1

BAB 1
PENDAHULUAN

1.1 Latar Belakang
Analisis statistika memegang peranan penting dalam melakukan suatu
analisa statistik untuk menguji ketahanan suatu benda ataupun untuk menguji
waktu ketahanan hidup. Diantara beberapa metode dan analisis statistik yang
biasanya digunakan, salah satu diantaranya dapat digunakan dalam analisis yaitu
analisis regresi yang memegang peranan penting pada berbagai bidang dan
bertujuan untuk mengetahui faktor-faktor yang mempengaruhi waktu hidup
tersebut, dengan variabel tak bebas yaitu waktu tahan hidup dan variabel
independen yaitu prediktor-prediktor yang mempengaruhi waktu tahan hidup.
Sebagaimana yang telah diketahui, pada umumnya analisis regresi
bertujuan untuk mengetahui pengaruh variabel bebas terhadap variabel tak
bebas/respon serta memprediksi dan memperkecil tingkat kesalahan dikemudian
hari dengan batasan bahwa analisis regresi hanya mencari pengaruh variabel
bebas terhadap variabel tak bebas. Analisis statistika baik itu analisis regresi
maupun analisis statistika lainnya langkah awal dalam pengkajiannya
membutuhkan suatu analisa untuk mengkaji estimasi parameter masing masing
fungsi yang terkait. Berbagai macam metode yang dilakukan guna mendapatkan
suatu estimasi yang sesuai dengan syarat-syarat statistik itu sendiri.
Estimasi parameter yang berkaitan dengan waktu hidup, survival,
keandalan, laju kerusakan biasanya menggunakan suatu distribusi yang sesuai
namun pada umumnya menggunakan suatu distribusi weibull dan selanjutnya
estimasi parameter tersebut dapat dilakukan dengan menggunakan beberapa
metode antara lain metode momen, maksimum likelihood, dan least square
sehingga didapatkan suatu nilai dari penaksiran parameter tersebut.
Kajian mengenai distribusi weibull berlanjut kesuatu kajian yang lebih
tinggi demi meningkatkan hasil akurasi dari hasil analisis. Dasar pengkajian
univariat weibull yang berperan dalam kajian mengenai waktu hidup, laju
kerusakan, dan keandalan selanjutnya berkembang menjadi suatu distribusi
bivariat yang pada penerapannya sangat berperan penting dalam kasus biomedis.
2

Beberapa penelitian yang membahas tentang distribusi bivariate weibull
diantaranya adalah Hanagal (2006) yang membahas tentang sebuah prosedur
estimasi dengan maksimum likelihood yang dibangun untuk sebuah kelemahan
model regresi dimana variabel respon dihasilkan oleh sebuah distribusi gamma.
Mengasumsikan waktu hidup mengikuti distribusi bivariate weibull oleh Hanagal
sendiri dan waktu sensor tidak tergantung pada waktu hidup. Model yang
diusulkan dapat diterapkan untuk waktu survival dalam ilmu genetik, waktu
kelangsungan hidup kelahiran kembar pada bayi, dan waktu kelemahan perilaku
genetik pada pasien.
Hanagal (2004) yang membahas tentang sebuah distribusi bivariate
weibull yang baru dengan turunan estimasi dan uji prosedur berdasarkan sampel
yang disensor dan kovariate umum. Studi tentang bivariate weibull tersebut
dimotivasikan pada suatu penelitian biometrik yang merupakan studi tentang
metode otomatis untuk mengenali atau megindentifikasi manusia berdasarkan
satu atau lebih bagian tubuh manusia atau kelakukan dari manusia itu sendiri.
Dunia teknologi informasi, biometrik relevan dengan teknologi yang menganalisa
fisik manusia yaitu dengan pengenalan sidik jari, retina, iris mata, pola dari wajah
(facial patterns), tanda tangan dan cara mengetik (typing patterns) serta suara.
Dengan penduga maksimumnya diperoleh bersama-sama dengan uji signifikansi.
Hanagal (2005) yang membahas tentang sebuah model regresi bivariate
weibull yang dapat diterapkan pada kasus biometrik dan prosedur maksimum
likelihood untuk memperoleh estimator parameter dalam model yang berasal dari
uji signifikansi dalam model regresi.
Beberapa kelemahan yang ditemukan dari penelitian Hanagal antara lain
yaitu penurunan rumus dalam penelitian tersebut masih kurang terperinci yang
hanya menuliskan hasil turunan parsial pertama dan turunan parsial kedua,
penjelasan mengenai metode pada pengujian hipotesis belum dijelaskan secara
detail, begitu pula dalam penerapannya beserta algoritma pemrograman yang
belum terpaparkan dengan jelas. Sehingga pada penelitian ini kajian tersebut akan
dilengkapi dengan mendeskripsikan masing-masing turunan baik itu turunan
parsial pertama maupun turunan parsial kedua pada model regresi bivariat
3

weibull, mengkaji bentuk pengujian hipotesis begitu pula dengan penerapan
beserta algoritma pemrograman yang selanjutnya akan dijelaskan secara detail.
Kundu & Kumar (2009) yang membahas tentang Marshall-Olkin distribusi
bivariate weibull yang kedua nilai marginalnya berdistribusi univariate weibull
dan merupakan generalisasi dari Marshall-Olkin distribusi bivariate eksponensial.
Distribusi gabungan komulatif dari Marshall-Olkin, distribusi bivariate weibull
merupakan campuran dari fungsi distribusi mutlak dan fungsi distribusi tunggal.
Alejandro (2010) yang membahas tentang sebuah fungsi kopula sebagai
metode mendapatkan distribusi bivariate. Dengan menggunakan marginal weibull
untuk membangun enam distribusi bivariat weibull yang cocok untuk analisis
survival. Hasil dari percobaan menunjukkan semua distribusi bivariat berkinerja
dengan baik atau lebih baik dari distribusi marginal.
Al-Fauzan (2000) yang membahas tentang menghadirkan beberapa metode
untuk mengestimasi parameter weibull yaitu parameter dan parameter skala
serta menyatakan distribusi weibull sangat penting untuk analisis keandalan dan
analisis perawatan. Metode yang disajikan dapat disajikan kedalam dua kategori
yaitu metode grafik dan metode analitik.
Permasalahan mengenai waktu hidup, dapat dikembangkan lagi sesuai
dengan bidang permasalahan masing-masing. Apabila dikhususkan, dalam bidang
lingkungan misalnya waktu banjir, waktu pasang surut air laut, waktu musim
kemarau. Bidang kesehatan misalnya waktu terjangkitnya suatu penyakit, waktu
sakit, dan waktu sembuh pasien terhadap suatu penyakit. Bidang elektronik
misalnya waktu kerusakan suatu alat, waktu perawatan, dan waktu perbaikan
suatu alat atau mesin tertentu. Kasus tersebut sangat berkaitan dengan analisis
survival.
Analisis survival merupakan suatu metode yang berhubungan dengan
waktu, mulai dari awal kejadian (start point) sampai pada akhir kejadian (end
point). Analisis survival yang sering digunakan adalah regresi cox. Dalam
penerapannya beberapa model yang sesuai dengan waktu kegagalan parametrik
kontinu (survival) diantaranya yaitu menggunakan suatu distribusi eksponensial,
distribusi weibull, dan distribusi log normal. Regresi cox lebih populer digunakan
4

