BAB V HASIL PENELITIAN DAN PEMBAHASAN Sejarah Singkat Berdirinya Rumah Sakit Umum Ganesha

(1)

BAB V

HASIL PENELITIAN DAN PEMBAHASAN

5.1 Hasil Penelitian

5.1.1 Sejarah Singkat Berdirinya Rumah Sakit Umum Ganesha

Rumah Sakit Ganesha didirikan pada tahun 2005 oleh dr. Budiana di Desa Celuk Gianyar. Hal ini sangat menguntungkan bagi masyarakat Bali Timur khususnya masyarakat daerah Ubud yang mempunyai potensi pariwisata dan Gianyar untuk mendapatkan kemudahan akses pelayanan kesehatan. RS. Ganesha memiliki pengalaman di dunia kesehatan yang terus ditingkatkan kualitasnya untuk menjadi rumah sakit terkemuka yang mencakup penyediaan pelayanan kesehatan yang komprehensif dan sampai saat ini RSG memiliki kapasitas rawat inap yang terdiri dari kamar kelas 1, 2, 3, VIP I, dan VIP II.

Pelayanan medis RS. Ganesha didukung oleh sumber daya manusia yang professional dan berpengalaman serta dokter yang memiliki standar medis di bidangnya. Disamping itu, RS. Ganesha juga memiliki beberapa jaringan kerjasama kesehatan, baik itu antar rumah sakit maupun perusahaan, di mana semuanya bertujuan untuk meningkatkan kualitas pelayanan bagi masyarakat.

5.1.1.1 Profil Rumah Sakit Umum Ganesha

Rumah sakit sebagai salah satu bentuk perusahaan sekaligus pemain utama yang bergerak dalam industri pelayanan kesehatan dan bercirikan padat modal, padat profesi, padat teknologi, padat karya yang pada akhirnya memiliki

(2)

pula padat masalah termasuk tuntutan bagaimana dapat mempertahankan keunggulan bersaing disatu sisi dan disisi lain tetap mempertahankan fungsi sosial sebagaimana yang diatur dalam peraturan yang berlaku saat ini.

Perubahan orientasi strategis sebagai akibat dari perubahan lingkungan luar yang bersifat struktural, akan mengakibatkan perubahan pada fungsi dan peran organisasi yang akan berakibat pula pada perubahan struktur organisasi. Semua itu agar organisasi dapat tetap bertahan dalam konteks persaingan yang makin ketat di masa mendatang. Persaingan adalah inti dari keberhasilan atau kegagalan organisasi / perusahaan. Persaingan menentukan ketepatan aktivitas perusahaan yang akan menyokong kinerjanya, seperti inovasi, budaya kohesif, atau pelaksanaan yang baik. Strategi bersaing adalah pencarian akan posisi bersaing yang paling menguntungkan di dalam suatu industri, area fundamental tempat persaingan terjadi.

Sistem pelayanan rumah sakit yang berjalan selama ini harus ditinjau kembali untuk mengantisipasi persaingan tingkat dunia. Rumah sakit tidak dapat lagi dikelola dengan manajemen sederhana, tetapi harus mampu memenuhi kebutuhan masyarakat yang muncul akibat perubahan lingkungan sosial ekonomi dan budaya di masyarakat .

Adapun jenis pelayanan yang diberikan oleh Rumah Sakit Ganesha anatar lain : 1) UGD (Unit Gawat Darurat)

Ruang perawatan 24 jam untuk melayani pasien darurat secara cepat, akurat, dan aman. Dilengkapi dengan peralatan medis yang memadai, ruang observasi serta tenaga medis yang terlatih.

(3)

2) Laboratorium

Fasilitas Rumah Sakit Ganesha mencakup penyediaan laboratorium yang berfungsi untuk menunjang penegakan diagnosis penderita. Terletak di lokasi yang mudah dijangkau untuk memudahkan pelayanan selama 24 jam.

3) Farmasi

RS. Ganesha dilengkapi dengan instalasi farmasi 24 jam untuk memudahkan pasien mendapatkan obat dan alat kesehatan yang diperlukan.

4) Ambulance

Ambulans dilengkapi dengan fasilitas peralatan dan obat-obat life saving/DC shock dengan tenaga dokter dan paramedis terlatih. Tersedia pula unit layanan ambulans (transfer pasien) untuk menjemput pasien yang memerlukan pre-hospital di tempat.

5) Rontgen

Untuk pemeriksaan radiologi tersedia pelayanan rontgen 24 jam (on call)

5.1.1.2 Struktur Organisasi Rumah Sakit Ganesha

(4)

Gambar 5.1

Struktur Organisasi Rumah Sakit Ganesha

5.1.2 Karakteristik Responden

Total responden pada penelitian ini adalah 118 pasien rawat inap yang pernah menikmati jasa pelayanan kesehatan di Rumah Sakit Ganesha. Jumlah tersebut diharapkan mampu mewakili jumlah pasien secara keseluruhan. Berikut karakteristik responden berdasarkan data yang telah diisi oleh responden dalam kuisioner menurut jenis kelamin, umur, jenis pekerjaan dan diagnosa penyakit. Keterangan :

RUPS = Rapat Umum Pemegang Saham

MANAJER PENUNJANG MEDIS MANAJER UMUM & KEUANGAN MANAJER SDM MENAJER HUMAS, MARKETING & CUSTEMER SERVICE KA.BID PELAYANAN MEDIS KA.BID PEL PERAWATAN

RI, UGD, OK, VK KA.BID UNIT LAB PATOLOGI KLINIK KA.BID UNIT RADIOLOGI KA.BID UNIT FARMASI KA.BID KEUANGAN KA.BID UMUM & ADMINISTRASI KA.BID DIKLAT KA.BID PERSONALIA KA.BID HUMAS KA.BID MEDCAL & CORPORATE KA.BID COSTUMER SERVICE KA.BID REKAM MEDIK DIREKTUR KOMISARIS

Komite Keperawatan _Komite_Medik

Internal Audit KA.BID GIZI MANAJER PELAYANAN

(5)

5.1.2.1 Berdasarkan Jenis Kelamin

Responden dalam penelitian ini terdiri dari responden dengan jenis kelamin laki-laki dan perempuan. Dari total jumlah responden yaitu 118 pasien terdiri atas 43 pasien atau 36 persen dengan jenis kelamin laki-laki dan 75 pasien atau 64 persen dengan jenis kelamin perempuan.

Tabel 5.1

Distribusi Responden Menurut jenis Kelamin Pasien Rawat Inap Rumah Sakit Ganesha Jenis Kelamin Jumlah (pasien) Persentase

Laki-laki 43 36

Perempuan 75 64

Total 118 100

Sumber : Hasil Penelitian, 2010

5.1.2.2 Berdasarkan Kelompok Umur

Pasien Rumah Sakit Ganesha berdasarkan kelompok umur yaitu kelompok umur dibawah 20 tahun 15 orang atau 13 persen, kelompok umur 20-29 tahun sebanyak 18 orang 15 persen, kelompok umur 30-39 tahun sebanyak 22 orang atau 19 persen, kelompok umur 40-49 tahun sebanyak 25 orang atau 21 persen Kelompok umur 50-59 tahun 24 orang atau 20 persen, kelompok umur 60 tahun keatas 14 orang atau 12 persen

Tabel 5.2

Distribusi Frekuensi Responden Menurut Kelompok Umur Pasien Rumah Sakit Ganesha

(6)

No. Kelompok Umur (tahun) Jumlah (pasien) Persentase 1 2 3 4 5 6 Dibawah 20 tahun 20-29 30-39 40-49 50-59 Diatas 60 tahun 15 18 22 25 24 14 13 15 19 21 20 12 Total 118 100

5.1.2.3 Berdasarkan Jenis Pekerjaan

Karakteristik responden berdasarkan jenis pekerjaan yaitu Pelajar 15 orang atau 12 persen, Karyawan Swasta/BUMN 24 orang atau 20 persen, Pegawai Negri Sipil 33 orang atau 28 persen, Pensiunan 21 orang atau 18 persen, Ibu Rumah Tangga 14 orang atau 12 persen dan Wiraswasta 11 atau 10 persen.

