Analisis Ketahanan Hidup Pasien COVID-19 Menggunakan Pendekatan Multivariate Adaptive Regression Spline (MARS)
Abstract View: 165, SIMILARITY INDEX Download: 0 PDF Download: 110DOI:
https://doi.org/10.32665/statkom.v3i1.2700Keywords:
Covid-19, Survival Analysis, MARSAbstract
Latar Belakang: Tahun 2019 dunia digemparkan dengan terjadinya penyebaran penyakit baru yaitu Coronavirus Disease 19 (COVID-19) yang merupakan penyakit menular disebabkan oleh jenis corona virus bernama Severe Acute Repiratory Syndrome Coronavirus 2 (SARS-CoV-2). Virus ini menyebabkan gangguan pada sistem pernapasan, infeksi paru-paru, pneumonia akut, bahkan kematian, sehingga dilakukan analisis ketahanan hidup pasien COVID-19.
Tujuan: Mendapatkan model dan mengetahui faktor paling mempengaruhi ketahanan hidup pasien COVID-19 di RSD dr. Soebandi Jember berdasarkan variabel prediktor yang digunakan.
Metode: Penelitian ini menggunakan metode pendekatan MARS untuk menganalisis data. Data yang digunakan yaitu data rekam medis pasien COVID-19 tahun 2020 – 2021 di RSD dr. Soebandi Jember.
Hasil: Model MARS terbaik berdasarkan kombinasi Basis Function (BF), Maximum Interaction (MI), dan Minimum Observation (MO) yang bernilai masing-masing 24, 3, dan 0 dengan nilai Generalized Cross Validation (GCV) terkecil yaitu 0,135. Berdasarkan model MARS yang diperoleh, 7 dari 12 variabel prediktor yang digunakan berpengaruh pada ketahanan hidup pasien COVID-19 yaitu usia, jenis kelamin, status gagal napas, status hipertensi, status pneumonia, status koagulopati, dan status penyakit lainnya.
Kesimpulan: Variabel yang paling mempengaruhi ketahanan hidup pasien COVID-19 di RSD dr. Soebandi menggunakan pendekatan MARS berdasarkan variabel prediktor yang digunakan adalah status gagal napas.
References
Afni, Y. I. Z., Fatekurohman, M., & Anggraeni, D. (2019). Perbandingan Model Cox Proportional Hazard dan Regresi Weibull untuk Menganalisis Ketahanan Bank Syariah. Indonesian Journal of Applied Statistics, 2(2), 127–136. https://doi.org/10.13057/ijas.v2i2.33082
Audina, B., & Fatekurohman, M. (2020). Analisis Survival pada Data Pasien Covid 19 di Kabupaten Jember. Berkala Sainstek, 8(4), 118–121. https://nasional.kompas.com/read/2020/06/18/154255
Biomedica, A. (2020). WHO Declares COVID-19 a Pandemic. Acta Biomedica, 91(1). https://doi.org/10.23750/abm.v91i1.9397
Carsel, S. (2018). Metodologi Penelitian Kesehatan dan Pendidikan. Penebar Media Pustaka. https://ecampus-fip.umj.ac.id/pustaka_umj/main/item/15489
Chairani, I. (2020). Dampak Pandemi COVID-19 dalam Perspektif Gender di Indonesia. Jurnal Kependudukan Indonesia, 39–42. http://www.nber.org/papers/w26947
Dukalang, H. H. (2019). Analisis Regresi COX Proportional Hazard pada Pemodelan Waktu Tunggu Mendapatkan Pekerjaan. Jambura Journal of Mathematics, 1(1), 36–42. https://doi.org/10.34312/jjom.v1i1.1744
Friedman, J. H. (1990). Multivariate Adaptive Regression Splines. California: Standford University.
Kleinbaum, D. G., & Klein, M. (2012). Survival Analysis A Self-Learning Text (Third Edit). Springer. http://www.springer.com/series/2848
Kriner, M. (2007). Survival Analysis with Multivariate adaptive Regression Splines. Jerman: Muenchen University.
Mustikawati, E., Hermanto, P., Rochmanto, H. B., Pgri, U., & Buana, A. (2023). Pemetaan Program Indonesia Sehat dengan Pendekatan Keluarga ( PIS PK ) di Kabupaten Bondowoso dengan K-Medoids Program Indonesia Sehat dengan Pendekatan K-Medoids sebuah objek dalam sebuah klaster dengan terhadap adanya noise dan outlier K-Means mengimple. Jurnal Statistika dan Komputasi, 2(2), 83–92.
Naiborhu, M. E. Y. (2021). Analisis Survival dengan Pendekatan Multivariate Adaptive Regression Splines (MARS) pada Kasus Penyakit Hipertensi. Universitas Lampung.
Nisa, S. F., & Budiantara, I. N. (2012). Analisis Survival dengan Pendekatan Multivariate Adaptive Regression Splines pada Kasus Demam Berdarah Dengue (DBD). Jurnal Sains Dan Seni ITS, 1(4), 318–323.
Otok, B. W. (2010). Pendekatan Multivariate Adaptive Regression Spline (MARS) pada Pengelompokkan Zona Musim Suatu Wilayah. Statistika, 10(2), 107–120.
Rahmadani, A. D., & Kudus, A. (2021). WLS Penimbang Kaplan Meier Untuk Estimasi Model Regresi Linear Data Tersensor Kanan. Bandung Conference Series: Statistics, 2(2), 126–133. https://doi.org/10.29313/bcss.v2i2.3467
Romarizka, C., Fatekurohman, M., & Tirta, I. M. (2023). Analisis Risiko Kematian Pasien COVID-19 Menggunakan Model Extended Cox. Jurnal ILMU DASAR, 24(1), 65–75.
Sholihah, I. Y. (2023). Analisis Ketahanan Hidup Pasien Sepsis Menggunakan Pendekatan Multivariate Adaptive Regression Spline (MARS). Universitas Jember.
Sita, E. D. A. A., & Otok, B. W. (2014). Pendekatan Multivariate Adaptive Regression Splines (MARS) pada Pemodelan Penduduk Miskin di Indonesia Tahun 2008-2012.
Syahbana, A., Fahmi, A. Y., & Amin, M. Al. (2022). Meningkatkan Kualitas Peran Keluarga dalam Kesehatan Keluarga dan Lansia Terhindar Corona Virus. Jurnal Keperawatan Jiwa, 10(2), 327–336. https://doi.org/10.26714/jkj.10.2.2022.327-336
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Jurnal Statistika dan Komputasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish in this Journal agree to the following terms:
- The author retains copyright and grants the Journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allows others to share the work within an acknowledgement of the work’s authorship and initial publication of this Journal.
- Authors can enter into a separate, additional contractual arrangement for the non-exclusive distribution of the Journal’s published version of the work (e.g. acknowledgement of its initial publication in this Journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) before and during the submission process, as it can lead to productive exchanges and earlier and more extraordinary citations of published works.