Analisis Regresi Nonparametrik Generalized Penalized Spline Sebagai Alternatif Regresi Parametrik Generalized Linier Mixed Model Pada Data Longitudinal Biprediktor

Pada bidang kesehatan data longitudinal kerapkali dibutuhkan karena diperoleh informasi perubahan kondisi pasien setiap waktu terhadap peubah respon. Apabila ingin mengetahui perubahan peubah respon dari satu atau lebih peubah prediktor, pada umumnya metode statistika yang digunakan adalah regresi. Regresi yang diterapkan pada penelitian ini menggunakan pendekatan parametrik dan nonparametrik yang diaplikasikan pada data longitudinal dengan satu respon dan bi-prediktor, di mana regresi parametrik dengan pendekatan GLMM harus mengikuti suatu bentuk polinomial derajat ke-m secara jelas. Melihat kelemahan pada regresi parametrik GLMM maka dilakukan alternatif lain yakni menggunakan regresi nonparametrik, salah satunya dengan pendekatan GPS. Data yang digunakan pada penelitian ini adalah kadar SuPar (Y), waktu pengamatan (t1) dan berat badan (t2) pada pasien penderita Tuberkulosis Paru (pulmonary). Berdasarkan penelitian, hasil pendugaan dengan regresi parametrik pendekatan GLMM menghasilkan R2 sebesar 67.48% yang melibatkan ordo polinomial untuk waktu (kuadratik) dan berat (linier) pada efek tetap dan intersep untuk efek acak, sedangkan untuk regresi nonparametrik dengan pendekatan GPS diperoleh GCV 9.983 pada 2 titik knot untuk masing-masing peubah prediktor yang menghasilkan R2 sebesar 87.92%. Penambahan prediktor memberikan manfaat lebih yaitu informasi yang menyebabkan perubahan peubah respon, oleh sebab itu diharapkan penambahan lebih dari biprediktor diterapkan pada penelitian selanjutnya