Tabel 5.3

Distribusi Frekuensi Responden Menurut Jenis Pekerjaan Pasien Rumah Sakit Ganesha

Pekerjaan Jumlah (orang) Persentase

Pelajar 15 12

(7)

PNS 33 28

Pensiunan 21 18

Ibu Rumah Tangga 14 12

Wiraswasta 11 10

5.1.2.4 Berdasarkan Diagnosa Penyakit

Karakteristik responden berdasarkan diagnosa penyakit yaitu demam berdarah 37 orang atau 31 persen, jantung 8 orang atau 6 persen, Patah tulang 16 orang atau 14 persen, ISPA 17 orang atau 14 persen, OBS ferbris 11 orang atau 9 persen, appendix 8 orang atau 7 persen, infeksi paru 4 orang atau 3 persen, melahirkan 12 orang atau 11 persen, TCD 3 orang atau 3 persen, hernia 2 orang atau 2 persen.

Tabel 5.4

Distribusi Frekuensi Responden Menurut Diangnosa Penyakit Pasien Rumah Sakit Ganesha

No. Jenis Penyakit Jumlah Persentase

1 demam berdarah 37 31 2 jantung 8 6 3 patah tulang 16 14 4 ISPA 17 14 5 OBS febris 11 9 6 appendix 8 7 7 infeksi paru 4 3 8 melahirkan 12 11 9 TCD 3 3 10 hernia 2 2

5.1.2.5 Berdasarkan Tingkat Pendapatan

bersambung lanjutan

(8)

Karakteristik responden berdasarkan pendapatan yaitu berkisar antara Rp1.500.000 – Rp. 3.000.000 sebanyak 65 orang atau sekitar 55 persen. Pendapatan Rp. 3.000.000 – Rp. 6.000.000 sebanyak 42 orang atau sekitar 35 persen dan Pendapatan diatas Rp.6.000.000 sebanyak 11 orang atau sekitar 10 persen, seperti tercantum dalam tabel 5.5

Tabel 5.5

Distribusi Frekuensi Responden Menurut Tingkat Pendapatan Pasien Rumah Sakit Ganesha

Pendapatan Jumlah (orang) Persentase

0 – 3.000.000 65 55

> 3.000.000 –6.000.000 42 35

Diatas 6.000.000 11 10

5.1.3 Pengujian Instrumen Penelitian 5.1.3.1 Uji Validitas Instrumen Penelitian

Analisis validitas untuk menunjukkan sejauh mana instrument penelitian mengukur apa yang diukur. Dengan menggunakan program SPSS for window versi 17, setiap butir pertanyaan / pernyataan dalam penelitian akan valid jika nilai Alpha Pearson Correlation di atas r tabel. Nilai r tabel untuk N = 30 dan taraf significansi 95 % adalah 0,361. Dari 28 butir pertanyaan / pernyataan yang telah disebar kepada 30 responden semuanya menunjukkan nilai Alpha Pearson Correlation di atas 0,361 dan dinyatakan valid (lampiran 4).

5.1.3.2 Uji Reliabilitas Instrumen Penelitian

Uji reliabilitas dilakukan terhadap instrument penelitian untuk mengukur tingkat keandalan instrument penelitian. Instrument dikatakan reliable jika

(9)

digunakan beberapa kali untuk mengukur objek yang sama menghasilkan response (tanggapan) yang relative sama untuk waktu yang berbeda. Teknik yang digunakan dalam mengukur reliabilitas butir-butir pertanyaan / pernyataan dalam penelitian ini adalah Rumus Cronbach Alpha (α), dengan program SPSS versi 17. Instrument penelitian dinyatakan reliable apabila angka α (Cronbach Alpha) minimal 0.7 (Santosa, 2006:134). Dari 28 pernyataan (indikator) yang telah disebar kepada 30 orang pasien yang telah melakukan rawat inap di RS. Ganesha, menunjukkan nilai α sebesar 0.968 (lampiran 3). Nilai ini telah menunjukkan angka yang memenuhi syarat untuk dinyatakan reliabel sehingga instrumen penelitian dapat dilanjutkan kepada responden lainnya.

5.1.4 Pengujian Data

Pengujian data dilakukan dengan SEM (Struktural Equation Modelling), yaitu teknik statistik multivariat yang merupakan kombinasi antara faktor dan analisis regresi (korelasi), yang bertujuan untuk menguji hubungan-hubungan antar variabel yang ada pada sebuah model, langkah yang ditempuh dalam pengujian ini dapat dilihat pada Gambar 5.2.

Langkah 1 : Pengembangan model berdasarkan teori

e5 e4 e3 e2 e1 e14 e13 e12 e11 e16 e15 e10 e7 e18 e17 Service Quality X1 Satisfaction X2 Trust Y Tangibles X1.1 Reliability X1.2 Responsiveness X1.3 Assurance X1.4 Empathy X1.5 V5 1 V4 1 V3 1 V2 1 V1 1 V10 1 V9 e9 V8 e8 V7 V6 e6 Z6 e28 1 1 Z5 1 e27 Z4 e26 1 Z1 e23 1 1 Z2 e24 1 Z3 e25 1 1 V14 1 1 V13 1 V12 1 V11 1 V18 1 1 V17 1 V16 1 V15 1 V22 e22 1 V21 e21 1 V20 e20 1 V19 e19 1 1 1 1 1 1 1 e5 e4 e3 e2 e1 e14 e13 e12 e11 e16 e15 e10 e7 e18 e17 Service Quality X1 Satisfaction X2 Trust Y Tangibles X1.1 Reliability X1.2 Responsiveness X1.3 Assurance X1.4 Empathy X1.5 V5 1 V4 1 V3 1 V2 1 V1 1 V10 1 V9 e9 V8 e8 V7 V6 e6 Z6 e28 1 1 Z5 1 e27 Z4 e26 1 Z1 e23 1 1 Z2 e24 1 Z3 e25 1 1 V14 1 1 V13 1 V12 1 V11 1 V18 1 1 V17 1 V16 1 V15 1 V22 e22 1 V21 e21 1 V20 e20 1 V19 e19 1 1 1 1 1 1 1 e4

(10)

Gambar 5.2

Model Hubungan Variabel Kualitas Pelayanan (X) Terhadap Kepuasan (Y1) dan Kepercayaan (Y2)

Pada Gambar 5.2 ditunjukkan tujuan dari analisis ini adalah untuk mengetahui interaksi antara kualitas pelayanan (X), kepuasan (Y1), dan kepercayaan (Y2), yang mengadopsi penelitian yang diajukan oleh Olorunniwo, F, dkk pada tahun 2006 dan Aryani, P,E. tahun 2008.

Langkah 2 : Menyusun Pathdiagram

Pada langkah kedua, model teoritis yang telah dibangun pada langkah pertama digambarkan dalam sebuah Pathdiagram sehingga dapat dilihat dengan mudah hubungan-hubungan kausalitas yang akan diuji. Pathdiagram dalam penelitian ini dapat dilihat pada Gambar 5.3.