pada data kesehatan yang bertujuan untuk mengetahui secara bersama-sama efek
beberapa variabel terhadap suatu data survival (Liang, dkk., 2011).
Penerapan regresi cox dengan menggunakan suatu data survival mulai dari
titik awal (start point) sampai pada titik akhir (end point) yang merupakan suatu
data survival yang univariat, dengan menggunakan variabel dependen hanya suatu
waktu terhitung dari titik awal sampai titik akhir. Kasus tersebut sering ditemukan
pada bidang kesehatan itu sendiri, salah satu diantaranya yaitu penyakit demam
berdarah dengue (DBD). Penyakit tersebut mulai dari pasien terjangkit sampai
pasien sembuh merupakan suatu kejadian (event) dari start point sampai pada end
point yang mengikuti suatu waktu survival. Beberapa peneltian sebelumnya telah
melakukan analisis terhadap penyakit demam berdarah dengue (DBD) dengan
menggunakan analisis regresi cox diantaranya yaitu Ratnasari (2010) dan Riska
(2012). Penelitian dengan menggunakan waktu survival univariat mulai dari
terjangkit sampai pasien sembuh dari penyakit DBD beserta faktor-faktor yang
mempengaruhi waktu survival tersebut mengikuti suatu distribusi yaitu distribusi
weibull.
Waktu survival pada kasus DBD, apabila lebih dikhususkan maka akan
ditemukan suatu tingkatan pada penyakit tersebut sesuai dengan level penyakit
yang diderita oleh pasien tersebut sehingga waktu survival dapat terbagi menjadi
beberapa bagian waktu misalnya level I dan level II yang masing-masing
merupakan waktu survival I dan waktu survival II. Kasus demam berdarah dengue
(DBD), pasien yang terjangkit mulai dari awal sampai sembuh, dalam rentang
waktu tersebut terdapat beberapa grade atau tingkatan penyakit DBD tersebut
yaitu grade I dan grade II yang masing-masing merupakan tingkatan penyakit
DBD dan merupakan waktu dari pasien pada level penyakit yang diderita oleh
pasien itu sendiri.
Gambaran lain yang lebih sederhana yaitu penyakit yang terdapat pada
suatu pasien dimana organ tubuh yang berpasangan tersebut terjangkit. Misalnya,
kanker payudara, rabun pada mata, gangguan pada telinga. Masing-masing organ
tubuh ini merupakan suatu organ tubuh yang berpasangan dan terletak pada
sebelah kiri dan kanan. Tidak menutup kemungkinan kasus semacam ini terjadi
bukan pada bidang kesehatan namun juga terjadi pada bidang lainnya dengan
5

pengamatan yang berpasangan pula. Hal tersebut menunjukkan bahwa terdapat
dua waktu survival yang merupakan pengembangan dari survival univariat ke
bivariat.
Perkembangan penelitian sekarang ini juga sangat pesat sehingga perlunya
dilakukan suatu penelitian yang sesuai dengan kepentingan dan bidang masing-
masing dengan maksud untuk meningkatkan pengetahuan tentang ilmu-ilmu baru
yang sebelumnya belum diketahui. Berdasarkan paparan penelitian di atas telah
dijelaskan bahwa metode-metode dalam statistika sudah banyak berkembang baik
dalam ilmu kesehatan maupun ilmu dibidang lainnya.

1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, maka dapat
diambil rumusan masalah sebagai berikut :
1. Mengkaji bentuk estimasi parameter dan mengkaji bentuk statistik uji
pada pengujian hipotesis model Regresi Bivariat Weibull.
2. Menerapkan pada data yang telah diperoleh untuk mengetahui faktor-
faktor yang mempengaruhi waktu grade I dan waktu grade II pada
pasien penderita penyakit DBD di RSU Haji Surabaya.

1.3 Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan yang ingin dicapai
pada penelitian ini adalah sebagai berikut :
1. Memperoleh bentuk estimasi parameter dan memperoleh bentuk
statistik uji pada pengujian hipotesis model Regresi Bivariat Weibull.
2. Mendapatkan faktor-faktor yang mempengaruhi waktu grade I dan
waktu grade II pada pasien penderita penyakit DBD di RSU Haji
Surabaya.

1.4 Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan manfaat, antara
lain:
1. Memberikan wawasan baru mengenai estimasi parameter dan
pengujian hipotesis, khususnya model Regresi Bivariat Weibull.
6

2. Mengetahui penggunaan model regresi bivariate weibull sesuai dengan
data yang telah diperoleh yaitu mengetahui faktor-faktor yang
mempengaruhi waktu grade I dan waktu grade II pada pasien penderita
penyakit DBD di RSU Haji Surabaya.

1.5 Batasan Masalah
Penelitian ini difokuskan hanya terbatas pada pembahasan memperoleh
estimasi parameter dengan menggunakan metode maksimum likelihood dan
pengujian hipotesis dengan menggunakan maksimum likelihood rasio test pada
model regresi bivariate weibull. Sedangkan dalam penerapannya, dibatasi hanya
memperoleh faktor-faktor yang mempengaruhi waktu grade I dan waktu grade II
pada pasien penderita DBD di RSU Haji Surabaya tahun 2011.