PENGARUH BAURAN PEMASARAN TERHADAP PROSES KEPUTUSAN PELANGGAN DALAM MEMILIH RAWAT INAP DI RUMAH SAKIT ISLAM IBNU SINA PADANG TAHUN 2012
Bibliographic record
Abstract
Proses keputusan untuk memilih rawat inap bagi pelanggan bukanlah hal yang mudah. Banyak faktor yang harus dipertimbangkan untuk rawat inap di suatu rumah sakit. Penelitian ini bertujuan untuk mengetahui pengaruh bauran pemasaran terhadap keputusan pelanggan (pasien) dalam memilih rawat inap di Rumah Sakit Ibnu Sina Padang tahun 2012. Penelitian ini adalah penelitian kuantitatif dengan metode field survey. Penelitian dilakukan di Rumah Sakit Ibnu Sina pada bulan Januari dan Februari 2012. Data primer dikumpulkan dengan cara menyebarkan kuisioner yang kemudian diolah dengan regresi linier berganda dalam metode enter, dimana hasil yang tidak signifikan dikeluarkan satu-persatu sampai mendapatkan variabel yang paling signifikan mempengaruhi keputusan untuk memilih dirawat inap di Rumah Sakit Ibnu Sina. Pada penelitian ini didapatkan bahwa semua variable bauran pemasaran mempengaruhi keputusan memilih sebesar 80,5%, sedangkan sisanya dipengaruhi oleh sebab lain yang tidak ikut diteliti. Namun dari ketujuh variabel pemasaran yang diuji, ada 3 (tiga) variabel yang sangat mempengaruhi pelanggan dalam memilih. variabel tersebut, yaitu: price, people, dan physical evidence. Diharapkan kepada Rumah Sakit Ibnu Sina Padang untuk menurunkan biaya layanan bagi pasien sesuai dengan staus sosial ekonomi masyarakat disekitar wilayah Rumah Sakit dan meningkatkan kualitas bukti fisik layanan kesehatan seperti peralatan yang representatif, interior bangunan yang asri, eksterior bangunan, fasilitas parkir, kantin, bank, dan jaminan keamanan.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.031 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".