3.1 desain penelitian - thesis.binus.ac.idthesis.binus.ac.id/doc/bab3/2010-1-00428-mn bab 3.pdf ·...
TRANSCRIPT
54
BAB III
METODE PENELITIAN
3.1 Desain penelitian
Jenis yang akan digunakan pada penelitian ini adalah penelitian Deskriptif
kuantitatif. Menurut Suliyanto (2006, p70) Deskriptif Kuantitatif adalah penelitian yang
bertujuan untuk menjelaskan keadaan suatu variabel secara mandiri. Dengan objek
penelitian adalah strategi bisnis, Customer Relationship Management dan Loyalitas
Pelanggan pada PT Geotech System Indonesia, serta beberapa buku, artikel, jurnal, dan
laporan penelitian yang sudah ada yang berkenaan dengan tema penelitian. Time horizon
yang digunakan adalah Cross Sectional yang berarti penelitian ini dilaksanakan dalam kurun
waktu satu kali dan mencerminkan potret dari suatu keadaan pada suatu saat tertentu.
Tabel 3.1 Desain Penelitian
Tujuan
Penelitian
Desain penelitian
Jenis Penelitian Time Horizon
T-1 Deskriptif
Kuantitatif
Cross Sectional
Design
T-2 Deskriptif
Kuantitatif
Cross Sectional
Design
T-3 Deskriptif
Kuantitatif
Cross Sectional
Design
55
T-4 Deskriptif
Kuantitatif
Cross Sectional
Design
Keterangan:
T-1: Mengetahui dan menganalisa pengaruh strategi bisnis terhadap Customer Relationship
Management.
T-2: Mengetahui dan menganalisa pengaruh strategi bisnis terhadap loyalitas pelanggan.
T-3: Mengetahui dan menganalisa pengaruh Customer Relationship Management terhadap
loyalitas pelanggan.
T-4: Mengetahui dan menganalisa pengaruh strategi bisnis dan Customer Relationship
Management terhadap loyalitas pelanggan.
3.2 Operasional Variabel Penelitian
Tabel 3.2 Operasional Variabel Penelitian
Dimensi Indikator Atribut Instrumen
Pengukuran
Skala
Pengukuran
Loyalitas
Pelanggan
(Y)
• Manfaat. • Menciptakan
hubungan baik.
Data internal
perusahaan
dan kuisioner
Likert
• Konsistensi • Menggunakan
layanan jasa
• Tindakan • Akan
melanjutkan
kerjasama
56
Strategi
bersaing
(X1)
• Diferensiasi
• Diferensiasi
kualitas jasa
Data internal
perusahaan
dan kuisioner
Likert
• fokus • Konsep yang
jelas
• Kualitas
produk/jasa dan
layanan pelanggan.
• Kekuatan
spesifik yang
tidak mudah
ditiru
CRM
(X2)
• Kecepatan dalam
pembaharuan
informasi.
• Update informasi Data internal
perusahaan
dan Kuisioner
Likert
• Produktivitas dan
profitabilitas.
• Memberikan
kotribusi
• Berinteraksi dengan
pelanggan.
• Senantiasa
menjalin
kerjasama
3.3 Jenis dan Sumber Data Peneltian
Dalam penelitian ini jenis data yang dikumpulkan adalah data primer dan data
sekunder yang bersifat kuantitatif.
Data primer adalah data berupa informasi yang diperoleh dengan penelitian secara
langsung baik ke perusahaan dan pelanggan. Data ini didapat dari hasil wawancara kepada
57
pemiliki perusahaan dan observasi untuk mendapatkan informasi yang diperlukan dalam
penelitian. Data primer dikumpulkan dari hasil riset survey dengan instrumen berupa
kuesioner mengenai strategi bersaing, cutomer relationship management dan loyalitas
pelanggan.
Data sekunder adalah data yang diperoleh melalui data yang telah diteliti dan
dikumpulkan oleh pihak lain yang berkaitan dengan permasalahan penelitian. Data sekunder
diperoleh melaui internet, artikel, jurnal penelitian yang berkaitan dengan permasalahan
yang ada dan data internal perusahaan mengenai strategi bisnis, pelanggan dan fasilitas
CRM.
