EFEKTIVITAS PELAKSANAAN BIMBINGAN PERKAWINAN DALAM MENEKAN TINGGINYA ANGKA PERCERAIAN DI MASA PANDEMI COVID-19 farida faridaisroani1989@gmail.com Indonesia 06 12 2022 <bold id="bold-81320aeecf445db22b6b377f74e015cc">Pendahuluan </bold> <bold id="_bold-9">Latar Belakang</bold>

Industri manufaktur alat kesehatan memainkan peran yang sangat penting dalam sistem kesehatan global, terutama dalam menyediakan produk yang mendukung diagnosis dan pengobatan pasien. Angka produksi yang optimal menjadi indikator kinerja yang krusial, karena berpengaruh pada efisiensi operasional, profitabilitas, dan daya saing perusahaan [1][2]. Dalam konteks ini, permintaan pasar berfungsi sebagai faktor utama yang memengaruhi angka produksi. Fluktuasi permintaan dapat terjadi akibat berbagai faktor, seperti perubahan kebijakan pemerintah, tren kesehatan masyarakat, dan kondisi ekonomi global, yang menuntut perusahaan untuk merespons dengan cepat dan tepat [3][4].

Model regresi adalah alat analisis statistik yang efektif untuk memahami hubungan antara variabel independen dan dependen [5][6]. Dalam penelitian ini, model regresi digunakan untuk memprediksi angka produksi berdasarkan permintaan pasar. Dengan memanfaatkan data historis mengenai angka produksi dan permintaan, perusahaan dapat mengembangkan model yang memberikan estimasi akurat tentang jumlah produk yang perlu diproduksi dalam periode tertentu [7][8][9]. Hasil penelitian ini diharapkan dapat memberikan wawasan berharga bagi manajemen perusahaan dalam pengambilan keputusan strategis terkait perencanaan produksi, sehingga dapat meningkatkan efisiensi operasional dan daya saing di industri alat kesehatan.

 <bold id="_bold-10">Rumusan Masalah</bold>

Bagaimana hubungan antara permintaan pasar dan angka produksi di perusahaan manufaktur alat kesehatan?

Model regresi apa yang paling tepat untuk memprediksi angka produksi berdasarkan data permintaan pasar?

Seberapa akurat model regresi yang dikembangkan dalam memprediksi angka produksi berdasarkan permintaan pasar?

 <bold id="bold-2">Tujuan Penelitian</bold>

Menganalisis Hubungan Mengidentifikasi dan menganalisis hubungan antara permintaan pasar dan angka produksi, serta variabel-variabel lain yang berpengaruh dalam konteks industri alat kesehatan.

Mengembangkan Model Regresi Membangun model regresi yang tepat untuk memprediksi angka produksi berdasarkan data permintaan pasar yang tersedia, baik menggunakan regresi linier sederhana maupun regresi linier berganda.

Mengukur Akurasi Model Mengevaluasi akurasi dan efektivitas model regresi yang dikembangkan dalam memprediksi angka produksi, serta memberikan rekomendasi bagi perusahaan dalam pengambilan keputusan terkait perencanaan produksi.

 <bold id="bold-1">Batasan Penelitian</bold>

Penelitian ini memiliki beberapa batasan, antara lain:

Data yang digunakan terbatas pada periode tertentu bulan Januari hingga Juni 2024, sehingga hasil penelitian mungkin tidak dapat digeneralisasi untuk periode lainnya.

Penelitian ini hanya fokus pada satu perusahaan manufaktur alat kesehatan, yaitu PT Mulya Husada Jaya, sehingga hasilnya mungkin tidak berlaku untuk perusahaan lain di sektor serupa.

 <bold id="bold-cbbecf8ac39d30051d7bb426cbbb2ac4">Metode</bold> <bold id="_bold-11">Metode </bold> <bold id="_bold-12">Penelitian</bold>

Penelitian ini mengadopsi pendekatan kuantitatif dengan menggunakan metode analisis regresi untuk memprediksi angka produksi berdasarkan permintaan pasar di perusahaan manufaktur alat kesehatan PT. Manufaktur Alkes Rumah Sakit. Desain penelitian ini bersifat deskriptif dan eksplanatori, dengan tujuan untuk menjelaskan hubungan antara variabel-variabel yang diteliti. Dalam penelitian ini, akan diterapkan dua jenis analisis regresi: regresi linier sederhana dan regresi linier berganda. Regresi linier sederhana digunakan untuk menganalisis hubungan antara satu variabel independen (permintaan pasar) dan satu variabel dependen (angka produksi), sedangkan regresi linier berganda akan diterapkan jika terdapat lebih dari satu variabel independen yang berpotensi mempengaruhi angka produksi. Pemilihan metode ini bertujuan untuk memberikan gambaran yang lebih komprehensif mengenai faktor-faktor yang mempengaruhi angka produksi.

 <bold id="_bold-13">Populasi dan Sampel</bold> <bold id="_bold-14">Populasi</bold>

Populasi dalam penelitian ini adalah perusahaan manufaktur alat kesehatan milik PT. Manufaktur Alkes Rumah Sakit yang beroperasi di Indonesia.

 <bold id="_bold-15">Sampel</bold>

Sampel diambil dari data permintaan pasar di perusahaan PT. MARS, yang merupakan salah satu mitra distribusi alat kesehatan. Pemilihan PT. MARS sebagai sampel didasarkan pada relevansi dan representativitas data permintaan pasar yang dapat mencerminkan kondisi pasar secara keseluruhan. Data yang digunakan mencakup permintaan pasar selama periode Bulan Januari hingga Juni 2024.

 <bold id="bold-a678255882d3425d39b00e56579255ed">Variabel Penelitian</bold> <bold id="_bold-16">Variabel Dependen</bold>

Angka Produksi (Y): Jumlah produk alat kesehatan yang diproduksi oleh PT. Manufaktur Alkes Rumah Sakit dalam periode Bulan Januari hingga Juni 2024.

 <bold id="_bold-17">Variabel Independen</bold>

Permintaan Pasar (X): Jumlah permintaan produk alat kesehatan dari konsumen yang tercatat di PT. Manufaktur Alkes Rumah Sakit dalam periode yang sama.

 <bold id="_bold-19">Diagram Alir</bold> <bold id="bold-0bc815fa5786fc03b99dd9e826c69464">Diagram Alir</bold>

<bold id="_bold-20">Pengumpulan Data</bold>

Data yang digunakan dalam penelitian ini terdiri dari dua jenis:

Data Primer: Diperoleh melalui wawancara dan kuesioner yang diberikan kepada manajer produksi dan pemasaran di PT. Manufaktur Alkes Rumah Sakit. Kuesioner disusun dengan mempertimbangkan aspek-aspek penting terkait permintaan pasar dan angka produksi, serta diuji validitasnya melalui uji coba awal.

Data Sekunder: Diperoleh dari laporan tahunan PT. MARS dan data permintaan pasar dari PT. MARS, serta sumber data lainnya seperti publikasi industri dan Badan Pusat Statistik (BPS). Validitas data sekunder dijamin dengan memilih sumber informasi yang terpercaya dan relevan.

 <bold id="bold-968c6f4bc95eb5c8e8b08311b5272cda">Analisis Data</bold>

Analisis data dilakukan dengan langkah-langkah berikut:

Rumus 1. Rumus Fungsi Linear

Jika diperlukan analisis lebih lanjut, regresi linier berganda juga akan diterapkan untuk mempertimbangkan variabel lain yang mungkin berpengaruh.

Analisis Deskriptif: Menggambarkan karakteristik data yang dikumpulkan, termasuk rata-rata, median, dan distribusi frekuensi dari angka produksi dan permintaan pasar.

Model Regresi Linier: Menggunakan web e-Report atau R untuk melakukan analisis regresi linier. Model regresi yang digunakan dapat dinyatakan dalam bentuk persamaan:

Uji Signifikansi: Melakukan uji t untuk menguji signifikansi koefisien regresi dan uji F untuk menguji kesesuaian model secara keseluruhan.

Koefisien Determinasi (R²): Mengukur seberapa besar proporsi variasi dalam angka produksi yang dapat dijelaskan oleh permintaan pasar.

Analisis Residual: Melakukan analisis residual untuk mengevaluasi kesesuaian model lebih lanjut, termasuk pemeriksaan apakah residual terdistribusi normal dan tidak ada pola tertentu.

