Bootstrap Aggregating Multivariate Adaptive Regression Splines Bagging MARS) untuk Klasifikasi Pasien HIV/AIDS di Kabupaten Pasuruan

Nahriyah, Lyyin (2017) Bootstrap Aggregating Multivariate Adaptive Regression Splines Bagging MARS) untuk Klasifikasi Pasien HIV/AIDS di Kabupaten Pasuruan. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1315105024-Undergraduate_Theses.pdf]
Preview
Text
1315105024-Undergraduate_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

HIV merupakan virus yang menyerang sel darah putih, sedangkan penyakit AIDS adalah kumpulan gejala penyakit akibat menurunnya sistem kekebalan tubuh yang disebabkan oleh virus HIV. Diagnosis HIV secara dini dan penanganan yang efektif, pengidap HIV tidak akan berubah menjadi AIDS. Penyakit AIDS sangat berbahaya karena dapat menyebabkan kematian sebagai akibat langsung dari salah satu atau lebih adanya Infeksi Oportunistik (IO) dan diperkirakan angka orang dengan HIV dan AIDS di Indonesia akan semakin meningkat bila tidak ada pencegahan. Pemodelan kejadian dan ketepatan klasifikasi kejadian IO dari faktor-faktor yang mempengaruhi diperlukan, agar dapat mem-persiapkan segala kemungkinan yang akan terjadi dan pencegahannya, menggunakan metode Bootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS). Data yang digunakan merupakan data sekunder yang berasal dari rekam medis pasien HIV/AIDS di Puskesmas yang ada di Kabupaten Pasuruan. Model MARS yang telah terbentuk didapatkan probabilitas tidak terjadinya kasus Infeksi Oportunistik pada pasien sebesar 0,717 dan terjadinya IO adalah sebesar 0,283. Perbandingan antara metode MARS dan Bagging MARS didapatkan kesimpulan bahwa pada klasifikasi kejadian IO dengan data training kedua metode sama-sama menghasilkan akurasi yang terbaik, dan untuk klasifikasi pada data testing lebih tepat jika menggunakan metode Bagging MARS dengan replikasi sejumlah 50 kali.

==================================================================================================
HIV is a virus which attacks white blood cells, while AIDS is a set of disease symptoms occurring from weakened immune system caused by HIV. Early diagnosis and effective handling of the virus will help HIV patients to be less susceptible to suffering AIDS. AIDS is very lethal because it could result in fatality as a repercussion from one or more Opportunistic Infection (OI) and the number of patients with HIV/AIDS in Indonesia are predicted to rise if there are no precautions. Based on that data, a model is needed to estimate the chance of events occurring and accuracy of classification of OI events from influencing factors, and to prepare and anticipate for any possibilities that could happen by using Bootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS). The data used in this research is a secondary data taken from medical records of HIV/AIDS patients in Community Health Clinic of Pasuruan. Based on MARS model, it is obtained a 0,717 pro-bability of Opportunistic Infection not occurring on patients and 0,283 chance of OI occurring, meanwhile from the comparison of both methods it is concluded that the classification of OI using training data results in best accuracy, while for testing data it is more accurate to use Bagging MARS method with 50 times replication.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.536 Nah b-1
Uncontrolled Keywords: AIDS, Bagging, HIV, Infeksi Oportunistik, Klasifikasi, MARS
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Lyyin Nahriyah .
Date Deposited: 08 Jan 2018 02:46
Last Modified: 05 Mar 2019 07:57
URI: http://repository.its.ac.id/id/eprint/47787

Actions (login required)

View Item View Item