PENANGANAN PELANGGARAN NORMALITAS DAN HETERODEKSITAS

PADA DAMPAK JUMLAH RUMAH SAKIT TERHADAP KESEMBUHAN

PASIEN COVID 19

Rohis Rachman*, Moh. Fajri, S.Si., M.Si **

*(Mahasiswa Program Studi Statistika Fakultas MIPA Universitas Tadulako)
**(Dosen Program Studi Statistika Fakultas MIPA Universitas Tadulako)

*e-mail: rohiezjr@gmail.com

ABSTRAK

Penelitian ini bertujuan untuk mengetahui pengaruh Jumlah Rumah Sakit Terhadap Jumlah
Kesembuhan dan Kematian Pasien Corona Virus di indonesia. Penelitian ini menggunakan
data kuantitatif secara Cross section.

PENDAHULUAN
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) yang lebih dikenal dengan
nama virus Corona adalah jenis baru dari coronavirus yang menular ke manusia. Virus ini
bisa menyerang siapa saja, baik bayi, anak-anak, orang dewasa, lansia, ibu hamil, maupun ibu
menyusui. Infeksi virus ini disebut COVID-19 dan pertama kali ditemukan dikota Wuhan,
Cina, pada akhir Desember 2019. Virus ini menular dengan cepat dan telah menyebar ke
wilayah lain di Cina dan ke beberapa negara, termasuk Indonesia. Coronavirus adalah
kumpulan virus yang bisa menginfeksi sistem pernapasan. Pada banyak kasus, virus ini hanya
menyebabkan infeksi pernapasan ringan, seperti flu. Namun, virus ini juga bisa menyebabkan
infeksi pernapasan berat, seperti infeksi paru-paru (pneumonia), Middle-East Respiratory
Syndrome (MERS), dan Severe Acute Respiratory Syndrome (SARS).

Asia Tenggara menyumbang 21% dari total kasus global, dengan 11% kematian
(WHO, 2020). Kasus pertama di Indonesia ditemukan pada tanggal 2 Maret 2020 dan terus
meningkat serta menyebar dengan cepat di seluruh wilayah Indonesia. Sampai dengan
tanggal 27 September 2020 Kementerian Kesehatan melaporkan 275.213 kasus konfirmasi
Covid-19 dengan 10.386 kasus meninggal (CFR 3,8%) (Satgas Covid, 2020).
Hari demi hari masyarakat semakin panik karena pasien yang terjangkit terus
bertambah dan menyebar ke luar dari Negara China termasuk Indonesia. Jumlah pasien
terjangkit Covid-19 di Indonesia semakin meningkat seiring dengan berjalannya waktu. Hal
ini tidak berimbang dengan banyaknya jumlah tenaga medis dan rumah sakit rujukan yang
tersebar diberbagai daerah di Indonesia. Sehingga tidak sedikit dari jumlah pasien Covid-19
yang dianjurkan untuk isolasi mandiri, akibat kurangnya fasilitas Kesehatan yang disediakan
pemerintah.
Banyaknya pasien Covid-19 yang dirawat di rumah sakit dapat berdampak pada
pisikologi pasien dan tenaga medis lain di rumah sakit yang tidak terdampak Covid-19.
Respon psikologis yang dialami oleh petugas kesehatan terhadap pandemi penyakit menular
semakin meningkat karena disebabkan oleh perasaan cemas tentang kesehatan diri sendiri
dan penyebaran keluarga (Cheng et al., 2020).
Tingkat kematian akibat Covid-19 terus meningkat. Tingginya tingkat kematian akibat
virus corona ini disebabkan oleh dua faktor yaitu faktor dari dalam individu seperti penyakit
bawaan yang telah dialami dan kurangnya awareness masing-masing individu terhadap virus
ini dan faktor eksternal seperti fasilitas rumah sakit yang kurang memadai, peraturan
pemerintah yang belum efektif, dan sebagainya (Ilpaj & Nurwati, 2020). Berdasarkan
permasalahan diatas, maka penulis tertarik untuk menganalisis lebih lanjut mengenai
pengaruh jumlah pasien Sembuh Covid-19 dan jumlah kasus kematian akibat covid-19
menurut Provinsi terhadap jumlah rumah sakit menurut provinsi di Indonesia.

BAHAN DAN METODE

1 Jenis Penelitian
Jenis penelitian ini observasional analitik, yaitu penelitian yang menjelaskan adanya
hubungan antara variabel independent dengan variabel dependent melalui pengujian
hipotesa.

Penelitian ini menggunakan motede survey dengan mengambil sampel dari Website
Resmi Corona Virus, dan juga data dari Badan Pusat Statistik

2 Variabel Penelitian
Variabel dalam penelitian ini dibedakan menjadi dua macam, yaitu:

a. Variabel Independen Variabel independen, yaitu variabel bebas yang merupakan

variabel yang mempengaruhi atau menjadi sebab perubahannya atau timbulnya
variabel dependen (terikat).

b. Variabel Dependen Variabel dependen yaitu variabel terikat merupakan variabel

yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas

Dari judul penelitian “Penanganan Pelanggaran Normalitas Dan Heterodeksitas Pada

Dampak Jumlah Rumah Sakit Terhadap Kesembuhan Pasien Covid 19”, jenis variabel
dapat diuraikan sebagai berikut :

a. Variabel Bebas/Independen (X) : Kasus Meninggal Pasien Covid-19 (X1)

: Kasus Meninggal Pasien Covid-19 (X2)
b. Variabel Terikat/Dependen (Y) : Jumlah Rumah Sakit di Indonesia (Y)

3 Sumber dan Metode Pengumpulan data

Sumber data adalah sekunder, yang diperoleh atau dikumpulkan secara tidak
langsung dari objek penelitian atau subjek penelitian. Data ini adalah jumlah rumah sakit
dan kasus kematian dan kesembuhan pasien corona virus dan

4 Analisis Data
Pada tahap ini dilakukan pengujian asumsi klasik dan pengujian hipotesis (Mona,
Kekenusa, & Prang, 2015). Pengujian dilakukan dengan bantuan tools : RStudio.
  Pengujian Asumsi Klasik pengujian ini terdiri dari uji normalitas, uji
multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi. Syarat untuk
mendapatkan model regresi yang baik adalah distribusi datanya normal atau
mendekati normal. Jika data tidak berdistribusi normal, maka perlu dilakukan
transformasi data terlebih dahulu. Selanjutnya, model regresi yang baik adalah
model regresi yang tidak terjadi multikolinieritas, heteroskedastisitas, dan
autokorelasi (Ndruru, Situmorang, & Tarigan, 2014).

 Pengujian Hipotesis setelah semua syarat untuk ditelitinya suatu model regresi
terpenuhi semua, maka langkah selanjutnya untuk mengetahui diterima atau
tidaknya hipotesis yang diajukan yaitu dengan melakukan uji simultan (Uji F) dan
uji signifikansi (Uji T). Uji F dilakukan untuk mengetahui apakah semua variabel
bebas berpengaruh secara signifikan terhadap variabel terikat. Sedangkan uji T
dilakukan untuk mengetahui apakah dalam model regresi, variabel bebas secara
parsial berpengaruh signifikan terhadap variabel terikat (Sulistyono &
Sulistiyowati, 2017).

HASIL DAN PEMBAHASAN

Identifikasi Variabel

Data yang digunakana adalah data Provinsi yang berjumlah 34. Variabel terikat pada
penelitian ini adalah Jumlah Rumah Sakit yang ada di indonesia. Sedangkan variabel-variabel
bebasnya yaitu kasus meninggal Covid-19 dan kasus sembuh Covid-19 di Sulteng.

Analisis Data
Pengujian Asumsi Klasik

1. Uji Normalitas
Uji normalitas menggunakan uji Shapiro-Wilk dengan bantuan tools RStudio. Hasil uji
normalitas dapat dilihat pada gambar berikut.

Gambar 1.1 Uji normalitas

Dari gambar diatas dapat dijelaskan nilai P-Value sebesar 0,04 kurang dari 0,05.
Artinya variabel tersebut tidak berdistribusi normal. Oleh karena itu, perlu
dilakukan transformasi log sebanyak satu kali. Kemudian, setelah dilakukan
transformasi, dilakukan uji normalitas Kembali sehingga hasilnya
 Gambar 1.2 Uji normalitas data transformasi
Dari saphiro-wilk normality test, di dapatkan p-value 0.768 > alpha 0.05 sehingga
data berdistribusi normal.

2. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan uji Breusch-Pagan menggunakan
tools RStudio sebagai berikut.

Gambar 2.1 Uji Heteroskedastisitas

Dari hasil uji heterosdeksitas, di dapatkan p-value 0.4 < p value 0.05, sehingga tidak
terjadi heterosdeksitas pada data (tidak melanggar). ini berarti semua variabel
bebas dalam model ini memiliki sebaran varian yang tidak sama (tidak
homogen).

Gambar 2.2 Uji Heteroskedastisitas data transformasi

Berdasarkan gambar diatas, diperoleh nilai P-Value sebesar 0.01037. Nilai
tersebut kurang dari 0.05 sehingga terjadi kasus heteroskedastisitas.

3. Uji Autokorelasi
 Pengujian autokorelasi dilakukan dengan uji Durbin Watson (DW) menggunakan
tools RStudio sebagai berikut.

Gambar 3.1 Uji Autokorelasi

Dari hasil uji autokorelasi menggunakan durbin Watson test, di dapatkan nilai Dw
1.4648 < 1.3325 maka tidak terjadi autokorelasi (tidak melanggar)

4. Uji Multikoliniearitas
Pengujian ada tidaknya multikoliniearitas dilakukan dengan melihat nilai VIF
menggunakan tools RStudio pada gambar berikut.

