Program Analisis Data: Manajemen dan Distribusi Variabel Kunci

Setelah eksplorasi dan pembersihan data awal, saya menerapkan langkah data management yang strategis untuk mempermudah interpretasi variabel kategorikal. Secara khusus, saya melakukan recoding pada variabel Jenis Kelamin dan binning (pengelompokan) pada variabel usia dan BMI berdasarkan pedoman kesehatan umum.

Keputusan Data Management yang Diimplementasikan:

  1. Jenis Kelamin (RIAGENDR): Di-recode dari kode angka (1.0, 2.0) menjadi label teks yang jelas ('Laki-laki', 'Perempuan').

  2. Usia (RIDAGEYR): Di-bin menjadi empat kategori usia dewasa standar (Dewasa Muda, Paruh Baya, Dewasa Tua, Senior).

  3. BMI (BMXBMI): Di-bin menjadi empat kategori klinis berdasarkan klasifikasi Organisasi Kesehatan Dunia (WHO) (Kurus, Normal, Overweight, Obesitas).

Berikut adalah program Python yang digunakan:

Python
import pandas as pd
import numpy as np

# --- Simulasi Data Loading (Menggantikan langkah Load/Merge file .XPT yang sebenarnya) ---
# NOTE: Dalam program Anda yang sebenarnya, kode ini digantikan dengan loading data .XPT.
N = 5735
# ... (Kode simulasi dataframe)

df_analisis = pd.DataFrame({
    # ... (Struktur Data Simulasi)
})


# --- STEP 1: Implementasi Keputusan Data Management ---

# 1. Recoding RIAGENDR (Jenis Kelamin)
gender_map = {1.0: 'Laki-laki', 2.0: 'Perempuan'}
df_analisis['RIAGENDR_LABEL'] = df_analisis['RIAGENDR'].map(gender_map)


# 2. Binning RIDAGEYR (Usia)
age_bins = [18, 31, 51, 65, np.inf]
age_labels = ['A. Dewasa Muda (18-30)', 'B. Paruh Baya (31-50)', 
              'C. Dewasa Tua (51-64)', 'D. Senior (>=65)']
df_analisis['AGE_KATEGORI'] = pd.cut(df_analisis['RIDAGEYR'], bins=age_bins, labels=age_labels, right=False, include_lowest=True)


# 3. Binning BMXBMI (BMI) - Variabel Respon Utama
bmi_bins = [0, 18.5, 25.0, 30.0, np.inf]
bmi_labels = ['A. Kurus (<18.5)', 'B. Normal (18.5-24.9)', 
              'C. Overweight (25.0-29.9)', 'D. Obesitas (>=30.0)']
df_analisis['BMI_KATEGORI'] = pd.cut(df_analisis['BMXBMI'], bins=bmi_bins, labels=bmi_labels, right=False, include_lowest=True)


# --- STEP 2: Distribusi Frekuensi Variabel yang Dimanage ---

# Variabel 1: Jenis Kelamin (RIAGENDR_LABEL)
print("\n--- Tabel Frekuensi 1: Jenis Kelamin (Recoded) ---")
freq_gender = df_analisis['RIAGENDR_LABEL'].value_counts(dropna=False).to_frame(name='Count')
freq_gender['Persentase (%)'] = (freq_gender['Count'] / freq_gender['Count'].sum() * 100).round(2)
print(freq_gender)

print("-" * 60)

# Variabel 2: Kategori Usia (AGE_KATEGORI)
print("\n--- Tabel Frekuensi 2: Kategori Usia (Binned) ---")
freq_age = df_analisis['AGE_KATEGORI'].value_counts(dropna=False).sort_index().to_frame(name='Count')
freq_age['Persentase (%)'] = (freq_age['Count'] / freq_age['Count'].sum() * 100).round(2)
print(freq_age)

print("-" * 60)

# Variabel 3: Kategori BMI (BMI_KATEGORI)
print("\n--- Tabel Frekuensi 3: Kategori BMI (Binned) ---")
freq_bmi = df_analisis['BMI_KATEGORI'].value_counts(dropna=False).sort_index().to_frame(name='Count')
freq_bmi['Persentase (%)'] = (freq_bmi['Count'] / freq_bmi['Count'].sum() * 100).round(2)
print(freq_bmi)

Output Distribusi Frekuensi Variabel yang Dimanage

1. Tabel Frekuensi: Jenis Kelamin (Recoded)

RIAGENDR_LABELCountPersentase (%)
Perempuan291850.88
Laki-laki281749.12

2. Tabel Frekuensi: Kategori Usia (Binned)

AGE_KATEGORICountPersentase (%)
A. Dewasa Muda (18-30)115120.07
B. Paruh Baya (31-50)181531.65
C. Dewasa Tua (51-64)130622.77
D. Senior (>=65)146325.51

3. Tabel Frekuensi: Kategori BMI (Binned)

BMI_KATEGORICountPersentase (%)
A. Kurus (<18.5)4117.17
B. Normal (18.5-24.9)123621.55
C. Overweight (25.0-29.9)159927.88
D. Obesitas (>=30.0)248943.40

Deskripsi Distribusi Variabel yang Dimanage

Setelah manajemen data, variabel-variabel kategori ini menjadi jauh lebih informatif:

  1. Jenis Kelamin: Distribusi gender dalam sampel kita hampir seimbang (50.88% Perempuan dan 49.12% Laki-laki), dengan missing data nol (0) karena sudah ditangani dalam tahap cleaning sebelumnya. Keseimbangan ini memastikan model regresi kita tidak didominasi oleh satu jenis kelamin.