3.4 Teknik Pengumpulan data
Dalam menyusun skripsi ini teknik yang digunakan untuk melakukan penelitian ini
menggunakan dua macam cara pengumpulan data (Sugiono 2005,p129):
1. Riset Kepustakaan (Library Research)
Yaitu cara pengumpulan data yang bersifat teoritis dengan cara teknik pengumpulan
data dan mempelajari buku bacaan yang diperoleh dari:
• Buku wajib (Text Book) yang berkaitan dengan penulisan skripsi
• Buku pelengkap (Reference Book) yang berkaitan dengan objek yang diteliti.
• Bahan bacaan lainnya yang berkaitan dengan strategi bisnis PT Geotech yaitu
buku profile company
• Jurnal dengan menelusuri Proquest, Emerald, McKinsey, J-Store, dan T-
Science
58
2. Riset Lapangan
Yaitu pengumpulan data dengan cara melakukan penelitian secara langsung dengan
mengunjungi perusahaan yang menjadi objek penelitian untuk mendapatkan data
yang diperlukan dalam penulisan skripsi. Adapun pengumpulan dengan cara ini,
penulis melakukan penelitian dengan cara berikut:
• Metode wawancara (Interview)
Suatu teknik pengumpulan data dengan tanya jawab secara langsung
dengan bagian-bagian terkait khususnya kepada pemilik dan para manager
untuk memperoleh informasi yang berkaitan dengan perencanaan strategi,
crm dan loyalitas pelanggan pada PT Geotech System Indonesia.
• Metode pengamatan (Observasi)
Penelitian ini dilakukan dengan cara melakukan observasi secara langsung
ke PT Geotech System Indonesia untuk memperoleh data yang
berhubungan dengan masalah yang diteliti melalui praktek kerja lapangan
selama 2 bulan dari bulan Juli - Agustus. Dalam hal ini data yang
dikumpulkan adalah data yang berhubungan dengan strategi bisnis, crm
dan loyalitas pelanggan.
• Kuisioner (Angket)
Suatu teknik pengumpulan data dilakukan dengan memberi seperangkat
pertanyaan atau pernyataan tertulis kepada responden yaitu PT Geotech
System Indonesia untuk mereka jawab. Kuisisoner tersebut membantu
59
penulis untuk memperoleh informasi yang berkaitan dengan perencanaan
bisnis, sistem CRM, dan loyalitas pelanggan.
3.5 Teknik Populasi dan Sampel
3.5.1 Populasi
Populasi pada PT Geotech ada 59 perusahaan dengan 7 account manager.
Diantaranya terdapat 4 perusahaan telekomunikasi, 4 perusahaan perbankan, 1 universitas,
dan 50 perusahaan perminyakan. Dan perinciannya sebagai berikut:
Tabel 3.3 Daftar pelanggan dan Account Manager
Account manager End User Account Manager End User
Indah Indosat Febyola Genting
Telkomsel Inpex
Chevron Irian Petroleum
Danamon KNOC
Total Murphy
Emerada Hess Pearl Oil
Febe Medco Petronas
BP Migas Santos
Expan Star Energy
Tirabumi Andardako
Santos IT Exxon
Pandawa Marathon
Artha Garaha Bank Diana EMP Group
60
Hutchison CP Telco Lapindo
Universitas Indonesia,
IT Division
Kondur
Zerotech Kangean
Toto & team Pertamina CITIC
Pertamina JOB CNOOC
CPP Petrochina
UBEP Limas Premier Oil
UBEP Banakat Barat Eni Bukat
Elnusa Vico
POG Saripari
Tately Kodeco
Niko Prasetyo Telkom Transworld
BNI Precission Drilling
Mobile 8 Husky
Vera Tesla
Ranhill
Grahapro
COPI
Sinopec
3.5.2 Sampel
Teknik sampling yang digunakan adalah dengan menggunakan teknik non-
probability sampling dengan metode purposive sampling. Non-probability sampling
61
(Suliyanto) adalah teknik pengambilan sampel dimana setiap anggota populasi tidak
mempunyai kesempatan untuk dijadikan sampel.
Metode purposive sampling (Suliyanto) merupakan metode penetapan sampel
dengan didasarkan pada kriteria-kriteria tertentu. Untuk sampel pada PT Geotech ditentukan
secara sengaja kepada pelanggan yang sudah bekrjasama lebih dari 2 tahun, dengan
sampel yang digunakan sebanyak 55.
