identifikasi faktor-faktor yang mempengaruhi … · identifikasi faktor-faktor yang mempengaruhi...
TRANSCRIPT
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI
STATUS ANEMIA PADA IBU HAMIL MENGGUNAKAN
METODE CHAID DAN RANDOM FOREST
AZYL YUNIA KOMALA SARI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Faktor-
Faktor yang Mempengaruhi Status Anemia pada Ibu Hamil Menggunakan Metode
CHAID dan Random Forest adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, September 2013
Azyl Yunia Komala Sari
NIM G14090030
ABSTRAK
AZYL YUNIA KOMALA SARI. Identifikasi Faktor-Faktor yang Mempengaruhi
Status Anemia pada Ibu Hamil Menggunakan Metode CHAID dan Random
Forest dibimbing oleh ANIK DJURAIDAH dan LA ODE ABDUL RAHMAN.
Anemia pada ibu hamil merupakan salah satu masalah yang dihadapi oleh
masyarakat. Tingginya angka anemia ibu hamil sejalan dengan kurangnya
kesadaran terhadap pentingnya mengkonsumsi makanan yang bergizi terutama zat
besi pada ibu hamil. Hal yang dapat dilakukan untuk menanggulangi masalah
anemia pada ibu hamil adalah dengan mengklasifikasikan faktor-faktor yang
berhubungan dengan status anemia pada ibu hamil. Metode CHAID (Chisquare
Automatic Interaction Detection) merupakan salah satu metode yang membahas
masalah klasifikasi yang diterapkan pada data yang bertipe kategorik untuk
peubah responnya. Metode CHAID diterapkan pada delapan (8) peubah penjelas
yang digunakan pada penelitian ini dengan pengulangan sebanyak tiga kali
sehingga diperoleh perbedaan hasil pohon klasifikasinya. Perbedaan hasil
klasifikasi dengan metode CHAID mengakibatkan ketidakstabilan peubah
pencirinya, oleh karena itu dilanjutkan dengan metode random forest untuk
melihat peubah penciri yang stabil. Metode random forest menghasilkan tiga
peubah penjelas yang stabil secara berurutan adalah lingkar lengan atas (lila),
frekuensi pemeriksaan kehamilan (anc), dan umur klinis ibu hamil. Peubah penciri
hasil random forest diterapkan pada metode CHAID untuk melihat klasifikasinya.
Metode CHAID dengan kriteria random forest menghasilkan kriteria ibu hamil
yang cenderung anemia ketika ukuran lingkar lengan atas (lila) kurang dari 23.5
cm dan pemeriksaan kehamilan kurang atau sama dengan empat kali, sedangkan
kriteria tidak anemia ketika ukuran lingkar lengan atas (lila) lebih besar atau sama
dengan 23.5 cm dan melakukan pemeriksaan kehamilan (anc) lebih dari satu kali.
Kata Kunci: anemia pada ibu hamil, CHAID, random forest
ABSTRACT
AZYL YUNIA KOMALA SARI. Identification of factors that affect the
maternal anemia status using CHAID method and Random Forest method.
Advised by ANIK DJURAIDAH and LA ODE ABDUL RAHMAN.
Maternal anemia is one of problem in society. The high rates of maternal
anemia in line with lack of awareness to iron consumption. The solution for this
problem is classifiying the factors associated with maternal anemia status. CHAID
method (Chisquare Automatic Interaction Detection) is one of classification
method which type categorical response variable. In this study, CHAID method
applied to eight explanatory variable with repetition three times so that the
resulting classification tree is different. Differences in classification result with the
CHAID method lead to instability identifier variable therefore proceed with the
random forest method to see identifier variable that stable. Random forest
produced three explanatory variables sequentially stable are upper arm
circumference (lila), frequency of prenatal care (anc), and maternal age clinical.
Identifier variable be produced random forest method applied to the CHAID
method to see its classification. CHAID method with random forest criteria
produce that maternal anemia criteria if maternal upper arm circumference (lila)
less than 23.5 cm and frequency of prenatal care (anc) less than four times, where
as maternal normal if maternal upper arm circumference (lila) more than 23.5 cm
and frequency of prenatal care (anc) more than one.
Key words: anemia, maternal, CHAID, random forest
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada Departemen Statistika
Institut Pertanian Bogor
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI
STATUS ANEMIA PADA IBU HAMIL MENGGUNAKAN
METODE CHAID DAN RANDOM FOREST
AZYL YUNIA KOMALA SARI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Skripsi: Identifikasi Faktor-Faktor yang Mempengaruhi Status Anemia pada Ibu Hamil Menggunakan Metode CHAID dan Random Forest
Nama : Azyl Yunia Komala Sari NIM : 014090030
Disetujui oleh
Dr Ir Anik Djuraidah, MS Pembimbing I
Abdul Rahman SSi MSi Pembimbing II
Tanggal Lulus: 2013
Judul Skripsi: Identifikasi Faktor-Faktor yang Mempengaruhi Status Anemia pada
Ibu Hamil Menggunakan Metode CHAID dan Random Forest
Nama : Azyl Yunia Komala Sari
NIM : G14090030
Disetujui oleh
Dr Ir Anik Djuraidah, MS
Pembimbing I
La Ode Abdul Rahman, SSi MSi
Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MS
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji syukur penulis ucapkan kehadirat Allah SWT yang telah melimpahkan
rahmat dan hidayah-Nya sehingga karya ilmiah ini berhasil diselesaikan. Karya
ilmiah yang berjudul “Identifikasi Faktor-Faktor yang Mempengaruhi Status
Anemia pada Ibu Hamil Menggunakan Metode CHAID dan Random Forest” ini
disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Statistika di
Departemen Statistika, Institut Pertanian Bogor.
Penulis menyampaikan ucapan terima kasih kepada :
1. Ibu Dr Ir Anik Djuraidah, MS dan Bapak La Ode Abdul Rahman, SSi MSi
selaku dosen pembimbing yang telah memberikan bimbingan dan saran
selama penulisan karya ilmiah ini.
2. Bapak Dr Anang Kurnia selaku dosen penguji yang telah memberikan saran
dalam penulisan karya ilmiah ini.
