Analisis Regresi Tobit Terhadap Faktor–Faktor yang Mempengaruhi Pengeluaran Biaya Kesehatan Rumah Tangga (RT) di Wilayah Perkotaan dan Pedesaan di Propinsi Jawa Timur 1
Imam Uddin Hanief, 2Dr. Dra. Ismaini Zain, M.Si, 3 Ir. Dwi Atmono A.W, M.IKom 1 Mahasiswa Jurusan Statistika Institut Teknologi Sepuluh Nopember 2,3 Dosen Jurusan Statistika Institut Teknologi Sepuluh Nopember 1
[email protected] ,
[email protected],
[email protected]
Abstrak Setiap rumah tangga (RT) mempunyai kemampuan yang berbeda-beda dalam pengeluaran biaya kesehatan. Pengeluaran biaya kesehatan merupakan data dengan skala campuran, sebagian pengamatan yang bernilai nol berskala diskrit dan lainnya kontinyu. Metode yang dapat digunakan untuk mengolah data berskala campuran adalah regresi tobit. Tujuan penelitian adalah membuat model pengeluaran biaya kesehatan RT dengan regresi tobit. Data berasal dari Survey Sosial Ekonomi Nasional (SUSENAS) Jawa Timur tahun 2006 dengan jumlah sampel sebanyak 29949 RT. Variabel prediktor yang digunakan antara lain tingkat pendidikan kepala RT (KRT), kondisi rumah, biaya makanan, biaya non makanan, Bantuan Langsung Tunai(BLT), proporsi anggota RT (ART) yang sakit, proporsi kepemilikan asuransi dan biaya asuransi. Hasil penelitian menunjukan bahwa ada perbedaan pengeluaran biaya kesehatan RT di perkotaan dan pedesaan. Pada pemodelan digunakan trasformasi ln terhadap variabel pengeluaran biaya kesehatan RT. Pada model perkotaan terdapat tujuh variabel signifikan; sedangkan pada pedesaan terdapat sembilan. Tingkat pendidikan KRT, kondisi rumah, biaya makanan, biaya non makanan, dan proporsi ART yang sakit menjadi variabel yang berpengaruh pada kedua model. Selain itu ada dua variabel lain yang berpengaruh pada model pedesaan yaitu BLT dan proporsi kepemilikan asuransi. Kata kunci: regresi tobit, pengeluaran biaya kesehatan rumah tangga, perkotaan, pedesaan
nya mengeluarkan porsi yang lebih besar dari pengeluaran non makanan untuk kesehatan dibandingkan penduduk berpendapatan menengah atas. Selanjutnya penelitian Ridlo (2008) berdasarkan hasil Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2000 menyatakan bahwa kemauan membayar biaya kesehatan pada RT di Indonesia 50 persen lebih kecil daripada kemampuan membayar. Hal ini mengindikasikan bahwa ada faktor-faktor tertentu yang mempengaruhi RT dalam mengeluarkan anggaran untuk biaya kesehatan. Kemudian Fauzi (2010) melakukan penelitian tentang faktor-faktor yang mempengaruhi pengeluaran biaya kesehatan di Jawa Timur dengan data SUSENAS 2006. Dalam penelitian tersebut diperoleh kesimpulan bahwa faktor-faktor yang mempengaruhi pengeluaran biaya kesehatan RT meliputi kondisi rumah, wilayah dan status RT. Dalam penelitian tersebut digunakan regresi logistik sebagai metode pengolahan data. Variabel pengeluaran biaya kesehatan RT dikategorikan menjadi
1. Pendahuluan Analisis regresi sering digunakan untuk mengetahui pola hubungan antar variabel. Pada regresi linier klasik, variabel respon berupa data kontinyu (Draper dan Smith, 1981). Ada kasus tertentu dimana variabel respon berupa kombinasi antara data kontinyu dan diskrit; sebagai contoh pengeluaran Rumah Tangga (RT) untuk biaya kesehatan. Setiap RT mempunyai kemampuan yang berbeda-beda dalam pengeluaran biaya kesehatan. Bahkan ada pula RT yang tidak mengeluarkan biaya kesehatan. RT yang mengeluarkan biaya kesehatan berskala kontinyu dan yang tidak mengeluarkan diskrit. Penelitian tentang pengeluaran biaya kesehatan sebelum ini telah dilakukan oleh beberapa peneliti, antara lain Aday, Begley, Lairson dan Slater (dalam Nadjib dan Pujiyanto, 2002), Ridlo (2008), dan Fauzi (2010). Menurut penelitian Aday, Begley, Lairson dan Slater (dalam Nadjib dan Pujiyanto, 2002) bahwa penduduk berpendapatan rendah biasa1
mengeluarkan dan tidak mengeluarkan. Jika pada RT yang mengeluarkan biaya kesehatan dibuat sama maka berdampak hilangnya variasi jumlah biaya yang dikeluarkan. Sehingga informasi jumlah pengeluaran biaya kesehatan pun juga ikut hilang.
: variabel respon : variabel prediktor : vektor estimasi parameter model : residual, berdistribusi N (0, σ2) Nilai observasi , 1,2, … diperoleh dari , 0 , 0 0 Pada regresi tobit variabel respon mengikuti distribusi normal tersensor. Jika 0, maka fungsi kepadatan peluangnya adalah | (2)
Pengeluaran biaya kesehatan merupakan data dengan skala campuran, sebagian pengamatan yang bernilai nol berskala diskrit dan lainnya kontinyu. Data campuran tersebut oleh Greene (2005) disebut sebagai data tersensor atau censored data. Dibutuhkan metode khusus untuk mengolah data tersebut dan metode yang dapat digunakan adalah analisis regresi tobit. Tobin (1958) pertama kali menggunakan metode ini untuk memodelkan hubungan pendapatan RT terhadap pengeluaran RT. Beberapa penelitian yang menggunakan regresi tobit dilakukan antara lain oleh Cox dan Linn (2006) dan Purnomo (2008). Cox dan Linn (2006) memperoleh kesimpulan bahwa model regresi tobit dapat menghasilkan standard error yang lebih robust dibandingkan model regresi linier klasik dan juga nilai prediksi yang kuat untuk kasus data tersensor. Selanjutnya Purnomo (2008) memperoleh kesimpulan bahwa model tobit menghasilkan R2 lebih besar daripada regresi linier klasik pada kasus data tersensor. Berdasarkan uraian diatas, peneliti melakukan kajian untuk mendapatkan faktor-faktor yang mempengaruhi pengeluaran biaya kesehatan RT dengan metode regresi tobit. Pada penelitian ini dibuat model regresi tobit pengeluaran biaya kesehatan RT berdasarkan wilayah, yakni perkotaan dan pedesaan.
0 digunakan probabilitas
Untuk sebagai berikut. 0|
0| 0| Φ
1 Φ Dan nilai ekspektasi untuk sebagai berikut. | | 0, | 0,
(3) adalah 0| 0| (4)
Atau bisa ditulis |
(5) Dimana /Φ biasa disebut inverse Mills ratio (Greene,2005).
Penaksiran Parameter Regresi Tobit Penaksiran parameter dalam regresi tobit menggunakan metode MLE (Maximum Likelihood Estimator). A’Hearn (2004) menyatakan bahwa penggunaan metode MLE akan lebih konsisten, efisien secara asymptotically dan berdistribusi normal.
2. Tinjauan Pustaka Regresi Tobit Regresi tobit merupakan analisis regresi dimana nilai variabel responnya memiliki beberapa nilai masukan yakni berupa sebagian data diskrit dan sebagian lagi kontinyu (Amemiya, 1984). Secara umum model regresi tobit ditulis (1) dimana 1,2, … dengan :
1 2
1
2 Φ
′
1 2
(6)
Nilai maksimum fungsi likelihood diperoleh dengan cara menurunkan fungsi likelihoodnya terhadap parameter yang dicari dan disama dengankan nol. Persamaan tersebut merupakan persamaan yang tidak linear sehingga harus diselesaikan dengan cara iterasi (Olsen dalam Amemi2
ya, 1984). Kemudian diselesaikan dengan metode iterasi Newton Raphson untuk mendapatkan nilai taksiran dari model tobit. (7)
tertentu H0 ditolak pada level jika atau p-value kurang dari . Penentuan Kebaikan Model digunakan untuk mengukur persentase total variasi dalam variabel respon yang dapat dijelaskan oleh model regresi (Schroeder, Sjoquist, dan Stephen, 1996). Dalam regresi linier sederhana sama dengan kuadrat koefisien korelasi antara variabel respon y dan variabel prediktor x atau antara variabel respon y dengan nilai fit y. selalu berada diantara nilai 0 – 100%. Semakin besar nilai semakin baik pula model yang dihasilkan. Pada regresi tobit penggunaan dijelaskan oleh Bierens (2004) dengan rumus pada persamaan (8).
dengan : , ,
,…, ,…,
1 Pengujian Estimasi Parameter Persamaan yang mengandung beberapa variabel prediktor dan berpengaruh terhadap variabel respon dapat dilakukan pengujian dengan likelihood ratio test (Galiano dan Kunert, 2005). Likelihood ratio test digunakan untuk menguji estimasi parameter secara serentak, sedangkan uji wald digunakan untuk pengujian secara individu. 1. Uji Serentak Uji serentak digunakan untuk menguji parameter secara bersama-sama. Hipotesis: H0 : 0 H1 : Paling sedikit terdapat satu 0 Statistik uji: 2ln dengan: = nilai maksimum fungsi likelihood dari model penuh yang mengandung semua = nilai maksimum fungsi likelihood dari model tertentu Statistik uji ini mengikuti distribusi chisquare dengan derajat bebas k yaitu banyaknya parameter dalam model. Dan H0 ditolak pada level tertentu jika , . 2. Uji Individu Uji ini dilakukan untuk menguji setiap secara individual. Hipotesis: H0 : 0 H1 : 0 Statistik uji:
1 dengan =
∑
(8)
∑
Φ
⁄
σ
⁄
Faktor-faktor yang Mempengaruhi Pengeluaran Rumah Tangga untuk Biaya Kesehatan Faktor yang mempengaruhi konsumsi kesehatan sangat banyak, terutama yang berhubungan dengan keadaan sosial ekonomi, dan budaya seperti tingkat pendidikan, pengetahuan, pengalaman dan kebiasaan (Mariyono, Kuntariningsih, dan Suswati, 2005). Asian Development Bank(1999) dalam penelitiannya menyatakan bahwa ketidakadilan dalam pembiayaan kesehatan paling sering dijumpai di negara-negara dimana pembiayaan kesehatannya didominasi dengan cara pembayaran tunai (out-of-pocket payment). Penduduk di pedesaan yang membayar biaya kesehatan secara tunai jumlahnya lebih banyak dibandingkan dengan penduduk di daerah perkotaan. Pemerintah melalui departemen kesehatan membuat program untuk meningkatkan derajat kesehatan masyarakat yakni “Indonesia Sehat 2010”. Program tersebut berisi rencana jangka panjang mengenai tugas-tugas yang harus dilakukan dan berisi juga indikator-indikator kesehatan. Fokus utama dalam “Indonesia sehat 2010” adalah kondisi lingkungan sehat, perilaku sehat masyarakat, serta akses mutu dan pelayanan kesehatan (Depkes R.I, 2003) Selain faktor tersebut, Supraptini (2008) menyatakan bahwa pendapatan rumah tangga berpengaruh terhadap kondisi rumah sehat. Secara umum dapat dikatakan, semakin miskin
Dimana: = standar errror = nilai koefisien dari estimasi variabel prediktor tertentu
3
menggunakan cara pengobatan tradisional. Namun pada penelitian ini faktor budaya tidak digunakan karena tidak ada variabel yang sesuai dengan data yang ada. 4. Faktor Akses Mutu dan Pelayanan Kesehatan Peningkatan mutu dan pelayanan kesehatan merupakan salah satu langkah untuk meningkatkan derajat kesehatan (Depkes R.I, 2003). Semakin tinggi kualitas pelayanan maka semakin baik pula tingkat kesehatan. Berbagai cara yang dilakukan untuk meningkatkan kualitas pelayanan kesehatan antara lain melalui perbaikan sarana prasarana kesehatan dan jaminan asuransi kesehatan..
