APLIKASI REGRESI LOGISTIK ORDINAL UNTUK MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA

Transkripsi

1 APLIKASI REGRESI LOGISTIK ORDINAL UNTUK MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA SKRIPSI Oleh: MAJID ALBANA NPM PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM UNIVERSITAS PAKUAN 3

2 APLIKASI REGRESI LOGISTIK ORDINAL UNTUK MENGANALISA TINGKAT KEPUASAN PENGGUNA JASA TERHADAP PELAYANAN DI STASIUN JAKARTA KOTA SKRIPSI Diajukan Sebagai Salah Salah Satu Syarat untuk Memperoleh Gelar Sarjana pada Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan Oleh: MAJID ALBANA NPM PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM UNIVERSITAS PAKUAN 3

3 i

4 ii

5 RIWAYAT HIDUP Majid Albana (6487) dilahirkan pada tanggal 4 November 99 di Depok, Jawa Barat. Penulis adalah anak pertama dari tiga bersaudara dari pasangan Bapak Mistam dan Ibu Murnihati. Pada tahun 996, penulis terdaftar sebagai siswa SD Negeri 4 Depok Baru Depok dan lulus tahun. Kemudian penulis melanjutkan sekolah ke SLTP Negeri Cibungbulang Bogor dan lulus tahun 5. Pada tahun 5 penulis melanjutkan pendidikan ke SMA Negeri Leuwiliang Bogor dan lulus tahun 8. Setelah lulus SMA tahun 8 penulis melanjutkan ke jenjang pendidikan Program S Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Pakuan Bogor. Pada masa kuliah pada bulan Januari, penulis melaksanakan Praktek Kerja Lapang (PKL) selama bulan yang bertempat di PT. Kereta Api Indonesia (Persero) Daop Jakarta. Selama menjadi mahasiswa Universitas Pakuan, penulis aktif dalam organisasi Himpunan Mahasiswa Matematika (HIMATIKA) periode 8 s.d.. Pada tahun Juni penulis berhasil menjadi pegawai PT. Kereta Api Indonesia (Persero) dan bekerja sebagai staff operasi perjalanan kereta api dan KRL di PT. Kereta Api Indonesia (Persero) Daop Jakarta. Tepat pada tanggal 8 Maret penulis menghabiskan masa lajangnya dengan menikahi seorang gadis bernama Maria Ulfah yang berprofesi sebagai bidan dan telah dianugrahi seorang putri cantik bernama Maisyanova Ayrazka Albana. iii

6 RINGKASAN MAJID ALBANA, Aplikasi Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota. Di bawah bimbingan FITRIA VIRGANTARI dan ANI ANDRIYATI. Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota. Atribut-atribut yang dianalisis yaitu 6 variabel independen dan variabel dependen. Variabel independen terdiri atas 6 variabel yang terbagi ke dalam 3 aspek yaitu variabel aspek pelayanan meliputi alur kendaraan, dropping penumpang, lokasi toilet, fasilitas pendukung, tempat duduk, tempat sampah, kebersihan toilet, turun naik penumpang, masuk keluar penumpang, porter; 8 variabel aspek keamanan meliputi ruang tunggu, area parkir, loket, lokasi petugas, keramahan petugas keamanan, kondisi kriminalitas, keberadaan pedagang dan sikap pedagang dan 7 variabel aspek komersial meliputi lokasi customer care, keramahan customer care, lokasi loket, antrian, complain solution, keramahan petugas loket dan waktu antrian sedangkan variabel dependennya adalah penilaian pelayanan stasiun Jakarta Kota secara global. Model regresi logistik ordinal digunakan sebagai metode analisisnya. Data penelitian didapat dengan cara membagikan kuisioner kepada responden di stasiun Jakarta Kota pada waktu peak hour. Hasil penelitian menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap kepuasan pengguna jasa di stasiun Jakarta Kota adalah lokasi toilet, kebersihan stasiun, turun naik penumpang, masuk keluar penumpang, ruang tunggu, loket, keramahan petugas keamanan, sikap pedagang, serta keramahan petugas customer care. Model regresi logistik ordinal aspek pelayanan, aspek keamanan dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 8,7%. Berdasarkan rasio odd dari responden diketahui peluang pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar,7 kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan, kali dibandingkan jawaban baik. Kata kunci : kepuasan pelanggan, regresi logistik ordinal, rasio odds. iv

7 KATA PENGANTAR Puji syukur kepada Tuhan Yang Maha Esa karena atas berkat dan karunia- Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul Aplikasi Regresi Logistik Ordinal untuk Menganalisa Tingkat Kepuasan Pengguna Jasa Terhadap Pelayanan di Stasiun Jakarta Kota. Shalawat serta salam senantiasa diberikan kepada junjungan Nabi Muhammad SAW beserta keluarga, sahabat dan para pengikutnya. Skripsi yang penulis susun berisi tentang penelitian tingkat kepuasan pengguna jasa kereta api dilihat dari pelayanan yang ada di stasiun Jakarta Kota menggunakan model regresi logistik ordinal dengan menggunakan kuisioner. Penulis berharap apa yang tertulis dalam skripsi ini dapat berguna bagi mahasiswa dan masyarakat yang membacanya. Penyusunan laporan skripsi ini tidak terhitungkan masalah dan hambatan yang datang, namun berkat dukungan, bantuan, bimbingan serta doa, skripsi ini dapat terselesaikan. Ucapan terima kasih penulis ucapkan kepada:. Ibu Dr. Fitria Virgantari, M.Si, Ir selaku pembimbing I.. Ibu Ani Andriyati, M.Si selaku pembimbing II. 3. Orang tua dan keluarga tercinta yang telah memberikan dukungan baik secara moril maupun materil. 4. Tim ISO 9:8 SMM Daop Jakarta. 5. Rekan-rekan mahasiswa matematika angkatan 8. Terlepas dari semua itu, penulis menyadari bahwa dalam skripsi masih terdapat kesalahan dan kekurangan dalam penulisannya. Kritik dan saran sangat penulis harapkan untuk perbaikan dan acuan dalam laporan hasil penelitian di kemudian hari. Bogor, April 3 Penulis v

8 DAFTAR ISI HALAMAN PENGESAHAN... i HALAMAN PERNYATAAN... ii RIWAYAT HIDUP... iii RINGKASAN... iv KATA PENGANTAR... v DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... x BAB I PENDAHULUAN. Latar Belakang.... Rumusan Masalah Tujuan Manfaat... 4 BAB II TINJAUAN PUSTAKA. Kualitas Pelayanan ISO 9 : 8 Sistem Manajemen Mutu Model Linear yang Digeneralisasikan Model Logit....5 Regresi Logistik Model Regresi Logistik Interpretasi Parameter dalam Model Regresi Logistik Asumsi-Asumsi Regresi Logistik Regresi Logistik Ordinal Model Logit Kumulatif Metode Kemungkinan Maksimum Fungsi Likelihood... 7 vi

9 .6.4 Uji Statistik D Uji Keberartian Model Uji Keberartian Parameter secara Parsial Rasio Odds... 9 BAB III METODOLOGI PENELITIAN 3. Jenis dan Sumber Data Variabel Operasional Metode Analisis... 3 BAB IV PEMBAHASAN 4. Uji Validitas dan Reliabilitas Kuisioner Uji Validitas Uji Reliabilitas Uji Multikolinearitas Deskripsi Responden Model Regresi Pengujian Parameter Model Regresi Uji Kebaikan Model (Goodness of Fit) Uji Keberartian Model Uji Wald Intrepretasi Model Koefisien Determinasi Model Rasio Odds BAB V PENUTUP 5. Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN... 5 vii

10 DAFTAR TABEL. Tipe Model Analisis Statistika Fungsi Hubungan Kanonik Variabel Penelitian Skala Kepuasan Hasil Uji Validitas Uji Reliabilitas Hasil Uji Multikolinearitas Model Regresi Kebaikan Model Uji Statistik G Uji Wald Koefisien Determinasi Frekuensi Jawaban Sampel Jawaban Responden viii

11 DAFTAR GAMBAR. Delapan Prinsip Manajemen Kurva Model Regresi Logistik Flowchart Metode Analisis Usia Responden Jenis Kelamin Responden Latar Belakang Pendidikan Responden Pekerjaan Responden Rutinitas Responden Menggunakan KA dalam Bulan Tujuan Responden Menggunakan KA Keragaman Variabel Defenden Terhadap Variabel Independen ix

12 DAFTAR LAMPIRAN. Pembuktian Persamaan Tujuh Kuisioner Penelitian Operasionalisasi Variabel Variabel View dan Data View dalam software SPSS Hasil Uji Validitas x

13 BAB I PENDAHULUAN. Latar Belakang Sistem transportasi di Indonesia sangatlah berperan penting sebagai penunjang, pendorong dan penggerak roda perekonomian dalam upaya peningkatan dan pemerataan pembangunan serta hasil-hasilnya. PT. Kereta Api Indonesia (KAI) Persero sebagai BUMN penyedia jasa moda transportasi menjadikan kereta api sebagai suatu pilihan tepat bagi masyarakat untuk dapat menempuh perjalanan tanpa hambatan. Kereta api dipilih karena memiliki karakteristik dan keunggulan yang lebih dibandingkan jasa angkutan lainnya seperti angkutan umum kota, bus, taksi dan travel. Selain itu kereta api mempunyai keunggulan dalam kapasitas angkut, baik orang maupun barang secara masal dan yang terpenting adalah time traveler yang lebih cepat dari transportasi darat lainnya. Tidak heran bila kereta api menjadi angkutan transportasi darat yang sangat diminati para penumpang untuk dapat dengan cepat sampai tujuan. Ramainya pengguna jasa kereta api menunjukkan bahwa kereta api menjadi transportasi darat yang relatif tinggi peminatnya. Menurut data penumpang seksi Angkutan Daop Jakarta periode tahun menunjukan bahwa setiap harinya di Daop Jakarta terdapat lebih dari 4. penumpang yang menggunakan jasa kereta api baik Kereta Rel Listrik (KRL), Kereta Rel Diesel (KRD), KA Lokal dan KA jarak jauh. Data ini pun selalu meningkat dari tahun ke tahunnya. Pelayanan Prima merupakan salah satu dari 5 nilai pilar utama PT. KAI (Persero) dalam berbagai usaha yang bersifat jasa untuk meraih persaingan pasar antar moda transportasi disamping peningkatan mutu dan bentuk-bentuk pelayanan lain. Memberikan pelayanan yang terbaik akan menimbulkan dampak positif dalam organisasi atau perusahaan, melalui berbagai cara, teknik, dan metode yang dapat menarik lebih banyak konsumen dan menjadi ciri bagi perusahaan dalam memberikan pelayanan yang memuaskan (Septina, ).