3. Kedua orang tua tercinta dan kedua kakak tersayang yang telah memberikan
semangat, nasihat, dukungan, dan kasih sayang kepada penulis.
4. Seluruh dosen dan staf Departemen Statistika yang telah membantu penulis
selama kuliah sampai terselesaikannya karya ilmiah ini.
5. Semua pihak yang telah membantu penulis dalam penulisan karya ilmiah ini.
Penulis menyadari bahwa penulisan karya ilmiah ini masih banyak
kekurangan, oleh karena itu penulis mengharapkan kritik dan saran agar dapat
lebih baik lagi dalam berkarya di masa depan. Penulis sangat berharap karya
ilmiah ini dapat memberikan manfaat kepada pembaca.
Bogor, September 2013
Azyl Yunia Komala Sari
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
METODOLOGI 2
Sumber Data 2
Metode 3
HASIL DAN PEMBAHASAN 7
Eksplorasi Data 7
Klasifikasi Peubah dengan Analisis CHAID 9
Penentuan Peubah Penjelas yang Stabil dengan Random Forest 10
SIMPULAN 13
DAFTAR PUSTAKA 14
RIWAYAT HIDUP 19
DAFTAR TABEL
1 Hasil pohon klasifikasi CHAID pada tiga ulangan 10
2 Nilai peluang salah klasifikasi 11
DAFTAR GAMBAR
1 Proporsi status anemia ibu hamil di enam Puskesmas Kota Bogor 7
2 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah usia 8
3 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah umur klinis 8
4 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah anc 8
5 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah lila 9
6 Nilai MDG masing-masing peubah penjelas 11
7 Pohon klasifikasi CHAID dengan peubah penjelas hasil random forest 12
DAFTAR LAMPIRAN
1 Deskripsi Karakteristik Ibu Hamil 15
2 Diagram hubungan setiap peubah penjelas terhadap status anemia 16
3 Pohon klsifikasi CHAID dengan tiga kali ulangan 17
4 Ketepatan klasifikasi hasil metode CHAID dengan peubah penjelas 18
hasil metode random forest
1
PENDAHULUAN
Latar Belakang
Masalah gizi pada hakikatnya adalah masalah kesehatan masyarakat, namun
penanggulangannya tidak dapat dilakukan dengan pendekatan medis dan
pelayanan kesehatan saja, tetapi harus melibatkan berbagai sektor terkait. Masalah
gizi di Indonesia dan negara berkembang pada umumya masih didominasi oleh
masalah kurang energi protein, anemia besi, kekurangan yodium, kurang vitamin
A, dan obesitas terutama di kota-kota besar (Supariasa 2012).
Kematian ibu hamil di Indonesia 15% hingga 20% secara langsung atau tidak
langsung berhubungan dengan anemia. Anemia merupakan masalah gizi mikro
terbesar dan tersulit di seluruh agenda (Darlina dan Hardinsyah 2003). Sebagian
besar anemia pada ibu hamil adalah anemia karena kekurangan zat besi. Setiap
tahunnya sekitar 4 juta ibu hamil dan menyusui menderita gangguan anemia yang
sebagian besar disebabkan oleh kekurangan zat besi (Bappenas 2007).
Anemia pada ibu hamil akan menghambat dan mengganggu kesehatan ibu
beserta janin yang tengah dikandung. Masalah yang timbul karena anemia adalah
pendarahan sebelum dan pada saat melahirkan, kelahiran bayi prematur,
keguguran, dan berat bayi lahir rendah. Selain itu, seorang ibu yang sedang
menderita anemia juga rentan terkena penyakit jantung. Dengan demikian angka
kematian ibu hamil akibat anemia semakin tinggi.
Anemia secara umum merupakan kondisi kurangnya sel darah merah dalam
tubuh seseorang. Anemia dapat terjadi karena kurangnya hemoglobin (Hb) yang
berarti juga minimnya oksigen ke seluruh tubuh (Arisman 2004). Anemia dalam
kehamilan adalah kondisi ibu dengan kadar hemoglobin (Hb) di bawah 11 g/dl
pada trimester I, trimester II, dan trimester III (Soebroto 2009). Faktor-faktor yang
mempengaruhi anemia pada ibu hamil adalah status kurang energi kronis (kek),
konsumsi zat gizi, konsumsi teh dan tablet penambah darah, infeksi dan penyakit,
serta karakteristik ibu hamil.
Prevalensi anemia pada ibu hamil tahun 2005 di Kota Bogor berdasarkan
penelitian Herlina dan Djamilus (2006) adalah sebesar 42%. Hal ini sejalan
dengan kurangnya kesadaran ibu hamil untuk mengkonsumsi makanan yang
bergizi terutama zat besi pada masa kehamilan. Tingginya angka kematian ibu
hamil akibat anemia dan dampak buruk yang ditimbulkan oleh anemia maka
diperlukan penelitian untuk mengklasifikasikan faktor-faktor yang berpengaruh
terhadap status anemia pada ibu hamil. Salah satu metode yang dapat digunakan
adalah pohon klasifikasi menggunakan metode CHAID (Chisquare Automatic
Interaction Detection). Hasil klasifikasi CHAID akan memberikan informasi
mengenai kecenderungan kejadian anemia pada ibu hamil sehingga pencegahan
terhadap anemia pada ibu hamil dapat dilakukan tanpa harus memeriksakan kadar
hemoglobin (Hb) pada lembaga kesehatan. Hal ini juga akan mengurangi biaya
ibu hamil untuk memeriksakan kadar hemoglobin (Hb) pada tenaga medis.
Penggunaan metode CHAID dalam klasifikasi terkadang mengakibatkan
ketidakstabilan dari pembentukan pohon klasifikasi, sehingga diperlukan metode
yang lebih baik untuk menyelesaikan masalah tersebut. Salah satu solusi yang bisa
dilakukan adalah dengan menggunakan metode pohon gabungan (ensamble tree)
2
(Sartono dan Syafitri 2010). Metode pohon gabungan yang digunakan dalam
penelitian ini adalah random forest. Metode random forest menggunakan tahapan
bootstrap untuk pengambilan contoh pada setiap pembentukan pohon
klasifikasinya. Tujuannya adalah untuk mendapatkan peubah penjelas yang stabil
dari semua pohon klasifikasi yang terbentuk.
Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Menentukan peubah penjelas yang berhubungan dengan status anemia pada
ibu hamil di wilayah kerja Puskesmas Kota Bogor.
2. Menentukan peubah penjelas yang stabil dengan metode random forest.
METODOLOGI
Sumber Data
Data yang digunakan pada penelitian ini adalah data ibu hamil tahun 2012
di enam (6) Puskesmas wilayah Kota Bogor. Puskesmas yang diteliti adalah
Puskesmas Mekarwangi, Puskesmas Cipaku, Puskesmas Tegal Gundil, Puskesmas
Pulo Armin, Puskesmas Sindang Barang, dan Puskesmas Sempur. Data ini terdiri
dari 494 ibu hamil dengan kelengkapan administrasi. Peubah yang digunakan
pada penelitian ini terdiri dari satu peubah respon dan delapan (8) peubah penjelas
( Soebroto 2009), sebagai berikut:
1. Peubah respon
Peubah respon yang digunakan dalam penelitian adalah kadar hemoglobin
(Hb) ibu hamil. Kadar hemoglobin dibedakan menjadi dua kategori, yaitu:
a. Anemia : Kadar hemoglobin <11 gr/dl
b. Tidak anemia : Kadar hemoglobin >= 11 gr/dl
2. Peubah penjelas
Berikut ini adalah peubah penjelas yang digunakan beserta kategorinya
masing-masing yang diperoleh dari Depkes (2003), yaitu:
a. Usia ibu hamil
Usia ibu hamil dikategorikan menjadi tiga kategori, yaitu:
i. Usia < 20 tahun
ii. Usia antara 20 – 35 tahun
iii. Usia > 35 tahun
b. Umur klinis
Umur klinis ibu hamil dibedakan menjadi tiga kategori yaitu:
i. Trimester I (0-12 minggu)
ii. Trimester II (13-28 minggu)
iii. Trimester III ( > 28 minggu)
c. Frekuensi pemeriksaan kehamilan (anc)
Frekuensi pemeriksaan kehamilan dibedakan menjadi tiga kategori, yaitu:
i. 1 kali
ii. 2-4 kalli
iii. > 4 kali
3
d. Tingkat pendidikan
Tingkat pendidikan ibu hamil dilihat dari pendidikan terakhir yang
ditempuh yang dibedakan menjadi empat kategori, yaitu:
i. SD
ii. SMP/ sederajat
iii. SMA/ sederajat
iv. Perguruan tinggi
e. Status pekerjaan
Status pekerjaan dilihat dari kegiatan yang menghasilkan uang sehingga
dibedakan menjadi dua kategori yaitu:
i. Tidak bekerja
ii. Bekerja
f. Ukuran lingkar lengan atas (lila)
Menurut Indiyah (2000) lingkar lengan atas ibu hamil adalah ukuran untuk
melihat status kurang energi kronis (kek) pada ibu hamil. Peubah lingkar
lengan atas ini dibedakan menjadi dua kategori, yaitu:
i. < 23.5 cm
ii. >= 23.5 cm
g. Frekuensi kehamilan (gravida)
Kategori frekuensi kehamilan dilihat dari sebaran data ibu hamil di enam
Puskesmas wilayah Kota Bogor, yaitu:
i. 1-2 kali
ii. > 2 kali
h. Tekanan darah
Tekanan darah dibedakan menjadi tiga kategori yaitu:
i. Normotensi : < 120 mmHg
ii. Perbatasan : 120-139 mmHg
iii. Hipertensi : 140-149 mmHg
Metode
Tahapan analisis yang dilakukan dalam penelitian ini adalah sebagai
berikut:
1. Melakukan analisis statistika deskriptif untuk mengetahui karakteristik ibu
hamil di Kota Bogor.
2. Melakukan analisis CHAID untuk mengetahui klasifikasi peubah penjelas
yang berhubungan dengan status anemia pada ibu hamil. Analisis CHAID
dilakukan dengan tiga kali ulangan dengan mengambil contoh sebanyak n
setiap pengulangan dengan rumus sebagai berikut :
n -
( - )
-
= 357
dengan N = jumlah total keseluruhan data, nilai N = 494 ; w = nilai proporsi
ibu hamil yang anemia, nilai w = 0.281 ; = batasan tingkat kesalahan, nilai
B = 0.025.
4
3. Hasil pohon klasifikasi CHAID masing-masing ulangan dibandingkan dan
dilihat perbedaannya. Menurut Kass (1980) ada 3 tahapan dalam metode
CHAID yaitu:
a. Penggabungan
Melakukan pemeriksaan nilai khi-kuadrat setiap peubah penjelas
terhadap peubah respon.
i. Bentuk tabel kontingensi dua arah untuk masing–masing peubah
penjelas dan peubah respon.
ii. Hitung statistik khi-kuadrat untuk setiap pasangan kategori yang
didapat dan dipilih untuk digabungkan menjadi satu. Pengujian
kebebasannya dalam sebuah sub tabel kontingensi 2 × J yang
dibentuk oleh sepasang kategori dengan peubah respon yang
mempuyai J kategori.
iii. Nilai khi-kuadrat setiap pasangan yang terbentuk dengan rumus
sebagai berikut:
∑∑ nij ij
ij
c
j
r
i
dengan ij ni n j
n ; i ,…,r ; j ,…,c, dan
nij= banyaknya pengamatan pada baris ke-i dan kolom ke-j
ij= nilai harapan pengamatan pada baris ke-i dan kolom ke-j
ni = total banyaknya pengamatan pada baris ke-i
n j= total banyaknya pengamatan pada kolom ke-j
n = total banyaknya data pengamatan
Keputusan yang diambil pada uji khi-kuadrat ini adalah tolak H0
ketika nilai dari hitung > ; r- c-
iv. Setiap nilai khi-kuadrat berpasangan, hitung nilai p-nya. Apabila
ada pasangan yang tidak berhubungan secara nyata maka
gabungkan sebuah pasangan kategori yang paling mirip yaitu
pasangan yang mempunyai nilai khi-kuadrat berpasangan
terkecil dan nilai p terbesar menjadi sebuah kategori tunggal.
