ANALISIS KETAHANAN HIDUP

Analisis Ketahanan Hidup Metode Log Rank Test, Kaplan Meier Plot, dan Cox Regression
(Studi Kasus: Faktor Yang Mempengaruhi Lama Waktu Mencari Kerja Di Provinsi DIY Tahun
2015)

Disusun Oleh:

Shobrina Afifah

16.9423

Kelas 3SK3

POLITEKNIK STATISTIKA STIS

JAKARTA

2019
 PENDAHULUAN

1. Latar Belakang
Pada bidang ketenagakerjaan, pengangguran merupakan masalah serius karena
menyebabkan pembangunan ekonomi terhambat. Salah satu indikator pengangguran
adalah lamanya mencari kerja. Semakin lama seseorang mencari kerja menunjukkan
bahwa semakin lama seseorang menganggur. Maka perlu diketahui faktor apa yang
mempengaruhi lamanya seseorang mencari kerja. Untuk memberikan informasi
mengenai faktor yang mempengaruhi lama waktu seseorang mencari kerja maka
penelitian ini akan memodelkan waktu survival dengan studi kasus faktor yang
mempengaruhi lama seseorang mencari kerja di Provinsi DIY tahun 2015.
Untuk dapat menganalisis studi kasus waktu survival digunakan beberapa metode
survival analisis atau analisis ketahanan hidup. Analisis ketahanan hidup (survival
analysis) adalah suatu metode yang berhubungan dengan waktu, mulai dari time origin
atau start point sampai dengan terjadinya suatu kejadian khusus atau end point. Metode
yang digunakan dalam analisis yang dipakai adalah metode Kaplan-meier, Uji Log-Rank
dan Cox Regression. Metode Kaplan-meier memberikan estimasi peluang tahan hidup
yang sangat bermanfaat serta memberikan representasi grafis tentang distribusi tahan
hidup. Sedangkan Uji Log Rank digunakan untuk menganalisis data pada dua kelompok
yang berkaitan, dengan orang atau subjek yang diamati pada dua kondisi yang berbeda.

2. Informasi Data
Data yang digunakan adalah data SAKERNAS 2015 yang bersumber dari BPS
Provinsi D.I. Yogyakarta. Terdapat 5 variabel yang digunakan dalam analisis kali ini
yaitu jenis daerah, umur, jenis kelamin, status perkawinan, dan keikut sertaan dalam
pelatihan kerja. Untuk jenis daerah digolongkan menjadi daerah perkotaan dan perdesaan.
Untuk variabel umur dikategorikan menjadi remaja dan dewasa dengan remaja adalah
penduduk yang berumur kurang dari 20 tahun sedangkan untuk kategori dewasa adalah
penduduk yang berumur sama atau lebih dari 20 tahun.
3. Sensoring
Unit analisis dalam studi kasus ini adalah penduduk daerah istimewa Yogyakarta
baik laki- laki maupun wanita dengan berbagai rentang usia (yang masih termasuk dalam
usia angkatan kerja atau 15 – 49 tahun) dan berbagai status perkawinan. Data yang
tersensor adalah unit analisis yang belum mendapatkan pekerjaan hingga waktu
penelitian berakhir.
 HASIL DAN PEMBAHASAN

1. Eksplorasi dan Visualisasi Data

Dilakukan eksplorasi dan visualisasi data yang telah diperoleh menggunakan R-Studio.
a. Variabel waktu kejadian (time to event)
 Dari data eksplorasi Box-plot di atas menunjukkan bahwa variabel waktu kejadian
terdapat tiga data ekstrim/pencilan. Data ekstrim tidak dikenakan treatment karena
waktu tunggu tidak dapat diubah. Dari visualisasi diagram batang terlihat bahwa
persebaran waktu kejadian merata yang menjadikan data dapat diindikasikan
berdistribusi normal. dan tidak terindikasi berdistribusi normal.
2. Analisis Variabel Daerah
a. Kaplan Meier

