Cara pengkategorian data adalah sebagai berikut : 1 Tinggi : X ≥ M + SD
2 Sedang : X – SD ≤ X M + SD
3 Rendah : X M – SD
c. Analisis ini juga menggambarkan jawaban responden dari kuesioner yang diajukan. Pada bagian ini penyusun akan menganalisa data tersebut satu
persatu yang didasarkan pada jawaban responden yang dihimpun berdasarkan kuesioner yang telah diisi oleh responden selama penelitian
berlangsung.
2. Analisis Kuantitatif
a. Uji Asumsi Klasik 1 Uji Normalitas
Asumsi dasar yang ada pada program AMOS adalah uji normalitas. Penelitian mewajibkan data berdistribusi normal untuk menghindari bias
dalam analisis data. Uji normalitas digunakan untuk mengetahui normal tidaknya distribusi penelitian masing-masing variabel. Jika asumsi
normalitas terpenuhi, maka nilai residual dari analisis juga berdistribusi normal dan independen. Data dapat dikatakan normal dalam AMOS apabila
nilai critical ratio c.r multivariate memiliki syarat -2,58 c.r 2,58 Mustafa dan Wijaya, 2012.
b. Analisis Jalur Model path analisis analisis jalur merupakan perluasan dari analisis
regresi linier berganda atau analisis jalur adalah penggunaan analisis regresi untuk
menaksir hubungan kausalitas antar variabel yang telah ditetapkan sebelumnya berdasarkan teori Ghozali, 2011. Path analisis digunakan untuk menganalisis
pola hubungan antar variable dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas eksogen terhadap variabel
terikat endogen. Manfaat dari path analisis adalah untuk penjelasan terhadap fenomena
yang dipelajari atau permasalahan yang diteliti, prediksi dengan path analysis ini bersifat kualitatif, faktor determinan yaitu penentuan variable bebas mana yang
berpengaruh dominan terhadap variabel terikat, serta dapat menelusuri mekanisme pengaruh variabel bebas terhadap variable terikat. Variabel intervening
merupakan variabel antara atau mediating, fungsinya memediasi antara variabel independen dengan variable dependen. Untuk menguji pengaruh variabel
intervening digunakan metode analisis jalur path analysis Engkos dan Riduwan, 2012:2. Berdasarkan hubungan antar variabel, berikut adalah model
penelitian dalam bentuk diagram jalur.
Gambar 10. Paradigma
CITRA RUMAH SAKIT
X ₁
KUALITAS PELAYANAN
X
2
KEPUASAN PELANGGAN
M LOYALITAS
PELANGGAN Y
Model anaisis jalur di atas digunakan untuk mencari pengaruh langsung dan tidak langsung antara variabel independen dan variable dependen. Model
persamaan analisis jalur secara persamaan regresi sebagai berikut. 1. M = βX
1
M + βX
2
M + βX
3
M+ ε
2.
Y = βX
1
Y + βX
2
Y + βX
3
Y + βMX
1
Y + βMX
2
Y + βMX
3
Y +ε Dimana :
X1 : Citra rumah sakit
X2 : Kualitas pelayanan
M : Kepuasan pelanggan
Y : Loyalitas pelanggan
β1 : koefisien untuk variabel Citra rumah sakit
β2 : koefisien untuk variabel kualitas pelayanan
βM : koefisien untuk variabel mediasi kepuasan pelanggan
ε : error
H. Pengujian Hipotesis
Uji hipotesis yang dilakukan dengan menggunakan AMOS meliputi :
1. Uji signifikansi t-test atau Critical Ratio C.R
Uji hipotesis yang dilakukn adalah uji signifikansi t-test atau Critical Ratio C.R. output tabel pengujian hipotesis penelitian dengan menggunakan program AMOS
Kriteria pengujian hipotesis Ghozali, 2007 adalah sebagai berikut: a. Nilai Critical Ratio CR 1,96 dengaan tingkat signifikansi 0,05 maka
berarti variabel eksogen berpengaruh terhadap variabel endogen.
b. Nilai Critical ratio CR 1,96 dengan tingkat signifikansi 0,05 maka berarti variabel eksogen tidak berpengaruh terhadap variabel endogen.
2. Koefisien Determinasi Adjusted R
2
Koefisien determinasi Adjusted R
2
pada intinya mengukur seberapa jauh kemampuan dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah di antara nol dan satu. Nilai r
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
te rbatas. Nilai yang mendekati satu berarti dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang
crossection relatif rendah karena adanya variasi yang besar antara masing- masing pengamatan, sedangkan untuk data runtut time series biasanya
mempunyai nilai koefisien determinasi yang tinggi Ghozali, 2011. Untuk mengetahui besarnya variabel bebas dalam mempengaruhi variabel
terikat dapat diketahui melalui nilai koefisien determinasi ditunjukkan oleh nilai adjusted r square R
2
. Nilai adjusted r square dapat naik atau turun apabila satu variable independen ditambahkan ke dalam model.