Ir. Sri Pingit Wulandari, M.Si

dokumen-dokumen yang mirip
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA

BAGGING MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI PASIEN HASIL PAP TEST PENYAKIT KANKER SERVIKS (STUDI KASUS DI RS X SURABAYA)

α 0, j = 1,2,,m (1) dengan,

Kata Kunci: Komponen Akreditasi, Multivariate Adaptive Regression Spline (MARS)

KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)

KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE

Kata Kunci: Penciri Tingkat Kesejahteraan, Kemiskinan, bagging MARS

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.

UNNES Journal of Mathematics

PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA FAKTOR-FAKTOR RESIKO ANGKA KESAKITAN DIARE

Volume II No. 2, Juni 2017 ISSN

KLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA (KB) DI KOTA SEMARANG MENGGUNAKAN METODE MARS DAN FK-NNC

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:

Bootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS) untuk Mengklasifikasikan Rumah Tangga Miskin di Kabupaten Jombang

SEMINAR HASIL TESIS. Disusun oleh : EKO WIYONO NRP : DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si.

PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK

KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)

BAB II TINJAUAN PUSTAKA. penelitian yang berjudul Penerapan Metode Multivariate Adaptive Regression Splines

RANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA

BAB IV HASIL DAN PEMBAHASAN. mendapatkan model dan faktor-faktornya, terlebih dahulu akan dibahas. bagaimana mendapatkan sampel dalam penelitian ini.

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN

Maylita Hasyim Dosen STKIP PGRI Tulungagung

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT

PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR

PENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1

BAB 1 PENDAHULUAN. 1.1 Latar belakang

Analisis Regresi Spline Kuadratik

PENYAKIT-PENYAKIT DITULARKAN VEKTOR

BAB II TINJAUAN PUSTAKA

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman Online di:

Klasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging)

BAB I PENDAHULUAN. penyakit maupun cacat. Sejalan dengan definisi sehat menurut WHO, menurut

PEMODELAN DAN PENGKLASIFIKASIAN KABUPATEN TERTINGGAL DI INDONESIA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) Abstrak

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.

Analisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK

Seminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

KLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA (KB) DI KOTA SEMARANG MENGGUNAKAN METODE MARS DAN FK-NNC

Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:

PREDIKSI LUAS AREA KEBAKARAN HUTAN BERDASARKAN DATA METEOROLOGI DENGAN MENGGUNAKAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS)

Hary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.

METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI

BAB I PENDAHULUAN. 1.1 Latar Belakang. Filariasis (penyakit kaki gajah) adalah penyakit menular yang

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan

PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL

BAB II LANDASAN TEORI

BAB I PENDAHULUAN. disebabkan oleh cacing filaria dan ditularkan oleh nyamuk Mansonia, Anopheles,

SKRIPSI. Disusun Oleh : YUSUF ARIFKA RAHMAN

GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE

PENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE)

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS

PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

BAB II TINJAUAN PUSTAKA

PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN

Proses Penularan Penyakit

Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon

UNNES Journal of Mathematics

FAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER

PENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN KLASIFIKASI DATA HBAT DAN DATA IRIS

ESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL

PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL

ESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.

PEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

BAB I PENDAHULUAN 1.1. Latar Belakang

Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si

Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal

Pemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon

APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR

PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE

BAB 1 PENDAHULUAN. Deklarasi Milenium yang merupakan kesepakatan para kepala negara dan

BAB IV HASIL DAN PEMBAHASAN Pengolahan data menggunakan software MARS.

PERFORMANSI MODEL-MODEL CREDIT SCORING PADA DATA DEBITUR KREDIT PRODUKTIF PT. BANK X

ADLN - Perpustakaan Universitas Airlangga BAB I PENDAHULUAN

ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA

Jurnal Ilmiah FE-UMM

PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)

PENDEKATAN CART UNTUK MENDAPATKAN FAKTOR YANG MEMPENGARUHI TERJANGKITNYA PENYAKIT DEMAM TIFOID DI ACEH UTARA

ANALISIS DERAJAT KESEHATAN MASYARAKAT PROVINSI BALI DENGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) KOMPETENSI STATISTIKA

BAB 1 PENDAHULUAN. agar peningkatan derajat kesehatan masyarakat yang setinggi-tingginya dapat

Kata kunci: Kemiskinan, Regresi Logistik, MARS. Keywords: Poverty, Logistic Regression, MARS

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK

ESTIMATOR SPLINE KUBIK

Tinjauan Pustaka. Tinjuan Non Statistik. Tinjauan Statistik. Uji Serentak. Hipotesis:... Statistik Uji: Daerah penolakan: tolak H 0 jika G > 2, p.

PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.