14 Kualitas pelayanan prima yang bertujuan menarik simpatik konsumen merupakan hal pokok yang harus selalu dipertahankan dan ditingkatkan oleh perusahaan terutama oleh PT. KAI (Persero). Pada umumnya masyarakat memilih produk yang mengutamakan kenyamanan. Kenyamanan bertransportasi kereta api yang akan berdampak pada kepuasan pengguna jasa antara lain pelayanan penjualan tiket yang ramah dan cepat, beroperasinya kereta secara rutin dan tepat waktu, lingkungan tertib dan teratur, ruang tunggu yang nyaman, bersih dan rapi, lingkungan stasiun yang sehat serta dilengkapi dengan fasilitas pendukung pelayanan seperti toilet, tempat ibadah dan lain-lain. Hal tersebut juga harus didukung oleh semua karyawan dalam perusahaan PT. KAI (Persero). Mulai pada tahun, PT. KAI (Persero) telah menghasilkan kualitas jasa yang sesuai dengan ISO 9 : 8 Sistem Manajemen Mutu (SMM) yang lebih mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa mengimplementasi sistem manajemen mutu. Selain itu ISO 9 : 8 SMM berfokus pada efektifitas proses continual improvement dengan pilar utama pola berpikir PDCA (Plan, Do, Check, Action). Berdasarkan ISO 9 : 8 SMM PT. KAI (Persero) khususnya Daop Jakarta telah memiliki stasiun bersertifikasi ISO, salah satunya adalah stasiun Jakarta Kota. Selama ini banyak penelitian terhadap pelayanan yang diberikan oleh PT. KAI (Persero) terhadap pengguna jasa. Namun, pada penelitian sebelumnya belum terdapat penelitian tentang pelayanan di stasiun dan penelitian sebelumnya hanya menggunakan metode kuantitatif umum yaitu regresi linear sederhana seperti yang dilakukan oleh Roji (8) dan Septina () yang melakukan penelitian terhadap pelayanan di atas kereta api. Metode tersebut hanya menghasilkan gambaran secara umum hasil penelitian tingkat kepuasan pengguna jasa kereta api sedangkan pada penelitian ini menggunakan analisis regresi logistik ordinal.menurut Garson (8) mempunyai asumsi bahwa regresi logistik tidak mengasumsikan suatu hubungan yang linear antara variabel respon dengan variabel bebasnya, tetapi mengasumsikan hubungan yang linear antara log odds dari variabel responnya dengan variabel bebasnya, sehingga hasil penelitian yang

15 didapat lebih spesifik menggambarkan model persamaan tingkat pengguna jasa kereta api terhadap tingkat kepuasannya. Aplikasi regresi logistik ordinal digunakan untuk mengetahui lebih jauh hubungan antara kepuasan pengguna jasa terhadap kualitas pelayanan. Caranya dengan melakukan penelitian mengenai analisis regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api untuk KA jarak jauh dan KA lokal non KRL PT. KAI (Persero) terhadap pelayanan stasiun Jakarta Kota.. Rumusan Masalah Melihat hal-hal yang berkaitan tentang persoalan tingkat kepuasan pengguna jasa kereta api stasiun terhadap pelayanan di stasiun Jakarta Kota maka diperlukan cara untuk mengetahui karakteristik prilaku dari pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL distasiun tersebut. Karakteristik prilaku dari pengguna jasa kereta api stasiun Jakarta Kota dapat dijadikan faktor-faktor yang mempengaruhi tingkat kepuasan pengguna jasa sehingga faktor yang dominan dapat diperbaiki dikemudian hari agar pelayanan di stasiun sesuai dengan prinsip ISO 9:8 yaitu PDCA (Plan, Do, Check and Action). Prinsip PDCA yang dilakukan oleh PT. KAI (Persero) sementara ini masih bersifat deskriptif sehingga diperlukan bentuk model regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun bersertifikasi ISO 9 : 8 SMM agar faktor-faktor yang dominan dapat diketahui dan dikerjakan sesuai prinsip PDCA..3 Tujuan Tujuan dari penelitian analisis regresi ordinal untuk menganalisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota adalah:. Mengidentifikasi prilaku dari pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL di stasiun Jakarta Kota. 3

16 . Mengetahui faktor-faktor yang mempengaruhi tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota. 3. Mengaplikasikan model analisis regresi logistik ordinal tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota..4 Manfaat Manfaat dari penelitian analisis tingkat kepuasan pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL terhadap kualitas pelayanan di stasiun Jakarta Kota adalah:. Hasil dari penelitian diharapkan memberikan sumbangan pemikiran bagi perusahaan jasa bidang transportasi PT. KAI (Persero) Daop Jakarta khususnya stasiun Jakarta Kota untuk dijadikan saran dalam meningkatkan kualitas pelayanan di stasiun Jakarta Kota serta dapat berorentasi pada kepuasaan konsumen sebagai salah satu dari 5 nilai perusahaan yaitu pelayanan prima kepada pelanggan.. Penelitian dapat digunakan untuk mengaplikasikan teori-teori yang sudah diperoleh selama perkuliahan dan melihat perbandingan antara teori dan hasil di lapangan. 3. Penelitian dapat dijadikan sebagai acuan dalam penelitian karya ilmiah yang sesuai dengan standar kompetensi yang berlaku dan sebagai bahan penelitian selanjutnya. 4. Penelitian dapat dijadikan sebagai bahan informasi mengenai kualitas pelayanan yang ada di stasiun Jakarta Kota, serta dapat dijadikan bahan perbandingan dengan kualitas pelayanan jasa stasiun lain yang telah bersertifikasi ISO 9 : 8 SMM. 4

17 BAB II TINJAUAN PUSTAKA. Kualitas Pelayanan Kualitas pelayanan publik merupakan salah satu yang menjadi perhatian utama bagi masyarakat umum yang diselenggarakan oleh pemerintah dan penyedia jasa publik. Peningkatan kualitas pelayanan publik yang diselenggarakan oleh instansi pemerintahan pada saat ini menjadi sorotan bahkan menjadi tuntutan masyarakat. Persoalan yang sering dikritik masyarakat atau para penerima layanan adalah persepsi terhadap kualitas yang melekat pada seluruh aspek pelayanan. Tjiptono (996) menyebutkan istilah kualitas mencakup pengertian:. Kesesuaian dengan persyaratan.. Kecocokan untuk pemakaian. 3. Perbaikan berkelanjutan. 4. Bebas dari kerusakan/cacat. 5. Pemenuhan kebutuhan pelanggan sejak awal dan setiap saat. 6. Melakukan segala sesuatu secara benar. 7. Sesuatu yang bisa membahagiakan pelanggan. Namun demikian setiap jenis pelayanan publik yang diselenggarakan oleh instansi-instansi pemerintah tentu mempunyai kriteria kualitas tersendiri. Hal ini terkait erat dengan atribut pada masing-masing jenis pelayanan. Ciri-ciri yang ada dalam kualitas tersebut menurut Tjiptono (996) adalah:. Ketepatan waktu pelayanan meliputi waktu tunggu dan waktu proses.. Akurasi pelayanan meliputi bebas dari kesalahan-kesalahan. 3. Kesopanan dan keramahan dalam memberikan pelayanan. 4. Kemudahan mendapatkan pelayanan, misalnya banyaknya petugas yang melayani dan banyaknya fasilitas pendukung seperti komputer. 5. Kenyamanan memperoleh pelayanan, berkaitan dengan lokasi, ruang tempat pelayanan, tempat parkir, ketersediaan informasi dan lain-lain. 5

18 6. Atribut pendukung pelayanan lainnya seperti ruang tunggu ber AC, kebersihan dan lain-lain. Menurut pendapat diatas diketahui bahwa kualitas pelayanan mencakup berbagai faktor yaitu kualitas pelayanan publik merupakan hasil interaksi aspek pelayanan, sumber daya manusia, strategi dan pengguna jasa. Tuntutan pengguna jasa untuk mendapatkan pelayanan yang lebih baik (service excellence) tidak dapat dihindari oleh penyelenggara pelayanan jasa. Tuntutan tersebut harus disikapi sebagai upaya dalam memberikan kepuasan kepada pelanggan. Kepuasan penerima layanan sangat berkaitan dengan kualitas pelayanan yang diberikan seperti yang diungkapkan Tjiptono (996) bahwa kualitas memiliki hubungan yang sangat erat dengan kepuasan pelanggan. Menurut Kotler dalam Tjiptono (996) mengatakan bahwa kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan kinerja atau hasil yang dirasakan dibandingkan dengan harapannya. Setiap pelanggan tentu menghendaki kepuasan dalam menerima suatu layanan sedangkan ukuran keberhasilan penyelenggaraan pelayanan ditentukan oleh tingkat kepuasan penerima layanan. Kepuasan penerima layanan dicapai apabila penerima layanan memperoleh pelayanan sesuai dengan yang dibutuhkan dan diharapkan. Kebutuhan para penerima layanan harus dipenuhi oleh pihak penyelenggara pelayanan agar para penerima layanan tersebut memperoleh kepuasan maka dari itu diperlukan suatu pemahaman tentang konsepsi kualitas pelayanan. Menurut Tjiptono (996) kualitas pelayanan diartikan sebagai tingkat keunggulan yang diharapkan dan pengendalian atas tingkat keunggulan tersebut untuk memenuhi keinginan pelanggan. Kualitas pelayanan bukanlah dilihat dari sudut pandang pihak penyelenggara atau penyedia layanan melainkan berdasarkan persepsi masyarakat (pelanggan) penerima layanan. Berdasarkan penjelasan di atas maka pengertian kualitas pelayanan adalah terpenuhinya karakteristik suatu konsep pelayanan yang mencakup seluruh aspek pelayanan dan tolak ukur kualitas pelayanan itu adalah dapat memberi kepuasan kepada para pelanggan atau penerima layanan. 6

19 . ISO 9 : 8 Sistem Manajemen Mutu ISO 9 merupakan standar international yang mengatur tentang sistem manajemen mutu (Quality Management System) oleh karena itu seringkali disebut sebagai ISO 9 QMS. Adapun tulisan 8 menunjukkan tahun revisi maka ISO 9 : 8 adalah sistem manajemen mutu ISO 9 hasil revisi tahun 8. Seiring perkembangan zaman dan kemajuan teknologi terutama semakin luasnya dunia usaha maka kebutuhan akan pengelolaan sistem manajemen mutu semakin dirasa perlu dan mendesak untuk diterapkan pada berbagai scope industry yang semakin hari semakin beragam. Organisasi pengelola standar international ini adalah International Organization for Standardization yang bermarkas di Geneva Swiss, didirikan pada 3 Februari 947, kini beranggotakan lebih dari 47 negara yang mana setiap negara diwakili oleh badan standardisasi nasional. ISO 9 : 8 lebih mengedepankan pada pola proses bisnis yang terjadi dalam organisasi perusahaan sehingga hampir semua jenis usaha atau semua jenis perusahaan bisa mengimplementasi sistem manajemen mutu ISO 9. Selain itu ISO 9 : 8 berfokus pada efektifitas proses continual improvement dengan pilar utama pola berpikir PDCA (Plan, Do, Check, Action) dalam setiap prosesnya senantiasa melakukan kegiatan sebagai berikut:. Perencanaan yang matang (Plan).. Implementasi yang terukur dengan jelas (Do). 3. Dilakukan evaluasi dan analisis data yang akurat (Check). 4. Tindakan perbaikan yang sesuai dan monitoring pelaksanaannya agar benar-benar bisa menuntaskan masalah yang terjadi di organisasi (Action). Pilar berikutnya yang digunakan demi mensukseskan proses implementasi ISO 9 : 8 SMM, ditetapkanlah delapan prinsip manajemen mutu yang bertujuan untuk mengimprovisasi kinerja sistem agar proses yang berlangsung sesuai dengan fokus utama yaitu effectivitas continual improvement. Delapan prinsip manajemen yang dimaksud adalah: 7

