Penerapan Metode Regresi Berstruktur Pohon Pada Pendugaan Masa Rawat Kelahiran Bayi (Studi Kasus di Rumah Sakit Hasan Sadikin Bandung)

Abstract

Metode regresi berstruktur pohon merupakan alat untuk mengeksplorasi data yang berukuran besar dan kompleks. Kekompleksan tersebut bisa berupа dimensinya yang tinggi, jenis datanya yang campuran (misal kontinu dan kategorik) atau struktur datanya yang tidak baku. Perluasan metode ini untuk analisis data tersensor mempertimbangkan sifat-sifat data tersensor dan prosedur metode regresi berstruktur pohon. Ada dua pendekatan metode regresi berstruktur pohon bagi analisis data tersensor, yaitu pendekatan ukuran pemisahan (separation measure) dan pendekatan ukuran kehomogenan (homogeneity measure). Penerapan kedua pendekatan tersebut pada data masa rawat kelahiran bayi (data tersensor) memberikan hasil yang mirip. Hasil tersebut mendukung pengelompokan bayi menurut WHO yang sudah dilakukan sejak tahun 1961. Terdapat lima kelompok bayi berdasarkan masa rawat kelahirannya, yaitu (1) kelompok bayi paling lemah dengan sifat berat lahirnya yang sangat rendah, (2) kelompok bayi lemah dengan sifat berat lahirnya yang rendah, (3) kelompok bayi dengan kekuatan sedang yang bersifat berat lahir cukup tetapi mengalami gangguan fisiologis pernapasan pada masa rawat kelahirannya, (4) kelompok bayi yang kuat yang mempunyai ciri berat lahir cukup, tidak mengalami gangguan fisiologis pernapasan pada masa rawat kelahirannya tetapi pendidikan ibunya maksimal lulus SD dan (5) kelompok bayi paling kuat yang bersifat berat lahir cukup, tidak mengalami gangguan fisiologis pernapasan selama masa rawat kelahirannya dan pendidikan ibunya minimal lulus SMP.