<![CDATA[Regresi Logistik Ridge merupakan pengembangan dari Regresi Logistik yang dilengkapi dengan penalti ridge, dan bertujuan untuk mengatasi multikolinearitas serta meningkatkan kestabilan estimasi parameter. Dalam penelitian ini, multikolinearitas teridentifikasi pada variabel prediktor, sehingga metode Regresi Logistik Ridge digunakan. Variabel dependen adalah tingkat unmet need pelayanan kesehatan, yaitu persentase penduduk yang mengalami keluhan kesehatan dan terganggu aktivitasnya namun tidak melakukan pengobatan rawat jalan. Untuk keperluan analisis, variabel tersebut dikategorikan menjadi dua kelas, yaitu provinsi dengan nilai unmet need di atas dan di bawah rata-rata nasional, sehingga pendekatan klasifikasi logistik menjadi sesuai. Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi tingkat unmet need serta merumuskan langkah strategis yang dapat dilakukan pemerintah. Data unmet need bersumber dari Survei Sosial Ekonomi Nasional (Susenas) bulan Maret 2023, sedangkan data jumlah tenaga kesehatan dari Badan Pusat Statistik (BPS) tahun 2023 mencakup enam profesi di tingkat provinsi. Pemodelan dilakukan dengan Regresi Logistik Ridge, dilanjutkan dengan uji signifikansi parameter secara parsial dan serentak, serta interpretasi menggunakan odds ratio. Hasil menunjukkan bahwa terdapat dua faktor, yaitu jumlah tenaga perawat dan tenaga farmasi, berpengaruh signifikan secara negatif terhadap tingkat unmet need. Artinya, peningkatan ketersediaan kedua jenis tenaga kesehatan tersebut berpotensi menurunkan tingkat unmet need pelayanan kesehatan di Indonesia.]]>
