<![CDATA[Penelitian non-experimental dapat dilakukan diberbagai bidang salah satunya bidang kesehatan. Dalam bidang kesehatan Randomized Controlled Trials (RCT) tidak dapat dilakukan karena berhubungan dengan nyawa manusia. Kovariat pada penelitian non-experimental biasanya tidak seimbang antara kelompok treatment dan kontrol. Ketidakseimbangan ini menyebabkan estimasi efek perlakuan menjadi bias. Selain itu, adanya variabel confounding juga mengakibatkan estimasi efek perlakuan bias. Metode yang sesuai untuk mengatasi efek perlakuan yang bias adalah metode Propensity Score (PS). Salah satu metode yang dikembangkan dari propensity score adalah metode Propensity Score Matching (PSM). Pada penelitian ini, peneliti akan membandingkan performa metode propensity score matching-support vector machine dan metode propensity score matching-regresi logistik biner pada kasus infeksi oportunistik HIV/AIDS. Variabel confounding yang digunakan dalam penelitian ini adalah variabel infeksi oportunistik. Data yang digunakan dalam penelitian ini adalah data pasien HIV/AIDS yang di rawat di Puskesmas Grati, Kabupaten Pasuruan pada tahun 2016. Hasil analisis propensity score matching-support vector machine dan metode propensity score matching-regresi logistik biner menunjukkan bahwa variabel pemberian terapi ARV berpengaruh secara signifikan terhadap infeksi oportunistik pada pasien HIV/AIDS. Jika dilihat seberapa bias yang dapat tereduksi, propensity score matching-regresi logistik biner mampu mereduksi bias lebih besar dibanding metode propensity score matching-regresi logistik biner yaitu sebesar 60,25%. Namun, metode propensity score matching-support vector machine dapat menghasilkan nilai bias (setelah matching) yang lebih kecil dibanding metode propensity score matching-regresi logistik biner yaitu sebesar 0,044.]]>
Copyrights © 2021
