Klasifikasi Kadar Glukosa Darah Menggunakan Metode Regresi Logistik Ordinal pada Data Tidak Seimbang

Abstract

Definisi diabetes mellitus (DM) yang disampaikan oleh American Diabetes Association (2010), yakni merupakan suatu kelompok penyakit metabolik dengan karakteristik hiperglikemia yang terjadi karena kelainan sekresi insulin, kerja insulin, atau kedua-duanya. Berdasarkan data yang diperoleh dari International Diabetes Federation (2017), jumlah penderita diabetes di dunia sebesar 425 juta jiwa dengan lebih dari 10 juta jiwa merupakan penduduk Indonesia. Kemenkes (2016) menyebutkan bahwa jumlah penderita DM di Indonesia pada tahun 2007 meningkat dari 5,7% menjadi 6,9% di tahun 2013, atau setara dengan 9,1 juta jiwa dan akan terus meningkat di tiap tahunnya. Seorang penderita baru dapat dinyatakan menderita diabetes mellitus setelah melalui pemeriksaan kadar glukosa darah dalam tubuh. Oleh karena itu, pengendalian dan pemantauan kadar glukosa dalam darah menjadi hal yang sangat penting untuk dilakukan oleh seorang penderita DM. Dewasa ini metode pemeriksaan kadar glukosa dalam darah yang cukup populer dilakukan adalah cara invasif, yakni mengambil sampel darah pasien dan diperiksa kadar glukosanya dengan spektrofotometer. Metode lain yang dapat digunakan adalah cara non-invasif, yakni pemeriksaan kadar glukosa darah seseorang tanpa perlu mengambil sampel darah. Metode analisis regresi logistik ordinal merupakan salah satu metode klasifikasi yang umum digunakan yang menghubungkan antara satu atau lebih peubah bebas berupa numerik dan atau kategorik terhadap peubah respon dengan dua atau lebih kategori bersifat ordinal (Agresti 2002). Pada analisis regresi logistik untuk respon ordinal, model akhir yang terbentuk merupakan fungsi logit peluang kumulatif dengan pembeda antar kelas berupa nilai peluang untuk masing-masing kelas (Otok et al 2007). Namun, metode ini hanya efektif jika digunakan pada kasus data yang pengelompokannya seimbang. Sedangkan pada kasus data yang tidak seimbang perlu dilakukan pendekatan metode statistik lain terlebih dahulu. Dampak yang ditimbulkan adanya ketidakseimbangan kelas adalah hasil prediksi yang diperoleh cenderung tidak stabil karena prediksinya mengarah ke kelas mayoritas. Berdasar hal tersebut, tentunya penanganan ketidakseimbangan kelas pada metode klasifikasi menjadi penting untuk dilakukan (Sanguanmak dan Hanskunatai 2008). Salah satu metode statistik yang dapat digunakan pada penanganan kasus kelas data tidak seimbang yakni synthetic minority oversampling technique (SMOTE). Metode SMOTE merupakan metode dengan teknik membangkitkan data berdasar perbedaan data pada kelas minoritas dengan tetangga terdekat dari kelas minoritas tersebut menjadi data sintetis baru (Chawla et al 2002). Penelitian ini bertujuan membandingkan nilai ketepatan klasifikasi antara metode regresi logistik ordinal dengan SMOTE dan tanpa SMOTE pada penerapan data spektrum alat ukur kadar glukosa darah non-invasif berdasarkan kadar glukosa rendah, normal, dan tinggi pada kasus data kelas tidak seimbang. Berdasarkan hasil analisis yang telah dilakukan, diperoleh nilai ketepatan klasifikasi pada penerapan metode regresi logistik ordinal dengan SMOTE sebesar 53% pada data training dan 56% pada data testing. Sementara itu, penerapan metode regresi logistik ordinal tanpa SMOTE hanya menghasilkan nilai ketepatan klasifikasi sebesar 44% pada data training dan 50% pada data testing.