Pendahuluan

Distribusi tenaga medis yang merata dan sesuai dengan kebutuhan merupakan salah satu aspek penting dalam meningkatkan kualitas pelayanan kesehatan di rumah sakit. Tenaga medis yang tersebar secara optimal dapat memastikan bahwa pasien menerima perawatan yang tepat waktu dan efektif. Di Provinsi Nusa Tenggara Barat, penting untuk menganalisis distribusi tenaga medis berdasarkan spesialisasi untuk mengetahui apakah ada ketidakseimbangan yang dapat mempengaruhi kualitas pelayanan. Pada tahun 2022, Dinas Kesehatan Provinsi Nusa Tenggara Barat mempublikasikan hasil survei terhadap beberapa rumah sakit di wilayah tersebut untuk mengidentifikasi distribusi tenaga medis berdasarkan spesialisasi. Distribusi yang tidak merata dapat menyebabkan beberapa rumah sakit mengalami kelebihan tenaga medis pada spesialisasi tertentu, sementara rumah sakit lain kekurangan. Hal ini tentu dapat mempengaruhi efektivitas layanan kesehatan dan kepuasan pasien.

Untuk mengatasi masalah ini, pemerintah dan pengelola rumah sakit perlu memahami pola distribusi tenaga medis secara mendetail. Data yang akurat dan analisis yang tepat dapat membantu dalam pengambilan keputusan yang lebih baik terkait penempatan tenaga medis. Salah satu alat analisis yang digunakan dalam penelitian ini adalah uji Chi-kuadrat (Chi-square test). Uji ini digunakan untuk menentukan apakah terdapat asosiasi yang signifikan antara kategori rumah sakit dan spesialisasi tenaga medis yang ada. Dengan menggunakan uji ini, dapat diketahui apakah distribusi tenaga medis berdasarkan spesialisasi di rumah sakit-rumah sakit di Provinsi Nusa Tenggara Barat sudah merata atau terdapat ketidakseimbangan yang signifikan.

Landasan Teori

A. Tabel Kategorik

Tabel kategorik merupakan tabel yang digunakan untuk mengukur hubungan (asosiasi) antara dua variabel kategorik dimana tabel tersebut merangkum frekuensi bersama dari observasi pada setiap kategori variabel. Menurut Rosalia dan Wulandari (2017), Tabel kategorik dua dimensi menggambarkan hubungan antara dua variabel kategorikal, di mana setiap variabel memiliki beberapa level atau kategori yang ditampilkan dalam bentuk baris dan kolom. Format tabel kontingensi dua dimensi melibatkan penyilangan variabel baris dan kolom, dengan setiap sel dalam tabel harus memenuhi beberapa persyaratan seperti homogenitas, saling eksklusif, saling melengkapi, serta menggunakan skala nominal atau ordinal. Berikut merupakan bentuk umum tabel kategorik.

Keterangan:

\(𝑂_{ij}\) : Variabel yang diamati

\(𝑏_𝑖\) : Banyak data yang diamati dari baris ke-i

\(𝑘_𝑗\) : Banyak data yang diamati dari kolom ke-j

\(n\) : Banyak data yang diamati

B. Uji Normalitas

Uji normalitas/distribusi normal adalah uji untuk mengukur apakah data kita memiliki berdistribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Menurut Sugiyono (2017:239), uji normalitas digunakan untuk mengkaji kenormalan variabel yang diteliti apakah data tersebut berdistribusi normal atau tidak. Hal tersebut penting karena bila data setiap variabel tidak normal, maka pengujian hipotesis tidak bisa menggunakan statistik parametrik. Normalitas data dapat dilihat dengan menggunakan uji normalitas Kolmogorov–smirnov. Uji data berdistribusi normal bisa dilakukan beberapa prosedur (Santoso, Singgih (2015)) yaitu melakukan metode statistik tertentu seperti uji Kologorov–Smirnov, uji Shapiro–Wilk dan sebagainya, dan membuat grafik dengan prosedur tertentu dan mengamati pola plot atau grafik tersebut.

