ESTIMASI PARAMETER DISTRIBUSI LOG-LOGISTIK PADA DATA SURVIVAL TERSENSOR TIPE II
|
|
- Liani Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI PARAMETER DISTRIBUSI LOG-LOGISTIK PADA DATA SURVIVAL TERSENSOR TIPE II Ryndha, Anna 2, Nasrah 3 ABSTRAK Data survival adalah data yang menunjukkan waktu suatu individu atau objek dapat bertahan hingga terjadinya suatu kegagalan atau kejadian tertentu. Pada makalah ini, dibahas mengenai estimasi parameter distribusi log-logistik pada data survival tersensor tipe II dengan metode penaksir maksimum likelihood estimator. Selanjutnya diterapkan pada data simulasi pasien penyakit ginjal kronik PGK) tahun 24 yang berdistribusi Log-logistik. Penelitian ini bertujuan untuk mengetahui peluang pasien untuk dapat bertahan hidup. Berdasarkan hasil olah data simulasi diperoleh peluang hidup pasien yang menderita PGK selama 5 bulan adalah,254, sedangkan untuk pasien yang menderita PGK selama 5 bulan peluang hidupnya jauh lebih tinggi yaitu sebesar,659. Kata Kunci: Distribusi Log-logistik, Data tersensor tipe II, Maksimum Likelihood Estimator. Pendahuluan Perkembangan ilmu pengetahuan saat ini, khususnya di bidang statistika, menghasilkan penemuan-penemuan alat analisis yang dapat digunakan untuk menganalisis suatu permasalahan. Salah satunya adalah analisis uji hidup yang digunakan untuk meneliti daya tahan hidup suatu unit atau individu pada suatu keadaan tertentu. Analisis yang digunakan untuk menganalisis data waktu hidup tersebut disebut analisis survival. Analisis survival mencakup survival time waktu tahan hidup) atau failure time Collet, 997). Terdapat dua cara yang dapat dilakukan dalam pengambilan sampel pada analisis data tahan hidup yaitu pengamatan tersensor dan pengamatan tidak tersensor pengamatan lengkap). Pengamatan tidak tersensor merupakan pengamatan yang diambil jika semua individu atau unit data yang diteliti mati atau gagal sampai jangka waktu yang ditentukan. Pengamatan tersensor dilakukan jika waktu tahan hidup dari individu yang diamati tidak diketahui secara pasti. Pengamatan tersensor diindikasi adanya individu yang tetap hidup sampai jangka waktu yang ditentukan Lee, 23). Ada tiga jenis penyensoran dalam pengamatan terhadap waktu tahan hidup yaitu sensor tipe I, sensor tipe II dan sensor tipe III. Sebagian besar penelitian menggunakan penyensoran tipe II karena waktu pengamatan dapat dihentikan setelah diperoleh sebanyak r kegagalan, sehingga peneliti dapat menghemat waktu dan biaya. Analisis data survival yang menggunakan data tersensor diperlukan asumsi tertentu tentang distribusi populasinya. Adapun dalam tulisan ini digunakan fungsi survival berdistribusi Log-Logistik pada data survival tersensor tipe II. Dalam bidang kesehatan, distribusi Log-logistik dapat digunakan untuk meneliti data tahan hidup pasien. Misalnya pada pasien penderita penyakit ginjal kronik PGK). 2. Tinjauan Pustaka 2. Data Survival Data survival adalah data yang menunjukkan lamanya individu-individu atau unitunit dari suatu populasi menjalankan fungsinya dengan baik sampai kegagalan individuindividu tersebut. Kleinbaum 25) mengemukakan bahwa ada tiga elemen yang perlu diperhatikan dalam menentukan waktu survival, antara lain:
2 a. Time origin atau starting point titik awal) adalah waktu dimulainya suatu penelitian b. Ending event of interest kejadian akhir) adalah kejadian yang menjadi inti dari penelitian. c. Measurement scale for the passage of time, yaitu skala ukuran untuk berlalunya waktu. Waktu ketahan hidup T) merupakan variabel random non-negatif yang mewakili ketahanan hidup dari individu-individu dalam populasi yang merupakan variabel random kontinu dalam interval atau ketahanan hidup pada waktu t dengan t> Lawless, 982). Untuk mengetahui ketahanan hidup dapat diperoleh dengan mengestimasi distribusi fungsi-fungsi ketahanan hidupnya. Distribusi waktu ketahanan hidup dapat dinyatakan oleh tiga fungsi yang ekuivalen yaitu