PERBANDINGAN ESTIMASI PARAMETER METODE BAYESIAN GELF UNTUK PRIOR GAMMA DAN JEFFREY PERLUASAN PADA MODEL SURVIVAL BERDISTRIBUSI WEIBULL DATA TERSENSOR

Ria Andini (Universitas Tanjungpura)
Neva Satyahadewi (Universitas Tanjungpura)
Setyo Wira Rizki (Universitas Tanjungpura)

BIMASTER
Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya

Data survival merupakan data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kejadian tertentu. Data dikatakan tersensor apabila data yang diamati tidak lengkap karena hilangnya objek penelitian atau sampai akhir penelitian objek tersebut belum mengalami kejadian tertentu. Tujuan dari penelitian ini adalah menentukan estimasi parameter optimal model survival yang berdistribusi Weibull pada data tersensor dengan metode Bayesian GELF menggunakan prior Gamma dan Jeffrey perluasan. Data yang digunakan adalah data sekunder pasien kanker paru-paru dari penelitian yang dilakukan oleh Kalbfleisch dan Prentice pada tahun 1980. Berdasarkan hasil dari nilai MSE pada penelitian ini, diperoleh metode Bayesian GELF dengan prior Jeffrey perluasan lebih baik dari metode Bayesian GELF prior Gamma. Kata Kunci: Distribusi Weibull, Metode Bayesian GELF