20 Mutual Beneficial Supplier Relationship Customer Focus Factual Approach Decision Making Leadership Continual Improvement Involvement Of People System Approach Management Process Approach Gambar. Delapan Prinsip Manajemen. Customer focus: Semua aktifitas perencanaan dan implementasi sistem semata-mata untuk memuaskan konsumen.. Leadership: Pimpinan tertinggi berfungsi sebagai pemimpin dalam mengawal implementasi sistem bahwa semua gerak organisasi selalu terkontrol dalam satu komando dengan komitmen yang sama dan gerak yang sinergi pada setiap elemen organisasi. 3. Involvement of people: Semua elemen dalam organisasi terlibat dan concern dalam implementasi sistem manajemen mutu sesuai fungsi kerjanya masingmasing, bahkan hingga office boy sekalipun hendaknya senantiasa melakukan yang terbaik dan membuktikan kinerjanya layak serta berkualitas pada fungsinya sebagai office boy. 4. Process approach: Aktifitas implementasi sistem selalu mengikuti alur proses yang terjadi dalam organisasi. Pendekatan pengelolaan proses dipetakan melalui proses bisnis. 5. System approach management: Implementasi sistem mengedepankan pendekatan pada cara pengelolaan (manajemen) proses bukan sekedar menghilangkan masalah yang terjadi. Oleh karena itu konsep kaizen, continual improvement sangat ditekankan. Pola pengelolaannya bertujuan 8

21 memperbaiki cara dalam menghilangkan akar (penyebab) masalah dan melakukan improvement untuk menghilangkan potensi masalah. 6. Continual improvement adalah roh implementasi ISO 9 : 8 SMM. 7. Factual approach decision making: Keputusan dalam implementasi sistem selalu didasarkan pada fakta dan data. Tidak ada data (bukti implementasi) sama dengan tidak dilaksanakannya sistem ISO 9 : 8 SMM. 8. Mutual beneficial supplier relationship: supplier adalah mitra usaha atau partner bisnis karena itu harus terjadi pola hubungan saling menguntungkan..3 Model Linear yang Digeneralisasikan Model linear yang digeneralisasi sebagai suatu cara untuk menyatukan model statistika yang berbeda dengan satu aturan yaitu menyatukan model regresi dan model desain eksperimen. Menyatukan model regresi linear biasa yang berdistribusi normal dan model nonlinear seperti logistik dan regresi Poisson (Montgomery et al, 6). Tabel memperlihatkan tipe model statistika yang berbeda. Tabel. Tipe Model Analisis Statistika Komponen Fungsi Komponen Acak Hubungan Sistematik Model Normal Identitas Kontinu Regresi Normal Identitas Kategorik Analisis Varians Normal Identitas Campuran Analisis Kovarians Bernouli Logit Campuran Regresi logistik biner Poisson Log Campuran Loglinear Multinomial Logit yang digeneralisasi Campuran Regresi Logistik Multinomial Agresti (99) menjelaskan konsep keluarga model linear yang digeneralisasi yang memuat model-model penting untuk data kategorik, sebagaimana model regresi baku dan analisis varians untuk variabel respon kontinu. Model linear yang digeneralisasi memiliki tiga komponen yaitu:. Komponen Acak Komponen acak model linear yang digeneralisasi menentukan pengamatan-variabel respon Y i = (Y, Y,..., Y n ) dan memilih distribusi 9

22 peluang untuk (Y, Y,..., Y n ) dari suatu distribusi keluarga eksponensial dengan Y, Y,..., Y n saling bebas. Setiap Y i memiliki fungsi kepadatan peluang berbentuk. y i, θ i = a θ i b y i exp y i Q θ i () Pada model linear yang digeneralisasi, distribusi variabel respon haruslah anggota dari keluarga eksponensial yang terdiri dari distribusi normal, poisson, binomial, normal invers, eksponensial dan distribusi gamma sebagai anggota-anggotanya. Nilai dari parameter θ i dalam persamaan () bisa bervariasi untuk i =,,3,..., n. Hal ini bergantung pada nilai-nilai variabel bebasnya. Bentuk Q(θ) disebut parameter asli dari suatu distribusi eksponensial.. Komponen Sistematik Nilai harapan Y yaitu rata-rata dari distribusi peluang dapat dinotasikan oleh μ = E(Y). Pada model linear yang digeneralisasi, nilai μ bervariasi menurut tingkatan variabel bebas. Komponen sistematik model linear yang digeneralisasi dengan menyatakan variabel bebas dimana variabel bebas masuk secara linear sebagai prediktor pada ruas kanan persamaan model. β + β i x i + + β k x k () Kombinasi linear dari variabel bebasnya disebut prediktor linear. 3. Fungsi Hubungan (Link Function) Komponen ketiga model linear yang digeneralisasi adalah fungsi hubungan (link function) yang menggambarkan hubungan fungsional antara komponen sistematik dan nilai ekspektasi (rata-rata) dari komponen acak. Komponen ini menentukan bagaimana μ = E Y dihubungkan dengan variabel bebas dalam prediktor linear. Rata-rata μ dapat dimodelkan secara langsung atau fungsi g μ yang monoton dimodelkan dari rata-ratanya. g μ = β + β i x i + + β k x k (3)

23 Fungsi hubungan sederhana memiliki bentuk g μ = μ. Bentuk ini memodelkan rata-rata secara langsung dan disebut fungsi hubungan identitas (identity link). Model linear untuk rata-rata variabel respon adalah: μ = β + β i x i + + β k x k (4) Persamaan (4) adalah bentuk model regresi biasa untuk variabel respon kontinu. Fungsi hubungan yang mentransformasikan rata-rata ke parameter aslinya disebut fungsi hubungan kanonik (cannonical link). Misalnya, g μ = Q θ dan Q θ = β + β i x i + + β k x k. Berikut ini disajikan tabel fungsi hubungan kanonik untuk model linear yang digeneralisasi. Tabel. Fungsi Hubungan Kanonik Distribusi Fungsi Hubungan Kanonik Normal β + β i x i + + β k x k = μ i (fungsi hubungan identitas) Binomial Poisson β + β i x i + + β k x k = In( π i π i ) (fungsi hubungan logit) β + β i x i + + β k x k = In λ (fungsi hubungan log) Eksponensial β + β i x i + + β k x k = λ i (fungsi hubungan resiprokal) Gamma β + β i x i + + β k x k = λ i (fungsi hubungan resiprokal).4 Model Logit Banyak variabel respon kategori yang hanya memiliki dua kategori. Pengamatan dari setiap subjek ini bisa diklasifikasikan sebagai sukses atau gagal. Misalnya menyatakan sukses dan menyatakan gagal. Maka peluang-peluang distribusi Bernoulli untuk variabel acak biner Y dengan dua kejadian (sukses dan gagal) adalah P Y = = π dan P Y = = π, dimana π = E Y. Jika Y i berdistribusi Bernoulli dengan parameter π i, fungsi kepadatan peluangnya adalah: y f y i ; π i = π i i π y i i = π i [ ] yi, y π i =, i f y i ; π i = π i exp [y i log π i π i ], y i =, (5) π i

24 Distribusi diatas termasuk ke dalam keluarga eksponensial asli dengan parameter asli Q π = In [ π π ] dan log odds dari variabel respon Y sama dengan, disebut logit π. Model linear yang digeneralisasi yang menggunakan fungsi hubungan logit disebut model logit. Model logit merupakan model yang digunakan untuk model regresi logistik..5 Regresi Logistik Penjelasan regresi logistik merupakan bagian dari model-model stastistika yang disebut model linear yang digeneralisasi. Dilihat dari variabel bebasnya regresi logistik terbagi menjadi dua yaitu regresi logistik sederhana (hanya memiliki satu variabel bebas) dan regresi logistik berganda (memiliki lebih dari satu variabel bebas) sedangkan jika dilihat dari variabel responnya, regresi logistik dibedakan menjadi dua yaitu regresi logistik biner (variabel responnya dichotomous atau hanya memiliki dua kategori) dan regresi logistik multinomial (variabel responnya memiliki lebih dari dua kategori atau polytomous). Regresi logistik hanya memiliki satu variabel respon yaitu variabel respon kategori sedangkan variabel kontinu tidak digunakan sebagai variabel respon. Regresi logistik sebenarnya sama dengan analisis regresi berganda, hanya saja variabel-variabel terikatnya merupakan variabel dummy ( dan ). Contohnya pengaruh beberapa rasio perjalanan kereta terhadap keterlambatan perjalanan kereta api. Maka variabel terikatnya adalah jika terlambat dan jika tidak terlambat (tepat). Pada regresi logistik tidak diperlukan asumsi normalitas meskipun screening dan outlier dapat dilakukan..5. Model Regresi Logistik Model regresi logistik adalah model regresi yang setiap peubah terikat atau responnya mensyaratkan berupa peubah kategorik sedangkan menurut Hosmer (989) metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval.

25 Pada kasus-kasus struktur model-model tersebut yang menunjukan hubungan garis lengkung antara x dan π x. Hubungan garis lengkung antara x dan π x diilustrasikan seperti pada Gambar. Gambar. Kurva Model Regresi Logistik Fungsi yang memiliki bentuk seperti pada Gambar diatas adalah sebagai berikut: π x = exp(β + β x) + exp(β + β x) Disebut fungsi regresi logitik. Rumus ini memperlihatkan bahwa ketika x, π x jika β < dan π x jika β >. Jika β, kurvanya cenderung membentuk garis horizontal dan jika modelnya dipenuhi dengan β = maka variabel respon biner Y akan saling bebas pada x. Jika persamaan (6) ditransformasi menjadi bentuk logit maka persamaan berikut akan diperoleh: logit π x = In (6) π x π x = β + β x (7) (Pembuktian dapat dilihat pada Lampiran ) Persamaan (7) di atas merupakan bentuk persamaan linear log odds peluang sukses dan variabel bebasnya dengan demikian fungsi hubungannya adalah 3

26 transformasi log odds yang disebut logit. Model regresi logistik pada persamaan (7) merupakan bentuk model regresi logistik biner sederhana dengan satu variabel bebas. Model umum dari regresi logistik biner dengan x i =(x i,x i,...x ik ) menyatakan grup ke-i dari k variabel bebas, i=,,...,i, x i = adalah: π x i = exp ( k p= β px ip ) k, p =,,, k (8) + exp ( β p x ip ) p= β = α ketika x i = dan merupakan perpotongan (intercept) dari model regresi logistik..5. Interpretasi Parameter dalam Model Regresi Logistik Jika persamaan (8) di atas ditulis kembali sebagai g x = logit π x = In π x π x = β + β x (9) g x merupakan fungsi hubungan dari model regresi logistik yang disebut fungsi hubungan logit. Variabel prediktor yang diamati merupakan variabel kategorik dengan lebih dari dua kategori (polytomous) maka interpretasi parameter untuk variabel ini menggunakan bantuan variabel dummy. Jika terdapat J kategori, akan digunakan (J-) variabel dummy dengan satu buah kategori akan dijadikan sebagai kategori referensi. Interpretasi dilakukan dengan cara yang sama dengan interpretasi pada variabel prediktor dikotomi yaitu tiap-tiap kategori dibandingkan dengan kategori rujukannya..5.3 Asumsi-Asumsi Regresi Logistik Berikut ini adalah asumsi yang digunakan dalam regresi logistik (Garson, 8):. Regresi logistik tidak mengasumsikan suatu hubungan yang linear antara variabel respon dengan variabel prediktornya tetapi mengasumsikan hubungan yang linear antara log odds dari variabel responnya dengan variabel prediktornya. 4

27 . Variabel responnya tidak harus berdistribusi normal (tetapi diasumsikan distribusinya berada dalam keluarga distribusi eksponensial, seperti normal, poisson, binomial, gamma). 3. Variabel responnya tidak harus homoskedastis untuk setiap kategori dari variabel prediktornya yaitu tidak ada homogenitas asumsi variansi (variansi tidak harus sama dalam kategori). 4. Galatnya tidak diasumsikan berdistribusi normal. 5. Regresi logistik tidak mengharuskan bahwa semua variabel prediktornya merupakan data interval. 6. Penambahan atau pengurangan alternatif variabel tidak mempengaruhi odds yang diasosiasikan. 7. Tidak adanya multikollinearitas. 8. Tidak ada outlier seperti dalam regresi linear. 9. Galat diasumsikan saling bebas.. Galat yang rendah dalam variabel bebasnya.. Pengkodean berarti (meaningful coding). Koefisien-koefisien logistik akan sulit diinterpretasikan jika kodenya tidak berarti..6 Regresi Logistik Ordinal Regresi logistik ordinal adalah perluasan dari regresi logistik biner dimana regresi logistik ordinal merupakan salah satu metode statistika untuk menganalisis data dengan variabel respon merupakan skala ordinal yang terdiri dari tiga kategori atau lebih dan variabel prediktor merupakan covariate (jika menggunakan skala interval atau rasio) atau bisa merupakan faktor (jika menggunakan skala nominal atau ordinal)..6. Model Logit Kumulatif Model yang dapat dipakai untuk regresi logistik ordinal adalah model logit. Model logit tersebut adalah model logit kumulatif, pada model ini terdapat sifat ordinal dari respon Y yang dituangkan dalam peluang kumulatif sehingga model logit kumulatif merupakan model yang didapatkan dengan cara membandingkan 5

28 peluang kumulatif yaitu peluang kurang dari atau sama dengan ketegori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor X, P(Y j X) dengan peluang lebih besar daripada kategori respon ke-j, P(Y>j X) (Hosmer dan Lemeshow, ). Peluang kumulatif, P(Y j X) didefinisikan sebagai berikut: P Y j X = exp β p j + k= β k x k p + exp β j + β k x k k= Keterangan j=,,...j adalah kategori respon (Agresti, 99).6. Metode Kemungkinan Maksimum Tujuan digunakannya metode kemungkinan maksimum adalah untuk menjelaskan peluang pengamatan sebagai suatu fungsi dari parameter yang tidak diketahui dapat dibangun dengan suatu fungsi yang disebut likelihood function. Metode digunakan untuk memaksimumkan nilai dari fungsi tersebut digunakan metode kemungkinan maksimum (Hosmer dan Lemeshow, ). Cara untuk menaksir parameter pada regresi logistik ordinal adalah dengan metode kemungkinan maksimum. Kategori respon pada regresi logistik ordinal mempunyai urutan atau ordering maka model logit yang digunakan adalah model logit kumulatif. Model logit multiple respon dalam model logit adalah: Logit P Y j X = θ j + β T X, j =,,, J () Keterangan bahwa θ adalah vektor parameter intersep dan β T = (β, β,, β p )adalah vektor parameter kemiringan atau slope. Jika θ j < θ j + maka model ini adalah model kumulatif dengan kemiringan yang sama yaitu model garis regresi yang berdasarkan pada peluang kumulatif kategori respon. Jika Y j X = π X + π X + + π j X maka: Y X = π X Y X = π X + π X 3 Y j X = π X + π X + + π j X 4 6

29 adalah: Jika terdapat J kategori respon maka model logistik ordinal yang terbentuk Logit Y = In Y Y = θ + β X + β X + + β p X p 5 Logit Y = In Y Y = θ + β X + β X + + β p X p 6 Logit Y J = In Y J Y J = θ J + β X + β X + + β p X p 7 eθ j β T x Y j X = π X + π X + + π j X =, j =,, J 8 + e θ j β T x Model diatas merupakan model logit kumulatif sebab odds rasio kejadian (Y j) adalah independen pada setiap indikator kategori..6.3 Fungsi Likelihood Menurut Kim (4) ketika lebih dari satu observasi Y muncul pada nilai X i adalah cukup dengan mencatat jumlah observasi n ji dan jumlah hasil j untuk j=,,...,j. Maka [Y i i =,,, n] adalah variabel acak yang berdistribusi multinomial independen dengan E Y i = n ij γ j X i dimana n i + + n Ji = sedemikian sehingga dapat dinyatakan: R i = n i, R i = n i + n i (9) R Ji = Peluang kumulatif digunakan dalam menaksir parameter maka likelihood dapat ditulis sebagai perkalian J- kategori, sehingga FKP bersama dari (Y, Y, Y n ) adalah sama dengan perkalian n fungsi multinomial. L θ, β = Fungsi likelihoodnya adalah: n i= R Y i i Y i Y i Y i Y i R i R i X Y i Y 3i R Y3i Y i Y 3i R 3i R i X Y J i Y Ji R J i 7

30 = Y Ji Y (J )i Y Ji R Ji R (J )i.6.4 Uji Statistik D Deviance didasarkan pada kriteria rasio likelihood untuk membandingkan model current (model tanpa peubah penjelas) dengan model penuh (model dengan peubah penjelas). Statistik uji Deviance didefinisikan dengan rumus D g n i y i ln yi ln i yi ˆ xi xi... p xip ˆ i yi dengan g xi g x exp ˆ, exp, i =,,, n. () i Statistik D akan mengikuti sebaran dengan derajat bebas n-p. Kriteria Keputusan yang diambil yaitu menolak H jika D hitung > n p (Ryan, 997)..6.5 Uji Keberartian Model Prosedur uji perbandingan kemungkinan (ratio likelihood test) dapat digunakan untuk menguji keberartian model regresi logistik. Statistik uji-g digunakan untuk menguji peranan variabel penjelas di dalam model secara bersama-sama (Hosmer & Lemeshow, 989). Uji ini membandingkan model lengkap (model dengan variabel prediktor) terhadap model yang hanya dengan konstanta (model tanpa variabel prediktor) untuk melihat apakah model yang hanya dengan konstanta secara signifikan lebih baik dari model lengkap dengan rumus sebagai berikut: G = In likeliood (Model B) likeliood (Model A) () Keterangan model B = model yang hanya terdiri dari konstanta saja dan model A = model lengkap (model dengan variabel prediktor). Hipotesis dari persamaan diatas adalah H : β = β = = β p = dan H : minimal terdapat β p. Kriteria ini mengambil taraf nyata α maka H ditolak jika G > X (α,v) dimana v adalah banyaknya variabel prediktor. 8

31 .6.6 Uji Keberartian Parameter secara Parsial Menurut Kleinbaum dan Klein () Uji Wald dapat digunakan untuk menguji ketika hanya ada satu parameter yang diuji. Statistik uji Wald dihitung dengan membagi parameter yang ditaksir oleh galat baku dari parameter yang ditaksir. Z = β ki SE(β ki ) (3) β ki adalah penaksir β ki dan SE(β ki ) adalah penaksir galat baku β ki. Statistik uji ini berdistribusi normal dalam ukuran sampel yang besar. Kuadrat statistik uji yang berdistribusi normal ini adalah statistik chi-kuadrat dengan derajat kebebasan, v sama dengan, yaitu: Z = β ki SE(β ki ) (4) Hipotesis H : β ki = (parameter dalam model, untuk variabel prediktor kek dengan kategori ke-i tidak berarti) dan hipotesis alternatifnya H : β ki (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i berarti). Kriteria pengujian mengambil taraf nyata α maka H ditolak jika Z > X (α,)..7 Rasio Odd Regresi logistik juga menghasilkan rasio peluang (odds ratio) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (odds ratio) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > ) atau turun (rasio peluang < ) ketika nilai variabel prediktor meningkat sebesar unit. Pada teori peluang dan statistika, peluang dari suatu kejadian (event) diberi kuantitas p p, dimana p menyatakan peluang dari kejadian yang terjadi p 9

32 menyatakan peluang dari kejadian yang tidak terjadi. Odds sebenarnya merupakan peluang-peluang relatif. Hal yang berbeda dengan peluang adalah bahwa peluang menyatakan kesempatan dari suatu kejadian yang terjadi sedangkan odds adalah rasio peluang kejadian yang tidak terjadi. Logaritma asli (natural logarithm) odds adalah logit dari peluang kejadian yang terjadi, yaitu: logit p = ln p p (5) Rasio dari odds kejadian yang terjadi dalam suatu grup terhadap odds kejadian yang terjadi dalam grup lain dinamakan rasio odds dan dinotasikan dengan OR. Jika peluang-peluang kejadian yang terjadi dari setiap grup adalah p (grup pertama) dan q (grup kedua) maka rasio oddsnya adalah: OR = p p q q = p( q) q( p) Logaritma asli rasio odds adalah selisih logit-logit peluang kejadian yang terjadi ln OR = logit p logit q = Sifat-sifat rasio odds : (6) ln ( p p ) ln ( q q ) (7). Rasio odds, OR = mengindikasikan bahwa peluang kejadian yang terjadi pada kedua grup adalah sama.. Rasio odds, OR > mengindikasikan bahwa peluang kejadian yang terjadi pada grup pertama lebih besar daripada grup kedua. 3. Pada odds, OR < mengindikasikan bahwa peluang kejadian yang terjadi pada grup pertama lebih kecil daripada grup kedua. 4. Rasio odds harus lebih besar dari atau sama dengan atau OR. 5. Rasio odds harus mendekati nol jika odds dari grup pertama mendekati nol. 6. Rasio odds akan mendekati positis tak terhingga jika odds dari grup kedua mendekati nol.

33 BAB III METODOLOGI PENELITIAN 3. Jenis dan Sumber Data Pada penelitian untuk menganalisis tingkat kepuasan pengguna jasa kereta api terhadap pelayanan di stasiun Jakarta Kota digunakan tipe data yaitu data primer dan data sekunder. Data primer merupakan data yang dikumpulkan dan diolah sendiri oleh peneliti. Data primer dalam penelitian ini didapatkan dengan menyebar kuisioner kepada responden yang berada di stasiun Jakarta Kota (kuisioner terlampir pada Lampiran ). Data sekunder adalah data yang bersifat menunjang suatu penelitian. Data sekunder dalam penelitian adalah data mengenai penumpang, tata cara pelayanan yang telah ditetapkan PT. KAI (Persero) berdasarkan surat keputusan Direksi PT. KAI (Persero) No : KEP. U/OT.3/I/4/KA- tanggal Januari tentang penjaminan mutu. 3. Variabel Operasional Variabel yang digunakan dalam penelitian ini adalah variabel tentang prilaku pengguna jasa kereta api KA jarak jauh dan KA lokal non KRL sebagai variabel independen atau variabel bebas dan kepuasan pelanggan sebagai variabel dependen atau variabel terikat. Variabel independen terdiri atas 6 variabel yang terbagi kedalam 3 aspek yaitu variabel aspek pelayanan, 8 variabel aspek keamanan dan 7 variabel aspek komersial sedangkan variabel dependennya yaitu penilaian pelayanan stasiun secara global.

34 Tabel 3. Variabel Penelitian Variabel Pertanyaan Variabel Pertanyaan Variabel Bebas Aspek Pelayanan X 5 (K4) Lokasi Petugas X (P) Flow Kendaraan X 6 (K5) Keramahan Petugas Keamanan X (P) Dropping Penumpang X 7 (K6) Kondisi Kriminalitas X 3 (P3) Lokasi Toilet X 8 (K7) Keberadaan Pedagang X 4 (P4) Fasilitas Pendukung X 9 (K8) Sikap Pedagang X 5 (P5) Tempat Duduk Variabel Bebas Aspek Komersial X 6 (P6) Tempat Sampah X (Ko) Lokasi Customer Care X 7 (P7) Kebersihan Stasiun X (Ko) Keramahan Customer Care X 8 (P8) Kebersihan Toilet X (Ko3) Lokasi Loket X 9 (P9) Turun Naik Penumpang X 3 (Ko4) Antrian X (P) Masuk Keluar Penumpang X 4 (Ko5) Complain Solution X (P) Porter X 5 (Ko6) Keramahan Petugas Loket Variabel Bebas Aspek Keamanan X 6 (Ko7) Waktu Antrian X (K) Ruang Tunggu Variabel Tak Bebas Pelayanan Global Stasiun X 3 (K) Area Parkir Y Penilaian Pelayanan Global X 4 (K3) Loket Secara lebih rinci operasionalisasi variabel dalam penelitian terdapat pada Lampiran 3 sedangkan variabel view dan data view software SPSS dapat dilihat pada Lampiran 4.