fungsi survival,fungsi Hazard, dan fungsi kepadatan peluang. Fungsi kepadatan peluang ft) adalah yang didefinisikan sebagai limit probabilitas individu gagal dalam interval periodik t sampai, atau lebih mudahnya ialah probabilitas kegagalan dalam sebuah interval pendek perunit waktu yang didefinisikan sebagai berikut: * + * + Fungsi survival adalah peluang bahwa suatu individu akan tetap hidup sampai waktu t t >). Jika T merupakan variabel random dari waktu tahan hidup suatu individu, maka St) adalah peluang bahwa T lebih besar dari t. Fungsi Hazard menyatakan peluang kegagalan suatu individu pada waktu t, jika diketahui bahwa individu tersebut tetap hidup hingga waktu t. * Data Tersensor Data tersensor adalah data yang diperoleh sebelum semua data teramati waktu hidupnya, sementara waktu pengamatan telah berakhir. Menurut Lee dan Wang 23), ada tiga tipe penyensoran yang sering digunakan dalam pengamatan uji hidup yaitu sebagai berikut:. Sensor Tipe I, merupakan tipe penyensoran dimana percobaan akan dihentikan setelah mencapai waktu T yang telah ditentukan untuk mengakhiri semua n individu yang masuk pada waktu yang sama. Berakhirnya waktu uji T menjelaskan waktu sensor uji. Dengan kata lain, jika terdapat individu yang hilang secara tiba-tiba maka waktu survival observasi tersensor sama dengan lama waktu pengamatan. 2. Sensor Tipe II, merupakan tipe penyensoran dimana sampel ke-r merupakan observasi terkecil dalam sampel random berukuran n Dari total sampel berukuran n, pengamatan akan dihentikan ketika diperoleh sebanyak r individu yang mengalami kegagalan, dimana r<n. 3. Sensor Tipe III, individu atau unit uji masuk ke dalam penelitian pada waktu yang berbeda-beda selama periode waktu penelitian. 2
3 2.3 Distribusi Log-Logistik Distribusi Log-logistik dengan variabel random Y mempunyai fungsi kepadatan peluang, ) [ )] dengan. Variabel random T dikatakan mengikuti distribusi Log-logistik dengan parameter dan, jika mempunyai fungsi kepadatan ) ) [ ) ] Fungsi distribusi kumulatifnya adalah. Fungsi survival-nya didefinisikan sebagai peluang suatu individu dapat bertahan hidup sampai waktu t, yaitu Fungsi Hazard ht) menyatakan peluang suatu komponen mengalami kegagalan pada waktu t, dituliskan sebagai berikut 3. Hasil dan Pembahasan 3. Estimasi Parameter Distribusi Log-Logistik pada Data Survival tersensor Tipe II Data tersensor tipe II, mempunyai r pengamatan dari n sampel yang diamati, dan pengamatan akan dihentikan setelah kegagalan ke-r yang terjadi sebelum waktu. Data terdiri dari r tahan hidup terkecil dari sampel random yang terdiri dari n tahan hidup. 3
4 Fungsi kepadatan peluang bersama dari dapat ditulis sebagai berikut: dari data tersensor tipe II [ ] ] Fungsi likelihood dari distribusi Log-logistik untuk data tersensor tipe II memiliki bentuk sebagai berikut [ ) ) [ ) ] ] [ ] Dalam mengestimasi parameter distribusi Log-logistik dapat dilakukan dengan menurunkan fungsi likelihoodnya terhadap dan kemudian disamadengankan nol menjadi. ) [ ] ) ) ) ) ) Dan [ ) ] ) ) ) ) ) 2) karena persamaan ) dan 2) tidak dapat diselesaikan secara langsung, maka untuk mendapatkan nilai estimasi parameternya dapat menggunakan metode iterasi numerik atau dengan bantuan software. 3.2 Aplikasi Pada Data Jenis data yang digunakan adalah data bangkitan dari hasil simulasi pembangkitan data yang berdistribusi Log-logistik sebanyak data dengan variabel yang digunakan adalah lama pasien menderita penyakit ginjal kronik PGK) yang diukur dalam hitungan bulan. Dari hasil output Minitab didapatkan nilai parameter dari data adalah 4,32895 dan nilai dari parameter adalah,6372. Sehingga diperoleh nilai dari parameter dan adalah sebagai berikut: Dari nilai dan yang diperoleh, selanjutnya dibentuk fungsi kepadatan peluang, fungsi Hazard, dan fungsi survival dari data. Berikut ini adalah bentuk fungsi kepadatan peluang dari data pasien PGK: 4
