Cari Blog Ini

Rabu, 02 Maret 2011

Tugas Aplikom

Hubungan Bauran Pemasaran Dengan Minat Pasien Rawat Inap Kelas II di Yogyakarta
ABSTRAKSI
Latar belakang : Bauran pemasaran adalah seperangkat alat pemasaran yang digunakan perusahaan untuk terus-menerus mencapai tujuan pemasarannya dipasar sasaran. Penting bagi Rumah Sakit untuk mengetahui perilaku konsumen dalam pemilihan jasa atau produk Rumah Sakit ini. Perilaku konsumen dapat dipengaruhi oleh keempat variabel dalam bauran pemasaran, yaitu produk (product), harga (price), tempat (place), dan promosi (promotion). RSUD Kota Yogyakarta merupakan RSU Tipe C milik pemerintah Kota Yogyakarta tepatnya di bagian selatan. RSUD Kota Yogyakarta ini tepatnya berada di jl. Wirosaban no.1. Yogyakarta
Tujuan : Penelitian ini bertujuan untuk mengetahui hubungan antara bauran pemasaran dengan minat pasien rawat inap kelas II di RSUD Kota Yogyakarta.
Jenis penelitian : Desain penelitian ini menggunakan penelitian kuantitatif dengan rancangan cross sectional. Penelitian ini dilakukan di RSUD Kota Yogyakarta di bagian rawat inap kelas II. Variabel yang diteliti meliputi variabel bebas yaitu bauran pemasaran (produk, harga, tempat dan promosi) dan variabel terikatnya minat pasien. Analisis statistik yang digunakan adalah analisis product moment untuk mencari hubungan bauran pemasaran dengan minat pasien rawat inap kelas II. Populasi dalam penelitian ini adalah pasien yang sedang menjalani perawatan rawat inap di RSUD Kota Yogyakarta. Populasi dalam penelitian ini adalah sebanyak 84 pasien/responden pada bulan Desember tahun 2007. Dalam penelitian ini menggunakan cara pengukuran dari Issac dan Michael. Penelitian ini mengambil sampel 69 pasien.
Hasil : Terdapat hubungan bauran pemasaran dengan minat pasien rawat inap kelas II di RSUD Kota Yogyakarta.
Kesimpulan : Faktor harga / price dan promosi/promotion menjadi pendukung utama keputusan pasien untuk berkunjung kembali di RSUD Kota Yogyakarta.
Hasil Pengamatan:


Setelah membaca saya variable terikat atau dependen dari  contoh penelitian diatas adalah minat pasien rawat inap kelas II di Yogyakarta dan variable bebas atau independen adalah bauran pemasaran. Menurut saya pada penelitian ini minat pasien rawat inap kelas II dipengaruhi oleh bauran pemasaran.

Pengertian Regresi
Analisis regresi dikelompokkan dari mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditentukan saja.

a. Regresi Linier Sederhana Regresi linier sederhana bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y). Variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tak bebas adalah variabel yang mencerminkan respon dari variabel bebas.

b. Regresi Berganda Regresi berganda seringkali digunakan untuk mengatasi permasalahan analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada model-model ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan analisis regresi untuk menjajagi antara hasil pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga.

c. Regresi Kurvilinier Regresi kurvilinier seringkali digunakan untuk menelaah atau memodelkan hubungan fungsi variabel terikat (Y) dan variabel bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai-nilai X tertentu. Kondisi fungsi tidak linier ini (kurvilinier) seringkali dijumpai dalam banyak bidang. Misal pada bidang pertanian, bisa diamati hubungan antara produksi padi dengan taraf pemupukan Phospat. Secara umum produksi padi akan meningkat cepat bila pemberian Phospat ditingkatkan dari taraf rendah ke taraf sedang. Tetapi ketika pemberian dosis Phospat diteruskan hingga taraf tinggi, maka tambahan dosis Phospat tidak lagi diimbangi kenaikan hasil, sebaliknya terjadi penurunan hasil. Untuk kasus-kasus hubungan tidak linier, prosedur regresi sederhana atau berganda tidak dapat digunakan dalam mencari pola hubungan dari variabel-variabel yang terlibat. Dalam hal ini, prosedur analisis regresi kurvilinier merupakan prosedur yang sesuai untuk digunakan.

