BAB IV METODOLOGI PENELITIAN. Penelitian ini termasuk ke dalam penelitian deskriptif dimana penelitian ini

Transkripsi

1 BAB IV METODOLOGI PENELITIAN 4.1. Jenis/ Desain Penelitian Penelitian ini termasuk ke dalam penelitian deskriptif dimana penelitian ini merupakanpenelitianuntuk mengujihipotesistentang pengaruhantarvariableyang akanditelitidenganmengacupadahipotesisyang sudah ditentukan. Pada penelitian ini termasuk kedalam rancangan riset konklusif yaitu riset yang dirancang untuk membantu pembuat keputusan dalam menentukan, mengevaluasi, serta memilih rangkaian tindakansituasi tertentu yang harus diambil pada (Malhotra, 2005:90). Penelitian dilakukan dengan tahapan menguji hubungan atau pengaruh antar variabel bebas yang meliputi, tarif, kualitas pelayanan dan fasilitas persalinanterhadap variabel terikat yaitu keputusan melakukan persalinan dan seberapa besar pengaruh variabel variabel bebas tersebut Variabel Penelitian Variabel Penelitian adalah unsur penelitan yang menjelaskan tentang karekteristik suatu masalah yang hendak diteliti. Berdasarkan landasan teori yang sudah dipaparkan diatas, maka dapat dikemukakan variabel penelitian dari masing masing variabel sebagai berikut : 1) Variabel Eksogen, yakni variabel yang tidak diprediksi oleh variabel lain dalam model. Variabel eksogen dikenal juga sebagai independent variable. Dalam penelitian ini variabel eksogen adalah Tarif (X1), Kualitas Pelayanan (X2) dan Fasilitas Persalinan (X3). 2) Variabel Endogen, yakni variabel yang diprediksikan oleh satu atau beberapa variabel yang lain dalam model, dikenal juga sebagai dependent variable. Dalam penelitian ini variabel endogen adalah keputusan melakukan persalinan (Y).

2 4.3 Definisi Operasional dan Pengukuran Variabel Definisi Operasional Definisi Operasional adalah unsur penelitian yang memberikan petunjuk bagaimana variabel itu dapat diukur. Variabel penelitian terdiri dari 3 (tiga) variabel bebas dan 1 (satu) variabel terikat sebagai berikut : a. Tarif Merupakan persepsi pasien tentang tarif bersalin yang dibebankan kepada pasien bersalin. Dengan mengukur jawaban responden melalui instrumen penelitian yang mengukur tarif melalui Dimensi keterjangkauan tarif, daya saing tarif dan kesesuaian tarif dengan pelayanan. Tabel 4.1 Operasional Variabel Tarif VARIABEL Tarif (X1) DEFINISI VARIABEL Menurut Kotler (2005) Tarif(price) adalah jumlah dari semua nilai yang konsumen tukar untuk keuntungan memiliki atau menggunakan produk atau jasa DIMENSI Keterjangk auan tarif Daya saing tarif Kesesuaian tarif dengan pelayanan INDIKATOR 1. Informasi tarif kamar yang diberikan cukup jelas 2. Informasi tarif obat yang diberikan cukup jelas 3. Tarif berbeda yang ditawarkan (seperti memberikan diskon) dari Rumah Sakit dapat meningkatkan keinginan pasien untuk melakukan persalinan 4. Perbandingan tarif diagnosis lebih murah dari tarif umumnya 5. Perbandingan tarif kamar yang diberikan lebih murah dari tarif umumnya 6. Perbandingan tarif obat yang diberikan lebih murah dari tarif umumnya 7.Tingkatan tarif tiap kamar sudah sesuai dengan fasilitas 8.Tingkatan tarif obat sesuai dengan tarif pada umumnya 9. Tarif diagnosis /pemeriksaan sudah sesuai dengan masyarakat golongan ekonomi menengah kebawah 10. Tarif yang ditawarkan Rumah Sakit sudah sesuai ITEM PERTANYAAN

3 Sumber : Dikembangkan untuk penelitian ini dengan iklan /promosi yang ditawarkan b. Kualitas Pelayanan Merupakan upaya pemenuhan kebutuhan dan keinginan pasien serta ketepatan penyampaian dalam mengimbangi harapan pasien bersalin. Skor penilaian diperoleh dari jawaban responden melalui instrumen penelitian yang mengukur pelayanan melalui DimensiTampilan Fisik (Tangible), Kehandalan (Reliable), Ketanggapan (Responsiveness), Jaminan (Assurance), Empati (Empathy) dan Empati. Tabel 4.2 Operasional Variabel Kualitas Pelayanan VARIABEL Kualitas Pelayanan (X2) DEFINISI VARIABEL Menurut Kotler (2005)definisi Kualitas pelayanan adalah setiap tindakan atau kegiatan yang dapat ditawarkan oleh suatu pihak kepada pihak lain, yang pada dasarnya tidak berwujud dan tidak mengakibatkan kepemilikan apapun DIMENSI Tampilan Fisik (Tangible) Kehandalan (Reliable) Ketanggapan (Responsivene ss) INDIKATOR 1. Rumah Sakit telah memiliki gedung yang bersih dan terawat serta petugas yang rapi 2. Rumah Sakit mempunyai ruang persalinan yang memadai 3. Rumah Sakit mempunyai ruang pemeriksaan pasien memadai dan terjaga privasinya 4. Ruangan pelayanan terjaga bersih, indah dan nyaman 5. Dokter/Bidan memeriksa pasien dengan sungguhsungguh 6. Dokter/Bidan memberikan pelayanan yang cepat dan tidak berbelit-belit 7. Dokter/Bidan memberikan pelayanan tepat waktu dan siap sedia saat dibutuhkan 8. Keramahan tenaga medis selama perawatan 9. Tenaga Medis Dapat memberikan pelayanan dengan cepat 10. Petugas Kesehatan selalu sabar dan menampung setiap keluhan ITEM PERTANYAAN

