Anda di halaman 1dari 13

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH

PENDERITA DIABETES MELITUS


1
1

Dhina Oktaviana P, 2I Nyoman Budiantara

Mahasiswa Jurusan Statistika ITS Surabaya, 2Dosen Jurusan Statistika ITS Surabaya
ABSTRAK

Dalam persoalan sehari-hari sering dijumpai model regresi yang memiliki respon lebih dari
satu dan pola kurva regresi (hubungannya) tidak diketahui. Misalnya pada kasus penderita Diabetes
Melitus (DM). DM adalah penyakit kronis yang telah menjadi penyebab kematian terbesar keempat di
dunia (Tandra, 2009). Jenis DM yang paling banyak ditemukan di Indonesia adalah DM tipe 2
(Subekti, 2009), dimana pankreas masih bisa memproduksi insulin, tetapi kualitasnya buruk sehingga
tidak dapat berfungsi dengan baik. Buruknya kualitas insulin, salah satunya diakibatkan oleh
banyaknya kadar lemak (kolesterol dan trigliserida). Diagnosis DM dapat diketahui melalui
pemeriksaan kadar gula darah (puasa dan 2 jam pasca puasa). Berdasarkan hal tersebut, maka
pendekatan Spline Birespon dapat digunakan untuk memodelkan kadar gula darah (y) dan kadar
lemak (t) penderita DM tipe 2. Penelitian ini bertujuan untuk mengkaji bentuk estimasi model Spline
dalam regresi nonparametrik birespon dan menerapkannya pada data kadar gula darah penderita DM
tipe 2 yang melakukan cek kesehatan di Laboratorium X Surabaya. Dari hasil pembahasan dan
analisis dapat ditentukan bentuk estimasi model Spline dalam regresi nonparametrik birespon dan
model terbaik yang menjelaskan hubungan antara kadar gula darah dengan kadar lemak penderita
DM tipe 2. Berdasarkan nilai GCV minimum, 0,000000002, model Spline birespon terbaik adalah
model spline linier dengan 1 titik knot. Dimana pola perubahan kadar gula darah puasa terjadi pada
kadar kolesterol 188 mg/dl dan kadar trigliserida 361 mg/dl, sedangkan pola perubahan kadar gula
darah 2 jam pasca puasa terjadi pada kadar kolesterol 125 mg/dl dan kadar trigliserida 350 mg/dl.
Kata kunci : Regresi, Spline Birespon, Diabetes Melitus

1.

PENDAHULUAN
Analisis regresi merupakan salah satu analisis dalam statistika yang digunakan untuk menyelidiki
pola hubungan fungsional antara variabel respon dan variabel prediktor (mencari bentuk estimasi kurva
regresi) (Budiantara, 2009). Pada umumnya terdapat dua pendekatan dalam mengestimasi kurva regresi,
yaitu pendekatan parametrik dan nonparametrik (Budiantara, 2005). Dalam pendekatan parametrik
terdapat asumsi yang sangat kuat dan kaku yaitu bentuk kurva regresi diketahui. Berbeda dengan
pendekatan parametrik, dalam regresi nonparametrik bentuk kurva regresi tidak diketahui. Pendekatan
regresi nonparametrik yang cukup populer adalah Spline.
Diantara model-model regresi nonparametrik, Spline merupakan model regresi yang mempunyai
interpretasi statistik dan visual sangat khusus dan sangat baik. Disamping itu, kelebihan Spline adalah
cenderung mencari sendiri estimasi data kemanapun pola data tersebut bergerak. Pada umumnya Spline
adalah suatu estimator yang diperoleh dengan meminimumkan Penalized Least Square (PLS). Namun
penyelesaian optimasi ini secara matematika relatif sulit (Budiantara, 2007(a)). Untuk mengatasi hal ini
maka digunakan optimasi Least Square (LS). Dengan pendekatan ini diharapkan diperoleh perhitungan
matematik dan interpretasi statistik yang relatif mudah dan sederhana (Budiantara, 2007(a)).
Penelitian dengan menggunakan Spline telah banyak dilakukan, namun penelitian yang menyangkut
estimator model Spline dalam regresi nonparametrik birespon belum banyak dikembangkan. Dalam
persoalan sehari-hari sering dijumpai model regresi yang memiliki respon lebih dari satu dan pola kurva
regresinya tidak diketahui. Penelitian dengan menggunakan birespon pernah dilakukan oleh Wang, Guo
dan Brown (2000), Ariyanto (2006) dan Semiati (2010). Wang, Guo dan Brown (2000) dan Ariyanto
(2006) menggunakan smoothing Spline untuk memodelkan data hormon kortisol dan ACTH. Sedangkan
Semiati (2010) dengan menggunakan Deret Fourier mengaplikasikannya pada data kadar gula darah
penderita Diabetes Melitus (DM).
DM adalah penyakit kronis yang paling sering ditemukan pada abad 21 dan telah menjadi penyebab
kematian terbesar keempat di dunia. Tanda awal yang dapat diketahui bahwa seseorang menderita DM
yaitu dilihat langsung dari efek peningkatan kadar gula darah. Klasifikasi atau jenis diabetes ada
bermacam-macam, tetapi di Indonesia yang paling banyak ditemukan adalah DM tipe 2 (Subekti, 2009).
Pada DM tipe 2, pankreas masih bisa memproduksi insulin, tetapi kualitasnya buruk sehingga tidak dapat
berfungsi dengan baik. Kualitas insulin yang buruk ini salah satunya diakibatkan oleh kadar lemak.
1

