Syntax Literate: Jurnal Ilmiah Indonesia p–ISSN: 2541-0849 e-ISSN: 2548-1398

Vol. 7, No. 10, Oktober 2022

 

ANALISIS PENGARUH STRATEGI PROMOSI TERHADAP LOYALITAS PELANGGAN ONLINE DELIVERY FOOD MENGGUNAKAN PARTIAL LEAST SQUARE-STRUCTURAL EQUATION MODELING

 

Devi Damayanti, Firman Pratama

Teknik, Teknik Informatika, Universitas Pamulang, Tangerang – Selatan, Indonesia

Email: [email protected], [email protected]

 

Abstrak

Penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh variabel independent terhadap variabel dependen, terdiri dari tiga variabel independent yaitu kualitas pelayanan, citra merk dan promosi serta satu variabel dependen yaitu kepuasan pelanggan. Variabel independent kualitas pelayanan (X1.1) terdiri dari lima indikator, variabel independent citra merk (X1.2) terdiri dari empat indikator, variabel independent promosi (X1.3) terdiri dari enam indikator serta variabel dependen (Y1) terdiri dari tiga indikator. Kuesioner digunakan sebagai teknik pengumpulan data dengan target mahasiswa Universitas Pamulang yang sebelumnya pernah menggunakan jasa pesan – antar ShopeeFood sebanyak minimal satu kali. Data hasil kuesioner diolah menggunakan aplikasi atau perangkat lunak SmartPLS versi 3.3.7 dengan metode perhitungan PLS Algorithm. Hasil yang diperoleh terdapat hubungan yang signifikan antara pengaruh dari kualitas layanan, citra merk serta promosi terhadap kepuasan pelanggan.

 

Kata Kunci: Kualitas Pelayanan, Citra Merk, Promosi, Kepuasan Pelanggan

 

Abstract

This research to determine how much influence the independent variables have on the dependent variable. This research consists of three independent variables including service quality, brand image and promotion and one dependent variable, namely customer satisfaction. The independent variable of service quality (X1.1) consists of five indicators, the independent variable of brand image (X1.2) consists of four indicators, the independent variable of promotion (X1.3) consists of six indicators and the dependent variable (Y1) consists of three indicators . The data collection technique in this research used a questionnaire with the target of Pamulang University students who had ordered using the ShopeeFood delivery service at least once. The data from the questionnaire was processed using the application or software SmartPLS version 3.3.7 with the PLS Algorithm calculation method. The results of these calculations show that there is a significant relationship between the influence of service quality, brand image and promotion on customer satisfaction.

 

Keywords:  Service Quality, Brand Image, Promotion,Customer Satisfaction

 

Pendahuluan

Tingginya penggunaan internet di Indonesia salah satunya adalah untuk aplikasi pesan-antar makanan. We Are Social mencatat sebanyak 74,4% pengguna internet di Indonesia menggunakan pesan-antar makanan. Persentase tersebut merupakan yang tertinggi di dunia kemudian disusul oleh Brasil urutan kedua dengan 66,6% setelahnya ada Malaysia, Tiongkok, dan Uni Emirat Arab yang masing-masing sebesar 66,5%, 66,4%, dan 65,1%. Adapun, penggunaan aplikasi pesan-antar makanan secara global rata-rata sebesar 55,5%. Masih banyak negara yang persentasenya di bawah rata - rata tersebut salah satunya adalah Jepang yang hanya sebesar 15,9%. (Andrea Lidwina, 2021)

Layanan pesan - antar makanan ShopeeFood sebagai studi kasus yang digunakan dalam penelitian karena  merupakan aplikasi pesan - antar makanan yang saat ini menjadi pesaing dari Go Food, Grab Food serta layanan pesan-antar makanan lainnya, ShopeeFood juga mendapat perhatian dari warganet Twitter mendapat tweet sebanyak 700.000 (tujuh ratus ribu) lebih  per hari. Promo besar-besaran yang ditawarkan oleh ShopeeFood menjadi incaran para food lovers. (Dita, 2021)

Melibatkan kurang lebih 200 responden yang terdiri dari mahasiswa  berbagai jurusan di Universitas Pamulang dengan menggunakan variabel – variabel dari strategi yang digunakan ShopeeFood dalam menarik pelanggan diantaranya adalah kualitas pelayanan, citra merk Shopee dan promosi. Menggunakan pendekatan Partial Least Square (PLS) sebagai model pengukuran dan model strukural kemudian  Structure Equation Modelling (SEM) digunakan untuk analisis data diharapkan mampu menghasilkan perhitungan yang terbaik dari hasil kuesioner.

