ANALISIS DATA DAN PEMBAHASAN
C. Hasil Dan Pembahasan
3. Hasil Analisis dan Pembahasan a.Hasil Uji Normalitas Data a.Hasil Uji Normalitas Data
Data-data bertipe skala pada umumnya mengikuti asumsi distribusi normal. Namun, tidak mustahil suatu data tidak mengikuti asumsi normalitas. Untuk mengetahui kepastian sebaran data yang diperoleh harus dilakukan uji normalitas terhadap data yang bersangkutan. Dengan demikian, analisis statistika yang pertama harus digunakan dalam rangka analisis data adalah analisis statistik berupa uji normalitas.
Gambar 4.1
Hasil Uji Normalitas Data
Dari grafik di atas dapat dilihat bahwa data penelitian memiliki penyebaran dan distribusi yang normal karena data memusat pada nilai rata-rata dan median atau nilai plot PP terletak di garis diagonal, maka dapat dikatakan bahwa data tersebut berdistribusi normal.
b. Pengujian Korelasi
Dalam metode analisis jalur, untuk mencari hubungan kausal atau pengaruh variabel-variabel penelitian, terlebih dahulu dihitung matriks korelasi dari variabel citra merek, kualitas pelayanan, harga, kepuasan pasien dan loyalitas pasien . Berikut adalah hasil penghitungan koefisien korelasi dengan menggunakan software SPSS 20:
Tabel 4.54
Hasil Pengujian Korelasi Correlations LP CM KP H KPS Pearson Correlation LP 1.000 .766 .757 .594 .814 CM .766 1.000 .704 .515 .823 KP .757 .704 1.000 .525 .775 H .594 .515 .525 1.000 .585 KPS .814 .823 .775 .585 1.000 Sig. (1-tailed) LP . .000 .000 .000 .000 CM .000 . .000 .000 .000 KP .000 .000 . .000 .000 H .000 .000 .000 . .000 KPS .000 .000 .000 .000 . N LP 100 100 100 100 100 CM 100 100 100 100 100 KP 100 100 100 100 100 H 100 100 100 100 100 KPS 100 100 100 100 100
Sumber: data primer yang telah diolah
Berdasarkan tabel di atas dapat diketahui nilai korelasi antar variabel. Angka koefisien korelasi bertanda positif (+) menunjukkan bahwa terdapat hubungan antara kedua variabel tersebut.
Tabel 4.55
Interpretasi Koefisien Korelasi
Internal Koefisien Tingkat Hubungan
0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat kuat
Sumber: Sugiyono, Metodologi Penelitian Bisnis, 2009:182
Berdasarkan hasil pengujian pada tabel di atas, maka dapat disimpulkan pada tabel berikut:
Tabel 4.56
Pengujian Hubungan Antar Sub Variabel
Hubungan Koefisien
Korelasi Kategori Probabilitas Kesimpulan Loyalitas Pasien (Y2)
dengan Citra Merek (X1) (ry2x1)
0,766 Kuat 0,000 Signifikan
Loyalitas Pasien (Y2) dengan Kualitas Pelayanan
(X2) (ry2x2)
0,757 Kuat
0,000 Signifikan Loyalitas Pasien (Y2)
dengan Harga (X3) (ry2x3) 0,594 Sedang 0,000
Signifikan Loyalitas Pasien (Y2)
dengan Kepuasan Pasien (Y1) (ry2y1)
0,814 Sangat
Kuat 0,000
Signifikan Citra Merek (X1) dengan
Kualitas Pelayanan (X2) (rx1x2)
0,704 Kuat 0,000 Signifikan
Citra Merek (X1) dengan
Harga (X3) (rx1x3) 0,515 Sedang 0,000 Signifikan Citra Merek (X1) dengan
Kepuasan Pasien (Y1) (rx1y1) 0,823
Sangat
Kuat 0,000 Signifikan Kualitas Pelayanan (X2)
dengan Harga (X3) (rx2x3) 0,525 Sedang 0,000 Signifikan Kualitas Pelayanan (X2)
dengan Kepuasan Pasien (Y1) (rx2y1)
0,775 Kuat 0,000
Signifikan Harga (X3) dengan
Kepuasan Pasien (Y1) (rx3y1) 0,585 Sedang 0,000
Berdasarkan hasil pengujian pada tabel di atas, diketahui bahwa seluruh variabel terdapat hubungan yang signifikan karena nilai probabilitasnya lebih kecil dari 0,05.
c. Analisis Jalur (Path Analysis)
Teknik pengolahan data selanjutnya dalam menyelesaikan penelitian ini yaitu dengan menggunakan analisis jalur (path analysis), dimana analisis jalur ini berfungsi untuk mengetahui pengaruh langsung dan tidak langsung sekumpulan variabel, sebagai variabel penyebab (variabel eksogen) terhadap seperangkat variabel lainnya yang merupakan variabel akibat (variabel endogen).
