Sangat Tidak Puas
2 = Tidak Penting 2 = Tidak Puas
3 = Cukup Penting 3 = Cukup Puas
4 = Penting 4 = Puas
5 = Sangat Penting 5 = Sangat Puas

Data kuesioner yang digunakan adalah kuesioner tingkat kinerja dan tingkat harapan. Dimensi-
dimensi dalam kuesioner berjumlah 18 item yang tercakup dalam 5 variabel kualitas layanan.
Adapun dimensi kinerja dan dimensi harapan disajikan dalam 2 tabel. Dimensi kuesioner
kinerja untuk variabel kualitas layanan disajikan dalam Tabel 2 sedangkan dimensi kuesioner
harapan untuk kepuasan konsumen disajikan dalam Tabel 3.
Tabel 2. Dimensi kuesioner kinerja untuk variabel kualitas layanan

No Pernyataan Simbol
Bukti Fisik (Tangible)
1 Fasilitas fisik gerai dunkin donuts bersih T1
2 Penampilan para karyawan dunkin donuts bersih dan rapi T2
3 Adanya fasilitas internet dengan Wi-Fi yang cepat dan stabil T3
4 Tersedianya smoking area T4
5 Tersedianya tempat parkir yang luas dan nyaman T5
Kehandalan (Reliability)
6 Dari awal hingga akhir jasa pelayanan dunkin donuts baik RL1
7 Harga dan produk yang ditawarkan sesuai dengan yang terpasang / RL2
diiklankan
8 Karyawan memahami semua jenis produk dan layanan yang ditawarkan di RL3
gerai
Ketanggapan (Responsiveness)
9 Karyawan dunkin donuts memberikan layanan yang cepat dan tepat RP1
10 Karyawan dunkin donuts selalu menjawab pertanyaan konsumen dengan RP2
sopan dan tepat

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 3
 LPPM STIE Dewantara, Cibinong, Bogor

No Pernyataan Simbol
11 Karyawan dunkin donuts menanggapi kesulitan / keluhan konsumen RP3
dengan cepat dan tepat
Keyakinan (Assurance)
12 Tidak ada syarat dan ketentuan berlaku yang disembunyikan saat A1
pembelian produk promo
13 Karyawan memberikan produk sesuai pesanan konsumen A2
14 Struk pembelian akurat, sesuai dengan pesanan A3
15 Produk dunkin donuts halal A4
Empati (Emphaty)
16 Karyawan memberikan perhatian secara menyeluruh kepada konsumen E1
17 Karyawan memberikan pelayanan kepada semua pencari kerja tanpa E2
memandang status sosial
18 Karyawan peduli terhadap kebutuhan dan keinginan para konsumen E3

Pada Tabel 3, merupakan dimensi kuesioner harapan untuk variabel kualitas layanan. Jika
diperhatikan pertanyaan-pertanyaan yang dimuat hampir sama dengan dimensi kinerja, namun
yang membedakan ada kalimat penjelas untuk pertanyaan tersebut.
Tabel 3. Dimensi kuesioner harapan untuk variabel kualitas layanan

No Pernyataan Simbol
Bukti Fisik (Tangible)
1 Fasilitas fisik gerai dunkin donuts bersih merupakan hal sangat penting T1
sebagai penentu jadi tidaknya saya membeli
2 Penampilan para karyawan dunkin donuts bersih dan rapi merupakan hal T2
sangat penting sebagai penentu jadi tidaknya saya membeli
3 Adanya fasilitas internet dengan Wi-Fi yang cepat dan stabil merupakan T3
hal sangat penting sebagai penentu jadi tidaknya saya membeli
4 Tersedianya smoking area merupakan hal sangat penting sebagai penentu T4
jadi tidaknya saya membeli
5 Tersedianya tempat parkir yang luas dan nyaman merupakan hal sangat T5
penting sebagai penentu jadi tidaknya saya membeli
Kehandalan (Reliability)
6 Pelayanan dunkin donuts sangat penting untuk membantu saya RL1
7 Harga dan produk yang ditawarkan sesuai dengan yang terpasang / RL2
diiklankan merupakan faktor sangat penting untuk saya
8 Karyawan memahami semua jenis produk dan layanan yang ditawarkan RL3
digerai merupakan hal sangat penting untuk kebutuhan saya
Ketanggapan (Responsiveness)
9 Karyawan dunkin donuts memberikan layanan yang cepat dan tepat RP1
merupakan faktor sangat penting untuk memenuhi kebutuhan saya
10 Karyawan dunkin donuts selalu menjawab pertanyaan konsumen dengan RP2
sopan dan tepat merupakan faktor sangat penting untuk saya

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 4
 LPPM STIE Dewantara, Cibinong, Bogor

No Pernyataan Simbol
11 Karyawan dunkin donuts menanggapi kesulitan / keluhan konsumen RP3
dengan cepat dan tepat merupakan sangat penting untuk saya
Keyakinan (Assurance)
12 Tidak ada syarat dan ketentuan berlaku yang disembunyikan saat A1
pembelian produk promo merupakan hal sangat penting bagi saya
13 Karyawan memberikan produk sesuai pesanan konsumen merupakan hal A2
sangat penting untuk saya
14 Struk pembelian akurat, sesuai dengan pesanan sangat penting untuk saya A3
15 Produk dunkin donuts halal merupakan hal sangat penting untuk saya A4
Empati (Emphaty)
16 Karyawan memberikan perhatian secara menyeluruh kepada konsumen E1
merupakan hal sangat penting bagi saya
17 Karyawan memberikan pelayanan kepada semua pencari kerja tanpa E2
memandang status sosial merupakan hal sangat penting bagi saya
18 Karyawan peduli terhadap kebutuhan dan keinginan para konsumen E3
merupakan hal sangat penting bagi saya