4 Sumber : Dikembangkan untuk penelitian ini Jaminan (assurance) Empati (Empathy) 11. Perilaku dokter/petugas menimbulkan rasa aman 12. Petugas Kesehatan selalu ramah terhadap setiap pasien yang datang 13.Dokter/Petugas menjaga kerahasiaan pasien 14 Keramahan dan kesopanan dari petugas kesehatan dalam memberikan pelayanan 15. Rumah-Sakit tidak bising dan bebas dari gangguangangguan yang mengancam rasa aman 16. Dokter/Bidan selalu menanyakan kabar dan keadaan pasien 17. Petugas Kesehatan bersedia untuk meminta maaf bila terjadi kesalahan 18. Perhatian, kesabaran dan ketelatenan tenaga kesehatan dalam memberikan pelayanan 19.Kemudahan pasien dalam mendapatkan informasi secara jelas dan akurat c. Fasilitas Persalinan Merupakan segala sesuatu yang membuat pasien bersalin merasa nyaman selama dalam perawatan. Skor penilaian yang diperoleh dari jawaban responden melalui instrumen penelitian yang mengukur fasilitas melalui dimensi Ketersediaan tanah, Faktor Estetis dan Biaya Konstruksi dan Operasi Tabel 4.3 Operasional Variabel Fasilitas Persalinan VARIABEL DEFINISI VARIABEL DIMENSI INDIKATOR Fasilitas (X3) Menurut Tjiptono (2012) Fasilitas merupakan segala sesuatu yang memudahkan konsumen dengan menggunakan jasa perusahaan tersebut. Fasilitas adalah sumber daya fisik yang ada dalam sebelum suatu jasa dapat ditawarkan Ketersediaan tanah 1. Tempat Tidur kamar bersalin sudah tersusun dengan baik sehingga membuat pasien nyaman 2. Ruang tunggu keluarga pasien sudah disusun dengan baik sehingga membuat keluarga pasien rileks 3. Selama selama proses perawatan pasien tidak ITEM PERTANYAAN

5 kepada konsumen Sumber : Dikembangkan untuk penelitian ini d. Keputusan bersalin Faktor Estetis Biaya Konstruksi dan Operasi pernah mengalami masalah dengan warga sekitar 4. Selama menginap pasien tidak pernah diganggu oleh pasien yang lain. 5. Fasilitas kamar bersalin sudah tertata dengan rapi 6. Fasilitas kamar bersalin yang disusun dapat meningkatkan sikap positif pasien 7. Sikap petugas kesehatan dapat membuat pasien nyaman 8. Lapangan parkir Rumah Sakit cukup luas dan nyaman 9. Ruangan kamar bersalin sudah bersih dan nyaman 10. Pasien merasa nyaman karena Rumah Sakit menyediakan audio, video dan CCTV Merupakan suatu keinginan yang menyebabkan pasien melakukan persalinan di Rumah SakitSari Asih Ciledug. skor penilianan diperoleh dari jawaban responden melalui instrumen penelitian yang mengukur keputusan bersalin melaluidimensikeputusan bersalin karena faktor individual dan karena faktor lingkungan. Tabel 4.4 Operasional Variabel Keputusan Persalinan VARIABEL DEFINISI VARIABEL DIMENSI INDIKATOR ITEM PERTANYAAN Keputusan persalinan (Y) Menurut Sunyoto (2013), Keputusan adalah sebagai suatu hasil atau keluaran dari proses mental atau ko gnitif yang membawa pada pemilihan suatu jalur tindakan di antara beberapa alternatif yang tersedia. Faktor individual Faktor lingkungan 1. Persepsi dan pengalaman pribadi 2. Persepsi terhadap kualitas pelayanan 3. Pengaruh atau masukan dari promosi program Rumah Sakit 4. Pengaruh keluarga melakukan persalinan

6 Sumber : Dikembangkan untuk penelitian ini 5. Pengaruh rekan kerja melakukan persalinan 6. Pengaruh pimpinan melakukan persalinan Pengukuran variabel Variabel penelitian Variabel penelitian yang akan dianalisis dalam penelitian ini diklasifikasikan sebagai berikut : a. Variabel Bebas yang meliputi : 1) Tarif (X11, X1.2, X1.3) 2) Kualitas Pelayanan (X2.1, X2.2, X2.3, X2.4, X2.5) 3) Fasilitas Persalinan (X3.1, X3.2, X3.3) b. Variabel terikat adalah Keputusan bersalin di Rumah Sakit (Y) Pembobotan Skala pengukuran yang digunakan untuk mengukur variabel tarif (X1), Variabel Kualitas Pelayanan (X2), dan Variabel Fasilitas Persalinan (X3) dan Keputusan bersalin (Y) adalah dengan scoring model skala Likert. Pembobotan dengan skala likert pada jawaban responden pada masing masing variabel yang diteliti. Tabel 4.5 Nilai Pembobotan Skala Likert JAWABAN PERNYATAAN JAWABAN PERNYATAAN NILAI POSITIF NEGATIF 1 Sangat Tidak Setuju Sangat Setuju 2 Tidak Setuju Setuju 3 Ragu-ragu Ragu-ragu 4 Setuju Tidak Setuju 5 Sangat Setuju Sangat Tidak Setuju Sumber : Sugiyono, (2005) 4.4 Populasi dan Sampel Penelitian