Penelitian – penelitian sebelumnnya terkait dengan Pengaruh Kepuasan, Kepercayaan serta Loyalitas Pelanggan menggunakan metode analisis data PLS-SEM dengan bantuan software SmartPLS diantaranya adalah Analisis Pengaruh Kualitas Pelayanan Akademik Terhadap Loyalitas Mahasiswa UNUSIDA dengan Pendekatan Partial Least Square (PLS) oleh Untung Usada, Luqman Hakim, Anita T.Kurniawan (2016) berjudul Analisis Pengaruh Kualitas Pelayanan Akademik Terhadap Loyalitas Mahasiswa UNUSIDA dengan Pendekatan Partial Least Square (PLS). Metode yang digunakan dalam penelitian ini adalah Partial Least Square (PLS) dengan menggunakan software Smart PLS 2.0. Hasil analisis model yang ada adalah bahwa kualitas pelayanan mempunyai peran penting dalam menjaga loyalitas mahasiswa. Bagi mahasiswa, pelayanan yang prima akan memberikan kepuasan dan kepercayaan sehingga loyalitas pada universitas dapat terbangun.(Usada et al., 2016) Analisis Kepuasan dan Loyalitas Pelanggan Provider dengan Pendekatan Structural Equation Modellig oleh Nurul Aziza dan Slamet Hariyono (2017), Metode analisis yang digunakan yaitu metode SEM (Strucutral Equation Modelling).Berdasarkan pengolahan data, menunjukkan terdapat pengaruh positif dan signifikan kualitas produk, kualitas layanan, terhadap kepuasan dan loyalitas pelanggan dengan nilai R2 0,546 atau sebesar 54% memberikan kontribusi pengaruh. Sedangkan impact terhadap manajerial dari penelitian ini yaitu pihak manajemen untuk dapat meningkatkan dan memfokuskan pada pada performansi produk, kualitas layanan yang berdampak kepada kepuasan pelanggan yang pada akhirnya dapat berdampak pada tingkat loyalitas konsumen.(Aziza & Hariyono, 2017) Pengaruh Kualitas Pelayanan Terhadap Loyalitas Wisatawan dan Citra Hotel Melati di Kelurahan Seminyak Kabupaten Badung Bali oleh Wayan Agung Panca P, I Nyoman Jamin Ariana, Ni Ketut Arismayanti (2017), Menggunakan Teknik analsis data yaitu analisis deskriptif kualitatif dengan pendekatan analisis deskriptif kuantitaif serta analisis Partial Least Square Structural Equation Modeling (PLS-SEM). Berdasarkan hasil perhitungan menggunakan perangkat lunak PLS-SEM versi 3.0 diperoleh hasil bahwa terdapat hubungan signifikan antara pengaruh kualitas pelayanan terhadap loyalitas wisatawan, terdapat pengaruh signifikan kualitas pelayanan terhadap citra hotel, dan tidak terdapat pengaruh secara signifikan citra hotel terhadap loyalitas wisatawan yang menginap pada hotel melati di Kelurahan Seminyak. (P Panca et al., 2017)Analisa Pengaruh Kualitas Produk dan Kualitas Layanan Terhadap Kepuasan Pelanggan dan Loyalitas Pelanggan di Pisa Kafe Surabaya oleh Olivia Nathali Wibisono dan Debora C. Widjaja (2017), Teknik analisis yang digunakan dalam penelitian ini adalah PLS-SEM (Partial Least Square-Structural Equation Modeling) dan kualitas layanan menggunakan model second order formatif. Hasil dari penelitian ini membuktikan bahwa kualitas produk berpengaruh signifikan dan positif terhadap kepuasan pelanggan dan kualitas layanan yang meliputi tangibles, reliability, responsiveness, assurance dan emphaty berpengaruh signifikan dan positif terhadap kepuasan pelanggan dan kepuasan ini menciptakan loyalitas pelanggan di Pisa Kafe Surabaya.(Wibisono et al., 2017) Analisis Kepuasan dan Loyalitas Pelanggan dalam Pemesanan Tiket Pesawat secara Online Menggunakan Pendekatan Partial Least Square (PLS) oleh Trisnawati Gusnawita Berutu, Abdul Hoyyi, Sugito (2018), Dalam penelitian ini, variabel laten eksogen yang digunakan adalah kinerja, akses, keamanan, sensasi, informasi, dan desain web, sedangkan variabel laten endogen adalah kepuasan dan loyalitas. Berdasarkan hasil analisis dapat disimpulkan bahwa variabel laten akses, keamanan, sensasi, informasi, dan desain web mampu menjelaskan variabel kepuasan laten sebesar 70,32% sedangkan kepuasan laten variabel mampu menjelaskan variabel laten loyalitas sebesar 36,02%. (Berutu et al., 2018)