Berdasarkan daftar pertanyaan kuesioner dari dimensi kinerja (P) dan harapan (I) dari masing-
masing, maka disusun input data ke dalam software excel seperti disajikan dalam Tabel 4 dan
Tabel 5. Setelah input data ke dalam software excel dilakukan, maka harus dilakukan ujia
validitas dan reliabilitas untuk masing-masing dimensi kinerja (P) dan dimensi harapan (I).

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 5
 LPPM STIE Dewantara, Cibinong, Bogor

Tabel 4. Input Data Kuesioner untuk dimensi kinerja

Simbol R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16 R17 R18 R19 R20 R21 R22 R23 R24 R25 R26 R27 R28 R29 R30
T1 5 5 5 3 5 4 5 4 4 4 4 4 4 5 5 4 4 5 5 5 5 4 4 5 5 4 4 4 4 4
T2 5 5 5 3 4 4 4 4 4 4 4 4 4 5 5 5 4 4 5 5 5 5 4 4 5 4 4 4 4 4
T3 5 5 5 3 5 4 5 4 4 4 4 4 4 5 5 4 4 3 5 5 5 4 4 3 5 4 4 4 4 4
T4 5 5 4 3 5 4 5 4 4 4 4 5 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 5
T5 5 5 4 3 5 4 5 4 4 4 4 5 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 5
RL1 4 4 4 3 4 4 4 4 4 4 4 5 4 5 5 4 4 4 5 5 5 4 4 4 5 4 4 4 4 5
RL2 4 4 5 3 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
RL3 4 4 4 3 5 4 5 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
RP1 4 4 5 3 5 4 4 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
RP2 4 5 5 3 4 4 5 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
RP3 4 5 5 3 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
A1 5 5 5 3 4 4 4 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
A2 5 5 5 3 4 4 4 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
A3 5 5 5 3 5 4 4 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
A4 5 5 4 3 5 4 5 4 4 4 4 5 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 5
E1 5 4 5 3 4 4 5 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
E2 5 5 5 3 5 4 5 4 5 4 4 5 4 5 5 5 4 5 4 5 5 5 4 5 4 4 5 4 4 5
E3 5 5 5 3 4 4 5 4 4 4 4 5 4 5 5 5 5 5 4 5 5 5 5 5 4 4 4 4 4 5

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 6
 LPPM STIE Dewantara, Cibinong, Bogor

Tabel 5. Input Data Kuesioner untuk dimensi harapan

Simbol R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16 R17 R18 R19 R20 R21 R22 R23 R24 R25 R26 R27 R28 R29 R30
T1 5 5 5 3 4 4 4 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
T2 5 5 5 3 4 4 4 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
T3 5 5 5 3 5 4 4 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
T4 5 5 5 3 4 2 4 2 2 2 2 2 3 4 4 3 3 3 4 4 4 3 3 3 3 3 2 2 2 2
T5 5 5 5 4 4 5 5 5 4 5 4 5 4 4 4 5 4 4 4 5 5 4 5 5 4 4 4 4 4 4
RL1 5 4 5 3 4 4 5 4 4 4 4 5 4 5 5 5 4 4 4 5 5 5 4 4 4 4 4 4 4 5
RL2 5 5 5 3 5 4 5 4 5 4 4 5 4 5 5 5 4 5 4 5 5 5 4 5 4 4 5 4 4 5
RL3 5 5 5 3 4 4 5 4 4 4 4 5 4 5 5 5 5 5 4 5 5 5 5 5 4 4 4 4 4 5
RP1 4 4 4 3 4 4 4 4 4 4 4 5 4 5 5 4 4 4 5 5 5 4 4 4 5 4 4 4 4 5
RP2 4 4 5 3 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
RP3 4 4 4 3 5 4 5 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
A1 5 5 5 3 5 4 5 4 4 4 4 4 4 5 5 4 4 5 5 5 5 4 4 5 5 4 4 4 4 4
A2 5 5 5 3 4 4 4 4 4 4 4 4 4 5 5 5 4 4 5 5 5 5 4 4 5 4 4 4 4 4
A3 5 5 5 3 5 4 5 4 4 4 4 4 4 5 5 4 4 3 5 5 5 4 4 3 5 4 4 4 4 4
A4 5 5 5 3 4 2 4 2 2 2 2 2 3 4 4 3 3 3 4 4 4 3 3 3 3 3 2 2 2 2
E1 4 4 5 3 5 4 4 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
E2 4 5 5 3 4 4 5 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4
E3 4 5 5 3 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 5 5 4 4 4 4 4 4 4 4 4

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 7
 LPPM STIE Dewantara, Cibinong, Bogor

2.2. Uji Validasi dan Reliabilitas

Dari data input dalam Tabel 4 dan Tabel 5, kemudian dilakukan uji Validasi dan Reliabilitas.
Pada uji validitas, nilai masing-masing indikator pertanyaan pada setiap variabel harus
dijumlah terlebih dahulu dalam excel (warna merah) seperti disajikan dalam Tabel 6 dan Tabel
7. Tujuannya adalah sebagai pengukuran validitas dari data masing-masing indikator ke data
totalnya.
2.2.1. Uji Validitas dengan SPSS
1. Tahapan Uji Validitas
Buka software SPSS kemudian buka file excel data input Latihan Data Donat.xls yang sudah
dibuat, buka sheet Kinerja (P) SPSS. Kemudian klik Analyze  Correlate  Bivariate dan
akan muncul seperti box dialogs bivariate correlation.

