BAB III METODE PENELITIAN. Secara umum tujuan penelitian ini adalah untuk menguji hipotesis tentang

Transkripsi

1 BAB III METODE PENELITIAN 3.1 Metode yang Dgunakan Secara umum tujuan peneltan n adalah untuk menguj hpotess tentang mplementas kebjakan layanan weekend bankng mempunya pengaruh tdak langsung terhadap motvas bertransaks nasabah melalu kualtas pelayanan nasabah d Bank BJB Cabang Buah Batu. Berdasarkan tujuan peneltan tersebut, maka peneltan n termasuk jens peneltan penjelasan (explanatory research), yang akan menjelaskan hubungan kausal antara varabel bebas dan varabel terkat melalu pengujan hpotess. 3. Operasonalsas Varabel Tabel 3.1 Operasonalsas Varabel Peneltan Varabel Dmens Indkator 1. Adanya SDM yang mempunya keahlan dan kemampuan Faktor Sumber Daya melaksanakan tugas.. Adanya ketersedaan sarana Varabel (X) Responden: Front Lner Varabel (Z) Responden: Nasabah Struktur Brokras Faktor Komunkas Faktor Dsposs Keterandalan (realblty) Keresponsfan (responsveness) 1. Dukungan nsttus pelaksana. Kesederahaan prosedur kerja 1. Ketersedaan komunkas yang jelas kepada nasabah. Adanya Kejelasan nformas yang dperoleh oleh nasabah 1. Karyawan memlk skap yang jelas. Adanya kemauan karyawan yang jelas 1. Ketersedaan layanan pendukung. Karyawan member uang kembalan dengan pas. 1. Karyawan menyambut dan menyapa pengunjung dengan ramah.. Segera merespon apabla ada pengunjung yang mengeluh atau 46

2 47 Varabel (Y) Responden: Nasabah mengalam kesultan. 1. Karyawan mampu dalam menjelaskan masalah Keyaknan (assurance) nasabah/konsumen.. Karyawan mampu menyelesakan masalah nasabah/konsumen. 1. Karyawan melayan dengan senyum. Empat (emphaty). Karyawan berskap smpatk dan berseda mendengarkan. 1. Bank memlk ruangan yang Berwujud (tangble) menark, ndah dan nyaman.. Penataan nteror rap, bersh dan menark. Repeat Purchase 1. Adanya kesesuaan produk bank dengan nasabah. Adanya kesetaan terhadap bank Referall 1. Adanya kepastan bak dan buruk. Adanya perkembangan perusahaan 1. Adanya keunggulan terhadap bank lan Retenton. Adanya kepercayaan yang lebh terhadap produk 3.3 Sumber dan Cara Penentuan Data Populas dan Sampel Populas adalah keseluruhan kelompok orang, perstwa, atau hal-hal lan yang ngn dtelt. Populas merupakan keseluruhan obyek (satuan-satuan/ ndvdu-ndvdu) yang karakterstknya hendak telt. Populas adalah kumpulan lengkap dar semua elemen (skor, orang, ukuran, dan lan-lan) yang dpelajar (Sekaran, 003). Populas dalam peneltan n adalah nasabah/konsumen pada Bank BJB yang menggunakan weekend bankng yatu sebanyak 1000 nasabah/konsumen. Sampel adalah bagan dar kumpulan elemen yang dambl dar populas. Elemen merupakan sebuah anggota tunggal dar populas (Sekaran, 003). Karena tu, dapat dkatakan bahwa sebuah sampel merupakan subset dar populas.

3 48 Sampel terdr dar beberapa anggota yang dplh dar populas. Dengan kata lan, beberapa, tetap tdak semua, elemen dar populas akan membentuk sampel (Sekaran, 003). Sampel yang dplh dalam peneltan n adalah sampel yang dambl dar populas, yang karakterstknya dtelt, yatu nasabah/konsumen pada Bank BJB. Peneltan n menggunakan metode pengamblan sampel secara acak (Smple Random Samplng) yang termasuk teknk Probablty samplng. melalu Smple Random Samplng penelt n memperkrakan sampel dalam populas berkedudukan sama dar seg yang akan dtelt. Dengan cara mengambl acak tanpa memperhatkan strata yang ada dalam populas. Dengan syarat anggota populas homogen. sedang menggunakan layanan weekend bankng d Bank BJB sehngga dapat dgunakan sebaga sampel dan sumber data (Sugyono, 004:77-78). Dar jumlah populas sebanyak 1000 nasabah/konsumen, maka jumlah yang dgunakan dalam peneltan yang dambl berdasarkan rumus penentuan sampel mnmal dar Slovn sebaga berkut : n 1 N Ne Keterangan : N = Ukuran Populas N = Ukuran Sampel E = Tngkat kekelruan pengamblan sampel sebesar 5%. Berdasarkan rumus datas maka jumlah sampel yang dgunakan adalah sebaga berkut :