Diharapkan penelitian ini dapat memberikan informasi untuk menjadi bahan pertimbangan dalam pengambilan keputusan  terkait dengan kualitas pelayanan dan strategi promosi untuk meningkatkan kepuasan pelanggan sehingga profit bagi perusahaan jasa antar – makanan tidak hanya untuk ShopeeFood melainkan dapat digunakan untuk perusahaan jasa antar – makanan lainnya.

 

Metode Penelitian

Metode Pengumpulan Data

Metode penelitian merupakan rancangan yang dilaksanakan dalam penelitian diantaranya seperti populasi, sampel, metode pengumpulan data, serta diagram alir dari analisis data yang akan dilaksanakan.

Metode pengumpulan data dilakukan dengan cara kuesioner yaitu memberi seperangkat pertanyaan atau pernyataan secara tertulis kepada responden (mahasiswa Universitas Pamulang) untuk dijawab. Populasinya adalah mahasiswa Universitas Pamulang yang pernah memesan makanan menggunakan aplikasi ShopeeFood sebanyak minimal satu kali. Pelaksanaan penelitian menggunakan data primer yaitu data yang dilhasilkan dari penyebaran pertayaan – pertanyaan dalam kuesioner yang diberikan kepada mahasiswa Universitas Pamulang Jurusan Teknik Informatika yang pernah atau sering memesan makanan menggunakan aplikasi ShopeeFood, menggunakan dua variabel yaitu Variabel Independent terdiri dari kualitas pelayanan, cita merka adalah promosi dan Variabel Dependen terdiri dari loyalitas atau kepuasan pelanggan. Karena loyalitas pelanggan merupakan suatu penilaian yang diberikan setelah memakai jasa produk atau jasa tersebut dan merasa puas sehingga ingin menggunakannya kembali. Loyalitas dalam mengacu pada penilaian tentang promosi yang diberikan oleh layanan jasa pesan-antar makanan yaitu ShopeeFood.

Pengambilan sampel dilakukan dengan menggunakan rumus Rao Purba :

                             ( 1)                                                     

Dimana :

N       : Nilai total dari sampel

Z       : Taraf signifikansi dalam menentukan suatu sampel yaitu 95% = 1:96

moe   : Kesalahan yang dapat ditoleransi yaitu maksimum sebesar 0.10

Maka pada penelitian ini akan menggunakan sampel sebesar seratus (100) responden.

Metode Analisis Data

 Setelah data kuesinoer dikumpulkan selanjutnya adalah menganalisis data, dimana ada dua tahapan yaitu uji validitas dan uji relabilitas  : (Jaya, 2008)

1.     Uji Validitas

Uji validitas dapat digunakan untuk menghitung tingkat kebenaran dari kuesioner. Dinyatakan valid jika pernyataan dalam kuesioner yang diberikan dapat menjelaskan hasil yang diukur oleh kuesioner.

2.     Uji Reliabilitas

Uji reliabilitas digunakan untuk mengukur indikator dalam pertanyaan kuesioner dari suatu variabel. Dinyatakan reliabel apabila jawaban yang diberikan dari pertanyaan tersebut stabil.

Teknik Analisis Data

 Ada beberapa tahap yang digunakan untuk menganalisis PLS-SEM yaitu sebagai berikut: (Jaya, 2008)

1.     Merancang model struktural

Model struktural akan dirancang berdasarkan keterkaitan antar suatu variabel independent dan variabel dependen yang disebut dengan variabel laten.

