Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2. Tinjauan Teoritis

BAB 5. ANALISIS REGRESI DAN KORELASI

X a, TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB II TINJAUAN PUSTAKA

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

S2 MP Oleh ; N. Setyaningsih

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB 2 LANDASAN TEORI

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB II LANDASAN TEORI

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Regresi Linier Sederhana Definisi Pengaruh

Uji Statistika yangb digunakan dikaitan dengan jenis data

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB III UKURAN PEMUSATAN DATA

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

SOLUSI TUGAS I HIMPUNAN

BAB III METODOLOGI PENELITIAN

UKURAN GEJALA PUSAT (UGP)

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

8. MENGANALISIS HASIL EVALUASI

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

; θ ) dengan parameter θ,

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Bab II Teori Pendukung

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

BAB 1 STATISTIKA RINGKASAN MATERI

INTERPOLASI. FTI-Universitas Yarsi

REGRESI LINIER SEDERHANA

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

BAB III PERSAMAAN PANAS DIMENSI SATU

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

2.2.3 Ukuran Dispersi

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

TINJAUAN PUSTAKA Evaluasi Pengajaran

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

Analisis Korelasi dan Regresi

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

3 Departemen Statistika FMIPA IPB

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

Volume 1, Nomor 2, Desember 2007

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

PEMBENTUKAN MODEL PROBIT BIVARIAT

ESTIMASI PARAMETER MODEL INTEGER-VALUE AUTOREGRESSIVE

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

IV. BAHAN DAN METODE PENELITIAN

ANALISIS DATA STATISTIK. Adi Setiawan

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

MATEMATIKA INTEGRAL RIEMANN

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

UNIVERSITAS INDONESIA PENGECEKAN ASUMSI PROPORTIONAL HAZARD PADA MODEL COX PH SKRIPSI RONI TUA YOHANES

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

REGRESI LINEAR SEDERHANA

XI. ANALISIS REGRESI KORELASI

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

BAB II LANDASAN TEORI

Transkripsi:

Peerapa Aalss Survval utuk Meaksr Waktu Bertaha Hdup bag Pederta Peyakt Jatug Oleh : Ya Hedrajaya (me_ye2@yahoo.co.d), Ad Setawa da Haa A. Parhusp Program Stud Matematka, Fakultas Sas da Matematka Uverstas Krste Satya Wacaa Jl. Dpoegoro 52-6 Salatga 57 Abstract Applyg survval aalyss survval data from coroer heart (acute mocard fark) patets s dscussed ths short paper. The goal of ths research s to determe the treatmet that gves a loger survval tme. The treatmets are the rg treatmet, the bypass treatmet ad the medce treatmet. Data was collected from medcal record patets who regularly gog to cotrol ad check ther healthy ad codtos to a heart specalst doctor. The sample cossts of 9 patets; 3 patets used rg treatmet, 3 patets used bypass treatmet, ad 3 patets used medce treatmet. Survval aalyss by usg parametrc ad o parametrc estmato are used to estmate the survval tme for coroer heart patets usg three treatmets. The result of ths research shows that by usg both estmatos there s a dfferece survval tme amog rg treatmet, bypass treatmet ad medce treatmet. A better medcal treatmet that gves loger survval tme for coroer heart patets s the rg treatmet. Key words : survval aalyss, parametrc estmato, o parametrc estmato, survval tme.. Pedahulua Saat, kemugka atau peluag seseorag terkea peyakt semak besar karea bayak jes peyakt berbahaya yag dsebabka pola masyarakat yag kurag sehat. Salah satu jes peyakt yag berbahaya da mematka tersebut adalah peyakt jatug. Walaupu peyakt jatug adalah jes peyakt yag sult atau tdak mugk dsembuhka, palg tdak pegdap peyakt jatug aka berusaha memmalka resko kemata dega melakuka tdaka atau usaha pegobata tertetu. Utuk pegobata peyakt jatug, ada 3 macam tekk yag dapat dlakuka, yatu tekk pegobata dega megguaka rg, tekk pegobata dega by pass, da tekk pegobata yag megguaka obat. Semas Matematka da Peddka Matematka 28-269

