Pradianti, Nandia (2021) Analisis Regresi Logistik Untuk Klasifikasi Preeklampsia Dengan Estimasi Parameter Maximum Likelihood Dan Pendekatan Machine Learning. Sarjana thesis, Universitas Brawijaya.
Abstract
Klasifikasi merupakan suatu teknik yang digunakan untuk mengetahui atau memperkirakan kelas dari suatu objek berdasarkan atribut yang ada. Kasus klasifikasi dapat diselesaikan dengan metode statistika dan machine learning. Salah satu metode yang digunakan untuk menyelesaikan masalah klasifikasi adalah Regresi Logistik. Tujuan penelitian ini adalah menerapkan klasifikasi regresi logistik dengan pendekatan statistika dan pendekatan machine learning untuk membentuk model preeklampsia di Kota Malang. Penelitian ini menggunakan data sekunder meliputi preeklampsia, usia, paritas, riwayat hipertensi, jarak kehamilan, keharmonisan rumah tangga, konsumsi makanan asin, dan konsumsi buah dan sayur. Hasil dari regresi logistik menunjukkan bahwa faktor yang berpengaruh secara signifikan terhadap kejadian preeklampsia adalah usia, paritas, riwayat hipertensi, dan konsumsi makanan asin. Berdasarkan hasil akurasi yang telah dilakukan, pada penelitian ini menunjukkan bahwa analisis regresi logistik dengan pendekatan machine learning memiliki ketepatan klasifikasi yang lebih tinggi dibandingkan dengan analisis regresi dengan pendekatan statistika. Nilai akurasi regresi logistik dengan pendekatan statistika sebesar 86,34% dan nilai akurasi regresi logistik dengan pendekatan machine learning sebesar 98,54%.
English Abstract
Classification is a technique used to determine or estimate the class of an object based on existing attributes. Classification cases can be solved by statistical methods and machine learning. One of the methods used to solve classification problems is Logistic Regression. The purpose of this study is to apply a logistic regression classification with a statistical approach and a machine learning approach to form a preeclampsia model in Malang City. This study used secondary data including preeclampsia, age, parity, history of hypertension, pregnancy interval, household harmony, consumption of salty foods, and consumption of fruits and vegetables. The results of the logistic regression showed that the factors that significantly influenced the incidence of preeclampsia were age, parity, history of hypertension, and consumption of salty foods. Based on the accuracy results that have been carried out, this study shows that logistic regression analysis with a machine learning approach has a higher classification accuracy than regression analysis with a statistical approach. The accuracy value of logistic regression with statistical approach is 86.34% and the value of logistic regression accuracy with machine learning approach is 98.54%.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052109 |
| Uncontrolled Keywords: | Klasifikasi, Machine Learning, Preeklampsia, Regresi Logistik., Classification, Machine Learning, Preeclampsia, Logistic Regression. |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Unnamed user with username dedyiskandar |
| Date Deposited: | 22 Oct 2021 02:22 |
| Last Modified: | 09 Oct 2024 06:46 |
| URI: | http://repository.ub.ac.id/id/eprint/184850 |
![[thumbnail of NANDIA PRADIANTI.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
NANDIA PRADIANTI.pdf Download (1MB) |
Actions (login required)
 |
View Item |