Anda di halaman 1dari 18

UJIAN AKHIR SEMESTER METODE PENELITIAN

Untuk Memenuhi Salah Satu Ujian mata kuliah Metodologi penelitian pembimbing
Dr.Hadyana Sukandar.,Drs.,M.Sc, Pada Program Studi Magister Manajemen Konsentrasi
Manajemen Administrasi Rumah Sakit

OLEH :
ARISA NAFSIH JULI GAYONI
158020112

PROGRAM MAGISTER MANAJEMEN
FAKULTAS PASCASARJANA
UNIVERSITAS PASUNDAN
BANDUNG
2016

Jawaban Soal UAS. Rencana penelitian saya dengan judul : A. variabel perancu meliputi kualitas pelayanan mempengaruhi kepuasan dan loyalitas pelanggan serta kepuasan pelanggan berpengaruh terhadap loyalitas pelanggan. 1). Variabel terikat.. Variabel perancu (confounding variable) pada penelitian ini adalah Variabel bebas (X) meliputi Kualitas Pelayanan Instalasi Rawat Inap RSIA Melinda Bandung yang diukur menggunakan skala pengukuran Interval dan Variabel terikat (Y) meliputi Kepuasan Pasien Instalasi Rawat Inap RSIA Melinda Bandung (Y1) yang diukur menggunakan skala pengukuran Interval dan Loyalitas Pasien Instalasi Rawat Inap RSIA Melinda Bandung (Y2) yang diukur menggunakan skala pengukuran Interval. Pasien berusia diatas 16 tahun. b. Pasien bersedia menjadi subyek penelitian dengan mengisi persetujuan menjadi responden penelitian (Informed Consent). Kriteria inklusi dan eksklusi pada penelitian ini adalah Kriteria Inklusi subyek penelitian. C. c. PENGARUH KUALITAS PELAYANAN INSTALASI RAWAT INAP TERHADAP KEPUASAN DAN LOYALITAS PASIEN DI RSIA MELINDA BANDUNG B. Penetapan Variabel bebas. Keluarga dapat dijadikan responden untuk pasien bayi. . antara lain : a... balita dan anak-anak yang berumur ≤ 16 tahun..

Rumus besar sampel dan teknik sampling yang di gunakan adalah Pada penelitian ini menggunakan teknik simple random sampling yaitu dengan cara pengambilan sampel dari anggota populasi pasien di Instalasi Rawat Inap RSIA Melinda Bandung dengan menggunakan acak tanpa memperhatikan strata (tingkatan) dalam anggota populasi tersebut. Pasien dalam kondisi penurunan kesadaran. D. Pasien dalam kondisi sadar penuh. dan III. I. II. Teknik pengumpulan data dengan wawancara dan kuesioner yang diisi oleh pasien-pasien Instalasi Rawat Inap RSIA Melinda Bandung yang sedang melakukan pengobatan di Instalasi Rawat Inap RSIA Melinda Bandung. antara lain : a. Pasien berjenis kelamin laki-laki dan perempuan. f. Utama. Rancangan penelitian pada penelitian ini adalah penelitian ini menggunakan Eksplorative Analytic dengan time horizon datanya Cross- sectional yang mencerminkan gambaran dari suatu keadaan pada suatu saat tertentu. Informasi didapatkan dari sebagian populasi yang dikumpulkan langsung dari unit observasi dengan teknik sampling Random Sampling. E. e. Pasien dalam kondisi gawat darurat yang membutuhkan penanganan segera. Kriteria Eksklusi subyek penelitian. Pasien telah menjalani perawatan di kelas VIP. . tidak mengalami penurunan kesadaran dan tidak sedang dalam kondisi kritis atau membutuhkan penanganan segera atau gawat darurat. d. b.

