BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Siska Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 terjadinya suatu event, sehingga analisis survival sering disebut juga analisis antar kejadian (time-to-event analysis). Waktu suatu objek telah bertahan selama periode pengamatan atau sampai terjadinya suatu event yang diinginkan disebut survival time atau failure time. Dengan kata lain, survival time adalah suatu variabel yang mengukur waktu dari sebuah titik awal tertentu sampai dengan sebuah titik akhir yang ingin diperhatikan. Waktu dapat berupa tahun, bulan, hari, jam, atau bahkan menit yang diukur sejak pengamatan dimulai hingga muncul kejadian. Kejadian yang diamati dapat berupa kematian, insiden penyakit, kekambuhan penyakit, atau penyembuhan penyakit. Analisis survival banyak digunakan pada bidang-bidang terapan seperti ilmu kedokteran, ekonomi, sosiologi, psikologi, teknik dan berbagai bidang lain. Kejadian (event) dapat dianggap sebagai suatu kegagalan (failure), karena event yang diperhatikan biasanya berupa kematian pasien, kambuhnya penyakit setelah perawatan, kerusakan mesin, dan lain sebagainya. Disamping itu, terdapat juga kasus kegagalan yang kejadiannya positif, seperti sembuhnya seseorang setelah dilakukan operasi. Beberapa metode analisis tersedia untuk mendapatkan informasi dari data survival, misalnya metode non-parametrik dengan menggunakan estimasi Kaplan- Meier maupun Nelson-Aalen. Akan tetapi, hanya melihat waktu survival saja tidak bisa mengakomodir keberadaan informasi dari pengukuran lainnya. Metode parametrik, misalnya dengan regresi, memberikan hasil yang lebih baik. Hal ini dikarenakan pada regresi parametrik dapat diketahui pola dan kekuatan hubungan 1
2 2 antara waktu kejadian dengan satu atau lebih variabel prediktor (covariate) yang terukur pada saat dilakukan penelitian. Analisis survival mengenal dua terminologi yaitu fungsi survival (survival function) yang diberi simbol dengan S(t) dan fungsi hazard (hazard function) yang diberi simbol h(t). Fungsi survival atau S(t) menjelaskan probabilitas seseorang untuk survive lebih lama dari waktu spesifik t. Pada analisis survival selalu terjadi data tersensor (censored data), yaitu ada informasi mengenai waktu ketahanan individu tetapi tidak diketahui secara pasti berapa lama waktu ketahanannya (Kleinbaum, 1996). Penyebab terjadinya adalah hingga studi berakhir belum muncul kejadian yang diinginkan, hilang dari pengamatan, atau mengalami kejadian yang tidak berhubungan dengan substansi yang diteliti. Kasus tersensor tidak dibuang tetapi tetap diperhitungkan karena minimum hingga titik tertentu masih dapat dilihat belum mengalami kejadian dan dengan asumsi kejadian sensor dalam rentang waktu tertentu terjadi secara merata. Disebut sensor apabila misalnya suatu studi berakhir tetapi tidak muncul kejadian yang diinginkan atau subjek yang diteliti pergi tanpa pesan atau subyek mengundurkan diri karena suatu alasan atau dapat pula subyek mendapatkan kejadian yang bukan merupakan fokus penelitian. Berikut contoh penjelasan mengenai pengertian kejadian, sensor dan waktu ketahanan (survival time). Kleinbaum, 1996 menyatakan bahwa kegunaan analisis survival pertama adalah untuk memperkirakan probabilitas ketahanan suatu kejadian menurut waktu. Kedua, dapat untuk menyimpulkan status kesehatan penduduk. Ketiga, membandingkan ketahanan suatu kejadian antar kelompok. Keempat, mengidentifikasi laju suatu kejadian yang dialami penduduk dalam periode waktu tertentu. Dalam penelitian analisis survival tidak bisa digunakan analisis regresi klasik, karena data waktu hidup jarang dijumpai yang berdistribusi normal. Salah satu asumsi dari analisis regresi klasik adalah datanya berdistribusi normal, sehingga jika dipaksakan untuk tetap menggunakan model regresi linear maka