X1 Bukti fisik (Tangibles) X2 reliabilitas (Reliability) X3 Daya tanggap (Responsiveness) X4 Jaminan (Assurance) X5 Empati (Empathy) C 1 C 2 C 3 C 4 C 5 X Kualitas Pelayanan (Servqual) Y2 Kepercayaan (Trust) Y1 Kepuasan (Satisfaction) C 6 C 7 1 1 1 1 1 1 1

(11)

Gambar 5.3

Penggambaran Pathdiagram Asumsi Model

Variabel-variabel yang dibangun dalam diagram alur diatas, dapat dibedakan dalam tiga kelompok yaitu variabel eksogen, interviening dan endogen yang diuraikan sebagai berikut :

1) Variabel eksogen adalah variabel bebas yang tidak dipengaruhi oleh

variabel lain dalam model. Dalam diagram di atas diterapkan X kualitas pelayanan (servqual) sebagai variabel eksogen dengan sub variabel terdiri atas X1 bukti fisik (tangibles), X2 reliabilitas (reliability), X3 daya tanggap (responsiveness), X4 jaminan (assurance), dan X5 empati (empathy).

2) Variabel interviening adalah variabel endogen dan sekaligus variabel

bebas yang mempengaruhi variabel endogen lain dalam suatu model. Dalam diagram diatas, variabel interviening adalah Y1 kepuasan (Satisfaction)

(12)

3) Variabel endogen adalah variabel terikat yang dipengaruhi oleh

variabel lain dalam model. Pada diagram di atas, variabel endogen adalah Y2 kepercayaan.

Langkah 3 : Measurement Model dan Structural Model.

Pada langkah ini, model yang telah digambarkan dalam pathdiagram, dinyatakan dalam dua katagori, yaitu :

1. Persamaan-persamaan pengukuran (measurement model).

Spesifikasi model pengukuran (measurement model) dilakukan terlebih dahulu pada konstruk X1 bukti fisik (tangibles) sebagai berikut : VI = λ1X1 + e1 V2 = λ2X1 + e2 V3 = λ3X1 + e3 V4 = λ4X1 + e4 V5 = λ5X1 + e5

Spesifikasi model pengukuran (measurement model) pada konstruk X2 reliabilitas (reliability) adalah sebagai berikut :

V6 = λ6X2 + e6 V7 = λ7X2 + e7 V8 = λ8X2 + e8 V9 = λ9X2 + e9 V10 = λ10X2 + e10

(13)

Spesifikasi model pengukuran (measurement model) pada konstruk X3 daya tanggap (responsiveness) adalah sebagai berikut :

V11 = λ11X3 + e11 V12 = λ12X3 + e12 V13 = λ13X3 + e13 V14 = λ14X3 + e14

Spesifikasi model pengukuran (measurement model) pada konstruk X4 jaminan (assurance) adalah sebagai berikut :

Spesifikasi model pengukuran (measurement model) pada konstruk X5 empati (empathy) adalah sebagai berikut :

Spesifikasi model pengukuran (measurement model) pada konstruk interviening Y1 kepuasan (satisfaction) adalah sebagai berikut :

Z1 = λ23Y1 + e23 Z2 = λ24Y1 + e24 Z3 = λ25Y1 + e25

(14)

Spesifikasi model pengukuran (measurement model) pada konstruk endogenous Y2 kepercayaan adalah sebagai berikut :

Z4 = λ26Y2 + e26 Z5 = λ27Y2 + e27 Z6 = λ28Y2 + e28

Keterangan: X1 = Bukti Fisik (tangibles); X2 = Reliabilitas (reliability); X3= Daya tanggap (responsiveness); X4 = Jaminan (assurance); X5 = empati (empathy); V = variabel manifest masing-masing konstruk kualitas pelayanan; Z = variabel manifest / indikator konstruk kepuasan dan kepercayaan; λ = loading factor; e = error. 2. Persamaan-persamaan struktural (structural equations).

Persamaan ini dirumuskan untuk menyatakan hubungan kausalitas (sebab akibat) antar berbagai konstruk yang telah dibangun berdasarkan teori tertentu. Dalam gambar model diatas, persamaan strukturalnya adalah :

Y1 = β1X + c6……….….(1) Y2 = β2Y1 + β1X + γ1X + c7……….(2)

Keterangan: Y1 = Kepuasan; Y2 = Kepercayaan; X = Kualitas Pelayanan; β = Regression Weight; c = disturbance term.

Dalam bahasa regresi, model ini menyajikan dua persamaan regresi berganda yang akan diuji secara simultan.

(15)

Setelah model dispesifikasikan secara lengkap, langkah berikutnya adalah memilih jenis input (kovarian dan korelasi) yang sesuai. Oleh karena dalam penelitian ini yang diuji adalah hubungan kausalitas, maka matriks input yang digunakan sebagai input dalam operasi SEM adalah kovarian (Hair dkk dalam Ferdinand, 2002 : 164).

Teknik estimasi yang digunakan adalah maximum likehood estimation method yang telah menjadi default dari program AMOS. Estimasi dilakukan secara bertahap, yaitu pertama dilakukan teknik Confirmatory Factor Analysis untuk menguji undimensionalitas dari konstruk-konstruk yang menjelaskan variabel Kualitas Pelayanan (X) dan disusul oleh teknik Structural Equation Model untuk menguji kausalitas antara variabel Kualitas Pelayanan (X), Kepuasan (Y), dan Kepercayaan (Y2). Hasil pengujian model antas data primer dengan bantuan AMOS versi 6.0 adalah sebagai berikut :

a. Teknik Confirmatory Factor Analysis

1) Confirmatory Factor Analysis untuk konstruk X1 (tangibles).

Hasil analisis data primer dengan menggunakan AMOS 4.0 dapat dilihat pada gambar berikut ini :

CFA BUKTI FISIK (X1) Chi-square =8.680 Probability =.123 DF=5 CMIN/DF =1.736 TLI =.954 CFI =.985 RMSEA =.077 .00 X1 BUKTI FISIK .59 V4 e4 .77 .75 V3 e3 .87 .58 V2 e2 .76 .34 V1 e1 .59 C1 .46 V5 e5 .68

(16)

Gambar 5.4

Confirmatory Factor Analysis untuk model X1 (tangibles)

Sumber : Hasil Pengolahan data primer dengan program AMOS versi 6.0.

Hasil evaluasi kriteria goodness of fit indices dapat dilihat pada Tabel 5.6 dan model dinilai baik (fit) sehingga dapat diterima.

