KOMPARASI TEKNIK UNDERSAMPLING DAN OVERSAMPLING PADA REGRESI LOGISTIK BINER DALAM MENDUGA FAKTOR DETERMINAN BERHENTI MEROKOK PENDUDUK LANJUT USIA
Isi Artikel Utama
Abstrak
Teknik resampling adalah salah satu teknik pre-processing untuk menyeimbangkan distribusi data sehingga mengurangi efek distribusi kelas atau kategori yang tidak seimbang. Teknik resampling yang biasa digunakan adalah random oversampling dan random undersampling. Dalam penelitian ini, random oversampling digunakan untuk menyeimbangkan data dengan cara oversampling secara acak pada kelas minoritas (penduduk lansia yang berhenti merokok). Random undersampling digunakan untuk menyeimbangkan data dengan cara undersampling (mengeliminasi) secara acak kelas mayoritas (penduduk lansia yang masih merokok). Data yang telah diproses dengan resampling selanjutnya dilakukan pemodelan dengan model regresi logistik biner. Model regresi logistik biner dengan random undersampling merupakan model terbaik karena memiliki balanced accuracy terbesar. Peubah yang signifikan memengaruhi berhenti merokok adalah pendidikan, pekerjaan, akses internet, dan usia lansia.
Rincian Artikel
Referensi
World Health Organization (WHO). 2011. WHO REPORT on the global TOBACCO epidemic, 2011: Warning about the dangers of tobacco. Italy: World Health Organization
World Health Organization (WHO). 2012.WHO Global Report: Mortality Attributable of tobacco. Switzerland: World Health Organization
Badan Pusat Statistik. Statistik Penduduk Lanjut Usia 2020. 2020. Jakarta: Badan Pusat Statistik
Risdiana, Nurvita dan Proboningrum, Bikassari W. (2019).Perbedaan Tingkat Ketergantungan Merokok Antara Perokok Remaja Dengan Perokok Lansia. Indonesian Journal of Nursing Practices. 3(1): 28-34.doi: 10.18196/ijnp.3190
Burns, DM. (2000).Cigarette Smoking among the Elderly: Disease Consequences and the Benefits of Cessation. American Journal of Health Promotion. 14(6): 357-361. doi: 10.4278/0890-1171-14.6.357
Kementerian Kesehatan RI (Kemenkes). 2017.Analisis Lansia 2017. Jakarta: Pusat Data dan Informasi Kementerian Kesehatan RI
Hosmer DW, Lemeshow S.2000. Applied Logistic Regression. 2nd ed. New York: J Wiley
Jian C, Gao J, Ao Y. (2016). A New Sampling Method for Classifying Imbalanced Data Based on Support Vector Machine Ensemble. Journal Neurocomputing. 193: 115-122.doi: 10.1016/j.neucom.2016.02.006
Thanathamathee P, Lursinap C. (2013). Handling Imbalanced Datasets with Synthetic Boundary Data Generation Using Bootstrap Resampling and AdaBoost Techniques. Pattern Recognition Letters.Elsevier BV 34(12): 1339-1347.doi: 10.1016/j.patrec.2013.04.019
Prusa J, Khoshgoftaar TM, Dittman DJ, Napolitano A. (2015). Using Random Undersampling to Alleviate Class Imbalance on Tweet Sentiment Data. IEEE Xplore. doi: 10.1109/IRI.2015.39
Agresti A. 2002. Categorical Data Analysis. New York: J Willey
Sirait AM, Pradono Y, Toruan IL. (2002). Perilaku Merokok di Indonesia. Bul.Penel.Kesehatan, 30(3): 139-152.
Rahim FK, Suksaroj T, Jayasvasti I. (2016).Social Determinant of Health of Adult Smoking Behavior: Differences between Urban and Rural Areas in Indonesia. Kesmas: National Public Health Journal. 11(2): 51-55. doi:0.21109/kesmas.v11i2.1237
Juliansyah E, Rizal A. (2018). Faktor Umur, Pendidikan, dan Pengetahuan Dengan Perilaku Merokok Di Wilayah Kerja Puskesmas Sungai Durian, Kabupaten Sintang. vISIkES Jurnal Kesehatan Masyarakat. 17(1): 92-107. doi:.10.33633/visikes.v17i01.1853
Sihombing PR, Arsani AM. (2020). Pengaruh Tingkat Pendidikan, Tingkat Kesejahteraan dan Penghasilan Terhadap Konsumsi Rokok Harian dari Penduduk Dewasa di Indonesia Tahun 2015. Bappenas Working Papers. 3(1): 75-87. doi:10.47266/bwp.v3i1.57
Sukmono R, Salam R.(2019). Pengaruh Faktor Demografi terhadap Status Merokok Remaja sebagai Dampak Alokasi Dana Bagi Hasil Cukai Hasil Tembakau (DBHCHT). Jurnal Perspektif Bea dan Cukai, 3(2): 51-70. doi:. 10.31092/jpbc.v3i2.435
Sadarang RAI.(2021). Factors Associated With Quitting Smoking in Indonesia. J Prev Med Public Health, 54(2): 137-144. doi:10.3961/jpmph.20.293
Ramsey MW, Chen-Sankey JC, Reese J, Choi K.(2019). Rahim FK, Suksaroj T, Jayasvasti I.2016. Social Determinant of Health of Adult Smoking Behavior: Differences between Urban and Rural Areas in Indonesia. Kesmas: National Public Health Journal:11(2): 51-55. doi:0.21109/kesmas.v11i2.1237
Reskiaddin LO, Supriyati. (2021). Proses Perubahan Perilaku Berhenti Merokok: Studi Kualitatif Mengenai Motif, Dukungan Sosial dan Mekanisme Copin. Perilaku dan Promosi Kesehatan: Indonesian Journal of Health Promotion and Behavior. 3(1): 58-70 doi: 10.47034/ppk.v3i1.4142
Lestari VD, Umamah M, Pramasari AL, Dharmawan Y. (2013). Smoking Effect Video Learning Berbasis Mobile Sebagai Media Penyuluhan Kesehatan Anti Rokok. Jurnal Ilmu Mahasiswa, 3(1): 15-20. https://ejournal.undip.ac.id/index.php/jim/article/view/10866
Brown J, Michie S, Geraghty AWA Yardley L, Gardner B, Shahab L, Stapleton JA, West R.(2014). Internet-based intervention for smoking cessation (StopAdvisor) in people with low and high socioeconomic status: a randomised controlled trial. The Lancet Respiratory Medicine 2(12): 997-1006. doi:.10.1016/S2213-2600(14)70195-X
Taylor GMJ, Dalili MN, Semwal M, Civljak M, Sheikh A, Car J.(2017). Internet-based interventions for smoking cessation (Review). Cochrane Database of Systematic Reviews, 2017(7): CD007078: 1-129. doi:10.1002%2F14651858.CD007078.pub5
Hiscock R,Dobbie F, Bauld L.(2015). Smoking Cessation and Socioeconomic Status:An Update of Existing Evidence from a National Evaluation of English Stop Smoking Services. Hindawi Publishing Corporation: BioMed Research International, 205:ID274056 : 1-10.doi:10.1155/2015/274056
Qiu D, Chen T, LiuT, Song F.2020. Smoking cessation and related factors in middle-aged and older Chinese adults: Evidence from a longitudinal study. PLoS ONE, 15(10): 1-9. doi:10.1371/journal.pone.0240806