Model Marginal Data Longitudinal Biner menggunakan Rantai Markov

ROCHYATI, Dr. Danardono, MPH.

2014 | Skripsi | STATISTIKA

Data longitudinal adalah data yang pengumpulannya dilakukan berkali-kali selama jangka waktu tertentu. Data longitudinal biasanya akan berkorelasi serial dalam subyek. Jelasnya, jika yit merepresentasikan observasi subyek ke -i waktu ke -t , maka subyek i memuat respon berulang yit. Karena observasinya diambil dari subyek yang sama akibatnya respon berulang ini berkorelasi. Analisis data longitudinal dimana variabel responnya biner itu perlu diperhatikan dari sudut pandang inferensi likelihood, dimana mengharuskan spesifikasi yang lengkap dari model stokastik untuk individu. Dalam skripsi ini digunakan rantai Markov biner –yang merupakan mekanisme stokastik dasar- untuk menggambarkan model marginal dalam data longitudinal dengan memperhatikan efek random. Dalam skripsi ini, analisis model marginal data longitudinal biner menggunakan rantai Markov dengan efek random diaplikasikan untuk menganalisis penelitian pada 577 bayi yang terkena penyakit Infeksi Saluran Pernafasan Akut (ISPA) di Purworejo. Analisis ini menghasilkan estimasi yang tidak jauh berbeda dengan analisis regresi logistik, tetapi dengan analisis ini dapat dihitung estimasi parameter dependensi dan etimasi variansi.

Longitudinal data is collected repeatedly over time. Longitudinal data usually have correlation in a form of serial correlation within the subjects. Obviously, if Yit represents the i-th observation subject to time-t, the subject I will take back the response Yit accordingly. Observation result is obtained from the same subject, thus result of these repeated responses are correlated. Analysis of longitudinal data where the response variable is binary is considered as likelihood inference, which requires a complete specification of the stochastic model for the individual. The Markov chain is applied in this study which is a binary-stochastic mechanism to describe the policy-marginal model in longitudinal data with random effects observed. In this thesis, the analysis of binary longitudinal data marginal models using Markov chain with random effects applied to analyze the study in 577 affected infants Acute Respiratory Infection (ARI) in Purworejo. This analysis yields an estimate that is not much different from the logistic regression analysis, but the analysis can be calculated dependencies and variance estimation.

Kata Kunci : data longitudinal biner, model marginal, rantai Markov, odds ratio