Centang Pearson  Klik Two Tailed  Centang Flag Significant correlation

Kemudian pilih indikator (pertanyaan) pada setiap variabel
Pada variabel Bukti Fisik (Tangible)  klik T1, T2, T3, T4, T5, Tangible  klik panah ke
kanan sehingga setiap indikator pindah ke kanan menjadi variabel  klik OK.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 8
 LPPM STIE Dewantara, Cibinong, Bogor

Pada hasil viewer akan muncul tabel correlations  nilai pearson correlation dari T1, T2, T3,
T4, dan T5 yang dibintangi adalah indikator yang memiliki nilai valid. Jumlah tanda bintang
sebanyak 1 bintang berarti siginifikan pada taraf nyata 5%, sedangkan jumlah tanda bintang
sebanyak 2 bintang berarti siginifikan pada taraf nyata 10%.

2. Lakukan hal yang sama untuk uji validitas pada variabel yang lain (Reliability,
Responsivness, Assurance, dan Emphaty) pada dimensi kinerja (P).

3. Lakukan hal yang sama untuk uji validitas pada variabel-variabel dimensi harapan
(I) yaitu Tangible, Reliability, Responsivness, Assurance, dan Emphaty.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 9
 LPPM STIE Dewantara, Cibinong, Bogor

2.2.3. Uji Reliabilitas dengan SPSS

1. Tahapan Uji Reliabilitas dengan SPSS
Buka software SPSS kemudian buka file excel data input Latihan Data Donat.xls yang sudah
dibuat, buka sheet Kinerja (P) SPSS. Kemudian klik Analyze  Scale  Reliability Analysis
dan akan muncul seperti box dialogs Reliability Analysis.

Kemudian pilih indikator (pertanyaan) pada setiap variabel

Pada variabel Bukti Fisik (Tangible)  klik T1, T2, T3, T4, T5  klik panah ke kanan
sehingga setiap indikator pindah ke kanan menjadi items  klik OK.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 10
 LPPM STIE Dewantara, Cibinong, Bogor
Pada hasil viewer akan muncul Scale ALL Variables :
a. Pada Case Processing Summary terdapat nilai N = 30 yang artinya ada 30 data responden
yang diinput dan seluruhnya (100%) diolah.
Case Processing Summary

N %

Cases Valid 30 100.0

Excludeda 0 .0
Total 30 100.0
a. Listwise deletion based on all variables in the
procedure.

b. Reliability
Realiability Statistic  nilai Cronbach Alpha sebesar 0,904 yang artinya lebih besar dari
Statistics

0,6 (CA > 0,6). Artinya data-data variabel Tangible sudah reliabel (konsisten).
Cronbach's
Alpha N of Items
.904 5

2. Lakukan hal yang sama untuk uji reliabilitas pada variabel yang lain (Reliability,
Responsivness, Assurance, dan Emphaty) pada dimensi kinerja (P).

3. Lakukan hal yang sama untuk uji reliabilitas pada variabel-variabel dimensi harapan
(I) yaitu Tangible, Reliability, Responsivness, Assurance, dan Emphaty.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 11
 LPPM STIE Dewantara, Cibinong, Bogor

Tabel 6. Data Input Uji Validitas dimensi kinerja

Simbol T1 T2 T3 T4 T5 Tangible RL1 RL2 RL3 Reliability RP1 RP2 RP3 Responsiveness A1 A2 A3 A4 Assurance E1 E2 E3 Emphaty
R1 5 5 5 5 5 25 4 4 4 12 4 4 4 12 5 5 5 5 20 5 5 5 15
R2 5 5 5 5 5 25 4 4 4 12 4 5 5 14 5 5 5 5 20 4 5 5 14
R3 5 5 5 4 4 23 4 5 4 13 5 5 5 15 5 5 5 4 19 5 5 5 15
R4 3 3 3 3 3 15 3 3 3 9 3 3 3 9 3 3 3 3 12 3 3 3 9
R5 5 4 5 5 5 24 4 4 5 13 5 4 4 13 4 4 5 5 18 4 5 4 13
R6 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R7 5 4 5 5 5 24 4 4 5 13 4 5 4 13 4 4 4 5 17 5 5 5 15
R8 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R9 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 5 4 13
R10 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R11 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R12 4 4 4 5 5 22 5 4 4 13 4 4 4 12 5 5 5 5 20 5 5 5 15
R13 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R14 5 5 5 5 5 25 5 5 5 15 5 5 5 15 5 5 5 5 20 5 5 5 15
R15 5 5 5 5 5 25 5 5 5 15 5 5 5 15 5 5 5 5 20 5 5 5 15
R16 4 5 4 4 4 21 4 4 4 12 4 4 4 12 5 5 5 4 19 5 5 5 15
R17 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 5 13
R18 5 4 3 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 5 5 14
R19 5 5 5 4 4 23 5 4 4 13 4 4 4 12 4 4 4 4 16 4 4 4 12
R20 5 5 5 5 5 25 5 5 5 15 5 5 5 15 5 5 5 5 20 5 5 5 15
R21 5 5 5 5 5 25 5 5 5 15 5 5 5 15 5 5 5 5 20 5 5 5 15
R22 4 5 4 4 4 21 4 4 4 12 4 4 4 12 5 5 5 4 19 5 5 5 15
R23 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 5 13
R24 5 4 3 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 5 5 14
R25 5 5 5 4 4 23 5 4 4 13 4 4 4 12 4 4 4 4 16 4 4 4 12
R26 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R27 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 5 4 13
R28 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R29 4 4 4 4 4 20 4 4 4 12 4 4 4 12 4 4 4 4 16 4 4 4 12
R30 4 4 4 5 5 22 5 4 4 13 4 4 4 12 5 5 5 5 20 5 5 5 15

