Analisis Rama Peubah Ganda Data Terdeteksi Pencilan untuk Mengetahui Faktor-Faktor yang Mempengaruhi Lipid Darah pada Penyandang Diabetes

Abstract

Analisis multivariat sangat penting dalam menangani data yang kompleks dengan melibatkan lebih dari satu peubah yang diukur secara bersamaan. Salah satu metode yang sering digunakan adalah MANOVA (Multivariate Analysis of Variance), yang digunakan untuk menguji perbedaan antar kelompok dalam peubah respon metrik. Ketika terdapat kovariat yang perlu diperhitungkan dalam analisis, MANCOVA (Multivariate Analysis of Covariance) dapat menjadi pilihan yang digunakan pada data multivariat. Analisis data multivariat tidak lepas dari berbagai tantangan, salah satunya adalah masalah pencilan yang dapat menganggu asumsi dasar seperti normalitas multivariat dan homokesdastisitas. Pencilan dapat mempengaruhi hasil analisis secara signifikan karena titik data yang menyimpang dari distribusi utama dapat menyebabkan distorsi dalam estimasi parameter dan kesalahan dalam interpretasi hasil. Dalam konteks multivariat, pencilan menjadi lebih kompleks karena melibatkan interaksi antar peubah. Pencilan multivariat, yang mencerminkan titik data yang tidak sesuai dengan pola distribusi beberapa peubah sekaligus, seringkali lebih sulit dideteksi dan lebih berpotensi mempengaruhi hasil analisis secara signifikan dibandingkan univariat. Pencilan pada data multivariat dapat diatasi dengan pendekatan robust seperti R- MANCOVA yang menggunakan Minimum Covariance Determinant (MCD). Metode MCD bekerja dengan mengidentifikasi sub-sampel data yang relatif bebas dari pencilan dan menggunakan sub-sampel ini untuk estimasi kovariansi yang lebih stabil. Dengan mengurangi pengaruh pencilan, MCD mampu memberikan hasil analisis yang lebih robust dan akurat, terutama dalam konteks data multivariat yang kompleks. Penelitian ini menggunakan nilai Root Mean Square Error (RMSE) untuk melihat efektvitas dan ketepatan dari metode MANOVA, MANCOVA dan R-MANCOVA. Nilai RMSE digunakan sebagai indikator kinerja model dalam mengukur kesalahan antara nilai prediksi dan nilai yang sebenarnya diamati, dengan nilai RMSE yang lebih rendah menunjukkan model yang lebih akurat. Hasil penelitian menunjukkan bahwa R- MANCOVA adalah model yang paling efektif, dengan nilai RMSE terendah dibandingkan mode lainnya yaitu 0,155 untuk HDL 0,210 untuk LDL dan 0,399 untuk TG. Analisis R-MANCOVA mengidentifikasi bahwa gangguan tidur, olahraga, dan jenis kelamin secara signifikan mempengaruhi kadar lipid darah, dengan metode robust ini dapat mengatasi pengaruh pencilan dan memberikan hasil yang lebih akurat dalam konteks analisis multivariat.