Tabel 5.6

Evaluasi kriteria goodness of fit indices untuk CFA – Model X1 (Tangibles)

Kriteria Hasil Model Nilai krisis Evaluasi _model

Chi Square (x2₎ _6,680 Diharapkan kecil; X2 dengan

df=5 adalah 11,071 Baik Significancy Probability (P) 0,123 ≥ 0,05 Baik

CMIN/DF 1,736 ≤ 2,0 Baik

TLI 0,954 ≥ 0,95 Baik

CFI 0,985 ≥ 0,95 Baik

RMSEA 0,077 ≤ 0,08 Baik

Tabel 5.7

Regression Weight (loading Factor) Measurement Model X1 (Tangibles)

Regression Weight Estimate S.E Standardized_Estimate C.R P

V1  X1 1,000 0,105 0,586 6,059 0,000

V2  X1 0,862 0,106 0,762 8,174 0,000

V3  X1 1,070 0,113 0,868 9,503 0,000

V4  X1 1.000 0.766 0,000

V5  X1 0,811 0,122 0.680 7,269 0,000

Sumber : Hasil analisis AMOS pada data primer

Dari Tabel 5.7 dapat diketahui seluruh indikator memiliki nilai standardized estimate ≥ 0,04. Pengujian kekuatan masing-masing indicator (bobot faktor) dalam membentuk hubungan dengan variabel

(17)

laten X1 (tangibles) dapat dilihat pada nilai Critical Ratio (C.R) yang identik dengan nilai t hitung, dimana t-tabel pada level 0,05 dengan df sebesar 5 adalah 2,015. Seluruh indikator memiliki C.R ≥ 2,015 dan nilai probabilitas (P) ≥ 0,05 sehingga dapat diartikan bahwa indikator-indikator tersebut secara signifikan dapat mendifinisikan variabel laten X1 (tangibles).

2) Confirmatory Factor Analysis untuk konstruk X2 (reliability)

Hasil analisis data primer dengan program AMOS 6.0 dapat dilihat pada gambar berikut ini :

CFA RELIABILITY (X1.2) Chi-square =7.170 Probability =.208 DF=5 CMIN/DF =1.434 TLI =.955 CFI =.985 RMSEA =.059 .00 X1.2 RELIABILITY .41 V9 e9 .64 .48 V8 e8 .69 .50 V7 e7 .71 .44 V6 e6 .66 C2 .35 V10 e10 .59

(18)

Gambar 5.5

Confirmatory Factor Analysis untuk model X2 (reliability)

Evaluasi kriteria goodness of fit index dari model X2 (Reliability) dapat dilihat pada tabel 5.12, model dinilai (fit) dan dapat diterima.

Tabel 5.8

Evaluasi kriteria goodness of fit indices untuk CFA – Model X1 (Reliability)

TLI 0,955 ≥ 0,95 Baik

CFI 0,985 ≥ 0,95 Baik

RMSEA 0,059 ≤ 0,08 Baik

Tabel 5.9

Regression Weight (loading Factor) Measurement Model X2 (Reliability)

V6  X2 1,130 0,213 0,663 5,300 0,000

V7  X2 1,140 0,203 0,707 5,621 0,000

V8  X2 1,116 0,195 0,694 5,735 0,000

V9  X2 1,000 0,638 0,000

V10  X2 0,899 0,170 0,591 5,299 0,000

Pada tabel 5.9 dapat diketahui bahwa seluruh indikator memiliki nilai factor loading ≥ 0,40 ; CR ≥ 2,015 dan probabilitas (P) ≥ 0,05. Sehingga dapat

(19)

diartikan bahwa indikator-indikator tersebut secara signifikan dapat mendifinisikan variabel laten X2 (Reliability).

3) Confirmatory Factor Analysis untuk konstruk X3 (responsiveness).

Gambar 5.6

Confirmatory Factor Analysis untuk model X3 (responsiveness) Sumber : Hasil Pengolahan data primer dengan program AMOS versi 6.0.

Evaluasi kriteria goodness of fit index dari model X3 (responsiveness) dapat dilihat pada tabel 5.12, model dinilai (fit) dan dapat diterima.

Tabel 5.10

Evaluasi kriteria goodness of fit indices untuk CFA – Model X3 (responsiveness)

CFA RESPONSIVENESS (X1.3) Chi-square =2.139 Probability =.343 DF=2 CMIN/DF =1.070 TLI =.998 CFI =.999 RMSEA =.024 .00 X1.3 RESPONSIVENESS .61 V14 e14 .78 .79 V13 e13 .89 .74 V12 e12 .86 .47 V11 e11 .69 C2

(20)

TLI 0,998 ≥ 0,95 Baik

CFI 0,999 ≥ 0,95 Baik

RMSEA 0,024 ≤ 0,08 Baik

Hasil evaluasi kriteria goodness of fit indices di atas menunjukkan bahwa model dinilai baik (fit) dan dapat diterima. Pada Tabel 5.11 dapat dilihat seluruh indikator memiliki nilai faktor loading ≥ 0,40; C.R ≥ 2,920 dan (P) ≥ 0,05. Berarti secara signifikan indikator-indikator tersebut dapat mendifinisikan variabel laten X3 (responsiveseness).

Tabel 5.11

Regression Weight (loading Factor) Measurement Model X3 (Responsiveness)

V11  X3 0,795 0,105 0,795 7,586 0,000

V12  X3 1,090 0,111 0,861 9,785 0,000

V13  X3 1,112 0,107 0,891 10,376 0,000

V14  X3 1,000 0,778 0,000

4) Confirmatory Factor Analysis untuk konstruk X4 (assurance).

CFA ASSURANCE (X1.4) Chi-square =2.785 Probability =.248 DF=2 CMIN/DF =1.393 TLI =.985 CFI =.995 RMSEA =.057 .00 X1.4 ASSURANCE .55 V18 e18 .74 .80 V17 e17 .89 .36 V16 e16 .60 .37 V15 e15 .61 C4

(21)

Gambar 5.7

Confirmatory Factor Analysis untuk Model X4 (assurance)

Sumber : Hasil Pengolahan data primer dengan program AMOS versi 6.0. Evaluasi kriteria goodness of fit index dari model X3 (responsiveness) dapat dilihat pada Tabel 5.12, model dinilai (fit) dan dapat diterima.

Tabel 5.12

Evaluasi criteria goodness of fit indices untuk CFA – Model X4 (assurance)

TLI 0,985 ≥ 0,95 Baik

CFI 0,995 ≥ 0,95 Baik

RMSEA 0,057 ≤ 0,08 Baik

Tabel 5.13

Regression Weight (loading Factor) Measurement Model X4 (assurance)

V15  X4 0,745 0,120 0,606 6,186 0,000

V16  X4 0,749 0,123 0,601 6,068 0,000

V17  X4 1,156 0,144 0,894 8,030 0,000

V18  X4 1,000 0,739 0,000

(22)

Pada tabel 5.13 dapat diketahui seluruh indicator memiliki nilai C.R. ≥ 2,920 dan nilai probabilitas (P) ≥ 0,05 yang berarti secara signifikan indikator-indikator tersebut dapat mendefinisikan variabel laten X4 (assurance).

5) Confirmatory Factor Analysis untuk konstruk X5 (empathy).

Gambar 5.8

Confirmatory Factor Analysis untuk model X5 (empathy)

Evaluasi kriteria goodness of fit index dari model X5 (empathy). dapat dilihat pada Tabel 5.12, model dinilai (fit) dan dapat diterima.

Tabel 5.14

Evaluasi criteria goodness of fit indices untuk CFA – Model X5 (empathy)

CFA EMPATHY (X1.5) Chi-square =2.583 Probability =.275 DF=2 CMIN/DF =1.292 TLI =.970 CFI =.990 RMSEA =.050 .00 X1.5 EMPATHY .27 V22 e22 .52 .16 V21 e21 .40 .50 V20 e20 .70 .41 V19 e19 .64 C5

(23)

TLI 0,970 ≥ 0,95 Baik

CFI 0,990 ≥ 0,95 Baik

RMSEA 0,050 ≤ 0,08 Baik

Tabel 5.15

Regression Weight (loading Factor) Measurement Model X5 (empathy)

V19  X4 1,240 0,330 0,640 3,790 0,000

V20  X4 1,330 0,340 0,700 3,910 0,000

V21  X4 0,850 0,270 0,400 3,170 0,000

V22  X4 1,000 0,520 0,000

Pada Tabel 5.15, dapat diketahui seluruh indikator memiliki nilai loading factor ≥ 0,40 ; C.R ≥ 2,920 dan P ≥ 0,05 yang berarti secara signifikan indikator-indikator tersebut dapat mendefinisikan variabel laten X5 (empathy).

