journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
Publisher
The Post Graduate Program of Universitas Galuh
Master of Management Studies Program
©2019
PENGARUH KOMPETENSI DAN PROGRAM MERCHANT DAY TERHADAP
CUSTOMER RELATIONSHIP MANAGEMENT SERTA DAMPAKNYA
KEPADA PENINGKATAN SALES VOLUME MENGGUNAKAN
MODEL PARTIAL LEAST SQUARE: STUDI PADA KANTOR CABANG
TASIKMALAYA PT. BANK NEGARA INDONESIA
Wursan1, Erwin Yulianto2
1
Fakultas Ekonomi, Universitas Siliwangi, Tasikmalaya
email: wur.prayogo@gmail.com
2
Article History:
Received 17 September 2019
Recieved in revished form
24 September 2019
Acepted 4 September 2019
Available offline 30 October 2019
Available online 1 November 2019
Language Transcript:
Indonesia
Keywords:
Kompetensi; merchant day;
electronic
data
capture;
customer
relationship
management; peningkatan sales
volume
1.
Universitas Langlangbuana, Bandung
email: rwinyulianto@yahoo.com
Abstract - Penjualan merupakan bagian yang memegang
peranan penting dalam perusahaan karena hasil dari penjualan
merupakan sumber kelangsungan usaha. Program Merchant
Day adalah kegiatan retensi terhadap nasabah merchant BNI
dengan cara memberikan edukasi mesin EDC (Electronic Data
Capture) BNI untuk mendukung kegiatan transaksional.
Penelitian ini bertujuan untuk mengetahui pengaruh kompetensi
dan program merchant day terhadap peningkatan jumlah
transaksi serta dampaknya kepada keberlanjutan sales volume.
Metode analisis dalam penelitian ini adalah analisis deskriptif
dan verifikatif. Pemodelan dari kerangka penelitian dirancang
dengan menggunakan model Partial Least Square yang
merupakan metode untuk mengestimasi path model yang
menggunakan konstrak laten dengan multiple indicators. Hasil
penelitian menunjukkan bahwa terdapat pengaruh yang
signifikan antara kompetensi dan program Merchant Day
terhadap Customer Relationship Management. Demikian pula
halnya hubungan antara Customer Relationship Management
terhadap Peningkatan Sales Volume memiliki pengaruh yang
signifikan.
online melalui e-banking dan tabungan
digital.
PENDAHULUAN
Era Digitalisasi memaksa kita untuk
melakukan perubahan di segala bidang,
termasuk dunia perbankan. Perkembangan
teknologi finansial merubah cara transaksi
keuangan offline menjadi online atau
dikenal dengan cashless. Kita kini tidak
perlu repot lagi datang ke bank atau ATM
terdekat untuk mentransfer sejumlah dana,
misalnya. Bahkan, membuka rekening baru
pun sudah memungkinkan dilakukan secara
Stephen Covey (2004) mengatakan bahwa
pada karakteristik knowledge economy akan
terjadi perubahan globalisasi pasar dan
teknologi. Demokrasi informasi dan
ekspektasi,
konektivitas
universal,
peningkatan
intensitas
kompetisi,
pergeseran penciptaan kekayaan dari uang
dan manusia serta knowledge worker
market. Hal ini artinya bahwa tantangan
399
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
yang harus dijawab oleh perusahaan yang
ingin menang dalam kompetisi harus
mampu berkolaborasi, inovasi, adaptasi,
penguasaan teknologi dan pasar serta
pengelolaan
aset-aset
intelektual.
Kehadiran Fintech bukan sebagai kompetisi
untuk bank, tapi justru menjembatani bank
dengan masyarakat yang belum tersentuh
layanan keuangan ini.
yang diharapkan melalui fasilitas EDC
dapat menambah rasio CASA (Curent
Account Saving Account) atas Dana Pihak
Ketiga BNI Cabang Tasikmalaya melalui
peningkatan jumlah transaksi.
Jumlah MID (Merchant ID) yang yang
terafiliasi dengan BNI Cabang Tasikmalaya
sebanyak 189 Merchant dengan 262 unit
MID/EDC terpasang. Adapun jumlah
transaksi dan volume penjualan MID ada
transaksi baru 64,92% dan TID ada
transaksi 57,45%. (BNI, 2019). Tren kinerja
jumlah transaksi dan sales volume selama
kurun waktu 2012 sampai dengan Juni 2019
dapat dilihat pada Tabel 1 berikut.
PT Bank Negara Indonesia (Persero) Tbk
(BNI) merupakan salah satu Badan Usaha
Milik Negara yang terpercaya dan memiliki
jaringan yang luas. Saat ini BNI memiliki
beberapa produk unggulan yang dapat
bersaing baik dari segi teknologi maupun
kedekatan kepada masyarakat. Adapun
salah satu produk teknologi yang paling
diandalkan dan dapat menghimpun dana
nasabah dengan besar dan mudah adalah
BNI EDC (Electronic Data Capture).
Hampir setiap bank mengeluarkan mesin
EDC sesuai versinya masing-masing dan
disediakan bagi mereka yang mengajukan
permohonan kepemilikan mesin EDC.
Syarat dan ketentuan dalam memberikan
mesin EDC berbeda sesuai dengan strategi
masing-masing
bank
sehingga
menyebabkan persaingan EDC Merchant di
pasar sangat ketat.
Tabel 1. Tren Kinerja Jumlah Transaksi
dan Sales Volume Periode 2012 s.d. Juni
2019
No
1
2
3
4
5
6
7
8
Tahun
2012
2013
2014
2015
2016
2017
2018
Jun
2019
Jumlah
Transaksi
46.920
35.640
51.456
42.288
40.392
48.912
41.208
22.584
(*Dalam Rp. Juta,-)
Sales
Volume*
46.745
34.389
46.770
47.389
56.260
61.031
56.627
29.544
Sumber : BNI (2019)
Kinerja Sales volume EDC Merchant BNI
selama tahun 2018 menurun dibandingkan
tahun 2017, dan pertumbuhan setiap tahunnya
cenderung fluktuatif. Demikian pula dengan
tren kinerja jumlah transaksi dimana pada tahun
2012–2013, 2014-2016 dan 2017-2018
mengalami penurunan. Kinerja merupakan
suatu proses manajemen yang dirancang untuk
menghubungkan tujuan organisasi dengan
tujuan individu sedemikian rupa, sehingga baik
tujuan individu maupun tujuan korporasi dapat
bertemu. Ukuran dari kinerja perusahaan
sangatlah bermacam-macam dan berbeda-beda
dari satu industri ke industri lainnya. Kinerja
keuangan adalah salah satu tolak ukur dalam
menilai suatu bank dan kondisi keuangan yang
bagus cenderung menarik perhatian investor
(Supriyatna dan Yulianto, 2019).