d. Regresi Dengan Variabel Dummy (Boneka) Analisis regresi tidak saja digunakan untuk data-data kuantitatif (misal : dosis pupuk), tetapi juga bisa digunakan untuk data kualitatif (misal : musim panen). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran nominal dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi nilai 1 (satu) kalau kategori yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 dan bila tidak menarik diberi nilai 0. Variabel yang mengambil nilai 1 dan 0 disebut variabel dummy dan nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya.

e. Regresi Logistik (Logistic Regression) Bila regresi dengan variabel bebas (X) berupa variabel dummy, maka dikatagorikan sebagai regresi dummy. Regresi logistik digunakan jika variabel terikatnya (Y) berupa variabel masuk katagori klasifikasi. Misalnya, variabel Y berupa dua respon yakni gagal (dilambangkan dengan nilai 0) dan berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regresi dengan respon biner. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) bisa juga terdiri lebih dari satu variable
Pengertian Korelasi
Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan Y, berikut ini akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam beberapa literatur. Tulisan ini tentu saja tidak selengkap seperti halnya tulisan tentang Pengertian Korelasi dalam buku Statistika yang ditulis oleh, Ronald E. Walpole, Sugiono, Murray R. Spiegel, atau beberapa Statistikawan yang memang saya kagumi ke-pakar-annya. Akan tetapi setidaknya bisa dijadikan bacaan tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang persoalan korelasi atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua peubah.
Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah bebas X seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan besarnya biaya yang dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil Produksi Padi dalam satu kali musim tanam, barangkali akan muncul pertanyaan dalam hati kita apakah penurunan biaya yang dikeluarkan untuk membeli Pupuk juga berpeluang besar untuk diikuti dengan penurunan hasil Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X adalah harga suatu barang yang ditawarkan dan Y adalah jumlah permintaan terhadap barang tersebut yang dibeli oleh konsumen, maka kita membayangkan jika nilai-nilai X yang besar tentu akan berpasangan dengan nilai-nilai Y yang kecil. Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X melalui hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36 bermakna bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam contoh kita, dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X.
Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan linearnya dengan X.
Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi yang sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian kita dapat memandang r sebagai suatu nilai dugaan bagi koefisien korelasi linear yang sesungguhnya berlaku bagi seluruh anggota populasi. Misalkan kita lambangkan koefisien korelasi populasi ini dengan ρ. Bila r dekat dengan nol, kita cenderung menyimpulkan bahwa ρ = 0. Akan tetapi, suatu nilai contoh r yang mendekati + 1 atau – 1 menyarankan kepada kita untuk menyimpulkan bahwa ρ ≠ 0. Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang akan mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu ρo, agar kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa ρ = ρo, dan menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara ρ < ρo, ρ > ρo, atau ρ ≠ ρo.
KORELASI LINEAR
Koefisien korelasi yang akan kita bicarakan berikut ini sebenarnya sudah banyak dibahas oleh banyak penulis. Model hubungan itu dilakukan terhadap paling tidak terhadap enam model hubungan antar dua atau lebih variabel yang bisa di identifikasi berdasarkan jenis variabelnya yakni:
1) hubungan (korelasi) variabel nominal dengan variabel nominal;
2) hubungan (korelasi) variabel nominal dengan ordinal;
3) hubungan (korelasi) variabel nominal dengan interval;
4) hubungan (korelasi) variabel ordinal dengan ordinal;
5) hubungan (korelasi) variabel ordinal dengan interval; dan
6) hubungan (korelasi) variabel interval dengan interval.
Besaran yang diperoleh biasanya berada pada kisaran - 1 sampai dengan 0, dan 0 sampai dengan + 1. Atau antara - 1 dan +1. Atau dengan kata lain bahwa besaran koefisien korelasi memiliki sifat hubungan satu arah dan sifat yang lain, yakni berlawanan arah.
Dalam statistika, besaran korelasi antara dua peubah yang dikorelasikan secara garis besar mengandung tiga makna, yakni:
1) ada atau tidaknya korelasi antar peubah;
2) arah korelasi antar peubah, dan;
3) besarnya korelasi antar peubah.
Ada atau tidaknya korelasi antar peubah ditunjukkan oleh besarnya angka yang terdapat dibelakang koma, karena besaran korelasi akan berada diantara -1 dan +1. Jika besaran korelasi itu terlalu kecil misalnya sampai dengan tiga angka dibelakang koma, misalnya 0,005, maka dapat dianggap bahwa antara peubah X dengan peubah Y memiliki korelasi yang relatif sangat kecil, sehingga bisa abaikan.
Arah korelasi yang ditengarai dengan tanda positif (+) dan negatif (-), yakni arah yang menunjukkan kesejajaran antara nilai peubah X dengan nilai peubah Y. Arah besaran korelasi ini ditunjukkan oleh tanda yang ada didepan besaran korelasi. Bila tanda besaran korelasi memiliki tanda (+), maka arah korelasinya positif. Sedangkan bila memiliki tanda negatif (-) maka arah korelasinya negatif.
Besarnya koefisien korelasi adalah besarnya angka yang menunjukkan kuat atau tidaknya hubungan antara dua peubah yang diukur dengan menggunakan korelasi. Untuk menentukan besarnya kekuatan hubungan (korelasi) itu tidak perlu memperhatikan tanda postitif dan negatif yang terdapat di depan koefisien korelasi. Bilangan yang mendekati 1 atau mendekati - 1, berarti hubungan antar peubah bisa dinyatakan kuat, akan tetapi memiliki arah positif atau negatif.