35 3.3 Metode Analisis Gambar 3. Flowchart Metode Analisis Metode yang akan digunakan dalam analisis tingkat kepuasan pengguna jasa kereta api terhadap pelayanan di stasiun Jakarta Kota adalah sebagai berikut:. Studi Pendahuluan Studi pendahuluan dilakukan dengan cara studi pustaka di pusat data informasi PT. KAI (Persero) Daop Jakarta untuk mengetahui karakteristik pelayanan yang disediakan di stasiun Jakarta Kota dan untuk mengetahui target penumpang kereta api yang akan dijadikan responden sesuai dengan surat keputusan direksi tentang standar pelayanan minimum dan aturan Menpan RI. Hasil dari studi pendahuluan dapat dijelaskan sebagai berikut: a. Tingkat kepuasan pengguna jasa kereta api di stasiun Jakarta Kota dibagi menjadi 5 karakteristik secara umum yaitu demografi responden, aspek 3

36 pelayanan, aspek keamanan dan ketertiban, aspek komersial dan aspek penilaian pelayanan global secara umum. b. Target penumpang yang akan diambil sebagai sampel adalah penumpang KA jarak jauh dan KA lokal non KRL sebab untuk penumpang KRL tingkat kepuasan dari pelayanan yang diberikan kurang menjadi perhatian bagi pengguna jasa KRL.. Penyusunan Instrumen Penyusunan instrumen kuisioner dilakukan dengan melihat aspekaspek yang didapat pada studi literatur untuk stasiun Jakarta Kota. Pertanyaan yang berupa aspek-aspek penelitian menggunakan empat skala dengan rincian sebagai berikut: Tabel 4. Skala Kepuasan Skala Keterangan 3 Sangat Baik Baik Cukup Buruk 3. Uji Validitas dan Reliabilitas Menurut Simamora (4) pengujian bertujuan untuk menentukan peubah yang akan diukur dalam kuesioner yang akan diajukan. Validitas adalah suatu ukuran yang menunjukkan kevalidan atau kesahihan suatu instrumen. Suatu instrumen dianggap valid, apabila mampu mengukur apa yang diinginkan. Uji validitas dilakukan sebelum kuesioner disebar kapada responden yang menjadi instrumen penelitian dengan cara analisis butir yaitu menghitung korelasi antar masing-masing pernyataan dengan skor total dengan menggunakan rumus korelasi pearson product moment, yaitu : N XY ( X. Y) r k = (8) N. X X (N. Y Y 4

37 Keterangan: r k = Korelasi product moment ke-k. X = Skor butir pertanyaan. Y = Skor total. N = Jumlah responden. Reliabilitas adalah tingkat keandalan kuesioner yang menunjuk pada pengertian apakah sebuah instrumen dapat mengukur sesuatu secara konsisten dari waktu ke waktu. Uji reliabilitas pada unsur persepsi mutu digunakan rumus Cronbach Alpha. r k k b t Keterangan: r = Koefesien Alpha Cronbach. k = Banyaknya butir pertanyaan. b = Jumlah ragam butir pertanyaan. (9) t = Ragam total. 4. Uji Kebebasan Antar Variabel (Multikolinearitas) Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen maka uji jenis ini hanya diperuntukan untuk penelitian yang memiliki variabel independen lebih dari satu. Multikolinearitas dapat dilihat dengan menganalisis nilai VIF (Variance Inflation Factor). Suatu model regresi menunjukkan adanya multikolinearitas jika:. Tingkat korelasi > 95%.. Nilai Tolerance <,. 3. Nilai VIF >. 5

38 Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen (Ghozali, 7). 5. Pengambilan, Entry dan Verifikasi Data Pengambilan data dari kuisioner yang ada dilakukan di stasiun Jakarta Kota pada peak hour pada kereta api jarak jauh dan kereta api lokal non KRL yaitu pada pagi hari antara pukul dan Pengambilan data dilakukan minggu. Setelah data didapat maka dilakukan verifikasi data dengan cara memeriksa dan memastikan setiap kuisioner yang telah dijawab oleh responden. 6. Analisis Deskriptif Kegiatan dilakukan untuk melihat gambaran secara umum dari data karakteristik pengguna jasa dan variabel-variabel yang akan di analisis menggunakan regresi logistik ordinal seperti total pemilih dan frekuensi. Analisis deskriptif disajikan dalam bentuk diagram batang dan pie. 7. Pembuatan dan Pendugaan Model Regresi Logistik Pembuatan model dilakukan menggunakan persamaan (5, 6, 7 dan 8) dan peluang frekuensi kumulatifnya dengan persamaan (). 8. Pengujian Parameter a. Metode Deviance Statistik uji Deviance dilakukan dengan cara sebagai berikut:. Rumusan Hipotesis H : Model logit layak untuk digunakan. H : Model logit tidak layak untuk digunakan.. Stasistik Uji 6

39 D g n i y i ln yi ln i yi ˆ xi xi... p xip ˆ i exp g xi dengan ˆ, yi exp g xi, i =,,, n. (3) 3. Kriteria Pengujian Statistik D akan mengikuti sebaran dengan derajat bebas n-p. Kriteria keputusan yang diambil yaitu menolak H jika D hitung > n p. 4. Kesimpulan: penaksiran H ditolak atau diterima. b. Uji Statistik G Adapun langkah-langkah pengujian untuk uji perbandingan kemungkinan sebagai berikut:. Rumusan Hipotesis H : β = β = = β p =. H : Sekurang kurangnya terdapat satu β k, =,, p.. Besaran yang diperlukan Hitung - In Likelihood model A dan - In likelihood Model B. 3. Statistik Uji, G = In 4. Kriteria Pengujian likeliood (Model B) likeliood (Model A) Kriteria ini mengambil taraf nyata α maka H ditolak jika G > X (α,v) dimana v adalah banyaknya variabel prediktor. Catatan jika ada variabel prediktor yang berupa data kategori maka banyaknya kategori dikurangi misalkan dinotasikan dengan m, sehingga nilai v yaitu banyak variabel prediktor yang berupa data kuantitatif ditambah m. 5. Kesimpulan: penaksiran H ditolak atau diterima. 7

40 c. Uji Wald Langkah-langkah pengujian keberartian parameter regresi menggunakan uji Wald adalah:. Rumusan Hipotesis dengan H : β ki = (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i tidak berarti). H : β ki (parameter dalam model, untuk variabel prediktor ke-k dengan kategori ke-i berarti).. Besaran yang diperlukan Hitung β ki dan SE(β ki ). 3. Statistik Uji Z = β ki SE(β ki ) 4. Kriteria Pengujian Mengambil taraf nyata α maka H ditolak jika Z > X (α,). 5. Kesimpulan: penaksiran H ditolak atau diterima. d. Uji Koefisien Determinasi McFadden, Cox dan Snell, Nagelkerke dan Concordant Pengujian dilakukan untuk melihat seberapa besar variabel-variabel independen dari 3 aspek yaitu aspek pelayanan, keamanan dan komersial mempengaruhi nilai variabel dependen yaitu pelayanan stasiun secara umum. Suatu model dikatakan baik bila koefisien Nagelkerke lebih dari,7 (7%) yang artinya bahwa variabel independen yang dibuat model mempengaruhi 7% terhadap variabel dependen. Koefisien Nagelkerke didapat dari penyempurnaan nilai koefisien determinasi Cox dan Snell. R MF = Likeliood (Model B) Likeliood (Model A) (3) Keterangan R MF merupakan koefisien determinasi McFadden. Berikut adalah rumus untuk mencari koefisien determinasi Cox and Snell. 8

41 R CS = exp [Likeliood (Model B) Likeliood(Model A) (3) n Keterangan R CS merupakan koefisien determinasi Cox and Snell. R MAX = exp[ Likeliood Model A ] (33) n R N = R CS R MAX (34) Keterangan R N merupakan koefisien determinasi Nagelkerke. Uji concordant dilakukan untuk melihat sejauh mana keragaman variabel dependen dapat dijelaskan oleh variabel dependennya. Suatu model dikatakan baik jika nilai concordan lebih dari,7 (7%). 9. Intrepretasi Data Jika model regresi logistik ordinal telah di uji dan hasil modelnya baik dan signifikansinya nyata maka data tersebut dapat di intrepretasikan dengan menggunakan uji odds ratio menggunakan persamaan (6). 9

42 BAB IV HASIL DAN PEMBAHASAN 4. Uji Validitas dan Reliabilitas Kuisioner Uji validitas dan reliabilitas dilakukan pada item-item pertanyaan untuk melihat korelasi antar pertanyaan dari kuisioner dan melihat kekonsistenan kuisioner yang telah ditetapkan oleh PT. KAI (Persero) Daop Jakarta. Uji validitas dan reliabilitas dilakukan dengan melakukan survei awal kepada 3 orang pengguna jasa KA di stasiun Jakarta Kota. 4.. Uji Validitas Uji validitas menggunakan rumus korelasi product momen pearson dan diolah menggunakan SPSS 8. Total responden yang akan di uji adalah 3 responden pengguna jasa di stasiun Jakarta Kota. Hipotesis yang akan diuji adalah: a. H o = Tidak adanya korelasi antar pertanyaan kuisioner (r hitung < r tabel ). b. H = Adanya korelasi antar pertanyaan kuisioner (r hitung r tabel ). Taraf kepercayaan yang digunakan adalah 95% (a =,5). Pengujian validitas (korelasi) dilakukan dengan cara membandingkan nilai r hitung dengan r tabel. Apabila hasil pengujian menunjukkan r hitung lebih besar dari r tabel, berarti ada korelasi (H ditolak) atau pernyataan memiliki validitas. Berdasarkan hasil pengujian menggunakan SPSS 8 maka didapat hasil uji validitas sebagai berikut: 3

43 Tabel 5. Hasil Uji Validitas Aspek Pelayanan Aspek Keamanan Aspek Komersial Var Butir Pertanyaan Korelasi Sig r tabel Ket X (P) Flow Kendaraan,78, Valid X (P) Area Turun,577, Valid Penumpang X 3 (P3) Lokasi Toilet,65, Valid X 4 (P4) Fasilitas Pendukung,456, Valid X 5 (P5) Tempat Duduk,456, Valid X 6 (P6) Tempat Sampah,6, Valid X 7 (P7) Kebersihan Stasiun,79, Valid X 8 (P8) Kebersihan Toilet,88, Valid X 9 (P9) Turun Naik,73, Valid Penumpang X (P) Masuk Keluar,698, Valid Penumpang X (P) Porter,77, Valid X (K) Ruang Tunggu,663, Valid X 3 (K) Area Parkir,748, Valid X 4 (K3) Loket,693, Valid,36 X 5 (K4) Lokasi Petugas,758, Valid X 6 (K5) Keramahan Petugas,566, Valid Keamanan X 7 (K6) Kondisi Kriminalitas,767, Valid X 8 (K7) Keberadaan,687, Valid Pedagang X 9 (K8) Sikap Pedagang,84. Valid X (Ko) Lokasi Customer,6, Valid Care X (Ko) Keramahan,499,5 Valid Customer Care X (Ko3) Lokasi Loket,6, Valid X 3 (Ko4) Antrian,79, Valid X 4 (Ko5) Complain Solution,64, Valid X 5 (Ko6) Keramahan Petugas,656, Valid Loket X 6 (Ko7) Waktu Antrian,75, Valid Hasil pengujian uji validitas untuk setiap butir pertanyaan pada 3 aspek yang dinilai yaitu aspek pelayanan, aspek keamanan dan aspek komersial di stasiun Jakarta Kota diketahui bahwa nilai korelasi semua butir pertanyaan lebih besar dari r tabel dengan (,36) dan signifikansinya lebih kecil dari α (,) sehingga keputusannya adalah tolak H dan terima H. Kesimpulan dari uji validitas adalah bahwa ada keterkaitan pada setiap butir pertanyaan di kuisioner 3

