Penerapan Metode Regresi Kernel Smoothing untuk Imputasi Data Lama Waktu Terinfeksi Covid-19
DOI:
https://doi.org/10.29313/jrs.v3i1.1802Keywords:
COVID-19, Kernel smoothing, Imputasi, Data TersensorAbstract
Abstract. This study aims to explain cases of length of time patients are infected with COVID-19 and apply the kernel smoothing regression method for censored data imputation. The data taken in this study were patients infected with COVID19 which were classified based on the patient's age. The data was taken on the patient information website page for COVID-19 patients issued by the Singapore government. The data analysis method used in this study is the kernel smoothing method. The kernel smoothing method is a smoothing method using the kernel function. This method can be used as an alternative to solving fluctuating data problems. The data used is the length of time the patient is infected with covid-19 until recovered (Y) and the patient's age (X) from the results of the kernel smoothing method, the results of the imputation scatterplot based on case and age show that the dots are a pattern spread from the existing data and does not form a clear pattern. The pattern of data distribution in the form of dots on the scatterplot spread above and below. Then it can also be concluded from the results of the scatterplot above that the results of imputation based on age using the kernel smoothing method tend to produce almost the same estimated values. This may be due to the selection of a relatively large h value or it can be concluded that the estimated value produces a relatively stable value.
Abstrak. Penelitian ini bertujuan untuk menjelaskan mengenai kasus lama waktu pasien terinfeksi COVID-19 serta menerapkan metode regresi kernel smoothing untuk imputasi data tersensor. Data yang diambil dalam penelitian ini adalah pasien yang terinfeksi COVID19 yang diklasifikasikan berdasarkan umur pasien. Data tersebut diambil pada laman website informasi penderita pasien COVID-19 yang dikeluarkan oleh pemerintah Singapura. Metode analisis data yang digunakan dalam penelitian ini adalah menggunakan metode kernel smoothing. Metode kernel smoothing merupakan metode pemulusan (smoothing) dengan menggunakan fungsi kernel. Metode ini dapat digunakan sebagai alternatif untuk meyelesaikan permasalahan data yang fluktuatif. Data yang digunakan yaitu lama waktu pasien terinfksi covid-19 sampai sembuh (Y) dan usia pasien (X) dari hasil penelitian metode kernel smoothing, maka hasil scatterplot imputasi berdasarkan case dan usia menunjukkan bahwa titik-titik sebuah pola menyebar dari data yang ada dan tidak membentuk pola tertentu yang jelas. Pola penyebaran data yang berupa titik-titik pada scatterplot menyebar diatas dan dibawah. Lalu dapat disimpulkan pula dari hasil scatterplot diatas merupakan hasil imputasi berdasarkan usia menggunakan metode kernel smoothing dengan cenderung menghasilkan nilai dugaan yang hampir sama. Hal ini mungkin karena pemilihan nilai h yang relatif besar atau dapat disimpulkan bahwa nilai dugaan menghasilkan nilai yang relatif stabil.
References
R. Syamsidah and A. Kudus, “Penerapan Metode Restricted Cubic Spline pada Kasus Data Riwayat Pasien Terinfeksi Virus Corona,” doi: 10.29313/.v7i1.26272.
M. Yahya Matdoan, M. Wiston Talakua, and R. J. Djami, “PEMODELAN REGRESI QUANTIL DENGAN KERNEL SMOOTHING PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENYEBARAN API MALARIA DI INDONESIA,” Uniqbu Journal of Exact Sciences, vol. 1, no. 2, pp. 1–9, 2020.
I. N. Budiantara, Estimator spline terbobot dan spline parsial terbobot dalam regresi nonparametrik dan semiparametrik heteroskedastik untuk data longitudinal. 2010.
D. A. Pratiwi, I. N. Budiantara, and W. Wibowo, “Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur,” Jurnal Sains dan Seni ITS, vol. 6, no. 1, pp. 129–136, 2017.
Winarti and S. Sony, “Pendekatan Regresi Semiparametrik Spline (Pada data nilai Ujian Nasional siswa SMKN 1 Nguling Pasuruan),” Jurnal Sains dan Seni Pomits, vol. 3, no. 2, pp. 194–199, 2010.
