Ernawati, Ernawati (2018) Propensity Score Stratification Menggunakan Support Vector Machine Pada Kasus HIV/AIDS. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1316201033-Master_Thesis.pdf Download (3MB) | Preview |
Abstract
Penelitian observasional banyak diterapakn dalam bidang kesehatan, namun Randomized Controlled Trials (RCT) tidak selalu dapat dilakukan karena berhubungan langsung dengan nyawa manusia. Oleh karena itu, dibutuhkan suatu metode untuk mengatasi masalah bias akibat observasi yang tidak random dan kovariat yang tidak balance dengan menggunakan propensity score (PS) yaitu Propensity Score Stratification (PSS). Tujuan PSS adalah untuk mendapatkan kelompok strata yang balance pada setiap kovariat sehingga tidak ada perbedaan pada mean dan selanjutnya layak dilakukan estimasi ATE untuk mengetahui pengaruh perlakuan terhadap respon. Adapun estimasi PSS pada penelitian ini menggunakan Support Vector Machine (SVM). Studi kasus yang digunakan pada penelitian ini yaitu kasus infeksi oportunistik HIV/AIDS di Puskesmas Grati Kabupaten Pasuruan dengan jumlah responden sebanyak 150 pasien. Penerapan PSS SVM diharapkan dapat mereduksi adanya confounding dan diperoleh balance kovariat sehingga menghilangkan pengaruh dari kovariat terhadap kelompok perlakuan dan kelompok kontrol sehingga diperoleh estimasi efek perlakuan yang tidak bias. Pada kasus infeksi oportunistik HIV/AIDS didapatkan bahwa variabel yang menjadi confounding adalah perlakuan (pemberian terapi ARV). Tingkat akurasi PSS SVM memiliki nilai yang sama pada semua strata yaitu sebesar 54%. Estimasi efek perlakuan (ATE) memberikan hasil bahwa variabel perlakuan pengobatan terapi ARV merupakan variabel yang berpengaruh terhadap variabel infeksi oportunistik (Y) pada pasien HIV/AIDS. Adapun jumlah strata yang dapat mereduksi bias terbesar yaitu pada strata sebanyak 5 dengan percent bias reduction (PBR) sebesar 37,168% dengan nilai standar error terkecil yaitu sebesar 0,075 dan nilai estimasi ATE sebesar 0,516.
=====================================================================================================
Many observational studies applied in the field of health, but Randomized Controlled Trials (RCT) is not always can be applied because it is directly related to human life. Therefore, a method is needed to solve the problem of bias as the effect of non-random observation and unbalanced covariates using propensity score (PS), it is Propensity Score Stratification (PSS). The purpose of PSS is to obtain a strata group that balance on each covariate. The PSS estimation of this research is using support vector machine (SVM). The case used in this research is opportunistic infection of HIV AIDS at Grati Health Center in Pasuruan district with the number of respondents are 150 patients. In the case of opportunistic infections HIV AIDS found that giving ARV therapy becomes confounding variable.The highest accuracy of PSS SVM on strata is 4, that is 64%. Estimation of treatment effects (ATE) gave results that the variable of ARV therapy is a variable that influence the opportunistic infections (Y) in HIV AIDS patients. The number of strata that reduce the largest bias is in the strata of 4 with the percent bias reduction (PBR) is 37.168% with the smallest standard error value is 0.075 and ATE value is 0.516.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Akurasi, ATE, HIV/AIDS, PBR, Propensity Score Stratification, RCT, SVM, Terapi ARV |
| Subjects: | Q Science > Q Science (General) Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > Q Science (General) > Q325 GMDH algorithms. R Medicine > R Medicine (General) |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | Ernawati - |
| Date Deposited: | 18 Jun 2021 10:08 |
| Last Modified: | 18 Jun 2021 15:28 |
| URI: | http://repository.its.ac.id/id/eprint/55603 |
Actions (login required)
 |
View Item |