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 12
 LPPM STIE Dewantara, Cibinong, Bogor

Tabel 7. Data Input Uji Validitas dimensi harapan

Simbol T1 T2 T3 T4 T5 Tangible RL1 RL2 RL3 Reliability RP1 RP2 RP3 Responsiveness A1 A2 A3 A4 Assurance E1 E2 E3 Emphaty
R1 5 5 5 5 5 25 5 5 5 15 4 4 4 12 5 5 5 5 20 4 4 4 12
R2 5 5 5 5 5 25 4 5 5 14 4 4 4 12 5 5 5 5 20 4 5 5 14
R3 5 5 5 5 5 25 5 5 5 15 4 5 4 13 5 5 5 5 20 5 5 5 15
R4 3 3 3 3 4 16 3 3 3 9 3 3 3 9 3 3 3 3 12 3 3 3 9
R5 4 4 5 4 4 21 4 5 4 13 4 4 5 13 5 4 5 4 18 5 4 4 13
R6 4 4 4 2 5 19 4 4 4 12 4 4 4 12 4 4 4 2 14 4 4 4 12
R7 4 4 4 4 5 21 5 5 5 15 4 4 5 13 5 4 5 4 18 4 5 4 13
R8 4 4 4 2 5 19 4 4 4 12 4 4 4 12 4 4 4 2 14 4 4 4 12
R9 4 4 4 2 4 18 4 5 4 13 4 4 4 12 4 4 4 2 14 4 4 4 12
R10 4 4 4 2 5 19 4 4 4 12 4 4 4 12 4 4 4 2 14 4 4 4 12
R11 4 4 4 2 4 18 4 4 4 12 4 4 4 12 4 4 4 2 14 4 4 4 12
R12 5 5 5 2 5 22 5 5 5 15 5 4 4 13 4 4 4 2 14 4 4 4 12
R13 4 4 4 3 4 19 4 4 4 12 4 4 4 12 4 4 4 3 15 4 4 4 12
R14 5 5 5 4 4 23 5 5 5 15 5 5 5 15 5 5 5 4 19 5 5 5 15
R15 5 5 5 4 4 23 5 5 5 15 5 5 5 15 5 5 5 4 19 5 5 5 15
R16 5 5 5 3 5 23 5 5 5 15 4 4 4 12 4 5 4 3 16 4 4 4 12
R17 4 4 4 3 4 19 4 4 5 13 4 4 4 12 4 4 4 3 15 4 4 4 12
R18 4 4 4 3 4 19 4 5 5 14 4 4 4 12 5 4 3 3 15 4 4 4 12
R19 4 4 4 4 4 20 4 4 4 12 5 4 4 13 5 5 5 4 19 4 4 4 12
R20 5 5 5 4 5 24 5 5 5 15 5 5 5 15 5 5 5 4 19 5 5 5 15
R21 5 5 5 4 5 24 5 5 5 15 5 5 5 15 5 5 5 4 19 5 5 5 15
R22 5 5 5 3 4 22 5 5 5 15 4 4 4 12 4 5 4 3 16 4 4 4 12
R23 4 4 4 3 5 20 4 4 5 13 4 4 4 12 4 4 4 3 15 4 4 4 12
R24 4 4 4 3 5 20 4 5 5 14 4 4 4 12 5 4 3 3 15 4 4 4 12
R25 4 4 4 3 4 19 4 4 4 12 5 4 4 13 5 5 5 3 18 4 4 4 12
R26 4 4 4 3 4 19 4 4 4 12 4 4 4 12 4 4 4 3 15 4 4 4 12
R27 4 4 4 2 4 18 4 5 4 13 4 4 4 12 4 4 4 2 14 4 4 4 12
R28 4 4 4 2 4 18 4 4 4 12 4 4 4 12 4 4 4 2 14 4 4 4 12
R29 4 4 4 2 4 18 4 4 4 12 4 4 4 12 4 4 4 2 14 4 4 4 12
R30 5 5 5 2 4 21 5 5 5 15 5 4 4 13 4 4 4 2 14 4 4 4 12

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 13
 LPPM STIE Dewantara, Cibinong, Bogor

