PENYELESAIAN MODEL SURVIVAL DENGAN HAZARD NONPROPORSIONAL

Rahmat Hidayat, Titik Pitriani Muslimin, Marwan Sam

Abstract


Analisis survival adalah suatu metode statistika yang digunakan untuk analisis data
pada durasi daya tahan. Waktu survival adalah jangka waktu yang dicapai suatu objek
dari waktu awal (waktu pemberian perlakuan) sampai terjadinya suatu peristiwa
(event). Peristiwa ini dapat berupa lama waktu studi, pengembangan penyakit, respon
terhadap pengobatan, kambuh, atau kematian. Waktu dari setiap individu tidak harus
sama dan satuannya dapat berupa tahun, bulan, minggu atau hari. Durasi ini tidak
semua dapat diamati secara lengkap. Hal ini bisa disebabkan oleh berakhirnya masa
pengamatan, individu yang diamati menghilang dalam masa pengamatan, meninggal
dunia atau sebab lain diluar penelitian. Apabila durasi ini dapat diamati selama masa
pengamatan maka disebut data lengkap, sedangkan bila tidak dapat diamati secara
lengkap maka disebut data tersensor. Salah satu model dalam analisis survival adalah
Cox proporsional hazard. Model ini mengisyaratkan bahwa setiap kovariat bersifat
proporsional. Kenyataannya, sering ditemukan kasus dimana terdapat kovariat yang
tidak proporsional, dalam arti ada keterkaitan dengan peringkat waktu. Sehingga
dalam hal ini perlu dilakukan perluasan model.
Kata Kunci: Analisis survival, cox proporsional hazard, tersensor, tidak proporsional

References


Allison PD. 2010. Survival Analysis

Using SAS: A Practical Guide.

ndEd. USA: SAS Institut INC.

Barker K dan Baroud H. 2014.

Proportional hazards models of

infrastructur system recovery.

Reliability Engineering and

System Safety. 124:201-206.

Bradburn M, Clark TG, Love C. 2003.

Multivariate data analysis, an

introduction to concepts and

methods. British Journal of

Cancer. 89(3): 431-436.

Collet D. 2003.Modelling Survival

Data in Medical Research2ndEd.

London: Chapman &Hall/CRC.

Cox DR. 1972.Regression models and

life tables (with discussion).J R

Statisc Sic B. 34(2): 187-220.

Devarajan K dan Ebrahim N. 2010. A

semi-parametric generalization of

the Cox proportional hazards

regression model: Inference and

aplications. Computational

Statistics and Data Analysis.

:667-676.

Guillory, Christhoper W. 2008. A

Multilevel Discrete- Time Hazard

Model Of Retention Data In

Higher Education, Dissertation,

Louisiana State University,

Louisiana.

Hidayat R, Sumarno H, Nugrahani EH.

Survival Analysis in

Modeling the Birth Interval of the

First Child in Indonesia. Open

Journal of Statistics. 4:198-206

Hogg VR, Craig TA. 1995.

Introduction to Mathematical

Statistics. 5ndEd. New Jersey:

Prentice Hall, Englewood Cliffs

Publisher.

Kaplan EL, Meier P. 1958. Non

Proportional Estimation from

Incomplete Observation.

Journal of the America Statistical

Association. 53: 457-481

Lawless JF. 2002. Statistical Models

and Methods for Lifetime Data.

ndEd. Canada: Wiley Series In

Probability and Statistics.Lee ET, Wang JW. 2003. Statistical

Methods for Survival data

Analysis. 3ndEd. New York: A

Wiley Interscience Publication.

Li, Y dan Ryan L. 2002. Modeling

Spatial Survival Data Using

Semiparametrik Frailty Models.

Biometrics. 58: 287-297.

Love C, Altman DG, Bradburn M.

Multivariate data

analysis.British Journal of

Cancer, 89(3): 437-443.

Rahayu, P. 2003. Regresi Survival

Hazard Proporsional Cox

Sebagai Metode Alternatif

Bagi Regresi Logistik Biner

Dalam Mengidentifikasi Faktor

Resiko. Studi Kasus

Kematian Penderita Penyakit

Jantung Koroner di RSUD Dr.

Soetomo Surabaya, Thesis,

Surabaya.

Silva GO, Ortega EM, Paula GA.

Residuals for log-Burr XII

regression models in

survival analysis. Journal of

Applied Statistics. 38(7):1435-

Zhang Y. 2008. Parametrik Mixture

Models in Survival Analysis

with Applications. Temple

University: Philadelphia.


Refbacks

  • There are currently no refbacks.

Article Metrics

Abstract view : 79 times
Untitled (Indonesian) - 158 times