Dalam korelasi linear, besaran korelasi antara dua peubah adalah suatu ukuran hubungan linear antara kedua peubah itu, sehingga bila nilai r = 0, bukan berarti dan berimplikasi tidak ada hubungan antara kedua peubah itu, dan pasti tidak memiliki hubungan. Akan tetapi bisa saja antara X dan Y terdapat suatu hubungan yang lain, misalnya kuadratik yang kuat, dan kita tetap akan memperoleh korelasi nol, meskipun terdapat hubungan tidak linear yang kuat antara kedua peubah tersebut.
Definisi Validitas dan Reliabilitas
Validitas adalah tingkat keandalah dan kesahihan alat ukur yang digunakan. Intrumen dikatakan valid berarti menunjukkan alat ukur yang dipergunakan untuk mendapatkan data itu valid atau dapat digunakan untuk mengukur apa yang seharusnya di ukur (Sugiyono, 2004:137). Dengan demikian, instrumen yang valid merupakan instrumen yang benar-benar tepat untuk mengukur apa yang hendak di ukur.
Penggaris dinyatakan valid jika digunakan untuk mengukur panjang, namun tidak valid jika digunakan untuk mengukur berat. Artinya, penggaris memang tepat digunakan untuk mengukur panjang, namun menjadi tidak valid jika penggaris digunakan untuk mengukur berat.
Uji validitas berguna untuk mengetahui apakah ada pernyataan-pernyataan pada kuesioner yang harus dibuang/diganti karena dianggap tidak relevan. Teknik untuk mengukur validitas kuesioner adalah sebagai berikut dengan menghitung korelasi antar data pada masing-masing pernyataan dengan skor total, memakai rumus korelasi product moment, sebagai berikut :

Item Instrumen dianggap Valid jika lebih besar dari 0,3 atau bisa juga dengan membandingkannya dengan r tabel. Jika r hitung > r tabel maka valid.
Uji reliabilitas berguna untuk menetapkan apakah instrumen yang dalam hal ini kuesioner dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama akan menghasilkan data yang konsisten. Dengan kata lain, reliabilitas instrumen mencirikan tingkat konsistensi. Banyak rumus yang dapat digunakan untuk mengukur reliabilitas diantaranya adalah  rumus Spearman Brown