Sistem pelayanan yang diberikan oleh BNI
melalui produk EDC kepada merchant,
diharapkan merasa puas sehingga loyal
terhadap BNI. Selanjutnya merchant dapat
terus menggunakan serta memanfaatkan
kembali. BNI bekerjasama dengan nasabah
merchant yang memiliki usaha dalam
melakukan transaksi perbelanjaan dengan
cara memberikan fasilitas EDC yang
memudahkan setiap pembayaran belanja
masyarakat serta memberikan keamanan
tanpa perlu membawa uang tunai dalam
jumlah besar untuk bertransaksi. Jika
merchant merasa puas, diharapkan
merchant akan memberikan rekomendasi
kepada rekannya yang lain untuk
menggunakan produk dan layanan BNI,
serta proporsi pembelanjaan layanan bank
Melihat fenomena ini, BNI berinisiatif untuk
melakukan retensi nasabah merchant melalui
program Merchant Day yang dilakukan oleh
400
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
•
account officer dan unsur pimpinan yang
memiliki
kompetensi
handal.
Program
Merchant Day adalah kegiatan kunjungan
dalam rangka meretensi Nasabah / Merchant
BNI, dengan harapan dapat meningkatkan sales
volume secara berkelanjutan sehingga CASA
DPK BNI Cabang Tasikmalaya meningkat.
Sudarmanto (2009) mengutarakan bahwa
kompetensi merupakan suatu atribut untuk
melekatkan sumber daya manusia yang
berkualitas dan unggul. Atribut tersebut
adalah kualitas yang diberikan pada orang
atau benda, yang mengacu pada
karakteristik tertentu yang diperlukan untuk
dapat melaksanakan pekerjaan secara
efektif. Atribut tersebut terdiri atas
pengetahuan, keterampilan, dan keahlian
atau karakteristik tertentu. Dengan
beberapa pengertian dari para ahli, maka
dapat disimpulkan bahwa kompetensi
adalah karakteristik dasar yang dimiliki
oleh seseorang yang dapat menciptakan
kinerja yang baik dalam melakukan
pekerjaan
yang
menjadi
tanggung
jawabnya.
2. KERANGKA PIKIRAN
2.1 Kompetensi
Kompetensi adalah suatu hal yang dikaitkan
dengan kemampuan, pengetahuan /
wawasan, dan sikap yang dijadikan suatu
pedoman dalam melakukan tanggung jawab
pekerjaan yang dikerjakan oleh pegawai.
Kesuksesan yang didapat pegawai adalah
hasil dari peningkatan kompetensi pegawai
selama bekerja di perusahaan. Definisi
kompetensi menurut Spencer dalam
Moeheriono (2009) adalah karakteristik
yang mendasari seseorang berkaitan dengan
efektifitas
kinerja
individu
dalam
pekerjaannya atau karakteristik dasar
individu yang memiliki hubungan kausal
atau sebab-akibat dengan kriteria yang
dijadikan acuan, efektif atau berkinerja
prima atau superior di tempat kerja atau
pada situasi tertentu.
2.2 Konsep Edukasi Electronic
Capture Pada Merchant Day
Karakteristik
dasar
(underlying
characteristic) kompetensi adalah
bagian
dari
kepribadian
yang
mendalam dan melekat pada seseorang
serta mempunyai perilaku yang dapat
diprediksi pada berbagai keadaan tugas
pekerjaan.
•
Hubungan kausal (causally related)
berarti kompetensi dapat menyebabkan
atau digunakan untuk memprediksi
kinerja seseorang,
artinya jika
mempnyai kompetensi tinggi, maka
akan mempunyai kinerja tinggi pula
(sebagai akibat).
Data
Merchant adalah penjual barang / jasa yang
memiliki bentuk usaha dalam bentuk
physical store maupun online store yang
bekerjasama
dengan
Bank
dalam
penyediaan
layanan
penerimaan
pembayaran melalui e-money, kartu ATM
baik Kartu Debit maupun Kartu Kredit yang
dikeluarkan oleh bank. Merchant bisa
berbentuk perorangan atau badan hukum.
Merchant perorangan adalah merchant
milik perorangan tanpa berdasarkan pada
tata cara dan ketentuan pendirian usaha
berbadan hukum. Merchant berbadan
hukum adalah merchant yang didirikan
berdasarkan pada tata cara dan ketentuan
pendirian usaha berbadan hukum.
Berdasarkan dari definisi kompetensi ini,
maka beberapa makna yang terkandung
didalamnya adalah sebagai berikut :
•
Kriteria (criterian referenced) yang
dijadikan sebagai acuan, bahwa
kompetensi
secara
nyata
akan
memprediksikan seseorang dapat
bekerja dengan baik, harus terukurdan
spesifik atau terstandar.
EDC (Electronic Data Capture) adalah
mesin yang berfungsi sebagai sarana
penyedia transaksi dan alat pembayaran
yang
penggunaannya
dengan
cara
401
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
memasukkan atau menggesek kartu ATM,
kartu debit maupun kartu kredit dalam suatu
bank maupun antar bank, serta dilengkapi
dengan fasilitas pembayaran lainnya yang
terkoneksi secara realtime. Cara kerja
Mesin EDC hampir seperti mesin ATM
mini. Pengguna wajib untuk memasukan
PIN kartu setelah kasir memasukan jumlah
tagihan yang harus dibayarkan. Mesin EDC
sendiri dibedakan menjadi 3 jenis, yaitu:
•
Edukasi terhadap Merchant dan melakukan
perbaikan apabila ada EDC yang rusak atau
tidak berfungsi. Program ini merupakan
salah satu strategi pemasaran, seperti
halnya yang telah dipaparkan oleh Kotler
dan Keller (2009) bahwa perusahaan dapat
mengklaim bahwa mereka mempunyai
strategi ketika mereka melaksanakan
kegiatan yang berbeda dengan pesaingnya
atau melaksanakan kegiatan yang sama
dengan cara yang berbeda.
