Analisa Faktor yang Mempengaruhi Tingkat Kepuasan Pasien Terhadap Pelayanan Rumah Sakit Umum Kota Padang Sidimpuan

KUESIONER

ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KEPUASAN PASIEN TERHADAP PELAYANAN RUMAH SAKIT UMUM

KOTA PADANG SIDIMPUAN

Survey ini adalah survey untuk penulisan skripsi di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara (USU), oleh karena itu sebagai peneliti akan sangan berterima kasih jika Bapak/Ibu/Saudara/Saudari bersedia mengisi dan menjawab setiap pertanyaan dengan sukarela.

Adapun cara pengisian dari jawaban saudar/i antara lain:

1. Mohon dengan hormat bantuan saudara/i untuk mengisi seluruh pernyataan yang ada.

2. Pada kuesioner ini terdapat 6 variabel.

3. Berilah tanda (√) atau tanda (×). Cukup 1 (satu) kali pengisian pada setiap pernyataan.

4. Ada 5 (lima) alternative jawaban,yaitu SS = SangatSetuju

S = Setuju

CS = Cukup Setuju TS = Tidak Setuju STS = SangatTidakSetuju

IDENTITAS RESPONDEN

Nama :

Usia : ……… Tahun

JenisKelamin :[ ]Laki-laki [ ]Perempuan

1 bertanggung jawab dan berani megambil keputusan yang tepat, saat melakukan tindakan keperawatan

2

Rumah sakit umum sidimpuan terlihat bersih. Kelengkapan, kesiapan dan kebersihan alat-alat yang dipakai juga modern

3

Pelayanan Rumah sakit umum Padang Sidimpuan yang profesional, ramah dan selalu tanggap dalam membantu pengobatan pasien.

4 Obat dijual dengan harga yang wajar dan cepat dalam memberikan pelayanan

5 Petugas memberikan pelayanan kepada konsumen tanpa memandang stratus sosial. 6 Terjadinya komunikasi antara petugas dan

TABULASI DATA PENELITIAN RESPONDEN

NO X1 X2 X3 X4 X5 X6

1 3 4 5 5 2 2

2 3 3 4 5 4 2

3 3 4 4 4 3 2

4 5 5 5 5 2 2

5 5 5 5 5 3 2

6 5 5 5 5 4 2

7 5 5 5 5 4 5

8 5 5 5 5 5 4

9 4 5 5 5 4 4

10 4 5 4 5 2 3

11 4 3 4 4 3 4

12 3 3 4 3 3 2

13 5 4 5 4 3 4

14 3 4 5 5 3 5

15 5 4 4 4 4 1

16 3 4 3 4 3 1

17 5 4 5 4 4 4

18 4 5 4 5 4 4

19 4 4 5 4 3 4

20 5 5 5 3 5 5

21 4 5 5 5 3 4

22 4 5 4 5 4 5

23 4 3 4 4 3 5

24 3 3 4 3 4 3

25 5 4 5 4 4 3

26 3 4 5 5 4 2

27 5 4 4 4 5 2

28 3 4 3 4 5 2

29 5 4 5 4 2 3

30 4 5 4 5 4 4

31 4 4 5 4 4 4

32 5 5 5 3 3 4

33 3 4 4 5 4 4

34 3 3 4 5 4 4

35 3 4 5 4 3 4

36 5 5 5 5 3 4

37 5 5 5 5 4 5

38 5 5 5 5 4 5

39 5 5 5 5 4 5

40 5 5 4 5 3 5

41 3 3 4 3 3 3

44 5 4 4 4 4 3

45 3 4 3 4 4 3

46 5 4 5 4 4 3

47 4 5 4 5 5 4

48 4 4 5 4 5 4

49 5 5 5 3 4 4

50 3 4 5 5 4 2

51 3 3 4 5 3 2

52 3 4 5 5 5 2

53 3 3 4 5 2 3

54 3 4 4 4 3 4

55 5 5 5 5 3 2

56 5 5 5 5 4 2

57 5 5 5 5 4 2

58 5 5 5 5 5 2

59 5 5 5 5 5 4

60 4 5 5 5 5 4

61 4 5 5 5 5 4

62 4 3 4 4 5 5

63 3 3 4 3 3 5

64 5 4 4 4 3 5

65 3 4 5 5 2 3

66 5 4 5 4 2 3

67 3 4 4 4 2 3

68 5 4 3 4 2 3

69 4 5 5 4 4 3

SUCCESIVE DETAIL PENSKALAAN SUCCESIVE DETAIL

Col Category Freq Prop Cum Density Z Scale 1 3.000 23.000 0.329 0.329 0.362 -0.444 1.000 4.000 17.000 0.243 0.571 0.393 0.180 1.973

5.000 30.000 0.429 1.000 0 3.016

2 3.000 11.000 0.157 0.157 0.240 -1.006 1.000 4.000 31.000 0.443 0.600 0.386 0.253 2.201

5.000 28.000 0.400 1.000 0.000 3.496

3 3.000 4.000 0.057 0.057 0.115 -1.579 1.000 4.000 26.000 0.371 0.429 0.393 -0.180 2.258

5.000 40.000 0.571 1.000 0.000 3.693

4 3.000 7.000 0.100 0.100 0.175 -1.282 1.000 4.000 27.000 0.386 0.486 0.399 -0.036 2.176

5.000 36.000 0.514 1.000 0.000 3.530

5 2.000 10.000 0.143 0.143 0.226 -1.068 1.000 3.000 20.000 0.286 0.429 0.393 -0.180 1.995 4.000 28.000 0.400 0.829 0.254 0.949 2.925

5.000 12.000 0.171 1.000 0.000 4.064

6 1.000 2.000 0.0286 0.0286 0.0653 -1.9022 1.0000 2.000 17.000 0.2429 0.2714 0.3315 -0.6085 2.1909 3.000 16.000 0.2286 0.5000 0.3989 0.0000 2.9919 4.000 22.000 0.3143 0.8143 0.2676 0.8938 3.7049 5.000 13.000 0.1857 1.0000 0.0000 4.7277

HASIL SKALA AKHIR SUCCESIVE INTERVAL TIAP VARIABEL

NO X1 X2 X3 X4 X5 X6

1 1.000 2.201 3.693 3.530 1.000 2.191

2 1.000 1.000 2.258 3.530 2.925 2.191

3 1.000 2.201 2.258 2.176 1.995 2.191

4 3.016 3.496 3.693 3.530 1.000 2.191

5 3.016 3.496 3.693 3.530 1.995 2.191

6 3.016 3.496 3.693 3.530 2.925 2.191

7 3.016 3.496 3.693 3.530 2.925 4.728

8 3.016 3.496 3.693 3.530 4.064 3.705

9 1.973 3.496 3.693 3.530 2.925 3.705

10 1.973 3.496 2.258 3.530 1.000 2.992

11 1.973 1.000 2.258 2.176 1.995 3.705

12 1.000 1.000 2.258 1.000 1.995 2.191

13 3.016 2.201 3.693 2.176 1.995 3.705

14 1.000 2.201 3.693 3.530 1.995 4.728

15 3.016 2.201 2.258 2.176 2.925 1.000

16 1.000 2.201 1.000 2.176 1.995 1.000

17 3.016 2.201 3.693 2.176 2.925 3.705

18 1.973 3.496 2.258 3.530 2.925 3.705

19 1.973 2.201 3.693 2.176 1.995 3.705

20 3.016 3.496 3.693 1.000 4.064 4.728

21 1.973 3.496 3.693 3.530 1.995 3.705

22 1.973 3.496 2.258 3.530 2.925 4.728

23 1.973 1.000 2.258 2.176 1.995 4.728

24 1.000 1.000 2.258 1.000 2.925 2.992

25 3.016 2.201 3.693 2.176 2.925 2.992

26 1.000 2.201 3.693 3.530 2.925 2.191

27 3.016 2.201 2.258 2.176 4.064 2.191

28 1.000 2.201 1.000 2.176 4.064 2.191

29 3.016 2.201 3.693 2.176 1.000 2.992

30 1.973 3.496 2.258 3.530 2.925 3.705

31 1.973 2.201 3.693 2.176 2.925 3.705

32 3.016 3.496 3.693 1.000 1.995 3.705

33 1.000 2.201 2.258 3.530 2.925 3.705

34 1.000 1.000 2.258 3.530 2.925 3.705

35 1.000 2.201 3.693 2.176 1.995 3.705

36 3.016 3.496 3.693 3.530 1.995 3.705

37 3.016 3.496 3.693 3.530 2.925 4.728

38 3.016 3.496 3.693 3.530 2.925 4.728

39 3.016 3.496 3.693 3.530 2.925 4.728

40 3.016 3.496 2.258 3.530 1.995 4.728

41 1.000 1.000 2.258 1.000 1.995 2.992

44 3.016 2.201 2.258 2.176 2.925 2.992

45 1.000 2.201 1.000 2.176 2.925 2.992

46 3.016 2.201 3.693 2.176 2.925 2.992

47 1.973 3.496 2.258 3.530 4.064 3.705

48 1.973 2.201 3.693 2.176 4.064 3.705

49 3.016 3.496 3.693 1.000 2.925 3.705

50 1.000 2.201 3.693 3.530 2.925 2.191

51 1.000 1.000 2.258 3.530 1.995 2.191

52 1.000 2.201 3.693 3.530 4.064 2.191

53 1.000 1.000 2.258 3.530 1.000 2.992

54 1.000 2.201 2.258 2.176 1.995 3.705

55 3.016 3.496 3.693 3.530 1.995 2.191

56 3.016 3.496 3.693 3.530 2.925 2.191

57 3.016 3.496 3.693 3.530 2.925 2.191

58 3.016 3.496 3.693 3.530 4.064 2.191

59 3.016 3.496 3.693 3.530 4.064 3.705

60 1.973 3.496 3.693 3.530 4.064 3.705

61 1.973 3.496 3.693 3.530 4.064 3.705

62 1.973 1.000 2.258 2.176 4.064 4.728

63 1.000 1.000 2.258 1.000 1.995 4.728

64 3.016 2.201 2.258 2.176 1.995 4.728

65 1.000 2.201 3.693 3.530 1.000 2.992

66 3.016 2.201 3.693 2.176 1.000 2.992

67 1.000 2.201 2.258 2.176 1.000 2.992

68 3.016 2.201 1.000 2.176 1.000 2.992

69 1.973 3.496 3.693 2.176 2.925 2.992

LAMPIRAN 5

HASIL OUTPUT SPSS

HASIL PERHITUNGAN UJI VALIDITAS

Correlations

X1 X2 X3 X4 X5 X6 SCORETOTAL

X1 Pearson Correlation 1 .569** .394** .027 .174 .166 .431**

Sig. (2-tailed) .000 .001 .822 .150 .170 .000

N 70 70 70 70 70 70 70

X2 Pearson Correlation .569** 1 .445** .425** .235 .134 .697** Sig. (2-tailed) .000 .000 .000 .051 .269 .000

