MEMODELKAN FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DENGAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

  • Irwan Kasse Program Studi Matematika Universitas Islam Negeri Alauddin
    (ID)

Abstract

Multivariate Adaptive Regression Spline (MARS) merupakan suatu kombinasi antara Recursive Partitioning Regression (RPR) dan metode Spline yang mampu mengolah data berdimensi tinggi dan berukuran besar serta mampu mengolah data dengan variabel respon kontinu ataupun biner. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh. Oleh karena itu penelitian ini dilakukan untuk mengetahui klasifikasi dan model dari faktor-faktor yang mempengaruhi terjadinya gizi buruk balita di Provinsi Sulawesi Selatan. Hasil yang diperoleh yaitu variabel prediktor yang paling berpengaruh terhadap gizi buruk balita adalah pemberian kapsul vitamin A, berat badan, inisialisasi menyusui dini dan umur dengan hasil klasifikasi bersifat stabil secara statistik berdasarkan statistik uji Press’sQ. Model klasifikasi MARS terbaik untuk data gizi buruk balita dihasilkan dari kombinasi BF=18, MI=2 dan MO=1.

Author Biography

Irwan Kasse, Program Studi Matematika Universitas Islam Negeri Alauddin
Program Studi Matematik Universitas Islam Neger Alauddin Makassar

References

Hasdiana H.R, dkk., Gizi Pemanfaatan Gizi, Diet dan Obesitas, Yogyakarta: Nuha Medika, 2013

Lubis, Petti dan Irina Damayanti. “54% Kematian Bayi di Dunia Akibat Kurang Gizi,” Viva.Co.Id, 12 Maret 2010. http://life.viva.co.id/news/read/13611254 (17 November 2015).

Febriyanti, Azzikra. Vol. 2 No. 2. “Penerapan Metode Multivariate Adaptive Regression Spline (Mars) Untuk Mengidentifikasi Komponen Yang Berpengaruh Terhadap Peringkat Akreditasi Sekolah”, Jurusan Matematika FMIPA UNAND, 2012.

Astuty, Nurul Yensy, Vol.5, No.2. “Penggunaan Regresi Splines Adaptif Berganda Untuk Peramalan Indeks Enso Dan Hujan Bulana’, Program Studi Matematika FKIP Universitas Bengkulu, 2007.

Ayu, Ida Prasetya Utami, “Regresi Kuantil Median Untuk Mengatasi Heteroskedastisitas Pada Analisis.

Haslinda, Andi. Multivariate Adaptive Regression Spline. Cet. I; Makassar: Alauddin University Press, 2013.

Binadari, Ratih, “Perbandingan Metode Regresi Logistik Biner dan Multivariate Adaptive Regression Spline (MARS) pada Peminatan Jurusan SMA”, Jurusan Statistik Universitas Diponegoro, 2015

Published
2019-07-19
How to Cite
[1]
I. Kasse, “MEMODELKAN FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DENGAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)”, MSA, vol. 5, no. 1, p. 69, Jul. 2019.
Section
Artikel
Abstract viewed = 446 times