Formula Pearson Product Moment : 𝑁∑ 𝑋𝑌 − ∑𝑋 ∑𝑌 𝑟𝑥𝑦 = √(𝑁 ∑ 𝑋 2 − (∑ 𝑋 2 )) (𝑁 ∑ 𝑌 2 − (∑ 𝑌 2 )) Keterangan : r xy = r hitung X = Skor-skor pada item ke. yaitu : n= N N. Formula Cronbach’s Alpha : 𝑘 ∑ 𝑆𝑖2 𝛼=[ ] [1 − 2 ] 𝑘−1 𝑆𝑡 .i Y = Jumlah skor yang diperoleh tiap responden N = Banyak responden. Uji Statistik yang digunakan pada penelitian ini adalah Sebelum penelitian dimulai. penulis melakukan uji validitas menggunakan Pearson Product Moment dan melakukan uji reliabilitas dengan Cronbach’s Alpha. Penentuan jumlah sampel di Instalasi Rawat Inap RSIA Melinda Bandung dengan menggunakan formula SLOVIN. d ² + 1 Keterangan : n = Jumlah sampel N = Jumlah populasi d² = Presisi yang ditetapkan (ditetapkan 10% dengan tingkat kepercayaan 95%). F.

S2 3 10 4.33 Sumber : Hasil Kuesioner Penelitian pada Pengujian Validitas dan Reliabilitas Alat Ukur Penelitian yang telah diolah.000. Usia Responden (tahun) 1. 36-45 4 13.33 4. < 25 3 10 2. Kota Bandung 29 96.1 Data Karakteristik Responden pada Pengujian Validitas dan Reliabilitas Alat Ukur Penelitian No. Ibu Rumah Tangga 8 26.000 19 56. SMA/SMK 1 3. Pendidikan 1. Tempat Tinggal 1.1. 25-35 23 76. gambaran karakteristik responden penelitian mayoritas berusia diatas 25-35 tahun. Luar Kota Bandung 1 3.67 5. Laki-Laki 3 10 2.000 11 43. Pegawai Negeri Sipil (PNS) 0 0 2.000.67 3. berjenis kelamin perempuan. Perempuan 27 90 3.67 2. Berdasarkan Tabel 1. Keterangan : α = Reliabilitas (koefisien Alfa) k = Banyaknya butir item atau soal Σ Si² = Jumlah varians butir soal St² = Varians total. 5. Dummy Table pada penelitian ini adalah Tabel 1. 5. Penghasilan Rata-Rata Perbulan 1. Pegawai Swasta 18 60 3. 2017. Karakteristik Responden Jumlah Responden Persentase (orang) (%) 1.33 4. 46-55 0 0 5. ≤ Rp.67 2.33 2.67 3. Pekerjaan 1. Wiraswata 4 13. S1 26 86. > Rp. G.33 6. Jenis Kelamin 1. > 55 0 0 2. memiliki latar .

tidak setuju. penulis melakukan uji validitas menggunakan Pearson Product Moment dan melakukan uji reliabilitas dengan Cronbach’s Alpha. sangat tidak setuju. 5. 2 untuk setuju. Sebelum penelitian dimulai. tidak tahu. Operasionalisasi Variabel pada penelitian ini disusun dalam Tabel 2. Dari soal nomer satu maka Seluruh pernyataan di kuesioner pada menggunakan format Skala Likert. 2 untuk tidak setuju dan 1 untuk sangat tidak setuju. pekerjaan Pegawai Swasta dengan penghasilan rata-rata per bulan diatas Rp. setuju. Pernyataan favorable (positif) dengan penilaian skor 5 untuk sangat setuju. sebagai seberapa jauh perbedaan Empathy Keramahan  Tingkat keramahan 2 antara kenyataan karyawan dalam dan harapan memberikan pelayanan. 3 untuk tidak tahu. pelanggan atas Komunikasi  Tingkat komunikasi . 4 untuk setuju. setiap pernyataan memiliki lima kategori respon jawaban yaitu sangat setuju.1 Operasionalisasi Variabel Variabel dan Dimensi Indikator Pengukuran Skala Nomer Konsep Ukur Kuesioner Kualitas Responsiveness Pelayanan  Tingkat kemampuan Interval 1 Pelayanan karyawan dalam Instalasi Rawat merespon kebutuhan Inap (X) pasien. sedangkan pernyataan unfavorable (negatif) dengan penilaian skor 1 untuk sangat setuju. 2). belakang pendidikan Sarjana Strata 1.000.000 dan berdomisili di Kota Bandung. Tindakan  Tingkat kecepatan Kualitas karyawan dalam pelayanan memberikan tindakan didefinisikan pelayanan. 3 untuk tidak tahu. 4 untuk tidak setuju dan 5 untuk sangat tidak setuju.1. Tabel 2.