7 4.4.1 Populasi Penelitian Populasi adalah jumlah keseluruhan unit analisis yang akan diselidiki karakteristik atau cirinya. Sampel adalah sebagian dari unit unit yang ada dalam populasi yang ciri ciri atau karakteristiknya benar-benar diselidiki. Selain itu menurut Sekaran (2006 : 21), Populasi berarti keseluruhan objek yang berupa kumpulan dari orang orang, peristiwa atau kejadian atau objek lain yang diharapkan dapat diteliti. Populasi dalam penelitian ini adalah pernah melakukan persalinan di Rumah Sakit Sari Asih Ciledug dengan total populasi 489 pasien. Adapun teknik yang digunakan peneliti adalah convenience sampling yaitu peneliti memiliki kebebasan untuk memilih siapa saja yang ditemui Sampel Penelitian Sampel adalah sebagian unit unit yang ada dalam populasi dengan ciri ciri atau karekteristiknya benar benar diselidiki. Selain itu menurut sekaran (2006) populasi berarti keseluruhan objek yang berupa kumpulan subset dari populasi, terdiri dari beberapa anggota populasi. Subset ini diambil karena dalam banyak kasus tidak mungkin kita meneliti seluruh anggota populasi, oleh karena itu kita membentuk sebuah perwakilan populasi yang disebut sampel (Ferdinand: 2006), lebih lanjut sekaran (2006) menjelaskan bahwa dalam pengambilan sampel ditujukan untuk memudahkan penelitian dalam meneliti populasinya dikarenakan faktor kuantitatif objek penelitian yang semakin sedikit. Hasil yang didapatkan dari penelitian terhadap sampel dari suatu populasi dapat digeneralisasikan pada keseluruhan populasi tersebut. Penentuan besarnya sampel menggunakanrumus SlovinAzhari (1992) dimana :

8 n =Jumlah sampel N =Jumlah populasi e =Error(%)yangdapatditoleransiterhadapketidaktepatan penggunaan sampel sebagai pengganti populasi. Padapenelitian menggunakan e=5%sehingga: n =220, 02 dibulatkan 220 responden Pada penelitian ini teknik pengambilan sampel berdasarkan non Probability sampling dengan menggunakan teknik Purposive Sampling yaitu berdasarkan ciri-ciri khusus yang dimiliki sampel tersebut dengan ciri-ciri yang sudah ditentukan sebelumnya yaitu pasien yang melakukan persalinan di Rumah Sakit Sari Asih Ciledug 4.5. Jenis dan Sumber Data Data Primer Adalah data yang dipergunakan secara langsung dari objek penelitian dan dimaksudkan untuk menguji hipotesis dengan melalui wawancara langsung kepada responden yaitu pasien bersalin, pertanyaan yang diajukan berdasarkan daftar pertanyaan pada kuesioner. Jawaban responden berupa nilai angka 1 sampai 5 sesuai dengan skala likert Data sekunder Adalah data Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain).

9 Data sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip (data dokumenter) yang dipublikasikan dan yang tidak dipublikasikan. 4.6.Teknik Pengumpulan data Teknik pengumpulan data yang digunakan peneliti dalam melakukan penelitian terhadap permasalahan yang diteliti adalah penelitian lapangan atau tinjauan langsung terhadap Rumah Sakit Sari Asih Ciledug agar mendapatkan informasi dan data yang berhubungan dengan penelitian adalah sebagai berikut: Penelitian Lapangan (Field Research) Pengumpulan data yang dilakukan melalui peninjauan langsung ke objek penelitian yaitu Rumah Sakit Sari Asih Ciledug. Adapun cara yang dilakukan yaitumetode kuesioner adalah suatu cara pengumpulan data dengan menyebarkan daftar pertanyaan kepada responden, dengan harapan mereka akan memberikan respon atas daftar pertanyaan tersebut. (Umar, 2010:167). Jadi, metode kuesioner merupakan suatu daftar pertanyaan yang dibuat oleh peneliti yang ditujukan kepada responden untuk mendapatkan data primer yang berhubungan dengan penelitian Studi Kepustakaan Studi kepustakaan merupakan segala usaha yang dilakukan untuk menghimpun informasi yang relevan dengan topik atau masalah yang sedang diteliti. Informasi dan data diperoleh melalui literatur, buku-buku di perpustakaan, atau tulisan ilmiah yang berkaitan dengan penelitian untuk melengkapi data primer yang ada di lapangan.

10 4.6. Metode Analisis data Teknik Analisis Setelah data dikumpulkan dan diolah baik secara kuantitatif maupun kualitatif. Analisisi kuantitatif yaitu suatu analisis yang digunakan untuk menghitung besarnya pengaruh secara kuantitatif dari perubahan satu atau beberapa kejadian diwaktu yang akan datang. Sedangkan analisis kualitatif yaitu suatu cara untuk menginterpretasikan data data yang sudah diolah dengan mencari hubungan yang lebih luas dengan fenomena-fenomena atau gejala yang lain. Dengan analisis kualitatif dapat diketahui maksud yang sesungguhnya mengenai hasil akhir dari data yang diolah dengan teknik analisis kuantitatif yang digunakan adalah Structural Equation Model (SEM) untuk menguji hipotesis yang diajukan. Teknik analisis data Structural Equation Modelling (SEM). Menurut Ghozali (2012:3) SEM adalah generasi kedua teknik analisis multivariate yang memungkinkan peneliti menguji hubungan antar variabel yang komplek baik recursive maupun nonrecursive untuk memperoleh gambaran yang komprehensif mengenai keseluruhan model. SEM dapat menguji secara bersama-sama: 1) Model struktural, hubungan antara konstruk independen dengan dependen. 2) Model measurement, hubungan (nilai loading) antara indikator dengan konstruk (laten). Digunakannya SEM dalam penelitian ini adalah karena SEM merupakan sekumpulan teknik teknik statistical yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif rumit secara simultan. Hubungan rumit ini dapat dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen.

11 Menurut Haryono & Wardoyo (2012:11) digabungkannya pengujian model struktural dengan pengukuran tersebut memungkinkan peneliti untuk: 1. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tidak terpisahkan dari SEM. 2. Melakukan analisis faktor bersamaan dengan pengujian hipotesis. Pengujian pada penelitian ini akan mengikuti tahapam prosedur SEM secara umum seperti yang dijelaskan oleh Setyo Hari Wijanto (2015 : 42): 1) Spesifikasi model (model spesification) Tahap ini berkaitan dengan pembentukan model awal persamaan struktural, sebelum dilakukan estimasi. Model awal ini diformulasikan berdasarkan suatu teori atau penelitian sebelumnya. 2) Identifikasi (Identification) Tahap ini berkaitan dengan pengkajian tentang kemungkinan diperolehnya nilai yang unik untuk setiap parameter yang ada di dalam model dan kemungkinan persamaan simultan tidak ada solusinya. 3) Estimasi (Estimation) Tahap ini berkaitan dengan estimasi terhadap model untuk menghasilkan nilai-nilai parameter dengan menggunakan salah satu metode estimasi yang tersedia. Pemilihan

12 metode estimasi yang digunakan seringkali ditentukan berdasarkan karakteristik dari variabel-variabel yang dianalisis. 4) Uji kecocokan (Testing Fit) Tahap ini berkaitan dengan pengujian kecocokan antara model dengan data. Beberapa kriteria ukuran kecocokan atau Goodness Of Fit (GOF) dapat digunakan dengan langkah ini. 5) Respesifikasi (Respesification) Tahap ini berkaitan dengan respesifikasi model berdasarkan atas hasil uji kecocokan tahap sebelumnya Spesifikasi model (model spesification) Menurut Hoyle (1998) dalam Setyo Hari Wijanto (2015:43) berpendapat bahwa analisis tidak akan dimulai sampai peneliti menspesifikasikan sebuah model yang menunjukkan hubungan diantara variabel-variabel yang akan dianalisis. Menurut Setyo Hari Wijanto (2015:43)melalui langkahlangkah berikut peneliti dapat memperoleh model yang diinginkan: 1) Spesifikasi Model pengukuran - Definisikan variabel-variabel laten yang ada didalam penelitian - Definisikan variabel-variabel teramati - Definisikan hubungan antara setiap variabel laten dengan variabel-variabel teramati yang terkait

13 2) Spesifikasi Model Struktural - Definisikan hubungan klausal diantara variabel-variabel laten tersebut 3) Gambar Path Diagram dari model hybrid yang merupakan kombinasi pengukuran dan struktural (Jika diperlukan). Gambar 4.1 merupakan path diagram model penelitian yang merupakan kombinasi pengukuran dan struktural. Sumber: dikembangkan untuk penelitian ini Gambar 4.1. Path Diagram Hybrid Model Penelitian Persamaan Struktural: η= γ 1 ξ 1 + γ 2 ξ 2 + γ 3 ξ 3 + ζ Pada gambar Path Diagram Hybrid dari model penelitian diatas, terdapat tanda atau beberapa notasi. Adapun penjelasan mengenai keterangan dari notasi diatas adalah seperti yang tercantum pada Tabel 4.6. Notasi ζ (ksi) Tabel 4.6 Keterangan Notasi SEM Lisrel Keterangan Variabel laten eksogen (variabel independen), digambarkan

14 Notasi ŋ (eta) γ(gamma) β(beta) Y X λ(lambda) Keterangan sebagai lingkaran pada model structural SEM Variabel laten endogen (variabel dependen, dan juga dapat menjadi variabel independen pada persamaan lain), juga digambar sebagai variable Hubungan langsung variabel eksogen terhadap variabel endogen Hubungan langsung variabel endogen terhadap variabel endogen Indikator variabel endogen Indikator variabel eksogen Hubungan antara variabel laten eksogen ataupun endogen terhadap indikator-indikatornya δ(delta) Kesalahan pengukuran (measurement error) dari indikator variabel eksogen ε(epsilon) Kesalahan pengukuran (measurement error) dari indikator variabel endogen ζ(zeta) Kesalahan dalam persamaan yaitu antara variabel eksogen dan atau endogen terhadap variabel endogen Sumber: Ghozali (2012) Identifikasi (Identification) Sebelum dilakukan tahap estimasi untuk mencari solusi dari persamaan simultan yang mewakili model yang dispesifikasikan, terlebih dahulu akan diperiksa identifikasi dari persamaan simultan tersebut. Setyo Hari Wijanto (2015 : 48), secara garis besar ada 3 kategori identifikasi dalam persamaan simultan yaitu: 1) Under-Identified Model adalah model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui (data tersebut merupakan variance dan covariance dari variabel-variabel teramati). 2) Just-Identified Model adalah model dengan jumlah parameter yang diestimasi sama dengan data yang diketahui 3) Over-Identified Model adalah model dengan jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui.