rumah tangga semakin kecil persentase rumah sehat sebaliknya semakin tinggi status ekonomi semakin besar persentase rumah sehat. Berdasarkan penjelasan diatas maka faktor-faktor yang mempengaruhi pengeluaran biaya kesehatan dapat dikelompokkan menjadi empat faktor,yaitu: geografi(wilayah), sosial ekonomi, budaya serta akses mutu dan pelayanan kesehatan. 1. Faktor Geografi (wilayah) Faktor geografi dalam hal ini dikhususkan pada pembagian wilayah antara desa dan kota. Pengertian desa menurut undangundang No. 5 Tahun 1979 adalah suatu wilayah yang ditempati oleh sejumlah penduduk sebagai kesatuan masyarakat hukum, yang mempunyai organisasi terendah langsung di bawah camat dan berhak menyelenggarakan rumah tangganya sendiri dalam ikatan negara kesatuan Republik Indonesia. Pengertian kota menurut Biantoro (dalam Anonim_a, 2006) adalah suatu sistem jaringan kehidupan manusia dengan kepadatan yang tinggi, strata sosial ekonomi yang heterogen, dan corak kehidupan yang meterialistik. 2. Faktor Sosial Ekonomi Kondisi sosial ekonomi merupakan faktor yang mempunyai indikator paling banyak dalam mempengaruhi pengeluaran biaya kesehatan. Pada faktor ini ditentukan pula suatu rumah tangga dikatakan miskin atau tidak. Definisi BPS tentang kemiskinan adalah kondisi kehidupan yang serba kekurangan yang dialami seseorang yang mempunyai pengeluaran per kapita selama sebulan tidak cukup untuk memenuhi kebutuhan standar hidup minimum. Kebutuhan standar hidup minimum digambarkan dengan garis kemiskinan yaitu batas minimum pengeluaran per kapita per bulan untuk memenuhi kebutuhan minimum makanan dan non makanan (BPS, 2005). Permasalahan kemiskinan ini ditanggulangi pemerintah dengan memberikan Bantuan Langsung Tunai (BLT) pada Rumah Tangga Miskin(RTM). 3. Faktor Budaya Budaya atau kebudayaan adalah sesuatu yang mempengaruhi tingkat pengetahuan dan meliputi sistem ide atau gagasan yang terdapat dalam pikiran manusia (Anonim_b, 2010). Kaitan dengan pengeluaran biaya kesehatan, faktor budaya mempengaruhi seseorang dalam kebiasaan melakukan pengobatan jika sakit. Pada daerah dimana masih jarang terdepat rumah sakit, penduduk yang sakit biasanya
3. Metodologi Sumber data yang digunakan dalam penelitian ini merupakan data sekunder. Sumber data berasal dari data hasil SUSENAS 2006 di propinsi Jawa Timur. Unit sampel pada penelitian ini adalah Rumah Tangga (RT). Jumlah RT yang ada dalam data SUSENAS tahun 2006 sebanyak 29949 RT. Variabel respon dalam penelitian ini adalah pengeluaran biaya kesehatan RT untuk pembiayaan rumah sakit, puskesmas, dokter praktek, dukun, obat-obatan, dan lainnya. Variabel ini berisi dua nilai, nol untuk RT yang tidak mengeluarkan biaya kesehatan dan suatu nilai tertentu untuk RT yang mengeluarkan biaya kesehatan. Variabel-variabel prediktor yang digunakan dalam pemodelan secara lengkap dapat dilihat pada Tabel 1. Tahap Analisis dalam penelitian ini ada 2 bagian. 1. Tahap pengkajian terhadap karakteristik a. Menghitung ukuran penyebaran dan pemusatan data pada variabel yang berskala data kontinyu, yaitu , , , , , , dan ; sedangkan variabel lain yang berskala kategori dicari nilai persentasenya. b. Menghitung hubungan antara variabel dengan 2. Tahap analisis pola hubungan a. Meregresikan variabel terhadap semua variabel prediktor( ) b. Mencari nilai estimasi parameter dengan metode MLE. c. Pengujian terhadap estimasi parameter yang telah didapat pada langkah b dengan menggunakan LR test untuk keseluruhan model dan uji wald untuk 4
menguji secara individu setiap estimasi parameter. d. uji kebaikan model dengan menghitung nilai . No 1
2
3
4 5 6
4 Hasil dan Pembahasan Karakteristik RT Berdasarkan Tabel 2 dapat dilihat bahwa rata-rata pengeluaran biaya kesehatan RT di perkotaan hampir dua kali lipat dari ratarata di pedesaan, yakni sebesar 44.101 rupiah setiap bulannya. Pengeluaran biaya kesehatan RT di perkotaan mencapai angka maksimum sebesar dua puluh lima juta rupiah; sedangkan di pedesaan hanya tujuh juta rupiah.
