Metode Bootstrap Aggregating pada Regresi Logistik Ordinal Improving Classification Accuracy with the Bootstrap Aggregating Method on Ordinal Logistic Regression

Sistem Informasi,Sistem Komputer,STMIK STIKOM Bali, Universitas Terbuka

semanticscholar(2019)

Cited 0|Views2
No score
Abstract
Baby's birth weight is influenced by characteristics of pregnant women such as age, parity, education level, pregnancy visit, and gestational age. Classification of the birth weight of a baby is grouped into several groups, namely low birth weight babies, normal baby weight and excess baby weight. The classification method with ordinal logistic regression provides an unstable parameter estimation, which means that if there is a change in the data set causes a significant change in the model. So that to obtain a stable parameter estimation in the ordinal logistic regression model is used aggregating (bagging) bootstrap approach. This study aims to improve the classification of ordinal logistic regression by using bagging on a baby's birth weight. The classification results with bagging ordinal logistic regression were able to reduce classification errors by 20.237% with 76.67% classification accuracy. Keywords— baby's birth weight, ordinal logistic regression, bagging INTENSIF, Vol.3 No.1 February 2019 ISSN: 2580-409X (Print) / 2549-6824 (Online) Website: http://ojs.unpkediri.ac.id/index.php/intensif INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi 33 I. PENDAHULUAN Angka Kematian Bayi (AKB) adalah jumlah bayi yang meninggal sebelum mencapai usia 1 tahun yang dinyatakan dalam 1.000 kelahiran hidup pada tahun yang sama. Usia bayi merupakan kondisi yang rentan baik terhadap sakit maupun kematian. AKB merupakan indikator yang biasanya digunakan untuk menentukan derajat kesehatan masyarakat. Oleh karena itu banyak upaya kesehatan yang dilakukan dalam menurunkan AKB. Angka Kematian Bayi (AKB) merupakan salah satu indikator yang sensitif terhadap kesediaan, pemanfaatan dan kualitas pelayanan antenatal. AKB mempunyai korelasi dengan angka GNP per-kapita, pendapatan keluarga, jumlah anggota keluarga, pendidikan ibu dan keadaan gizi keluarga [1]. Angka Kematian Bayi di Kabupaten Karangasem pada Tahun 2015 sebesar 10,60 per 1000 Kelahiran Hidup, meningkat sebesar 1,81 per 1000 Kelahiran Hidup dibandingkan kondisi pada Tahun 2014. Jumlah kematian bayi umur 0-5 tahun pada Tahun 2015 sebanyak 83 orang. Kondisi ini cukup baik karena berada dibawah target AKB dalam renstra Dinas Kesehatan 2015 (24 per 1.000 kelahiran hidup), ini berarti Dinas Kesehatan mampu menekan jumlah kematian bayi dengan meningkatkan kualitas pelayanan dari ibu hamil hingga pelayanan kesehatan kepada bayi dengan berbagai kegiatan pelayanan, Akan tetapi AKB daerah Kecamatan Kubu merupakan salah satu persentase AKB yang cukup tinggi sekitar 20% dari jumlah AKB, lebih lengkapnya dapat dilihat pada Gambar 1, berikut: Gambar 1. TREN ANGKA KEMATIAN BAYI DI KABUPATEN KARANGASEM Salah satu penyebab utama angka kematian bayi adalah bayi berat lahir rendah (BBLR) atau prematuritas. BBLR disebabkan oleh status gizi buruk sebelum dan selama kehamilan. Dampak kejadian BBLR adalah perlambatan pertumbuhan bayi yeng terlihat pada pertambahan berat badan yang tidak mencapai angka normal ketika berumur satu tahun. Berat bayi lahir dipengaruhi oleh dua faktor yaitu faktor internal dan eksternal. Faktor internal terdiri atas faktor ibu, janin, dan uterus-plasenta. Faktor eksternal terdiri atas faktor sosial dan lingkungan. Faktor ibu terdiri atas karakteristik ibu (usia, paritas, jarak kehamilan, lingkar lengan atas (LILA), tinggi badan, dan status gizi) dan faktor pendukung lainnya yaitu usia kehamilan, pertambahan berat badan, INTENSIF, Vol.3 No.1 February 2019 ISSN: 2580-409X (Print) / 2549-6824 (Online) Website: http://ojs.unpkediri.ac.id/index.php/intensif 34 INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi antenatal care (ANC), Himoglobin (Hb), suplementasi Fe, tekanan darah, tingkat pendidikan, dan kunjungan kehamilan [2]. Klasifikasi berat badan bayi lahir dikelompokan ke dalam beberapa kelompok yaitu, BBLR, berat badan bayi normal dan berat badan bayi berlebih. Regresi logistik ordinal digunakan untuk mengetahui pengaruh beberapa variabel penjelas yang bersifat numerik atau kategorik terhadap variabel respon yang bersifat kategorik untuk masalah klasifikasi [3]. Metode pengklasifikasian dengan regresi logistik ordinal memberikan pendugaan parameter yang tidak stabil, yang artinya jika terdapat perubahan dalam data set menyebabkan perubahan yang signifikan pada model. Sehingga untuk memperolah parameter yang stabil pada model regresi logistik ordinal digunakan pendekatan bootstrap aggregating (bagging) [4] [5]. Penelitian yang dilakukan oleh [6] pada klasifikasi berat bayi lahir, menggunakan metode CART dikelompokkan kedalam 9 kelompok dugaan dengan usia kehamilan, umur ibu, jenis kelahiran dan urutan kelahiran sebagai variabel penting dalam penentuan berat bayi lahir pada studi kasus Rumah Sakit Umum Wangaya. Pada penelitian sebelumnya, berkaitan dengan peningkatan klasifikasi dengan metode bagging telah dilakukan oleh [7] yang mengaplikasikan metode bootstrap aggregating regresi logistik ordinal untuk memperoleh model dan peningkatan ketepatan klasifikasi regresi logistik ordinal pada kasus kanker serviks. Menurut Akbar dalam [8] melakukan perbandingan klasifikasi status gizi balita dengan metode cluster dan WHO-NCHS berdasarkan survei kekurangan energi protein (KEP) di Kabupaten Nganjuk, untuk memperoleh model dan peningkatan klasifikasi dilakukan dengan pendekatan bagging regresi logistik ordinal. Menurut Sari dalam [9] menjelaskan bahwa bagging regresi logistik ordinal mampu meningkatan ketepatan klasifikasi sebesar 5,71% pada 501 kali. Hal ini berarti, bagging regresi logistik ordinal dapat mengklasifikasikan status gizi balita lebih baik dibandingkan dengan regresi logistik ordinal. Selanjutnya penelitian yang dilakukan oleh [10] menyatakan bahwa ketepatan metode regresi logistik dengan pembobotan sampel pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015 adalah 96,4%. Berdasarkan latarbelakang tersebut diatas, penelitian ini bertujuan bagaimana meningkatkan klasifikasi regresi logistik ordinal dengan menggunakan bagging dan menganalisis faktor – faktor yang memengaruhi berat badan bayi lahir dan mengklasifikasi berat badan bayi lahir dengan menggunakan regresi logistik ordinal serta membandingkan ketepatan hasil klasifikasi regresi logistik ordinal dengan bagging regresi logistik ordinal. INTENSIF, Vol.3 No.1 February 2019 ISSN: 2580-409X (Print) / 2549-6824 (Online) Website: http://ojs.unpkediri.ac.id/index.php/intensif INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi 35 II. METODE PENELITIAN Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa rekam medis dari bayi dilahirkan. Adapun variabel penelitian yang digunakan yaitu Berat badan bayi lahir (Y) sebagai variabel respon. Variabel Umur ibu hamil, Usia kehamilan, pendidikan ibu hamil, urutan kehamilan, status gizi ibu, dan kadar hemoglobin. Model regresi yang digunakan adalah model odds proporsional pada regresi logistik ordinal. Model logit ini merupakan model yang didapatkan dengan membadingkan peluang kumulatif yaitu peluang kurang dari atau sama dengan kategori respon ke k pada p variabel prediktor yang dinatakan dalam vektor x,   x k Y P  , dengan peluang yang lebih besar dari kategori respons ke – k,   x k Y P  yang didefinisikan sebagai berikut [11] [12] [13] :
More
Translated text
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined