Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record

Eksakta: Jurnal Imu-Ilmu MIPA

p. ISSN: 1411-1047 e. ISSN: 2503-2364

Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record Agung Purwo Wicaksonoa*, Kariyamb, Izzati Muhimmahc a

Program Pascasarjana Magister Informatika, Universitas Islam Indonesia, Yogyakarta b Program Studi Statistika, Universitas Islam Indonesia, Yogyakarta c Program Pascasarjana Magister Informatika, Universitas Islam Indonesia, Yogyakarta * e-mail:[email protected] ABSTRACT Electronic Medical Record (EMR) has now become a trend in the world of health care. Lot of obstacles and barriers that interfere implementation of EMR. This paper discussed the eleven factors suspected to affect the implementation of EMR, with a case study hospital in Banyumas. By using logistic regression analysis obtained eight of the eleven factors that significantly affect the implementation of RME. The eight factors are financial factors, Human Resources (HR), the process of changing, psychological factors, legal factors, the time factor, organizational factors, and ICT trends. Technology, infrastructure, and social is a factor that does not significantly affect the implementation of EMR in hospital. ICT trends are new factors that significantly affect the implementation of EMR in hosital. Keywords : EMR, logistic regression, Banyumas, ICT trends, health care

ABSTRAK Salah satu penggunaan Teknologi Informasi dan Komunikasi (TIK) dalam dunia kesehatan yang telah menjadi tren dalam dunia pelayanan kesehatan secara global adalah Rekam Medis Elektronik (RME). Pada bagian lain berbagai macam kendala dan hambatan yang berpotensi untuk dapat mengganggu terwujudnya program tersebut tidaklah sedikit. Pada makalah ini dibahas sebelas faktor yang diduga mempengaruhi implementasi RME, dengan mengambil studi kasus Rumah Sakit (RS) di Kabupaten Banyumas. Dengan menggunakan analisis regresi logistik didapatkan delapan dari sebelas faktor yang signifikan berpengaruh terhadap implementasi RME. Adapun kedelapan faktor tersebut adalah: faktor finansial, faktor Sumber Daya Manusia (SDM), faktor proses perubahan, faktor psikologi, faktor legal, faktor waktu, faktor organisasi, dan tren TIK. Faktor teknologi, infrastruktur, dan sosial adalah faktor yang tidak signifikan berpengaruh terhadap implementasi RME di RS. Faktor tren TIK merupakan faktor baru yang secara signifikan berpengaruh terhadap implementasi RME di RS. Kata Kunci : RME, regresi logistik, Banyumas, tren TIK, layanan kesehatan

Di Indonesia RME sebenarnya

Pendahuluan Rekam medis adalah kumpulan keterangan

tentang

identitas,

hasil

telah mulai bergema sejak tahun 2005. Pemerintah

sebagai

salah

satu

anamnesis, pemeriksaan, dan catatan

stakeholder yang berperan sangat penting

segala kegiatan para pelayan kesehatan

melalui

atas pasien dari waktu ke waktu. Catatan

bekerjasama

ini bisa bersifat cetakan ataupun data

Komunikasi dan Informatika sudah sejak

digital (Hanafiah dan Amir, 1999).

awal tahun 2005 mencanangkan program

Kementerian dengan

Kesehatan Kementerian

Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record (Agung Purwo Wicaksono, Kariyam, Izzati Muhimmah)

55


p. ISSN: 1411-1047 e. ISSN: 2503-2364

layanan kesehatan terintegrasi (e-health

psikologis, (7) sosial, (8) legal formal, (9)

Indonesia)

untuk

organisasi, dan (10) proses perubahan

layanan

(Boonstra dan Broekhuis, 2010; Granlien

dengan

mewujudkan kesehatan

tujuan

pemerataan

bagi

di

dan Hertzum, 2012; Handiwidjojo, 2009;

Indonesia khususnya daerah yang selama

Hassan, dkk., 2010; Hasanain dan Cooper,

ini sangat sulit dijangkau oleh treatment

2014; Khalifa, 2013).

