Regresi Kuantil Biner Bayesian Untuk Pemodelan Status Hepatitis

Nabila, Alya (2025) Regresi Kuantil Biner Bayesian Untuk Pemodelan Status Hepatitis. Skripsi thesis, UIN Imam Bonjol Padang.

	Text (Cover sampai daftar isi) Cover sampai daftar isi.pdf - Published Version Download (4MB)
	Text (BAB 1) BAB 1 SKRIPSI ALYA.pdf - Published Version Download (367kB)
	Text (BAB 3) BAB 3 SKRIPSI ALYA.pdf - Published Version Download (367kB)
	Text (BAB 5) BAB 5 dan DAFTAR PUSTAKA.pdf - Published Version Download (472kB)
	Text (FULL TEXT) SKRIPSI ALYA FULL TEXT.pdf - Published Version Restricted to Repository staff only Download (7MB)

Abstract

Penyakit hepatitis merupakan peradangan pada jaringan hati yang dapat disebabkan oleh berbagai faktor, termasuk virus, bakteri, obat-obatan, dan gaya hidup. Indonesia memiliki angka kejadian hepatitis yang tinggi, menjadikannya salah satu masalah kesehatan masyarakat yang signifikan. Penelitian ini bertujuan untuk memodelkan status hepatitis menggunakan metode Regresi Kuantil Biner Bayesian, merupakan pendekatan statistik yang mampu menangani data yang tidak simetris serta memberikan estimasi parameter yang lebih akurat dengan mempertimbangkan distribusi prior dan distribusi posterior. Data yang digunakan dalam penelitian ini merupakan data sekunder dari RSUP Dr. M. Djamil Padang pada periode 2018–2024, dengan sampel sebanyak 350 pasien. Variabel independen yang digunakan meliputi usia, jenis kelamin, nyeri perut, status demam, dan peradangan hati. Metode Markov Chain Monte Carlo (MCMC) dengan algoritma Gibbs Sampling digunakan untuk mengestimasi parameter model. Hasil penelitian menunjukkan bahwa variabel nyeri perut, status demam, dan peradangan hati memiliki pengaruh signifikan terhadap status hepatitis pada beberapa kuantil. Model terbaik diperoleh pada kuantil 0,5, dengan nilai Mean Squared Error (MSE) yang paling kecil, menunjukkan bahwa metode Regresi Kuantil Biner Bayesian memberikan hasil yang optimal dalam pemodelan status hepatitis. Kata kunci: Hepatitis, Regresi Kuantil Biner Bayesian, MCMC, Gibb Sampling, Pemodelan Statistik.

Actions (login required)

View Item