Analisis Ketahanan Hidup
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
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
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.
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
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
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.
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
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.