64

BAB IV

METODE PENELITIAN

4.1Desain Penelitian

Penelitian yang akan dilakukan menggunakan metode

penelitian deskriptif dengan pendekatan Cross sectional yang

bertujuan untuk mengetahui pengaruh langsung dan tidak

langsung serta besarannya peran kepemimpinan,komunikasi

interpersonal,kelelahan kerja,konflik peran ganda dan iklim

organisasi terhadap stress kerja di RS X Tahun 2017.

4.1.1Tempat Dan Waktu Penelitian

Tempat Penelitian dilakukan di rumah sakit X tahun 2017.

4.1.2Waktu Penelitian

Penelitian ini akan dilaksanakan pada bulan Januari tahun

2017.

4.1.3Populasi dan Sampel

Populasi

Menurut (Sugiyono, 2013) populasi adalah wilayah

generalisasi yang terdiri atas, objek/subjek yang mempunyai

kualitas tertentu yang ditetapkan oleh peneliti untuk dipelajari

dan kemudian ditarik kesimpulannya. Populasi dalam

penelitian ini adalah adalah seluruh perawat yang ada di rumah

sakit X.
64
 65

Sampel adalah bagian dari jumlah populasi yang dimiliki oleh

populasi tersebutJumlah sampel tersebut diambil sesuai dengan kaidah

jumlah sampel pada pedoman PLS (Partial Least Squares) kelipatan

dari jumlah indikator yang akan diteliti (Sofyan dan Heri,2011).

Sehingga dalam dalam penelitian ini besaran sampel yang diambil

masih berada dalam kisaran 90-180, berdasarkan hal tersebut maka

ukuran sampel dalam penelitian ini ditetapkan sebanyak 90 responden.

4.1 Teknik Pengumpulan Data Dan Instrument Penelitian

Untuk memperoleh data yang diperlukan, maka dalam penelitian

ini menggunakan cara pengumpulan data melalui koesioner yaitu dengan

cara pengumpulan data dengan memberikan daftar pertanyaan kepada

responden.

4.1.1 Kuesioner Atau Angket

Kuesioner merupakan sebuah daftar yang dibuat berdasarkan

indikator-indikator dari variabel penelitian yang harus di isi oleh

responden. Adapun variabel-variabel pengukuran dalam penelitian ini

adalah :.besarannya peran kepemimpinan,komunikasi interpersonal

,kelelahan kerja,konflik peran ganda dan iklim organisasi terhadap stress

kerja di RS X Tahun 2017.

 66

Dalam penelitian ini angket yang digunakan adalah menggunakan

skala semantic (Sematic Differential Scale). Sematic Differential Scale ini

digunakan untuk mengukur sikap, persepsi dan pendapat orang atau

kelompok orang mengenai fenomena sosial.

Dengan Sematic Differential Scale, variable-variabel dalam

penelitian ini yang akan diukur dijabarkan terlebih dahulu menjadi sub

vaiabel yang kemudian diberi indikator sesuai variabel agar memudahkan

kita dalam membuat kuesioner pertanyaan yang akan dibagikan kepada

responden (Solimun, 2010).

4.1.2 Instrumen penelitian

4.1.2.1 Uji Validitas Dan Reliabilitas

Uji validitas dan reliabilitas bertujuan untuk mengetahui

Instrument yang akan dipakai betul-betul mengukur sesuai dengan

variabel dan indikator yang akan diteliti. Apakah instrument yang

dikerjakan benar-benar mengukur apa yang akan diukur dan sejauh

mana instrument yang akan dipakai akurat dan di percaya. Dalam

penelitian ini dalam uji validitas dan reliabilitas dengan

menggunakan Smart Partial Square (PLS), Jika Loading factor 0,5-

0,6 dikatakan valid (jika nilai 0,5-0,6 hal tersebut masih ditolerir

sepanjang model masih dalam tahap pengembangan), namun loading

factor yang direkomendasikan diatas 0,7.

Sebagai acuan umum untuk menentukan validitas butir

pertanyaan maka koefisien korelasi minimum dianggap memenuhi

 67

syarat adalah jika r hasil (Corrected item-total correlation) berada

diatas nilai r tabel.

