Metode Regresi Probit Biner untuk Pemodelan Faktor-Faktor yang Mempengaruhi Diagnosis Penyakit Jantung

Abstract

Abstract. Regression analysis is a method used to explain the functional relationship between the response variable (Y) and the predictor variable (X). But in reality, it is not uncommon to use qualitative data in the form of binary. Binary probit regression is a regression model that is used to explain the relationship between the response variable and one or more predictor variables, where the response variable is qualitative while the predictor variable can be quantitative and/or qualitative. The binary probit model is a form of the Generalized Linear Model (GLM) model that is used to analyze the relationship between one response variable and several predictor variables, where the response variable is binary quantitative data with values of 0 and 1. Parameter estimation using the Maximum Likelihood method, and solved by Newton Raphson's method. The purpose of this study is to model the factors that influence the diagnosis of heart disease. In this thesis, the data used is secondary data regarding the analysis & prediction of heart attack datasets. Based on the research, it can be seen that the influencing factors are gender, cholesterol, maximum heart rate, angina, and a decrease in the ST segment. Classification accuracy is 79.21% with a misclassification value of 20.79%.

Abstrak. Analisis regresi merupakan suatu cara yang digunakan untuk menjelaskan hubungan fungsional antara variabel respon (Y) dengan variabel prediktor (X). Namun dalam kenyataan tidak jarang menggunakan data kualitatif yang berbentuk biner. Regresi probit biner merupakan suatu model regresi yang digunakan untuk menjelaskan hubungan antara variabel respon dengan satu atau lebih variabel prediktor, dimana pada variabel respon bersifat kualitatif sedangkan variabel prediktor bisa bersifat kuantitatif dan atau kualitatif. Model probit biner merupakan salah satu bentuk dari model Generalized Linear Model (GLM) yang digunakan untuk menganalisis hubungan antara satu variabel respon dengan beberapa variabel prediktor, dimana variabel responnya berupa data kuantitatif biner yang bernilai 0 dan 1. Estimasi parameter menggunakan metode Maximum Likelihood, dan diselesaikan dengan metode Newton Raphson. Tujuan penelitian ini adalah untuk pemodelan faktor-faktor yang mempengaruhi diagnosis penyakit jantung. Pada skripsi ini, data yang digunakan merupakan data sekunder mengenai analisa & dataset prediksi serangan jantung. Berdasarkan penelitian dapat diketahui faktor-faktor yang mempengauhi yaitu jenis kelamin, kolesterol, detak jantung maksimum, angina, dan penurunan segmen ST. Ketepatan klasifikasi sebesar 79,21% dengan nilai kesalahan klasifikasi 20,79%.