N 70 70 70 70 70 70 70

X3 Pearson Correlation .394** .445** 1 .252* .086 .108 .551** Sig. (2-tailed) .001 .000 .035 .477 .375 .000

N 70 70 70 70 70 70 70

X4 Pearson Correlation .027 .425** .252* 1 .060 -.061 .473** Sig. (2-tailed) .822 .000 .035 .622 .617 .000

N 70 70 70 70 70 70 70

Sig. (2-tailed) .150 .051 .477 .622 .270 .000

N 70 70 70 70 70 70 70

X6 Pearson Correlation .166 .134 .108 -.061 .134 1 .586** Sig. (2-tailed) .170 .269 .375 .617 .270 .000

N 70 70 70 70 70 70 70

SCORETOTAL Pearson Correlation .431** .697** .551** .473** .574** .586** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .000

N 70 70 70 70 70 70 70

**. Correlation is significant at the 0.01 level (2-tailed).

Lanjutan Lampiran 5

HASIL PERHITUNGAN RELIABILITAS

Case Processing Summary

N %

Cases Valid 70 100.0

Excludeda 0 .0

Total 70 100.0

a. Listwise deletion based on all variables in the procedure.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on

Standardized Items N of Items

Item-Total Statistics

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected Item-Total Correlation

Cronbach's Alpha if Item

Deleted

X1 20.16 5.526 .431 .461

X2 20.01 5.522 .697 .403

X3 19.74 6.426 .551 .496

X4 19.84 6.975 .473 .569

X5 20.66 6.113 .574 .562

Lanjutan Lampran 5

Correlation Matrixa

x1 x2 x3 x4 x5 x6

Correlation x1 1.000 .566 .398 .021 .166 .160

x2 .566 1.000 .452 .434 .235 .130

x3 .398 .452 1.000 .260 .086 .102

x4 .021 .434 .260 1.000 .059 -.049

x5 .166 .235 .086 .059 1.000 .122

x6 .160 .130 .102 -.049 .122 1.000

Sig. (1-tailed) x1 .000 .000 .431 .085 .093

x2 .000 .000 .000 .025 .142

x3 .000 .000 .015 .240 .200

x4 .431 .000 .015 .312 .343

x5 .085 .025 .240 .312 .157

x6 .093 .142 .200 .343 .157

Lanjutan Lampiran 5

Anti-image Matrices

x1 x2 x3 x4 x5 x6

Anti-image Covariance x1 .582 -.275 -.149 .204 -.020 -.044

x2 -.275 .466 -.113 -.271 -.108 -.042

x3 -.149 -.113 .747 -.109 .026 -.039

x4 .204 -.271 -.109 .714 .021 .077

x5 -.020 -.108 .026 .021 .934 -.084

x6 -.044 -.042 -.039 .077 -.084 .955

Anti-image Correlation x1 .552a -.527 -.226 .316 -.027 -.060 x2 -.527 .581a -.191 -.470 -.164 -.062 x3 -.226 -.191 .799a -.149 .031 -.046 x4 .316 -.470 -.149 .526a .025 .094 x5 -.027 -.164 .031 .025 .744a -.089 x6 -.060 -.062 -.046 .094 -.089 .728a a. Measures of Sampling Adequacy(MSA)

Lanjutan lampiran 5

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .591

Bartlett's Test of Sphericity Approx. Chi-Square 71.964

df 15

Sig. .000

Communalities

Initial Extraction

x1 1.000 .603

x2 1.000 .770

x3 1.000 .518

x4 1.000 .670

x5 1.000 .566

x6 1.000 .529

Extraction Method: Principal Component Analysis.

Lanjutan Lampiran 5

Total Variance Explained

Compon ent

Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %

1 2.221 37.011 37.011 2.221 37.011 37.011 2.000 33.338 33.338

2 1.136 18.939 55.950 1.136 18.939 55.950 1.357 22.612 55.950

3 .922 15.367 71.317

4 .835 13.910 85.228

5 .594 9.905 95.133

6 .292 4.867 100.000

Component Matrix

Component

1 2

x1 .727 .273

x2 .869 -.120

x3 .709 -.125

x4 .480 -.663

x5 .366 .363

x6 .264 .678

Extraction Method: Principal Component Analysis.

a. 2 components extracted.

Rotated Component Matrixa

Component

1 2

x1 .526 .572

x2 .830 .285

x3 .689 .208

x4 .727 -.376

x5 .163 .489

x6 -.070 .724

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.

Component Transformation Matrix

Compo

nent 1 2

1 .893 .451

2 -.451 .893

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization.

LAMPIRAN 6

Secara manual mencari nilai Cronback Alpha pertama dengan mencari nilai variansi dari masing-masing variabel dengan rumus sebagai berikut:

=

2₋( )2

1 =

82369−287 2

70

70 = 1159,89 4 =

95481−306 2

70

70 = 1344,528

2 =

88209−297 2

70

70 = 1242,127 5 =

63504−252 2

70

70 = 894,24

3 =

99856−316 2

70

70 = 1406,136 6 =

1990921−1411 2

70

70 = 790,9512

∑ = 1159,89 + 1242,127 + 1406,136 + 1344,528 + 894,24 + 790,9512 = 6837.872

Mencari Nilai Variansi total: Mencari Nilai Alpha:

∑ =28823−

1411 2 70

70 = 5,446 = −1 1−

�2 �2

= 6

6−1 1−

6837.872

5,446 = 1,2 1254,576

LAMPIRAN 7

Perhitungan Korelasi Produck Momen X2 Nomor

Responden X2 Y X2Y X2

2

Y2

1 4 17 68 16 289

2 3 18 54 9 324

3 4 16 64 16 256

4 5 19 95 25 361

5 5 20 100 25 400

6 5 21 105 25 441

7 5 24 120 25 576

8 5 24 120 25 576

9 5 22 110 25 484

10 5 18 90 25 324

11 3 19 57 9 361

12 3 15 45 9 225

13 4 21 84 16 441

14 4 21 84 16 441

15 4 18 72 16 324

16 4 14 56 16 196

17 4 22 88 16 484

18 5 21 105 25 441

. . . .

. . . .

. . . .

70 4 21 84 16 441

Jumlah 297 1401 6014 1295 28421

2 =

2 − ( 2. )

{ ₂2− ( 2)2}{ 2− ( )2}

2 =

70 6014 − (297 1401 )

70 1295 − 2972 {70 28421 − 14012}

1 =

420980−416097

90650−88209 (1989470−1962801)

2 = 4883 (2441)(26669) 2 = 4883 √65099029 2 = 4883 8068,397

Perhitungan Korelasi Produck Momen X3 Nomor

Responden X3 Y X3Y X3

2

Y2

1 5 16 80 25 256

2 4 17 68 16 289

3 4 16 64 16 256

4 5 19 95 25 361

5 5 20 100 25 400

6 5 21 105 25 441

7 5 24 120 25 576

8 5 24 120 25 576

9 5 22 110 25 484

10 4 19 76 16 361

11 4 18 72 16 324

12 4 14 56 16 196

13 5 20 100 25 400

14 5 20 100 25 400

15 4 18 72 16 324

16 3 15 45 9 225

17 5 21 105 25 441

18 4 22 88 16 484

. . . .

. . . .

. . . .

70 4 21 84 16 441

Jumlah 316 1382 6282 1452 27728

3 =

3 − ( 3. )

{ ₃2− ( 3)2}{ 2− ( )2}

3 =

70 6282 − ( 316 1382 )

70 1452 − 316 2 {7027728 − 1382 2}

3 =

439740−436712

101640−99856(1940960−1909924)

3 = 3028 (1784)(31036) 3 = 3028 √55368224 3 = 3028 7440,983

Perhitungan Korelasi Produck Momen X4 Nomor

Responden X4 Y X4Y X4

2

Y2

1 5 16 80 25 256

2 5 16 80 25 256

3 4 16 64 16 256

4 5 19 95 25 361

5 5 20 100 25 400

6 5 21 105 25 441

7 5 24 120 25 576

8 5 24 120 25 576

9 5 22 110 25 484

10 5 18 90 25 324

11 4 18 72 16 324

12 3 15 45 9 225

13 4 21 84 16 441

14 5 20 100 25 400

15 4 18 72 16 324

16 4 14 56 16 196

17 4 22 88 16 484

18 5 21 105 25 441

. . . .

. . . .

. . . .

70 4 21 84 16 441

Jumlah 309 1389 6153 1395 28043

4 =

4 − ( 4. )

{ ₄2− ( ₄)2_}{ 2_{− ( )}2_}

4 =

70 6153 − (309 1389)

70 1395 − 3092 _{{70 28043 − 1389}2_}

4 =

430710−429201

97650−95481 (1963010−1929321)

4 = 1509 (2169)(33689) 4 = 1509 √73071441 4 = 1509 8548,183

Perhitungan Korelasi Produck Momen X5 Nomor

Responden X5 Y X5Y X5

2

Y2

1 2 19 38 4 361

2 4 17 68 16 289

3 3 17 51 9 289

4 2 22 44 4 484

5 3 22 66 9 484

6 4 22 88 16 484

7 4 25 100 16 625

8 5 24 120 25 576

9 4 23 92 16 529

10 2 21 42 4 441

11 3 19 57 9 361

12 3 15 45 9 225

13 3 22 66 9 484

14 3 22 66 9 484

15 4 18 72 16 324

16 3 15 45 9 225

17 4 22 88 16 484

18 4 22 88 16 484

. . . .

. . . .

. . . .

