Analisis Regresi Logistik Biner untuk Mengetahui Faktor yang

Mempengaruhi Tingkat Keparahan Kecelakaan Kerja Karyawan

(Studi Kasus : PT. Sung Shin Indonesia Tahun 2016)
Norma Fikria1, Tuti Purwaningsih2
1
Mahasiswa Prodi Statistika FMIPA UII, normafikriaa@gmail.com
2
Dosen Prodi Statistika FMIPA UII, tuti.purwaningsih@uii.ac.id

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

Pendahuluan tren peningkatan, untuk total jumlah

Kecelakaan kerja merupakan
kejadian yang tidak disengaja yang
menyebabkan kerugian fisik dan
material. Kecelakaan kerja akan
selalu mengakibatkan kerugian secara
material maupun penderitaan dari
yang ringan sampai yang berat
bahkan sampai mengakibatkan
kehilangan nyawa. Oleh sebab itu
untuk mencegahnya perlu dilakukan
tindakan-tidakan dalam
mengantisipasi kecelakaan, untuk
memperkecil jumlah kecelakaan kerja
karyawan.
Menurut data Badan
Penyelenggara Jaminan Sosial (BPJS)
Ketenagakerjaan, jumlah kecelakaan
kerja dari tahun ke tahun mengalami
kecelakaan kerja siap tahunnya
mengalami peningkatan hingga 5%,
untuk kecelakaan kerja berat tren
peningkatannya cukup lumayan besar
yakni sekitar 5% - 10% setiap
tahunnya. Dari 84 kasus kecelakaan
kerja di PT. Sung Shin Indonesia
tahun 2016, 22 diantaranya
mengalami kecelakaan kerja serius.
Pengetahuan hubungan antara
status keparahan kecelakaan kerja
dengan faktor yang
mempengaruhinya menjadi hal
penting untuk mempermudah
penanggulangan masalah kecelakaan
kerja karyawan. Jika hubungan itu
dapat diketahui, maka langkah-
langkah yang diambil dapat lebih
terarah. Model statistik analisis kecelakaan kerja kerja di PT.
regresi dapat digunakan untuk Sung Shin Indonesia.
mengetahui hubungan tersebut. 3. Mengetahui model regresi
Model regresi yang diterapkan logistik biner untuk mengetahui
pada saat variabel responnya bersifat faktor yang mempengaruhi
kualitatif adalah model regresi tingkat keparahan kecelakaan
logistik. Model regresi logistik yang kerja karyawan di PT Sung Shin
variabel responnya memiliki dua Indonesia.
kategori disebut model regresi
logistik biner. Sedangkan model Metode Penetian
regresi logistik yang variabel Penelitian ini menggunakan
responnya memiliki lebih dari dua data sekunder yang didapatkan dari
kategori disebut model regresi Health and Safety Environment(HSE)
logistik polytomous. PT. Sung Shin Indonesia. Data
Uji kecocokan model harus sekunder tersebut yaitu data Accident
dilakukan pada model regresi logistik. Report dan data karyawan tahun
Kurang cocoknya model dapat 2016. Analisis data menggunakan
memberikan kesimpulan yang salah metode enter dengan program SPSS
terhadap data hasil observasi. Uji dan Ms. Excel dan analisis deskriptif
kecocokan diperlukan untuk menggunakan program Tableau.
mengetahui apakah model statistik Adapun variabel variabel yang ada
sudah layak digunakan. Terdapat pada penelitian ini adalah sebagai
beberapa uji kecocokan untuk model berikut :
regresi logistik, salah satunya adalah Tabel Variabel Penelitian
uji Hosmer dan Lemeshow. Variabel Kategori
Penulis tertarik untuk Status 0 : Ringan
mengetahui pengaruh umur, jenis Kecelakaan (Y) 1 : Serius
kelamin, jabatan, lokasi, shift, status
Umur (X1)
karyawan, lama kerja, kepatuhan dan
Jenis Kelamin 0 : Laki laki
gaji terhadap status kecelakaan
(X2) 1 : Perempuan
karyawan di PT. Sung Shin Indonesia
0 : Operator
dengan menggunakan model regresi
Jabatan (X3) 1 : Bukan
logistik biner. Model yang didapat
Operator
diuji kecocokannya untuk menjamin
0 : Injection A
bahwa model layak digunakan.
1 : Injection B
2 : Injection C
Tujuan Penelitian
Lokasi (X4) 3 : Injection D
Adapun tujuan dari penelitian
4 : Compound
ini adalah sebagai berikut :
5 : Development
1. Untuk mengetahui gambaran
6 : Mekanik
umum kecelakaan kerja
karyawan di PT. Sung Shin 0 : Pagi
Indonesia. Shift (X5) 1 : Sore
2. Untuk mengetahui faktor apa 2 : Malam
yang berpengaruh terhadap status Status 0 : Kontrak
Karyawan (X6) 1 : Tetap
 0 : < 5 Tahun
Lama Kerja
1 : 5 - 10 tahun
(X7)
2 : > 10 Tahun
0 : Ya
Kepatuhan (X8)
1 : Tidak
0 : < 4 Juta
Gaji (X9) 1 : 4 - 5 Juta
2 : > 6 Juta Gambar Grafik Jumlah karyawan SSI