5 Rate Percent Rate Percent PDF Percent Universitas Hasanuddin ) ) [ ) ] ) [ ) ] Distribution Overview Plot for ML Estimates-Failure Censored at P robability Density F unction Probability Density F unction Distribution Overview.5 Plot for 5.25 Table of Statistics Loglogistic Loc Scale M ean Sumber: Hasil olah data, 24 StDev * Gambar 5 Kurva fungsi kepadatan peluang dari data pasien M edian PGK Surv iv al F unction IQ R 3.96 F ailure.2 7 C ensor 3 A D* ).8. 5 [ ) ].4 Bentuk fungsi Hazard dari data pasien PGK: 5 5 ML Estimates-Failure Censored at 7 Loglogistic Hazard F unction Surv iv al F unction.2 Hazard F unction Sumber: Hasil olah data, 24 Gambar 2 Kurva fungsi Hazard dari data pasien PGK Bentuk fungsi survival dari data pasien PGK: ) 5
6 Percent Rate PD Perc Universitas. Hasanuddin 5 Surv iv al F unction.2 Hazard F unction Sumber: Hasil olah data, 24 Gambar 3 Kurva fungsi survival dari data pasien PGK. 5 Berdasarkan hasil pengolahan data yang dilakukan, diketahui peluang seorang pasien untuk bertahan hidup jika mengidap penyakit ginjal kronik PGK) selama 5 bulan adalah,659, selama 9 bulan adalah,433, selama bulan adalah,392, dan selama 5 bulan adalah,254. Dari hasil perhitungan tersebut dapat dilihat bahwa semakin lama seorang pasien mengidap penyakit ginjal kronik maka peluang hidup pasien tersebut akan semakin kecil mendekati nol), hingga akhirnya mengalami kematian. Berkurangnya ketahanan hidup seorang pasien PGK dipengaruhi oleh banyak faktor, misalnya terdapat komplikasi penyakit atau perawatan pasien yang kurang memadai sehingga menyebabkan penyakit yang diderita semakin akut dan akhirnya menyebabkan kematian. 4. Kesimpulan dan Saran 4. Kesimpulan Dari penerapan distribusi Log-logistik pada data survival tersensor pasien penyakit ginjal kronik PGK) dengan simulasi pembangkitan data, diperoleh nilai estimasi adalah 75,865 dan nilai estimasi untuk adalah,583. Dari nilai estimasi yang diperoleh diketahui peluang hidup seorang pasien yang mengidap PGK selama 5 bulan adalah,659, selama 9 bulan adalah,433, selama bulan adalah,392, dan selama 5 bulan adalah, Saran Penelitian ini hanya membahas mengenai estimasi parameter distribusi Loglogistik untuk data survival, sehingga disarankan untuk penelitian selanjutnya agar mengkaji lebih lanjut hingga ketahap estimasi parameter model regresi Log-logistik. Dan dapat diaplikasikan pada data survival lainnya, terkhusus pada data riil pasien penyakit ginjal kronik PGK) untuk mengetahui faktor-faktor yang dapat mempengaruhi ketahanan hidup dari pasien PGK. DAFTAR PUSTAKA Collett, David. 24. Modelling Survival Data in Medical Research. 2 nd ed. London: Chapman and Hall. Lawless, J.F Statistical Model and Methods for Lifetime data. New Jersey: John Wiley and Sons, Inc. Lawless, J.F. 23. Statistical Model and Methods for Lifetime Data 2 nd ed. New Jersey: John Wiley and Sons Inc. 6
7 Lee, E.T. 23. Statistical Methods for Survival Data Analysis 3 rd ed. Canada: John Wiley and Sons Inc. Marchin, David, Yin Bun C and Mahesh Parmar. 26. Survival Analysis A Practical Approach. 2 nd. Chiester: John Wiley and Sons Ltd. Rao, G.S. Kantam and K. Rosaih. 29. Realiability Estimation in Log-logistic Distribution from Cencored Samples. Prob. Stat.,2,
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI LOG-LOGISTIK ABSTRAK
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 83-92 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI LOG-LOGISTIK Ibnu
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 173-181 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI COX PROPORTIONAL HAZARDS PADA DATA LAMA STUDI
Lebih terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI Oleh : WINDA FAATI KARTIKA J2E 006 039 PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENGGUNAAN ANALISIS KETAHANAN HIDUP UNTUK PENENTUAN PERIODE GARANSI DAN HARGA PRODUK PADA DATA WAKTU HIDUP LAMPU NEON
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 463-476 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGGUNAAN ANALISIS KETAHANAN HIDUP UNTUK PENENTUAN PERIODE
