MODEL REGRESI LOGISTIK PRINCIPAL COMPONENT ANALYSIS PADA PREDIKTOR KATEGORIK

Regresi logistik biner adalah analisis yang digunakan untuk memprediksi peubah respon yang mengandung dua kategorik atau memiliki dua kemungkinan hasil berdasarkan peubah prediktor yang berskala kategorik atau numerik. Ketika terjadi multikolinearitas pada variabel prediktor yang berskala kategorik, pendekatan statistika yang dapat digunakan untuk mengatasi masalah tersebut adalah metode principal component analysis pada prediktor kategorik. Estimasi parameter regresi logistik principal component analysis pada prediktor kategorik dilakukan melalui metode maximum likelihood estimation. Estimasi parameter yang dihasilkan merupakan bentuk persamaan implisit yang sulit diselesaikan dengan cara analitik sehingga digunakan iterasi Newton Raphson. Adapun pengujian parameter yang digunakan dalam model regresi logistik principal component analysis pada prediktor kategorik adalah uji Likelihod Ratio. Selanjutnya, model regresi logistik principal component analysis pada prediktor kategorik diterapkan pada data kadar gula darah masyarakat di Kabupaten Muna Barat. Dalam penelitian ini diperoleh nilai probabilitas responden yang memiliki kadar gula darah normal dan kadar gula darah terdampak penyakit diabetes dengan ketepatan klasifikasi 84,6547%.
Kata Kunci : Kadar Gula Darah, Multikolinieritas, Principal Component Analysis Pada Prediktor Kategorik, Regresi Logistik Biner, Maximum Likelihood Estimation.