Teknik Oversampling Pada Regresi Logistik Ordinal Dalam Menduga Faktor Yang Memengaruhi Risiko Penyebaran Zona Covid-19 di Kabupaten Garut

 Abstract views: 234

Authors

  • Ghina Fauziah Institut Pertanian Bogor
  • Indahwati Institut Pertanian Bogor
  • Erfiani Institut Pertanian Bogor
  • Anwar Fitrianto Institut Pertanian Bogor
  • Reni Amelia Institut Pertanian Bogor

DOI:

https://doi.org/10.36456/jstat.vol15.no2.a5596

Keywords:

Risiko Zona Covid-19, Oversampling, Regresi Logistik Ordinal

Abstract

Covid-19 merupakan penyakit yang disebabkan oleh infeksi virus SARS-CoV-2, pertama kali masuk ke Indonesia pada awal tahun 2020. Adanya wabah covid-19 menyebabkan setiap daerah yang ada di Indonesia khususnya kabupaten Garut harus terbagi ke dalam beberapa risiko zona covid-19 sesuai dengan kondisi dari suatu daerah tersebut. Beberapa faktor yang dapat memengaruhi suatu daerah masuk pada risiko zona tertentu dapat ditentukan berdasarkan jumlah kasus positif covid-19, kasus suspek, kasus kontak erat, jumlah desa, dan kepadatan penduduk daerah tersebut. Regresi logistik ordinal merupakan salah satu analisis regresi yang digunakan untuk menganalisa hubungan antara variabel prediktor dan variabel respon, dimana variabel respon tersebut bersifat kategorik dengan skala ordinal. Oleh karena itu, maka digunakan regresi logistik ordinal untuk mengetahui faktor apa saja yang memberikan pengaruh terhadap pembagian risiko zona covid-19 di kabupaten Garut pada bulan Juli tahun 2021. Sebelum melakukan pemodelan regresi logistik ordinal dilakukan terlebih dahulu proses teknik resampling dengan metode oversampling untuk menangani data yang tidak seimbang pada peubah respon. Berdasarkan pemodelan hasil dari pemodelan serta pengujian secara parsial, didapatkan bahwa peubah bebas yang memiliki pengaruh terhadap risiko zona covid-19 di kabupaten Garut yaitu jumlah desa, kepadatan penduduk, kasus suspek, dan kasus konfirmasi positif dengan nilai akurasi sebesar 85.71%.

Downloads

Download data is not yet available.

References

Agresti, A. (2002). Categorical Data Analysis. Inc. New York. DOI: https://doi.org/10.1002/0471249688

Ananth, Cande V. (1997). Regression Models for Ordinal Responses: A Review of Methods DOI: https://doi.org/10.1093/ije/26.6.1323

and Applications. International Journal of Epidemiology, 2-6.

Arofah, Irvana. (2018). Analisis Persepsi

Biaya Kuliah Perguruan Tinggi

dengan Menggunakan Metode

Regresi Logistik Ordinal. Jurnal Statistika dan

Aplikasinya, 1-6.

B. R. A. Febrilia, S. Rahayu, and B. D. Korida. (2019). “Ordinal Logistic Regression Analysis of Factors Affecting the Length of Student Study”. J. Mat. “MANTIK”, 1-7. DOI: https://doi.org/10.15642/mantik.2019.5.1.28-34

Choi, Seung W. (2011). lordif: An R Package for Detecting Differential Item Functioning DOI: https://doi.org/10.18637/jss.v039.i08

Using Iterative Hybrid Ordinal Logistic Regression/Item Response Theory and Monte Carlo Simulations. J Stat Softw, 2-3.

Hosmer, D.W. and Lemeshow, S. (2000) Applied logistik regression. 2nd Edition. A John Wiley and Sons, Inc. New York. DOI: https://doi.org/10.1002/0471722146

Liang, Jiaqi. (2020). Multinomial and ordinal Logistic regression analyses with multi- DOI: https://doi.org/10.21037/atm-2020-57

categorical variables using. Journal of Annals Of Translational Medicine, 1-7.

Liu, Xing. (2012). Ordinal Regression Analysis: Using Generalized Ordinal Logistic Regression Models to Estimate DOI: https://doi.org/10.22237/jmasm/1335846000

Educational Data. Journal Of Modern Applied Statistical Methods. 2-6.

Mugirahayu, A. S. (2021). Penentuan Status Kewaspadaan COVID-19 Pada Suatu Wilayah Menggunakan Metode Fuzzy Inference System (FIS) Mamdani. Jurnal Sains dan Edukasi Sains, 1-2. DOI: https://doi.org/10.24246/juses.v4i1p28-39

Nugraha, Jaka. (2017). Pemodelan Data Ordinal, Nominal dan Cacah. Universitas Islam Indonesia.

P. Thomas, N.A. Salmon, W. Riana. (2016). Analisis Regresi Logistik Ordinal. Barekeng Jurnal Matematika dan Ilmu Terapan, 1-6.

Pramesti, W. (2021). Regresi Logistik Backward Elimination pada Risiko Penyebaran Covid-19 di Jawa Timur. Journal of Statistics and Its Applivation on Teaching and Research, 1-8.

S. Imaslihkah, M. Ratna, and V. Ratnasari. (2013). “Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya”. J. Sains dan Seni Pomits, 1-6.

Shen, C., Bar-yam, Y., & New England Complex Systems Institute. (2020). Color Zone Pandemic Response Version 2. 2020. Retrieved from https://necsi.edu/color-zone-pandemic-response-version-2, diakses tanggal 4 April 2022.

Downloads

Published

12/31/2022

How to Cite

Fauziah, G. ., Indahwati, Erfiani, Fitrianto, A. ., & Amelia , R. . (2022). Teknik Oversampling Pada Regresi Logistik Ordinal Dalam Menduga Faktor Yang Memengaruhi Risiko Penyebaran Zona Covid-19 di Kabupaten Garut. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 15(2), 251–258. https://doi.org/10.36456/jstat.vol15.no2.a5596