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 781-790 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS KETAHANAN HIDUP PENDERITA TUBERKULOSIS DENGAN MENGGUNAKAN
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciAnalisis Survival Parametrik Pada Data Tracer Study Universitas Sriwijaya
Analisis Survival Parametrik Pada Data Tracer Study Universitas Sriwijaya Alfensi Faruk Jurusan Matematika, Fakultas MIPA, Universitas Sriwijaya e-mail: alfensifaruk@unsri.ac.id Abstract: In this study,
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan
II. TINJAUAN PUSTAKA 2.1 Analisis Survival Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan menduga probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwaperistiwa
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Analisis Survival
BAB 2 LANDASAN TEORI Pada bab ini akan dipaparkan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan bab selanjutnya dan pembahasan utama dalam penelitian
Lebih terperinciPendugaan Hazard Rate Kematian Di Provinsi Dki Jakarta Dengan Metode Single Decrement Pendekatan Likelihood
Pendugaan Hazard Rate Kematian Di Provinsi Dki Jakarta Dengan Metode Single Decrement Pendekatan Likelihood Khoirun Nisa Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri Jakarta khoirunnisakhn@gmailcom
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 204 ISSN 2085-7829 Perbandingan Aplikasi Metode Parametrik (Distribusi Log logistik) dan Non Parametrik (Nelson-Aalen Estimator) dalam Analisis Data Uji
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam kehidupan sehari-hari manusia selalu dihadapkan dengan berbagai macam kejadian/peristiwa (event). Meskipun begitu, tidak semua peristiwa tersebut menjadi
Lebih terperinciBAB II TINJAUAN PUSTAKA. diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event
BAB II TINJAUAN PUSTAKA A. Analisis Survival Analisis survival merupakan suatu analisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event terjadi dengan
Lebih terperinciII. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E
5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Analisis Survival Kode/SKS: SS / (2/1/0) Dosen : SWP Semester :
RP-S1-SLK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.2 : Melakukan analisis data dengan menggunakan program statistik 2. CP 5.1 : Menganalisis
Lebih terperinciMODEL REGRESI COX PROPORSIONAL HAZARD PADA DATA KETAHANAN HIDUP. Abstract
Model Regresi (Tuan Hanni) MODEL REGRESI COX PROPORSIONAL HAZARD PADA DATA KETAHANAN HIDUP Tuan Hanni 1, Triastuti Wuryandari 2 1 Alumni Jurusan Statistika FSM UNDIP 2 Staf Pengaar Jurusan Statistika FSM
Lebih terperinciModel Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama Anita Nur Vitriana, Rosita Kusumawati Program Studi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah analisis data yang memanfaatkan informasi kronologis dari suatu kejadian atau peristiwa (event). Respon yang diperhatikan adalah waktu sampai
Lebih terperinciPenggunaan Metode Nonparametrik Untuk Membandingkan Fungsi Survival Pada Uji Gehan, Cox Mantel, Logrank, Dan Cox F
Penggunaan Metode Nonparametrik Untuk Membandingkan Fungsi Survival Pada Uji Gehan, Cox Mantel, Logrank, Dan Cox F Used of Non Parametric Method to Compare Survival Function on Gehan Test, Cox Mantel,
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciBAB II TINJAUAN PUSTAKA. (Kleinbaum dan Klein, 2005). Persson (2002) mengatakan data sintasan adalah
BAB II TINJAUAN PUSTAKA 2.1. Analisis Sintasan 2.1.1. Pengertian Analisis Sintasan Analisis sintasan adalah kumpulan dari proses statistik untuk menganalisis data yang mana peubah yang diteliti adalah
Lebih terperinciREGRESI COX MULTIVARIAT DENGAN DISTRIBUSI WIEBULL MULTIVARIAT
1 Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 REGRESI COX MULTIVARIAT DENGAN DISTRIBUSI WIEBULL MULTIVARIAT 1 Irfan Wahyudi 1 Mahasiswa S-3 Statistika FMIPA ITS,
