ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE DI RSU HAJI SURABAYA
|
|
- Hartanti Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE DI RSU HAJI SURABAYA Oleh : Endhy Bastyan NRP : Tahap : Sarjana Dosen Pembimbing :Dr. I Nyoman Latra, MS JURUSAN STATISTIKA ITS
2 AGENDA I II III IV V PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PENELITIAN ANALISIS & PEMBAHASAN KESIMPULAN & SARAN JURUSAN STATISTIKA ITS
3 PENDAHULUAN JURUSAN STATISTIKA ITS
4 Indonesia --- kasus tertinggi di Asia Tenggara kasus (10% meninggal dunia) kasus kasus Surabaya --- kasus tertinggi di Jawa Timur 2011 Februari Maret = 289 kasus. Jumlah kematian akibat kesalahan penanganan harus diminimalisir. Faktor-faktor yang mempengaruhi kesembuhan pasien harus dideteksi. Analisis Survival mampu mengetahui laju kesembuhan pasien beserta faktor-faktor yang mempengaruhinya. Analisis Survival : - Bayessian - Regresi Cox
5 Yussanti (2012) PEMODELAN DEMAM BERDARAH DENGUE (DBD) DI JAWA TIMUR BERDASARKAN FAKTOR IKLIM DAN SOSIO EKONOMI DENGAN PENDEKATAN REGRESI PANEL SEMIPARAMETRIK Fa rifah (2012) ANALISIS SURVIVAL & FAKTOR-FAKTOR YANG MEMPENGARUHI KESEMBUHAN PASIEN DEMAM BERDARAH DENGAN REGRESI COX (STUDI KASUS PASIEN DEMAM BERDARAH DI RSU HAJI SURABAYA TAHUN 2011) Yuswantara (2013) ANALISIS SURVIVAL TERHADAP FAKTOR FAKTOR YANG MEMPENGARUHI LAJU KESEMBUHAN PASIEN PENDERITA DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN REGRESI COX WEIBULL DAN LOGNORMAL 2 PARAMETER
6 1 Bagaimana karakteristik pasien penderita demam berdarah dengue (DBD) di RSU Haji Surabaya? 2 Faktor-faktor apa saja yang mempengaruhi laju kesembuhan dari pasien penderita penyakit demam berdarah dengue (DBD) yang ditinjau dari data rekam medis dan data pribadi pasien di RSU Haji Surabaya? 3 Bagaimana laju kesembuhan pasien penderita penyakit demam berdarah dengue (DBD) di RSU Haji Surabaya?
7 1 Mengetahui karakteristik pasien penderita demam berdarah dengue (DBD) di RSU Haji Surabaya 2 Mengetahui faktor-faktor apa saja yang mempengaruhi laju kesembuhan dari pasien penderita penyakit demam berdarah dengue (DBD) yang ditinjau dari data rekam medis dan data pribadi pasien di RSU Haji Surabaya 3 Mengetahui laju kesembuhan pasien penderita penyakit demam berdarah dengue (DBD) di RSU Haji Surabaya
8 1 Mengetahui faktor yang berpengaruh secara signifikan sehingga dapat memberikan alternatif pemecahan masalah terhadap penyembuhan pasien DBD di RSU Haji Surabaya 2 Agar dapat memahami dan menerapkan metode Regresi Cox serta mengembangkan pengetahuan mengenai penaksiran parameter dan pengujian pada model Regresi Cox
9 Data rekam medis pasien penderita DBD di RSU Haji Surabaya periode tahun 2012 Penelitian ini hanya berlaku untuk kasus demam berdarah dengue (DBD) di RSU Haji Surabaya. Batasan faktor faktor data rekam medis dan data pribadi pasien adalah data usia pasien, jenis kelamin pasien, kadar hemoglobin, leukosit, hematokrit, serta trombosit, suhu tubuh saat pertama kali dilakukan pertama kali pengecekan, pemberian transfusi darah, serta lamanya pasien menginap di RSU Haji Surabaya
10 TINJAUAN PUSTAKA JURUSAN STATISTIKA ITS
11 Analisis survival merupakan suatu metode statistik yang berkaitan dengan waktu, yaitu dimulai dari time origin atau start point sampai pada suatu kejadian khusus (failure event/end point). Salah satu analisis survival yang digunakan adalah regresi cox, yaitu suatu regresi yang digunakan untuk analisis data dengan variabel dependennya berupa waktu survival. Waktu survival tersebut diperoleh dari suatu pengamatan terhadap obyek yang dicatat waktu dari awal kejadian sampai terjadinya peristiwa tertentu, yaitu kegagalan dari setiap obyek yang disebut dengan failure event (Collet, 1994).
