Supriyanto, et al. //Paradigma, Vol. 16 No.1, April 2012, hlm.

1-12

ESTIMASI KETAHANAN HIDUP PENDERITA THALASSEMIA DI BANYUMAS
DAN SEKITARNYA MENGGUNAKAN PENDEKATAN BAYES
UNTUK DATA LENGKAP

Supriyanto
1)
, Nunung Nurhayati
1)
, dan Dwi Sarwani Sri Rejeki
2)

1)
Program Studi Matematika, Fakultas Sains dan Teknik, Universitas Jenderal Soedirman
2)
Program Studi Kesehatan Masyarakat, Fakultas Kedokteran dan Ilmu-Ilmu Kesehatan, Universitas Jenderal Soedirman


ABSTRAK
Estimasi Bayes merupakan salah satu metode yang digunakan untuk mengestimasi suatu
parameter populasi dengan menggunakan Jeffery prior information sebagai distribusi
priornya. Penelitian ini bertujuan untuk mengetahui Angka Ketahanan Hidup (AKH)
penderita thalasemia melalui pendekatan Bayes.
Kata Kunci : Estimator Bayes, distribusi Weibull, thalasemia, Angka Ketahanan Hidup

ABSTRACT
Bayesian estimation is a method to estimate parameter of population, uses Jeffery prior
information as prior distribution. This study aimed to reveal five-year survival rate of
thalasemia is formulated the Bayesian estimator.
Key Words : Bayes estimator, Weibull distribution, thalasemia, survival rate

Diterima: 1 Maret 2012
Disetujui untuk dipublikasikan: 29 Maret 2012



1. PENDAHULUAN
Thalassemia adalah penyakit keturunan karena adanya kelainan darah yang dapat
berdampak pada berbagai organ akibat penyakitnya sendiri ataupun akibat pengobatan
yang diberikan. Terjadinya penyakit saat maturasi fisik dan psikososial dapat mengganggu
kualitas hidup penderita. Di Banyumas, pada tahun 2012 jumlah penderita yang terdaftar di
Yayasan Thalassemia Banyumas mencapai lebih dari 200 orang atau meningkat sebesar
100% dari tahun 2010 yang berjumlah 100 orang. Jumlah ini mungkin lebih besar lagi
karena banyak penderita thalassemia yang belum terdeteksi.
Parameter peningkatan ketahanan hidup penderita thalassemia diharapkan dapat
ditentukan melalui pengukuran beberapa faktor setelah pasien melakukan beberapa
tindakan medis, seperti pengobatan dan transfusi darah. Supriyanto dan Tripena [11]
Estimasi Ketahanan Hidup Penderita Thalasemia 2
menggunakan metode Life Table dan Kaplan Meier untuk menilai pengaruh faktor
prognosis terhadap risiko kematian. Penilaian angka ketahanan hidup umumnya digunakan
untuk mengevaluasi pengaruh faktor prognosis terhadap ketahanan hidup penderita.
Estimasi parameter dibutuhkan untuk mengetahui nilai rata-rata tahan hidup suatu
populasi dengan melihat nilai rata-rata pada sampelnya. Umumnya, estimasi ini
menggunakan Regresi Cox dan Maximum Likelihood Estimation (MLE). Pendekatan klasik
(Cox dan MLE) mendasarkan penarikan kesimpulan semata-mata dari informasi yang
diperoleh dari sampel untuk memperoleh estimator tunggal. Pendekatan Bayes melakukan
penarikan kesimpulan dengan menggabungkan pengetahuan subjektif mengenai distribusi
peluang dari parameter yang tidak diketahui dengan informasi yang diperoleh dari sampel.
Al-Kutubi dan Ibrahim [2], Al-Omari dan Ibrahim [3] dan Al-Kutubi [1]
memberikan referensi yang kuat tentang penggunaan metode Bayes dalam mengestimasi
parameter untuk kasus-kasus ketahanan hidup, baik data tersensor maupun tidak tersensor.
Mereka berkeyakinan bahwa Metode Bayes memberikan nilai kesalahan yang minimum.