2.3. Metode Rata-rata Skoring Data

Hal pertama yang dilakukan adalah mencari nilai rata-rata dari masing-masing indikator
pertanyaan baik pada dimensi kinerja (P) maupun dimensi harapan (I). Rumus yang digunakan
yaitu :
∑𝑛
𝑖=1 𝑄𝑋𝑖𝑣 ∑𝑛
𝑖=1 𝑄𝑌𝑖𝑣
̅̅̅̅̅̅
𝑄𝑋𝑖𝑣 = dan ̅̅̅̅̅̅
𝑄𝑌𝑖𝑣 =
𝑛 𝑛

Keterangan :
̅̅̅̅̅̅
𝑄𝑋𝑖𝑣 = rata-rata skor setiap jawaban responden ke-i pada indikator ke-v pada variabel kinerja
(P)
̅̅̅̅̅̅
𝑄𝑌𝑖𝑣 = rata-rata skor setiap jawaban responden ke-i pada indikator ke-v pada variabel harapan
(I)
QXiv = skor setiap jawaban responden ke-i pada indikator ke-v pada variabel kinerja (P)
QYiv = skor setiap jawaban responden ke-i pada indikator ke-v pada variabel harapan (I)
n = total responden

2.4. Metode SQ (Service Quality)

Service Quality (SQ) atau sering disebut Servqual untuk mengetahui bagaimana persepsi dan
harapan konsumen terhadap pelayanan yang diberikan. Penghitungan skor Service Quality :
𝑆𝑄 = 𝑃 − 𝐼
Keterangan :
SQ = Quality of Service (Kualitas Pelayanan)
P = Perceived Service (persepsi terhadap kinerja layanan)
I = Expectation (Harapan konsumen)
Hasil perhitungannya dinyatakan sebagai kesenjangan kualitas layanan.

2.5. Metode CSI (Customes Satisfaction Index)

Customes Satisfaction Index (CSI) diperlukan untuk mengetahui tingkat kepuasan konsumen
secara keseluruhan dengan memperhatikan tingkat kepentingan dari atribut-atribut produk atau
jasa berupa persentase konsumen yang senang dalam suatu survei kepuasan konsumen.
Tabel 8. Customes Satisfaction Index
Atribut Harapan (I) Kinerja (P) Skor (S)
Skala 1 – 5 Skala 1 – 5 (S) = (I) x (P)

Skor Total Total (I) = Y Total (S) = (T)

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 14
 LPPM STIE Dewantara, Cibinong, Bogor
Nilai 5 (pada 5Y) adalah nilai maksimum yang digunakan pada skala pengukuran. CSI dihitung
dengan rumus:
𝑇
𝐶𝑆𝐼 = 𝑥 100%
5𝑌
Keterangan :
a) Nilai CSI adalah 100% atau lebih berarti konsumen sangat puas akan kinerja perusahaan
b) Nilai CSI >80% sampai 100% menandakan konsumen merasa puas pada kinerja pelayanan
c) Nilai CSI >50% sampai 80% menandakan konsumen merasa cukup puas pada kinerja
pelayanan
d) Nilai CSI 50 % atau lebih rendah menandakan kinerja pelayanan kurang baik

2.6. Metode Index Performance Analysis (IPA)

Analisis ini mengaitkan antara tingkat kepentingan (importance) suatu atrribut yang dimiliki
obyek tertentu dengan kenyataan / kinerja (performance) yang dirasakan oleh pengguna.
Langkah-langkahnya :
a. Menghitung rata-rata tingkat kepentingan dan tingkat kepuasan konsumen untuk setiap
item atribut.
∑𝑘
𝑖=1 𝑋𝑖 ∑𝑘
𝑖=1 𝑌𝑖
𝑋̅𝑖 = ̅𝑖 =
dan 𝑌
𝑛 𝑛

b. menghitung rata-rata tingkat kepentingan dan tingkat kepuasan secara keseluruhan item.

∑𝑘 ̅̅̅
𝑖=1 𝑋𝑖 ∑𝑘 ̅
𝑖=1 𝑌𝑖
𝑋̿𝑖 = ̅𝑖 =
dan 𝑌
𝑛 𝑛
c. nilai rata-rata tingkat kepentingan secara keseluruhan item memotong sumbu vertikal tegak
lurus dan nilai rata-rata tingkat kepuasan secara keseluruhan item memotong sumbu
horizontal tegak lurus.
d. nilai rata-rata tingkat kepentingan dan kepuasan konsumen untuk setiap item diplotkan ke
dalam diagram Impotance Performance Analysis

Gambar 1. Pembagian kuadran Index Performance Analysis (IPA)

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 15
 LPPM STIE Dewantara, Cibinong, Bogor