Fixed Line, yaitu EDC yang
menggunakan kabel telepon dari
Telkom dan untuk biaya berlanggangan
akan dibayarkan ke Telkom. Tipe ini
adalah default dari jenis mesin EDC.
•
GPRS, yaitu EDC yang tergantung pada
sinyal selular, tapi sumber powernya
menggunakan listrik PLN sehingga
harus selalu tersambung pada stop
kontak PLN. Cara kerjanya memakai
SIM card seperti handphone dan harus
selalu tersambung ke sumber listrik
sebagai pengganti pemakaian baterai.
•
GPRS Mobile, yaitu EDC yang
memanfaatkan sinyal seluler namun
tidak harus dicolok ke sumber listrik
karena menggunakan baterai sehingga
dapat diisi ulang dan praktis dibawa
kemanapun.
2.3 Konsep Merchant Day Sebagai Salah
Satu Implementasi Customer Relation
Management
Program Merchant Day merupakan strategi
Customer Relation Management (CRM)
yang dilakukan BNI Cabang Tasikmalaya
dalam melakukan retensi nasabah Merchant
yang merupakan strategi bisnis untuk
mengoptimalkan setiap interaksi nasabah /
pelanggan dalam
memaksimalkan
keberhasilan usaha. CRM yang efektif
dilakukan
dengan
pemanfaatan
pengetahuan yang kita miliki mengenai
nasabah kita. Setiap kali kita berinteraksi
dengan nasabah, kita akan melakukan
sesuatu yang berbeda, secara lebih baik,
atau lebih
relevan dengan
nasabah
tersebut sehingga interaksi lebih bermakna.
Retensi pelanggan adalah sebuah bentuk
keterikatan batin antara pelanggan dengan
produsen yang ditandai dengan pembelian
yang berulang dan pada dasarnya bersifat
jangka panjang (Kotler dan Keller, 2008).
Retensi merupakan salah satu strategi
dalam pemasaran dengan tujuan untuk
membuat customer menjadi loyal, advocate
dan membangun komunitas. Mereka akan
tetap menggunakan, mengkonsumsi dan
membeli produk kita. Retensi juga berarti
mempertahankan pelanggan yang pernah
membeli, dengan segala upaya, baik
kegiatan relationship maupun kegiatan
selling, dengan tujuan agar para nasabah
dapat melakukan repeat order baik produk
yang sama ataupun produk yang lain.
Hasil Penelitian yang dilakukan oleh
Destiana (2014) menunjukkan bahwa
kualitas Pelayanan Electronic Data
Capture
memiliki
hubungan
yang
signifikan sebesar 74% terhadap kepuasan
merchant dan sisanya 26% dipengaruhi
oleh factor-faktor lain. Program Merchant
Day merupakan Program Nasional BNI
yang bertujuan untuk meningkatkan
aktifitas transaksi EDC Merchant BNI yang
pelaksanaanya disesuaikan dengan Wilayah
/ Cabang masing-masing. Adapun untuk
Cabang Tasikmalaya, Merchant Day
dilaksanakan setiap hari Rabu, dengan
mengerahkan seluruh tenaga Sales dan
Pimpinan BNI Cabang Tasikmalaya.
Kegiatan Merchant Day adalah melakukan
402
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
Apabila kita mampu menjaga pelanggan
untuk loyal, berimbas pada peningkatan
profit perusahaan. Pengalaman kita sebagai
pemasar bahwa menjaga pelanggan untuk
loyal, sangatlah murah, ada beberapa
pelanggan yang sudah memiliki kedekatan
emosional
“intimacy”
dengan
staf
(perusahaan), relatif yang diperlukan hanya
biaya komunikasi saja, sangat-sangat
murah. Sebenarnya menjaga pelanggan
sudah dimulai prosesnya sejak pertama kali
bertemu dengan mereka, saat mereka masih
menjadi prospek bahkan suspect, sejak
itulah sudah kita lakukan hal-hal terkait
dengan rencana retensi kepada mereka
kelak. Hal paling utama adalah membangun
dan menggunakan database.
dengan demikian level hubungan akan
membaik.
Dengan menggunakan CRM dalam
meretensi nasabah EDC Merchant BNI
Cabang Tasikmalaya, diharapkan pihak
BNI dapat :
Memulai CRM harus dengan database yang
baik dan benar. BNI Cabang Tasikmalaya
sudah memiliki data pelanggan. Saat
menjadi nasabah pertama kali, Customer
Service sudah melakukan pendataan calon
nasabah dengan sangat detail, dimulai dari
biodata diri sampai hal-hal yang sangat
personal, hobi, pekerjaan, bahkan nama ibu
kandung. Setelah menjadi nasabah, pihak
BNI akan semakin kaya dengan informasi
nasabah. Sebagai contoh, melalui nasabah
kartu kredit, pihak bank dapat mengetahui
data transaksi, kebiasaan transaksi, barangbarang yang biasa dibeli dengan kartu
kredit, di merchant mana saja, cara
membayar tagihan, dan seterusnya. Dengan
memiliki data sebanyak itu, sangat
memungkinkan untuk membuat program
yang customized sesuai dengan profil
masing-masing pelanggan.
Menjalankan CRM pada prinsipnya adalah
meretensi nasabah dengan relationship,
yaitu menjaga dan mengembangkan
hubungan, sehingga level hubungan
meningkat. Untuk itulah tidak bisa
sembarangan
berkomunikasi
dengan
pelanggan, tetapi harus melakukan
komunikasi yang bermakna, komunikasi
yang memiliki arti penting bagi pelanggan,
•
Menciptakan lingkaran komunikasi,
menetukan
saluran
komunikasi
(offline/online, text/voice, satu arah/dua
arah), membuat program komunikasi
dengan
pelanggan
(Greeting,
Understanding, Relationship, Selling),
dan menjalankan komunikasi secara
efektif (Tahap ini merupakan usaha
mendapatkan loyalitas pelanggan
dengan mendengarkan pelanggan dan
berusaha
memenuhi
keinginan
pelanggan).
