i
Prodi Matematika FST, UINAM, Wahidah.alwi@uin-alauddin.ac.id
ii
Prodi Matematika FST, UINAM, Ermawati@uin-alauddin.ac.id
iii
Mahasiswa Program Studi Matematika-FST, UINAM
ABSTRAK, Penelitian ini membahas tentang kepuasan bertumbuhnya jumlah rumah sakit, serta
pengunjung pada rumah sakit umum daerah Majene. pengguna jasa dalam hal ini pasien semakin
Penelitian ini dilakukan untuk menguji pengaruh tingkat selektif dalam menggunakan fasilitas rumah
kualitas pelayanan Rumah Sakit Umum Daerah Majene
terhadap tingkat kepuasan pasien, dan untuk mengetahui sakit, hal ini mengakibatkan adanya persaingan
dimensi layanan yang paling mempengaruhi tingkat dalam industri jasa kesehatan yang semakin ketat
kepuasan pasien. Adapun metode yang digunakan dalam dan sulit diprediksikan. Dalam situasi seperti ini
penelitian ini adalah metode observasi dengan menuntut rumah sakit selaku penyedia jasa
menggunakan kuesioner sedangkan metode penentuan layanan kesehatan untuk selalu meningkatkan
sampel yang digunakan yaitu menggunakan accidental
sampling yaitu sebanyak 100 sampel. Sedangkan metode kualitas layanannya.
analisis yang digunakan adalah analisis regresi logistik Mengungkapkan perasaan senang atau kecewa
biner. Berdasarkan hasil penelitian menggunakan analisis seseorang yang berasal dari perbandingan antara
regresi logistik biner maka diperoleh model terbaik regresi kesan terhadap kinerja (hasil) dari suatu produk
𝜋𝜋(𝑥𝑥 )
logsistik biner ln� � = −6,892 + 0,367X1 − atau harapan-harapannya merupakan bentuk dari
1−𝜋𝜋(𝑥𝑥 ) implementasi kepuasan pelanggan.
0,127X2 − 0,047X3 +0,044X4 +0,403X5 . Berdasarkan Pelangganyang sudah merasa puas merupakan
persamaan regresi logistik biner di atas dapat dilihat bahwa
dimensi layanan yang berpengaruh positif serta signifikan aset yang sangat berharga karena jika pelanggan
terhadap kepuasan pasien adalah variabel tangibles atau merasa puas maka akan terus melakukan
bikti fisik(X1) dengan nilai koefisien regresi sebesar 0,367 pemakaian terhadap jasa pilihannya, tetapi jika
atau 36,7% dan variabel empathy atau empati (X5) dengan pelanggan tidak merasa puas maka mereka tidak
nilai koefisien regresi sebesar 0,403 atau 40,3%. Dari nilai akan menggunakan jasa tersebut dan akan
tersebut dapat dilihat bahwa dimensi layanan yang paling
berpengaruh terhadap kepuasan pasien pada Rumah Sakit memberitahukan kepada konsumen yang lain
Umum Daerah Majene adalah dimensi layanan empathy dalam hal ini akan menyebabkan kehilangan
atau empati (X5) sebesar 0,403 atau 40,3%. minat pelanggan untuk berobat pada layanan
kesehatan tersebut. Sehingga pelanggan
Kata Kunci: Regresi Logistik Biner, Kepuasan Pasien, mempunyai pandangan negatif terhadap rumah
Dimensi Layanan
sakit tersebut, yang mengakibatkan jumlah
pelanggan dan keuntungan bagi pihak rumah
1. PENDAHULUAN
sakit mengalami penurunan.
Seiring dengan perkembangan zaman, Kesehatan Pada masa sekarang ini seiring dengan kemajuan
seseorang merupakan suatu hak azasi sehingga teknologi, rumah sakit yang ada di Indonesia
setiap orang berhakmemperoleh layanan juga ikut berkembang sebagai tempat pelayanan
kesehatan secaraadil, merata, dan bermutu. yang memiliki fungsi dasar sebagai tempat
Segala upaya telah ditempuh pemerintah daerah penyembuhan kesehatan bagi anggota
untuk meningkatkan pelayanan kesehatan masyarakat, baik dalam layanan rawat inap,
sehingga masyarakat dapat memperoleh layanan rawat jalan, maupun konsultasi pemeliharaan dan
kesehatan yangberkualitas. Salah satu sarana perawatan kesehatan anggota masyarakat. Tanpa
pelayanan kesehatan yang memegang peranan kecuali, Rumah Sakit Umum Daerah Majene
sangat penting adalah rumah sakit. Rumah sakit juga termasuk Rumah Sakit yang terus
memiliki peran yang sangat strategis dalam berkembang dari waktu ke waktu. Perkembangan
mempercepat peningkatan kualitas kesehatan tersebut tentunya menuntut pihak rumah sakit
masyarakat, yang mengakibatkan semakin
20
JURNAL MSA VOL. 6 NO. 1 ED. JAN-JUNI 2018
21
JURNAL MSA VOL. 6 NO. 1 ED. JAN-JUNI 2018
parameter dalam regresi logistik yang pada variabel independen (prediktor) layak untuk
dasarnya metode tersebut memberikan nilai masuk ke dalam model atau tidak.
