IMPLEMENTASI MODEL PREDIKSI TURNOVER DALAM MENINGKATKAN RETENSI PERAWAT MELALUI PROGRAM PENGEMBANGAN SUMBER DAYA MANUSIA

Authors

  • Eva Supriatin STIKep PPNI Jawa Barat

DOI:

https://doi.org/10.33755/jas.v3i1.69

Keywords:

turnover intention perawat, pengabdian masyarakat, model prediksi, machine learning, pengembangan SDM keperawatan.

Abstract

Turnover perawat merupakan permasalahan strategis dalam manajemen sumber daya manusia rumah sakit yang berdampak langsung pada mutu pelayanan kesehatan dan keselamatan pasien. Rumah Sakit SHBK Bandung menghadapi tingginya niat keluar (turnover intention) perawat yang dipengaruhi oleh faktor organisasi dan psikososial. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk mengimplementasikan model prediksi turnover intention berbasis machine learning sebagai dasar penyusunan program pengembangan sumber daya manusia keperawatan. Metode pelaksanaan meliputi tahap persiapan dan koordinasi dengan mitra, pengumpulan data melalui Focus Group Discussion (FGD), implementasi model prediksi turnover intention, serta penyusunan rencana program intervensi pengembangan SDM keperawatan. Kegiatan dilaksanakan pada Juli 2025 dengan melibatkan 50 perawat klinis RS SHBK Bandung. Hasil kegiatan menunjukkan bahwa 50% perawat berada pada kategori risiko tinggi, 30% risiko sedang, dan 20% risiko rendah terhadap turnover intention. Faktor utama yang teridentifikasi meliputi kelelahan emosional, keterbatasan fleksibilitas jadwal kerja, rendahnya penghargaan organisasi, dan kurangnya dukungan psikososial. Berdasarkan hasil tersebut, disusun rencana program intervensi yang berfokus pada penguatan kepemimpinan manajer lini bawah, perbaikan sistem penghargaan, fleksibilitas kerja, serta dukungan keseimbangan kehidupan kerja. Kegiatan ini memberikan manfaat nyata bagi mitra berupa pemahaman berbasis data, pemetaan risiko turnover intention, dan rancangan program retensi perawat yang aplikatif dan berkelanjutan.

Additional Files

Published

2026-03-31

Similar Articles

<< < 1 2 3 > >> 

You may also start an advanced similarity search for this article.