ANALISIS SURVIVAL BAYESIAN COX PROPORTIONAL HAZARD PADA PEMODELAN LAMA RAWAT INAP PASIEN COVID-19 DI RSUP DR. M. DJAMIL PADANG

Ornika, Maikwa (2021) ANALISIS SURVIVAL BAYESIAN COX PROPORTIONAL HAZARD PADA PEMODELAN LAMA RAWAT INAP PASIEN COVID-19 DI RSUP DR. M. DJAMIL PADANG. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover dan Abstrak nika.pdf - Published Version Download (192kB) | Preview
Preview	Text (BAB 1 Pendahuluan) BAB 1 Pendahuluan.pdf - Published Version Download (169kB) | Preview
Preview	Text (BAB 5 Penutup) BAB 5 Penutup (2).pdf - Published Version Download (183kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka (21).pdf - Published Version Download (166kB) | Preview
	Text (Skripsi Full) latexnika.pdf - Published Version Restricted to Repository staff only Download (7MB)

Abstract

Regresi Cox Proportional Hazard (PH) merupakan suatu metode yang digunakan untuk mengetahui hubungan dari beberapa variabel prediktor dengan variabel respon. Variabel respon dalam analisis regresi Cox PH adalah waktu survival suatu objek terhadap suatu kejadian tertentu. Dalam peneli�tian ini dilakukan pemodelan lama rawat inap pasien Covid-19 di RSUP Dr. M. Djamil Kota Padang menggunakan metode regresi Cox PH dengan pendekatan Bayesian. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang diduga berpengaruh signifikan terhadap lama rawat inap pasien Covid-19. Data yang digunakan adalah data sekunder mengenai pasien Covid-19 yang dirawat di RSUP Dr. M. Djamil Kota Padang dari bulan November 2020 hingga Desember 2020 yang berjumlah 380 data. Pengolahan data dilakukan dengan bantuan software WinBUGS untuk mengestimasi parameter model menggunakan simulasi Markov Chain Monte Carlo (MCMC). Pada penelitian ini diperoleh estimasi model yang menunjukkan bahwa terdapat tiga faktor atau variabel prediktor yang berpengaruh signifikan terhadap lama rawat inap pasien Covid-19 yaitu jenis kelamin, asal kedatangan pasien, dan jumlah komorbid. Kata Kunci : Survival, Lama Rawat Inap, Covid-19, Regresi Cox Proportional Hazard (PH), Bayesian, Markov Chain Monte Carlo (MCMC).

Actions (login required)

View Item