ABSTRAK
Model regresi digunakan untuk menganalisis hubungan antara variabel respon dan
variabel prediktor. Model regresi logistik digunakan saat variabel responnya bersifat
kualitatif. Model yang sesuai diperoleh setelah dilakukan panaksiran parameter, uji
signifikansi, dan uji kecocokan model. Dalam penelitian ini digunakan model regresi
logistik biner untuk mengetahui pengaruh umur (X1), jenis kelamin (X2), jabatan (X3),
lokasi (X4), shift (X5), status karyawan (X6), lama kerja (X7), kepatuhan (X8) dan gaji (X9)
terhadap status kecelakaan karyawan di PT. Sung Shin Indonesia. Dari 84 kejadian
kecelakaan ada 22 kejadian kecelakaan kerja yang mengakibatkan luka serius. Hasil
penelitian menunjukkan bahwa jenis kelamin, shift, lama kerja dan kepatuhan
mempengaruhi status kecelakaan kerja dengan model regresi logistik biner yang
diperoleh adalah g(x) = -4.871-2.385X2(1)+2.724X5(1)+2.183X7(1)+5.835X8(1) dengan nilai
R2 model sebesar 71.2% sedangkan sisanya 28.8% dijelaskan oleh faktor lain yang tidak
termasuk di dalam model.
Kata Kunci : Kecelakaan Kerja, Regresi Logistik, PT. Sung Shin Indonesia
() = ( )
Uji Overall
=
Pengujian secara overall
() = ( ) ( ( )) dilakukan dengan statistik likelihood
= rasio untuk mengetahui pengaruh
Variabel respon status keseluruhan faktor pada model.
kecelakaan dengan kategori 1 Hipotesis :
digunakan sebagai acuan pada model H0 : 1 = 2 = j = 0
regresi logistik tersebut didapatkan
H1 : paling sedikit ada satu 0
variabel yang masuk dalam model
adalah sebagai berikut : (j = 1,2, , p)
Statistk uji yang digunakan
Tabel 2 Penaksiran Parameter adalah statistik uji G atau Likelihood
Variabel Penduga Ratio Test:
Jenis Kelamin (X2) 1 0
Perempuan (1) -2.385 ( 1 ) ( 0 )
Shift (X5) = 2 [ ]
=1 (1 )(1)
Sore(1) 2.724
Malam(2) -0.237
Lama Kerja(X7) Kriteria penolakan (tolak H0) jika
5 sampai 10 tahun (1) nilai > 2 (,) .
Lebih dari 10 Tahun 2.183 Tabel 3 Chi Square
(2) -1.942 Df () Keputusan
Kepatuhan(X8)
Tidak memperhatikan 5.835 55.945 6 9.45 Tolak H0
SOP(1)
Intersep* -4.871 Uji Parsial
Dengan metode enter, yaitu Setelah model dipastikan
dengan mengeluarkan variabel yang dapat digunakan, untuk menguji
tidak singnifikan dengan = 15% pengaruh setiap variabel bebas secara
dengan pertimbangan bahwa individual, dilakukan uji parsial
kecelakaan kerja merupakan kejadian dengan statistik uji wald.
yang tidak dapat diprediksikan
() =
dengan mudah serta banyak sekali ( )
faktor faktor lain yang mungkin
dapat mempengaruhinya.. Hipotesis :
H0 : i = 0
Uji Signifikaansi H1 : i 0
Pengujian signifikansi Dengan daerah penolakan
parameter dilakukan untuk (tolak H0) jika > 2. Hasil
pengujian secara parsial/individual kelamin dengan p value sebesar
akan menunjukkan apakah suatu 0.012, variabel shift dengan p value
variabel prediktor layak untuk sebesar 0.112, variabel lama kerja
masuk dalam model atau tidak dengan p value sebesar 0.094 dan
(Agresti, 1990). variabel kepatuhan dengan p value
Tabel 4 Uji Parsial sebesar 0.000. Dengan tingkat
P keyakinan 75% menolak H0 yang
Wald
Value berarti bahwa keempat variabel
Jenis Kelamin (X2) tersebut signifikan mempengaruhi
Perempuan (1) 0.012 6.363 variabel kecelakaan kerja. Meskipun
Shift (X5) 0.112 4.384 variabel shift dan lama kerja
Sore(1) 0.038 4.323 merupakan data kategorik yang tidak
Malam(2) 0.860 0.031 semua kategori di dalamnya
Lama Kerja(X7) 0.094 4.719 signifikan, tetapi menurut Hosmer
5 - 10 tahun (1) 0.055 3.687 dan Lemeshow (1989) jika satu
> 10 Tahun (2) 0.258 1.280 kategori dalam variabel bebas masuk
Kepatuhan(X8) kedalam model maka seluruh kategori
Tidak dalam variabel tersebut masuk dalam
0.000 15.94 model.
