MODEL REGRESI SEMIPARAMETRIK MULTIVARIABEL DENGAN ESTIMATOR SPLINE PARSIAL APLIKASI FAKTOR YANG MEMPENGARUHI KEPUASAN PELAYANAN KESEHATAN DI RUMAH SAKIT WILLIAM BOOTH SURABAYA

Abstract

Berkaitan dengan pengestimasian kurva regresi, terdapat tiga model regresi yang dapat digunakan yaitu model regresi parametrik, model regresi semiparametrik, dan model regresi nonparametrik. Pada model regresi parametrik diasumsikan bahwa bentuk kurva regresi diketahui, akibatnya estimator kurva regresi diperoleh dengan mengestimasi parameternya. Model regresi semiparametrik, jika bentuk kurvanya sebagian diketahui dan sebagian lagi tidak diketahui. Sedangkan model regresi nonparametrik, tidak memberikan asumsi terhadap bentuk kurva regresi. Kurva regresi dapat diasumsikan mulus atau smooth (Eubank, 1999). Untuk mengetahui bentuk kurva regresinya maka dilakukan scatter plot terhadap variabel-variabel yang diasumsikan mempengaruhi kepuasan pelayanan kesehatan, dari keenam variabel yang mempengaruhi nilai kepuasan yaitu nilai komunikasi petugas kesehatan, kompetensi petugas kesehatan, sarana dan prasarana rumah sakit William Booth Surabaya terdapat variabel yang kurva regresinya cenderung membentuk suatu pola tertentu dan terdapat pula variabel lain yang bentuk kurva regresinya tidak diketahui, sehingga untuk mengatasi kasus seperti ini, digunakan pendekatan regresi semiparametrik yang merupakan gabungan antara regresi parametrik dan regresi nonparametrik, oleh karena itu, dalam penelitian ini akan dibahas estimator spline parsial dalam regresi semiparametrik dan terapannya untuk menduga kepuasan pelayanan kesehatan. Untuk mengetahui model regresi semiparametrik dengan estimator spline parsial maka langkah pertama yang harus dilakukan adalah pengkajian estimator regresi semiparametrik spline univariabel kemudian langkah kedua melakukan penghitungan plot parsial variabel respon dan variabel predictor, langkah ketiga adalah menerapkannya pada data. Langkah keempat yaitu dilakukan penghitungan titik knot pada variabel respon dengan variabel prediktor secara parsial dengan spline linier, dari penghitungan tersebut akan dipilih titik knot yang optimal dengan metode GCV, dan dari pemelihan tersebut akan diketahui model variabel respon dengan variabel prediktor dengan spline univariabel untuk menentukan model spline yang optimal dan terakhir dilakukan uji hipotesis parsial kemudian penarikan kesimpulan Jenis penelitian ini adalah analitik dilakukan analisis terhadap variabel X yang mempengaruhi variabel Y subjek dengan menggunakan pemodelan Regresi Semiparametrik Spline.