2. HASIL DAN PEMBAHASAN
2.1. Deskripsi Data
Gambaran pasien penderita thalassemia di Banyumas sampai tahun 2012 dapat
dilihat pada Tabel 1. Data sebanyak 83 pasien diperoleh dari RSUD MargonoSoekarjo,
RSUD Banyumas, dan Yayasan Thalasemia Cabang Banyumas.
Secara umum, dari Tabel 1 diperoleh beberapa informasi seperti kelompok usia
penderita adalah remaja, dengan pendidikan telah tamat SD dan sedang melanjutkan di
SMP. Proporsi penderita laki-laki hampir sama dengan penderita perempuan, penghasilan
orang tua kurang dari 2 juta rupiah, menggunakan Jamkesmas sebagai sumber utama
pembiayaan, dan frekuensi transfusi darah hampir setiap bulan sekali.


Supriyanto, et al. //Paradigma, Vol. 16 No.1, April 2012, hlm. 1-12 3

Tabel 1. Deskripsi Pasien Thalasemia di Wilayah Banyumas
No. Variabel dan kategorinya Frekuensi Prosentase
1 Jenis Kelamin
Perempuan
Laki-laki

40
43

48,19
51,81
2 Pendidikan Terakhir Pasien
Belum/tidak sekolah
SD
SMP
SMA

25
49
5
4

30,12
59,04
6,02
4,82
3 Jenis thalassemia
Minor
Intermediate
Mayor

9
1
73

10,84
1,20
87,95
4 Golongan Darah Penderita
O
A
B
AB

31
19
24
9

37,35
22,89
28,92
10,84
5 Kadar Feritin
Tidak tahu
Kurang dari 1000
1000 2000
Lebih dari 2000

11
4
5
63

13,25
4,82
6,02
75,90
6 Sumber pembiayaan
Tidak tahu
Umum
Jampeltal
Jamkesmas
Jamkesda
Askes

2
2
10
60
2
7

2,41
2,41
12,05
72,29
2,41
8,43
7 Kelompok Umur
Bayi (0 1 tahun)
Balita (1 5 tahun)
Pra Remaja (5 10 tahun)
Remaja (10 20 tahun)
Dewasa (lebih 20 tahun)

0
16
26
34
7

0
19,28
31,33
40,96
8,43
8 Jenis/terapi kelasi besi
Tidak tahu
Tidak kelasi
Disferal
Feriflox

2
35
4
12
16

2,41
42,17
4,82
14,46
19,28
Estimasi Ketahanan Hidup Penderita Thalasemia 4
DFX
Ferifloks, DFX, Vit.C
Ferifloks, Vit.C
Feriflox, Disferal
Feriflox, DFX
3
5
4
2
3,61
6,02
4,82
2,41
9 Pekerjaan orang tua
Tidak bekerja
Wiraswasta
Buruh/karyawan
Petani/nelayan
PNS/BUMN/Pamong

4
23
40
8
8

4,82
27,71
48,19
9,64
9,64
10 Transfusi Darah
Tidak transfusi
Tiga bulan sekali
Dua bulan sekali
Sebulan sekali
Dua kali sebulan
Lebih dua kali sebulan

1
2
1
73
5
1

1,20
2,41
1,20
87,95
6,02
1,20
11 Pendidikan Orang Tua
Tidak tamat SD
SD
SMP
SMA
Sarjana

4
29
14
23
13

4,82
34,94
16,87
27,71
15,66
12 Penghasilan Orang Tua
Kurang dari 1 juta
1 juta 2 juta
2 juta 3 juta
3 juta 4 juta
Lebih dari 4 juta

