BAB 2 LANDASAN TEORI. 2.1 Analisis Survival
|
|
- Erlin Cahyadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 ini. Teori tersebut meliputi analisis survival data tersensor, fungsi survival dan fungsi hazard, estimasi Kaplan-Meier, model cox proportional hazard. 2.1 Analisis Survival Armitage dan Berry (1987) mengatakan bahwa analisis survival merupakan analisis yang melibatkan uji statistik untuk menganalisis data yang variabelnya berkaitan dengan waktu atau lamanya waktu sampai terjadinya peristiwa tertentu. Menurut Klein baum dan Klein (2005) analisis survival adalah kumpulan dari prosedur statistik untuk menganalisis data dimana outcome variabelnya adalah waktu hingga terjadi peristiwa muncul. Waktu survival dapat didefinisikan sebagai waktu dari awal observasi hingga terjadinya peristiwa, dapat berupa hari, bulan, maupun tahun. Menurut Le (2003) dalam menentukan waktu survival, T, terdapat tiga elemen dasar yang diperlukan yaitu: 1. Waktu awal (time origin). 2. Peristiwa akhir/waktu akhir (failure event). 3. Skala waktu sebagai satuan pengukuran waktu. T (lama waktu) Waktu awal waktu akhir
2 T adalah lama dari waktu awal (time origin) harus didefinisikan dengan jelas, yaitu waktu awal melakukan studi. Begitu juga waktu akhir harus didefinisikan secara jelas yaitu kegagalan dalam menyelasaikan studi (skala waktu) (Le, 2003). Analisis survival memiliki beberapa tujuan (Kleinbaum dan Klein, 2005): 1. Mengestimasi dan mengiterpretasikan fungsi survival dan fungsi hazard. 2. Membandingkan fungsi survival dan fungsi hazard. 3. Mengestimasi hubungan antara variabel penjelas dengan waktu survival Data Tersensor Perbedaan antara analisis survival dengan analisis statistika lainnya adalah terjadinya suatu peristiwa yang lama waktu terjadinya terhadap objek adalah bervariasi. Selain itu adanya data tersensor pada analisis survival. Menurut Machin et. al (2006) data dikatakan tersensor jika pengamatan waktu survival hanya sebagian, tidak sampai failure event. Penyebab terjadinya data tersensor antara lain (Le, 2003): 1. Loss to follow up, terjadi bila objek yang kita alami hilang dalam pengamatan. 2. Drop out, terjadi bila perlakuan dihentikan karena alasan tertentu. 3. Termination of study, terjadi bila masa penelitian berakhir sementara objek yang diobservasi belum mencapai failure event. Sedangkan menurut Kleinbaum dan Klein (2005) ada 3 alasan umum terjadinya penyensoran, yaitu: 1. Objek belum mengalami peristiwa sebelum masa penelitian berakhir. 2. Objek hilang selama masa follow-up ketika masa penelitian
3 3. Objek ditarik dari penelitian karena kegagalan atau disebabkan alas an lain. Situasi ini diilustrasikan dengan grafik di bawah ini. Grafik menggambarkan beberapa orang atau objek yang diikuti X menyatakan orang atau objek yang mendapatkan peritiwa. X dikeluarkan Penelitian berakhir hilang Penelitian berakhir X Gambar 2.1 Grafik Data Tersensor Dalam bukunya Crowder et. al (1991) mengatakan bahwa ada tiga jenis penyensoran, yaitu: 1. Left-censored, pengamatan dikatakan left-cencored jika objek yang diobservasi mengalami peristiwa di bawah waktu yang telah ditetapkan atau ketika masa observasi belum selesai. 2. Right-censored, pengamatan dikatakan right-cencored jika objek masih hidup atau masih beroperasi ketika masa observasi telah selesai. 3. Interval-censored, ketika objek mengalami peristiwa diantara interval waktu tertentu maka pengamatan dikatakan interval-censored. X
4 Menurut Lee dan Wang (2003) ada 3 tipe penyensoran data, yaitu: 1. Tipe I, jika objek-objek diobservasi selama waktu tertentu, namun ada beberapa objek yang mengalami peristiwa setelah periode atau masa observasi selesai, dan sebagian lagi mengalami peristiwa diluar dari yang ditetapkan. 2. Tipe II, masa obsevasi selesai setelah sejumlah objek yang diobservasi diharapkan mengalami peristiwa yang ditetapkan, sedang objek yang tidak mengalami peristiwa disensor. 3. Tipe III, jika waktu awal dan waktu berhentinya observasi dari objek berbeda-beda. Sensor tipe III ini sering disebut sebagai random-censored Fungsi Survival dan Fungsi Hazard Pada analisis survival ada 2 hal yang mendasar yaitu fungsi survival dan fungsi hazard. Fungsi survival merupakan fungsi dasar dari analisis ini, karena meliputi probabilitas survival dari waktu yang berbeda-beda yang memberikan informasi penting tentang data survival. Secara teori, fungsi survival dapat digambarkan dengan kurva mulus dan memilki karakteristik sebagai berikut (Kleinbaum dan Klein, 2005): 1. Tidak meningkat, kurva cenderung menurun ketika t meningkat. 2. Untuk t = 0, S(t) = S(0) = 1 adalah awal dari penelitian, karena tidak ada objek yang mengalami peristiwa, probabilitas dari suatu survival 0 adalah Untuk t =, S(t) = S( ) = 0 secara teori, jika periode penelitian meningkat tanpa limit maka tidak ada satu pun yang bertahan sehingga kurva survival mendekati nol.
