PEMODELAN RISIKO PERSALINAN SECTIO CAESAREA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (Studi Kasus di RSU Haji Surabaya) SKRIPSI

(1)

ADLN – PERPUSTAKAAN UNIVERSITAS AIRLANGGA

SKRIPSI PEMODELAN RISIKO PERSALINAN… DELLA D.

PEMODELAN RISIKO PERSALINAN SECTIO CAESAREA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE

(Studi Kasus di RSU Haji Surabaya)

SKRIPSI

DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN DALAM MEMPEROLEH GELAR SARJANA STATISTIKA

DEPARTEMEN MATEMATIKA PROGRAM STUDI STATISTIKA

Diajukan Oleh : DELLA DESTYLAWATI

NIM : 081211831047

PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI

(2)

PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (Studi Kasus di RSU Haji Surabaya)

SKRIPSI

(3)

ii

(4)

(5)

iv

PEDOMAN PENGGUNAAN SKRIPSI

(6)

(7)

vi

KATA PENGANTAR

Assalamu’alaikum wr. wb. Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Pemodelan Risiko Persalinan Sectio Caesarea dengan Pendekatan Multivariate Adaptive Regression Spline (Studi Kasus Di RSU Haji Surabaya”. Pada kesempatan ini penulis ingin mengucapkan terima kasih kepada: 1. Kedua Orang tua tersayang (Bapak Kukuh Suwito dan Ibu Kasiyati) serta

kakak Dicky Christiawan yang telah mendoakan dan memberikan dukungan, doa, kasih sayang, kepercayaan, dan pengorbanan yang tiada terkira besarnya. 2. Dr. Nur Chamidah, M.Si selaku dosen pembimbing I dan Ir. Elly Ana, M.Si

selaku dosen pembimbing II yang dengan tulus dan sabar telah memberikan bimbingannya kepada penulis.

3. Ir. Elly Ana, M.Si selaku dosen wali selama menjadi mahasiswa Statistika Universitas Airlangga yang telah memberikan nasehat, arahan dan saran demi kesuksesan menjadi mahasiswa serta segenap dosen Statistika yang telah memberikan ilmu pengetahuan selama perkuliahan.

4. Teman-teman Statistika angkatan 2012 yang telah membantu dalam penulisan skripsi ini dan memberikan banyak pengalaman selama di perkuliahan.

(8)

terselesaikan.

6. Sahabat dari kecil yaitu Nurinda, Uzi, Hilda, Dian, dan Vera yang telah menjadi saudara sejak kecil serta memberikan dukungan, doa, motivasi dan memberikan semangat sehingga skripsi ini terselesaikan.

7. Semua pihak yang tidak dapat penulis sebutkan satu persatu, terima kasih atas segala bantuannya dalam penyelesaian skripsi ini.

Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak kekurangan dan jauh dari sempurna, sehingga penulis mengharapkan kritik dan saran yang membangun dari semua pihak. Semoga bermanfaat bagi perkembangan ilmu dan teknologi dan apa yang penulis lakukan senantiasa dirahmati dan diridhoi Allah SWT. Amiin.

Surabaya, 02 Februari 2016 Penulis,

(9)

ix

Della Destylawati, 2016. Risk Modeling Approach Labor Sectio Caesarea with Multivariate Adaptive Regression Spline (Case Studies in RSU Haji Surabaya). This skripsi is under supervised by Dr. Nur Chamidah, M.Si and Ir. Elly Ana, M.Si, S1-Statistics Courses, Matematics Departement, Faculty of Sains and Technology, Airlangga University, Surabaya.

ABSTRACT

Indonesia is a developing country, including in the field of medical technology. These technological developments also influence the development of technology in the field of health, including how birth mother. Some ways of labor a mother that normal and sectio caesarea. Sectio caesarea generally done when the normal vaginal birth is not possible or because of medical and non-medical indications. Sectio caesarea labor cause maternal complications such as endometriosis, bleeding, urinary tract infection, thromboembolism, wound infections, and open wounds one of the goals of this research is to analyze and interpret than models based on factors that significantly influence sectio caesarea labor. The method used in this research is the method of Multivariate Adaptive Regression Spline (MARS). This study uses the data of 50 normal births and 50 sectio caesarea birth of data with as many as 14 variables predictor variables. Results from this study are the factors that influence the birth process sectio caesarea in RSU Haji Surabaya in 2014, among others, parity, premature rupture of membranes, anemia, severe preeclampsia, height, weight, arm circumference, and education. The best model obtained on a combination of BF = 42, MI = 3, and MO = 0 with a minimum GCV value of 0.155 and R square of 91.25%.

Keywords: Multivariate Adaptive Regression Spline (MARS), Sectio

(10)

Haji Surabaya). Skripsi dibawah bimbingan Dr. Nur Chamidah, M.Si dan Ir. Elly Ana, M.Si. Program Studi S1-Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya.

