64
Berdasarkan hasil penyebaran kuesioner diketahui bahwa jawaban yang diberikan reseponden cukup bervariatif. Hal tersebut dapat dilihat
dari setiap indikator – indikator berikut ini : 1.
Untuk indikator pertama dengan pertanyaan mengenai sikap pelayanan yang diberikan rumah sakit dalam melayani keinginan
pasien agar pasien merasa puas, reponden banyak yang menjawab cenderung baik. Hal tersebut dapat dilihat pada skor 5 sebanyak 57
orang responden, pada skor 7 terdapat 1 orang responden yang menjawab baik.
2. Selanjutnya indikator ketiga dengan pertanyaan mengenai reputasi
yang dimiliki rumah sakit dapat mempengaruhi pandangan pasien terhadap rumah sakit, responden juga banyak yang menjawab baik.
Hal tersebut dapat dilihat pada skor 6 sebanyak 49 orang responden. Sedangkan pada skor 7 terdapat sebanyak 3 orang responden.
4.3. Deskripsi Hasil Analisis dan Uji Hipotesis
4.3.1. Asumsi Model
4.3.1.1. Uji Normalitas Sebaran dan Linieritas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah
65
tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58.
Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut :
Tabel 4.9. Hasil Pengujian Normalitas
Variable min max kurtosis
c.r. X11 2
7 -0,135
-0,295 X12 3
7 0,013
0,028 X13 3
7 -0,545
-1,192 X21 3
7 -0,566
-1,238 X22 3
7 0,517
1,132 X23 3
7 -0,291
-0,637 X31 4
7 -0,491
-1,074 X32 4
7 -0,706
-1,544 X33 4
7 -0,001
-0,002 X41 3
7 0,215
0,470 X42 4
6 -0,873
-1,912 X43 4
7 -0,634
-1,387 X51 3
7 0,166
0,363 X52 3
7 -0,236
-0,518 X53 4
7 -0,584
-1,279 Y11 4
7 -0,082
-0,180 Y12 4
7 -0,055
-0,121 Y21 3
7 0,571
1,250 Y22 4
7 -0,618
-1,352
Multivariate
-10,008 -1,900
Batas Normal ± 2,58
Sumber : lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada pada
- 1,644 itu berarti asumsi normalitas terpenuhi. 4.3.1.2.Evaluasi atas
Outlier
Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi -observasi lainnya dan
muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair,1998.
66
Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square
χ2 pada df sebesar jumlah variabel bebasnya df = n-k-1. Ketentuan : bila Mahalanobis
dari nilai χ2 adalah multivariate outlier. Pada penelitian ini terdapat
outlier apabila nilai Mahalanobis distancenya 40,790. Untuk lebih memperjelas uraian mengenai evaluasi outlier
multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate :
Tabel 4.10. Hasil Pengujian Outlier Multivariate
Residuals Statistics a Minimum
Maximum Mean
Std. Deviation
N Predicted Value
7,650 100,300
58,000 19,991
115 Std. Predicted Value
-2,519 2,116
0,000 1,000
115 Standard Error of Predicted
Value 8,873
15,276 12,108
1,416 115
Adjusted Predicted Value 6,350
98,600 58,150
20,755 115
Residual -55,371
57,436 0,000
26,684 115
Std. Residual -1,894
1,965 0,000
0,913 115
Stud. Residual -2,162
2,098 -0,002
1,005 115
Deleted Residual -72,127
65,476 -0,151
32,394 115
Stud. Deleted Residual -2,206
2,137 -0,001
1,012 115
Mahalanobis Distance [MD] 9,513
30,146 18,835
4,575 115
Cooks Distance 0,000
0,071 0,011
0,014 115
Centered Leverage Value 0,083
0,264 0,165
0,040 115
a Dependent Variable : NO. RESP
Sumber : lampiran 4 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui
nilai MD maksimum adalah 30,146 lebih kecil dari 40,790. Oleh
karena itu diputuskan dalam penelitian tidak terdapat outlier
multivariate antar variabel.
67
4.3.1.3.Deteksi Multicollinierity dan Singularity
Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil,
maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998.
Berdasarkan hasil pengujian dengan menggunakan program AMOS 16.0 diperoleh hasil Determinant of Sample Covariance Matrix
adalah 0 yaitu sebesar 46,255 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi
terpenuhi. 4.3.1.4.