Kurva menunjukkan bahwa penduduk di daerah perdesaan memiliki waktu

tunggu lebih lama dibandingkan dengan penduduk di daerah perkotaan. Karena pada
kurva terlihat bahwa garis kurva daerah pedesaan berada di atas daerah perkotaan.
Sehingga dapat dikatakan bahwa penduduk di daerah perdesaan memiliki waktu tunggu
untuk mendapatkan pekerjaan lebih lama daripada penduduk di daerah perkotaan.
b. Log-Rank Tes
Log-rank bertujuan untuk menguji ekuivalensi dari dua kurva Kaplan-Meier.
Berikut hipotesis yang diuji dalam log-rank test:
H0: Tidak ada perbedaan antara dua survival-curves.
H1: Ada perbedaan antara dua survival-curves.
 P-value=0.7 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara
daerah perkotaan dan perdesaan.

c. Partial Cox-Regession
Pada uji partial cox-regression akan dilihat secara parsial pengaruh variabel terhadap
waktu tunggu. Terdapat asumsi yang harus dipenuhi cox-regression. Untuk memenuhi
asumsi cox-regression yaitu hazard ratio harus konstan terhadap waktu. Maka dilakukan
Schoenfeld test. Schoenfeld test merupakan uji formal untuk mengetahui pemenuhan
asumsi Cox-PH.
H0: Asumsi terpenuhi (time independent)
H1: Asumsi tidak terpenuhi

Terlihat P-value=0.993 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan
tingkat signifikansi 5%, dapat disimpulkan bahwa asumsi terpenuhi.
 Terlihat P-value=0.7123 > alpha=0.05, sehingga hipotesis nol gagal ditolak.
Dengan tingkat signifikansi 5%, dapat disimpulkan bahwa secara parsial variabel daerah
tidak memberikan pengaruh terhadap model. Dari hasil perhitungan terlihat bahwa waktu
tunggu penduduk daerah perdesaan untuk mendapat pekerjaan lebih besar 1,1319 kali
daripada penduduk daerah perkotaan.
3. Analisis Variabel Umur
a. Kaplan Meier

Kurva menunjukkan bahwa penduduk remaja memiliki waktu tunggu lebih lama
dibandingkan dengan penduduk dewasa. Karena pada kurva terlihat bahwa garis kurva
remaja berada di atas kurva dewasa. Sehingga dapat dikatakan bahwa penduduk remaja
memiliki waktu tunggu untuk mendapatkan pekerjaan lebih lama daripada penduduk
dewasa.
b. Log-Rank Tes
Log-rank bertujuan untuk menguji ekuivalensi dari dua kurva Kaplan-Meier.
Berikut hipotesis yang diuji dalam log-rank test:
H0: Tidak ada perbedaan antara dua survival-curves.
H1: Ada perbedaan antara dua survival-curves.

P-value=0.04 < alpha=0.05, sehingga hipotesis nol ditolak. Dengan tingkat

signifikansi 5%, dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara
penduduk dewasa dan muda.

c. Partial Cox-Regession
Pada uji partial cox-regression akan dilihat secara parsial pengaruh variabel
terhadap waktu tunggu. Terdapat asumsi yang harus dipenuhi cox-regression. Untuk
memenuhi asumsi cox-regression yaitu hazard ratio harus konstan terhadap waktu. Maka
dilakukan Schoenfeld test. Schoenfeld test merupakan uji formal untuk mengetahui
pemenuhan asumsi Cox-PH.
H0: Asumsi terpenuhi (time independent)
H1: Asumsi tidak terpenuhi

Terlihat P-value=0.0883 < alpha=0.05, sehingga hipotesis nol ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa asumsi tidak terpenuhi.
 Terlihat P-value=0.03137 < alpha=0.05, sehingga hipotesis nol ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa secara parsial variabel umur memberikan
pengaruh terhadap model. Dari hasil perhitungan terlihat bahwa waktu tunggu penduduk
remaja untuk mendapat pekerjaan lebih besar 1,8363 kali daripada penduduk daerah
dewasa.
4. Analisis Variabel Jenis Kelamin
a. Kaplan Meier