Lebih terperinciMODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL. Universitas Hasanuddin
MODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL 1 Rima Ruktiari, 2 Sri Astuti Thamrin, 3 Armin Lawi 1,2,3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciKARAKTERISTIK FUNGSI HAZARD RATE DISTRIBUSI GENERALIZED WEIBULL. (Skripsi) Oleh MUTIA ADILLAH
KARAKTERISTIK FUNGSI HAZARD RATE DISTRIBUSI GENERALIZED WEIBULL (Skripsi) Oleh MUTIA ADILLAH FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2016 ABSTRACT CHARACTERISTIC
Lebih terperinciPERLUASAN DISTRIBUSI CHEN (DISTRIBUSI XTG)
PERLUASAN DISTRIBUSI CHEN (DISTRIBUSI XTG) Ana Zuliastuti 1, Sarini 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciANALISIS DATA UJI HIDUP
DESKRIPSI MATA KULIAH ANALISIS DATA UJI HIDUP Setelah mengikuti mata kuliah ini diharapkan mahasiswa memiliki pengetahuan, pemahaman dan kemampuan untuk mengkaji distribusi-distribusi waktu hidup, serta
Lebih terperinciBAB III LANDASAN TEORI. analisis kesintasan bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan,
17 BAB III LANDASAN TEORI 3.1 Data Analisis Survival (Survival Analysis) Analisis survival (survival analysis) atau analisis kelangsungan hidup atau analisis kesintasan bertujuan menaksir probabilitas
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI LOGLOGISTIK PADA DATA TERSENSOR PROGRESSIVE TIPE II DENGAN MENGGUNAKAN ALGORITMA EM SKRIPSI
ESTIMASI PARAMETER DISTRIBUSI LOGLOGISTIK PADA DATA TERSENSOR PROGRESSIVE TIPE II DENGAN MENGGUNAKAN ALGORITMA EM SKRIPSI ANNAS RIEZKI ROMADHONI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciBAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64
DAFTAR ISI Halaman HALAMAN JUDUL... ii HALAMAN PENGESAHAN... iii KATA PENGANTAR... v ABSTRAK... vii ABSTACT... viii DAFTAR ISI... ix DAFTAR SIMBOL... xii DAFTAR TABEL... xiv DAFTAR GAMBAR... xv DAFTAR
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini banyak sekali penyakit berbahaya yang muncul dalam dunia kesehatan. Penyakit-penyakit ini bukan lagi diturunkan melalui faktor gen namun gaya hidup (pola
Lebih terperinciPERLUASAN REGRESI COX DENGAN PENAMBAHAN PEUBAH TERIKAT-WAKTU
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 86-91 ISSN: 2303-1751 PERLUASAN REGRESI COX DENGAN PENAMBAHAN PEUBAH TERIKAT-WAKTU Luh Putu Ari Dewiyanti 1, Ni Luh Putu Suciptawati 2, I Wayan Sumarjaya
Lebih terperinciANALISIS RELIABILITAS PADA MESIN MEISA KHUSUSNYA KOMPONEN PISAU PAPER BAG UNTUK MEMPEROLEH JADUAL PERAWATAN PREVENTIF
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 42-51 ANALISIS RELIABILITAS PADA MESIN MEISA KHUSUSNYA KOMPONEN PISAU PAPER BAG
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan di dunia ini, hampir di setiap aspek banyak ditemui halhal berkaitan dengan data dan terkadang banyak permasalahan yang berkaitan dengan data, baik
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciRESIDUAL COX-SNELL DALAM MENENTUKAN MODEL TERBAIK DALAM ANALISIS SURVIVAL
Jurnal Dinamika, September 204, halaman - ISSN 2087-7889 Vol. 05. No. 2 RESIDUAL COX-SNELL DALAM MENENTUKAN MODEL TERBAIK DALAM ANALISIS SURVIVAL Rahmat Hidayat Program Studi Matematika, Fakultas Sains
Lebih terperinciSIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI. Abstract
ISBN: 978-602-71798-1-3 SIMULASI INTENSITAS SENSOR DALAM PENDUGAAN PARAMATER DISTRIBUSI WEIBULL TERSENSOR KIRI Widiarti 1), Ayu Maidiyanti 2), Warsono 3) 1 FMIPA Universitas Lampung widiarti08@gmail.com
Lebih terperinciPenjadwalan Predictive Maintenance dan Biaya Perawatan Mesin Pellet di PT Charoen Pokphand Indonesia - Sepanjang
Soesetyo, et al. / Penjadwalan Predictive Maintenance dan Biaya Perawatan Mesin di PT Charoen Pokphand Indonesia - Sepanjang / Jurnal Titra, Vol. 2, No.2, Juni 24, pp. 47-54 Penjadwalan Predictive Maintenance
Lebih terperinciBAB I PENDAHULUAN. tinjauan pustaka dan sistematika penulisan Tesis yaitu sebagai berikut.