Semakin banyak jaringan lemak, jaringan otot dan tubuh akan semakin resisten terhadap kerja insulin
(Tandra, 2009). Berdasarkan uraian tersebut, peneliti ingin mengkaji bentuk estimasi model Spline dalam
regresi nonparametrik birespon dan menerapkannya pada data kadar gula darah penderita DM tipe 2.
2. LANDASAN TEORI
Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai pendukung dalam penelitian ini.
2.1 Regresi Parametrik
Regresi parametrik merupakan pendekatan model regresi yang digunakan apabila bentuk kurva
regresi (pola hubungan variabel respon dan variabel prediktor) diketahui. Macam-macam model regresi
parametrik antara lain adalah regresi parametrik linear, kuadrat, kubik, polinomial derajat k dan lain-lain
(Budiantara, 2009). Model yang telah digunakan secara luas adalah model regresi polinomial. Secara
umum model regresi polinomial derajat ke-k (Gujarati, 1992) diberikan sebagai berikut.
yi = 0 + 1xi + 2xi2 + + kxik + i,
dimana yi adalah variabel respon, xi, xi2,, xik adalah variabel prediktor, 1, 2, , k merupakan
parameter yang tidak diketahui dan i adalah error random yang independen berdistribusi N(0,2).
2.2 Regresi Nonparametrik Spline
Regresi nonparametrik merupakan metode pendekatan regresi yang sesuai untuk pola data yang tidak
diketahui bentuk kurva regresinya atau tidak terdapat informasi masa lalu yang lengkap tentang bentuk
pola data (Eubank,1988). Menurut Eubank (1999) bentuk model regresi nonparametrik adalah sebagai
berikut.
yi = f(ti) + i; i = 1, 2, , n,
(1)
dengan yj adalah variabel respon sedangkan fungsi f merupakan kurva regresi yang tidak diketahui
bentuknya, dan ti variabel prediktor, serta i diasumsikan berdistribusi N(0,2). Pendekatan regresi
nonparametrik memiliki fleksibilitas yang tinggi, karena data diharapkan mencari sendiri bentuk estimasi
kurva regresinya tanpa dipengaruhi oleh faktor subyektifitas peneliti (Eubank, 1988).
Spline merupakan fungsi potongan polinomial yang memiliki sifat tersegmen dan kontinu (spline
polynomial truncated). Bentuk umum model Spline disajikan pada persamaan 2.2.
,
(2)
dimana i, i = 0, 1, , p dan j, j = 1, , K merupakan parameter. Persamaan 2.2 merupakan Spline
derajat p dengan K titik knot k1, k2, ..., kK. Titik knot merupakan titik perpaduan bersama dimana terdapat
perubahan pola perilaku pada interval yang berbeda (Budiantara, 2007(b)).
Regresi Spline adalah regresi dimana kurva regresinya berupa fungsi Spline. Secara umum model
regresi nonparametrik Spline dapat ditulis sebagai berikut.
; i = 1, 2, , n
(3)
dimana p adalah derajat polinomial dan K adalah banyaknya titik knot pada fungsi truncated, serta i
merupakan error random independen dengan mean nol dan varians 2.
2.3 Pemilihan Titik Knot Optimal dan Model Terbaik
Model Spline yang terbaik adalah model dengan titik knot yang optimal, dimana model ini merupakan
model yang paling sesuai dengan data. Menurut Wahba (1990) dan Wang (1998), salah satu metode yang
paling banyak dipakai dan disukai karena kelebihan yang dimilikinya adalah Generalized Cross
Validation (GCV). Dibandingkan metode lain, misal Cross Validation (CV), metode GCV mempunyai
sifat optimal asimtotik (Wahba, 1990). Titik knot yang optimal diperoleh dari nilai GCV yang paling
minimum. Model terbaik dipilih berdasarkan nilai GCV yang paling minimum.
Metode GCV secara umum didefinisikan sebagai berikut.
(4)
dengan:

adalah titik-titik knot dan N adalah jumlah observasi

2.5 Diabetes Melitus


Diabetes Melitus (DM) atau yang biasa disebut kencing manis merupakan suatu keadaan yang
ditandai oleh kadar gula darah yang melebihi nilai normal karena tubuh tidak lagi memiliki insulin atau
insulin tidak dapat bekerja dengan baik (Tandra, 2009). DM adalah penyakit kronis yang paling sering
ditemukan pada abad 21 dan telah menjadi penyebab kematian terbesar keempat di dunia. Setiap tahun
ada 3,2 juta kematian yang disebabkan langsung oleh diabetes. Itu berarti ada 1 orang per 10 detik atau 6
orang per menit yang meninggal akibat penyakit yang berkaitan dengan diabetes (Tandra, 2009). Orang
Asia, termasuk Indonesia adalah ras yang mudah terkena diabetes. Pada tahun 1995 Indonesia menempati
urutan ketujuh sebagai negara dengan penderita diabetes terbanyak di dunia (4,5 juta orang). Sekarang
angka ini meningkat sampai 8,4 juta dan diperkirakan pada 2025 akan menjadi 12,4 juta orang, atau
urutan kelima terbanyak di dunia (Tandra, 2009).
Tanda awal yang dapat diketahui bahwa seseorang menderita DM yaitu dilihat langsung dari efek
peningkatan kadar gula darah. Diagnosa DM dapat ditegakkan jika hasil pemeriksaan gula darah puasa
mencapai level 126 mg/dl atau bahkan lebih, dan pemeriksaan gula darah dua jam setelah puasa (minimal
delapan jam) mencapai level 180 mg/dl (Khomsah, 2008). Klasifikasi atau jenis diabetes ada bermacammacam, tetapi di Indonesia yang paling banyak ditemukan adalah DM tipe 2 (Subekti, 2009). Jenis
diabetes yang lain ialah diabetes tipe 1, diabetes kehamilan dan diabetes tipe lain. Pada DM tipe 2,
pankreas masih bisa memproduksi insulin, tetapi kualitasnya buruk sehingga tidak dapat berfungsi dengan
baik sebagai kunci untuk memasukkan gula ke dalam sel. Akibatnya, gula dalam darah meningkat.
Buruknya kualitas insulin, salah satunya diakibatkan oleh banyaknya kadar lemak. Pada umumnya lemak
dalam tubuh manusia terdiri dari kolesterol total, kolesterol LDL, kolesterol HDL dan trigliserida.
3.

