RUMAH SAKIT DI KOTA BENGKULU
POPULASI DAN SAMPEL
Populasi yang digunakan dalam penelitian ini adalah seluruh pengelola yang ada di Rumah Sakit Kota Bengkulu. Rumah Sakit yang dimaksud adalah Rumah Sakit Umum M.yunus Provinsi Bengkulu, Rumah Sakit Tiara Sella Bengkulu, Rumah Sakit Umum Raflesia Bengkulu, Rumah Sakit Tingkat IV 02.07.01 Zainul Ariin Bengkulu, dan Rumah Sakit Bhayangkara Tingkat IV Polda Bengkulu. Sampel adalah sebagian dari populasi atau sejumlah anggota yang dipilih dari populasi (Sekaran, 2006). Untuk itu sampel diambil
dari populasi harus betul-betul representatif
(mewakili).
dalam penelitian ini teknik yang digunakan dalam penentuan sampelnya adalah sampel random berstrata (Stratiied Random Sampling) dimana populasi dibagi strata-strata (sub populasi),
kemudian pengambilan sampel dilakukan dalam setiap strata baik secara simple random sampling,
maupun secara systematic random sampling (Sugiyono, 2010). Sub populasi ini dinamakan lapisan (strata). Untuk jumlah sampel yang sama, stratiied random sampling lebih eisien dibanding simple random sampling. Selain meningkatkan eisiensi, Stratiied Random Sampling juga
digunakan untuk memastikan kategori-kategori
yang proporsinya kecil dalam populasi cukup terwakili (Sugiarto, 2001). Kriteria yang dibuat
untuk menentukan sampel dalam penelitian
ini adalah pengelola Rumah sakit yang terlibat dibagian keuangan dan pelayanan di Rumah Sakit tersebut. Strata dari sampel penelitian ini adalah kepala bagian, staf dan perawat pelaksana. Setelah itu cara pengambilan sampelnya adalah secara random.
Metode yang digunakan dalam pengumpulan data adalah metode kuesioner yang merupakan
suatu teknik pengumpulan data secara tidak
langsung (peneliti tidak langsung bertanya jawab dengan responden). Peneliti akan mendatangi langsung Rumah Sakit yang ada di Bengkulu dan
kuesioner yang tersedia dan mengambil hasil kuesioner secepatnya.
dalam penelitian ini menggunakan Path Analysis atau yang biasa disebut analisis jalur yaitu suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung”. (Sekaran, 2006).
untuk menguji kualitas data dalam penelitian
ini menggunakan uji validitas dan uji reliabilitas. Berikut penjelasan mengenai uji validitas dan reliabilitas.
dalam menguji item-item kuesioner dalam penelitian ini menggunakan metode korelasi
Pearson. Metode uji validitas ini dengan cara
mengkorelasikan masing-masing skor item
dengan skor total item. Skor total item adalah penjumlahan dari keseluruhan item. Jika nilai korelasi (r hitung) lebih besar dari r tabel maka item kuesioner tersebut dinyatakan valid, sebaliknya jika r hitung lebih kecil dari r tabel atau nilai korelasi negatif maka item tidak valid.
Metode uji reliabilitas yang digunakan adalah Cronbach’s Alpha. Untuk menentukan apakah
instrument reliable atau tidak, bisa digunakan
batasan tertentu yaitu 0,6. Menurut Sekaran (2006), reliabilitas kurang dari 0,6 adalah kurang
baik, sedangkan 0,7 dapat diterima dan di atas
0,8 adalah sangat baik.
Uji asumsi klasik yang digunakan dalam
model penelitian ini adalah uji normalitas, uji
multikolinearitas dan uji heteroskedastisitas. Berikut penjelasan mengenai uji asumsi klasik analisis jalur dalam penelitian ini.
Model regresi yang baik adalah yang mempunyai distribusi normal (Sekaran, 2006). Untuk menguji data yang berdistribusi normal akan digunakan alat uji normalitas, yaitu one sample Kolmogorov-Smirnov. data dikatakan berdistribusi normal jika signiikansi variabel dependen memiliki nilai signiikansi lebih dari 5%. data penelitian yang baik adalah yang berdistribusi secara normal.
uji multikolinearitas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi antar variabel independen (Sekaran, 2006). Model regresi yang baik seharusnya tidak
terjadi korelasi di antara independen. Untuk mendeteksi ada atau tidaknya multikolinearitas
di dalam model, peneliti akan melihat tolerence
dan Variance Infaltion Factors (VIF) dengan alat bantu program Statistical Product and Service Solution (SPSS).
tolerence mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Jadi nilai Tolerence yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerence). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerence < 0.5 atau sama dengan nilai VIF > 10. Bila ternyata
dalam model terdapat multikolinearitas, peneliti akan mengatasi hal tersebut dengan transformasi
variabel. Transformasi variabel merupakan
salah satu cara mengurangi hubungan linier
di antara variabel independen. Transformasi
dapat dilakukan dalam bentuk logaritma natural
dan bentuk irst difference atau delta (Sekaran, 2006).
uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance tetap maka
disebut homoskedastisitas dan jika berbeda
maka terjadi problem heteroskedastisitas. Model regresi yang baik yaitu homoskesdatisitas atau tidak terjadi heteroskedastisitas. dalam penelitian ini uji heterkedastisitas yang digunakan adalah uji park yang mengemukakan metode bahwa varian (σ2) merupakan fungsi variabel-variabel bebas yang dinyatakan dalam persamaan sebagai berikut (Sekaran, 2006):
σ i = α Xiβ.
setelah nilai varian dikuadratkan, langkah
selanjunya adalah mentransformasikan nilai varian yang sudah dikuadratkan menjadi bentuk natural logaritma (Ln). Nilai varian yang sudah ditansformasikan ke dalam bentuk natural logaritma (Ln) akan dilanjutkan dengan
melakukan regresi linear dengan mengganti
variabel dependen persamaan awal menjadi nilai
dari varian residual setelah ditransformasikan
suatu penelitian dikatakan tidak terjadi masalah heterokedastisitas apabila dari hasil
pengujian nilai unstandardized residual memiliki nilai signiikan lebih dari 0,05. Namun jika nilai unstandardized residual memiliki nilai signiikan kurang dari 0,05 maka terjadi masalah heterokedastisitas (Sekaran, 2006).
Penelitian ini menggunakan analisis jalur sebagai alat analisis datanya yang akan dihitung dengan menggunakan alat bantu SPSS 16 dalam perhitungannya. Model jalur yang digunakan
dalam penelitian ini adalah model regresi
berganda parsial dan simultan. Analisis regresi berganda (Multivariate Regression) merupakan
suatu model dimana variabel terikat tergantung
pada dua atau lebih variabel bebas. Analisis ini
digunakan untuk mengetahui pengaruh variabel
bebas/ independen terhadap variabel terikat.
untuk menunjukkan hubungan diantara variabel exogenous terhadap variabel endogenus dalam penelitian ini dengan analisis jalur digunakan persamaan jalur sebagai berikut:
y2 =
ρ
y1x1X1 +ρ
y1x2X2 +ρ
y2x1X1 +ρ
y2x2X2 +ρ
y2y1y1 +ρ
y22 …….. (3.1)dimana:
y1 : Kepuasan Pasien
y2 : Proitabilitas (Pemulihan Pembiayaan)
rumah sakit
β : Slope ε : Standar Eror
x1 : Kualitas Klinis
x2 : Kualitas Proses
Adapun langkah-langkah yang dilakukan
untuk melihat hasil pengujian dari hipotesis- hipotesis dalam penelitian ini adalah sebagai berikut:
1. Meregresikan variabel kualitas klinis (X1) dan variabel kualitas proses (X2) dengan variabel kepuasan pasien (y1) yang menggunakan alat bantu SPSS16 dalam pengolahan datanya. Persamaan yang digunakan adalah sebagai
berikut:
y1 =
ρ
y1x1X1 +ρ
y1x2X2 +ρ
y1ε1 … (3.2)2. Meregresikan variabel kualitas klinis (X1) dan variabel kualitas proses (X2) dan variabel kepuasan pasien (y1) terhadap variabel
proitabilitas (pemulihan pembiayaan
rumah sakit (y2) yang menggunakan alat bantu SPSS16 dalam pengolahan datanya. Persamaan yang digunakan adalah sebagai
berikut:
y2 =
ρ
y2x1X1 +ρ
y2x2X2 +ρ
y2y1y1 +ρ
y2ε2… (3.3)3. Setelah hasil koeisien β didapatkan hal selanjutnya yang dilakukan adalah memasukan nilai koeisien β ke persamaan untuk mencari nilai R2. Nilai R2 tersebut akan
digunakan untuk menghitung nilai Fhitung
yang kemudian nilainya akan dibandingkan dengan Ftabel.
dalam penelitian ini peneliti menggunakan
2 uji hipotesis yaitu uji t dan uji f. dalam melakukan pengujian tingkat signiikansi masing-masing koeisien regresi yang diperoleh dari perhitungan, maka prosedurnya dimulai dengan dirumuskannya hipotesis nol (ho) dan hipotesis alternative (ha) bagi setiap koeisien regresi (Priyatno, 2010). Adapun penjelasannya
adalah sebagai berikut:
Uji t pada dasarnya menunjukkan seberapa
jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel
terikat. Tujuan dari uji t adalah untuk menguji koeisien regresi secara individual.
• hipotesa Nol = ho
ho adalah satu pernyataan mengenai nilai parameter populasi. ho merupakan hipotesis statistik yang akan diuji hipotesis nihil. • hipotesa alternatif = ha
ha adalah satu pernyataan yang diterima jika data sampel memberikan cukup bukti bahwa hipotesa nol adalah salah.
Langkah-langkah/ urutan menguji hipotesa
dengan distribusi t:
1. Merumuskan hipotesa
ho : βi ≤ 0, artinya variabel bebas bukan merupakan penjelas yang signiikan terhadap
variabel terikat.
ha : βi > 0, artinya variabel bebas merupakan penjelas yang signiikan terhadap variabel terikat.
