terdefinisi. Oleh karena itu, estimasi resiko kematian pasien dapat diperoleh berdasarkan nilai hazard ratio. Model hazard proporsional parametrik
|
|
- Lanny Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 (failure), misalnya berupa kematian, munculnya penyakit baru, atau kekambuhan kembali terhadap suatu penyakit. Jika kejadian yang menjadi perhatian adalah kematian (mortalitas), maka waktu survivalnya adalah lama hidup dari setiap individu hingga event kematian terjadi. Apabila individu tidak mengalami event kematian atau masih hidup hingga penelitian berakhir, maka disebut kejadian tidak lengkap (tersensor). Karsinoma payudara merupakan salah satu jenis kanker yang banyak diderita oleh wanita. Data Surveillance Epidemiology and End Result (SEER) menunjukkan bahwa pada tahun 2007 diperkirakan wanita didiagnosis kanker payudara dan lebih dari wanita meninggal karena kanker ini. Event kematian yang diakibatkan oleh penyakit kanker dapat dipengaruhi oleh faktor prognosis tertentu. Dalam analisanya, faktor tersebut disebut juga variabel prediktor yang dapat berkontribusi dalam memprediksi peluang tahan hidup atau peluang kematian pasien dengan memperhatikan waktu survivalnya. Pada analisis survival, hubungan antara waktu survival dan variabel prediktor dapat dianalisis dengan menggunakan metode regresi. Metode tersebut bertujuan untuk menentukan faktor-fakor yang secara signifikan mempengaruhi waktu tahan hidupnya, lebih lanjut dapat digunakan untuk mengestimasi fungsi survival dan fungsi hazard. Salah satu metode regresi yang biasa digunakan dalam analisis survival adalah model hazard proporsional. Model regresi Cox, yang disebut juga model hazard proporsional semi parametrik, merupakan model yang paling terkenal dalam analisis survival karena kesederhanaannya dan tidak berdasarkan pada asumsi suatu distribusi survival (Rezaei, dkk, 2014). Karena tidak berdasarkan asumsi suatu distribusi survival, maka baseline hazard, yaitu fungsi hazard ketika tidak melibatkan kovariat, memiliki bentuk yang tidak 1
2 2 terdefinisi. Oleh karena itu, estimasi resiko kematian pasien dapat diperoleh berdasarkan nilai hazard ratio. Model hazard proporsional parametrik merupakan alternatif lain dari model regresi Cox. Baseline hazard pada model hazard proporsional parametrik dapat diasumsikan mengikuti suatu distribusi survival. Jika distribusi survival yang sesuai untuk model dapat ditemukan, maka model parametrik lebih informatif dari pada model Cox (Zeraati, dkk, 2011). Versi parametrik dari model Cox ini memberikan hasil estimasi yang lebih tepat terhadap peluang tahan hidupnya (Hjort, 1992). Estimasi dengan metode parametrik sangat baik digunakan jika distribusi dari data survival diketahui, karena akan diperoleh estimasi fungsi survival dan fungsi hazard yang akurat. Distribusi yang sering digunakan untuk memodelkan distribusi waktu hidup adalah distribusi Eksponensial, Weibull, Gamma, dan Log-normal (Lawless, 1982). Distribusi eksponensial adalah distribusi yang pertama kali digunakan dalam memodelkan waktu hidup (lifetime) karena kesederhanaan dan kecocokannya dalam menjelaskan waktu hidup suatu individu atau barang produksi (Lawless, 1982). Namun, distribusi ini tidak cukup baik dalam memodelkan distribusi waktu hidup karena fungsi hazardnya selalu konstan. Sementara pada data survival, tingkat resiko (hazard rate) yang ditemui tidak selalu konstan. Tingkat resiko (hazard rate) tersebut dapat naik atau turun bergantung pada kasus yang terjadi. Marshall dan Olkin (1997) memperkenalkan metode penambahan parameter shape pada fungsi survival dari distribusi Eksponensial. Dari metode penambahan paramater tersebut, diperoleh distribusi dua-parameter baru dengan sifat decreasing hazard rate yang dinamakan distribusi Exponential Geometric (EG) oleh Adamidis dan Loukas (1998). Selanjutnya, Adamidis, dkk (2005) memperkenalkan perluasan dari distribusi EG yang kemudian disebut distribusi Extended Exponential Geometric (EEG) dengan sifat decreasing hazard rate dan increasing hazard rate. Distribusi Extended Exponential Geometric (EEG) ini dapat menjadi kompetitor terhadap distribusi dua parameter lainnya.