ABSTRAK

Indonesia merupakan negara yang sedang berkembang, termasuk dalam bidang teknologi kedokteran. Perkembangan teknologi ini mempengaruhi juga perkembangan teknologi di bidang kesehatan termasuk cara persalinan seorang ibu. Beberapa cara persalinan seorang ibu yaitu persalinan normal dan persalinan sectio caesarea. Sectio caesarea umumnya dilakukan ketika proses persalinan normal melalui vagina tidak memungkinkan atau karena adanya indikasi medis maupun nonmedis. Persalinan sectio caesarea menimbulkan komplikasi pada ibu berupa endometriosis, pendarahan, infeksi saluran kemih, tromboemboli, infeksi luka, dan luka terbuka salah satu tujuan penelitian ini adalah menganalisis dan menginterpretasikan dari model berdasarkan faktor yang berpengaruh signifikan terhadap persalinan sectio caesarea. Metode yang digunakan dalam penelitian ini adalah metode Multivariate Adaptive Regression Spline (MARS). Penelitian ini menggunakan 50 data persalinan normal dan 50 data persalinan sectio caesarea dengan variabel prediktor sebanyak 14 variabel. Hasil dari penelitian ini adalah faktor-faktor yang berpengaruh terhadap proses persalinan sectio caesarea di RSU Haji Surabaya pada tahun 2014 antara lain paritas, ketuban pecah dini, anemia, preeklampsia berat, tinggi badan, berat badan, lingkar lengan atas, dan pendidikan. model terbaik yang didapatkan pada kombinasi BF=42, MI=3, dan MO=0 dengan nilai GCV minimum 0,155 dan R square sebesar 91,25%.

(11)

x

DAFTAR ISI

LEMBAR JUDUL ... i

LEMBAR PERNYATAAN ... ii

LEMBAR PENGESAHAN ... iii

LEMBAR PEDOMAN PENGGUNAAN SKRIPSI ... iv

(12)

2.4 Regresi Logistik ... 17

2.5 Regresi Spline ... 18

2.6 Multivariate Adaptive Regression Spline (MARS) ... 20

2.7 Klasifikasi MARS ... 26

2.8 Pengujian Koefisien fungsi Basis Model MARS ... 28

2.9 Ketepatan Klasifikasi dan Nilai Press’Q ... 30

2.10 Odd Ratio ... 31

2.11 Software MARS ... 33

2.12 Software R ... 35

BAB 3 METODOLOGI PENELITIAN... 37

3.1 Data dan Sumber Data ... 37

3.2 Variabel Penelitian ... 37

3.3 Langkah Analisis Data ... 39

BAB 4 HASIL DAN PEMBAHASAN... 42

4.1 Deskripsi Proses Persalinan Sectio Caesarea Di RSU Haji Surabaya . 42 4.2 Estimasi Model MARS ... 51

(13)

xii

(14)

Nomor Judul Gambar Halaman

4.1 Diagram Lingkar Deskripsi Pendidikan 42 Pasien Proses Persalinan Sectio Caesarea

4.2 Diagram Lingkar Deskripsi Pekerjaan 43 Pasien Proses Persalinan Sectio Caesarea

4.3 Diagram Lingkar Deskripsi Tekanan Darah 44 Pasien Proses Persalinan Sectio Caesarea

4.4 Diagram Lingkar Deskripsi Preeklampsia 45 Berat Pasien Proses Persalinan Sectio Caesarea 4.5 Diagram Lingkar Deskripsi Kunjungan 46

Antenatal Care Pasien Proses Persalinan Sectio Caesarea

4.6 Diagram Lingkar Deskripsi Ketuban Pecah 47 Dini Pasien Proses Persalinan Sectio Caesarea 4.7 Diagram Lingkar Deskripsi Anemia 48

(15)

xiii

DAFTAR TABEL

Nomor Judul Tabel Halaman

2.1 Ketepatan Klasifikasi Model MARS 27

2.2 Nilai Ketergantungan Model y terhadap xj 29

3.1 Variabel Penelitian 34

4.1 Penentuan Model MARS Pada Proses Persalinan 51

Metode MARS dengan Regresi Logistik

4.7 Nilai Odds Ratio Masing-Masing Fungsi Basis 62 4.8 Tingkat Kepentingan Variabel Prediktor 65 4.9 Ketepatan dan Kesalahan Klasifikasi 67

(16)

(17)

xvi

DAFTAR LAMPIRAN

Lampiran 1. Data Proses Persalinan Sectio Caesarea di RSU Haji Surabaya pada Tahun 2014

Lampiran 2. Output MARS dengan Kombinasi BF=42 MI=3 MO=0

Lampiran 3. Output Program R untuk Menghitung Nilai Ketepatan Klasifikasi Pemodelan Risiko Persalinan sectio caesarea

Lampiran 4. Program Menghitung Ketepatan Klasifikasi Pemodelan Risiko Persalinan sectio caesarea