47
22
8
3
3

56,63
26,51
9,64
3,61
3,61


2.2. Penentuan Faktor-Faktor yang Berpengaruh pada Kelangsungan Hidup
Analisis yang digunakan untuk menentukan hubungan antar variabel dalam
penelitian ini adalah Kaplan Meyer dan Tes Logrank dengan tingkat signifikansi 5%.
Variabel yang berperan sebagai responnya adalah lama pasien menderita thalassemia
dengan status adalah kadar Hb pasien. Dari 83 penderita diperoleh hasil analisis Kaplan
Meyer dan Logrank berupa nilai-p tertera dalam Tabel 2. Perolehan beberapa variabel
yang setelah diuji dengan Tes Logrank yang diduga memiliki pengaruh langsung terhadap
Supriyanto, et al. //Paradigma, Vol. 16 No.1, April 2012, hlm. 1-12 5

kelangsungan hidup penderita thalassemia adalah jenis thalassemia, kadar feritin, sumber
pembiayaan, jenis kelasi besi, pekerjaan orang tua, frekuensi transfusi darah, pendidikan
orang tua dan penghasilan orang tua.
Tabel 2. Nilai-p masing-masing Variabel Independen Pasien
Thalassemia di Wilayah Banyumas
No. Variabel dan kategorinya nilai-p
1 Jenis Kelamin 0,0928
2 Pendidikan Terakhir Pasien 0,1370
3 Jenis thalasemia 0,0481
4 Golongan Darah Penderita 0,3198
5 Kadar Feritin 0,0217
6 Sumber pembiayaan 0,0325
7 Kelompok Umur 0,0982
8 Jenis kelasi besi 0,0209
9 Pekerjaan orang tua 0,0456
10 Transfusi Darah 0,0029
11 Pendidikan Orang Tua 0,0417
12 Penghasilan Orang Tua 0,0087

2.3. Estimasi Rata-rata Kelangsungan Hidup
Ada beberapa pendekatan yang dilakukan untuk menentukan nilai estimasi rata-
rata kelangsungan hidup penderita thalassemia. Menurut Al-Kutubi [1], jika data ketahanan
hidup T
i
berdistribusi Weibull dapat menggunakan Jeffery prior information sebagai
distribusi priornya. Jeffery prior information didefinisikan sebagai

dengan

Fungsi g() selanjutnya ditentukan dengan mengalikan sebuah konstan k, sehingga
diperoleh

Dengan mengambil
Estimasi Ketahanan Hidup Penderita Thalasemia 6

diperoleh

Menurut Bain dan Engelhardt [4], Al-Kutubi dan Ibrahim [2] dan Kundu [6], distribusi
posterior dapat diselesaikan dengan cara
, |

, ,

, ,

; ,

, ,

dengan H(t
1
, t
2
, , t
n
) adalah fungsi densitas peluang bersama dan P(t
1
, t
2
, , t
n
) adalah
fungsi densitas peluang marginal.
Estimator Bayes merupakan nilai harapan dari distribusi posterior, sehingga diperoleh
estimator Bayesnya dalam bentuk
, |

, ,

Dengan cara aljabar, akhirnya diperoleh estimator Bayes sebagai

dengan c adalah shape parameter dari distribusi Weibull. Fungsi ketahanan hidup dapat
peroleh dengan cara

Dengan menggunakan sifat-sifat fungsi peluang khusus, fungsi ketahanan hidup S(t) dapat
diselesaikan dengan cara aljabar dalam bentuk persamaan

Untuk menganalisa kecermatan dan ketelitian model, digunakan alat ukur mean square
error (MSE) dan mean percentage error (MPE) dengan persamaan
Supriyanto, et al. //Paradigma, Vol. 16 No.1, April 2012, hlm. 1-12 7

dengan R adalah banyaknya replikasi yang digunakan, dan

Hasil selengkapnya dapat dilihat dalam Tabel 3. Hasil perhitungan rata-rata nilai
MSE dan MPE untuk setiap variabel independen, diperoleh nilai yang minimum pada saat
c=2. Ini berarti bahwa nilai rata-rata kelangsungan hidup yang dapat digunakan adalah
Tabel 3 pada kolom c=2.
Tabel 3. Nilai Ketahanan Hidup untuk masing-masing variabel
pengamatan
No
Variabel dan
kategorinya
Rata-rata tahan hidup
c=1 c=2 c=3
1
Jenis thalasemia

