Waktu bertahan hidup adalah istilah yang digunakan oleh ahli statistik untuk semua jenis data waktu-ke-peristiwa, bukan hanya bertahan hidup. Misalnya, waktu kelulusan untuk pelajar atau waktu perceraian untuk pasangan yang sudah menikah. Hal utama tentang variabel seperti ini adalah mereka disensor; dengan kata lain, Anda biasanya tidak memiliki informasi yang lengkap. Sejauh ini, jenis penyensoran yang paling umum adalah “penyensoran-kanan”. Ini terjadi ketika peristiwa yang dipermasalahkan tidak terjadi pada semua subjek dalam sampel Anda. Misalnya, jika Anda melacak siswa, tidak semua akan lulus sebelum studi Anda berakhir. Anda tidak akan tahu apakah atau kapan mereka akan lulus.
Cantumkan waktu kelangsungan hidup semua subjek dalam sampel Anda. Misalnya, jika Anda memiliki lima siswa (dalam studi nyata, Anda akan memiliki lebih banyak) dan waktu kelulusan mereka adalah 3 tahun, 4 tahun (sejauh ini), 4,5 tahun, 3,5 tahun, dan 7 tahun (sejauh ini), tulis turun waktu: 3, 4, 4.5, 3.5, 7.
Beri tanda plus (atau tanda lain) di samping waktu yang disensor kanan (yaitu, waktu yang peristiwanya belum terjadi). Daftar Anda akan terlihat seperti ini: 3, 4+, 4.5, 3.5, 7+.
Tentukan apakah lebih dari separuh data disensor. Untuk melakukan ini, bagilah jumlah mata pelajaran dengan tanda plus (data yang disensor) dengan jumlah total mata pelajaran. Jika ini lebih dari 0,5, median tidak ada. Dalam contoh, 2 subjek dari 5 memiliki data yang disensor. Itu kurang dari setengah, jadi mediannya ada.
Urutkan waktu bertahan hidup dari yang terpendek hingga terpanjang. Menggunakan contoh, mereka akan diurutkan seperti ini: 3, 3.5, 4, 4.5, 7.
Bagilah jumlah subjek dengan 2, dan bulatkan ke bawah. Dalam contoh 5 ÷ 2 = 2,5 dan pembulatan ke bawah menghasilkan 2.
Temukan waktu kelangsungan hidup urutan pertama yang lebih besar dari angka ini. Ini adalah waktu kelangsungan hidup rata-rata. Dalam contoh, 4 adalah angka pertama yang lebih besar dari dua angka lainnya; ini adalah waktu kelangsungan hidup rata-rata.
- Jika Anda melakukan ini dalam studi nyata, Anda mungkin akan menggunakan perangkat lunak statistik, seperti R, SAS, SPSS, atau program lain, untuk melakukannya untuk Anda.
John Foxx/Stockbyte/Getty Images
