[LAST CALL!] BANGKITKAN SKILL DATA SAMPAI SUKSES BERKARIR
BELAJAR DATA SCIENCE 6 BULAN CUMA 127 RIBU  | Pakai Kode: DQBANGKIT
KLAIM PROMONYA!
Pendaftaran ditutup dalam 0 Hari 16 Jam 38 Menit 10 Detik 

Kenali Metode Survival Analysis untuk Uji Ketahanan, Yuk!

Belajar Data Science di Rumah 10-Oktober-2021
https://dqlab.id/files/dqlab/cache/15437ac80e6235522759ddae2bd45ae3_x_Thumbnail800.png

Data yang biasanya digunakan dalam penelitian, secara umum dapat dikelompokkan menjadi dua jenis, yaitu data kualitatif dan data kuantitatif. Diantara keduanya, tidak ada jenis data yang lebih mengungguli jenis data lainnya, karena keduanya akan sama-sama dibutuhkan untuk mengatasi keadaan yang berbeda. Data kualitatif umumnya digunakan ketika peneliti sedang melakukan penelitian mendalam, dimana datanya tidak cukup jika hanya dijadikan beberapa kategori yang bisa diwakili oleh angka. Sementara data kuantitatif merupakan penelitian yang isinya berupa angka, dan sudah mampu mendeskripsikan keadaan yang ada di lapangan hanya dengan menggunakan angka.

Umumnya penggunaan data kuantitatif akan banyak dilakukan oleh peneliti yang berasal dari bidang eksakta. Salah satu contoh metode yang bisa digunakan adalah metode Survival Analysis. Metode ini bisa digunakan untuk melihat peluang yang berhubungan dengan ketahanan hidup, dimana beberapa bagian utama dari analisis ini adalah waktu dan kejadian. Penasaran dengan metode ini? Yuk, simak artikelnya!

1. Pengertian Survival Analysis

Survival Analysis merupakan salah satu metode analisis untuk melihat berapa peluang data yang diamati untuk bertahan. Umumnya, data yang bisa digunakan untuk melakukan survival analysis adalah data yang memuat data waktu hingga muncul kejadian. Waktu ini dapat berupa tahun, bulan, hari, dan semua waktu lainnya. Sementara kejadian yang dimaksud disini adalah kejadian yang berupa kematian, insiden penyakit, kekambuhan, penyembuhan, dan kejadian lainnya yang berhubungan dengan ketahanan.

Baca juga : Data Analisis : 2 Jenis Metode yang Penting Untuk Kamu Tahu dalam Analisis Data

2. Metode Life Table

Salah satu metode yang dapat digunakan untuk mengestimasi waktu ketahanan dalam survival analysis adalah metode life table. Metode ini dikenal juga dengan metode Actuarial atau Cutler-Ederer. Untuk menggunakan metode ini, kita dapat menentukan interval waktu yang diinginkan. Ada beberapa asumsi yang harus dipenuhi untuk menggunakan metode ini, yaitu waktu awal pengamatan harus jelas, efek yang diteliti berskala nominal dikotom atau sebanding dengan skala kategorikal, risiko terjadi efek tidak bergantung pada kalender, kasus lost to follow harus independen terhadap efek, dan risiko untuk terjadi efek pada interval waktu yang dipilih dianggap sama.

3. Metode Kaplan-Meier

Metode lain yang bisa digunakan untuk mengestimasi waktu ketahanan adalah metode Kaplan Meier. Dalam metode ini, kita tidak mengelompokkan data berdasarkan interval tertentu dari waktu. Hal ini membuat kita bisa menggunakan metode ini untuk jumlah subjek yang sedikit dan efek yang dihitung tepat pada saat dia terjadi dengan estimasi bahwa kejadian tersebut sebanding dengan skala numerik. Metode Kaplan Meier bisa dibagi menjadi dua konsep sederhana, yaitu pasien yang tersensor dan peluang untuk hidup dua bulan sama dengan peluang hidup pada bulan pertama dikalikan dengan peluang hidup pada bulan kedua, dan seterusnya.

4. Regresi Cox

Metode lainnya yang bisa digunakan adalah Regresi Cox. Metode ini merupakan metode yang lebih banyak digunakan jika dibandingkan dengan metode life table dan metode kaplan meier karena mengestimasi hazard ratio meskipun tidak diketahui ho (t), dapat mengestimasi nilai ho (t), h(t,X), dan fungsi survivor meskipun ho (t) tidak spesifik, serta hasil dari cox model hampir sama dengan hasil model parametrik. Metode ini merupakan metode survival analysis yang berfokus pada peluang kejadian yang akan terjadi atau dikenal dengan fungsi Hazard, sehingga metode ini juga dikenal dengan nama Proportional Hazard Model.

Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif

5. Tertarik untuk Menjadi Praktisi Data? Gabung Jadi Member DQLab, Yuk!

Agar bisa menjadi seorang praktisi data, kamu haruslah menguasai ilmu data dengan baik, termasuk memahami metode metode yang ada, dan mengetahui kapan harus digunakan. Salah satu caranya adalah dengan terus berlatih menyelesaikan studi kasus dan juga menambah wawasan akan ilmu data science. DQLab menjadi tempat kursus yang bisa kamu pilih. Modul yang disediakan oleh DQLab dirancang sesuai dengan studi kasus yang ada di dunia kerja. Selain itu, modul yang ada juga menggunakan beberapa bahasa pemrograman yang umum digunakan oleh praktisi data, seperti R, Python, dan juga SQL. Dengan mendaftar sebagai member DQLab, kamu bisa menikmati semua fasilitas ini loh. Yuk, tunggu apa lagi? Buruan daftarkan dirimu!

Penulis : Gifa Delyani Nursyafitri


Postingan Terkait

Sign Up & Mulai Belajar Gratis di DQLab!