3 3 Pada tesis ini akan dibahas tentang model hazard proporsional dengan baseline hazard berdistribusi Extended Exponential Geometric (EEG) yang diaplikasikan pada data survival tersensor. Pembahasan tesis ini meliputi distribusi Extended Exponential Geometric (EEG), model hazard proporsional parametrik dengan baseline hazard berdistribusi Extended Exponential Geometric, estimasi parameter pada model hazard proporsional Extended Exponential Geometric menggunakan metode maksimum likelihood dengan algoritma Newton Raphson. Selanjutnya, model hazard proporsional Extended Exponential Geometric akan diaplikasikan pada data survival tersensor dan dibandingkan dengan model regresi Cox. 1.2 Rumusan Masalah Dari latar belakang tersebut berikut ini dapat dirumuskan beberapa permasalahan yang menjadi kajian dalam penelitian ini, yaitu: 1. Bagaimana bentuk distribusi Extended Exponential Geometric. 2. Bagaimana model hazard proporsional Extended Exponential Geometric. 3. Bagaimana estimasi parameter model hazard proporsional Extended Exponential Geometric. 1.3 Tujuan Penelitian Tujuan penulisan tesis ini adalah mendapatkan distribusi Extended Exponential Geometric. Dengan diketahui baseline hazardnya berdistribusi EEG, maka dapat diperoleh model hazard proporsional Extended Exponential Geometric. Kemudian, akan dilakukan estimasi parameter pada model hazard proporsional Extended Exponential Geometric tersebut menggunakan metode maksimum likelihood dengan algoritma Newton Raphson. Selanjutnya, model hazard proporsional Extended Exponential Geometric tersebut dibandingkan dengan model regresi Cox.
4 4 1.4 Batasan Masalah Pembahasan pada penelitian ini difokuskan pada pembentukan model hazard proporsional dengan baseline hazard berdistribusi Extended Exponential Geometric. Estimasi pada model tersebut dilakukan dengan menggunakan estimasi metode maksimum likelihood dengan algoritma Newton Raphson. 1.5 Tinjauan Pustaka Breslow (1975) membahas tentang analisis data survival berdasarkan model proporsional hazard. Model proporsional hazard dalam analisis survival antara lain model parametrik, semi parametrik (regresi Cox), dan non parametrik. Pourhoseingholi, dkk (2007) melakukan penelitian dengan membandingkan antara model parametrik dan regresi Cox terhadap survival pasien carcinoma gastric. Altman, dkk (1995) menyatakan bahwa model parametrik seperti Lognormal, Weibull, dan Eksponensial adalah model yang biasa digunakan dalam analisis survival dengan berdasarkan pada distribusi survival tertentu. Selain itu, model parametrik berdasarkan distribusi campuran Weibull juga diusulkan oleh Gelfand, dkk (2000). Sementara, Adamidis, dkk (2005) memperkenalkan distribusi Extended Exponential Geometric yang dapat menjadi alternatif dari distribusi yang telah populer seperti Weibull dan Gamma. Penelitian tentang analisis survival dengan model regresi Cox pernah dilakukan oleh Ernawatiningsih (2012). Terdapat juga penelitian yang sejenis, yaitu tentang model regresi Cox proporsional hazard pada data ketahanan hidup oleh Hanni (2013). Penelitian tentang model Cox proportional hazard pada kejadian bersama juga pernah ditulis oleh Iskandar (2015). Sementara, Muthmainnah (2007) meneliti tentang perbandingan model Cox proportional hazard dan model parametrik berdasarkan analisis residual (studi kasus data kanker paru-paru dan simulasi untuk distribusi Eksponensial dan Weibull). Berdasarkan tinjauan tersebut, peneliti akan mengkaji kembali jurnal yang ditulis oleh Rezaei, dkk (2014) dengan judul Extended Exponential Geometric Proportional Hazard Model. Selanjutnya, peneliti akan mengusulkan tentang
5 5 model hazard proporsional parametrik dengan baseline hazard berdistribusi Extended Exponential Geometric pada analisis data survival tersensor. 1.6 Metode Penelitian Metode dalam penelitian ini adalah studi literatur, yaitu dilakukan dengan mempelajari buku-buku dan jurnal-jurnal yang berhubungan dengan model hazard proporsional dengan baseline hazard berdistribusi Extended Exponential Geometric dan penerapannya pada data survival tersensor. Langkah-langkah yang dilakukan dalam penelitian ini antara lain: 1. Mempelajari distribusi Extended Exponential Geometric. 2. Mempelajari model hazard proporsional, kemudian menghubungkannya dengan asumsi distribusi survival tertentu, dalam hal ini diusulkan model hazard proporsional Extended Exponential Geometric. 3. Menentukan metode untuk estimasi parameter pada model hazard proporsional Extended Exponential Geometric, yaitu digunakan metode estimasi maksimum likelihood dengan algoritma Newton Raphson. 4. Membuat program komputasi untuk mengestimasi parameter dari model yang diusulkan dengan menggunakan software R. 5. Melakukan simulasi data survival tersensor. 6. Melakukan analisis terhadap data survival tersensor pasien karsinoma payudara. 1.7 Sistematika Penulisan Sistematika yang digunakan dalam tesis ini adalah sebagai berikut: BAB I PENDAHULUAN Bab ini berisi tentang latar belakang, perumusan masalah, tujuan penelitian, tinjauan pustaka, metode penelitian, dan sistematika penulisan. BAB II LANDASAN TEORI Bagian ini berisi tentang teori-teori yang akan digunakan dalam pembahasan, diantaranya teori dasar tentang probabilitas, distribusi