5 Gambar 2.2 Kurva Fungsi Survival Berbeda dengan fungsi survival yang fokus pada tidak terjadinya peristiwa, fungsi hazard fokus pada terjadinya peristiwa. Oleh karena itu fungsi hazard dapat dipandang senagai pemberi informasi yang berlawanan dengan fungsi survival. Sama halnya dengan kurva fungsi survival, kurva fungsi hazard juga memiliki karakteristik, yaitu (Kleinbaum dan Klein 2005): 1. Selalu nonnegatif, yaitu sama atau lebih besar dari nol 2. Tidak memiliki batas atas Selain itu fungsi hazard juga digunakan untuk alasan: 1. Member gambaran tentang keadaan failure rate. 2. Mengidentifikasi bentuk model yang spesifik 3. Membuat model matematik untuk analisis survival biasa
6 h(t) 0 t Gambar 2.3 Kurva Fungsi Hazard Misalkan T melambangkan waktu survival dari waktu awal sampai terjadinya peristiwa yang merupakan variable acak yang memiliki karakteristik fungsi survival dan fungsi hazard. Jika fungsi survival dinotasikan dengan S(t), didefinisikan sebagai probabilitas suatu objek yang bertahan lebih dari t waktu, maka (Le, 2003): (2.1) S(t) = Pr(T > t), t 0 S(t) dikenal juga sebagai rata-rata survival, dan fungsi hazard merupakan laju failure atau kegagalan sesaat dengan asumsi objek telah bertahan sampai waktu ke-t, yang didefinisikan sebagai berikut : h(t) = f(t) S(t) (2.2) dengan f(t) adalah fungsi kepadatan probabilitas T. Sekarang misalkan F(t) = t Pr(T t) = f(x)dx, t 0 adalah fungsi distribusi kumulatif dari T, maka 0 fungsi survival menjadi (Korosteleva,2003): S(t) = Pr(T > t) = f(x) dx = 1 F(t), t 0 t (2.3) Dan fungsi hazard kumulatif H(t), didefinisikan sebagai:
7 t H(t) = h(x)dxt 0 0 (2.4) 2.2 Kaplan-Meier Telah diketahui bahwa salah satu tujuan dari analisis survival ialah mengestimasi dan menginterpretasi fungsi survival dan fungsi hazard. Banyak metode yang digunakan untuk mengestimasi fungsi survival, diantaranya Nelson-Aalen estimator, metode life-table (actuarial), metode Kaplan-Meier, AFT, bayessian counting process dan lain-lain. Namun dalam penelitian ini metode yang digunakan adalah metode Kaplan-Meier. Penelitian ini ialah penelitian statstik nonparametric dengan data tersensor, sehingga penggunaan metode Kaplan- Meier adalah yang paling baik. Sebenarnya metode life-table sama dengan Kaplan-Meier, namun pada life-table objek di klasifikasikan berdasarkan karakteristik tertentu yang masing-masing karakteristik disusun dengan interval dengan menganggap peluang terjadinya efek selama masa interval adalah konstan, sehingga data yang diperoleh akan lebih umum. Sedangkan pada metode Kaplan-Meier objek dianalisis sesuai dengan waktu aslinya masing-masing. Hal ini mengakibatkan proporsi survival yang pasti karena menggunakan waktu survival secara tepat sehingga diperoleh data yang lebih akurat. Selain itu Kaplan-Meier merupakan metode yang digunakan ketika tidak ada model yang layak untuk data survival. Selama hampir 4 dekade metode estimasi Kaplan- Meier merupakan salah satu dari kunci metode statistika untuk analisis data survival tersensor, estimasi Kaplan-Meier dikenal juga dengan estimasi product limit. Misalkan sebanyak k waktu survival diamati, yang diatur dalam urutan meningkat yaitu t 1 < t 2 < < t k, andaikan waktu survival diamati secara jelas pada sampel berukuran n dari sebuah populasi yang homogen dengan fungsi survival S(t)(k n i ), maka pengestimasi dari fungsi survival S(t) ialah (Le, 2003):