3. HASIL DAN PEMBAHASAN

3.1. Rata-rata skoring data

Terdapat 18 pertanyaan dari 30 orang responden. Skor dari masing-masing pertanyaan
kemudian dirata-rata dari 30 jawaban responden. Hasil rata-rata skoring data disajikan dalam
Tabel 9.
Tabel 9. Hasil rata-rata skoring data
No Indikator Indikator Kinerja (P) Harapan (I)
1 Fasilitas fisik gerai dunkin donuts bersih T1 4.4000 4.3333
2 Penampilan para karyawan dunkin donuts bersih dan rapi T2 4.3333 4.3333
3 Adanya fasilitas internet dengan Wi-Fi yang cepat dan stabil T3 4.2667 4.3667
4 Tersedianya smoking area T4 4.3000 3.1000
5 Tersedianya tempat parkir yang luas dan nyaman T5 4.3000 4.4333
6 Dari awal hingga akhir jasa pelayanan dunkin donuts baik RL1 4.2333 4.3333
7 Harga dan produk yang ditawarkan sesuai dengan yang terpasang / diiklankan RL2 4.1333 4.5333
8 Karyawan memahami semua jenis produk dan layanan yang ditawarkan di gerai RL3 4.1667 4.5000
9 Karyawan dunkin donuts memberikan layanan yang cepat dan tepat RP1 4.1667 4.2333
10 Karyawan dunkin donuts selalu menjawab pertanyaan konsumen dengan sopan dan tepat RP2 4.2000 4.1333
11 Karyawan dunkin donuts menanggapi kesulitan / keluhan konsumen dengan cepat dan tepat RP3 4.1667 4.1667
12 Tidak ada syarat dan ketentuan berlaku yang disembunyikan saat pembelian produk promo A1 4.3333 4.4000
13 Karyawan memberikan produk sesuai pesanan konsumen A2 4.3333 4.3333
14 Struk pembelian akurat, sesuai dengan pesanan A3 4.3667 4.2667
15 Produk dunkin donuts halal A4 4.3000 3.1000
16 Karyawan memberikan perhatian secara menyeluruh kepada konsumen E1 4.3333 4.1667
17 Karyawan memberikan pelayanan kepada semua pencari kerja tanpa memandang status sosial E2 4.5333 4.2000
18 Karyawan peduli terhadap kebutuhan dan keinginan para konsumen E3 4.5000 4.1667

Berdasarkan hasil skoring dari data pada Tabel 9, menunjukkan skor minimal sebesar 3,1 dan
skor maximal sebesar 4,53. Berdasarkan hal ini maka secara cepat bahwa kualitas layanan
berada pada rentang nilai >3 dan <5 yaitu cukup penting sampai penting (dimensi harapan) dan
cukup puas sampai puas (kinerja).

3.2. Service Quality (SQ)

Hasil rata-rata skoring data pada subab 3.1 kemudian dicari selisih dari masing-masing
pertanyaan yang disebut juga dengan gap Service Quality. Secara utuh disajikan dalam Tabel
10.
Pada Tabel 10, terlihat gap yang dihasilkan dari setiap layanan yang dilakukan. Jika nilai
tersebut 0, maka tidak ada gap layanan, jika nilai tersebut + (positif) maka layanan sudah cukup
baik, dan jika nilai tersebut – (negatif) maka layanan bermasalah. Rata-rata keseluruhan
layanan terlihat dari nilai total rata-rata setiap indikator kinerja (P) dan indikator harapan (I).
Nilai yang dihasilkan positif yang berarti terdapat kualitas layanan yang cukup baik di atas
rata-rata.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 16
 LPPM STIE Dewantara, Cibinong, Bogor

Tabel 10. Hasil perhitungan Service Quality

Indikator Kinerja (P) Harapan (I) Gap Indikator
T1 4.4000 4.3333 0.07 Fasilitas fisik gerai dunkin donuts bersih
T2 4.3333 4.3333 0.00 Penampilan para karyawan dunkin donuts bersih dan rapi
T3 4.2667 4.3667 -0.10 Adanya fasilitas internet dengan Wi-Fi yang cepat dan stabil
T4 4.3000 3.1000 1.20 Tersedianya smoking area
T5 4.3000 4.4333 -0.13 Tersedianya tempat parkir yang luas dan nyaman
RL1 4.2333 4.3333 -0.10 Dari awal hingga akhir jasa pelayanan dunkin donuts baik
RL2 4.1333 4.5333 -0.40 Harga dan produk yang ditawarkan sesuai dengan yang terpasang / diiklankan
RL3 4.1667 4.5000 -0.33 Karyawan memahami semua jenis produk dan layanan yang ditawarkan di gerai
RP1 4.1667 4.2333 -0.07 Karyawan dunkin donuts memberikan layanan yang cepat dan tepat
RP2 4.2000 4.1333 0.07 Karyawan dunkin donuts selalu menjawab pertanyaan konsumen dengan sopan dan tepat
RP3 4.1667 4.1667 0.00 Karyawan dunkin donuts menanggapi kesulitan / keluhan konsumen dengan cepat dan tepat
A1 4.3333 4.4000 -0.07 Tidak ada syarat dan ketentuan berlaku yang disembunyikan saat pembelian produk promo
A2 4.3333 4.3333 0.00 Karyawan memberikan produk sesuai pesanan konsumen
A3 4.3667 4.2667 0.10 Struk pembelian akurat, sesuai dengan pesanan
A4 4.3000 3.1000 1.20 Produk dunkin donuts halal
E1 4.3333 4.1667 0.17 Karyawan memberikan perhatian secara menyeluruh kepada konsumen
E2 4.5333 4.2000 0.33 Karyawan memberikan pelayanan kepada semua pencari kerja tanpa memandang status sosial
E3 4.5000 4.1667 0.33 Karyawan peduli terhadap kebutuhan dan keinginan para konsumen
Rata2 4.2981 4.1722 0.13