Kurva menunjukkan bahwa wanita memiliki waktu tunggu lebih lama

dibandingkan dengan laki-laki. Karena pada kurva terlihat bahwa garis wanita berada di
atas garis kurva laki-laki. Sehingga dapat dikatakan bahwa wanita memiliki waktu tunggu
untuk mendapatkan pekerjaan lebih lama daripada laki-laki.
b. Log-Rank Tes
Log-rank bertujuan untuk menguji ekuivalensi dari dua kurva Kaplan-Meier.
Berikut hipotesis yang diuji dalam log-rank test:
H0: Tidak ada perbedaan antara dua survival-curves.
H1: Ada perbedaan antara dua survival-curves.
 P-value=0.01 < alpha=0.05, sehingga hipotesis nol ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa ada perbedaan yang signifikan antara
penduduk wanita dan laki-laki.

c. Partial Cox-Regession
Pada uji partial cox-regression akan dilihat secara parsial pengaruh variabel
terhadap waktu tunggu. Terdapat asumsi yang harus dipenuhi cox-regression. Untuk
memenuhi asumsi cox-regression yaitu hazard ratio harus konstan terhadap waktu. Maka
dilakukan Schoenfeld test. Schoenfeld test merupakan uji formal untuk mengetahui
pemenuhan asumsi Cox-PH.
H0: Asumsi terpenuhi (time independent)
H1: Asumsi tidak terpenuhi

Terlihat P-value=0.476 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan
tingkat signifikansi 5%, dapat disimpulkan bahwa asumsi terpenuhi.
 Terlihat P-value=0.0009982 < alpha=0.05, sehingga hipotesis nol ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa secara parsial variabel jenis kelamin secara
parsial memberikan pengaruh signifikan terhadap model. Dari hasil perhitungan terlihat
bahwa waktu tunggu penduduk wanita untuk mendapat pekerjaan lebih besar 2,1510 kali
daripada penduduk laki-laki.
5. Analisis Variabel Status Perkawinan
a. Kaplan Meier

Kurva menunjukkan bahwa penduduk belum menikah memiliki waktu tunggu

lebih lama dibandingkan dengan penduduk telah menikah. Karena pada kurva terlihat
bahwa garis penduduk belum menikah berada di atas garis kurva penduduk menikah.
Sehingga dapat dikatakan bahwa penduduk belum menikah memiliki waktu tunggu untuk
mendapatkan pekerjaan lebih lama daripada penduduk menikah.
b. Log-Rank Tes
Log-rank bertujuan untuk menguji ekuivalensi dari dua kurva Kaplan-Meier.
Berikut hipotesis yang diuji dalam log-rank test:
H0: Tidak ada perbedaan antara dua survival-curves.
H1: Ada perbedaan antara dua survival-curves.

P-value=0.2 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara
penduduk belum menikah dengan penduduk menikah.

c. Partial Cox-Regession
Pada uji partial cox-regression akan dilihat secara parsial pengaruh variabel
terhadap waktu tunggu. Terdapat asumsi yang harus dipenuhi cox-regression. Untuk
memenuhi asumsi cox-regression yaitu hazard ratio harus konstan terhadap waktu. Maka
dilakukan Schoenfeld test. Schoenfeld test merupakan uji formal untuk mengetahui
pemenuhan asumsi Cox-PH.
H0: Asumsi terpenuhi (time independent)
H1: Asumsi tidak terpenuhi

Terlihat P-value=0.593 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan
tingkat signifikansi 5%, dapat disimpulkan bahwa asumsi terpenuhi.
 Terlihat P-value=0,179 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan
tingkat signifikansi 5%, dapat disimpulkan bahwa secara parsial variabel status menikah
secara parsial tidak memberikan pengaruh signifikan terhadap model. Dari hasil
perhitungan terlihat bahwa waktu tunggu penduduk belum menikah untuk mendapat
pekerjaan lebih besar 1,4516 kali daripada penduduk menikah.