1. Menetapkan hipotesis

\(𝐻_0\) : Data berdistribusi normal
\(𝐻_1\) : Data tidak berdistribusi normal

2. Taraf signifikansi

α = 0.05

3. Daerah Kritis

\(H_0\) ditolak apabila nilai p-value < α = 0,05

4. Statistik Uji

shapiro.test(data)

5. Kesimpulan

C. Uji Chi-Square

Uji Chi-square adalah salah satu jenis uji komparatif non parametris yang dilakukan pada dua variabel, dimana skala data kedua variabel adalah nominal (Sutrisno, 2000). Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji Chi-square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah. Menurut Ugurlu et al. (2020), Uji Chi-Square digunakan untuk data kualitatif. Dalam pendekatan Chi-Square, karakteristik data ditetapkan dan memenuhi persyaratan tertentu. Terdapat tiga jenis uji Chi-Square yang umum digunakan: uji independensi, uji homogenitas, dan goodness of fit test. Goodness of fit test digunakan untuk menguji kesesuaian sampel atau distribusi data tertentu, seperti distribusi binomial, poisson, diskrit, atau normal. Uji homogenitas berguna untuk mengukur apakah sampel yang dipilih memiliki keseragaman varians atau tidak. Uji independensi Chi-Square digunakan untuk menentukan apakah terdapat hubungan signifikan secara statistik antara dua variabel atau tidak. Menurut Negara dan Prabowo (2018), langkah-langkah pengujian Chisquare adalah sebagai berikut.

1. Menetapkan hipotesis statistik

\(𝐻_0\) : Kedua variabel tidak saling bergantung (independen)
\(𝐻_1\) : Kedua variabel saling bergantung (dependen)

2. Taraf signifikansi

α = 0.05

3. Daerah Kritis

\(H_0\) ditolak apabila nilai p-value < α = 0,05 atau nilai \(\chi^2\) hitung > \(\chi^2_{α(k-1)(b-1)}\)

4. Statistik Uji

\[\chi^2 = \sum_{i=1}^{b} \sum_{j=1}^{k} \frac{(O_{ij} - E_{ij})^2}{E_{ij}}\]

5. Kesimpulan

Metode Penelitian

Dalam penelitian ini, data kuantitatif yang bersifat numerik digunakan untuk menguji hipotesis yang diajukan. Sumber data sekunder diperoleh langsung dari website resmi Badan Pusat Statistik (BPS). Analisis data dilakukan dengan memilih uji statistik kategorikal Chi-Square sebagai metode untuk mengeksplorasi hubungan antar variabel yang menjadi fokus penelitian.

Library

Untuk analisis ini, beberapa library akan digunakan. Pertama, readxl dan readr akan digunakan untuk membaca data dari file Excel dengan efisien. Selanjutnya, ggplot2 dan lattice akan digunakan untuk membuat visualisasi data yang informatif dan estetis. Selain itu, tidyr akan membantu dalam melakukan manipulasi data yang terstruktur. Terakhir, RColorBrewer akan digunakan untuk menghasilkan palet warna yang berbeda-beda untuk digunakan dalam visualisasi grafis. Dengan kombinasi library ini, diharapkan analisis data dapat dilakukan secara komprehensif dan efektif.

library(readxl)
library(readr)
library(ggplot2)
library(lattice)
library(tidyr)
library(RColorBrewer)

A. Deskripsi Data

Jenis penelitian ini adalah penelitian kuantitatif dengan menggunakan data sekunder mengenai jumlah tenaga kesehatan di Rumah Sakit Nusa Tenggara Barat pada tahun 2022 berdasarkan kategorinya. Kategori tenaga kesehatan yang akan diteliti adalah jumlah dokter spesialis, dokter umum, dan dokter gigi yang bekerja di Rumah Sakit. Data tersebut diperoleh melalui website data provinsi Nusa Tenggara Barat. Sampel yang akan diteliti berjumlah 10 Rumah Sakit yang berada di provinsi Nusa Tenggara Barat pada tahun 2022. Adapun data yang digunakan sebagai berikut.

# Membaca Data 
data <- read_excel("E:/Semester 4/Sistem Informasi Manajemen/DataSIMTBP02.xlsx")

# Menampilkan Data
data

## # A tibble: 10 × 4
##    `Kabupaten/Kota` `Dokter Spesialis` `Dokter Umum` `Dokter Gigi`
##    <chr>                         <dbl>         <dbl>         <dbl>
##  1 RS Lombok Barat                  45            36             3
##  2 RS Lombok Tengah                 30            58             2
##  3 RS Lombok Timur                  54            81             6
##  4 RS Sumbawa                       41            62             7
##  5 RS Dompu                         13            29             2
##  6 RS Bima                          19            54             3
##  7 RS Sumbawa Barat                 10            20             2
##  8 RS Lombok Utara                  16            23             1
##  9 RS Kota Mataram                 250           288            30
## 10 RS Kota Bima                     10            31             6