3.3. Customer Satisfaction Index (CSI)

Hasil rata-rata skoring data pada subab 3.1 kemudian dicari nilai Customer Satisfaction Index
(CSI). Hasil perhitungan CSI (Customer Satisfaction Index) terlihat dalam Tabel 11.
Tabel 3: Tabel perhitungan Customer Satisfaction Index
Indikator Kinerja_P Harapan_I Skor = P x I
T1 4.4000 4.3333 19.0667
T2 4.3333 4.3333 18.7778
T3 4.2667 4.3667 18.6311
T4 4.3000 3.1000 13.3300
T5 4.3000 4.4333 19.0633
RL1 4.2333 4.3333 18.3444
RL2 4.1333 4.5333 18.7378
RL3 4.1667 4.5000 18.7500
RP1 4.1667 4.2333 17.6389
RP2 4.2000 4.1333 17.3600
RP3 4.1667 4.1667 17.3611
A1 4.3333 4.4000 19.0667
A2 4.3333 4.3333 18.7778
A3 4.3667 4.2667 18.6311
A4 4.3000 3.1000 13.3300
E1 4.3333 4.1667 18.0556
E2 4.5333 4.2000 19.0400
E3 4.5000 4.1667 18.7500
Total 77.3667 322.7122

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 17
 LPPM STIE Dewantara, Cibinong, Bogor

322,7122
𝐶𝑆𝐼 = 𝑥 100%
5 (77,3667)
CSI = 83,43 %

Nilai CSI diperoleh adalah 83,43%, hal ini menggambarkan konsumen merasa
puas atas kinerja layanan yang diberikan, tetapi dirasakan masih belum
maksimal secara keseluruhan. Untuk memberikan tingkat kepuasan yang lebih lagi
dimasa yang akan datang, maka perusahaan harus memperbaiki kinerja layanannya yang belum
memuaskan konsumen.

3.4. Index Performance Analysis (IPA)

Metode IPA, atribut pertanyaan menjadi faktor kunci untuk identifikasi hubungan antara
kepentingan (harapan) dan kinerja (performa).
Sebagai contoh :
1. Jika kinerja perusahaan / layanan (P) yang dirasakan konsumen lebih kecil dari harapan (I)
yang diinginkan konsumen maka akan menjadi masalah karena konsumen merasa tidak
puas sehingga menjadi prioritas utama untuk perbaikan layanan (P < I).
2. Jika kinerja perusahaan / layanan (P) yang dirasakan konsumen sama besar dengan harapan
(I) yang diinginkan konsumen maka akan menjadi kepuasan bagi keduanya baik bagi
perusahaan maupun konsumen sehingga perlu dipertahankan (Pbesar = Ibesar).
3. Jika kinerja perusahaan / layanan (P) yang dirasakan konsumen sama kecil dari harapan (I)
yang diinginkan konsumen maka tidak akan menjadi masalah, karena konsumen belum
memiliki harapan yang tinggi dan perusahaan belum dapat memberikan kinerja yang baik.
Perusahaan dapat menggali informasi dari konsumen untuk meningkatkan kinerja yang
dibutuhkan untuk peningkatan layanan supaya dapat memenuhi kebutuhan konsumen (Pkecil
= Ikecil).
4. Jika kinerja perusahaan / layanan (P) yang dirasakan konsumen lebih besar dari harapan (I)
yang diinginkan konsumen maka akan menjadi masalah pemborosan oleh perusahaan
karena konsumen merasa tidak membutuhkannya sehingga sesuatu yang berlebihan bagi
konsumen. Perusahaan dapat meningkatkan kepuasan konsumen dengan memperbaiki
indikator atau variabel yang masih rendah atau gap negatif (P > I). Contoh : Ketersediaan
smoking room.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 18
 LPPM STIE Dewantara, Cibinong, Bogor
1. MEMBUAT KURVA INDEX PERFORMANCE ANALYSIS (IPA) DARI DATA
SKORING
Buka SPSS dan buka File Excel : Latihan Data Donat. Xls kemudian pilih sheet IPA SPSS

Klik Graph  Legacy Dialogs  Scatter/Dot

Pilih Sample Scatter

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 19
 LPPM STIE Dewantara, Cibinong, Bogor

Kotak dialog simple Scatterplot :

Pilih Harapan (I) ke Y Axis
Pilih Kinerja (P) ke X Axis
Pilih Indikator ke Label Cases by :

Klik Ok, akan muncul Viewer :

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 20
 LPPM STIE Dewantara, Cibinong, Bogor

Double klik pada kurva, maka akan muncul Chart Editor :

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 21
 LPPM STIE Dewantara, Cibinong, Bogor
2. MEMBUAT X AXIS REFERENCE LINE
Klik Option  X Axis Reference Line

Akan muncul Properties  Klik Reference Line

Lihat Scale Axis  Lihat Position  Variabel : Kinerja (P)
Klik Set to  Klik Mean  Akan berubah sesuai angka rata-rata
Kemudian klik apply maka reference line akan berubah sesuai dengan angka rata-rata
Sampai sini garis Axis Reference sudah selesai....

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 22
 LPPM STIE Dewantara, Cibinong, Bogor
3. MEMBUAT Y AXIS REFERENCE LINE
Klik Option  Y Axis Reference Line

Akan muncul Properties  Klik Reference Line

Lihat Scale Axis  Lihat Position  Variabel : Harapan (I)
Klik Set to  Klik Mean  Akan berubah sesuai angka rata-rata
Kemudian klik apply maka reference line akan berubah sesuai dengan angka rata-rata
Sampai sini garis Axis Reference sudah selesai....