Dari seluruh karyawan yang

Langkah langkah analisis data :
ada di PT. Sung Shin Indonesia ada
1. Mendeskripsikan data.
84 orang karyawan atau sekitar 6.33%
2. Estimasi parameter dengan
mengalami kecelakaan kerja pada
menggunakan metode MLE
tahun 2016. Kecelakaan yang terjadi
(Maximum Likelihood Estimator)
di PT. Sung Shin Indonesia pada
3. Pengujian signifikansi parameter
tahun 2016 mengakibatkan luka
dengan statistik Wald dan uji G.
luka ringan hingga serius tetapi tidak
4. Menguji kesesuaian model yang
sampai mengakibatkan korban
telah didapat dengan Uji Hosmer
kehilangan nyawa. Dari 84 karyawan
dan Lemeshow.
yang mengalami kecelakaan 22 orang
5. Menginterpretasi parameter
(26.2%) diantaranya mengalami
regresi logistik dengan nilai odds
kecalakaan parah sedangkan sisanya
rasio.
hanya luka ringan. Meskipun tak
6. Menarik kesimpulan.
mengakibatkan kerugian cukup besar,
Pembahasan kecelakaan tersebut mengakibatkan
hilangnya jam kerja dan secara tidak
Selanjutnya akan dibahas hasil
langsung mengganggu proses
analisis data yang telah dilakukan :
produksi di perusahaan.
Gambaran Umum Data
PT. Sung Shin Indonesia
adalah perusahaan yang memproduksi
komponen sepatu yang mempunyai
kualitas internasional. Jumlah seluruh
karyawan PT. Sung Shin Indonesia
sampai dengan Desember 2016
mencapai 1327 karyawan dengan Gambar Tabulasi Jumlah Karyawan SSI
jumlah karyawan laki laki sejumlah Dari gambar ada sebanyak 22
533 dengan 240 orang karyawan karyawan yang mengalami
berstatus sebagai karyawan kontrak kecelakaan kerja dengan status
dan sisanya 313 orang berstatus kecelakaan serius dengan rincian 18
sebagai karyawan tetap, sedangkan orang diataranya adalah laki laki
jumlah karyawan perempuan dan sisanya 4 orang adalah karywan
sebanyak 774 orang dengan 502 perempuan. Sedangkan untuk
orang berstatus sebagai karyawan karyawan yang mengalami luka
kontrak dan sisanya sebagai karyawan ringan ada sebanyak 62 orang dengan
tetap. 31 orang berjenis kelamin laki laki
dan 31 orang perempuan.
Estimasi Parameter mengetahui faktor-faktor yang
Metode yang digunakan untuk memiliki pengaruh signifikan
mengestimasi parameter regresi terhadap status kecelakaan kerja pada
logistik adalah MLE (Maximum karyawan PT.Sung Shin Indonesia.
Likelihood Estimator) dengan Pengujian signifikansi parameter
persamaan : dilakukan secara overall dan parsial.

