BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Profil Perusahaan PT. Cakra Garda Nusantara (CGN) adalah perusahaan yang bergerak di bidang penyedia jasa keamanan berupa security. PT. Cakra Garda Nusantara di bentuk pada tanggal 03 November 2008 beralamatkan Perumahan Baloi Blok II, Batam. PT. Cakra Garda Nusantara membuka kantor cabang di Pekanbaru pada tanggal 18 Mei 2010, kantor cabang ini bertempat di Jalan Paus Indah Permai I, Villa Indah Paus Blok C No.45 Pekanbaru, dipimpin oleh Bapak Drs. Umrah HM. Thaib PT. Rifansi Dwi Putra adalah perusahaan yang bergerak di bidang kontraktor. PT. Rifansi Dwi Putra di bentuk pada tanggal 15Juli 1997 beralamatkan Jl. Palapa Ujung No.145, Kota Pekanbaru Provinsi Riau. PT. Rifansi Dwi Putra membuka kantor cabang di Jl. Lintas Sumatera Km 4, Kulim, Duri, Kabuaten Bengkalis. Dengan Directo rboard Of Management Ir. Ricky Fernando Sinambela dengan singkatan RIFANSI. 4.1.2 Hasil Kuisioner Dari hasil kuesioner yang disebar kepada responden yaitu pegawai PT. Rifansi Dwi Putra di Duri. Adapun hasil jawaban kuesionernya dapat dilihat pada lampiran C. Setelah data diperiksa kemudian dilakukan rekapitusai data, karena jumlah sampel yang dibutuhkan dalam penelitian ini menurut rumus Slovin adalah 64 orang/sampel, kemudian dari jumlah kuesioner yang disebarkan sebanyak 70 eksemplar saja. Dari 70 sampel terdapat 6 sampel yang memiliki jawaban tidak lengkap. Oleh sebab itu, hasil kuisioner yang digunakan sebanyak 64 sampel sesuai dengan rumus Slovin yang digunakan. Sampel sebanyak ini sudah cukup dan layak untuk digunakan dalam pengolahan data dengan berdasarkan menggunakan rumus Slovin. IV-1
4.2 Pengolahan Data 4.2.1 Pengolahan Data Demografi Responden Data demografi diperoleh dengan tujuan untuk memberikan informasi bahwa kuesioner telah disebar pada responden, khususnya tersebar kepada semua kalangan responden sesuai dengan kriteria pertanyaan kuesioner yang disebar. Berikut rekapitulasi data demografi deskriptif yaitu tabel frekuensi dan pie diagram. a. Rekapitulasi Data berdasarkan Jenis Kelamin dengan menggunakan metode analisis Untuk data berdasarkan jenis kelamin item pilihan yang diberikan adalah pria dan wanita. Hal ini bertujuan untuk mengetahui berapa banyak responden pria atau wanita yang mengisi kuesioner yang disebar. Adapun hasil outputnya sebagai berikut : Tabel 4.1 Komposisi Responden berdasarkan Jenis Kelamin No Jenis Kelamin Frekuensi Persentase 1 Pria 64 100% 2 Wanita 0 0% Jumlah 64 100% Jenis Kelamin Responden 100% Pria Wanita Gambar 4.1 Persentase Data Responden berdasarkan Jenis Kelamin Dari hasil output pada tabel 4.1 dan gambar 4.1, dapat dianalisa bahwa responden 100% adalah laki-laki. Ini artinya bahwa yang mengisi kuesioner didominasi oleh responden pria dan tidak ada responden wanita yang mengisi IV-2