15 Dalam SEM diusahakan semaksimal mungkin agar penelitian bisa memperoleh model Over-Identified dan menghindari model Under-Identified. Penelitian ini juga akan menggunakan Over-Identified Model Estimasi(Estimation) Dalam tahap estimasi peneliti berusaha memperoleh nilai-nilai parameter-parameter sedemikian rupa sehingga matrik kovarian yang diturunkan dari model (model implied covariance matrix) sedekat mungkin atau sama dengan kovarian populasi dari variabelvariabel teramati. Sebelum melanjutkan ke tahap lebih lanjut yaitu tahap uji kecocokan, akan dilakukan pemeriksaan terhadap hasil estimasi terhadap kemungkinan adanya offending estimates (nilainilai yang melebihi batas yang dapat diterima). Beberapa offending estimates yang sering ditemui menurut Hair et.al (1998) dalam Setyo Hari Wijanto (2015 :57) adalah: 1) Negative error variances atau nonsignificant error variances untuk konstruk-konstruk yang ada. 2) Standardized coeficients melebihi atau sangat dekat dengan 1 3) Standard errors yang berhubungan dengan koefiesien-koefisien yang diestimasi mempunyai nilai yang sangat besar Uji Kecocokan Tahap estimasi menghasilkan solusi yang berisi nilai-nilai akhir dari parameterparameter yang diestimasi. Dalam tahap ini peneliti akan memeriksa tingkat kecocokan antara data dengan model, validitas dan realibilitas model pengukuran, dan signifikansi

16 koefiesien-koefiesien dari model struktural. Menurut Setyo Hari Wijanto (2015 :58) evaluasi dilakukan dengan beberapa tahapan yaitu: Kecocokan seluruh model (overall model fit) Kecocokan model pengukuran (measurement model fit) Kecocokan model struktural (structural model fit) Uji Kecocokan Keseluruhan Model (Overall Model Fit) Tahap pertama dari uji kecocokan ini ditujukan untuk mengevaluasi secara umum derajat kecocokan atau Goodness Of Fit (GOF) antara data dengan model. Menilai GOF suatu SEM secara menyeluruh tidak dapat dilakukan secara langsung seperti pada teknik multivariate yang lain. SEM tidak mempunyai satu uji statistik terbaik yang dapat menjelaskan kekuatan prediksi model. Sebagai gantinya para peneliti telah mengembangkan beberapa ukuran GOF atau Goodness Of Fit Indices (GOFI) yang dapat digunakan secara bersama-sama atau kombinasi. Menurut Setyo Hari Wijanto (2015 :59) penggunaan ukuran secara kombinasi yang disebutkan sebelumnya dapat dimanfaatkan untuk menilai kecocokan model dari 3 sudut pandang yaitu overall fit (kecocokan keseluruhan), comparative fit to base model (kecocokan komparatif terhadap model dasar), dan model parsimony (parsimony model). Berdasarkan Hair et.al (1998) dalam Setyo Hari Wijanto (2015 :60) kemudian mengelompokkan GOFI yang ada menjadi 3 bagian yaitu absolute fit measures (ukuran kecocokan absolut), incremental fit measures (ukuran kecocokan incremental) dan parsimonious fit measures (ukuran kecocokan parsimoni). Dari uraian tersebut peneliti akan menggunakan ukuran kecocokan absolut dalam penelitian ini. Ukuran-ukuran yang biasanya digunakan untuk mengevaluasi SEM adalah seperti yang dijelaskan oleh Setyo Hari Wijanto (2015 :60) :

17 Chi-Square (X 2 ) Statistik pertama dan satu-satunya uji statistik dalam GOF adalah X 2. Chi-Square digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian sampel S dengan matrik kovarian model θ. Uji statistik X 2 adalah X 2 =(n-1)f(s, ( )) yang merupakan sebuah distribusi Chi-Square dengan degree of freedom (df) sebesar c-p dalam hal ini c=(nx+ny)(nx+ny+1)/2 adalah banyaknya matrik varian-kovarian non-redundan dari variabel teramati. Nx adalah banyaknya variabel teramati x, ny banyaknya variabel teramati y. Adapun p adalah banyaknya parameter yang diestimasi dan n adalah ukuran sampel. Peneliti berusaha memperoleh nilai X 2 yang rendah yang menghasilkan significance level yang lebih besar atau sama dengan 0,05 (p 0,05). Hal ini menandakan bahwa hipotesis nol diterima dan matrik input yang diprediksi dengan yang sebenarnya tidak berbeda secara statistik. Non-Centrality Parameter (NCP) NCP merupakan ukuran perbedaan antara dengan ( ) yang bisa dihitung dengan rumus: NCP = X 2 -df dimana df adalah degree of freedom Seperti X 2, NCP juga merupakan ukuran badness of fit dimana semakin besar perbedaan antara dengan ( ) semakin besar nilai NCP. Jadi peneliti perlu mencari nilai NCP yang kecil atau rendah. Scaled Non-Centrality Parameter (SNCP)

18 SCNP merupakan pengembangan dari NCP dengan memperhitungkan ukuran sampel seperti dibawah ini: SCNP = (X 2 -df)/n dimana n adalah ukuran sample Goodness Of Fit Index (GFI) GFI dapat diklasifikasikan sebagai ukuran kecocokan absolut, karena pada dasarnya GFI membandingkan model yang dihipotesis dengan tidak ada model sama sekali ( ( )). Rumus dari GFI adalah sebagai berikut: GF = 1 F F0 dimana: F : nilai minimum dari F untuk model yang dihipotesiskan F0 : nilai minimum dari F, ketika tidak ada model yang dihipotesiskan Nilai GFI berkisar antara 0 (poor fit) sampai 1 (perfect fit) dan nilai GFI 0,90 merupakan good fit (kecocokan yang baik), sedangkan 0,80 GFI 0,90 sering disebut sebagai marginal fit. Root Mean Square Residual (RMR) RMR mewakili nilai rerata residual yang diperoleh dari mencocokkan matrik variankovarian dari model yang dihipotesiskan dengan matrik varian-kovarian dari data sampel.