8 S (t) =, t 0 n i = objek yang beresiko namun masih bertahan pada t i (1 i k) d i = menyatakan jumlah objek yang lulus pada t i 2.3 Uji Log Rank Pada statistika, uji log-ran k (uji mantel-cox) adalah sebuah uji hipotesis untuk membandingkan fungsi survival diantara dua kelompok. Uji ini merupakan uji statistik nonparametrik dan sesuai digunakan ketika data tidak simetris yaitu data miring ke kanan. Uji log-rank diperluas untuk analisis stratifikasi, sebagai contoh, pengaruh variabel prognostik yang patut dperhitungkan, dan untuk membandingkan tiga grup atau lebih (Machin et. al, 2006). Menurut Armitage dan Berry (1987) langkah pengerjaan uji ini ialah menyusun waktu survival, mengurutkan kedua grup yang diobservasi. Misalkan ada dua grup A dan B, jika t i menyatakan waktu ada d i objek yang mengalami peristiwa misalnya kelulusan dan n A, n B masing-masing menyatakan jumlah objek yang memiliki resiko namun masih bertahan dari grup A dan B, maka ekspektasi banyaknya objek yang mengalami peristiwa ialah: E(d ia ) = n iad i n i Var(d ia ) = d i(n i d i )n A n B n i 2 (n i 1) Uji statistik untuk kesamaan rata-rata peristiwa (misalnya kelulusan) dari kedua grup ialah dengan: χ 2 2 = ( d ia E(d ia )) 2 E(d ia ) + ( d ib E(d ib )) 2 E(d ib )
9 2.4 Cox Proportional Hazard Fungsi survival dan fungsi hazard merupakan analisis yang digunakan untuk melihat perbedaan 2 kelompok atau lebih. Namun apabila variabel-variabel kovariat yang ingin dikontrol atau bila menggunakan beberapa variabel penjelas dalam menjelaskan hubungan antara waktu survival maka regresi cox lah yang digunakan. Jadi regresi cox merupakan model yang menggambarkan hubungan antara waktu survival sebagai variabel dependen dengan 1 set variabel independen. Variabel independen ini bias kontinu maupun kategorik. Cox proportional hazard merupakan pemodelan yang digunakan dalam analisis survival yang merupakan model semiparametrik. Regresi cox proportional hazard digunakan bila outcome yang diamati adalah panjang waktu suatu kejadian. Pada mulanya pemodelan ini digunakan pada cabang statistika khususnya biostatistika yaitu digunakan untuk menganalisis kematian atau harapan hidup seseorang. Namun seiring perkembangan zaman pemodelan ini banyak dimanfaatkan di berbagai bidang. Diantaranya bidang akademik, kedokteran, sosial, science, teknik, pertanian dan sebagainya. Menurut Machin et. al (2006) dengan menotasikan rata-rata fungsi hazard h 0 (t), kita dapat menentukan hazard (resiko) objek tertentu h(t), dengan: h(t) = λ(t)h 0 (t) (2.9) Dimana λ(t) adalah fungsi yang mungkin berubah sesuai dengan waktu t. Kemudian persamaan di atas dapat ditulis sebagai rasio dari hazard objek tertentu atau dikatakan sebagai hazard relative, yaitu:
10 λ(t) = h(t) h 0 (t) (2.10) Ketika λ(t) tidak berubah maka h(t) = h, dimana h adalah konstanta. Formula model Cox merupakan perkalian dari dua besaran yaitu fungsi baseline hazard dan bentuk eksponensial untuk penjumlahan linier dari βixi,yaitu penjumlahan dari p variabel independent X (Kleinbaum dan Klein, 2005). h 0 ( t ) e p i=1 β i X i baselin hazard melibatkan t tetapi tidak x Eksponensial melibatkan x tetapi tidak t Pada model regresi umum, fungsi hazard tergantung pada t dan kovariat dependen x 1 (t), x 2 (t),, x m (t). Dan pada model cox proportional hazard sederhana, dimana kovariat x 1, x 2,, x m tergantung pada t maka fungsi hazard nya adalah sebagai berikut: h(t, x 1, x 2,, x m, β 1, β 2,, β m ) = h 0 (t)exp{β 1 x 1 + β 2 x β m x m } (2.11) fungsi h 0 (t) dikatakan sebagai fungsi dasar dari hazard, yaitu ketika fungsi hazard dari objek yang nilai semua kovariatnya adalah nol (biasanya sebagai hipotesis) (Korosteleva, 2003). Karakteristik penting dari formula ini ialah mengenai asumsi propotional hazard yuitu baseline hazard ialah fungsi dari t tetapi tidak melibatkan variabel X. Berbeda dengan bentuk eksponensial yang melibatkan variabel X tetapi tidak melibatkan t. X dikatakan time-independent (tidak tergantung waktu). Asumsi pada model cox proportional hazard ialah hazard rasio yang membandingkan 2 kategori dari variabel independen adalah konstan pada setiap waktu atau tidak bergantung pada waktu. Apabila asumsi ini tidak dipenuhi maka model yang digunakan extended cox model. Karakteristik lainnya dari model cox ialah
11 baseline hazard, h 0 (t), ialah fungsi yang tidak ditentukan. Inilah yang membuat cox proportional hazard merupakan model semiparametrik. Model cox proportional hazard merupakan pemodelan yang sangat terkenal pada analisis kesintasan. Menurut Kleinbaum dan Klein (2005) hal yang menyebabkan model ini terkenal dan digunakan secara luas antara lain: 1. Model cox merupakan model semiparametrik 2. Dapat mengestimasi hazard ratio tanpa perlu h 0 (t) atau baseline hazard function. 3. Dapat mengestimasi h 0 (t), h(t, X), dan fungsi kesintasan walaupun h 0 (t) tidak spesifik. 4. Merupakan model robust sehingga hasil dari model cox hampir sama dengan hasil model parametrik. 5. Model yang aman dipilih ketika berada dalam keraguan untuk menentukan model parametriknya, sehingga tidak ada ketakutan tentang pilihan model parametrik yang salah 6. Lebih baik daripada model logistik ketika tersedianya informasi tentang waktu survival dan adanya pensensoran. 2.5 Faktor Lama Studi Mahasiswa Pendidikan adalah suatu aktivitas sosial yang memungkinkan masyarakat tetap ada dan berkembang. Salah satu jenjang pendidikan yang menjadi persyaratan dasar dalam mencari pekerjaan adalah perguruan tinggi, yang mana perguruan tinggi akan mempersiapkan calon-calon sarjana yang handal dan mempunyai keterampilan dibidangnya. Pada dasarnya setiap perguruan tinggi berusaha semaksimal mungkin meningkatkan mutu kelulusan para mahasiswanya, baik secara kuantitas maupun kualitas. Secara kuantitas diharapkan jumlah mahasiswa yang lulus sama dengan yang terdaftar. Sedangkan secara kualitas diharapkan para mahasiswa dapat lulus dengan IPK yang maksimal dan tepat waktu.