kuisioner. Hal ini di karenakan karena pegawai PT Rifansi Dwi Putra adalah lakilaki seluruhnya. b. Rekapitulasi Data berdasarkan Status Pada data demografi berdasarkan status item pilihan yang diberikan yaitu kawin dan tidak kawin. Dari pengolahan yang dilakukan maka diperoleh hasil output sebagai berikut : Tabel 4.2 Komposisi Responden berdasarkan Status No Status Frekuensi Persentase 1 Kawin 55 86% 2 Tidak kawin 9 14% Jumlah 64 100% Status Responden 14% 86% Kawin Tidak kawin Gambar 4.2 Persentase Data Responden berdasarkan Status Dari 64 responden yang ada, untuk status yang telah kawin berjumlah sebanyak 55 orang (86%), sedangkan untuk yang tidak kawin sebanyak 9 orang (14%). Dari data tersebut di atas dapat dijelaskan bahwa mayoritas responden telah kawin. c. Rekapitulasi Data berdasarkan Umur Data demografi responden berdasarkan umur memiliki lima item pilihan yang diberikan. Berikut lima item dan output yang diperoleh : IV-3
Tabel 4.3 Komposisi Responden berdasarkan Umur No Umur Frekuensi Persentase 1 Kurang dari 16 tahun 0 0% 2 16 25 tahun 10 16% 3 26 35 tahun 39 61% 4 36 45 tahun 15 23% 5 Lebih dari 45 tahun 0 0% Jumlah 64 100% Umur Responden 23% 16% 61% Kurang dari 16 tahun 16 25 tahun 26 35 tahun 36 45 tahun Lebih dari 45 tahun Gambar 4.3 Persentase Data Responden berdasarkan Umur Pada kategori umur dapat dianalisa, untuk responden yang berumur kurang dari 16 tahun tidak ada, responden yang berumur 16-25 tahun sebanyak 10 orang (16%), responden yang berumur 26-35 tahun sebanyak 39 orang (61%), responden yang berumur 36-45 tahun sebanyak 15 orang (23%), sedangkan untuk responden yang berumur lebih dari 45 tahun tidak ada. d. Rekapitulasi Data berdasarkan Pendidikan Tertinggi Untuk data demografi berdasarkan pendidikan tertinggi item pilihan yang diberikan yaitu SD, SMP, SMA/SMK, Diploma dan Sarjana. Dari pengolahan yang dilakukan maka diperoleh hasil output sebagai berikut : IV-4
Tabel 4.4 Komposisi Responden berdasarkan Pendidikan Tertinggi No Pendidikan Tertinggi Frekuensi Persentase 1 SD 0 0% 2 SMP 0 0% 3 SMA/SMK 8 13% 4 Diploma (D1, D2, D3 dan D4) 12 19% 5 Sarjana (S1, S2, S3) 44 69% Jumlah 64 100% Pendidikan Responden 13% 19% 69% SD SMP SMA/SMK Diploma (D1, D2, D3 dan D4) Sarjana (S1, S2, S3) Gambar 4.4 Persentase Data Responden berdasarkan Pendidikan Tertinggi Berdasarkan hasil pengolahan dapat dijelaskan pendidikan tertinggi responden sebagai berikut. Untuk responden tamatan Sekolah Dasar tidak ada, responden tamatan Sekolah Menengah Pertama tidak ada, responden tamatan Sekolah Menengah Atas/Kejuruan sebanyak 8 orang (13%), responden tamatan Diploma sebanyak 12 orang (19%) sedangkan responden tamatan sarjana sebanyak 44 orang (69%). Dari analisa di atas dapat disimpulkan pegawai PT Rifansi Dwi Putra mayoritas pendidikannya bisa dikatakan tinggi, yaitu berada pada tingkat SMA hingga Perguruan tinggi. IV-5