BAB I PENDAHULUAN Pada bab ini dijelaskan mengenai latar belakang yang mendasari penelitian ini. Berdasarkan latar belakang yang telah disusun, ditentukan tujuan penelitian agar penelitian ini memiliki
Lebih terperinciPROSIDING Kajian Ilmiah Dosen Sulbar ISBN: FAKTOR-FAKTOR YANG MEMPENGARUHI WAKTU SEMBUH ALERGI DENGAN ANALISIS SURVIVAL
FAKTOR-FAKTOR YANG MEMPENGARUHI WAKTU SEMBUH ALERGI DENGAN ANALISIS SURVIVAL Hikmah FMIPA Universitas Sulawesi Barat hikmah.ugm@gmail.com Abstrak Faktor waktu sembuh penyakit alergi dan perbedaan waktu
Lebih terperinciESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II
ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih A 1* Rini Cahyandari 2 Tarkinih 3 123 Program
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 621-630 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS REGRESI KEGAGALAN PROPORSIONAL DARI COX PADA DATA WAKTU
Lebih terperinciISSN: X 27 MODEL COX EXTENDED UNTUK MENGATASI NONPROPORTIONAL HAZARD PADA KEJADIAN BERSAMA
ISSN: 067X 7 MODEL COX EXTENDED UNTUK MENGATASI NONPROPORTIONAL HAZARD PADA KEJADIAN BERSAMA Anita Nur Vitriana a, Rosita Kusumawati b a Program Studi Matematika FMIPA UNY Jl. Colombo No. Yogyakarta, anitavtrn@gmail.com
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis data survival yaitu kumpulan dari beberapa metode untuk menganalisis data yang terjadi dari titik asal sampai terjadinya event. Pada analisis survival terdapat
Lebih terperinciJl. Ir. H. Juanda No. 4 Dago Dosen Jurusan Statistika Universitas Islam Bandung
(R.13) PENENTUAN DETERMINAN PENGHENTIAN PEMAKAIAN KONTRASEPSI DENGAN REGRESI COX PROPORTIONAL HAZARD DAN PENGELOMPOKAN AKSEPTOR KELUARGA BERENCANA (KB) DENGAN SURVIVAL TREE 1Dewa Ayu Eka Sumarningsih,
Lebih terperinciPENYELESAIAN MODEL SURVIVAL DENGAN HAZARD NON- PROPORSIONAL
Jurnal Dinamika, September 2017, halaman 44-54 ISSN: 2087-7889 E-ISSN: 2503-4863 Vol. 08. No.2 PENYELESAIAN MODEL SURVIVAL DENGAN HAZARD NON- PROPORSIONAL Rahmat Hidayat 1 *, Titik Pitriani Muslimin 2,
Lebih terperinciBAB II TINJAUAN PUSTAKA. penulisan skripsi. Teori penunjang tersebut adalah: Regresi logistik, analisis survival,
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melalukan pembahasan mengenai permasalahan dari skripsi ini, pada bab ini akan diuraikan beberapa teori penunjang yang dapat membantu dalam penulisan skripsi.
Lebih terperinciterdefinisi. Oleh karena itu, estimasi resiko kematian pasien dapat diperoleh berdasarkan nilai hazard ratio. Model hazard proporsional parametrik
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu tahan hidup (survival) merupakan waktu tunggu hingga terjadinya suatu kejadian (event) tertentu. Pada bidang kesehatan, event dapat dianggap sebagai suatu kegagalan
Lebih terperinciESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan
Jurnal Matematika Murni dan Terapan εpsilon Vol. 07, No.01, 201, Hal. 45 52 ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK Rizqi Elmuna Hidayah 1, Nur Salam 2 dan Dewi Sri Susanti 1,2, Program Studi
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN LAJU KESEMBUHAN PASIEN RAWAT INAP TYPHUS ABDOMINALIS
Lebih terperinciBAB I PENDAHULUAN. Menurut Lee (2001), terdapat tiga faktor yang dibutuhkan dalam menentukan waktu survival, yaitu:
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam kehidupan sehari-hari, manusia tidak terlepas dari berbagai macam peristiwa (event) yang dialami. Peristiwa-peristiwa tersebut dapat berupa kebahagiaan
Lebih terperinciBAB III PEMBAHASAN. extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus
BAB III PEMBAHASAN BAB III PEMBAHASAN Pada Bab III ini akan dibahas tentang prosedur pembentukan model Cox extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus kejadian bersama yaitu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah suatu metode yang berhubungan dengan waktu, mulai dari time origin atau start point sampai terjadinya suatu kejadian khusus atau end point.
