Disusun oleh:
Silvi Natalia P P
(24010212140045)
(24010212140047)
(24010212140048)
(24010212110050)
UNIVERSITAS DIPONEGORO
2015
Dalam mengestimasi fungsi ketahanan dari data uji hidup dapat digunakan dua metode
yaitu metode nonparametrik dan metode parametrik. Metode parametrik adalah metode yang
masih bergantung pada fungsi distribusinya. Sedangkan metode nonparametrik tidak
tergantung pada fungsi distribusinya sehingga memudahkan untuk estimasinya. Fungsi
ketahanan dikenal dengan istilah reliabilitas yang sering dijumpai di bidang teknik atau
survival yang sering dijumpai di bidang kedokteran.
Ada 2 metode untuk mengestimasi fungsi ketahanan (survival) non parametrik yaitu
Kaplan Meier dan Life Table untuk satu sampel. Metode Kaplan Meier biasanya digunakan
untuk tahan hidup dengan jumlah pengamatan kecil dan waktu ketahanan untuk masingmasing individu sedangkan Life Table untuk jumlah pengamatan besar sehingga berbentuk
interval-interval.
2
3
4
Hal-hal yang berhubungan dengan estimasi Kaplan Meier adalah sebagai berikut:
Estimasi Kaplan Meier terbatas untuk interval waktu pada observasi gagal. Jika observasi
terbesarnya adalah tidak tersensor maka estimasi K-M adalah nol. Jika observasi
terbesarnya tersensor, maka estimasi K-M bisa bernilai bukan nol
Dengan estimasi K-M bisa dihitung median waktu ketahanan hidupnya
Jika observasi tidak tersensornya kurang dari 50% dan observasi terbesarnya tersensor,
maka median waktu ketahanannya tidak dapat diestimasi
Asumsi waktu ketahanannya adalah independen
S (t (i )
ni
i
1
n
n
n4
n
S (t (1) )
t r t
nr
n r 1
Kolom 4 : pi = (n-r) / (n-r+1)
Kolom 5 :
n adalah jumlah individu yang dihitung waktu hidup
S (t ( i ) ) S (t( i 1) ) *
ni
n i 1
(t( i ) )dan(t( i 1) )
dimana
Var [ S (t )] [ S (t )]2
r
1
( n r )( n r 1)
E (T ) S (t )dt
0
t (m ) t (1) t ( 2 ) ..... t ( m )
(1)
3.0
Ar
Var ( )
r ( n r )( n r 1)
Variansi dari dapat diestimasi dengan :
t i ; t i 1
Format clinical life table :
t mi
Kolom 1: interval
yaitu interval waktu tahan hidup dan waktu losses to follow-up
dan individu withdrawn alive. Interval ini dari t i sampai dengan ti+1 dengan
i=1,2,3,....,s. Interval ini mempunyai panjang tidak terbatas.
bi ti 1 ti
Kolom 2 : titik tengah interval (
) dengan i = 1, 2, , s-1
li bi li
Kolom 3: lebar interval (
), dimana
, dengan i= 1, 2, , s-1
wi
Kolom 4 : Jumlah individu yang loss to Follow up (
Kolom 5 : Jumlah Withdrawn Alive up (
) dengan i= 1, 2, ...., s.
ni ' d i
Kolom 6 : Jumlah yang mati up (
) dalam interval ke i.