2.     Merancang model pengukuran

Model pengukuran akan dirancang berdasarkan indikator yang diambil dari variabel independent dan variabel dependen, indikator tersebut bersifat refleksif atau terikat.

3.     Mengkonstruksi diagram alir

Tahap selanjutnya setelah mendapatkan hasil model pengukuran dan model struktural adalah membuat diagram alir untuk menghubungkan antara variabel laten endogen maupun eksogen dengan indikatornya.

4.     Mengkonversi diagram alir ke dalam suatu persamaan

Persamaan struktural disusun dengan membangun persamaan model struktural dan model pengukuran menggunakan rumus yang menyatakan kausalitas antar berbagai construct.

Berikut adalah persamaan model struktural yang akan dibentuk:


Variabel Kepuasan Pelanggan = Variabel Kualitas Pelayanan + Variabel Citra Merk + Variabel Promosi

 

5.     Mengevaluasi model pengukuran.

Evaluasi model pengukuran pada setiap indikatornya digunakan untuk mengetahui nilai pengukuran yang terbaik dengan menggunakan nilai AVE.

6.     Menguji hipotesis model struktural dan pengukuran

Hipotesis diuji menggunakan metode bootstrap resampling. Metode resampling digunakan untuk agar data yang digunakan terdistribusi secara bebas, tidak membutuhkan banyak asumsi dan sampel yang dibutuhkan tidak terlalu besar.

 

Gambar 1. Diagram Alir Analisis SEM
 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Hasil Dan Pembahasan

Analisis Data PLS

Pengujian data pada penelitian ini menggunakan SmartPLS 3.3.7 yang merupakan salah satu program untuk menganalisa data. Analisa pada PLS ini akan dilakukan dalam tiga tahap :

a.   Analisa outer model

Analisa outer model adalah untuk mendefinisikan hubungan antara variabel laten dengan indikator – indikatornya. Uji yang dilakukan outer model adalah :

1.      Convergent Validity. Nilai convergen validity adalah nilai loading faktor pada variabel laten dengan indikator-indikatornya. Nilai yang diharapkan >0.7.

2.      Discriminant Validity. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain.

3.      Composite Reliability. Data yang memiliki composite reliability >0.7 mempunyai reliabilitas yang tinggi.

4.      Average Variance Extracted (AVE). Nilai AVE yang diharapkan >0.5.

5.      Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha. Nilai diharapkan >0.6 untuk semua konstruk.

Uji yang dilakukan diatas merupakan uji pada outer model untuk indikator reflektif. Untuk indikator formatif dilakukan pengujian yang berbeda. Uji untuk indikator formatif yaitu :

1.      Significance of weights. Nilai weight indikator formatif dengan konstruknya harus signifikan.

2.      Multicolliniearity. Uji multicolliniearity dilakukan untuk mengetahui hubungan antar indikator. Untuk mengetahui apakah indikator formatif mengalami multicolliniearity dengan mengetahui nilai VIF. Nilai VIF antara 5- 10 dapat dikatakan bahwa indikator tersebut terjadi multicolliniearity

 

b.  Analisa inner model

Analisa inner model atau analisa struktural model dilakukan untuk memastikan bahwa model struktural yang dibangun robust dan akurat. Evaluasi inner model dapat dilihat dari beberapa indikator yang meliputi:

1.      Koefisien determinasi (R2)

2.      Predictive Relevance ( )

3.      Goodness of Fit Index (GoF)

 

c.   Pengujian Hipotesa

Pengujian hipotesa dapat dilihat dari nilai t-statistik dan nilai probabilitas. Untuk pengujian hipotesis menggunakan nilai statistik maka untuk alpha 5% nilai t-statistik yang digunakan adalah 1,96. Sehingga kriteria penerimaan atau penolakan Hipotesa adalah Ha diterima dan H0 di tolak ketika t-statistik > 1,96. Untuk menolak atau menerima Hipotesis menggunakan probabilitas maka Ha di terima jika nilai p < 0,05.

