Jurnal Dinamika, April 2016, halaman 1- 8 Vol. 07. No.

1
ISSN 2087 - 7889

PENGGUNAAN METODE KAPLAN-MEIER DAN LIFE TABLE ANALISIS

SURVIVAL UNTUK DATA TERSENSOR

Rahmat Hidayat

Program Studi Matematika Fakultas Sains

Universitas Cokroaminoto Palopo
Email: dayatmath@gmail.com

ABSTRAK
Kelahiran anak pertama adalah contoh dari data survival. Ciri khas dari data survival
adalah waktu survivalnya yang tidak dapat diamati secara utuh atau biasa disebut dengan sensor.
Untuk menganalisis data yang mengandung data tersensor menggunakan metode biasa akan
menimbulkan bias, sehingga untuk mengurangi bias tersebut diperlukan suatu metode tertentu
yaitu analisis survival. Berdasarkan hal tersebut di atas, maka penelitian ini bertujuan
menentukan metodeanalisisjikaterdapat data yang tersensordenganmenggunakanmetode Kaplan-
Meier danLife Table. Data yang akan dianalisis bersumber dari Survei Demografi dan Kesehatan
Indonesia (SDKI) 2012.

Kata kunci: analisis survival, sensor, Kaplan-Meier, Life Table

PENDAHULUAN tingkat pendidikan, umur, pengetahuan

Dalam demografi ada tiga hal yang tentang alat kontrasepsi dan status bekerja.
sangat berpengaruh, yaitu kematian Sebagian wanita menikah telah melahirkan
(mortality), perpindahan (migration), dan anak pertama beberapa bulan setelah
kelahiran (fertility). Interval kelahiran anak perkawinan sehingga data yang diperoleh
pertama dapat digunakan sebagai salah satu merupakan data lengkap, namun sebagian
indikator dari fertilitas. Interval kelahiran lainnya belum mempunyai anak yakni data
anak pertama adalah selisih antara umur tersensor. Data survival adalah data tentang
perkawinan dengan umur kelahiran anak pengamatan jangka waktu dari awal
pertama. Pada kenyataannya panjang pengamatan sampai terjadinya sesuatu
interval kelahiran anak pertama dari tiap peristiwa. Ciri khas dari data survivaladalah
wanita menikah tidaklah sama. Menurut seringkali tidak dapat diamati secara
Ibrohim (1994) ada beberapa faktor yang lengkap (tersensor). Jika semua kejadian
mempengaruhi interval kelahiran anak yang diharapkan terjadi, dan dapat diamati
pertama antar lain daerah tempat tinggal, secara utuh maka beberapa metode analisis

1
Jurnal Dinamika, April 2016, halaman 1- 8 Vol. 07. No.1
ISSN 2087 - 7889

bisa dilakuakan, namun data survival kegagalan, kematian, respon, dan lain-lain
bersifat sensor (Clark TG, 2003). (Lee, 1992).
Menganalisis data survival menggunakan Definisi 2: Fungsi survivaladalah fungsi
metode biasa tidak cocok karena akan yang menyatakan peluang suatu individu
menimbulkan bias (Widyaningsih Y, 2006). dapat bertahan hidup hingga atau lebih dari
Untuk mengurangi bias tersebut diperlukan waktu t (mengalami kejadian sesudah waktu
suatu metode tertentu untuk t) (Banerjee T, 2007). Misal T adalah
menganalisisnya, yaitu analisis survival. peubah acak, maka fungsi survival
Definisi Terkait Analisis Survival didefinisikan sebagai, S(t) = P(T> t).
Definisi 1: Waktu survival adalah jangka Misalkan f fungsi kepekatan peluang, fungsi
waktu dari awal pengamatan sampai survival merupakan komplemen dari fungsi
terjadinya suatu peristiwa yang berupa kumulatif F dengan,

( ) ∫ ( ) ( ) ( ) ( )

Definisi 3: Fungsi hazard yaitu fungsi dengan syarat bahwa seseorang itu telah
yang menyatakan peluang seseorang bertahan hingga waktu t, fungsinya
mengalami risiko atau kejadian seperti diberikan:
kegagalan atau meninggal pada waktu t
( )
( )

Dari definisi di atas diperoleh hubungan antara fungsi survival dengan fungsi hazard.
( ) ( ( ))(Collet, 1994).
METODE PENELITIAN dari daerah yang tingkat fertilitasnya tinggi
Data dan rendah.
Data yang digunakan dalam penelitian ini Definisi Operasional
adalah hasil Survei Demografi dan Peubah tak bebas yang digunakan dalam
Kesehatan Indonesia (SDKI) tahun 2002. penelitian ini adalah interval kelahiran anak
Sampel yang digunakan adalah data pada pertama wanita yang menikah untuk
dua provinsi yaitu Papua Barat dan Daerah pertama kali. Sedangkan peubah bebas yang
Istimewa Yogyakarta sebagai representasi diduga mempengaruhi interval kelahiran
anak pertama adalah:

