| dc.description.abstract | Penyakit Paru Obstruktif Kronis (PPOK) merupakan penyakit paru kronis yang tingkat keparahannya dipengaruhi oleh berbagai faktor klinis, seperti usia, riwayat merokok, kapasitas aktivitas, gejala, kualitas hidup, dan komorbiditas. Hubungan antar variabel klinis tersebut menyebabkan analisis tingkat keparahan PPOK memerlukan pendekatan statistik multivariat. Data yang digunakan merupakan data sekunder dari dataset PPOK Gold Stages yang diperoleh dari Kaggle. Model tanpa AKU menggunakan 13 variabel prediktor klinis asli, sedangkan model dengan AKU menggunakan tiga komponen utama yang dibentuk dari tujuh prediktor kontinu serta enam variabel biner. Hasil pengujian kelayakan AKU menunjukkan nilai KMO sebesar 0.7042 dan Bartlett's Test yang signifikan (p-value < 0.001), sehingga data layak dilakukan reduksi dimensi. Tiga komponen utama yang terbentuk mampu menjelaskan 75.30% keragaman data asli. Hasil penelitian menunjukkan bahwa model regresi logistik multinomial tanpa AKU menghasilkan performa terbaik pada data uji dengan akurasi sebesar 0.7, Macro F1-score sebesar 0.668, dan AUC sebesar 0.853. Sementara itu, model dengan AKU menghasilkan akurasi sebesar 0.6, Macro F1-score sebesar 0.605, dan AUC sebesar 0.770. Meskipun AKU berhasil mengurangi jumlah prediktor dan menghasilkan model yang lebih sederhana serta lebih stabil selama proses validasi silang, penggunaan AKU belum mampu meningkatkan performa klasifikasi dibandingkan penggunaan variabel klinis asli secara langsung. Hasil penelitian ini menunjukkan bahwa
informasi diskriminatif yang penting untuk klasifikasi tingkat keparahan PPOK pada data yang digunakan masih lebih baik dipertahankan dalam bentuk variabel klinis asli. | |