METODOLOGI
Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari data kadar gula
darah dan kadar lemak penderita DM tipe 2 yang melakukan cek kesehatan di Laboratorium X
Surabaya pada bulan April 2011. Berdasarkan data tersebut, diketahui bahwa terdapat 91 orang yang
melakukan tes kadar gula darah sekaligus lemak yang terdiagnosis menderita DM tipe 2. Variabel respon
(y) yang digunakan adalah kadar gula darah puasa (y1) dan kadar gula darah dua jam pasca puasa (2jpp)
(y2). Sedangkan variabel prediktor (t) yang digunakan adalah kadar kolesterol total (t1) dan kadar
trigliserida (t2).
Langkah-langkah yang dilakukan meliputi dua tahapan. Berikut penjelasan langkah-langkah analisis
dalam penelitian ini.
1. Tahap pertama, digunakan untuk menjawab tujuan pertama. Berikut langkah-langkah yang dilakukan
pada tahap ini.
a. Membangun model regresi nonparametrik birespon
b. Mendekati kurva regresi f(t) dan g(t) pada poin (a) dengan fungsi Spline truncated s(t)
c. Membuat model regresi nonparametrik birespon dalam bentuk matriks
d. Menentukan matrik bobot W (varian kovarian
e. Menentukan estimator untuk parameter

dan

dengan menggunakan optimasi WLS.

f. Menyajikan estimasi
2. Tahap kedua, digunakan untuk menjawab tujuan kedua. Pada tahap ini digunakan software Minitab
dan Matlab dengan langkah-langkah sebagai berikut.
a. Membuat plot antar variabel
b. Memodelkan data (tij, ) dan (tij, ) menggunakan Spline truncated birespon untuk berbagai
nilai p dan K
c. Menentukan matrik bobot W
d. Menghitung estimator parameter

dengan menggunakan optimasi WLS

e. Memilih titik knot optimal berdasarkan GCV minimum


f. Menentukan model Spline terbaik dengan menghitung nilai GCV minimum
g. Membuat estimasi model regresi Spline birespon terbaik

4.

ANALISIS DATA DAN PEMBAHASAN


Dalam bab ini akan disajikan hasil analisis dari tujuan penelitian, yaitu mengenai bentuk estimasi
model Spline dalam regresi nonparametrik birespon dan aplikasinya pada data kadar gula darah penderita
Diabetes Melitus (DM) tipe 2.
4.1 Estimasi Model Spline Dalam Regresi Nonparametrik Birespon
Misalkan y adalah variabel respon dan t adalah variabel prediktor, maka hubungan variabel y dan t
dalam regresi birespon dapat dinyatakan dalam bentuk umum sebagai berikut.
y1j = f1(t1j) + g1(t2j)+ 1j
y2j = f2(t1j) + g2(t2j)+ 2j
Bentuk kurva regresi f1(t1j), g1(t2j), f2(t1j) dan g2(t2j) diasumsikan tidak diketahui. Error random 1j dan
2j saling berkorelasi. Dimana error random 1j, j = 1, 2, , n saling independen dengan mean nol dan
variansi 12, dan error random 2j, j = 1, 2, , n juga saling independen dengan mean nol dan variansi 22.
Berdasarkan persamaan 2., bentuk umum fungsi Spline truncated s(t) derajat p dengan K titik knot
k1, k2, ..., kK dan dua prediktor diberikan sebagai berikut.
(5)
Secara umum model regresi nonparametrik Spline dengan derajat p dan K titik knot dapat ditulis sebagai
berikut.
; i = 1, 2, , n

(6)

Untuk memudahkan, fungsi Spline truncated s(t) yang digunakan diasumsikan berderajat 2 dengan 2 titik
knot (kuadratik 2 knot), maka persamaan 5 menjadi sebagai berikut.
; untuk respon 1
; untuk respon 2
Jika dalam model birespon kurva regresi f(t) didekati dengan fungsi Spline truncated kuadratik 2
knot, maka berdasarkan persamaan 6 modelnya menjadi sebagai berikut.

Berikut model regresi nonparametrik Spline birespon jika disajikan dalam bentuk matriks.

Dengan menguraikan fungsi s dan memisahkan antara parameter dengan variabel maka persamaan
tersebut dalam bentuk matrik dapat ditulis sebagai berikut.
(7)

dimana:

dengan:

Sedangkan matrik O adalah matrik nx8 yang semua elemennya bernilai nol (0). Apabila ditentukan
matrik W (varian kovarian dan ) adalah sebagai berikut

maka untuk memperoleh estimator

pada persamaan 7, dilakukan optimasi WLS yaitu dengan

menyelesaikan persamaan sebagai berikut.


