Analisis Bivariat Survival Dengan Pendekatan Regresi Cox Copula Untuk Data Sensor Kanan (Studi Kasus: Pasien Katarak di Rumah Sakit Undaan Surabaya)

Wardiani, Sri (2025) Analisis Bivariat Survival Dengan Pendekatan Regresi Cox Copula Untuk Data Sensor Kanan (Studi Kasus: Pasien Katarak di Rumah Sakit Undaan Surabaya). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003232012-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Analisis survival bivariat dengan regresi Cox berbasis copula digunakan untuk mengevaluasi ketergantungan antara dua waktu kejadian yang saling terkait. Pendekatan ini penting diterapkan dalam studi medis dengan struktur data bilateral, seperti pada kasus katarak yang menyerang kedua mata secara progresif. Penelitian ini menerapkan metode tersebut pada data tersensor kanan untuk mengkaji hubungan waktu sampai seorang individu harus menjalani operasi mata kanan dan kiri pada pasien katarak senilis. Ketergantungan antar waktu kejadian seperti pada kasus demikian tidak dapat diabaikan, karena mengasumsikan independensi dapat menghasilkan estimasi risiko yang bias. Oleh karena itu, estimasi fungsi survival marginal dilakukan secara semiparametrik melalui metode Breslow, sedangkan ketergantungan bivariat dimodelkan menggunakan fungsi copula Clayton, Gumbel, Joe, dan Frank. Hasil menunjukkan bahwa model copula Frank memberikan performa terbaik dalam memodelkan ketergantungan bivariat, ditunjukkan oleh nilai τ Kendall sebesar 0,929, serta nilai AIC yang lebih rendah dibandingkan model lainnya. Temuan ini memberikan kontribusi penting dalam pengembangan model statistik untuk kasus bilateral, serta memberikan gambaran klinis bahwa komorbiditas seperti diabetes dan hipertensi berperan dalam penjadwalan intervensi medis secara keseluruhan.
=====================================================================================================================================
Bivariate survival analysis using copula-based Cox regression is applied to evaluate the dependency between two correlated event times. This approach is particularly crucial in medical studies involving bilateral conditions, such as senile cataract, where assuming independence may lead to biased risk estimation. This study utilizes right-censored data to investigate the relationship between the time to surgery for the right and left eyes of cataract patients. Marginal survival functions are estimated semiparametrically using the Breslow method, while the bivariate dependency structure is modeled with Clayton, Gumbel, Joe, and Frank copula. The results show that the Frank copula model outperforms the others, with a Tau Kendall of 0.929 and lower AIC and BIC values. These findings highlight the importance of accounting for inter-eye dependence in bilateral event data and provide clinical insights, especially in the presence of comorbidities such as diabetes and hypertension, which may influence the timing and sequence of surgical interventions.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	analisis survival, katarak, Kaplan-Meier kondisional, regresi Cox copula, survival analysis, cataract, copula-Cox regression, Kaplan & Meier conditional
Subjects:	H Social Sciences > HA Statistics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Sri Wardiani
Date Deposited:	05 Aug 2025 11:50
Last Modified:	05 Aug 2025 11:50
URI:	http://repository.its.ac.id/id/eprint/127548

Actions (login required)

View Item