uji kecocokan dalam model persamaan …digilib.unila.ac.id/32982/3/skripsi tanpa bab...
TRANSCRIPT
UJI KECOCOKAN DALAM MODEL PERSAMAAN STRUKTURALDENGAN METODE ESTIMASI UNWEIGHTED LEAST SQUARE (ULS)(Studi Kasus: Loyalitas Pasien di Rumah Sakit Ibu dan Anak Santa Anna)
(Skripsi)
Oleh
KETUT WARIYANI
JURUSAN MATEMATIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNGBANDAR LAMPUNG
2018
ABSTRACT
GOODNESS OF FIT TEST IN STRUCTURAL EQUATION MODELINGWITH UNWEIGHTED LEAST SQUARE (ULS) ESTIMATION METHOD
(Case Study: Patient Loyalty at Rumah Sakit Ibu dan Anak Santa Anna)
By
KETUT WARIYANI
Goodness of fit test in structural equation modeling is a measurement to evaluatehow far the model used in accordance with the data. This study aims to determinethe sample size with the best model using the Unweighted Least Square (ULS)method and determine the influence between the variables. Survey of patientloyalty at RSIA Santa Anna is used in the research. The result showed thatsample sizes 100 and 150 give the best model. The quality of service indirectlyaffect the loyalty of patients through variable intermediary satisfaction patients atRSIA Santa Anna with a total effect of 0.6447.
Key words: Goodness of Fit Test , ULS, Structural Equation Modeling.
ABSTRAK
UJI KECOCOKAN DALAM MODEL PERSAMAAN STRUKTURALDENGAN METODE ESTIMASI UNWEIGHTED LEAST SQUARE (ULS)(Studi Kasus: Loyalitas Pasien di Rumah Sakit Ibu dan Anak Santa Anna)
Oleh
KETUT WARIYANI
Uji kecocokan dalam model persamaan struktural merupakan tahap untuk melihatsejauhmana model yang digunakan sesuai dengan data. Penelitian ini bertujuanuntuk menentukan ukuran sampel dengan model terbaik menggunakan metodeUnweighted Least Square (ULS) dan menentukan pengaruh antarvariabel. Datayang digunakan adalah data hasil survei kuisioner tentang loyalitas pasien diRSIA Santa Anna. Berdasarkan hasil penelitian diperoleh bahwa ukuran sampeldengan model terbaik dengan metode ULS adalah 100 dan 150. Kualitaspelayanan mempengaruhi loyalitas pasien secara tidak langsung melalui variabelperantara kepuasan pasien di RSIA Santa Anna dengan pengaruh total sebesar0,6447.
Kata kunci: Uji Kecocokan Model, ULS, Model Persamaan Struktural.
UJI KECOCOKAN DALAM MODEL PERSAMAAN STRUKTURAL
DENGAN METODE ESTIMASI UNWEIGHTED LEAST SQUARE (ULS)
(Studi Kasus: Loyalitas Pasien di Rumah Sakit Ibu dan Anak Santa Anna)
Oleh
KETUT WARIYANI
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh Gelar
SARJANA SAINS
Pada
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2018
RIWAYAT HIDUP
Penulis bernama lengkap Ketut Wariyani, anak kedua dari tiga bersaudara yang
dilahirkan di Desa Sumber Agung, pada tanggal 17 Oktober 1996 dari pasangan
Bapak Nyoman Suwite dan Ibu Wayan Murti.
Penulis menyelesaikan pendidikan sekolah dasar di SD Negeri 1 Lebung Nala
pada tahun 2008. Pendidikan sekolah menengah pertama di SMP Negeri 1 Sragi
pada tahun 2011. Pendidikan sekolah menengah atas di SMA Negeri 1 Kalianda
pada tahun 2014 . Pada tahun 2014, penulis melanjutkan pendidikan di perguruan
tinggi dan terdaftar sebagai Mahasiswi Jurusan Matematika Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas Lampung melalui jalur SBMPTN.
Pada periode 2014/2015 penulis terdaftar sebagai anggota bidang Seni dan
Olahraga di Unit Kegiatan Mahasiswa Hindu Universitas Lampung (UKM Hindu
Unila). Pada awal tahun 2017, penulis melaksanakan Kuliah Kerja Nyata (KKN)
di Desa Subang Jaya Kecamatan Bandar Surabaya Kabupaten Lampung Tengah.
Pada pertengahan tahun 2017, penulis melaksanakan Kerja Praktik (KP) di Kantor
Wilayah Direktorat Jenderal Pajak Bengkulu dan Lampung.
MOTTO
“Hidup terasa lebih indah dengan bersyukur”
“Lebih baik menjalani kehidupan diri sendiri dengan tak sempurna, daripada
hidup meniru orang lain secara sempurna”
(Bhagavad Gita)
“Success is the sum of small efforts, repeated day in and day out”
(Robert Collier)
PERSEMBAHAN
Astungkara, Suksme Hyang Widhi yang Maha Agung.
Dengan segala ketulusan hati penulis persembahkan skripsi ini untuk :
Bapak dan Ibu tercinta yang selalu tulus mendoakan setiap waktu,
memberi semangat, dan telah menjadi motivasi terbesar selama ini.
Kakak dan Adik tercinta yang selalu memberikan doa, keceriaan serta
menjadi penyemangat penulis agar bisa menjadi seseorang yang bisa
dibanggakan.
Seluruh dosen matematika, terutama dosen pembimbing dan pembahas
yang telah memberikan bimbingan serta saran terbaiknya dalam
menyelesaikan skripsi ini.
Sahabat-sahabat terbaik, terimakasih atas semua kebahagiaan, kebaikan
dan semangat yang telah kalian berikan.
SANWACANA
Puji syukur penulis panjatkan atas kehadirat Tuhan Yang Maha Esa yang telah
melimpahkan segala kasih dan karunia-Nya, sehingga penulis dapat
menyelesaikan Skripsi yang berjudul “Uji Kecocokan dalam Model Persamaan
Struktural dengan Metode Estimasi Unweighted Least Square (ULS) (Studi
Kasus: Loyalitas Pasien di Rumah Sakit Ibu dan Anak Santa Anna)’’.
Penulis menyadari bahwa penulisan skripsi ini tidak terlepas dari bimbingan,
bantuan, dan kerja sama dari berbagai pihak. Oleh karena itu, pada kesempatan
ini penulis ingin mengucapkan terimakasih kepada:
1. Bapak Drs. Eri Setiawan, M.Si., selaku dosen pembimbing utama yang
senantiasa membimbing dan memberikan arahan kepada penulis dalam
menyelesaikan skripsi ini.
2. Ibu Widiarti, S.Si., M.Si., selaku dosen pembimbing kedua yang telah
banyak membantu, memberikan masukan serta dengan sabar memberikan
pengarahan dalam menyelesaikan skripsi ini.
3. Ibu Ir. Netti Herawati, M.Sc., Ph.D., selaku dosen pembahas yang telah
memberikan kritik dan saran kepada penulis dalam perbaikan skripsi ini.
4. Ibu Prof. Dra. Wamiliana, M.A., Ph.D., selaku Ketua Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung.
5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D., selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Lampung.