BAB I PENDAHULUAN. kesehatan yang disebabkan oleh berjangkitnya penyakit-penyakit tropis. Salah satu

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:

Transkripsi:

Pemodelan Angka Kejadian Penyakit Kaki Gajah (Filariasis) di Kabupaten Aceh Timur Menggunakan Multivariate Adaptive Regression Splines (MARS) Oleh: Yustiva Drisma Kurniasari 1307100034 Dosen Pembimbing : Ir. Sri Pingit Wulandari, M.Si

Latar Belakang KAKI GAJAH PENDERITA BERTAMBAH TIAP TAHUN ACEH TIMUR PENDERITA PALING BANYAK MEMINIMALKAN PENDERITA METODE NON PARAMETRIK FAKTOR YANG BERPENGARUH Ika (2009) Agusri (2008) PENELITIAN SEBELUMNYA Nasrin (2008)

Permasalahan 1. Bagaimana karakteristik dari anggota rumah tangga yang terinfeksi penyakit kaki gajah? 2. Variabel apa saja yang berpengaruh terhadap angka kejadian penyakit kaki gajah dengan menggunakan metode MARS? 3. Bagaimana ketepatan klasifikasi anggota rumah tangga berdasarkan terinfeksi atau tidaknya penyakit kaki gajah dari model MARS yang telah diperoleh?

Tujuan 1. Menjelaskan karakteristik dari anggota rumah tangga yang terinfeksi penyakit kaki gajah. 2. Mengetahui variabel apa saja yang berpengaruh terhadap angka kejadian penyakit kaki gajah dengan menggunakan metode MARS. 3. Mengetahui ketepatan klasifikasi anggota rumah tangga berdasarkan terinfeksi atau tidaknya penyakit kaki gajah dari model MARS yang telah diperoleh.

Manfaat Tenaga Medis Masyarakat Peneliti Diharapkan dapat meningkatkan penanganan penyakit kaki gajah dengan mengupayakan deteksi dini bagi penderitanya.

Manfaat Tenaga Medis Masyarakat Peneliti Dapat memberikan informasi tentang penyakit kaki gajah apakah termasuk dalam kategori mempunyai risiko tinggi atau tidak.

Manfaat Tenaga Medis Masyarakat Peneliti Agar dapat menambah wawasan dalam pengembangan ilmu statistika pada ilmu-ilmu lain seperti ilmu kesehatan.

Batasan Masalah Penelitian ini menggunakan data sekunder dari Tim Riset Kesehatan Dasar (Riskesdas) Kabupaten Aceh Timur tahun 2007. Obyek penelitiannya adalah Anggota Rumah Tangga (ART) baik yang dinyatakan terinfeksi penyakit kaki gajah maupun tidak.

MARS MARS merupakan suatu model regresi nonparametrik yaitu model yang tidak mengasumsikan bentuk hubungan fungsional antara variabel respon dan prediktor, tetapi mempunyai bentuk fungsional yang fleksibel. Estimator model umum MARS, yaitu : ^ f ( x) M Km 0 m m 1 k 1 s km.( x v( k, m) Keterangan : α 0 = basis fungsi induk α m = koefisien dari basis fungsi ke-m M = maksimum basis fungsi (nonconstant basis fungsi) K m = derajat interaksi S km = nilainya 1 atau -1 jika data berada di sebelah kanan titik knot atau kiri titik knot. x v(k,m) = variabel independen t km = nilai knots dari variabel independen x v(k,m) t km )

MARS Knot didefinisikan sebagai awal region dan akhir region data Fungsi Basis adalah fungsi yang menjelaskan hubungan antara variabel respon dan prediktor GCV (Generalizze Cross Validation) merupakan kriteria dari pemilihan model terbaik

MARS Klasifikasi MARS Klasifikasi model MARS didasarkan pada pendekatan analisis regresi. Jika variabel respon terdiri dari dua nilai, maka dikatakan sebagai regresi dengan binary response sehingga model probabilitas dengan persamaan sebagai berikut. dengan Sehingga dan prob( Y 1) ( x) prob( Y 0) 1 ( x)

MARS APER Nilai APER (Apparent Error Rate) menyatakan nilai proporsi sampel yang salah diklasifikasikan oleh fungsi klasifikasi. Hasil Observasi Taksiran y 1 y 2 y 1 n 11 n 12 y 2 n 21 n 22 APER (%) n12 n21 n n n n 11 12 21 22

Kaki Gajah Penyakit Kaki Gajah (Filariasis) adalah golongan penyakit menular yang disebabkan oleh Cacing Filaria yang ditularkan melalui berbagai jenis nyamuk. Penyakit ini bersifat kronis dan bila tidak mendapatkan pengobatan dapat menimbulkan cacat menetap berupa pembesaran kaki, lengan dan alat kelamin baik perempuan maupun laki-laki.

