Abstrak— Tuberkulosis merupakan salah penyakit menular keberhasilan pengobatan pasien Tuberkulosis yang
yang bersifat mematikan. Penyakit ini berada pada urutan mengikuti program DOTS sampai pasien dinyatakan sembuh
kedua dari sejumlah penyakit menular yang masuk 10 besar atau pengobatan lengkap. Dengan demikian dibutuhkan suatu
penyebab kematian di Indonesia. Untuk menekan jumlah metode analisis data ketahanan yang disebut dengan analisis
penderita Tuberkulosis, pada tahun 1994 pemerintah Indonesia
survival.
telah bekerjasama dengan WHO untuk mengadakan suatu
program pengobatan terhadap pasien Tuberkulosis. Program Dalam memodelkan survival time dengan variabel
tersebut dikenal dengan nama DOTS (Directly Observed prediktor yang mempengaruhi fungsi hazard adalah dengan
Treatment Shortcourse). Faktor-faktor yang diduga regresi Cox, regresi tersebut pertama kali dikembangkan oleh
mempengaruhi laju keberhasilan pengobatan pasien Cox. Model regresi Cox dapat disebut juga dengan model Cox
Tuberkulosis di RSUD Dr. Soetomo Surabaya diantaranya proportional hazard karena asumsi proportional hazard-nya,
adalah jenis kelamin, usia, klasifikasi penyakit, tipe pasien, hasil yaitu rasio dari fungsi hazard dua individu yang berbeda
pemeriksaan dahak, dan keteraturan berobat. Berdasarkan adalah konstan dari waktu ke waktu [3]. Regresi Cox
faktor tersebut dilakukan analisis survival dengan model regresi digunakan untuk analisis data dengan variabel respon yang
Cox proportional hazard untuk mengetahui faktor yang
berupa survival time. Kelebihan dari regresi ini adalah data
mempengaruhi laju keberhasilan pengobatan pesien
Tuberkulosis. Berdasarkan hasil seleksi model diperoleh model survival tidak harus memiliki fungsi dari distribusi tertentu.
terbaik dengan variabel keteraturan berobat yang berpengaruh Model regresi Cox dapat menjelaskan pengaruh dari variabel
secara signifikan terhadap laju keberhasilan pengobatan pasien prediktor terhadap waktu ketahanan individu sebagai variabel
Tuberkulosis. Pasien Tuberkulosis yang teratur berobat respon.
memiliki risiko keberhasilan berobat 3 kali lebih besar daripada Berdasarkan penelitian sebelumnya, telah dilakukan
pasien yang tidak teratur berobat. analisis survival pada pasien penderita Kanker Payudara di
Turki dengan menggunakan regresi Cox dan Random
Kata Kunci— Tuberkulosis, DOTS, Analisis Survival, Cox Survival Forest (RSF) untuk mengetahui faktor resiko yang
proportional hazard
mempengaruhi kelangsungan hidup pasien. Hasil
I. PENDAHULUAN penelitiannya adalah dengan menggunakan analisis regresi
Cox memberikan analisis hasil lebih baik daripada
menggunakan Random Survival Forest (RSF), sebab dengan
TUBERKULOSIS merupakan salah satu penyakit
pembunuh di antara sekian banyak penyakit infeksi menggunakan RSF menghasilkan p-value yang tidak
signifikan [4]. Untuk penggunaan model regresi Cox dalam
lainnya. Menurut profil kesehatan Indonesia oleh
Kementerian Kesehatan RI, jumlah kasus baru Tuberkulosis analisis survival diantaranya adalah memodelkan dan
di Jawa Timur menurut jenis kelamin sebanyak 41.002 kasus memprediksi popularitas dari konten online dengan model
dan jumlah kematian penderita Tuberkulosis adalah sebanyak regresi Cox proportional hazard [5] dan mengalisis faktor-
1.290 [1]. Menurut Kepala Bidang Penyakit Menular dan faktor yang mempengaruhi laju kesembuhan pasien penderita
Tropis, Departemen Kesehatan Anak Fakultas Kedokteran Deman Berdarah Dengue (DBD) di Rumah Sakit Haji dengan
Universitas Indonesia, yaitu Hindri, Tuberkulosis berada regresi Cox [6]. Penelitian sebelumnya mengenai
pada urutan kedua dari sejumlah penyakit menular yang Tuberkulosis telah dilakukan oleh Eldira Sukmawati yang
meneliti tentang analisis faktor-faktor yang mempengaruhi
masuk 10 besar penyebab kematian di Indonesia [2 ].