12 Berdasarkan hal tersebut faktor-faktor yang mempengaruhi kualitas mahasiswa perlu diperhatikan baik dari internal maupun eksternal. Faktor internal yang mempengaruhi kualitas adalah indeks prestasi kumulatif (IPK) dan jalur masuk. Faktor eksternal yang mempengaruhi kualitas adalah asal daerah sekolah SMA, status sekolah SMA dan penghasilan orang tua. 1. Asal daerah sekolah Biasanya mahasiswa yang berasal dari luar daerah akan memiliki daya juang yang tinggi karena ia menyadari orang tuanya sudah berusaha dengan keras untuk memenuhi biaya pendidikannya baik biaya kost, makan, dan biaya kuliah sehingga ia akan berusaha untuk lulus secepat mungkin atau tepat waktu. 2. Status Sekolah Latar belakang pendidikan yang baik akan menghasilkan mahasiswa yang rajin dan disiplin. Hal itu bisa menjadi dasar yang kuat untuk sukses dalam studinya. 3. IPK (Indeks Prestasi Kumulatif) Seorang lulusan dikatakan baik apabila lulus tepat waktu atau waktu lama studi tidak lebih dari 4 tahun (48 bulan) untuk jenjang Strata 1 (S1) dan diikuti dengan nilai atau Indeks Prestasi Kumulatif (IPK) yang baik pula. Berdasarkan buku Akademik Universitas Sumatera Utara, waktu lama studi adalah waktu yang dibutuhkan seorang mahasiswa untuk menyelesaikan pendidikan sesuai dengan jenjang masing-masing. IPK adalah alat ukur berupa angka yang menunjukkan prestasi atau kemajuan belajar mahasiswa secara kumulatif mulai dari semester pertama sampai dengan semester paling akhir yang telah ditempuh. Menurut buku Panduan Mahasiswa Universitas Sumatera Utara, pendidikan program S1 dijadwalkan untuk diselesaikan dalam 8 semester (4 tahun) atau dapat ditempuh kurang dari 8 semester dan selama-lamanya 12 semester (6 tahun). Mahasiswa dikatakan lulus dari PT apabila telah memenuhi syarat kelulusan yakni telah berhasil mengumpulkan sejumlah SKS (satuan kredit semester) yang telah
13 ditetapkan di dalam kurikulum masing-masing program studi, pada program Managemen yaitu sebanyak 144 sks. 4. Penghasilan orang tua Orang tua yang mempunyai penghasilan yang baik akan mampu membiayai pendidikan mahasiswa. Sehingga mahasiswa bisa fokus dalam belajar karena tidak harus bekerja keras untuk mencari biaya kuliah. 5. Jalur masuk Mahasiswa yang masuk melalui jalur mandiri biasanya lebih santai dibandingkan mahasiswa yang masuk melalui ujian tertulis, karena untuk masuk ke perguruan tinggi ia harus berjuang keras (usaha yang sungguh-sungguh) sehingga ia akan sangat menghargai usahanya.
BAB 2 LANDASAN TEORI
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 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 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 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 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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Ada banyak penelitian yang outcome nya berkaitan dengan lama waktu. Secara umum waktu ini dikatakan waktu kesintasan. Banyak metode analisis yang dapat digunakan untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Analisis Survival Secara umum, analisis survival merupakan kumpulan dari prosedur statistik untuk analisis data yang variabel hasilnya berupa waktu sampai mengalami kejadian
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 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 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 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 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 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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di negara-negara berkembang termasuk di Indonesia terdapat banyak kasus yang berkaitan dengan kesehatan, salah satunya adalah munculnya penyakit, baik menular
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis data survival merupakan salah satu bidang dalam statistika yang digunakan untuk menganalisis data yang mengukur waktu terjadinya suatu kejadian ( event).
Lebih terperinciBAB I PENDAHULUAN. Dalam penelitian di dunia teknologi, khususnya bidang industri dan medis
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian di dunia teknologi, khususnya bidang industri dan medis sering kali analisis data uji hidup digunakan. Analisis data uji hidup sendiri bertujuan
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 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 terperinciSKRIPSI. Disusun oleh LANDONG PANAHATAN HUTAHAEAN
MODEL REGRESI COX PROPORTIONAL HAZARDS PADA DATA LAMA STUDI MAHASISWA (Studi Kasus Di Fakultas Sains dan Matematika Universitas Diponegoro Semarang Mahasiswa Angkatan 2009) SKRIPSI Disusun oleh LANDONG
Lebih terperinciBAB I PENDAHULUAN. menganalisis data dimana variabel yang diperhatikan adalah jangka waktu
