2018 : PENGEMBANGAN MODEL SURVIVAL DENGAN KOVARIAT DINAMIS TERHADAP WAKTU DENGAN PENDEKATAN MACHINE LEARNING PARAMETRIK

Dr Suhartono S.Si., M.Sc
Dr. rer. pol. Dedy Dwi Prastyo S.Si., M.Si.

External link

Type

RESEARCH

Keywords

-


Abstract

Analisis survival adalah metode Statistika yang digunakan untuk menganalisis data lamanya waktu terjadinya peristiwa tertentu (survival time). Pada setiap titik waktu pengamatan, variabel indikator yang menyatakan pengamatan individu tersensor atau tidak bersifat biner, sehingga dapat dipandang sebagai kelas dari nilai variabel respons pada metode klasifikasi. Hal ini memungkinkan data survival dapat dianalisis dengan pendekatan metode klasifikasi. Sampai saat ini, pendekatan metode klasifikasi untuk analisis survival masih terbatas pada kovariat yang statis. Sedikit sekali penelitian yang menerapkan pendekatan klasifikasi pada data dengan kovariat dinamis terhadap waktu. Pada kenyatannya, data survival pada kasus ekonomi maupun studi longitudinal sering kali mempunyai kovariat yang bersifat dinamis terhadap waktu. Berdasarkan hal tersebut, maka penelitian ini akan pengembangan model survival kovariat yang dinamis terhadap waktu dengan pendekatan machine learning parametrik, yaitu pendekatan multiple-period logit, multiple-period generalized extreme value regression (GEVR), dan Bayesian Cox dengan kovariat dinamis. Pada analisis survival yang standar, kovariat sebagai input dipilih secara priory dan diasumsikan sebagai faktor resiko yang relevan dan dapat menjelaskan survival time dengan baik, padahal belum tentu demikian. Oleh sebab itu, diperlukan metode pemilihan kovariat yang relevan bersamaan dengan proses penaksiran parameter. Untuk seleksi kovariat yang relevan, penelitian ini akan menggunakan pendekatan regularisasi, yaitu pemberian fungsi penalti pada fungsi resiko. Aplikasi metode yang diusulkan ini akan diterapkan pada analisis delisting time perusahaan di pasar modal dan pada data laju perbaikan klinis pasien di rumah sakit.