laju kesembuhan penderita Tuberkulosis yang di RSUD Ibnu
Untuk menekan jumlah penderita Tuberkulosis, pada
Sina Gresik [7].
tahun 1994 pemerintah Indonesia telah bekerjasama dengan
Dalam Tugas Akhir ini akan dilakukan analisis survival
WHO untuk mengadakan suatu program pengobatan
dengan model regresi Cox proportional hazard terhadap
terhadap pasien Tuberkulosis. Program tersebut dikenal
ketahanan hidup pasien Tuberkulosis yang menjalani
dengan nama DOTS (Directly Observed Treatment
program DOTS (Directly Observed Treatment Shortcourse)
Shortcourse), yaitu pengawasan langsung menelan obat
di RSUD Dr. Soetomo Surabaya untuk mendapatkan faktor-
jangka pendek setiap hari oleh pengawas. Meskipun telah
faktor yang mempengaruhi laju keberhasilan pengobatan
ditetapkan strategi DOTS, jumlah penderita Tuberkulosis di
pasien Tuberkulosis dan mengetahui seberapa besar risiko
Indonesia masih banyak walaupun sudah berkurang dari
keberhasilan pengobatan pasien berdasarkan variabel
jumlah penderita sebelumnya. Berdasarkan penjelasan
tersebut maka perlu dilakukan suatu analisis untuk prediktor yang berpengaruh secara signifikan.
mengetahui faktor-faktor yang mempengaruhi laju
II. METODE PENELITIAN dan 𝑡(1) < 𝑡(2) < ⋯ < 𝑡(𝑘) merupakan waktu ketahanan
terurut tak tersensor, sehingga 𝑡(𝑗) adalah urutan waktu
1. Studi Pendahuluan Literatur
Pada tahap ini dilakukan studi pendahuluan untuk kegagalan ke-j, maka fungsi likelihood untuk model
menentukan tujuan dan permasalahan dalam Tugas Akhir. proportional hazard adalah [3]:
𝑘
Selanjutkan dilakukan studi literatur untuk mendapatkan exp(𝜷′ 𝒙𝒋 )
pemahaman tentang analisis survival dengan model regresi 𝐿(𝜷) = ∏ (1)
∑𝑙𝜖𝑅(𝑡𝑗 ) exp(𝜷′ 𝒙𝑙 )
Cox dan mengenai penyakit Tuberkulosis sebelum 𝑗=1
menentukan faktor-faktor yang dianggap mempengaruhi laju dengan 𝜷 merupakan vektor parameter regresi, 𝒙𝒋 merupakan
keberhasilan pengobatan dari pasien penderita Tuberkulosis. vektor variabel prediktor dari individu yang mengalami event
2. Sumber Data pada saat 𝑡(𝑗) , dan 𝑅(𝑡(𝑗) ) merupakan himpunan individu
Data yang digunakan adalah data rekam medik pasien yang berisiko gagal pada waktu 𝑡(𝑗) .
1.
Tuberkulosis yang menjalani program DOTS di RSUD Persamaan (1) tidak dapat digunakan jika terdapat ties
Dr. Soetomo Surabaya pada bulan Januari 2014 sampai pada data. Ties adalah keadaan dimana terdapat dua individu
April 2015. Event yang diamati adalah kesembuhan atau atau lebih yang mengalami event pada waktu yang sama.