kesehatan

seluruh

yang

wilayah

berkualitas

serta

Subkhan

(2011),

teknologi penunjang sarana kesehatan.

bahwa

Program yang dicanangkan oleh dua

mempengaruhi

kementrian tersebut merupakan angin

Demikian pula seperti yang disampaikan

segar bagi perbaikan kualitas layanan

oleh

kesehatan di Indonesia. Akan tetapi

mengatakan

berbagai macam kendala dan hambatan

informasi

tidak

yang berpotensi untuk dapat mengganggu

penunjang

manajemen

terwujudnya program tersebut tidaklah

yang ada, tetapi justru merupakan sebagai

sedikit (Djalil, 2005).

hal yang justru menawarkan terjadinya

Benson

(2011)

dengan

saat

kantor

ini

mengatakan

kominfo bahwa

penelitiannya

penyelenggaraan

faktor finansial, teknologi, psikologis,

telah

pendidikan.

Kota

Bogor

fungsi

teknologi

sekedar

sebagai

pemerintahan

perubahan-perubahan sehubungan

bahwa

TIK

dunia

menggunakan mix method statistic dalam mengungkapkan

tren

mendasar

dengan

proses pemerintahan

(Pemerintah Kota Bogor, 2013).

dan legal formal adalah faktor yang

Berdasarkan uraian diatas maka

berpengaruh secara signifikan dalam

pada penelitian ini akan diteliti apakah

implementasi RME pada RS. Dengan

faktor

menggunakan

regression

waktu, psikologis, sosial, legal formal,

analysis, Butt dkk (2014) menemukan

organisasi, proses perubahan, dan tren

bahwa faktor finansial, SDM, waktu,

TIK berpengaruh terhadap implementasi

psikologis, sosial, legal formal, organisasi,

RME pada RS dengan menggunakan

dan proses perubahan merupakan faktor

metode

yang signifikan terhadap implementasi

Penelitian ini mengambil studi kasus

RME. Dari penelusuran literatur yang

pada RS di Kabupaten Banyumas.

lain, ditemukan 10 faktor yang memiliki

Tujuan Penelitian/Tujuan Penulisan

multiple

pengaruh dalam implementasi RME pada RS, yaitu (1) finansial, (2) SDM, (3)

finansial,

SDM,

analisis

infrastruktur,

regresi

logistik.

Tujuan yang ingin dicapai dalam penelitian ini adalah:

teknologi, (4) infrastruktur, (5) waktu, (6) Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record (Agung Purwo Wicaksono, Kariyam, Izzati Muhimmah)

56


p. ISSN: 1411-1047 e. ISSN: 2503-2364

1. Untuk mengetahui faktor-faktor yang secara statistik berpengaruh terhadap implementasi

RME

pada

Kabupaten

Banyumas

RS

dengan

2. Untuk membuktikan bahwa tren TIK statistik

juga

Keluarga.

di

menggunakan analisis regresi logistik.

secara

Bunda, RSU Sinar Kasih, dan RSU Dadi

Data

yang

digunakan

dalam

penelitian ini adalah data dari hasil penyebaran kuesioner yang telah diuji validitas dan reliabilitasnya. Pengambilan

berpengaruh

data dimulai dari tanggal 1 November s.d.

terhadap implementasi RME pada RS

10 Desember 2016 di 7 RS yang ada di

di Kabupaten Banyumas.

Kabupaten Banyumas.

Metode Penelitian/Penulisan

Variabel

Penelitian ini dilakukan pada RS

penelitian

dependen

ini

adalah

dalam

kemungkinan

yang berada di wilayah Kabupaten

implementasi rekam medis elektronik

Banyumas, Jawa Tengah. Populasi dari

(RME) pada rumah

penelitian ini adalah pegawai di 7 RS

Kabupaten

yang berada di wilayah Kabupaten

dependen skala biner, yaitu 0 (Y=0)

Banyumas. Pegawai rumah sakit yang

untuk kemungkinan rumah sakit tidak

diobservasi adalah pegawai manajerial

mengimplementasikan RME dan 1 (Y=1)

(pimpinan

untuk

RS/pimpinan

unit

Rekam

Medis), dokter, dan staf unit rekam medis.