6. Seluruh dosen, staf, dan karyawan Jurusan Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam.
7. Direktur, staf, kepala ruangan, dan perawat pelaksana di RSIA Santa Anna
yang telah memberikan izin dan dukungan kepada penulis dalam proses
penelitian dan penyusunan skripsi ini.
8. Kedua orang tua penulis Bapak Nyoman Suwite dan Ibu Wayan Murti
yang telah banyak memberikan doa, semangat, nasehat, kasih sayang, serta
pengorbanan yang tidak tergantikan sehingga penulis selalu kuat menjalani
setiap rintangan yang ada.
9. Kakak Nyoman Sutarni dan adik Made Tegar Mike Sunate yang telah
memberikan doa, semangat, dan keceriaan kepada penulis.
10. Sahabat-sahabat seperjuangan Faisnaini, Yunika, Vivo Gamlio, dan Tini
yang selalu ada dalam suka maupun duka, mengisi keceriaan, semangat,
doa, dan kasih sayang selama perkuliahan dan penyusunan skripsi ini.
11. Teman-teman terbaik Febi, Yutia Ulan, Kadek, Oce, Kia, Novi, Camel,
Nella, Shindy serta teman-teman KKN 2017 yang selalu memberikan
semangat dan doa kepada penulis.
12. Teman-teman Matematika 2014 dan seluruh pihak yang telah membantu
dalam menyelesaikan skripsi ini, yang tidak dapat disebutkan satu persatu.
Bandar lampung, 31 Juli 2018Penulis,
Ketut Wariyani
v
DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................... vii
DAFTAR GAMBAR .......................................................................................... viii
I. PENDAHULUAN ...........................................................................................1
1.1 Latar Belakang dan Masalah......................................................................11.2 Tujuan Penelitian .......................................................................................31.3 Manfaat Penelitian .....................................................................................4
II. TINJAUAN PUSTAKA ..................................................................................5
2.1 Normalitas Multivariat...............................................................................52.2 Uji Validitas dan Reliabilitas .....................................................................6
2.2.1 Uji Validitas .....................................................................................62.2.2 Uji Reliabilitas..................................................................................7
2.3 Model Persamaan Struktural......................................................................72.4 Variabel dalam Model Persamaan Struktural ............................................92.5 Model dalam Model Persamaan Struktural..............................................102.6 Kesalahan dalam Model Persamaan Struktural .......................................132.7 Metode Estimasi.......................................................................................132.8 Metode Unweighted Least Square (ULS)................................................142.9 Uji Kecocokan Model ..............................................................................17
2.9.1 Kecocokan Keseluruhan Model .....................................................172.9.2 Kecocokan Model Pengukuran.......................................................222.9.3 Kecocokan Model Struktural..........................................................23
2.10Pengaruh Langsung, Pengaruh Tidak Langsung, dan Pengaruh Total ....242.11Kualitas Pelayanan...................................................................................252.12Kepuasan Pasien ......................................................................................262.13Loyalitas Pasien .......................................................................................272.14Data Ordinal.............................................................................................27
III. METODOLOGI PENELITIAN ..................................................................29
3.1 Waktu dan Tempat Penelitian..................................................................29
vi
3.2 Data Penelitian .........................................................................................293.3 Metode Penelitian ....................................................................................31
IV HASIL DAN PEMBAHASAN......................................................................34
4.1 Uji Normalitas..........................................................................................344.2 Uji Validitas dan Reliabilitas Data Kuisioner..........................................35
4.2.1 Uji Validitas pada Data Kuisioner..................................................354.2.2 Uji Reliabilitas pada Data Kuisioner ..............................................37
4.3 Spesifikasi Model.....................................................................................384.3.1 Merancang Model Struktural..........................................................384.3.2 Merancang Model Pengukuran.......................................................40
4.4 Kontruksi Diagram Jalur..........................................................................424.5 Estimasi Parameter dengan Metode Unweighted Least Square ..............434.6 Uji Kecocokan Keseluruhan Model.........................................................504.7 Uji Kecocokan Model Pengukuran..........................................................524.8 Uji Kecocokan Model Struktural .............................................................574.9 Pengaruh Langsung, Tidak Langsung, dan Total ....................................59
4.9.1 Pengaruh Langsung.......................................................................594.9.2 Pengaruh Tidak Langsung ............................................................614.9.3 Pengaruh Total ..............................................................................62
V KESIMPULAN..............................................................................................63
DAFTAR PUSTAKA ...........................................................................................64
LAMPIRAN
vii
DAFTAR TABEL
Tabel Halaman
1. Operasional Variabel Penelitian ....................................................................... 30
2. Hasil Uji Normal Multivariat .......................................................................... 34
3. Uji Validitas pada 50 Sampel .......................................................................... 35
4. Uji Validitas pada 100 Sampel ......................................................................... 36
5. Uji Validitas pada 150 Sampel ......................................................................... 37
6. Uji Reliabilitas .................................................................................................. 38
7. Notasi Variabel Penelitian ................................................................................ 40
8. Uji Kecocokan Keseluruhan Model pada Berbagai Ukuran Sampel................ 50
9. Evaluasi terhadap Validitas Model Pengukuran............................................... 54
10. Evaluasi terhadap Reliabilitas Model Pengukuran ........................................... 57
11. Path Coefficients............................................................................................... 60
viii
DAFTAR GAMBAR
Gambar Halaman
1. Variabel Laten Eksogen dan Endogen........................................................... 9
2. Variabel Indikator.........................................................................................10
3. Model Persamaan Struktural dalam Menguji Pengaruh Langsung danTidak Langsung ........................................................................................... 24
4. Model Konseptual Penelitian........................................................................31
5. Model Struktural...........................................................................................39
6. Model Pengukuran........................................................................................41
7. Diagram Jalur................................................................................................42
8. Diagram Jalur Hasil Estimasi Model untuk n=50 ........................................43
9. Diagram Jalur Hasil Estimasi Model untuk n=100 ......................................45
10. Diagram Jalur Hasil Estimasi Model untuk n=150 ......................................47
11. Diagram Jalur Standartdized Solution pada Sampel 100 .............................53
12. Diagram Jalur T-value pada Sampel 100......................................................53
13. Diagram Jalur T-value Model Struktural......................................................57
14. Pengaruh Langsung dari ξ1 terhadap η ......................................................59
15. Pengaruh Tidak Langsung dari ξ1 terhadap η melalui η ...........................61
1
I. PENDAHULUAN
1.1 Latar Belakang dan Masalah
Penelitian merupakan proses ilmiah untuk memperoleh fakta-fakta atau
mengembangkan prinsip-prinsip (menemukan /menguji kebenaran) dengan cara
atau kegiatan mengumpulkan, mencatat, menganalisa data (informasi) yang
dikerjakan secara sistematis berdasarkan ilmu pengetahuan mengenai sifat dari
kejadian atau keadaan-keadaan dalam rangka memecahkan masalah dengan tujuan
dan kegunaan tertentu (Supardi, 2013).
Penelitian dapat dilakukan dalam semua bidang, antara lain dalam bidang
ekonomi dan kesehatan. Dalam bidang kesehatan, saat ini rumah sakit tidak lagi
sebagai badan atau lembaga yang berfungsi sosial melainkan suatu industri yang
bertujuan untuk membantu masyarakat banyak dan bergerak dalam melayani
kesehatan masyarakat dengan pengelolahan yang berdasarkan manajemen yang
sama dengan badan usaha. Peningkatan pelayanan rumah sakit sangat diharapkan
oleh masyarakat. Dengan adanya perbaikan kualitas pelayanan kesehatan yang
baik menyebabkan masyarakat puas dan loyal terhadap pelayanan.