4.2.2 Pengolahan Data Dengan Menggunakan Costomer Statisfaction Index (CSI) 4.2.2.1 Menentukan Mean Importance Score (MIS). Nilai ini berasal dari rata-rata kepentingan tiap konsumen. Dimana : n Yi i MIS = 1 n n Yi = Jumlah responden = Nilai kepentingan atribut Y ke- i Perhitungan nilai MIS pada Y 1 : n Yi i1 MIS = n = 2x1 3x1 4x38 5x24 n tabel berikut ini. = 4,33 Rata-rata keseluruhan nilai kepentingan tiap variabel dapat dilihat pada Tabel 4.5 Rekapitulasi Nilai Kepentingan Tiap Konsumen (MIS) No Nilai Kepentingan (Y) MIS 1 Y1 4,33 2 Y2 4,42 3 Y3 4,36 4 Y4 4,42 5 Y5 4,48 6 Y6 4,63 7 Y7 4,48 IV-6
Tabel 4.5 Rekapitulasi Nilai Kepentingan Tiap Konsumen (MIS) (Lanjutan) No Nilai Kepentingan (Y) MIS 8 Y8 4,48 9 Y9 4,39 10 Y10 4,63 11 Y11 4,42 12 Y12 4,38 13 Y13 4,19 14 Y14 4,44 15 Y15 4,31 16 Y16 4,05 17 Y17 4,16 18 Y18 4,22 19 Y19 4,17 4.2.2.2 Membuat Weight Faktor (WF). Bobot ini merupakan persentase nilai MIS per atribut terhadap total MIS seluruh atribut dimana p = atribut kepentingan ke- P WF = p i1 MISi Perhitungan nilai WF untuk p 1 berikut : WF = = p i1 MISi MISi 4.33 82,95 MISi = 5,22% Persentase nilai kepentingan tiap variabel dapat dilihat pada tabel IV-7
Tabel 4.6 Rekapitulasi Nilai Atribut Kepentingan (WF) No Atribut Kepentingan (P) Wf 1 P1 5.22% 2 P2 5.33% 3 P3 5.26% 4 P4 5.33% 5 P5 5.41% 6 P6 5.58% 7 P7 5.41% 8 P8 5.41% 9 P9 5.29% 10 P10 5.58% 11 P11 5.33% 12 P12 5.27% 13 P13 5.05% 14 P14 5.35% 15 P15 5.20% 16 P16 4.88% 17 P17 5.01% 18 P18 5.09% 19 P19 5.03% Jumlah 100% 4.2.2.3 Membuat Weight Score (WS) Bobot ini merupakan perkalian antara WF dengan rata-rata tingkat kepuasan (X) (mean satisfaction score=mss) WSi = Wfi x MSS Perhitungan nilai WS 1 : WS 1 = 5.22% x 3.25 = 0.18 Nilai WS tiap konsumen dapat dilihat pada tabel berikut ini. IV-8
Tabel 4.7 Rekapitulasi Nilai WS No Variabel Ws = Wf * Mss 1 V1 0.18 2 V2 0.20 3 V3 0.18 4 V4 0.18 5 V5 0.20 6 V6 0.15 7 V7 0.16 8 V8 0.19 9 V9 0.18 10 V10 0.20 11 V11 0.20 12 V12 0.18 13 V13 0.18 14 V14 0.18 15 V15 0.19 16 V16 0.19 17 V17 0.18 18 V18 0.17 19 V19 0.18 Jumlah 3.47 4.2.2.4 Menentukan CSI WSi CSI = i1 HS x100% HS (Highest Scale) = skala maksimum yang digunakan p p WSi = 0.18 + 0.20 + 0.18 + 0.18 + 0.20 + 0.15 + 0.16 + 0.19 + 0.18 + 0.20 i1 + 0.20 + 0.18 + 0.18 + 0.18 + 0.19 + 0.19 + 0.18 + 0.17 + 0.18 = 3,47 3,47 CSI = x100% 5 = 69,47 % 70% IV-9
4.2.3 Pengolahan Data dengan Menggunakan Metode GAP Analysis Data-data yang diperoleh harus terlebih dahulu direkap yang kemudian dilakukan pengolahan data. Pengolahan data bertujuan untuk mengetahui ataupun untuk menjawab tujuan dari penelitian. Dalam melakukan pengolahan data, penulis menggunakan metode GAP Analysis dan Uji t. 4.2.3.1 Perhitungan Nilai Gap Per Variabel Dalam Perhitungan ini, nilai Servqual setiap dimensi kualitas