Banyumas.

kemungkinan

Variabel

1. Finansial (F)

yaitu

2. SDM (H)

RS

mengimplementasikan kelompok

RS

telah

RME

dan

yang

mengimplementasikan kelompok

yang

RS

belum

RME, yang

dari telah

5. Psikologis (P) 6. Infrastruktur (I)

8. Legal Formal (L)

Soekarjo

9. Waktu (W)

Sedangkan dari belum

kelompok RS yang

mengimplementasikan

RME

10. Organisasi (O) 11. Tren TIK (T)

diambil 5 RS, yaitu RS Militer DKT Wijayakusuma,

RSU

Ananda,

RSU

yang

4. Proses Perubahan (C)

RS, yaitu RSUD Prof. Dr. Margono Banyumas.

sakit

3. Teknologi (E)

7. Sosial (S)

RSUD

rumah

independen

mengimplementasikan RME diambil 2

dan

Variabel

digunakan dalam penelitian ini adalah:

tersebut dibagi menjadi 2 kelompok, kelompok

(RS) di

mengimplementasikan RME.

Kabupaten Banyumas saat ini memiliki 23 RS. Dalam penelitian ini 23 RS

sakit

Variabel independen digunakan untuk

mengukur

persepsi

responden


57


terhadap

faktor

yang

p. ISSN: 1411-1047 e. ISSN: 2503-2364

mempengaruhi

implementasi RME di RS tempat mereka

ke–r pada p variabel prediktor P(Y > r|xi) (Hosmer dan Lemeshow, 2000).

bekerja. Dengan pengkategorian persepsi sebagai berikut: 1 = tidak setuju, 2 =

Peluang

kumulatif

P(Y ≤ r |xi)

didefinisikan sebagai berikut:

kurang setuju, 3 = setuju, dan 4 = sangat setuju, kecuali untuk variabel psikologis. Persepsi

pada

variabel

....................................... (1)

psikologis

dikategorikan sebagai berikut: 1 = sangat

dimana xi = (xi1, xi2,..., xip) merupakan

setuju, 2 = setuju, 3 = kurang setuju, dan

nilai pengamatan ke-i (i = 1, 2, ..., n) dari

4 = tidak setuju.

setiap variabel p variabel prediktor

Regresi logistik biner adalah uji statistik

yang

digunakan

(Agresti, 1990.). Pendugaan

untuk

parameter

regresi

menjelaskan hubungan antara variabel

dilakukan dengan cara menguraikannya

respon yang berupa data kualitatif (data

menggunakan transformasi logit dari

dengan skala nominal atau ordinal)

P(Y ≤ r|xi).

dimana

variabel

respon

bersifat

dikotomus dan variabel tersebut hanya mempunyai dua kategori saja, yaitu

.....................................(2)

kategori kejadian sukses (Y=1) dan

Persamaan 3 didapatkan dengan

kategori kejadian gagal (Y=0) dengan

mensubsitusikan

variabel bebas yang berupa data berskala

persamaan 2.

persamaan

1

...(3)

interval dan atau kategorik. Model yang dapat digunakan untuk regresi logistik biner adalah model logit, dimana sifat yang tertuang dalam peluang kumulatif sehingga merupakan

cumulative model

logit

models

yang

dapat

dibandingkan dengan peluang kumulatif yaitu peluang kurang dari atau sama dengan kategori respon ke–r pada p variabel prediktor yang dinyatakan dalam vektor xi adalah P(Y ≤ r|xi), dengan peluang lebih besar dari kategori respon

dan

dengan nilai βk untuk setiap k = 1, 2, ..., p pada setiap model regresi logistik ordinal adalah sama. Model

yang

diperoleh

perlu

dilakukan uji signifikansi pada koefisien β terhadap variabel respon, yaitu dengan uji serentak dan uji parsial. Uji serentak dilakukan untuk memeriksa kemaknaan koefisien β terhadap variabel respon secara

bersama-sama

dengan

menggunakan statistik uji.


58


p. ISSN: 1411-1047 e. ISSN: 2503-2364

Hipotesis :

Interpretasi koefisien parameter

H0 : β1 = β2 = … = βk = 0

dari suatu model regresi logistik adalah

H1 : paling sedikit ada satu βk ≠ 0

inferensi dan pengambilan kesimpulan

k = 1, 2, ..., p Statistik

berdasarkan pada koefisien parameter.

uji

yang

digunakan

Koefisien menggambarkan slope atau

adalah statistik uji G atau Likelihood

perubahan pada variabel respon perunit

Ratio Test.

untuk setiap perubahan variabel prediktor. Interpretasi koefisien parameter ini menyangkut dua hal, yaitu : 1. Perkiraan .................................... (4)

dimana,

mengenai

hubungan

fungsional antara variabel respon dengan variabel prediktor. 2. Menentukan pengaruh dari setiap unit perubahan variabel prediktor terhadap

Daerah

penolakan

H0

adalah

jika

dengan derajat bebas v atau nilai p-value < α. Statistik uji G mengikuti distribusi Chi-square dengan derajat bebas p. Uji

Untuk melakukan interprestasi ini maka digunakan odds ratio. Odds sendiri dapat diartikan sebagai rasio peluang kejadian sukses dengan kejadian tidak sukses dari peubah respon. Rasio odds

parsial

dilakukan

untuk

memeriksa kemaknaan koefisien β secara parsial dengan menggunakan statistik uji. H0 : βk = 0 uji

mengindikasikan seberapa lebih mungkin munculnya kejadian sukses pada suatu kelompok kelompok

H1 : βk ≠ 0 ; k = 1, 2, ..., p Statistik

variabel respon.

dibandingkan lainnya.

odds

digunakan …………....(6)

......................... (5)

Risiko ψ = 1, X = x1 sama dengan X = x2 untuk

penolakan

Rasio

didefinisikan sebagai:

yang

adalah statistik uji Wald.

Daerah

dengan

H0

atau

menghasilkan

Y

=

q.

Bila

adalah

1 < ψ < ∞ maka X = x1 memiliki risiko

dengan

lebih tinggi ψ kali dibandingkan X = x2

derajat bebas v atau nilai p-value < α.

untuk

(Hosmer dan Lemeshow, 2000).

sebaliknya 0 < ψ < 1, X = x1 memiliki

menghasilkan

Y

=

q,


dan

59


p. ISSN: 1411-1047 e. ISSN: 2503-2364

risiko lebih tinggi 1/ψ kali dibandingkan

Hipotesis:

X = x2 untuk menghasilkan Y= q.

H0 : β1 = β2 = … = β11 = 0 (tidak ada pengaruh antara finansial, SDM,

Pembahasan

teknologi,

Kabupaten banyumas saat ini

proses

perubahan,

memiliki 23 Rumah Sakit dengan rincian

psikologi, infrastruktur, sosial, legal,

3 RSUD, 1 RSU Militer, 6 RS Khusus,

waktu, organisasi, dan tren TIK

dan 13 RSU Swasta. Dari hasil survey

terhadap implementasi RME di RS)

awal yang telah dilakukan pada bulan

H1 : paling sedikit ada satu βk ≠ 0 ; (ada

Februari 2016 dengan cara wawancara

pengaruh antara finansial, SDM,

singkat dengan bagian administrasi dan

teknologi,

bagian rekam medis diperoleh informasi

psikologi, infrastruktur, sosial, legal,

bahwa terdapat 4 RS (2 RSUD, 1 RSK, 1

waktu, organisasi, dan tren TIK

RSU Swasta) yang telah menggunakan

terhadap implementasi RME pada

RME dalam setahun terakhir.