2
Penelitian di bidang ekonomi dan kesehatan sering kali dihadapkan pada masalah
pengukuran data. Jenis data yang dijumpai berupa data kualitatif, karena biasanya
data dikumpulkan melalui kuisioner dengan skala ordinal. Data skala ordinal ini
digunakan untuk menjawab item (daftar pertanyaan). Variabel yang nilainya
diperoleh dari responden melalui pengumpulan data ini biasanya disebut variabel
indikator. Variabel indikator merupakan pembentuk dari variabel yang tidak
dapat diukur secara langsung. Untuk melihat hubungan kausal antara variabel-
variabel yang tidak dapat diukur secara langsung dan menduga hubungan lebih
dari satu persamaan maka digunakan model persamaan struktural.
Model persamaan struktural atau Structural Equation Modelling (SEM) pertama
ditemukan oleh seorang ilmuwan bernama Joreskog pada tahun 1970. Model
persamaan struktural merupakan salah satu teknik analisis multivariat generasi
kedua yang menggabungkan antara analisis faktor dan analisis jalur sehingga
memungkinkan peneliti untuk menguji dan mengestimasi secara simultan
variabel-variabel laten, baik eksogen maupun endogen yang sekaligus melibatkan
variabel-variabel indikatornya. Dalam model persamaan struktural ada beberapa
metode estimasi, metode yang umum digunakan adalah metode Maximum
Likelihood (ML) atau metode kemungkinan maksimum. ML merupakan metode
yang memiliki sifat penduga tak bias dan ragam minimum.
Dalam penelitian ini metode estimasi yang dikaji adalah metode Unweighted
Least Squares (ULS), dimana metode estimasi ini memiliki sifat penduga tak bias
dan konsisten. Suatu penduga dikatakan konsisten apabila ukuran sampel
3
diperbesar maka nilai penduga akan cenderung mendekati nilai parameter
populasi. Pada penelitian sebelumnya oleh Suri (2017), dilakukan uji kecocokan
inkremental dengan metode ML untuk ukuran sampel 50, 100 dan 150. Sari
(2018), mengevaluasi uji kecocokan dalam model dengan tidak hanya uji
kecocokan inkremental, tetapi juga absolut dan parsimoni dengan metode ML.
Pada penelitian ini akan dilakukan uji kecocokan dengan metode ULS
menggunakan data hasil survei kuisioner loyalitas pasien di Rumah Sakit Ibu dan
Anak Santa Anna yang melibatkan 10 variabel teramati dengan ukuran sampel 50,
100, dan 150.
1.2 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut:
1. Menentukan ukuran sampel dengan model terbaik menggunakan metode
Unweighted Least Square (ULS).
2. Menentukan pengaruh antara variabel kualitas pelayanan, kepuasan pasien
dan loyalitas pasien di RSIA Santa Anna.
4
1.3 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Menambah pengetahuan tentang Model Persamaan Struktural dengan software
Lisrel 9.30.
2. Menambah wawasan tentang uji kecocokan model dengan metode estimasi
Unweighted Least Square (ULS) dalam Model Persamaan Struktural bagi
pembaca.
3. Memberikan informasi bagi pembaca tentang hubungan antara kualitas
pelayanan, kepuasan pasien dan loyalitas pasien di RSIA Santa Anna.
5
II. TINJAUAN PUSTAKA
2.1 Normalitas Multivariat
Menurut Schumacker dan Lomax (2004), seperti halnya statistika parametrik
lainnya, model persamaan struktural juga mensyaratkan asumsi normalitas.H : Data berdistribusi normal multivariatH : Data tidak berdistribusi normal multivariat
Untuk melihat apakah data berdistribusi normal multivariat atau tidak dengan
menggunakan skewness dan kurtosis, dengan rumus sebagai berikut := (2.1)
= (2.2)
Apabila hasil yang diperoleh (-1,96) < Nilai-Z Skewness & Kurtosis < (1,96)
dengan = 0.05 maka tidak ada alasan untuk menolak H yang artinya data
berdistribusi normal multivariat dan sebaliknya.
6
2.2 Uji Validitas dan Realibilitas
2.2.1 Uji Validitas
Menurut Arikunto (2006), validitas adalah suatu ukuran yang menunjukan tingkat-
tingkat kevalidan suatu kuisioner. Suatu kuisioner yang kurang valid berarti
validitasnya rendah. Rumus yang digunakan adalah yang dikemukan oleh
Pearson yang dikenal rumus Korelasi Pearson yaitu sebagai berikut:rxy= { ∑ (∑ )}{ ∑ (∑ )} (2.3)
dengan:rxy : Koefesien korelasi Pearson
: Jumlah subjek uji cobaΣ : Jumlah skor butirΣ : Skor total
Selanjutnya angka korelasi yang diperoleh dibandingkan dengan angka kritik tabel
korelasi nilai . Apabila r hitung nilainya di atas angka taraf nyata 5% maka
pernyataan tersebut valid, dan sebaliknya apabila r hitung nilainya dibawah angka
taraf nyata 5% maka pernyataan tersebut tidak valid.
Apabila suatu kuisioner tidak valid maka sebaiknya pertanyaan tersebut tidak
digunakan, ini dalam asumsi hanya beberapa pertanyaan dalam kuisioner yang
tidak valid, misalkan satu atau dua dari sekian pertanyaan. Jika kuisioner yang
tidak valid sebanyak lebih dari 50% maka lebih baik di review ulang pertanyaan-
pertanyaan dalam kuisioner.
7
2.2.2 Uji Reliabilitas
Menurut Arikunto (2006), reliabilitas menunjuk pada pengertian bahwa suatu
kuisioner cukup dapat dipercaya untuk digunakan sebagai alat pengumpul data
tersebut sudah baik. Dalam pengujian untuk mencari reliabilitas instrumen yang
skornya bukan 1 dan 0.
11= 1 − ∑ (2.4)
dengan:
11 : Reliabilitas kuisioner
k : Banyaknya butir pertanyaan∑ : Jumlah varian butir: Varian total
Apabila nilai 11 ini dikonsultasikan dengan r pearson, dapat diketahui bahwa
lebih kecil dari yang ada. Dengan demikian dapat disimpulkan bahwa
kuisioner tersebut tidak reliabel. Dalam pengujian reliabilitas peneliti
menggunakan software SPSS dengan melihat nilai Cronbach’s Alpha lebih dari
0,6 maka butir atau pertanyaan dapat dikatakan reliabel.
2.3 Model Persamaan Struktural
Menurut Widarjono (2015), model persamaan struktural (Structural Equation
Model, SEM) merupakan model yang menjelaskan hubungan antara variabel
laten sehingga model persamaan struktural ini seringkali disebut dengan analisis
8
variabel laten (latent variable analysis) atau hubungan struktural linear (linear
structural relationship).
Model persamaan struktural (Structural Equation Modeling, SEM) adalah salah
satu teknik peubah ganda yang dapat menganalisa secara simultan beberapa
peubah laten endogenous dan eksogenous (Bollen, 1989).