6. Analisis Variabel Status Pelatihan

a. Kaplan Meier

Kurva menunjukkan bahwa penduduk tidak mengikuti pelatihan memiliki waktu

tunggu lebih lama dibandingkan dengan penduduk mengikuti pelatihan. Karena pada
kurva terlihat bahwa garis penduduk tidak mengikuti pelatihan berada di atas garis kurva
penduduk mengikuti pelatihan. Sehingga dapat dikatakan bahwa penduduk tidak
mengikuti pelatihan memiliki waktu tunggu untuk mendapatkan pekerjaan lebih lama
daripada penduduk mengikuti pelatihan.
b. Log-Rank Tes
Log-rank bertujuan untuk menguji ekuivalensi dari dua kurva Kaplan-Meier.
Berikut hipotesis yang diuji dalam log-rank test:
H0: Tidak ada perbedaan antara dua survival-curves.
H1: Ada perbedaan antara dua survival-curves.

P-value=0.1 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara
penduduk tidak mengikuti pelatihan dengan mengikuti pelatihan.

c. Partial Cox-Regession
Pada uji partial cox-regression akan dilihat secara parsial pengaruh variabel
terhadap waktu tunggu. Terdapat asumsi yang harus dipenuhi cox-regression. Untuk
memenuhi asumsi cox-regression yaitu hazard ratio harus konstan terhadap waktu. Maka
dilakukan Schoenfeld test. Schoenfeld test merupakan uji formal untuk mengetahui
pemenuhan asumsi Cox-PH.
H0: Asumsi terpenuhi (time independent)
H1: Asumsi tidak terpenuhi

Terlihat P-value=0.21 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan tingkat
signifikansi 5%, dapat disimpulkan bahwa asumsi terpenuhi.
Terlihat P-value=0,1663 > alpha=0.05, sehingga hipotesis nol gagal ditolak. Dengan
tingkat signifikansi 5%, dapat disimpulkan bahwa secara parsial variabel pelatihan secara
parsial tidak memberikan pengaruh signifikan terhadap model. Dari hasil perhitungan
terlihat bahwa waktu tunggu penduduk tidak mengikuti pelatihan untuk mendapat
pekerjaan lebih besar 1,7803 kali daripada penduduk mengikuti pelatihan.
 KESIMPULAN

Dari analisis dan pengujian di atas, dapat disimpulkan beberapa hal:

1. Menggunakan Kaplan-Meier dan Log-Rank test, diperoleh bahwa secara umum tidak
ada perbedaan survival antara kelompok satu dengan lainnya sehingga masih perlu
dilakukan adjustment atau pengkategorian ulang untuk studi selanjutnya.
2. Model Cox-PH menunjukkan hanya dua variabel yang secara parsial signifikan
berpengaruh terhadap waktu tunggu mendapatkan pekerjaan, yaitu variabel umur dan
jenis kelamin.
3. Perlu dilakukan perlakuan khusus untuk menangani variabel – variabel yang tidak
berpengaruh signifikan terhadap waktu tunggu. Perlakuan dapat berupa menambah
sampel, mengubah perlakuan dan lainnya.

DAFTAR PUSTAKA

Muhajir, R. M. dan Yayi Diyah Palupi. 2014. Analisis Survival terhadap Pasien Diare Anak
mengunakan Metode Kaplan Meier dan Uji Log. Yogyakarta. Jurnal Ilmu-ilmu
MIPA

Kumaladewi, Stamia Ayu. 2018. Analisis Survival Metode Regresi Cox Proportional Hazard
(Studi Kasus: Faktor Yang Mempengaruhi Lama Waktu Mencari Kerja Di Provinsi
DIY Tahun 2015). Yogyakarta. Skripsi Sains dan Teknologi.