(8)
Untuk menyelesaikan optimasi pada persamaan 8, maka dilakukan derivatif parsial. Dengan memisalkan
fungsi

, maka

(9)
Prosesnya selanjutnya adalah menurunkan persamaan 9 terhadap
5

dan dihasilkan

(10)
Setelah diturunkan terhadap , hasil (10) disamakan dengan nol.
(11)
Berdasarkan persamaan (11), didapatkan estimator

sebagai berikut.

Sehingga bentuk estimasi model Spline dalam regresi nonparametrik birespon menjadi sebagai berikut.
, maka diperoleh

Jika matrik
titik knot, sedangkan

. Matrik H( ) merupakan fungsi dari

adalah titik-titik knot.

4.2 Model Kadar Gula Darah Penderita DM Tipe 2


Untuk menjawab tujuan kedua, yaitu memodelkan kadar gula darah penderita DM tipe 2 maka
terlebih dahulu dilakukan analisis deskriptif setelah itu dilakukan pemodelan dengan menggunakan Spline
birespon.
4.2.1 Analisis Deskriptif
Sebelum memodelkan kadar gula darah penderita DM tipe 2 dengan Spline birespon, maka perlu
dilihat deskripsi statistik untuk menggambarkan karakteristik data kadar gula darah dan lemak penderita
DM tipe 2, sedangkan untuk melihat pola hubungan antar variabel dapat dilihat dari scatterplot.
Tabel 1. Statistik Deskriptif Kadar Gula Darah dan Lemak Penderita DM Tipe 2
Variabel

Rata-Rata

Deviasi Standar

Minimum

Maksimum

Gula Darah Puasa

286,87

76,33

181

479

Gula Darah 2JPP

196,74

63,33

126

404

Kolesterol

213,37

42,30

115

336

Trigliserida

188,3

134,9

63

806

Berdasarkan Tabel 1 dapat diketahui bahwa penderita DM tipe 2 yang melakukan cek kesehatan di
Laboratorium X Surabaya pada bulan April 2011 rata-rata memiliki gula darah puasa dan 2 jpp masingmasing adalah sebesar 196,74 mg/dl dan 286,87 mg/dl. Sedangkan kadar kolesterol rata-ratanya adalah
sebesar 213,37 mg/dl dan kadar trigliserida rata-ratanya adalah sebesar 188,3 mg/dl.
500

400

450

Gula Darah 2JPP

Gula Darah Puasa

350
300
250
200

400
350
300
250

150
200

100
100

150

200

250

300

100

350

150

200

250

300

350

Kolesterol

Kolesterol

Gambar 2. Scatterplot of Gula Darah 2JPP vs


Kolesterol

Gambar 1. Scatterplot of Gula Darah Puasa vs


Kolesterol

Pola hubungan antara variabel gula darah puasa dan gula darah 2jpp dengan kolesterol masingmasing disajikan pada Gambar 1 dan Gambar 2. Berdasarkan kedua gambar tersebut dapat diketahui
bahwa tidak terlihat pola hubungan antara variabel yang mengikuti pola tertentu.
500

400

450

Gula Darah 2JPP

Gula Darah Puasa

350
300
250
200

400
350
300
250

150
200
100
0

100

200

300

400
500
Trigliserida

600

700

800

900

Gambar 3. Scatterplot of Gula Darah Puasa vs


Trigliserida

100

200

300

400
500
Trigliserida

600

700

800

900

Gambar 4. Scatterplot of Gula Darah 2JPP vs


Trigliserida

Pada Gambar 3 dan Gambar 4 memperlihatkan pola hubungan antara variabel gula darah puasa dan
gula darah 2jpp dengan trigliserida. Pola hubungan antara variabel tersebut tidak mengikuti pola tertentu.
Berdasarkan Gambar 1, Gambar 2, Gambar 3 dan Gambar 4 pola data akan dimodelkan dengan
menggunakan regresi nonparametrik birespon dengan pendekatan Spline truncated.
Dari variabel-variabel tersebut dibuat model spline linier sampai spline kuadratik dengan 2 titik knot.
Dari estimasi model yang diperoleh, dihitung nilai-nilai GCV-nya. Model Spline terbaik adalah Spline
dengan GCV terkecil. Pemilihan titik knot pada model dilakukan dengan menggunakan program
komputer, dimana titik knot optimal berkaitan dengan nilai GCV terkecil.
4.2.2 Model Spline Linier Birespon Kadar Gula Darah Penderita DM Tipe 2 Dengan Satu Titik
Knot
Pemilihan model birespon Spline linier terbaik diperoleh berdasarkan nilai GCV yang minimum.
Beberapa titik knot dan nilai GCV model spline linier dari data kadar gula darah penderita DM tipe 2
dengan satu titik knot disajikan pada Tabel 4.2.
Tabel 2. Titik Knot dan Nilai GCV untuk Spline Linier Satu Titik Knot
Titik Knot Respon 1

Titik Knot Respon 2

Nilai GCV

190
190

137

170

139

0,000022108

160

146

134

0,000321746

188

361

125

350

0,000000002*

211

80

214

87

0,000016378

199

182

209

212

0,000000940

k1 adalah titik knot pada t1 (kadar kolesterol) untuk respon 1 (kadar gula darah puasa), k2 adalah titik
knot pada t2 (kadar trigliserida) untuk respon 1 (kadar gula darah puasa), 1 adalah titik knot pada t1
(kadar kolesterol) untuk respon 2 (kadar gula darah 2 jam pasca puasa), sedangkan 2 adalah titik knot
pada t2 (kadar trigliserida) untuk respon 2 (kadar gula darah 2 jam pasca puasa). Berdasarkan Tabel 2
dapat diketahui bahwa model birespon Spline linier terbaik dengan satu titik knot adalah model dengan
titik knot pada t1 = 188 dan t2 = 361 untuk respon 1 dan pada t1 =125 dan t2 = 350 untuk respon 2. Model
ini mempunyai nilai GCV paling minimum diantara model birespon Spline linier satu knot yang lain,
yaitu 0,000000002. Berikut disajikan bentuk persamaan dari estimasi model terbaik pada regresi Spline
linier dengan satu titik knot.