Pendapat Slovin (Suliyanto):
n = N
1 + Ne2
Dimana:
n = jumlah sampel minimal
N = jumlah populasi
e = presentase kelonggaran ketelitian karena kesalahan pengambilan sampel
N = 59, e =0,05
n = 59
1 + (68 * 0,052)
= 59
1 + 0,1475
62
= 59
1,1475
= 51,42 dibulatkan menjadi 52
Jadi sampel paling minimalnya adalah 52
3.6 Metode Analisis
Metode penelitian data yang digunakan untuk melakukan penelitian ini adalah
Deskriptif Survey, dengan teknik pengolahan model Hybird (Full SEM Model). Data yang
diperoleh akan diolah dengan menggunakan software Lisrel (Linier Structure Relationship)
versi 8.80 sebagai tool dari pengolahannya.
Structural Equation Model (SEM) merupakan teknik statistik yang mampu
menganalisa variabel latent, variabel indikator dan kesalahan pengukuran secara langsung.
Dengan SEM kita mampu menganalisis hubungan antara variabel latent dengan variabel
indikatornya, hubungan antara variabel latent yang satu dengan variabel latent yang lain,
juga mengetahui besarnya kesalahan pengukuran. SEM termasuk keluarga multivariate
statistic dependensi yang memungkinkan dilakukannya analisis satau atau lebih variabel
independen dengan satu lebih variabel indipenden dalam bentuk variabel latent atau
teramati. Dalam prakteknya, SEM merupakan gabungan dari dua metode statistika yang
terpisah yang melibatkan analisis faktor (faktor analysis) yang dikembangkan di psikologi
dan psikometri dan model persamaan simultan (simultaneous equation modelling) yang
dikembangkan di ekonometrika.
Achmad Bachrudin, Harapan L. Tobing (Analisis Data untuk Penelitian Survei dengan
menggunakan LISREL 8.54, p3, 2003). Dalam penelitian ilmu sosisal atau ilmu prilaku (Social
63
dan Behavioral Sciences) sering kali peneliti melakukan kegiatan penelitian untuk mengukur
setiap karakteristik subjek atau satuan pengamatan melibatkan lebih satu variabel. Dala
konteks pengukuran seperti ini, analisis yang digunakan adalah statistik multivariat.
Suatu teknik yang menganalisa variabel indikator, variabel laten, dan kekeliruan
pengukurannya adalah pemodelan persamaan struktural (structural equation model, SEM).
Dengan SEM kita dapat menganalisa bagaimana hubungan antara variabel idikator dengan
varibel latennya yang dikenal sebagai persamaaan pengukuran (measurement equation),
hubungan antara variabel laten yang dikenal sebagai persamaan struktural (structural
equation) yang secara bersama-sama melibatkan kekeliruan pengukuran. Selain itu, model
persamaan struktural dapat menganalisis hubungan 2 arah (reciprocal) yang sering terjadi
pada ilmu sosial. Dalam SEM dikenal juga dengan variabel laten oksogen (independent
latent variabel) dan variabel laten endogen (dependent latent variable).
3.6.1 Tools SEM (LISREL – Linear Structural Relationship)
Istilah model persamaan struktural dikenal juga dengan nama LISREL (Linear
Structural Relationship) adalah paket program statistik untuk SEM, yang pertama kali
diperkenalkan oleh Karl Jareskog pada tahun 1970 dalam suatu pertemuan ilmiah. Istilah
lain untuk SEM sering kali disebut juga analisis faktor konfirmatori (confirmatoriy factor
analysis), model struktur kovarians (covariance structure models) dan model variabel laten
(laten variabel modelling).
Pengelolahan data dalam SEM dilakukan menggunakan prosedur iteratif yang sangat
memakan waktu dan ketelitian jika dilakukan secara manual. Perkembangan teknologi
komputer sangat membantu pengolahan data dengan SEM dan menjadikan SEM semakin
banyak digunakan oleh para peneliti maupun pebisnis. Dewasa ini telah dikembangkan
64
beberapa program komputer yang dapat digunakan untuk menganalisa SEM, antara lain
EQS, AMOS, LISREL, SAS PROC CALIS, STATISTICA-SEPATH, dan lain-lain.
