Perhitungan Reliabilitas Pengolahan Data Metode TOPSIS .1 Penentuan Alternatif

Tabel 5.9 Pengujian Reabilitas untuk Tingkat Kesesuaian Penentuan Kualitas Layanan untuk Unit Rawat Inap Lanjutan Responden 1 2 3 4 5 6 7 8 9 10 11 12 ∑Y ∑Y 2 80 4 4 5 5 5 5 4 4 5 4 5 4 54 246 81 4 4 5 5 4 4 5 5 4 5 5 4 54 246 82 5 4 4 5 4 5 4 4 5 4 4 5 53 237 83 5 5 4 3 4 5 4 5 4 4 5 4 52 230 ∑X 175 358 351 343 354 353 350 343 349 337 335 323 3971 16825 ∑X 2 425 1584 1527 1465 1568 1545 1522 1463 1515 1435 1433 1343 16825 Langkah-langkah : 1. Menghitung varians tiap butir pertanyaan σ b 2 σ b 2 =   n n x x    2 2 , dimana b = butir pertanyaan 1, 2, 3,…,12 Nilai ∑x 2 dan ∑x dapat dilihat pada Tabel 5.11 Berikut ini adalah contoh perhitungan varians untuk butir pertanyaan 1 pada Unit Rawat Inap. σ C1 2 = 83 83 175 425 2        = 0,6750 σ C7 2 = 83 83 350 1522 2        = 0,5554 σ C2 2 = 83 83 358 1584 2        = 0,4802 σ C8 2 = 83 83 343 1463 2        = 0,5487 σ C3 2 = 83 83 351 1527 2        = 0,5139 σ C9 2 = 83 83 349 1515 2        = 0,5725 σ C4 2 = 83 83 343 1465 2        = 0,5728 σ C10 2 = 83 83 337 1435 2        = 0,8036 σ C5 2 = 83 83 354 1568 2        = 0,7008 σ C11 2 = 83 83 335 1433 2        = 0,9746 σ C6 2 = 83 83 353 1545 2        = 0,5263 σ C12 2 = 83 83 323 1343 2        = 1,0364 2. Menghitung jumlah varians butir Σσ b 2 = 0,6750 + 0,4802 + 0,5139 +0,5728 + 0,7008 + 0,5263 + 0,5554 0,5487 + 0,5725 + 0,8036 + 0,9746 + 1,0364 Σσ b 2 = 7,9602 3. Menghitung varians total σ t 2 =   n n y y    2 2 Maka nilai varians total dapat dihitung yaitu : σ t 2 = 83 83 3971 16825 2        = -2086,28 4. Menghitung koefisien alpha cronbach                 2 2 1 1 t b k k r   =              28 , 2086 9602 , 7 1 1 12 12 = 1,0950 Dari hasil perhitungan diatas dapat dilihat bahwa hasil r hitung menunjukkan bahwa data telah reliable, dimana r hitung lebih besar dari r kritis yaitu 0,6. Adapun rekapitulasi hasil pengujian reliabilitas data dapat dilihat pada Tabel 5.12 Tabel 5.10 Rekapitulasi Perhitungan Reliabilitas Tingkat Kesesuaian Kualitas Layanan Tingkat Kesesuaian Alternatif Nilai r hitung Kesimpulan r hitung ≥ r tabel = 0.6 Unit Rawat Inap 1,0950 reliabel Unit Rawat Jalan 1,0911 reliabel Unit Gawat Darurat 1,0911 reliabel

5.3.2.4 Transformasi Data dari Data Ordinal ke Data Interval

Berdasarkan data hasil kuisioner untuk penentuan urutan alternatif unit layanan, maka skala Likert yang berupa skala ordinal terlebih dahulu diubah menjadi skala interval dengan menggunakan Method of Successive Interval MSI.