4.2.3 Model Spline Kuadratik Birespon Kadar Gula Darah Penderita DM Tipe 2 Dengan Satu Titik
Knot
Seperti pada model Spline linier, pemilihan model Spline kuadratik terbaik diperoleh berdasarkan
nilai GCV yang paling minimum. Tabel 3 menyajikan beberapa titik knot dan nilai GCV dari Spline
kuadratik satu knot data kadar gula darah penderita DM tipe 2.
Tabel 3. Titik Knot dan Nilai GCV untuk Spline Kuadratik Satu Titik Knot
Titik Knot Respon 1

Titik Knot Respon 2

Nilai GCV

143
204

110

188

77

0,000234292

134

203

148

0,000001024*

247

224

255

197

0,000126514

281

765

324

568

0,004152838

187

135

188

127

0,000022965

Berdasarkan Tabel 3 dapat diketahui bahwa model birespon Spline kuadratik satu knot terbaik adalah
model dengan nilai GCV sebesar 0,000001024. Model ini memiliki titik knot pada t1 = 204 dan t2 = 134
untuk respon 1 dan pada t1 = 203 dan t2 = 148 untuk respon 2. Berikut disajikan bentuk persamaan
estimasi model terbaik pada regresi Spline kuadratik dengan satu titik knot.

4.2.4 Model Spline Kombinasi (Linier dan Kuadratik) Birespon Kadar Gula Darah Penderita DM
Tipe 2 Dengan Satu Titik Knot
Model Spline kombinasi merupakan model yang terbentuk dari kombinasi model linier (derajat 1)
dan model kuadratik (derajat 2). Terdapat beberapa kombinasi antara model linier dan kuadratik dalam
memodelkan kadar gula darah penderita DM tipe 2. Beberapa titik knot dan nilai GCV model Spline
kombinasi data kadar gula darah penderita DM tipe 2 dengan satu titik knot disajikan pada Tabel 4.
Tabel 4. Titik Knot dan Nilai GCV untuk Spline Kombinasi Satu Titik Knot
Kombinasi
Derajat

Titik Knot Respon 1

Titik Knot Respon 2

Nilai GCV

2111

281

182

250

87

0,000094856

1212

199

119

125

86

0,000431073

1221

235

110

282

110

0,000026815*

2121

197

137

190

212

0,009953104

2211

211

182

214

212

0,001023172

Berdasarkan Tabel 4 dapat diketahui bahwa model birespon Spline kombinasi terbaik dengan satu
titik knot adalah model dengan titik knot pada t1 = 235 dan t2 = 110 untuk respon 1 dan pada t1 = 282 dan
t2 = 110 untuk respon 2. Model ini mempunyai nilai GCV paling minimum diantara model birespon
Spline kombinasi satu knot yang lain, yaitu 0,000026815. Berikut disajikan bentuk persamaan dari
estimasi model terbaik pada regresi Spline kombinasi dengan satu titik knot.

4.2.5 Model Spline Linier Birespon Kadar Gula Darah Penderita DM Tipe 2 Dengan Dua Titik
Knot
Setelah dilakukan pemodelan dengan menggunakan satu titik knot, maka berikut disajikan
pemodelan Spline linier dengan menggunakan dua titik knot. Beberapa titik knot dan nilai GCV model
8

Spline data kadar gula darah penderita DM tipe 2 dengan dua titik knot disajikan pada Tabel 5. k1 adalah
titik knot 1 pada t1 untuk respon 1, k2 adalah titik knot 1 pada t2 untuk respon 1, k1* adalah titik knot 2
pada t1 untuk respon 1, k2* adalah titik knot 2 pada t2 untuk respon 1, 1 adalah titik knot 1 pada t1 untuk
respon 2, 2 adalah titik knot 1 pada t2 untuk respon 2, 1* adalah titik knot 2 pada t1 untuk respon 2,
sedangkan 2* adalah titik knot 2 pada t2 untuk respon 2.
Tabel 5. Titik Knot dan Nilai GCV untuk Spline Linier Dua Titik Knot
Titik Knot Respon 1

Titik Knot Respon 2

Nilai GCV

150
245

191

128

247

182

224

134

568

0,022564968

284

223

261

262

320

134

212

0,024490212

125

227

106

261

205

224

134

568

0,000001252

245

324

179

247

233

261

73

133

0,000131634

184

217

106

130

183

224

104

189

0,000000429*

Model birespon Spline linier terbaik dengan dua titik knot adalah model dengan nilai GCV sebesar
0,000000429. Model ini memiliki titik knot pada 184, 217, 106 dan 130 untuk respon 1 dan 183, 224, 104
dan 189 untuk respon 2. Berikut disajikan bentuk persamaan dari estimasi model terbaik pada regresi
Spline linier dengan dua titik knot.