Tabel 1 Rincian variabel prediktor Variabel Skala Keterangan prediktor Tingkat Kategori 0 = Tidak sekolah pendidikan 1 = SD sederajat Kepala 2 = SMP sederajat RT(KRT) ( ) 3 = SMA sederajat
Jenis atap rumah terluas ( )
Kategori
Jenis dinding rumah terluas ( )
Kategori
Jenis lantai rumah terluas ( ) Luas lantai rumah ( ) Fasilitas air minum ( )
Kategori
Tabel 2 Deskripsi Pengeluaran Biaya Kesehatan Berdasarkan Wilayah(Rupiah/Bulan) Wilayah Deskripsi Kota Desa 13.215 16.734 N 44.101 23.731 Mean 144.388.000.000 26.855.560.763 Varians 0 0 Min 25.000.000 7.000.000 Max Sumber : SUSENAS 2006, diolah
4 = Perguruan Tinggi 1 = beton 2 = genteng 3 = lainnya 1 = tembok 2 = kayu
Karakteristik RT yang mengeluarkan biaya kesehatan dan yang tidak mengeluarkan biaya kesehatan baik di perkotaan maupun pedesaan berdasarkan variabel luas lantai rumah, persentase ART yang sakit, dan persentase kepemilikan asuransi ART mempunyai rata-rata relatif sama. Perbedaan RT di perkotaan dan pedesaan pada Tabel 3 dapat dilihat dari variabel biaya makanan, biaya non makanan, dan biaya asuransi. Pada Tabel 4 dapat dilihat nilai persentase faktor-faktor yang mempengaruhi pengeluaran biaya kesehatan RT di perkotaan dan pedesaan yang berskala diskrit. Tingkat pendidikan KRT SD sederajat menjadi penyumbang paling besar baik pada RT yang mengeluarkan maupun tidak mengeluarkan biaya kesehatan di perkotaan. RT yang mengeluarkan biaya kesehatan di pedesaan juga sama kondisinya dengan di perkotaan, mayoritas oleh RT yang tingkat pendidikan KRTnya SD sederajat. Berdasarkan kondisi fisik rumah, RT yang mengeluarkan biaya kesehatan baik di perkotaan maupun pedesaan mempunyai karakteristik yang relatif sama. Pada Tabel 4 diketahui bahwa mayoritas RT yang mengeluarkan biaya kesehatan di perkotaan dan pedesaan adalah RT yang mempunyai jenis atap genting, berdinding tembok, berlantai bukan tanah, fasilitas sumber air minumnya berasal dari sumur/mata air, fasilitas BAB sendiri, dan sumber penerangan berasal dari listrik PLN.
3 = lainnya 1 = bukan tanah 2 = tanah Kontinyu Kategori
1 = air kemasan 2 = Leding 3 = Pompa 4 = sumur/mata air 5 = sungai/hujan 6 = lainnya
7
Fasilitas Buang Air Besar(BAB) ( )
Kategori
1 = sendiri 2 = bersama 3 = umum 4 = tidak ada
8 9 10 11
Sumber penerangan ( ) Pengeluaran makanan ( ) Pengeluaran non makanan ( ) Penerima BLT( )
Kategori
1 = Listrik PLN 2 = Non PLN
Kontinyu Kontinyu Kategori
1 = iya 2 = tidak
Kontinyu Proporsi ART yang sakit ( ) Kontinyu 13 Proporsi kepemilikan Jaminan/asuransi kesehatan ( ) Kontinyu 14 Biaya asuransi kesehatan ( ) Sumber : Disusun oleh peneliti,2010 12
5
Tabel 3 Deskripsi Faktor-Faktor yang Mempengaruhi Pengeluaran Biaya Kesehatan di Perkotaan dan Pedesaan Kota Desa Variabel Deskripsi TM M TM M N 4798 8417 6832 9902 Luas lantai (m2) Mean 78.26 78.056 77.576 76.832 Varians 6310.57 6641.668 6412.506 6298.572 Min 3 4 5 4 Max 982 993 986 993 N 4798 8417 6832 9902 Biaya makanan Mean 124 133 90 100 dlm sebulan Varians 4578349 4851310 1951026 2387811 (Rp. 1000) Min 13 11 0 0 Max 1127 850 576 663 N 4798 8417 6832 9902 biaya non makanan Mean 590 717 263 341 dlm sebulan Varians 675729000 2338740000 298320000 431225000 (Rp. 1000) Min 10 17 12.5 15.16 Max 16365 76617 25367 35332 Proporsi N 4798 8417 6832 9902 ART sakit Mean 0.11 0.44 0.11 0.46 Varians 0.05964 0.11322 0.0616 0.11291 Min 0 0 0 0 Max 1 1 1 1 N 4798 8417 6832 9902 Proporsi kepemilikan Mean 0.28 0.31 0.25 0.26 asuransi Varians 0.16925 0.17536 0.16735 0.16816 Min 0 0 0 0 Max 1 1 1 1 biaya N 4798 8417 6832 9902 asuransi Mean 12 11 3 2 dalam Varians 24871959 20559071 9738542 2970560 sebulan Min 0 0 0 0 (Rp. 1000) Max 7200 7000 6240 3600 Sumber : SUSENAS 2006, diolah TM : Tidak mengeluarkan biaya kesehatan M : Mengeluarkan biaya kesehatan Tabel 4 Persentase Faktor-Faktor yang Mempengaruhi Pengeluaran Biaya Kesehatan Perkotaan Pedesaan TM M TM M Variabel Tingkat Tidak sekolah 2,7 5,0 48,6 6,6 Pendidikan SD sederajat 14,2 25,2 13,6 19,6 KRT SMP sederajat 5,6 10,4 2,3 3,8 SMA sederajat 9,9 16,9 1,7 2,7 Perguruan Tinggi 4,0 6,1 0,4 0,6 Total 100 100 Jenis Atap beton 0,7 1,1 0,5 0,7 genteng 34,5 61,1 39,8 58,0 lain 1,1 1,5 0,5 0,5 Total 100,0 100,0 Jenis Tembok 32,1 56,5 26,7 38,9 Dinding Kayu 1,9 3,1 7,4 10,8 Lain 2,3 4,1 6,7 9,5 Total 100,0 100,0 Jenis Bukan Tanah 32,4 57,7 26,7 38,7 Lantai Tanah 3,9 5,9 14,1 20,5 Total 100,0 100,0
6
Perkotaan Pedesaan TM M TM M Variabel Fasilitas Air Kemasan 3,1 5,4 0,7 1,0 Air Minum Leding 11,5 17,3 4,4 5,5 Pompa 7,0 15,8 5,3 9,0 Sumur/Mata Air 14,5 24,6 29,6 42,4 Sungai/Hujan 0,1 0,4 0,5 1,0 Lain 0,1 0,2 0,4 0,4 Total 100,0 100,0 Failitas Sendiri 25,4 44,6 22,1 29,9 BAB Bersama 4,9 9,5 5,7 9,1 Umum 1,2 1,8 1,3 2,2 Tdk Ada 4,8 7,8 11,8 18,0 Total 100,0 100,0 Sumber PLN 35,8 63,1 39,1 57,0 Penerangan Non PLN 0,5 0,6 1,7 2,2 Total 100,0 100,0 BLT Penerima 5,6 10,8 13,9 20,8 Non Penerima 30,7 52,9 26,9 38,4 Total 100,0 100,0 Sumber : SUSENAS 2006, diolah TM : Tidak mengeluarkan biaya kesehatan; M : Mengeluarkan biaya kesehatan
Korelasi Variabel Pengeluaran Biaya Kesehatan RT dengan Faktor-Faktor yang Mempengaruhi Korelasi dilakukan untuk mengetahi seberapa besar hubungan atau keeratan variabel pengeluaran biaya kesehatan dengan masing-masing variabel presiktor. Berdasaran nilai korelasi Tabel 5 terdapat dua variabel yang tidak signifikan pada wilayah perkotaan dan tiga variabel tidak signifikan pada pedesaan. Variabel-variabel tersebut tetap digunakan dalam pembuatan model regresi biaya kesehatan RT meskipun nilai korelasinya tidak signifikan.