3 3 model tersebut tidak terlalu bagus untuk menggambarkan data. Selain itu, dalam analisis survival data yang digunakan tidak berasal dari satu orang tetapi dari beberapa pasien yang memiliki kriteria yang berbeda-beda sehingga uji univariatnya tidak dapat digunakan dan masih banyak faktor lain yang menyebabkan analisis regresi klasik tidak dapat digunakan untuk menganalisis data survival. Salah satu model regresi yang sering digunakan dalam analisis survival adalah regresi Cox. Seperti halnya regresi klasik, regresi Cox mempunyai variabel dependen, yang berupa data waktu hidup, dan variabel independen atau kovariat. Pengaruh kovariat-kovariat pada data survival dapat dilakukan dengan memodelkan conditional hazard sebagai fungsi dari kovariat-kovariatnya. Conditional hazard dari individu dengan kovariat-kovariat merupakan produk dari baseline hazard dan fungsi eksponen kovariat-kovariatnya. Baseline hazard merupakan fungsi yang bergantung pada waktu dan tidak melibatkan kovariat. Sedangkan bagian ekspresi eksponensial merupakan fungsi yang bergantung pada kovariat tanpa melibatkan waktu. Oleh karena itu, model regresi Cox lebih dikenal sebagai model semi-parametrik. Tujuan dari metode regresi Cox adalah untuk mengetahui hubungan antara waktu survival dengan variabel-variabel prediktor. Dalam regresi Cox, fungsi hazard secara penuh dipengaruhi oleh vektor kovariat sehingga jika terdapat kovariat yang tak teramati maka akan menimbulkan kerancuan. Model regresi Cox berbeda dengan model parametrik, dimana baseline hazard pada model parametrik mempunyai bentuk yang jelas. Dalam kenyataannya, data yang dimiliki tidak diketahui distribusinya, sehingga bentuk baseline hazard juga tidak dapat diketahui. Model semi-parametrik lebih sering digunakan, karena walaupun bentuk fungsional baseline hazard tidak diketahui, tetapi model regresi Cox ini tetap dapat memberikan informasi yang berguna, berupa hazard ratio (HR) yang tidak bergantung pada baseline hazard. Hazard ratio untuk dua individu dengan nilai kovariat yang berbeda tidak akan
4 4 dipengaruhi oleh waktu. Dengan kata lain, hazard untuk satu individu proporsional dengan hazard individu lainnya dengan keproporsionalan yang konstan. Oleh sebab itu, model regresi Cox juga dikenal dengan nama model regresi Cox Proportional Hazard. Ketika model regresi Cox Proportional Hazard diterapkan pada data survival, hal yang harus dipenuhi adalah bahwa data harus memenuhi asumsi proportional hazard. Proportional hazard yang tidak signifikan dapat menyebabkan tidak adanya perbedaan dalam interpretasi data terutama untuk ukuran sampel yang besar. Model regresi Cox seperti yang dijelaskan diatas hanya dapat digunakan untuk data dengan event tunggal. Pada penelitian tentang penyakit-penyakit kronis seperti kanker seringkali dilihat juga event-event selain kematian, misalnya pertama kali menderita kanker, kembali menjalani perawatan di rumah sakit, atau kenaikan stadium dari kanker tersebut. Kasus-kasus seperti di atas dapat dimodelkan menggunakan model multistatus. Model multistatus merupakan salah satu metode dalam analisis survival di mana event yang menjadi perhatian lebih dari satu. Model multistatus dapat diestimasi menggunakan beberapa metode, yaitu metode Markov, Non-Markov, maupun Semi-Markov. Dari ketiga metode tersebut, metode Markov merupakan metode yang banyak digunakan dalam pemodelan multistatus karena kesederhanaan modelnya (Meira-Machado dkk., 2009). Model multistatus Markov paling sederhana yaitu model multistatus Markov waktu homogen (time homogeneous multistate Markov model), di mana intensitas transisi diasumsikan konstan sepanjang waktu (Andersen dan Keiding, 2002; Meira-Machado dkk., 2009). Asumsi kehomogenan intensitas transisi terhadap waktu memudahkan untuk mengestimasi model multistatus. Berdasarkan uraian latar belakang tersebut, maka dalam penelitian ini penulis bermaksud mengusulkan untuk menggabungkan model Cox Proportional Hazard dan model Markov untuk penilaian waktu kelangsungan hidup seorang
5 5 pasien. Model Cox Proportional Hazard mengestimasi pengaruh berbagai ciri-ciri pada saat hazard rate, sedangkan model Markov menganalisis bagaimana perkembangan pasien, misalnya pasien dislipidemia pada penyakit jantung koroner dalam hal mengubah kadar LDL kolesterol dan konsumsi statin, mempengaruhi waktu kelangsungan hidup pasien tersebut. Penulis juga menggunakan koneksi matematika antar dua model tersebut untuk menggabungkan hasil keduanya dan untuk memperkuat kesimpulan yang diperoleh. Penggunaan analisis dengan proses markov ini bertujuan untuk mengetahui perkiraan waktu kelangsungan hidup pasien, estimasi total waktu di setiap state selama sisa hidup pasien, probabilitas transisi antar state, dan lain-lain. Penggunaan model ini efektif untuk empat tujuan. Pertama, model ini dianggap tepat untuk analisis yang berdiri sendiri, karena tidak