4 49 n (1000x0, 05 ) n 85, 71(dbulatkan menjad 86) Dengan demkan sampel dalam peneltan n berjumlah 86 nasabah/konsumen Teknk Pengumpulan Data Jens Data Jens data yang dperlukan dalam peneltan n adalah data prmer. Data prmer merupakan jens data yang dperoleh secara langsung dar sumber asl (tdak melalu meda perantara) berupa pendapat atau opn subyek (orang) secara ndvdual atau kelompok, yang dkumpulkan untuk menjawab perumusan masalah dalam peneltan (Indrantoro dan Supomo, 009: 6). Dalam peneltan n data prmer dperoleh langsung dar kuesoner yang telah ds oleh responden dar nasabah/konsumen Bank BJB Metode Pengamblan Data Dalam peneltan n, penelt mengumpulkan data prmer dengan cara kuesoner. Kuesoner merupakan pengumpulan data yang dlakukan dengan cara member seperangkat pertanyaan atau pernyataan tertuls kepada responden untuk djawabnya (Sugyono, 004: 7). Kuesoner dberkan kepada nasabah/konsumen Bank BJB yang djadkan sampel peneltan atau responden peneltan. Untuk mengetahu keefektfan kebjakan weekend bankng Bank BJB, maka dalam peneltan n juga dlakukan ndepth netervew atau wawancara

5 50 secara mendalam dengan petugas frontlner bank BJB sepert msalnya Customer Servce Offcer, Marketng Offcer dan petugas Teller. 3.4 Metode Analss dan Uj Hpotess Sebelum kuesoner ddstrbuskan dlakukan beberapa pengujan terlebh dahulu, yatu pengujan valdtas dan pengujan relabltas Uj Valdtas Valdtas adalah sejauhmana perbedaan dalam skor pada suatu nstrumen (tem-tem dan kategor respons yang dberkan kepada satu varabel khusus) mencermnkan kebenaran perbedaan antara ndvdu-ndvdu, kelompokkelompok atau stuas-stuas dalam karakterstk (varabel) yang dketemukan untuk ukuran (Ulber : 44). Atau dengan kata lan uj valdtas dgunakan untuk mengetahu apakah suatu tem pertanyaan atau pernyataan cocok untuk djadkan alat ukur untuk varabel yang akan dukur. Uj valdtas menggunakan rumus pearson product moment, yatu sebaga berkut (Sugyono : 48) : r n X Y ( X )( Y ) { n X ( X ) }{ n Y ( Y ) } Dmana : r n X Y = koefsen korelas pearson product moment = jumlah responden = jumlah skor X = jumlah skor Y XY = jumlah hasl kal skor X dan Y

6 51 X Y = kuadrat jumlah skor X = kuadrat jumlah skor Y Suatu pertanyaan dkatakan vald dan dapat mengukur varabel peneltan yang dmaksud jka nla koefsen valdtasnya lebh dar atau sama dengan 0,300 (Azwar : 158) Uj Relabltas Relabltas adalah keterpercayaan, stabltas atau kemantapan, konsstens, predktabltas dan ketepatan atau akuras dar suatu ukuran (Ulber : 36). Dalam peneltan n, teknk uj Relabltas menggunakan rumus Alpha Cronbach dhtung dengan menggunakan rumus sebaga berkut (Azwar : 78) : k k 1 1 k S 1 total S dmana : k S = banyaknya belahan tem = varans dar tem ke- S total = total varans dar keseluruhan tem Sekumpulan pertanyaan untuk mengukur suatu varabel dkatakan relabel dan berhasl mengukur varabel yang kta ukur jka koefsen relabltasnya lebh besar atau sama dengan 0,600 (Azwar : 117).