() = ( )
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
Tabel 5 Uji Kesesuaian Model
Chi Square Df P Value
6.879 8 0.550
Model yang didapatkan diuji
kesesuaiannya untuk mengetahui apakah
model yang didapatkan telah sesuai.
Dengan hipotesis :
H0: Model sesuai (tidak terdapat perbedaan
yang signifikan antara hasil
pengamatan dengan kemungkinan
hasil prediksi model)
H1: Model tidak sesuai (terdapat perbedaan
yang signifikan antara hasil
pengamatan dengan kemungkinan
hasil prediksi model)
Hasil uji kesesuaian model
menunjukkan bahwa nilai signifikansi
pengujian adalah sebesar 0.550 sehingga
nilai signifikansi hasil pengujian lebih dari
taraf signifikansi yang ditetapkan sebesar
0.25, sehingga model yang didapatkan
dapat dinyatakan sebagai model yang
sesuai atau tidak memiliki perbedaan yang
signifikan antara hasil prediksi dengan
hasil pengamatan.
Koefisien determinasi (R square)
menunjukan kebaikan model, semakin
besar R square semakin baik model yang
didapatkan. Nilai R square berada antara
0% sampai 100%. Berdasarkan hasil
pengujian diperoleh koefisien determinasi
(R square) sebesar 0.712. Artinya
kemampuan model dalam menjelaskan
variabel terikat oleh variabel penjelas
adalah sebesar 71.2% sedangkan sisanya
28.8% dijelaskan atau dipengaruhi oleh
faktor lain yang tidak termasuk di dalam
model.
Interpretasi Model
Model yang telah didapatkan
selanjutnya diinterpretasikan untuk
mendapatkan informasi yang lebih mudah
difahami. Informasi tersebut didapatkan
dari besar probabilitas karyawan PT. Sung
Shin untuk mengalami kecelakaan serius.
Tabel 6 Uji Kesesuaian Model
Odds
Variabel
Rasio
Jenis Kelamin (X2)
Perempuan 0.092
Shift (X5)
Sore 15.246
Malam 0.789
Kepatuhan(X8)
Tidak memperhatikan
SOP 342.051
1. Karyawan yang berjenis kelamin
perempuan tidak lebih beresiko 0.092
kali mengalami kecelakaan dengan
luka serius dari karyawan berjenis
kelamin laki laki.
2. Karyawan yang masuk pada shift sore
lebih beresiko 15.246 kali mengalami
kecelakaan dengan luka serius
dibanding dengan shift pagi atau
malam.
3. Karyawan yang masuk pada shift
malam tidak lebih beresiko 0.789 kali
mengalami kecelakaan dengan luka
parah dibanding dengan karyawan
yang masuk pagi atau sore.
4. Karyawan PT. Sung Shin Indonesia
yang tidak patuh pada SOP yang
berlaku berpeluang mengalami luka
serius pada saat kecelakaan 342.051
kali lebih tinggi disbanding dengan
karyawan yang patuh terhadap SOP.
Kesimpulan
Dari pembahasan sebelumnya
dapat disimpulkan bahwa :
1. Berdasarkan data Accident Report PT.
Sung Shin Indonesia dapat
disimpulkan bahwa ada 84 kasus
kecelakaan kerja dengan 62 kasus
kecelakaam ringan dan 22 kasus
kecelakaan serius.
2. Dari kesembilan variabel respon yang
di uji ada empat variabel yang
berpengaruh terhadap keparahan