2
 Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor

a. Tempat tinggal, dikelompokkan dalam memperoleh penghasilan atau

unit wilayah administrasi terkecil yaitu keuntungan selama paling sedikit satu
daerah perkotaan dan jam dalam seminggu berturut-turut dan
pedesaan/kelurahan. Tempat tinggal tidak terputus. Status pekerjaan
dibedakan menjadi dua kategori, yaitu dikategorikan menjadi dua, yaitu tidak
kota = 1 dan desa = 2. bekerja = 0 dan bekerja = 1.
b. Pendidikan, sekolah adalah sekolah d. Pengetahuan tentang alat
formal mulai dari pendidikan dasar, kontrasepsi, yaitu tidak tau = 0 dan
menengah dan tinggi. Tidak tamat SD tau=1.
adalah mereka yang tidak pernah e. Umur Ibu, umur ibu/ wanita yang
mengikuti pendidikan formal atau menikah untuk pertama kali
pernah di SD tetapi tidak sampai dinyatakan dalam tahun.
mendapatkan tanda kelulusan. Model
Pendidikan tertinggi dibagi menjadi
Life Table
empat kategori, yaitu tidak tamat SD Metode Life Table adalah cara
=0, tamat SD = 1, tamat SLTP = 2, dan menganalisis data dengan mengelompokkan
tamat SMA atau lebih = 3. data dalam selang-selang yang panjangnya
c. Status pekerjaan, bekerja adalah sama, dan selanjutnya data disusun dalam
kegiatan melakukan pekerjaan dengan suatu tabel sebagai berikut.
maksud memperoleh atau membantu

Nilai ̂( ) ̂( )
j ( )
awal selang
1
2
.
..
m
Keterangan:

j : selang pengamatan, j=1,2,3,...,m

: banyaknya kejadian pada setiap selang
: banyaknya data yang tersensor pada setiap selang j

3
 Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor

: banyaknya individu yang bertahan dan berisiko untuk mengalami kejadian

: rata-rata dari banyaknya individu yang berisiko tersensor

( ): peluang bertahan individu pada selang j

̂ ( ) dan ̂ ( ): penduga fungsi survival dan penduga fungsi hazard

Kaplan-Meier itu cocok digunakan untuk ukuran data

Pada metode Kaplan-Meier asumsi kecil, sedang dan besar. Misalkan waktu
sebaran data adalah diskret. Menurut Hoon kelahiran anak pertama adalah r dan
(2008)Kaplan-Meier merupakan metode banyaknya wanita yang menikah adalah n,
yang digunakan untuk membandingkan dengan r ≤ n. Peluang kelahiran anak
waktu survival dari dua kelompok kovariat. pertama dalam setiap selang j diduga dengan
Keuntungan dari metode ini adalah karena , dan peluang bertahannya diduga dengan
termasuk metode non-parametrik yang tidak
memerlukan pengetahuan sebaran tertentu ̂ ( ) Penduga fungsi ketahanan

(Kaplan dan Meier, 1958). metode Kaplan-Meier diberikan oleh

Metode ini cocok sebab data yang persamaan,
digunakan merupakan data individu, selain
̂( ) ̂ ̂ ̂ ̂

∏ ̂

∏ ( )

Untuk ̂( )

HASIL DAN PEMBAHASAN kota) untuk beberapa panjang selang yang

Membandingkan dua kelompok data berbeda, grafik fungsisurvivalnya adalah
survivaldengan metode Life Table sebagai berikut.
Hasil analisis menggunakan Life Table
untuk peubah bebas tempat tinggal(desa,

4
 Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor

Gambar 1. Grafik fungsi survival dengan beberapa panjang selang

Pada Gambar 1 di atas menunjukkan adanya perbedaan antara ketahanan individu
bahwa penggunaan panjang selang yang di kota dan di desa.
berbeda-beda pada metode Life Table Untuk lebih menyakinkan hasil
memberikan hasil yang konsisten untuk perbandingan secara grafik di atas,
membandingkan fungsi survival dengan selanjutnya akan dilakukan uji hipotesis
peubah bebas tempat tinggal (desa, kota). untuk masing-masing panjang selang pada
Bedanya panjang selang yang kecil dapat metode Life Table tersebut. Hipotesis yang
lebih teliti untuk melihat perbedaan digunakan adalah,
ketahanan antara yang bertempat tinggal di
desa dan di kota. Dari keempat macam ( ) ( )
( ) ( )
panjang selang tersebut semua menunjukkan

5
 Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor

Tabel 1 Hasil uji log rank untuk melihat perbedaan tingkat survival kelahiran anak pertama
untuk kovariat tempat tinggal

Panjang Selang df Sig.