4.2.6 Model Spline Kuadratik Birespon Kadar Gula Darah Penderita DM Tipe 2 Dengan Dua Titik
Knot
Beberapa titik knot dan nilai GCV model Spline data kadar gula darah penderita DM tipe 2 dengan
dua titik knot disajikan pada Tabel 6.
Tabel 6. Titik Knot dan Nilai GCV untuk Spline Kuadratik Dua Titik Knot
Titik Knot Respon 1

Titik Knot Respon 2

Nilai GCV

184
213

227

88

216

205

324

130

765

0,024027153

252

170

350

210

261

87

765

0,002313423*

213

247

96

129

207

233

104

261

3,327352379

284

324

104

247

262

299

133

226

0,682790329

184

217

135

216

183

324

104

135

1,370163325

Berdasarkan Tabel 6 dapat diketahui bahwa model birespon Spline kuadratik terbaik dengan dua titik
knot adalah model dengan titik knot terletak pada 213, 252, 170 dan 350 untuk respon 1 dan terletak pada
210, 261, 87 dan 765 untuk respon 2. Model ini mempunyai nilai GCV paling minimum diantara model
birespon Spline kuadratik dua knot yang lain, yaitu 0,002313423. Berikut disajikan bentuk persamaan
dari estimasi model terbaik pada regresi Spline kuadratik dengan dua titik knot.

4.2.7 Model Spline Kombinasi (Linier dan Kuadratik) Birespon Kadar Gula Darah Penderita DM
Tipe 2 Dengan Dua Titik Knot
Model birespon Spline kombinasi dua knot terbaik adalah model dengan nilai GCV sebesar
0,000000068. Nilai tersebut merupakan nilai paling minimum diantara nilai GCV yang lain. Hal ini dapat
dilihat pada Tabel 7 yang menyajikan beberapa titik knot dan nilai GCV model Spline kombinasi dua
knot data kadar gula darah penderita DM tipe 2.
Tabel 7. Titik Knot dan nilai GCV untuk Spline Kombinasi Dua Titik Knot
Kombinasi
Derajat

Titik Knot Respon 1

Titik Knot Respon 2

Nilai GCV

2112
1222

150

284

88

179

150

261

104

212

0,000082051

213

284

130

765

150

320

80

212

0,001637709

2122

213

247

130

179

207

320

87

130

0,000000068*

2212

245

247

129

170

207

320

87

212

0,000381901

2221

227

247

130

765

150

205

104

130

0,000245574

Berdasarkan Tabel 7 dapat diketahui bahwa model birespon Spline kombinasi terbaik dengan dua
titik knot adalah model dengan titik knot terletak pada 213, 247, 130 dan 179 untuk respon 1 dan terletak
pada 207, 320, 87 dan 130 untuk respon 2. Berikut disajikan bentuk persamaan dari model terbaik pada
regresi Spline kombinasi dengan dua titik knot.

4.2.8 Model Birespon Kadar Gula Darah Penderita DM Tipe 2 Spline Optimal
Setelah mendapatkan model Spline dalam regresi nonparametrik birespon menggunakan bentuk
linier, kuadratik dan kombinasi dengan titik knot yang berbeda-beda, maka tahap selanjutnya adalah
memilih model Spline birespon terbaik berdasarkan nilai GCV paling minimum. Berikut ditampilkan nilai
GCV pada semua model terbaik.
Tabel 8. Nilai GCV Pada Masing Masing Model Spline Birespon
Model Spline
Nilai GCV

Linier 1 titik
knot*
0,000000002

Kuadratik 1
titik knot
0,000001024

Kombinasi 1
titik knot
0,000026815

Linier 2 titik
knot
0,000000429

Kuadratik 2
Kombinasi
titik knot
2 titik knot
0,002313423 0,000000068

Berdasarkan Tabel 8 dapat diketahui bahwa nilai GCV paling minimum adalah sebesar 0,000000002.
Sehingga model terbaik yang menjelaskan kadar gula darah penderita DM tipe 2 adalah model Spline
linier dengan satu titik knot dengan bentuk model sebagai berikut.

Nilai MSE yang dihasilkan dari model optimal tersebut adalah sebesar 5,9x10-9. Untuk memudahkan
intepretasi model regresi nonparametrik birespon kadar gula darah penderita DM tipe 2, maka dibuat
model parsial dari model optimal yang telah terbentuk.
1. Dengan asumsi kadar trigliserida tetap
Ketika kadar kolesterol kurang dari 188 mg/dl dan lebih dari 115 mg/dl, maka kadar gula darah puasa
penderita DM tipe 2 mengikuti model -3,48701t1. Sedangkan jika kadar kolesterol 188 mg/dl atau lebih,
tetapi tidak melebihi 336 mg/dl, maka kadar gula darah puasa mengikuti model 444,61624 -5,85199t1.
Berikut model parsial untuk respon 1 (kadar gula darah puasa) dengan mengasumsikan kadar trigliserida
tetap.
10

y1

3,48701t1

; t1 188

444,61624 5,85199t1 ; t1 188

Intepretasi yang dapat diperoleh berdasarkan model tersebut adalah pada kadar kolesterol kurang dari
188 mg/dl dan lebih dari 115 mg/dl, jika kadar kolesterol meningkat sebesar satu mg/dl, maka kadar gula
darah puasa penderita DM tipe 2 akan cenderung berkurang sebesar 3,48701. Pada kadar kolesterol 188
mg/dl atau lebih, tetapi tidak melebihi 336 mg/dl, jika kadar kolesterol meningkat sebesar satu mg/dl,
maka kadar gula darah puasa penderita DM tipe 2 akan cenderung berkurang sebesar 5,85199 mg/dl.
Untuk respon 2 (kadar gula darah 2 jam pp), ketika kadar kolesterol kurang dari 125 mg/dl dan lebih
dari 115 mg/dl, maka kadar gula darah 2 jam pp penderita DM tipe 2 mengikuti model 0,07187t1.
Sedangkan jika kadar kolesterol 125 mg/dl atau lebih, tetapi tidak melebihi 336 mg/dl, maka kadar gula
darah 2 jam pp mengikuti model 456,67375 + 3,58152t1. Berikut model parsial yang dihasilkan.