Pengujian Data PLS-SEM Menggunakan SmartPLS 3.3.7

Model struktural dalam penelitian ini adalah sebagai berikut:

Gambar 2 Model Persamaan Struktural dengan Skema Path
 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Dari gambar model persamaan struktural di atas, dapat dijabarkan sebagai berikut:

1.   Apakah kualitas pelayanan memiliki pengaruh yang signifikan terhadap kepuasan pelanggan?

2.   Apakah citra merk memiliki pengaruh yang signifikan terhadap kepuasan pelanggan?

3.   Apakah promosi memiliki pengaruh yang signifikan terhadap kepuasan pelanggan ?

 

Dari penjabaran di atas maka yang pertama kali dilakukan adalah melakukan pengukuran Outer dan Inner Model.

a.   Pengujian Outer Model

 

Gambar 3. Matrix Hasil Pengujian Outer Model menggunakan PLS Algorithm

 

Dari hasil pengujian outer model seperti pada gambar 3 terlihat  bahwa ada beberapa indikator yang memiliki nilai faktor loading di bawah 0,6 diantaranya yaitu KUALITAS.4, KUALITAS.5, MERK3, PROMOSI.1 dan PROMOSI.5. Hal ini menunjukan bahwa indikator – indikator yang tidak memenuhi syarat atau di bawah 0,6 nilai faktor loadingnya harus dihapus dari model tersebut. Setelah beberapa indikator yang tidak memenuhi syarat dihapus, maka hasil pengujian outer model adalah sebagai berikut:

 

Gambar 4. Hasil dari Penghapusan Matriks yang tidak Memenuhi Syarat

 

Selain dilihat dari nilai  loading faktor , convergent validity juga dilihat dari nilai Average Variance Extracted (AVE). Setelah  dilakukan pengujian makan didapat nilai AVE masing – masing konstruk  berada di atas 0,5, ini menunjukan bahwa tidak ada permasalahan konvergen validiti pada model yang diuji sehingga dapat disimpulkan bahwa :

 

Tabel 1 Hasil Perhitungan  Nilai Konstruk AVE

Konstuk

AVE

Kualitas Pelayanan

0,629

Citra Merk

0,661

Promosi

0,677

Kepuasan Pelanggan

0,780

 

Berikutnya adalah pengujian terkait dengan discriminant validity setelah pengu jian convergen validity­ dinyatakan valid atau tidak ada masalah. Discriminant validitydiuji dengan cara membandingkan nilai cr akar kuadrat AVE dengan nilai korelasi antar konstruk. Setelah dilakukan pengujian, maka hasilnya adalah sebagai berikut:

 

Gambar 5. Hasil Pengujian Discriminant Validity

 

Hasil pengujian discriminat validity terlihat pada gambar 5 atau dapat dijabarkan bahwa hasil yang didapatkan nilai akar kuadrat dari AVE masing – masing adalah AVE (0,813, 0,883, 0,793, 0,823).  Dari hasil pengujian dapat dilihat bahwa hasil kuadrat AVE lebih besar dari korelasi masing – masing konstruk. Metode lain yang dapat juga digunakan untuk menguji discriminant validity adalah dengan melihat tabel cross loading. Hasilnya menunjukkan bahwa nilai loading cross dari tiap – tiap indikator terhadap konstruknya lebih besar dari pada nilai cross loading nya. Sehingga dapat disimpulkan bahwa tidak terdapat permasalahan untuk pengujian discriminant validity.

Untuk memastikan bahwa tidak ada masalah terkait dengan pengukuran maka langkah terakhir pengujian outer model adalah menguji unidimensionalitas dari model. Uji unidimensionalitas dilakukan dengan cara melihat hasil Composite Relability dan Alpha Cronbach. Hasil keduanya harus lebih besar dari 0,7.

 

Gambar 6. Hasil Konstruk Realibility and Validity

           

Hasil pada gambar 6 menunjukkan bahwa seluruh konstruk memiliki nilai composite realibility  di atas 0,7, ini membuktikan bahwa tidak ditemukan permasalahan realibitas pada model yang dibentuk.

b.  Pengujian Inner Model

Pengujian inner model dapat dilakukan dengan melihat nilai R Square yang merupakan uji goodness-fit-model dalam inner model PLS SEM. Koefisien determinasi (R Square) adalah cara untuk menilai seberapa besar konstruk endogen dapat dijelaskan dengan konstruk eksogen. Nilai koefisien determinasi (R square) berkisar antara 0 dan 1.

Menurut Sarstedt dkk., 2017. Nilai R Square sebesar 0,75 adalah model kuat, 0,50 adalah moderat dan nilai 0,25 adalah lemah. Sedangkan Chin memberikan kriteria nilai R Square 0,67 adalah kuat, 0,33 adalah moderat dan 0,19 adalah lemah  (Chin, 1998 dalam Ghozali dan Latan, 2015).