BAB I PENDAHULUAN A. Latar Belakang Masalah Analisis survival merupakan prosedur statistika yang digunakan untuk menganalisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan
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 terperinciADLN Perpustakaan Universitas Airlangga
PENDEKATAN REGRESI COX PROPORSIONAL HAZARD DALAM PENENTUAN FAKTOR FAKTOR YANG BERPENGARUH TERHADAP LAMA STUDI MAHASISWA S-1 MATEMATIKA DI UNIVERSITAS AIRLANGGA SKRIPSI ARDI WAHYU AS ARI PROGRAM STUDI S-1
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 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 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Pengumpulan Data 3.1.1 Metode Pemilihan Sample Populasi sample yang diikutsertakan dalam penelitian ini adalah nasabah atau debitur dari perusahaan pembiayaan sepeda motor
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 terperinciESTIMASI PARAMETER DISTRIBUSI LOG-LOGISTIK PADA DATA SURVIVAL TERSENSOR TIPE II
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
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 I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Secara umum, analisis survival dapat didefinisikan sebagai seperangkat metode yang digunakan untuk menganalisis data di mana variabel outputnya berupa lama
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 III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi
BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi Garansi dapat diartikan sebagai jaminan yang diberikan secara tertulis oleh pabrik atau supplier kepada
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data tahan hidup atau data survival adalah lama waktu sampai suatu peristiwa terjadi. Istilah data survival sendiri banyak digunakan dalam bidang ilmu kesehatan, epidemiologi,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Estimasi fungsi survival atau biasa disebut regresi fungsi survival merupakan bagian penting dari analisis survival. Estimasi ini biasa digunakan dalam
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN MAHASISWA PUTUS KULIAH DI IPB ANGKATAN 2008 MENGGUNAKAN ANALISIS SURVIVAL
Xplore, 2013, Vol. 2(1):e1(1-6) c 2013 Departemen Statistika FMIPA IPB IDENTIFIKASI FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN MAHASISWA PUTUS KULIAH DI IPB ANGKATAN 2008 MENGGUNAKAN ANALISIS SURVIVAL Fadjrian
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 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Berkembangnya teknologi serta ilmu pengetahuan tidak terlepas dari riset, penelitian serta eksperimen. Eksperimen atau percobaan-percobaan tersebut
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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Partisipasi Dalam kamus besar Bahasa Indonesia, partisipasi didefinisikan sebagai peran serta dalam suatu kegiatan. Conyer dalam Soetomo (2006) menyatakan bahwa partisipasi
Lebih terperinciTINJAUAN PUSTAKA Perilaku konsumen
TINJAUAN PUSTAKA Perilaku konsumen Perilaku konsumen adalah semua kegiatan, tindakan serta proses psikologis yang mendorong tindakan tersebut pada saat sebelum membeli, ketika membeli, menggunakan, menghabiskan
Lebih terperinciBAB 1 PENDAHULUAN. berhak mendapatkan pendidikan. Pendidikan berperan penting dalam memajukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam pembukaan UUD 1945 disebutkan bahwa setiap warga negara berhak mendapatkan pendidikan. Pendidikan berperan penting dalam memajukan kesejahteraan umum dan meningkatkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciSILABUS MA: MANAJEMEN & ANALISIS DATA-2. Prasyarat: MANAJEMEN & ANALISIS DATA-1 Hari/Jam : Jumat, Hari/Jam : Jumat,
DEPARTEMEN BIOSTATISTIKA & KEPENDUDUKAN FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS INDONESIA Telp: (62-21) 786 3473 Fax: (62-21) 787 1636 SILABUS MA: MANAJEMEN & ANALISIS DATA-2 Prasyarat: MANAJEMEN & ANALISIS
Lebih terperinciPENGGUNAAN METODE KAPLAN-MEIER DAN LIFE TABLE ANALISIS SURVIVAL UNTUK DATA TERSENSOR. Rahmat Hidayat
Jurnal Dinamika, April 2016, halaman 1-8 ISSN 2087-7889 Vol. 07. No.1 PENGGUNAAN METODE KAPLAN-MEIER DAN LIFE TABLE ANALISIS SURVIVAL UNTUK DATA TERSENSOR Rahmat Hidayat Program Studi Matematika Fakultas
Lebih terperinciPENENTUAN FAKTOR-FAKTOR PENGARUH LAMA PROSES PELAYANAN IMB (IZIN
Your logo PENENTUAN FAKTOR-FAKTOR PENGARUH LAMA PROSES PELAYANAN IMB (IZIN MENDIRIKAN BANGUNAN) DI SURABAYA DENGAN METODE REGRESI COX Dosen Pembimbing : Prof.Drs.NUR IRIAWAN,MIkom,PhD PENDAHULUAN Dalam
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 terperinciBAB I PENDAHULUAN. statistik untuk menganalisis data dengan variabel terikat yang diperhatikan berupa