v. Periksa kembali nilai khi-kuadrat kategori baru setelah digabung
dengan kategori lainnya dalam peubah penjelas. Jika masih ada
pasangan yang belum berhubungan secara nyata maka ulangi
lagi langkah sebelumnya sampai semua peubah penjelasnya
berhubungan nyata.
b. Pemisahan
Memilih peubah yang digunakan sebagai pemisah simpul terbaik
dengan membandingkan nilai p pada tahap penggabungan untuk setiap
peubah penjelas.
i. Pilih peubah penjelas yang mempunyai nilai p yang paling kecil
yang akan digunakan sebagai pemisah simpul.
ii. Jika nilai p kurang atau sama dengan tingkat spesifikasi alpha
maka pemisah simpul menggunakan peubah ini. Jika tidak ada
peubah penjelas dengan nilai p seperti syarat diatas, maka tidak
dilakukan pemisahan.
5
Koreksi Bonferroni adalah suatu proses koreksi yang digunakan ketika
beberapa uji statistik untuk kebebasan atau ketidakbebasan dilakukan
secara bersamaan (Sharp et al. 2000 dalam Kunto dan Hasana 2002).
Pengali Bonferroni untuk masing-masing peubah penjelas berbeda-
beda sesuai dengan tipe peubahnya, antara lain :
i. Peubah Monotonik
(c
r )
ii. Peubah Bebas
∑ i
r
i
r c
i (r i)
iii. Peubah Mengambang
(c
r ) r (
c
r )
dengan :
M = pengali Bonferroni
c = kategori peubah respon
r = kategori peubah penjelas
c. Ulangi langkah penggabungan sub kelompok berikutnya.
d. Penghentian.
Tahap penghentian dilakukan dengan peraturan pemberhentian berikut
ini:
i. Tidak ada lagi peubah penjelas yang berhubungan dengan
peubah respon.
ii. Jika pohon sekarang mencapai batas nilai maksimum pohon dari
spesifikasi.
iii. Nilai pengamatan pada simpul anak mencapai nilai minimum.
4. Melakukan analisis random forest untuk memperoleh peubah penjelas yang
paling stabil.
Metode random forest pada awalnya dikenalkan oleh Breimen (2001)
dengan jurnalnya yang berjudul Machine Learning yang berupaya untuk
memperbaiki metode bagging. Perbedaan metode random forest dan
bagging terletak pada penambahan tahapan random sub setting sebelum
pembentukan pohon (Sartono dan Syafitri 2010). Menurut Breiman dan
Cutler (2003) pembentukan pohon pada metode random forest ini tidak
menggunakan keseluruhan dari set data total, tetapi kira-kira menggunakan
2/3 dari set data contoh yang disebut dengan gugus data pemodelan dan 1/3
lainnya digunakan untuk menghitung nilai peluang salah klasifikasi dari
pembentukan pohon dan perkiraan peubah yang penting.
Langkah-langkah metode random forest adalah sebagai berikut :
a. Tahapan bootstrap: tarik contoh acak sebesar 2/3 dari gugus data
dengan pemulihan
b. Pada pembentukan pohon dipilih peubah penjelas sebanyak m secara
acak dengan m < banyaknya peubah penjelas (q) pada setiap proses
pemisahan dan lakukan pemisahan terbaik. Pada dasarnya algoritma
pembentukan pohon tunggal dengan metode random forest didasarkan
pada metode CART (classification and regression tree), hanya saja
tidak ada tahapan pemangkasan (pruning). CART merupakan
6
metodologi statistik nonparametrik yang dikembangkan untuk analisis
klasifikasi (Breimen et al. 1993). CART akan menghasilkan pohon
regresi apabila peubah responnya numerik dan menghasilkan pohon
klasifikasi apabila peubah responnya kategorik. Pohon klasifikasi
yang terbentuk secara berulang akan menghasilkan pohon keputusan
biner. Algoritmanya adalah sebagai berikut :
i. Pemilihan pemilah
Pada tahap ini dicari pemilah yang mempunyai simpul yang
paling heterogen. Salah satu teknik yang digunakan adalah
menggunakan impuritas dengan indeks gini. Nilai impuritas
menggunakan indeks gini pada simpul t, i(t) dapat ditulis
sebagai berikut:
i( ) -∑ jj | ) ……
dengan j adalah peluang unit pengamatan dalam kelas ke-j
dari simpul t, dan j=0, 1
(j| ) j j j
∑ j j jj ……
dengan j adalah peluang awal kelas ke-j, j adalah banyaknya
unit pengamatan dalam kelas ke-j, dan j adalah banyaknya
unit pengamatan yang termasuk dalam kelas ke-j pada simpul t.
Nilai kebaikan sekatan (goodness of split) adalah salah satu
evaluasi pemilahan oleh pemilah s pada simpul t dengan rumus
sebagai berikut:
( , ) i( , ) i( )- i( )- i( ) …… 3
dengan adalah besar proporsi amatan saat amatan dan
adalah besar proporsi amatan saat amatan . Pemilihan simpul
pemilah yang terbaik adalah dengan mencari nilai maksimum
dari pemilah simpul t yang terbentuk, yaitu :
i( , ) ma i , ……
ii. Penentuan simpul terminal
Simpul t dapat dijadikan simpul terminal apabila tidak terdapat
penurunan keheterogenan yang berarti pada pemilahan, adanya
batasan minimum n, dan adanya batasan jumlah level atau
tingkat kedalaman pohon maksimal.
iii. Penandaan label kelas.
Label kelas dari simpul terminal ditentukan berdasarkan aturan
jumlah terbanyak.
c. Ulangi langkah a dan b sebanyak k kali. Nilai k merupakan banyaknya
pohon tunggal yang dibentuk.
