NenyKurniawati (2010) Regresi Kuadrat Terkecil Parsial Cox pada Data Survival. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis survival merupakan analisis yang diterapkan pada data survival, yakni kumpulan durasi waktu antara titik waktu saat individu direkrut ke dalam penelitian sampai individu tersebut mengalami kejadian yang dispesifikasikan. Regresi Cox merupakan salah satu analisis survival yang digunakan untuk menjelaskan pengaruh atau hubungan antara kegagalan individu pada suatu waktu dengan satu atau lebih variabel penjelas dalam adanya penyensoran. Dalam regresi Cox terdapat asumsi di mana antar variabel penjelas tidak terdapat hubungan linier atau disebut asumsi nonmultikolinieritas. Apabila terdapat multikolinieritas maka regresi Cox bukan lagi merupakan analisis yang tepat. Oleh karena itu dikembangkan model regresi kuadrat terkecil parsial Cox (PLS-Cox) yang merupakan kombinasi antara Partial Least Square regression (PLS) dengan Cox regression. Tujuan dari penelitian ini adalah pembentukan model regresi PLS-Cox pada data survival dan mengetahui kemampuan prediksi regresi PLS-Cox dibandingkan dengan regresi Cox. Dalam penelitian ini digunakan 10 data sekunder di mana 5 data memenuhi asumsi non-multikolinieritas dan 5 data lainnya tidak memenuhi asumsi non-multikolinieritas. Dari hasil penelitian diketahui bahwa untuk data yang memenuhi asumsi non-multikolinieritas, variabel penjelas yang berpengaruh signifikan terhadap peluang kegagalan individu pada model regresi PLS-Cox sama dengan model regresi Cox. Sedangkan untuk 5 data yang tidak memenuhi asumsi non-multikolinieritas, variabel penjelas yang berpengaruh terhadap peluang kegagalan individu pada model regresi PLS-Cox berbeda dengan model regresi Cox. Berdasarkan nilai cross validation Q2 dapat disimpulkan bahwa, model regresi PLS-Cox mempunyai kemampuan prediksi yang sama dengan model regresi Cox untuk 5 data yang memenuhi asumsi nonmultikolinieritas. Sedangkan untuk 5 data yang tidak memenuhi asumsi non-multikolinieritas, model regresi PLS-Cox mempunyai kemampuan prediksi yang lebih baik daripada model regresi Cox.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2010/051000611 |
Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
Date Deposited: | 18 Mar 2010 10:21 |
Last Modified: | 22 Oct 2021 02:21 |
URI: | http://repository.ub.ac.id/id/eprint/152384 |
Preview |
Text
051000611.pdf Download (2MB) | Preview |
Actions (login required)
View Item |