•
Mendapatkan Customer Profiling,
menambah info pelanggan dari waktu
ke waktu, memanfaatkan saluran
komunikasi, mengenal pelanggan lebih
dalam dan profil pelanggan seperti
Siapa mereka, Siapa saja yang ada
dalam keluarga, Apa pekerjaan, Apa
ambisi – ambisi, Apa yang mereka suka
dan tidak, Kebiasaan belanja, dan
lainnya.
•
Menggunakan dan mengolah data.
Informasi yang kita miliki tentang
pelanggan diolah dan digunakan
sebagai bahan untuk berkomunikasi
dengan mereka agar komunikasi
bermakna. Data cara belanja, ulang
tahun, data komplain pelanggan, data
preferensi pelanggan seperti hobi,
penyakit, dan lainnya merupakan
sumber masukan dalam melakukan
analisis pengolahan data.
•
Ask : Customer Want & Need. Selalu
bertanya 1-2 hal tentang nasabah di
setiap kesempatan berkomunikasi
dengan pelanggan seperti alasan
memasang EDC, siapa saja yang
menggunakan EDC, harapan pelanggan
403
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
•
•
•
http://jurnal.unigal.ac.id/index.php/managementreview
tentang produk dan layanan, alasan
tidak lagi menggunakan EDC BNI dan
informasi lainnya. Semakin mengenal
mereka, kita akan semakin jauh dari red
ocean strategy (persaingan yang
berdarah-darah).
CRM. Tidak ada pilihan lain agar bisnis
Merchant BNI bisa bertahan dan
berkembang, maka kita harus mengadopsi
dan menjalankan strategi CRM.
Mengembangkan potensi pelanggan.
Bila saat ini nasabah baru membeli satu
jenis produk (EDC), maka ada
kemungkinan mereka membeli produk
yang lainnya. Contoh nasabah yang
sudah menjadi Merchant sudah
semestinya dia akan membutuhkan
pembiayaan / kredit seperti BNI Cash
Management dan lainnya. Jika nasabah
merasa puas maka mereka akan
memberikan rekomendasi minimal
kepada keluarga / rekannya.
Berdasarkan fenomena permasalahan yang
telah diuraikan sebelumnya, maka kerangka
pemikiran dari penelitian ini dapat
dijabarkan sebagaimana Gambar 1 berikut.
2.4 Kerangka Pemikiran & Hipotesis
Penelitian
Gambar 1. Kerangka Pemikiran Model
Pengaruh Kompetensi dan Program
Merchant Day Terhadap Customer
Relationship Management Serta
Dampaknya Kepada Peningkatan Sales
Volume
Menggali customer knowledge. Kadang
kala informasi pelanggan berhenti
sebagai info yang tidak berguna. Tugas
kita adalah mengolah informasi tentang
pelanggan ini menjadi knowledge yang
bisa digunakan untuk membuat
keputusan terkait dengan pelanggan
Menurut Sugiyono (2013), hipotesis
merupakan jawaban sementara terhadap
rumusan masalah penelitian. Hipotesis juga
dapat dinyatakan sebagai jawaban teoritis
terhadap rumusan masalah penelitian,
belum jawaban yang empirik. Berdasarkan
latar belakang masalah dan kerangka
pemikiran sebelumnya, maka diajukan
hipotesis penelitian sebagai berikut :
Menggunakan
knowlege
secara
berkesinambungan.
Berinteraksi
dengan pelanggan harus dengan
knowledge.
Tiga
Kunci
kesuksesan
dalam
mengimplementasikan CRM, yaitu People,
Proses (dalam hal ini adalah policy
perusahaan) dan Technology. SDM harus
dilatih untuk memiliki keterampilan dan
jiwa dalam mengelola hubungan dengan
nasabah secara efektif dan berpartisipasi
dalam inisiatif CRM BNI secara
menyeluruh.
Proses
Bisnis
harus
didefinisikan untuk semua SDM yang
berhadapan dengan nasabah dan mendapat
dukungan agar pengelolaan hubungan
berjalan efektif, efisien dan terus-menerus.
•
Terdapat pengaruh antara Kompetensi
terhadap Program Merchant Day.
•
Terdapat pengaruh antara Kompetensi
dan Program Merchant Day terhadap
Customer Relationship Management.
•
Terdapat pengaruh antara Customer
Relationship Management terhadap
Peningkatan Sales Volume.
3.
METODE PENELITIAN
Berdasarkan tujuannya, jenis penelitian ini
adalah penelitian deskriptif dan verifikatif
yaitu penelitian yang bertujuan untuk
mendapatkan
gambaran
tentang
Tantangan dalam menjalankan CRM,
antara
lain
membangun
database,
komitmen manajemen untuk konsisten
memberikan dukungan dan menjalankan
404
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
karakteristik variabel penelitian dan
mengukur hubungan antar variabel
penelitian melalui proses pengujian
hipotesis (Suryanto, 2005). Jenis data yang
digunakan dalam penelitian ini adalah data
primer dari Dashboard BNI selama 7 tahun
dan data kuisioner dari nasabah. Variabel
yang akan menjadi fokus penelitian adalah
Kompetensi, Program Merchant Day,
Customer Relationship Management dan
Peningkatan Sales Volume. Unit analisis
yang menjadi sumber data primer adalah
seluruh nasabah merchant pengguna mesin
EDC yang terdaftar di BNI Cabang
Tasikmalaya sebagai populasi.
perilaku variabel penelitian. Teknik analisis
data yang dipergunakan untuk mengetahui
hubungan korelatif dalam penelitian ini
yaitu Partial Least Square (PLS).