di
ni qi
Kolom 8: Jumlah individu yang beresiko (
) dimana
qs 1
Kolom 9: Proporsi kegagalan bersyarat (
) dimana
dan
pi pi 1 qi
S (ti ) pi 1S (ti 1 ) S (ti ) S (t1 ) 1
f (t mi )
) dan
S (ti )qi
f (t mi )
bi
Kolom 11: Proporsi ketahanan kumulatif (
)
dan (
f (t mi )
S (t mi )
i=1, 2, ... , s-1
) dimana
) dimana
;
1
S (ti 1 ) S (ti )
2
f t mi
S ti qi / bi
h t mi
1
S t mi
S ti pi 1
h(t mi )
2
S (t mi )
) dimana
atau dari
diperoleh
S t q q
var f (t )
b
n p
i 1
j 1
[h(t mi )]2
var h(t mi )
ni qi
j
2 i 1 q
p i
var S (ti ) S (ti )
ni q
j
j 1 n j p
1 h(t mi )bi
CONTOH SOAL
1. Diketahui data tentang waktu sampai berhentinya pemakaian IUD dari 14 wanita (dalam
minggu) adalah sebagai berikut:
N
o
t
10
11
1
0
13
+
18
+
1
9
2
3
3
0
3
6
38
+
54
+
56
+
5
9
1
2
7
5
1
3
9
3
14
97
S(t)
13/14=0.92857
(13/14)(10/11)=0.84416
(13/14)(10/11)(9/10)=0.75974
(13/14)(10/11)(9/10)(8/9)=0.67533
(13/14)(10/11)(9/10)(8/9)(7/8)=0.59091
38
+
54
+
56
+
59
75
93
97
1
0
3/4
(13/14)(10/11)(9/10)(8/9)(7/8)(3/4)=0.44318
2/3
(13/14)(10/11)(9/10)(8/9)(7/8)(3/4)(2/3)=0.29546
1/2
(13/14)(10/11)(9/10)(8/9)(7/8)(3/4)(2/3)
(1/2)=0.14773
11
1
2
1
3
1
4
1
1
1
2
1
3
1
4
1
1
1
1
1
1
1
1
0.01762
13 * 14 10 * 11 9 * 10 8 * 9 7 * 8 3 * 4 2 * 3 1 * 2
0.01762 0.13275
Var [ S (t )] [ S (t )]2
r
1
(n r )( n r 1)
Untuk
Ar
Var ( )
r ( n r )( n r 1)
Variansinya
2
2
2
2
2
47.53494
39.17781
35.80117
30.48299
26.43101
Var ( )
13 *14
10 *11
2
2
2
12.84008
5.9092
0.59092
3* 4
2*3
1* 2
Var ( ) 74.49350
9 *10
8*9
li
wi
di
111
110
107
1
3
1
156
126
115
7 *8
3-4
4-5
5-6
6-7
7-8
8-9
9-10
106
103
101
98
95
92
88
3
2
2
2
3
4
1
110
97
68
56
43
37
24
midpoint
width
lost
withdrawn
dyin
g
entering
Jumlah
berisik
o
proporsi
proporsi
proporsi
gagal
bertahan
bertahan
Fungsi
densitas
fungsi
hazard
kumulatif
[ti;
ti+1)
tmi
bi
li
wi
di
ni'
ni
qi
pi
S(ti)
f(tmi)
h(tmi)
[0;1)
0.5
111
156
1865
1809
0.086235
0.913765
0.086235
0.086235
[1;2)
1.5
110
126
1597
1540.5
0.081792
0.918208
0.913765
0.074738
0.081792
[2;3)
2.5
107
115
1358
1304
0.08819
0.91181
0.839026
0.073994
0.08819
[3;4)
3.5
106
110
1135
1080.5
0.101805
0.898195
0.765032
0.077884
0.101805
[4;5)
4.5
103
97
916
863.5
0.112334
0.887666
0.687148
0.07719
0.112334
[5;6)
5.5
101
68
714
662.5
0.102642
0.897358
0.609959
0.062607
0.102642
[6;7)
6.5
98
56
543
493
0.11359
0.88641
0.547352
0.062174
0.11359
[7;8)
7.5
95
43
387
338
0.127219
0.872781
0.485178
0.061724
0.127219
[8;9)
8.5
92
37
246
198
0.186869
0.813131
0.423454
0.07913
0.186869
[9;10)
9.5
88
24
113
68.5
0.350365
0.649635
0.344324
0.120639
0.350365
+1
n1
n2
W U ij
i 1 j 1
-1
U i
i=1
var(W )
, dan
n1n2
n1 n2
U
i 1
2
i
(n1 n2 )( n1 n2 1)
W
var(W )
sehingga diperoleh
berdistribusi
Menghitung R1i
1. Ranking semua observasi dari kiri ke kanan untuk observasi yang tidak tersensor
