Implementasi logistic regression ensemble (LORENS) dalam pengklasifikasian angka kematian bayi di Indonesia

Angka Kematian Bayi (AKB) merupakan banyaknya kasus kematian bayi yang umurnya kurang dari satu tahun per 1000 kelahiran. AKB menjadi salah satu indikator terpenting dalam penentuan tingkat permasalahan kesehatan masyarakat. Banyaknya kasus AKB dipengaruhi beberapa fakor seperti pelayanan kesehatan, tingkat pendidikan orang tua, umur ibu saat melahirkan, dan masih banyak lagi. Tujuan dari penelitian ini adalah untuk memperoleh model LR dan tingkat ketepatan model pada pengklasifikasian AKB menggunakan Logistic Regression Ensemble (LORENS). LORENS merupakan metode klasifikasi menggunakan teknik ensemble (penggabungan) yang dikembangkan berdasarkan metode Logistic Regression. Keunggulan LORENS yaitu bebas dari asumsi dimensi data dan penentuan kelas klasifikasinya menggunakan ambang (threshold) probabilitas yang optimal. Metode yang digunakan untuk mengevaluasi kebaikan model LORENS ini adalah cross validation. Akurasi terbaik terbentuk berdasarkan perbandingan data training dan data testing adalah 90%:10% dengan 2 partisi dan 20 ensemble. Hasil klasifikasi AKB menggunakan LORENS membentuk 40 model LR dengan variabel pemberian ASI sebagai variabel paling berpengaruh terhadap kematian bayi. Hasil yang ditunjukkan pada perhitungan LORENS yaitu sensitivity adalah 76,45%, specificity adalah 84,08%, dan accuracy adalah 81,47%. Artinya klasifikasi AKB menggunakan metode LORENS menunjukkan hasil klasifikasi yang baik. Setelah dilakukan evaluasi terhadap metode LORENS menggunakan cross validation menunjukan nilai sensitivity adalah 73,92%, specificity adalah 82,60%, dan accuracy adalah 79,64%.

Infant Mortality Rate (IMR) is the number of cases of infant mortality less than one year old divided by 1000 births. IMR is one of the most important indicators in determining the level of public health problems. The number of IMR cases is influenced by several factors such as healthcare services, parental education level, mother's age at childbirth, and many more. The aim of this research is to obtain an LR model and the accuracy rate of the model in classifying IMR using Logistic Regression Ensemble (LORENS). LORENS is a classification method using ensemble techniques developed based on the Logistic Regression method. The advantage of LORENS is freedom from data dimension assumptions and the determination of classification classes using an optimal probability threshold. The method used to evaluate the goodness of the LORENS model is cross validation. The best accuracy is achieved based on a training data to testing data ratio of 90% : 10% with two partitions and 20 ensembles. The classification results of IMR using LORENS form 40 LR models, with breastfeeding variable being the most influential variable on infant mortality. The results shown in the LORENS calculation are sensitivity is 76,45%, the specificity is 84,08%, and the accuracy is 81,47%. This means that the classification of IMR using the LORENS method indicates good classification results. After evaluating the LORENS method using cross validation, the results show that the sensitivity is 73.92%, the specificity is 82.60%, and the accuracy is 79.64%.

معدل وفيات الرضع (AKB) هو عدد حالات وفيات الرضع أقل من سنة واحدة مقسوما على 1000 ولادة. AKB هو واحد من أهم المؤشرات في تحديد مستوى مشاكل الصحة العامة. يتأثر عدد حالات AKB بعدة عوامل مثل خدمات الرعاية الصحية ومستوى تعليم الوالدين وعمر الأم عند الولادة وغيرها الكثير. الهدف من هذا البحث هو الحصول على نموذج الانحدار اللوجستي ومعدل دقة النموذج في تصنيف AKB باستخدام مجموعة الانحدار اللوجستي (LORENS). LORENS هو طريقة تصنيف باستخدام تقنيات المجموعة التي تم تطويرها بناء على طريقة الانحدار اللوجستي. ميزة LORENS هي التحرر من افتراضات أبعاد البيانات وتحديد فئات التصنيف باستخدام عتبة الاحتمال الأمثل. الطريقة المستخدمة لتقييم جودة نموذج LORENS هي التحقق المتبادل. يتم تحقيق أفضل دقة بناء على بيانات التدريب إلى نسبة بيانات الاختبار 90٪: 10٪ مع قسمين و 20 مجموعة. وتشكل نتائج تصنيف معدل وفيات الرضع باستخدام لورينز 40 نموذجا من نماذج التحوف اللوجستي، مع كون متغير الرضاعة الطبيعية هو المتغير الأكثر تأثيرا على وفيات الرضع. النتائج الموضحة في حساب LORENS هي الحساسية 76.45٪ ، والنوعية 84.08٪ ، والدقة 81.47٪. هذا يعني أن تصنيف AKB باستخدام طريقة LORENS يشير إلى نتائج تصنيف جيدة. بعد تقييم طريقة LORENS باستخدام التحقق المتقاطع ، أظهرت النتائج أن الحساسية هي 73.92٪ ، والنوعية 82.60٪ ، والدقة 79.64٪.