Uji Validitas dan Reliabilitas
Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang
seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang
menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum.
Karena indikator multidimensi, maka uji validitas dari setiap latent variabel construct akan diuji dengan melihat faktor loading faktor dari
hubungan antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari
hasil pengolahan data didapatkan hasil sebagai berikut :
68
Tabel 4.11.
Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis
Faktor Loading Konstrak Indikator
1 2 3 4 X11 0,868
X12 0,884 Reliability
X13 0,754 X21
0,681 X22
0,785 Responsiveness
X23 0,756
X31 0,536
X32 0,672
Assurance X33
0,709 X41
0,641 X42
0,671 Emphaty
X43 0,635
X51 0,718
X52 0,843
Tangibles X53
0,527 Y11
0,776 Art Service
Y12 0,843
Y21 0,889
Art Purchase Y22
0,777
Sumber : Lampiran 5 Berdasarkan hasil confirmatory factor analysis terlihat bahwa
factor loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar 0.5, sehingga butir-butir
instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima.
Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian.
Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi butir-butir yang kehadirannya akan
memperkecil koefisien Cronbach’s Alpha yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam
penelitian ini dapat dilihat pada tabel berikut ini :
69
Tabel 4.12. Pengujian Reliability Consistency Internal
Konstrak Indikator Item to Total
Correlation Koefisien
Cronbachs Alpha X11
0,905 X12
0,898 Reliability
X13 0,874
0,868 X21
0,826 X22
0,848 Responsiveness
X23 0,828
0,779 X31
0,755 X32
0,795 Assurance
X33 0,785
0,671 X41
0,771 X42
0,801 Emphaty
X43 0,777
0,682 X51
0,813 X52
0,856 Tangibles
X53 0,745
0,728 Y11
0,905 Art Service
Y12 0,914
0,790 Y21
0,915 Art Purchase
Y22 0,924
0,816
Sumber : lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap
construct di atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha yang diperoleh seluruhnya memenuhi
rules of thumb yang disyaratkan yaitu 0.7 Hair et.al.,1998. Selain melakukan pengujian konsistensi internal Cronbach’s
Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih termasuk uji
konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu
pengukuran yang sama. Construct reliability dan Variance-extracted dihitung dengan
rumus sebagai berikut: [
Σ Standardize Loading]
2
Construct Reliability = [
Σ Standardize Loading]
2
+ Σε
j
]
70
Sementara ε
j
dapat dihitung dengan formula ε
j
= 1 – [ Standardize loading ] secara umum, nilai construct reliability yang
dapat diterima adalah ≥ 0,5 Hair at, 1998. Standardize loading dapat
diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct standardize regression weight terhadap setiap butir sebagai
indikatornya. Σ [Standardize Loading
2
] Variance Extracted =
Σ [Standardize Loading
2
] + Σ ε
j
ε
j
= 1 – Standardize Loading
2
Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut:
Tabel 4.13. Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
X11 0,868 0,753 0,247
X12 0,884 0,781 0,219
Reliability X13 0,754 0,569
0,431 0,875 0,701
X21 0,681 0,464 0,536
X22 0,785 0,616 0,384
Responsiveness X23 0,756 0,572
0,428 0,785 0,551
X31 0,536 0,287 0,713
X32 0,672 0,452 0,548
Assurance X33 0,709 0,503
0,497 0,676 0,414
X41 0,641 0,411 0,589
X42 0,671 0,450 0,550
Emphaty X43 0,635 0,403
0,597 0,686 0,421
X51 0,718 0,516 0,484
X52 0,843 0,711 0,289
Tangibles X53 0,527 0,278
0,722 0,745 0,501
Y11 0,776 0,602 0,398
Art Service Y12 0,843 0,711
0,289 0,792 0,656
Y21 0,889 0,790 0,210
Art Purchase Y22 0,777 0,604
0,396 0,821 0,697
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran 7
71
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen cukup
reliabel, yang ditunjukkan dengan nilai construct reliability belum seluruhnya
≥ 0,7. Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat
exploratory, maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang terlihat dalam proses
eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50
4.3.2. Pengujian Model Dengan