 Tingkat resiko Risiko pelayanan. seeorang yang timbul karena Technical Tenaga medis  Tingkat kualitas tenaga 12. dan Kotler : 2012). Akurasi  Tingkat akurasi pemeriksaan tenaga medis dan pemeriksaan penunjang pelayanan. Kepuasan General Kepuasan  Tingkat kepuasan Interval 9 dan 23 Pasien Satisfication pasien secara umum (Y1) dalam mendapatkan pelayanan. Zeithaml dan Reliability Kehandalan  Tingkat ketrampilan 3 Berry : 1988). produk atau  Tingkat kualitas hasil terhadap Fasilitas fasilitas yang tersedia ekspekstasi untuk menunjang mereka (Keller pelayanan. atau keahlian karyawan dalam memberikan pelayanan. Interpersonal Kepedulian  Tingkat kepedulian Accepts tenaga medis dalam 16 dan 17 melakukan pelayanan.8.  Tingkat kepercayaan 6 Assurance Jaminan pasien kepada tenaga pelayanan medis dapat menjamin keselamatan pasien yang melakukan pengobatan. membandingkan Quality medis dalam dan 20 kinerja yang memberikan dipersepsikan pelayanan. Sikap  Sikap tenaga medis dalam memberikan . Kepuasan Ketidakpuasan  Tingkat ketidakpuasan adalah perasaan pasien secara umum senang atau dalam mendapatkan kecewa pelayanan.  Tingkat harga Harga pelayanan.  Tingkat keterjangkauan 4 dan 5 Tangible Lokasi lokasi pelayanan. (Parasuraman.10. Variabel dan Dimensi Indikator Pengukuran Skala Nomer Konsep Ukur Kuesioner layanan yang karyawan dalam mereka terima memberikan penjelasan atau peroleh pelayanan.

Availability atau dan 24 Convenience Ketersediaan  Tingkat ketersediaan pelayanan fasilitas pelayanan. Switching Cost Biaya yang  Kesediaan pasien 28 dikeluarkan mengeluarkan biaya sesuai dengan pengobatan sesuai pelayanan yang dengan fasilitas yang .  Kemampuan finansial Financial Kondisi yang dikeluarkan oleh 11 dan 13 Aspects finansial pasien dalam mendapatkan pelayanan. Loyalitas Pasien Trust Kepercayaan  Tingkat kepercayaan Interval 25 (Y2) pasien dalam menjalani pengobatan. Lauren : 2005).  Tingkat komunikasi Communication Komunikasi yang terjalin antara 7 dan 19 karyawan pasien dengan tenaga terhadap pasien medis. 26 pelanggan untuk Commitment secara suka rela Keterikatan  Tingkat keterikatan terus secara emosional pasien berlangganan emosional dengan penyedia dengan pelayanan.  Tingkat keterjangkauan Access atau Akses akses. perusahaan tertentu dalam Word of Mouth Rekomendasi  Kesediaan pasien 27 jangka waktu merekomendasikan yang lama pelayanan yang didapat (Christopher dan kepada pihak lain. 14. Loyalitas merupakan Psychological Kunjungan  Jumlah kunjungan keputusan atau Emotional berulang berulang.  Lama pelayanan tenaga Time Spent with Ketersediaan medis dalam 21 dan 18 Doctor waktu memberikan pelayanan. 22. 15. Promosi  Kesediaan pasien mempromosikan pihak lain kepada pihak lain atau media. Variabel dan Dimensi Indikator Pengukuran Skala Nomer Konsep Ukur Kuesioner pelayanan.