7 5 3.5 Analss Deskrptf Data Peneltan Gambaran data hasl peneltan dapat dgunakan untuk memperkaya pembahasan, melalu gambaran data tanggapan responden dapat dketahu bagamana tanggapan responden terhadap setap ndkator varabel yang sedang dtelt. Agar lebh mudah mengnterpretaskan varabel yang sedang dtelt, dlakukan kategorsas terhadap skor tanggapan responden. Prnsp kategorsas jumlah skor tanggapan responden d adops dar buku Metode Peneltan Bsns karangan (Sugyono : 141) yatu berdasarkan rentang skor maksmum dan skor mnmum dbag jumlah kategor yang dngnkan dengan rumus sebaga berkut. Rentang Skor Kategor = Skor Maksmum - Skor Mnmum 5 Keterangan : Skor maksmum = jumlah responden x jumlah pernyataan x 5 Skor mnmum = jumlah responden x jumlah pernyataan x 1 Analss deskrpf dlakukan mengacu kepada setap ndkator yang ada pada varabel yang dtelt. Untuk mengetahu sebaran jawaban responden terhadap masng-masng pertanyaan atau pernyataan maka dlakukan perhtungan dengan rumus (Sudjana : 50) : P f N 100% Keterangan : P = Persentase f = Frekuens jawaban responden N = Jumlah pasen keseluruhan

8 Method of Successve Interval (MSI) Data yang dperoleh sebaga hasl penyebaran dar kuesoner bersfat ordnal, maka agar analss dapat dlanjutkan maka skala pengukurannya harus dnakkan ke skala pengukuran yang lebh tngg, yatu skala pengukuran nterval agar dapat dolah lebh lanjut. Untuk tu maka dgunakan Method of Succesve Interval (MSI) dar Thurstone dalam Harun Al Rasyd (1996:33), yang pada dasarnya adalah suatu prosedur untuk menempatkan setap objek ke dalam nterval. Langkah-langkah untuk melakukan transformas adalah sebaga berkut: a. Menentukan frekuens tap responden (berdasarkan hasl kuesoner yang dbagkan, htung berapa banyak responden yang menjawab skor 1-5 untuk setap pertanyaan). b. Menentukan propors setap responden yatu dengan cara membag frekuns dengan jumlah sampel. c. Menentukan propors secara berurutan untuk setap responden sehngga dperoleh propors kumulatf yang danggap menyebar mengkut sebaran normal baku. d. Menentukan nla Z untuk masng-masng propors kumulatf yang danggap menyebar mengkut sebaran normal baku. e. Menghtung Scale Of Value (SV) untuk masng-masng propors responden, dengan rumus: Scale Of Value = Denstyatlower lmareaunderlower denstyatupper lm areaunderupper lm- lm

9 54 Keterangan: Densty at lower lmt = Kepadatan Batas Bawah Densty at upper lm = Kepadatan Batas Atas Area under lower lmt = Daerah d Bawah Batas Bawah Area under upper lmt = Daerah d Bawah Batas Atas f. Mengubah Scale Of Value (SV) terkecl menjad sama dengan satu (1) dan mentrasformaskan masng-masng skala menurut perubahan skala terkecl sehngga dperoleh Transformed Scale Of Value (TSV) dengan rumus Y SV 1 SV mn 3.7 Uj Hpotess Verfkatf dengan Structural Equaton Modelng (SEM) Selan danalss secara deskrptf, dengan tujuan untuk melhat karakterstk populas, maka data peneltan n juga danalss dengan menggunakan alat uj model persamaan struktural (Structural Equaton Model- SEM) dengan menggunakan bantuan software LISREL Sesua dengan paradgma peneltan yang durakan dalam kerangka pemkran, maka rancangan analss dgunakan untuk membuktkan ada tdaknya pengaruh Implementas Kebjakan Layanan Weekend Bankng terhadap Kualtas Pelayanan serta dampaknya terhadap Motvas Nasabah. Dengan menggunakan alat statstk Structural Equaton Modelng (SEM) dengan tahapan operasonalnya melput : Spesfkas Model Model peneltan yang dajukan terdr atas dua jens persamaan, yatu persamaan pengukuran dan persamaan struktural. Persamaan struktural menunjukkan bentuk hubungan antara varable latent eksogen dan endogen.

