Bayesian Reversible Jump Markov Chain Monte Carlo (RJMCMC) untuk Pemodelan Mixture Survival
| dc.contributor.author | Rejki, Najihatur | |
| dc.contributor.author | Iriawan, Nur | |
| dc.date.accessioned | 2015-04-23T04:00:08Z | |
| dc.date.available | 2015-04-23T04:00:08Z | |
| dc.date.issued | 2015-03-07 | |
| dc.identifier.citation | [1] Lee,E. T., & Wang, J. W. 2003. Statistical Methods for Survival Data Analysis. 3rd ed. New York: John Wiley and Sons, Inc. [2] Ando, T., Imoto, S. & Miyano, S. 2004. Kernel Survival Models for Identifying Cancer Subtypes, Predicting Patient’s Cancer Types and Survival Probabilities. Genome Informatics, 15(2), pp. 201-210. [3] Muthen, B. & Masyn, K. 2005. Discrete-Time Survival Mixture Analysis. Journal of Educational and Behavioral Statistics, 5(2), pp. 63-74. [4] Hariyanto, S. 2009. Model Mixture Survival pada Kasus Lama Kerja di Pulau Jawa Tahun 2007. Tesis (Tidak Dipublikasikan). Surabaya: Institut Teknologi Sepuluh Nopember. [5] Hasyim, M. 2012. Model Mixture Survival Spasial dengan Frailty Berdistribusi Conditionally Autoregressive (CAR) pada Kasus Kejadian Demam Berdarah Dengue (DBD) di Kabupaten Pamekasan. Tesis (Tidak Dipublikasikan). Surabaya: Institut Teknologi Sepuluh Nopember. [6] Green, P. J. 1995. Reversible Jump Markov Chain Monte Carlo Computation and Bayesian Model Determination. Biometrika, 82(4), pp. 711-732. [7] Richardson, S. & Green, P. J. 1997. On Bayesian Analysis of Mixture with an Unknown Number of Components. Journal of the Royal Statistical Society, 59(4), pp. 731-792. [8] Iriawan, N. 2001. Studi tentang Bayesian Mixture Normal dengan Menggunakan Metode MCMC. Surabaya: Lemlit ITS. [9] Le, C. T. 1997. Applied Survival Analysis. New York: John Wiley and Sons. Inc. [10] Kleinbaum, D. G. & Klein, M. 2005. Survival Analysis: A Self Learning. 3rd ed. New York: Springer. [11] Collet, D. 2003. Modelling Survival Data in Medical Research. London: Chapman and Hall. [12] Bernando, J. M. & Giron, F. J. 1988. A Bayesian Analysis of Simple Mixture Problem. Bayesian Statistics, Volume 3, pp. 67-68. | in_ID |
| dc.identifier.isbn | 978.602.361.002.0 | |
| dc.identifier.uri | http://hdl.handle.net/11617/5808 | |
| dc.description.abstract | Analisis survival merupakan metode satistika yang tepat untuk menganalisis data waktu tempuh suatu objek sampai terjadinya suatu peristiwa atau kejadian tertentu terhadap objek tersebut yang telah ditetapkan. Banyaknya kasus perceraian di Pengadilan Agama merupakan masalah yang cukup mengkhawatirkan di masyarakat, pengamatan tentang lama suatu pernikahan dapat dipertahankan merupakan fenomena survival ini. Pengamatan dilakukan pada para pihak yang mendaftarkan gugatan perceraian di Pengadilan Agama Kabupaten Malang, sebagai unit penelitian. Makalah ini mendemonstrasikan kemampuan pemodelan mixture survival dalam suatu cox proportional hazard yang dipadukan dengan cara estimasi parameternya menggunakan metode reversible jump markov chain monte carlo (RJMCMC) pada data survival yang mempunyai pola multimodal. RJMCMC dapat membantu memodelkan permasalahan mixture secara bersamaan dengan penentuan banyaknya komponen penyusunan mixture yang optimal. Hasil pemodelan dan analisis menunjukkan bahwa model survival pernikahan di area Pengadilan Agama Kabupaten Malang terdiri atas12komponen mixture. Model mixture survival lama pernikahan disusun oleh 12 komponen. | in_ID |
| dc.language.iso | id | in_ID |
| dc.publisher | Universitas Muhammadiyah Surakarta | in_ID |
| dc.subject | Analisis Survival | in_ID |
| dc.subject | Cox Proportional Hazard | in_ID |
| dc.subject | Mixture Survival | in_ID |
| dc.subject | Reversible Jump Markov Chain Monte Carlo | in_ID |
| dc.title | Bayesian Reversible Jump Markov Chain Monte Carlo (RJMCMC) untuk Pemodelan Mixture Survival | in_ID |
| dc.type | Article | in_ID |
Files in this item
This item appears in the following Collection(s)
-
Seminar Nasional Matematika dan Pendidikan Matematika 2015
Peran Matematika dan Pendidikan Matematika dalam Menghadapi Isu-isu Global