70 4 21 84 16 441

Jumlah 252 1446 5242 968 30292

5 =

5 − ( 5. )

{ ₅2− ( 5)2}{ 2− ( )2}

5 =

70 5242 − (252 1446 )

70 968 − 2522 _{{70 30292 − 1446} 2_}

5 =

366940−364392

67760−63504 (2120440−2090916)

5 = 2548 (4256)(29624) 5 = 2548 √125654144 5 = 2548 11209,556

Perhitungan Korelasi Produck Momen X6 Nomor

Responden X6 Y X6Y X6

2

Y2

1 2 19 38 4 361

2 2 19 38 4 361

3 2 18 36 4 324

4 2 22 44 4 484

5 2 23 46 4 529

6 2 24 48 4 576

7 5 24 120 25 576

8 4 25 100 16 625

9 4 23 92 16 529

10 3 20 60 9 400

11 4 18 72 16 324

12 2 16 32 4 256

13 4 21 84 16 441

14 5 20 100 25 400

15 1 21 21 1 441

16 1 17 17 1 289

17 4 22 88 16 484

18 4 22 88 16 484

. . . .

. . . .

. . . .

70 5 20 100 25 400

Jumlah 237 1461 4977 891 30899

6 =

6 − ( 6. )

{ ₆2− ( 6)2}{ 2− ( )2}

6 =

70 4977 − (237 1461 )

70 891 − 2372 _{{70 30899 − 1461} 2_}

6 =

348390−346257

62370−56169 (2162930−2134521 )

6 = 2133 (6201)(28409) 6 = 2133 √176164209 6 = 2133 13272 ,687

Adlin, 2002, Kecerdasan Spiritual dan Kecerdasan Abritasi Diantara Agama dan Semiotika, http://www.paramartha.com. 12 Juni 2005

Aida & Listianingsih, 2004. Pengaruh sistem pengukuran kinerja sistem reward

dan profit center terhadap hubungan antara total Quality management dengan kinerja kerja manajerial. SNA VIII. Solo

Agoes, Sukrisno. 2004. Auditing (Pemeriksaan Akutansi) Oleh kantor Akuntan

Publik, Jakarta: Lembaga penerbit Fakultas Ekonomi Universitas

Indonesia

Anastasi, A, dan Urbina, S. 1997. Tes Psikologi (Psykological testing), PT. Prehanllindo, Jakarta

Arens, elder dan beasley. 2006. Auditing dan Jasa Assurance, Edisi Indonesi, Salemba Empati, Jakarta

Arikunto, Suharsimi. 2002. Prosedur. Metodelogi Penelitian: Suatu Pendekatan

Praktik. Jakarta: Pinerbit Rineka Cipta

Azwar, Saifuddin. 1996. Reliabilitas dan Validitas.Yogyakarta. Pustaka Pelajar Cochran, William G. 1991. Teknik Penarikan Sampling. Terjemahan Rudiansyah,

Erwin R. Osman: Jakarta UI-Press

Carruso, D, R, 1999, Applying The Ability Model Of Emotional Intelligence To The World Of Work, http://cjwolfe.com/article.doc, 15 Oktober 2005. Dillon, R. W. Dan Goldstein, M.1984. multivariate Analysis and Aplication

New York: John Wiley & Sains, Inc,

Goleman, D. (2003). Working with Emosional Intelligence Terjemahan). Jakarta: PT Gramedia Pustaka Utama

Greenbaum, 2006, “creating dynamioc brand awareness”. Franchsing World, Vol.38 Pg.46.

Johnson, R. A and D. W. Wichern. (1982). Applied Multivariate Statistical

Analysis, Prentice-Hall, Inc. New Jersey.

Pedgett, D. K. (1999), Qualitative Methods in Social Work Research Challanges

And Rewards. London: Sage Publication.

Supranto, J. 2004. Analisis Multivariate Arti dan Interpretasi. PT. Rineka Cipta Jakarta

PEMBAHASAN DAN HASIL

3.1 Populasi, Sampel dan Teknik Pengambilan Sampel

Populasi dalam penelitian ini adalah seluruh pasien pada RS Umum Padang Sidempuan. Jumlah pasien yang telah menggunakan RSU Padang Sidempuan pada tahun 2015 adalah 99524 (data diperoleh dari website resmi RSU Padang Sidempuan). Adapun jumlah pengunjung atau pasien RSU padang Sidempuan di bulan Desember 2015 adalah sebanyak 225

Tabel 3.1 Daftar Jumlah Pasien RSU Padang Sidempuan Tahun 2015

No Fasilitas RSU Jumlah Pasien

1 Kelas I 25

2 Kelas II 93

3 Kelas III 82

4 Kelas VIP 17

5 Kelas VVIP 8

TOTAL 225

Jumlah sampel dalam penelitian ini adalah 70 responden. Langkah-langkah dalam penentuan sampel, tahap pertama adalah menentukan banyaknya jumlah sampel dari seluruh populasi yang telah diketahui dan kemudian tentukan tingkat presisi yang ditetapkan yaitu 10% dengan rumus slovin sebagai berikut:

=

1 + 2

= 225

1 + 225(0,1)2

= 225

3,25= 69,23 = 70

Proportionale Stratified random sampling yaitu pengambilan sampel dilakukan

secara acak dengan memperhatikan strata yang ada. Artinya setiap strata terwakili sesuai proporsinya. Kemudian secara manual menentukan sampel secara prporsional dengan rumus:

= .

Tabel 3.2 Populasi dan Penelitian

No Fasilitas Rumah Sakit Jumlah

Pasien

Jumlah Sampel (orang)

1 Kelas I 25 25

225 70 = 8

2 Kelas II 93 93

225 70 = 29

3 Kelas III 82 82

225 70 =26

4 Kelas VIP 17 17

225 70 =5

5 Kelas VVIP 8 8

225 70 = 2

Jumlah 225 70

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah:

1= Skill para perawat 2= Fasilitas

3= Pelayanan

4= Kelengkapan Obat 5= Empati

6= Ketanggapan

3.3 Sumber Data

Data yang digunakan dalam penelitian ini adalah data primer yaitu data yang bersumber pada hasl wawancara terstruktur terhadap responden dengan

terstruktur yaitu kuisioner dalam bentuk pernyataaan yang telah disertai dengan pilihan jawaban dalam bentuk skala.

Skala yang digunakan dalam penelitian ini adalah skala likert. Skala likert yaitu skala yang memiliki jarak (interval), skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang ata kelompok tentang suatu kejadian atau gejala sosial (Riduwan, 2005).

Pada penelitan ini skala telah dimodifikasi dalam bentuk pilihan ganda dimana setiap pernyataan diberikan range skor 1 sampai dengan 5, masing-masing adalah :

5 = Sangat Setuju 4 = Setuju

3 = Ragu-rgu/tidak tahu 2 = Tidak Setuju

1 = Sangat tidak setuju 3.4 Pengolahan Data 3.4.1 Uji Validitas

Hasil uji validitas kuesioner dari 4 variabel yang diukur kemudian dihitung dengan menggunakan software SPSS yang ditunjukkan pada tabel.

Tabel 3.3 Uji Validitas

No Variabel r-tabel r-hitung Keterangan

1 Variabel 1 0,235 0,431 Valid

2 Variabel 2 0,235 0,697 Valid

3 Variabel 3 0,235 0,551 Valid

4 Variabel 4 0,235 0,473 Valid

5 Variabel 5 0,235 0,574 Valid

6 Variabel 6 0,235 0,586 Valid

Sumber: Data Primer 2016

Dari perhitungan pada tabel diatas dimana nilai r-hitung dibandingkan dengan nilai dimana jumlah N sebanyak 70 responden dengan taraf signifikan 5%

bahwa 6 variabel pada tabel diatas dinyatakan valid.

Secara manual perhitungan korelasi Product Moment antara variabel X1 dengan skor total variabel lainnya (Y) dapat dilihat pada tabel berikut:

Tabel 3.4 Contoh Perhitungan Korelasi Product Moment Nomor

Responden X1 Y X1Y X1

2

Y2

1 3 18 54 9 324

2 3 18 54 9 324

3 3 17 51 9 289

4 5 19 95 25 361

5 5 20 100 25 400

6 5 21 105 25 441

7 5 24 120 25 576

8 5 24 120 25 576

9 4 23 92 16 529

10 4 19 76 16 361

11 4 18 72 16 324

12 3 15 45 9 225

13 5 20 100 25 400

14 3 22 66 9 484

15 5 17 85 25 289

16 3 15 45 9 225

17 5 21 105 25 441

18 4 22 88 16 484

. . . .

. . . .

. . . .

70 4 21 84 16 441

Jumlah 287 1411 5846 1229 28823

1 =

1 − ( 1. )

{ ₁2− ( 1)2}{ 2− ( )2}

1 =

70 5846 − ( 287 1411)

70 1229 − 2872 _{{70 28823 − 1411} 2_} 1 =

409920−404957

86030−82369 (2017610−1990921)

1 = 4263 (3661)(26689) 1 = 4263 √97708429

1 = 0,431

Diperoleh nilai validitas ₁ dengan perhitungan manual adalah 0,431 sama dengan output SPSS yakni 0,431. Selanjutnya untuk perhitungan lainnya akan dilakukan dengan software SPSS.

3.4.2 Uji Reliabilitas

Setelah dilakukan uji validitas dan dinyatakan valid dilanjutkan dengan uji reliabilitas. Suatu variabel dikatakan reliabel apabila setelah dilakukan uji reliabel diperoleh nilai Cronbach Alpha > 0,60 atau nilai Cronbach Alpha >0,80.

Berikut adalah hasil perolehan data dari uji reliabilitas dengan SPSS. Tabel 3.5 Hasil Cronback Alpha Reliability Test Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on

Standardized Items N of Items

.614 .614 10

Berdasarkan hasill perhitungan di atas, nilai Cronbach Coeficien Alpha adalah 0,614 untuk uji reliabilitas atas daftar pilihan responden. Nilai tersebut menyatakan bahwa 6 variabel yang valid tersebut memenuhi syarat uji reliabilitas, dimana nilai yang diperoleh sudah lebih dari minimum untuk sebuah penelitian yaitu 0,6.

3.4.3 Penskala Data Ordinal Menjadi Data Interval

Dari data mentah hasil kuisioner dibuta suatu matriks data yang telah dilakukan penskalaan menjadi skala interval. Teknik penskalaan yang digunaan dalam pnelitian ini adalah Methode Successive Interval dengan bantuan Microsoft

Interval.

Tabel 3.6 Penskalaan Variabel 1 No Variabel Kategori Skor Jawaban Ordinal

Frekuensi Proporsi Proporsi Kumulatif

Densitas

{f(z)} Z

Nilai Hasil Penskalan

1 3.000 23.000 0.329 0.329 0.362 -0.444 1.000

4.000 17.000 0.243 0.571 0.393 0.180 1.973

5.000 30.000 0.429 1.000 0 3.016

Jumlah 70

Langkah-langkah Methods Successive Internal

1. Menghitung frekuensi skor jawaban dalam skala ordinal.

2. Menghitung proporsi dan proporsi kumulatif untuk masing-masing skor jawaban.

3. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari tabel Distribusi Normal baku.

4. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut kedalam fungsi densitas normal baku sebagai berikut:

= 1

√2�

−1₂ 2

−1,902 = 1

√2�

−1₂ −1,902 2

= 0,361517

5. Menghitung Scale Value (SV) dengan rumus:

= −₋

1 =

0,000−0,361517

0,328571−0,000 = −1,1002

2 =

0,361517−0,392531

0,571429−0,328571 = −0,1277

3 =

0,392531−0,000000

1 = −1,1002 (SV terkecil)

Nilai 1 diperoleh dari:

−1,1002 + X = 1

X = 1 + 1,1002 X = 2,1002

−1,1002 + 2,1002 = 1 sehingga Y1 =1

7. Menentukan nilai skala dengan mengunakan rumus:

= +

2 = −1,1002 + 2,1002 = 1 3 = −0,1277 + 2,1002 = 1,9725 4 = 0,9159 + 2,1002 = 3,0161

Tabel 3.7 Hasil Penskalaan Variabel

1 2 3 4 5 6

1 1.000

2 1.000 2.191

3 1.000 1.000 1.000 1.000 1.995 2.992 4 1.973 2.201 2.258 2.176 2.925 3.705 5 3.016 3.496 3.693 3.530 4.064 4.728

3.5Analisis Data

Metode analisis data yang digunakan dalam teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah dalam analisis faktor adalah sebagai berikut:

3.5.1 Proses Analisis Faktor I

Pada proses awal analisis faktor, dilakukan beberapa tahap sampai dengan diperoleh faktor-faktor baru sebagai dominan yang ingin diperoleh. Prose pertama tabulasi pada data serta melakukan pengolahan dengan software yang telah direfrensikan yaitu dengan program SPSS dengan mengambil versi SPSS 17.

sebesar 0,591 dengan signifikan sebesar 0,000. Berdasarkan teori nilai KMO memang harus diatas 0,5 dan signifikan atau probabilitas dibawah 0,5 maka variabel layak dan dapat dianalisa lebih lanjut (Santoso, 2002).

Tabel 3.8 KMO and Bartlett's Testa Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

.591 Bartlett's Test of

Sphericity

Approx. Chi-Square 71.964

Df 15

Sig. .000

a. Based on correlations

Perhitungan selanjutnya adalah dengan melihat nilai MSA. Hasil nilai MSA dapat dilihat pada tabel dibawah. Hasil pada tabel menunjukkan bahwa 6 variabel yang tersisa mempunyai nilai lebih dari 0,5 berdasarkan 6 variabel yang dinilai dalam kuesioner yang merupakan jawaban 70 responden, diperoleh bahwa nilai MSA yang diperoleh di atas 0,5. Ini menandakan bahwa semua variabel memiliki korelasi cukup tinggi dengan variabel lainnya, sehingga selanjutnya dapat dilakukan analisis pada seluruh variabel yang diteliti.

Tabel 3.9 Measure Of Sampling Adequacy

No Variabel Nilai MSA

1 Variabel 1 0,552

2 Variabel 2 0,581

3 Variabel 3 0,799

4 Variabel 4 0,526

5 Variabel 5 0,744

6 Variabel 6 0,728

3.6 Proses Anlasisi faktor II (Ekstraksi)

Dalam penelitian ini metode yang akan digunakan adalah Principal Componen

Analysis (Analisis Komponen Utama). Didalam Principal Componen Analysis

jumlah varians data dipertimbangkan yaitu diagonal matriks korelasi, setiap elemennya sebesar satu dan full variance dipergunakan untuk dasar pembentukan faktor, yaitu variabel-variabel lama yang jumlahnya lebih sedikit dan tidak

berkorelasi. Communalities adalah jumlah varians yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dengan analisis.

3.6.1 Communalities

Communalities pada dasarnya adalah jumlah varians dari suatu variabel awal yang

bisa dijelaskan oleh faktor yang ada. Semakin besar communalities sebuah variabel, maka semakin erat hubungannya dengan faktor.

Tabel 3.10 Communalities

No Variabel Initial Extraction

1 Variabel 1 1,000 0,603

2 Variabel 2 1,000 0,770

3 Variabel 3 1,000 0,518

4 Variabel 4 1,000 0,670

5 Variabel 5 1,000 0,566

6 Variabel 6 1,000 0,529

3.6.2 Total variance Explained

Total Variance Explaned menerangkan nilai persen dari varainsi yang mampu

diterangkan oleh banyaknya faktor yang terbentuk. Nilai ini berdasarkan nilai

eigenvalue.

Ada 6 variabel yang dimasukkan dalam analisis faktor, dengan masing masing varian memiliki varian 1, maka total varian adalah 6 x 1 = 6. Jika keempat variabel diringkas menjadi 1 faktor, maka varians yang bisa dijelaskan oleh satu faktor tersebut adalah (lihat kolom Component 1 pada Tabel ):

2,221

6 100%= 37,011%

Jika 10 variabel diekstrak menjadi 4 faktor, maka: 1. Varian faktor pertama adalah 37,011% 2. Varian faktor kedua adalah 18,939%

faktor tersebut akan menjelaskan 55,950% dari variabilitas kedua yang asli tersebut.

Sedangkan eigenvalue manunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians kesepuluh variabel yang dianalisis.

1. Jumlah angka egenvalue untuk kesepuluh variabel adalah sama dengan total varian kesepuluh variabel atau 2,221 + 1,136 + 0,922 + 0,835 + 0,594 + 0,292 = 6

2. Susunan eigenvalue selalu diurutkan dari yang terbesar sampai dengan yang terkecil, dengan kriteria bahwa angka eigenvalue dibawah 1 tidak digunakan dalam menghitung faktor yang terbentuk.

Tabel 3.11 Total Variance Explaained Faktor atau

Komponen

Initial Eigenvalues

Total % of

Variance

Comulative%

1 2,221 37,011 37,011

2 1,136 18,939 55,950

3 0,922 15,367 71,317

4 0,835 13,910 85,228

5 0,594 9,905 95,133

6 0,292 4,867 100,00

Dari tabel 3.11 diatas menyatakan bahwa hanya 2 faktor yang terbentuk, terlihat dari eigenvalue dengan nilai diatas 1, namun pada faktor yang ketiga angka

eigenvalue sudah dibawah 1, yakni 0,922 sehingga proses Faktoring seharusnya

berhenti pada dua faktor saja, maka dalam penelitian ini hanya dua faktor yang terbentuk.

3.6.3 Scree Plot

Jika Tabel 3.11 Menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka scree plot menunjukkan dengan grafik bahwa pada sumbu X (component number) faktor 3 sudah dibawah 1 dari sumbu Y (angka

meringkas ke 6 variabel tersebut.

Gambar 3.1 Scree Plot

Suatu Scree plot adalah plot dari eigen value melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar diperoleh jumlah faktor. Scree plot berupa suatu kurva yang diperoleh dengan memplot eigen value sebagai sumbu vertikal dana banyaknya faktor sebagai sumbu horizontal. Bentuk kurva atau plotnya dipergunakan untuk menentukan banyaknya faktor.

Jika tabel total variansi menjelaskan dasar jumlah faktor yang didapat dengan perthitungan angka, maka scree plot memperlihatkan hal tersebut dengan grafik. Terlihat bahwa dari suatu ke dua faktor (baris dari sumbu Component 1 ke-2), arah garis cukup menurun tajam. Kemudian dari 2 ,3 dan 4 garis juga menurun. Pada faktor 3 sudah dibawah angka 1 dari sumbu eigen value. Hal ini menunjukkan bahwa ada 2 faktor yang mempengaruhi tingkat kepuasan pasien terhadap pelayanan rumah sakit umum kota padang sidimpuan, yang dapat diekstraksi berdasarkan scree plot.

3.7 Proses Analisis Faktor III (Rotasi)

Hasil ekstraksi faktor awal memberikan informasi bahwa terdapat 2 faktor dari 6 variabel yang dapat diolah dengan variansi kumulatif sebesar 55,590%. Korelasi antara variabel-variabel dan faktor (Faktor Loading) hasil ekstarksi tersebut dapat dilihat pada tabel berikut.

Tabel 3.12 Faktor Loading Variabel

Penelitian

Faktor

1 2

1 0,727 0,273

2 0,869 -0,120

3 0,709 -0,125

4 0,480 -0,663

5 0,366 0,363

6 0,264 0,678

Dari Tabel diatas dapat dilihat bahwa variabel-variabel berkorelasi kuat dengan lebih dari satu faktor, sehingga sulit untuk menginterpretasikan faktor-faktor tersebut. Dalam hal ini, faktor loading perlu dirotasi agar masing-masing variabel berkorelasi kuat hanya pada satu faktor. Berikut ini adalah Faktor Loading setelah dirotasi (Rotated Faktor Loading).

Tabel 3.13 Rotated Factor Loading Variabel

Penelitian

Faktor

1 2

1 0,526 0,572

2 0,830 0,285

3 0,689 0,208

4 0,727 -0,376

5 0,163 0,489

6 -0,070 0,724

Faktor Loading hasil rotasi menunjukkan bahwa variabel-variabel berkorelasi

kuat hanya pada satu faktor tertentu, misalnya korelasi antara variabel X1 dan faktor 2 sebesar 0,572 (Korelai kuat), sedangkan korelasi dengan faktor 1 adalah 0,526 (korelasi lemah).

3.8 Proses Analisis Faktor IV (Interpretasi Faktor) Faktor Pertama

Faktor pertama hasil rotasi faktor didukung oleh 3 variabel. Variabel-variabel tersebut yang secara berurutan nilai bobotnya adalah X2, X3, dan X4 Bobot masing-masing variabel pendukung faktor pertama tersebut sesuai tabel beriku ini.

Tabel 3.14 Bobot Variabel Pendukung Faktor Pertama Variabel

Pendukung Nama Variabel

Bobot Variabel X2

Rumah sakit umum sidimpuan terlihat bersih. Fasilitasnya yang lengkap, kesiapan dan kebersihan alat-alat yang dipakai juga modern.

0,830 X3

Pelayanan Rumah sakit umum Padang Sidimpuan yang profesional, ramah dan selalu tanggap dalam membantu pengobatan pasien

0,689 X4

Obat dijual dengan harga yang wajar dan cepat dalam

memberikan pelayanan 0,727

Dari tabel diatas variabel X2 mempunyai bobot terbesar yaitu 0,830. Berdasarkan uraian tersebut dapat disimpulkan bahwa untuk faktor pertama cukup layak diberi nama Faktor Fasilitas.