Pemodelan Regresi Tobit Pengeluaran Biaya Kesehatan RT Pada pemodelan regresi tobit ini digunakan variabel dummy. Semua variabel kategori yang sebelumnya dijadikan sebagai prediktor, diubah menjadi variabel dummy. Tabel 6 Variabel Dummy Variabel Dummy Tingkat keterangan Edu(1) Edu(2) Pendidikan SMP ke bawah 0 0 KRT SMA 1 0 Perguruan tinggi 0 1 Jenis atap keterangan atap(1) Beton, genteng 0 lain 1 Jenis keterangan dinding(1) dinding Tembok,kayu 0 lain 1 Jenis lantai keterangan lantai(1) Bukan tanah 0 Tanah 1 Fasilitas keterangan air(1) air minum Air kemasan, 0 leding, pompa lain 1 Fasilitas keterangan bab(1) BAB Sendiri 0 Bersama/umum/tdk 1 ada Sumber keterangan lstr(1) penerangan PLN 0 Non PLN 1 BLT keterangan BLT(1) Bukan penerima 0 penerima 1 Sumber : Disusun oleh peneliti,2010
Tabel 5 Korelasi y dengan x Korelasi Pearson Variabel Kota Desa Luas lantai 0,03543* 0,01034 biaya makanan 0,06457* 0,07207* biaya non makanan 0,33127* 0,30622* P_sakit 0,01351 0,069* P_asuransi 0,4515* -0,02526* biaya asuransi 0,04479* 0,00901 Tk pendidikan KRT 0,04* 0,059* Jenis Atap -0.013 -0.016* Jenis dinding -0,031* -0,035* Jenis lantai -0,043* -0,033* Fasilitas Air minum -0,017* -0,024* Fasilitas BAB -0,054* -0,011 Sumber penerangan -0,028* -0,027* BLT 0,027* 0,034* Sumber : SUSENAS 2006, diolah * signifikan pada α = 0.05
7
Tabel 7 Pengaruh Variabel Secara Individu
Penggunaan dummy ini dimaksudkan untuk melihat pengaruh data kontrol yang berisikan data yang mayoritas RT memilikinya. Sebagai contoh variabel tingkat pendidikan KRT, mayoritas RT di perkotaan dan pedesaan tingkat pendidikan KRTnya adalah SMP ke bawah. Dalam dummy kategori tersebut yang dijadikan kontrol adalah yang bernilai nol. Peneliti menetapkan variabel dummy yang digunakan secara lengkap disajikan pada Tabel 6.
Variabel Perkotaan Pedesaan Edu(1) 8849.83* 18110* Edu(2) 27102* 15284* atap(1) -34855* -37970* dinding(1) -14636* -12375* lantai(1) -42105* -12825* x5 190.13* 18,932 air(1) -30545* -10151* bab(1) 23422* -5,465 lstr(1) -84261* -24932* x9 0.652747* 0,545392* x10 0.106988* 0,097017* BLT(1) -10619* -14293* x12 383032* 203047* x13 34715* -8,244,63 x14 0.12357* 0,013154 Sumber : SUSENAS 2006, diolah * signifikan pada α = 0.05
Pemodelan di Wilayah Perkotaan Hasil pengujian secara individu pada Tabel 7 dapat diketahui bahwa masing-masing variabel mempunyai pengaruh signifikan. Pada tahap selanjutnya, yakni pengujian secara serentak, semua variabel tersebut dimasukkan dalam model. Pengujian serentak yang dilakukan pada Tabel 8 diperoleh hasil bahwa variabel prediktor yang dimasukan dalam model ada dua belas variabel, antara lain: edu(1), edu(2), atap(1), dinding(1), lantai(1), luas lantai rumah(x5), air(1), bab(1), lstr(1), biaya non makanan(x10), proporsi ART yang sakit selama satu bulan(x12), dan pengeluaran biaya asuransi selama satu bulan(x14). Sehingga model regresi tobit untuk pengeluaran biaya kesehatan RT di wilayah perkotaan.
