Anda di halaman 1dari 5

PENERAPAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN

PENDEKATAN LINEAR MIXED EFFECT


MELALUI PENDUGAAN PARAMETER MAXIMUM LIKELIHOOD ESTIMATION
(MLE)

PROPOSAL TESIS

Untuk Memenuhi Persyaratan


Memperoleh Gelar Magister Statistika

oleh :
IKIN SODIKIN
156090500111001

Program Studi Statistika


Minat Statistika Peramalan

PROGRAM STUDI PASCASARJANA


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2016
BAB I
PENDAHULUAN

1.1. LATAR BELAKANG


Data survival adalah data tentang pengamatan jangka waktu dari awal

pengamatan sampai terjadinya sesuatu peristiwa. Ciri khas dari data survival

adalah survival time (waktu bertahan hidup) seringkali tidak dapat diamati secara

lengkap (tersensor). Jika semua kejadian yang diharapkan terjadi, dan dapat

diamati secara utuh maka beberapa metode analisis bisa dilakukan, namun data

survival bersifat sensor (Clark et al. 2003).

Analisis yang sudah sering digunakan untuk data survival yaitu regresi

cox proportional hazard. Regresi cox proportional hazard merupakan model yang

cukup handal (robust) dalam memodelkan data survival karena menghasilkan

estimasi parameter yang tidak jauh berbeda dengan model parametrik lainnya

(Kleinbaum dan Klein 2012).

Model linear efek campuran merupakan suatu pemodelan dimana

variabel respon Y selain dipengaruhi oleh variabel penjelas X atau dikenal

dengan efek fix (fixed effect), juga dipengaruhi oleh faktor keacakan dalam

pemilihan sampel, waktu, area, dan lain-lain yang dikenal dengan efek acak

(random effect) (Sumarni, 2014). Model ini merupakan model statistik penting

yang dapat digunakan untuk menganalisis data berkorelasi seperti observasi

terklaster (clustered observastions) (Galeci dan Burzykowski, 2013).

Data respon waktu survival seringkali disajikan dalam bentuk struktur data

klaster, dimana satu set data kategorik yang mengklasterkan subjek (biasanya

dengan angka atau huruf) merupakan salah satu variabel penjelas. Dalam

pendekatan model linear campuran, variabel ini disebut sebagai efek acak jika

dipilih sebagai sampel acak dari semua nilai-nilai yang mungkin (Bates, 2010).

1
Model Cox Proportional Hazard Mixed Effect (Coxme) yang telah

dikembangkan oleh Xu pada tahun 2004 merupakan model semi-parametrik

yang digunakan untuk menganalisis data survival cluster-dependen. Parameter

yang diduga pada model Coxme terdiri dari parameter bagi variabel tetap dan

variabel random. Metode pendugaan parameter yang digunakan dalam model

regresi Coxme adalah Maximum Likelihood Estimation (MLE). Metode

pendugaan ini digunakan dengan memaksimumkan peluang dari waktu

terjadinya suatu kejadian yang diamati pada data survival.

Wiryakandhi (2016) melakukan penelitian berupa simulasi model regresi

cox proportional hazard dengan pendugaan parameter Maximum Partial

Likelihood Estimation (MPLE) dengan berbagai skenario ukuran sampel dan

persentase data tersensor dengan tanpa memperhatikan pengaruh acak atau

random pada struktur data. Penelitian tersebut memberikan kesimpulan bahwa

ukuran sampel dan banyaknya data tersensor mempengaruhi hasil pendugaan

parameter berdasarkan beberapa sifat penduga parameter (bias, standar error,

MSE, bias relative dan jarak Euclidian).

Berdasarkan uraian tersebut, maka dalam penelitian ini akan dilakukan

penerapan regresi Cox Proportional Hazard dengan pendekatan Linear Mixed

Model melalui pendugaan parameter Maximum Likelihood Estimation (MLE).

Penelitian ini menggunakan data hasil simulasi untuk mengetahui sifat penduga

parameter pada data bangkitan dengan berbagai skenario ukuran sampel dan

persentase data tersensor serta data sekunder.

2
1.2. RUMUSAN MASALAH
Berdasarkan latar belakang tersebut, maka permasalahan pada penelitian

ini dirumuskan sebagai berikut :

1. Bagaimana proses pembangkitan data pada regresi Cox Proportional

Hazard Mixed Model?

2. Bagaimana sifat penduga parameter (bias, standard error, MSE, bias

relative, dan jarak Euclidian) pada model regresi Cox Proportional

Hazard Mixed Model hasil simulasi dengan berbagai skenario ukuran

sampel dan persentase data tersensor?

3. Bagaimana menerapkan regresi Cox Proportional Hazard Mixed

Model untuk data survival cluster-dependent?

1.3. TUJUAN PENELITIAN


Tujuan dari dilakukannya penelitian ini adalah untuk memberikan jawaban

atas permasalahan penelitian, yaitu :

1. Menjelaskan proses pembangkitan data pada regresi Cox

Proportional Hazard Mixed Model

2. Mengidentifikasi sifat penduga parameter (bias, standard error, MSE,

bias relative, dan jarak Euclidian) pada model regresi Cox

Proportional Hazard Mixed Model hasil simulasi dengan berbagai

scenario ukuran sampel dan persentase data tersensor

3. Menerapkan regresi Cox Proportional Hazard Mixed Model untuk

data survival cluster-dependent

1.4. MANFAAT PENELITIAN


Hasil penelitian ini diharapkan dapat memberikan manfaat yaitu :

1. Memberikan informasi mengenai cara kerja dan performance regresi

Cox Proportional Hazard Mixed Model serta dapat dijadikan referensi

untuk penelitian selanjutnya.

3
2. Mendapatkan model prediksi regresi Cox Proportional Hazard Mixed

Effect sebagai informasi dan referensi khususnya pemerintah yang

berkepentingan untuk menyukseskan program kesehatan.

1.5. BATASAN MASALAH


Batasan permasalan dalam penelitian ini yaitu :

1. Data simulasi yang digunakan merupakan data bangkitan untuk

variabel respon (waktu survival) berdistribusi Eksponensial dan satu

variabel penjelas berdistribusi normal. Data bangkitan merupakan

data tersensor kanan tipe I.

2. Model linear efek campuran (Mixed Effect Model) yang digunakan

merupakan tipe random intercept ( = 0 + 1 1 + + ).

3. Data aplikasi yang digunakan merupakan data sekunder.