RANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA

Abstract

Human Immunodeficiency Virus (HIV) merupakan salah satu virus yang menurunkan sistem kekebalan tubuh. Acquired immunodeficiency syndrome (AIDS) merupakan penyakit menular yang disebabkan infeksi HIV. Pada tahun 2010, Jawa Timur menempati posisi kedua sedangkan tahun 2011 posisi keempat untuk kasus HIV/AIDS di Indonesia. Meskipun peringkatnya menurun namun jumlah kasusnya mengalami peningkatan yaitu 235 kasus (6,6%) dari tahun 2010. Hubungan variabel respon dan variabel prediktor terkadang tidak diketahui bentuk fungsi regresinya, karena itu menggunakan pendekatan regresi nonparametrik. Penelitian ini memiliki variabel prediktor yang berjumlah banyak sehingga menggunakan metode Multivariate Adaptive Regrression Spline (MARS). Untuk meningkatkan akurasi klasifikasi menggunakan metode resampling yakni random forest (RF) serta kombinasi antara metode MARS dan RF yang disebut RF MARS. Penelitian ini bertujuan untuk mendapat model terbaik dengan metode MARS berdasarkan nilai GCV minimum serta variabel-variabel yang berpengaruh terhadap HIV/AIDS di Surabaya dan mendapatkan tingkat akurasi klasifikasi penderita HIV/AIDS dengan metode MARS, RF, dan RF MARS.. Model MARS terbaik diperoleh saat kombinasi BF = 26, MI =3, dan MO = 0. Nilai GCV sebesar 0,1687. Dari 13 variabel prediktor yang dianalisis, 5 variabel masuk ke dalam model MARS terbaik yakni variabel usia, pekerjaan, pernah ditahan kasus NAPZA, status nikah, dan selalu pakai jarum steril. Akurasi klasifikasi status HIV/AIDS di Surabaya menggunakan metode MARS sebesar 80,28%. Pada metode RF diperoleh klasifikasi terbaik sebesar 97,80%. Pada RF MARS diperoleh Akurasi klasifikasi terbaik sebesar 91,00%.
Kata Kunci : Multivariate Adaptive Regrression Spline, random forest, HIV/AIDS