kecelakaan kerja yaitu variabel jenis
kelamin perempuan ,shift sore dan
malam, lama kerja lima sampai
 sepuluh tahun dan lebih dari sepuluh
tahun serta ketidak patuhan karyawan
yang tidak memperhatikan SOP.
3. Persamaan regresi logistik yang
diperoleh dari analisis yang telah
dilakukan adalah g() =
4.871 2.3852 (1) + 2.7245 (1)
0.2375 (2) + 2.1837 (1)
1.9427 (2) + 5.8358 (1) .
Pustaka
Agresti, A. 2007. An Introduction to
Categorical Data Analysis Second
Edition. New York : John Wiley &
Sons.
BPJS Ketenagakerjaan.2016.Jumlah
kecelakaan kerja di Indonesia masih
tinggi.,http://www.bpjsketenagakerjaa
n.go.id/berita/5769/Jumlahkecelakaan-
kerja-di-Indonesiamasih-tinggi.html,
diakses pada 15 Maret 2017.
Cande dan David. 1997. Regression
Models for Ordinal Responses : A
Review of Methods and Applications.
Britain : Jurnal Epidemiologi. Vol. 26,
No.6.
Divisi HSE. 2016.SSI Company Profile.
Bekasi: PT.Sung Shin Indonesia.
Divisi HSE. 2016.SSI Organization.
Bekasi: PT.Sung Shin Indonesia.
Feby dan Mutiah. 2015. Analisis Faktor
Sanitasi dan Sumber Air Minum yang
Mempengaruhi Insiden Diare pada
Balita di Jawa Timur dengan Regresi
Logistik Biner.Surabaya: Jurnal Sains
dan Seni ITS. Vol.4, No.2 : 2337
3520.
Hosmer, D. W dan Lemeshow, S. 2000.
Appplied Logistic Regression Second
Edition. New York : John Wiley and
Sons.
Husniyati, I. 2010. Penerapan Regresi
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
menggunakan Program R. Yogyakarta :
Deepublish.
Puspa, Dewi N. 2010. Faktor Faktor
yang Berhubungan dengan Kepatuhan
Pekerja dalam Melaksanakan Standar
Prosedur Kerja. Jakarta : Sripsi
Fakultas Kedokteran dan Ilmu
Kesehatan UIN Syarief Hidayatullah
Jakarta.
Republik Indonesia.1996. Peraturan
Menteri Tenaga Kerja Nomor : Per.
05/Men/1996 Tentang Sistem
Manajemen Keselamatan Dan
Kesehatan Kerja. Jakarta : Sekretariat
Negara.
Sembiring, RK. 1995. Analisis Regresi
Edisi Kedua. Bandung: ITB.
Talia dan Aufarul. 2012. Implementasi
Sistem manajemen Keselamatan dan
Kesehatan Kerja dalam Upaya
Pencegahan Kecelakaan Kerja pada
Lingkup Industri di Kota Semarang.
Semarang : Jurnal Administrasi Publik
Fakultas Ilmu Sosial dan Ilmu Politik
Universitas Diponegoro.
Utomo, S. 2009. Model Regresi Logistik
untuk Menunjukan Pengaruh
Pendapatan Per Kapita, Tingkat
Pendidikan dan Status Pekerjaan
Terhadap Status Gizi Masyarakat Kota
Surakarta. Surakarta : Skripsi Fakultas
MIPA Universitas Sebelas Maret.
Walpole, R. E., dan Mayers, R.H 1995.
Ilmu Peluang Statistika untuk Insinyur
dan Ilmuwan Edisi ke 4. Bandung:
Institut Teknologi Bandung.
Windy dan Eka. 2015 .Faktor Faktor
yang Mempengaruhi Potenti
Kecelakaan Kerja pada Pengemudi
Truk di PT. Berkat Nugraha Sinar
Lestari Belawan. Medan : Jurnal
Departemen Keselamatan dan
Kesehatan Kerja FKM USU.