No Waktu Bertaha Hdup (bula) Tabel. Data waktu pederta peyakt jatug Status Kelompok No Waktu Bertaha Hdup (bula) Status Kelompok 6 rg 46 56 By pass 2 7 rg 47 6 By pass 3 7 rg 48 65 By pass 4 8 rg 49 78 By pass 5 rg 5 87 By pass 6 7 rg 5 87 By pass 7 2 rg 52 93 By pass 8 2 rg 53 2 By pass 9 2 rg 54 6 By pass 25 rg 55 6 By pass 26 rg 56 46 By pass 2 26 rg 57 6 By pass 3 38 rg 58 73 By pass 4 5 rg 59 78 By pass 5 52 rg 6 82 By pass 6 56 rg 6 6 Obat 7 57 rg 62 8 Obat 8 6 rg 63 8 Obat 9 62 rg 64 Obat 2 62 rg 65 2 Obat 2 66 rg 66 2 Obat 22 7 rg 67 6 Obat 23 7 rg 68 3 Obat 24 75 rg 69 33 Obat 25 83 rg 7 33 Obat 26 6 rg 7 35 Obat 27 23 rg 72 38 Obat 28 28 rg 73 47 Obat 29 56 rg 74 48 Obat 3 83 rg 75 62 Obat 3 6 By pass 76 62 Obat 32 6 By pass 77 88 Obat 33 7 By pass 78 88 Obat 34 2 By pass 79 92 Obat 35 2 By pass 8 97 Obat 36 6 By pass 8 98 Obat 37 7 By pass 82 Obat 38 7 By pass 83 2 Obat 39 2 By pass 84 6 Obat 4 26 By pass 85 32 Obat 4 32 By pass 86 37 Obat 42 33 By pass 87 4 Obat 43 42 By pass 88 42 Obat 44 42 By pass 89 5 Obat 45 56 By pass 9 78 Obat Dega megaalss data waktu pederta peyakt jatug koroer yag melakuka pemerksaa secara teratur ke salah seorag dokter spesals jatug d Solo, aka dtetuka tekk pegobata yag lebh bak bag pederta peyakt jatug. Aalss aka dlakuka dega aalss survval estmas Semas Matematka da Peddka Matematka 28-27

parametrk da o parametrk, serta megguaka program S-PLUS 2. Data waktu pase pederta peyakt jatug dsajka pada Tabel. 2. Dasar Teor Aalss survval adalah salah satu cabag statstka yag mempelajar tekk aalss data survval. Data survval adalah data waktu sampa muculya kejada tertetu. Data survval dkumpulka dalam suatu perode waktu yag terbatas, da sebaga kosekuesya bsa saja data yag dperoleh tdak mecakup total waktu seseorag. Hal lah yag kemuda dalam aalss survval dsebut dega data tersesor. 2. Estmas Parametrk Msalka Y adalah waktu sampa muculya kejada tertetu. Fugs survval, S(y), medefska probabltas dar suatu dvdu utuk setelah waktu yag dtetapka, amaka y, S ( y) P( Y > y) =. Grafk fugs survval adalah grafk fugs yag tdak ak. Nla fugs S() = da S( ) =, artya dapat dpastka bahwa semua orag yag damat past aka megalam kejada tertetu. Fugs survval dapat pula dperoleh dega cara megtegralka fugs kepadata probabltas (probablty desty fucto) dar Y yatu f(y), y ( y) = P ( Y > y) = f ( y) S dy. Fugs hazard, h(y), medefska laju kegagala dar suatu dvdu utuk mampu setelah melewat waktu yag dtetapka yatu y (Kle da Moeschberger,997). h ( y) = f S ( y) ( y) = d dy [ l S( y) ]. Sedagka fugs hazard kumulatf (cumulatve hazard fucto) ddefska oleh : H y y d =. du ( y) h( u) du = [ l S( u) ] du = l S( y) Semas Matematka da Peddka Matematka 28-27

