PEMODELAN DAN KALIBRASI PROBABILITAS ABANDONMENT PASIEN BERBASIS PROKSI WAKTU TUNGGU PADA SISTEM ANTREAN SINGLE QUEUE MENGGUNAKAN MODEL LOGISTIC REGRESSION DAN GRADIENT BOOSTED TREES (Studi Kasus: RSUD Syarifah Ambami Rato Ebu, Bangkalan)

Peningkatan jumlah kunjungan pasien di RSUD Syarifah Ambami Rato Ebu Bangkalan menyebabkan antrean panjang pada layanan pendaftaran rawat jalan yang memicu fenomena abandonment, yaitu pasien meninggalkan antrean sebelum memperoleh pelayanan. Penelitian ini bertujuan mengidentifikasi faktor operasional dan perilaku yang memengaruhi probabilitas abandonment serta membangun model probabilitas menggunakan Logistic Regression (LR) dan Gradient Boosted Trees (GBT) pada sistem antrean single queue. Penelitian menggunakan pendekatan observasional kuantitatif terhadap 1.246 observasi pasien dengan variabel headcount depan, laju selesai pelayanan, proksi waktu tunggu (Proksi waktu tunggu), kategori hari, dan jam pelayanan. Hasil penelitian menunjukkan bahwa variabel laju selesai 5 menit dan jam pelayanan 11.00 berpengaruh signifikan terhadap probabilitas abandonment. Model LR setelah kalibrasi menjadi model terbaik dengan accuracy 75,10%, AUC 0,664, LogLoss 0,439, dan Brier Score 0,086, sedangkan GBT setelah kalibrasi memperoleh accuracy 82,33%, AUC 0,657, LogLoss 0,533, dan Brier Score 0,100. Meskipun GBT memiliki accuracy lebih tinggi, model LR kalibrasi dipilih sebagai model terbaik karena menghasilkan kualitas probabilitas yang lebih stabil dan mendekati kondisi aktual berdasarkan nilai AUC, LogLoss, dan Brier Score. Hasil tersebut menunjukkan bahwa kalibrasi probabilitas mampu meningkatkan kualitas probabilitas prediksi sehingga model lebih layak digunakan sebagai dasar pengambilan keputusan operasional rumah sakit.