Lebih terperinciBAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II Roudlotin Ni mah,
Lebih terperinciANALISIS SURVIVAL DALAM MEMODELKAN SISWA PUTUS SEKOLAH
123 Jurnal Scientific Pinisi, Volume 3, Nomor 2, Oktober 2017, hlm. 123-127 ANALISIS SURVIVAL DALAM MEMODELKAN SISWA PUTUS SEKOLAH Rahmat Hidayat 1, Yuli Hastuti 2 Program Studi Matematika, Fakultas Sains
Lebih terperinciBAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang
BAB II LANDASAN TEORI 2.1 Konsep Dasar Peluang Pada dasarnya statistika berkaitan dengan penyajian dan penafsiran hasil yang berkemungkinan (hasil yang belum dapat ditentukan sebelumnya) yang muncul dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : ANALISIS DATA UJI HIDUP KODE MATA KULIAH : MAA SKS
SATUAN ACARA PERKULIAHAN MATA KULIAH : ANALISIS DATA UJI HIDUP KODE MATA KULIAH : MAA 516 3 SKS MINGGU 1 Pendahuluan dan - Pengertian Dasar soal-soal 2 Konsep-Konsep Dasar untuk Hidup Model Kontinu 1.
Lebih terperinciDAFTAR ISI. Halaman. viii
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii KATA PENGANTAR... iv ABSTRAK... vi ABSTACT... vii DAFTAR ISI... viii DAFTAR SIMBOL... xi DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv DAFTAR
Lebih terperinciREGRESI LOG-LOGISTIK UNTUK DATA TAHAN HIDUP TERSENSOR TIPE I. oleh NANDA HIDAYATI M
REGRESI LOG-LOGISTIK UNTUK DATA TAHAN HIDUP TERSENSOR TIPE I oleh NANDA HIDAYATI M0108098 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika JURUSAN
Lebih terperinciAnalisis Reliability Untuk Menentukan Mean Time Between Failure (MTBF) Studi Kasus Pulverizer Pada Sebuah PLTU
Rekayasa dan Aplikasi Mesin di Industri Analisis Reliability Untuk Menentukan Mean Time Between Failure (MTBF) Studi Kasus Pulverizer Pada Sebuah PLTU Nuha Desi Anggraeni 1, Indra Nurhadi 2 1 Jurusan Mesin,
Lebih terperinciUNIVERSITAS INDONESIA MODEL COX STRATIFIKASI SKRIPSI DWI ANJAR FERIANA
UNIVERSITAS INDONESIA MODEL COX STRATIFIKASI SKRIPSI DWI ANJAR FERIANA 0706261612 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK JULI 2011 UNIVERSITAS INDONESIA MODEL
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciMENGENAL ANALISIS KETAHANAN (SURVIVAL ANALYSIS)
36 Jurnal Keperawatan Indonesia, Volume 9, No.1, Maret 2005; 36-40 LEMBAR METODOLOGI MENGENAL ANALISIS KETAHANAN (SURVIVAL ANALYSIS) Dewi Gayatri * Tulisan ini bertujuan untuk mengenalkan analisis ketahanan
Lebih terperinciAkhmad Fauzy. Program Studi Statistika, FMIPA UII Yogyakarta. Abstract
Statistika, Vol. 13 No. 1, 1 6 Mei 013 Interval Konfidensi untuk Satu Parameter Distribusi Eksponensial di Bawah Sensor Lengkap dengan Metode Bootstrap (Studi Kasus Data Waktu Tunggu Bencana Gempa Bumi
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciterhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di
Nama: Ummi Fadilah NIM: 12/339683/PPA/3995 Teori Resiko Aktuaria PROSES PEMODELAN PENDAHULUAN Salah satu ciri dari negara maju adalah pemerintah dan masyarakat yang peduli terhadap kesehatan persalinan.