Berdasarkan hasil pengujian koefisien determinas, maka dapat disimpulkan bahwa nilai R Square berpengaruh atau simultan X1, X2, dan X3 terhadap Y adalah sebesar 0,594 dengan nilai  adjust r square sebesar 0,581 sehingga dapat disimpulkan bahwa semua konstruk exogen (X1, X2, dan X3) mempengaruhi Y sebesar 0,581 atau 58,1%. Karena nilai adjust r square kurang dari 67 % maka pengaruh semua konstruk eksogen X1, X2, X3 terhadap Y   masih dalam tingkat  sedang. Untuk menilai tingkat singnifikansi pengaruh simultan ini, dilakukan menggunakan analisis bootstrapping.

Mencari nilai Predictive Relevan (Q2) di rumuskan sebagai berikut :

 

Q2  = 1 – ( 1 – R12) (1 – R22)                                                  ( 2)

Q2 = 1 – ( 1 -  0,5942) (1- 0,5812)

Q2 = 1 – (0,428)

Q2 =  0,572

 

Selanjutnya agar model fit memenuhi kriteria, nilai SMSR harus kurang dari 0,05% (Cangur, 2015). Tetapi jika berdasarkan penjelasan dari situs SMARTPLS, batasan atau kriteria model fit antara lain:

Nilai RMS Theta atau Root Mean Square Theta < 0,102

Nilai SRMR atau Standardized Root Mean Square < 0,10 atau < 0,08 dan Nilai NFI > 0,9.

Berikut hasil penilaian model fit dalam penelitian ini:

 

Gambar 7. Hasil Penilaian Model Fit

 

Terlihat hasil penilaian model Fit pada Gambar 7 di atas, nilai RMS Theta atau Root Mean Square  adalah 0,241 sehingga 0,241 > 0,102 dan Nilai NFI 0,721 sehingga 0,721 < 0,9. Dari hasil keduanya maka dapat disimpulkan kedua penilaian model tersebut tidak memenuhi kriteria model fit. Namun berdasarkan Nilai SRMR atau Standardized Root Mean Square, nilainya adalah sebesar 0,712 sehingga 0,712 < 0,10 maka dapat disimpulkan bahwa penilaian model tersebut memenuhi kriteria model fit. Syarat analisis  inner model partial least square adalah tidak adanya masalah multikolinearitas atau adanya interkorelasi yang kuat antar variabel laten. SmartPLS versi 3 menggunakan Variance Inflation Factor (VIF) untuk mengevaluasi kolinearitas. Multikolinearitas cukup sering ditemukan dalam statistik. Multikolinearitas merupakan fenomena di mana dua atau lebih variabel bebas atau konstruk eksogen berkorelasi tinggi yang  menyebabkan kemampuan prediksi model tidak baik. (Sekaran, 2017)

Nilai VIF harus kurang dari 5, jika lebih dari 5 dapat mengindikasikan adanya kolinearitas antar konstruk (Sarstedt dkk., 2017). (Sarstedt, 2017) Multikolinearitas atau adanya interkorelasi kuat antar variable bebas atau nilai VIF Inner Model pada penelitian ini adalah sebagai berikut:

 

Gambar 8. Inner VIP Values

 

Nilai VIF hasil seperti Gambar 8 di atas menunjukan bahwa semua nilai VIF nya adalah kurang dari 5 atau VIF < 5 sehingga dapat disimpulkan bahwa tidak adanya korelasi yang kuat antar variabel bebas. Dari percobaan didapatkan bahwa seluruh nilai antar variabel latent tidak ada korelasi yang kuat (> 0,9 atau -0,9)  seperti korelasi antara Variabel Citra Merk dengan Variabel Kualitas  0,387 < 0,9 yang menunjukkan bahwa korelasi kedua variabel tersebut tidak kuat sehingga dapat disimpulkan bahwa inner  model tidak terdapat masalah pelanggaran asumsi multikolinearitas.

c.   Pengujian Hipotesa

Tahap akhir adalah melakukan pengujian hipotesa dengan menggunakan bootstrapping  PLS SEM untuk melihat tingkat signifikan  outer loading, outer weight, direct effect, indirect effect, dan total effect. Penelitian ini menggunakan nilai subsample sebesar 500, semakin tinggi nilai maka akan semakin banyak sesampling atau pengulangan yang dilakukan oleh komputer untuk mendapatkan nilai yang signifikan.

