Klasifikasi Pasien Gangguan Ginjal yang Menjalani Hemodialisis di RSUD Padang Panjang Menggunakan Multivariate Adaptive Regression Spline (MARS)

Naila, Muazhara (2024) Klasifikasi Pasien Gangguan Ginjal yang Menjalani Hemodialisis di RSUD Padang Panjang Menggunakan Multivariate Adaptive Regression Spline (MARS). Diploma thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
cover skripsi naila-digabungkan-1-2.pdf - Published Version

Download (464kB)
[img] Text (Bab 1 Pendahuluan)
bab 1 skripsi naila.pdf - Published Version

Download (216kB)
[img] Text (Bab 5 Penutup)
penutup skripsi naila.pdf - Published Version

Download (262kB)
[img] Text (Daftar Pustaka)
dafpus skripsi naila.pdf - Published Version

Download (177kB)
[img] Text (Skripsi Full text)
TA_NAILA__1_ (8)-halaman.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Hemodialisis (HD) adalah jalan bagi pasien gagal ginjal untuk meningkatkan kualitas hidupnya. Dalam statistika, cara yang dapat dilakukan untuk mengetahui faktor-faktor apa saja yang mempengaruhi pasien gangguan ginjal harus menjalani hemodialisis adalah dengan memodelkan gagal ginjal dengan faktor faktor tersebut menggunakan Multivariate Adaptive Regression Spline (MARS). MARS dapat digunakan untuk data berdimensi tinggi dan dapat melakukan klasifikasi untuk permasalahan dengan respon biner. Data yang digunakan pada penelitian ini adalah data rekam medis pasien Poli Khusus Ginjal dan Hipertensi RSUD Padang Panjang pada bulan Oktober 2023-Maret 2024 dengan variabel prediktor yaitu umur pasien (X1), jenis kelamin (X2), riwayat hipertensi (X1), riwayat diabetes melitus (X4), kadar ureum dan kreatinin (X5), riwayat lupus (X6), kebiasaan merokok (X7), dan kepatuhan berobat (X8). Berdasarkan hasil penelitian, model MARS terbaik diperoleh dari kombinasi fungsi basis (BF) = 32, maksimum interaksi (MI) = 3, dan minimum observasi (MO)= 1. Terdapat empat variabel prediktor yang berpengaruh terhadap model yaitu kadar ureum dan kreatinin, riwayat hipertensi, riwayat diabetes melitus, dan kebiasaan merokok. Ketepatan klasifikasi dengan metode MARS pada data training sebesar 96,01% dan pada data testing sebesar 98,55% .

Item Type: Thesis (Diploma)
Primary Supervisor: Hazmira Yozza, M.Si
Uncontrolled Keywords: Hemodialisis, Klasifikasi, Multivariate Adaptive Regression Spline (MARS)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: s1 matematika matematika
Date Deposited: 30 Jul 2024 01:57
Last Modified: 30 Jul 2024 01:57
URI: http://scholar.unand.ac.id/id/eprint/471461

Actions (login required)

View Item View Item