di RS)

Berdasarkan populasi yang ada, didapatkan

sampel

sebanyak

proses

perubahan,

dengan k = 1, 2, ..., 11 Berdasarkan

146

hasil

pengolahan

melakukan

data, ketika variabel independen tidak

pengambilan data terhadap sampel, maka

dimasukkan kedalam model diperoleh

langkah selanjutnya adalah melakukan

nilai Chi-Square (χ2) = 174,10 dengan

analisis regresi logistik yang dimulai dari

probabilitas 0,05 dan degree of freedom

melakukan uji serentak.

(df)

Pengujian Serentak

pengolahan data tersebut juga diperoleh

responden.

Setelah

Pengujian

serentak

dilakukan

df=n-1=145,

Karena

dari

menunjukan

sebelas

variabel

dari

proses

nilai -2 Log likelihood (-2LL) = 202,372.

dengan metode backward, yaitu dimulai memasukkan

serta

nilai

bahwa

χ2 ,

>

-2LL

model

maka sebelum

terlebih dahulu, kemudian dengan tingkat

memasukkan variabel independen adalah

signifikansi α = 10% secara bertahap

tidak fit dengan data. Oleh sebab itu

dikurangi/dieliminasi

satu

analisis

variabelnya

tersisa

hingga

per

satu

variabel

independen yang signifikan saja. Metode backward

digunakan

karena

diduga

dapat

memasukkan

dilanjutkan

dengan

variabel

independen

variabel

independen

kedalam model. Saat

semua variabel independen yang ada

dimasukkan kedalam model diperoleh

mempengaruhi variabel dependen.

nilai -2LL = 146,570 serta nilai chisquare (χ2) = 163,12, dengan probabilitas


60


p. ISSN: 1411-1047 e. ISSN: 2503-2364

0,05 dan df = 146-11-1=134. Karena nilai

perbedaan

signifikan

-2LL < χ2, maka menunjukkan bahwa

dengan nilai observasinya

antara

model

model dengan memasukkan variabel independen adalah fit dengan data. Tabel 1. Tabel Omnimbus Test Coeficients Chi-square df Step -0,709 1 Block 55,801 8 Model 55,801 8

of Model Sig. 0,400 0,000 0,000

Dari tabel omnimbus test seperti pada

Tabel

1

didapatkan

nilai

2

Tabel 2. Tabel Hosmer Test Step Chi-Square 1 8,793 2 9,372 3 10,155 4 8,257 Analisis Parsial

and Lemeshow Df 8 8 8 7

Sig. 0,360 0,312 0,254 0,311

Pengujian ini dilakukan untuk memeriksa

kemaknaan

variabel

independen (koefisien β) secara parsial

sig of χ = 0,000 < 0,1 maka H0 ditolak.

terhadap

Hal ini menunjukkan bahwa penambahan

menggunakan statistik uji Wald.

variabel independen dapat memberikan

Hipotesis

variabel

dependen

dengan

pengaruh nyata terhadap model, atau

H0 : βk = 0

dengan kata lain model dinyatakan FIT,

H1 : βk ≠ 0 ; k = 1, 2, ..., 11

atau

dapat

ada

Pada uji parsial diharapkan Ho akan

pengaruh antara faktor finansial, SDM,

ditolak sehingga variabel yang sedang

teknologi, proses perubahan, psikologi,

diuji masuk ke dalam model.

infrastruktur, organisasi,

disimpulkan

sosial, dan

tren

bahwa

legal, TIK

waktu,

Berdasarkan data pada Tabel 3

terhadap

dengan signifikansi α = 0,1 diketahui

implementasi RME pada suatu RS.