Secara umum analisis LISREL dapat dipilah dalam dua bagian: pertama yang terkait
dengan model pengukuran (measurement model) dan kedua yang terkait dengan model
struktural (structural equation model). Dengan menggunakan LISREL, kita dapat
menganalisis struktur covariance yang rumit. Pada dasarnya pengolahan SEM dengan
LISREL dapat dilakukan dengan empat cara, yaitu menggunakan PRELIS Project, SIMPLIS
Project, LISREL Project maupun PATH DIAGRAM.
3.6.2 Prosedur SEM
Penerapan SEM didasarkan atas kovarian dari nilai-nilai yang ada dalam sampel,
sedangkan kovarian kurang stabil jika diestimasi dari sampel yang berukuran kecil. Karena
itu penerapan SEM membutuhkan sampel yang berukuran besar. Jika dalam analisis
statistika lainnya, residual yang ingin diminimumkan diperoleh dari perbedaan model dengan
nilai amatan, maka dalam SEM, residual merupakan perbedaan antara kovarian yang
diprediksi dengan kovarian yang diamati. Jika pada statistika biasanya yang dipentingkan
adalah signifikansi atau yang dicari adalah penolakan terhadap Ho (seperti pada regresi
berganda), pada SEM yang diusahakan adalah agar Ha tidak ditolak atau Ha diterima.
Penerimaan hipotesis alternatif berarti matrik kovarian populasi dari variabel-variabel
teramati tidak berbeda signifikan dari matriks kovarian sehingga errornya kecil.
Penerapan SEM mengikuti prosedur umum berikut:
A. Spesifikasi Model (Model Spesification)
B. Identifikasi (Identification)
65
C. Estimasi (Estimation)
D. Uji Kecocokan (Testin Fit)
E. Respesifikasi (Re-specification)
3.6.3 Penilaian Model
Penilaian kecocokan suatu SEM secara menyeluruh tidak dapat dijalankan secara
langsung sebagaimana pada teknik multivariat yang lain. SEM tidak mempunyai uji statistik
terbaik yang dapat menjelaskan kekuatan prediksi model. Untuk itu telah dikembangkan
beberapa ukuran derajat kecocokan yang dapat digunakan secara saling mendukung. (1998
: 660, Wijanto, 2003:17-20) mengelompokkan ukuran-ukuran GOF yang ada kedalam 3
bagian yaitu:
• Absolute Fit Measures (ukuran kecocokan absolut)
- Menentukan derajat prediksi model keseluruhan (model structural dan pengukuran)
terhadap matrix korelasi dan kovarian.
• Incremental Fit Measures (ukuran kecocokan incremental)
- Membandingkan model yang diusulkan dengan model dasar yang sering disebut
sebagai null model atau independence model
• Parsiminous Fit Measures (ukuran kecocokan parsimony)
- Mengingatkan model dengan jumlah koefisien yang diestimas yakni yang diperlukan
untuk mencapai kecocokan pada tingkat tersebut. Sesuai dengan prinsip parsimoni
66
atau kehematan berarti memperoleh degree of fit setinggi-tingginya untuk setiap
degree of freedom.
Table 3.4 Absolute Fit Measures
UKURAN KECOCOKAN ABSOLUTE
UKURAN DERAJAT
KECOCOKAN
TINGKAT KECOCOKAN YANG BISA DITERIMA
Statistic Chisquare (X2) Mengikuti uji statistik yang berkaitan dengan persyaratan
signifikan. Semakin kecil semakin baik. Diinginkan nilai chi
square yang kecil agar Ho : ∑ = ∑ (θ), tidak ditolak.
Non-Centrality Parameter
(NCP)
Dinyatakan dalam bentuk spesifikasi ulang dari chi square.
Penilaian didasarkan atas perbandingan dengan model lain.
Semakin kecil semakin banyak.
Goodness of Fit Index (GFI) NCP (non centrality parameter) yang dinyatakan dalam
bentuk rata-rata perbedaan setiap observasi dalam rangka
perbandingan antara model. Semakin kecil semakin baik.
Root Mean Square Residual
(RMSR)
Nilai berkisar antara 0-1 dengan nilai lebih tinggi adalah
lebih baik. GFI > 0.90 adalah good fit, sedang 0.80 < GFI
< 0.90 adalah marginal fit.
Root Mean Square Error of
Approximation (RMSEA)
Residual rata-rata antara matrix (korelasi atau kovarian)
teramati dari hasil estimasi, RMSR < 0.05 adalah good fit.