1) Persamaan Analisis Jalur 1
(Y1 = ρx1y1X1 + ρx2y1X2 + ρx3y1X3 + Є1)
Dalam penentuan pengaruh variabel penelitian secara keseluruhan didapat nilai koefisien jalur dari penjumlahan seluruh variabel eksogen terhadap variabel endogen. Nilai koefisien jalur (berdasarkan estimate) variabel citra merek, kualitas pelayanan,
harga terhadap kepuasan pasien dan loyalitas pasien diolah dengan menggunakan bantuan software SPSS 20 dan LISREL 8.5. berikut adalah hasil pengolahannya:
Tabel 4.57
Koefesien Jalur Persamaan 1
Standardized Coefficients Model Standardized Coefficients Beta 1 (Constant) CM .508 KP .341 H .145 a. Dependent Variable: KPS
Koefisien-koefisien jalur yang diperoleh berdasarkan hasil pengolahan adalah sebagai berikut.
y1x1 = 0,508
y1x2 = 0,341
y1x3 = 0,145
Jadi, persamaan analisis jalur yang terbentuk adalah sebagai berikut:
Y1 = ρx1y1X1 + ρx2y1X2 + ρx3y1X3 + Є1 Y1 = 0,508 (X1) + 0,341 (X2) + 0,145 (X3)
2) Persamaan Analisis Jalur 2
(Y2 = x1y2 X1 + x2y2 X2 + x3y2 X3 +y1y2 Y1+ Є2)
Dalam penentuan pengaruh variabel penelitian secara keseluruhan didapat nilai koefisien jalur dari penjumlahan seluruh variabel eksogen terhadap variabel endogen. Nilai koefisien jalur (berdasarkan estimate) variabel citra merek, kualitas pelayanan, harga, terhadap kepuasan pasien dan loyalitas pasien diolah dengan menggunakan bantuan software SPSS 20 dan LISREL 8.5. berikut adalah hasil pengolahannya:
Tabel 4.58
Koefesien Jalur Persamaan 2
Model Standardized Coefficients Beta 1 (Constant) CM .232 KP .253 H .140 KPS .345 a. Dependent Variable: LP
Koefisien-koefisien jalur yang diperoleh berdasarkan hasil pengolahan adalah sebagai berikut.
y2x1 = 0,232
y2x2 = 0,253
y2x3 = 0,140
y2y1 = 0,345
Jadi, persamaan analisis jalur yang terbentuk adalah sebagai berikut:
Y2 = x1y2 X1 + x2y2 X2 + x3y2 X3+ y1y2Y1
Y2 = 0,232 (X1) + 0,253 (X2) + 0,140 (X3) + 0,345 (Y1)
d. Pengaruh Langsung dan Tidak Langsung Persamaan 1 Y = yx1 X1 + yx2 X2 + yx3 X3 + Є1
Pengaruh langsung dan tidak langsung dari variabel eksogen yaitu citra merek (X1), kualitas pelayanan (X2) dan harga (X3) terhadap variabel endogen kepuasan pasien (Y1) dan loyalitas pasien (Y2)
Tabel 4.59
Pengaruh Langsung dan Tidak Langsung Citra Merek (X1) terhadap Kepuasan Pasien (Y1)
Pengaruh langsung dan tidak
langsung Perhitungan
Besar Kontribusi
X1 terhadap Y1 pyx1.pyx1 (0,508) (0,508) 0,258
X1 terhadapY1 melalui X2 pyx1.rx1x2.pyx2 (0,508) (0,704) (0,341) 0,122 X1 terhadapY1 melalui X3 pyx1.rx1x3.pyx3 (0,508) (0,515) (0,145) 0,0379
Total pengaruh X1 terhadap Y1 0,418
Sumber: data primer yang telah diolah
Dari tabel di atas dapat kita ketahui bahwa pengaruh langsung variabel citra merek (X1) terhadap kepuasan pasien (Y1) adalah sebesar
0,258 atau 25,8%, pengaruh tidak langsung melalui kualitas pelayanan (X2) adalah 0,122 atau 12,2% dan pengaruh tidak langsung melalui harga (X3) sebesar 0,0379 atau 3,79%. Sehingga total pengaruh yang diberikan variabel citra merek (X1) adalah 0,418 atau sebesar 41,8% terhadap kepuasan pasien (Y1). Ini berarti citra merek memiliki pengaruh yang sedang terhadap kepuasan pasien.
Tabel 4.60
Pengaruh Langsung dan Tidak Langsung Kualitas Pelayanan (X2) terhadap Kepuasan Pasien (Y1)
Pengaruh langsung dan tidak
langsung Perhitungan
Besar Kontribusi
X2 terhadap Y1 pyx2.pyx2 (0,341) (0,341) 0,116
X2 terhadapY1
melalui X1 pyx2.rx2x1.pyx1 (0,341) (0,704) (0,508) 0,122
X2 terhadapY1
melalui X3 pyx2.rx2x3.pyx3 (0,341) (0,525) (0,145) 0,026
Total pengaruh X2 terhadap Y1 0,264
Sumber: data primer yang telah diolah
Dari tabel di atas dapat kita ketahui bahwa pengaruh langsung kualitas pelayanan (X2) terhadap kepuasan pasien (Y1) adalah sebesar 0,116 atau 11,6%, pengaruh tidak langsung melalui citra merek (X1) adalah 0,122 atau 12,2% dan pengaruh tidak langsung melalui harga (X3) sebesar 0,026 atau 2,6%. Sehingga total pengaruh yang diberikan variabel kualitas pelayanan (X2) adalah 0,264 atau sebesar 26,4% terhadap kepuasan pasien (Y1). Ini berarti kualitas pelayanan memiliki pengaruh yang kecil terhadapkepuasan pasien.
Tabel 4.61
Pengaruh Langsung dan Tidak Langsung Harga (X3) terhadap Kepuasan Pasien (Y1)
Pengaruh langsung dan tidak
langsung Perhitungan
Besar Kontribusi
X3 terhadapY1 pyx3.pyx3 (0,145) (0,145) 0,021
X3 terhadapY1 melalui X1 pyx3.rx3x1.pyx1 (0,145) (0,515) (0,508) 0,038 X3 terhadapY1 melalui X2 pyx3.rx3x2.pyx2 (0,145) (0,525) (0,341) 0,026
Total pengaruh X3 terhadap Y1 0,085
Sumber: data primer yang telah diolah
Dari tabel di atas dapat kita ketahui bahwa pengaruh langsung harga (X3) terhadap kepuasan pasien (Y1) adalah sebesar 0,021 atau 2,1%, pengaruh tidak langsung melalui citra merek (X1) adalah 0,038 atau 3,8% dan pengaruh tidak langsung melalui kualitas pelayanan (X2) sebesar 0,026 atau 2,6%. Sehingga total pengaruh yang diberikan variabel harga (X3) adalah 0,085 atau sebesar 8,5% terhadap kepuasan pasien (Y1). Ini berarti harga memiliki pengaruh yang sangat kecil terhadap kepuasan pasien.
Pengaruh total : Pyxi + Pyxi.rxixj Pyxj
Pengaruh total X1 = 0,418 + 0,122 + 0,038 = 0,418 Pengaruh total X2 = 0,116 + 0,122 + 0,026 = 0,264 Pengaruh total X3 = 0,021 + 0,038 + 0,026 = 0,085 Maka pengaruh total Y1 = X1, X2, dan X3
Y1 = 0,418 + 0,264 + 0,085 = 0,767
Hasil ini mendekati hasil koefisien determinasi (R2x3x1x2) yaitu sebesar 0,767 seperti yang dijelaskan berikut ini:
Tabel 4.62
Hasil Uji Determinasi Persamaan 1
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .876a .767 .759 .21345 2.431 a. Predictors: (Constant), H, CM, KP b. Dependent Variable: KPS
Sumber: data primer yang telah diolah
Pada tabel di atas Model Summary, didapat 1 model analisis jalur dengan nilai koefisien korelasi (R) sebesar 0,876, nilai koefisien determinasi (R Square) sebesar 0,767 (76,7%). Nilai R Square sebesar 76,7%, ini menunjukkan bahwa dengan menggunakan model analisis jalur yang didapatkan dimana variabel independen yaitu citra merek (X1), kualitas pelayanan (X2) dan harga (X3) memiliki pengaruh terhadap variabel kepuasan pasien (Y1) sebesar 76,7%. Sedangkan sisanya (100% - 76,7% = 23,3%) adalah kemungkinan terdapat aspek-aspek lain yang memiliki pengaruh terhadap variabel kepuasan pasien (Y1).