pengobatan lengkap. Data tersensor adalah pasien yang Pada data yang digunakan dalam Tugas Akhir ini terdapat
pindah rumah sakit dan putus berobat. Variabel respon dua atau lebih individu yang sembuh atau pengobatannya
yang digunakan adalah lama pasien Tuberkulosis lengkap pada waktu yang bersamaan, sehingga fungsi
menjalani pengobatan (T) dan dihitung dalam skala hari. likelihood pada persamaan (1) tidak dapat digunakan untuk
Variabel prediktornya adalah jenis kelamin (X1), usia mengestimasi parameter model. Banyak metode yang dapat
(X2), klasifikasi panyakit (X3), tipe pasien (X4), hasil tes digunakan untuk mengestimasi parameter pada kasus ties,
dahak pertama (X5), dan keteraturan berobat (X6). salah satunya adalah dengan pendekatan Breslow. Dalam
3. Analisis Data Tugas Akhir ini digunakan pendekatan Breslow untuk
Berikut adalah langkah-langkah proses analisis data mengestimasi parameter model. Fungsi likelihood dengan
sehingga didapatkan model yang signfikan dan interpretasi pendekatan Breslow dinyatakan dengan [3]:
dari model tersebut. 𝑘
exp(𝜷′ 𝒔𝒋 )
a. Melakukan estimasi parameter model regresi Cox 𝐿(𝜷) = ∏ (2)
𝑑𝑗
propotional hazard dengan menggunakan metode 𝑗=1 (∑𝑙𝜖𝑅(𝑡𝑗) exp(𝜷′ 𝒙𝑙 ))
Maximum Likelihood Estimation (MLE).
b. Membetuk model awal regresi Cox propotional hazard. dengan 𝒔𝒋 adalah vektor penjumlahan dari setiap p variabel
c. Melakukan uji signifikansi parameter dengan uji serentak prediktor untuk individu-individu yang mengalami event
dan uji parsial. pada waktu ke-j, 𝑡(𝑗) dimana j = 1, 2, ..., k dan 𝑑𝑗 adalah
d. Melakukan pemeriksaan asumsi proportional hazard jumlah kasus ties pada waktu 𝑡(𝑗) .
dengan menggunakan pendekatan Godness of Fit.
Setelah didapatkan fungsi likelihood, selanjutnya
e. Melakukan seleksi model terbaik.
dilakukan transformasi logaritma terhadap persamaan (2),
f. Menyusun model regresi Cox propotional hazard sesuai
sehingga diperoleh fungsi ln-likelihood yang bersesuaian,
dengan variabel prediktor yang berpengaruh secara
yaitu:
signifikan. 𝑘
g. Menghitung rasio hazard dari variabel prediktor yang exp(𝜷′ 𝒔𝒋 )
𝑙𝑛 𝐿(𝜷) = 𝑙𝑛 ∏ 𝑑𝑗 (3)
berpengaruh secara signifikan terhadap model untuk
mengetahui laju keberhasilan pengobatan pada setiap (∑𝑙𝜖𝑅(𝑡𝑗 ) exp(𝜷′ 𝒙𝑙 ))
𝑗=1
kategori dari variabel prediktor. sesuai dengan sifat logaritma natural, persamaan (3) dapat
4. Penarikan Kesimpulan dinyatakan dengan:
Memberikan kesimpulan dari hasil analisis yang telah 𝑘
exp(𝜷′ 𝒔𝒋 )
dikerjakan. 𝑙𝑛 𝐿(𝜷) = ∑ 𝑙𝑛 ( 𝑑𝑗 )
𝑗=1 (∑𝑙𝜖𝑅(𝑡𝑗 ) exp(𝜷′ 𝒙𝑙 ))
III. ANALISIS DAN PEMBAHASAN 𝑑𝑗
= ∑𝑘𝑗=1 ((𝜷′ 𝒔𝒋 ) − 𝑙𝑛 (∑𝑙𝜖𝑅(𝑡𝑗) exp(𝜷′ 𝒙𝑙 )) )
A. Pemodelan Regresi Cox
Sebelum menentukan model regresi Cox yang sesuai = ∑𝑘𝑗=1 (𝜷′ 𝒔𝒋 − 𝑑𝑗 𝑙𝑛 (∑𝑙𝜖𝑅(𝑡𝑗) exp(𝜷′ 𝒙𝑙 ))) (4)
dengan data Tugas Akhir, terlebih dahulu dilakukan estimasi
parameter model. Selanjutnya dilakukan uji signifikansi persamaan (4) dapat dinyatakan dengan:
𝑘 𝑝 𝑝
model dan pemeriksaan asumsi proportional hazard,
kemudian dilakukan seleksi model sampai didapatkan model 𝑙𝑛𝐿(𝜷) = ∑ (∑(𝛽ℎ 𝑠𝑗ℎ ) − 𝑑𝑗 𝑙𝑛 ( ∑ exp ∑(𝛽ℎ 𝑥ℎ𝑙 ))).
yang signifikan. 𝑗=1 ℎ=1 𝑙𝜖𝑅(𝑡𝑗 ) ℎ=1
IV. KESIMPULAN