B. Langkah- Langkah Pengujian

Langkah-langkah untuk menerapkan uji Chi-Square pada data kategorik adalah sebagai berikut:

Statistik Deskriptif:
- Melakukan analisis statistik deskriptif untuk semua variabel guna memahami distribusi data secara umum.
Uji Normalitas:
- Memeriksa apakah data variabel berdistribusi normal atau tidak menggunakan uji Shapiro-Wilk.
- Menetapkan hipotesis bahwa data berdistribusi normal dengan taraf signifikansi α = 0.05.
Uji Chi-Square:
- Melakukan uji Chi-Square untuk mengevaluasi hubungan yang signifikan antara kategori rumah sakit dan spesialisasi tenaga medis.
- Merumuskan hipotesis bahwa tidak ada hubungan yang signifikan antara kedua variabel.
Analisis Hasil Uji:
- Menganalisis hasil uji dari uji normalitas dan uji Chi-Square.
- Menarik kesimpulan berdasarkan nilai p-value dan statistik uji yang dihasilkan.
Visualisasi Data:
- Membuat visualisasi plot, seperti histogram, untuk masing-masing variabel guna memeriksa distribusi data secara visual.
Saran dan Rekomendasi:
- Berdasarkan hasil analisis, memberikan saran atau rekomendasi untuk pengambilan keputusan terkait distribusi tenaga medis di rumah sakit Provinsi Nusa Tenggara Barat.

Pembahasan

A. Statistik Deskriptif

Statistika deskriptif adalah metode untuk merangkum dan menggambarkan karakteristik data. Dalam konteks ini, beberapa ukuran utama yang sering digunakan untuk menggambarkan data adalah Nilai Minimal (Min), Kuartil 1 (Q1), Median (Q2), Kuartil 3 (Q3), Rata-Rata (Mean), dan Nilai Maksimal (Max). Berikut merupakan statistika deskriptif dari variabel yang digunakan.

# Statistik deskriptif untuk semua variabel
summary(data)

##  Kabupaten/Kota     Dokter Spesialis  Dokter Umum     Dokter Gigi  
##  Length:10          Min.   : 10.00   Min.   : 20.0   Min.   : 1.0  
##  Class :character   1st Qu.: 13.75   1st Qu.: 29.5   1st Qu.: 2.0  
##  Mode  :character   Median : 24.50   Median : 45.0   Median : 3.0  
##                     Mean   : 48.80   Mean   : 68.2   Mean   : 6.2  
##                     3rd Qu.: 44.00   3rd Qu.: 61.0   3rd Qu.: 6.0  
##                     Max.   :250.00   Max.   :288.0   Max.   :30.0

Dalam hasil di atas, variabel Dokter Spesialis, Dokter Umum, dan Dokter Gigi menunjukkan variasi dari nilai minimal hingga maksimal, mencerminkan perbedaan dalam jumlah dokter yang tersedia di setiap Kabupaten/Kota di Provinsi Nusa Tenggara Barat. Jumlah dokter spesialis, umum, dan gigi bervariasi di antara Kabupaten/Kota tersebut, dengan beberapa Kabupaten/Kota memiliki jumlah dokter yang lebih tinggi daripada yang lain. Dokter Spesialis memiliki rentang nilai yang sangat luas, dari 10 hingga 250, dengan rata-rata sekitar 48.80. Sementara itu, Dokter Umum memiliki rentang nilai antara 20 hingga 288, dengan rata-rata sekitar 68.2. Dokter Gigi memiliki rentang nilai antara 1 hingga 30, dengan rata-rata sekitar 6.2.

B. Uji Normalitas

1. Menetapkan hipotesis

\(𝐻_0\) : Data berdistribusi normal
\(𝐻_1\) : Data tidak berdistribusi normal

2. Taraf signifikansi

α = 0.05

3. Daerah Kritis

\(H_0\) ditolak apabila nilai p-value < α = 0,05

4. Statistik Uji

# Uji Normalitas
shapiro.test(data$`Dokter Spesialis`)

## 
##  Shapiro-Wilk normality test
## 
## data:  data$`Dokter Spesialis`
## W = 0.55978, p-value = 1.841e-05

shapiro.test(data$`Dokter Umum`)

## 
##  Shapiro-Wilk normality test
## 
## data:  data$`Dokter Umum`
## W = 0.59213, p-value = 4.456e-05

shapiro.test(data$`Dokter Gigi`)

## 
##  Shapiro-Wilk normality test
## 
## data:  data$`Dokter Gigi`
## W = 0.57726, p-value = 2.967e-05

5. Kesimpulan

Dari hasil uji normalitas menggunakan uji Shapiro-Wilk, didapatkan p-value Dokter spesialis sebesar 1.841e-05, p-value Dokter Umum sebesar 4.456e-05, dan p-value Dokter Gigi sebesar 2.967e-05. Sehingga dapat disimpulkan bahwa \(H_0\) ditolak yang artinya data berdistribusi tidak normal. Oleh karena itu, persyaratan normalitas pada data terpenuhi.

C. Uji Chi-Square

1. Menetapkan hipotesis statistik

\(H_0\) : Tidak ada hubungan antara Variabel Jenis Dokter dan Kabupaten/Kota di Provinsi Nusa Tenggara Barat (Independen)

\(H_1\) : Terdapat hubungan antara Variabel Jenis Dokter dan Kabupaten/Kota di Provinsi Nusa Tenggara Barat (Dependen)

2. Taraf signifikansi

α = 0.05

3. Daerah Kritis

\(H_0\) ditolak apabila nilai p-value < α = 0,05 atau nilai \(\chi^2\) hitung > \(\chi^2_{α(k-1)(b-1)}\)

4. Statistik Uji

# Mengasumsikan kolom pertama adalah nama-nama baris dan sisanya adalah data
nama_baris <- data[[1]]
data_matriks <- as.matrix(data[, -1])  # Menghilangkan kolom pertama (nama-nama baris)
rownames(data_matriks) <- nama_baris  # Mengatur nama-nama baris

# Melakukan uji Chi-Square
chisq.test(data_matriks)

## 
##  Pearson's Chi-squared test
## 
## data:  data_matriks
## X-squared = 38.197, df = 18, p-value = 0.003647

5. Kesimpulan

Karena nilai \(\chi^2\) hitung = 38,197 > \(\chi^2_{(3-1)(10-1)}\) = 28,869 dan didapatkan nilai p-value = 0.003647 < 0.05 maka \(H_0\) ditolak yang berarti bahwa terdapat hubungan antara Variabel Jenis Dokter dan Kabupaten/Kota di Provinsi Nusa Tenggara Barat.

D. Visualisasi Data

1. Dotplot

Dari plot ini, kita dapat melihat bahwa RS Kota Mataram memiliki jumlah tenaga medis tertinggi, khususnya dalam kategori dokter umum dan dokter spesialis, dengan jumlah mendekati 300 dan 200 untuk . Sementara itu, rumah sakit di kabupaten/kota lainnya memiliki jumlah tenaga medis yang jauh lebih sedikit, dengan jumlah total tidak lebih dari 100 untuk setiap kategori dokter. Pola distribusi menunjukkan bahwa dokter umum umumnya mendominasi di sebagian besar rumah sakit, diikuti oleh dokter spesialis, sedangkan dokter gigi memiliki jumlah paling sedikit. Plot ini memberikan gambaran tentang ketimpangan distribusi tenaga medis di berbagai rumah sakit, dengan RS Kota Mataram yang jauh lebih unggul dibandingkan rumah sakit lainnya.

2. Barchart

# Membuat palet warna dengan 10 warna yang berbeda
warna <- brewer.pal(10, "Set2")

# Menggunakan palet warna yang telah dibuat pada fill parameter
barplot(data_matriks, horiz = TRUE, xlab = "Total Tenagakesehatan", ylab = "Jenis Dokter", beside = TRUE,
        cex.names = 0.6, xlim = c(0, 300), col = warna)
# Menambahkan legenda
legend("topright", legend = rownames(data_matriks), fill = warna, ncol = 2, cex = 0.5)

Plot di atas menggambarkan distribusi total tenaga kesehatan di berbagai rumah sakit berdasarkan jenis dokter: dokter gigi, dokter umum, dan dokter spesialis. RS Kota Mataram menonjol dengan jumlah tenaga kesehatan tertinggi, terutama dalam kategori dokter umum, yang mencapai hampir 300, dan dokter spesialis, yang mendekati 200. Sebaliknya, rumah sakit lainnya memiliki jumlah tenaga kesehatan yang lebih seimbang, tetapi jauh lebih rendah. RS Lombok Timur memiliki jumlah dokter spesialis terbanyak kedua setelah RS Kota Mataram, sementara RS Dompu dan RS Lombok Utara memiliki jumlah dokter umum yang relatif tinggi dibandingkan rumah sakit lain, tetapi tetap lebih rendah dibandingkan RS Kota Mataram. Jumlah dokter gigi di semua rumah sakit terlihat paling sedikit, dengan distribusi yang cukup merata namun sangat rendah di semua lokasi. Plot ini mengilustrasikan ketidakmerataan distribusi tenaga kesehatan, dengan RS Kota Mataram yang secara signifikan memiliki tenaga medis lebih banyak dibandingkan dengan rumah sakit lainnya.