y 2

0,07187t1

; t1 125

456,67375+ 3,58152t1 ; t1 125

Intepretasi yang dapat diperoleh adalah pada kadar kolesterol kurang dari 125 mg/dl dan lebih dari 115
mg/dl, jika kadar kolesterol meningkat sebesar satu mg/dl, maka kadar gula darah 2 jam pp penderita DM
tipe 2 akan cenderung berkurang sebesar 0,07187. Pada kadar kolesterol 125 mg/dl atau lebih, tetapi tidak
melebihi 336 mg/dl, jika kadar kolesterol meningkat sebesar satu mg/dl, maka kadar gula darah 2 jam pp
penderita DM tipe 2 akan cenderung meningkat pula sebesar 3,58152 mg/dl.
2. Dengan asumsi kadar kolesterol tetap
Ketika kadar trigliserida kurang dari 361 mg/dl dan lebih dari 63 mg/dl, maka kadar gula darah puasa
penderita DM tipe 2 mengikuti model 1,83572t2. Sedangkan jika kadar trigliserida 361 mg/dl atau lebih,
tetapi tidak melebihi 806 mg/dl, maka kadar gula darah puasa mengikuti model 23.053,6296
62,02475t2. Berikut model parsial untuk respon 1 (kadar gula darah puasa) dengan mengasumsikan kadar
kolesterol tetap.

y1

1,83572t 2

;t2

361

23.053,6296 62,02475t 2 ; t 2

361

Pada kadar trigliserida kurang dari 361 mg/dl dan lebih dari 63 mg/dl, jika kadar trigliserida
meningkat sebesar satu mg/dl, maka kadar gula darah puasa penderita DM tipe 2 akan cenderung
meningkat pula sebesar 1,83572. Pada kadar trigliserida 361 mg/dl atau lebih, jika kadar trigliserida
meningkat sebesar satu mg/dl, tetapi tidak melebihi 806 mg/dl, maka kadar gula darah puasa penderita
DM tipe 2 akan cenderung berkurang sebesar 62,02475 mg/dl.
Untuk respon 2 (kadar gula darah 2 jam pp), ketika kadar trigliserida kurang dari 350 mg/dl dan lebih
dari 63 mg/dl, maka kadar gula darah 2 jam pp penderita DM tipe 2 mengikuti model 1,38989t2.
Sedangkan jika kadar trigliserida 350 mg/dl atau lebih, tetapi tidak melebihi 806 mg/dl, maka kadar gula
darah 2 jam pp mengikuti model -28.939,1725 84,07324t2. Berikut model parsial yang dihasilkan.

y 2

1,38989t 2

;t2

350

- 28.939,1725 84,07324t 2 ; t 2

350

Pada kadar trigliserida kurang dari 350 mg/dl dan lebih dari 63 mg/dl, jika kadar trigliserida
meningkat sebesar satu mg/dl, maka kadar gula darah 2 jam pp penderita DM tipe 2 akan cenderung
meningkat pula sebesar 1,38989. Pada kadar trigliserida 350 mg/dl atau lebih, tetapi tidak melebihi 806
mg/dl, jika kadar trigliserida meningkat sebesar satu mg/dl, maka kadar gula darah 2 jam pp penderita
DM tipe 2 akan cenderung berkurang sebesar 84,07324 mg/dl.
5.

KESIMPULAN
Berikut kesimpulan dan saran berdasarkan hasil analisis dan pembahasan dalam penelitian ini.
5.1 Kesimpulan
Jika diberikan model regresi nonparametrik Spline birespon sebagai berikut
11

maka dari hasil pembahasan dan analisis yang telah dilakukan didapatkan kesimpulan sebagai berikut.
1.

Bentuk estimasi model Spline dalam regresi nonparametrik birespon adalah


matrik

, dengan

2. Model Spline birespon terbaik yang menjelaskan kadar gula darah penderita DM tipe 2 adalah model
spline linier dengan 1 titik knot Nilai GCV yang dihasilkan adalah sebesar 0,000000002. Berikut
estimasi modelnya.