Tabel 1. Operasionalisasi Variabel
VARIABEL
DIMENSI
INDIKATOR
1
2
3
Peningkatan
Sales Volume
Transaksi
Sales Volume
4
5
Transaksi Merchant
Interval
1
Transaksi Terminal
Interval
2
Jumlah Transaksi
Interval
3
Sales Volume
Interval
4
Lingkaran Komunikasi
Interval
5
Interval
6
Customer Profiling
Interval
7
Ask Custimer Want & Need
Interval
8
Cross Selling
Interval
9
Custumer Data Analysis
Interval 10
Penawaran Sesuai Profil Nasabah
Interval 11
Berinteraksi dengan knowledge.
Interval 12
Technical Competencies
Interval 13
General Competencies
Interval 14
Customer Identification Greeting & Understanding
Customer
Relationship
Management
Customer Attraction
Customer Retention
Task Skill
Kompetensi
Pendekatan metode penelitian yang
digunakan untuk menguji hipotesis adalah
model causal research (penelitian sebabakibat), yaitu suatu model desain riset,
dimana penekanannya pada suatu hubungan
sebab akibat), atau suatu model riset
konklusif
yang
didesain
untuk
mengumpulkan bukti-bukti hubungan
sebab akibat. Selanjutnya, penyelidikan
hubungan kausal antar variabel dalam
penelitian ini akan digunakan teknik
analisis jalur (Path Analysis) dimana
pendeskripsian profil data pada masingmasing dimensi variabel digunakan alat
analisis statistik deskrptif dengan aplikasi
Statistical Product and Service Solution
(SPSS) 25 For Windows dan Smart PLS 3.
Task Management Skill
Transfer Skills
Product Performance
Program
Product Features
Merchant Day
Service Ability
SKALA NO
Masa Kerja
Interval 15
Decision Making
Interval 16
People Management
Interval 17
Job Delegation
Interval 18
Customer Coaching
Interval 19
Customer Councelling
Interval 20
Masa Garansi Produk
Interval 21
Kehandalan Jaringan
Interval 22
Fitur Utama
Interval 23
Fitur Pendukung
Interval 24
Sosialisasi & Edukasi
Interval 25
Servis & Perbaikan
Interval 26
Sumber: Pengolahan Data Internal
Pengujian hipotesis penelitian dilakukan
dengan menggunakan teknik pengujian
kuantitatif. Oleh karena itu data hasil
pengukuran variabel latent (construct
variables)
dan
variabel
manifest
(observable variables) harus dikonversi ke
dalam
bentuk
kuantitatif.
Dalam
pengukurannya digunakan seperangkat alat
berupa kuisioner. Kategori penskalaan
diawali dari 1 yang mewakili peringkat
skala terendah dan sampai 5 untuk
mewakili peringkat skor tertinggi.
3.1 Operasionalisasi Variabel
Operasionalisasi variabel dan pengukuran
masing-masing variabel penelitian seperti
ditunjukkan pada Tabel 2 menggunakan
skala Likert dalam pengukuran dimensi
atau indikator variabel. Tipe skala Likert
paling sering digunakan para peneliti
perilaku dan sangat cocok untuk mengukur
respons sikap responden terhadap obyek
variabel yang diteliti. Selain itu, tipe skala
Likert memiliki jenis skala ukur interval
(Sugiyono, 2013). Analisis verifikatif
dipergunakan untuk menguji hipotesis
dengan menggunakan uji statistik dan
menitikberatkan
pada
pengungkapan
3.2 Partial Least Square (PLS)
Metode PLS dikembangkan pertama kali
oleh Wold (1984) sebagai metode umum
untuk mengestimasi path model yang
menggunakan konstrak laten dengan
multiple
indicators.
Metode
PLS
merupakan analisis yang handal karena
tidak mengasumsikan distribusi tertentu,
dapat digunakan pada setiap jenis skala data
(nominal, ordinal, interval dan rasio)
dengan jumlah sampel yang kecil (kurang
dari 100). PLS juga digunakan untuk
405
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
konfirmasi teori dan lebih cocok untuk
tujuan prediksi. Berdasarkan hipotesis
konseptual yang diajukan serta paradigma
penelitian, dapat digambarkan suatu
kerangka alur hubungan antara variabel
berupa model sebagaimana Gambar 2
berikut.
menguji reliabilitas suatu konstruk.
Uji reliabilitas dilakukan untuk
membuktikan akurasi, konsistensi dan
ketepatan instrurnen dalam mengukur
konstruk.
𝜌𝑐 =
(∑ 𝜆𝑘𝑗 )
2
2
(∑ 𝜆𝑘𝑗 ) + ∑( 1 − 𝜆2𝑘𝑗 )
dimana 𝜌𝑐 = loading factor variabel
manifes ke-k pada variabel laten kej.
(Nunnally,
1994)
merekomendasikan
Composite
reliability gabungan di atas 0,7
mengindikasikan
konsistensi
pengukuran yang baik.
Nilai acuan terkait pengujian validitas dan
reliabilitas Outer Model dapat dilihat pada
Tabel 2 sebagai berikut.
Gambar 2. Model Struktural Hubungan
Variabel Latent (Eksogen, Intervening &
Endogen), Sub Variabel / Dimensi Beserta
Indikator, & Variabel Kesalahan (Error)
Tabel 2. Nilai Acuan Pengujian Validitas
& Reliabilitas Model
Model penelitian di atas pada hakekatnya
memperlihatkan Kompetensi dan Program
Merchant Day sebagai variabel eksogen,
Customer
Relationship
Management
merupakan variabel intervening dan
Peningkatan Sales Volume sebagai variabel
endogen. Uji validitas dan reliabilitas
dalam model pengukuran dapat dilihat dari
nilai-nilai berikut.
Validitas &
Reliabilitas
Validitas
Convergent
Validitas
Convergent
Validitas
Discriminant
• Nilai Loading Factor (λ), merupakan
ukuran yang dapat kita pergunakan
untuk mengevaluasi reliabilitas
setiap variabel manifes. Nilai
loading
factor
yang
tinggi
menunjukkan bahwa tiap indikator
konstruk converge pada satu titik.
