PENYELESAIAN MODEL SURVIVAL DENGAN HAZARD NONPROPORSIONAL
Abstract
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
Full Text:
Untitled (Indonesian)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.