2. Untuk observasi yang tersensor tandai ranking dengan rank yang lebih besar dari
pada observasi sebelumnya pada observasi yang tidak tersensor
3. Untuk observasi yang sama tandai pilih rank yang paling kecil
4. Diperoleh R1i
Menghitung R2i
1. Ranking dari kanan ke kiri semua observasinya
2. Untuk observasi yang sama pilih rank yang paling kecil
3. Untuk observasi tersensor tandai dengan 1
4. Diperoleh R2i
5. Ui = R1i - R2i
Contoh Soal :
10 pasien diabetes mellitus dicatat waktu tahan hidupnya sebagai berikut :
Perlakuan 1
Perlakuan 2
16
18
18+
20
20+
21
23
29
24+
30+
16
18
18+
20
20+
21
23
24+
29
30+
10
tersensor
8. R2i
Ui = R1i-R2i
10
-9
9
-7
1
2
7
-4
1
3
5
-1
4
1
1
5
2
4
1
6
Diperoleh :
W= -9 + 2+3+1+5 = 2
Var(W) = (5)(5)[(-9)2+(-7)2+22+(-4)2+32+(-1)2+12+52+42+62]/(10*9)
= 66.1
Statistik ujinya
Z
W
var(W )
2
66.1
i 1
i 1
m( i ) (r( i ) m( i ) )
i 1
r(i ) 1
A( i ) (1 A( i ) )
Dengan r(i) adalah jumlah observasi gagal atau tersensor dalam R(ti) dan A(i) adalah proporsi
dari r(i) untuk kelompok 2.
C
U
I
Statisik ujinya :
Contoh Soal :
10 pasien diabetes mellitus dicatat waktu tahan hidupnya sebagai berikut :
Perlakuan 1
Perlakuan 2
16
18
18+
20
20+
21
23
29
24+
30+
Berdasarkan contoh soal pada uji gehan di atas dapat dilakukan untuk menggunakan uji cox
mantel sebagai berikut dengan r1 = 2 dan r2= 4
ti
16
18
20
21
23
29
m(i)
1
1
1
1
1
1
n1i
5
4
3
2
2
0
n2i
5
5
4
3
2
2
ri
10
9
7
5
4
2
Ai(i)
0.5
0.56
0.57
0.6
0.5
1
U = 4 (0.5+0.56+0.57+0.6+0.5+1)
= 0.27
I = 1(9)/9*(0.5*0.5) + 1(8)/8*(0.56*0.44) + 1(6)/6*(0.57*0.43) + 1(4)/4*(0.6*0.4) +
1(3)/3*(0.5*0.5)
I = 1,2135
C
U
I
Disimpulkan
C = 0.27/
1.2135
= 0.245
Karena nilai C < Z0.05 = 1,64 maka dikatakan jika S1(t) = S2(t)
3. LOGRANK TEST
Logrank Test merupakan uji ketahanan dua sampel berdasar himpunan skor-skor wi. Skor tersebut
berupa fungsi logaritma dari fungsi survival.
Logrank juga merupakan metode yang paling popular untuk melihat survival di dalam suatu grup.
Caranya adalah dengan membandingkan estimasi Hazard Function dari grup yang diobservasi dalam
waktu tertentu.
e(t( i ) )
j t( i )
m( j )
r( j )
Estimasi fungsi log survival pada t(i) dapat dinotasikan sebagai berikut :
Dimana :
S wi
i 1
Logrank test berdasarkan jumlah skor w dalam salah satu dari dua kelompok tersebut (S)
adalah sbb :
Var ( S )
n1n2
n1 n2
w
i 1
2
i
(n1 n2 )( n1 n2 1)
m( j ) (r( j ) m( j ) )
j 1
r( j )
n1n2
(n1 n2 )( n1 n2 1)
atau
S
Var (S )
Statistik Uji :
Contoh : Lama Penyembuhan dari uji klinis bagi pasien leukemia akut
Ada dua kelompok: 6-mercaptopurine (6-MP) dan placebo dengan total 42 anak pengidap
leukemia akut. Pasen tsb diamati sampai leukemianya kambuh atau sampai berhentinya
penelitian (dalam minggu).