7
d. Catat nilai peluang salah klasifikasi pada nilai m dan k yang
dicobakan.
e. Catat nilai mean decrease gini (MDG) pada nilai m dan nilai k yang
dicobakan.
Mean decrease gini (MDG) merupakan salah satu ukuran yang
digunakan untuk melihat tingkat kepentingan dari peubah penjelas
pada metode random forest. Cara perhitungannya adalah sebagai
berikut (Sandri dan Zuccolotto 2006):
h
k∑ d(h, ) (h, ) ……
dengan k adalah banyaknya pohon yang terbentuk, d(h, ) adalah besar
penurunan indeks gini untuk peubah penjelas h pada simpul t yang
diperoleh dari persamaan (3) dan (h, ) =1 ketika h memilah simpul t
dan 0 selainnya.
f. Urutkan nilai MDG yang diperoleh dan tentukan peubah penjelas
yang paling stabil.
5. Interpretasi hasil dari metode CHAID dan random forest
HASIL DAN PEMBAHASAN
Eksplorasi Data
Banyaknya ibu hamil yang melakukan pemeriksaan kehamilan di enam
Puskesmas Kota Bogor yang diteliti adalah 494 ibu hamil. Jumlah ini merupakan
data ibu hamil yang mempunyai kelengkapan administrasi. Berdasarkan data yang
diperoleh diketahui bahwa ibu hamil yang menderita anemia adalah sebesar 139
orang (28.14%), sedangkan ibu hamil yang tidak menderita anemia adalah 355
orang (71.86%) seperti terlihat pada Gambar 1. Karakteristik ibu hamil di enam
Puskesmas Kota Bogor untuk setiap peubah penjelas yang digunakan dapat dilihat
pada Lampiran 1.
Gambar 1 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
Gambar 2 menunjukkan hubungan antara status anemia ibu hamil dengan
peubah penjelas usia ibu hamil. Mayoritas ibu hamil di enam Puskesmas Kota
Bogor yang berusia lebih dari 35 tahun menderita anemia. Hal ini terjadi karena
usia lebih dari 35 tahun merupakan kehamilan resiko tinggi.
Anemia
28%
Tidak
anemia
72%
8
Gambar 2 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah usia ( anemia tidak anemia)
Anemia lebih banyak terjadi pada saat umur kehamilan trimester III seperti
terlihat pada Gambar 3. Ibu hamil akan membutuhkan zat besi yang lebih banyak
ketika berada pada kehamilan trimester III. Hal ini terjadi karena kehamilan
trimester III merupakan tahap akhir dari fase kehamilan.
Gambar 3 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah umur klinis ( anemia tidak anemia)
Jika dilihat dari frekuensi pemeriksaan kehamilan (anc) pada Gambar 4,
anemia lebih dominan terjadi pada ibu hamil dengan frekuensi pemeriksaan 1 kali.
Kondisi ini diduga karena kurangnya kesadaran ibu hamil di enam Puskesmas
Kota Bogor untuk mengetahui dan lebih peduli terhadap kesehatan ibu dan janin
yang tengah dikandung. Menurut Hardinsyah et al. (2008) kesehatan yang baik
terutama dalam masa kehamilan harus ditunjang dengan pemeriksaan ibu selama
kehamilan.
Gambar 4 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah anc ( anemia tidak anemia)
Peubah lingkar lengan atas (lila) adalah salah satu cara pengukuran untuk
mengetahui status kurang energi kronis (kek) pada ibu hamil. Ukuran lingkar
lengan atas (lila) ibu hamil kurang dari 23.5 cm cenderung menderita kurang
energi kronis (kek). Berdasarkan ukuran lingkar lengan atas (lila) ibu hamil di
enam Puskesmas Kota Bogor pada Gambar 5, anemia lebih sering terjadi pada ibu
hamil dengan ukuran lingkar lengan atas (lila) kurang dari 23.5 cm, sedangkan ibu
hamil dengan ukuran lingkar lengan atas (lila) lebih atau sama dengan 23.5 cm
0% 20% 40% 60% 80% 100%
< 20 tahun
20-35 tahun
> 35 tahun
0% 20% 40% 60% 80% 100%
trimester I
trimester II
trimester III
0% 20% 40% 60% 80% 100%
1 kali
2-4 kali
> 4 kali
9
mayoritas tidak anemia. Persentase status anemia ibu hamil untuk peubah lainnya
dapat dilihat pada Lampiran 2.
Gambar 5 Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor
untuk peubah lila ( anemia tidak anemia)
Klasifikasi Peubah dengan Analisis CHAID
Pembentukan pohon klasifikasi menggunakan metode CHAID dilakukan
dengan pengulangan sebanyak tiga kali untuk melihat kestabilan peubah penciri
dari pohon klasifikasi CHAID. Pengambilan contoh dilakukan secara acak
menggunakan penarikan contoh acak sederhana dengan n = 357 setiap ulangan.
Nilai peluang salah jenis I ( ) penggabungan dan penyekatan ditentukan sebesar
0.05. Metode pemberhentian pohon yang digunakan yaitu saat masing-masing
peubah tidak berhubungan. Minimum amatan pada simpul induk sebanyak 100
amatan dan minimum simpul anak sebanyak 10 amatan. Kedalaman pohon yang
digunakan tidak dibatasi.
Metode CHAID dilakukan pada delapan peubah penjelas yang terdiri dari
usia, tingkat pendidikan, status pekerjaan, umur klinis, frekuensi kehamilan
(gravida), frekuensi pemeriksaan kehamilan (anc), ukuran lingkar lengan atas
(lila), dan tekanan darah. Pembentukan pohon dilakukan sebanyak tiga kali karena
sudah terlihat perbedaan hasil dendogram yang terbentuk. Evaluasi perbedaan
pohon klasifikasi yang terbentuk dapat dilihat berdasarkan peubah penciri yang
terbentuk, jumlah simpul, kedalaman pohon, dan nilai peluang salah klasifikasi
yang dihasilkan. Perbedaan masing-masing pohon klasifikasi yang terbentuk
dapat dilihat pada Tabel 1.