memperhatikan
SOP(1) Pemilihan Model Terbaik
Berdasarkan pengujian
Intersep* 0.001 12.09 parameter yang telah dilakukan dapat
dibentuk model logistik yang dapat
Berdasarkan hasil pengujian digunakan untuk mengetahui
dengan menggunakan statistik wald, seberapa besar peluang seorang
setelah pengeluaran variabel status karyawan PT. Sung Shin Indonesia
karyawan, gaji, umur, lokasi dan mengalami kecelakaan kerja, maka
jabatan secara berurutan, maka didapatkan persamaan regresi logistik
variabel bebas yang signifikan adalah sebagai berikut:
mempengaruhi variabel status
kecelakaan kerja adalah variabel jenis
()
exp(0 + 2 2 (1) + 5 5 (1) + 5 5 (2) + 7 7 (1) + 7 7 (2) + 8 8 (1) )
=
1 + exp(0 + 2 2 (1) + 5 5 (1) + 5 5 (2) + 7 7 (1) + 7 7 (2) + 8 8 (1) )
()
exp(4.871 2.3852 (1) + 2.7245 (1) 0.2375 (2) + 2.1837 (1) 1.9427 (2) + 5.8358 (1
=
1 + exp(4.871 2.3852 (1) + 2.7245 (1) 0.2375 (2) + 2.1837 (1) 1.9427 (2) + 5.8358
Model logit :
g() = 4.871 2.3852 (1) + 2.7245 (1) 0.2375 (2) + 2.1837 (1)
1.9427 (2) + 5.8358 (1)
Uji Kesesuaian Model Odds
Tabel 5 Uji Kesesuaian Model Variabel
Rasio
Chi Square Df P Value Jenis Kelamin (X2)
6.879 8 0.550 Perempuan 0.092
Shift (X5)
Model yang didapatkan diuji Sore 15.246
kesesuaiannya untuk mengetahui apakah Malam 0.789
model yang didapatkan telah sesuai. Kepatuhan(X8)
Dengan hipotesis : Tidak memperhatikan
H0: Model sesuai (tidak terdapat perbedaan SOP 342.051
yang signifikan antara hasil
pengamatan dengan kemungkinan 1. Karyawan yang berjenis kelamin
hasil prediksi model) perempuan tidak lebih beresiko 0.092
H1: Model tidak sesuai (terdapat perbedaan kali mengalami kecelakaan dengan
yang signifikan antara hasil luka serius dari karyawan berjenis
pengamatan dengan kemungkinan kelamin laki laki.
hasil prediksi model) 2. Karyawan yang masuk pada shift sore
Hasil uji kesesuaian model lebih beresiko 15.246 kali mengalami
menunjukkan bahwa nilai signifikansi kecelakaan dengan luka serius
pengujian adalah sebesar 0.550 sehingga dibanding dengan shift pagi atau
nilai signifikansi hasil pengujian lebih dari malam.
taraf signifikansi yang ditetapkan sebesar 3. Karyawan yang masuk pada shift
0.25, sehingga model yang didapatkan malam tidak lebih beresiko 0.789 kali
dapat dinyatakan sebagai model yang mengalami kecelakaan dengan luka
sesuai atau tidak memiliki perbedaan yang parah dibanding dengan karyawan
signifikan antara hasil prediksi dengan yang masuk pagi atau sore.
hasil pengamatan. 4. Karyawan PT. Sung Shin Indonesia
Koefisien determinasi (R square) yang tidak patuh pada SOP yang
menunjukan kebaikan model, semakin berlaku berpeluang mengalami luka
besar R square semakin baik model yang serius pada saat kecelakaan 342.051
didapatkan. Nilai R square berada antara kali lebih tinggi disbanding dengan
0% sampai 100%. Berdasarkan hasil karyawan yang patuh terhadap SOP.
pengujian diperoleh koefisien determinasi
(R square) sebesar 0.712. Artinya Kesimpulan
kemampuan model dalam menjelaskan
variabel terikat oleh variabel penjelas Dari pembahasan sebelumnya
adalah sebesar 71.2% sedangkan sisanya dapat disimpulkan bahwa :
28.8% dijelaskan atau dipengaruhi oleh 1. Berdasarkan data Accident Report PT.
faktor lain yang tidak termasuk di dalam Sung Shin Indonesia dapat
model. disimpulkan bahwa ada 84 kasus
Interpretasi Model kecelakaan kerja dengan 62 kasus
kecelakaam ringan dan 22 kasus
Model yang telah didapatkan kecelakaan serius.