e. Pengaruh Langsung dan Tidak Langsung Persamaan 2 Y2 = x1y2 X1 + x2y2 X2 + x3y2 X3 + ρy1y2 Y1+ Є2
Pengaruh langsung dan tidak langsung dari variabel citra merek (X1), kualitas pelayanan (X2), harga (X3) dan kepuasan pasien (Y1) terhadap variabel endogen loyalitas pasien (Y2).
Tabel 4.63
Pengaruh Langsung dan Tidak Langsung Citra Merek (X1) terhadap Loyalitas Pasien (Y2)
Pengaruh langsung dan tidak langsung Perhitungan Kontribusi Besar
X1 terhadap Y2 py2x1 (0,232) 0,232
X1 terhadap Y2 melalui Y1 pyx1.py2y (0,508) (0,350) 0,175
Total pengaruh X1 terhadap Y2 0,407
Sumber: data primer yang telah diolah
Dari tabel di atas dapat kita ketahui bahwa pengaruh langsung citra merek (X1) terhadap loyalitas pasien (Y2) adalah sebesar 0,232 dan pengaruh tidak langsung melalui loyalitas pasien (Y1) adalah 0,175. Sehingga total pengaruh yang diberikan variabel citra merek (X1) adalah 0,407 atau sebesar (0,4072 = 0,166) 16,6% terhadap loyalitas pasien (Y2). Ini berarti citra merek memiliki pengaruh yang lemah terhadap loyalitas pasien.
Tabel 4.64
Pengaruh Langsung dan Tidak Langsung Kualitas Pelayanan (X2) terhadapLoyalitas Pasien (Y2)
Pengaruh langsung dan tidak langsung Perhitungan Kontribusi Besar
X2 langsung Py2x2 (0,253) 0,253
X2 terhadap Y2 melalui Y1 Pyx2.py2y (0,341) (0,350) 0,118
Total pengaruh X2 terhadap Y2 0,371
Sumber: data primer yang telah diolah
Dari tabel di atas dapat kita ketahui bahwa pengaruh langsung kualitas pelayanan (X2) terhadap loyalitas pasien (Y2) adalah sebesar 0,253 dan pengaruh tidak langsung melalui kepuasan pasien (Y1) adalah 0,118. Sehingga total pengaruh yang diberikan variabel kualitas pelayanan (X2) adalah 0,371 atau sebesar (0,3712 = 0,138) 13,8% terhadap loyalitas pasien (Y2). Ini berarti kualitas pelayanan memiliki pengaruh yang sangat lemah terhadap loyalitas pasien.
Tabel 4.65
Pengaruh Langsung dan Tidak Langsung Harga (X3) Terhadap Loyalitas Pasien (Y2)
Pengaruh langsung dan tidak langsung Perhitungan Kontribusi Besar
X3 langsung Py2x3 0,140 0,140
X3 terhadap Y2 melalui Y1 Pyx3.py2y (0,145) (0,350) 0,050
Total pengaruh X3 terhadap Y2 0,190
Sumber: data primer yang telah diolah
Dari tabel di atas dapat kita ketahui bahwa pengaruh langsung harga (X3) terhadap loyalitas pasien (Y2) adalah sebesar 0,140 dan pengaruh tidak langsung melalui loyalitas pasien (Y1) adalah 0,050. Sehingga total pengaruh yang diberikan variabel harga (X3) adalah 0,190 atau sebesar (0,1902 = 0,036) 3,6% terhadap loyalitas pasien (Y2). Ini berarti harga memiliki pengaruh yang rendah terhadap loyalitas pasien.