2. Menentukan taraf nyata (level of signiicance) = α
Taraf nyata/derajad keyakinan yang digunakan sebesar α = 5%, dengan: df = n – k
dimana:
df = degree of freedom/ derajad kebebasan n = Jumlah sampel
k = banyaknya koeisien regresi + konstanta 3. Menentukan daerah keputusan, yaitu daerah
dimana hipotesa nol diterima atau tidak.
dalam penelitian ini menggunakan uji 1 sisi
(arah) karena hipotesis penelitian ini sudah ditentukan arahnya yaitu positif. Untuk uji 1 sisi (arah), taraf kesalahannya adalah α (Sugiyono, 2010).
4. Menentukan uji statistik (Rule of the test) 5. Mengambil keputusan
Keputusan bisa menolak ho dan menerima
ha atau menerima ho dan menolak ha. Nilai signiikan yang didapat dari hasil olahan menggunakan alat bantu SPSS dibandingkan dengan taraf yang telah ditetapkan. Apabila Sig t < α (α = 0,05) dan nilainya bertanda positif artinya ada pengaruh antara variabel bebas terhadap variabel terikat. Apabila Sig t > α (α = 0,05) dan nilainya bertanda negatif artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
uji F ini dilakukan untuk menguji model kompleks dari kualitas klinis, kualitas proses, dan kepuasan pasien berpengaruh positif terhadap
(proitabilitas) pemulihan pembiayaan Rumah Sakit di Kota Bengkulu secara simultan.
Langkah-langkah/ urutan menguji hipotesa
dengan distribusi F:
1. Menentukan taraf nyata (level of signiicance) = α
Taraf nyata/derajad keyakinan yang digunakan sebesar α = 5 %.
derajat bebas (df) dalam distribusi F ada dua, yaitu :
df numerator = dfn = df1 = k – 1 df denumerator = dfd = df2 = n – k
dimana:
df = degree of freedom/derajad kebebasan n = Jumlah sampel
k = banyaknya koeisien regresi
2. Menentukan daerah keputusan, yaitu daerah
dimana hipotesa nol diterima atau tidak
ho diterima apabila F hitung ≤ F tabel, artinya
semua variabel bebas secara bersama-sama
bukan merupakan variabel penjelas yang signiikan terhadap variabel terikat.
ho ditolak apabila F hitung > F tabel, artinya
semua variabel bebas secara bersama-sama
merupakan penjelas yang signiikan terhadap variabel terikat.
3. Menentukan uji statistik nilai F
Bentuk distribusi F selalu bernilai positif
4. Mengambil keputusan
Keputusan bisa menolak ho atau menolak ho
menerima ha. Nilai F tabel yang diperoleh
dibanding dengan nilai F hitung apabila F hitung lebih besar dari F tabel, maka ho
ditolak sehingga dapat disimpulkan bahwa ada pengaruh yang signiikan antara variabel
tersebut
untuk mendapatkan nilai r2 dan F model secara keseluruhan dihitung dengan cara pada
tabel disamping.
maka dari itu nilai F bisa dihitung dengan rumus :
F = R2/k-1 .
(1 - R2)/n-k-1
dimana :
R2 : Koeisien determinasi k : banyaknya variabel bebas n : banyaknya sampel
Pengaruh Variabel X1 ke Variabel y1
Pengaruh X1 ke y1 langsung ρy1x1 * ρy1x1 xxx Pengaruh X1 ke y1 Melalui X2 ρy1x1 * τx1x2 * ρy1x2 xxx +
Pengaruh Total X1 ke y1 Xxx Pengaruh Variabel X2 ke Variabel y1
Pengaruh X2 ke y1 langsung ρy1x2 * ρy1x2 xxx Pengaruh X2 ke y1 Melalui X1 ρy1x2 * τx1x2 * ρy1x1 xxx +
Pengaruh Total X2 ke y1 Xxx Pengaruh Variabel X1 ke Variabel y2
Pengaruh X1 ke y2 langsung ρy2x1 * ρy2x1 xxx
Pengaruh X1 ke y2 melalui y1 ρy2x1 * ρy1x1 * ρy2y1 xxx Pengaruh X1 ke y2 Melalui X2 ρy2x1 * τx1x2 * ρy2x2 xxx Pengaruh X1 ke y2 Melalui X2 dan y1 ρy2x1 * τx1x2 * ρy1x2 * ρy2y1 xxx +
Pengaruh Total X1 ke y2 Xxx Pengaruh Variabel X2 ke Variabel y2
Pengaruh X2 ke y2 langsung ρy2x2 * ρy2x2 xxx Pengaruh X2 ke y2 melalui y1 ρy2x2 * ρy1x2 * ρy2y1 xxx Pengaruh X2 ke y2 Melalui X1 ρy2x2 * τx1x2 * ρy2x1 xxx
Pengaruh X2 ke y2 Melalui X1 dan y1 ρy2x2 * τx1x2 * ρy1x1 * ρy2y1 xxx +
Pengaruh Total X2 ke y2 Xxx +
Pengaruh Total Variabel Penelitian (R2)
Xxx