berdasarkan asumsi mengenai bentuk yang mendasari distribusi waktu kelangsungan hidup, dan mempertimbangkan data tersensor pasien yang masih hidup pada akhir penelitian. Kedua, Jika beberapa faktor resiko dapat diasumsikan statis atau permanen (misalnya, terdiagnosanya penyakit diabetes) dapat mempengaruhi tingkat bahaya atau hazard rate yang signifikan, hal ini menunjukkan bahwa model Markov harus diterapkan secara terpisah untuk masing-masing tingkat (misalnya, penderita diabetes dan non-diabetes). Ketiga, penting untuk menyadari bahwa faktor-faktor sebelum deteksi mempengaruhi tingkat bahaya atau hazard rate karena faktor-faktor ini dianggap mencakup bagian-bagian dalam rantai Markov (Markov Chain), yang bertujuan untuk model evolusi sepanjang waktu dari deteksi. Keempat, jika perkiraan fungsi baseline hazard tidak bergantung pada waktu maka distribusi waktu kelangsungan hidupnya adalah eksponensial, yang memvalidasi asumsi stasioneritas dari model Markov, seperti yang akan dijelaskan pada bagian selanjutnya. 1.2 Rumusan Masalah Berdasarkan latar belakang di atas, rumusan masalah dari penelitian ini adalah sebagai berikut:
6 6 1. Bagaimana hasil analisis survival dengan menggunakan model Cox proportional hazard? 2. Bagaimana hasil estimasi parameter dalam model Cox proportional hazard pada model? 3. Bagaimana hasil matriks transisi probabilitas dengan menggunakan model Markov? 4. Bagaimana hasil gabungan analisis survival dengan menggunakan model Cox proportional hazard dan model Markov? 5. Bagaimana inferensi parameter model tersebut? 1.3 Tujuan dan Manfaat Berdasarkan rumusan masalah di atas, maka tujuan dari penelitian ini adalah sebagai berikut: 1. Mengetahui hasil analisis survival dengan menggunakan model Cox proportional hazard. 2. Mengetahui hasil estimasi parameter dalam model Cox proportional hazard pada model. 3. Mengetahui hasil matriks transisi probabilitas dengan menggunakan model Markov. 4. Mengetahui hasil gabungan analisis survival dengan menggunakan model Cox proportional hazard dan model Markov. 5. Mengetahui inferensi parameter pada model tersebut. Selanjutnya, hasil dari penelitian ini diharapkan menambah wawasan bagi siapa saja, terutama yang mendalami bidang analisis data survival sehingga dapat digunakan sebagai batu pijakan untuk penelitian lebih lanjut. 1.4 Pembatasan Masalah Pada penelitian ini, batasan masalah sangat diperlukan supaya tidak terjadi penyimpangan dari tujuan awal. Oleh karena itu, pembahasan hanya akan
7 7 difokuskan pada hasil analisis survival menggunakan gabungan model Cox proportional hazard dan model Markov. 1.5 Tinjauan Pustaka Literatur utama yang menjadi acuan dalam penelitian ini adalah artikel yang ditulis oleh Michal Shauly, Gad Rabinowitz, Harel Gilutz, dan Yisrael Parmet (2011). Jurnal utama yang akan dibahas dalam tesis ini berjudul Combined survival analysis of cardiac patients by a PH Cox model and a Markov chain yang membahas tentang kombinasi analisis survival pada pasien jantung koroner dengan model Cox proportional hazard dan model Markov. Selain menggunakan jurnal, penelitian ini juga menggunakan beberapa buku sebagai acuan. Buku-buku yang digunakan antara lain buku berjudul Analysis of Survival Data yang ditulis oleh Cox dan Oakes (1984), Introduction to Probability Model (10th Edition). karya Ross (2010), dan Statistical Methods for Survival Data Analysis (3rd Edition) karya Lee dan Wang (2003) yang merupakan rujukan dalam definisi, teorema, regresi cox, dan proses stokastik.. Definisi dan konsep-konsep dasar dari penelitian ini diperoleh dari rujukan berupa buku teks. Beberapa buku yang digunakan yaitu Empirical Likelihoood Methods yang ditulis oleh Rao dan Wu (2008), dan Introduction to Probability and Mathematical Statistics yang ditulis oleh Bain dan Engelhardt (1992). 1.6 Metodologi Penelitian Metode yang dilakukan dalam penelitian ini adalah studi literatur, dan pengolahan data. Sumber literatur diperoleh dari buku, artikel, dan jurnal yang terkait dengan tema penelitian yaitu analisis mengenai model Cox Proportional Hazard dan model Markov. Selanjutnya hasil dari kedua model tersebut digabungkan sehingga diperoleh kesimpulan yang saling melengkapi dalam mengestimasi fungsi survival. Setelah itu dilakukan simulasi atau studi kasus untuk memperoleh hasil analisis dari kombinasi kedua model tersebut.
