HIPOTESIS 1

Hipotesis : Ada Perbedaan rerata waktu pelayanan pendaftaran tentang Alur BPJS
antara pasien jenis pelayanan rawat jalan dan rawat inap.
Variabel : 1. Waktu pelayanan pendaftaran alur BPJS pasien rawat jalan
(skala numerik)
2. Waktu pelayanan pendaftaran alur BPJS pasien rawat inap (skala
numerik)
Hipotesis tersebut merupakan Hipotesis Komparatif, Uji T Tidak Berpasangan, 2
Kelompok, Dengan variabel yang dibandingkan berskala numerik (jenis pelayanan skala
nominal). Berdasarkan hal tersebut, maka uji hipotesis yang dapat digunakan untuk
membuktikan hipotesis ini adalah Uji Independent T-Test (apabila memenuhi syarat
distribusi data) atau uji Mann-Whitney sebagai uji alternatif bila data tidak berdistribusi
normal.

Berikut langkah-langkah uji Hipotesis yang sesuai dengan hipotesis tersebut :

1. Lakukan uji normalitas data waktu pelyanan berdasar jenis pelayanan. Dengan cara
klik Analyze  Descriptive Statistics  Explore

2. Pindahkan Variabel waktu pelayanan pada kotak dependent list, variabel jenis
pelayanan pada kotak Factor List, seperti Tampilan dibawah ini :

3. Klik Plots, beri tanda centang pada : Normality plot with test, seperti Tampilan
dibawah ini :
 4. Klik continue

5. Klik OK

Berikut hasil Uji Normalitas waktu pelayanan berdasarkan kelompok kelas :

Interpretasi hasil uji normalitas data nilai SIK:

Berdasarkan hasil uji normalitas tersebut :
 Karena hasil uji tes normality kedua data normal, maka data ini bisa diuji
dengan menggunaka uji t tidak berpasangan. Karena syarat dari uji t tidak
berpasangan yaitu Kedua variabel harus berskala numerik. Dan data harus
berditribusi normal, distribusi normal diuji dengan menggunakan uji
normalitas data.
 Dari data tersebut, kolom yang dibaca adalah Shapiro-Wilk karena data <50
(df<50).

Kesimpulan lainnya :
 Distribusi datar waktu pelayanan rawat inap tergolong normal karena nilai p (sig.)
pada kolom Shapiro-Wilk > 0,05 (nilai p waktu pelayanan rawat inap : 0,137).
 Distribusi data waktu pelayanan rawat jalan tergolong normal karena nilai p (sig.)
pada kolom Shapiro-Wilk > 0,05 (nilai p waktu pelayanan rawat jalan : 0,053).
Variabel waktu pelayanan dengan jenis pelayanan memenuhi syarat uji parametrik yaitu skala
numerik dan distribusi data normal, maka langkah selanjutnya adalah melakukan uji hipotesis
dengan menggunakan Uji T Tidak Berpasangan.

Berikut Langkah Uji Hipotesis untuk membuktikan “Ada Perbedaan rerata waktu pelayanan
pendaftaran tentang Alur BPJS antara pasien jenis pelayanan rawat jalan dan rawat
inap” :
1. Klik Analyze  Compare Means  Independent T Test

2. Pindahkan variabel Waktu pelayanan pada kotak Test Variabel, dan variabel jenis
pelayanan pada kotak Grouping Variabel. Seperti pada gambar berikut :
 3. Klik Define groups untuk menentukan kelompok yang akan dibandingkan, lalu ketik
kode angka kedua kelompok yang akan dibandingkan (1 rawat inap dan 2 rawat
jalan) pada kotak group 1 dan group 2, seperti pada tampilan dibawah ini :

4. Klik Continue
5. Klik OK

Interpretasi hasil uji hipotesis :

Berdasarkan hasil tersebut :

 Varians data waktu pelayanan kedua kelompok sama karena nilai p (sig.) pada
kolom levene’s test > 0,05 (nilai p = 0,623) artinya varians data kedua
kelompok sama.
 Karena varians sama, maka hasil pembuktian hipotesis pada kolom t-test for
equality means yang digunakan adalah hasil pada baris ke-1 (Equal variances
not assumed).
Kesimpulan
Kesimpulan yang dapat diambil mengenai hasil diatas adalah Pada baris
tersebut nilai p (sig.) menunjukkan nilai 0,217, karena nilai p > 0,05 maka H0
diterima, artinya “tidak ada perbedaan rerata waktu pelayanan dengan jenis
pelayanan karena nilai p > 0,05.
 HIPOTESIS 2
Hipotesis : Waktu pelayanan pendaftaran (menit) berpengaruh terhadap tingkat
kepuasan pasien terhadap pelayanan pendaftaran (skor kepuasan).
Variabel : 1.waktu pelayanan pendaftaran (skala numerik)
2.Tingkat kepuasan pasien (skala numerik)
Hipotesis tersebut merupakan Hipotesis koleratif, karena variabel yang dibandingkan dua-
duanya berskala numerik. Berdasarkan hal tersebut, maka uji hipotesis yang dapat
digunakan untuk membuktikan hipotesis ini adalah Person (apabila memenuhi syarat
distribusi data), karena dari data tersebut ditanyakan seberapa besar pengaruh waktu
pelayanan pasien dengan tingkat kepuasan pasien terhadap pelayanan pendaftaran. atau uji
spermen sebagai uji alternatif bila data tidak berdistribusi normal.

Berikut langkah-langkah uji Hipotesis yang sesuai dengan hipotesis tersebut :

1. Lakukan uji normalitas data Waktu pelayanan dengan tingkat kepuasan pasien dengan
cara klik Analyze  Descriptive Statistics  Explore

2. Pindahkan Variabel waktu pelayanan dan variabel tingkat kepuasan pada kotak
dependent , seperti Tampilan dibawah ini :

3. Klik Plots, beri tanda centang pada : Normality plot with test, seperti Tampilan
dibawah ini :

4. Klik continue
5. Klik OK
Berikut hasil Uji Normalitas waktu pelayanan berdasarkan kelompok kelas :

Interpretasi hasil uji normalitas data nilai SIK:

Berdasarkan hasil tersebut :
 Dalam uji pearson,syarat sama seperti uji t tidak berpasangan yaitu 1.
Kedua variabel harus berdistribusi normal,dengan menguji kedua variabel
tersebut dengan uji normalitas. Apabila memenuhi syarat maka bisa
menggunakan uji pearson. 2. Kedua variabel harus berskala numerik. Dari
data tersebut, kolom yang dibaca adalah kolom Shapiro-Wilk.

Kesimpulan lain :

 Distribusi data waktu pelayanan puas tergolong normal karena nilai p (sig.) pada
kolom Shapiro-Wilk > 0,05 (nilai p waktu pelayanan puas : 0,071)
 Distribusi data waktu pelayanan tidak puas tergolong normal karena nilai p (sig.)
pada kolom Shapiro-Wilk > 0,05 (nilai p waktu pelayanan tidak puas : 0,564)

Variabel waktu pelayanan dengan tingkat kepuasan pasien memenuhi syarat uji
parametrik yaitu skala numerik dan distribusi data normal, maka langkah selanjutnya adalah
melakukan uji hipotesis dengan menggunakan Pearson.

Berikut Langkah Uji Hipotesis untuk membuktikan “Waktu pelayanan pendaftaran (menit)
berpengaruh terhadap tingkat kepuasan pasien terhadap pelayanan pendaftaran (skor
kepuasan)” :
1. Klik Analyze  Corerlate  Bivariate

2. Pindahkan variabel Waktu pelayanan dan tingkat kepuasan pasien pada kotak
Variabels,. Seperti pada gambar berikut :
 3. Klik OK

Interpretasi hasil uji hipotesis :

Berdasarkan hasil tersebut :

 Nilai sig : 0,987, berarti mennjukkkan p > 0,05 berarti H0 diterima. Hal ini
menunjukkan tidak ada korelasi/hubungan antara Rata-rata waktu pelayanan
pendaftaran terhadap tinhkat kepuasan pasien terhadap pelayanan pendaftaran.
 Nilai sig. : 0,987, berarti menunjukkan p> 0,05,berarti H0 diterima. Hal ini
menunjukkan kepuasan responden terhadap pelayanan pendaftaran dengan rata-
rata waktu pelayanan pendaftaran dalam menit tidak terdapat korelasi/tidak
berhubungan.

Kesimpulan :
 Kesimpulan yang dapat diambil mengenai hasil diatas adalah H0
diterima,artinya dari data tersebut antara waktu pelayanan pendaftaran tidak
berpengaruh terhadap tingkat kepuasan pasien terhadap pelayanan pendaftaran,
dan juga dengan adanya syarat H0 lain yaitu p>0,05. Sesuai dengan data
tersebut menunjukkan nilai p>0,05.

HIPOTESIS 3
Hipotesis : Ada hubungan antara Tingkat pengetahuan pasien (kategori :tahu, tidak tahu)
dengan tingkat kepuasan terhadap pelayanan pendaftaran (kategori : puas,
tidak puas).
Variabel : 1. Tingkat pengetahuan pasien (skala nominal)
2. tingkat kepuasan terhadap pelayanan pendaftaran (skala nonimal)
Hipotesis tersebut merupakan Hipotesis Komparatif, kedua variabel nominal, data
bedistribusi tidak normal. Berdasarkan hal tersebut, maka uji hipotesis yang dapat
digunakan untuk membuktikan hipotesis ini adalah Uji Independent T-Test (apabila
memenuhi syarat distribusi data) atau uji Mann-Whitney sebagai uji alternatif bila data
tidak berdistribusi normal.

Berikut langkah-langkah uji Hipotesis yang sesuai dengan hipotesis tersebut :

1. Analyze – descriftive statistics – cross tab

2. (baris) row (variabel mana yang letaknya ada disamping) Variabel bebas – coloum
(variabel Terrikat). statistics – Chi Square – continue – cells – Variabel observeb
(jumlah asli) dan Expected – v coloum – continue – ok
 3. statistics – Chi Square – continue – cells – Variabel observeb (jumlah asli) dan
Expected – v coloum – continue – ok

Hasil output spss :

Pembahasan :
 Tingkat Kepuasan – Pelayanan pendaftaran
 ada 19 responden yang tidak tahu tentang alur pendaftaran merasa puas
dengan pelayanan pendaftaran
 ada 13 responden yang tidak tahu tentang alur pendaftaran merasa tidak puas
dengan pelayanan pendaftaran
 ada 24 responden yang tahu tentang alur pendaftaran merasa puas dengan
pelayanan pendaftaran
 ada 24 responden yang tahu tentang alur pendaftaran merasa tidak puas
dengan pelayanan pendaftaran
 Terdapat 0 cells yang tidak mempunyai nilai < 5 dilihat pada kolom expected count
less yaitu 17,2 14,8 25,8 22,2
 Pembacaan tabel pada chi-square test adalah Continuity correction karena nilai
pada expeted cells > 5 ,Pada Continuity Correction dibaca pada SIG (2-sided) .nilai
pada SIG (2sided) menunjukan P= 0,552 ,karena nilai P > 0,05 maka H0 diterima.
Dan tidak ada hubungan antara tingkat pengetahuan pasien dengan tingkat
kepuasan terhadap pelayanan pendaftaran.