10 55 Sedangkan persamaan pengukuran memperlhatkan bentuk hubungan antara varable laten eksogen (endogen) dengan varabel observas yang dalam hal n adalah ndkator. Model pengukuran dalam peneltan n melput varabel satu varabel eksogen Implementas Kebjakan Layanan Weekend Bankng ( 1 ) dan dua varabel endogen yatu Kualtas Layanan ( 1 ) dan Motvas Nasabah (ε ). Setap varabel dukur menggunakan dmens dan ndkator. Sehngga model pengukuran untuk setap varabel termasuk dalam model pengukuran Frst Order Confrmatory Factor Analyss. Karena untuk model yang kompleks model peneltan cenderung menghaslkan estmas yang tdak konssten maka untuk order kedua dselesakan dengan menggunakan analss faktor confrmatory secara terpsah yang selanjutnya score faktor djadkan nput dalam LISREL. Model structural dalam peneltan n adalah model kausaltas antara varabel laten sesua dengan yang dhpotesskan pada bab sebelumnya. Model peneltan dapat dterjemahkan ke dalam dagram jalur sebaga berkut : Gambar 3. 1 Dagram Jalur Pengaruh Implementas Kebjakan Layanan Weekend Bankng terhadap Kualtas Pelayanan serta dampaknya terhadap Motvas Nasabah

11 56 Dagram jalur d atas dapat dtulsakan dalam persamaan statstk sebaga berkut : Tabel 3. Model Pengukuran Varabel Peneltan Varabel Sub Varabel Model Pengukuran Implementas Kebjakan Layanan Weekend Bankng (X) ( 1 ) Kualtas Layanan (Z) ( 1 ) Motvas Nasabah (Y) ( ) Faktor Sumber Daya X 1 = Struktur Brokras X = Faktor Komunkas X 3 = Faktor Dsposs X 4 = Keterandalan (Realblty) Z 1 = Keresponsfan (Responsveness) Z = Keyaknan (Assurance) Z 3 = Empat (Emphaty) Z 4 = Berwujud (Tangble) Z 5 = Repeat Purchase Y 1 = Referall Y = Retenton Y 5 = x x 1 + x x Z Z 1 + Z Z Z Y Y + 7 Y Model peneltan n, memlk persamaan strukturalnya sebaga berkut : Keterangan : ε 1 (Eta 1) ε (Eta ) ξ 1 (Ks 1) γ 11 (Gamma 11) β 1 (Beta 1) δ 1 (Zeta 1) δ (Zeta ) = = = = = = = Varabel endogen Kualtas Layanan (KL); Varabel endogen Motvas Nasabah (MN); Varabel eksogen Implementas Kebjakan Layanan Weekend Bankng (IKLWB); Koefsen pengaruh varabel eksogen Implementas Kebjakan Layanan Weekend Bankng (IKLWB) terhadap verabel endogen Kualtas Layanan (KL); Koefsen pengaruh varabel endogen Kualtas Layanan (KL) terhadap varabel endogen Motvas Nasabah (MN); Peluang galat model pada varabel endogen Kualtas Layanan (KL); Peluang galat model pada varabel endogen Motvas Nasabah (MN).

12 Estmas Model Metode estmas model ddasarkan pada asums sebaran dar data. Jka data berdstrbus normal multvararat maka estmas model dlakukan dengan metode maxmum lkelhood (ML) namun juga data menympang dar sebaran normal multvarate, metode estmas yang dapat dgunakan adalah Robust Maxmum Lkelhood (RML) atau Weghted Least Square (WLS) Sebelum proses estmas model dlakukan, terlebh dahulu dsapkan data nput LISREL. Data nput LISREL dperoleh skor total tem setap ndkator dengan terlebh dahulu dlakukan proses penngkatan skala pengukuran data dar ordnal ke nterval dengan menggunakan metode successve nterval Evaluas Model Terdapat beberapa statstk untuk mengevaluas model yang dgunakan. Umumnya terdapat berbaga jens ndeks kecocokan yang dgunakan untuk mengukur derajat kesesuaan antara model yang dhpotesskan dengan data yang dsajkan. Kesesuaan model dalam peneltan n dlhat dalam tga konds berkut: Absolute Ft Measures (cocok secara absolut) Incremental Ft Measures (lebh bak relatf terdapat model-model lan) Parsmonus Ft Measures (lebh sederhana relatf terhadap modelmodel alternatf) Ch-square merupakan satu-satunya ukuran kesesuaan model dengan statstk nferensal dalam Structural Equaton Modellng (SEM). Ch-

13 58 square bersfat sangat senstf terhadap besarnya sampel yang dgunakan. Semakn kecl nla semakn bak model tu. Suatu model baru dapat dterma jka memlk probabltas lebh besar dar alpha (p > ). Langkah yang dlakukan dalam pengujan model datas melput tahapan sebaga berkut : 1. Merumuskan Hpotess pengujan H 0 : = ( ) Model cocok dengan data H 1 : ( ) Model tdak cocok dengan data. Menentukan Statstk uj ^ = n 1 F F ^ adalah nla mnmum untuk ^ untuk metode penaksran Maxmum Lkelhood (ML). 3. Menetapkan Krtera uj Tolak H 0 jka htung > 1 tabel dengan df = p q p q 1 t dmana : p, q = jumlah dmens, dan t = jumlah parameter yang dtaksr. 4. Menark Kesmpulan Jka H 0 dterma maka dapat dambl kesmpulan bahwa model dterma, namun jka H 0 dtolak maka dapat dambl kesmpulan bahwa model dtolak. Selan dengan menggunakan statstk nferensal, pengujan kesesuaan model juga dlakukan menggunakan statstk deskrptf. Tabel 3.6 berkut n akan dgambarkan hasl pengukuran Absolute Ft Measures, Incremental Ft Measures,

14 59 Parsmonus Ft Measures yang dgunakan dalam menguj apakah yang dajukan dapat dterma atau dtolak. Tabel 3. 3 Indkator pengujan kesesuaan model Absolute Ft Measures, Incremental Ft Measures, Parsmonus Ft Measures Absolute Ft Measures Goodness-of-ft Index(GFI) Root mean square error of approxmaton (RMSEA) Incremental Ft Measures Adjusted goodness-of-ft Index(AGFI) Ukuran kesesuaan model secara deskrptf. GFI 0,90 mengndkaskan model ft atau model dapat dterma Nla aproksmas akar rata-rata kuadrat error. Dharapkan nlanya rendah. RMSEA 0.08 berart model ft dengan data, berart model cukup ft dengan data Nla GFI yang dsesuakan 0,90 mengndkaskan model ft dengan data Normed Ft Index (NFI) Ukuran kesesuaan model dengan bass komparatf terhadap base lne atau model null. Model null umumnya merupakan suatu model yang menyatakan bahwa antara varabel yang terdapat dalam model tdak salng berhubungan. Menurut ukuran n model dkatakan ft jka NFI 0,90. NFI = 0,90 artnya model dndkaskan 90% lebh bak bla dbandngkan dengan model null-nya. Parsmonus Ft Measures Comparatve ft ndex (CFI) Incremental ft ndex (IFI) Ukuran kesesuaan model berbass Komparatf dengan model null. CFI nlanya berksar antara 0 sampa 1. CFI 0,90 dkatakan model ft dengan data. Ukuran komparatf yang dkemukakan Bollen. IFI nlanya berksar antara 0 sampa 1. IFI 0,90 dkatakan model ft dengan data. Sumber : Har et al, (006:61) Setelah dlakukan evaluas model secara menyeluruh, selanjutnya evaluas model dalam Structural Equaton Modelng dawal dengan pengujan model pengukuran kemudan dlanjutkan dengan pengujan model struktural.

15 Evaluas Model Pengukuran Evaluas model pengukuran melput valdtas dan relabltas ndkator dalam mereflekskan varabel peneltan. Valdtas ndkator menggambarkan bagamana ndkator sungguh-sungguh mampu mengukur varabel yang akan dukur. Analss valdtas dlakukan menggunakan teknk analss faktor konfrmator. Teknk n dgunakan atas dasar bahwa varabel peneltan merupakan sebuah konstruk laten yang dukur oleh ndkator-ndkator dan temtem. Koefsen valdtas ndkator dnyatakan sebaga nla loadng faktor (koefsen jalur standar dar konstruk terhadap ndkator atau dar ndkator terhadap tem) dengan rumusan sebaga berkut: s j j jj ( ) x 1 Dalam hal n, merupakan varans varabel laten dan jj j ( x ) adalah varans dmens, x. Koefsen valdtas yang berksar antara ,40 danggap cukup tngg untuk dgunakan dalam suatu peneltan. Dalam peneltan n, uj valdtas dlakukan dengan memanfaatkan program LISREL Untuk mendapatkan ndcator yang relable dlakukan uj relabltas. Relabltas ndkator merupakan tngkat keterpercayaan hasl suatu pengukuran ndkator terhadap varabelnya. Untuk menghtung relabltas ndkator dengan model struktural, Bollen (1989: 179-5) memberkan konsep baru dalam melakukan perhtungan relabltas. Relabltas untuk masng-masng dmens dapat dhtung dengan rumus sebaga berkut:

16 61 R x ( ) Selanjutnya untuk mengukur relabltas konstruk dgunakan Constructs relablty (CR). Constructs relablty merupakan relabltas varabel-dmens bag suatu varabel latent drumuskan sebaga berkut: (Har et. al., 1998: 61 dan Sharma,1996: 165): CR ( ( ) ) Var( ) Koefsen dan ( ) masng-masng menunjukkan besarnya pengaruh antara varabel x dan varabel dan ( ) adalah taksran varans kekelruan varabel x. Ukuran relabltas pada persamaan d atas secara berurutan dnyatakan bak blaman masng-masng nlanya adalah 0.5 dan 0.7. Untuk menguj sgnfkans hpotess d atas dgunakan statstk uj t student dengan formulas sebaga berkut : t ˆ1 se ( ˆ1 ) dengan =1, Berdasarkan hasl perhtungan uj t datas, selanjutnya penelt menetapkan apakah hpotess tersebut dterma atau tdak dengan menggunakan krtera penolakan dan penermaan hpotess. Hpotess nol dtolak blamana nla t htung lebh besar dar nla t tabel pada tngkat sgnfkans 5% dengan derajat bebas n- k-1 dengan k adalah banyaknya varabel eksogen dalam sub model n yatu 1.

17 Hpotess Peneltan Evaluas model struktural dalam hal n adalah menguj hpotess peneltan, apakah berpengaruh secara sgnfkan atau tdak sgnfkan. Adapun hpotess peneltan adalah sebaga berkut. 1. Hpotess Parsal Hpotess parsal pertama yang dajukan adalah sebaga berkut: H 0.1 : Implementas Kebjakan Layanan Weekend Bankng (IKLWB) tdak berpengaruh sgnfkan terhadap Kualtas Layanan (KL); H 1.1 : Implementas Kebjakan Layanan Weekend Bankng (IKLWB) berpengaruh sgnfkan terhadap Kualtas Layanan (KL).. Hpotess Parsal Hpotess parsal pertama yang dajukan adalah sebaga berkut: H 0. : Kualtas Layanan (KL) tdak berpengaruh sgnfkan terhadap Motvas Nasabah (MN); H 1. : Kualtas Layanan (KL) berpengaruh sgnfkan terhadap Motvas Nasabah (MN). 3. Hpotess Smultan Hpotess parsal pertama yang dajukan adalah sebaga berkut: H 0.3 : Implementas Kebjakan Layanan Weekend Bankng (IKLWB) tdak berpengaruh sgnfkan terhadap Kualtas Layanan (KL) seta dampaknya terhadap Motvas Nasabah (MN);

18 63 H 1.3 : Implementas Kebjakan Layanan Weekend Bankng (IKLWB) berpengaruh sgnfkan terhadap Kualtas Layanan (KL) seta dampaknya terhadap Motvas Nasabah (MN). 3.8 Uj Perbedaan Rata-rata (Uj t Berpasangan) Uj t dgunakan untuk membandngkan atau membedakan dua varabel serta generalsas dar hasl analss. yatu untuk mengetahu perbedaan Motvas Nasabah sebelum ada Kebjakan Layanan Weekend Bankng dan setelah ada Kebjakan Layanan Weekend Bankng. Rumus uj t berpasangan yatu sebaga berkut (Sugyono : 64) : t htung x 1 s1 s s1 s r n n n n 1 1 x Keterangan: = Rata rata sampel 1 = Rata rata sampel = Smpangan baku sampel 1 = Smpangan baku sampel = Varan sampel 1 = Varan sampel = Korelas antara dua sampel Untuk menguj perbedaan Motvas Nasabah sebelum ada Kebjakan Layanan Weekend Bankng dan setelah ada Kebjakan Layanan Weekend Bankng, maka perlu dlakukan pengujan hpotess statstk yang dajukan sebaga berkut :

19 64 H 0 : B 0 Tdak terdapat perbedaan yang sgnfkan pada Motvas Nasabah sebelum ada Kebjakan Layanan Weekend Bankng dan setelah ada Kebjakan Layanan Weekend Bankng. H 1 : B 0 Terdapat perbedaan yang sgnfkan pada Motvas Nasabah sebelum ada Kebjakan Layanan Weekend Bankng dan setelah ada Kebjakan Layanan Weekend Bankng. Dengan membandngkan t table dan t htung, jka: -t table t htung t table maka H 0 dterma dan H 1 dtolak, dan sebalknya.