Kaki Gajah Gejala Demam berulang ulang selama 3-5 hari, demam dapat hilang bila istirahat dan timbul lagi setelah bekerja berat Pembengkakan kelenjar getah bening (tanpa ada luka) di daerah lipatan paha, ketiak (limfadenitis) yang tampak kemerahan, panas dan sakit Radang saluran kelenjar getah bening yang terasa panas dan sakit yang menjalar dari pangkal ke arah ujung kaki atau lengan Pembesaran tungkai, lengan, buah dada dan alat kelamin perempuan dan laki-laki yang tampak kemerahan dan terasa panas.

Kaki Gajah Pecegahan Berusaha menghindarkan diri dari gigitan nyamuk penular Membersihkan semak-semak disekitar rumah Membersihkan tanaman air pada rawa-rawa yang merupakan tempat perindukan nyamuk Meminum obat anti penyakit kaki gajah secara masal

Sumber Data Data: Penelitian ini menggunakan data sekunder dari Tim Riset Kesehatan Dasar (Riskesdas) Kabupaten Aceh Timur tahun 2007. Obyek Penelitian: Anggota Rumah Tangga (ART) baik yang dinyatakan terinfeksi penyakit kaki gajah maupun tidak (yang terdiri dari 30 Rumah Tangga dimana terdapat 109 Anggota Rumah Tangga di dalamnya.)

Variabel Penelitian Y X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 Status tertularnya kondisi RT pada penyakit kaki gajah Jenis Kelamin Tingkat Pendidikan Pekerjaan Utama Penggunaan kelambu Pemanfaatan Poskesdes dalam 3 bulan terakhir Jenis sarana/ tempat penampungan air minum sebelum dimasak Jenis tempat penampungan air limbah dari kamar mandi/tempat cuci/ dapur Tersedianya tempat pembuangan sampah di luar rumah

Metode Penelitian Mengkaji karakteristik ART yang terinfeksi kaki gajah di Kabupaten Aceh Timur maka dilakukan analisis statistika deskriptif. Menganalisis variabel-variabel yang diduga berpengaruh secara signifikan terhadap angka kejadian penyakit kaki gajah serta menentukan ketepatan klasifikasi ART berdasarkan tertular atau tidaknya penyakit kaki gajah maka dilakukan analisis MARS

Metode Penelitian Data Riskesdas 2007 Mengelompokkan RT berdasarkan terinfeksi atau tidaknya terhadap penyakit Filariasis Membagi data menjadi dua yaitu data training dan data testing Menentukan nilai BF, MO dan MI Tidak GCV minimum? A Ya

Metode Penelitian A Penaksiran parameter Melakukan uji signifikansi Fungsi Basis Model Interpretasi model MARS Menguji akurasi prediksi Model Menghitung kesalahan klasifikasi

MARS Model MARS terbaik BF=16, MI=1, dan MO=1 Dengan, Dimana, X 3 =2, jika ART memiliki pekerjaan sebagai pedagang. X 2 =1, jika ART memiliki pendidikan terakhir tamat SD.

MARS VARIABEL BERPENGARUH jenis pekerjaan (X 3 ) pendidikan tertinggi (X 2 )

MARS Ketepatan Klasifikasi Aceh Timur menurut terinfeksi atau tidaknya ART yaitu sebesar 31,19%. Dalam pengklasifikasian terdapat 32 ART terinfeksi (0) masuk ke dalam kelompok ART tidak terinfeksi (1) dan 2 ART tidak terinfeksi (1) masuk ke dalam kelompok ART terinfeksi (0). Sehingga ketepatan keseluruhan angka kejadian penyakit kaki gajah di Aceh Timur tahun 2007 sebesar 68,81%.

KESIMPULAN 1. Data jumlah sampel ART yang terambil oleh Riskesdas di Kabupaten Aceh Timur. Pada penelitian ini menggunakan sampel 30 Rumah Tangga. Didalam 30 Rumah Tangga (RT) tersebut terdapat 109 Anggota Rumah Tangga (ART) dimana terdiri dari 39 ART yang terinfeksi penyakit kaki gajah dan 70 ART yang tidak terinfeksi penyakit kaki gajah. Kategori masing-masing variabel prediktor yang memiliki skala tertinggi terhadap status terinfeksinya ART terhadap penyakit kaki gajah dari keseluruhan sampel adalah kelompok jenis kelamin perempuan (22%), pendidikan terakhir tamat SD (26,6%), bekerja sebagai petani (14,7%), tidak menggunakan kelambu (24,8%), tidak memanfaatkan Poskesdes (21,1%), memiliki tandon penampungan air masak tertutup (31,2%), langsung membuang air limbah di penampungan bentuk lain (15,6%), dan tidak memiliki tempat sampah di luar rumah (29,4%),