6) Second Orders Confirmatory Factor Analysis untuk X (Service quality)

Hasil analisis data primer dengan program AMOS 6.0 untuk model X (service quality), dapat dilihat pada gambar berikut ini :

X SERVICE QUALITY .49 X2 RELIABILITY .71 X3 RESPONSIVENESS .95 X4 ASSURANCE .37 X1 TANGIBLES .64 X5 EMPATHY .61 .49 V5 e5 .58 V4 e4 .77 V3 e3 .59 V2 e2 .37 V9 e9 .45 V8 e8 .52 V7 e7 .44 V6 e6 .66 V14 e14 .76 V13 e13 .73 V12 e12 .47 V11 e11 _.69 .58 V18 e18 .61 V17 e17 .38 V16 e16 .49 V15 e15 .27 V22 e22 .19 V21 e21 .41 V20 e20 .46 V19 e19 C1 C2 C3 C4 C5 .72 .67

SECOND ORDER CFA X .SERVICE QUALITY Chi-square =347.517 Probability =.000 DF=205 CMIN/DF =1.695 TLI =.867 CFI =.882 RMSEA =.076 .61 .67 .52 .43 .64 .68 .80 .97 .85 .86 .70 .81 .87 .87 .77 .76 .70 .78 .70 .62 _.76 .34 V1 e1 .59 .34 V10 e10 .59

(24)

Gambar 5.9

Second orders Confirmatory Factor Analysis untuk Model X (service quality) Sumber : Hasil Pengolahan data primer dengan program AMOS versi 6.0.

Tabel 5.16

Evaluasi kriteria goodness of fit indices untuk second orders CFA Model X (service quality)

Kriteria Hasil Model Nilai krisis Evaluasi

model

df=205 Baik

Significancy Probability (P) 0,000 ≥ 0,05 Marginal

TLI 0,867 ≥ 0,95 Marginal

CFI 0,882 ≥ 0,95 Marginal

RMSEA 0,076 ≤ 0,08 Baik

Tabel 5.17

Regression Weight (loading Factor) Measurement Model X (servqual)

Regression Weight Estimate S.E. C.R. Standardized

Estimate X1_TANGIBLES <--- X_SERVICE_QUALI_TY 1.00 .61 X5_EMPATHY <--- X_SERVICE_QUALI_TY 1.43 .29 4.98 .80 X4_ASSURANCE <--- X_SERVICE_QUALI_TY 2.09 .34 6.11 .97 X3_RESPONSIVENES S <--- X_SERVICE_QUALITY 1.96 .32 6.16 .85 X2_RELIABILITY <--- X_SERVICE_QUALI_TY 1.00 .70 V11 <--- X3_RESPONSIVENE_SS .77 .10 7.90 .69 V7 <--- X2_RELIABILITY 1.23 .19 6.33 .72 V8 <--- X2_RELIABILITY 1.14 .18 6.20 .67

(25)

Regression Weight Estimate S.E. C.R. Standardized Estimate V9 <--- X2_RELIABILITY 1.00 .61 V6 <--- X2_RELIABILITY 1.20 .20 5.94 .67 V22 <--- X5_EMPATHY .77 .17 4.41 .52 V21 <--- X5_EMPATHY .69 .18 3.83 .43 V20 <--- X5_EMPATHY .92 .17 5.49 .64 V19 <--- X5_EMPATHY 1.00 .68 V12 <--- X3_RESPONSIVENE_SS 1.04 .10 10.32 .86 V14 <--- X3_RESPONSIVENE_SS 1.00 .81 V13 <--- X3_RESPONSIVENE_SS 1.04 .10 10.79 .87 V3 <--- X1_TANGIBLES 1.28 .14 8.89 .87 V2 <--- X1_TANGIBLES 1.03 .13 8.03 .77 V4 <--- X1_TANGIBLES 1.17 .15 7.93 .76 V5 <--- X1_TANGIBLES 1.00 .70 V17 <--- X4_ASSURANCE .98 .11 8.62 .78 V15 <--- X4_ASSURANCE .83 .12 7.16 .70 V16 <--- X4_ASSURANCE .74 .12 6.39 .62 V18 <--- X4_ASSURANCE 1.00 .76 V1 <--- X1_TANGIBLES .75 .12 6.08 .59 V10 <--- X2_RELIABILITY .95 .17 5.60 .59

Berdasarkan Tabel 5.17 dapat diketahui bahwa seluruh indikator memiliki nilai loading factor ≥ 0,40, namun pada Tabel 5.16 terlihat bahwa probability memiliki nilai lebih rendah dari cutting value sebesar 0,00. Kemudian TLI dan CFI berada dibawah 0,95.

Santoso (2009) menyatakan bahwa hal ini mengindikasikan terjadi permasalahan pada modification index yang harus diolah lebih jauh. Terdapat beberapa langkah untuk memilih alternative modifikasi, antara lain :

Tahap 1 : memilih alternatif modifikasi

Berikut hasil modification index dari hasil output AMOS 6.0 untuk model X (servqual).

Tabel 5.18

(26)

Model X (servqual)

Menurut Santoso (2007) nilai chi square akan mengalami penurunan yang signifikan jika memberikan hubungan dua arah terhadap error yang memiliki nilai yang tinggi.

Tahap 2 : melakukan proses modifikasi

M.I. Par Change

e10 <--> C3 6.65 .09 e14 <--> C4 10.82 .09 e14 <--> C3 4.59 -.07 e12 <--> C2 8.95 .07 e4 <--> C3 5.33 -.07 e4 <--> e13 4.94 -.07 e19 <--> C4 8.65 .10 e21 <--> e13 5.02 .10 e22 <--> e13 5.39 .09 e5 <--> e10 4.57 -.08 e5 <--> e19 4.03 -.08 e8 <--> e13 4.98 -.07 e8 <--> e12 4.81 .07 e9 <--> e12 4.85 .07 e9 <--> e5 12.32 -.12 e15 <--> C3 8.47 .10 e15 <--> e13 12.21 .11 e16 <--> e5 6.60 .10 e16 <--> e8 4.27 .09 e16 <--> e9 4.22 -.09 e18 <--> C5 8.85 .10 e18 <--> e14 4.43 .08 e18 <--> e19 9.67 .14 e18 <--> e15 4.32 -.08 e18 <--> e17 5.35 .09 e11 <--> C2 5.66 .06 e11 <--> e10 19.15 .17 e6 <--> C1 10.40 .10 e6 <--> e4 8.42 .11 e6 <--> e5 8.79 .11 e7 <--> e19 4.95 -.09 e7 <--> e11 6.54 -.10 e2 <--> C3 4.00 .05 e2 <--> e13 5.57 .06 e2 <--> e8 7.75 -.09 e2 <--> e9 8.59 .09 bersambung

(27)

Pada tabel 5.17 terdapat beberapa error yang memiliki nilai Modification Index diatas yang cukup tinggi. Antara lain : e14  c4 ; e9  e5 ; e15 e13 ; e11  e10 ; e6  c1. Maka langkah berikutnya adalah memberikan tanda  pada model X (servqual) dan melakukan penghitungan ulang menggunakan AMOS 6.0.