Tabel 8 Pengaruh Variabel Secara Serentak Variabel Perkotaan Pedesaan Intersep -209725* -194224* Edu(1) -34130* tdk sig Edu(2) -89658* -40620* atap(1) -14364* -11060* dinding(1) -5458,43* tdk sig lantai(1) -42395* tdk sig x5 -107,92* tdk sig air(1) -37786* tdk sig bab(1) -66885* tdk sig lstr(1) -15962* tdk sig x9 tdk sig 0,3996* x10 0.113145* 0,0916* BLT(1) tdk sig tdk sig x12 376090* 201551* x13 tdk sig tdk sig x14 0.062158* tdk sig Sumber : SUSENAS 2006, diolah * signifikan pada α = 0.05
y = - 209725 - 34130edu(1) – 89658edu(2) - 4364atap(1) – 5458,43dinding(1) – 42395lantai(1) – 107,92x5 – 37786air(1) + 6688bab(1) – 15962lstr(1) + 0,113x10 + 376090 x12 + 0.06x14
Pemodelan di Wilayah Pedesaan Pada Tabel 7 dapat diketahui hasil pengujian secara individu menunjukan bahwa ada empat variabel yang tidak mempunyai pengaruh signifikan, yaitu: luas lantai rumah(x5), bab(1), proporsi kepemilikan asuransi dalam satu RT(x13), dan pengeluaran biaya asuransi selama satu bulan(x14). Pada tahap pengujian secara serentak hanya variabel yang signifikan dimasukkan dalam model. Berdasarkan pengujian serentak pada Tabel 8 diperoleh hasil bahwa variabel prediktor yang dimasukan dalam model ada lima variabel, antara lain: edu(2), atap(1), biaya makanan(x9), biaya non makanan(x10), dan proporsi ART yang sakit selama satu bulan(x12). Sehingga model regresi tobit untuk pengeluaran biaya kesehatan RT di wilayah pedesaan.
Pengujian Kebaikan Model Regresi Tobit Pengeluaran Biaya Kesehatan dengan R2 Tabel 9 merupakan nilai R2 dari masingmasing model pengeluaran biaya kesehatan RT di perkotaan dan pedesaan. Berdasarkan hasil tersebut diketahui bahwa nilai R2 model perkotaan dan model pedesaan 0,10 dan 0,07. Hal ini mengindikasikan bahwa sembilan variabel prediktor pada model perkotaan hanya bisa menjelaskan 10 persen variasi pengeluaran biaya kesehatan di perkotaan; sedangkan lima variabel prediktor pada model pedesaan hanya bisa menjelaskan 7 persen variasi pengeluaran biaya kesehatan di pedesaan. Tabel 9 Nilai Kebaikan Model Regresi Tobit Model regresi tobit Nilai R-sq Perkotaan 0,10 Pedesaan 0,07 Sumber : SUSENAS 2006, diolah
y = -194224-40620Edu(2)-1060atap(1) + 0,3996x9 +0,0916x10+201551x12
8
Kedua model yang dihasilkan dengan transformasi ln menghasilkan nilai R2 yang lebih besar daripada model biasa. Berdasarkan Tabel 12 diketahui bahwa R2 model perkotaan dan pedesaan dengan transformasi ln masingmasing sebesar 0,25 dan 0,13. Peningkatan ini disebabkan transformasi ln pada variabel pengeluaran biayan kesehatan RT.
Pemodelan Regresi Tobit dengan Transformasi Varia-bel Pengeluaran Biaya Kesehatan RT Berdasarkan nilai R2 pada Tabel 9 diketahui bahwa model tidak terlalu baik. Hal ini disebabkan banyak faktor, dian-taranya data yang digunakan jumlahnya sangat banyak dan variasi antar data pengeluaran biaya kesehatan RT sangat besar. Selanjutnya peneliti melakukan transformasi terhadap variabel pengeluaran biaya kesehatan RT untuk melihat model yang lebih baik. Jenis transformasi yang digunakan meliputi ln y, y1/2, y-1/2, dan y-1. Berdasarkan hasil olahan, diperoleh nilai yang paling baik pada transformasi ln y. Hasil regresi tobit pengeluaran biaya kesehatan RT di perkotaan dan pedesaan dengan transformasi ln y dapat dilihat pada Tabel 10 dan 11.
Tabel 12 Nilai Kebaikan Model dengan Transformasi ln Nilai R2 Model regresi tobit Perkotaan 0,25 Pedesaan 0,13 Sumber : SUSENAS 2006, diolah
Pembahasan Pembahasan berdasarkan hasil yang diperoleh pada analisis sebelumnya dan dirangkum pada pada Tabel 13. Tingkat pendidikan KRT baik pada perkotaan maupun pedesaan mempunyai pengaruh terhadap pengeluaran biaya kesehatan RT. Namun hanya beda tingkat pendidikan perguruan tinggi dengan SMP ke bawah yang berpengaruh signifikan dan bertanda negatif. Hal ini menunjukkan bahwa KRT dengan pendidikan perguruan tinggi mempunyai kecenderungan tidak mengeluarkan uang secara tunai untuk biaya berobat dan berdampak pada penurunan pengeluaran biaya kesehatan. Salah satu penyebab yang mungkin adalah gaya hidup orang yang berpendidikan perguruan tinggi lebih menyukai hidup sehat dan menggunakan asuransi sebagai alternatif untuk menekan pengeluaran biaya kesehatan. Kondisi fisik rumah mempunyai pengaruh negatif dan signifikan. Pada model perkotaan, kondisi rumah diwakili oleh jenis atap, jenis lantai, dan jenis fasilitas BAB.; sedangkan pada model pedesaan, kondisi rumah diwakili oleh jenis atap, jenis fasilitas BAB, dan jenis sumber penerangan. Jenis atap selain genteng/beton, jenis lantai tanah, fasilitas BAB selain sendiri dan sumber penerangan non PLN mempunyai kecenderungan penurunan pengeluaran biaya kesehatan RT. Kondisi rumah tersebut menggambarkan ciri rumah kategori miskin. Hal ini dimungkinkan terjadi karena RT tersebut lebih mengalokasikan pendapatan di sektor lain seperti konsumsi makanan. Pengaruh pengeluaran biaya makanan dan non makanan pada model perkotaan dan pedesaan adalah positif dan signifikan. Hal ini
Tabel 10 Model Perkotaan dengan Transformasi ln Variabel Estimasi intersep 4.865* edu(2) -0.5979* atap(1) -0.4907* lantai(1) -0.4031* bab(1) -0.2311* x9 0.0000078* x10 0.0000002* x12 4.9323* Sumber : SUSENAS 2006, diolah * signifikan pada α = 0.05
Secara matematis, model pengeluaran biaya kesehatan RT dengan transformasi ln di perkotaan adalah sebagai berikut. = 4.865 – 0.5979edu(2) – 0.4907atap(1) – 0.4031lantai(1) – 0.2311bab(1) + 0.0000078x9 + 0.0000002x10 +4.93x12 Tabel 11 Model Pedesaan dengan Transformasi ln Variabel Estimasi intersep 5.1446* edu(2) -0.4750* atap(1) -0.7640* bab(1) -0.2837* listrik(1) -0.2831* x9 0.0000095* x10 0.0000004* blt(1) -0.6260* x12 3.0270* x13 -0.2528* Sumber : SUSENAS 2006, diolah * signifikan pada α = 0.05
