Data sekunder mutu dan kinerja perawat rsud.

Kepemimpinan
Keteladanan
Kewibawaan
Kecakapan
Penyampaian info
Pengambilan keputusan
Kinerja Karyawan
Kualitas hasil
Kuantitas hasil
Ketepatan waktu
Mutu layanan
Bukti langsung
Kehandalan
Daya tanggap
Jaminan
Empati
Kinerja perawat
Pelaksanaan tugas
Hubungan kerja
Pencapaian hasil

Mutu dimensinya meliputi :

1.responsiveness,
2.reliability,
3.assurance,
4. emphaty dan
5.tangible.

kepemimpinan

Gaya kepemimpinan

45
Karakteristik individu

Pet análisis. Statistik Pls. 40 referensi dg 60% jurnal.

4.1. Desain Penelitian

Jenis penelitian ini adalah penelitian survey analitik menggunakan pendekatan

desain potong lintang (cross sectional), artinya pengamatan terhadap faktor resiko dan

efek dilakukan dalam waktu yang bersamaan (simultan). Data antara variabel eksogen,

intervening dan endogen diteliti dalam waktu yang bersamaan.

Rancangan uji statistik yang digunakan dalam penelitian ini adalah pendekatan

statistik parametrik dengan jenis uji statitik SEM (Structural Equation Model). SEM

merupakan teknik analisis multivariat yang merupakan gabungan analisis regresi,

analisis jalur, analisis faktor dan model structural. Kelebihan SEM dibandingkan

dengan analisis data yang lain adalah dapat digunakan untuk mengetahui indikator

pembentuk suatu variabel, menguji validitas dan reliabilitas suatu instrumen,

mengkonfirmasi ketepatan model dan menguji pengaruh suatu variabel terhadap

variabel lain (Supriyadi, 2013).

Hox dan Bechger dalam Supriyadi (2013) menyebutkan bahwa suatu kombinasi

analisis faktor dan analisis regresi atau analisis jalur. Selanjutnya dikatakan bahwa

dalam penyusunan variabel latent didasarkan atas theoritical constructs yang juga

dihitung menggunakan metode regresi. Selanjutnya model structural didasarkan atas

covariances antara variabel eksogen, variabel antara dan variabel endogen. Oleh

karenanya model structural ini juga sering disebut covariances structure modeling.

46
4.2. Analisis Data

Model analisa data yang digunakan untuk menganalisa hubungan antara

variabel eksogen (X1 dan X2) dengan intervening Y dan endogen Z adalah

pendekatan statistik parametric multivariat. Analisis multivariat merupakan teknik

analisis perluasan / pengembangan dari analisis bivariat. Kalau analisis bivariat

melihat hubungan atau keterkaitan dua variabel, maka teknik analisis multivariat

bertujuan melihat / mempelajari hubungan beberapa variabel (lebih dari satu

variable) independent dengan satu atau beberapa variabel dependen (umumnya

satu variabel dependen). Jenis rancangan uji multivariat yang tepat untuk penelitian

ini adalah analisis SEM.

Pada umumnya orang menggunakan SEM lebih berfokus pada konstruk-

konstruk laten—yang dimaksud ialah variabel-variabel psikologis abstrak, seperti

"kepemimpinan, kompetensi dan sarana prasarana " terhadap mutu pelayanan dan

dampaknya pada kepuasan pasien"—dibandingkan dengan variabel-variabel

manifest (indikator) yang digunakan untuk mengukur konstruk-konstruk tersebut.

Pengukuran dianggap sulit dan rentan dengan kesalahan. Dengan adanya kesalahan

pengukuran modeling yang dapat terjadi secara eksplisit, para pengguna SEM

berusaha menurunkan estimasi-estimasi yang tidak bias untuk hubungan antara

konstruk laten. Pada akhirnya, SEM memungkinkan pengukuran jamak

dihubungkan dengan konstruk laten tunggal.

Adapun asumsi – asumsi Structural Equation Model (SEM) yang harus

dipenuhi dalam prosedur pengumpulan dan pengolahan data, sebagai berikut :

47
 1. Ukuran sampel minimal 100 responden

2. Normalitas dan linieritas, asumsi normalitas harus dipenuhi sebelum lanjut

pemodelan SEM.

3. Outliers, observasi yang muncul dengan nilai-nilai ekstrim baik secara univariat

dan multivariat karena kombinasi karakteristik unik yang dimilikinya dan

terlihat sangat jauh berbeda dari observasi lainnya.

4. Multikolinieritas dan singularitas, multikolinieritas dapat dideteksi dari

determinan matriks kovarian. Nilai determinan matrik kovarians yang sangat

kecil (extremelly small) memberikan indikasi adanya problem multikolinieritas

atau singularitas.

Ada tujuh langkah yang harus dilakukan dalam teknik analisa SEM.

1. Langkah pertama dalam SEM adalah melakukan identifikasi secara teoretis

terhadap permasalahan penelitian. Topik penelitian ditelaah secara mendalam dan

hubungan antara variabel-variabel yang akan dihipotesiskan harus didukung oleh

justifikasi teori yang kuat. Hal ini dikarenakan SEM adalah untuk

mengkonfirmasikan apakah data observasi sesuai dengan teori atau tidak.

2. Langkah kedua adalah menggambarkan kerangka penelitian dalam sebuah

diagram alur (path diagram). Kesepakatan yang ada dalam penggambaran diagram

alur telah dikembangkan oleh PLS , sehingga tinggal menggunakannya saja.

3. Langkah ketiga adalah mengkonversikan diagram alur ke dalam persamaan,

baik persamaan struktural maupun persamaan model pengukuran. Sebenarnya

48
 langkah ini telah dilakukan secara otomatis oleh program SEM yang tersedia

(PLS ), namun dalam penelitian ini peneliti menggunakan aplikasi PLS .

4. Memilih matrik input dan estimasi model

5. Menganalisa kemungkinan munculnya masalah identifikasi

6. Evaluasi kriteria goodness of fit

Setelah menguji model pengukuran dan model struktural, selanjutnya

adalah menguji model secara keseluruhan atau overall fit model berdasarkan nilai

goodness of fit (GoF). GoF merupakan indikasi dari perbandingan antara model

yang dispesifikasi dengan matrik kovarian antar indikator atau observed variables.

Jika GoF yang dihasilkan baik, maka model tersebut dapat diterima dan sebaliknya

jika GoF yang dihasilkan buruk, maka model tersebut harus ditolak atau dilakukan

modifikasi model (Latan,2013:49).

Kembali menurut Latan, seorang peneliti tidak harus memenuhi dan atau

melaporkan semua kriteria GoF.Adapun kriteria GoF yang dilaporkan mengambil

rekomendasi dari Garson dalam Latan (2013:49) yang tercantum pada tabel 3.1.

Adapun program PLS akan menampilkan hampir seluruh kriteria GoF.

Tabel 4.1Kriteria goodness of fit (GoF)

Kriteria Indeks Ukuran Nilai Acuan

2
Chi-Square ( ) Probabilitas (P) > 0,05
CMIN/df  2,00
Root mean square error of < 0,08
approximation (RMSEA)
Comparative fit index (CFI) > 0,9 (mendekati 1)
Parsimonious comparative fit > 0,6
index (PCFI)
Akaike information criteria (AIC) AIC<AIC Saturated
model & Independence
Model `

49
Penjelasan dari kriteria di atas adalah sebagai berikut :

2
a. Chi-Squares ( )

Chi-Squares atau sering disebut juga -2 log likelihood merupakankriteria

fit indices yang menunjukkan adanya penyimpangan antara sample covariance

matrix dan model (fitted) covariance matrix.

b. CMIN/df

2
Adalah ukuran yang didapat dari pembagian nilai chi-squares ( )

dengan degree of freedom (df). Nilai yang diajukan untuk mengetahui fit

model adalah jika nilai CMIN/DF ≤ 2.

c. Root Mean Square Error of Approximation (RMSEA)

RMSEA mengukur penyimpangan nilai parameter model dengan matriks

kovarians populasinya. Nilai RMSEA yang lebih kecil atau sama dengan 0,05

menunjukkan bahwa fit model sangat baik. Namun menurut Sugiyono

(2013b:346), RMSEA dengan nilai lebih kecil dari 0.08 sudah dikatakan bahwa

model fit.