44 survei kepuasan pelanggan stasiun Jakarta Kota. Perhitungan selengkapnya dapat dilihat pada Lampiran Uji Reliabilitas Uji reliabilitas dilakukan dari hasil data 3 responden pengguna jasa kereta api di stasiun Jakarta Kota menggunakan rumus cronbach s alpha. Hipotesis yang akan di uji adalah sebagai berikut: a. H o = Kuisioner tidak bisa memberikan hasil yang konsisten sebagai alat ukur survei (r hitung <,7). b. H = Kuisioner dapat memberikan hasil yang konsisten sebagai alat ukur survei (r hitung,7). Hasil pengujian uji reliabilitas menggunakan software SPSS 8 dapat dilihat pada Tabel 6. Tabel 6. Uji Reliabilitas Reliability Statistics Cronbach's Alpha N of Items.95 6 Berdasarkan hasil perhitungan uji reliabilitas didapat nilai cronbach s alpha kuisioner adalah,95. Nilai ini lebih besar dari standar minimal agar kuisioner dapat dijadikan sebagai alat ukur yaitu,7. Keputusan yang diambil adalah tolak H dan terima H. Kesimpulannya adalah kuisioner yang digunakan untuk menganalisis tingkat kepuasan pelanggan stasiun Jakarta Kota dapat dijadikan alat ukur yang reliability dan memberikan hasil yang konsisten Uji Multikolinearitas Uji multikolinearitas dilakukan untuk melihat kebebasan antar variabel independen. Hipotesis yang digunakan adalah sebagai berikut: a. H = variabel bebas x, x,, x 6 bersifat multikolinearitas (VIF > ). b. H = variabel bebas x, x,, x 6 tidak bersifat multikolinearitas (VIF < ). 3

45 Berikut adalah hasil penghitungan uji multikolinearitas menggunakan software SPSS 8: Tabel 7. Hasil Uji Multikolinearitas Model t Sig. (Constant) Collinearity Statistics Tolerance VIF (P) Flow Kendaraan (P) Dropping Penumpang (P3) Lokasi Toilet (P4) Fasilitas Pendukung (P5) Tempat Duduk (P6) Tempat Sampah (P7) Kebersihan Stasiun (P8) Kebersihan Toilet (P9) Turun Naik Penumpang (P) Masuk Keluar Penumpang (P) Porter (K) Ruang Tunggu (K) Area Parkir (K3) Loket (K4) Lokasi Petugas (K5) Keramahan Petugas Keamanan (K6) Kondisi Kriminalitas (K7) Keberadaan Pedagang (K8) Sikap Pedagang (Ko) Lokasi Customer Care (Ko) Keramahan Customer Care (Ko3) Lokasi Loket (Ko4) Antrian (Ko5) Complain Solution (Ko6) Keramahan Petugas Loket (Ko7) Waktu Antrian

46 Berdasarkan hasil perhitungan diketahui bahwa perhitungan multikolinearitas antar variabel memenuhi kriteria yang ditentukan yaitu nilai VIF < maka keputusan yang diambil adalah tolak H dan terima H. Kesimpulannya adalah antar variabel bebas (aspek pelayanan, aspek keamanan dan aspek komersial) tidak terdapat masalah multikolinearitas. 4. Deskripsi Responden Berdasarkan data yang sudah terkumpul sebanyak responden di stasiun Jakarta Kota didapatkan deskripsi responden. Berdasarkan umur responden di stasiun Jakarta Kota diketahui sebanyak 73 responden berumur diantara 5-34 tahun, 48 responden berumur diantara tahun, 4 responden berumur diantara 5-4 tahun, 35 responden berumur diantara 45 6 tahun dan 3 responden berumur lebih dari 6 tahun Tahun Usia Pengguna Jasa 5-34 Tahun Tahun 45-6 Tahun > 6 Tahun Frekuensi Gambar 4. Usia Responden 34

47 Berdasarkan jenis kelamin sebanyak 8 responden berjenis kelamin lakilaki dan 8 responden berjenis perempuan. Jenis Kelamin Laki-Laki Perempuan 4% 59% Gambar 5. Jenis Kelamin Responden Berdasarkan pendidikan terakhir responden diketahui sebanyak 77 responden pendidikan terakhirnya perguruan tinggi, 65 responden pendidikan terakhirnya SMP, 55 responden pendidikan terakhirnya SMA dan 3 responden pendidikan terakhirnya SD. Latar Belakang Pendidikan % 39% 3% SD SMP SMA Perguruan Tinggi 8% Gambar 6. Latar Belakang Pendidikan Responden Berdasarkan pekerjaannya, 6 responden bekerja di BUMN/BUMD, 37 responden bekerja sebagai wiraswasta, 8 responden sebagai mahasiswa/pelajar, 35

48 responden bekerja sebagai karyawan, responden bekerja sebagai PNS, responden bekerja di bidang lainnya, responden bekerja sebagai TNI/Polri. Pekerjaan PNS TNI/Polri Karyawan Wiraswasta Mahasiswa BUMN/BUMD % % 5% 3% % 9% 4% Gambar 7. Pekerjaan Responden Berdasarkan rutinitas menggunakan KA dalam bulan, 85 responden menggunakan 6- perjalanan KA dalam bulan, 8 responden menggunakan lebih dari perjalanan KA dalam bulan dan 35 responden menggunakan -5 perjalanan KA dalam bulan Rutinitas Menggunakan KA dalam Bulan > Frekuensi Gambar 8. Rutinitas Responden Menggunakan KA dalam Bulan 36

49 Berdasarkan tujuan menggunakan KA, 68 responden bertujuan untuk keperluan keluarga, 43 responden untuk pekerjaan rutin, 9 responden untuk bisnis, 4 responden untuk urusan lainnya, responden untuk wisata, 5 responden untuk sekolah/pendidikan Bisnis Tujuan Menggunakan KA Pekerjaan Rutin Keperluan Keluarga Sekolah Wisata Lain-Lain Frekuensi Gambar 9. Tujuan Responden Menggunakan KA 4.3 Model Regresi Berikut adalah hasil pendugaan model regresi logistik ordinal kepuasan pengguna jasa terhadap pelayanan di stasiun Jakarta Kota menggunakan software SPSS 8: 37

50 Tabel 8. Model Regresi Parameter Estimates 95% Confidence Interval Estimate Std. Error Wald df Sig. Lower Bound Upper Bound Threshold [Global = ] [Global = ] [Global = ] Location (P) Flow Kendaraan (P) Dropping Penumpang (P3) Lokasi Toilet (P4) Fasilitas Pendukung (P5) Tempat Duduk (P6) Tempat Sampah (P7) Kebersihan Stasiun (P8) Kebersihan Toilet (P9) Turun Naik Penumpang (P) Masuk Keluar Penumpang (P) Porter (K) Ruang Tunggu (K) Area Parkir (K3) Loket (K4) Lokasi Petugas (K5) Keramahan Petugas (K6) Kondisi Kriminalitas (K7) Keberadaan Pedagang (K8) Sikap Pedagang (Ko) Lokasi Customer Care (Ko) Keramahan Customer Care (Ko3) Lokasi Loket (Ko4) Antrian (Ko5) Complain Solution (Ko6) Keramahan Petugas Loket (Ko7) Waktu Antrian Link function: Logit. 38

51 Tabel 8 menjelaskan bahwa terdapat 4 kemungkinan nilai dari Y yaitu: a. Y i = jika Y i,3 b. Y i = jika,3 < Y i < 6,39 c. Y i = jika 6,39 < Y i <,67 d. Y i = 3 jika Y i,67 Rumus Y i untuk mengelompokan hasil responden kepada 4 nilai kemungkinan Y adalah sebagai berikut: Y i =,9x +,96x +,957x 3 +,88x 4 +,6x 5 +,x 6 +,99x 7 +,345x 8,74x 9 +,874x +,397x +,99x +,636x 3 +,959x 4,43x 5 +,967x 6,99x 7,84x 8 +,869x 9,7x +,93x,96x,47x 3 +,538x 4 +,x 5 +,57x 6 (35) Model dugaan logit yang didapat adalah:. log π =,3 +,9x π +,96x +,957x 3 +,88x 4 +,6x 5 +,x 6 +,99x 7 +,345x 8,74x 9 +,874x +,397x +,99x +,636x 3 +,959x 4,43x 5 +,967x 6,99x 7,84x 8 +,869x 9,7x +,93x,96x,47x 3 +,538x 4 +,x 5 +,57x 6 (36). log π π = 6,39 +,9x +,96x +,957x 3 +,88x 4 +,6x 5 +,x 6 +,99x 7 +,345x 8,74x 9 +,874x +,397x +,99x +,636x 3 +,959x 4,43x 5 +,967x 6,99x 7,84x 8 +,869x 9,7x +,93x,96x,47x 3 +,538x 4 +,x 5 +,57x 6 (37) 3. log π 3 =,67 +,9x π +,96x +,957x 3 +,88x 4 +,6x 5 + 3,x 6 +,99x 7 +,345x 8,74x 9 +,874x +,397x +,99x +,636x 3 +,959x 4,43x 5 +,967x 6,99x 7,84x 8 +,869x 9,7x +,93x,96x,47x 3 +,538x 4 +,x 5 +,57x 6 (38) 39

52 Persamaan regresi logistiknya adalah: π = exp(,3 +,9x + +,57x 6 ) + exp(,3 +,9x + +,57x 6 ) π = exp(6,39 +,9x + +,57x 6 ) + exp(6,39 +,9x + +,57x 6 ) π 3 = exp(,67 +,9x + +,57x 6 ) + exp(,67 +,9x + +,57x 6 ) (39) (4) (4) Model peluang yang didapat dari persamaan regresi logistik ordinal tingkat kepuasan pengguna jasa di stasiun Jakarta Kota adalah sebagai berikut: P Y = = e (Y i,3 ) (4) P Y = = e (Y i 6,39) e (43) (Y i,3 ) P Y = = e (Y i,67 ) e (Y i 6,39) e (Y i,3 ) (44) P Y = 3 = e (45) (Y i,67) 4.4 Pengujian Parameter Model Regresi 4.4. Uji Kebaikan Model (Goodness of Fit) Uji kebaikan model (Goodness of Fit) dilakukan untuk melihat apakah model regresi logistik ordinal yang didapat layak untuk digunakan. Berikut adalah hasil uji kebaikan model menggunakan uji metode Deviance: Tabel 9. Uji Kebaikan Model Goodness-of-Fit Chi-Square Df Sig. Pearson Deviance Link function: Logit. Hipotesis yang diuji adalah H : model logit layak untuk digunakan dan H : model logit tidak layak untuk digunakan. Diketahui nilai Chi-Square metode Deviance sebesar 66,83 dengan derajat bebas sebesar 544. Kriteria pengujiannya adalah tolak H bila nilai signifikansinya kurang dari,5 (α = 4