Tabel 4.66
Pengaruh Langsung dan Tidak Langsung Kepuasan Pasien (Y1) terhadap Loyalitas Pasien (Y2)
Pengaruh langsung dan tidak langsung Perhitungan besar
kontribusi
Y1 terhadap Y2 Py2y 0,345 0,345
Total pengaruh Y1 terhadap Y2
Sumber: data primer yang telah diolah
Dari tabel 4.64 dapat kita ketahui bahwa pengaruh yang dimiliki kepuasan pasien (Y1) terhadap loyalitas pasien (Y2) hanya pengaruh langsung yaitu sebesar 0,345 atau (0,3452 = 0,119) 11,9%.
= 0,407 + 0,371 + 0,190 + 0,345
= (0,4072) + (0,3712) + (0,1902) + (0,3452) = 0,166 + 0,138 + 0,036 + 0,119 = 0,46
Tabel 4.67
Hasil Uji Determinasi Persamaan 2
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .856a .733 .722 .22816 2.283 a. Predictors: (Constant), KPS, H, KP, CM b. Dependent Variable: LP
Sumber: data primer yang telah diolah
Pada tabel di atas Model Summary, didapat 1 model analisis jalur dengan nilai koefisien korelasi (R) sebesar 0,856, nilai koefisien determinasi (R Square) sebesar 0,733 (73,3%). nilai R Square sebesar 73,3%, Ini menunjukkan bahwa dengan menggunakan model analisis jalur yang didapatkan dimana variabel independen yaitu citra merek (X1), kualitas pelayanan (X2), harga (X3) dan kepuasan pasien (Y1), memiliki pengaruh terhadap variabel loyalitas pasien (Y2) sebesar 73,3%. Sedangkan sisanya (100% - 73,3% = 26,7%) adalah kemungkinan terdapat aspek - aspek lain yang memiliki pengaruh terhadap perubahan variabel loyalitas pasien (Y2). Hal ini sesuai dengan nilai error yang muncul pada path di atas yaitu sebesar 0,22816.
f. Diagram Analisis Jalur
Besarnya koefisien jalur diperlihatkan oleh hasil output diagram jalur dengan menggunakan software LISREL 8.50. Harga koefisien jalur keseluruhan variabel dapat dilihat pada gambar di bawah ini.
Gambar 4.2 Diagram Analisis Jalur
Sumber: data primer yang telah diolah
Berdasarkan diagram gambar di atas, dapat diketahui terdapat dua buah persamaan analisis jalur. Pertama bahwa variabel citra merek (X1), kualitas pelayanan (X2) dan harga (X3) merupakan tiga variabel eksogen yang satu dengan yang lainnya mempunyai kaitan korelatif secara bersama-sama mempengaruhi variabel endogen kepuasan pasien (Y1).
Kedua diketahui bahwa variabel citra merek (X1), kualitas pelayanan (X2), harga (X3) dan kepuasan pasien (Y1) merupakan empat variabel eksogen yang satu dengan yang lainnya mempunyai kaitan korelatif secara bersama-sama mempengaruhi variabel endogen loyalitas pasien(Y2).
g. Pengujian Hipotesis
1) Uji thitung (Uji Parsial Persamaan 1)
Pengujian hipotesis secara parsial dimaksudkan untuk mengetahui ada atau tidaknya pengaruh variabel bebas secara parsial terhadap variabel terikat. Hasil hipotesis dalam pengujian ini adalah:
Tabel 4.68
Hasil Uji t (Uji Parsial Persamaan 1) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .209 .241 .864 .389 CM .427 .060 .508 7.097 .000 KP .384 .081 .341 4.729 .000 H .133 .055 .145 2.436 .017 a. Dependent Variable: KPS
Sumber: data primer yang telah diolah
Y1 =
yx1X1 +
yx2X2 +
yx3X3+ Berdasarkan tabel di atas mengenai uji t, Berikut adalah pengujiannya:
(a)Menguji signifikansi koefisien X1 (citra merek) pada model analisis jalur:
Berikut adalah hipotesis yang diajukan :
Ho : yx1 = 0 (koefisien X1 (citra merek) tidak signifikan) Ha : yx1 ≠ 0 (koefisien X1 (citra merek) signifikan) Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Terlihat bahwa thitung untuk koefisien citra merek adalah 7,029, Sedang ttabel bisa dihitung pada tabel t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2 = 98). Didapat ttabel adalah 1,98.
