Analisis pada kematian akibat penyakit jantung di rumah sakit umum pusat H. Adam Malik Medan menggunakan poisson ridge regression (PRR)

Article Sidebar

PDF
Published: Aug 23, 2022
DOI: https://doi.org/10.14421/quadratic.2022.021-04
Keywords:
Poisson Ridge Regression, Kematian Jantung, Multikolinearitas.

Main Article Content

Yolandini Eka Putri Yolandini
Universitas Islam Negeri Sumatera Utara

Abstract

Penyakit jantung adalah sebutan umum dari semua penyakit yang menyerang organ jantung atau merupakan keadaan ketika jantung mendapati suatu hambatan dan salah satu dari sekian banyak penyakit yang merupakan pemicu kematian. Tujuan dari penelitian ini adalah mengetahui penggunaan metode Poisson Ridge Regression (PRR) terhadap hasil analisis kematian akibat penyakit jantung di Rumah Sakit Umum Pusat H. Adam Malik Medan. PRR merupakan metode yang umumnya dilakukan untuk memperkirakan regresi data cacah, dan sangat sensitif terhadap multikolinieritas. Dalam penelitian ini, PRR digunakan untuk menganalisis kematian akibat penyakit jantung dengan adanya kasus multikolinearitas. Hasil menunjukkan bahwa estimasi parameter model PRR sedikit berbeda dengan estimasi model regresi poisson dimana nilai estimasi variabel penderita penyakit gagal jantung (X1) = 0,030751,  nilai estimasi penderita penyakit jantung bawaan  (X2) = -0,002125, nilai estimasi penderita penyakit jantung iskemik (X3) = -0,003085 dan nilai estimasi penderita hipertensi (X4) = 0,009689. Kesimpulannya adalah dari keempat variabel, dua diantaranya memberikan pengaruh positif terhadap kematian akibat penyakit jantung yakni penderita penyakit gagal jantung dan penderita hipertensi. Artinya semakin banyak penderita penyakit gagal jantung dan hipertensi, maka semakin banyak pula jumlah kematian akibat penyakit jantung.

Downloads

Article Details

How to Cite
Yolandini, Y. E. P. (2022). Analisis pada kematian akibat penyakit jantung di rumah sakit umum pusat H. Adam Malik Medan menggunakan poisson ridge regression (PRR). Quadratic: Journal of Innovation and Technology in Mathematics and Mathematics Education, 2(1), 35–45. https://doi.org/10.14421/quadratic.2022.021-04
Issue
Vol. 2 No. 1 (2022): April 2022
Section
Articles

References

Anggraini, N., Kusnandar, D., & Debataraja, N. N. (2019). Metode Generalized Ridge Regression Dalam Mengatasi Multikolinearitas. Bimaster: Buletin Ilmiah Matematika, Statistika Dan Terapannya, 8(4).

Cameron, A. C., & Trivedi, P. K. (2013). Regression analysis of count data (No. 53). Cambridge university press.

Draper, N. R., & Smith, H. (1998). Applied regression analysis (Vol. 326). John Wiley & Sons.

Hoerl, A. E., & Kennard, R. W. (1970). Ridge regression: Biased estimation for nonorthogonal problems. Technometrics, 12(1), 55-67.

Månsson, K., & Shukur, G. (2011). A Poisson ridge regression estimator. Economic Modelling, 28(4), 1475-1481.

Muniz, G., & Kibria, B. G. (2009). On some ridge regression estimators: An empirical comparisons. Communications in Statistics—Simulation and Computation®, 38(3), 621-630.

O’brien, R. M. (2007). A caution regarding rules of thumb for variance inflation factors. Quality & quantity, 41, 673-690.

Susanti, D. S., Sukmawaty, Y., & Salam, N. (2019). Analisis Regresi dan Korelasi. IRDH.

Wahyono, T. (2010). Analisis regresi dengan MS Excel 2007 dan SPSS 17. Jakarta: Elex Media Komputindo. E-Book.

Wulandari, W. (2020). Pemodelan Poisson Ridge Regression (PRR) Pada Banyak Kematian Bayi di Jawa Tengah. Indonesian Journal of Statistics and Its Applications, 4(2), 392-400.