Perbandingan Model Regresi Splines dan Multivariate Adaprive Regression Splines Untuk Analisis survival pada Pasien Kanker Serviks di RSUD Dr. Soetomo Surabaya

Respita, Rochima Dita (2017) Perbandingan Model Regresi Splines dan Multivariate Adaprive Regression Splines Untuk Analisis survival pada Pasien Kanker Serviks di RSUD Dr. Soetomo Surabaya. Masters thesis, Institut Sepuluh November.

[img]
Preview
Text
1315201003-Master_Thesis.pdf - Published Version

Download (3MB) | Preview

Abstract

Analisis survival adalah metode dalam Statistika dimana variabel yang ingin dilihat adalah waktu, hingga terjadinya suatu kejadian. Metode-metode yang digunakan untuk menganalisis hubungan antara variabel prediktor dengan waktu survival meliputi metode parametrik, nonparametrik dan semiparametrik. Sedangkan, apabila data survival yang ingin dipelajari melibatkan banyak variabel prediktor, maka dapat digunakan regresi. Regresi yang digunakan untuk menganalisis data survival yaitu regresi parametrik, regresi nonparametrik, dan regresi semiparametrik. Beberapa metode regresi non parametrik adalah spline, kernel, deret fourier dan Multivariate Adaptive Regression Splines (MARS). Penelitian ini menggunakan model regresi spline dan model MARS untuk analisis survival pada pasien kanker serviks di RSUD Dr. Soetomo Surabaya. Analisis ini dilakukan untuk membandingkan model cox proportional hazard (PH) dengan regresi spline dan model cox PH dengan MARS. Perbandingan model terbaik antara model cox PH dengan regresi spline dan model cox PH dengan MARS dilihat pada nilai MSE terkecil adalah model cox PH dengan pendekatan MARS dengan nilai MSE sebesar 0,03. Berdasarkan model cox PH dengan pendekatan MARS diperoleh bahwa variabel yang berpengaruh pada tingkat ketahanan hidup pasien kanker serviks di RSUD Dr. Soetomo Surabaya adalah usia (X1), stadium (X2), jenis pengobatan transfusi PRC (X4), dan penyakit penyerta (X6). ================================================================= Survival analysis is a collection of statistical procedures for data analysis for which the outcome variable of interest is time until an event occurs. The methods used to analyze the relationship between predictor and survival variables include parametric, nonparametric, and semiparametric methods. Whereas, if the survival data to be studied involves many predictor variables, then regression can be used. Regression used to analyze survival data is parametric regression, nonparametric regression, and semiparametric regression. Some nonparametric regression methods are spline, kernel, fourier series, and Multivariate Adaptive Regression Splines (MARS). This research used spline regression model and MARS for survival analysis in cervical cancer patients in RSUD Dr. Soetomo Surabaya. This analysis was conducted to compare cox proportional hazard (PH) model with spline regression and cox PH model with MARS. The best model comparison between cox PH model with spline regression and cox PH model with MARS seen at smallest MSE value that is cox PH model with MARS approach with MSE value of 0,03. Based on cox PH model with MARS approach, it was found that the variables that influence the survival rate of cervical cancer patients in RSUD Dr. Soetomo Surabaya is age (X1), stage (X2), type of PRC transfusion treatment (X4), and comorbidities (X6).

Item Type: Thesis (Masters)
Uncontrolled Keywords: Analisis Survival, Spline, MARS, Martingale Residual, Kanker Serviks
Subjects: H Social Sciences > HA Statistics
Q Science
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: ROCHIMA DITA RESPITA
Date Deposited: 05 Oct 2017 07:47
Last Modified: 08 Mar 2019 04:01
URI: http://repository.its.ac.id/id/eprint/45736

Actions (login required)

View Item View Item