Hasil analisa bootstrapping PLS SEM terlihat pada gambar 24. Nilai koefisien antar konstruk adalah nilai  untuk melihat signifikansi dan kekuatan hubungan antar konstruk. Nilai Path Coefficients berkisar antara -1 hingga +1. Semakin mendekati nilai +1, hubungan kedua konstruk semakin kuat dan begitupun sebaliknya. (Sarstedt, 2017)

Hasil bootstrapping PLS SEM direct effect  dijabarkan sebagai berikut :

1.      Direct Effect atau Pengaruh Langsung Variabel Citra Merk terhadap Variabel Kepuasan Pelanggan

Besarnya koefisien parameter untuk Variabel Citra Merk terhadap Variabel Kepuasan Pelanggan adalah sebesar 0,287 yang berarti terdapat pengaruh positif  Variabel Citra Merk terhadap Variabel Kepuasan Pelanggan. Peningkatan Variabel Citra Merk akan meningkatkan Variabel Kepuasan Pelanggan  sebesar 28,7%. Berdasarkan perhitungan dengan menggunakan bootstrap atau resampling, dimana hasil uji koefisien estimasi Variabel Citra Merk terhadap  Variabel Kepuasan Pelanggan hasil bootstrap adalah sebesar 0,288 dengan nilai t hitung 3,267 dan standar deviasi 0,088. Maka nilai p value adalah 0,001<0,05 sehingga Variabel Citra Merk berpengaruh secara signifikan terhadap Variabel Kepuasan Pelanggan secara statistik.

2.     Direct Effect atau Pengaruh Langsung Variabel Kualitas terhadap Variabel Kepuasan Pelanggan

Besarnya koefisien parameter untuk Variabel Kualitas terhadap Variabel Kepuasan Pelanggan adalah sebesar 0,320 yang berarti terdapat pengaruh positif  Variabel Kualitas terhadap Variabel Kepuasan Pelanggan. Peningkatan Variabel Kualitas akan meningkatkan Variabel Kepuasan Pelanggan  sebesar 32%. Berdasarkan perhitungan dengan menggunakan bootstrap atau resampling, dimana hasil uji koefisien estimasi Variabel Kualitas terhadap  Variabel Kepuasan Pelanggan hasil bootstrap adalah sebesar 0,316 dengan nilai t hitung 3,150 dan standar deviasi 0,101. Maka nilai p value adalah 0,002>0,05 sehingga Variabel Kualitas berpengaruh secara signifikan terhadap Variabel Kepuasan Pelanggan secara statistik.

3.     Direct Effect atau Pengaruh Langsung Variabel Promosi terhadap Variabel Kepuasan Pelanggan

Besarnya koefisien parameter untuk Variabel Promosi terhadap Variabel Kepuasan Pelanggan adalah sebesar 0,347 yang berarti terdapat pengaruh positif  Variabel Promosi terhadap Variabel Kepuasan Pelanggan. Peningkatan Variabel Promosi akan meningkatkan Variabel Kepuasan Pelanggan  sebesar 34,7%. Berdasarkan perhitungan dengan menggunakan bootstrap atau resampling, dimana hasil uji koefisien estimasi Variabel Promosi terhadap  Variabel Kepuasan Pelanggan hasil bootstrap adalah sebesar 0,349 dengan nilai t hitung 4,567 dan standar deviasi 0,076. Maka nilai p value adalah 0,000<0,05 sehingga Variabel Promosi berpengaruh secara signifikan terhadap Variabel Kepuasan Pelanggan secara statistik.

Hasil Indirect Effect atau pengaruh tidak langsung PLS SEM pada penelitian ini bahwa hasil analisis  Indirect Effectnya adalah kosong, membuktikan bahwa tidak ada variabel yang tidak berpengaruh secara langsung  melainkan semua variabel berpengaruh secara langsung seperti hasil analisa Direct Effect.

Berdasarkan hasil Bootstrapping Outer Loading pada penelitian ini bahwa semua indikator mempunyai nilai p value <0,05. Sehingga dapat disimpulkan bahwa semua indikator berdasarkan nilai outer loading adalah signifikan yang berarti pula semua indikator telah valid secara convergen berdasarkan penilaian bootstrapping terhadap outer loading.