Oleh karena thitung > ttabel, (7,097 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien citra merek berpengaruh signifikan terhadap kepuasan pasien. (2) Berdasarkan nilai probabilitas dengan α = 0,05:
Jika probabilitas > 0,05, maka Ho diterima Jika probabilitas < 0,05, maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,000 atau probabilitas di bawah 0,05 (0,000 < 0,05). Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu koefisien citra merek berpengaruh signifikan terhadap kepuasan pasien.
(b)Menguji signifikansi koefisien yx2 (kualitas pelayanan) pada model analisis jalur:
Berikut adalah hipotesis yang diajukan:
Ho : yx2 = 0 (koefisien X2 (kualitas pelayanan) tidak signifikan)
Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Jika |thitung| < ttabel, maka Ha diterima
Terlihat bahwa thitung untuk koefisien kualitas pelayanan adalah 4,729, Sedang ttabel bisa dihitung pada tabel
t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2=98). Didapat ttabel adalah 1,98.
Oleh karena thitung < ttabel, (4,729 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien kualitas pelayanan berpengaruh signifikan terhadapkepuasan pasien. (2) Berdasarkan nilai probabilitas dengan α = 0,05:
Jika probabilitas > 0,05, maka Ho diterima Jika probabilitas < 0,05, maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,000 atau probabilitas di bawah 0,05 (0,000 < 0,05). Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu koefisien kualitas pelayananberpengaruh signifikan terhadap kepuasan pasien.
(c)Menguji signifikansi koefisien yx3 (harga) pada model analisis jalur:
Berikut adalah hipotesis yang diajukan:
Ho : yx3 = 0 (koefisien X3 (harga) tidak signifikan) Ha : yx3 ≠ 0 (koefisien X3 (harga) signifikan) Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Jika |thitung| < ttabel, maka Ha diterima
Terlihat bahwa thitung untuk koefisien harga adalah 2,436, Sedang ttabel bisa dihitung pada tabel t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2 = 98). Didapat ttabel adalah 1,98.
Oleh karena thitung < ttabel, (2,436 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien harga berpengaruh signifikan terhadap kepuasan pasien.
(2) Berdasarkan nilai probabilitas dengan α = 0,05: Jika probabilitas > 0,05, maka Ho diterima Jika probabilitas < 0,05, maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,017 atau probabilitas di bawah 0,05 (0,017 < 0,05).
Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu harga berpengaruh signifikan terhadap kepuasan pasien.
Tabel 4.69
Pengujian Individual Persamaan 1 No Hipotesis Koefisien
jalur thitung ttabel Kesimpulan
1 yx1≠ 0 yx1 = 0,508 7,097 1,98 Ho ditolak
2 yx2≠ 0 yx2 = 0,341 4,729 1,98 Ho ditolak
3 yx3≠ 0 yx3 = 0,145 2,436 1,98 Ho ditolak
Sumber: data primer yang telah diolah
Dari hasil pengujian parsial diketahui bahwa untuk variabel penetapan citra merek, kualitas pelayanan dan harga berpengaruh signifikan terhadap kepuasan pasien.
2) Uji F (Uji Simultan Persamaan 1)
(Persamaan Y1 =
yx1X1 +
yx2X2 +
yx3X3 + )Pengujian hipotesis secara simultan bertujuan untuk mengukur besarnya pengaruh variabel bebas secara bersama-sama terhadap variabel terikatnya. Hasil hipotesis yang dalam pengujian ini adalah:
Tabel 4.70
Hasil Uji F (Uji Simultan Persamaan 1)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 14.374 3 4.791 105.159 .000b Residual 4.374 96 .046 Total 18.748 99 a. Dependent Variable: KPS b. Predictors: (Constant), H, CM, KP
Pada tabel di atas analisis varian (Anova) ditampilkan hasil uji F yang dapat dipergunakan untuk menguji model apakah variabel citra merek, kualitas pelayanan dan harga secara simultan berpengaruh signifikan terhadap kepuasan pasien.
