Prediksi kematian pasien terinfeksi virus covid-19 menggunakan regresi logistic

DETAIL KOLEKSI

Prediksi kematian pasien terinfeksi virus covid-19 menggunakan regresi logistic

3.0

Oleh : Adiweno Niko Gunanto

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2022

Pembimbing 1 : Dedy Sugiarto

Pembimbing 2 : Gatot Budi Santoso

Subyek : Utilities (Computer programs) - Covid 19

Kata Kunci : covid-19, logistic regression, data analysis factor, odds ratio.

Status Posting : Published

Status : Tidak Lengkap

File Repositori

No.	Nama File	Hal.
1.	2017_TA_SIF_064001700016_Halaman-Judul.pdf
2.	2017_TA_SIF_064001700016_Lembar-Pengesahan.pdf
3.	2017_TA_SIF_064001700016_Bab-1_Pendahuluan.pdf	5
4.	2017_TA_SIF_064001700016_Bab-2_Tinjauan-Pustaka.pdf
5.	2017_TA_SIF_064001700016_Bab-3_Metodologi-Penelitian.pdf
6.	2017_TA_SIF_064001700016_Bab-4_Analisis-dan-Pembahasan.pdf	26
7.	2017_TA_SIF_064001700016_Bab-5_Kesimpulan-dan-Saran.pdf	2
8.	2017_TA_SIF_064001700016_Daftar-Pustaka.pdf

Abstrak
Abstract

P Penelitian ini adalah penelitian yang menerapkan sebuah pemecahan masalah dengan menggunakan metode regresi logistik biner dalam melihat hubungan antara beberapa variable independent yang memiliki pengaruh terhadap kematian pasien yang terinfeksi virus Covid-19 menggunakan regresi logistik. Data diambil melalui dataset dari Kaggle, terdapat pada tahun 2019. Covid-19 merupakan sebuah virus yang dapat menyebabkan kerusakan pada system pernapasan yang membuat penderitanya memiliki kesulitan dalam bernafas. Menggunakan split data untuk dapat menentukan apakah model sesuai dengan dataset yang dipergunakan atau tidak. Faktor â€“ faktor yang penulis ambil untuk melakukan penelitian diantaranya adalah jenis kelamin, usia, proses penyembuhan, pengunjung wuhan, dan berasal dari wuhan terhadap kematian. Untuk menentukan variabel bebas agar memiliki hubungan dengan variabel terikat dapat menggunakan odds rasio. Jika dilihat pada satu variabel yaitu jenis kelamin, memiliki nilai odds rasio sebesar 2.43. memiliki arti bahwa jenis kelamin laki â€“ laki lebih besar peluangnya mengalami kematian dibanding perempuan. Karena Laki-laki memiliki odds lebih besar disbanding perempuan. Dengan menggunakan model Regresi Logistik, didapatkan kesimpulan prediksi bahwa faktor yang mempengaruhi seorang pasien dapat bertahan saat terpapar Covid-19 adalah Jenis kelamin, Usia, dan Mengunjungi Wuhan. Pemodelan pasien yang terpapar Covid-19 yang mengalami kematian dapat diprediksi dengan tepat sebesar 97%.

T This study is a study that applies a problem solving using the binary logistic regression method in looking at the relationship between several independent variables that have an influence on the death of patients infected with the Covid-19 virus using logistic regression. The data is taken through a dataset from github, found in 2019. Covid-19 is a virus that can cause damage to the respiratory system that makes sufferers have difficulty breathing. Use split data to be able to determine whether the model matches the dataset used or not. Factors that the authors took to conduct the study included gender, age, healing process, wuhan visitors, and wuhan origin to death. To specify a free variable in order to have a relationship with a bound variable can use odds ratios. When viewed on one variable, namely gender, it has a odds ratio value of 2.43. means that the male gender is more likely to die than women. Because men have greater odds than women. Using the Logistic Regression model, a predictive conclusion was reached that the factors that influence a patient can survive when exposed to Covid-19 are Gender, Age, and Visiting Wuhan. Modeling of patients exposed to Covid-19 who experienced deaths could be predicted precisely by 97%.