estimasi 𝛽𝛽 dengan memaksimumkan fungsi Hipotesis yang akan diuji adalah:
likelihoodnya. Secara matematis fungsi 𝐻𝐻0 : 𝛽𝛽𝑗𝑗 = 0. Dengan j = 1,2, ... p (Tidak ada
likelihood (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 ) dapat dinyatakan: pengaruh antara masing-masing variabel
f(𝑥𝑥𝑖𝑖 ) = 𝜋𝜋(𝑥𝑥𝑖𝑖 )𝑦𝑦𝑖𝑖 [1-𝜋𝜋((𝑥𝑥𝑖𝑖 )]1−𝑦𝑦𝑖𝑖 independen terhadap variabel dependen).
Apabila setiap pengamatan telah diasumsikan
sebagai variable independen maka fungsi 𝐻𝐻1 : 𝛽𝛽𝑗𝑗 ≠ 0. Dengan j = 1,2, ... p (Ada pengaruh
likelihoodnya juga merupakan perkalian antara
antara masing-masing variabel independen
masing-masing fungsi likelihood yaitu sebagai
terhadap variabel dependen).
berikut:
L(𝛽𝛽) = ∏𝑛𝑛𝑖𝑖=1 𝑓𝑓(𝑥𝑥𝑖𝑖 )
Menurut Hosmer dan Lemeshow, statistik uji
Uji Simultan Wald didefenisikan sebagai berikut:
Untuk mengetahui signifikansi parameter 𝛽𝛽
terhadap variabel dependennya secara �𝑖𝑖 2
𝛽𝛽
W=� � �
keseluruhan menggunakan Uji simultan 𝑠𝑠𝑠𝑠(𝛽𝛽𝑖𝑖 )
(serentak). Menurut Homser dan Lemeshow
(2000), pengujian parameter model dengan cara Dengan 𝛽𝛽̂𝑖𝑖 sebagai penaksir 𝛽𝛽𝑖𝑖 dan
serentak dapat menggunakan uji ratio likelihood ̂
𝑠𝑠𝑠𝑠(𝛽𝛽𝑖𝑖 )sebagai penaksir galat baku 𝛽𝛽𝑖𝑖 . Statistik W
test dengan statistik uji G, yang dapat digunakan menyebar secara normal baku jika 𝐻𝐻0 benar.
untuk menguji peranan varibel independen dalam Keputusan tolak 𝐻𝐻1 diambil ketika |W|>𝑍𝑍𝛼𝛼/2
model secara bersama-sama. Adapun rumus
(Edward, 2011).
statistic G adalah sebagai berikut:
𝐿𝐿
G = - 2ln �𝐿𝐿𝑜𝑜 � Uji Kecocokan Model
𝑝𝑝 Uji kecocokan model digunakan untuk
Keterangan 𝐿𝐿𝑜𝑜 = model terdiri dari konstanta saja mengevaluasi kecocokan model dengan data,
dan 𝐿𝐿𝑝𝑝 = model lengkap (model dengan variabel nilai observasi yang diperoleh sama atau
independen) yang berdistribusi 𝜒𝜒 2(Chi-square) mendekati dengan yang diharapkan dalam
dengan derajat bebas banyaknya parameter model. Adapun model yang digunakan harus
dalam model df = v. memenuhi Goodness of Fit (GoF). Suatu model
Hipotesis dari persamaan di atas adalah dikategorikan memenuhi GoF jika terdapat
𝐻𝐻0 : 𝛽𝛽1 = 𝛽𝛽2 =...= 𝛽𝛽𝑝𝑝 = 0 (Tidak ada kesesuaian antara data yang dimasukkan dalam
pengaruh antara variabel independen model dengan data yang diamati. Dalam regresi
terhadap variabel dependen). logistik, metode yang digunakan untuk menguji
𝐻𝐻1 : Minimal terdapat satu 𝛽𝛽𝑗𝑗 ≠ 0. kelayakan model dapat diukur dengan nilai chi-
Dengan j = 1,2, ... p (Ada pengaruh square dengan uji Homser and Lemeshow.
antara variabel independen terhadap Pengujian ini dapat dilakukan dengan melihat
variabel dependen). nilai goodness of fit test yang diukur dengan nilai
Kriteria ini mengambil taraf nyata α = 0,05 maka chi-square pada tingkat signifikan 5%.
2
𝐻𝐻0 ditolak jika nilai G>𝜒𝜒(𝛼𝛼,𝑣𝑣) dimana v adalah Keputusan penerimaan hipotesis didasarkan pada
banyaknya variabel prediktor (Rinduwan, 2009) pertimbangan sebagai berikut.
