Article Sidebar

Submitted
Apr 6, 2023
Published
Oct 29, 2023
Download
PDF
Statistic
Read Counter : 0 Download : 0

Main Article Content

Abstract

Diabetes Melitus merupakan salah satu penyebab kematian terbesar di dunia dimana pada tahun 2020 Indonesia dinyatakan berada pada peringkat ke-7 di dunia dengan 10,7 juta penderita diabetes. Provinsi Gorontalo termasuk kedalam 5 besar penderita diabetes melitus. Terdapat beberapa tipe diabetes melitus yang umumnya terdiri dari DM tipe 1, DM tipe 2, dan DM tipe lainnya yang dapat disebabkan oleh dua faktor yaitu faktor yang tidak bisa diubah dan yang bisa diubah. Model regresi logistik multinomial digunakan untuk meneliti faktor tersebut karena variabel dependen memiliki lebih dari 2 kategori. Untuk mengestimasi parameter model regresi logistik multinomial digunakan metode Bayes. Metode Bayes merupakan metode estimasi parameter yang menghubungkan antara distribusi prior dengan fungsi likelihood sehingga menghasilkan distribusi posterior. Penyelesaian metode Bayes menerapkan simulasi Markov Chain Monte Carlo (MCMC) dengan algoritma Gibbs Sampler. Data yang digunakan adalah penderita diabetes melitus di Rumah Sakit Toto Kabupaten Bone Bolango Tahun 2021 dengan variabel dependen DM tipe 1, DM tipe 2, dan DM tipe lain. Variabel Independen teridiri dari Usia, Jenis Kelamin, Tingkat Pendidikan, Pekerjaan, dan Hipertensi. Hasil pemodelan menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap penyebab terjadinya diabetes melitus adalah Tingkat Pendidikan Menengah dan Hipertensi. Berdasarkan model yang didapatkan menghasilkan kesalahan klasifikasi sebesar 0,1885% dengan nilai ketepatan klasifikasi sebesar 99,8115%.

Keywords

Diabetes melitus Regresi Logistik Multinomial Metode bayes MCMC

Article Details

References

  1. [1] Arda, Z. A., Hanapi, S., Paramata, Y., dan Ngobuto, A. R. 2020. Quality of life of diabetes mellitus and determinants in Gorontalo district. Jurnal Promotif Preventif, 3(1):14–21.
  2. [2] Badan Pusat Statistik Kabupaten Bone Bolango. Kecamatan Suwawa Dalam Angka, 2015. URL https://bonebolangokab.bps.go.id/publication/2015/12/31/ee439e473009382702a24bbd/ kecamatan-suwawa-dalam-angka-2015.html.
  3. [3] Cahyani, E. T., Goejantoro, R., dan ... 2022. Analisis Regresi Logistik Multinomial Bayes untuk Pemodelan Minat Peserta Didik MAN 2 Samarinda Tahun Ajaran 2018/2019. Jurnal Eksponensial, 13:1–8.
  4. [4] Delima, A. C., Yanuar, F., dan Yozza, H. 2019. Penerapan Metode Regresi Logistik Ordinal Bayesian Untuk Menentukan Tingkat Partisipasi Politik Masyarakat Kota Padang. Jurnal Matematika UNAND, 8(3): 1–8. doi:10.25077/jmu.8.3.1-8.2019.
  5. [5] Dewi, S. R., Salam, N., dan Susanti, D. S. 2019. Klasifikasi Pemilihan Program Studi Di Fakultas Mipa Universitas Lambung Mangkurat Menggunakan Regresi Logistik Multinomial. Jurnal Matematika Murni Dan Terapan Epsilon, 12(2):19–29. doi:10.20527/epsilon. v12i2.315.
  6. [6] Diksa, I. G. B. N. dan Fithriasari, K. 2021. Analisis Faktor Resiko Penyebab Diabetes Mellitus dengan Regresi Logistik Biner. Inferensi, 4(1):69– 76. doi:10.12962/j27213862.v4i1.8480.38
  7. [7] Fitriani, F. D. E., Sutanto, H. T., dan Oktaviarina, A. 2019. Faktor-Faktor Yang Mempengaruhi Jenis Demam Berdarah Dengan Menggunakan Metode Regresi Logistik Multinomial Bayesian. Jurnal Ilmiah Matematika, 7(3):179–185.
  8. [8] Infodatin Kementrian kesehatan republik indonesia. Tetap Produktif, Cegah Dan Atasi Diabetes Mellitus, 2020. URL https://pusdatin.kemkes.go. id/article/view/20111800001/diabetes-melitus.html.
  9. [9] Kardika, I. B. W., Herawati, S., dan Sutirta Yasa, I. W. P. 2013. Preanalitik Dan Interpretasi Glukosa Darah Untuk Diagnosa Diabetes Melitus. E-Jurnal Medika Udayana, 2:1707–1721.
  10. [10] Meliza, B. D., Bustan, M. N., dan Sudarmin, S. 2020. Analisis Regresi Logistik dengan Metode Penduga Bayes untuk Menentukan Faktor-Faktor Yang Berpengaruh Terhadap Kejadian Kanker Payudara (Studi Kasus: Pasien Kanker Payudara di Rumah sakit Dr. Wahidin Sudirohusodo). VARIANSI: Journal of Statistics and Its application on Teaching and Research, 2(2):52–61. doi:10.35580/variansiunm12900.
  11. [11] Milita, F., Handayani, S., dan Setiaji, B. 2021. Kejadian Diabetes Mellitus Tipe II pada Lanjut Usia di Indonesia (Analisis Riskesdas 2018 ). Jurnal Kedokteran dan Kesehatan, 17(1):9–20.
  12. [12] Ndangi, W. R. A., Resmawan, R., dan Djakaria, I. 2019. Perbandingan Analisis Diskriminan dan Regresi Logistik Multinomial. Jambura Journal of Mathematics, 1(2): 54-63. doi: https://doi.org/10.34312/jjom.v1i2.2100
  13. [13] Novianti dan Rizki, S. W. 2019. Analisis Regresi Logistik Multinomial Pada Pemilihan Alat Kontrasepsi Wanita (Studi Kasus di Puskesmas Sungai Kakap). Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya, 8(4):751–758. doi:10.26418/bbimst.v8i4.36002.
  14. [14] Tulong, M. M., Mananohas, M., dan Mongi, C. E. 2018. Regresi Logistic Multinomial Untuk Menentukan Faktor-Faktor Yang Mempengaruhi Pilihan Perguruan Tinggi Pada Siswa SMA Dan SMK Di Pulau Karakelang Kabupaten Kepulauan Talaud. Jurnal Matematika dan Aplikasi, 7(2):90–94.
  15. [15] Wulandari, S., Yanuar, F., dan Yozza, H. 2017. Model Partisipasi Pemilih Masyarakat Kabupaten Dhamasraya Pada Pemilu 2014 Dengan Menggunakan Metode Regresi Logistik Bayesian. Jurnal Matematika UNAND, 6(1):128–133.
  16. [16] Yusuf, Zuhriana K. and Tohar N, Fuspita . 2017. Pemanfaatan tumbuhan obat sebagai terapi pada penyakit diabetes melitus di wilayah suwawa kabupaten bone bolango. jurnal health dan sport, 14(1):2716–2831.