bahwa

Uji Kesesuaian Model

independen yang signifikan berpengaruh

terdapat

delapan

variabel

Untuk menentukan apakah model

terhadap implementasi RME pada RS

yang dibentuk sudah tepat atau tidak

yaitu finansial, SDM, proses perubahan,

digunakan tabel Hosmer and Lemeshow

psikologi, legal, waktu, organisasi, dan

Test seperti pada tabel 2. Dikatakan tepat

tren TIK. Kedelapan variabel independen

apabila tidak ada perbedaan signifikan

tersebut memiliki nilai signifikasi yang

antara model dengan nilai observasinya.

lebih kecil dari α. Hasil perhitungan

Dari Tabel 2 didapatkan nilai

tersebut menunjukkan bahwa variabel

signifikansi 0,311 > 0,1 maka model

teknologi, sosial, dan infrastruktur tidak

dapat diterima dan pengujian hipotesis

signifikan

dapat

implementasi RME di RS.

dilakukan

sebab

tidak

ada

berpengaruh

terhadap


61


p. ISSN: 1411-1047 e. ISSN: 2503-2364

Tabel 3. Tabel “Variables in The Equation” B

S.E.

Wald

df

Sig.

Exp(B)

F

0,729

0.410

3,154

1

0,076

H

-1,046

0,490

4,562

1

C

-1,055

0,540

3,821

P

1,122

0,496

L

-1,160

W

90.0% C.I.for Exp(B) Lower

Upper

2,072

1,055

4,069

0,033

0,351

0,157

0,786

1

0,051

0,348

0,143

0,846

5,106

1

0,024

3,070

1,357

6,948

0,574

4,086

1

0,043

0,313

0,122

0,806

-1,246

0.409

9,258

1

0,002

0,288

0,147

0,564

O

1,145

0,337

11,566

1

0,001

3,142

1,806

5,466

T

2,222

0,547

16,513

1

0,000

9,229

3,754

22,688

Constant

-1,625

2,425

0,449

1

0,503

0,197

Berdasarkan uji parsial tersebut maka model yang terbentuk adalah :

waktu yang lama (W=2). Misalkan pula, sambil menunggu waktu, manajemen

…………..(7)

mempersiapkan

berbagai

macam

prosedur dan pelatihan agar implementasi Dengan

RME dapat berjalan dengan lancar (C=3), termasuk didalamnya antisipasi dari legal

Contoh

penggunaan

persamaan

(7)

adalah sebagai berikut. Misalkan sebuah RS kelas B (O=3) yang selalu mengikuti perkembangan dipersepsikan

jaman/TIK memiliki

(T=3)

kemampuan

finansial yang baik (F=3), memiliki SDM yang mampu mengoperasikan komputer dengan

baik

dan

sudah

memiliki

pengetahuan tentang RME yang baik (H=3). Pada RS tersebut juga diketahui hanya sebagian kecil SDM yang menolak untuk mengimplementasikan RME (P=3). Manajemen menyadari

bahwa

untuk

hukum yang ada (L=3). Berdasarkan contoh

tersebut,

jika

dimasukkan

kedalam persamaan (7) didapat nilai π(x) = 0,852. Oleh karena π(x) > 0,5 maka

nilai Predicted Group Membership dari contoh masuk dalam kategori RS yang telah mengimplementasikan RME. Persentase ketepatan persamaan (7) dalam memprediksi adalah 77,4 % seperti yang terlihat pada Tabel 4. Karena penelitian ini merupakan penelitian sosial maka ketepatan prediksi model sebesar 77,4% masih dianggap baik.

mempersiapkan aplikasi RME hingga dapat diimplementasikan membutuhkan


62


p. ISSN: 1411-1047 e. ISSN: 2503-2364

Tabel 4. Classification Table Predicted Y

Observed Tidak Pakai RME Y

Pakai RME

Percentage Correct

Tidak Pakai RME

53

19

73,6

Pakai RME

14

60

81,1

Overall Percentage

77,4 operasional

Interpretasi Odds Ratio

komputer

dan

Besarnya pengaruh setiap variabel

pengetahuan tentang RME selain baik.

yang signifikan ditunjukkan dengan nilai

3. RS yang dalam implementasi RME

EXP (B) atau disebut juga ODDS RATIO

haruslah terlebih dahulu melakukan

(OR) seperti yang tedapat pada tabel 3.

sebuah perencanaan, salah satunya

Nilai odds ratio dapat diinterpretasikan

adalah bagaimana cara melakukan

sebagai berikut.

proses perubahan. Proses perubahan

1. Faktor finansial memiliki OR sebesar

merupakan salah satu faktor yang

2,072, artinya RS yang dipersepsikan

dipersepsikan

memiliki kemampuan finansial yang

menghambat implementasi RME pada

baik, memiliki peluang untuk dapat

RS. RS yang merencanakan proses

mengimplementasikan RME di RS

perubahan

sebanyak 2,072 kali daripada RS yang

peluang sedikit lebih baik (OR=0,348)

dipersepsikan

untuk

memiliki

finansial

selain baik.

RS

memiliki

dengan

dapat

responden

baik

memiliki

mengimplementasikan

RME di RS daripada RS yang tidak

2. Faktor SDM memiliki OR 0,351, artinya

oleh

yang

sedikit

dipersepsikan SDM

memiliki rencana proses perubahan. 4. Faktor psikologis dalam hal ini adalah

yang

resistensi pengguna RME. RS yang

kemampuan operasional komputer dan

dipersepsi dapat mengatasi faktor

pengetahuan tentang RME tidak baik,

psikologis pengguna RME dengan

memiliki peluang sedikit lebih baik

baik memiliki peluang 3,070 kali

untuk

untuk

mengimplementasikan

RME

daripada RS yang masih memiliki banyak SDM dengan kemampuan

mengimplementasikan

RME

pada RS. 5. Regulasi dan legalitas tentang RME memiliki

pengaruh

yang


kecil

63


p. ISSN: 1411-1047 e. ISSN: 2503-2364

(OR=0,313) terhadap implementasi

faktor finansial, faktor SDM, faktor

RME di RS.

proses perubahan, faktor psikologi, faktor

6. Waktu dipersepsikan oleh responden

legal, faktor waktu, faktor organisasi, dan

merupakan salah satu faktor yang

tren TIK. Faktor teknologi, infrastruktur,

mempengaruhi

RME

dan sosial adalah faktor yang tidak

pada RS. Waktu dipersepsikan oleh

berpengaruh terhadap implementasi RME

para

pada RS.

implementasi

responden

sebagai

faktor

penghambat implementasi RME. RS

Dalam penelitian ini juga dapat

yang dipersepsikan dapat mengatasi

dibuktikan

faktor waktu memiliki peluang sedikit

merupakan variabel baru yang secara

lebih baik (OR=0,288) untuk dapat

statistik

mengimplementasikan RME pada RS.

implementasi RME pada RS.

7. RS dengan organisasi yang lebih baik memiliki peluang 3,142 kali lebih

bahwa

faktor

tren

berpengaruh

TIK

terhadap

Saran Pada

penelitian

selanjutnya

mudah untuk mengimplementasikan

disarankan untuk dapat dilakukan kajian

RME pada RS

lebih mendalam terhadap faktor teknologi,

8. RS

yang

selalu

mengikuti

infrastruktur, dan sosial. Pada penelitian

perkembangan tren TIK memiliki

ini ketiga faktor tersebut dipersepsikan

peluang 9,229 kali lebih mudah untuk

oleh para responden tidak memiliki

mengimplementasikan RME pada RS.

pengaruh

Berdasarkan

uraian

diatas

yang

implementasi

signifikan

RME

RS

Kabupaten

tren TIK, organisasi, faktor psikologis,

penelitian terdahulu ketiga faktor tersebut

dan faktor finansial merupakan faktor

berpengaruh. Pada penelitian ini, faktor

yang memiliki pengaruh paling besar

tren TIK merupakan variabel baru yang

dengan OR berturut-turut 9,229, 3,124,

secara statistik berpengaruh terhadap

3,070, dan 2,072.