Expected Cross Validation
Index (ECVI)
GOF yang diharapkan pada sampel yang lain dengan
ukuran sama. Penilaian didasarkan atas perbandingan
antara model. Semakin kecil semakin baik.
67
Tabel 3.5: Incremental Fit Measures
UKURAN KECOCOKAN INKREMENTAL
UKURAN DERAJAT
KECOCOKAN
TINGKAT KEOCOKAN YANG BISA DITERIMA
Tucker-Lewis Idex atau Non
Normed Fit Index
Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah
lebih baik. TLI > 0.90 adalah marginal fit.
Normed Fit Index (NFI) Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah
lebih baik NFI > 0.90 adalah good fit, sedang 0.80 < NFI
< 0.90 adalah marginal fit.
Adjusted Goodness of Fit
Index (AGFI)
Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah
lebih baik. AGFI > 0.90 adalah good fit, sedang 0.80 <
AGFI < 0.90 adalah marginal fit.
Incremental Fit Index (IFI) Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah
lebih baik. IFI > 0.90 adalah good fit, sedang 0.80 < IFI <
0.90 adalah marginal fit.
Comparative Fit Index Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah
lebih baik. CFI > 0.90 adalah good fit, sedang 0.80 < CFI
< 0.90 adalah marginal fit.
68
Tabel 3.6: Parsiminous Fit Measures
UKURAN KECOCOKAN ABSOLUT
UKURAN DERAJAT
KECOCOKAN
TINGKAT KECOCOKAN YANG BISA DITERIMA
Parsimonious Goodness of
Fit (PGFI)
Spesifikasi ulang dari GFI, dimana nilai lebih tinggi
menunjukkan parsimony yang lebih besar. Ukuran ini
digunakan untuk perbandingan diantara model-model.
Normed Chi-Square Rasio antara Chi-Square dibagi degree of freedom. Nilai yang
disarankan : batas bawah = 1.0, batas atas =2.0 atau 3.0
dan lebih longgar 5.0
Parsimonoious Normed Fit
Index (PNFI)
Nilai tinggi menunjukkan kecocokan lebih baik, hanya
digunakan untuk perbandingan antara model alternatif.
Akaike Information Criterion
(AIC)
Nilai positif lebih kecil menunjukkan parsimoni lebih baik
digunakan untuk perbandingan antara model.
Consitent Akaike Information
Criterion (AIC)
Nilai positif lebih kecil menunjukkan parsimoni lebih baik
digunakan untuk perbandingan antara model.
Critical N (CN) Estimasi ukuran sample yang mencakup untuk menghasilkan
suatu adequate model fit untuk chi square test. CN > 200
mengindikasikan bahwa model cukup mewakili sample data.
Oleh karena itu, untuk menilai model fit peneliti dianjurkan menggunakan indikator-
indikator goodness of fit dalam menilai suatu variabel dan indikator-indikator tersebut
adalah sebagai berikut:
69
Tabel 3.7 Kriteria Uji Fit
Uji Fit Kriteria Fit
Chi-Square P> 0,05
RMSEA <0,05
GFI >0,9
NFI >0,9
NNFI >0,9
CFI >0,9
IFI >0,9
3.6.4 Model Persamaan Struktural
a. Penyusunan Diagram Jalur
Pengembangan diagram jalur untuk menggambarkan hubungan kausalitas yang
ingin diuji, yang dikembangkan dalam persamaan structural yang disusun. Hubungan
kausalitas digambarkan dalam sebuah diagram jalur untuk menunjukkan alur hubungan
antara variabel endogen dan variabel eksogen. Dalam model persamaan model structural,
70
hubungan kausalitas itu cukup digambarkan dalam sebuah diagram jalur, selanjutnya
bahasa program akan mengkonversi gambar menjadi persamaan dan persamaan menjadi
estimasi Ferdinand (2000). Pengembangan diagram jalur dalam penelitian ini dijelaskan
pada Gambar 3.1.
Gambar 3.1 Diagram Jalur Model Persamaan Struktural
Keterangan:
Strategi dan crm = Variabel laten eksogen (variabel independent).
Loyalitas = Variabel laten endogen (variabel dependent).
λ (Lamda) = Hubungan antara variabel laten eksogen ataupun endogen
terhadap indikator-indikatornya.
