Analisis Survival dan Hazard untuk Data Tersensor Tipe II Menggunakan Model Distribusi Log-Logistik
Abstract
Statistika merupakan salah satu bidang ilmu yang sudah berkembang begitu jauh dalam analisis untuk berbagai keperluan inferensi, estimasi, pengujian dan metode peramalan. Fungsi distribusi tahan hidup yang didasarkan pada pengetahuan atau asumsi tertentu tentang distribusi populasinya termasuk dalam fungsi parametrik. Penelitian ini menggunakan fungsi survival dan hazard berdistribusi Log-logistik, dimana data uji hidup diasumsikan mengikuti Distribusi Log-logistik. Distribusi Log-logistik cukup jarang digunakan dalam analisis survival. Distribusi Log-logistik mempunyai bentuk yang hampir sama dengan Distribusi Log-normal. Fungsi survival dan hazard dapat digunakan untuk meneliti tahan hidup pasien yang terserang penyakit kronis, seperti kanker. Data yang digunakan dalam penelitian ini adalah 50 data umur penyakit hingga pasien meninggal karena penyakit kanker paru. Dari pengamatan yang ada, hanya diambil 30 hasil pengamatan pertama. Banyaknya pengamatan yang diambil telah ditentukan sebelum penelitian dilakukan. Pada data ini hanya diambil 30 pengamatan, sehingga terdapat 20 pengamatan yang tersensor. Model survival data tersensor tipe II model distribusi loglogistic , Model hazard data tersensor tipe II model distribusi loglogistic  . Peluang seorang pasien untuk hidup jika menderita kanker paru-paru selama 48, 60, dan 72 bulan berturut-turut adalah 0,7386; 0,6103; dan 0,4698.
Kata kunci: kanker paru, log logistik, survivor dan hazard, tersensor tipe II.
Full text article
References
Bain, L. J., & Engelhardt, M. (1992). Introduction to probability and mathematical statistics (Vol. 4). Belmont, CA: Duxbury Press.
Dixit, A. (2008). Exact Comparision of Hazard Rate Functions of Log-Logistic Survival Distributions (Doctoral dissertation).
Harlan, J. (2017). Analisis Survival. Depok: Gunadarma.
Lambert, P., Collett, D., Kimber, A., & Johnson, R. (2004). Parametric accelerated failure time models with random effects and an application to kidney transplant survival. Statistics in medicine, 23(20), 3177-3192.
Lawless, J. F. (1982). Statistical Model and Method for Lifetime Data. New York: John Willey and Sons.
Lawless, J. F. (2011). Statistical models and methods for lifetime data. John Wiley & Sons.
Machin, D., Cheung, Y. B., & Parmar, M. (2006). Survival analysis: a practical approach. John Wiley & Sons.
Rao, G. S., Kantam, R. R. L., & Rosaiah, K. (2009, July). Reliability estimation in log-logistic distribution from censored samples. In Probstat forum (Vol. 2, pp. 52-67).
Sari, D. R. (2011). Analisis Survival untuk Data Tersensor Tipe II Menggunakan Model Distribusi Log-Logistik. Tugas Akhir.
Walpole, R. E. (1995). Pengantar Statistika edisi ke-3. Jakarta: Gramedia Pustaka Utama.
Authors
Copyright (c) 2023 Farida Farida
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-NonCommercial 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work