Faktor ini adalah faktor yang paling kuat yang mendasari tingkat kepuasan pasien terhadap pelayanan Rumah Sakit Umum Padang Sidimpuan dengan variansi sebesar 37,011% serta melibatkan 3 variabel.

Faktor Kedua

Faktor kedua hasil rotasi faktor didukung oleh 3 variabel. Bobot masing-masing variabel pendukung faktor kedua tersebut sesuai tabel berikut:

Tabel 3.15 Bobot Variabel Pendukung Faktor Kedua Variabel

Pendukung Nama Variabel

Bobot Variabel X1

Memberikan asuhan keperawatan secara menyeluruh/holistik pada pasien dan bertanggung jawab dan berani megambil keputusan yang tepat, saat melakukan tindakan keperawatan

0,572 X5 Petugas memberikan pelayanan kepada konsumen tanpa

memandang stratus sosial 0,489

X6

Terjadinya komunikasi yang baik antara petugas dan

konsumen 0,724

Dari tabel diatas, variabel X6 mempunyai bobot terbesar, yaitu sebesar 0,724. Berdasarkan uraian tersebut dapat disimpulkan bahwa untuk faktor kedua cukup layak diberi nama sebagai Faktor Ketanggapan.

pasien terhadap pelayanan Rumah Sakit Umum Padang Sidimpuan dengan variansi sebesar 18,939% serta melibatkan 3 variabel.

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Dari hasil pengolahan data dan analisa, maka hasil penelitian dengan 70 responden dan 6 variabel pernyataan penelitian mengambil kesimpulan:

1. Terdapat 2 faktor hasil ekstraksi yang berpengaruh terdapat kepuasan pasien terhadap pelayanan rumah sakit umum kota Padang Sidimpuan. Hal ini digambarkan dari varainsi kumulatif sebesar 55,950%.

2. Kedua faktor tersebut adalah Faktor Fasilitas 37,011%, dan faktor Ketanggapan 18,939%.

3. Faktor Fasilitas ternyata merupakan faktor dominan yang menjadi pengaruh terkuat dalam tingkat kepuasan terhadap pelayanan rumah sakit umum kota Padang Sidimpuan.

4.2 Saran

Menurut hasil penelitian diatas ada 2 hal yang dapat disampaikan sebaga saran yaitu:

1. RSU Padang Sidempuan agar lebih memperhatikan faktor yang mendapatkan nilai terendah dalam mempengaruhi keputusan pasien untuk berobat di RSU Padang Sidempuan yaitu Empati (0,489). Menurut penulis faktor tersebut diharapkn dapat dimaksimalkan dengan cara pemberian special pada momen-momen tertentu dan hari-hari besar (natal,imlek dan idul fitri). Penulis juga menyarankan agar sering dilakukan perbaikan pada kelas I,II,dan III.

2. Bagi peneliti selanjutnya hasil penelitian ini masih bisa diteruskan dengan mengembangkan penelitian, seperti menambah variabel-variabel baik yang bersifat data kalitatif maupun kuantitatif yang dapat mempengaruhi keputusan pasien dan menggunakan metode yang lain sebagai bahan perbandingan.

LANDASAN TEORI

2.1 Gambaran Umum RS Umum Padang Sidempuan

Rumah Sakit Umum Padang Sidempuan beralamat di Jl. Dr.F.L TobingPd Sidempuan. RSU Padang Sidempuan adalah rumah sakit negeri kelas B. Rumah sakit ini juga menampung rujukan dari rumah sakit ini juga menampung pelayanan rujukan dari rumah sakit kabupaten. RSU ini termasuk RSU besar dimana tempat ini tersedia 225 tempat tidur inap, lebih banyak dibanding setiap rumah sakit di Sumatera Utara yang tersedia rata-rata 80 tempat tidur inap.

Jumlah dokter yang tersedia disini sedikit dengan 31 dokter, rumah sakit ini tersedia lebih sedikit dibanding rata-rata rumah sakit di Sumatera Utara. Pelayanan inap termasuk kelas tinggi dimana 25 dari 225 tempat tidur dirumah sakit ini berkelas VIP ke atas. Jumlah dokter sedikit RSU Padang Sidempuan tersedia 31 dokter, sama dengan rumah sakit tipikal di Sumatera Utara, tetapi 2 lebih banyak daripada rumah sakit tipikal di Sumatera.

Sebagian besar dokter umum dari 31 dokter di rumah sakit ini, 14 adalah dokter umum. Dibandingkan dengan rata-rata rumah sakit diwilayah ini:

 5 lebih banyak daripada rumah sakit tipikal di Sumatera Utara

 4 lebih banyak daripada rumah sakit tipikal di Sumatera

2.2. Populasi dan Sampel 2.2.1 Populasi

Menurut Sugiono (2011:61) populasi adalah wilayah generalisasi yang terdiri atas obyek/ subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari kemudian di tarik kesimpulannya.

Sidempuan.

2.2.2. Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi( Sugiono, 2011: 11). Pada penelitian ini, peneliti mengambil sampel diwilayah RS Umum Padang Sidempuan. Teknik pengambilan sampel menggunakan rumus Slovin (Umar, 2003 : 120), yaitu:

n =

1+( . 2₎

dimana :

n = jumlah elemen/anggota sampel N = jumlah elemen/anggota populasi

e = error level (tingkat kesalahan) (catatan : umumnya digunakan 1% atau 0,01, 5% atau 0,05, dan 10% atau 0,1) catatan dapat

dipilih oleh peneliti.

Pemilihan sampel dilakukan dengan metode simple random sampling. Menurut Sugiyono(2011 : 64) metode simple random sampling adalah pengambilan anggota sampel dari populasi yang dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu.

2.3 Variabel Penelitian

Variabel ialah sesuatu yang nilainya berubah-ubah menurut waktu atau berbeda menurut elemen/ tempat (Supranto : 2004). Umumnya nilai karakteristik merupakan variabel, diberi simbol huruf X. Variabel yang digunakan dalam penelitian ini adalah skill para perawat, fasilitas, pelayanan, kelengkapan obat, empati, dan ketanggapan.

Data merupakan komponen utama dalam statistika. Data adalah bahan baku yang jika diolah melalui berbagai analisis dapat melahirkan informasi, dimana dengan informasi tersebut dapat diambil suatu keputusan. Jenis dan sumber data pada penelitian ini adalah sebagai berikut:

1. Data primer, yaitu data yang diperoleh secara langsung dari pengamatan di RS Umum Padang Sidempuan. Kuesioner diberikan pada responden yang merupakan pasien dari RS Umum Padang Sidempuan.

2. Data sekunder, yaitu data yang diperoleh melalui studi dokumnetasi, baik dari buku, jurnal majalah dan situs internet yang mendukung penelitian ini.

2.5 Skala Pengukuran

Skala pengukuran suatu prosedur pemberian angka atau simbol lain kepada sejumlah ciri suatu objek agar dapat menyatakan karakteristik angka pada ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas 4 bagian:

a. Skala Nominal

Skala nominal adalah skala pengukuran yang paling sederhana yang dilambangkan dengan kata-kata, huruf, simbol atau bilangan. Skala ini digunakan untuk mengklasifikasikan objek-objek atau kejadian-kejadian kedalam kelompok (kategori) yang terpisahuntuk menunjukan kesaman atau perbedaan ciri-ciri tertentu dari objek yang diamati. Pada skala nominal hasil pengukurannya bisa dibedakan tetapi tidak bisa diurutkan mana yang lebih tinggi, mana yang lebih rendah dan mana yang lebih di kesampingkan. Skala nominal merupakan skala yang paling rendah atau jenis pengukurannya terbatas.

Contoh: Jenis kelamin, 1= pria; 2 = wanita. b. Skala Ordinal

Skala ordinal adalah skala pengukuran yang selain mempunyai ciri untuk membedakan juga mempunyai ciri untuk mengurutkan pada rentang tertentu. Dengan membedakan skala ordinal objek-objek juga dapat digolongkan dlaam kategori tertentu. Angka atau huruf yang diberikan mengandung tingkatan,

hubungan lebih dari atau kurang dari menurut aturan penataan tertentu. c. Skala Interval

Skala interval adalah skala pengukuran yang mengelompokkan objek-objek ke dalam kelas-kelas yang mempunyai urutan dan perbedaan dalam jarak yang sama. Misalnya, suhu tertinggi pada bulan Maret dikota A, Kota B dan Kota C, berturut-turut adalah 20,23,16 derajat celcius. Kita dapat membedakan dan mengurutkan besarnya suhu di kota tersebut, sebab 1 derajat celcius menyatakan satu unti pengukuran yang tetap.

d. Skala Rasio (Nisbah)

Skala rasio adalah skala yang mempunyai 4 ciri, yaitu membedakan, mengurutkan, jarak yang sama, dan mempunyai titik nol tulen ( titik nol yang berarti) sehingga dapat menghitung rasio atau perbandingan antar nilai. Semua ciri skala interval menjadi ciri skala rasio, perbedaan antar nilai-nilai diketahui dan bernilai tetap, kategori-kategori nilai juga bersifat lepas. Hanya saja skala rasio mempunyai titik nol yang berarti dan rasio(perbandingan) antar dua nilai juga berarti.

Misalnya, Pak Anto mempunyai uang nol rupiah, artinya Pak Anto tidak mempunyai uang.

2.6 Skala untuk Instrumen( Model Skala Sikap)

Bentuk-bentuk skala sikap yang sering digunakan dalam penelitian ada 5 macam, yaitu:

a. Skala Likert

Skala likert digunakan untuk mengatur sikap, pendapatan dan persepsi seseorang atau sekelompok orang tentang kejadian atau gejala sosial. Pada skala likert variabel yang akan diukur dijabarkan menjadi subvariabel. Kemudian subvariabel dijabarkan lagi menjadi indikator-indikator yang terukur ini yang mana menjadi titik tolak untuk membuat item instrumen

dilengkapi dengankata-kata, misalnya:

Sangat setuju = 5

Setuju = 4

Ragu-ragu/ Tidak tahu = 3

Tidak Setuju = 2

Sangat Tidak Setuju = 1 b. Skala Gutman

Skala Gutman mengukur suatu dimensi saja dari suatu variabel multidimensi. Skala Gutman adalah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten.