selanjutnya diinterpretasikan untuk 2. Dari kesembilan variabel respon yang
mendapatkan informasi yang lebih mudah di uji ada empat variabel yang
difahami. Informasi tersebut didapatkan berpengaruh terhadap keparahan
dari besar probabilitas karyawan PT. Sung kecelakaan kerja yaitu variabel jenis
Shin untuk mengalami kecelakaan serius. kelamin perempuan ,shift sore dan
Tabel 6 Uji Kesesuaian Model malam, lama kerja lima sampai
sepuluh tahun dan lebih dari sepuluh menggunakan Program R. Yogyakarta :
tahun serta ketidak patuhan karyawan Deepublish.
yang tidak memperhatikan SOP. Puspa, Dewi N. 2010. Faktor Faktor
3. Persamaan regresi logistik yang yang Berhubungan dengan Kepatuhan
diperoleh dari analisis yang telah Pekerja dalam Melaksanakan Standar
dilakukan adalah g() = Prosedur Kerja. Jakarta : Sripsi
4.871 2.3852 (1) + 2.7245 (1) Fakultas Kedokteran dan Ilmu
0.2375 (2) + 2.1837 (1) Kesehatan UIN Syarief Hidayatullah
1.9427 (2) + 5.8358 (1) . Jakarta.
Republik Indonesia.1996. Peraturan
Pustaka Menteri Tenaga Kerja Nomor : Per.
05/Men/1996 Tentang Sistem
Agresti, A. 2007. An Introduction to Manajemen Keselamatan Dan
Categorical Data Analysis Second Kesehatan Kerja. Jakarta : Sekretariat
Edition. New York : John Wiley & Negara.
Sons. Sembiring, RK. 1995. Analisis Regresi
BPJS Ketenagakerjaan.2016.Jumlah Edisi Kedua. Bandung: ITB.
kecelakaan kerja di Indonesia masih Talia dan Aufarul. 2012. Implementasi
tinggi.,http://www.bpjsketenagakerjaa Sistem manajemen Keselamatan dan
n.go.id/berita/5769/Jumlahkecelakaan- Kesehatan Kerja dalam Upaya
kerja-di-Indonesiamasih-tinggi.html, Pencegahan Kecelakaan Kerja pada
diakses pada 15 Maret 2017. Lingkup Industri di Kota Semarang.
Cande dan David. 1997. Regression Semarang : Jurnal Administrasi Publik
Models for Ordinal Responses : A Fakultas Ilmu Sosial dan Ilmu Politik
Review of Methods and Applications. Universitas Diponegoro.
Britain : Jurnal Epidemiologi. Vol. 26, Utomo, S. 2009. Model Regresi Logistik
No.6. untuk Menunjukan Pengaruh
Divisi HSE. 2016.SSI Company Profile. Pendapatan Per Kapita, Tingkat
Bekasi: PT.Sung Shin Indonesia. Pendidikan dan Status Pekerjaan
Divisi HSE. 2016.SSI Organization. Terhadap Status Gizi Masyarakat Kota
Bekasi: PT.Sung Shin Indonesia. Surakarta. Surakarta : Skripsi Fakultas
Feby dan Mutiah. 2015. Analisis Faktor MIPA Universitas Sebelas Maret.
Sanitasi dan Sumber Air Minum yang Walpole, R. E., dan Mayers, R.H 1995.
Mempengaruhi Insiden Diare pada Ilmu Peluang Statistika untuk Insinyur
Balita di Jawa Timur dengan Regresi dan Ilmuwan Edisi ke 4. Bandung:
Logistik Biner.Surabaya: Jurnal Sains Institut Teknologi Bandung.
dan Seni ITS. Vol.4, No.2 : 2337 Windy dan Eka. 2015 .Faktor Faktor
3520. yang Mempengaruhi Potenti
Hosmer, D. W dan Lemeshow, S. 2000. Kecelakaan Kerja pada Pengemudi
Appplied Logistic Regression Second Truk di PT. Berkat Nugraha Sinar
Edition. New York : John Wiley and Lestari Belawan. Medan : Jurnal
Sons. Departemen Keselamatan dan
Husniyati, I. 2010. Penerapan Regresi Kesehatan Kerja FKM USU.
Logistik Biner Multilevel Terhadap
Nilai Akhir Metode Statistika Tahun
2008/2009: Studi Kasus Fakultas MIPA
IPB.Bogor : Skripsi Departemen
Statistika Institut Pertanian Bogor.
Nugraha, J. 2014. Pengantar Analisis Data
Kategorik : Metode dan Aplikasi