Gambar 5.10

Second Order Confirmatory Factor Analysis untuk alternatif model X (servqual) Sumber : Hasil Pengolahan data primer dengan program AMOS versi 6.0.

Dari gambar 5.10 diidentifikasikan bahwa TLI dan CFI telah menunjukkan peningkatan dari hasil analisis sebelumnya setelah memberikan tanda  yang menunjukkan antara keduanya terdapat hubungan dua arah yang merupakan ciri dari kovarian. Santoso (2007), sehingga salah satu indikatornya bisa dikeluarkan untuk memberikan hasil yang valid.

Hasil revisi model Second Order Confirmatory Factor Analysis untuk model X (servqual) adalah sebagai berikut :

X SERVICE QUALITY .50 X2 RELIABILITY .68 X3 RESPONSIVENESS .90 X4 ASSURANCE .37 X1 TANGIBLES .65 X5 EMPATHY .60 .53 V5 e5 .59 V4 e4 .73 V3 e3 .61 V2 e2 .39 V9 e9 .45 V8 e8 .54 V7 e7 .45 V6 e6 .60 V14 e14 .75 V13 e13 .77 V12 e12 .45 V11 e11 _.67 .59 V18 e18 .60 V17 e17 .38 V16 e16 .49 V15 e15 .28 V22 e22 .18 V21 e21 .41 V20 e20 .45 V19 e19 C1 C2 C3 C4 C5 .74 .67

SECOND ORDER CFA X .SERVICE QUALITY Chi-square =275.588 Probability =.000 DF=200 CMIN/DF =1.378 TLI =.928 CFI =.937 RMSEA =.056 .62 .67 .53 .42 .64 .67 .81 .95 .83 .88 .71 .78 .87 .85 .78 .77 .73 .78 .70 .62 _.77 .34 V1 e1 .59 .29 V10 e10 .54 .43 .43 -.37 .37 .79

(28)

Gambar 5.11

Second Order Confirmatory Factor Analysis Revised untuk model X (servqual) Sumber : Hasil Pengolahan data primer dengan program AMOS versi 6.0.

Tabel 5.19

Evaluasi kriteria goodness of fit indices untuk second order CFA Revised – Model X (servqual)

Kriteria Hasil Model Nilai krisis Evaluasi

model

df=73 Baik

Significancy Probability (P) 0,086 ≥ 0,05 Baik

CMIN/DF 1,2333 ≤ 2,0 Baik TLI 0,965 ≥ 0,95 Baik CFI 0,972 ≥ 0,95 Baik RMSEA 0,044 ≤ 0,08 Baik X SERVICE QUALITY .72 X2 RELIABILITY .73 X3 RESPONSIVENESS .69 X4 ASSURANCE .26 X1 TANGIBLES .60 X5 EMPATHY .51 .46 V4 e4 1.04 V3 e3 .38 V9 e9 .47 V7 e7 .72 V13 e13 .81 V12 e12 .49 V11 e11 _.70 .61 V18 e18 .71 V17 e17 .37 V16 e16 .36 V22 e22 .21 V21 e21 .36 V20 e20 C1 C2 C3 C4 C5 .68

SECOND ORDER CFA X .SERVICE QUALITY Chi-square =89.993 Probability =.086 DF=73 CMIN/DF =1.233 TLI =.965 CFI =.972 RMSEA =.044 .62 .60 .45 .60 .78 .83 .85 .90 .85 .85 1.02 .68 .84 .60 _.78 .25 V1 e1 .50

(29)

Berdasarkan tabel 5.17 terlihat bahwa probability sudah berada diatas cutting value ≤ 0,05 ; TLI ≥ 0,95 ; CFI ≥ 0,95. Sehingga dapat diartikan bahwa indikator-indikator tersebut secara signifikan dapat mendifinisikan variabel laten X (service quality).

Tabel 5.20

Regression Weight (loading Factor) Measurement Model Second Order X Revised (service quality)

X1  X 1,00 0,51 0,000

X2  X 1,00 0,85 0,000

X3  X 1,74 0,26 0,85 6,64 0,000

X4  X 1,47 0,26 0,83 5,72 0,000

X5 X 0,95 0,22 0,78 4,35 0,000

b. Teknik Full Strctural Equation Model

Teknik ini digunakan untuk menguji kausalitas yang telah dinyatakan sebelumnya dalam berbagai hubungan sebab akibat (causal model). Hasil pengolahan AMOS 6.0 atas data primer adalah sebagai berikut :

SECOND ORDER CFA

X SERVICE QUALITY .67 X2 RELIABILITY .75 X3 RESPONSIVENESS .69 X4 ASSURANCE .24 X1 TANGIBLES .67 X5 EMPATHY .49 .48 V4 e4 1.00 V3 e3 .37 V9 e9 .48 V7 e7 .74 V13 e13 .78 V12 e12 .49 V11 e11 _.70 .63 V18 e18 .69 V17 e17 .36 V16 e16 .38 V22 e22 .20 V21 e21 .35 V20 e20 C1 C2 C3 C4 C5 .69 X .SERVICE QUALITY Chi-square =179.921 Probability =.173 DF=163 CMIN/DF =1.104 TLI =.976 CFI =.980 RMSEA =.030 .61 .61 .45 .59 .82 .83 .86 .88 .82 .86 1.00 .70 .83 .60 _.79 .26 V1 e1 .51 .61 Y1 .39 Z1 e23 .62 .50 Z2 e24 .71 .41 Z3 e25 .64 .71 Y2 .23 Z6 e28 .48 .46 Z5 e27 .68 .54 Z4 e26 .74 .78 .31 .58 c8 c7

(30)

Gambar 5.12 Structural Equation Model

Service Quality (X), Satisfaction (Y1), and Trust (Y2)

Tabel 5.21

Evaluasi kriteria goodness of fit indices untuk Structural Equation Model Service Quality (X), Satisfaction (Y1), and Trust (Y2)

df=163 Baik

Significancy Probability (P) 0,173 ≥ 0,05 Baik

TLI 0,976 ≥ 0,95 Baik

CFI 0,980 ≥ 0,95 Baik

RMSEA 0,030 ≤ 0,08 Baik

Hasil evaluasi criteria goodness of fit indices pada tabel 5.21 menunjukkan bahwa model dinilai baik (fit) dan dapat diterima. Untuk mengetahui hubungan antara variabel X (service quality) terhadap Y1 (satisfaction) dan Y2 (trust) dapat dilihat pada tabel 5.22.

Tabel 5.22

Regression Weight Pengaruh X Terhadap Y1 dan Y2

Regression Weight Estimate S.E Standardized_Estimate C.R P Keterangan

Y1  X 1,05 0,23 0,78 4,50 0,00₀ Signifikan

(31)

Y2  Y1 0,45 0,21 0,58 2,12 0,00₀ Signifikan Sumber : Hasil analisis AMOS pada data primer

Pada Tabel 5.22 diatas, terlihat hubungan variabel X (service quality) terhadap Y1 (satisfaction) memiliki Standardized Estimate (regression weight) sebesar 0,78; nilai CR sebesar 4,54; dan probability 0,000. Nilai standardized estimate 0,78 ≥ 0,40 menandakan adanya hubungan yang kuat. Demikian pula nilai P sebesar 0,000 ≤ 0,05 yang berarti secara signifikan variabel X (service quality) berpengaruh terhadap Y1 (satisfaction).

