ANALISIS SURVIVAL PADA KEJADIAN DEMAM BERDARAH DENGUE (DBD) DI KOTA MAKASSAR

Authors

  • Masli Nurcahya Zoraida
  • Rahmawati

DOI:

https://doi.org/10.54184/jikkhc.v5i2.223

Keywords:

Distribusi Weibull dua Parameter, Metode Bayes, Gibbs Sampling, Tersensor Kanan, Konjugat Prior

Abstract

Analisis survival mempelajari suatu peristiwa berdasarkan waktu terjadinya, dimana dalam melakukan analisis survival dibutuhkan data  survival  yang  merupakan data  pengamatan dari awal penelitian sampai akhir waktu yang ditentukan atau sampai terjadinya suatu peristiwa. Data ini dapat berupa observasi tidak tersensor dan observasi tersensor. Untuk mengetahui apakah distribusi dari data waktu h idup yang di asumsikan  telah menggambarkan keadaan yang sesungguhnya, diperlukan suatu analisis terhadap data waktu hidup. Salah satu cara untuk menganalisis fungsi waktu kelangsungan hidup adalah dengan mengestimasi nilai parameter distribusinya. Penelitian ini bertujuan mengestimasi parameter distribusi Weibull dua parameter pada data survival tersensor kanan dengan pendekatan Bayes menggunakan konjugat prior dan mengetahui taksiran yang dihasilkan dari estimasi parameter menggunakan pendekatan Bayes. Penelitian ini menggunakan pendekatan Bayes menggunakan konjugat prior dengan algoritma Gibbs Sampling dan metodeMarkov Chaib Monte Carlo (MCMC). Digunakan data simulasi dengan membangkitkan data yang berdistribusi Weibull. Hasil yang diperoleh diterapkan pada data ril penderita DBD di Kota Makassar. Hasil penelitian menunjukkan bahwa dari dua variabel yang diteliti, yaitu usia dan jenis kelamin, variabel yang mempengaruhi waktu kelangsungan hidup individu pada penderita DBD di Kota Makassar adalah usia

Downloads

Download data is not yet available.

Downloads

Published

24-06-2022

How to Cite

ANALISIS SURVIVAL PADA KEJADIAN DEMAM BERDARAH DENGUE (DBD) DI KOTA MAKASSAR. (2022). Jurnal Ilmiah Keperawatan Dan Kebidanan Holistic Care, 5(2), 39-43. https://doi.org/10.54184/jikkhc.v5i2.223

Similar Articles

1-10 of 113

You may also start an advanced similarity search for this article.