Ket :
R 11 adalah nilai reliabilitas
R b adalah nilai koefisien korelasi
Nilai koefisien reliabilitas yang baik adalah diatas 0,7 (cukup baik), di atas 0,8 (baik).
Pengukuran validitas dan reliabilitas mutlak dilakukan, karena jika instrument yang digunakan sudah tidak valid dan reliable maka dipastikan hasil penelitiannya pun tidak akan valid dan reliable. Sugiyono (2007: 137) menjelaskan perbedaan antara penelitian yang valid dan reliable dengan instrument yang valid dan reliable sebagai berikut :
Penelitian yang valid artinya bila terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada objek yang diteliti. Artinya, jika objek berwarna merah, sedangkan data yang terkumpul berwarna putih maka hasil penelitian tidak valid. Sedangkan penelitian yang reliable bila terdapat kesamaan data dalam waktu yang berbeda. Kalau dalam objek kemarin berwarna merah, maka sekarang dan besok tetap berwarna merah.

Mean (rata-rata)
Rata-rata (mean) adalah hasil penjumlahan nilai-nilai anggota sebuah kelompok (∑Xn) dibagi jumlah anggota kelompok tersebut. Ada tiga jenis rata-rata yang dikenal dalam statistik yaitu rata-rata hitung (x ̅), rata-rata ukur (Gm atau U) dan rata-rata harmonik (rh atau H). adapun kegunaan dari rata-rata di atas sebagai berikut:
Modus (mode)
Rumus :

a) Untuk data tunggal :


Keterangan:
X       =        Mean
       x1      =        Nilai data ke-1
       x2      =        Nilai data ke-2
       xn      =        Nilai data ke-n
       n        =        Jumlah/Banyaknya data

b) Untuk data distribusi frekuensi

 
                    atau


Keterangan:
X                 =   Mean
       f1, f2, f3, fn    =   frekuensi ke-1, frekuensi ke-2, frekuensi ke-3, frekuensi ke-n
       x1, x2, x3, xn  =   Nilai data ke-1, nilai data ke-2, nilai data ke-3, nilai data ke-n

c) Untuk data bergolong

Pada hakikatnya sama dengan menghitung rata-rata data pada distribusi frekuensi tunggal dengan mengambil titik tengah kelas sebagai xi.





Modus merupakan fenomena yang paling banyak terjadi. Modus paling banyak digunakan pada penelitian kualitatif. Dalam penelitian kualitatif, hal yang paling banyak menyebabkan suatu keadaan sering di anggap penyebab keadaan tersebut. Misalnya kebanyak kecelakaan lalulintas disebabkan oleh pengemudi yang mabuk. Pengemudi yang mabuk dalam hal ini adalah “modus”. Dalam data berbentuk kuantitatif, modus sangat mudah untuk dideteksi. Dengan melihat data kita tinggal menentukan angka berapa yang paling sering muncul. Angka yang sering muncul itulah yang kita sebut dengan modus.
Pada data nilai siswa pada mata pelajaran sejarah kebudayaan Islam di atas terlihat bahwa angka yang paling sering muncul adalah 67 yang muncul sebanyak tiga kali dan tidak ada yang muncul sebanyak itu dari data yang lain. Akan tetapi pada data yang telah tersusun dalam tabel frekuensi, modus dapat di cari dengan menggunakan rumus:


Rumus:


Keterangan:
                   bo            =        tepi bawah kelas median
                   l         =        lebar kelas
                   d1            =        selisih frekuensi kelas modus dengan kelas sebelumnya
                   d2            =        selisih frekuensi kelas modus dengan kelas sesudahnya

Keterangan:
b = batas bawah kelas modus yaitu kelas yang memiliki frekuensi terbanyak
p = panjang kelas modus
b1 = frekuensi kelas modus dikurangi frekuensi kelas interval dengan tanda kelas yang lebih kecil sebelum tanda kelas modus
b2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang lebih besar sesudah tanda kelas modus.
Median
Median adalah datum yang membagi data menjadi dua kelompok, 50 persen data kurang dari nilai median dan 50 persen data lebih besar dari median. Pada data tunggal, pencarian nilai median dilakukan dengan cara mengurutkan data dari nilai terkecil ke nilai terbesar. Kemudian nilai tengah data yang telah diurutkan itu merupakan nilai median.
Rumus:

di mana:
Lo = tepi bawah dari kelas limit yang mengandung median,
Me = nilai median,
n = banyaknya data,
Fk = frekuensi kumulatif sebelum kelas yang memuat median,
f0 = frekuensi kelas yang memuat median,
c = panjang intreval kelas.
Perhatikan Tabel berikut:


