Pembangunan Ibu Kota Nusantara (IKN) sebagai pusat pemerintahan baru Indonesia memerlukan sistem pengelolaan layanan yang efisien dan adaptif, terutama dalam sektor kesehatan. Sebagai wilayah penyangga IKN, daerah di sekitarnya harus memiliki infrastruktur layanan kesehatan yang optimal guna mendukung peningkatan kualitas hidup masyarakat serta memastikan akses yang merata terhadap fasilitas kesehatan. Dalam konteks kota cerdas, evaluasi kinerja pengelolaan layanan kesehatan yang mempertimbangkan faktor sosio-ekonomi, lingkungan, serta keterkaitannya dengan Tujuan Pembangunan Berkelanjutan (TPB) menjadi aspek krusial dalam memastikan keberlanjutan dan efektivitas sistem kesehatan di wilayah tersebut.
Kebutuhan untuk memahami faktor-faktor yang memengaruhi kinerja serta efisiensi unit yang menjadi objek kajian merupakan alasan utama dalam membangun sistem evaluasi kinerja. Pendekatan yang dipilih adalah dengan mengombinasikan beberapa metode analisis, yakni analisis deskriptif, analisis faktor konfirmatori (confirmatory factor analysis, CFA), analisis klaster, dan analisis pembungkus data (data envelopment analysis, DEA). Kombinasi ini dipilih untuk memberikan hasil yang komprehensif, baik dari segi validitas instrumen, segmentasi responden, hingga pengukuran efisiensi relatif antarunit.
Pendekatan ini juga memberikan nilai tambah, karena hasilnya tidak hanya berhenti pada deskripsi data, melainkan dapat diterjemahkan ke dalam strategi manajerial yang aplikatif. Dengan memadukan analisis multimetode, penelitian diharapkan menghasilkan temuan yang relevan bagi pengambil keputusan, terutama dalam merumuskan kebijakan berbasis bukti. Selain itu, penelitian ini juga memperhatikan relevansi akademis, yakni dengan menguji ulang teori yang sudah ada melalui data empiris terkini.
Gambar 1. Kerangka Konseptual Penelitian
Hasil analisis menunjukkan keragaman sampel dari segi demografi, latar belakang, maupun tingkat keterlibatan dalam layanan yang diteliti. Keberagaman ini menjadi modal penting karena memungkinkan peneliti menangkap variasi sampel sehingga hasil penelitian lebih representatif. Selain itu, nilai rata-rata dan sebaran (dispersi) pada masing-masing indikator dianalisis. Beberapa indikator memperoleh skor rata-rata tinggi, yang mengindikasikan kinerja memuaskan di area tertentu. Namun, terdapat pula indikator yang nilainya relatif rendah, sehingga dapat diidentifikasi sebagai titik lemah yang perlu diperbaiki.
CFA mengonfirmasi bahwa instrumen yang digunakan mampu merepresentasikan konstruk penelitian secara memadai. Dengan instrumen yang valid dan reliabel, hasil analisis lanjutan seperti klaster dan DEA menjadi lebih dapat dipercaya. CFA juga membantu mengidentifikasi indikator yang kurang memenuhi kriteria, sehingga dapat dipertimbangkan untuk diperbaiki atau dikeluarkan pada tahapan selanjutnya.
Gambar 2. Diagram Model CFA
Selanjutnya, dilakukan analisis klaster untuk merancang intervensi yang lebih tepat sasaran. Analisis klaster digunakan untuk mengelompokkan unit atau sampel berdasarkan kesamaan karakteristik. Hasil pengelompokan menunjukkan adanya beberapa klaster dengan pola yang berbeda. Ada klaster yang menunjukkan tingkat kepuasan dan kinerja tinggi, sementara klaster lain menampilkan kelemahan pada variabel tertentu. Hal ini menunjukkan bahwa sampel tidak homogen, dan strategi peningkatan kinerja tidak bisa bersifat seragam.
Gambar 3. Visualisasi Klaster per Tahun
Hasil klaster kemudian diukur tingkat efisiensinya menggunakan DEA. Hasil menunjukkan adanya perbedaan signifikan antara unit yang efisien dan yang tidak efisien. Beberapa unit berhasil memanfaatkan input secara optimal untuk menghasilkan output maksimal, sementara unit lain menunjukkan inefisiensi akibat input yang berlebihan atau output yang kurang optimal. Selain itu, hasil DEA menekankan pentingnya pemanfaatan input secara lebih bijak. Unit yang kurang efisien perlu mengurangi pemborosan sumber daya dan memaksimalkan potensi output yang tersedia. Temuan ini dapat dijadikan bahan evaluasi kebijakan yang lebih terarah, misalnya melalui alokasi sumber daya yang proporsional sesuai kebutuhan. Kombinasi metode analisis deskriptif, CFA, klaster, dan DEA mampu memberikan gambaran yang lebih komprehensif mengenai kinerja unit yang diteliti. Terdapat variasi signifikan dalam hal validitas indikator, segmentasi sampel, dan tingkat efisiensi. Hasil ini menunjukkan perlunya strategi kebijakan yang tidak seragam, melainkan menyesuaikan dengan karakteristik masing-masing klaster dan skor efisiensi unit.
1. Merancang sistem cerdas untuk mengevaluasi kinerja layanan kesehatan di wilayah penyangga IKN yang dapat mengklasifikasikan wilayah berdasarkan kinerja ekonominya, mengidentifikasi pola distribusi layanan kesehatan, serta mengukur tingkat efisiensi penggunaan sumber daya.
2. Memudahkan pemerintah daerah dan pemangku kepentingan untuk mengidentifikasi wilayah yang memerlukan intervensi prioritas serta memahami faktor utama yang mempengaruhi efisiensi layanan Kesehatan.
3. Mendukung pencapaian Tujuan Pembangunan Berkelanjutan (TPB) di wilayah penyangga IKN.