implementasi RME pada RS. Oleh sebab

Kesimpulan

itu, disarankan untuk dapat melakukan hasil

analisis

penelitian

lebih

padahal

di

diketahui bahwa secara statistik faktor

Berdasarkan

Banyumas,

pada

terhadap

mendalam

pada

terhadap

menggunakan regresi logistik didapatkan

variabel tren TIK.

delapan faktor yang secara statistik

Pustaka

berpengaruh terhadap implementasi RME

Agresti, A. (1990). Categorical Data Analysis. New York: John Wiley & Sons, Inc.

pada

RS

di

Kabupaten

Banyumas.

Adapun kedelapan faktor tersebut adalah Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record (Agung Purwo Wicaksono, Kariyam, Izzati Muhimmah)

64


Benson, A. C., 2011, Assessing Barriers to Adoption of Hospital Information Systems in Nigeria. Journal Of Global Health Care Systems, 1(3), 1–33. Boonstra, A., & Broekhuis, M., 2010, Barriers to the acceptance of electronic medical records by physicians from systematic review to taxonomy and interventions. BioMed Central (BMC), 10:231. Butt, F. S., Mahum, R., Zia, A., Nawab, S., & Shad, S. A., 2014, Barriers in implementation of electronic medical records in pakistan. Science International - Lahore, 26(4), 1681– 1686. Djalil, S. A., 2005, Teknologi Informasi Untuk Kesehatan Sebagai Komunikasi Informasi Efektif Bagi Daerah. Simposium Nasional “Membangun Era Informasi melalui Sistem Rekam Elektronik (RKE) dalam Manajemen Informasi Kesehatan di Indonesia”; diselenggarakan oleh Ditjen Pelayanan Medik – Departemen Kesehatan Jakarta pada 23 Agustus 2005 Granlien, M. S., & Hertzum, M., 2012, Barriers to the Adoption and Use of an Electronic Medication Record. Electronic Journal Information System Evaluation, 15(2), 216–227.

p. ISSN: 1411-1047 e. ISSN: 2503-2364

Hassan, N. H., Rahim, F. A., & Ismail, Z., 2010, A Review of Barriers in Adopting Healthcare Information System. Electronic Journal of Computer Science and Information Technology (ejCSiT), 2, 1–5. Hosmer, DW., Lemeshow, S., 2000. Applied Logistic Regression. New York: John Wiley & Sons, Inc. Khalifa, M., 2013, Barriers to Health Information Systems and Electronic Medical Records Implementation. A Field Study of Saudi Arabian Hospitals. Procedia - Procedia Computer Science, 21, 335–342. Pemerintah Kota Bogor, 2013, Penerapan Teknologi Informasi dan Komunikasi Untuk Mendukung Pengembangan e-Goverment Pemerintah Kota Bogor 2014 – 2018. http://kominfo.kotabogor.go.id/asset /file/sop/penerapan-tik-20142018.pdf. Diakses pada tanggal 19 Januari 2017. Subkhan, Edi., 2011, Reposisi Tren ICT dalam Bidang Kajian Teknologi Pendidikan. Masyarakat Telematika dan Informasi: Jurnal Penelitian Teknologi Informasi dan Komunikasi, 2, 89-113

Hanafiah, J. M., & Amir, A., 1999, Etika Kedokteran & Hukum Kesehatan (3rd ed.). Jakarta: Buku Kedokteran EGC. Handiwidjojo, W., 2009, Rekam medis elektronik. EKSIS, 2, 36–41. Hasanain, R. A., & Cooper, H., 2014, Solutions to Overcome Technical and Social Barriers to Electronic Health Records Implementation in Saudi Public and Private Hospitals. Journal of Health Informatics in Developing Countries, 8(1), 46–63. Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record (Agung Purwo Wicaksono, Kariyam, Izzati Muhimmah)

65

Application Of Logistic Regression In Analysis Of Factors That Affect Implementation Of Electronic Medical Record

Recommend Documents