29 Cooperation Masukan atau  Kesediaan pasien kritik memberikan masukan atau kritik yang membangun di kotak saran atau di customer service. (untuk soal no dua berikut terlampir print out komputernya). . Kemudian melakukan pengujian kepada 30 reponden di RSIA Melinda Bandung untuk dilakukan uji validitas dan reliabilitas.Variabel dan Dimensi Indikator Pengukuran Skala Nomer Konsep Ukur Kuesioner didapatkan didapatkan.

Persamaan Regresi Multiple (majemuk) Y=b1X1 + b2X2 + . misalnya sehat/sakit. Maka variabel dependen dihitung bukan dengan mean namun menggunakan proporsi. Dengan . + bnXn + c + e Y = Variabel yang ingin di prediksi b = Koefisien regresi c = konstanta e= Error  residual b) Analisis Jalur Analisis jalur adalah suatu bentuk terapan dari analisis multiregresi. residu terjadi secara acak dan berdistribusi normal. Asumsi regresi multipel (majemuk) yaitu : Hubungan antar variabelnya bersifat linear.3)... Analisis Korelasi Dan Analisis Regresi Logistik Berganda Adalah a) Analisis Regresi Multipel (regresi majemuk) Analisis ini dipergunakan untuk mengetahui besarnya proporsi dari suatu variabel yang kontinu yang berhubungan atau dijelaskan oleh dua variabel atau lebih variabel. baik/kurang baik.. non ziro-variance prediktor IV harus memiliki varian.. yaitu variabel dependennya berbentuk variabel kategorik yang terdiri dari dua kelompok.. pada setiap level prediktor varian residu harus sama.. Perbedaan dari Analisis Regresi Multipel. Dalam analisis ini digunakan diagram jalur untuk membantu konseptualisasi masalah-masalah atau untuk menguji hipotesis yang kompleks. Analisis Jalur. Distribusi bersifat normal. merupakan jenis regresi yang memiliki ciri khusus. Multiple regresi logistik ini juga salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau beberapa variabel independen dengan sebuah variabel dependen katagorik yang bersifat dikotom/binary.. antar prediktor tidak berhubungan. residu pada setiap pengukuran tidak berkorelasi.....

menggunakan analisis ini dapat dihitung langsung dan tak langsung dari variabel-variabel bebas terhadap variabel terikat. Koefisien jalur adalah koefisien yang tidak mempunyai satuan. terhadap Y terdapat hubungan dan Y terhadap Z merupakan hubungan kausal. Besarnya pengaruh (relatif) dari suatu variabel penyebab ke variabel akibat tertentu dinyatakan oleh besarnya bilangan koefisien jalur dan variabel tersebut ke variabel akibatnya. X2. Struktur Analisis Jalur (Path Analysis) Hubungan Antar Variabel Penelitian Keterangan : X1 = Lingkungan Kerja X2 = Kepemimpinan Y = Kepuasan Kerja Z = Kinerja Perawat ε = Variabel luar yang mempengaruhi Y dan Z serta tidak di teliti. Sementara . Analisis jalur dapat digambarkan sebagai berikut : Gambar 1. Dengan analisis jalur dapat diketahui besarnya pengaruh masing-masing variabel dan dapat digambarkan secara diagramatik. Gambar di atas menunjukkan bahwa antara X1. sehingga dapat disimpulkan bahwa makin besar koefisien jalur. maka secara relatif makin besar pengaruh yang diberikan variabel itu.

dan satu variabel antara (Y) yaitu Kepuasan Kerja serta satu variabel terikat yaitu Kinerja Perawat (Z). Menghitung dan menyusun matrik koefisien korelasi (r) guna mengetahui korelasi antar variabel . yaitu Lingkungan Kerja (X1). Diagram di atas dapat diuraikan menjadi dua persamaan struktur sebagai berikut : Gambar 2 Analisis Jalur Sub Struktur 1 Persamaan struktur 1 : Y= yx X + yx X 1 1 2 2 + 1 Keterangan : X1 = Lingkungan Kerja X2 = Kepemimpinan Y = Kepuasan Kerja 1 = Variabel Epsilon Selanjutnya untuk menghitung koefisien korelasi dan koefisien jalur dan yang lainnya dilakukan dengan cara-cara sebagai berikut : a.hubungan X1 terhadap X2 merupakan hubungan korelasional. Kepemimpinan (X2). Dalam penelitian ini ada dua variabel bebas (X).

