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

Dokumen yang terkait

ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG)

4 29 235

ANALISIS DISKRIMINAN DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MEMPREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR DI BEI

1 4 9

MODEL PREDIKSI TIMELINESS PELAPORAN KEUANGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE ( Studi Kasus pada Perusahaan Perbankan Go Public di BEI)

0 0 15

PEMODELAN INDEKS PEMBANGUNAN MANUSIA DI PAPUA DENGAN PENDEKATAN REGRESI NONPARAMETRIK ADITIF BERDASARKAN ESTIMATOR PENALIZED SPLINE SKRIPSI

0 0 15

PEMODELAN RISIKO KEJADIAN BAYI BERAT BADAN LAHIR RENDAH BERDASARKAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE(MARS)(Studi Kasus di RSU Haji Surabaya) Repository - UNAIR REPOSITORY

0 0 129

KABUPATEN BOJONEGORO BERDASARKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

0 0 14

PEMODELAN JUMLAH KRIMINALITAS DI INDONESIA DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION

0 0 16

PEMODELAN RISIKO KEJADIAN MALNUTRISI PADA PASIEN ANAK PENDERITA PENYAKIT INFEKSI SALURAN PERNAFASAN AKUT DENGAN PENDEKATAN MULTIVARIATE ADDAPTIVE REGRESSION SPLINE (Studi Kasus di Rumah Sakit Umum Haji Surabaya) Repository - UNAIR REPOSITORY

0 0 101

PEMODELAN RISIKO PERSALINAN SECTIO CAESAREA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (Studi Kasus di RSU Haji Surabaya) SKRIPSI

0 0 17

PEMODELAN PERSENTASE KEMISKINAN DI JAWA TIMUR DENGAN PENDEKATAN REGRESI NONPARAMETRIK ADITIF BERDASARKAN ESTIMATOR PENALIZED SPLINE SKRIPSI

0 0 133