ALGORITMA EXPECTATION-MAXIMIZATION UNTUK PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED GAMMA PADA DATA TERSENSOR KANAN TIPE 1

Atika Ayu Listianingsih, 1517031019 (2019) ALGORITMA EXPECTATION-MAXIMIZATION UNTUK PENDUGAAN PARAMETER DISTRIBUSI GENERALIZED GAMMA PADA DATA TERSENSOR KANAN TIPE 1. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
FIle PDF
ABSTRAK.pdf

Download (150Kb) | Preview
[img] FIle PDF
SKRIPSI FULL.pdf
Restricted to Hanya staf

Download (1918Kb)
[img]
Preview
FIle PDF
SKRIPSI TANPA BAB PEMBAHASAN.pdf

Download (1919Kb) | Preview

Abstrak

Generalized Gamma distribution is the most popular model for analyzing skewed data and various forms of hazard functions, this makes Generalized Gamma distribution often used in survival analysis. Survival analysis aims to predict the chances of survival, recurrence of disease, death, and other events up to a certain period of time. One characteristic of survival data is the possibility of censorship, this study uses right-type censored data type 1. Estimation of Generalized Gamma distribution parameters in survival analysis uses maximum likelihood estimation which is solved by the expectation-maximization algorithm. In this study an analysis of the survival time of patients with gastric cancer will be conducted. Based on the results of the iteration, the estimated value of the parameter is obtained, namely α = 3.406516, β = 1.072, and θ = 59.766. Based on survival function, the chances of survival of patients will continue to decrease until death occurs, while hazard functions have an increasing rate, namely the increasing survival time of patients, the chances of death will increase. Keywords: Generalized Gamma, Type 1 Right Censored Data, Maximum Likelihood Estimation, Eexpectation-Maximization Algorithm Distribusi Generalized Gamma adalah model paling popular untuk menganalisis data yang skewed dan berbagai bentuk fungsi hazard, hal ini membuat distribusi Generalized Gamma sering digunakan dalam analisis survival. Analisis survival bertujuan untuk menduga peluang bertahan hidup, kekambuhan penyakit, kematian, dan peristiwa-peristiwa lainnya sampai pada periode waktu tertentu. Salah satu karakteristik data survival adalah kemungkinan adanya sensor, penelitian ini menggunakan data tersensor kanan tipe 1. Pendugaan parameter distribusi Generalized Gamma pada analisis survival menggunakan maximum likelihood estimation yang diselesaikan dengan algoritma expectationmaximization. Dalam penelitian ini akan dilakukan analisis waktu bertahan hidup pasien penderita penyakit kanker lambung. Berdasarkan hasil iterasi diperoleh nilai dugaan parameter, yaitu α = 3.406516, β = 1.072, dan θ = 59.766. Berdasarkan fungsi survival, peluang bertahan hidup dari pasien akan terus mengalami penurunan sampai terjadinya kematian, sedangkan fungsi hazard memiliki laju increasing yaitu semakin meningkatnya waktu bertahan hidup dari pasien maka peluang kematiannya akan semakin meningkat. Kata Kunci: Generalized Gamma, Data tersensor kanan tipe 1, Maximum Likelihood Estimation, Algoritma Expectation-Maximization

Jenis Karya Akhir: Skripsi
Subyek: 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi: Fakultas MIPA > Prodi Matematika
Pengguna Deposit: UPT . Meda Sulistiana
Date Deposited: 13 Apr 2022 03:48
Terakhir diubah: 13 Apr 2022 03:48
URI: http://digilib.unila.ac.id/id/eprint/59249

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir