Pemodelan Regresi Logistik Biner Komponen Utama pada Data Multikolinieritas dengan Spline Truncated (Studi Kasus : Data Status Wasting Balita Stunting di Kabupaten Gowa pada Tahun 2023) = Principal Component Binary Logistic Regression Modeling on Multicollinearity Data with Spline Truncated (Case Study: Wasting Status Data of Stunted Toddlers in Gowa Regency in 2023)

Latar Belakang. Analisis regresi logistik biner merupakan suatu metode analisis statistik yang menjelaskan hubungan antara satu atau lebih variabel independen terhadap satu variabel dependen biner. Regresi logistik biner telah berkembang dengan memanfaatkan spline truncated yang dapat meningkatkan fleksibilitas model. Salah satu asumsi yang perlu diperhatikan pada regresi logistik adalah multikolinieritas sehingga digunakan Analisis Komponen Utama (AKU) untuk mengatasi pelanggaran asumsi ini. Model regresi logistik biner komponen utama dengan spline truncated diterapkan pada data status wasting balita stunting di Kabupaten Gowa pada tahun 2023. Tujuan. Penelitian ini bertujuan untuk mengestimasi parameter dan mendapatkan model regresi logistik biner dengan spline truncated menggunakan data status wasting balita stunting di Kabupaten Gowa pada tahun 2023. Metode. Penelitian ini terdiri dari estimasi parameter dengan menggunakan Maximum Likelihood Estimation (MLE) dan pengaplikasian model regresi logistik biner komponen utama dengan spline truncated pada data status wasting balita stunting di Kabupaten Gowa pada Agustus 2023. Hasil. Penggunaan AKU pada lima variabel independen menghasilkan tiga komponen utama optimal. Model dengan tiga komponen utama menghasilkan model terbaik pada orde linier dengan dua titik knot. Model ini menghasilkan akurasi sebesar 80,99% dan menjelaskan bahwa peningkatan berat badan lahir, tinggi badan lahir, usia, berat badan saat pengukuran dan tinggi badan saat pengukuran berkontribusi pada penurunan probabilitas wasting. Kesimpulan. Model regresi logistik biner komponen utama dengan spline truncated mengklasifikasikan status wasting balita stunting di Kabupaten Gowa dengan akurasi prediksi yang baik. Selain itu, disimpulkan bahwa kelima variabel independen berkontribusi pada penurunan probabilitas wasting.