Kesimpulan

Hasil uji Chi-Square menunjukkan adanya hubungan yang signifikan antara jenis dokter (dokter gigi, dokter umum, dokter spesialis) dan lokasi rumah sakit di Kabupaten/Kota Provinsi Nusa Tenggara Barat.
Nilai χ² hitung sebesar 38,197, yang lebih besar dari nilai kritis 28,869 serta didapatkan nilai p-value = 0.003647 < 0.05 mengindikasikan bahwa distribusi tenaga medis tidak merata di berbagai kabupaten/kota di provinsi tersebut.
Berdasarkan plot, RS Kota Mataram memiliki jumlah dokter umum dan dokter spesialis yang sangat tinggi, hampir mencapai 300 dokter umum dan mendekati 200 dokter spesialis, dibandingkan dengan rumah sakit lain yang memiliki jumlah dokter jauh lebih sedikit di semua kategori.
RS Lombok Timur memiliki jumlah dokter spesialis terbanyak kedua, namun masih jauh di bawah RS Kota Mataram. Sebaliknya, jumlah dokter gigi relatif rendah dan merata di semua rumah sakit.
Kesimpulannya, terdapat ketidakseimbangan yang signifikan dalam distribusi tenaga medis di Provinsi Nusa Tenggara Barat, dengan konsentrasi tenaga medis yang sangat besar di RS Kota Mataram, sementara rumah sakit lainnya memiliki jumlah tenaga medis yang jauh lebih sedikit.

Saran

Distribusi dokter spesialis, dokter umum, dan dokter gigi di setiap Kabupaten/Kota bervariasi secara signifikan, menunjukkan adanya disparitas dalam akses terhadap tenaga medis.
Rentang nilai yang luas dari jumlah dokter dalam masing-masing kategori mencerminkan disparitas yang ada di antara Kabupaten/Kota.
Beberapa Kabupaten/Kota memiliki akses yang jauh lebih baik terhadap tenaga medis dibandingkan yang lain.
Untuk mengatasi ketidakseimbangan ini, pertama-tama diperlukan evaluasi menyeluruh untuk mengidentifikasi daerah-daerah yang membutuhkan peningkatan ketersediaan dokter. Selanjutnya, perencanaan pendidikan kedokteran harus disesuaikan untuk memastikan bahwa jumlah lulusan yang dihasilkan dapat memenuhi kebutuhan tenaga medis di daerah-daerah yang kurang terlayani. Terakhir, monitoring dan evaluasi rutin diperlukan untuk memantau kemajuan dan menyesuaikan strategi sesuai dengan perkembangan yang terjadi.
Dengan mengimplementasikan langkah-langkah ini, diharapkan akan terjadi perbaikan yang signifikan dalam ketersediaan dan distribusi tenaga medis di seluruh Kabupaten/Kota.

Daftar Pustaka

Nuryadi et al. (2017) Buku Ajar Dasar-dasar Statistik Penelitian. 1 ed, Sibuku Media. Yogyakarta.
https://rpubs.com/abialamkh/adkprak3
https://rpubs.com/reniamelia/responsi1adk1

Analisis Distribusi Tenaga Medis di Rumah Sakit Provinsi Nusa Tenggara Barat Berdasarkan Spesialisasi Tahun 2022 dengan Tabel Kategorik

Sistem Informasi Manajemen - Kelompok 4

Pendahuluan

Landasan Teori

A. Tabel Kategorik

B. Uji Normalitas

C. Uji Chi-Square

Metode Penelitian

Library

A. Deskripsi Data

B. Langkah- Langkah Pengujian

Pembahasan

A. Statistik Deskriptif

B. Uji Normalitas

C. Uji Chi-Square

D. Visualisasi Data

1. Dotplot

2. Barchart

Kesimpulan

Saran

Daftar Pustaka