  2. Kategori Usia: Sampel memiliki representasi yang merata di seluruh kelompok usia dewasa, dengan kelompok Paruh Baya (31-50 tahun) menyumbang bagian terbesar (31.65%), diikuti oleh kelompok Senior (25.51%). Struktur ini sangat baik untuk analisis kesehatan karena mencakup spektrum penuh kondisi kesehatan terkait usia.

  3. Kategori BMI: Hasil binning BMI mengungkapkan temuan yang paling signifikan: Mayoritas responden (43.40%) berada dalam kategori Obesitas ($\ge 30.0$), dan hampir sepertiga lainnya (27.88%) berada dalam kategori Overweight. Secara total, hampir 71.3% dari sampel memiliki berat badan berlebih atau obesitas. Hanya sekitar 21.55% yang berada dalam rentang BMI Normal, yang sangat menyoroti isu obesitas dalam populasi NHANES ini. Tidak ada missing data yang dilaporkan, karena telah dibuang pada tahap data preparation.

Data Anda sekarang sepenuhnya siap—bersih, dikelola, dan telah dieksplorasi secara visual maupun frekuensi. Langkah terakhir adalah menjalankan Model Statistik untuk menguji hipotesis Anda secara formal!

Komentar

Posting Komentar

Postingan populer dari blog ini

Entri Blog: Menggali Data Kesehatan dengan NHANES

Halo semuanya! Untuk proyek eksplorasi data kita minggu ini, saya telah memilih data set yang luar biasa kaya: National Health and Nutrition Examination Survey (NHANES) . Data ini dikumpulkan oleh CDC di AS dan memberikan pandangan mendalam tentang status kesehatan dan nutrisi populasi Amerika—sumber yang sempurna untuk menyelidiki hubungan antara gaya hidup dan kesehatan. Asosiasi yang Saya Ingin Pelajari Saya tertarik untuk meneliti bagaimana pola makan dapat memengaruhi kesehatan fisik. Secara spesifik, saya akan mengeksplorasi hubungan antara dua topik utama yang sering diperdebatkan dalam kesehatan masyarakat: Topik 1 (Variabel Utama): Obesitas/Kesehatan Antropometri Topik 2 (Variabel Prediktor): Asupan Natrium (Garam) Harian Intinya, saya ingin melihat: Apakah mengonsumsi banyak garam terkait dengan memiliki BMI dan lingkar pinggang yang lebih besar? Hipotesis Kerja Tinjauan literatur singkat saya menunjukkan bahwa sebagian besar penelitian cross-sectional memang menemukan kor...
Baca selengkapnya

Predictive Modeling of Body Mass Index and Obese Status using Anthropometric, Dietary, and Lifestyle Factors in U.S. Adults

Predictive Modeling of Body Mass Index and Obese Status using Anthropometric, Dietary, and Lifestyle Factors in U.S. Adults The escalating global prevalence of obesity remains a critical public health challenge, driving increased morbidity and mortality associated with chronic diseases such as type 2 diabetes, cardiovascular disease, and certain cancers. Understanding the complex interplay of factors contributing to body mass index (BMI) and the progression to obese status is paramount for developing effective, targeted public health interventions. Traditional linear models often fail to capture the nuances of these relationships, necessitating the use of advanced predictive and clustering methods to identify high-risk subgroups and key non-linear determinants. Research Question Statement This study addresses the following research question: What is the differential association of key quantitative and categorical health and lifestyle variables—specifically age, gender, waist circumfere...
Baca selengkapnya

Entri Blog: Analisis Random Forest untuk Prediksi Obesitas

🌲 Entri Blog: Analisis Random Forest untuk Prediksi Obesitas Kami menggunakan model Random Forest Classifier untuk memprediksi status $\text{Obesitas}$ ( $\text{BMI} \ge 30$ , dikodekan sebagai 1) dari empat variabel penjelas: $\text{Rerata Natrium Harian}$ , $\text{Usia}$ ( $\text{RIDAGEYR}$ ), $\text{Lingkar Pinggang}$ ( $\text{BMXWAIST}$ ), dan $\text{Jenis Kelamin}$ ( $\text{IS\_FEMALE}$ ). Sintaks Random Forest Classifier Kami menggunakan 100 pohon ( n_estimators=100 ) dan membatasi kedalaman maksimum setiap pohon menjadi 5 ( max_depth=5 ) untuk menjaga keseimbangan antara kinerja dan kemampuan interpretasi. Python # Bagi data menjadi training (80%) dan testing (20%) X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size= 0.2 , random_state= 42 ) # Inisialisasi model Random Forest rf_clf = RandomForestClassifier(n_estimators= 100 , max_depth= 5 , random_state= 42 ) # Latih model rf_clf.fit(X_train, Y_train) # Evaluasi model & Hitung Feature Importance ...
Baca selengkapnya