𝐻𝐻0 = model yang dihipotesiskan fit dengan data;
𝐻𝐻1 = model yang dihipotesiskan tidak fit dengan
Uji Parsial data (Kusmana, 2014).
Asuransi berjangka adalah asuransi jiwa
Pengujian parameter secara parsial (individu)
menggunakan uji Wald, hasil pengujian secara
parsial yang dapat menunjukkan apakah suatu
22
JURNAL MSA VOL. 6 NO. 1 ED. JAN-JUNI 2018
23
JURNAL MSA VOL. 6 NO. 1 ED. JAN-JUNI 2018
24
JURNAL MSA VOL. 6 NO. 1 ED. JAN-JUNI 2018
model. Uji ini menggunakan uji Wald dengan diterima jika tidak ada perbedaan antara
hipotesis sebagai berikut: observesi dan prediksi, dengan kata lain model
𝐻𝐻0 : 𝛽𝛽𝑗𝑗 = 0 . Dengan j = 1,2, ... p (Tidak ada fit atau layak untuk digunakan.
pengaruh antara masing-masing variabel
independen terhadap variabel dependen).
𝐻𝐻1 : 𝛽𝛽𝑗𝑗 ≠ 0. Dengan j = 1,2, ... p (Ada pengaruh Model Regresi Loisitk Biner
antara masing-masing variabel independen 𝜋𝜋(𝑥𝑥 )
terhadap variabel dependen). ln�1−𝜋𝜋(𝑥𝑥 � = −6,892 + 0,367X1 − 0,127X2 −
B S.E Wald Df Sig. Exp(B) )
X1 0,367 0,156 5.546 1 0,019 1,444 0,047X3 +0,044X4 +0,403X5
X2 -0,127 0,106 1,448 1 0,229 0,881
X3 -0,047 0,099 0,227 1 0,634 0,954
X4 0,044 0,08 0,229 1 0,585 1,045
X5 0,403 0,202 3,999 1 0,046 1,497 5. PEMBAHASAN
C -6,892 3,936 3,067 1 0,08 0,001
25
JURNAL MSA VOL. 6 NO. 1 ED. JAN-JUNI 2018
pasien sebesar 18,1% dengan nilai ketetapan [11] Luknis Sabri, Sutanto H.S. Statstik
prediksi sebesar 74%. Kesehatan. Jakarta: PT. Raja Grafindo
Persada.2006.
DAFTAR PUSTAKA
[1] Aisyah Nur. Regresi Logistik dan [12] Lupioadi, Rambat, Hamdani. A.Manajemen
Pemasaran Jasa. Jakarta: PT. Selemba
Penerapannya dalam bidang kesehatan.
Universitas Islam Negeri Sunan Kalijaga: Empat. 2006. Hal.
Yogyakarta. 2010. [13] Moenir, H.A.S. Manajemen Pelayanan
Umum di Indonesia. Jakarta: PT. Bumi
[2] Albana Madjid. Aplikasi Regresi Logistik
Ordinal untuk menganalisis tingkat Aksara. 2006.
[14] Rinduwan, Sunarto. Pengantar Statistik
kepuasan pengguna jasa terhadap
untuk penelitian pendidikan, sosial,
pelayanan di Stasiun Jakarta kota. Skripsi
ekonomi, komunikasi dan bisnis.
Universitas Pakuan. Jakarta, 2009.
Alfabeta:Bandung, 2009. Hal 68
[3] Atmawati Ruskita, Wahyuddin. Analisis
[15] Utomo Setyo. Model Regresi Logistik untuk
Pengaruh kualitas pelayanan terhadap
menunjukkan pengaruh pendapatan per
kepuasan konsumen pada matahari
Kapita, Tingakat Pendidikan,
departemant store di solo grand mall.
Jurnal pascasarjana Universitas
Muhammadiya. Surakarta, 2003.
[4] Edward Gagah P.T. Analisis Kepuasan
Konsumen Terhadap Kualitas Pelayanan
Jasa Kesehatan.Jurnal penelitian12 No. 1.
Jakarta, 2011.
[5] Garson, G.D. Logistik Regression.
Dipublikasikan di
http:/www2.chass.ncsu.edu/garson/PA765
/logistic.htm(11 Juli 2012), 2008
[6] Halidah. Pemodelan Regresi logistik dalam
penentuan faktor-faktor yang berpengaruh
terhadap penyakit jantung koroner.Jurnal
sains dan matematika19 No. 3 (2011): h.
91-95.
[7] Handayani Rachmat. Penerapan Metode
Regresi logistik dalam menganalisis adopsi
teknologi pertanian. Jurnal Penelitian
pengkajian dan pengembangan teknologi
pertanian. Semarang, 2014.
[8] Jacoeb AM, Purwaningsih S, Rinto. Pengaruh
kualitas pelayanan terhadap kepuasan
pengguna jasa pada RSUD Bangil Kab.
Pasuruan. Jurnal Ketsa Bisnis01 No 1 (
Agustus 2014).
26