BAB I PENDAHULUAN BAB I PENDAHULUAN A. Latar Belakang Analisis survival atau analisis data ketahanan hidup adalah suatu metode statistik untuk menganalisis data dengan variabel terikat yang diperhatikan
Lebih terperinciEXTENDED COX MODEL UNTUK TIME-INDEPENDENT COVARIATE YANG TIDAK MEMENUHI ASUMSI PROPORTIONAL HAZARD PADA MODEL COX PROPORTIONAL HAZARD SKRIPSI
UNIVERSITAS INDONESIA EXTENDED COX MODEL UNTUK TIME-INDEPENDENT COVARIATE YANG TIDAK MEMENUHI ASUMSI PROPORTIONAL HAZARD PADA MODEL COX PROPORTIONAL HAZARD SKRIPSI ISNA NUR AINI 0706261732 FAKULTAS MATEMATIKA
Lebih terperinciSKRIPSI. Disusun oleh : OKA AFRANDA
ANALISIS REGRESI KEGAGALAN PROPORSIONAL DARI COX PADA DATA WAKTU TUNGGU SARJANA DENGAN SENSOR TIPE I (Studi Kasus di Fakultas Sains dan Matematika Universitas Diponegoro) SKRIPSI Disusun oleh : OKA AFRANDA
Lebih terperinciIMPLEMENTASI COX PROPORTIONAL HAZARD MODEL PARAMETRIK PADA ANALISIS SURVIVAL (Studi Kasus: Mahasiswa Universitas Internasional Batam)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 29-38 pissn : 2460-3333 eissn : 2579-907X IMPLEMENTASI COX PROPORTIONAL HAZARD MODEL PARAMETRIK PADA ANALISIS SURVIVAL (Studi Kasus: Mahasiswa Universitas Internasional
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 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 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 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 terperinciMega Khoirunnisak Pembimbing: Prof. Drs. Nur Iriawan, MIkom, PhD
Pemodelan Faktor-faktor Yang Mempengaruhi Mahasiswa Berhenti Studi (Drop Out) di Institut Teknologi Sepuluh Nopember Menggunakan Analisis Bayesian Mixture Survival Mega Khoirunnisak 1308.100.501 Pembimbing:
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 terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis survival merupakan metode statistik yang digunakan untuk analisis pada data-data survival. Data survival merujuk pada data antar kejadian, yaitu data
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.
BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival merupakan cabang dari ilmu statistika yang meliputi metode untuk menganalisis terjadinya suatu peristiwa (event) dengan waktu pengamatan tertentu.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian-penelitian di bidang kesehatan sering dijumpai salah satu jenis data yang disebut dengan data antar kejadian atau data survival. Data survival
Lebih terperinciANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO
ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
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 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 I PENDAHULUAN. Cure rate models merupakan model survival yang memuat cured fraction dan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Cure rate models merupakan model survival yang memuat cured fraction dan uncured fraction. Model ini dikembangkan untuk estimasi proporsi pasien yang sembuh
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 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 terperinciBAB IV HASIL DAN PEMBAHASAN
7 BAB IV HASIL DAN PEMBAHASAN Metode yang digunakan untuk menganalisis keberlanjutan studi dalam wajib belajar 6 tahun (SD/MI) adalah metode Life Table, Kaplan-Meier, dan hazard proporsional Cox. 4.1 Metode
Lebih terperinciTINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan
II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut
Lebih terperinciHASIL DAN PEMBAHASAN. (a) (b) (c)
5 b. Analisis data daya tahan dengan metode semiparametrik, yaitu menggunakan regresi hazard proporsional. Analisis ini digunakan untuk melihat pengaruh peubah penjelas terhadap peubah respon secara simultan.
Lebih terperinciRencana Program dan Kegiatan Pembelajaran Semester BIOSTATISTIKA DAN EPIDEMIOLOGI (MMS-4411) oleh: Dr. Danardono, MPH.
Rencana Program dan Kegiatan Pembelajaran Semester BIOSTATISTIKA DAN EPIDEMIOLOGI (MMS-4411) oleh: Dr. Danardono, MPH. PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
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 terperinciANALISIS DAYA TAHAN MENUNGGU KELAHIRAN ANAK PERTAMA DI PROVINSI LAMPUNG MAHFUZ HUDORI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016
i ANALISIS DAYA TAHAN MENUNGGU KELAHIRAN ANAK PERTAMA DI PROVINSI LAMPUNG MAHFUZ HUDORI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 ii PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis data survival merujuk pada sekumpulan metode statistika digunakan untuk menganalisis data antar kejadian, dimana variabel outputnya berupa lama waktu
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di dalam pembukaan Undang-Undang Dasar 1945 dinyatakan bahwa salah satu tujuan mendirikan negara kebangsaan Indonesia yang merdeka adalah Mencerdaskan kehidupan bangsa.