Menghitung koefisien determinasi c. Menghitung koefisien jalur epsilon (2) yang tidak diteliti d. Melakukan uji signifikansi koefisien jalur secara parsial melalui uji t dan secara simultan melalui uji F. Gambar 3 Analisis Jalur Sub Struktur 2 Persamaan Struktur 2 : Z =  zyY + 2 Y = Kepuasan Kerja Z = Kinerja Perawat 2= Variabel Epsilon Dilakukan perhitungan sebagai berikut : a. Menghitung koefisien determinasi (R2) d. Menghitung koefisien jalur () c. Melakukan uji signifikansi koefisien jalur secara parsial melaui uji t Analisis verifikatif dengan Analisis Jalur (Path Analysis) dengan Regresi berganda. Teknik Analisis Jalur yang dikembangkan oleh Sewal Wright di tahun . Menghitung koefisien jalur (  ) b. Menghitung koefisien jalur epsilon (1) yang tidak diteliti e. b.

Analisis Jalur (Path Analysis) tipe Regresi Berganda dengan menggunakan satu variabel exogenous yaitu X1 dan dua variabel endogenous Y yaitu Y1 dan Y2. Teknik ini juga dikenal sebagai model sebab- akibat (causing modeling). Penamaan ini didasarkan pada alasan bahwa Analisis Jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab dan akibat tanpa memanipulasi variabel-variabel. Bentuk diagram sebagai berikut : ε1 ε2 X Y1 Y2 ρy1x ρy2y1 ρy2x Gambar 4 Analisis Jalur (Path Analysis) sesuai dengan Hipotesis Penelitian Keterangan : X = Kualitas Pelayanan Instalasi Rawat Inap RSIA Melinda Bandung Y1 = Kepuasan pasien Y2 = Loyalitas pasien ρy1x = Koefisien jalur antara variabel Y1 dan X .1934 merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Memanipulasi variabel maksudnya ialah memberikan perlakuan (treatment) terhadap variabel- variabel tertentu dalam pengukurannya. Analisis Jalur mempunyai kedekatan dengan Regresi Berganda atau dengan kata lain. Regresi Berganda merupakan bentuk khusus dari Analisis Jalur. Asumsi dasar model ini ialah beberapa variabel sebenarnya mempunyai hubungan yang sangat dekat satu dengan lainnya.

F hitung < F tabel maka H0 diterima dan H1 ditolak Peneliti menggunakan software statistik Statistical Package for the Social Sciences (SPSS) versi 17.0 untuk mempermudah proses pengolahan data untuk keperluan penelitian kuantitatif sehingga proses pengolahan data menjadi efektif. Koefisien Determinan (KD) = r² x 100%. ρy2x = Koefisien jalur antara variabel Y2 dan X ρy2y1 = Koefisien jalur antara variabel Y2 dan Y1 ε = Error Menurut Sugiyono (2011). menghitung nilai koefisien jalur dan uji signifikansi analisis jalur secara simultan. dimana nilai r didapat dari table model summary dengan menggunakan software statistik Statistical Package for the Social Sciences (SPSS). Untuk menghitung koefisien jalur dengan menggunakan Koefisien Determinan. . Adapun dasar pengembalian keputusan adalah sebagai berikut : a. F hitung > F tabel maka H0 ditolak dan H1 diterima b. Untuk menguji hipotesis secara simultan dapat dilakukan dengan membandingkan nilai F hitung dengan F tabel. Rumus F hitung sebagai berikut : Fh = R²/k (1-R²) / (n-k-1) Keterangan : R = Koefisien korelasi ganda k = Jumlah variabel independen n = Jumlah anggota sampel.