12 H 0 : Waktu survival mengikuti distribusi tertentu H 1 : Waktu survival tidak mengikuti distribusi tertentu Statistik uji : Daerah Penolakan: 2 Tolak H 0 apabila A > nilai F α,v1,v2 atau bisa diketahui p-value kurang dari α. Atau dapat dikatakan, akan mengikuti distribusi tertentu jika nilai Anderson - Darling yang diperoleh lebih kecil dari nilai nilai pada distribusi yang lainnya (Law dan Kelton, 2000)
13 . FUNGSI KEPADATAN PELUANG : FUNGSI DISTRIBUSI KOMULATIF : 0, exp ), ( 1 > = t t t t f γ γ η η η γ γ η ( ) = γ η γ η t t F exp 1,
14 S( t η, γ ). = exp t η γ
15 FUNGSI HAZARD : h ( t η, γ ) γ t = η η KOMULATIF HAZARD : H ( t η, γ ) = t η γ γ
16 . VARIANS INFLATION FACTORS (VIF) : KORELASI PEARSON: R j VIF = = = = = = = = = n i n i i i n i i n i i n i i n i i n i i i x x x x n x x n x x x x n r
17 . UJI INDEPENDENSI H 0 : variabel X i dan X j saling bebas H 1 : variabel X i dan X j tidak saling bebas Statistik Uji : I J ( n ) ij ˆ µ 2 ij χ = i= 1 j= 1 ˆ µ Daerah penolakan : 2 2 χ χ α ij 2 >,( I 1)( J 1)
18 Metode Regresi Cox pertama kali dikenalkan oleh Cox, adalah salah satu analisis survival yang paling sering digunakan. Regresi ini digunakan ketika variabel dependennya merupakan suatu data yang diperoleh dari perhitungan waktu suatu peristiwa tertentu. Misalnya data tentang waktu pasien menderita penyakit tertentu, dimana perhitungannya dimulai dari awal sakit hingga dinyatakan sembuh atau terjadi kejadian khusus, yaitu seperti kematian, atau kejadian khusus lainnya (Cox, 1972). Pada umumnya, analisis survival dengan regresi Cox biasanya digunakan di dunia kesehatan, seperti mengenai ketahanan hidup pasien penderita penyakit tertentu (Omurlu, Ture, Tokatli, 2009). Regresi ini tidak mempunyai asumsi mengenai sifat dan bentuk sesuai dengan distribusi normal seperti asumsi pada regresi yang lain, distribusi yang digunakan adalah sesuai dengan variabel dependen yang digunakan (Ahmed, Vos, dan Holbert, 2007).
19
20 Iterasi akan berhenti jika, β β ( l+ 1) ( l) ε
21 Seleksi model terbaik digunakan untuk mendapatkan model terbaik yang dapat menggambarkan hubungan antara waktu survival dengan beberapa variabel independen secara tepat. Cara untuk membandingkan sejumlah kemungkinan model dengan berdasarkan Akaike Information Criterion (AIC) (Collet, 1994). Nilai AIC dapat diperoleh dari. ^ + AIC = 2ln L 2K
22 Pada penelitian ini seleksi yang digunakan adalah eliminasi backward. Langkahlangkah eliminasi backward menurut (Le, 1997) adalah sebagai berikut. 1.Membuat model regresi yang berisi semua variabel independen yang tersedia. 2.Memilih satu variabel independen yang berdasarkan kriteria pemilihan merupakan variabel terakhir untuk dimasukkan dalam model. 3.Melakukan pengujian pada variabel independen yang terpilih pada langkah 2 dan memutuskan untuk menghilangkan atau tidak variabel tersebut. 4.Mengulangi langkah 2 dan 3 untuk setiap variabel yang terdapat pada model. Apabila tidak ada kriteria yang sesuai berdasarkan langkah 3 maka proses telah selesai karena tidak ada lagi variabel independen yang dihilangkan dari model.
