Perbandingan Metode Survival Parametrik Dan Non-Parametrik Dalam Analisis Lama Rawat Inap Pasien Diabetes Melitus Tipe 2

Handayani, Melita (2025) Perbandingan Metode Survival Parametrik Dan Non-Parametrik Dalam Analisis Lama Rawat Inap Pasien Diabetes Melitus Tipe 2. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043221101-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Diabetes Melitus (DM) Tipe 2 merupakan salah satu penyakit degeneratif yang menjadi penyebab utama kematian di Indonesia. Selain dampak klinis, penyakit ini juga menimbulkan beban ekonomi yang besar, khususnya pada pasien rawat inap dengan komplikasi berat. Tingginya biaya perawatan dan angka kematian menunjukkan perlunya pemantauan lama rawat inap secara akurat sebagai dasar pengambilan keputusan klinis dan kebijakan rumah sakit. Analisis survival menjadi pendekatan yang tepat untuk mengkaji peluang Lama Rawat Inap Pasien serta faktor-faktor yang memengaruhinya. Penelitian ini bertujuan untuk membandingkan dua metode analisis survival, yaitu model parametrik berbasis distribusi terpilih dan model non-parametrik Random Survival Forest (RSF) dalam menganalisis Lama Rawat Inap Pasien DM Tipe 2. Model parametrik menggunakan distribusi lognormal sebagai model terbaik berdasarkan nilai AIC, sedangkan RSF digunakan untuk menangkap pola nonlinier tanpa asumsi distribusi. Hasil penelitian menunjukkan bahwa regresi lognormal memiliki nilai C-Index lebih tinggi dibandingkan RSF sehingga menjadi model terbaik dalam memodelkan Lama Rawat Inap Pasien. Selain itu, penelitian ini menemukan bahwa usia lansia awal, jenis pekerjaan lainnya, tidak ada komorbid kardiovaskular dan ginjal, jumlah komorbiditas serta pembayaran tanpa asuransi atau umum merupakan indikator variabel yang berpengaruh signifikan terhadap Lama Rawat Inap Pasien DM Tipe 2. Temuan ini diharapkan dapat mendukung pengambilan keputusan klinis, pengelompokan risiko pasien, serta perencanaan kebutuhan layanan untuk meningkatkan efektivitas perawatan dan efisiensi pembiayaan kesehatan.
=================================================================================================================================
Type 2 Diabetes Mellitus (DM) remains a major degenerative disease and a leading cause of mortality in Indonesia. Beyond its clinical consequences, Type 2 DM imposes a considerable economic burden, particularly among hospitalized patients experiencing severe complications. High inpatient costs and mortality rates underscore the need for reliable survival analysis to support clinical management and hospital policy decisions. Survival analysis provides an appropriate framework for evaluating hospital length of stay and identifying factors that influence patient outcomes. This study compares two survival analysis approaches: a parametric model based on a selected probability distribution and a non-parametric Random Survival Forest (RSF) model for analyzing the length of hospital stay among patients with Type 2 DM. The parametric model applies a lognormal distribution, selected as the best-fitting model based on the Akaike Information Criterion (AIC), while RSF is employed to capture complex and nonlinear relationships without distributional assumptions. Model performance was evaluated using the concordance index (C-index). The results indicate that the lognormal regression model achieves a higher C-index than the RSF model, suggesting superior predictive accuracy for hospitalization duration. Furthermore, the results indicate that early elderly age, other occupational categories, absence of cardiovascular and renal comorbidities, number of comorbidities, and uninsured or general payment status were significant indicators influencing the length of hospital stay in patients with Type 2 DM. These findings highlight the effectiveness of parametric survival modeling in this context and provide valuable insights for patient risk stratification, clinical decision-making, and hospital resource planning to improve care efficiency and patient outcomes.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Survival, Diabetes Melitus Tipe 2, Parametrik, Random Survival Forest, Survival Analysis, Parametric, Random Survival Forest, Type 2 Diabetes Mellitus
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA273.6 Weibull distribution. Logistic distribution. R Medicine > R Medicine (General) > R853.S7 Survival analysis (Biometry)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Melita Handayani
Date Deposited:	30 Jan 2026 06:30
Last Modified:	30 Jan 2026 06:30
URI:	http://repository.its.ac.id/id/eprint/131280

Actions (login required)

View Item