99 berarti korelasi memiliki keeratan sangat kuat sekali 1.70 berarti korelasi memiliki keeratan kuat d) 0. maka variabel X2 juga akan mengalami kenaikan.c) Analisis Korelasi Uji korelasi bertujuan untuk menguji hubungan antara dua variabel atau lebih yang tidak meunjukkan hubungan kausal.91 – 0. . atau jika variabel X2 mengalami kenaikan maka variabel X1 mengalami penurunan. 2) Korelasi negatif () berarti jika variabel X1 mengalami kenaikan. atau jika variabel X2 mengalami kenaikan maka variabel X1 mengalami kenaikan.20 – 0. Sifat korelasi akan menentukan arah dari korelasi.00 berarti korelasi memiliki keeratan sempurna (Sugiyono.41 – 0.40 berarti korelasi memiliki keeratan lemah c) 0.19 berarti korelasi memiliki keeratan kecil b) 0.90 berarti korelasi memiliki keeratan sangat kuat e) 0.71 – 0. Koefisien korelasi memiliki nilai antara -1 sampai +1. 2014). Keeratan hubungan dinyatakan dalam bentuk koefisien korelasional. maka variabel X2 mengalami penurunan. Uji korelasi ini tidak membedakan jenis variabel (tidak ada variabel bebas maupun variabel terikat).00 – 0. Keeratan korelasi dapat dikelompokkan sebagai berikut : a) 0. yang berarti : 1) Korelasi positif (+) berarti jika variabel X1 mengalami kenaikan. Nilai koefisien korelasional merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antar variabel.

Menggambarkan hubungan kuantitatif antara variabel independen (X) dengan variabel dependen (y) setelah dikontrol variabel lain 3. Pada regresi logistik. Mengetahui adanya interaksi pada dua atau lebih variabel independen terhadap variabel dependen. Menetapkan model matematika yang paling baik untuk menggambarkan hubungan variabel independen dengan variabel dependen. variabel independennya boleh campuran antara variabel katagorik dan numerik. Fungsi regresi logistik ganda adalah : 1.d) Analisis Regresi Logistik Ganda Keuntungan regresi logistik ganda adalah kemampuannya untuk memasukkan beberapa variabel dalam satu model. 2. Namun sebaliknya variabel independennya berupa katagorik karena dalam menginterpretasikan hasil analisis akan lebih mudah. Pada pemodelan ini semua variabel di anggap penting sehingga estimasi dapat dilakukan estimasi beberapa koefisien regresi logistik sekaligus . Kegunaan analisis regresi logistik ganda mencakup dua hal : A. 4. Model prediksi Pemodelan dengan tujuan untuk memperoleh model yang terdiri dari beberapa variabel independen yang di anggap terbaik untuk memprediksi kejadian variabel dependen. Mengetahui variabel independen (x) mana yang penting (dominan) dalam memprediksi variabel dependen.

Namun kekurangan dari logistik ganda ini juga yaitu ciri data awal (numerik) hilang karena dijadikan kategorik. X1 X2 Y X3 X4 Gambar 1 Bentuk kerangka konsep model faktor prediksi B. dapat mengetahui pengaruh dari beberapa variabel independen terhadap variabel dependen. . Model Faktor Resiko Pemodelan dengan tujuan mengestimasi secara valid hubungan satu variabel utama dengan variabel dependen dengan mengontrol beberapa variabel konfonding. Regresi logistik ganda ini juga baik digunakan untuk memprediksi risiko. maka harus dibuatkan dummy variabel. Pada variabel independen dengan skala nominal dan mempunyai kategorik lebih dari dua. X1 Y X1 X2 X3 Gambar 2 bentuk kerangka konsep model faktor resiko Regresi logistik dapat digunakan bila variabel dependen yang bersifat binary/ dokotom dengan variabel independen yang bersifat binary atau kontinu.