Peubah penciri yang terbentuk pada setiap ulangan berbeda-beda. Peubah
lila mempunyai hubungan dengan status anemia pada ibu hamil di enam
Puskesmas Kota Bogor untuk setiap ulangan. Peubah umur klinis pada ulangan
kedua dan ketiga mempunyai hubungan dengan status anemia pada ibu hamil,
sedangkan pada pohon klasifikasi ulangan pertama peubah umur klinis tidak
mempunyai hubungan dengan status anemia pada ibu hamil. Peubah tekanan
darah mempunyai hubungan dengan status anemia pada ibu hamil hanya pada
pohon klasifikasi ulangan pertama. Peubah usia ibu hamil pada pohon klasifikasi
ulangan kedua mempunyai hubungan dengan status anemia pada ibu hamil,
sedangkan pada pohon klasifikasi ulangan pertama dan ketiga peubah tersebut
tidak mempunyai hubungan dengan status anemia pada ibu hamil. Secara
keseluruhan peubah lingkar lengan atas (lila) mempunyai hubungan dengan status
anemia pada ibu hamil untuk setiap ulangan. Perbedaan peubah penciri yang
terbentuk menunjukkan ketidakstabilan setiap pohon klasifikasi yang terbentuk.
Banyaknya simpul yang terbentuk pada masing-masing pohon klasifikasi
CHAID berbeda-beda. Banyaknya simpul pada pohon klasifikasi ulangan pertama
0% 20% 40% 60% 80% 100%
< 23.5
>= 23.5
10
dan kedua yaitu tujuh simpul dan lima simpul akhir. Pohon klasifikasi ulangan
ketiga memiliki jumlah simpul yang berbeda dengan pohon klasifikasi ulangan
satu dan dua yaitu sebanyak lima simpul dan tiga simpul akhir. Perbedaan jumlah
simpul pada setiap pembentukan pohon klasifikasi CHAID ini juga menunjukkan
ketidakstabilan pembentukan pohon klasifikasi.
Kedalaman pohon yang terbentuk pada setiap ulangan pembentukan pohon
klasifikasi CHAID juga berbeda-beda. Kedalaman pohon klasifikasi ulangan
pertama dan kedua adalah tiga, sedangkan kedalaman pohon klasifikasi ulangan
ketiga adalah dua. Nilai peluang salah klasifikasi yang dihasilkan pada setiap
ulangan pembentukan pohon klasifikasi berbeda-beda, secara berurutan nilainya
adalah sebesar 0.170, 0.163, dan 0.173. Pohon klasifikasi untuk setiap ulangan
dapat dilihat pada Lampiran 3.
Tabel 1 Hasil pohon klasifikasi CHAID pada tiga ulangan
Berdasarkan perbedaan yang diperoleh dari setiap ulangan pembentukan
pohon klasifikasi CHAID yang dilakukan, dapat diketahui bahwa hasil metode
CHAID memiliki ketidakstabilan pada setiap pembentukan pohonnya, sehingga
diperlukan analisis lanjutan menggunakan random forest untuk melihat kestabilan
dari pembentukan pohon klasifikasi dan peubah penjelas yang stabil.
Penentuan Peubah Penjelas yang Stabil dengan Random Forest
Random forest merupakan salah satu metode pohon gabungan yang relatif
baru dikembangkan. Metode ini digunakan untuk melihat peubah penjelas yang
paling stabil dari keseluruhan peubah penjelas yang digunakan. Pada penelitian ini
dicobakan m = 3, m = 4, dan m = 6 dengan k = 50, 100, 250, dan 1000. Hal ini
bertujuan untuk melihat peluang salah klasifikasi yang dihasilkan menggunakan
metode random forest.
Berdasarkan nilai peluang salah klasifikasi yang dihasilkan dengan beberapa
kriteria seperti di atas, terlihat kestabilan pohon pada m = 3 dan m = 6. Breiman
(2001) menyarankan untuk menggunakan m yang kecil sehingga dipilih kriteria
m = 3 dan k = 50 seperti terlihat pada Tabel 2. Selanjutnya kriteria tersebut
digunakan untuk melihat peubah penjelas yang paling stabil.
Pembeda
Hasil dendogram pada ulangan ke-
1 2 3
Peubah
penjelas yang
terbentuk
Lila, anc, dan
tekanan darah
Lila, umur klinis,
dan usia
Lila dan umur
klinis
Jumlah simpul
yang terbentuk
7
7
5
Jumlah simpul
akhir
4
4
3
Kedalaman
pohon
3
3
2
Peluang salah
klasifikasi
0.170
0.163
0.173
11
Tabel 2 Nilai peluang salah klasifikasi
m k Peluang salah klasifikasi 3 50 0.147
100 0.147
250 0.147
1000 0.147
4 50 0.147
100 0.151
250 0.151
1000 0.151
6 50 0.153
100 0.153
250 0.153
1000 0.153
Salah satu ukuran yang dapat digunakan untuk melihat kestabilan peubah
penjelas adalah dengan melihat nilai mean decrease gini (MDG) seperti terlihat
pada Gambar 6 yang berisikan nilai MDG masing-masing peubah penjelas.
Peubah penjelas yang mempunyai tingkat kepentingan peubah paling tinggi secara
berurutan adalah lingkar lengan atas (lila), frekuensi pemeriksaan kehamilan (anc),
dan umur klinis ibu hamil.
Gambar 6 Nilai MDG masing-masing peubah penjelas
Kekurangan dari metode random forest adalah sulit untuk menampilkan
dendogram klasifikasinya. Salah satu upaya yang dapat dilakukan adalah dengan
membentuk dendogram pohon klasifikasi menggunakan metode CHAID
berdasarkan kriteria yang dihasilkan oleh metode random forest. Peubah penjelas
yang stabil hasil analisis random forest terdiri dari lingkar lengan atas (lila), umur
kehamilan, dan frekuensi pemeriksaan kehamilan (anc) akan dibentuk dendogram
menggunakan analisis CHAID seperti terlihat pada Gambar 7, sehingga dapat
dilihat klasifikasi pada setiap kategori peubah respon.
Diagram pohon hasil analisis CHAID seperti terlihat pada pada Gambar 7
menggambarkan bahwa simpul utama berisikan informasi total ibu hamil yang
melakukan konsultasi di enam Puskesmas Kota Bogor yang diteliti. Banyaknya
ibu hamil adalah 494 ibu hamil, yang terdiri dari 355 ibu hamil (71.9%) dengan
a u anemia “anemia” dan 39 ibu hamil 8 % dengan a u anemia “ idak
anemia”
0 0,1 0,2 0,3
tekanan darah
pekerjaan
gravida
umur ibu
pendidikan
umur kilnis
anc
lila
12
Gambar 7 Pohon klasifikasi CHAID dengan peubah penjelas hasil random forest
Peubah pertama yang menjadi pemilah adalah lingkar lengan atas (lila)
dengan dua kategori, terdiri dari ukuran lingkar lengan atas (lila) kurang dari 23.5
cm dan ukuran lingkar lengan atas (lila) lebih atau sama dengan 23.5 cm. Peubah
lingkar lengan atas (lila) dapat dikatakan sebagai peubah penciri status anemia ibu
hamil di enam Puskesmas Kota Bogor karena mampu untuk membedakan status
anemia ibu hamil. Ukuran lingkar lengan atas (lila) kurang dari 23.5 cenderung
terkena anemia, sedangkan ukuran lingkar lengan atas (lila) lebih atau sama
dengan 23.5 cm cenderung tidak anemia.
Peubah kedua adalah umur klinis yang terdiri dari dua kategori baru yaitu
umur klinis trimester I, II digabung menjadi satu kategori dan umur klinis
trimester III. Ibu hamil dengan umur klinis trimester I, trimester II, dan trimester
III dan ukuran lila lebih besar atau sama dengan 23.5 cm cenderung tidak anemia.
13
Peubah penjelas terakhir adalah frekuensi pemeriksaan kehamilan (anc)
dengan dua kategori baru yaitu frekuensi pemeriksaan kehamilan satu sampai
empat kali dan frekuensi pemeriksaan kehamilan lebih dari empat kali. Ibu hamil
yang pernah memeriksakan kehamilan dan ukuran lingkar lengan atas lebih atau
sama dengan 23.5 cm cenderung tidak anemia. Ibu hamil dengan pemeriksaan
kehamilan kurang dari empat kali dan ukuran lingkar lengan atas (lila) kecil dari
23.5 cm cenderung anemia, sedangkan ibu hamil dengan fekuensi pemeriksaan
kehamilan (anc) lebih dari empat kali dan ukuran lingkar lengan atas (lila) kecil
dari 23.5 cm belum bisa membedakan anemia atau tidak anemianya. Frekuensi
pemeriksaan kehamilan (anc) merupakan upaya pelayanan kesehatan bagi ibu
hamil dan janin oleh tenaga profesional yang meliputi pemeriksaan kehamilan
sesuai dengan standar pelayanan. Bila kehamilan termasuk resiko tinggi maka
perhatian dan jadwal kunjungan harus lebih ketat. Ketepatan klasifikasi hasil
metode CHAID dengan kriteria hasil metode random forest dapat dilihat pada
Lampiran 4.
Berdasarkan tiga peubah yang diperoleh dari metode random forest dan
metode CHAID maka diperoleh peubah penciri yang mampu membedakan status
anemia ibu hamil di enam Puskesmas Kota Bogor yaitu peubah lingkar lengan
atas (lila) dan frekuensi pemeriksaan kehamilan (anc). Ibu hamil dengan ukuran
lingkar lengan atas (lila) kurang dari 23.5 cm dan frekuensi pemeriksaan
kehamilan (anc) kurang dari empat kali lebih cenderung terkena anemia,
sedangkan ibu hamil dengan ukuran lingkar lengan atas (lila) lebih atau sama
dengan 23.5 cm dan pernah memeriksakan kehamilannya kepada tenaga medis
cenderung tidak anemia.
SIMPULAN
Peubah penjelas yang berhubungan dengan status anemia pada ibu hamil di
enam Puskesmas wilayah Kota Bogor adalah ukuran lingkar lengan atas (lila),
frekuensi pemeriksaan kehamilan (anc), umur klinis ibu hamil, usia, dan tekanan
darah. Peubah penjelas yang stabil hasil metode random forest secara berurutan
adalah lingkar lengan atas (lila), frekuensi pemeriksaan kehamilan (anc), dan
umur klinis ibu hamil.
Hasil dari metode CHAID dengan peubah penjelas hasil random forest
menghasilkan kriteria mengenai status anemia pada ibu hamil. Kriteria pertama
adalah Ibu hamil dengan ukuran lingkar lengan atas(lila) kurang dari 23.5 cm dan
frekuensi pemeriksaan kehamilan (anc) kurang dari empat kali cenderung terkena
anemia. Kriteria kedua adalah ibu hamil yang pernah memeriksakan kehamilan
dan ukuran lingkar lengan atas (lila) lebih besar atau sama dengan 23.5 cm
cenderung tidak anemia. Dengan demikian ibu hamil dengan karakteristik tersebut
dapat waspada terhadap resiko anemia dan melakukan upaya pencegahan sebelum
terkena anemia.
14
DAFTAR PUSTAKA
Bappenas. 2007. Rencana Aksi Nasional Pangan dan Gizi 2006-2010: Jakarta
(ID).
Breiman L, JH Friedman, RA Olshen, CJ Stone. 1993. Classification and
Regression Trees. New York (US): Champan and Hall.
Breiman L. 2001. Random Forest. Machine Learning. 45: 5-32.
Breiman L, Cutler A. 2003. Manual on Setting Up, Using, and Understanding
Random Forest V4.0.[Internet]. [diunduh 2013 Mei 10]. Tersedia pada:
http://oz.berkeley.edu/ users/breiman/Using_random_forests_v4.0.pdf.
Darlina, Hardiansyah. 2003. Faktor Risiko Anemia Pada Ibu Hamil di Kota Bogor.
Media Gizi dan Keluarga. 27(2): 34-41.
[Depkes RI] Departemen Kesehatan RI. 2003. Pedoman Umum Gizi Seimbang.
Jakarta: Depkes RI
Eherler D, Lehmann T. 2001. Responder Profiling with CHAID and Dependency
Analysis.[Internet]. [diunduh 2013 April 12]. Tersedia pada:
www.informatik.unifreiburg.de/~ml/ecmlpkdd/WSProceedings/w10/lehman
n.pdf.
Gallagher, C. A. 2000. An Iterative Approach to Classification Analysis.[Internet].
[diunduh 2013 April 09]. Tersedia pada: www.casact.org/ library/
ratemaking/ 90dp237.pdf.
Hastie TJ, Tibshirani RJ, Friedman JH. 2008. The Elements of Statistical
Learning: Data-mining, Inference and Prediction.Second Edition. New
York (US): Springer-Verlag.
Herlina N, Djamilus F. 2006. Faktor-Faktor Resiko Kejadian Anemia pada Ibu
Hamil di Wilayah Kerja Puskesmas Bogor. Bogor [ID]. Majalah
Pengembangan dan Pemberdayaan Sumber Daya Manusia Kesehatan.
2(2):32-33
Indiyah W. 2000.Hubungan Kurang Energi Kronis dengan Anemia Gizi pada Ibu
Hamil [tesis]. Semarang [ID]: Universitas Diponegoro
Kunto YS, Hasana SN. 2006. Analisis CHAID Sebagai Alat Bantu Statistika
untuk Segmentasi Pasar. Jurnal Manejemen : Universitas Kristen Petra.
Sartono B, Syafitri UD. 2010. Ensamble Tree: an Alternative Toward Simple
Classification and Regression Tree. Forum Statistika dan Komputasi. 15(1):
1-7.
Soebroto Ikhsan. 2009. Cara Mudah Mengatasi Problem Anemia. Jakarta (ID):
Gramedia
Supariasa ID. 2012. Penilaian Status Gizi. Jakarta: Penerbit Buku Kedokteran
EGC.
15
Lampiran 1 Deskripsi Karakteristik Ibu Hami
< 20
tahun
10%
20-35
tahun
79%
> 35
tahun
11%
Usia
trimes
ter I
29%
trimes
ter II
45%
trimes
ter III
26%
Umur klinis
1-2
kali
71%
> 2
kali
29%
Gravida < 23.5
27%
>=
23.5
73%
Lila
Normo
tensi
86%
Perbata
san
13%
Hiperte
nsi
1%
Tekanan darah
1 kali
43%
2-4
kali
43%
> 4
kali
14%
Anc
SD
47%
SMP/se
derajat
29%
SMA/se
derajat
21%
Perguru
an
Tinggi
3%
Pendidikan
Tidak
bekerja
90%
Bekerja
10%
Pekerjaan
16
Lampiran 2 Diagram hubungan setiap peubah penjelas terhadap status anemia
a. Persentase status anemia pada ibu hamil di enam Puskesmas Kota Bogor
dengan peubah pekerjaan ( anemia tidak anemia)
b. Persentase status anemia pada ibu hamil di enam Puskesmas Kota Bogor
dengan peubah tingkat pendidikan ( anemia tidak anemia)
c. Persentase status anemia pada ibu hamil di enam Puskesmas Kota Bogor
dengan peubah tekanan darah ( anemia tidak anemia)
d. Persentase status anemia ibu hamil di enam Puskesmas Kota Bogor dengan
peubah fekuensi kehamilan (gravida) ( anemia tidak anemia)
0% 20% 40% 60% 80% 100%
Tidak bekerja
Bekerja
0% 50% 100%
SD
SMP/sederajat
SMA/sederajat
Perguruan Tinggi
0% 20% 40% 60% 80% 100%
Normotensi
Perbatasan
Hipertensi
0% 20% 40% 60% 80% 100%
1-2 kali
> 2 kali
17
Lampiran 3 Pohon klasifikasi CHAID pada tiga kali ulangan
a. Pohon klasifikasi ulangan I
b. Pohon klasifikasi ulangan II
18
c. Pohon klasifikasi ulangan III
Lampiran 4 Ketepatan klasifikasi hasil metode CHAID dengan kriteria hasil
metode random forest
Aktual Prediksi
Tidak Anemia Anemia % Benar
Tidak Anemia 337 28 92.3%
Anemia 47 92 66.2%
ketepatan keseluruhan 85.1%
19
RIWAYAT HIDUP
Azyl Yunia Komala Sari dilahirkan di Kubang, Kabupaten 50 Kota,
Sumatera Barat pada tanggal 8 Juni 1991 dari pasangan Bapak Yedrial dan Ibu
Zuriati. Penulis merupakan anak ketiga dari tiga bersaudara.
Tahun 2003 penulis menyelesaikan pendidikan dasar di SD 46 Kubang,
Kabupaten 50 Kota, Sumatera Barat, kemudian menyelesaikan pendidikan
menengah pertama di SMP 1 Kecamatan Guguk, Kabupaten 50 Kota, Sumatera
Barat pada tahun 2006. Pada tahun 2009 penulis menyelesaikan pendidikan
menengah atas di SMA 1 Kecamatan Guguk, Kabupaten 50 Kota, Sumatera Barat.
Pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor
melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis Mengikuti program
mayor Statistika dan minor Matematika Aktuaria di Fakultas Matematika dan
Ilmu Pengetahan Alam. Selama mengikuti perkuliahan, penulis aktif dalam
Himpunan Keprofesian Gamma Sigma Beta (GSB) sebagai staff divisi Science
pada tahun 2011, selain itu tahun 2012 penulis juga aktif di GSB pada divisi
Kestari. Penulis aktif dalam kepanitian Statistika Ria 2012, Welcome Ceremony
of Statistics ( WCS) 2011, Welcome Ceremony of Statistic (WCS) 2012, Pesta
Sains 2011, Spirit FMIPA 2012, dan bedah buku 9 Summer 10 Autumns 2011.
Pada bulan Februari sampai April 2013 penulis melaksanakan kegiatan praktik
lapang di Balai Penelitian Tanaman Rempah dan Aromatik (BALITTRO).
