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.