Ordinal Logistic Regression Analysis of Factors that Affecting the Blood Sugar Levels Diabetes Mellitus Patients

  • Mayawi Mayawi Politeknik Sains dan Teknologi Wiratama Maluku Utara
  • Nurhayati Nurhayati Universitas Almuslim
  • Taufan Talib Universitas Pattimura
  • Ariestha W Bustan Universitas Pasifik Morotai
  • Novita S Laamena Universitas Pattimura
Keywords: Diabetes Mellitus, Kadar Gula Darah, Regresi Logistik Ordinal

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh faktor-faktor risiko terhadap kadar gula darah pada penderita diabetes mellitus menggunakan analisis regresi logistik ordinal. Faktor-faktor risiko yang dijadikan variabel bebas adalah usia, jenis kelamin, Indeks Massa Tubuh (IMT), tekanan darah, Tingkat Kolesterol (TC), Low Density Lipoprotein (LDL), High Density Lipoprotein (HDL), Thyrocalcitonin Hormone (TCH) dan Loss Trigliserida(LTG). Data yang digunakan dalam penelitian ini diperoleh dari https://hastie.su.domains/Papers/LARS/diabetes.data. Jumlah sampel yang diambil sebanyak 100 responden yang telah terdiagnosis diabetes mellitus. Hasil penelitian menunjukkan bahwa faktor-faktor risiko seperti usia, Indeks Massa Tubuh (IMT), Tingkat Kolesterol (TC), Low Density Lipoprotein (LDL), High Density Lipoprotein (HDL) dan jenis serum Thyrocalcitonin Hormone (TCH) berpengaruh signifikan terhadap kadar gula darah pada penderita diabetes mellitus. Model logit terbaik untuk regresi logistic ordinal adalah Logit 1 yaitu g(x_1 )= -2.721-0.079 X_1+2.813〖 X〗_3+〖0.100 X〗_5-0.099 X_6-0.119 X_7-0.989 X_8 dan Logit 2 yaitu g(x_2 )= -8.571-0.079 X_1+2.813〖 X〗_3+〖0.100 X〗_5-0.099 X_6-0.119 X_7-0.989 X_8. Disimpulkan bahwa analisis regresi logistik ordinal dapat digunakan untuk mengidentifikasi faktor-faktor yang mempengaruhi kadar gula darah pada penderita diabetes mellitus dan membantu pengembangan strategi pengelolaan dan intervensi yang lebih efektif

Downloads

Download data is not yet available.

References

[1] World Health Organization, "Global report on diabetes," World Health Organization, 2016. [Online]. Available: https://www.who.int/publications/i/item/9789241565257
[2] International Diabetes Federation, "IDF Diabetes Atlas, 9th Edition," 2019. [Online]. Available: https://www.diabetesatlas.org.
[3] Kementerian Kesehatan, "Situasi dan analisis diabetes," Pusat Data dan Informasi Kementerian Kesehatan RI, 2020. [Online]. Available: https://pusdatin.kemkes.go.id/article/view/20111700001/situasi-dan-analisis-diabetes.html. [Accessed: March. 5, 2023].
[4] American Diabetes Association, "Risk Factors for Type 2 Diabetes," 2021. [Online]. Available: https://www.diabetes.org/diabetes-risk.
[5] A. Misnadiarly, "Faktor-faktor yang berhubungan dengan Kejadian Diabetes Mellitus Tipe 2," Jurnal Kesehatan Masyarakat, vol. 1, no. 1, pp. 38-45, 2006. doi: 10.20961/jkm.v1i1.12158.
[6] R. Williams, "Generalized ordered logit/partial proportional odds models for ordinal dependent variables," Stata Journal, vol. 6, no. 1, pp. 58-82, 2006.
[7] A. Yudisasanta and M. Ratna, "Analisis Faktor-Faktor yang Mempengaruhi Kepuasan Pasien BPJS Kesehatan di RSUD Majalengka Menggunakan Regresi Logistik Ordinal," Jurnal Pendidikan Ekonomi Dan Bisnis, vol. 2, no. 2, pp. 53-61, 2012.
[8] D.W. Hosmer and S. Lemeshow, Aplied Logistik Regression. John Wiley & Sons Inc., New York, 1989.
[9] H. Akaike, "A new look at the statistical model identification," IEEE Transactions on Automatic Control, vol. 19, no. 6, pp. 716-723, 1974. doi: 10.1109/TAC.1974.1100705.
[10] I.M. Tirta, Analisis Regresi dengan R. Jember: Universitas Jember, 2009.
[11] G. Schwarz, "Estimating the dimension of a model," The Annals of Statistics, vol. 6, no. 2, pp. 461-464, 1978. doi: 10.1214/aos/1176344136.
[12] H. Pardede, "Penerapan Metode Regresi Logistik Ordinal dalam Identifikasi Faktor Risiko yang Berhubungan dengan Kejadian Stunting pada Anak Balita di Indonesia," Jurnal Matematika, Statistika dan Komputasi, vol. 9, no. 1, pp. 24-33, 2013.
[13] R. Rizki, "Analisis Regresi Logistik Dalam Menganalisis Faktor-Faktor Yang Berhubungan Dengan Kecenderungan Anak Mengalami Stunting," Jurnal Ilmu Kesehatan Masyarakat, vol. 7, no. 1, pp. 52-60, 2016.
[14] R.H.B. Christensen, "Ordinal Regression Models for Ordinal Data," R package version 2019.12-10, 2019. [Online]. Available: https://cran.r-project.org/web/packages/ordinal/vignettes/clm_article.pdf.
[15] F. Nikie, "Analisis Regresi Logistik Ordinal pada Faktor-Faktor yang Mempengaruhi Kadar Gula Darah Penderita Diabetes Mellitus," Skripsi, Universitas Gadjah Mada, Yogyakarta, 2016.
Published
2023-04-24
How to Cite
Mayawi, M., Nurhayati, N., Talib, T., Bustan, A., & Laamena, N. (2023). Ordinal Logistic Regression Analysis of Factors that Affecting the Blood Sugar Levels Diabetes Mellitus Patients. Pattimura International Journal of Mathematics (PIJMath), 2(1), 33-42. https://doi.org/10.30598/pijmathvol2iss1pp33-42