Chin (1998) mengatakan λ ≥ 0,7
mengindikasikan reliabilitas yang
baik. Nilai loading factor paling
besar menunjukkan indikator yang
paling berkaitan erat dengan variabel
latennya.
Reliabilitas
Parameter
Loading
Factor
Average
Variance
Extracted
Cross
Loading
Akar
kuadrat
AVE
&
Korelasi
antar
Konstruk
Laten
Cronbach's
Alpha
Composite
Reliability
Aturan Keputusan
>
0,70
untuk
Confirmatory Research
> 0,60 masih dapat
diterima
untuk
Exploratory Research
>
0,50
untuk
Confirmatory maupun
Exploratory Research
> 0,70 untuk setiap
variable
Akar Kuadrat AVE >
Korelasi antar Konstruk
Laten
>
0,70
untuk
Confirmatory Research
> 0,60 masih dapat
diterima
untuk
Exploratory Research
>
0,70
untuk
Confirmatory Research
0,60 – 0,70 masih dapat
diterima
untuk
Exploratory Research
4. PEMBAHASAN
4.1 Deskripsi Hasil Pengukuran Variabel
Penelitian
• Reliabilitas Gabungan (Composite
reliability), selain uji validitas,
Outer model juga dilakukan untuk
406
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
Perumusan atau pernyataan hipotesishipotesis yang telah dirumuskan dari
struktur hubungan variabel konstruk atau
laten dapat dilakukan pengujian setelah
dilakukan pengukuran dimensi atau
indikator dari masing-masing variabel
konstruk selesai dilakukan. Variasi nilai
data pada dimensi atau indikator akan
menggambarkan
variasi
variabel
konstruknya.
Kuat
atau
lemahnya
hubungan berbagai indikator dengan
variabel konstruk ditunjukkan oleh besar
kecilnya nilai faktor bobot (loading factor)
yang dimiliki oleh masing-masing dimensi
atau indikator dari variabel konstruknya.
melakukan analisis Confirmatory Factor
Analysis (CFA). Analisis CFA merupakan
analisis yang digunakan untuk mengukur
dan menguji kualitas item-item dan dimensi
yang digunakan untuk mengukur variabel
penelitian. Model pengukuran ini adalah
model pengukuran Second Order.
Variabel Kompetensi diukur dengan
menggunakan tiga dimensi yaitu Task Skill
(X1), Task Management Skill (X2) dan
Transfer Skill (X3). Hasil perhitungan
model pengukuran dengan Partial Least
Square (PLS) disajikan pada Tabel 4
sebagai berikut.
Berdasarkan output program Smart PLS
estimasi parameter lamda adalah sama
dengan estimasi nilai parameter regresi
yang
terstandarisasi
(standardized
regression weigth) atau disebut sebagai
koefisien jalur (path coefficient). Dengan
diketahuinya besaran nilai koefisen jalur
maka perhitungan seberapa besar nilai
pengaruh struktural secara langsung, tidak
langsung maupun pengaruh total dari
variabel prediktor terhadap prediktannya
dapat diketahui dan ditentukan. Adapun
besaran nilai koefisien hasil estimasi
parameter lamda X dan lamda Y terlihat
dalam Tabel 3 sebagai berikut.
Tabel 4. Model Pengukuran DimensiDimensi Variabel Kompetensi
Dimension
X1 ← K
X2 ← K
X3 ← K
Program Merchant Day (PMD)
a. Product Performance (X4 )
b. Product Features (X5 )
c. Service Ability (X6 )
Variabel Intervening
Customer Relationship Management (CRM)
a. Customer Identification (Y1 )
b. Customer Attraction (Y2 )
c. Customer Retention (Y3 )
Variabel Endogen
0,884 Peningkatan Sales Volume (PSV)
0,917 a. Transaksi (Y4 )
0,864 b. Sales Volume (Y5 )
Standar
Error
0,014
0,015
0,011
t Statistic p Values
77,479
73,445
83,668
0,000
0,000
0,000
AVE
Composite
Reliability
0,878
0,961
Sumber : Hasil Analisis Program Smart PLS 3.0
Berdasarkan Tabel 4 terlihat bahwa semua
dimensi yang digunakan untuk mengukur
variabel Kompetensi memiliki nilai loading
factor lebih besar dari 0,70, sehingga dapat
disimpulkan bahwa ketiga dimensi tersebut
menghasilkan Composite Reliability lebih
dari 0,70. Dengan demikian ketiga dimensi
tersebut dapat disimpulkan valid dan
reliable.
Berdasarkan hasil perhitungan tersebut
terlihat bahwa dimensi Transfer Skill (X3)
merupakan dimensi yang paling dominan
terhadap variabel Kompetensi dengan nilai
loading factor sebesar 0,915.
Tabel 3. Hasil Nilai Estimasi Parameter
Lamda (Loading Factor) Pada MasingMasing Dimensi / Indikator Variabel
Eksogen, Intervening dan Endogen Dalam
Model Penelitian
Variabel Eksogen
Nilai λ
Kompetensi (K)
0,843
a. Task Skill (X1 )
b. Task Management Skill (X2 ) 0,793
0,915
c. Transfer Skills (X3 )
Loading
Factor λ
0,843
0,793
0,915
Variabel Program Merchant Day diukur
dengan menggunakan tiga dimensi yaitu
Product Performance (X4), Product
Features (X5) dan Service Ability (X6).
Hasil perhitungan model pengukuran
dengan Partial Least Square (PLS)
disajikan pada Tabel 5 sebagai berikut.
Nilai λ
0,867
0,746
0,886
Nilai λ
0,966
0,935
Sumber : Hasil Analisis Program Smart PLS 3.0
4.2 Analisa Model Pengukuran
Tabel 5. Model Pengukuran DimensiDimensi Variabel Program Merchant Day
Tahapan yang harus dilakukan dalam
melakukan model pengukuran adalah
407
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
Dimension
X4 ← PMD
X5 ← PMD
X6 ← PMD
Loading
Factor λ
0,884
0,917
0,864
Standar
Error
0,014
0,013
0,010
t Statistic p Values
120,879
101,515
77,3790
0,000
0,000
0,000
http://jurnal.unigal.ac.id/index.php/managementreview
AVE
Composite
Reliability
0,931
0,958
tersebut terlihat bahwa dimensi Customer
Retention (Y3) merupakan dimensi yang
paling dominan terhadap variabel Customer
Relationship Management dengan nilai
loading factor sebesar 0,886.