Lebih terperinciOPTIMASI PERSEDIAAN SUKU CADANG UNTUK PROGRAM PEMELIHARAAN PREVENTIP BERDASARKAN ANALISIS RELIABILITAS
Program Studi MMT-ITS, Surabaya 4 Agustus 27 OPTIMASI PERSEDIAAN SUKU CADANG UNTUK PROGRAM PEMELIHARAAN PREVENTIP BERDASARKAN ANALISIS RELIABILITAS (Studi Kasus di PT. Terminal Peti Kemas Surabaya) Agus
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari * * Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email :
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari *) *) Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinci1. PENDAHULUAN. Kata Kunci: regresi cox, cox proportional hazards, diabetes mellitus, ketahanan hidup. Seminar Nasional Matematika
ANALISIS REGRESI COX PROPORTIONAL HAZARDS PADA KETAHANAN HIDUP PASIEN DIABETES MELLITUS Ninuk Rahayu, Adi Setiawan, Tundjung Mahatma Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen
Lebih terperinciUNIVERSITAS NEGERI SEMARANG
ANALISIS SURVIVAL FAKTOR-FAKTOR YANG MEMPENGARUHI LAMA STUDI MAHASISWA PENDIDIKAN MATEMATIKA ANGKATAN 2010 DENGAN METODE REGRESI COX PROPORTIONAL HAZARD Tugas Akhir disusun sebagai syarat untuk memperoleh
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI EXPONENTIATED EKSPONENSIAL PADA DATA TERSENSOR TIPE II SKRIPSI
ESTIMASI PARAMETER DISTRIBUSI EXPONENTIATED EKSPONENSIAL PADA DATA TERSENSOR TIPE II SKRIPSI AHMAD ZUDA KUMALA SANI PROGAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
Lebih terperinciMETODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1
Media Informatika Vol. 5 No. 1 (2006) METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1 Ekabrata Yudhistyra Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda 96 Bandung
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Distribusi probabilitas binomial adalah distribusi probabilitas diskrit yang paling sering digunakan untuk merepresentasikan kejadian dalam kehidupan sehari-hari.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data antar kejadian (time-to-event data) adalah data lama waktu sampai suatu peristiwa terjadi atau sering disebut data survival. Untuk memperoleh data antar
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 187-196 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN AVAILABILITAS PADA SISTEM KOMPONEN SERI Avida Anugraheni C. 1, Sudarno
Lebih terperinciAnalisis Survival terhadap Pasien Diare Anak Mengunakan Metode Kaplan Meier dan Uji Log Rank
Analisis Survival terhadap Pasien Diare Anak Mengunakan Metode Kaplan Meier dan Uji Log Rank Muhammad Muhajir*, Yayi Diyah Palupi Program Studi Statistika FMIPA Universitas Islam Indonesia Jalan Kaliurang
Lebih terperinciANALISIS SURVIVAL FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PENDERITA HIPERTENSI DENGAN TERAPI TABLET CAPTOPRIL
ANALISIS SURVIVAL FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PENDERITA HIPERTENSI DENGAN TERAPI TABLET CAPTOPRIL Dessy Noor Hadiyah (300800504), Dr. Ir. Setiawan, MS. (960030987000) 2 Mahasiswa Jurusan
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciSumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana
Lebih terperinciTINJAUAN PUSTAKA Kredit
TINJAUAN PUSTAKA Kredit Kredit adalah kemampuan untuk melaksanakan suatu pemberian atau mengadakan suatu pinjaman dengan suatu janji pembayarannya akan dilakukan pada suatu jangka waktu yang disepakati.
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS
ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS Asep Solih A* Abstrak Dalam analisis data seringkali peneliti ingin mengetahui karakteristik data penelitian seperti jenis distribusi,
Lebih terperinciAnalisis Survival Nonparametrik Pada Pasien Kanker Serviks di RSUD Dr. Soetomo Surabaya Menggunakan Metode Kaplan Meier dan Uji Log Rank
JURNAL SAINS DAN SENI IS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) Analisis Survival Nonparametrik Pada Pasien Kanker Serviks di RSUD Dr. Soetomo Surabaya Menggunakan Metode Kaplan Meier dan Uji
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciMODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI
MODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI Puspitaningrum Rahmawati, Bambang Susanto, Leopoldus Ricky Sasongko Program Studi Matematika (Fakultas Sains dan Matematika,
Lebih terperinciANALISIS LAMA KAMBUH PASIEN HIPERTENSI DENGAN SENSOR TIPE III MENGGUNAKAN REGRESI COX KEGAGALAN PROPORSIONAL
ANALISIS LAMA KAMBUH PASIEN HIPERTENSI DENGAN SENSOR TIPE III MENGGUNAKAN REGRESI COX KEGAGALAN PROPORSIONAL (Studi Kasus di RSUD Kartini Jepara) SKRIPSI Disusun oleh : ISHLAHUL KAMAL 24010211140074 JURUSAN
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. merupakan mesin paling kritis dalam industri pengolahan minyak sawit. Pabrik
BAB 4 HASIL DAN PEMBAHASAN 4.1.Pengumpulan Data Kerusakan Mesin Dalam penelitian ini, penulis meneliti kerusakan pada mesin kempa yang merupakan mesin paling kritis dalam industri pengolahan minyak sawit.
Lebih terperinciKata Kunci: TBC, Laju Kesembuhan, Analisis Survival, Regresi Cox-Weibull
Jurnal Matematika UNAND Vol 5 No 4 Hal 62 71 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN MODEL REGRESI COX-WEIBULL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI LAMA KESEMBUHAN PASIEN
Lebih terperinci