23 H 0 : β 1 = β 2 =... = β p = 0 H 1 : paling sedikit ada satu β k 0, dengan k = 1, 2,..., p Statistik Uji : Uji rasio likelihood G 2 = 2ln Λ 2 2 Daerah kritis: tolak H 0 jika G > x p,α atau p-value <α
24 H 0 : β k = 0 H 1 : β k 0 Statistik Uji : Uji Wald W 2 2 k β = SE β k Daerah kritis : tolak H 0 jika W > X α,1 atau p-value < α
25 β e ODDS RATIO = h0 ( t x = 0) h ( t x = 1) 0 = h0 ( t) h ( t) e 0 β = e β Nilai odds ratio yang diperoleh tersebut mempunyai arti bahwa tingkat kecepatan terjadinya failure event (laju kesembuhan) pada individu dengan kategori x=0 β adalah sebesar e kali tingkat kecepatan terjadinya resiko terjadinya peristiwa failure event pada individu dengan kategori x=1. Untuk variabel independen yang kontinu, nilai dari mempunyai interpretasi bahwa perbandingan odds ratio antara individu dengan nilai X lebih besar 1 satuan dibanding individu lain. e β
26 1.Demam Berdarah Dengue adalah penyakit demam akut yang disebabkan oleh virus dengue, dimana virus tersebut masuk ke dalam peredaran darah manusia melalui gigitan nyamuk dari genus Aedes. 2.Terdapat 4 jenis virus dengue yang diketahui menjadi penyebab DBD: DEN-1, DEN-2, DEN-3, dan DEN-4. 3.Masa Inkubasi penyakit DBD : 3-14 hari, rata-ratanya adalah 3-7 hari. 4.Kadar Hemoglobin : untuk wanita adalah 11,4 sampai 15,1 g/dl, sedangkan untuk laki-laki adalah 13,4 sampai 17,7 g/dl. 5.Kadar Leukosit : batas normal bagi wanita adalah /mm 3, untuk laki-laki adalah /mm 3. 6.Kadar Hematokrit : Keadaan normal hematokrit pada tubuh manusia adalah antara 38 sampai 42% untuk wanita dan 40-47% untuk laki-laki. 7.Kadar Trombosit : Dalam kondisi normal, kadar trombosit untuk wanita dan laki-laki adalah antara /mm 3.
27 METODOLOGI PENELETIAN JURUSAN STATISTIKA ITS
28 Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari manajemen RSU Haji Surabaya yaitu data rekam medis mengenai waktu survival pasien penderita penyakit DBD pada periode 2012 yang dirawat di RSU Haji Surabaya.
29 Variabel dependen pada penelitian ini adalah waktu survival (lama pasien dirawat inap) pasien DBD di RS Haji Sukolilo Surabaya.
30 Variabel independen yang digunakan pada penelitian ini yaitu variabel variabel yang diduga berpengaruh terhadap waktu survival (lama pasien dirawat inap) pasien DBD di RSU Haji Surabaya, yaitu: 1.Usia Pasien (X1) 2.Jenis Kelamin Pasien(X2) 3.Kadar Hemoglobin Pasien(X3) 4.Kadar Leukosit Pasien(X4) 5.Kadar Hematokrit Pasien(X5) 6. Kadar Trombosit Pasien(X6) 7. Suhu Tubuh Pasien (X7) 8. Pemberian Transfusi Darah (X8)
31
32
33 1. Deskripsi karakteristik penderita penyakit DBD 2. Mendapatkan faktor-faktor yang mempengaruhi laju kesembuhan pasien penderita penyakit DBD, dengan langkah sebagai berikut. - Melakukan pengujian distribusi weibull dua parameter dengan menggunakan statistik uji Kolmogorov Smirnov - Melakukan uji multikolinearitas antar variabel independen yang digunakan. - Menghitung estimasi parameter model serta fungsi hazard. - Melakukan uji signifikansi parameter. - Menentukan model terbaik dengan kriteria AIC. 3.Untuk mengetahui laju kesembuhan pasien penderita penyakit DBD, langkah analisis yang dilakukan terdiri dari : - Menghitung nilai odd ratio dari variabel independen yang berpengaruh terhadap model untuk mengetahui perbandingan laju kesembuhan setiap kategori dari variabel independen. - Menghitung nilai taksiran fungsi hazard dari model yang terbentuk untuk mengetahui laju kesembuhan pasien pada waktu t 4. Membuat kesimpulan dari hasil analisis dan pembahasan yang telah dilakukan.
34 Mulai A B Pengumpulan data Analisis statistika deskriptif Uji distribusi pada variabel respon (T) Uji Multikolinieritas Melakukan Estimasi Model beserta Fungsi Hazard A Seleksi model terbaik Uji signifikansi parameter Mencari faktor-faktor yang berpengaruh berdasarkan model terbaik Menghitung nilai odd ratio B Menghitung Laju Kesembuhan melalui model pada saat t Selesai
35 ANALISIS & PEMBAHASAN JURUSAN STATISTIKA ITS
36 Variabel Minimum Maximum Mean Standar Deviasi W.Survival ,0521 1,90495 Usia , ,03656 Hemoglobin 9,2 20,7 13,9427 1,96097 Leukosit , ,78709 Hematokrit 27,3 57,5 41,1542 5,10358 Trombosit , ,72012 Suhu 35,4 40,6 37,6115 1,17203
37 Perempuan 49% Laki-laki 52%
38 Ada transfusi 15% Tidak ada transfusi 85%
39
40 Waktu survival < 4 hari 4-5 hari >5 hari Jenis Kelamin (%) Total Laki-Laki Perempuan (%) 19,79 21,88 41,66 9,37 12,50 21,87 21,88 14,58 36,47 Total 51,04 48,96 100
41 Waktu survival Pemberian Transfusi Darah (%) Ada Transfusi Darah Tidak Ada Transfusi Darah Total (%) < 4 hari 8,34 33,33 41, hari 1,04 20,84 21,88 >5 hari 6,25 30,20 36,45 Total 15,63 84,37 100
42
43 Prediktor VIF Usia (X1) 1,099 Hemoglobin (X3) 8,561 Leukosit (X4) 1,359 Hematokrit (X5) 8,692 Trombosit (X6) 1,408 Suhu Tubuh (X7) 1,099
44 Variabel AIC Semua variabel independen 89,669 Tanpa Hematokrit (X 5 ) 87,672 Tanpa Hematokrit (X 5 ) dan Leukosit (X 4 ) 85,683 Tanpa Hematokrit (X 5 ), Leukosit (X 4 ) dan Suhu Tubuh (X 7 ) 84,934 Tanpa Hematokrit (X 5 ), Leukosit (X 4 ), Suhu Tubuh (X 7 ) dan Trombosit (X 6 ) 83,718 Tanpa Hematokrit (X 5 ), Leukosit (X 4 ), Suhu Tubuh (X 7 ), Trombosit (X 6 ) dan Transfusi Darah (X 8 ) 82,468 Tanpa Hematokrit (X 5 ), Leukosit (X 4 ), Suhu Tubuh (X 7 ), Trombosit (X 6 ), Transfusi Darah (X 8 ) dan Jenis Kelamin (X 2 ) Tanpa Hematokrit (X 5 ), Leukosit (X 4 ), Suhu Tubuh (X 7 ), Trombosit (X 6 ), Transfusi Darah (X 8 ), Jenis Kelamin (X 2 ), Hemoglobin (X 3 ) 81,692 81,818
45
46
47
48 Variabel Estimasi Koefisien Odds Ratio Usia -0,0232 0,97706 Hemoglobin -0,0837 0,91970
49 1.Agresti, A. (2002). Categorical Data Analysis Second Edition. New York: John Wiley & Sons. 2.Ahmed, F. E., Vos, P. W., dan Holbert, D. (2007). Modeling Survival in Colon Cancer : A Metodological Review. Molecular Cancer, 6, 15 3.Collet, D. (1994). Modelling Survival Data in Medical Reseach. London: Chapman and Hall 4.Cox, D. R. (1972). Regression Model and Life Table. J Roy Stat Soc B, 34, Draper N.R. dan Smith H. (1992). Analisa Regresi Terapan, Second Edition. New York: John Wiley & Sons. 6.Hocking, R. R. (2003). Methods and Application of Linier Models (Regression and The Analysis of The Variance, Second Edition). New York: John Wiley & Sons. 7.Hosmer, D.W., Lemeshow, S. dan May, S. (2008). Applied Survival Analysis. Wiley & Sons, Inc., Hoboken, New Jersey 8.Kristina, Isminah dan Wulandari.L. (2004). Demam Berdarah Dengue. [diakses tanggal 31 Januari 2013]
50 9.Kusriastuti. (2012). Indonesia Jawara DBD se-asean. [diakses tanggal 31 Januari 2013] Kementrian Kesehatan Republik Indonesia. (2009). Database Kesehatan Per Provinsi.: Kementrian Kesehatan Republik Indonesia 10.Latief. A.H.M. Mahbub, Hosain. M. Zakir, Islam. M. Ataharul. Model Selection Using Modified Akaike s Information Criterion: An Application to Maternal Morbidity Data.Australian Journal of Statistics Vol.37 No.2 (2008), p Law, A. M., & Kelton, D. W. (2000). Simulation Modelling Analysis (3th ed.). New York: MacGraw-Hill 12.Le, C. T. (1997). Applied Survival Analysis. New York: John Wiley and Sons, Inc. Liang, C.,Zheng, G., Zhu, N., Zhe, T., Lu, S., dan Chen, L. (2011). A New Environmental Heat Stress Index for Indoor Hot and Humid Envirenments Based on Cox Regression. Journal International of Buliding and Environment, 46,
51 13.Omurlu, I. K., Ture, M., Tokatli, F. (2009). The Comparisons of Random Survival Forest and Cox Regression analysis with Simulation and an Application Related to Breast Cancer. Journal International of Expert Systems with Applications, 36, Yussanti, N. (2011). Pemodelan Wabah Demam Berdarah Dengue (DBD) di Jawa Timur Berdasarkan Faktor Iklim dan Sosio-ekonomi Dengan Pendekatan Regresi Panel Semiparametrik. Institut Teknologi Sepuluh Nopember, Surabaya 15.Yuswantara, Y (2013). Analisis Survival Terhadap Faktor-Faktor YangMempengaruhi Laju KesembuhanPasienPenderita Demam Berdarah Dengue (DBD) Regresi Cox Weibull Dan Lognormal Dua Parameter. Institut Teknologi Sepuluh Nopember, Surabaya 16.Walpole, R. E. (1995). Pengantar Statistika (3nd ed.). Jakarta: PT Gramedia Pustaka Utama 17.Wikipedia Web site. (2012). Demam Berdarah. Diakses pada 27 Januari 2012, dari