53 ,5). Nilai uji Deviance pada Tabel didapat bahwa nilai signifikansi sebesar,. Keputusan yang diambil adalah terima H karena nilai signifikansi lebih besar dari,5. Kesimpulannya adalah model logit yang didapat layak untuk digunakan 4.4. Uji Keberartian Model Uji keberartian model dilakukan dengan membandingkan model yang tanpa variabel prediktor dan model yang disertai dengan variabel prediktor. Berikut adalah hasil uji keberartian model menggunakan software SPSS: Tabel. Tabel Uji Statistik G Model Fitting Information Model - Log Likelihood Chi-Square Df Sig. Intercept Only Final Link function: Logit. Hipotesis yang akan diuji adalah H : β = β = = β p = dan H : minimal terdapat salah satu β p. Diketahui hasil - ln likelihood model B (tanpa variabel prediktor) sebesar 43,93 dan hasil - ln likelihood model A (dengan variabel prediktor sebesar 7,67. Berdasarkan data tersebut maka diketahui nilai statistik G sebesar 58,576. Kriteria pengujian dilakukan dengan mengambil taraf nyata α =,5 dari tabel distribusi chi kuadrat diperoleh χ (.5,69) = 9,53, karena nilai statistik G (58,576) > nilai χ (.5,69) (9,53) maka keputusannya tolak H dan terima H. Kesimpulannya adalah terdapat salah satu β p. 4

54 4.4.3 Uji Wald Tabel. Uji Wald Var Pertanyaan Wald Sig Var Pertanyaan Wald Sig x (P) Flow Kendaraan,45,5 x 4 (K3) Loket 4,55,4 x (P) Dropping Penumpang,,654 x 5 (K4) Lokasi Petugas,79,374 x 3 (P3) Lokasi Toilet 7,46,7 x 6 (K5) Keramahan Petugas Keamanan 4,76,43 x 4 (P4) Fasilitas (K6) Kondisi,385,535 x Pendukung 7 Kriminalitas,53,466 x 5 (P5) Tempat Duduk,36,67 x 8 (K7) Keberadaan Pedagang,49,68 x 6 (P6) Tempat Sampah,57,8 x 9 (K8) Sikap Pedagang 5,7,4 x 7 (P7) Kebersihan (Ko) Lokasi Customer 5.383, x Stasiun Care,37,847 x 8 (P8) Kebersihan Toilet,85,37 x (Ko) Keramahan Customer Care 4,77,9 x 9 (P9) Turun Naik Penumpang,98,84 x (Ko3) Lokasi Loket,67,65 x (P) Masuk Keluar Penumpang 3,384,66 x 3 (Ko4) Antrian,544,46 x (P) Porter,98,34 x 4 (Ko5) Complain Solution,,9 x (K) Ruang Tunggu 5,68,8 x 5 (Ko6) Keramahan Petugas Loket,,998 x 3 (K) Area Parkir,88,48 x 6 (Ko7) Waktu Antrian,4,85 Hasil pengujian parameter Wald pada Tabel menjelaskan bahwa variabel x 3, x 7, x 9, x, x, x 4, x 6, x 9 dan x adalah variabel-variabel yang mempunyai pengaruh signifikan terhadap penilaian pelayanan secara umum di stasiun Jakarta Kota dikarenakan variabel-variabel yang mempunyai nilai signifikansi a <, atau dengan kata lain tolak H (a <,) sedangkan untuk variabel sisanya dapat dikatakan tidak berpengaruh secara signifikan terhadap pelayanan secara umum di stasiun Jakarta Kota. Berikut adalah variabel-variabel yang mempunyai pengaruh signifikan terhadap kepuasan pelanggan secara umum di stasiun Jakarta Kota. Aspek Pelayanan a. x 3 = Lokasi Toilet b. x 7 = Kebersihan Stasiun 4

55 c. x 9 = Turun Naik Penumpang d. x = Masuk Keluar Penumpang. Aspek Keamanan a. x = Ruang Tunggu b. x 4 = Loket c. x 6 = Keramahan Petugas Keamanan d. x 9 = Sikap Pedagang 3. Aspek Komersial a. x = Keramahan Petugas Customer Care 4.5 Intrepretasi Model 4.5. Koefisien Determinasi Model Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan oleh nilai Mc Fadden, Cox dan Snell, Nagelkerke R Square. Tabel Koefisien Determinasi dapat dilihat pada Tabel di bawah ini: Tabel. Koefesien Determinasi Pseudo R-Square Cox and Snell.76 Nagelkerke.87 Mc Fadden.59 Link function: Logit. Tabel menunjukkan nilai koefesien determinasi Mc Fadden sebesar,59 sedangkan koefisien determinasi Cox dan Snell sebesar,76 dan koefisien determinasi Nagelkerke sebesar,87 atau sebesar 8,7%. Koefisien Nagelkerke sebesar 8,7% berarti variabel independen aspek pelayanan, aspek keamanan dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 8,7% sedangkan 8,3% dipengaruhi oleh faktor-faktor lainnya yang tidak termasuk dalam pengujian model. Hal tersebut dapat menyimpulkan bahwa perlu penambahan beberapa variabel lain yang tidak termasuk dalam aspek penelitian yang dapat mempengaruhi penilaian pelayanan stasiun Jakarta Kota secara global. 43

56 Gambar. Keragamanan Dependen Terhadap Variabel Independen Berdasarkan Gambar diketahui untuk melihat keragaman peubah respon Y dapat dijelaskan oleh peubah penjelas x dan x dengan melihat nilai persen dari concordant. Pada kasus ini diperoleh nilainya sebesar 95,7% yang artinya sebesar 95,7% keragaman peubah respon Y yang mampu dijelaskan oleh peubah penjelas x, x,, x Rasio Odds Berdasarkan total jawaban responden di stasiun Jakarta Kota didapat hasil sebagai berikut: Tabel 3. Frekuensi Jawaban Skala Frekuensi Frekuensi Total Jawaban Peluang Variabel Y (x, x,, x 6 ) Buruk 7 67,35 Cukup 3 494,5 Baik 8 39,45 Sangat Baik 89 36,445 Total 5, Makna rasio oddnya adalah sebagai berikut:. Odds cukup /odds buruk = (3/494)/(7/67) = 3,8. Menyatakan bahwa kemungkinan jawaban cukup 3,8 kali dibandingkan dengan jawaban buruk.. Odds baik /odds buruk = (8/39)/(7/67) =,57. Menyatakan bahwa kemungkinan jawaban baik,57 kali dibandingkan dengan jawaban buruk. 3. Odds sangat baik /odds buruk = (89/36)/(7/67) =,7. Menyatakan bahwa kemungkinan jawaban baik,7 kali dibandingkan dengan jawaban buruk. 4. Odds baik /odds cukup = (8/39)/(3/494) = 3,5. Menyatakan bahwa kemungkinan jawaban baik 3,5 kali dibandingkan dengan jawaban cukup. 44

57 5. Odds sangat baik /odds cukup = (89/36)/(3/494) = 3,87. Menyatakan bahwa kemungkinan jawaban sangat baik 3,87 kali dibandingkan dengan jawaban cukup. 6. Odds sangat baik /odds baik = (89/36)/(89/36) =,. Menyatakan bahwa kemungkinan jawaban sangat baik, kali dibandingkan dengan jawaban baik. Berikut adalah perhitungan rasio odd dengan menggunakan salah satu sampel jawaban responden: Tabel 4. Sampel Jawaban Responden Var Pertanyaan Jawaban Var Pertanyaan Jawaban x (P) Flow Kendaraan x 4 (K3) Loket 3 x (P) Dropping Penumpang 3 x 5 (K4) Lokasi Petugas 3 x 3 (P3) Lokasi Toilet x 6 (K5) Keramahan Petugas Keamanan 3 x 4 (P4) Fasilitas Pendukung 3 x 7 (K6) Kondisi Kriminalitas 3 x 5 (P5) Tempat Duduk 3 x 8 (K7) Keberadaan Pedagang x 6 (P6) Tempat Sampah x 9 (K8) Sikap Pedagang 3 x 7 (P7) Kebersihan Stasiun 3 x (Ko) Lokasi Customer Care 3 x 8 (P8) Kebersihan Toilet 3 x (Ko) Keramahan Customer Care 3 x 9 (P9) Turun Naik Penumpang x (Ko3) Lokasi Loket 3 x (P) Masuk Keluar Penumpang 3 x 3 (Ko4) Antrian x (P) Porter 3 x 4 (Ko5) Complain Solution 3 x (K) Ruang Tunggu x 5 (Ko6) Keramahan Petugas Loket x 3 (K) Area Parkir 3 x 6 (Ko7) Waktu Antrian 3 Y i =,9 +,96 3 +,957 +,88 3 +,6(3) +,() +,99(3) +,345(3),74() +,874(3) +,397(3) +,99() +,636(3) +,959(3),43(3) +,967(3),99(3),84() +,869(3),7(3) +,93(3),96(3),47() +,538(3) +,() +,57 3 Y i =,95 45

58 Diketahui nilai Y i =,95 yang termasuk dalam kategori Y = sehingga kemungkinan terbesar adalah responden tersebut akan menjawab pelayanan secara umum di stasiun Jakarta Kota baik (Y=). Peluang pelayanan secara umum di stasiun Jakarta Kota dihitung sebagai berikut: P π = = =, + e (,95,3 ) P π = = + e (,95 6,39) + e (,95,3 ) P π = =,75, =,74 P π = = + e (,95,67 ) + e (,95 6,39) + e (,95,3) P π = =,856,75, =,8439 P π = 3 = =,856 =,484 + e (,95,67 ) Diketahui bila responden menjawab pertanyaan kuisioner seperti pada data Tabel 4. Maka peluang responden tersebut menjawab pelayanan secara umum di stasiun Jakarta Kota buruk adalah, (,%), peluang responden tersebut menjawab cukup adalah,74 (,7%), peluang responden tersebut menjawab baik adalah,8439 (84,39%) dan peluang responden tersebut menjawab sangat baik sebesar,484 (4,84%). 46

59 BAB V PENUTUP 5. Kesimpulan Berdasarkan hasil analisis diketahui usia pengguna jasa yang paling besar menggunakan jasa kereta api berusia 5-34 tahun dan berjenis kelamin laki-laki. Pendidikan terakhir responden yang paling besar adalah perguruan tinggi. Pekerjaan responden yang paling banyak menggunakan jasa kereta api adalah pegawai BUMN/BUMD dengan frekuensi per bulan sebesar 6 - kali perjalanan. Tujuan responden menggunakan KA di stasiun Jakarta Kota yang paling banyak adalah keperluan keluarga dan pekerjaan rutin. Uji kelayakan model (goodness of fit) menggunakan metode Deviance hasil χ itung sebesar 68,346 dengan signifikansi,. Berarti model logit regresi logistik layak untuk digunakan. Berdasarkan nilai uji statistik G untuk melihat peranan peubah penjelas di dalam model secara bersama-sama digunakan uji rasio kemungkinan (uji G) didapat nilai statistik G sebesar 58,576 yang lebih besar bila dibandingkan dengan nilai pada tabel χ (9,53) berarti bahwa (.5,69) model regresi logistik ordinal terdapat salah satu β p. Hasil uji wald diketahui 9 (sembilan) variabel yang berpengaruh secara signifikan terhadap kepuasan pengguna jasa di stasiun Jakarta Kota adalah x 3 = lokasi toilet, x 7 = kebersihan stasiun, x 9 = turun naik penumpang, x = masuk keluar penumpang, x = ruang tunggu, x 4 = loket, x 6 = keramahan petugas keamanan, x 9 = sikap pedagang, x = keramahan petugas customer care. Koefesien determinasi Nagelkerke sebesar,87 atau sebesar 8,7%. Hal ini berarti variabel independen aspek pelayanan, aspek keamanan dan aspek komersial mempengaruhi penilaian pelayanan stasiun secara global sebesar 8,7%. Pada kasus ini diperoleh nilai concordant sebesar 95,7% yang artinya sebesar 95,7% keragaman peubah respon Y yang mampu dijelaskan oleh peubah penjelas x, x,, x 6. 47

60 Berdasarkan odd rasio secara umum dari responden diketahui peluang pengguna jasa menilai pelayanan di stasiun Jakarta Kota dengan skala sangat baik adalah yang paling tinggi dibandingkan 3 skala lainnya yaitu sebesar,7 kali dibandingkan jawaban buruk, 3,87 kali dibandingkan jawaban cukup dan, kali dibandingkan jawaban baik. 5. Saran PT. KAI (Persero) Daop Jakarta khususnya stasiun Jakarta Kota yang mempunyai sertifikasi ISO 9:8 SMM agar lebih fokus lagi terhadap pelayanan sesuai dengan prinsip ISO yaitu Plan, Do, Check and Action agar pelayanan di stasiun Jakarta Kota lebih baik dari hari ke hari. Kedepannya diharapkan dapat menambah fasilitas-fasilitas yang dibutuhkan untuk senantiasa meningkatkan pelayanan sebagai salah satu dari 5 pilar utama yaitu pelayanan prima kepada pengguna jasa kereta api. Kepada seluruh pegawai kereta-api khususnya di stasiun Jakarta Kota agar dapat menjaga kekonsistenan pelayanan agar faktor-faktor yang berpengaruh nyata terhadap kepuasan pengguna jasa di stasiun Jakarta Kota dapat terus meningkat di 4 aspek utama penilaian ISO 9:8 SMM yaitu aspek pelayanan, aspek keamanan dan aspek komersial. Diharapkan untuk kedepannya PT. KAI (Persero) Daop Jakarta khususnya stasiun Jakarta Kota dapat menambah aspek baru yang dapat mempengaruhi kepuasan pelanggan di stasiun Jakarta Kota misalnya aspek perjalanan kereta termasuk jadwal perjalanan kereta api jarak jauh dan KRL serta kinerja petugas perjalanan kereta api di stasiun Jakarta Kota. 48

61 DAFTAR PUSTAKA Agresti,A. 99. Categorical Data Analysis. New York : JohnWiley& Sons.Inc. Garson, G.D. 8. Logistik Regression. Dipublikasikan di [ Juli ] Ghozali, I. 7. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbit Universitas Diponegoro. Hosmer, D.W., Lemeshow, S Applied Logistic Regression. New York : Wiley and Sons. Hosmer, D.W., Lemeshow, S.. Applied Logistic Regression (Second ed.) New York : Wiley and Sons. Kim, H.S. 4. Topic In Ordinal Logistics Regression and Its Applications. Disertasi, Texas: Texas A&M University. Kleinbaum D. dan Klein, M.. Logistic Regression. New York: Springer-Verlag. Montgomery, D.G. Peck,E.A, dan Vining, G.G. 6. Introduction to Linear Regression Analysis (fourth ed.). New York : Wiley and Sons. Roji, M.F. 8. Analisis Pengaruh Pelayanan PT. KAI (Persero) Terhadap Kepuasan Konsumen (Studi Pada KA Eksekutif Gajayana). Skripsi. Program Studi Manajemen. UIN Malang. Dipublikasikan di [4 Desember ]. Ryan, Thomas P Modern Regression Methods. New York: John Wiley and Sons. Septina, L.. Kualitas Pelayanan Transportasi Kereta Api (Studi Kasus Pelayanan di Atas Kereta Api Turangga). Skripsi. Program Studi Ilmu Administrasi Bisnis. Universitas Pembangunan Nasional Veteran Jawa Timur. Dipublikasikan di eprints.upnjatim.ac.id/43 [ Juni ]. Simamora, B. 4. Panduan Riset Prilaku Konsumen. Jakarta : Gramedia. Tjiptono, F Perspektif Manajemen dan Pemasaran. Yogyakarta: Andy Offset.. 49

62 LAMPIRAN 5

63 LAMPIRAN. PEMBUKTIAN PERSAMAAN 7 Bukti persamaan (7) π x = exp β + β x + exp β + β x (kalikan kedua ruas persamaan dengan + exp β + β x, π x + exp β + β x = exp β + β x π x + π x exp β + β x = exp β + β x π x = exp β + β x π x exp β + β x π x = exp β + β x π x π x π x = exp β + β x kemudian kedua ruas persamaan terakhir diberi ln, sehingga ln π x π)x) logit π x = In = In exp β + β x = β + β x atau π x π x = β + β x 5

64 LAMPIRAN. KUISIONER PENELITIAN SURVEY KEPUASAN PELANGGAN Stasiun Besar Jakarta Kota Yth. Pelanggan Kereta Api Kami membutuhkan masukkan, kritik dan saran dari pelanggan kereta api. Pertanyaan berikut sesuai dengan kondisi sebenarnya. Atas masukan, kritik dan saran dari para pelanggan, kami mengucapkan terima kasih. Semoga PT.KAI (Persero) akan lebih memenuhi kebutuhan dan keinginan para pelanggan semua. Mohon diisi dengan tanda checklist ( ) pada pilihan yang kami sediakan. Skala Penilaian No Pertanyaan Sangat Baik Baik Cukup Buruk A. ASPEK PELAYANAN Pengaturan flow kendaraan masuk dan keluar di stasiun. Area dropping penumpang di stasiun keberangkatan. 3 Lokasi toilet di stasiun keberangkatan. 4 Ketersediaan fasilitas pendukung (musolah, mini market, restoran,dll). 5 Ketersediaan fasilitas tempat duduk di stasiun. 6 Ketersediaan fasilitas tempat sampah di stasiun. 7 Kebersihan stasiun secara umum. 8 Kebersihan toilet secara umum. 9 Kemudahan turun dan naik kereta. Pengaturan masuk dan keluar penumpang. Pelayanan kuli angkut (porter) B. ASPEK KAMTIB Kondisi keamanan ruang tunggu. Kondisi keamanan di area parkir. 3 Kondisi keamanan di area loket pembeliaan tiket. 4 Keberadaan petugas keamanan. 5 Keramahan petugas keamanan. 6 Kondisi kriminalitas di area stasiun. 7 Keberadaan pedagang asongan di area stasiun. 8 Sikap pedagang asongan dalam menawarkan dagangan. C. ASPEK KOMERSIAL Ketersediaan ruang customer care/ pusat info di stasiun. Keramahan dan kesopanan petugas customer 5

65 care. 3 Ketersediaan loket pembelian tiket di stasiun. 4 Pengaturan antrian tiket di stasiun. 5 Penanganan complain penumpang di stasiun. 6 Keramahan dan kesopanan petugas ticketing. 7 Waktu antrian selama memperoleh ticketing. D. ASPEK KEPUASAN GLOBAL Kepuasan anda secara global mengenai Pelayanan di Stasiun Besar Jakarta Kota DATA DIRI PENGGUNA JASA KERETA API: Nama : Usia : Jenis kelamin : Pendidikan : Profesi : Rutinitas menggunakan kereta api Tujuan : kadang kadang / sering / setiap hari/ : sekolah, kuliah / bekerja / bisnis / wisata /. KRITIK DAN SARAN Jakarta Kota,... Pengguna Jasa ( ) 53

66 LAMPIRAN 3. OPERASIONALISASI VARIABEL Variabel Sub No. Indikator Ukuran Skala Variabel Soal Keterangan Faktor-Faktor Tingkat KepuasanPengguna Jasa Pelayanan di Stasiun Bersertifikasi ISO 9:8 Sistem Manajemen Mutu Aspek Demografi Kelamin Jenis Kelamin Nominal = Wanita = Laki-Laki Usia Tingkat Usia Ordinal = tahun = 35 tahun = 36 5 tahun Pendidikan Rutinitas menggunakan KA Tujuan Tingkat Pendidikan Tingkat rutinitas menggunakan KA Tujuan menggunakan KA Ordinal Ordinal Nominal 3 = > 5 tahun = SD = SMP = SMA 3 = PT = Kadang-kadang = Sering = Setiap hari = Sekolah = Kerja = Bisnis 3 = Wisata 4 = Lain-Lain Aspek Pelayanan Flow kendaraan penumpang dalam keluar dan masuk stasiun Area dropping penumpang di stasiun keberangkatan Lokasi toilet di stasiun keberangkatan Ketersediaan fasilitas pendukung (Support Facility) Ketersediaan Fasilitas tempat duduk Ketersediaan Fasilitas Tingkat flow arus kendaraan penumpang dalam keluar dan masuk stasiun Tingkat pengaturan area droping penumpang di stasiun keberangkatan Tingkat kepuasan pengguna jasa terhadap lokasi toilet di stasiun keberangkatan Tingkat ketersediaan fasilitas pendukung distasiun Tingkat ketersediaan fasilitas tempat duduk Tingkat ketersediaan Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 3 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 4 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 5 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 6 = Buruk = Cukup 54

67 tempat sampah fasilitas tempat sampah = Baik 3 = Sangat Baik Kebersihan stasiun secara umum Kebersihan toilet secara umum Kemudahan naik turun penumpang Pengaturan masuk dan keluar penumpang di stasiun Pelayanan kuli angkut Tingkat kebersihan stasiun secara umum Tingkat kebersihan toilet secara umum Tingkat kemudahan naik turun penumpang Tingkat pengaturan masuk dan keluar penumpang di stasiun Tingkat pelayanan kuli angkut Ordinal 7 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 8 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 9 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Aspek Keamanan Kondisi keamanan ruang tunggu Kondisi keamanan di area parkir stasiun Kondisi keamanan di area loket pembelian tiket Keberadaan petugas keamanan Keramahan petugas keamanan. Kondisi kriminalitas di area stasiun. Keberadaan pedagang asongan di area stasiun. Tingkat keamaan di ruang tunggu stasiun Tingkat keamanan di area parkir stasiun Tingkat keamanan di area loket pembelian tiket Tingkat keberadaan petugas keamanan Tingkat keramahan petugas keamanan memberikan informasi Tingkat kriminalitas di area stasiun. Tingkat keberadaan pedagang asongan di area stasiun. Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 3 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 4 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 5 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 6 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 7 = Buruk = Cukup = Baik 3 = Sangat Baik 55

68 Sikap pedagang asongan menawarkan dagangan. Tingkat sikap pedagang asongan menawarkan dagangan. Ordinal 8 = Buruk = Cukup = Baik 3 = Sangat Baik Aspek Komersial Ketersediaan ruang customer care/ pusat info di stasiun. Keramahan dan kesopanan petugas customer care. Ketersediaan loket pembelian tiket di stasiun. Pengaturan antrian tiket di stasiun. Penanganan complain penumpang di stasiun. Keramahan dan kesopanan petugas ticketing. Waktu antrian selama memperoleh ticketing. Tingkat ketersediaan ruang customer care/pusat info di stasiun. Tingkat keramahan dan kesopanan petugas customer care. Tingkat ketersediaan loket pembelian tiket di stasiun. Tingkat pengaturan antrian tiket di stasiun. Tingkat penanganan komplain penumpang di stasiun. Tingkat keramahan dan kesopanan petugas ticketing. Lamanya waktu antrian selama memperoleh ticketing. Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 3 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 4 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 5 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 6 = Buruk = Cukup = Baik 3 = Sangat Baik Ordinal 7 = Buruk = Cukup = Baik 3 = Sangat Baik Aspek Global Pelayanan umum di stasiun Tingkat kepuasan pengguna jasa terhadap pelayanan yang ada di stasiun Ordinal = Buruk = Cukup = Baik 3 = Sangat Baik 56

69 LAMPIRAN 4. VARIABEL VIEW DAN DATA VIEW SOFTWARE SPSS. Variabel View. Data View 57