Menurut Ferdinand (2002), penentuan ukuran sampel untuk analisis Structural
Equation Modeling (SEM) adalah sebagai berikut:
1. 100-200 sampel maksimum Likelihood Examation
2. Jumlah sampel minimum yaitu 100 responden
3. Tergantung pada jumlah parameter yang di estimasi. Pedomannya adalah 5
sampai 10 kali jumlah parameter yang diestimasi
4. Tergantung pada jumlah indikator yang digunakan dalam seluruh variabel
laten. Jumlah sampel adalah indikator dikali 5 sampai 10.
Jumlah indikator yang digunakan dalam penelitian ini adalah sebanyak 10
indikator, oleh karena itu jumlah minimum sampel adalah adalah 50.
9
2.4 Variabel dalam Model Persamaan Struktural
Variabel-variabel yang terdapat dalam model persamaan struktural meliputi :
1. Variabel Laten
Variabel laten merupakan konsep abstrak, sebagai contoh : perilaku orang, sikap,
perasaan, dan motivasi. Variabel laten hanya dapat diamati secara tidak sempurna
melalui efeknya terhadap variabel teramati. Model persamaan struktural memiliki
dua jenis variabel laten, yaitu variabel laten endogen dan variabel laten eksogen.
Variabel eksogen muncul sebagai variabel bebas pada semua persamaan yang ada
dalam model, dengan notasi matematik huruf Yunani ξ (“ksi”). Variabel endogen
merupakan variabel terikat pada paling sedikit satu persamaan dalam model,
dengan notasi matematik huruf Yunani η (“eta”) (Wijanto, 2008).
(a) (b)
Gambar 1.Variabel Laten Eksogen dan Endogen
2. Variabel Indikator
Variabel teramati atau terukur adalah variabel yang dapat diamati atau dapat
diukur secara empiris dan sering disebut indikator. Variabel teramati
merupakan efek atau ukuran dari variabel laten. Pada metode survei dengan
menggunakan kuisioner, setiap pertanyaan pada kuisioner mewakili sebuah
Eksogen( ) Endogen
( )
10
variabel teramati (jadi jika sebuah kuisioner mempunyai 50 pertanyaan, maka
akan ada 50 variabel teramati). Variabel teramati yang berkaitan atau
merupakan efek dari variabel laten eksogen (ξ) diberi notasi matematik dengan
label X, sedangkan yang berkaitan dengan variabel laten endogen (η) diberi label
Y. Simbol diagram lintasan dari variabel teramati adalah bujur sangkar (Wijanto,
2008).
X Y
Gambar 2. Variabel Indikator
2.5 Model dalam Model Persamaan Struktural
Model persamaan struktural atau Structural Equation Modelling (SEM)
memiliki dua jenis model yaitu model struktural dan model pengukuran. Model
struktural yang mengukur hubungan antar variabel laten, kemudian model
pengukuran yang mengukur hubungan antara variabel indikator dengan variabel
laten (Bollen,1989).
1. Model Struktural
Model struktural bertujuan untuk memeriksa hubungan yang mendasari atau yang
menyusun variabel laten ke dalam model pengukuran dan variabel konstruk
lainnya berdasarkan teori. Parameter yang menunjukan regresi variabel laten
eksogen diberi label dengan huruf Yunani γ (“gamma”), sedangkan untuk regresi
variabel laten endogen diberi label dengan huruf Yunani β (“beta”) (Wijanto,
2008).
11
Dalam bentuk umum model persamaan struktural didefinisikan sebagai berikut:
Misalkan vektor acak ηT = (η1, η2, …, ηm) dan ξT = (ξ1, ξ2 , …, ξn) berturut-turut
adalah variabel laten endogen dan eksogen membentuk persamaan simultan
dengan sistem hubungan persamaan linier:
η = Βη + Γξ +ζ (2.5)
dan adalah matrik koefisien dan = ( , , … … , ) adalah vektor galat
dalam persamaan struktural. Elemen menghadirkan pengaruh variabel dalam
variabel lainnya, dan elemen menghadirkan pengaruh langsung variabel
dalam variabel . Diasumsikan bahwa tidak berkorelasi dengan dan −adalah nonsingular (Joreskog and Sorbom, 1989).
Bentuk model struktural didapatkan dengan uraian sebagai berikut:
η = Βη + Γξ +ζ
η – Βη = Γξ + ζ
(Ι – Β) η = Γξ + ζ
η = (Ι – Β)-1 (Γξ + ζ) (2.6)
dengan:
Β: matriks koefisien variabel laten endogen berukuran mxm
Γ: matriks koefisien variabel laten eksogen berukuran mxn
η : vektor variabel laten endogen berukuran mx1
ξ : vektor variabel laten eksogen berukuran nx1
ζ : vektor sisaan acak hubungan antara η dan ξ berukuran mx1
12
2. Model Pengukuran
Model pengukuran digunakan untuk menduga hubungan antar variabel laten
dengan variabel-variabel teramatinya. Variabel laten dimodelkan sebagai sebuah
faktor yang mendasari variabel-variabel teramati yang terkait. Muatan-muatan
faktor atau factor loadings yang menghubungkan variabel laten dengan variabel-
variabel teramati disimbolkan dengan huruf Yunani λ (“lambda”). Pada model
variabel laten SEM, hubungan kausal (sebab-akibat) terjadi di antara variabel-
variabel tidak teramati (unobserved variables) atau variabel-variabel laten.
Parameter-parameter dari persamaan pada model pengukuran SEM merupakan
factor loadings dari variabel laten terhadap indikator-indikator atau tentang
hubungan kausal (sebab-akibat) simultan di antara variabel-variabelnya,
memberikan informasi tentang muatan faktor dan galat-galat pengukuran
(Wijanto, 2008).
Menurut Bollen (1989), vektor acak η dan ξ tidak diukur secara langsung tetapi
melalui indikatornya yaitu variabel ΥT =( y1, y2, …, yp) dan XT = ( x1, x2, …, xq)
yang diukur dengan model pengukuran, dinyatakan sebagai berikut:
X = Xξ + δ (2.7)
Y = Yη+ ε (2.8)
dengan:
X : vektor variabel indikator dari variabel eksogen qx1
x: matriks bagi faktor loading ( ) atau koefisien yang menunjukkan
hubungan antara X dan ξ ukuran qxn
δ : vektor galat model pengukuran terhadap X ukuran qx1
13
Y : vektor variabel indikator dari variabel laten endogen px1
Y: matriks bagi factor loading ( ) atau koefisien yang menunjukkan
hubungan antara Y dan η ukuran pxm
: vektor galat model pengukuran terhadap y ukuran px1.
2.6 Kesalahan dalam Model Persamaan Struktural
Menurut Wijanto (2008), kesalahan yang terdapat dalam model persamaan
struktural dibagi dua yaitu:
1. Kesalahan Struktural
Kesalahan struktural merupakan kesalahan variabel bebas dalam memprediksi
variabel terikat. Diberi label dengan huruf Yunani ζ ( “zeta”). Untuk memperoleh
estimasi parameter yang konsisten, galat struktural diasumsikan tidak berkorelasi
dengan variabel-variabel eksogen dari model.
