Estimasi Parameter Distribusi Log-logistik Pada Data Survival Tersensor Tipe II Menggunakan Metode Maksimum Likelihood

Baso, Andi Hasanuddin (2017) Estimasi Parameter Distribusi Log-logistik Pada Data Survival Tersensor Tipe II Menggunakan Metode Maksimum Likelihood. Diploma thesis, FMIPA.

Text ARTIKEL.docx Download (191kB)

Abstract

ABSTRAK Analisis survival merupakan suatu analisis data mengenai daya tahan hidup atau lamanya waktu hidup suatu individu atau unit pada keadaan tertentu. Tujuan penulisan skripsi ini adalah untuk mendapatkan model survival untuk data tersensortipe II, mendapatkan estimasi parameter-parameter, dan contoh penerapannya. Biasanya data survival akan mengikuti distribusi tertentu. Dalam skripsi ini akan dibahas mengenai data survival yang berdistribusi log-logistik. Model survival untuk data tersensor tipe II ditentukan dengan mencari estimasi parameter-parameter yaitu γ dan β berdasarkan fungsi maximum likelihood dan menentukan interval konfidensi untuk tiap-tiap parameter dengan mencari matriks informasi dan matriks kovarian terlebih dahulu. Sedangkan contoh data berdistribusi log-logistik didapatkan dengan metode simulasi pembangkitan data dengan software Minitab 16. Berdasarkan hasil pembahasan maka dapat disimpulkan bahwa model survival untuk data tersensor tipe II yang berdistribusi log-logistik yaitu L_L (γ,β)= n!/(n-r)! [(β/γ)^r ∏_(i=1)^r▒(t_i/γ)^(β-1)/[1+(t_i/γ)^β ]^2 ] [1/(1+(t_r/γ)^β )]^(n-r) Estimasi parameter untuk γ dan β pada model survival untuk data tersensor tipe II berdasarkan distribusi log-logistik yaitu menggunakan metode maximum likelihood, dan dari pengolahan data lama perawatan pasien penderita penyakit diabetes mellitus yang berdistribusi log-logistik, didapatkan estimasi parameter untuk γ dan β adalah 236,2499 dan 1,016799.

Item Type:	Thesis (Diploma)
Subjects:	FMIPA FMIPA > Matematika
Divisions:	FAKULTAS MIPA
Depositing User:	UPT PERPUSTAKAAN UNM
Date Deposited:	29 Mar 2018 03:41
Last Modified:	29 Mar 2018 03:41
URI:	http://eprints.unm.ac.id/id/eprint/6315

Actions (login required)

View Item