akan diperinci dalam variabel pendukungnya. Salah satu contoh perhitungan nilai gap untuk variabel 1 adalah : Var1 = 4.33 3,52 = 0.81 Tabel 4.8 Ringkasan Hasil Perhitungan Nilai Gap Untuk Setiap Variabel Dimensi Serqual Variabel Kinerja (P) Kepentingan (E) Gap RELIABILITY RESPONSIVENESS ASSURANCE EMPHATY TANGIBLES Var 1 3.52 4.33 0.81 Var 2 3.70 4.42 0.72 Var 3 3.50 4.36 0.86 Var 4 3.38 4.42 1.05 Var 5 3.64 4.48 0.84 Var 6 2.69 4.63 1.94 Var 7 2.98 4.48 1.50 Var 8 3.44 4.48 1.05 Var 9 3.48 4.39 0.91 Var 10 3.53 4.63 1.09 Var 11 3.67 4.42 0.75 Var 12 3.41 4.38 0.97 Var 13 3.63 4.19 0.56 Var 14 3.34 4.44 1.09 Var 15 3.70 4.31 0.61 Var 16 3.88 4.05 0.17 Var 17 3.63 4.16 0.53 Var 18 3.41 4.22 0.81 Var 19 3.58 4.17 0.59 IV-10
4.2.3.2 Uji T_Test Untuk Gap Analisis Uji t_test dilakukan untuk mengetahui sejauh mana perbedaan pendapat responden antara ekspektasi dan persepsi pada ke lima dimensi servqual. Hipotesis H 0 : Tidak terjadi perbedaan yang signifikan antara ekspektasi dan persepsi H 1 : Terjadi perbedaan yang signifikan antara ekspektasi dan persepsi Tabel 4.9 Rekapitulasi Sample T_Test Dimensi Servqual Kinerja (P) Kepentingan (E) GAP T_Tabel T_hitung Sig (2-tailed) RELIABILITY 3.57 4.37-0.80 2.13 9.925.064 RESPONSIVENESS 3.23 4.50-1.28 2.13 6.087.104 ASSURANCE 3.52 4.45-0.93 2.13 8.570.074 EMPHATY 3.64 4.25-0.61 2.13 12.934.049 TANGIBLES 3.54 4.18-0.65 2.13 12.063.053 4.2.4 Pengolahan Data dengan Menggunakan Metode Performance importance matrix (Peta Kuadran) 4.2.4.1 Pengukuran Nilai Indeks Tingkat Kepentingan dan Kinerja Pengukuran hubungan tingkat kepentingan dan kepuasan diawali dengan menghitung nilai indeks untuk item kepentingan dan kinerja terhadap kualitas pelayanan. Dimana nilai indeks ini merupakan nilai penentu untuk setiap variabel pertanyaan berada pada diagram importance-performance matrix. Adapun rekapitulasi perhitungan nilai indeks tingkat kepentingan dan tingkat kepuasan adalah sebagai berikut : Tabel 4.10 Rekapitulasi Nilai Indeks Tingkat Kepentingan KEPENTINGAN PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks 1 0 1 1 38 24 64 277 55.40 2 0 0 1 35 28 64 283 56.60 3 0 1 1 36 26 64 279 55.80 4 0 0 3 31 30 64 283 56.60 5 0 0 2 29 33 64 287 57.40 6 0 1 4 13 46 64 296 59.20 7 0 2 1 25 36 64 287 57.40 IV-11
Tabel 4.10 Rekapitulasi Nilai Indeks Tingkat Kepentingan (Lanjutan) KEPENTINGAN PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks 8 0 0 6 21 37 64 287 57.40 9 0 0 3 31 29 63 278 55.60 10 0 0 2 20 42 64 296 59.20 11 0 0 4 29 31 64 283 56.60 12 0 2 6 22 34 64 280 56.00 13 0 1 4 41 18 64 268 53.60 14 0 0 1 34 29 64 284 56.80 15 0 1 3 35 25 64 276 55.20 16 0 3 1 50 10 64 259 51.80 17 1 1 1 45 16 64 266 53.20 18 1 1 2 39 21 64 270 54.00 19 0 2 1 45 16 64 267 53.40 Keterangan : Salah satu contoh perhitungan jumlah pembobotan dan nilai indeks pada variabel pertanyaan pertama. 