2. Kesalahan Pengukuran
Kesalahan pengukuran merupakan kesalahan variabel teramati dalam mengukur
variabel laten. Diberi label dengan huruf Yunani δ (“delta”) untuk kesalahan
variabel teramati X dan ε (“epsilon”) untuk kesalahan variabel teramati Y.
2.7 Metode Estimasi
Estimasi terhadap model digunakan untuk memperoleh nilai dari parameter-
parameter yang ada didalam model. Dalam model persamaan struktural estimasi
parameter digunakan untuk memperoleh dugaan dari setiap parameter yang
14
dispesifikasikan dalam model yang membentuk matriks (θ) sedemikian sehingga
nilai parameter sedekat mungkin dengan nilai yang ada dalam matriks S (matriks
kovarian sampel dari peubah teramati). Matriks kovarian sampel (S) digunakan
untuk mewakili matriks kovarian populasi ( ) karena matriks kovarian populasi
tidak diketahui (Wijanto, 2008).
Menurut Bollen (1989), beberapa karakteristik dari F(( − ( )) sebagai
berikut:
1. F( − ( ) adalah skalar
2. F(( − ( )) ≥ 0
3. F(( − ( )) = 0, jika hanya jika ( ) =4. F(( − ( )) adalah kontinu dalam dan ( ).
2.8 Metode Unweighted Least Square (ULS)
Menurut Bollen (1989), metode kuadrat terkecil tak terboboti atau Unweighted
Least Square (ULS) mempunyai fungsi kesesuaian sebagai berikut:
= ( − ( ))2 (2.9)
Dimana fungsi FULS meminimumkan setengah jumlah kuadrat dari masing-masing
unsur matriks sisaan ( − ( )). S dan merupakan matriks simetrik dan definit
positif. Hal ini hampir sama dengan metode kuadrat terkecil biasa (OLS).
Dimana dalam analisis regresi metode OLS meminimumkan jumlah kuadrat
sisaaan, yaitu galat antara nilai pengamatan peubah tak bebas dengan nilai
15
dugaannya. Sedangkan ULS meminimumkan jumlah kuadrat masing-masing
unsur didalam matriks sisaan − ( ) . Matriks sisaan ini memuat selisih
antara ragam peragam sampel dengan nilai dugaan dari model. Metode ULS tidak
memerlukan asumsi khusus dari sebaran peubah yang diamati sepanjang
parameternya teridentifikasi. Metode ULS merupakan penduga yang konsisten.
Sehingga pada ukuran sampel yang bertambah besar , maka umumnya
konvergen ke θ. Namun, penduga ULS bukan penduga yang efisien secara
asimtotis atau ada peluang akan efisien pada ukuran sampel relatif kecil.
Untuk memperoleh penduga kuadrat terkecil tak terboboti dari β, mula-mula
model regresi dalam bentuk matriks sebagai berikut:
Y = Xβ + ε (2.10)
dimana E (ε) = 0, Var (ε) = σ2 dan ε ~ N (0, σ2)
Dari persamaan (2.9) dan (2.10), dapat diperoleh jumlah kuadrat sisaan sebagai
berikut:
== − −= − − ′ ′ + ′ ′= − ′ + ′ ′= − + ′ ′
16
Karena ′ adalah suatu skalar, bentuk itu sama dengan transposenya ′ ′.Untuk memperoleh penduga sehingga jumlah kuadrat sisa sekecil mungkin, kita
differensialkan terhadap maka kita peroleh persamaan sebagai berikut:′ = − + ′ ′dengan mengambil = 0, maka dapat diperoleh persamaan sebagai berikut:
== ( )= ( )dengan solusi penduga = ( )Teorema 1:
adalah penduga tak bias dari β, dengan E(ε) = 0.
Bukti:
E( ) = ( ) ( )E( ) = ( ) ( + )E( ) = ( ) ( ) + ( )E( ) = ( ) ( )E( ) =
Teorema 2:
Ragam minimum dengan ragam galat adalah Iσ2, maka ragam ( ) adalah
( ′X)-1σ2.
17
Bukti:
Var( )= Var ( -1 Y)
= X-1 Var (Y) X-1'
= X-1σ2X-1'
= σ2X-1X-1'
= σ2 (X'X)-1
2.9 Uji Kecocokan Model
Menurut Wijanto (2008), ukuran kesesuaian model merupakan tahap dalam
menentukan derajat kecocokan diterima atau tidak diterimanya suatu model.
Untuk menguji keseluruhan model dapat dilihat melalui Goodness of fit (derajat
kesesuaian) dan signifikansi koefisien pada model pengukuran dan model
struktural.
Menurut Hair, et al. (1998), evaluasi terhadap tingkat kecocokan data dengan
model dilakukan melalui beberapa tahapan, yaitu kecocokan keseluruhan model
(overall model fit), kecocokan model pengukuran (measurement model fit), dan
kecocokan model struktural (structural model fit).
2.9.1 Kecocokan Keseluruhan Model
Uji kecocokan ini ditunjukkan untuk mengevaluasi secara umum derajat
kecocokan atau Goodness Of Fit (GOF) antara data dengan model. Secara
18
keseluruhan pengelompokan GOF terdapat 3 bagian, yaitu uji kecocokan absolut,
uji kecocokan inkremental dan uji kecocokan parsimoni.
1. Uji Kecocokan Absolut
Menurut Wijanto (2008), uji kecocokan absolut menentukan derajat prediksi
model keseluruhan (model struktural dan pengukuran) terhadap matriks korelasi
dan kovarian. Dari berbagai uji kecocokan absolut, uji yang biasanya digunakan
untuk mengevaluasi model persamaan struktural adalah sebagai berikut:
a. Chi-square (χ2)
Chi-square digunakan dengan menguji seberapa dekat kecocokan antara
matriks kovarian sampel S dengan matriks kovarian model Σ (θ) untuk
menentukan model baik . Statistik Chi-square (χ2) dihipotesiskan sebagai
berikut:
H0 : S = Σ (θ) (model baik)
H1 : S ≠ Σ (θ) (model tidak baik)
Nilai yang diharapkan adalah nilai yang relatif kecil terhadap derajat
bebasnya atau p- value lebih besar dari 0,05 yang berarti H0 tidak ditolak
artinya matriks kovarian sampel (S) sama dengan matriks kovarian model (Σ
(θ)) maka model baik.
b. Non-Centrality Parameter (NCP)
NCP merupakan uji kecocokan absolut untuk menghitung perbedaan antara Σ
dengan Σ (θ) dengan rumus:
NCP = χ2 – df (2.11)
19
dengan df adalah degree of freedom.
Semakin besar perbedaan antara Σ dengan Σ (θ) maka semakin besar nilai
NCP. Jadi, NCP yang diharapkan adalah nilai yang kecil atau rendah.
c. Goodness of Fit Index (GFI)
GFI dapat diklasifikasikan sebagai uji kecocokan absolut, karena pada dasarnya
GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama
sekali (Σ (0)). Nilai GFI berkisaran antara 0 sampai 1, dengan nilai GFI ≥ 0,9
merupakan good fit (kecocokan yang baik), sedangkan jika 0,8 ≤ GFI < 0,9
disebut marginal fit.
d. Root Mean Square Error of Approximation (RMSEA)
RMSEA adalah derajat kecocokan yang mengukur kedekatan suatu
model dengan populasinya. RMSEA merupakan alternatif ukuran
kesesuaian model yang diperlukan untuk mengurangi kesensitifan χ2
terhadap ukuran sampel. Nilai RMSEA ≤ 0,05 menandakan close fit,
sedangkan 0,05 < RMSEA ≤ 0,08 menunjukkan good fit.