Model pengeluaran biaya kesehatan RT dengan transformasi ln di pedesaan secara matematis adalah sebagai berikut. = 5.145 – 0.475edu(2) – 0.764atap(1) – 0.283bab(1) 0.283listrik(1) + 0.0000095x9 + 0.0000004x10 – 0.626blt(1) + 3.027x12 – 0.252 x13
9
kepemilikan asuransi yang mempunyai kecenderungan menurunkan pengeluaran biaya kesehatan RT. Salah satu penyebab yang mungkin adalah program jaminan pembiayaan kesehatan keluarga miskin yang diberikan peme-rintah. Penurunan pengeluaran biaya kesehatan RT mampu ditekan melalui program tersebut. Secara tidak langsung masyarakat pedesaan yang miskin mendapatkan bantuan pembiayaan gratis tanpa harus mengeluarkan biaya. Berdasarkan nilai R2 kedua model regresi tobit pengeluaran biaya kesehatan RT tidak terlalu bagus. Nilai R2 yang rendah tersebut dapat diindikasikan bahwa cukup sulit membuat model pengeluaran biaya kesehatan RT. Kondisi ini berbeda dengan yang dialami oleh dua peneliti dari Bangladesh dan Singapura yang juga meneliti tentang pengeluaran biaya kesehatan dengan metode yang berbeda. Haqeu (2006) yang meneliti pengeluaran biaya kesehatan masyarakat Bangladesh memperoleh nilai R2 sebesar 0,47; sedangkan Huang (2004) di Singapura memperoleh R2 sebesar 0.45. Kedua peneliti menggunakan unit individu sebagai sampel. Berdasarkan penjelasan tersebut dapat disim-pulkan bahwa pengeluaran biaya kesehatan secara individu mam-pu digambarkan dalam model persamaan dengan cukup baik, tetapi untuk pengeluaran secara RT masih sulit dibuat model..
menunjukkan bahwa RT yang mempunyai pengeluaran biaya makanan dan non makanan yang besar mempunyai kecenderungan peningkatan pengeluaran biaya kesehatan RT. Ini dapat terjadi dikarenakan RT tersebut mempunyai pendapatan berkecukupan. Kondisi RT yang memiliki pendapatan berkecukupan memungkinkan RT tersebut membelanjakan pendapatannya diberbagai sektor, salah satunya kesehatan. Pada dasarnya biaya kesehatan dikeluarkan jika ada yang sakit. Pada model perkotaan maupun pedesaan terlihat bahwa proporsi ART yang sakit selama satu bulan berpengaruh signifikan dan positif. Hal ini wajar terjadi dikarenakan semakin banyak ART yang sakit berdampak pada pengeluaran biaya kesehatan yang semakin besar pula. Pada model pedesaan terdapat dua variabel yang signifikan dan tidak ada pada model perkotaan. Variabel tersebut adalah RT penerima BLT dan proporsi kepemilikan asuransi. Kedua variabel tersebut berpengaruh signifikan dan bertanda negatif. Hal ini menunjukan bahwa RT penerima BLT berkecenderungan menu-runkan pengeluaran biaya kesehatan RT. Ini bisa saja terjadi dikarenakan RT penerima BLT mayoritas berada di pedesaan. Pemberian bantuan berupa uang secara tunai pada RT miskin di pedesaan dapat meningkatkan kualitas hidup masyarakta di desa sehingga berdampak pada penurunan biaya kesehatan RT. Begitu pula dengan proporsi
Variabel
Tabel 13 Koefisien Tanda dan Signifikansi Pengujian Perkotaan
Tingkat Pendidikan KRT SMA vs SMP kebawah Perguruan Tinggi vs SMP kebawah Jenis atap lain vs genteng/beton Jenis dinding lain vs tembok/kayu Jenis lantai tanah vs bukan tanah luas lantai rumah (x5) Jenis sumber air minum lain vs air kemasan/leding/pompa Jenis fasilitas BAB lain vs sendiri Jenis sumber penerangan non PLN vs PLN biaya makanan selama satu bulan (x9) biaya non makanan selama satu bulan (x10) Jenis RT penerima BLT vs non penerima BLT proporsi ART sakit dalam satu bulan (x12) proporsi kepemilikan asuransi dalam satu RT (x13) biaya asuransi selama satu bulan (x14) Sumber : SUSENAS 2006, diolah
Koef. Tanda
Signifikansi
Pedesaan
Koef. Tanda
Signifikansi
Negatif Negatif Negatif -
Signifikan Signifikan Signifikan -
Negatif Negatif -
Signifikan Signifikan -
Negatif Positif Positif
Signifikan Signifikan Signifikan
Negatif Negatif Positif Positif
Signifikan Signifikan Signifikan Signifikan
Positif
Signifikan
Negatif Positif
Signifikan Signifikan
-
-
Negatif -
Signifikan -
10
Saran
5 Kesimpulan dan Saran Kesimpulan Berdasarkan hasil analisis data dan pembahasan diperoleh kesimpulan sebagai berikut. 1. Rata-rata pengeluaran biaya kesehatan RT di perkotaan lebih besar di pedesaan. RT yang mayoritas mengeluaran biaya kesehatan baik diperkotaan maupun pedesaan pada dasarnya mempunyai karakteristik yang relatif sama yakni rumah tangga yang tingkat pendidikan KRT SD sederajat, beratap genteng, berdinding tembok, berlantai bukan tanah, fasilitas air minum sumur/mata air, fasilitas BAB sendiri, sumber penerangan dari listrik PLN, dan bukan penerima BLT. Berdasarkan variabel luas lantai rumah, persentase ART yang sakit, dan persentase kepemilikan asuransi ART mempunyai ratarata relatif sama. Perbedaan RT di perkotaan dan pedesaan ada pada variabel biaya makanan, biaya non makanan, dan biaya asuransi. 2. Model dengan nilai R2 terbaik diperoleh dengan transformasi ln sehingga hasil tersebut yang digunakan dalam kesimpulan. Pemodelan regresi tobit pengeluaran biaya kesehatan RT perkotaan terdapat tujuh variabel signifikan; sedangkan pada pedesaan terdapat sembilan variabel signifikan. Tingkat pendidikan KRT baik pada perkotaan maupun pedesaan mempunyai dampak penurunan pengeluaran biaya kesehatan RT. Kondisi fisik rumah juga berdampak menurunkan pengeluaran biaya kesehatan RT. Pada model perkotaan, kondisi rumah diwakili oleh jenis atap, jenis lantai, dan jenis fasilitas BAB; sedangkan pada model pedesaan, kondisi rumah diwakili oleh jenis atap, jenis fasilitas BAB, dan jenis sumber penerangan. Peningkatan pengeluaran biaya kesehatan RT pada kedua model dipengaruhi oleh biaya makanan, biaya non makanan dan proporsi ART yang sakit selama satu bulan. Pada model pedesaan terdapat dua variabel signifikan lain yang tidak ada pada model perkotaan. Variabel tersebut adalah RT penerima BLT dan proporsi kepemilikan asuransi. Kedua variabel tersebut berpengaruh signifikan dan berdampak menurunkan pengeluaran biaya kesehatan RT.