KESIMPULAN 2. Model MARS terbaik angka kejadian penyakit kaki gajah di Kabupaten Aceh Timur didapatkan dari kombinasi BF=16, MI=1, dan MO=1. Variabel prediktor yang berpengaruh terhadap angka kejadian penyakit kaki gajah di Kabupaten Aceh Timur adalah pekerjaan utama (X3) dan pendidikan terakhir (X2). Pada model MARS terbaik terdapat interaksi satu variabel prediktor. Interaksi tersebut terdiri dari pekerjaan utama (X3) dan pendidikan terakhir (X2) 3. Evaluasi pengklasifikasian diperoleh ketepatan klasifikasi ART di Kabupaten Aceh Timur berdasarkan status terinfeksi atau tidaknya terhadap penyakit kaki gajah sebesar 68,81% dan kesalahan klasifikasi sebesar 31,19%.

SARAN 1. Dalam pengembangan penelitian selanjutnya sebaiknya penggunaan metode MARS dibandingkan dengan metode lain, sehingga dapat diketahui metode terbaik yang digunakan untuk memodelkan angka kejadian penyakit kaki gajah di Kabupaten Aceh Timur. 2. Dalam penelitian selanjutnya sebaiknya menggunakan sampel yang lebih besar. 3. Bagi Departemen Kesehatan RI, upaya yang sebaiknya dilakukan untuk mengurangi resiko penyakit kaki gajah khususnya di Kabupaten Aceh Timur maka perlu adanya peningkatan upaya promotif dan preventif terhadap masyarakat dengan memperhatikan kedua faktor yang berpengaruh terhadap angka kejadian penyakit kaki gajah.

Daftar Pustaka Agresti, A. (1990). Categorical Data Analysis. John Willey and Sons, New York. Agusri. (2008). Hubungan Filariasis di Desa Peunayan Kecamatan Nisam Kabupaten Aceh Utara. Tesis Master. Mahasiswa Universitas Sumatra Utara, Sumatra Utara. Anonim. (2009). Penyakit Kaki Gajah (Filariasis atau Elephantiasis). [http://www.infopenyakit.com/] (On-line: October, 10th 2010). Bhattacharyya, G.K., Richard A.J., 1996, Statistical Concept and Methods, John Wiley and Sons, New York. Budiantara, I.N., Suryadi, F., Otok, B.W., Guritno, S. (2006). Pemodelan B-Spline dan MARS Pada Nilai Ujian Masuk terhadap IPK Mahasiswa Jurusan Disain Komunikasi Visual UK. Petra Surabaya. Jurnal Teknik Industri, Vol 8 No. 1, Surabaya. Departemen Kesehatan. (2008). Laporan Nasional 2007. Badan Penelitian dan Pengembangan Kesehatan Departemen Kesehatan Republik Indonesia, Jakarta. Eubank, R. L. (1988). Spline Smoothing and Nonparametric Regression. Marcel Deker, New York.

Daftar Pustaka Friedman, J.H. (1991). Multivariate Adaptive Regression Splines. The Annals of Statistics, Vol. 19 No. 1. Hasyim, M. (2009). Pemodelan Angka Kejadian Penyakit Infeksi Tuberkulosis Paru (TB Paru) di Kabupaten Sorong Selatan (Provinsi Papua Barat) dengan Pendekatan Multivariate Adaptive Regression Splines (MARS). Tugas Akhir. Mahasiswa Jurusan Statistika FMIPA ITS, Surabaya Indah, N. (2009) Penyakit Kaki Gajah (Filariasis). [http://www.ubb.ac.id/] (On-line: January, 5th 2011). Johnson, R. A. and Wichern, D.W. (1992) Applied Multivariate Statistical Analysis. Prentice Hall, Englewood Cliffs, New Jersey. Nasrin. (2008). Faktor-Faktor Lingkungan dengan Perilaku yang Berhubungan dengan Kejadian Filariasis di Kabupaten Bangka Barat. Tesis Master. Mahasiswa Universitas Diponegoro, Semarang. Otok, B.W., Guritno, S., Subanar, Haryatmi, S. (2006). Bootstrap dalam MARS untuk Klasifikasi Perbankan. Inferensi Jurnal Statistika, Volume 2, No. 1. FMIPA ITS Surabaya. Otok, B.W. (2008). Multivariate Adaptive Regression Spline. Pelatihan MARS. Surabaya. Rahmawati, I. (2009). Pemodelan Resiko Penyakit Kaki Gjah (Filariasis) di Provinsi Papua dengan Regresi Zero- Inflated Poisson. Tesis Master. Mahasiswa Jurusan Statistika FMIPA ITS, Surabaya Saroso, S.(2007). Filariasis.[http://www.infeksi.com/] (On-line: October, 10th 2010).