Hubungan variabel X (service quality) terhadap Y2 (satisfaction) memiliki standardized estimate (regression weight) sebesar 0,31 ≥ 0,40 menandakan hubungan lemah. Nilai probability 0,10 ≤ 0,05 yang berarti variabel X tidak berpengaruh signifikan terhadap variabel Y2.

Hubungan variabel Y1 (satisfaction) terhadap Y2 (satisfaction) memiliki standardized estimate (regression weight) sebesar 0,58 ≥ 0,04 menandakan hubungan yang cukup kuat. Nilai probability 0,000 ≤ 0,05 yang berarti variabel Y1 berpengaruh signifikan terhadap variabel Y2.

Langah 5 : menilai kemungkinan munculnya identifikasi problem.

Dalam operasi AMOS 6.0, identifikasi problem akan diatasi langsung oleh program. Bila estimasi tidak dilakukan, maka program akan memberikan pesan pada monitor komputer mengenai kemungkinan sebab-sebab mengapa program ini tidak dapat melakukan estimasi, sehingga dapat direncanakan tindakan

(32)

perbaikan yang memungkinkan. Dalam proses analisis model ini, diketahui bahwa besaran standard error, varians error dan korelasi antar koefisien estimasi berada dalam rentang nilai yang tidak mengindikasikan adanya problem.

Langkah 6 : Evaluasi Kriteria Goodness of fit

1) Evaluasi atas dipenuhinya asumsi normalitas dalam data.

Normalitas univariat dan multivariate terhadap data yang digunakan dalam data ini, diuji dengan menggunakan AMOS 6.0. dengan menggunakan Critical Ratio (C.R), secara keseluruhan (multivariate) asumsi normalitas dapat terpenuhi, dimana angka-angka tersebut terletak pada rentangan nilai ± 2.58, yang berarti pada tingkat signifikansi 0,01 (1%) dapat disimpulkan bahwa tidak ada bukti kalau data yang digunakan mempunyai sebaran yang tidak normal.

2) Evaluasi atas outliers

hasil komputasi AMOS 6.0 menghasilkan angka-angka jarak Mahalonobis yang mengindikasikan tidak terdapat kasus yang dapat dikatakan outliers jika mempunyai angka p1 dan p2 yang kurang dai 0,005. Seluruh data responden yang diproses menunjukkan angka p1 dan p2 diatas 0,005 sehingga tidak terdapat kasus yang dapat dikategorikan outliers.

(33)

Multicoliearitas atau singularitas dapat dideteksi dari determinan matriks kovarians sampel. Nilai determinan matriks kovarian sampel yang sangat kecil member indikasi adanya problem Multicoliearitas atau singularitas. Dengan menggunakan AMOS 6.0 determinan matriks kovarians sampel adalah sebesar 4.00E-17 yang jauh dari nol. Pada umumnya program-program komputer SEM telah menyediakan fasilitas “warning” setiap kali terdapat indikasi Multicoliearitas atau singularitas. Dalam proses model dan data pada penelitian ini, tidak muncul “warning” pada program AMOS, sehingga evaluasi atas Multicoliearitas dan singularity dapat terpenuhi dan data ini layak untuk digunakan.

4) Evaluasi atas Kriteria Goodness of fit.

Hasil evaluasi atas indeks-indeks goodness of fit pada model ini dapat dilihat pada tabel 5.21. tabel menunjukkan angka yang valid dan dapat dinilai baik (fit) sehingga dapat diterima.

5) Analisis atas Direct Effect, Indirect Effect dan Total Effect.

Berdasarkan hasil analisis AMOS 6.0 dapat dianalisis pengaruh antar konstruk baik pengaruh yang langsung, tidak langsung, maupun pengaruh totalnya.

a. Efek langsung (direct effect).

Tabel 5.23

Efek Langsung (direct effect)

X Y1 Y2

(34)

Y2 0,31 0,58 0,00 Sumber : Hasil Analisa AMOS 6.0 pada Data Primer

1) Efek langsung variabel X terhadap Y1 adalah 0,78, artinya pengaruh kualitas layanan terhadap kepuasan adalah sebesar 78 % sedangkan sisanya sebesar 22 % dipengaruhi oleh faktor lain di luar model.

2) Efek langsung variabel X terhadap Y2 adalah sebesar 0,31 yang artinya pengaruh kualitas layanan terhadap kepercayaan adalah sebesar 31 %. sedangkan sisanya sebesar 69 % dipengaruhi oleh faktor lain di luar model.

3) Efek langsung variabel Y1 terhadap Y2 adalah 0,58, artinya pengaruh kepuasan terhadap kepercayaan adalah sebesar 58 %. sedangkan sisanya sebesar 42 % dipengaruhi oleh faktor lain di luar model.

b. Efek tidak langsung (indirect effect).

Tabel 5.24

Efek Tidak Langsung (indirect effect)

X Y1 Y2 Y1 0,00 0,00 0,00 Z1 0,49 0,00 0,00 Z2 0,55 0,00 0,00 Z3 0,50 0,00 0,00 Z4 0,56 0,43 0,00 Y2 0,46 0,00 0,00 Z5 0,52 0,39 0,00 Z6 0,36 0,28 0,00

(35)

Sumber: Hasil Analisa AMOS pada Data Primer

1) Efek tidak langsung variabel X terhadap Y2 melalui Y1 atau XY1Y2 = 0,46, artinya kualitas layanan berpengaruh secara tidak langsung terhadap kepercayaan pasien melalui kepuasan adalah sebesar 46 %.

2) Efek tidak langsung variabel X terhadap indikator indikator variabel Y2 adalah XY2Z5 = 0,52, artinya kualitas layanan berpengaruh secara tidak langsung terhadap membangun kepercayaan bahwa seluruh pelayanan yang diberikan berkualitas baik 52 %. Efek tidak langsung XY2Z6 = 0,36, artinya kualitas layanan berpengaruh secara tidak langsung terhadap membangun kepercayaan masyarakat bahwa RS. Ganesha adalah rumah sakit yang handal dan dapat dipercaya 36%. Efek tidak langsung XY1Z1 = 0,49 artinya kualitas layanan berpengaruh secara tidak langsung terhadap persepsi pasien bahwa pelayanan RS. Ganesha memuaskan secara keseluruhan adalah sebesar 49%. 3) Efek tidak langsung variabel X terhadap

indikator-indikatornya adalah XY1Z2 = 0,55, artinya kualitas layanan berpengaruh secara tidak langsung terhadap persepsi pasien bahwa RS. Ganesha memberikan pengalaman tinggal yang menyenangkan adalah sebesar 55%. Efek tidak langsung variabel XY1Z3 = 0,50, artinya kualitas layanan berpengaruh secara tidak langsung

(36)

terhadap persepsi pasien bahwa memilih RS. Ganesha adalah tindakan yang benar sebesar 50%.

4) Efek tidak langsung variabel Y1 terhadap indikator-indikator variabel Y2 adalah Y1Y2Z4 = 0,43 artinya kepuasan berpengaruh tidak langsung terhadap kepercayaan pasien bahwa RS. Ganesha konsisten dalam memberikan pelayanan yang berkualitas kepada semua pasien adalah sebesar 43%. Efek tidak langsung Y1Y2Z5 = 0,39 artinya kepuasan berpengaruh secara tidak langsung terhadap kepercayaan pasien bahwa seluruh pelayanan RS. Ganesha berkualitas baik adalah sebesar 39%. Efek tidak langsung Y1Y2Z6 = 0,28 artinya kepuasan pasien berpengaruh secara tidak langsung untuk membangun kepercayaan bahwa RS. Ganesha adalah rumah sakit yang handal adalah sebesar 28%.

c. Efek Total (Total Effect)

Efek total variabel X (kualitas pelayanan) terhadap Y2 (kepercayaan) = 0,31 + 0,46 = 0,77, artinya total pengaruh kualitas layanan terhadap kepercayaan adalah sebesar 77%.