Lebih terperinciAnalisis Tahan Hidup Pasien Hipertensi Menggunakan Metode Kaplan-Meier (Studi Kasus: RSUD Kelet Provinsi Jawa Tengah Tahun 2017)
Analisis Tahan Hidup Pasien Hipertensi Menggunakan Metode Kaplan-Meier (Studi Kasus: RSUD Kelet Provinsi Jawa Tengah Tahun 2017) Rina Ariyanti 1 1 Jurusan Statistika,Universitas Islam Indonesia,Yogyakarta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
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 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 terperinciSKRIPSI NITA MULIA SARI
PENERAPAN REGRESI COX PROPORTIONAL HAZARD PADA ANALISIS SURVIVAL DAN IDENTIFIKASI FAKTOR LAMA STUDI MAHASISWA S-1 MANAJEMEN FAKULTAS EKONOMI UNIVERSITAS SUMATERA UTARA SKRIPSI NITA MULIA SARI 100803015
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 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 terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciMODEL PARAMETRIK WEIBULL ACCELERATED FAILURE TIME (AFT) SKRIPSI
UNIVERSITAS INDONESIA MODEL PARAMETRIK WEIBULL ACCELERATED FAILURE TIME (AFT) SKRIPSI CINDY AYUNI SAFITRI 0806325453 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SARJANA MATEMATIKA DEPOK
Lebih terperinciMODEL REGRESI STRATIFIED COX DAN EXTENDED COX UNTUK MENGATASI NON PROPORTIONAL HAZARD Studi Kasus : Lama Pemberian ASI di Propinsi Lampung Tahun 2013
MSi, PhD TESIS - SS142501 MODEL REGRESI STRATIFIED COX DAN EXTENDED COX UNTUK MENGATASI NON PROPORTIONAL HAZARD Studi Kasus : Lama Pemberian ASI di Propinsi Lampung Tahun 2013 RSAMAAN SUR (SEEMINGLY UNRELATED
Lebih terperinci2 Telepon tetap 0 (1) X 3 Kepemilikan. 1 Memiliki telepon 1 telepon Tidak memiliki 2 telepon (1) (2) (3) (4) X 4 Uang muka (%) 1 <
L A M P I R A N Lampiran Peubah-peubah penjelas yang digunakan beserta peubah boneka yang dibentuk Peubah Kategori Keterangan Peubah Boneka () () () X Tipe motor Bebek kelas bawah Bebek kelas atas Motor
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam penelitian ini, wilayah yang diamati adalah wilayah Jakarta. Data yang
BAB 3 METODE PENELITIAN 3.1. Wilayah dan Jadwal Penelitian Dalam penelitian ini, wilayah yang diamati adalah wilayah Jakarta. Data yang digunakan adalah pasien yang tercatat di RSUP Persahabatan, di Jakarta
Lebih terperinciANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO
ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
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 terperinciMODEL REGRESI COX DENGAN HAZARD TAK PROPORSIONAL DAN APLIKASINYA PADA WAKTU KETAHANAN PENGGUNA NARKOBA NUR LASMINI
MODEL REGRESI COX DENGAN HAZARD TAK PROPORSIONAL DAN APLIKASINYA PADA WAKTU KETAHANAN PENGGUNA NARKOBA NUR LASMINI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPengantar Analisis Antar Kejadian
Pengantar Analisis Antar Kejadian Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika UGM Pengantar Analisis Antar Kejadian p.1/140 Analisis Antar Kejadian Data Antar Kejadian
Lebih terperinciAnalisis Regresi Cox Extended pada Pasien Kusta di Kecamatan Brondong Kabupaten Lamongan
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-94 Analisis Regresi Cox Extended pada Pasien Kusta di Kecamatan Brondong Kabupaten Lamongan Nurfain dan Santi Wulan Purnami
Lebih terperinciD-450 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print)
D-450 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) Analisis Faktor yang Memengaruhi Laju Kesembuhan Pasien Tuberkulosis Paru di RSUD Dr. Soetomo Tahun 2015 Menggunakan Regresi
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 terperinci