2. Uji Kecocokan Inkremental
Uji kecocokan inkremental digunakan untuk membandingkan model yang
diusulkan dengan model dasar (baseline model) yang sering disebut dengan null
model secara teoritis dan realitif. Model dasar atau null model adalah model di
mana semua variabel di dalam model bebas satu sama lain (atau semua kolerasi
diantara variabel adalah nol) dan paling dibatasi (Byrne, 2001).
20
Menurut Wijanto (2008), dari berbagai uji kecocokan inkremental uji yang
biasanya digunakan untuk mengevaluasi model persamaan struktural adalah:
Adjust Goodness of Fit Index (AGFI).
AGFI adalah perluasan dari GFI yang digunakan untuk membandingkan model
yang diusulkan dengan model dasar. AGFI dapat dirumuskan sebagai berikut:
AGFI = 1− (1 − )AGFI = 1− (1 − )AGFI = 1− ( ) (1 − ) (2.12)
dengan:
dfh : derajat bebas untuk model yang dihipotesiskan
df0 : derajat bebas ketika ada model yang dihipotesiskan = p
p : jumlah varian dan kovarian dari variabel indikator
nx : jumlah variabel indikator X
ny : jumlah variabel indikator Y
Nilai AGFI berkisar antara 0 sampai 1 dan nilai AGFI ≥ 0.90 menunjukkan good
fit sedangkan 0.80 ≤ AGFI < 0.90 menunjukkan marginal fit.
3. Uji Kecocokan Parsimoni
Model dengan parameter relatif sedikit sering dikenal sebagai model yang
mempunyai parsimoni atau kehematan tinggi. Sedangkan model dengan banyak
parameter dapat dikatakan model yang kompleks dan kurang parsimoni.
21
Parsimoni dapat didefinisikan sebagai memperoleh derajat kecocokan setinggi-
tingginya untuk setiap derajat kebebasan. Dengan demikian pasrimoni yang
tinggi yang lebih baik (Wijanto, 2008).
Penelitian ini menggunakan indeks kecocokan yaitu Parsimonious Normed Fit
Index (PNFI). PNFI memperhitungkan banyaknya derajat bebas untuk mencapai
suatu tingkat kecocokan. PNFI didefinisikan sebagai berikut:
PNFI = × (2.13)
dengan:
dfh : Derajat bebas dari model yang dihipotesiskan
dfi : Derajat bebas dari model awal
NFI : Normed Fit Index, NFI =( )
Nilai PNFI yang lebih tinggi yang lebih baik. Penggunaan PNFI terutama
untuk membandingkan dua atau lebih model yang mempunyai derajat bebas
berbeda. PNFI digunakan untuk membandingkan model-model alternatif, dan
tidak ada rekomendasi tingkat kecocokan yang diterima. Meskipun demikian
ketika membandingkan 2 model, perbedaan nilai PNFI sebesar 0,06 sampai
0,09 menandakan perbedaan model yang cukup besar (Hair, et al., 1998).
22
2.9.2 Kecocokan Model Pengukuran
Menurut Wijanto (2008), setelah kecocokan model dan data secara
keseluruhan baik, selanjutnya adalah evaluasi atau uji kecocokan model
pengukuran. Evaluasi ini akan dilakukan setiap konstruk atau model
pengukuran (hubungan antara sebuah variabel laten dengan variabel indikator)
secara terpisah melalui:
1. Evaluasi terhadap validitas (validity) dari model pengukuran
Validitas adalah ukuran sampai sejauh mana suatu indikator secara akurat
mengukur apa yang seharusnya diukur. Menurut Igbaria et.al. pada tahun 1997
sebagaimana dikutip oleh Wijanto (2008), tentang relative importance and
significant of the factor loading of each item, menyatakan bahwa muatan
faktor standar ≥ 0,5.
2. Evaluasi terhadap reabilitas (reability) dari model pengukuran
Reabilitas adalah ukuran konsistensi internal dari indikator-indikator sebuah
variabel. Terdapat dua cara untuk menentukan reliabilitas, yaitu composit
(construct) reability atau ukuran reabilitas komposit dan variance extracted
atau ukuran ekstrak varian.
Reabilitas komposit suatu konstruk dihitung sebagai berikut:
Constuct Reability =(∑ )(∑ ) ∑ (2.14)
dengan :
Standardized loading : besarnya nilai koefisien terhadap variabel laten∑ : measurement error untuk setiap variabel indikator
23
Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator-
indikator yang dijelaskan oleh variabel laten. Ukuran ekstrak varian dapat
dihitung sebagai berikut:
Variance Extracted =∑∑ ∑ (2.15)
Nilai Constuct Reability (CR) ≥ 0,70 dan nilai Variance Extracted (VE) ≥ 0,50
2.9.3 Kecocokan Model Struktural
Menurut Wijanto (2008), evaluasi atau analisis terhadap model struktural
mencakup pemeriksaan koefisien-koefisien yang diestimasi.
1. Signifikan parameter
Signifikan parameter yang diestimasi memberikan informasi sangat berguna
mengenai hubungan antara variabel-variabel laten. Batas untuk menerima atau
menolak suatu hubungan dengan tingkat signifikan 5% adalah 1,96 (mutlak),
dimana apabila nilai t terletak antara -1,96 dan 1,96 maka hipotesis harus
ditolak sedangkan apabila nilai t lebih besar dari 1,96 dan lebih kecil dari -1,96
harus diterima dengan taraf signifikan 5% yaitu t>|−1,96|.2. Koefisien determinasi (R2)
Koefisien determinasi (R2) pada persamaan struktural mengindikasikan jumlah
varian pada variabel laten endogen yang dapat dijelaskan secara simultan oleh
variabel-variabel eksogen. Semakin tinggi nilai R2, maka semakin besar
variabel-variabel eksogen menjelaskan variabel endogen sehingga semakin
baik persamaan struktural.
24
2.10 Pengaruh Langsung, Pengaruh Tidak Langsung, dan Pengaruh Total
Pengaruh langsung adalah pengaruh yang dapat dilihat dari koefisien jalur dari
satu variabel ke variabel lainnya. Pengaruh tidak langsung merupakan urutan
jalur melalui satu atau lebih variabel variabel perantara (Irianto, 2004).
Gambar 3. Model Persamaan Struktural dalam Menguji Pengaruh Langsungdan Tidak Langsung
Menurut Baron and Kenny (1986), dalam menguji pengaruh tidak langsung
dikenal dengan tiga variabel, yaitu predictor, mediator, dan criterion. Untuk
menguji pengaruh tidak langsung dapat dilakukan melalui empat tahap, yaitu :
1. Tahap pertama menguji pengaruh langsung dari predictor kepada criterion.
2. Tahap kedua melihat apakah predictor memiliki pengaruh terhadap mediator.
3. Tahap ketiga melihat apakah mediator memiliki pengaruh terhadap criterion.
4. Tahap keempat adalah melihat pengaruh predictor terhadap criterion dengan
tetap memasukkan pengaruh mediator.
