PENERAPAN MODEL REGRESI SURVIVAL WEIBULL PADA DATA PASIEN PENYAKIT GINJAL

Fachrian Bimantoro Putra, Yossy Chandra, Andrea Tri Rian Dani, Sri Wigantono, Ludia Ni'matuzzahroh

Abstract


Regresi linier adalah suatu metode prediksi yang digunakan untuk menggambarkan hubungan antara variabel prediktor dan variabel respon. Ketika variabel respon yang digunakan mengikuti distribusi Weibull, maka analisis regresi yang digunakan adalah analisis regresi Weibull. Pemodelan regresi Weibull pada penelitian ini diaplikasikan pada data waktu rawat inap pasien penyakit ginjal. Berdasarkan hal tersebut, maka tujuan penelitian ini adalah untuk mengetahui model regresi Weibull yang diaplikasikan pada data lama rawat inap pasien ginjal, serta untuk mengetahui apakah Variabel Umur, Jenis Kelamin , Riwayat Penyakit, dan Kelemahan (Frail) memiliki pengaruh terhadap lama waktu rawat inap pasien ginjal. Pengujian distribusi data waktu rawat inap menggunakan pendekatan Anderson-Darling diperoleh data waktu rawat inap pasien penyakit ginjal mengikuti distribusi Weibull. Hasil dari penelitian ini diperoleh faktor-faktor yang terbukti berpengaruh terhadap lama waktu rawat inap pasien ginjal, yaitu Frail, Jenis Kelamin, dan Riwayat Penyakit.


Keywords


Laju Kesembuhan; Lama Rawat Inap; Regresi Weibull

Full Text:

PDF


DOI: https://doi.org/10.15548/map.v6i1.8221
Abstract views : 8 times
PDF : 2 times

References


Kementerian Kesehatan Republik Indonesia. 2017. Info Pusat Data dan Informasi Kementerian Kesehatan RI, Situasi Penyakit Ginjal Kronis. Jakarta: Kementerian Kesehatan Republik Indonesia.

Pagunsan. 2007. Ginjal Si Penyaring Ajaib Memiliki Kreasi Hidup Sehat. Bandung: Indonesia Publishing Home.

Triwibowo. 2013. Manajemen Pelayanan Keperawatan di Rumah Sakit. Jakarta: TIM.

Mubarak, W. I., & Chayatin, N. 2011. Ilmu Keperawatan Komunitas Pengantar dan Teori. Jakarta: Salemba Medika.

Khairunnisa, S. F., Suyitno, & Mahmuda, S. 2023. Model Regresi Weibull pada Data Waktu Rawat Inap Pasien COVID-19 di RSUD Abdul Wahab Sjahranie Samarinda. Jurnal Matematika Statistika dan Komputasi. Vol. 19, No. 2, Hal. 286-303.

Maller R, & Zhou X. 1996. Analisis Kelangsungan Hidup dengan Korban Jangka Panjang, Chishester, Inggris,Wiley.

Kleinbaum, D. G, & Klein, M. 2012. Survival Analysis. New York: Springer.

Cox, D. R. Regression Models and Life-Tables. Journal of The Royal Society. Vol. 34, No. 2, Hal. 187-220.

Lee, C. T. 1997. Applied Survival Analysis. New York: John Wiley and Sons, Inc.

Hosmer, D.W., Lemeshow, S., & May, S. 2008. Applied Survival Analysis. New York: John Wiley and Sons, Inc.

Lawless, J. F. 1982. Stastical Methods for Lifetime Data. New York: United State of America.

Lee, E. T., & Wang, J.W. 2003. Statistik Methods for Survival Data Analysis, 3 nd ed. Jhon Wiley & Son, Inc.

Hidayat, R. 2016. Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival Untuk Data Tersensor. Universitas Cokroaminoto Palopo.

Lawless, J.F. 2003. Statistical Models and Methods for Lifetime Data, 2 Edition.John Wiley & Sons, Inc. Canada.

Rinne, H. 2009. The Weibull Distribution Handbook. Boca Raton: Chapman & Hall/CRC.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Lisensi Creative Commonsis licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.