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 23
 LPPM STIE Dewantara, Cibinong, Bogor
4. MEMBUAT NAMA INDIKATOR PADA TITIK-TITIK KURVA
Klik pada salah satu titik pada kurva sampai berubah warna

Kemudian klik kanan sehingga muncul kotak dialogs  klik show data label

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 24
 LPPM STIE Dewantara, Cibinong, Bogor

Selanjutnya akan muncul Kurva IPA

Klik kanan pada Kurva  kemudian pilih Add Text Box  Ketik K1 : Prioritas utama
Klik kanan pada Kurva  kemudian pilih Add Text Box  Ketik K2 : Pertahankan
Klik kanan pada Kurva  kemudian pilih Add Text Box  Ketik K3 : Prioritas rendah

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 25
 LPPM STIE Dewantara, Cibinong, Bogor
Klik kanan pada Kurva  kemudian pilih Add Text Box  Ketik K4 : Berlebihan
Selanjutnya sudah terbagi menjadi 4 kuadran seperti Gambar berikut

Kurva dapat diubah warnanya sesuai keinginan dengan klik kanan pada setiap yang akan
diubah warnanya

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 26
 LPPM STIE Dewantara, Cibinong, Bogor
Selanjutnya tutup chart editor menjadi viewer SPSS...
Selanjutnya klik kanan kurva  klik copy  paste ke microsoft word
Anda sudah berhasil membuat kurva Index Performance Analysis (IPA)

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 27
 LPPM STIE Dewantara, Cibinong, Bogor

4. KESIMPULAN DAN SARAN

4.1. Kesimpulan
Kesimpulan yang dapat diperoleh dari hasil pengolahan data metode SQ, CSI dan IPA
yaitu :
a. Pada metode SQ, terlihat gap yang dihasilkan dari setiap layanan yang dilakukan. Gap
positif yaitu : T1, T2, T4, RP2, RP3, A2, A3, A4, E1, E2, dan E3. Tidak ada gap yaitu :
T2, RP3, dan A2. Gap negatif yaitu : T3, T5, RL1, RL2, RL3, RP1, dan A1. Gap negatif
ini perlu dilakukan perbaikan untuk meningkatkan Service Quality. Pada variabel
Reliability (kehandalan) keseluruhan skor memiliki gap negatif sehingga dapat dikatakan
variabel Reliability (kehandalan) memiliki masalah yang sangat besar. Secara keseluruhan
Service Quality memiliki gap positif sebesar 0,13 yang artinya service quality yang
diberikan perusahaan cukup baik.
b. Nilai CSI diperoleh adalah 83,43%, hal ini menggambarkan konsumen merasa
puas atas kinerja layanan yang diberikan, tetapi dirasakan masih belum
maksimal secara keseluruhan.
c. Pada IPA prioritas utama yang perlu diperhatikan adalah indikator T3, RP1, RL1, RL2, dan
RL3. Kelima indikator ini merupakan prioritas yang benar-benar harus diperbaiki supaya
dapat meningkatkan kepuasan konsumen akan kualitas layanan perusahaan.

4.2. Saran
Saran yang dapat diberikan dari hasil pengolahan data SQ, CSI dan IPA yaitu :
a. Pada metode SQ melakukan perbaikan pada skor gap yang bernilai negatif.
b. Pada metode CSI, untuk memberikan tingkat kepuasan yang lebih lagi dimasa yang akan
datang, maka perusahaan harus memperbaiki kinerja layanannya yang belum memuaskan
konsumen.
c. Pada metode IPA, perusahaan harus segera memperbaiki atribut-atribut yang berada di
kuadran 1 pada kurva Importance Performance Analysis sesuai dengan urutan skor negatif
yang paling besar yang diperoleh pada skor Service Quality.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 28
 LPPM STIE Dewantara, Cibinong, Bogor

DAFTAR PUSTAKA

Ghozali, I. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit
Universitas Diponegoro. Semarang.
Nababan, B. O. 2015. Aplikasi metode SQ, CSI dan IPA untuk Riset Bisnis. Bahan Kuliah
Riset Bisnis. STIE Dewantara. Bogor.
Rangkuti, F. 2003. Measuring Customer Satisfaction : Teknik Mengukur & Strategi
Meningkatkan Kepuasan Konsumen & Analisis Kasus PLN. Gramedia Pustaka Utama.
Jakarta.
Supranto, J. 2001. Pengukuran Tingkat Kepuasan Konsumen Untuk menaikan Pangsa
Pasar. Rineka Cipta. Jakarta.
Tjiptono, F. 2008. Strategi Pemasaran. Andi Offset Yogyakarta.
Winarni. 2013. Analisis Tingkat Kepuasan Konsumen Dengan Menggunakan Metode
Customer Satisfaction Index Dan Impotance Performance Analysis Serta Service
Quality. Jurnal Teknik Industri. Institut Sains Teknologi Yogyakarta.

Benny Osta Nababan, S.Pi, M.Si – Pelatihan Pengolahan Data SPSS – Bogor, 10 – 11 April 2018 | 29

View publication stats