Sumber : Hasil Analisis Program Smart PLS 3.0
Berdasarkan Tabel 5 terlihat bahwa semua
dimensi yang digunakan untuk mengukur
variabel Program Merchant Day memiliki
nilai loading factor lebih besar dari 0,70,
sehingga dapat disimpulkan bahwa ketiga
dimensi tersebut menghasilkan Composite
Reliability lebih dari 0,70. Dengan
demikian ketiga dimensi tersebut dapat
disimpulkan
valid
dan
reliable.
Berdasarkan hasil perhitungan tersebut
terlihat bahwa dimensi Product Features
(X5) merupakan dimensi yang paling
dominan terhadap variabel Program
Merchant Day dengan nilai loading factor
sebesar 0,917.
Variabel Peningkatan Sales Volume diukur
dengan menggunakan dua dimensi yaitu
Transaksi (Y4) dan Sales Volume (Y5).
Hasil perhitungan model pengukuran
dengan Partial Least Square (PLS)
disajikan pada Tabel 7 sebagai berikut.
Tabel 7. Model Pengukuran DimensiDimensi Variabel Peningkatan Sales
Volume
Dimension
Y4 ← PSV
Y5 ← PSV
Y1 ← CRM
Y2 ← CRM
Y3 ← CRM
Standar
Error
0,012
0,008
0,010
t Statistic p Values
99,406
82,488
122,583
0,000
0,000
0,000
AVE
Composite
Reliability
0,904
0,959
t Statistic p Values
149,818
93,461
0,000
0,000
AVE
Composite
Reliability
0,918
0,917
Berdasarkan Tabel 7 terlihat bahwa semua
dimensi yang digunakan untuk mengukur
variabel Peningkatan Sales Volume
memiliki nilai loading factor lebih besar
dari 0,70, sehingga dapat disimpulkan
bahwa
kedua
dimensi
tersebut
menghasilkan Composite Reliability lebih
dari 0,70.
Dengan demikian kedua dimensi tersebut
dapat disimpulkan valid dan reliable.
Berdasarkan hasil perhitungan tersebut
terlihat bahwa dimensi Transaksi (Y4)
merupakan dimensi yang paling dominan
terhadap variabel Peningkatan Sales
Volume dengan nilai loading factor sebesar
0,966.
Tabel 6. Model Pengukuran DimensiDimensi Variabel Customer Relationship
Management
Loading
Factor λ
0,867
0,746
0,886
Standar
Error
0,006
0,010
Sumber : Hasil Analisis Program Smart PLS 3.0
Variabel
Customer
Relationship
Management diukur dengan menggunakan
tiga dimensi yaitu Customer Identification
(Y1), Customer Attraction (Y2) dan
Customer Retention (Y3). Hasil perhitungan
model pengukuran dengan Partial Least
Square (PLS) disajikan pada Tabel 6
sebagai berikut.
Dimension
Loading
Factor λ
0,966
0,935
Sumber : Hasil Analisis Program Smart PLS 3.0
Berdasarkan Tabel 6 terlihat bahwa semua
dimensi yang digunakan untuk mengukur
variabel
Customer
Relationship
Management memiliki nilai loading factor
lebih besar dari 0,70, sehingga dapat
disimpulkan bahwa ketiga dimensi tersebut
menghasilkan Composite Reliability lebih
dari 0,70. Dengan demikian ketiga dimensi
tersebut dapat disimpulkan valid dan
reliable. Berdasarkan hasil perhitungan
4.3
Analisa Model Struktural
Setelah pengujian Outer Model dinyatakan
valid dan reliable, langkah selanjutnya
adalah melakukan pengujian model
struktural (Inner Model) dari model
lengkap. Koefisien jalur dari model
struktural yang telah diuji dan diukur dapat
dilihat pada persamaan inner model
sebagaimana Tabel 8 sebagai berikut.
408
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
memiliki nilai loading factor lebih besar
dari 0,70 atau nilai t statistic > 1,99 dengan
tingkat nilai p value lebih kecil dari 0,05
sehingga dengan demikian dapat dikatakan
valid. Demikian juga dengan setiap dimensi
menghasilkan nilai composite reliability
yang lebih besar dari 0,70 sehingga dengan
demikian dapat disimpulkan reliable.
Tabel 8. Persamaan Inner Model
Inner Model
λ
PMD ← K
CRM ← K
CRM ← PMD
PSV ← CRM
0,885
0,878
0,886
0,923
Standard
Error
0,130
0,007
0,073
0,128
tp-Value
Persamaan Model
Statistic
109,131
0,000 PMD = 0,885 K + ζ1
4,530
0,042
CRM = 0,878 K + 0,886 PMD + ζ2
5,925
0,000
17,044
0,000 PSV = 0,923 CRM + ζ3
Sumber: Print Out Hasil Analisis Program Smart
PLS 3.0
Berikut Gambar 3 dan Tabel 9 merupakan
penyajian hasil pengujian pengaruh
Kompetensi (K) terhadap Program
Merchant
Day
(PMD);
pengaruh
Kompetensi (K) dan Program Merchant
Day
(PMD)
terhadap
Customer
Relationship Management (CRM) dan
pengaruh
Customer
Relationship
Management (CRM) terhadap Peningkatan
Sales Volume (PSV).
5.
Berdasarkan analisis kajian pengaruh
Kompetensi dan Program Merchant Day
pada Customer Relationship Management
serta dampaknya pada Peningkatan Sales
Volume di BNI Cabang Tasikmalaya yang
telah diuraikan pada bab-bab sebelumnya,
maka dapat disimpulkan yaitu terdapat
pengaruh positif dari Kompetensi terhadap
Program Merchant Day. Dalam hal ini,
dimensi Transfer Skills menunjukkan
pengaruh tertinggi dalam merefleksikan
Kompetensi
pada
BNI
Cabang
Tasikmalaya. Terdapat pengaruh positif
dari Kompetensi dan Program Merchant
Day terhadap Customer Relationship
Management
pada
BNI
Cabang
Tasikmalaya. Dalam hal ini, pengaruh dari
Program Merchant Day lebih besar
dibandingkan dengan Kompetensi terhadap
Customer Relationship Management.