Analisis Survival Faktor-Faktor yang Mempengaruhi Laju Kesembuhan Pasien Penderita Demam Berdarah Dengue (DBD) di RSU Haji Surabaya dengan Regresi Cox
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-71 Analisis Survival Faktor-Faktor yang Mempengaruhi Laju Kesembuhan Pasien Penderita Demam Berdarah Dengue (DBD) di RSU Haji Surabaya
Lebih terperinciAnalisis Survival Dengan Model Regresi Cox Study Kasus: Pasien Demam Berdarah Dengue di Rumah Sakit Haji Surabaya
Jurnal Matematika Vol. 2 No. 2, Desember 2012. ISSN : 1693-1394 Analisis Survival Dengan Model Regresi Cox Study Kasus: Pasien Demam Berdarah Dengue di Rumah Sakit Haji Surabaya Ni Putu Lisa Ernawatiningsih
Lebih terperinciANALISIS TAHAN HIDUP PENDERITA DEMAM BERDARAH DENGUE
ANALISIS TAHAN HIDUP PENDERITA DEMAM BERDARAH DENGUE (DBD) DI KABUPATEN KARANGANYAR DENGAN PENDEKATAN BAYESIAN Titian Peramu Cahyani, Sri Subanti dan Purnami Widyaningsih Jurusan Matematika Fakultas Matematika
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 terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU KESEMBUHA PENDERITA PENYAKIT TUBERKULOSIS DI RSUD IBNU SINA KABUPATEN GRESIK
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU KESEMBUHA PENDERITA PENYAKIT TUBERKULOSIS DI RSUD IBNU SINA KABUPATEN GRESIK Oleh : Eldira Sukmawati (1308 100 50) Dosen Pembimbing : Prof.Dr.Drs. I Nyoman
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 terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciPENGUJIAN HIPOTESIS. Pengujian serentak. Pengujian Parsial. Statistik uji : Statistik uji : :minimal ada satu β
PENGUJIAN HIPOTESIS Pengujian serentak H 0 :β1 = β 2 = = β p = 0 H 1 :minimal ada satu β j 0 j= 1,2,,p Pengujian Parsial H 0 :β j = 0 H 1:β j 0 Statistik uji : G 2 ( ˆ ) L ω = 2ln L ( ) Ωˆ Tolak H 0 jika
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 terperinciDEWA AYU RATIH WEDA ISWARA NRP
Faktor-faktor yang Mempengaruhi Tingkat Konsumsi Pengguna NAPZA Suntik (Penasun) di Yayasan Bina Hati Surabaya Menggunakan Metode Regresi Logistik Ordinal I DEWA AYU RATIH WEDA ISWARA NRP 1310 100 023
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
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 terperinciIMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG
IMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG Wardatuz Zakiyah, Hendro Permadi, dan Swasono Rahardjo Universitas Negeri Malang E-mail : zakiyah_musta
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 terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
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 terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
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 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 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 IV METODOLOGI PENELITIAN. register status pasien. Berdasarkan register pasien yang ada dapat diketahui status pasien
27 BAB IV METODOLOGI PENELITIAN 4.1 Kerangka Pemikiran dan Hipotesis 4.1.1 Kerangka Pemikiran Penelitian ini dimulai dengan mengambil data pasien demam tifoid berasal dari register status pasien. Berdasarkan
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia sebagai negara dengan curah hujan tinggi memiliki risiko untuk penyakit-penyakit tertentu, salah satunya adalah penyakit demam berdarah dengue. Penyakit
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 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 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 terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI
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 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 terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciPEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH
PEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH 1 Prisca Shery Camelia, 2 Indah Manfaati Nur, 3 Moh. Yamin Darsyah 1,2,3 Program Studi
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 terperinciESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING
ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS RLOTG DENGAN METODE FISHER SCORING Aulia Nugrahani Putri, Purnami Widyaningsih, dan Dewi Retno Sari Saputro Program Studi Matematika
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciRata-rata Nilai. 2 saudara 25%
Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai
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 terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciANALISIS SURVIVAL DAN FAKTOR-