Ho : ρy1x1 = ρy1x2 = ρy1x3 = 0
Ha : sekurang-kurangnya ada sebuah ρy1xi0, ; i = 1, 2, 3
Pengambilan keputusan berdasarkan perbandingan nilai Fhitung dengan Ftabel :
Jika Fhitung > ttabel, maka Ho ditolak Jika Fhitung < ttabel, maka Ho diterima
Dari penghitungan didapat nilai Fhitung sebesar 105,159. Dengan tingkat signifikansi sebesar 5% dan df1 = 3 dan df2 = 96, didapat nilai Ftabel = 2,70. Karena nilai Fhitung (105,159) > nilai Ftabel (2,70) maka Ho ditolak atau terdapat kecocokan antara model dengan data. Sehingga dapat disimpulkan bahwa aspek variabel citra merek, kualitas pelayanan dan harga secara simultan berpengaruh signifikan terhadap kepuasan pasien. Sehingga model analisis jalur yang didapatkan layak digunakan untuk memprediksi. Atau jika dilihat dengan menggunakan nilai signifikansi, diketahui bahwa nilai sig (0,000 < 0,05) sehingga memiliki kesimpulan yang sama dengan Uji F yaitu terdapat kecocokan antara model dengan data.
3) Uji thitung (Uji Parsial Persamaan 2)
Pengujian hipotesis secara parsial dimaksudkan untuk mengetahui ada atau tidaknya pengaruh variabel bebas secara parsial terhadap variabel terikat. Hasil hipotesis dalam pengujian ini adalah:
Tabel 4.71
Hasil Uji t (Uji Parsial Persamaan 2) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .228 .259 .879 .382 CM .194 .079 .232 2.441 .017 KP .284 .096 .253 2.947 .004 H .127 .060 .140 2.114 .037 KPS .343 .109 .345 3.145 .002 a. Dependent Variable: LP
Sumber: data primer yang telah diolah
Y2 =
y2x1 X1 +
y2x2X2 +
y2x3X3 +
y2y1Y1 + Berdasarkan tabel di atas mengenai uji t, Berikut adalah pengujiannya:
(a) Menguji signifikansi koefisien x1 (citra merek) pada model analisis jalur:
Berikut adalah hipotesis yang diajukan:
Ho : y2x1 = 0 (koefisien x1 (citra merek) tidak signifikan) Ha : y2x1 ≠ 0 (koefisien x1 (citra merek) signifikan) Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Terlihat bahwa thitung untuk koefisien citra merek adalah 2,441, Sedang ttabel bisa dihitung pada tabel t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2 = 98). Didapat ttabel adalah 1,98.
Oleh karena thitung > ttabel, (2,441 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien citra merek berpengaruh signifikan terhadap loyalitas pasien. (2) Berdasarkan nilai probabilitas dengan α = 0,05:
Jika probabilitas > 0,05, maka Ho diterima Jika probabilitas < 0,05, maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,017 atau probabilitas di bawah 0,05 (0,017< 0,05). Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu koefisien citra merek berpengaruh signifikan terhadap loyalitas pasien. (b) Menguji signifikansi koefisien y2x2 (kualitas pelayanan) pada
model analisis jalur:
Berikut adalah hipotesis yang diajukan :
Ho : y2x2 = 0 (koefisien X2 (kualitas pelayanan) tidak signifikan)
Ha : y2x2 ≠ 0 (koefisien X2 (kualitas pelayanan) signifikan) Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Jika |thitung| < ttabel, maka Ha diterima
Terlihat bahwa thitung untuk koefisien kualitas pelayanan adalah 2,947, Sedang ttabel bisa dihitung pada tabel t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2 = 98). Didapat ttabel adalah 1,98.
Oleh karena thitung < ttabel, (2,947 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien kualitas pelayanan berpengaruh signifikan terhadap loyalitas pasien.
(2) Berdasarkan nilai probabilitas dengan α = 0,05: Jika probabilitas > 0,05 , maka Ho diterima Jika probabilitas < 0,05 , maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,004 atau probabilitas di bawah 0,05 (0,004 < 0,05). Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu koefisien kualitas pelayanan berpengaruh signifikan terhadap loyalitas pasien.
(c) Menguji signifikansi koefisien y2x3 (harga) pada model analisis jalur:
Berikut adalah hipotesis yang diajukan:
Ho : y2x2 = 0 (koefisien X3 (harga) tidak signifikan) Ha :y2x2≠ 0 (koefisien X3 (harga) signifikan)
Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Jika |thitung| < ttabel, maka Ha diterima
Terlihat bahwa thitung untuk koefisien harga adalah 2,114, Sedang ttabel bisa dihitung pada tabel t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2 = 98). Didapat ttabel adalah 1,98.