Contoh : yakin – tidak yakin, benar – salah, setuju – tidak setuju, dan sebagainya.

c. Skala Diferensial Semantik

Berisikan serangkaian bipolar (dua kutub). Responden diminta untuk menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 ajektif yang bertentangan. Misalnya: panas-dingin, populer-tidak populer, bagus-buruk, dan sebagainya.

d. Rating Scale

Rating scale yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.

Misalnya: ketat-longgar, lemah-kuat, positif-negatif e. Skala Thurstone

Meminta responden untuk memilih jawaban yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan-pandangan berbeda-beda. Pada umumnya asosiasi antara 1 sampai 9 tetapi nilai tidka diketahui oleh responden.

2.7Metode Pengumpulan Data

Pengumpulan data penelitian dimaksudkan sebagai pencatatan peristiwa atau karakteristik dari sebagian peristiwa atau seluruh elemen proposal

cara tertentu. Adapun metode pengumpulan data yang diunakan secara umum adalah:

a. Metode dokumentasi

Adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkip, buku, surat kabar, majalah, prasasti, notulen rapat, agenda dan sebagainya. Metode dokumnetasi dalam penelitian ini digunakan untuk mengumpulkan data tentang pasien RS Umum Padang Sidempuan.

b. Metode Angket (kuesioner)

Adalah pertayaan tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan tentang pribadinya atau hal-hal yang ia ketahui. Metode ini digunakan untuk mencari tahu atau mengenal faktor strategi campuran pemasaran yang mepengaruhi keputusan pasien dalam kepuasan di RS Umum Padang Sidempuan. Untuk mengetahui distribusi frekuensi masing-masing variabel yang pengumpulan datanya menggunakan angket (kuesioner), setiap indikator dari data yang dikumpulkan terlebih dahulu diklasifikasikan dan diberi skor atau nilai yaitu:

Skor 5 jika jawaban responden sangat setuju Skor 4 jika jawaban responden setuju

Skor 3 jika jawaban responden ragu-ragu/ tidak tahu Skor 2 jika jawaban responden tidak setuju

Skor 1 jika jawaban responden sangat tidak setuju 3. Wawancara

Wawancara merupakan teknik pengumpulan data dalam metode survei yang menggunakan pertanyaan secara lisan kepada subjek penelitian. Teknik wawancara dialkukan jika peneliti memerlukan komunikasi atau ubungan dengan responden.

2.8.1 Uji Validitas

Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut. Metode yang digunakan untuk menguji validitas adalah dengan korelasi Product

moment yang rumusnya sebagai berikut:

= ( )−( . )

2_{−( )²} {} 2_{−( )²}

Keterangan:

= koefisien korelasi X = skor variabel Y= skor total N = Jumlah sampel

Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai koefisien (r) pada taraf kepercayaan 95%.

Apabila ≥ _→

Apabila < _→ (Ade fatma, 2007)

2.8.2 Uji Realibilitas

Realibilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya. Pengukuran yang memiliki realibilitas tinggi disebut sebagai pengukuran yang realibilitas. Metode yang digunkan untuk menguji realibilitas adalah metode Alpha Cronbach. Variabel dikatakan realibel jika memberikan nilai alpha

menggunakan rumus sebagai berikut:

=

−1 1− �2

�2 Keterangan:

r = nilai (koefisien) Alpha Cronbach k = banyaknya variabel penelitian

�2 _{= jumlah varians variabel penelitian}

�2 _{= varians total}

2.9 Analisis Faktor

2.9.1 Pengertian Analisis Faktor

Analisis faktor adalah sebuah analisa yang mensyaratkan adanya keterkaitan antar variabel. Pada prinsipnya analisis faktor menyederhanakan hubungan yang beragam dan kompleks pada variabel yang diamati dengan menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai korelasi pada suatu struktur data yang baru yang mempunyai set faktor lebih kecil. Data-data yang dimasukkan pada umumnya data metrik dan terdiri dari variabel-variabel dengan jumlah besar.

Analisis faktor dapat digunakan di dalam situasi sebagai berikut:

1. Mengenali atau mengidentifikasi dimenesi yang mendasari (underlying

dimensions) atau faktor, yang menjelaskan korelasi antara suatu set

variabel.

2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) ysng lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling di dalam analisis

diskriminan.

3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisi multivariate selanjutnya.

2.9.2 Model Analisis Faktor

Secara matematis, analisis faktor hampir sama dengan analisis regresi. Yaitu dalam bentuk fungsi linear. Jumlah varians yang dikotribusi dari sebuah variabel dengan seluruh variabel lainnya lbih dikelompokkan sebagai komunitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah komponen kecil ditambah sebuha faktor unnik untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati. Jika variabel distandarisasi, maka model analisis faktor dapat ditulis sebagai berikut:

= 1�1+ 2�2+ 3�2+⋯+ � +⋯+ � + Dimana :

= Variabel ke i yang dibakukan

= Koefisien regresi yang dibakukan untuk variabel i pada komponen faktor j

� = Komponen faktor ke j

= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i

µ = Faktor unik variabel ke-i M = Banyaknya komponen faktor

Faktor yang unik tidak berkolerasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa

terobservasi hasil penelitian lapangan.

� = 1 1+ 2 2+ 3 3+⋯+

Dimana :

� = Perkiraan faktor ke i (didasarkan pada nilai variabel ) = Koefisien nilai faktor ke i

= Banyaknya variabel

2.9.3 Statistik yang Berkaitan Dengan Analisis Faktor Statistik yang berkaitan dengan faktor adalah :

a. Barlett’s test of sphericity

Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji

hipotesis yang mengatakan bahwa variabel-variabel tersebut tidak berkorelasi dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri. (r=1), tetapi tidak berkorelasi dengan variabel lainnya (r=0).

Statistik uji barlett adalah sebagai berikut : 2 _{= − −1} − 2 +5

6 1 | |

Dengan derajat kebebasan (degree of freedom) df = = ( −1)/2

Keterangan :

= jumlah observasi = jumlah variabel

Matriks korelasi adalah matriks yang menunjukan korelasi sederhana (r) antara seleruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau angka pada diagonal utama semuanya sama yaitu 1. Jadi kalau ada 3 atau 4 variabel, bentuk matriks korelasi menjadi :

n = 3 → 121 121 1323

31 32 1

n = 4 →

1 12 13 14

21 1 23 24

31 32 1 34

41 42 43 1

c. Communality(Komunitas)

Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians yang diterangkan oleh komponen faktor.

ℎ = �2₁+�2₂+⋯+�2

Dimana :

ℎ = communality variabel ke-i ; i = 1,2,3,...m.

� = nilai factor loading

d. Eigenvalue (Nilai Eigen)

Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap fator-faktor yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke dalam model.

vector eigen (eigenvector) dari jika adalah sebuah kelipatan skalar dari x, jelasnya,

- �

Untuk skalar sebarang λ, skalar λ disebut nilai eigen (eigenvalue) dari ,

dan disebut sebagai vector eigen dari yang terkait dengan λ. (Anton Howard,2000).

e. Factor loadings (Faktor Muatan)

Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.

f. Factor Loading Plot (Plot Faktor Muatan)

Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.

g. Factor Matrix (Faktor Matriks)

Matriks faktr mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.

h. Kaiser – Meyer – Olkin (KMO) measure of sampling adequency

Kaiser – Meyer – Olkin (KMO) merupakan suatu indeks yang digunakan untuk menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 – 1,0) mengidentifikasi analisis faktor tepat). Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.

= Σi=1

p

Σk=1 p

r_ik2 Σi=1

p

Σk=1 p

= koefisien korelasi sederhana antara variabel ke- dan ke-k

� = koefisien korelasi parsial antara variabel ke- dan ke-

Measure of Sampling Adequency (MSA) yaitu suatu indeks perbandingan

antara koefisienkorelasi parsial untuk setiap untuk variabel. MSA digunakan untuk mengukur kecukupan sampel.

i. Percentage of variance (Persentasi Varians)

Persentasi varans adalah persentase total varians yang disumbangkan oleh setiap faktor.

j. Residuals

Residuals adalah selisih antara korelasi yang terobservasi berdasarka input

correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks

faktor.

k. Scree plot

Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya

faktor.

2.12 Langkah-langkah analaisis Faktor

Langkah-langkah dalam analisis faktr adalah sebagai berikut : 1.Merumuskan masalah

2. Membentuk matriks korelasi 3. Menentukan metode analisis faktor 4. Menentukan banyaknya faktor 5. Melakukan rotasi terhadap faktor

6. Membuat intrepretasi hasil rotasi dari faktor 7. Menentukan ketepatan model (model fit)

Merumuskan masalah meliputi beberapa kegiatan. pertama, tujuan analisis faktor harus diidentifikasi. Variabel yang akan digunakan daam analisis faktor harus dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.

2. Membentuk matriks Korelasi

Proses nalaisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi. Dilakukan perhitungan matriks korelasi Σ Matriks korelasi digunakan sebagai input analisis faktor.

3. Menghitung nilai karakteristik (eigenvalue)

Perhitungan nilai karakteristik (eigenvalue), dimana perhitungan ini berdasarkan persamaan karakteristik :

det(�� − ) = 0

Dengan :

= matriks korelasi

� = eigenvalue

� = matriks identitas

Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor. (Anton Howard, 2000)

4. Menghitung vektor karakteristik (eigenvector)

Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai karaktristik (eigenvalue), yaitu dengan persamaan :

=λ

Dengan:

=eigenvector,(Anton Howard, 2000) 5. Menentukan Banyaknya Faktor

Adalah beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara priori, penentuan berdasarkan pada

varians, penentuan berdasarkan Split-Half Reliabilitiy, dan penentuan berdasarkan uji signifikan.

a. Penentuan Secara A Priori

Kadang-kadang karena adanya dasarr teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyak faktor yang akan diekstraksi. Hampir sebagian besar program komputer memungkinkan peneliti untuk menentukan banayaknya faktor yang diinginkan dengan pendekatan ini.

b. Penentuan Berdasarkan Eigenvalue

Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besarnya dari satu yang dipertahankan. Eigenvalue mempresentasikan besarnya sumbangan dari faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan varians lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih kecil dari satu tidak lebih dari variabel aslinya, sebab variabel yang dibakukan

(distandarisasi) yang berarti rata-ratanya nol dan divariasinya satu.

c. Penentuan Berdasarkan Scree Plot

Scree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor dalam

ekstraksinya. Bentuk plot yang dihasikaan digunakan untuk menentukan banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan

eigenvalue yang besar dan makin kecil pada sisa faktor yang tidak perlu

diekstraksi.

d. Penentuan berdasarkan Persentase Varians

Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentasi kumulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat persentase kumulatif yang memuaskan peneliti tergantung kepada permasalahannya. Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau kumulatif persentase varians sudah mencapai paling sedikit 60% atau 75% dari seluruh varians variabel asli.

masing bagian. Hanya faktor yang memiliki faktor loading tinggi antar dua bagian itu yang akan dipertahankan.

f. Penentuan Berdasarkan Uji Signifikan

Dimungkinkan untuk menentukan signifikansi statisstik untuk eiganvalue yang terpisah dan mempertahankan fakto-faktor yang berdasarkan uji statistik

eigenvaluenya signifikan pada α = 5% atau α = 1% . Penentuan banyaknya faktor

dengan cara ini memiliki kelemahan, khususnya pada ukuran sampe yang besar misalnya diatas 200 responden, banyak faktor yang menunjukkan uji signifikan, walaupun dari pendangan praktis banyak faktor yang mempunyai sumbangan terhadap seluruh varians hanya kecil.