ANALISIS SURVIVAL DAN FAKTOR- FAKTOR YANG MEMPENGARUHI KESEMBUHAN PASIEN DEMAM BERDARAH DENGAN MENGGUNAKAN BAYESIAN MIXTURE SURVIVAL By: Suci Amalia (1306 100 005) Pembimbing: Prof. Drs. Nur Iriawan, MIKom,
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 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 terperinciAnalisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi
Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciPENENTUAN INTERVAL WAKTU PENGGANTIAN SUB-SUB SISTEM MESIN HEIDELBERG CD 102 DI PT. X
PENENTUAN INTERVAL WAKTU PENGGANTIAN SUB-SUB SISTEM MESIN HEIDELBERG CD 102 DI PT. X Trisian Hendra Putra dan Bobby Oedy P. Soepangkat Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh
Lebih terperinciBAB I PENDAHULUAN. Waktu survival (survival time) merupakan salah satu penelitian yang digunakan
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu survival (survival time) merupakan salah satu penelitian yang digunakan untuk menghitung waktu dari munculnya gejala sampai dengan munculnya kejadian. Dalam waktu
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Ruang Lingkup penelitian A.1. Tempat Rumah Sakit Roemani Muhammadiyah Semarang. A.2. Waktu Waktu pelaksanaan bulan September Oktober 2011. A.3. Disiplin Ilmu Disiplin ilmu
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 907-916 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN
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 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 terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
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 terperinci6. Pasien yang Batuk Darah
6. Pasien yang Batuk Darah 7. Pasien yang Nyeri dada FAKTOR-FAKTOR YANG MEMPENGARUHI PENDERITA PENYAKIT TB PARU DI RSU HAJI SURABAYA 1. Uji Independensi hipotesis yang digunakan adalah sebagai berikut
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 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 terperinciANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
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 terperinciFAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER
FAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER RIZKA ARIFANJUNI NRP 1309 030 027 Dosen Pembimbing Dr. Bambang Widjanarko O., M.Si.
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-79
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-79 Faktor-faktor yang Mempengaruhi Tingkat Konsumsi Pengguna Napza Suntik (Penasun) di Yayasan Bina Hati Surabaya Menggunakan
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
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 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 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 FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR
L/O/G/O SEMINAR HASIL TUGAS AKHIR PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR Oleh: Ria Dosen Pembimbing: Dra. Wiwiek Setya
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
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 terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciPEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2
Lebih terperincipendekatan regresi logistik biner Oleh :Wida Suliasih ( )
Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian
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 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 terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciPemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-3 (3-98X Print) D-98 Pemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression Suprianto Simanuntak,
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 terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciIMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si.
S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan
Lebih terperinciponsel, purposive sampling, regresi logistik politomus
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO
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 terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
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 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 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 terperinciANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010
ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:
Lebih terperinciE-Jurnal Matematika Vol. 5 (4), November 2016, pp ISSN:
E-Jurnal Matematika Vol 5 (4), November 2016, pp 133-138 ISSN: 2303-1751 PERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSION (Studi
Lebih terperinci