Analisis Ridge Robust Penduga Generalized M (GM) untuk Pemodelan Kalibrasi pada Data Kadar Gula Darah

Abstract

Pemodelan kalibrasi merupakan salah satu cara yang digunakan untuk menganalisis hubungan antara sebuah metode yang berbeda. Hubungan tersebut seperti hubungan antara pengkuran gula darah invasif dan non-invasif. Permasalahan yang sering muncul pada pemodelan kalibrasi yaitu multikolinearitas dan pencilan. Masalah multikolinearitas dapat mengakibatkan selang kepercayaan regresinya melebar, sehingga tidak ada koefisien regresi yang signifikan secara statistik. Masalah pencilan akan membuat segala uji statistik menyimpang. Pencilan dapat dihilangkan, namun dikhawatirkan akan menghilangkan sebuah informasi penting pada pencilan dalam menduga model yang lebih baik. Pencilan dapat diidentifikasi dengan menggunakan metode adjusted boxplot dan adjusted sequential fences. Kedua metode ini mampu mengidentifikasi data yang mengandung pencilan secara visual. Analisis regresi ridge robust penduga Generalized M (GM) merupakan salah satu metode yang dapat mengatasi permasalahan yang ada pada pemodelan kalibrasi. Penelitian ini bertujuan untuk mengidentifikasi dan mengeskplorasi data pencilan pada data kadar gula darah dan menyusun model kalibrasi untuk alat non-invasif dengan menggunakan regresi ridge robust penduga GM. Data penelitian yang digunakan terdiri dari data kadar gula darah invasif dan non-invasif tahun 2017 dan tahun 2019. Responden pada data penelitian tahun 2017 adalah mahasiswa IPB yang terdiri dari 118 responden. Responden data penelitian tahun 2019 adalah responden masyarakat umum bertempat di Kebon Pedes, Kota Bogor yang terdiri dari 74 responden. Peubah respon merupakan kadar gula darah invasif yang diperoleh dari laboratorium Prodia. Peubah bebas merupakan hasil pengukuran kada gula darah non-invasif berupa residu intensitas. Hasil simulasi memperlihatkan bahwa adjusted boxplot memiliki performa yang lebih unggul dibandingkan dengan adjusted sequential fences dalam mengidentifikasi pencilan. Pemodelan yang digunakan dengan regresi ridge robust penduga Generalized M (GM) dengan menggunakan gugus modulasi 50 sampai dengan 90 pada tahun 2017 lebih baik dibandingkan dengan gugus modulasi 50 sampai dengan 90 pada tahun 2019. Nilai statistik yang didapatkan yaitu SSE sebesar 0.910, RMSEadj sebesar 0.114, dan RMSEP sebesar 0.030. Pemodelan dengan regresi ridge robust penduga GM menghasilkan nilai RMSEadj dan RMSEP yang lebih kecil dibandingkan dengan regresi ridge robust penduga MM. Hal ini menunjukkan bahwa regresi ridge robust penduga GM lebih baik dari regresi ridge robust penduga MM dalam mengatasi masalah pada pemodelan kalibrasi.