71
γ (Gamma) = Hubungan langsung variabel eksogen dengan variabel
endogen.
X1, X2, X3, X4, X5, X6` = Indikator-indikator dari variabel laten eksogen.
Y1, Y2, Y3 = Indikator-indikator dari variabel laten endogen.
ε (Epsilon) = Kesalahan pengukuran (measurement error) dari indikator
variabel endogen.
δ (Delta) = Kesalahan pengukuran (measurement error) dari indikator
variabel eksogen.
b. Spesifikasi dan Identifikasi Model
Variabel Eksogen (Eksogenous Variable)
Variabel strategi adalah Latent Exogenous Variable yang diukur dengan 3 observed
variabel indikator variabel yakni Competitive Advantage (X1), Manajemen (X2), Pemasaran
(X3). Variabel CRM juga adalah Latent Exogenous Variable yang diukur dengan 3 observed
variabel indikator variabel yakni Teknologi (X4), Proses (X5), Hubungan (X6).
72
Gambar 3.2 Model Strategi dan CRM
Keterangan:
X1 = Diferensiasi
X2 = Fokus
X3 = Kualitas produk / jasa
X4 = Kecepatan Informasi
X5 = Produktivitas dan profitabilitas
X6 = Interaksi dengan pelanggan
73
Variabel Endogen (Endogenous Variable)
Loyalitas yang merupakan adalah Latent Endogenous Variable yang diukur dengan 3
observed variabel indikator variabel yakni Kognitif (Y1), Konatif (Y2), Tindakan (Y3).
Gambar 3.3 Model Loyalitas
Keterangan:
Y1 = Manfaat
Y2 = Konsistensi
Y3 = Tindakan
c. Persamaan struktural
Setelah penggambaran diagram jalar dilakukan, selanjutnya program Lisrel 8.80
akan mengkonversi spesifikasi model tersebut ke dalam persamaan-persamaan, yaitu
74
persamaan sruktural dan persamaan spesifikasi model pengukurannya. Persamaan struktural
dirumuskan untuk menyatakan hubungan kausalitas antara berbagai variabel, sebagai
berikut:
Persamaan Struktural:
Persamaan Pengukuran Variabel Eksogen:
X1 = λ1 + δ1
X2 = λ2 + δ2
X3 = λ3 + δ3
X4 = λ4 + δ4
X5 = λ5 + δ5
X6 = λ6 + δ6
Persamaan Pengukuran Variabel Endogen:
Y1 = λ7 + ε1s
Y2 = λ8 + ε2
Y3 = λ9 + ε3
Y = γ1 strategi + γ2 crm + ζ
75
3.7 Rancangan Uji Hipotesis
Uji hipotesis yang dapat dilakukan dalam penelitian ini adalah sebagai berikut:
T-1 Pengaruh Strategi Bersaing terhadap Customer Relationship Management.
Ho : Tidak ada pengaruh strategi bersaing terhadap Customer Relationship
Management pada PT Geotech System Indonesia.
Ha : Terdapat pengaruh strategi bersaing terhadap Customer Relationship
Management pada PT Geotech System Indonesia.
T-2 Pengaruh Strategi Bersaing terhadap Loyalitas Pelanggan.
Ho : Tidak ada pengaruh strategi bersaing terhadap Loyalitas Pelanggan pada
PT Geotech System Indonesia.
Ha : Terdapat pengaruh strategi bersaing terhadap Loyalitas Pelanggan pada PT
Geotech System Indonesia.
T-3 Pengaruh Customer Relationship Management terhadap loyalitas pelanggan.
Ho : Tidak ada pengaruh Customer Relationship Management terhadap Loyalitas
Pelanggan Management pada PT Geotech System Indonesia.
Ha : Terdapat pengaruh Customer Relationship Management terhadap Loyalitas
Pelanggan pada PT Geotech System Indonesia.
T-4 Pengaruh Strategi Bisnis dan Customer Relationship Management terhadap
Loyalitas Pelanggan.
Ho : Tidak ada pengaruh Strategi Bersaing dan Customer Relationship
Management terhadap Loyalitas Pelanggan pada PT Geotech System Indonesia.
Ha : Terdapat pengaruh Strategi Bersaing dan Customer Relationship
Management terhadap Loyalitas Pelanggan pada PT Geotech System Indonesia.