H 0 : S1 S 2
H1 : S1 S 2
Hipotesis :
Langkah-langkah :
-
Misal ada r buah waktu kematian yg berbeda dari gabungan dua kelompok tsb, yakni t(1) <
t(2) < t(r)
Utk setiap waktu kematian t(f), f = 1,2,,r, kita buat tabel berikut
Dimana
O E = -10.26
O2 E2 = 10.26
Log-rank Statististic
Var ( O 2E 2 )
= (O 2E 2)
(10.26)
6.2685
= 16.793
S (ti ) S (ti 1 )
Nilai
n i
n i 1 S (ti ) S (ti )
dan
ni
S ui
i 1
Diperoleh
L Z / 2 _ atau _ L Z / 2
L Z
L Z
Daerah Kritis dari Peto and Peto adalah :
Var ( S )
n1n2
n1 n2
u
i 1
2
i
(n1 n2 )( n1 n2 1)
Estimasi Peto and Peto diperoleh sebagai berikut :
S
var( S )
Variansi :
Statistik Uji :
Contoh soal:
Diketahui data kegagalan pasien malaria dengan dua macam perlakuan masing-masing 5
pasien adalah sebagai berikut:
perlakuan a
perlakuan b
24
16
2
5
6
9
17 34+
8
8
Diperoleh:
ti
2
5
6
8
8
9
16
17
24
34+
S(ti)
Ui
0,9
0,9
0,8
0,7
0,7
0,5
0,6
-0,5
0,5
0,1
0,4
-0,1
0,3
-0,3
0,2
-0,5
0,1
-0,7
-0,9
Dari perlakuan a
S = 0,9+0,5+(-0,5)+(-0,7)+(-0,9)
= 2,5
2,5
=
2,550078
0,961111
Z0,05= 1,64
Karena 2,550078 > 1,64 . H0 ditolak maka S1>S2
5. UJI COXS F
Uji coxs f bertujuan untuk menguji dua perbedaan distribusi ketahanan. Uji coxs f
mendasarkan pada score rata-rata sampel untuk masing-masing kelompok.Berikut langkahlangkahnya:
Hitung
1
1
t rn= + ..+
n
nr+ 1
Untuk data tanpa observasi tersensor, n observasi ditentukan oleh {trn} . Score
t
t2
rata-rata sampel untuk masing-masing kelompok dinotasikan 1 dan
t1
t2
Statistik ujinya
dimana
t1
yang mati pada kelompok 1. Dengan cara yang sama untuk kelompok 2,
r 2 t'2+(n2r 2) t ( p+1 )n
t2 =
r2
dimana
t2
yang berdistribusi F
24
16
2
5
6
9
Hasil perhitungan:
ti
tr(n)
tr(n)A
tr(n)B
17 34+
8
8
34+
0,1
0,211
111
0,336
111
0,478
968
0,645
635
0,845
635
1,095
635
1,428
968
1,928
968
2,928
968
jumlah
10,0
5
6
8
8
9
16
17
24
0,1
0,3361
11
-
0,2111
1
0.5623
02
0,5623
02
0,8456
35
1,0956
35
1,4289
68
1,9289
68
2,9289
68
6,7230 3,2769
15
85
(0,1+0,336111+ 1,428698+1,928698)
= 0.948512
4
3,276985
t2 =
= 0.655397
5
t 2 ' =
(0,21111+0,562302+0,562302+0,845635+1,095635)
= 0.655397
5
Statistik uji:
t1 1.680754
=
= 2.564482
t2 0.655397
F(8;10;0,05)= 3,07