Estimasi titik perubahan fungsi hazard untuk data tersensor

Yulianti, Yuli (2021) Estimasi titik perubahan fungsi hazard untuk data tersensor. Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (180kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (208kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (106kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (369kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (635kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (388kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (315kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (209kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (173kB) | Request a copy

Abstract

Data survival adalah lama waktu sampai suatu peristiwa terjadi atau data antar kejadian (time-to-event data). Salah satu ciri khas yang sering kali muncul dalam data survival dikenal sebagai penyensoran, yang secara luas berbicara tentang peristiwa yang terjadi ketika beberapa masa hidup diketahui hanya terjadi dalam interval waktu tertentu. Dalam analisis survival, fungsi hazard memiliki peran yang sangat penting karena dapat menunjukan kemungkinan terjadinya kematian pada suatu interval waktu. Kematian tersebut biasanya terjadi setelah aktivitas medis seperti operasi besar. Model titik perubahan fungsi hazard adalah suatu model yang dapat digunakan untuk memperkirakan lokasi/letak titik perubahan. Dengan menggunakan model titik perubahan fungsi hazard, akan di estimasi nilai sebagai titik perubahan (change point) dengan nilai ditentukan terlebih dahulu (fixed), kemudian mengestimasi nilai yang menyatakan risiko kematian sebelum titik perubahan dan yang menyatakan besarnya perubahan menggunakan metode Maksimum Likelihood Estimation (MLE). Selanjutnya dihitung nilai yang menyatakan risiko sesudah titik perubahan, dan nilai log-likelihood pada masing-masing untuk mencari nilai yang paling maksimum sebagai nilai estimasi . Studi kasus yang digunakan dalam penelitian ini adalah data pasien lymfoma non-hodgkin yang di definisikan sebagai waktu dari diagnosis hingga kematian. Berdasarkan hasil estimasi diperoleh nilai log-likelihood yang paling maksimum yaitu ketika nilai 8,8. Hal ini berarti titik perubahan pada data pasien lymfoma terletak pada bulan ke 8,8.

Actions (login required)

View Item