2.. Dstrbus Webull Suatu varabel acak Y dkataka berdstrbus Webull dega parameter β da θ jka memlk fugs kerapata probabltas sebaga berkut : f ( y ; β, θ ) β = y β θ y exp θ β β. Fugs survval da fugs hazard utuk dstrbus Webull, yatu : y θ β S( y) exp ; ( y) = = y = β β β y β h. β θ θ θ Y. Notas yag meujukka bahwa Y berdstrbus Webull adalah : ~ WEI ( β,θ ) Jka Y, Y2, K, Y adalah suatu sampel acak dar dstrbus f ( y ;β,θ ), maka utuk mecar la dar parameter β da θ dapat dguaka sstem persamaa : Ε Y = ( Y ) = Y = 2 2 Y = 2, Ε( Y ) = Y = Nla rata-rata dar Y ~ WEI ( β,θ ) adalah : ( ) rata dar 2 2 2 2 Y adalah ( ) Ε Y = θ Γ +. β Ε Y = θ Γ +. Sedagka la rata β Parameter β da θ dapat dtetuka dega meyelesaka sstem persamaa :. θ Γ + Y = = β 2, = 2 2 Y θ Γ + = β 2..2 Uj Kecocoka Dstrbus Probabltas Uj probabltas dguaka utuk meguj kecocoka dar dstrbus probabltas pada data waktu pederta kaker payudara. Uj kecocoka dstrbus megguaka uj Kolmogorov-Smrov, atau yag lebh dkeal dega Goodess-Of- Ft Test. Jka fugs dstrbus F(y) aka dduga dega F ( y), maka aka dtetapka hpotess ol da peguja yag sesua, yatu : ( ) ( ) H : F y = F y, utuk semua la y. : F( y) F ( y), utuk palg sedkt satu la y. H Semas Matematka da Peddka Matematka 28-272

Statstk uj Kolmogorov-Smrov ( D ) utuk peguja dua ss dberka sebaga berkut : D Maks Maks F ( y ), F( y ) = r, utuk =, 2,, r +, dega r adalah bayakya la y yag berbeda da F( y ) adalah fugs dstrbus yag dduga. Krtera peolaka hpotess ol ( sebaga berkut : H ) adalah. Hpotess ol ( H ) dterma jka la-p taraf sgfkas (level of sgfcace) α yag dplh, 2. Sebalkya jka la-p < α maka hpotess ol ( ) aka dtolak, yag artya dstrbus probabltas yag dduga tdak sama dega dstrbus tertetu. H 2.2 Estmas No Parametrk Msalka suatu perstwa terjad pada waktu D da t < t < K < t 2 D, pada saat t terdapat d perstwa, da Y adalah bayakya dvdu yag memlk resko setelah waktu t. Setelah megubah otas, maka utuk meaksr peluag suatu dvdu pada waktu adalah : t Y d Ŝ () t =... (3) Y t t yag selajutya dkeal sebaga estmas Kapla-Meer. Nla varas utuk Ŝ ( t) drumuska oleh : Vˆ [ Sˆ () t ] = Sˆ () t 2 t t dega stadar error dberka oleh ˆ Sˆ () t () utuk t pada ttk t, Sˆ Ŝ ( t ) Z Vˆ Sˆ ( t ) α 2 Y [ [ ] 2 d ( Y d ) V. Selag kepercayaa ( α ) x% [ [ ] 2 ˆ( ) ˆ( ) [ ˆ[ ˆ( ) ] 2 S t S t + Z V S t. α 2 Semas Matematka da Peddka Matematka 28-273

2. Metodolog Peelta Lagkah-lagkah yag dlakuka utuk meyelesaka permasalaha meetuka tekk pegobata yag lebh bak bag pederta peyakt jatug adalah : Estmas Parametrk. Megestmas la dar parameter β da θ dega meyelesaka persamaa (2) da meguj kecocoka dstrbus probabltas megguaka la-p utuk statstka Kolmogorov-Smrov yag dperoleh dar hasl keluara pertah ks.gof pada SPLUS, 2. Memodelka data waktu pederta peyakt jatug dega megguaka pertah cesorreg, 3. Meguj ada tdakya perbedaa lama waktu pederta peyakt jatug dega tga tekk pegobata. Peguja megguaka la-p utuk statstka Lkelhood Rato yag dperoleh dar hasl keluara pertah aova, 4. Memperkraka lama waktu da peluag kegagala dega pertah predct. Estmas No Parametrk. Memodelka data waktu pederta peyakt jatug dega megguaka pertah survft, 2. Membuat grafk perbadga atara tga tekk pegobata dega pertah plot. 3. Aalss da Pembahasa Estmas Parametrk Uj kecocoka dstrbus probabltas dlakuka dega metode tral ad error. Beberapa la parameter β da θ dsajka pada Tabel 2. Tabel 2. Estmas Parameter β da θ Nla β yag dplh θ,5 59,25 8,5 2,5 33,5567 Semas Matematka da Peddka Matematka 28-274