4.2 Pengolahan Data

Data yang dipeoleh dari hasil kuesioner direkap dengan

menggunakan program excel dan selanjutnya akan diolah menggunakan

program PLS melalui tahapan:

4.2.1 Editing

Editing adalah penyuntingan data untuk melakukan pengecekan

dan perbaikan isian kuesioner, yang meliputi : kelengkapan jawaban,

kejelasan jawaban, konsistensi, dan relevansi jawaban dengan

pertanyaan yang diajukan. Peneliti melakukan pengecekan kuesioner

yang telah diisi oleh responden dan apabila ada pernyataan yang belum

diisi responden maka peneliti meminta untuk melengkapi jawaban

kuesionernya.

4.2.2 Coding

Coding yaitu memberikan kode dengan cara merubah data dari

bentuk kalimat atau huruf menjadi angka atau bilangan. Peneliti

melakukan penilaian atau pengkodean pada jawaban yang telah diisi

oleh responden dengan kisaran penilaian antara variabel skorsing 0-15

dan 15-75.

4.2.3 Processing

Processing yaitu memasukan data berupa jawaban dari responden

yang diberi kode dimasukan kedalam program (software) komputer.

 68

Peneliti memasukan nilai kuesioner responden yang sudah diberi kode

atau nilai kedalam excell (software) komputer.

4.2.4 Cleaning

Cleaning yaitu membersihkan data dari kemungkinan adanya

kesalahan kode atau ketidaklengkapan, kemudian dilakukan koreksi.

Peneliti melakukan pemeriksaan ulang pada tabulasi data agar tidak ada

terjadi kesalahan.

4.3 Analisa Data

4.3.1 Analisa Deskriptif

Analisis deskriptif merupakan analisis kuantitatif yang digunakan

untuk menjelaskan dengan lebih mendalam hasil dari analisis dan

mampu memberikan informasi yang lebih rinci (Syofian, 2014).

Analisis deskriptif dalam penelitian ini digunakan untuk

mengkuantitatifkan nilai faktor gangguan tidur tidur (insomnia), serta

memaparkan deskripsi variabel penelitian berdasarkan jawaban setiap

kuesioner dengan memberikan skor untuk masing-masing jawaban.

Dalam analisis ini menggunakan nilai rata-rata dan presentase dari skor

jawaban responden.

4.3.2 Analisis Structural Equiation Model (SEM) dengan Metode PLS

Diagram jalur SEM berfungsi untuk menunjukan pola hubungan

antar variabel yang kita teliti. Dalam SEM pola hubungan antar variabel

akan diisi dengan variabel yang diobservasi, variabel laten dan

 69

indikator. Didasarkan pola hubungan antar variabel, SEM dapat diurai

menjadi dua sub-bagian yaitu : model pengukuran dan model struktural.

Model pengukuran mendefinisikan hubungan antara variabel yang

diobservasi dan yang tidak diobservasi. Dengan kata lain model

pengukuran menyediakan hubungan nilai-nilai antara instrumen

pengukuran (Variabel-variabel indikator yang di observasi) dengan

konstruk yang dirancang untuk diukur (variabel-variabel laten yang

tidak diobservasi). Sedang model struktural mendefinisikan hubungan

antara semua variabel yang tidak diobservasi. Itulah sebabnya model

struktural mengidentifikasi variabel-variabel laten mana saja secara

langsung ataupun tidak langsung mempengaruhi perubahan nilai

variabel laten lainnya dalam model.

Beberapa fungsi SEM diantaranya ialah :

a. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel

b. Penggunaan analisis factor penegasan (confirmatory factor

analysis) untuk mengurangi kesalahan pengukuran dengan

memiliki banyak indikator dalam satu variabel laten.

c. Daya tarik inteface pemodelan grafis untuk memudahkan

pengguna membaca keluaran hasil analisis,

d. Kemungkinan adanya pengujian model secara keseluruhan

daripada koefisien-koefisien secara sendiri-sendiri.

e. Kemampuan untuk menguji model-model dengan menggunakan

beberapa variabel tergantung.

 70

f. Kemampuan untuk membuat model terhadap variabel-variabel

perantara.

g. Kemampuan untuk membuat model gangguan kesalahan (error

term)

h. Kemampuan untuk menguji koefisien-koefisien diluar antara

beberapa kelompok subyek.

i. Kemampuan untuk mengatasi data yang sulit seperti data time

series dengan kesalahan otokorelasi data yang tidak norma, dan

data yang tidak lengkap.