d. Comparative Fit Index (CFI)

CFI merupakan ukuran perbandingan antara model yang dihipotesiskan

dengan null model. Pengukuran ini tidak dipengaruhi jumlah sampel dan

merupakan ukuran fit yang sangat baik untuk mengukur kesesuaian model. Nilai

yang direkomendasikan adalah > 0,90.

e. Parsimonious Comparative Fit Index (PCFI)

50
 PCFI merupakan ukuran perbandingan antara df propose model / df null

model. Angka yang disarankan untuk PCFI berkisar dari 0 hingga 1, namun

menurut Latan (2013:64) jika PCFI > 0,60 sudah menunjukkan model

mempunyai parsimony fit yang baik. Semakin tinggi nilai PCFI suatu model,

maka semakin parsimony model tersebut.

f. Akaike Information Criteria (AIC)

AIC dipergunakan untuk membandingkan model dimana nilai AIC

default model akan dibandingkan dengan AIC saturated model dan independence

model dengan nilai default model harus lebih kecil.

7. Uji Hipotesis

Untuk mengetahui apakah hipotesis penelitian diterima atau ditolak, maka

selanjutnya dilakukan uji hipotesis. Uji hipotesis yang dilakukan menggunakan

kaidah pengujian signifikansi secara manual. Dilakukan dua tahap yaitu untuk

menguji hipotesis keseluruhan model, dan hipotesis individual. Kriteria

penerimaan dan penolakan hipotesis pada penelitian ini adalah sebagai berikut :

a. Jika nilai t – statistik < t- tabel dengan taraf signifikansi sebesar 0,05 (one –

tailed), maka HO ditolak dan Ha diterima.

b. Jika nilai t-stataistik > t-tabel dengan taraf signifikansi sebesar 0,05 (one-tailed),

maka Ho diterima dan Ha ditolak.

8. Interprestasi dan modifikasi model, tahap akhir ini adalah melakukan

interprestasi dan modifikasi bagi model – model yang tidak memenuhi syarat-

syarat pengujian.

51
4.3. Aplikasi PLS

PLS adalah software statistik yang digunakan paling meluas dikalangan

peneliti maupun praktisi. Kelebihan dari software PLS adalah kemampuannya

mengidentifikasi hubungan antara variabel yang kompleks. Cara

mengoperasikannya yang terdiri dari bebagai pilihan, baik dengan syntax maupun

dengan program sederhana, menjadikannya lebih banyak digunakan berbagai

kalangan. Syntax tentu akan disukai bagi pengguna yang memang faham dengan

bahasa pemograman. Sementara Simplis atau simple PLS merupakan alternatif bagi

mereka yang awam dengan bahasa pemograman.

52
 SEM mempunyai karakteristik yang bersifat sebagai teknik analisis untuk lebih

menegaskan (confirm) dari pada untuk menerangkan. Maksudnya, seorang peneliti lebih

cenderung menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau tidak

dari pada menggunakannya untuk menemukan suatu model tertentu cocok atau tidak, meski

analisis SEM sering pula mencakup elemen-elemen yang digunakan untuk menerangkan

Beberapa kelebihan teknik analisa ini antara lain:

1. Pelibatan koreksi terhadap atenuasi.

2. Keluwesan mengembangkan model.

3. Pengujian secara komprehensif.

4. SEM mampu mengatasi masalah ketidaknormalan distribusi (dengan beberapa syarat)

Kelemahan yang dimiliki oleh SEM adalah sebagai berikut:

1. SEM tidak digunakan untuk menghasilkan model namun untuk mengkonfirmasi suatu

bentuk model.

2. Hubungan kausalitas diantara variabel tidak ditentukan oleh SEM, namun dibangun oleh

teori yang mendukungnya.

3. SEM tidak digunakan untuk menyatakan suatu hubungan kausalitas, namun untuk

menerima atau menolak hubungan sebab akibat secara teoritis melalui uji data empiris.

4. Studi yang mendalam mengenai teori yang berkaitan menjadi model dasar untuk

pengujian aplikasi SEM

53