PEMODELAN RISIKO PERSALINAN BAYI PREMATUR DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (STUDI KASUS DI RSU HAJI SURABAYA) SKRIPSI
PEMODELAN RISIKO PERSALINAN BAYI PREMATUR DENGAN
PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE(STUDI KASUS DI RSU HAJI SURABAYA)
SKRIPSI
ANGGI PUSPA WIDYANTORO
PROGRAM STUDI S-1 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
SURABAYA
2016
PEMODELAN RISIKO PERSALINAN BAYI PREMATUR DENGAN
PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE(STUDI KASUS DI RSU HAJI SURABAYA)
SKRIPSI
ANGGI PUSPA WIDYANTORO
PROGRAM STUDI S-1 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
SURABAYA
2016
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam
lingkungan Universitas Airlangga, diperkenankan untuk dipakai sebagai referensi
kepustakaan, tetapi pengutipan harus seijin penulis dan harus menyebutkan sumbernya
sesuai kebiasaan ilmiah. Dokumen skripsi ini merupakan hak milik Universitas
Airlangga.KATA PENGANTAR
Puji syukur penulis panjatkan kepada ALLAH SWT yang telah melimpahkan karunia-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul “Pemodelan Risiko Persalinan Bayi Prematur dengan Pendekatan
Multivariate Adaptive Regression Spline (Studi Kasus di RSU Haji Surabaya)”.
Dalam penyusunan skripsi ini penulis telah banyak mendapatkan bantuan dan dorongan dari berbagai pihak, oleh karena itu penulis menyampaikan ucapan terima kasih kepada:
1. Kedua orang tua tercinta yang tiada hentinya mendoakan, medukung, mengasihi, memberi kepercayaan dan atas pengorbanannya yang tidak terkira.
2. Badrus Zaman, S.Kom., M.Cs. selaku Kepala Departemen Matematika Fakultas Sains dan Teknologi Universitas Airlangga dan Drs. Eko Tjahjono, M.Si selaku Ketua Program Studi Statistika Universitas Airlangga.
3. Dr. Nur Chamidah, M.Si dan Ir. Elly Ana, M.Si selaku dosen pembimbing I dan dosen pembimbing II.
4. Teman-teman statistika angkatan 2012 yang telah memberikan dukungan.
5. Semua pihak yang terlibat dalam penyusunan skripsi ini.
Penulis menyadari skripsi ini jauh dari sempurna, oleh karena itu penulis menerima kritik dan saran yang membangun guna menyempurnakan skripsi ini.
Semoga skripsi ini berguna bagi penulis maupun pembaca.
Surabaya, 14 Januari 2016 (Anggi Puspa Widyantoro) Anggi Puspa Widyantoro, 2016. Pemodelan Risiko Persalinan Bayi Prematur
dengan Pendekatan Multivariate Adaptive Regression Spline (Studi Kasus di RSU Haji Surabaya).
Skripsi dibawah bimbingan Dr. Nur Chamidah, M.Si. dan Ir. Elly Ana, M.Si., Program Studi S-1 Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya.
ABSTRAK
Kelahiran prematur dan bayi dengan berat badan lahir rendah adalah penyebab terbesar angka kematian bayi (AKB), diikuti kejadian infeksi berat termasuk pneumonia. Indonesia berada di urutan ke-5 dari 10 negara penyumbang bayi prematur terbanyak, Indonesia berkontribusi 15% atas kelahiran bayi prematur seluruh dunia. Untuk menjelaskan pola hubungan antara variabel respon dengan variabel prediktor dapat digunakan pendekatan kurva regresi nonparametrik, salah satu pendekatan nonparametrik yaitu Multivariate Adaptive
Regression Spline (MARS). Tujuan dari penelitian ini adalah mengetahui estimasi
model, menginterpretasikan dan menghitung ketepatan klasifikasi model risiko persalinan bayi prematur di RSU Haji Surabaya dengan pendekatan MARS. Hasil dari penelitian ini adalah diperoleh model persalinan bayi prematur di RSU Haji Surabaya berdasarkan model MARS yaitu pada BF, MI dan MO 45, 3 dan 1 yang sebesar 0,512 dan memiliki GCV sebesar 0,179 , MSE sebesar 0,130 , ketepatan klasifikasi sebesar 83,75%. Variabel prediktor yang berpengaruh terhadap persalinan bayi prematur di RSU Haji Surabaya yaitu anemia dan frekuensi pemeriksaan kehamilan dengan tingkat kepentingan mencapai
, berat badan , 100%, selanjutnya diikuti oleh variabel tekanan darah
, pekerjaan ibu , dan ketuban pecah dini dengan usia ibu tingkat kepentingan masing-masing sebesar 71,48%, 48,157%, 36,640, dan 26,339%. Ketepatan klasifikasi data in sample persalinan bayi prematur di RSU Haji Surabaya dengan menggunakan software OSS-R yaitu sebesar 83,75%, sedangkan ketepatan klasifikasi pada data out sample sebesar 85% lebih besar dari pada ketepatan klasifikasi pada data in sample.
Kata Kunci:
Multivariate Adaptive Regression Spline, Persalinan Bayi Prematur Anggi Puspa Widyantoro, 2016. Modelling the Risk of Preterm Birth with
Approach Multivariate Adaptive Regression Spline (The Case Studies in RSU Haji Surabaya).
