Klasifikasi Kesehatan Janin dengan Regresi Logistik Multinomial menggunakan Seleksi Variabel pada Analisis Komponen Utama

Abstract

Alat kardiotokografi mengklasifikasikan kesehatan janin ibu hamil dengan 21 faktor ke dalam 3 klasifikasi kesehatan yaitu sehat, terjangkit, dan patologi. Analisis komponen utama digunakan untuk mereduksi dimensi data kesehatan janin ibu hamil tanpa kehilangan informasi penting di dalamnya. Keberadaan komponen utama membuat klasifikasi kurang efektif sehinga diperlukan seleksi variabel. Salah satu pendekatan seleksi variabel adalah pemilihan variabel berdasarkan nilai loading absolut. Sementara Regresi Logistik Multinomial digunakan untuk memodelkan klasifikasi kesehatan janin. Hasilnya diperoleh 6 komponen utama dan 6 variabel yang signifikan terhadap kesehatan janin yaitu gerakan janin, deselerasi parah, variabilitas jangka pendek abnormal, minimum histogram FHR, maksimum histogram FHR, dan kecenderungan histogram dengan hasil evaluasi model F1 score terboboti mencapai 0.78 dan AUC terboboti sebesar 0.87.

Cardiotocography measurements classify the fetal health of pregnant women with 21 factors into 3 health classifications healthy, affected, and pathology. Principal Component Analysis is used to reduce the dimensionality of pregnant fetal health data without losing important information. The existence of principal components make the classification less effective so that variable selection is needed. One of the variable selection approaches is the selection of variables based on the absolute loading value on. Multinomial Logistic Regression was used to model the classification of fetal health. The results obtained 6 principal components and 6 variables that are significant to fetal health, namely fetal movement, severe deceleration, abnormal short term variability, minimum FHR histogram, maximum FHR histogram, and histogram tendency with the results of model evaluation F1 score weighted to 0.78 and AUC weighted to 0.87.