Aplikasi utama Structural equation modeling meliputi :

1. Model sebab-akibat (causal modeling), atau disebut juga

analisis jalur (path analysis), yang menyusun hipotesa

hubungan-hubungan sebab akibat (causal relathionships)

diantara variabel- variabel dan menguji model-model sebab

akibat (causal models) dengan menggunakan sistem persamaan

linier. Model-model sebab akibat dapat mencakup variabel-

variabel manifest (indikator), variabel laten atau keduanya.

2. Analisis faktor penegasan (confirmatory factor analysis), suatu

teknik kelanjutan dari analisis faktor dimana dilakukan

pengujian hipotesis-hipotesis struktur factor loadings dan

interkorelasinya.

3. Analisis faktor urutan kedua (second order factor analysis),

suatu variasi dari teknik analisis faktor dimana matriks korelasi

 71

dari faktor-faktor tertentu (common factors) dilakukan analisis

pada faktornya sendiri untuk membuat faktor-faktor urutan

kedua.

4. Model-model regresi (regression models) suatu teknik lanjutan

dari analisis regresi linear dimana bobot regresi dibatasi agar

menjadi sama satu dengan lainnya, atau dilakukan spesifikasi

pada nilai-nilai numeriknya.

5. Model-model strukture covariance (covariance structure

models) yang mana model tersebut mengipotesakan bahwa

matrix cavariance mempunyai bentuk tertentu. Sebagai contoh

kita dapat menguji hipotesis yang menyusun semua variabel

yang mempunyai varian yang sama dengan menggunakan

prosedur yang sama.

6. Model struktur korelasi (correlation structure models), yang

mana model tersebut menghipotesakan bahwa matrix korelasi

mempunyai bentuk tertentu. Contoh klasik adalah hipotesis

yang menyebutkan bahwa matriks korelasi memppunyai

struktur circumplex.

PLS merupakan metode alternatif penyelesaian model bertingkat

yang rumit yang tidak mensyaratkan jumlah sampel yang banyak. Di

samping itu ada juga beberapa kelebihan PLS yaitu di antaranya akan

mempunyai implikasi yang optimal dalam ketepatan prediksi. Metode

PLS merupakan metode analisis yang powerfull karena tidak

 72

mengasumsikan skala pengukuran data dan juga dapat dipergunakan

untuk mengkonfirmasikan teori. Beberapa program yang dirancang

untuk menyelesaikan PLS adalah Smart PLS, PLS graph, VPLS atau

PLS-GUI. Ada beberapa keunggulan metode SEM dengan Partial

Least Square (PLS) :

1. Data tidak harus berdistribusi normal

2. Tidak diperlukan sampel yang banyak

3. Mampu digunakan dengan sampel yang banyak dan ribuan

indikator

4. Dapat menganalisis konstruk yang dibentuk oleh indikator

reflektif maupun indikator formatif.

5. Dapat digunakan dengan skala data ordinal, interval maupun

rasio.

Langkah-langkah analisis SEM dengan Partial Least Square

(PLS):

1. Merancang model structural. Model ini menggambarkan

hubungan kausalitas anatara variabel laten (eksogen) dan

variabel laten (endogen) berdasarkan landasan teori penelitian.

2. Merancang model pengukuran. Model ini mengukur

bagaimana sebuah variabel laten diukur dengan indikator-

indikatornya. Pengukuran ini dapat bersifat reflektif maupun

formatif.
 73

3. Mengkonversi jalur ke sistem persamaan. Konversi ini ada 2

yaitu: model persamaan pengukuran (inner model) dan

persamaan structural (outer model)

4. Estimasi model yang dianalisis, meliputi: Koefisien jalur dan

loading factor.

5. Evaluasi Goodness of the fit. Evaluasi GOF dilakukan untuk

mengukur seberapa baik nilai observasi dari model.

4.4 Penyajian Data

Data akan disajikan dalam bentuk :

1. Penyajian komposisi dan frekuensi dari sampel

Data disajikan pada awal hasil analisa adalah berupa gambaran atau

deskripsi mengenai sampel, dimana penjelasan juga disertai ringkasan

berupa tabel dari deskripsi yang utama. Hal ini dilakukan untuk

membantu membaca lebih mengenal karateristik diri dimana data

penlitian tersebut diperoleh.

2. Penyajian analisa SEM

Data penyajian analisis SEM dari pengolahan data output yang

menggunakan bantuan Smart PLS 2.0, disajikan dalam diagram, tabel

dan lain-lain. Penyajian data yang lebih lengkap akan disajikan dalam

lampiran kuesioner.
74