25
Mendefinisikan pengaruh total diantara 2 variabel laten adalah sebagai hasil
penjumlahan dari pengaruh langsung dan semua pengaruh tidak langsung yang
ada pada sebuah struktur.
2.11 Kualitas Pelayanan
Kualitas pelayanan adalah kegiatan pelayanan yang diberikan oleh penyelenggara
pelayanan publik yang mampu memenuhi harapan, keinginan dan kebutuhan serta
mampu memberikan kepuasan kepada masyarakat luas (Dinik, 2008).
Pengertian kualitas dalam pelayanan kesehatan perlu dilakukan pembatasan secara
umum dapat disebutkan bahwa yang dimaksud dengan kualitas pelayanan
kesehatan adalah mengacu pada tingkat kesempurnaan pelayanan kesehatan,
dimana dikemukakan pada dua tingkat harapan pelanggan pada jasa yaitu
edaquate idan desired service. Yang pertama adalah tingkat kinerja jasa minimal
yang bisa diterima. Ini didasari oleh perkiraan tentang jasa apa yang mungkin
akan diterima dan tergantung pada alternatif yang tersedia. Sedangkan yang
kedua adalah tingkat kinerja jasa yang diharapkan pelanggan diterimanya, yang
merupakan gabungan dari harapan apa yang bisa dan harus diterima (Azwar,
1996).
26
Karakteristik yang digunakan dalam mengevaluasi kualitas pelayanan jasa, antara
lain adalah :
1. Bukti fisik, hal ini meliputi fasilitas fisik misal : gedung, perlengkapan dan
peralatan (teknologi).
2. Kehandalan, yaitu kemampuan untuk memberikan pelayanan sesuai dengan
yang dijanjikan secara ukurat dan terpercaya.
3. Jaminan, adalah pengetahuan , kesopansantunan, dan kemampuan para
pegawai.
4. Empati, memberikan perhatian yang tulus dan bersifat individual atau pribadi
yang diberikan kepada para konsumen dengan berupaya memahami keinginan
konsumen.
2.12 Kepuasan Pasien
Memahami kebutuhan dan keinginan pasien adalah hal penting yang
memengaruhi kepuasan pasien. Pasien yang puas merupakan aset yang sangat
berharga karena apabila pasien merasa puas mereka akan terus melakukan
pemakaian terhadap jasa pilihannya, tetapi jika pasien tidak merasa puas mereka
akan memberitahukan dua kali lebih hebat kepada orang lain tentang pengalaman
buruknya.
27
Kepuasan pasien adalah tingkat perasaan pasien yang timbul sebagai akibat dari
kinerja layanan kesehatan yang diperolehnya, setelah pasien membandingkan
dengan apa yang diharapkannya (Pohan, 2007). Karakteristik yang digunakan
dalam mengevaluasi kepuasan pasien, antara lain sebagai berikut:
1. Kesesuaian tarif.
2. Kepuasan dengan dokter.
3. Pelayanan keseluruhan.
2.13 Loyalitas Pasien
Loyalitas secara umum dapat diartikan kesetiaan seseorang atas suatu produk baik
barang atau jasa tertentu.
Karakteristik yang digunakan untuk mengevaluasi loyalitas pasien antara lain:
1. Keterikatan yang tinggi terhadap jasa pelayanan tertentu dibanding dengan jasa
pelayanan yang ditawarkan yang lain.
2. Niat merekomendasikan.
3. Menceritakan hal positif.
2.14 Data Ordinal
Data ialah suatu bahan mentah yang jika diolah dengan baik melalui berbagai
analisis dapat menghasilkan berbagai informasi. Dengan informasi tersebut dapat
diambil keputusan. Dalam statistik dikenal istilah jenis data, tingkatan data,
28
sumber data, penyajian data, dan analisis data. Data dianalisis sesuai dengan jenis
tingkatannya, karena itu masing-masing tingkatan data mempunyai analisis sendiri
khususnya dalam analisis korelasi. Data yang diperoleh dari hasil pengamatan,
dikenal dengan beberapa ukuran (skala), antara lain yaitu skala nominal, skala
ordinal, skala interval, dan skala rasio. Pada skala ordinal urutan simbol atau kode
berupa angka mempunyai arti urutan jenjang atau tingkatan, bisa dimulai dari
yang paling negatif atau yang paling positif atau dapat juga sebaliknya, misalnya
yaitu sangat baik, baik, cukup baik, kurang baik, sangat tidak baik (masing-
masing dengan kode 5, 4, 3, 2, 1 dan sebaliknya). Dalam hal ini menetapkan kode
skala sepenuhnya merupakan variansi dari peneliti, tidak ada penekanan yang
mengharuskan bahwa nilai dari suatu objek yang paling baik harus diberikan kode
angka yang paling tinggi (Supangat, 2007).
29
III. METODOLOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilakukan pada semester ganjil tahun ajaran 2017/2018 bertempat
di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Lampung.
3.2 Data Penelitian
Penelitian ini menggunakan data primer yang diperoleh melalui penyebaran
kuesioner mengenai loyalitas pasien di RSIA Santa Anna. Teknik
pengambilan sampel yang digunakan adalah purposive sampling, yaitu
pengambilan sampel dengan pertimbangan tertentu dan jumlah populasi yang
tidak diketahui. Sampel yang digunakan berjumlah 150, dimana pada
penelitian ini akan melakukan analisis sebanyak 3 kali pada ukuran sampel
yang berbeda dari 150 sampelyang diperoleh, maka data dibagi dalam 3 ukuran
sampel yaitu 50 sampel, 100 sampel, dan 150 sampel dengan bantuan software
Minitab16. Variabel yang digunakan yaitu 3 variabel laten dan 10 variabel
indikator.
30
Adapun dalam penelitian ini ilustrasi yang digunakan adalah faktor-faktor
penentu loyalitas pasien dengan variabel-variabel yang digunakan dalam
penelitian sebagai berikut :
Tabel 1. Operasional Variabel Penelitian
Variabel
LatenVariabel Indikator
No.
Butir
Kualitas
Pelayanan
(ξ1)
Rumah sakit memiliki peralatan medis yang
lengkap dan modernX1 1
Pemeriksaan, pengobatan, dan perawatan di
Rumah Sakit dilakukan secara cepat/ tepat
waktu
X2 2
Dokter memiliki kemampuan dan
pengetahuan yang baik selama perawatanX3 3
Ruang rawat inap di RSIA Santa Anna tertata
rapi, bersih dan nyamanX4 4
Kepuasan
Pasien (η1)
Dokter selalu maksimal/ bersungguh-sungguh
dalam menangani pasienY1 5
Pembayaran tarif pengobatan di Rumah Sakit
ini sesuai dengan pelayanan yang saya terimaY2 6
Pegawai Rumah Sakit memberikan pelayanan
dengan baik sesuai dengan harapanY3 7
Loyalitas
Pasien (η2)
Tidak akan pindah atau beralih ke Rumah
Sakit lainY4 8
Merekomendasikan pengalaman saya tentang
kinerja Rumah Sakit ini kepada teman atau
keluarga
Y5 9
Merekomendasikan Rumah Sakit ini kepada
keluarga atau teman yang membutuhkan
perawatan
Y6 10
31
Merujuk teori dan hasil penelitian yang relevan, terdapat hubungan langsung
dan tidak langsung antarvariabel laten dan variabel laten dengan indikatornya
sehingga dapat dirancang model dalam diagram jalur sebagai berikut:
Gambar 4. Model Konseptual Penelitian
3.3 Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah studi pustaka, yaitu
dengan mempelajari buku penunjang materi dalam penelitian ini, serta
jurnal dan skripsi yang berhubungan dengan materi penelitian. Dan
untuk mempermudah perhitungan dengan hasil yang akurat penulis
menggunakan software Lisrel 9.30.
32
Adapun langkah-langkah dalam penelitian ini adalah :
1. Menginput data kuisioner dalam 3 ukuran sampel yaitu 50, 100 dan
150 dengan merandom data menggunakan Minitab16.
2. Pengujian asumsi normal multivariat pada data setiap ukuran
sampel.
3. Pengujian validitas dan reliabilitas pada data kuisioner.
4. Spesifikasi model dengan merancang model struktural dan model
pengukuran.
Penelitian ini terdiri dari 3 variabel laten, dengan 1 variabel
eksogen yaitu kualitas pelayanan dan 2 variabel laten endogen yaitu
kepuasan pasien dan loyalitas pasien. Dan terdapat 10 indikator
yang bersifat reflektif dengan 4 variabel indikator (X) dari variabel
laten kualitas pelayanan dan 6 variabel indikator (Y) yang terdiri
dari 3 variabel indikator dari variabel laten kepuasan pasien dan 3
variabel indikator dari variabel laten loyalitas pasien. Perancangan
model struktural didasarkan pada hipotesis penelitian.
5. Kontruksi diagram jalur.
Mengkontruksi diagram jalur adalah membangun hubungan-
hubungan antara variabel laten yaitu ξ, η1 dan η2. Diagram jalur
dibentuk berdasarkan hipotesis pada penelitian.
6. Estimasi parameter dengan metode Unweighted Least Square (ULS)
menggunakan software Lisrel 9.30 pada setiap ukuran sampel.
33
7. Mengevaluasi uji kecocokan keseluruhan model pada setiap ukuran
sampel.
Evaluasi dilakukan dengan melihat nilai Goodness Of Fit (GOF)
dan menentukan ukuran sampel dengan model terbaik.
8. Menguji signifikansi parameter dalam model pengukuran pada ukuran
sampel yang ditentukan.
Evaluasi dilakukan dengan melihat nilai factor loading dan menghitung
nilai CR dan VE.
9. Menguji signifikansi parameter dalam model struktural pada ukuran
sampel yang ditentukan.
Evaluasi dilakukan dengan melihat nilai signifikan koefisien parameter
dan nilai koefisien determinasi (R2).
10. Melihat pengaruh langsung, pengaruh tidak langsung dan menghitung
pengaruh total variabel laten eksogen terhadap variabel endogen.
59
V. KESIMPULAN
Berdasarkan analisis pada penelitian yang telah dilakukan diperoleh kesimpulan
sebagai berikut:
1. Ukuran sampel dengan model terbaik menggunakan metode Unweighted
Least Square (ULS) yaitu pada sampel 100 dan 150, karena menghasilkan
nilai indeks kecocokan keseluruhan model yang relatif konsisten dalam
ukuran kecocokan model absolut, inkremental dan parsimoni ini berarti
dengan ukuran sampel diperbesar maka menghasilkan nilai kecocokan yang
semakin, sedangkan pada ukuran sampel 50 nilai indeks kecocokan
keseluruhan model menghasilkan nilai yang baik hanya pada ukuran
kecocokan model absolut.
2. Kualitas pelayanan (ξ1) mempengaruhi secara tidak langsung loyalitas pasien
(η ) melalui variabel perantara kepuasan pasien (η ) di RSIA Santa Anna.
3. Pengaruh total kualitas pelayanan (ξ1) terhadap loyalitas pasien (η ) melalui
variabel perantara kepuasan pasien (η ) yaitu sebesar 0,6447.
4. Variabilitas pada loyalitas pasien (η ) yang dapat dijelaskan oleh variabilitas
kualitas pelayanan (ξ1) dan kepuasan pasien (η ) hanya sebesar 62,5%.
Sedangkan sisanya sebesar 37,5% dijelaskan oleh faktor lain diluar model
yang diteliti.
DAFTAR PUSTAKA
Arikunto, S. 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Rineka Citra,Jakarta.
Azwar, A. 1996. Pengantar Administrasi Kesehatan. Edisi Ketiga. BinarupaAksara, Jakarta.
Baron, R. M. And Kenny, D. A. 1986. The Moderator Mediator VariableDistinction in Social Psychological Research: Conceptual, Stategic, andStatistical Considerations. Journal of Personality and Social Psychology,51(6):1173-1182.
Bollen, K. A. 1989. Structural Equation with Laten Variable. John Wiley andSons, New York.
Byrne, B. M. 2001. StructuralEquation Modeling with AMOS: Basic Concepts,Aplications and Programming. Lawrence Erlbaum Associates Inc., NewJersey.
Ferdinand. 2002. Metode Penelitian Manajemen: Pedoman Penelitian untukSkripsi, Tesis, dan Desertasi Ilmu Menejemen. Badan PenerbitUniversitas Diponegoro, Semarang.
Hair, J.F.et. al. 1998. Multivariate Data Analysis. 5th Edition. Prentice HallInternational Inc, New Jersey.
Irianto, A. 2004. Statistik Konsep Dasar & Aplikasinya. Kencana, Jakarta.
Joreskog, K.G. and Sorbom, D. 1989. Lisrel 7: User’s Reference Guide.Scienctifict Software International, Chicago.
Pohan, I. S. 2007. Jaminan Mutu Layanan Kesehatan. Penerbit Buku KedokteranEGC, Jakarta.
Sari, P. P. 2018. Uji Kecocokan Model dalam Model Persamaan Struktural (MPS)untuk Beberapa Ukuran Sampel dengan Metode Maximum Likelihood.Skripsi. Jurusan Matematika, Fakultas Matematika dan Ilmu PengetahuanAlam, Universitas Lampung, Bandar Lampung.
Supangat, A. 2007. Statistika dalam Kajian Deskriptif Inferensia dan NonParametrik. Kencana Prenada Media Group, Jakarta.
Supardi. 2013. Aplikasi Statistika dalam Penelitian. Change, Jakarta.
Suri, M. 2017. Uji Kecocokan Inkremental pada Maximum Likelihood dalamModel Persamaan Struktural (MPS) dengan Beberapa Ukuran Sampel.Skripsi. Jurusan Matematika, Fakultas Matematika dan Ilmu PengetahuanAlam, Universitas Lampung, Bandar Lampung.
Schumacker, R.E. and Lomax, R.G. 2004. A Beginner’s Guide to StructuralEquation Modelling. Lawrence Erlbaum Associates Publishers, London.
Widarjono, A. 2015. Analisis Multivariat Terapan. UPP STIM YKPN,Yogyakarta.
Wijanto, S.H. 2008. Struktural Equation Modelling dengan Lisrel 8.80. GrahaIlmu, Yogyakarta.