6 6 BAB III BAB IV BAB V Eksponensial, distribusi Geometrik, metode penambahan parameter distribusi, estimasi parameter dengan metode maksimum likelihood dan parsial likelihood, analisis survival, model hazard proporsional parametrik dan semiparametrik, dan kriteria AIC-BIC. MODEL HAZARD PROPORSIONAL DENGAN BASELINE HAZARD BERDISTRIBUSI EXTENDED EXPONENTIAL GEOMETRIC Bagian ini membahas tentang pembahasan masalah dari topik yang diteliti yaitu model hazard proporsional parametrik berdistribusi Extended Exponential Geometric dan karakteristiknya. Kemudian, melakukan estimasi parameter dari model tersebut. STUDI KASUS Bagian ini membahas tentang aplikasi model yang diusulkan pada data survival tersensor. KESIMPULAN DAN SARAN Bagian ini berisi tentang kesimpulan yang diperoleh berdasarkan pembahasan dan studi kasus yang dilakukan. Selain itu disampaikan pula saran-saran yang muncul terhadap kekurangan dan kendala yang ditemui selama proses pemecahan masalah.
BAB 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 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 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
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 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 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 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 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 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 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 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. 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 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 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 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. 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 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih 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 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. 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 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 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 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. 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 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 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. 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 terperinciDAFTAR ISI BAB II TINJAUAN PUSTAKA... 9
DAFTAR ISI Halaman HALAMAN JUDUL... ii HALAMAN PERSETUJUAN PEMBIMBING... iii HALAMAN PENGESAHAN... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... x DAFTAR GAMBAR... xi DAFTAR LAMPIRAN... xii
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
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 Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis survival merupakan analisis yang mempelajari terjadinya suatu peristiwa berdasarkan waktu terjadinya, baik makhluk hidup maupun suatu benda. Analisis
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Semakin banyak dan beragamnya industri saat ini, menyebabkan semakin ketat persaingan antara perusahaan industri satu dengan yang lainnya, baik dari
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 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 terperinciModel Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama Anita Nur Vitriana, Rosita Kusumawati Program Studi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 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 Analisis survival merupakan analisis yang mempelajari terjadinya suatu peristiwa berdasarkan waktu terjadinya, baik makhluk hidup maupun suatu benda.analisis
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis uji hidup (Survival analysis) adalah suatu penyelidikan mengenai data tahan hidup dari suatu individu atau komponen dalam industri. Salah satu individu atau
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : ANALISIS DATA UJI HIDUP KODE MATA KULIAH : MAA SKS
SATUAN ACARA PERKULIAHAN MATA KULIAH : ANALISIS DATA UJI HIDUP KODE MATA KULIAH : MAA 516 3 SKS MINGGU 1 Pendahuluan dan - Pengertian Dasar soal-soal 2 Konsep-Konsep Dasar untuk Hidup Model Kontinu 1.
Lebih 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. Industri adalah suatu indikator terjadinya perkembangan ilmu pengetahuan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Industri adalah suatu indikator terjadinya perkembangan ilmu pengetahuan dan teknologi. Hal ini dapat dilihat dari kemampuan industri untuk menghasilkan berbagai
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 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 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 terperinciBAB III LANDASAN TEORI. analisis kesintasan bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan,
17 BAB III LANDASAN TEORI 3.1 Data Analisis Survival (Survival Analysis) Analisis survival (survival analysis) atau analisis kelangsungan hidup atau analisis kesintasan bertujuan menaksir probabilitas
Lebih terperinciESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II
ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih A 1* Rini Cahyandari 2 Tarkinih 3 123 Program
Lebih 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 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 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 terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...
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 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Mortalitas atau kematian merupakan salah satu di antara tiga komponen proses demografi yang dapat mempengaruhi struktur penduduk selain fertilitas dan migrasi.
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 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 1 PENDAHULUAN. Penyakit Tuberkulosis atau yg lebih dikenal dengan nama TB Paru merupakan
BAB 1 PENDAHULUAN 1.1. Latar belakang penelitian Penyakit Tuberkulosis atau yg lebih dikenal dengan nama TB Paru merupakan penyakit menular yang disebabkan oleh bakteri Mycobacteryum tuberculosis. Penyakit
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di dalam aspek kehidupan ini, banyak ditemui permasalahan yang berkaitan dengan data. Baik dalam bidang ekonomi, sosial, budaya, politik, sejarah, kesehatan, dan lain-lain.
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 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 terperinciANALISIS DATA UJI HIDUP
DESKRIPSI MATA KULIAH ANALISIS DATA UJI HIDUP Setelah mengikuti mata kuliah ini diharapkan mahasiswa memiliki pengetahuan, pemahaman dan kemampuan untuk mengkaji distribusi-distribusi waktu hidup, serta
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang
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 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 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 terperinci4. HASIL DAN PEMBAHASAN
19 4. HASIL DAN PEMBAHASAN 4.1 Deskripsi Pasien ART Rendahnya imunitas dan beratnya keadaan klinis pasien saat memulai ART mempengaruhi lamanya proses perbaikan imunologis maupun klinis pasien. Tabel 2
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 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 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 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 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 terperinciANALISIS LAMA KAMBUH PASIEN HIPERTENSI DENGAN SENSOR TIPE III MENGGUNAKAN REGRESI COX KEGAGALAN PROPORSIONAL
ANALISIS LAMA KAMBUH PASIEN HIPERTENSI DENGAN SENSOR TIPE III MENGGUNAKAN REGRESI COX KEGAGALAN PROPORSIONAL (Studi Kasus di RSUD Kartini Jepara) SKRIPSI Disusun oleh : ISHLAHUL KAMAL 24010211140074 JURUSAN
Lebih 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 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. , untuk x 0, 0, 0 { 0, untuk x yang lain. 1 maka fungsi densitas di atas akan menjadi fungsi densitas distribusi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi berdampak positif pada berbagai bidang termasuk bidang Statistika. Hal ini dapat dilihat dari semakin banyak penemuan
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 terperinciAnalisis 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 terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
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 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 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 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 terperinciWULAN SAFITRI DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
ANALISIS KETAHANAN HIDUP PENDERITA TUBERKULOSIS DENGAN MENGGUNAKAN METODE REGRESI COX KEGAGALAN PROPORSIONAL (Studi Kasus di Puskesmas Kecamatan Kembangan Jakarta Barat) SKRIPSI Disusun Oleh: WULAN SAFITRI
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 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 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 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 terperinciMODEL REGRESI COX PROPORSIONAL HAZARD PADA DATA KETAHANAN HIDUP. Abstract
Model Regresi (Tuan Hanni) MODEL REGRESI COX PROPORSIONAL HAZARD PADA DATA KETAHANAN HIDUP Tuan Hanni 1, Triastuti Wuryandari 2 1 Alumni Jurusan Statistika FSM UNDIP 2 Staf Pengaar Jurusan Statistika FSM
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Estimasi reliabilitas adalah estimasi yang menggambarkan sebuah taksiran terhadap suatu komponen tertentu, dimana dan adalah variabel random yang independen dengan
Lebih terperinciBAB II LANDASAN TEORI. berhubungan dengan waktu, mulai dari awal sampai terjadinya suatu peristiwa
A. Analisis Survival BAB II LANDASAN TEORI Analisis survival atau analisis ketahanan hidup adalah analisis data yang berhubungan dengan waktu, mulai dari awal sampai terjadinya suatu peristiwa khusus (Colled,
Lebih terperinciBAB I PENDAHULUAN. risiko finansial yang disebabkan oleh peristiwa aktuaria (actuarial events).
BAB I PENDAHULUAN 1.1 Latar Belakang Ilmu aktuaria memegang peranan penting dalam analisis dan pengelolaan risiko finansial yang disebabkan oleh peristiwa aktuaria (actuarial events). Variabel risiko yang
Lebih terperinciANALISIS CURE RATE PENDERITA KANKER PAYUDARA BERDASAR PEMODELAN REGRESI COX
ANALISIS CURE RATE PENDERITA KANKER PAYUDARA BERDASAR PEMODELAN REGRESI COX Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang e-mail: noengkd_unnes@yahoo.co.id
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 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 terperinciPenerapan Model Frailty Weibull-Eksponensial pada Data Tabel Mortalitas Indonesia Tahun 1999
Prosiding Statistika ISSN: 2460-6456 Penerapan Model Frailty Weibull-Eksponensial pada Data Tabel Mortalitas Indonesia Tahun 1999 1 Anjalina Kusumawardhani, 2 Aceng Komarudin Mutaqin, 3 Lisnur Wachidah
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 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 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 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 terperinci