Kelas
Frekuensi
F_Kumulatif
15 – 19
5
5
20 – 24
7
12
25 – 29
10
22
30 – 34
15
37
35 – 39
13
50
40 – 44
8
58
45 – 49
6
64




4. Buat Data Fiktif dan Blue Print !

Dalam penelitian pengukuran skala kecerdasan emosi, skala kecerdasan spiritual, dan skala perilaku prososial menggunakan skala 4 yakni skala  Likert yang dimodifikasikan menjadi empat alternatif jawaban yaitu: Sangat Sesuai (SS), Sesuai (S), Tidak Sesuai (TS), dan Sangat Tidak Sesuai (STS), dengan menghilangkan alternatif jawaban R (Ragu-ragu) karena orang cenderung untuk memilih alternatif tersebut dan tidak akan menjawab setuju ataupun tidak setuju pernyataan dalam skala.

Skala tersebut dikelompokkan dalam sistem penilaian pernyataan favorable dan unfavorable.






Respon
Favorable
Unfavorable
Sangat Sesuai (SS)
4
1
Sesuai (S)
3
2
Tidak Sesuai (TS)
2
3
Sangat Tidak Sesuai (STS)
1
4






 Skala Perilaku Prososial

Skala prososial  yang digunakan dalam penelitian ini menggunakan skala dengan mengacu pada aspek-aspek  perilaku prososial dari  Mussen, dkk (dalam Cholidah, 1996)  meliputi tindakan-tindakan membagi perasaan, kerjasama, menolong, kejujuran, menyumbang dan memperhatikan kesejahteraan.

Skala perilaku prososial berisi 48 item pernyataan yang terdiri atas 24 pernyataan favorable dan 24 pernyataan unfavorable.

