

Email : albert.prayogo99@gmail.com
RPubs : https://rpubs.com/albert23899
Jurusan : Statistika
Address : ARA Center, Matana University Tower
Jl. CBD Barat Kav, RT.1, Curug Sangereng, Kelapa Dua, Tangerang, Banten 15810.
Penerapan Survival Model di Berbagai Bidang
Survival model merupakan salah satu metode Statistika yang digunakan untuk menganalisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan hingga akhir dengan variabel-variabel yang mempengaruhi kejadian tersebut. Pengukuran waktu dari suatu titik awal tertentu hingga titik akhir disebut sebagai waktu survival. Kejadian dinyatakan bertahan (survived) apabila individu atau objek yang diamati dapat bertahan mulai dari titik awal pengamatan hingga titik akhir pengamatan.
Salah satu contoh penerapan pemodelan survival dalam dunia kedokteran adalah untuk menghitung efektivitas pengobatan terhadap pasien atau memperkirakan lama hidup seorang pasien ketika dokter menyatakan diagnosisnya. Salah satu contoh penerapan model survival adalah perbaikan gizi kepada balita yang mengalami gizi buruk. Dengan menggunakan analisis survival, peneliti dapat mengetahui sejauh mana pengaruh pemberian perbaikan gizi dalam jangka waktu tertentu dan sampai kapan program perbaikan gizi ini dilakukan hingga mencapai titik dimana balita dinyatakan tidak mengalami kekurangan gizi Menurut Klienbaum, Fungsi dari pemodelan survival dalam dunia kesehatan adalah memperkirakan probabilitas ketahanan dari satu waktu ke waktu tertentu, menyimpulkan status kesehatan penduduk, membandingkan ketahanan suatu kejadian antar kelompok, dan mengidentifikasi laju suatu kejadian yang dialami penduduk dalam periode waktu tertentu. Contoh lainnya penerapan analisis survival adalah penelitian mengenai ketahanan hidup balita yang terserang penyakit diare. Balita merupakan kelompok umur yang sangat rentan terkena penyakit yang salah satunya adalah penyakit diare. Penyakit diare dapat membuat pasien balita meninggal dunia karena dehidrasi. Oleh sebab itu, diperlukan pemodelan survival untuk menganalisis berapa lama pasien balita dapat bertahan terhadap penyakit diare sehingga pengobatan terhadap diare yang dilakukan tidak terlambat.
Selain dalam dunia kedokteran, pemodelan survival dapat pula digunakan dalam dunia bisnis, industri, dan masih banyak lagi. Contoh penerapan survival model dalam dunia bisnis adalah menganalisis ketahanan bisnis dalam mengarungi suatu periode tertentu. Pemodelan survival dalam dunia bisnis dapat digunakan untuk mengetahui kapan suatu kejadian akan terjadi, kemudian apa yang menjadi faktor penyebabnya, dan bagaimana hal tersebut dapat terjadi. Tidak dapat dipungkiri bahwa pandemi COVID-19 merupakan salah satu masalah terbesar yang dialami dalam sebuah bisnis. Pemodelan survival dapat berguna untuk memodelkan ketahanan perusahaan untuk sustain di era pandemi ini. Melalui pemodelan survival perusahaan bisa menganalisis sampai kapan perusahaan dapat bertahan, apa yang menjadi faktor sehingga penjualan dapat terangkat, dan masih banyak lagi informasi yang didapatkan melalui pemodelan survival. Contoh penerapan lainnya adalah mengenai analisis permintaan konsumen dengan menggunakan pemodelan survival. Di era industri sekarang, permintaan kebutuhan konsumen sangatlah dinamis sehingga semakin banyak peluang untuk memperluas bisnis dengan memenuhi permintaan konsumen. Pemodelan survival dapat menyajikan informasi mengenai permintaan apa saja yang diinginkan konsumen dengan segmen pasar tertentu sehingga perusahaan dapat mempersiapkan perencanaan produk, perencanaan inventaris, dan pengadaan barang.
Selanjutnya, pemodelan survival juga dapat digunakan di bidang industri. COntoh penerapan pemodelan survival di dunia industri adalah masalah kerusakan mesin produksi di sebuah perusahaan. Pemodelan survival dapat digunakan untuk menganalisis apa yang terjadi dibalik kejadian kerusakan mesin tersebut. Pemodelan survival dapat memberikan informasi mengenai berapa lama masa pakai suatu mesin produksi, apa yang menyebabkan kerusakan pada mesin tersebut, atribut apa yang sering rusak pada mesin tersebut dan informasi penting lainnya. Setelah analisis dengan pemodelan survival dilakukan decision maker dapat mengambil keputusan apa yang harus dilakukan untuk memperpanjang masa umur produksi dengan mempertimbangkan efektivitas dan efisiensi.
Perbedaan Data Time Series dan Pemodelan Survival
Data Time Series merupakan data historis yang dikumpulkan dari waktu ke waktu secara berurutan pada satu atau lebih obyek yang sama pada suatu periode waktu. Data time series digunakan karena peneliti merasa bahwa objek tersebut memiliki hubungan antara data yang sudah dikumpulkan dengan prediksi nilai yang akan terjadi. Analisis data time series dilakukan untuk memprediksi kejadian suatu objek berdasarkan data historis yang sudah ada. Waktu pengamatan data time series ditentukan langsung oleh peneliti sesuai dengan kebutuhan penelitian. Salah satu contoh data time series adalah pergerakan indeks saham.
Data pemodelan Survival berupa pengamatan terhadap suatu objek saat periode waktu tertentu hingga pada akhirnya suatu kejadian/resiko terjadi. Contoh data pada pemodelan survival adalah pengamatan reaksi obat terhadap suatu penyakit. Pemodelan survival digunakan untuk mengamati dan mencari informasi mengenai bagaimana reaksi obat dari titik awal waktu didiagnosis hingga pada akhirnya pasien nanti sembuh atau meninggal dunia. Titik akhir waktu data pada pemodelan survival adalah suatu kejadian sehingga pengamatan tidak dapat dilanjutkan lagi.
---
title: "Tugas 1"
subtitle: "Survival Model"
author: "Albert Agung Prayogo (20204920019)"
date: "`r format(Sys.Date(), '%B %d, %Y')`"
output: 
  html_document: 
    html_document: null
    code_folding: hide
    toc: yes
    toc_float:
      collapsed: yes
    number_sections: yes
    code_download: yes
    theme: sandstone
    css: style1.css
    highlight: monochrome
---


<img style="float: right; margin: 0px 100px 0px 0px; width:25%" src="me.jpg"/> 

```{r logo, echo=FALSE,fig.align='center', out.width = '30%'}
knitr::include_graphics("logomatana.png")
```

Email &nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;:  albert.prayogo99@gmail.com <br>
RPubs  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;: https://rpubs.com/albert23899 <br>
Jurusan &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;: [Statistika](https://matanauniversity.ac.id/?ly=academic&c=sb) <br>
Address  &nbsp; &nbsp; &nbsp; &nbsp; : ARA Center, Matana University Tower <br>
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; Jl. CBD Barat Kav, RT.1, Curug Sangereng, Kelapa Dua, Tangerang, Banten 15810.

****
# Penerapan Survival Model di Berbagai Bidang
  Survival model merupakan salah satu metode Statistika yang digunakan untuk menganalisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan hingga akhir dengan variabel-variabel yang mempengaruhi kejadian tersebut. Pengukuran waktu dari suatu titik awal tertentu hingga titik akhir disebut sebagai waktu survival. Kejadian dinyatakan bertahan (survived) apabila individu atau objek yang diamati dapat bertahan mulai dari titik awal pengamatan hingga titik akhir pengamatan.
  
  Salah satu contoh penerapan pemodelan survival dalam dunia kedokteran adalah untuk menghitung efektivitas pengobatan terhadap pasien atau memperkirakan lama hidup seorang pasien ketika dokter menyatakan diagnosisnya. Salah satu contoh penerapan model survival adalah perbaikan gizi kepada balita yang mengalami gizi buruk. Dengan menggunakan analisis survival, peneliti dapat mengetahui sejauh mana pengaruh pemberian perbaikan gizi dalam jangka waktu tertentu dan sampai kapan program perbaikan gizi ini dilakukan hingga mencapai titik dimana balita dinyatakan tidak mengalami kekurangan gizi Menurut Klienbaum, Fungsi dari pemodelan survival dalam dunia kesehatan adalah memperkirakan probabilitas ketahanan dari satu waktu ke waktu tertentu, menyimpulkan status kesehatan penduduk, membandingkan ketahanan suatu kejadian antar kelompok, dan mengidentifikasi laju suatu kejadian yang dialami penduduk dalam periode waktu tertentu. Contoh lainnya penerapan analisis survival adalah penelitian mengenai ketahanan hidup balita yang terserang penyakit diare. Balita merupakan kelompok umur yang sangat rentan terkena penyakit yang salah satunya adalah penyakit diare. Penyakit diare dapat membuat pasien balita meninggal dunia karena dehidrasi. Oleh sebab itu, diperlukan pemodelan survival untuk menganalisis berapa lama pasien balita dapat bertahan terhadap penyakit diare sehingga pengobatan terhadap diare yang dilakukan tidak terlambat.
  
  Selain dalam dunia kedokteran, pemodelan survival dapat pula digunakan dalam dunia bisnis, industri, dan masih banyak lagi. Contoh penerapan survival model dalam dunia bisnis adalah menganalisis ketahanan bisnis dalam mengarungi suatu periode tertentu. Pemodelan survival dalam dunia bisnis dapat digunakan untuk mengetahui kapan suatu kejadian akan terjadi, kemudian apa yang menjadi faktor penyebabnya, dan bagaimana hal tersebut dapat terjadi. Tidak dapat dipungkiri bahwa pandemi COVID-19 merupakan salah satu masalah terbesar yang dialami dalam sebuah bisnis. Pemodelan survival dapat berguna untuk memodelkan ketahanan perusahaan untuk sustain di era pandemi ini. Melalui pemodelan survival perusahaan bisa menganalisis sampai kapan perusahaan dapat bertahan, apa yang menjadi faktor sehingga penjualan dapat terangkat, dan masih banyak lagi informasi yang didapatkan melalui pemodelan survival. Contoh penerapan lainnya adalah mengenai analisis permintaan konsumen dengan menggunakan pemodelan survival. Di era industri sekarang, permintaan kebutuhan konsumen sangatlah dinamis sehingga semakin banyak peluang untuk memperluas bisnis dengan memenuhi permintaan konsumen. Pemodelan survival dapat menyajikan informasi mengenai permintaan apa saja yang diinginkan konsumen dengan segmen pasar tertentu sehingga perusahaan dapat mempersiapkan perencanaan produk, perencanaan inventaris, dan pengadaan barang.
  
  Selanjutnya, pemodelan survival juga dapat digunakan di bidang industri. COntoh penerapan pemodelan survival di dunia industri adalah masalah kerusakan mesin produksi di sebuah perusahaan. Pemodelan survival dapat digunakan untuk menganalisis apa yang terjadi dibalik kejadian kerusakan mesin tersebut. Pemodelan survival dapat memberikan informasi mengenai berapa lama masa pakai suatu mesin produksi, apa yang menyebabkan kerusakan pada mesin tersebut, atribut apa yang sering rusak pada mesin tersebut dan informasi penting lainnya. Setelah analisis dengan pemodelan survival dilakukan decision maker dapat mengambil keputusan apa yang harus dilakukan untuk memperpanjang masa umur produksi dengan mempertimbangkan efektivitas dan efisiensi.

# Perbedaan Data Time Series dan Pemodelan Survival
Data Time Series merupakan  data historis yang dikumpulkan dari waktu ke waktu secara berurutan pada satu atau lebih obyek yang sama pada suatu periode waktu. Data time series digunakan karena peneliti merasa bahwa objek tersebut memiliki hubungan antara data yang sudah dikumpulkan dengan prediksi nilai yang akan terjadi. Analisis data time series dilakukan untuk memprediksi kejadian suatu objek berdasarkan data historis yang sudah ada. Waktu pengamatan data time series ditentukan langsung oleh peneliti sesuai dengan kebutuhan penelitian. Salah satu contoh data time series adalah pergerakan indeks saham. 

Data pemodelan Survival berupa pengamatan terhadap suatu objek saat periode waktu tertentu hingga pada akhirnya suatu kejadian/resiko terjadi. Contoh data pada pemodelan survival adalah pengamatan reaksi obat terhadap suatu penyakit. Pemodelan survival digunakan untuk mengamati dan mencari informasi mengenai bagaimana reaksi obat dari titik awal waktu didiagnosis hingga pada akhirnya pasien nanti sembuh atau meninggal dunia. Titik akhir waktu data pada pemodelan survival adalah suatu kejadian sehingga pengamatan tidak dapat dilanjutkan lagi.

  
  
  