Log Rank (Panjang
1 ,001
selang 2)
Log Rank (Panjang
1 ,001
selang 4)
Log Rank (Panjang
1 ,001
selang 8)
Log Rank (Panjang
1 ,001
selang 16)
Dengan demikian perbedaan panjang selang
Dari Tabel 1 di atas terlihat bahwa hasil
yang digunakan dalam metode Life Table
uji statistik Logrank untuk keempat panjang
tidak mempengaruhi keputusan hasil
selang pada taraf nyata 0.05 menunjukkan
analisis.
bahwa cukup signifikan untuk menolak .

Membandingkan dua kelompok data daerah tempat tinggal dalam grafik adalah
survivaldengan metode Kaplan-Meier sebagai berikut.
Hasil analisis survival menggunakan
metode Kaplan-Meier untuk peubah bebas

Gambar 2. Fungsi survival metode Kaplan-Meier untuk peubah bebas daerah tempat
tinggal

6
 Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor

Dari Gambar 2 terlihat bahwa survival itu nyata atau kebetulan saja, dengan
individu yang bertempat tinggal di desa hipotesis sebagai berikut,
berbeda dengan yang bertempat tinggal di ( ) ( )
( ) ( )
kota. Hal ini sesuai dengan hasil analisis
Hasil uji logrank berdasarkan kovariat
dengan menggunakan metode Life Table
status daerah tempat tingal disajikan dalam
sebelumnya. Selanjutnya akan dilakukan uji
tabel berikut,
hipotesis untuk melihat apakah perbedaan
Tabel 2. Hasil uji log rank untuk melihat perbedaan tingkat survival kelahiran anak pertama
kovariat tempat tinggal
df Sig.
Log Rank (Mantel-
1 ,003
Cox)

yang sama. Kelebihan metode Kaplan-Meier

Dengan taraf nyata 0.05 uji khi-
dibandingkan dengan metode Life Table
kuadratberderajad bebas 1 cukup signifikan
(pengelompokan waktu) adalah dapat
untuk menolak . Jadi dapat disimpulkan
memberikan proporsi survival yang pasti
bahwaterdapat perbedaan yang nyata antara
karena menggunakan waktu survival secara
tingkat survival kelahiran anak pertama
tepat bukan berdasarkan kelas interval.
individu yang tinggal di desa dan yang di
kota.
DAFTAR PUSTAKA
KESIMPULAN
Banerjee T. 2007. Bayesiananalysis of
Metode Kaplan-Meier danLife Table
generalizedodds-ratehazardsmodels
adalah metode non-parametrik dalam
for survival data. Lifetime Data Anal
analisis survival yang memberikan
13(5): 241-260.
keuntungan bahwa data tidak harus
mengikuti sebaran tertentu. Semakin kecil
Clark TG, Bradburn M, Altman DG. 2003.
panjang selang yang digunakan dalam
Survival Analysis Part I: basicconcept
metode Life Table memberikan hasil analisis
sand first analysis. British Journal of
yang cenderung semakin baik, walaupun
Cancer89(2): 232-238.
secara statistik dari keempat panjang selang
yang digunakan menghasilkan kesimpulan

7
 Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor

Collet D. 1994. Modelling Survival Data in

Medical Research2nd ed. London:
Chapman &Hall/CRC.

Hoon TS. 2008. UsingKaplan-Meierand Cox

RegresioninSurvivalAnalysis. Journal
ESTEEM 4(2): 3-14.

Ibrohim J. 1994. Analisis selang kelahiran

anak di Jawa Barat. Jurusan Statistika
Fakultas Matematika dan Ilmu
Pengetahuan Alam[Tesis]: Bogor (ID):
Program Pascasarjana, Institut
Pertanian Bogor.

Kaplan EL, Meier P. 1958.

NonProportionalEstimationfromIncom
pletObservation. Journal of The
AmericalStatistical Association (53):
457-481.

Lee ET. 1992. StatisticalMethods for

Survival data Analysis. 2nd ed. New
York: A WileyInterscience
Publication.

Lidyaningsih Y. 2006. Penerapan analisis

regresi logistik dan analisis survival
pada masa laktasi wanita Indonesia
[Tesis]. Bogor (ID): Program
Pascasarjana, Institut Pertanian Bogor

8
Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival untuk Data
Tersensor