Pernyataan:
1.       Saya sering berpura-pura memperhatikan ketika pasien menceritakan masalahnya.
2.       Saya senang bekerja di dalam tim dengan berbagai macam karakter orang.
3.       Saya malas membantu pasien ke kamar mandi, karena pasti sangat merepotkan.
4.       Saya segera meminta maaf kepada orang lain jika saya mempunyai salah dengannya.
5.       Bagi saya bersedekah hanya kewajiban orang yang mampu saja.
6.       Saya akan berusaha mendekati dan menanyakan kabar teman saat melihatnya murung.
7.       Saya tidak punya waktu untuk mendengarkan curhat para pasien karena selalu sibuk.
8.       Saya akan bekerja maksimal ketika ada pekerjaan yang harus dikerjakan bersama tim.
9.       Saya tidak mau menolong untuk mengganti infus bagi pasien yang pernah menyepelekan saya.
10.   Saya akan mengakui kesalahan saya walaupun itu tidak sengaja saya lakukan.
11.   Saya akan menghindar jika ada orang yang meminta sumbangan, karena hanya menipu.
12.   Saya akan menghubungi/menanyakan kabar jika ada teman yang tidak masuk beberapa hari.
13.   Saya akan pura-pura mendengarkan dengan baik jika ada teman kerja atau pasien yang ingin berbagi perasaan dengan saya.
14.   Saya akan tetap berusaha bekerjasama dengan orang lain walaupun orangnya sulit.
15.   Saya tidak bisa menolong nenek-nenek yang kesulitan menyeberang jalan, karena saya terburu-buru masuk kerja.
16.   Saya akan berterus terang jika memang tidak mampu untuk memberikan pertolongan pada orang lain atau pasien yang membutuhkan.
17.   Saya jarang memberikan sumbangan kepada orang lain.
18.   Saya berusaha menghibur pasien yang selalu mengeluh terhadap penyakitnya agar dia termotivasi untuk sembuh.
19.   Saya enggan memberi saran kepada teman ataupasien yang sedang menghadapi persoalan.
20.   Saya bisa menerima masukan dari teman kerja ketika bekerja dalam tim.
21.   Saya tidak mau membantu pasien yang mau pindah bangsal kalau itu bukan bagian tugas saya.
22.   Saya akan mengungkapkan yang sebenarnya jika ada teman kerja atau pasien yang meminta pendapat tentang perilaku dirinya.
23.   Saya memberikan sumbangan dengan terpaksa karena sebenarnya saya masih kekurangan.
24.   Ketika ada teman atau pasien yang sedang sakit duduk sendiri dan melamun, saya akan mendekatinya dan mengajaknya mengobrol.
25.   Saya menerima dengan senang hati jika ada rekan kerja atau pasien yang mengajak curhat.
26.   Saya hanya mau bekerja dengan orang yang saya sudah kenal baik. 
27.   Saya dengan senang hati menolong pasien yang mengalami kesulitan mau ke kamar mandi. 
28.   Pada situasi yang mendesak, saya berbohong pada pasien agar tidak berfikir macam-macam.
29.   Saya rela menyumbang uang/barang sesuai kemampuan jika ada orang yang terkena musibah.
30.   Saya tidak mau tahu  dengan teman kerja yang tidak masuk kerja beberapa hari
31.   Saya memahami perasaan teman kerja atau pasien ketika dia menangis untuk mengungkapkan kesedihannya yang mendalam.
32.   Saya malas bekerjasama dengan orang yang tidak mau mengikuti kemauan saya.
33.   Ketika jaga malam, saya tetap mau melayani untuk membantu pasien yang kesulitan untuk ke kamar mandi walaupun ngantuk.
34.   Saya gengsi mengakui kesalahan kepada pasien karena bisa dianggap tidak professional.
35.   Saya sering memberikan sumbangan kepada para pemintaminta
36.   Ketika ada orang yang menanyakan informasi ruangan pasien, saya menyuruhnya untuk menanyakan ke bagian informasi karena saya malas menjelaskan.
37.   Ketika pasien yang ingin mendiskusikan masalahnya, saya mendengarkan dengan perhatian.
38.   Saya lebih suka bekerja sendiri daripada secara tim.
39.   Saya selalu menolong dengan iklas kepada pasien yang kesulitan membuang hajat sendiri.
40.   Saya tidak perlu minta maaf pada teman kerja atau pasien atas kesalahan yang dia tidak mengetahuinya.
41.   Saya memberikan uang saya dengan suka rela untuk membantu teman saya yang tidak mampu.
42.   Saya tidak peduli dengan teman yang mengeluhkan tentang kelakuan adik-adiknya dirumah yang nakal, karena saya tidak mau ikut campur.
43.   Saya bisa dipercaya untuk mendengarkan curahan perasaan teman kerja atau pasien.
44.    Saya enggan bekerjasama dengan orang yang kemampuannya di bawah saya.
45.   Saya bersedia  menggantikan shift kerja teman yang tidak masuk kerja karena sakit.
46.   Saya akan berbohong kepada teman kerja atau pasien untuk menyelesaikan masalah.
47.   Saya hanya akan bersedekah kepada orang yang benar-benar membutuhkan.
48.   Ketika melihat teman yang sangat kelelahan saya diam saja karena saya juga sedang lelah dan tidak bisa membantu.





Data Fiktif



Blue Print Skala Perilaku Prososial



No.
Aspek
Perilaku Prososial

Item
Jumlah
Favorable
Unfavorable

1
Membagi
25, 31, 37, 43
1,7,13,19
8
2
Kerjasama
2,8,14,20
26,32,38,44
8
3
Menolong
27,33,39,45
3,9,15,21
8
4
Kejujuran
4,10,16,22
28,34,40,46
8
5
Menyumbang
29,35,41,47
5,11,17,23
8
6
Memperhatikan
Kesejahteraan
6,12,18,24
30,36,42,48
8
JUMLAH
48




Tidak ada komentar:

Posting Komentar