Berdasarkan nilai R2 model, diperoleh hasil bahwa model tidak telalu baik sehingga kesimpulan yang diperoleh tentang faktor-faktor yang mempengaruhi pengeluaran biaya kesehatan RT belum bisa dijadikan sebagai acuan dalam pembuatan kebijakan di bidang kesehatan. Diperlukan pengkajian lebih jauh mengenai pengeluaran biaya kesehatan RT. Pengeluaran biaya kesehatan masih sulit dibuat model jika unit pengamatannya berupa rumah tangga. Disarankan untuk penelitian selanjutnya menggunakan data individu. Daftar Pustaka A’Hearn, B. 2004. A Restricted Maximum Likelihood Estimator For Truncated Height Samples. Franklin & Marshall Collage : Lancester. Amemiya, T. 1984. Tobit Models : A Survey. Stanford Univer-sity : California. Anonim_a.2006. organisasi.org/pengertian_arti_da n_definisi_desa_dan_kota_belajar _pelajaran_ilmu_sosiologi_geogr afi. Diakses pada 20 Maret 2010 Anonim_b.2010. http://id.wikipedia.org/wiki/Buda ya. Diakses pada 20 Maret 2010 Anonim_c.2010. http://id.wikipedia.org/wiki/Asura nsi_kese-hatan. Diakses pada 20 Maret 2010 Asian Development Bank. 1999. Health Sector Reform in Asia and the Pacific. Options for Developing Countries. Asian Development Bank : Manila. BPS Kabupaten Yapen Waropen. 2005. Profil Rumah Tangga Miskin dan Indikator Kemiskinan Yapen Waropen 2005. Bierens, H.J. 2004. The Tobit Model. http://econ.la.psu.edu/../Tobit.PD F. Diakses pada 27 Maret 2010. Cox, S.H. dan Linn, Y. 2006. Annuity Lapse Rate Modeling: Tobit Or Not Tobit. http://www.soa.org/files/ pdf/Cox Linn paper. Diakses pada 27 Maret 2010.
11
Schroeder, L.D., Sjoquist, D.L, dan Stephan, P.A. 1996. Understanding Regression Analysis : An Introductory Guide. Sage Publication. Supraptini. 2008. Gambaran Rumah Sehat di Indonesia, Berdasarkan Analisis Data Susenas 2001 Dan 2004. Puslitbang Ekologi dan Status Kesehatan Badan Litbangkes. Tobin, J. 1958. Estimation of Relationships for Limited Dependent Variables. Econometrica, Vol. 26, No. 1, hal.24-36.
Departemen Kesehatan R.I. 2003. Indikator Indonesia Sehat 2010 dan Pedoman Penetapan Indikator Provinsi Sehat dan Kabupaten/Kota Sehat. Pusat Data dan Informasi Depkes : Jakarta. Draper, N.R dan Smith, H. 1981. Applied Regression Analysis, Second Edition. John Wiley & Sons, Inc. Fauzi, N. 2010. Analisis Regresi Logistik pada Pengeluaran untuk Kesehatan Rumah Tangga Miskin(RTM) dan Non Miskin Jawa Timur. Program Studi DIII Statistika, Institut Teknologi Sepuluh Nopember : Surabaya. Galiano, M.M. dan Kunert, J. 2006. Comparision of ANOVA with the Tobit model for analysing sensory data. University of Dortmund : Dortmund. Greene,W. 2005. Censored Data and Truncated Distribution. New York University : New York. Haque, M.S., 2006. Determinants of Household Health Care Expenditure in Chittagong, Bangladesh. East West University. Huang, S.L., 2004. Factor Influencing Healthcare Spending in Singapore : Regression Model. International Journal of the Computer, the Internet and Management. Vol.12 No.3 Halaman 51-62 Nadjib, M dan Pujiyanto. 2002. Pola Pengeluaran Rumah Tangga untuk Kesehatan pada Kelompok Marjinal dan Rentan. Universitas Indonesia : Depok. Purnomo, T.C.. 2008. Perbandingan Model Regresi Linier Klasik Dan Tobit Bivariat : Studi Kasus Pada Pengeluaran Rumah Tangga Untuk Konsumsi Daging Dan Susu. Program Studi Master Statistika, Institut Teknologi Sepuluh Nopember : Surabaya. Ridlo, I.A. 2008. Tentang JPKM. http://www.kebijakankesehatan.co.cc/2008/09/tentangjpkm.html. Diakses pada 15 feb 2010. 12