| dc.description.abstract | Pemodelan kalibrasi merupakan metode yang berfokus untuk melihat
hubungan antara satuan pengukuran yang berbiaya murah dan mudah diperoleh
dengan satuan pengukuran lainnya yang berbiaya mahal dan sulit diperoleh. Data
kalibrasi sering kali terjadi permasalahan data berdimensi tinggi seperti jumlah
peubah p lebih besar daripada jumlah observasi n. Masalah kedua adalah adanya
multikolinearitas jika tidak terpenuhi, maka model regresi yang didapat tidak tepat
dan memiliki tingkat kesalahan yang tinggi. Apabila pada data memiliki pencilan
pada variabel independen, maka akan mengakibatkan model regresi yang didapat
tidak tepat. Tujuan penelitian ini untuk mengatasi pencilan dan multikolinearitas
pada data kalibrasi yang berdimensi tinggi dan menentukan model terbaik untuk
memprediksi kadar glukosa darah non-invasif.
Metode yang sering digunakan untuk mengatasi data multikolinearitas
adalah dengan menggunakan metode regresi Ridge, tetapi metode ini memiliki
kekurangan yaitu, model regresi yang didapat memiliki nilai bias yang tinggi. Oleh
karena itu, dalam mengatasi hal tersebut, dapat digunakan metode regresi jackknife
Ridge. Kelemahan dari metode regresi jacknife ridge tidak dapat digunakan apabila
terdapat pencilan pada variabel independen. Metode yang dapat digunakan untuk
mengatasi pencilan pada data dapat menggunakan metode regresi robust. Dengan
demikian, untuk mengatasi masalah multikolinearitas dan pencilan secara bersamasama dapat digunakan metode regresi robust jackknife ridge.
Data penelitian yang digunakan adalah data glukosa darah invasif dan non
invasif tahun 2017 sebanyak 118 responden dan tahun 2019 sebanyak 74 responden.
Peubah respon merupakan kadar glukosa darah invasif yang diperoleh dari
laboratorium Prodia. Peubah bebas merupakan hasil pengukuran glukosa darah
non-invasif yang berupa residu intensitas.
Hasil penelitian disimpulkan bahwa peringkasan luas trapesium pada
pemodelan kalibrasi memberikan pendugaan yang baik. Pemodelan yang
digunakan Robust Jackknife Ridge Regression 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 0.024, RMSEadj sebesar 0.032, dan RMSEP sebesar
0.032. Pemodelan kalibrasi menggunakan Robust Jackknife Ridge Regression
menghasilkan nilai RMSE dan RMSEP lebih kecil dibandingkan pemodelan yang
dilakukan pada penelitian sebelumnya. Hal ini menunjukkan bahwa Robust
Jackknife Ridge Regression lebih baik dari analisis penelitian sebelumnya dalam
mengatasi masalah dalam pemodelan kalibrasi alat non-invasif glukosa darah. | id |