Langkah 7 : Interpretasi dan Modifikasi Model

Standardized residual covariance matrix yang dihasilkan oleh data pada penelitian ini dapat dilihat pada lampiran 15, di mana seluruh nilai menunjukkan angka dibawah 2,58. Interpretasi terhadap residual yang dihasilkan model ini melalui pengamatan terhadap variabel-variabel yang mempunyai nilai residual standard lebih besar dari 2,58 menunjukkan bahwa model ini dapat diterima dan

(37)

tidak perlu dilakukan modifikasi terhadap model yang diuji karena seluruh nilai menunjukkan angka dibawah 2,58.

5.2 Pembahasan

Berdasarkan atas hasil pengolahan data, landasan teori dan kajian hasil penelitian sebelumnya maka dapat diperoleh pembahasan atas penelitian ini sebagai berikut :

1) Kualitas pelayanan berpengaruh positif dan signifikan terhadap kepuasan pasien RS. Ganesha

Pernyataan tersebut didukung oleh hasil uji struktural yang menghasilkan nilai factor loading variabel kualitas pelayanan terhadap kepuasan sebesar 0,78. Angka ini berada diatas 0,50 dan menunjukkan hubungan yang sangat kuat antara dua variabel tersebut.

Nilai efek langsung variabel kualitas pelayanan terhadap variabel kepuasan adalah 0,78, artinya bahwa variabel kualitas pelayanan memiliki pengaruh terhadap kepuasan sebesar 78% (sangat kuat).

Pengamatan terhadap nilai C.R. pada regression weight yang identik dengan uji-t dalam regresi, terlihat angka C.R. = 4,50 > 1,645 (nilai t tabel pada level 0,05 dengan df 163 adalah 1,645) dan menunjukkan bahwa variabel-variabel tersebut berhubungan secara signifikan. Dasar keputusan yang lain adalah dengan mengamati nilai probability (P) yang dihasilkan yaitu P = 0,000 atau P <0,001 yang berarti terdapat pola hubungan yang signifikan antara variabel kualitas playanan dan kepuasan.

(38)

Hal ini didukung oleh hasil penelitian dari 1) Olorunniwo, F, et, al (2006), yang menjelaskan terdapat pengaruh yang signifikan antara kualitas pelayanan terhadap kepuasan pelanggan pada industry jasa. 2) Garbarino & Johnson (1999) yang hasilnya adalah kualitas pelayanan berpengaruh positif dan signifikan terhadap kepuasan pelanggan. 3) Zeithmal, Berry, dan Parasuraman, yang mengemukakan teori tentang hubungan antara kualitas pelayanan jasa dan kepuasan pelanggan, dimana kualitas jasa yang memadai harapan pelanggan maka pelanggan akan senang dan menilai kualitas jasa tersebut tinggi. 4) Kau and Loh (2006) yang hasilnya kualitas pelayanan berpengaruh positif dan signifikan terhadap kepuasan konsumen mobile phone.

2) Terdapat pengaruh langsung yang positif tetapi dalam hubungan yang sangat lemah antara kualitas pelayanan dalam membangun kepercayaan pada pasien RS. Ganesha.

Pernyataan tersebut didukung oleh hasil uji structural yang menghasilkan nilai loading factor variabel kualitas pelayanan terhadap kepercayaan pasien RS. Ganesha sebesar 0,31. Angka ini berada dibawah nilai standar 0,50 dan menunjukkan hubungan yang sangat lemah antara dua variabel tersebut. Nilai efek langsung variabel kualitas pelayanan terhadap variabel kepercayaan adalah 0,31. Angka tersebut memiliki arti bahwa variabel kualitas pelayanan memiliki pengaruh terhadap kepercayaan pasien sebesar 31% (lemah).

Pengamatan terhadap nilai C.R. pada regression weight yang identik dengan uji-t dalam regresi, terlihat angka C.R. = 1,33 < 1,645 (nilai t tabel pada level

(39)

0,05 dengan df 163 adalah 1,645) dan menunjukkan bahwa variabel-variabel tersebut tidak berhubungan kuat.

Hal ini didukung oleh hasil penelitian 1) Aryani P,E. (2008) yang menyatakan terdapat hubungan positif tetapi lemah antara kualitas layanan maskapai penerbangan Garuda terhadap kepuasan pelanggan. Namun Jasfar (2005) menyatakan terdapat hubungan yang signifikan antara kualitas pelayanan ritel terhadap kepercayaan konsumen. jadi dapat disimpulkan bahwa pada bisnis jasa kualitas pelayanan tidak berpengaruh signifikan dalam membangun kepercayaan pasien.

3) Kepuasan pasien berpengaruh positif dan signifikan terhadap kepercayaan pasien RS. Ganesha.

Pernyataan tersebut didukung oleh hasil uji structural yang menghasilkan nilai loading factor variabel kepuasan terhadap kepercayaan pasien RS. Ganesha sebesar 0,58. Angka ini berada diatas nilai standar 0,50 dan menunjukkan hubungan yang sangat kuat antara dua variabel tersebut. Nilai efek langsung variabel kepuasan terhadap variabel kepercayaan adalah 0,58. Angka tersebut memiliki arti bahwa variabel kepuasan memiliki pengaruh terhadap kepercayaan pasien sebesar 58% (kuat).

Pengamatan terhadap nilai C.R. pada regression weight yang identik dengan uji-t dalam regresi, terlihat angka C.R. = 2,12 > 1,645 (nilai t tabel pada level 0,05 dengan df 163 adalah 1,645) dan menunjukkan bahwa variabel-variabel tersebut berhubungan secara signifikan.

(40)

Hal ini didukung oleh hasil penelitian 1) Garbarino & Jhonson (1999) tentang different roles in customer relationships bahwa kepuasan pelanggan memegang peranan penting terhadap kepercayaan pelanggan. 2) Aryani P,E. (2008) yang menyatakan terdapat hubungan yang signifikan antara kepuasan pelanggan maskapai Garuda Indonesia dalam membangun kepercayaan pelanggan. 3) Kau and Loh (2006) yang hasilnya kepuasan pelanggan berpengaruh positif dan signifikan terhadap kepercayaan konsumen mobile phone.

4) Kualitas pelayanan berpengaruh positif dan signifikan terhadap kepercayaan melalui kepuasan pasien RS. Ganesha.

Pernyataan tersebut didukung oleh hasil uji structural yang menghasilkan nilai efek tidak langsung variabel kualitas pelayanan terhadap kepercayaan pasien melalui kepuasan pasien RS. Ganesha sebesar 0,46. Angka tersebut memiliki arti bahwa variabel kepuasan memiliki pengaruh terhadap kepercayaan pasien melalui variabel kepuasan sebesar 46% (cukup kuat).

Hal ini didukung oleh penelitian dari 1) Aryani (2008) yang menghasilkan terdapatnya pengaruh tidak langsung antara kualitas layanan terhadap kepercayaan pelanggan maskapai penerbangan Garuda Indonesia melalui kepuasan. 2) Kau and Loh (2006) yang hasilnya kualitas pelayanan berpengaruh positif dan signifikan terhadap kepercayaan konsumen melalui kepuasan.