19 Residual-residual ini adalah relarif terhadap ukuran dari kovarian-kovarian teramati, sehingga sukar diintepretasikan. Oleh karena itu residual-residual ini paling baik diintepretasikan dalam metrik dari matrik korelasi. Standardized RMR mewakili nilai rerata seluruh standardized residuals, dan mempunyai rentang dari 0 ke 1. Model yang mempunyai kecocokan baik (good fit) akan mempunyai nilai Standardized RMR lebih kecil dari 0,05. Root Mean Square Error Of Approximation Indeks ini merupakan salah satu indeks informatif dalam SEM. Rumus perhitungan RMSEA adalah sebagai berikut: RMSEA = F 0 df Nilai RMSEA 0,05 menandakan close fit, sedangkan 0,05 RMSEA 0,08 menunjukkan good fit. McCallum (1996) dalam Setyo Hari Wijanto (2015 :63)menambahkan bahwa nilai RMSEA antara 0,08 sampai 0,10 menunjukkan mediocre (marginal fit) serta nilai RMSEA 0,10 menunjukkan poor fit. Single Sample Cross-Validation Index/Expected Cross-Validation Index (EVCI) ECVI digunakan untuk perbandingan model dan semakin kecil nilai ECVI sebuah model semakin baik tingkat kecocokannya. Perbandingan ukuran-ukuan GOF dalam teknis analisis data Structural Equation Modelling (SEM) tertera pada Tabel 4.7. Tabel 4.7 Perbandingan ukuran-ukuran GOF

20 UKURAN GOF Statistik Chi-Square (X 2 ) TINGKAT KECOCOKAN YANG BISA DITERIMA ABSOLUTE-FIT MEASURES Mengikuti uji statistik yang berkaitan dengan persyaratan signifikan. Semakin kecil semakin baik. Non-Centrality (NCP) Parameter Dinyatakan dalam bentuk spesifikasi ulang dari Chi-Square. Penilaian didasarkan atas perbandingan dengan model lain. Semakin kecil semakin baik. Scaled Non-Centrality Parameter (SCNP) Goodness Of Fit Index (GFI) Root Mean Square Residual (RMR) Root Mean Square Error Of Approximation Sumber: Setyo Hari Wijanto (2015 :71) NCP yang dinyatakan dalam bentuk rata-rata perbedaan setiap observasi dalam rangka perbandingan antar model. Semakin kecil semakin baik. Nilai berkisar antara 0-1, dengan nilai yang lebih tinggi adalah lebih baik. GFI 0,90 adalah good fit, sedang 0,80 GFI 0,90 adalah marginal fit. Residual rata-rata antara matrik (korelasi atau kovarian) teramati dan hasil estimasi. Standardized RMR 0,05 adalah good fit. Rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan dalam sampel. RMSEA 0,08 adalah good fit, sedang RMSEA 0,05 adalah close fit Kecocokan Model Pengukuran (Analisis Model Pengukuran) Setelah kecocokan model dan data secara keseluruhan adalah baik, langkah berikutnya adalah evaluasi atau uji kecocokan model pengukuran. Evaluasi atau uji kecocokan model pengukuran (hubungan antara sebuah variabel laten dengan beberapa variabel teramati) secara terpisah melalui: Evaluasi terhadap validitas (validity) dari model pengukuran Evaluasi terhadap realibilitas (reliability) dari model pengukuran Doll, Xia dan Torkzadeh (1994) dalam Setyo Hari Wijanto (2015 :75) mengukur validitas dalam Confirmatory Factor Analysis (CFA) Model, sebagai berikut:

21 Pada First Order model pengukuran, standard factor loadings (muatan faktor standar) variabel-variabel teramati (indikator) terhadap variabel laten (faktor) merupakan estimasi validitas variabel-variabel teramati tersebut. Pada second or higher level model pengukuran, standard structural coefficients dari faktor-faktor (variabel-variabel laten) pada konstruk (variabel laten) yang lebih tinggi adalah estimasi validitas dari faktor-faktor tersebut. Menurut Rigdon dan Ferguson (1991) dan Doll, Xia dan Torkzadeh (1994) dalam Setyo Hari Wijanto (2015 :76) suatu variabel dikatakan mempunyai validitas yang baik terhadap konstruk atau variabel latennya jika: Nilai t muatan faktornya (loading factors) lebih besar dari nilai kritis (atau 1,96 atau untuk praktisnya 2) dan Sementara Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya. Menurut Setyo Hari Wijanto (2015 :76) untuk mengukur reliabilitas dalam SEM akan digunakan composite reliability measure (ukuran realibilitas komposit) dan variance extracted measure (ukuran ekstrak varian). Realibilitas komposit suatu konstruk dihitung sebagai berikut: Construct Reliability = 2 std Loading ( 2 + ej std Loading) dimana std loading (standardized loadings) dapat diperoleh secara langsung dari keluaran program LISREL 8.7 dan ejadalah measurement error untuk setiap indikator atau variabel teramati.

22 Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator-indikator (variabel-variabel teramati) yang dijelaskan oleh variabel laten. Menurut Fornal dan Larker (1981) dalam Setyo Hari Wijanto (2015 :77) ukuran ekstrak varian dapat dihitung sebagai berikut: Variance Extracted = 2 std Loading ( 2 + ej std Loading) Menurut Hair et.al (2007) dalam Setyo Hari Wijanto (2015 :77) ukuran ekstrak varian dapat dihitung juga sebagai berikut: Variance Extracted = std Loading 2 N Keterangan: N adalah banyaknya variabel teramati dari model pengukuran Menurut Bagozzi dan Yi (1998) dalam Ghozali (2005:321), tingkat cut off untuk dapat mengatakan bahwamenyatakan bahwa sebuah konstruk mempunyai reliabilitas yang baik adalah jikanilai Construct Reliability (CR-nya) 0, Kecocokan Model Struktural (Analisis Model Struktural) Evaluasi atau analisis model struktural mencakup pemeriksaan terhadap signifikansi koefisien-koefisien yang diestimasi. Metode SEM dan LISREL tidak saja menyediakan koefisien-koefisien yang diestimasi tetapi juga nilai t-hitungnya untuk setiap koefisien. Dengan menspesifikasikan tingkat signifikan (lazimnya =0,05), maka setiap koefisien yang mewakili hubungan kausal yang dihipotesiskan dapat diuji sigifikansinya secara statistik (apakah berbeda dengan nol). Selain hal itu perlu dilakukan evaluasi terhadap solusi nilai