Berikut intepretasi model Spline birespon terbaik kadar gula darah penderita DM tipe 2.
1. Dengan asumsi kadar trigliserida tetap
Baik pada kadar kolesterol kurang dari 188 mg/dl dan lebih dari 115 mg/dl maupun 188 mg/dl atau
lebih, tetapi tidak melebihi 336 mg/dl, jika kadar kolesterol meningkat, maka kadar gula darah
puasa penderita DM tipe 2 akan cenderung berkurang.
Pada kadar kolesterol kurang dari 125 mg/dl dan lebih dari 115 mg/dl, jika kadar kolesterol
meningkat, maka kadar gula darah 2 jam pp penderita DM tipe 2 akan cenderung berkurang,
namun pada kadar kolesterol 125 mg/dl atau lebih, tetapi tidak melebihi 336 mg/dl, jika kadar
kolesterol meningkat, maka kadar gula darah 2 jam pp penderita DM tipe 2 akan cenderung
meningkat pula.
2. Dengan asumsi kadar kolesterol tetap
Pada kadar trigliserida kurang dari 361 mg/dl dan lebih dari 63 mg/dl, jika kadar trigliserida
meningkat, maka kadar gula darah puasa penderita DM tipe 2 akan cenderung meningkat pula,
namun pada kadar trigliserida 361 mg/dl atau lebih, tetapi tidak melebihi 806 mg/dl, jika kadar
trigliserida meningkat, maka kadar gula darah puasa penderita DM tipe 2 akan cenderung
berkurang.
Pada kadar trigliserida kurang dari 350 mg/dl dan lebih dari 63 mg/dl, jika kadar trigliserida
meningkat, maka kadar gula darah 2 jam pp penderita DM tipe 2 akan cenderung meningkat pula,
namun pada kadar trigliserida 350 mg/dl atau lebih, tetapi tidak melebihi 806 mg/dl, jika kadar
trigliserida meningkat, maka kadar gula darah 2 jam pp penderita DM tipe 2 akan cenderung
berkurang.
5.2 Saran
Pada penelitian ini diketahui hubungan antara kadar gula darah dan kadar lemak, serta masih banyak
permasalahan yang belum dikaji secara mendalam dan detail. Oleh karena itu, berikut beberapa saran
yang dapat direkomendasikan pada masyarakat, pemerintah dan penelitian selanjutnya.
1. Berdasarkan hasil analisis diketahui bahwa DM tipe 2 berhubungan dengan kadar kolesterol dan
trigliserida. Disarankan kepada masyarakat untuk menjaga kesehatan agar terhindar dari DM tipe 2,
selain itu, bila sudah terkena diabetes, upaya tersebut bisa mengontrol gula darah dan mencegah
timbulnya komplikasi.
2. Indonesia adalah ras yang mudah terkena diabetes dan saat ini telah menjadi urutan kelima negara
dengan penderita DM terbanyak. Oleh karena itu disarankan kepada pemerintah dan instansi terkait
untuk melakukan upaya guna mencegah penderita yang lebih banyak.
3. Karena faktor penyebab DM tipe 2 sangat banyak maka untuk penelitian selanjutnya disarankan
melakukan pengembangan metode untuk variabel prediktor yang lebih dari dua dan menggunakan
Spline dengan derajat tidak hanya satu dan dua.
DAFTAR PUSTAKA
Adams, L.B. 2005. Hyperlipidemia. Diakses di http://www.umn. edu/let/pubs/adol_book.shtm. Tanggal
akses: 5 Maret 2011.
Ariyanto, F. 2006. Smoothing Spline Bivariat Dalam Regresi Nonparametrik dan Aplikasinya. Laporan
Tesis S2 Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember. Surabaya.
12

Budiantara, I. N. 2005. Regresi Spline Linear. Makalah Seminar Nasional Matematika, Jurusan
Matematika, FMIPA Universitas Diponegoro (UNDIP), Semarang.
. 2007(a). Model Keluarga Spline Polinomial Truncated Dalam Regresi
Semiparametrik. Jurnal Matematika, Ilmu Pengetahuan Alam dan Pengajarannya (MIPA), Vol. 36,
No.1, pp. 1-16. Malang: Universitas Negeri Malang.
. 2007(b). Inferensi Statistik Untuk Model Spline. Jurnal Ilmiah Matematika dan
Statistika (Matstat), Vol. 7, No.1, pp. 1-14. Jakarta: Universitas Bina Nusantara.
. 2009. Spline Dalam Regresi Nonparametrik Dan Semiparametrik: Sebuah
Pemodelan Statistika Masa Kini dan Masa Mendatang. Pidato Pengukuhan Untuk Jabatan Guru
Besar Dalam Bidang Ilmu Matematika Statistika dan Probabilitas, Pada Jurusan Statistika, Fakultas
MIPA, Institut Teknologi Sepuluh Nopember. Surabaya: ITS Press.
Eubank, R. L. 1988. Spline Smoothing and Nonparametric Regression. New York: Marcel Dekker.
. 1999. Nonparametric Regression and Spline Smoothing Second Edition. New York:
Marcel Dekker.
Gujarati, D. 1992. Essentials of Econometrics. New York: McGRAW-Hill.Inc.
Khomsah. 2008. Penyakit Diabetes Mellitus (DM). Diakses di http://www.infopenyakit.com/2008/03/
penyakit-diabetes-mellitus-dm.html. Tanggal akses: 5 Maret 2011.
Semiati, R. 2010. Regresi Nonparametrik Deret Fourier Birespon. Laporan Tesis S2 Jurusan Statistika,
Fakultas MIPA, Institut Teknologi Sepuluh Nopember. Surabaya.
Subekti, I. 2009. Apa Itu Diabetes: Patofisiologi, Gejala dan Tanda. Materi Penyuluhan Pasien Pada
Penatalaksanaan Diabetes Melitus Terpadu Edisi Kedua. Jakarta: Balai Penerbit FKUI.
Tandra, H. 2009. Segala Sesuatu Yang Harus Anda Ketahui Tentang Diabetes. Jakarta: PT Gramedia
Pustaka Utama.
Wahba, G. 1990. Spline Models For Observational Data. Pennsylvania: SIAM.
Wang, Y. 1998. Spline Smoothing Models With Correlated Errors. Journal of the American Statistical
Association. Vol. 93, pp. 341-348.
Wang Y., Guo W. dan Brown, M.B. 2000. Smoothing Spline For Bivariate Data With Application To
Association Between Hormones. Statistica Sinica. Vol. 10, pp. 377-397.

13