Dimensi Product Features menunjukkan
pengaruh tertinggi dalam merefleksikan
Program Merchant Day pada Customer
Relationship
Management.
Terdapat
pengaruh
positif
dari
Customer
Relationship
Management
terhadap
Peningkatan Sales Volume pada BNI
Cabang Tasikmalaya. Dimensi Transaksi
menunjukkan pengaruh tertinggi dalam
merefleksikan Peningkatan Sales Volume.
Gambar 3. Model Penuh Penelitian &
Hasil Estimasi Parameter Struktural
Gambar 3 menggambarkan bahwa nilai uji
t dari model lengkap baik untuk model
pengukuran maupun model struktural.
Tabel 9. Persamaan Model Pengukuran
Lengkap
Variabel
Kompetensi
(K)
Program Merchant Day
(PMD)
Customer Relationship
Management
(CRM)
Dimensi
Task Skill (X1 )
Task Management Skill (X2 )
Loading
Factor λ
0,843
0,793
Error
t
Standard Statistic
0,014
77,479
0,015
73,445
p
Composite
AVE
values
Reliability
0,000
0,000
Transfer Skills (X3 )
0,915
0,011
83,668
0,000
Product Performance (X4 )
0,884
0,014
120,879
0,000
Product Features (X5 )
0,013
101,515
Service Ability (X6 )
0,864
0,010
77,3790
0,000
Customer Identification (Y1 )
0,867
0,012
99,406
0,000
Customer Attraction (Y2 )
Customer Retention (Y3 )
Peningkatan Sales Volume Transaksi (Y4 )
(PSV)
Sales Volume (Y5 )
0,917
0,746
0,008
82,488
0,000
0,000
0,886
0,010
122,583
0,000
0,966
0,006
149,818
0,000
0,935
0,010
93,461
0,000
0,88
0,961
0,93
0,958
0,904
0,959
0,92
0,917
SIMPULAN
Sumber: Print Out Hasil Analisis Program Smart
PLS 3.0
Berdasarkan hasil model pengukuran secara
lengkap seperti tersaji pada Tabel 9
diketahui bahwa nilai loading factor, AVE,
maupun composite reliability menunjukan
katagori tinggi karena semua dimensi
DAFTAR PUSTAKA
BNI, (2019). https://dashboard.bni.co.id/,
diakses pada tanggal 21 Juli 2019
Chin, W.W. (1998). The Partial Least
Squares Approach to Structural
409
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October
journal of managementReview
ISSN-P : 2580-4138 ISSN-E 2579-812X
Volume 3 Number 3 Page (399-410)
http://jurnal.unigal.ac.id/index.php/managementreview
Equation
Modeling,
In
G.A.
Marcoulides [ed.]. Modern Methods for
Business Research. NJ: Lawrence
Erlbaum Associates
Covey, Steven R. (2004). The 8th Habit
Melampaui Efektivitas, Menggapai
Keagungan. Jakarta: PT Gramedia
Pustaka Utama
Destiana, Annisa Harsi. (2014). Pengaruh
Kualitas
Pelayanan
Terhadap
Kepuasan Merchant Pada PT Bank
Mandiri Persero Tbk Kantor Area
Bekasi Jatiwaringin, Jurnal Penelitian
& Pengembangan Humaniora. Vol. 11.
No. 1. pp13-24
Ghozali, Imam. (2010). Aplikasi Analisis
Multivariate dengan Program SPSS.
Semarang: Badan Penerbit Universitas
Diponegoro.
Kasmir. (2005). Dasar-Dasar Perbankan.
Jakarta: PT. Raja Grafindo Persada.
Kasmir. (2004). Pemasaran Bank. Jakarta:
Prenada Media
Kotler, Philip. (2007). Manajemen
Pemasaran. Jakarta: PT. Prenhalindo
Lupiyoadi, Rambat., Hamdani, (2006).
Manajemen Pemasaran Jasa. Jakarta:
Salemba Empat
Moeheriono. (2009). Pengukuran Kinerja
Berbasis Kompetensi. Bogor : Ghalia
Indonesia
Nunnally, Bernstein, I. H. (1994).
Psychometric Theory, Edisi ke 3, New
York: McGraw Hill
Sudarmanto.
(2009).
Kinerja
dan
Pengembangan Kompetensi SDM,
Yogyakarta: Pustaka Pelajar
Sugiyono. (2012). Metode Penelitian
Bisnis. Bandung: CV.Alfabeta
Sugiyono. (2013). Metode Penelitian
Kuantitatif, Kualitatif dan Kombinasi
(Mixed Methods), Alfabeta, Bandung
Supriyatna, Agus., Yulianto, Erwin. (2019).
Budaya Perusahaan: Penerapan Good
Corporare
Governance
Serta
Implikasinya Terhadap Keberlanjutan
Kinerja Bank, Vol. 1. No. 1. pp11-20
Suryanto,
Dwi.
(2005).
Pengaruh
Ketertarikan, Kemiripan Persepsi,
Kemiripan
Demografis
Atasan
Bawahan, Kepuasan Kerja, dan
Komitmen Organisasional Terhadap
Nilai
Tjiptono, Fandy., Gregodius Chandra.
(2005). Service, Quality & Satisfaction.
Yogyakarta: Andi
Tjiptono, Fandy. (2006). Manajemen
Pelayanan Jasa. Yogyakarta: Andi
Tjiptono,
Fandy.
(2008).
Service
Management. Yogyakarta: Andi
Umar, Husein. (2005). Metode Penelitian
Untuk Skripsi dan Tesis Bisnis. Jakarta:
PT. Raja Grafindo Persada
Usman. 2006. Manajemen Pemasaran.
Cetakan Pertama. Yogyakarta: Amara
Books
410
doi: http://dx.doi.org/10.25157/mr.v3i3.2908
© 2019, October