Minor 10.928 21.855 32.783
Intermediate - - -
Mayor 7.763 15.527 23.290
2
Kadar Feritin

Tidak tahu 10.447 20.894 31.341
Kurang 1000 6.14 12.28 18.42
1000 2000 3.653 7.305 10.958
Lebih dari 2000 8.8063 17.613 26.419
3
Sumber pembiayaan

Tidak tahu 7.91 15.82 23.73
Umum 8.41 16.82 25.23
Jampeltal 3.4089 6.8178 10.227
Jamkesmas 9.2861 18.572 27.858
Jamkesda 1.32 2.64 3.96
Askes 11.715 23.43 35.145
4
Jenis kelasi besi

Tidak tahu 8.75 17.5 26.25
Estimasi Ketahanan Hidup Penderita Thalasemia 8
Tidak kelasi 7.5947 15.189 22.784
Disferal 8.4133 16.827 25.24
Feriflox 11.754 23.507 35.261
DFX 8.856 17.712 26.568
Ferifloks, DFX, Vit.C 10 20 30
Ferifloks, Vit.C 13.327 26.655 39.982
Feriflox, Disferal 12.363 24.727 37.09
Feriflox, DFX 18.75 37.5 56.25
5
Pekerjaan ortu

Tidak bekerja 15.753 31.507 47.26
Wiraswasta 7.8445 15.689 23.534
Buruh/karyawan 8.6826 17.365 26.048
Petani/nelayan 7.2014 14.403 21.604
PNS/Pamong 10.66 21.32 31.98
6
Transfusi Darah

Tidak transfusi - - -
Tiga bulan sekali 17 34 51
Dua bulan sekali - - -
Sebulan sekali 8.5654 17.131 25.696
Dua kali sebulan 6.3 12.6 18.9
Lebih da ri 2 - - -
7
Pendidikan ortu

Tidak tamat SD 4.53 9.06 13.59
SD 8.7779 17.556 26.334
SMP 8.6138 17.228 25.842
SMA 9.0073 18.015 27.021
Sarjana 9.4983 18.997 28.495
8
Penghasilan

Kurang 1 juta 8.8274 17.655 26.482
1 juta 2 juta 6.9590 13.918 20.877
2 juta 3 juta 11.707 23.414 35.121
3 juta 4 juta 18.295 36.59 54.885
Lebih dari 4 juta 6.375 12.75 19.125
Supriyanto, et al. //Paradigma, Vol. 16 No.1, April 2012, hlm. 1-12 9

Angka ketahanan hidup penderita thalassemia jenis minor, tidak mengetahui kadar
feritin, menggunakan ASKES sebagai biaya pengobatan, menggunakan Feriflox, Disferal
untuk kelasi besinya, melakukan transfusi darah sebulan sekali dan penghasilan orang
tuanya antara 3 sampai 4 juta rupiah akan memiliki harapan yang lebih baik jika
dibandingkan dengan kondisi pasien yang memiliki karakteristik yang lainnya.
Gambar 1, terlihat bahwa rata-rata kelangsungan hidup pasien mencapai 17,78 tahun
dan dimungkinkan untuk mencapai usia 40an tahun setelah mereka dinyatakan mengidap
thalassemia. Resiko kegagalan pasien dapat dibaca dari Gambar 2.

Gambar 1. Kurva Tahan Hidup Pasien Berdasarkan Semua Variabel
Independen

Resiko kegagalan pasien akan cenderung meningkat tajam pada saat lama
menderitanya melewati 15 tahun, bahkan akan cenderung mengalami kegagalan jika sudah
melebihi 25 tahun. Penderita yang beresiko ini diharapkan dapat selalu mendapatkan
perawatan medis yang rutin, seperti tindakan terapi kelasi besi, transfusi darah dan
pemeriksaan kadar Hb dan feritin yang rutin.
Estimasi Ketahanan Hidup Penderita Thalasemia 10

