APLIKASI MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) TERHADAP PEMODELAN RISIKO KESEHATAN BAYI DENGAN BERAT BADAN LAHIR RENDAH (BBLR)

Irmawati, Irmawati (2019) APLIKASI MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) TERHADAP PEMODELAN RISIKO KESEHATAN BAYI DENGAN BERAT BADAN LAHIR RENDAH (BBLR). Diploma thesis, Universitas Negeri Makassar.

Preview

Text artikel irmawati.pdf Download (341kB) | Preview

Abstract

ABSTRAK Irmawati, 2019. Aplikasi Multivariate Adaptive Regression Spline (MARS) terhadap Pemodelan Risiko Kesehatan Bayi dengan Berat Badan Lahir Rendah (BBLR). Skripsi. Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Makassar (dibimbing oleh M. Nadjib Bustan dan Suwardi Annas). Kematian yang tinggi adalah faktor utama dalam bidang kesehatan yang harus diatasi, termasuk jumlah kematian bayi yang baru lahir. Penyebab utama kematian bayi yang baru lahir khususnya masa perinatal adalah berat badan lahir rendah (BBLR). Berdasarkan data yang ada pada Badan Pusat Statistik Sulawesi Selatan, Kota Makassar menempati urutan pertama mengenai bayi BBLR. Tujuan dari penelitian ini adalah mendapatkan model terbaik MARS dan menganalisis interaksi variabel bebas. Metode yang digunakan adalah Multivariate Adaptive Regression Spline (MARS). Maksimum basis fungsi (BF) adalah 2-4 kali banyaknya variabel bebas, maksimum interaksi (MI) yang digunakan adalah 1, 2, dan 3 sedangkan minimum jarak antara knot atau minimum observasi (MO) yang digunakan sebesar 0, 1, 2, dan 3. Berdasarkan hasil analisis yang diperoleh maka model terbaik MARS adalah dengan kombinasi BF = 28, MI = 3, dan MO = 2 dengan nilai dari model tersebut yaitu 0,178571 + 0,72003*X4 + 0,905344*X5*X4 – 0,688811*X6*X5 – 0,625874*X2*X7*X4. Berdasarkan model yang telah diperoleh maka dapat disimpulkan variabel bebas yang mempengaruhi kejadian BBLR adalah anemia (X2), paritas (X4), riwayat pendidikan (X5), gizi ibu (X6), dan usia kehamilan (X7). Kata Kunci: Berat Badan Lahir Rendah (BBLR), Multivariate Adaptive Regression Spline (MARS), Klasifikasi MARS.

Item Type:	Thesis (Diploma)
Subjects:	FMIPA > STATISTIKA - (S1)
Divisions:	FAKULTAS MIPA
Depositing User:	UPT PERPUSTAKAAN UNM
Date Deposited:	22 Jul 2019 02:09
Last Modified:	22 Jul 2019 02:09
URI:	http://eprints.unm.ac.id/id/eprint/14229

Actions (login required)

View Item