Analisis Hubungan Lingkungan dan Sosio-Demografis terhadap Hasil Kehamilan Melalui Jaringan Bayesian: Studi Kasus di Ohio
Nirmala Febriyanti Putri
Makalah ini melaporkan integrasi basis data United States Environmental Justice Screen (EJSCREEN) dari United States Environmental Protection Agency (USEPA) dengan dataset Public Health Exposome untuk menyelidiki 9232 blok sensus. Tujuan utamanya adalah untuk memodelkan kompleksitas hubungan antara variabel lingkungan dan sosio-demografis guna mengestimasi hasil kehamilan yang buruk (berat lahir rendah [LBW] dan kelahiran prematur [PTB]) di semua county di Ohio. Penelitian ini menggunakan algoritma hill-climbing dalam perangkat lunak R untuk menghasilkan jaringan Bayesian yang memetakan semua asosiasi yang dikontrol.
Dalam penelitian ini, nilai p untuk setiap asosiasi dihitung untuk mendapatkan matriks kedekatan yang merepresentasikan asosiasi signifikan antara pasangan variabel lingkungan dan/atau sosio-demografis yang dikontrol oleh semua variabel lainnya. Matriks kedekatan jaringan Bayesian yang tertimbang ini memuat semua nilai p signifikan (< 0,05) untuk setiap tautan. Data dari EJSCREEN USEPA dan Departemen Kesehatan Ohio dihubungkan ke 9232 identifier blok sensus standar di semua county Ohio dan dianalisis menggunakan machine learning. Jaringan ini mengembangkan asosiasi yang menyumbang kepadatan 32,85% dan derajat rata-rata 9,2. Visualisasi otomatis mengakomodasi nilai relatif tautan (diperoleh dengan mengubah nilai p melalui log-transformasi dan normalisasi/pemotongan dari 5 menjadi 1) menggunakan algoritma pemetaan diikuti oleh algoritma berbasis energi yang tersedia dalam perangkat lunak Pajek, yang menempatkan node yang lebih terhubung di tengah grafik.