Gambar 4.1 Uji Multikoliniearitas

Dari hasil uji vif model, semua variabel tidak lebih dari 10, sehingga tidak terjadi
multikolinearitas (tidak melanggar asumsi)

Pengujian Hipotesis

1. Uji Simultan (Uji F)

Hasil pengolahan data untuk Uji F dengan tools RStudio disajikan dalam
gambar berikut
 Gambar 5.1. Uji Simultan

Gambar 5.2. Uji Simultan data transformasi

Hipotesis awal dan hipotesis alternative pada Uji F adalah:

H0 : variabel kasus Meninggal Covid-19 dan Kasus Sembuh Covid-19 tidak

berpengaruh signifikan secara bersama-sama terhadap variabel Jumlah Rumah Sakit
di indonesia

H1 : variabel kasus Meninggal Covid-19 dan Kasus Sembuh Covid-19 berpengaruh

signifikan secara bersama-sama terhadap variabel Jumlah Rumah Sakit di indonesia

2. Uji Signifikansi (Uji T)

Hasil pengolahan data untuk Uji T dengan tools RStudio disajikan dalam gambar
berikut.
 Gambar 6.1. Uji signifikansi (Uji T)

Gambar 6.2. Uji signifikansi data transformasi(Uji T)

Hipotesis awal dan hipotesis alternative pada Uji T adalah:

H0 : variabel kasus Meninggal Covid-19 dan Kasus Sembuh Covid-19 tidak

berpengaruh signifikan secara bersama-sama terhadap variabel Jumlah Rumah Sakit
di indonesia

H1 : variabel kasus Meninggal Covid-19 dan Kasus Sembuh Covid-19 berpengaruh

signifikan secara bersama-sama terhadap variabel Jumlah Rumah Sakit di indonesia
 Nilai T-tabel dengan derajat kebebasan ( df ) adalah 32 dan derajat kepercayaan 0,05
untuk uji dua sisi. Sehingga α =0,0 5adalah 1.69389. Dengan demikian, untuk:

a) Variabel Meninggal Pasien Covid-19

Berdasarkan Gambar 6 diperoleh nilai T-Value = 4,587 dan P-Value = 6,98e-05
sehingga T-Value < Ttabel (4,587 > 1.69389) dan P-Value > 0,05, artinya H0 di
diterima. Dengan demikian, variabel Meninggal Covid-19 berpengaruh
signifikan terhadap variabel Jumlah Rumah Sakit di Indonesia
b) Variabel Positif Covid-19
Berdasarkan Gambar 6 diperoleh nilai T-Value = 0,865 dan P-Value =
0,393949 sehingga T-Value < Ttabel (0,865 < 1.69389) dan P-Value > 0,05,
artinya H0 di ditolak. Dengan demikian, variabel Sembuh Covid-19 tidak
perpengaruh signifikan terhadap variabel Jumlah Rumah Sakit di Indonesia

3. Koefisien Determinasi (R2)

Berdasarkan pada Gambar 6, diperoleh nilai R-Square sebesar 0,4046 atau sama
dengan 40%. Artinya bahwa variabel Meninggal Covid-19 (X1) dan Sembuh Covid-
19 (X2) secara simultan (bersama-sama) berpengaruh terhadap variabel Jumlah
Rumah Sakit di Indonesia (Y) sebesar 40%. Sedangakan sisanya (100% - 40% =
60%) dipengaruhi oleh faktor-faktor lain di luar persamaan regresi ini atau variabel
yang tidak diteliti.

KESIMPULAN
Berdasarkan model regresinya yang didapat, sebesar 40% faktor-faktor Jumlah
Rumah Sakit di Indonesia dapat dijelaskan oleh kasus meninggal Covid-19 dan sembuh
Covid-19. Sisanya 60% dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam
penelitian ini.
 DAFTAR PUSTAKA

Latane, B., Williams, K., & Harkins, S. (2011). Many Hands Make Light The Work: The
Causes and Consequences of Social Loafing.

Wiyara, B. 1997. Hubungan Antara Persepsi Mahasiswa Peserta Perkuliahan Tentang

Audiens Perkuliahan Dengan Munculnya Social Loafing Pada Kegiatan Tanya Jawab Dalam
Perkuliahan. Skripsi (tidak diterbitkan), Surabaya: Fakultas Psikologi, Universitas Airlangga.

Ndruru, R. E., Situmorang, M., & Tarigan, G. (2014). Analisa Faktor-Faktor Yang
Mempengaruhi Hasil Produksi Padi Di Deli Serdang. Saintia Matematika, 2(1), 71–83.

Sulistyono dan Wiwik Sulistyowati. 2017. “Peramalan Produksi dengan Metode Regresi
Linier Berganda”, Jurnal Prozima. 1 (2) : 83 - 84.

Sumanto. M.A. 1995. Metodologi Penelitian Sosial Dan Pendidikan. Yogyakarta : Andi
Offset.

Sugiyono. 2005. Memahami Penelitian Kualitatif. Bandung: CV. Alfabeta.