Covid-19 Patient Mortality Risk Classification Using Bayesian Binary Logistic Regression
| Main Authors: | Shobri, Muhammad Qolbi, Yanuar, Ferra , Devianto, Dodi |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Department of Mathematics, Hasanuddin University
, 2021
|
| Subjects: | |
| Online Access: |
https://journal.unhas.ac.id/index.php/jmsk/article/view/14268 https://journal.unhas.ac.id/index.php/jmsk/article/view/14268/7314 |
Daftar Isi:
- At the end of 2019 the world was shocked by a new disease caused by SARS-CoV-2 (Severe Acute Respiratory Syndrome Coronavirus 2). The disease is called Covid-19 (Coronavirus Disease). The mortality rate due to disease is increasing every day. In Indonesia as of April 2021, confirmed Covid-19 patients who died reached 42,530 patients, seeing the high mortality rate of Covid-19 patients so it needs to be studied further so that the risk of death of these Covid-19 patients can be minimized. This research utilizing binary logistic regression with Bayesian method parameter estimation. In this study, the predictor variables used were in the form of categories that each category in the predictor variables was assumed to have the same risk of death risk of Covid-19 patients. The results of this study indicate that the number of comorbids has a significant effect on the risk of death of Covid-19 patients, the more the number of comorbids suffered by the patient, the higher the risk of death of the patient. The accuracy of this method in classifying data is 84.68%.
- Pada akhir tahun 2019 dunia digemparkan dengan penyakit baru yang disebabkan oleh SARS-CoV-2 (Severe Acute Respiratory Syndrome Coronavirus 2). Penyakit yang disebabkan oleh SARS-CoV-2 ini disebut dengan Covid-19 (Coronavirus Disease). Angka kematian akibat penyakit ini kian hari kian bertambah. Di Indonesia sendiri per April 2021 pasien yang terkonfirmasi Covid-19 yang meninggal dunia mencapai 42.530 pasien. Melihat tingginya angka kematian pasien Covid-19 sehingga perlu dikaji lebih lanjut agar upaya pencegahan risiko kematian pasien Covid-19 ini dapat diminimalisir. Penelitian ini menggunakan Regresi Logistik Biner dengan pendugaan parameter metode Bayes dan mengukur ketepatan klasifikasi model tersebut pada data penelitian. Pada penelitian ini variabel prediktor yang digunakan berbentuk kategori sehingga setiap kategori pada variabel prediktor diasumsikan memiliki risiko yang sama terhadap risiko kematian pasien Covid-19. Hasil dari penelitian ini diperoleh bahwa Jumlah Komorbid signifikan mempengaruhi risiko kematian pasien Covid-19, semakin jumlah komorbid yang diderita oleh pasien maka semakin tinggi pula risiko kematian pasien tersebut. Adapun ketepatan metode ini dalam mengklasifikasi data sebesar 84,68 %.