 <bold id="bold-513e9abc68692a2acdcfb5ac17bff75f">Hasil dan Pembahasan </bold> <bold id="bold-4fe8cf95021b7da46deac5000c712853">Deskripsi Masalah</bold>

Perusahaan manufaktur alat kesehatan ingin menentukan hubungan antara permintaan pasar (X) dan angka produksi (Y). Data yang diperoleh mencakup enam titik observasi, yang terdiri dari variabel independen (X) dan variabel dependen (Y). Tujuan analisis ini adalah untuk membangun model regresi linier sederhana yang dapat memprediksi angka produksi berdasarkan tingkat permintaan pasar.

Data Permintaan Alat Kesehatan

I II III IV V VI
X 1 6 10 13 20 23
Y 5 5 12 20 20 20
<bold id="_bold-24">Model Regresi</bold>

Model regresi linier sederhana diperoleh berdasarkan perhitungan menggunakan metode kuadrat terkecil. Persamaan model regresi yang dihasilkan adalah:

Di mana:

g(x) : Angka produksi yang diprediksi.

3.055: Intersep model, menunjukkan angka produksi dasar ketika tidak ada permintaan pasar.

0.8030: Koefisien regresi, yang menunjukkan peningkatan rata-rata angka produksi untuk setiap peningkatan satu unit permintaan pasar.

 <bold id="bold-932723d8ce5d7beb0d59104d8676479a">Hasil Perhitungan</bold>

Hasil analisis regresi mencakup perhitungan nilai prediksi dan dan error prediksi dengan hasil berikut:

<bold id="_bold-25"/> Data Regresi

No X Y X.Y X^2 g(X_i) D_t^2
I 1 5 5 1 3858 0,092
II 6 5 30 36 6079 13,779
III 10 12 120 100 9000 0,006
IV 13 20 260 169 11578 33,356
V 20 20 400 400 15000 0,002
VI 23 20 460 529 17000 5,572

Dengan :

(jumlah data)

Hasil perhitungan koefisiensi regresi adalah sebagai berikut :

a. Koefisien

b. Koefisien

Dengan demikian, persamaan regresi menjadi :

Total deviasi kuadrat adalah 52.807, yang menunjukkan total tingkat error antara prediksi dan data aktual.

Koefisien b = 0,803 menunjukkan bahwa untuk setiap peningkatan satu unit setiap peningkatan satu unit permintaan pasar (x) angka produksi (y) diprediksi meningkatkan rata – rata sebesar 0,803 Unit.

 <bold id="bold-c6bf5e969d24bb0e3ac886fb312f0837">Analisa Prediksi dengan Menggunakan Aplikasi Mathlab</bold> Koding Mathlab

Grafik X dan Y

Koding Mathlab

Perhitungan Mathlab

<bold id="bold-27fe3bb1a5d137a3ad4ff8a8997fd3ad">Kesimpulan </bold>

Model regresi linier sederhana ini memberikan wawasan yang jelas tentang hubungan antara permintaan pasar dan angka produksi di perusahaan manufaktur alat kesehatan PT. Manufaktur Alkes Rumah Sakit. Dengan model ini, perusahaan dapat membuat keputusan strategis yang lebih efektif untuk memenuhi permintaan pasar dan mengoptimalkan efisiensi produksi.

Hubungan Permintaan dan Produksi Terdapat hubungan linier positif antara permintaan pasar (XX) dan angka produksi (YY). Model regresi menunjukkan bahwa untuk setiap peningkatan satu unit permintaan pasar, angka produksi meningkat rata-rata sebesar 0.803 unit.

<bold id="bold-cb93990b120aa46f3ff3c524cff413b4">Saran</bold>

a. Model ini cocok digunakan untuk prediksi jangka pendek selama permintaan pasar berada.

b. Untuk permintaan pasar yang di luar rentang data, perlu dilakukan pengujian lebih lanjut untuk memastikan akurasi model.

c. Sebaiknya perusahaan melakukan analisis tambahan dengan mempertimbangkan variabel lain seperti kapasitas produksi, biaya bahan baku, atau pengaruh musim untuk meningkatkan prediksi.