R. L. Eubank, “Nonparametric Regression and Spline Smoothing,” Marcel Dekker Inc., 1999.
A. T. Laia, “Model Estimasi Regresi Nonparametrik Dengan Metode Kernel ,” Universitas Sumatera Utara, Medan, 2015.
A. Faizal Arifin and E. Tri Astuti, “Pemodelan Nilai Ekspor Kelapa Sawit Di Indonesia Menggunakan Smoothing Kernel,” 2020.
D. Aydin and Er. Yilmaz, “KERNEL SMOOTHING AS AN IMPUTATION TECHNIQUE FOR RIGHT-CENSORED DATA,” Eskişehir Technical University Journal of Science and Technology A - Applied Sciences and Engineering, vol. 21, pp. 1–6, Nov. 2020, doi: 10.18038/estubtda.817979.
S. Halim and I. Bisono, “Fungsi-Fungsi Kernel Pada Metode Regresi Nonparametrik Dan Aplikasinya Pada Priest River Experimental Forest’s Data,” Jurnal Teknik Industri, vol. 8, no. 1, pp. 73–81, 2006.
R. Elviani, C. Anwar, and R. Januar Sitorus, “GAMBARAN USIA PADA KEJADIAN COVID-19,” JAMBI MEDICAL JOURNAL “Jurnal Kedokteran dan Kesehatan,” vol. 9, no. 1, pp. 204–209, May 2021, doi: 10.22437/jmj.v9i1.11263.
M. D. Simatupang and I. M. Arcana, “Risiko Kematian Pasien Covid-19 dan Faktor yang Memengaruhinya,” Seminar Nasional Official Statistics, vol. 2021, no. 1, pp. 889–898, Nov. 2021, doi: 10.34123/semnasoffstat.v2021i1.1085.
R. Mantovani, “PENGARUH PANDEMI COVID-19 TERHADAP TINGKAT KEMISKINAN DI KOTA MAKASSAR,” Universitas Muhammadiyah Makassar, Makassar, 2021.
W. Hariadi and S. Sulantari, “ANALISIS SURVIVAL LAMA WAKTU SEMBUH PASIEN COVID-19 DENGAN METODE KAPLAN-MEIER DAN LOG-RANK DI KABUPATEN JEMBER,” Transformasi : Jurnal Pendidikan Matematika dan Matematika, vol. 5, no. 1, pp. 415–425, May 2021, doi: 10.36526/tr.v5i1.1000.
L. Guo et al., “Profiling Early Humoral Response to Diagnose Novel Coronavirus Disease (COVID-19),” Clinical Infectious Diseases, vol. 71, no. 15, pp. 778–785, Jul. 2020, doi: 10.1093/cid/ciaa310.
S. Sulantari and W. Hariadi, “ANALISIS SURVIVAL WAKTU SEMBUH PASIEN COVID-19 DI KABUPATEN BANYUWANGI,” Transformasi : Jurnal Pendidikan Matematika dan Matematika, vol. 4, no. 2, pp. 375–386, Dec. 2020, doi: 10.36526/tr.v4i2.1001.
B. Audina and M. Fatekurohman, “Analisis Survival pada Data Pasien Covid 19 di Kabupaten Jember (Survival Analysis on Covid 19 Patients Data in Jember Regency),” BERKALA SAINSTEK, vol. 4, pp. 118–121, 2020.
World Health Organization, “WHO Coronavirus Disease (COVID-19) Dashboard,” World Health Organization, 2020.
European Centre for Disease Prevention and Control, “Outbreak of Acute Respiratory Syndrome Asssociated with a Novel Coronavirus, Wuhan, China; first update,” Rapid Risk Assessment, 2020.
D. R. Sari, “ANALISIS SURVIVAL UNTUK DATA TERSENSOR TIPE II MENGGUNAKAN MODEL DISTRIBUSI LOG-LOGISTIK,” Universitas Negeri Yogyakarta, Yogyakarta, 2011.
H. Hikmah and D. Ekawati, “Analisi Data Tersensor Berpasangan dengan Estimasi Kaplan Meier dan Nelson Aalen,” SAINTIFIK, vol. 7, no. 2, pp. 133–138, Jul. 2021, doi: 10.31605/saintifik.v7i2.334.
L. Anisa and N. A. K. Rifai, “Analisis Regresi Logistik Biner dengan Metode Penalized Maximum Likelihood pada Penyakit Covid-19 di RSUD Pringsewu,” Jurnal Riset Statistika, pp. 129–136, Dec. 2022, doi: 10.29313/jrs.v2i2.1425.