6. Menghitung matriks faktor loading

Matriks loading factor (Ʌ) diperoleh dengan mengalikan matriks eigenvector ( )

dengan akar dari matriks eigenvalue ( ). Atau dalam persamaan matematis ditulis

Ʌ=��√�

7. Melakukan Rotasi Faktor

Sebuah output penting dari analisis faktor dalah matriks faktor atau disebut juga sebagai matriks faktor pola. Matriks faktor mengandung koefisien yang digunakan untuk mengekspresikan variabel yang dibakukan (distandarisasi) dinyatakan dalam faktor. Koefisien-koefisien tersebut atau faktor loadings merupakan korelasi antara faktor dengan variabelnya, Sebuah koefisien dengan nilai absolut yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat. Koefisien tersebut bisa digunakan untuk menginterprestasi faktor.

Walaupun faktor awal atau unroatated factor matrix mengindikasikan hubungan antara faktor dengan variabel individu tertentu, akan tetapi masih sulit. Diambil kesimpulannya tentang banyaknya faktor yang bisa diekstraksi, hal ini disebabkan karena faktor berkorelasi dengan banyaknya variabel atau sebaliknya variabel tertentu masih banyak berkorelasi dengan banyak faktor.

Dalam merotasi faktor, diharapkan setiap faktor memiliki loading faktor atau koefisien yang tidak nol, atau signifikan hanya untuk beberapa variabel. Atau, diharapkan setiap variabel memiliki faktor loadings signifikan hanya dengan sedikit faktor, atau kalau mungkin dengan sebuah faktor. Rotasi tidak

Namun demikian, rotasi berpengaruh terhadap persentase varians dari setiap faktor. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation,

varimax rotation, dan oblique rotation.

Orthogonal rotation adalah kalau sumbu dipertahankan tegak lurus

sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax

rotation, yaitu rotasi ortogonal dengan meminimumkan banyaknya variabel yang

memiliki loadings tinggi pda sebuah faktor, sehingga lebih mudah menginterprestasikan faktor. Rotasi orotogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi. Kadang-kadang, mentoleransi korelasi antar fakto-faktor bisa menyederhanakan matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat.

8. Interprestasi Faktor

Interprestasi dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterprestasikan menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut. Cara lain yang bisa digunakan adalah memalui pivot variabel dengan faktor

loading sebagai koordinat. Variabel yang berada pada akhir sebuah sumbu adalah

variabel yang memiliki loading tinggi hanya pada faktor yang bersangkutan, sehingga bisa digunakan untuk menginterprestasi faktor. Variabel yang berada di dekat titik origin memiliki loading yang rendah terhadap kedua faktor. Variabel yang tidak berada di dekat sumbu mengindikasi bahwa variabel tersebut berkorelasi dengan kedua faktor. Jika sebuah faktor tidak bisa secara jelas didefinisikan dalam batas variabel awalnya, maka disebut faktor umum.

9. Menentukan Ketetapan Model (model fit)

Langkah terakhir dalam analisis faktor adalah menentukan ketetapan model (model fit). Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi terobservasi dapat menjadi atribut dari faktor atau komponen. Untuk itu, korelasi terobservasi dapat direproduksi memalalui estimasi korelasi antara variabel terhadap faktor. Selesih antara korelasi dari data observasi dengan korelasi

disebut sebagai residuals. Jika banyaj residual yang besar (residual > 0,05) berarti model faktor yang dihasilkan tidak tepat sehingga model perlu dipertimbangkan kembalikan.

PENDAHULUAN

1.1Latar Belakang

Rumah sakit adalah tempat penyedia pelayanan kesehatan bagi masyarakat. Menurut keputusan Menteri Republik Indonesia nomor 983.MENKES/SK/1992 mengenai pedoman rumah sakit umum dinyatakan bahwa: “Rumah Sakit Umum adalah rumah sakit yang memberikan pelayanan kesehatan”. Menurut WHO rumah sakit adalah keseluruh dari organisasi dan medis, berfungsi memberkan layanan kesehatan kepada masyarakat, dimana output layanannya menjangkau pelayanan keluarga dan lingkungan. Rumah Sakit juga merupakan pusat pelatihan tenaga kesehatan serta untuk penelitan biososial.

Di kota Padang sidimpuan ada 3 rumah sakit besar untuk pemenuhan kesehatan masyarakat kota Padangsidimpuan, yaitu: Rumah Sakit Umum Kota Padangsidimpuan, Rumah Sakit Umum Inanta dan Rumah Sakit Umum TNI Kota Padangsidimpuan. Namun, pada penelitian ini saya sebagai peneliti memilih salah satu rumah sakit saja, yaitu Rumah Sakit Umum Kota Padangsidimpuan, karena sudah termasuk yang terlengkap di Kota padangsidimpuan. Untuk menunjang visi dan misinya, Rumah Sakit Umum Kota Padangsidimpuan menawarkan sarana prasarana kepada para pasien, seperti: kamar VIP, kamar kelas 1, kamar kelas 2, kamar kelas 3, ruang UGD, ruang operasi, ruang poliklinik umum, ruang laboratorium, ruang farmasi, dokter spesialis, dokter umum, perawat, bidan mobil ambulans, peralatan kesehatan, ruang konsultasi dokter, dll.

Sebagai penyedia jasa untuk pelayanan kesehatan bagi masyarakat bagi masyarakat, sarana dan prasarana itu tidak menjadi yang 100% dalam membuat pasien puas dan nyaman, tapi juga dipengaruhi hal penunjang lainnya seperti skill para dokter dan perawatnya, fasilitas, pelayanan, kelengkapan obat, empati, dan ketanggapan. Dengan acuan latar belakang ini maka penulis tertarik untuk mengetahui kepuasan pasien. Oleh karena itu penulis dalam penelitian ini memilih judul adalah: “ANALISA FAKTOR YANG MEMPENGARUHI TINGKAT

KOTA PADANGSIDIMPUAN”

1.2Rumusan masalah

Permasalahan yang akan diteliti dalam masalah ini adalah factor yang sangat berpengaruh terhadap tingkat kepuasan pasien Rumah Sakit Umum Kota Padangsidimpuan.

1.3Batasan Masalah

Agar masalah yang diteliti tidak menyimpang dari sarana yang dituju, maka perlu dibuat batasan yang lingkup permasalahannya, yaitu:

1. Data di analisis menggunakan metode analisis faktor 2. Data diambil dari Rumah Sakit Kota Padangsidimpuan

3. Responden adalah pasien rawat inap dan pasien rawat jalan di Rumah Sakit Umum Kota Padangsidimpuan

1.4Tujuan Penelitian

1. Untuk mengetahui tingkat kepuasan pasien terhadap pelayanan RSU Padangsidimpuan

2. Untuk mengetahui factor yang sangat berpengaruh terhadap kepuasan pasien RSU Padangsidimpuan

1.5Manfaat Penelitian

 Bagi Penulis

1. Untuk memenuhi persyaratan Tugas Akhir

2. Dapat Mengetahui tentang pelayanan di RSU Padangsidimpuan yang akan diteliti

1. Dapat disajikan sebagai bahan masukan untuk memperbaiki tingkat pelayanan di RSU Padangsidimpuan

2. Sebagai bahan referensi

 Bagi Universitas/ Fakultas

1. Sebagai tumbuhan referensi tentang penelitian yang berkaitan dengan statistika (Metode analisis Faktor)

2. Bahan Pertimbangan untuk memberikan pelayanan yang terbaik untuk pihak Rumah

PASIEN TERHADAP PELAYANAN RUMAH SAKIT UMUM PADANG SIDIMPUAN

ABSTRACT

Analisis faktor adalah satu teknik analisis data yang ditujukan untuk mereduksi sejumlah variabel menjadi beberapa kelompok lebih kecil yang disebut sebagai faktor. Tujuan penelitian ini adalah mengidentifikasi faktor-faktor yang mempengaruhi kepuasan pasien terhadap pelayanan rumah sakit umum kota Padang Sidimpuan. Teknik pengambilan sampel yang digunakan adalah cluster

sampling. Variabel yang digunakan sebanyak 6. Dari data yang diperoleh

dilakukan uji validitas dan reliabilitas serta analisis faktor menggunakan software

SPSS 17.0 for windows. Berdasarkan hasil penelitian diperoleh 2 faktor dominan

yang mempengaruhi kepuasan pasien terhadap pelayanan rumah sakit umum kota Padang Sidimpuan yaitu faktor Fasilitas (37,011%), faktor Ketanggapan (18,939%). Kedua faktor tersebut memberikan proporsi keragaman kumulatif sebesar 55,950% artinya kedua faktor tersebut merupakan faktor dominan dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh penelitian.

THE ANALYSIS FACTORS THAT AFFECT THE LEVEL OF PATIENT SATISFACTION ON HOSPITAL SERVICES

PADANGSIDIMPUAN

ABSTRACT

Factor analysis is a data analysis technique that is intended to reduce the number of variables into smaller groups called factors. The purpose of this study is identifying the factors that affect patient satisfaction of general hospital of the sidimpuan. The sampling technique that used cluster sampling. Variables used as many as 6. From the data obtained to test the validity and reliability and factor analysis using SPSS 17.0 software for windows. Based on the research results of research by two dominant fasctor that affects the level of patient satisfaction to the service of general hospital sidimpuan of the facilities (37,011%) and the response(18,939%). These two factors is giving the proportion of the diversity of gasoline 55,950% means the four factors is a dominant factor and the rest of it can be influenced by factors others were not identified by research.

KOTA PADANG SIDIMPUAN

SKRIPSI

AGLUR MUNANDAR SIREGAR 120823007

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

PASIEN TERHADAP PELAYANAN RUMAH SAKIT UMUM KOTA PADANG SIDIMPUAN

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

AGLUR MUNANDAR SIREGAR 120823007

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

Judul : ANALISA FAKTOR YANG MEMPENGARUHI KEPUASAN PASIEN TERHADAP PELAYANAN RUMAH SAKIT UMUM KOTA PADANG

SIDIMPUAN

Kategori : SKRIPSI

Nama : AGLUR MUNANDAR SIREGAR

Nomor Induk Mahasiswa : 120823007

Program Studi : SARJANA (S1) MATEMATIKA

Depertemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Medan, Juni 2016

Komisi Pembimbing:

Pembimbing 2 Pembimbing 1

Drs. Henry Rani Sitepu, M.Si Drs. Ujian Sinulingga, M.Si

NIP.19530303 198303 1 002 NIP. 19560303 198403 1 004

Diketahui/Disetujui oleh:

Departemen Matematika FMIPA USU Ketua,

Prof. Drs. Tulus, Vordipl.Math,.M.Si.,Ph.D NIP. 196209011988031002

ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KEPUASAN PASIEN TERHADAP PELAYANAN RUMAH SAKIT UMUM

PADANG SIDIMPUAN

SKRIPSI

Penulis mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan ringkasan yang masing-masing disebutkan.

Medan, Juni 2016

AGLUR MUNANDAR SIREGAR 120823007

Puji syukur kepada Allah SWT karena berkat rahmat-nya, saya dapat menyelesaikan skripsi. Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk mencapai gelar Sarjana Sains Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. Saya menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, dari masa perkuliahan sampai pada penyusunan skripsi ini, saya mengucapkan terima kasih kepada:

1. Bapak Drs. Ujian Sinulingga, M.Si dan Drs. Henry Rani Sitepu, M.Si selaku dosen pembimbing skripsi yang telah menyediakan tenaga, pikiran dan waktunya untuk mengarahkan saya dalam penyusunan skripsi ini. 2. Bapak Drs. Gim Tarigan, M.Si dan Dr. Pasukat sembiring, M.Si selaku

dosen pembanding skripsi.

3. Para responden atas bantuannya dalam mengizinkan penulis untuk mengambil data dalam penyelesain skripsi ini.

4. Kedua orang tua saya dan keluarga yang selalu memberikan semangat selama masa kuliah sampai dengan penyususnan skrispsi ini.

5. Kepada teman-teman Jurusan Matematika Ekstensi stambuk 2014 Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. 6. Orang-orang lainnya yang tidak bisa penulis sebutkan satu persatu yang

turut andil memberikan bantuannya dalam penyelesaian skripsi ini.

Akhir kata, saya berharap Tuhan Yang Maha Esa berkenan membalas segala kebaikan semua pihak yang telah membantu. Semoga skripsi ini membawa manfaat bagi pengembangan ilmu.

Medan, Juni 2016 Penulis

PASIEN TERHADAP PELAYANAN RUMAH SAKIT UMUM PADANG SIDIMPUAN

ABSTRACT

Analisis faktor adalah satu teknik analisis data yang ditujukan untuk mereduksi sejumlah variabel menjadi beberapa kelompok lebih kecil yang disebut sebagai faktor. Tujuan penelitian ini adalah mengidentifikasi faktor-faktor yang mempengaruhi kepuasan pasien terhadap pelayanan rumah sakit umum kota Padang Sidimpuan. Teknik pengambilan sampel yang digunakan adalah cluster

sampling. Variabel yang digunakan sebanyak 6. Dari data yang diperoleh

dilakukan uji validitas dan reliabilitas serta analisis faktor menggunakan software

SPSS 17.0 for windows. Berdasarkan hasil penelitian diperoleh 2 faktor dominan

yang mempengaruhi kepuasan pasien terhadap pelayanan rumah sakit umum kota Padang Sidimpuan yaitu faktor Fasilitas (37,011%), faktor Ketanggapan (18,939%). Kedua faktor tersebut memberikan proporsi keragaman kumulatif sebesar 55,950% artinya kedua faktor tersebut merupakan faktor dominan dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh penelitian.

THE ANALYSIS FACTORS THAT AFFECT THE LEVEL OF PATIENT SATISFACTION ON HOSPITAL SERVICES

PADANGSIDIMPUAN

ABSTRACT

Factor analysis is a data analysis technique that is intended to reduce the number of variables into smaller groups called factors. The purpose of this study is identifying the factors that affect patient satisfaction of general hospital of the sidimpuan. The sampling technique that used cluster sampling. Variables used as many as 6. From the data obtained to test the validity and reliability and factor analysis using SPSS 17.0 software for windows. Based on the research results of research by two dominant fasctor that affects the level of patient satisfaction to the service of general hospital sidimpuan of the facilities (37,011%) and the response(18,939%). These two factors is giving the proportion of the diversity of gasoline 55,950% means the four factors is a dominant factor and the rest of it can be influenced by factors others were not identified by research.

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstrack v

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

Daftar Lampiran x

BAB 1 Pendahuluan

1.1Latar Belakang 1

1.2Perumusan Masalah 2

1.3Batasan Masalah 2

1.4Tujuan Penelitian 2

1.5Kontribusi Penelitian 2

BAB 2 Landasan Teori

2.1 Gambaran Umum RS Umum Kota Padang Sidimpuan 4

2.2 Populasi dan sampel 4

2.2.1 Populasi 4

2.2.2 Sampel 5

2.3 Variabel Penelitian 5

2.4 Jenis sumber data 6

2.5 Skala Pengukuran 6

2.6 Skala untuk instrumen 7

2.7 Metode Pengumpulan Data 8

2.8 Uji dalam Pengolahan Data 10

2.8.1 Uji Validitas 10

2.8.2 Uji Reliabilitas 10

2.9 Analisis Faktor 11

2.9.1 Pengertian Analisi Faktor 11

2.9.2 Model Analisi Faktor 12

2.9.3 Statitistik yang berkaitan dengan Analisis faktor 13 BAB 3 Pembahasan

3.1Populasi, sampel dan Teknik Pengambilan sampel 22

3.2Variabel Penelitian 23

3.3Sumber Data 23

3.4Pengolahan Data 24

vi

vi

THE ANALYSIS FACTORS THAT AFFECT THE LEVEL OF PATIENT SATISFACTION ON HOSPITAL SERVICES

PADANGSIDIMPUAN

ABSTRACT

Factor analysis is a data analysis technique that is intended to reduce the number of variables into smaller groups called factors. The purpose of this study is identifying the factors that affect patient satisfaction of general hospital of the sidimpuan. The sampling technique that used cluster sampling. Variables used as many as 6. From the data obtained to test the validity and reliability and factor analysis using SPSS 17.0 software for windows. Based on the research results of research by two dominant fasctor that affects the level of patient satisfaction to the service of general hospital sidimpuan of the facilities (37,011%) and the response(18,939%). These two factors is giving the proportion of the diversity of gasoline 55,950% means the four factors is a dominant factor and the rest of it can be influenced by factors others were not identified by research.

vii

vii DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstrack v

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

Daftar Lampiran x

BAB 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 2

1.5 Kontribusi Penelitian 2

BAB 2 Landasan Teori

2.1 Gambaran Umum RS Umum Kota Padang Sidimpuan 4

2.2 Populasi dan sampel 4

2.2.1 Populasi 4

2.2.2 Sampel 5

2.3 Variabel Penelitian 5

2.4 Jenis sumber data 6

2.5 Skala Pengukuran 6

2.6 Skala untuk instrumen 7

2.7 Metode Pengumpulan Data 8

2.8 Uji dalam Pengolahan Data 10

2.8.1 Uji Validitas 10

2.8.2 Uji Reliabilitas 10

2.9 Analisis Faktor 11

2.9.1 Pengertian Analisi Faktor 11

2.9.2 Model Analisi Faktor 12

2.9.3 Statitistik yang berkaitan dengan Analisis faktor 13

BAB 3 Pembahasan

3.1 Populasi, sampel dan Teknik Pengambilan sampel 22

3.2 Variabel Penelitian 23

3.3 Sumber Data 23

3.4 Pengolahan Data 24

viii

viii

3.4.2 Uji Reliabilitas 26

3.4.3 Penskalaan Data Ordinal Menjadi Interval 26

3.5 Analisis Data 28

3.5.1 Proses Analisis faktor I 28

3.6 Proses Analisi faktor II (Ekstraksi) 29

3.6.1 Communalities 30

3.6.2 total Variance Explaned 30

3.6.3 Scree Plot 31

3.7 Proses Analisis faktor III (Rotasi) 32

3.8 Proses Analisis Faktor IV (Interpretasi Faktor) 33 BAB 4 Kesimpulan dan Saran

4.1 Kesimpulan 36

4.2 Saran 36

ix

ix

DAFTAR TABEL

Halaman Tabel 3.1 Daftar Jumlah Pasien RSU Padang Sidimpuan Tahun 2015 22

Tabel 3.2 Populasi dan Penelitian 23

Tabel 3.3 Uji Validitas 24

Tabel 3.4 Contoh Perhitungan Korelasi Produck Moment 25

Tabel 3.5 Hasil Cronback Alpha Reliability 26

Tabel 3.6 Penskalaan Variabel 1 27

Tabel 3.7 Hasil Penskalaan Tiap Vriabel 28

Tabel 3.8 KMO and Barlet Test 29

Tabel 3.9 Measure Of Sampling Aduquacy 29

Tabel 3.10 Comunalities 30

Tabel 3.11 Total Variance Explaaned 31

Tabel 3.12 Faktor Loading 33

Tabel 3.13 Rotated Faktor Loading 33

Tabel 3.14 Bobot Variabel Pendukung Faktor Pertama 34 Tabel 3.15 Bobot Variabel Pendukung Faktor Kedua 34

x

x

DAFTAR GAMBAR

Halaman

xi

xi

DAFTAR LAMPIRAN

Halaman

Lampiran 1 Kuesioner Penelitian 1

Lampiran 2 Tabulasi Data Hasil Penelitian 3

Lampiran 3 Succesive Detail Penskalaan 5

Lampiran 4 Hasil Skala Akhir Succesive Interval Setiap Variabel 6

Lampiran 5 Hasil Output SPSS 7

Lampiran 6 Perhitungan Cronbach Alpha 16