Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Mathematics: Theory and Applications

Analisis Regresi Logistik Multinomial dengan Metode Bayes untuk Identifikasi Faktor-Faktor Terjadinya Diabetes Melitus Sartika Sari Dewi; Resmawan Resmawan; La Ode Nashar
Journal of Mathematics: Theory and Applications Vol 5 No 2 (2023): Volume 5, Nomor 2, 2023
Publisher : Program Studi Matematika Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jomta.v5i2.2520

Abstract

Diabetes Melitus merupakan salah satu penyebab kematian terbesar di dunia dimana pada tahun 2020 Indonesia dinyatakan berada pada peringkat ke-7 di dunia dengan 10,7 juta penderita diabetes. Provinsi Gorontalo termasuk kedalam 5 besar penderita diabetes melitus. Terdapat beberapa tipe diabetes melitus yang umumnya terdiri dari DM tipe 1, DM tipe 2, dan DM tipe lainnya yang dapat disebabkan oleh dua faktor yaitu faktor yang tidak bisa diubah dan yang bisa diubah. Model regresi logistik multinomial digunakan untuk meneliti faktor tersebut karena variabel dependen memiliki lebih dari 2 kategori. Untuk mengestimasi parameter model regresi logistik multinomial digunakan metode Bayes. Metode Bayes merupakan metode estimasi parameter yang menghubungkan antara distribusi prior dengan fungsi likelihood sehingga menghasilkan distribusi posterior. Penyelesaian metode Bayes menerapkan simulasi Markov Chain Monte Carlo (MCMC) dengan algoritma Gibbs Sampler. Data yang digunakan adalah penderita diabetes melitus di Rumah Sakit Toto Kabupaten Bone Bolango Tahun 2021 dengan variabel dependen DM tipe 1, DM tipe 2, dan DM tipe lain. Variabel Independen teridiri dari Usia, Jenis Kelamin, Tingkat Pendidikan, Pekerjaan, dan Hipertensi. Hasil pemodelan menunjukkan bahwa variabel yang berpengaruh secara signifikan terhadap penyebab terjadinya diabetes melitus adalah Tingkat Pendidikan Menengah dan Hipertensi. Berdasarkan model yang didapatkan menghasilkan kesalahan klasifikasi sebesar 0,1885% dengan nilai ketepatan klasifikasi sebesar 99,8115%.