8 8 1.7 Sistematika Penulisan Penulisan Tesis ini terdiri atas 5 (lima) bab dengan pembagian sebagai berikut: BAB I PENDAHULUAN Bab pertama berisi tentang latar belakang masalah, rumusan masalah, tujuan dan manfaat penelitian, pembatasan masalah, tinjauan pustaka, metodologi penelitian dan sistematika penulisan. BAB II LANDASAN TEORI Bab kedua berisi tentang teori-teori yang akan dgunakan dalam pembahasan, di antaranya Variabel Random, Harga Harapan, Fungsi Likelihood, Estimasi Titik, Metode Maksimum Likelihood, Data Survival, Data Tersensor, Data Multistatus, Fungsi Survival dan Fungsi Hazard, Model Cox Proportional Hazard, Estimasi Parameter, Prosedur Newton-Raphson, Pengujian Parameter, Proses Stokastik, Rantai Markov, Model Multistatus, Probabilitas Transisi, Matriks Probabilitas Transisi, dan Klasifikasi Status dari Rantai Markov. BAB III PEMBAHASAN Bab ketiga berisi penjelasan mengenai model Cox proporsional hazard dan model Markov beserta kaitan keduanya. BAB IV STUDI KASUS Bab keempat berisi simulasi dan studi kasus. BAB V PENUTUP Bab kelima berisi Kesimpulan dan Saran yang memuat rangkuman hasil penelitian dan saran bagi penelitian selanjutnya.
BAB 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Banyak jenis data memiliki struktur hirarki, tercluster, atau bersarang (nested). Hirarki tersebut dapat hadir secara alami dalam pengamatan observasional
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok
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 merujuk pada sekumpulan metode statistika digunakan untuk menganalisis data antar kejadian, dimana variabel outputnya berupa lama waktu
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 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 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
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 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 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 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 Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
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 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 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 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 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 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 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 terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kesehatan merupakan anugerah Allah SWT yang tidak bisa dinilai harganya yang harus kita syukuri. Meskipun sudah berhati-hati, orang tidak bisa menghindari
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 terperinciMODEL 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 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 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 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 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 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 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 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 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 4 ANALSIS DAN BAHASAN. Tuberculosis (TB Paru) berdasarkan variabel usia, jenis kelamin, perilaku
BAB 4 ANALSIS DAN BAHASAN 4.1. Analisis Data dan Bahasan 4.1.1. Analsis Deskriptif Analisis deskriptif berikut ini menjelaskan kateristik pasien penderita Tuberculosis (TB Paru) berdasarkan variabel usia,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciANALISIS SURVIVAL UNTUK MENGETAHUI LAJU KESEMBUHAN PENYAKIT TB PARU di JAKARTA BERBASIS DESKTOP APPLICATION
ANALISIS SURVIVAL UNTUK MENGETAHUI LAJU KESEMBUHAN PENYAKIT TB PARU di JAKARTA BERBASIS DESKTOP APPLICATION Indra Maulana., Rokhana D.B., Franky H.M. Universitas Bina Nusantara Jl. Kebon Jeruk No. 27,
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 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. namun adakalanya angka-angka tersebut semata-mata dikumpulkan tanpa maksud atau
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini seringkali digunakan data yang umumnya berupa kumpulan angka, namun adakalanya angka-angka tersebut semata-mata dikumpulkan tanpa maksud atau alasan
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 regresi digunakan untuk mengetahui bentuk hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Umumnya analisis regresi yang digunakan
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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
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 terperinciSTUDI PENENTUAN FAKTOR-FAKTOR PENGARUH TINGKAT KECENDERUNGAN RENOVASI RUMAH DI PERUMAHAN DENGAN MENGGUNAKAN ANALISIS SURVIVAL
STUDI PENENTUAN FAKTOR-FAKTOR PENGARUH TINGKAT KECENDERUNGAN RENOVASI RUMAH DI PERUMAHAN DENGAN MENGGUNAKAN ANALISIS SURVIVAL Fenty Fahminnansih, Retno Indryani, Nur Iriawan Jurusan Manajemen Proyek Program
Lebih terperinciBAB I PENDAHULUAN. kematian bisa menimpa siapa saja di semua kalangan, misalnya cacat karena sakit
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kurangnya kemampuan seseorang dalam melaksanakan aktivitas misalnya bekerja atau mencari kebutuhan finansial karena masalah kesehatan atau masalah mental yang mungkin
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
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. yang perlu diketahui, yang disebut sebagai variabel. Variabel adalah sebuah
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus diketahui, hanya satu atau beberapa karakteristik populasi yang perlu diketahui, yang
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 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 terperinciPEMODELAN LAJU KESEMBUHAN PASIEN RAWAT INAP TYPHUS ABDOMINALIS
PEMODELAN LAJU KESEMBUHAN PASIEN RAWAT INAP TYPHUS ABDOMINALIS (DEMAM TIFOID) MENGGUNAKAN MODEL REGRESI KEGAGALAN PROPORSIONAL DARI COX (Studi Kasus di RSUD Kota Semarang) SKRIPSI Disusun oleh: Nama :
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 terperinciRegresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI)
Regresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI) Endah Budiarti 1 Septiadi Padmadisastra 2 Bertho Tantular 3 1,2,3 ProgramMagister Statistika Terapan, FMIPA, Universitas Padjadjaran Email:
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 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 terperinciPenggunaan Metode Bootstrap dalam Regresi Cox Proportional Hazards pada Ketahanan Hidup Pasien Diabetes mellitus
Penggunaan Metode Bootstrap dalam Regresi Cox Proportional Hazards pada Ketahanan Hidup Pasien Diabetes mellitus Ninuk Rahayu a, Adi Setiawan b, Tundjung Mahatma c a,b,c Program Studi Matematika Fakultas
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 I PENDAHULUAN. berhubungan dengan waktu suatu individu/ subjekmulai dari awal pengamatan
A. Latar Belakang BAB I PENDAHULUAN Analisis survival/ analisis data ketahanan hidup adalah suatu metode yang berhubungan dengan waktu suatu individu/ subjekmulai dari awal pengamatan sampai terjadinya
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 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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin majunya peradaban zaman, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data kedalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
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 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 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 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 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 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 terperinciSTUDI PENENTUAN FAKTOR-FAKTOR PENGARUH TINGKAT KECENDERUNGAN RENOVASI RUMAH DI PERUMAHAN DENGAN MENGGUNAKAN ANALISIS SURVIVAL
STUDI PENENTUAN FAKTOR-FAKTOR PENGARUH TINGKAT KECENDERUNGAN RENOVASI RUMAH DI PERUMAHAN DENGAN MENGGUNAKAN ANALISIS SURVIVAL Fenty Fahminnansih, Retno Indryani, Nur Iriawan Bidang Keahlian Manajemen Proyek
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 terperinciPROSES KEMATIAN MURNI (Pure Death Processes)
PROSES KEMATIAN MURNI (Pure Death Processes) Komplemen dari bertambahnya proses kelahiran murni adalah dengan penurunan proses kematian murni. Hal itu ditunjukkan keberhasilan melewati state,,, 2, dan
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 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 Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Metode regresi merupakan komponen integral dari suatu analisis data yang menggambarkan hubungan antara variabel respon dan satu atau lebih variabel prediktor
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 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 terperinci6.6 Rantai Markov Kontinu pada State Berhingga
6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada
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 terperinciPEMODELAN REGRESI COX DAN REGRESI WEIBULL WAKTU SEMBUH DIARE PADA BALITA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 50-55 pissn : 2460-3333 eissn : 2579-907X PEMODELAN REGRESI COX DAN REGRESI WEIBULL WAKTU SEMBUH DIARE PADA BALITA Siti Alfiatur Rohmaniah 1 dan Danardono 2 1 Universitas
Lebih terperinciBAB I PENDAHULUAN. banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi menawarkan berbagai produk untuk menarik minat banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah satu produk asuransi
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 terperinciBAB I PENDAHULUAN. Gambar 1.1 Proses Pembayaran Klaim
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Polis non-life insurance adalah kontrak antara pemegang polis dan perusahaan asuransi. Perusahaan asuransi akan menetapkan sejumlah uang yang akan dibayarkan
Lebih terperinciPemodelan Kekambuhan Pasien Kanker Serviks di RSUD dr. Soetomo Surabaya Menggunakan Regresi Cox Extended
JURNAL SAINS DAN SENI IS Vol. 6, No. 2, (2017) ISSN: 2337-3520 (2301-928X Print) D-192 Pemodelan Kekambuhan Pasien Kanker Serviks di RSUD dr. Soetomo Surabaya Menggunakan Regresi Cox Extended annassia
Lebih terperinci