Gambar 2. Kurva Resiko Kegagalan Pasien Berdasarkan Pengaruh Semua
Variabel

3. KESIMPULAN
Nilai MSE dan MPE yang kecil membuat metode Bayes sangat tepat digunakan
dalam penaksiran rata-rata ketahanan hidup pasien thalassemia. Hasil memperlihatkan
bahwa rata-rata ketahanan hidup penderita thalassemia di Banyumas sebesar 17,78 tahun
setelah mereka dinyatakan positif mengidap thalassemia. Resiko kegagalan yang dapat
terjadi pada mereka yang telah melewati 15 tahun waktu pertama kali mereka dinyatakan
mengidap thalassemia dan akan cenderung berbahaya setelah melewati waktu 25 tahun.
Faktor-faktor yang berpengaruh nyata pada kelangsungan hidup pasien thalassemia di
Banyuma adalah jenis thalassemia, kadar feritin, sumber pembiayaan, jenis kelasi besi,
pekerjaan orang tua, frekuensi transfusi darah, pendidikan orang tua dan penghasilan orang
tua.

UCAPAN TERIMA KASIH
Teriring rasa syukur kepada Allah SWT dan ungkapan rasa terima kasih yang sangat
tulus, penelitian ini terlaksana atas bantuan LPPM Unsoed yang telah memberikan dana
dan perijinan, RSUD Banyumas, RSUD Margono Soekarjo, dan Yayasan Thalasemia
Supriyanto, et al. //Paradigma, Vol. 16 No.1, April 2012, hlm. 1-12 11

Cabang Banyumas yang telah membimbing dalam proses pengumpulan informasi dan data
pendukung.

DAFTAR PUSTAKA
[1]

[2]


[3]


[4]

[5]

[6]


[7]

[8]


[9]


[10]


[11]


Al-Kutubi, HS, 2011, On Best Estimation for parameter Weibull Distribution, World
Academy of Science, Engineering and Technology (75) : 281 283
Al-Kutubi, HS dan NA Ibrahim, 2009, On the Estimation of Survival Function and
Parameter Exponential Life Time Distribution, Journal of Mathematics and
Statistics 5 (2) : 130 - 135
Al-Omari, M. A dan Ibrahim N. A. 2011, Bayesian Survival Estimator for Weibull
Distribution with Censored Data, Journal of Applied Sciences, Asian
Network for Scientific Information 11 (2) : 393 - 396
Bain, L.J., and Engelhardt, M., 1992, Introduction to probability and Mathematical
Statistics, Wadsworth Publishing Company, California
Balakrisnan, N dan R.Aggarwala, 2010, Progressive Censoring: Theory, Methods
and Applications, Birkhauser, Boston.
Kundu, D., 2008, Bayesian Inference and Life Testing Plan for the Weibull
Distribution in Presence of Progressive Censoring, Technometrics, May
2008, Vol. 50 (2) : 144 - 154
Lawless, J.F., 1982, Statistical Models and Methods for Lifetime Data, John Wiley
& Sons, New York
Megawati, 2011, Estimasi Rata-rata Tahan Hidup Penderita Kanker Paru-Paru
Menggunakan Metode Estimator Bayes pada Sampel Tersensor Tipe I,
Skripsi, Fakultas Sains dan Teknik Universitas Jenderal Soedirman
Sultan, KS, dan MR Mahmoud, 2007, Estimation of Parameters of the Weibull
Distribution Based on Progressively Censored Data, International
Mathematical Forum, no.41,2031-2043
Supriyanto, 2001, Estimasi Nonparametrik Distribusi Tahan Hidup : Kasus Data
Tersensor dari Unit-Unit tak Terputus, Thesis, Pascasarjana Universitas
Gadjah Mada , Yogyakarta
Supriyanto dan Agustini Tripena, 2010, Estimasi Nilai Rata-Rata Tahan Hidup
Distribusi Weibull untuk Sampel Tersensor Tipe II, Laporan Penelitian
DIPA MIPA, Universitas Jenderal Soedirman Purwokerto


Estimasi Ketahanan Hidup Penderita Thalasemia 12