Hpotess yag dsusu utuk melakuka uj adalah : H : Data waktu pederta peyakt jatug berdstrbus Webull utuk parameter yag dtetapka H : Data waktu pederta peyakt jatug tdak berdstrbus Webull utuk parameter yag dtetapka Jka dplh la β =,5 da θ = 59,25 maka dar hasl uj Kolmogorov-Smrov dperoleh la-p sebesar. Dega megambl taraf sgfkas α =,5, maka la-p < α yag artya hpotess ol ( H ) dtolak. I berart pemlha la β =,5 da θ = 59,25 belum tepat. Utuk tu perlu dlakuka uj Kolmogorov-Smrov lag dega megambl la yag berbeda utuk masg-masg parameter β da parameter θ. Dar hasl uj Kolmogorov-Smrov utuk la β = 2,5 da laθ = 33,5567, dperoleh la-p sebesar,896. Karea la-p > α =,5 maka hpotess ol ( ) dterma. Jad data waktu pederta peyakt jatug berdstrbus Webull dega la parameter β = 2,5 da la parameter θ = 33,5567. Dar Tabel 3. terlhat bahwa peluag kegagala pase pederta peyakt jatug yag melakuka pegobata haya dega megguaka obat lebh tgg bla dbadgka dega pederta peyakt jatug yag melakuka pegobata dega megguaka rg ataupu by pass. Pada kelompok pase pederta peyakt jatug yag dobat dega megguaka rg, peluag kegagala pederta peyakt jatug utuk mampu selama bula (± 8 tahu) sebesar 8 % atau dega kata la peluag keberhasla pase pederta peyakt jatug yag dobat dega megguaka rg adalah 92% utuk selama 8 tahu. Tabel 3. Peluag kegagala pase pederta peyakt jatug Lama waktu Peluag kegagala (dalam bula) rg by pass Obat 5,6,98,242,88,265,2873 5,3237,4663,7926 2,6874,8454,997 H Semas Matematka da Peddka Matematka 28-275

Pada Tabel 4, jka dberka peluag kegagala sebesar, atau dega kata la peluag keberhasla sebesar 9%, maka kelompok pederta yag dobat dega rg dapat selama 6 bula (± 9 tahu), kelompok pederta yag dobat dega by pass dapat selama 93 bula (± 8 tahu), da kelompok pederta yag mum obat dapat selama 73 bula (± 6 tahu). Tabel 4. Lama waktu pederta peyakt jatug Peluag kegagala Lama waktu (dalam bula) rg by pass Obat, 6,835 93,669 73,462,3 46,3868 29,839,376,5 74,4626 53,963 2,826,7 2,8486 78,28 39,777,9 239,5465 2,3958 65,8822 = rg --------- = bypass obat peluag k ega ga la..2.4.6. 8. Keteraga : = 5 5 2 25 lama waktu Gambar. Perbadga peluag kegagala atara kelompok rg, bypass da obat Semas Matematka da Peddka Matematka 28-276

Utuk megetahu ada tdakya perbedaa lama waktu pederta peyakt jatug yag dobat dega tga tekk pegobata, maka aka dlakuka uj Lkelhood-Rato. Hpotess yag dsusu utuk melakuka uj adalah : H : lama waktu pederta kaker payudara dega dua tekk pegobata adalah sama. H : terdapat perbedaa lama waktu pederta kaker payudara dega tga tekk pegobata. Hpotess ol ( H ) dtolak jka la-p < α utuk tgkat sgfkas α yag dplh. Pada kasus peuls megambl la α =,. Dega pertah aova pada S-PLUS dperoleh la-p sebesar,546, yag berart la-p < α =, sehgga dtolak. Jad terdapat perbedaa lama waktu dega tga tekk pegobata tersebut sehgga lama waktu pederta peyakt jatug tergatug pada tekk pegobata yag dterma oleh pederta. H Estmas No Parametrk Hasl olaha data waktu pederta peyakt jatug dega estmas o parametrk dsajka pada Tabel 5. Pada kelompok pegobata rg, terdapat 2 pederta peyakt jatug yag telah meggal dua. Pada kelompok pegobata by pass, terdapat 6 pederta peyakt jatug yag telah meggal dua. Sedagka pada kelompok pegobata dega megguaka obat, pederta peyakt jatug yag telah meggal dua sebayak 2 pederta. Jka hasl olaha data waktu pederta kaker payudara dega estmas o parametrk dyataka dalam betuk grafk, maka aka mucul gambar grafk sepert tersaj pada Gambar 2. Betuk grafk pada Gambar 2. meyerupa aak tagga (stepwse), sehgga la fugs survval Ŝ ( y) aka sama utuk suatu terval waktu. Agar lebh jelasya dapat dlhat pada Tabel 6. Semas Matematka da Peddka Matematka 28-277

Tabel 5. Hasl olaha dega pertah survft utuk data yag tdak tersesor No Waktu Rg by pass Obat Peluag Waktu Peluag Waktu Peluag 6,923 6,929 47,944 2 7,82 6,796 62,885 3 46,637 92,82 4 73,424 98,73 5 78,22,649 6 82, 2,568 7 32,474 8 37,379 9 4,284 42,89 5,95 2 78, Gambar 2. Grafk Perbadga Peluag Bertaha Hdup Peluag Bertaha Hdup Pederta Peyakt Jatug Peluag Bertaha..2.4.6.8. by pass obat rg 5 5 Waktu Bertaha Hdup (dalam bula) Semas Matematka da Peddka Matematka 28-278

No Tabel 6. Nla Ŝ ( y) utuk beberapa terval waktu Iterval waktu Rg By Pass Obat Peluag Iterval waktu Peluag Iterval waktu Peluag y < 6 y < 6 y < 47 2 6 y < 7,923 6 y < 6,929 47 y < 62,944 3 7 y < 83,82 6 y < 46,796 62 y < 92,885 4 46 y < 73,637 92 y < 98,82 5 73 y < 78,424 98 y <,73 6 78 y < 82,22 y < 2,649 7 82 y <, 2 y < 32,568 8 32 y < 37,474 9 37 y < 4,379 4 y < 42,284 42 y < 5,89 2 5 y < 78,95 3 78 y <, Berdasarka hasl yag telah dperoleh dapat dambl beberapa kesmpula, yag pertama adalah bahwa aalss survval dapat dguaka utuk meetuka tekk pegobata yag lebh bak bag pase pederta peyakt jatug. Kesmpula yag kedua adalah lama waktu yag mampu dcapa pase pederta peyakt jatug berhubuga dega tekk pegobata yag dterma oleh pase pederta peyakt jatug, da kesmpula yag ketga adalah bahwa tekk pegobata yag memberka waktu lebh lama bag pase pederta peyakt jatug adalah tekk pegobata dega megguaka rg. Semas Matematka da Peddka Matematka 28-279

DAFTAR PUSTAKA Dobso,J.A., 22, A Itroducto to Geeralzed Lear Models, Chapma&Hall, USA. Harald, 25, Prsp-Prsp Statstk utuk Tekk da Sas, Erlagga, Jakarta. Kle,J.P ad Moeschberger,M.L., 997, Survval Aalyss : Techques for Cesored ad Trucated Data, Sprger-Verlag New York Ic, New York. Veables,W.N ad Rpley,B.D., 994, Moder Appled Statstcs wth S-PLUS, Sprger-Verlag New York Ic, New York. Semas Matematka da Peddka Matematka 28-28