PEMODELAN KEJADIAN STROKE DI RUMAH SAKIT UMUM HAJI SURABAYA DENGAN PENDEKATAN REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
| Main Author: | MUHAMMAD SULTHONY, 081311833035 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/70562/1/KKC%20KK%20ST.S.02-18%20Sul%20p%20ABSTRAK.pdf http://repository.unair.ac.id/70562/2/KKC%20KK%20ST.S.02-18%20Sul%20p%20SKRIPSI.pdf http://repository.unair.ac.id/70562/ http://lib.unair.ac.id |
Daftar Isi:
- Stroke adalah penyakit sistem syaraf yang terjadi ketika pasokan darah ke otak terputus akibat penyumbatan atau pecahnya pembuluh darah, sehingga terjadi kematian sel-sel pada sebagian area di otak. Stroke merupakan penyebab kematian pertama di Indonesia (sebanyak 28,5 persen) dan merupakan pembunuh ketiga didunia setelah penyakit jantung dan kanker. Penelitian tentang pemodelan kejadian stroke berkenaan dengan skripsi ini dilakukan di Rumah Sakit Umum Haji Surabaya. Penelitian melibatkan dua belas variabel penelitian bertujuan untuk mengetahui faktor-faktor yang berpengaruh terhadap kejadian stroke dengan menggunakan pendekatan Regresi Logistik Biner dan Multivariate Adaptive Regression Splines (MARS), serta membandingkan hasil pemodelan kejadian stroke dengan menggunakan regresi logistik dan multivariate adaptive regression spline. Data penelitian sebanyak 150 pasien penderita stroke di Rumah Sakit Umum Haji Surabaya periode 1 Januari – 31 Desember tahun 2016. Hasil penelitian menggunakan pendekatan regresi logistik biner diperoleh tiga variabel prediktor yang berpengaruh secara nyata ke dalam model, yakni: usia pasien ,kadar kolesterol dalam darah , dan kadar LDL dalam darah dengan ketepatan Klasifikasi sebesar 84,8 persen. Hasil penelitian dengan pendekatan Multivariate Adaptive Regression Spline diperoleh delapan variabel prediktor yang berpengaruh secara nyata ke dalam model, yakni: kadar kolesterol dalam darah , tekanan darah sistolik, kadar HDL dalam darah, jenis kelamin pasien, kadar LDL dalam darah, usia pasien, kadar gula darah, dan kadar trigliserida, dengan ketepatan Klasifikasi sebesar 90,4 persen.