Oleh karena thitung< ttabel, (2,114 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien harga berpengaruh signifikan terhadap loyalitas pasien.
(2) Berdasarkan nilai probabilitas dengan α = 0,05: Jika probabilitas > 0,05, maka Ho diterima Jika probabilitas < 0,05, maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,037 atau probabilitas di bawah 0,05 (0,037 < 0,05).
Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu koefisien harga berpengaruh signifikan terhadap loyalitas pasien.
(d) Menguji signifikansi koefisien y2y1 (kepuasan pasien) pada model analisis jalur:
Berikut adalah hipotesis yang diajukan:
Ho : y2y1 = 0 (koefisien Y1 (kepuasan pasien) tidak signifikan)
Ha : y2y1 ≠ 0 (koefisien Y1 (kepuasan pasien) signifikan) Pengambilan keputusan didasarkan atas dua metode:
(1) Berdasarkan perbandingan nilai thitung dengan ttabel di mana Jika |thitung| > ttabel, maka Ho ditolak
Jika |thitung| < ttabel, maka Ha diterima
Terlihat bahwa thitung untuk koefisien kepuasan pasien adalah 3,145, Sedang ttabel bisa dihitung pada tabel t-test, dengan α = 0,05, karena digunakan hipotesis dua arah, ketika mencari ttabel, nilai α dibagi dua menjadi 0,025, dan df = 98 (didapat dari rumus n - 2, dimana n adalah jumlah data, 100 - 2 = 98). Didapat ttabel adalah 1,98.
Oleh karena thitung < ttabel, (3,145 > 1,98), maka Ho ditolak, sehingga dapat disimpulkan bahwa koefisien kepuasan pasien berpengaruh signifikan terhadap loyalitas pasien.
(2) Berdasarkan nilai probabilitas dengan α = 0,05: Jika probabilitas > 0,05 , maka Ho diterima Jika probabilitas < 0,05 , maka Ho ditolak
Terlihat bahwa nilai probabilitas pada kolom Sig adalah 0,002 atau probabilitas di bawah 0,05 (0,002 < 0,05). Dengan demikian Ho ditolak, sehingga mempunyai kesimpulan yang sama dengan uji t yaitu koefisien kepuasan pasien berpengaruh signifikan terhadap loyalitas pasien.
Tabel 4.72
Pengujian Individual Persamaan 2
No Hipotesis Koefisien jalur thitung ttabel Kesimpulan
1 y2x1≠ 0 y2x1 = 0,232 2,441 1,98 Ho ditolak
2 y2x2≠ 0 y2x2 = 0,253 2,947 1,98 Ho ditolak
3 y2x3 ≠ 0 y2x3 = 0,140 2,114 1,98 Ho ditolak
4 y2y1 ≠ 0 y2y1 = 0,345 3,145 1,98 Ho ditolak
Sumber: data primer yang telah diolah
Dari hasil pengujian parsial diketahui bahwa untuk variabel citra merek, kualitas pelayana, harga da kepuasan pasien berpengaruh signifikan terhadap loyalitas pasien.
4) Uji Fhitung (Uji Simultan Persamaan 2)
(Persamaan Y2 = ρy2x1X1 + ρy2x2X2 + ρy2x3X3 + ρy2y1Y1 + ε) Pengujian hipotesis secara simultan bertujuan untuk mengukur besarnya pengaruh variabel bebas secara bersama-sama terhadap variabel terikatnya. Hasil hipotesis yang dalam pengujian ini adalah:
Tabel 4.73
Hasil Uji F (Uji Simultan Persamaan 2)
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 13.594 4 3.398 65.285 .000b Residual 4.945 95 .052 Total 18.539 99 a. Dependent Variable: LP b. Predictors: (Constant), KPS, H, KP, CM
Sumber: data primer yang telah diolah
Pada tabel di atas analisis varian (Anova) ditampilkan hasil uji F yang dapat dipergunakan untuk menguji model apakah variabel citra merek, kualitas pelayana, harga da kepuasan pasien secara simultan berpengaruh signifikan terhadap loyalitas pasien. Pengujian dilakukan dengan Uji F, hipotesis yang diajukan adalah :