1. Jumlah pembobotan = (0 x 1) + (1 x 2) + (1 x3) + (38 x 4) + (24 x 5) = 277 2. Nilai indeks = Jumlah Pembobo tan 5 277 = 5 = 55,40 Tabel 4.11 Rekapitulasi Nilai Indeks Tingkat Kepuasan KINERJA PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks 1 3 9 6 44 2 64 225 45.00 2 1 8 3 49 3 64 237 47.40 3 1 11 10 39 3 64 224 44.80 4 2 13 14 29 6 64 216 43.20 5 2 5 11 42 4 64 233 46.60 6 7 31 5 17 4 64 172 34.40 7 3 21 17 20 3 64 191 38.20 8 3 8 13 38 2 64 220 44.00 9 2 7 15 38 2 64 223 44.60 10 2 7 12 41 2 64 226 45.20 IV-12
Tabel 4.11 Rekapitulasi Nilai Indeks Tingkat Kepuasan (Lanjutan) KINERJA PERTANYAAN 1 2 3 4 5 Jumlah Jumlah Bobot Nilai Indeks 11 0 2 11 45 2 60 227 45.40 12 0 13 14 35 2 64 218 43.60 13 0 9 8 45 2 64 232 46.40 14 3 15 8 33 5 64 214 42.80 15 1 3 13 44 3 64 237 47.40 16 0 3 5 53 3 64 248 49.60 17 1 9 5 47 2 64 232 46.40 18 5 9 7 41 2 64 218 43.60 19 0 10 8 45 1 64 229 45.80 Keterangan : Salah satu contoh perhitungan jumlah pembobotan dan nilai indeks pada variabel pertanyaan pertama. 1. Jumlah pembobotan = (3 x 1) + (9 x 2) + (6 x3) + (44 x 4) + (2 x 5) = 225 2. Nilai indeks = Jumlah Pembobo tan 5 225 = 5 = 45,00 Setelah diperoleh nilai indeks untuk tingkat kepentingan dan tingkat kepuasan, selanjutnya akan diketahui nilai rata-rata dari kedua indeks tersebut, dimana nilai rata-rata tersebut merupakan pembatas yang membagi diagram importance-performance matrix menjadi empat bagian. Adapun rekapitulasi sebagai berikut : Tabel 4.12 Nilai Rata-Rata Indeks Importance dan Performance Variabel Kinerja Kepentingan 1 45.00 55.40 2 47.40 56.60 3 44.80 55.80 4 43.20 56.60 5 46.60 57.40 6 34.40 59.20 IV-13
Tabel 4.12 Nilai Rata-Rata Indeks Importance dan Performance (Lanjutan) Variabel Kinerja Kepentingan 7 38.20 57.40 8 44.00 57.40 9 44.60 55.60 10 45.20 59.20 11 45.40 56.60 12 43.60 56.00 13 46.40 53.60 14 42.80 56.80 15 47.40 55.20 16 49.60 51.80 17 46.40 53.20 18 43.60 54.00 19 45.80 53.40 rata-rata 44.44 55.85 4.2.4.2 Hubungan Tingkat Kepentingan dan Kepuasan Dengan diperolehnya nilai indeks untuk tingkat kepentingan dan tingkat kinerja serta nilai rata-rata kedua indeks tersebut, maka selanjutnya akan dapat diketahui posisi setiap variabel-variabel pertanyaan, dimana pertanyaan tersebut merupakan variabel yang mewakili kualitas pelayanan di perusahaan. Dengan mengetahui posisis setiap variabel pertanyaan, maka akan mempermudah pihak perusahaan untuk mengambil keputusan terhadap hal-hal apa saja yang harus diperbaiki, dipertahankan, ditingkatkan dan lain sebagainya yang berkenaan dengan pelayanan. Adapun posisi terhadap variabel-variabel pertanyaan dapat digambarkan pada diagram importance-performance matrix sebagai berikut : IV-14
Kuadran 1 Kuadran 2 Kuadran 3 Kuadran 4 Gambar 4.5 Diagram Importance-Performance Matrix IV-15