This skripsi is under supervised by Dr. Nur Chamidah, M.Si. and Ir. Elly Ana, M.Si., S-1 Statistics Courses, Mathematics Department, Faculty of Science and Technology, Airlangga University, Surabaya.
ABSTRACT
Premature birth and babies with low birth weight is the biggest cause of infant mortality rate, followed by the incidence of severe infections including pneumonia. Indonesia ranks 5th out of 10 countries the largest contributor to premature babies, Indonesia contributed 15% of preterm births worldwide. To explain the pattern of the relationship between the response variable with predictor variables can be used nonparametric regression curve approach, one that nonparametric approach Multivariate Adaptive Regression Spline (MARS). The goal of this study was to estimate the model, interpretation and calculate the accuracy of the classification model of risk childbirth premature babies at RSU Haji Surabaya MARS approach. Results of this study was obtained by the model of childbirth premature babies in RSU Haji Surabaya based model of MARS is to of
BF, MI and MO 45, 3 and 1, which has a GCV of 0.179, MSE of 0.130, 0.512 and the accuracy of the classification of 83, 75%. predictor variables that influence of childbirth premature babies in RSU Haji Surabaya, anemia and the frequency of antenatal care to the importance of reaching 100%, followed by the variable blood pressure , weight , mother age ,
, and premature rupture of membranes with mother employment interest rate of respectively 71.48%, 48.157%, 36.640 and 26.339%. Accuracy of data classification in sample delivery premature babies in RSU Haji Surabaya using software OSS-R that is equal to 83.75%, while the classification accuracy in the data sample out of 85% greater than the accuracy of the classification to the data in the sample.
Keywords: Multivariate Adaptive Regression Spline, Childbirth Premature Babies
DAFTAR ISI
2.3 Regresi Nonparametrik ................................................................. 16
2.10 Software MARS .......................................................................... 32
2.9 Odds Ratio ..................................................................................... 30
2.8 Ketepatan Klasifikasi dan Nilai Press’Q ...................................... 28
2.7 Klasifikasi Pada MARS Respon Biner .......................................... 26
2.6 Pengujian Koefisien Fungsi Basis Model MARS ......................... 24
2.5 Multivariate Adaptive Regression Spline (MARS) ....................... 18
2.4 Regresi Spline ................................................................................ 16
2.2 Faktor Penyebab Persalinan Preterm ............................................ 8
LEMBAR JUDUL ........................................................................................... i LEMBAR PERNYATAAN ............................................................................. ii LEMBAR PENGESAHAN ............................................................................. iii LEMBAR PEDOMAN PENGGUNAAN SKRIPSI ........................................ iv SURAT PERNYATAAN TENTANG ORISINALITAS ................................ v KATA PENGANTAR ..................................................................................... vi ABSTRAK ....................................................................................................... vii ABSTRACT ..................................................................................................... viii DAFTAR ISI .................................................................................................... ix DAFTAR TABEL ............................................................................................ xi DAFTAR LAMPIRAN .................................................................................... xii
2.1 Persalinan Bayi Prematur .............................................................. 8
BAB II TINJAUAN PUSTAKA
1.5 Batasan Masalah ............................................................................ 7
1.4 Manfaat Penelitian......................................................................... 6
1.3 Tujuan Penelitian........................................................................... 6
1.2 Rumusan Masalah ......................................................................... 5
1.1 Latar Belakang .............................................................................. 1
BAB I PENDAHULUAN
2.11 Software OSS-R .......................................................................... 34
BAB III METEODE PENELITIAN
3.1 Data dan Sumber Data ................................................................... 36
3.2 Variabel Penelitian ........................................................................ 36
3.3 Langkah Analisis Data .................................................................. 39
BAB IV HASIL DAN PEMBAHASAN
4.1 Model MARS Persalinan Bayi Prematur di RSU Haji Surabaya ......................................................................... 42
4.2 Analisis dan Interpretasi Model Risiko Persalinan Bayi Prematur di RSU Haji Surabaya .................................................... 47
4.3 Program pada OSS-R untuk Menghitung Ketepatan Klasifikasi risiko Persalinan Bayi Prematur di RSU Haji Surabaya........... ............................................................ 55
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan .................................................................................... 58
5.2 Saran .............................................................................................. 59 DAFTAR PUSTAKA ...................................................................................... 60
DAFTAR TABEL
Nomor Judul Tabel Halaman
2.1 Ketepatan Klasifikasi Model MARS
28
2.2 Nilai Model Regresi Logistik Ketika Variabel Prediktor Dikotomus
31
3.2 Variabel Prediktor
37
4.1 Penentuan Model MARS Persalinan Bayi Prematur di RSU Haji Surabaya 42
4.2 Penentuan Model MARS Persalinan Bayi Prematur di RSU Haji Surabaya 43
4.3 Penentuan Model MARS Persalinan Bayi Prematur di RSU Haji Surabaya 44
4.4 Estimasi Parameter dari Basis Fungsi
45
4.5 Nilai Odds Ratio Masing-Masing Fungsi Basis 51
4.6 Tingkat Kepentingan Variabel pada Model MARS 52
4.7 Ketepatan Klasifikasi Data In Sample Model Risiko Persalinan Bayi Prematur di RSU Haji Surabaya 56
4.8 Perbandingan Regresi Logistik Biner MARS 57