23 maksimumnya adalah 1. Koefisien-koefisien tersebut serupa dengan koefisien beta pada regresi berganda, yaitu nilai koefisien yang mendekati nol menandakan pengaruh yang semakin kecil. Peningkatan nilai koefisien ini berhubungan dengan peningkatan pentingnya variabel yang bersangkutan dalam hubungan kausal. Menurut Haryono & Wardoyo (2012:11) digabungkannya pengujian model struktural dengan pengukuran tersebut memungkinkan peneliti untuk: 1. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tidak terpisahkan dari SEM. 2. Melakukan analisis faktor bersamaan dengan pengujian hipotesis. Sebelum melakukan pengujian terhadap variabel-variabel yang dibentuk berdasarkan teori yang ada, ada beberapa persyaratan yang harus dipenuhi oleh data sebelum diolah SEM. Persyaratan ini dinamakan asumsi SEM. Menurut Ferdinand (2002:51) ada beberapa asumsi yang harus dipenuhi dalam prosedur pengumpulan dan pengolahan data SEM, yaitu sebagai berikut: 1) Ukuran sampel yang harus dipenuhi oleh pemodelan SEM adalah minimum berjumlah 100 dan selanjutnya menggunakan perbandingan empat observasi untuk setiap estimasi parameter. 2) Normalitas dan Linearitas Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode-metode statistik. Uji linearitas dapat dilakukan dengan mengamati scatterplots dari data yaitu dengan memilih pasangan data dan dilihat pola penyebarannya untuk menduga ada tidaknya linearitas. Evaluasi normalitas dilakukan dengan menggunakan kriteria critical ratio skewness value sebesar +/ pada tingkat signifikansi Data

24 dapat disimpulkan mempunyai distribusi normal jika nilai critical ratio skewness memiliki nilai mutlak antara ) Angka ekstrim (outliners) Angka ektrim (outliners) adalah observasi yang muncul dengan nilai nilai ektrim baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi karakteristik yang unik yang dimilikinya dan terlihat sangat jauh berbeda dengan observasi-observasi lainnya. 4) Multikolinearitas Asumsi multikolonearitas mengharuskan tidak adanya korelasi yang sempurna atau besar diantara variabel-variabel independen. Perbedaan SEM dengan teknik-teknik multivariate adalah dalam input data yang digunakan dalam pemodelan dan estimasinya. SEM hanya menggunakan matriks varian atau kovarian atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. Observasi individu tetap digunakan dalam program ini, tetapi input-input tersebut akan segera dikonversi dalam bentuk matriks kovarians atau matriks korelasi sebelum estimasi dilakukan. Hal ini karena fokus SEM bukanlah pada data individual tetapi pada pola hubungan antar responden. 5) Penilaian model fit Secara keseluruhan Goodness Of Fit dari suatu model dapat dinilai berdasarkan beberapa ukuran fit sebagai berikut (Beberapa point sudah disampaikan dalam pembahasan sebelumnya):

25 a. Chi-Square dan probabilitas Nilai Chi-Square ini menunjukkan adanya penyimpangan antara sample covariance matrix dan model (fitted) covariance matrix. Namun nilai Chi-Square ini hanya akan valid apabila asumsi normalitas data terpenuhi dan ukuran sample adalah besar. Chi- Square ini merupakan ukuran mengenai buruknya fit suatu model. Nilai Chi-Square sebesar 0 menunjukkan bahwa model memiliki fit yang sempurna (Perfect Fit). Probabilitas Chi-Square ini diharapkan tidak signifikan. Nilai Chi-Square yang signifikan (kurang dari 0.05) menunjukkan bahwa data empirik yang diperoleh memiliki perbedaan dengan teori yang telah dibangun berdasarkan Structural Equation Modelling. Sedangkan nilai probabilitas yang tidak signifikan adalah yang diharapkan, yang menunjukkan bahwa data empiris sesuai dengan model. b. Goodness Of Fit Index (GFI) GFI merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observedmatriks kovarians. Nilai GFI ini harus berkisar antara 0 dan 1. Meskipun secara teori GFI mungkin memiliki nilai negatif tetapi hal tersebut seharusnya tidak terjadi, karena model yang memiliki nilai GFI yang lebih besar dari pada 0.9 menunjukkan fit suatu model yang baik. c. Adjusted Goodness Of Fit Index (AGFI) AGFI adalah sama seperti GFI, tetapi telah menyesuaikan pengaruh degrees of freedom pada suatu model. Sama seperti GFI, nilai AGFI sebesar 1 berarti bahwa model

26 memiliki perfect fit. Sedangkan model fit adalah yang memiliki nilai AGFI 0,9. Ukuran yang hampir sama dengan GFI dan AGFI adalah Parsimony Goodness Of Fit Index (PGFI). Tetapi seperti AGFI, juga telah menyesuaikan adanya dampak dari degree of freedom dan kompleksitas model interpretasi PGFI ini sebaliknya diikuti dengan indeks model fit lainnya. Model yang baik apabila memiliki nilai PGFI jauh lebih besar dari pada 0,6. d. Root Mean Square Error Of Approximation (RMSEA) RMSEA ini mengukur penyimpangan nilai parameter pada suatu model dengan matriks kovarians populasinya. Nilai RMSEA yang kurang dari 0,05 mengindikasikan adanya model fit dan nilai RMSEA yang berkisar antara 0,08 menyatakan bahwa model memiliki perkiraan kesalahan yang reasonable. Sedangkan pernyataan lain dikatakan bahwa RMSEA berkisar antara 0,08 sampai dengan 0,1 menunjukkan model memiliki fit yang cukup, sedangkan RMSEA yang lebih besar dari 0,1 mengindikasikan model fit yang sangat jelek. e. CMIN/DF The Minimum Sample Discrepancy Function (CMIN) dibagi dengan degree of freedom akan menghasilkan indeks CMIN/DF yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya sebuah model. f. TLI (Tucker Lewis Index) TLI adalah sebuah alternatif increamental fit index yang membandingkan sebuah model yang diuji terhadap baseline model. Nilai yang direkomendasikan sebagai acuan

27 diterimanya sebuah model adalah penerimaan _0,95 dan nilai yang sangat mendekati 1 menunjukkan a very good fit. g. CFI (Comparative Fit Index) Besaran indeks adalah pada rentang sebesar 0-1. Semakin mendekati 1 mengindikasikan tingkat fit yang paling baik. Nilai yang direkomendasikan adalah CFI _0,95. Dengan penjelasan yang lebih singkat: jika model diterima, dilakukan interpretasi pola kausalitas yang dihasilkan (diestimasikan), apakah secara statistik signifikan dan mengikuti teori yang mendasari. Selanjutnya bisa dilakukan modifikasi model untuk menghasilkan model alternatif (Competing Models) yang akan dibandingkan dengan model aslinya. Model yang lebih baik dipilih setelah mendapat justifikasi teoritis.salah satu keunggulan SEM dibandingkan dengan metode regresi dan metode multivariate yang lain adalah penerapan prosedur SEM secara sekaligus terhadap sebuah model hybrid full SEM (kombinasi antara model pengukuran dan model struktural).untuk itu penilaian model fit pada penelitian ini juga akan mengacu Goodness Of Fit, tetapi peneliti menambahkan dengan beberapa indikasi lain seperti pada Tabel 4.8 Tabel 4.8. Ukuran Goodness Of Fit untuk penilaian model fit hasil penetian Ukuran Goodness Of Fit Target Tingkat Kecocokan Chi Square &P Chi Square < Cut Off (P = 0.0) X 2 /df X 2 /df 2 Normed Fit Index (NFI) NFI 0,90 Tucker-Lewis Index & Non Fit Index (TLI & NNFI) NNFI 0,90 Comparative Fit Index (CFI) CFI 0,90 Incremental Fit Index (IFI) IFI 0,90 Relative Fit Index (RFI) RFI 0,90 Goodness Of Fit Index (GFI) RFI 0,90 Adjusted Goodness Of Fit Index (AGFI) AGFI 0,90

28 Sumb er : Setyo Hari Non Centrality Parameter (NCP) Expected Cross Validation Index (ECVI) AIC & CAIC Wijanto (2015 :71) NCP <Cut Off < ECVI for Independence Model <Independence CAIC < Independence CAIC RMR <0,05 Root Mean Square Error Of Approximation RMSEA RMSEA 0, Uji Korelasi Dimensi Antar Variabel Uji korelasi dimensi antar variabel digunakan untuk mengetahui ada atau tidak ada hubungan dan seberapa erat hubungan tersebut antara dimensi variabel tarif dengan dimensi Keputusan persalinan, dimensi variabel Kualitas Pelayanan dengan dimensi variabel Keputusan persalinan dan dimensi variabel Fasilitas persalinan dengan dimensi variabel Keputusan persalinan. Matriks korelasi antar dimensi variabel Tarif, Kualitas pelayanan, Fasilitas persalinan terhadap dimensi Keputusan persalinan dapat dilihat dalam Tabel 4.7. Tabel 4.9 Uji Korelasi Dimensi Antar Variabel X dan Y Variabel X Dimensi Variabel Y Keputusan Persalinan Faktor Individual (Y 1.1) Faktor Lingkungan (Y 1.2) X 1 (Tarif) X 1. 1 r.x 1. 1.Y 1.1 r.x Y 1.2 X 1. 2 r.x 1. 2.Y 1.1 r.x Y 1.2 X 1. 3 r.x 1. 3.Y 1.1 r.x Y 1.2 X 2 (Kualitas Pelayanan) X 3 (Fasilitas Persalinan) ** Correlation is significant at the 0,01 level (2-tailed) X 2. 1 r.x 2. 1.Y 1.1 r.x Y 1.2 X 2. 2 r.x 2. 2.Y 1.1 r.x Y 1.2 X 2. 3 r.x 2. 3.Y 1.1 r.x Y 1.2 X 2. 4 r.x 2. 4.Y 1.1 r.x Y 1.2 X 2. 5 r.x 2. 5.Y 1.1 r.x Y 1.2 X 3. 1 r.x 3. 1.Y 1.1 r.x Y 1.2 X 3. 2 r.x 3. 2.Y 1.1 r.x Y 1.2 X 3. 3 r.x 3. 3.Y 1.1 r.x Y 1.2 Nilai korelasi (r) berkisar mulai dari -1 sampai dengan 1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah.nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun).

29 Menurut Sugiyono (2007) ada beberapa tingkatan hubungan untuk memberikan interpretasi koefisien korelasi seperti yang tertera pada Tabel 4.10 dibawah ini : Tabel 4.10 Pedoman Interpretasi terhadap Koefisien Korelasi Tingkat Hubungan Sangat Lemah Lemah Sedang Kuat Sangat Kuat Sumber : Sugiyono (2007)