Berdasarkan hasil bootstrapping PLS SEM terhadap Outer Weight, bahwa semua indikator mempunyai nilai p value <0,05. Sehingga dapat disimpulkan bahwa semua indikator berdasarkan nilai outer weight adalah signifikan yang berarti pula semua indikator telah valid secara convergen berdasarkan penilaian bootstrapping terhadap outer weight.

 

Kesimpulan

Dari pengujian hipotesa menggunakan Bootstrapping PLS SEM didapatkan masing – masing nilai tingkat signifikansi atau probabilitas dari direct effects, indirect effects dan total effects. Dengan demikian bahwa semua pertanyaan yang ada dalam rumusan masalah sudah terjawab dengan dilakukannya pengujian tersebut.

Berdasarkan hasil analisis yang telah dilakukan dalam penelitian ini, maka rumusan masalah dapat ditarik kesimpulan berdasarkan jawaban dari permasalahan adalah sebagai berikut:

a.   Variabel kualitas pelanggan berpengaruh secara positif dan signifikan  terhadap variabel kepuasan pelanggan.

b.   Variabel citra merk berpengaruh secara positif dan signifikan terhadap variabel kepuasan pelanggan.

c.   Variabel promosi berpengaruh secara positif dan signifikan terhadap variabel kepuasan pelanggan.

 

 

 

 

 

 

 

BIBLIOGRAFI

 

Andrea Lidwina. (2021). penggunaan-aplikasi-pesan-antar-makanan-indonesia-tertinggi-di-dunia. https://databoks.katadata.co.id/datapublish/2021/02/18/penggunaan-aplikasi-pesan-antar-makanan-indonesia-tertinggi-di-dunia

 

Aziza, N., & Hariyono, S. (2017). Analisis Kepuasan Dan Loyalitas Pelanggan Provider Dengan Pendekatan Structural Equation Modelling. Teknika: Engineering and Sains Journal, 1(2), 151. https://doi.org/10.51804/tesj.v1i2.261.151-156

 

Berutu, T. G., Hoyyi, A., & Sugito, S. (2018). Analisis Kepuasan Dan Loyalitas Pelanggan Dalam Pemesanan Tiket Pesawat Secara Online Menggunakan Pendekatan Partial Least Square (Pls). Jurnal Gaussian, 7(4), 361–372. https://doi.org/10.14710/j.gauss.v7i4.28863

 

Cangur, S. (2015). Comparison of Model Fit Indices Used in Structural Equation Modeling Under Multivariate Normality. Journal of Modern Applied Statistical Method, 14(1).

 

Dita, A. (2021). Layanan Makanan Pesan-Antar Shopee Food Mulai Dilirik. https://blog.netray.id/layanan-makanan-pesan-antar-shopee-food-mulai-dilirik/

 

Jaya, M. (2008). Pemodelan Persamaan Struktural Dengan Partial Least Square.

 

P Panca, W. A., Jamin Ariana, I. N., & Arismayanti, N. K. (2017). Pengaruh Kualitas Pelayanan Terhadap Loyalitas Wisatawan dan Citra Hotel Melati di Kelurahan Seminyak Kabupaten Badung Bali. Jurnal Kepariwisataan Dan Hospitalitas, 1(1), 65–72.

 

Sarstedt, M. (2017). Partial least squares structural equation modeling. Handbook of Market Research, 26, 1–40.

 

Sekaran, U. (2017). Research methods for business a skill-building approach (Print book). Chichester Wiley 2017.

 

Usada, U., Hakim, L., & Kurniawati, A. T. (2016). Analisis Pengaruh Kualitas Pelayanan Akademik Terhadap Loyalitas Mahasiswa Unusida Dengan Pendekatan Partial Least Square (Pls). Journal of Research and Technology, 2(2), 6–13.

 

Wibisono, O. N., Widjaja, D. C., Perhotelan, P. M., Ekonomi, F., & Petra, U. K. (2017). Pelanggan Di Pisa Kafe Surabaya.

 

Copyright holder:

Devi Damayanti, Firman Pratama (2022)

 

First publication right:

Syntax Literate: Jurnal Ilmiah Indonesia

 

This article is licensed under: