ANALISIS RISIKO KEMATIAN PENDERITA HIV/AIDS MENGGUNAKAN MODEL SURVIVAL WEIBULL
DOI:
https://doi.org/10.58432/relevan.v5i6.1700Kata Kunci:
HIV/AIDS, Survival Analysis, Distribusi Weibull, Bayesian, Hazard FunctionAbstrak
HIV/AIDS merupakan penyakit menular yang masih menjadi masalah kesehatan global karena jumlah kasus dan kematian yang cukup tinggi setiap tahun. Analisis survival digunakan untuk mempelajari waktu hingga terjadinya suatu kejadian, seperti kematian. Penelitian ini bertujuan menganalisis peluang bertahan hidup dan risiko kematian pada kasus HIV/AIDS menggunakan distribusi Weibull dengan pendekatan Bayesian. Data yang digunakan berupa jumlah kasus HIV, AIDS, dan kematian pada periode 2019–2023. Analisis dilakukan dengan metode Markov Chain Monte Carlo (MCMC) menggunakan perangkat lunak Python dan pustaka PyMC. Hasil estimasi menunjukkan nilai parameter shape sebesar 0,15 dan parameter scale sebesar 8,05. Nilai tersebut menunjukkan bahwa risiko kematian menurun seiring bertambahnya waktu. Fungsi survival menunjukkan peluang bertahan hidup yang menurun secara bertahap dari waktu ke waktu, dari nilai awal 1 menjadi sekitar 0,356 pada waktu ke-10. Hasil penelitian menunjukkan bahwa distribusi Weibull dengan pendekatan Bayesian cukup baik digunakan untuk memodelkan data survival pada kasus HIV/AIDS.
ABSTRACT HIV/AIDS is a contagious disease that remains a global health problem due to the high number of cases and deaths each year. Survival analysis is used to study the time until an event occurs, such as death. This study aims to analyze survival rates and mortality risks in HIV/AIDS cases using Weibull distribution with a Bayesian approach. The data used consisted of the number of HIV, AIDS, and death cases in the 2019–2023 period. The analysis was performed using the Markov Chain Monte Carlo (MCMC) method with Python software and the PyMC library. The estimation results showed a shape parameter value of 0.15 and a scale parameter value of 8.05. These values indicate that the risk of death decreases over time. The survival function shows a gradual decline in the probability of survival over time, from an initial value of 1 to approximately 0.356 at time 10. The results of the study indicate that the Weibull distribution with a Bayesian approach is quite suitable for modeling survival data in HIV/AIDS cases.
Unduhan
Referensi
Collett, D. (2015). Modelling survival data in medical research (3rd ed.). CRC Press.
Kleinbaum, D. G., & Klein, M. (2012). Survival analysis: A self-learning text (3rd ed.). Springer.
Lawless, J. F. (2003). Statistical models and methods for lifetime data (2nd ed.). Wiley.
Lee, E. T., & Wang, J. W. (2003). Statistical methods for survival data analysis (3rd ed.). Wiley.
Hiola, F., Otok, B. W., & Dukalang, H. (2015). Analisis survival penderita HIV/AIDS menggunakan metode Cox proportional hazard. Jurnal Statistika, 3(2), 45–52.
Sari, N., & Wasono, R. (2019). Pemodelan survival menggunakan distribusi Weibull pada data kesehatan. Jurnal Matematika dan Aplikasinya, 16(1), 23–30.
Prasetyo, A., Nugroho, S., & Rahmawati, D. (2021). Analisis survival menggunakan model Weibull pada data kesehatan pasien. Jurnal Sains dan Seni ITS, 10(2), 112–118.
World Health Organization. (2023). HIV/AIDS global statistics. https://www.who.int/news-room/fact-sheets/detail/hiv-aids
UNAIDS. (2023). Global HIV & AIDS statistics — fact sheet. https://www.unaids.org