5.3.2.4.1 Transformasi Data Tingkat Kesesuaian

Langkah awal dalam melakukan transformasi data dari data ordinal ke data interval untuk data tingkat kesesuaian adalah menghitung frekuensi tiap responden untuk setiap pertanyaan berupa kriteria. Tabel 5.13 menunjukkan rekapitulasi frekuensi tiap responden. Tabel 5.11 Rekapitulasi Frekuensi Tiap Responden untuk Tingkat Kesesuaian Persepsi Kriteria Frekuensi 1 2 3 4 5 6 7 8 9 10 11 12 1 TB 24 0 0 0 1 0 2 0 0 2 4 8 41 2 KB 68 0 2 6 7 6 3 7 9 16 16 10 150 3 CB 58 31 36 30 28 29 33 28 36 28 42 44 423 4 B 51 113 104 118 105 109 120 127 106 121 91 97 1262 5 SB 48 105 107 95 108 105 91 87 98 82 96 90 1112 Total 249 249 249 249 249 249 249 249 249 249 249 249 2988 Setelah menghitung jumlah frekuensi dari setiap alternatif jawaban, maka langkah selanjutnya adalah menghitung proporsi dari masing-masing jawaban dengan rumus: Proporsi frekuensi Total n ke Skor Frekuensi   P 1 2988 41 1   Frekuensi Total Skor Frekuensi = 0,0137 P 2 2988 150 2   Frekuensi Total Skor Frekuensi = 0,0502 P 3 2988 423 3   Frekuensi Total Skor Frekuensi = 0,1415 P 4 2988 1262 4   Frekuensi Total Skor Frekuensi = 0,4224 P 5 2988 1112 5   Frekuensi Total Skor Frekuensi = 0,3722 Langkah selanjutnya adalah menghitung proporsi kumulatif dari alternatif jawaban, sehingga diperoleh nilai kumulatif sebagai berikut: Pk 1 = 0,0137 Pk 2 = 0,0137 + 0,0502 = 0,0639 Pk 3 = 0,0639 + 0,1415 = 0,2054 Pk 4 = 0,2054 + 0,4224 = 0,6278 Pk 5 = 0,6278 + 0,3722 = 1,000 Berdasarkan nilai proporsi kumulatif PK yang diperoleh kemudian ditentukan nilai z menggunakan Microsoft Excel dengan rumus;=Normsinvprobability Keterangan: Normsinv merupakan fungsi yang dapat mengembalikan inversi dari distribusi kumulatif normal standar dalam hal ini mencari nilai variabel Z dimana nilai probabilitasnya diketahui Z 1 = -2,2058 Z 2 = -1,5228 Z 3 = -0,8225 Z 4 = 0,3260 Z 5 = ∞ Langkah selanjutnya adalah menghitung nilai densitas data kerapatan data dengan rumus :        2 2 1 exp 2 1 z D  D 1 =         2 2058 , 2 2 1 exp 2 1  = 0,0350 D 2 = 0,1251 D 3 = 0,2845 D 4 = 0,3783 D 5 = 0 Menghitung nilai scale value dengan rumus; limit lower under area limit upper under area limit upper at density limit lower at density SV           kumulatif proporsi nilai dari diambil : area densitas nilai dari diambil : density nilai Catatan 5547 , 2 0137 , 0350 , 1      SV 7948 , 1 0137 , 0639 , 0,1251 0350 , 2      SV 1265 , 1 0639 , 2054 , 2845 , 1251 , 3      SV 2220 , 2054 , 6278 , 3783 , 2845 , 4      SV 0163 , 1 6278 , 1 3785 , 5     SV Langkah selanjutnya adalah mengubah nilai skala menjadi nilai skala interval dengan rumus: 1 SVmin SV si Transforma Nilai    SA1 = 0000 , 1 1 5547 , 2 2,5547 -     SA2 = 7599 , 1 1 5547 , 2 1,7948 -     SA3 =     1 5547 , 2 1,1265 - 2,4282 SA4 = 3327 , 3 1 5547 , 2 0,2220 -     SA5 =     1 5547 , 2 1,0163 5,1863 SA1 = 1 SA2 = 1,7599 SA3 = 2,4282 SA4 = 3,3327 SA5 = 4,5711