Penjelasan Algoritma
2. Data yang digunakan adalah hasil penelitian mengenai waktu seorang pengangguran
sampai mendapat pekerjaan. Variabel-variabel yang akan digunakan hanya terbatas pada
‘spell’, ‘event’, ‘ui’. ‘Spell’ adalah waktu subjek penelitian sampai mendapat pekerjaan,
‘event’ menyatakan seseorang mendapat pekerjaan/tidak sampai akhir waktu penelitian,
‘ui’ menyatakan ada/tidaknya asuransi untuk pengangguran/unemployment insurance
yang dimiliki subjek penelitian, dimana ‘ui’ merupakan variabel bebas dalam penelitian.
3.‘Panggil’ variabel-variabel yang diperlukan dari data dan inisiasi variabel ‘spell’, ‘event’,
‘ui’ ke variabel ‘my_data’ (baris 4 dan 5), dalam hal ini hanya variabel ‘ui’ akan
digunakan untuk mengkategorikan kurva survival subjek penelitian. Ubah header kolom
(baris 6), panggil dan tampilkan ‘my_data’ (baris 7)
Outputnya:
Outputnya:
2. ‘Panggil’ dan tampilkan nilai survival (baris 15). Plot kurva fungsi survival yang
didapat dengan cara Kaplan-Meier (baris 16)
Algoritma di atas ditulis di lembar kerja berbeda dengan lembar kerja utama
2. Selanjutnya akan dicari nilai dari kumulatif hazard menggunakan metode Nelson Aalen.
Inisiasi vektor kosong untuk menjadi tempat output nilai kumulatif harzard (baris 26).
Jumlahkan ‘fungsihazard’ dari indeks 1 sampai indeks ke-i (baris 27 dan 28). Panggil
dan tampilkan hasil dari proses tersebut (baris 29).
Grafik kumulatif Hazard Nelson-Aalen di atas mengalami kenaikan yang tidak terlalu
jauh (tidak berbeda jauh dari grafik kumulatif Kaplan-Meier*, akan divisualisasikan
dengan grafik), artinya nilai kumulatif Hazard dari fungsi tersebut berdasarkan metode
NA juga tidak memiliki perbedaan laju yang signifikan.
Output:
*Sebelumnya, dikatakan bahwa grafik kumulatif hazard dengan metode KM tidak berbeda jauh
dengan metode NA, yaitu kenaikannya tidak terlalu signifikan. Grafik di atas menggambarkan
perbandingan dari kedua metode tersebut. Dapat dilihat bahwa kumulatif hazard dari metode
Kaplan-Meier dan Nelson-Aalen tidak memiliki perbedaan yang jauh sehingga dapat
menggunakan metode yang mana saja.
Nonparametrik
Variabel respon yang digunakan adalah objek survival, dalam hal ini ‘time’ dan ‘event’, serta
variabel penjelas yang digunakan adalah ‘ui’, yaitu unemployment insurance. Pada algoritma
di bawah ini, ‘ui’ diganti menjadi ‘unemployment_insurance’. Karena
‘unemployment_insurance’ adalah data berupa bilangan bulat 0 dan 1 (0 untuk yang tidak
memiliki, dan 1 untuk yang memiliki), maka perlu diubah terlebih dahulu menjadi faktor.
Berikut code dan output dari dataset baru, new_data, dengan unemployment_insurance sebagai
faktor.
2. Untuk memplot kurva dari fungsi hazard dengan model distribusi Weibull, digunakan
code sebagai berikut
Output:
Pada grafik di atas, dapat dilihat bahwa nilai hazard untuk keduanya cenderung konstan.
Artinya, seiring berjalannya waktu, laju pengangguran mendapat pekerjaan (hazard rate
nya) tidak memiliki perbedaan yang signifikan.
3. Untuk mendapatkan grafik fungsi kumulatif hazard dengan model distribusi weibull
digunakan code sebagai berikut
Output:
Pada grafik di atas, dapat
dilihat bahwa nilai kumulatif
hazard untuk keduanya
cenderung naik secara
konstan. Artinya, seiring
berjalannya waktu,
pertambahan pengangguran
mendapat pekerjaan (hazard
rate nya) tidak memiliki
perbedaan yang signifikan.
Terlihat bahwa 294 orang mendapatkan pekerjaan ( mengalami event of interest ) 1 minggu
sejak studi dilakukan, dan 5 orang mendapatkan pekerjaan 27 minggu sejak studi dilakukan
dan masih ada 33 orang yang belum mendapatkan perkejaan sesudah waktu itu. Taksiran fungsi
survival diberikan dalam kolom “survival”.
Terlihat sebanyak 91,2% orang belum mendapatkan perkerjaan 1 minggu setelah studi
dilakukan. Dapat dilihat bahwa sebanyak 49,5% orang belum mendapatkan pekerjaan 15
minggu setelah studi dilakukan, atau dapat dinyatakan bahwa peluang untuk survive ( Tidak
mendapatkan pekerjaan ) hingga minggu ke 15 adalah 0,495. Artinya, lebih dari setengah dari
sampel yang diamati sudah mendapatkan pekerjaan 15 minggu setelah studi dilakukan. Terlihat
juga pada akhir masa studi, yaitu 27 minggu, sebanyak 31% orang belum mendapatkan
perkerjaan. Artinya, peluang seseorang masih belum mendapatkan pekerjaan hingga minggu
ke 27 adalah 0,31.
Bagaimana jika ingin diketahui efek adanya unemployment insurance ? Apakah orang
yang memiliki unemployment insurance akan lebih mudah untuk mendapatkan pekerjaan atau
justru sebaliknya ? Untuk menyelidiki hubungan ini, pembentukan fungsi survival harus
dibedakan, berdasarkan ada tidaknya unemployment insurance. Berikut diberikan tabel
estimasi fungsi survival kaplan meier berdasarkan ada tidaknya unemployment insurance.
Diberikan pula visualisasi ( Grafik ) dari data pada tabel diatas
Dari Grafik terlihat jelas bahwa orang yang memiliki unemployment insurance memiliki
kesempatan yang lebih besar untuk tidak mengalami event of interest dalam hal ini adalah tidak
mendapatkan pekerjaan. Artinya, seseorang yang tidak memiliki unemployment insurance akan
lebih mudah untuk mendapatkan perkerjaan dibandingkan orang yang memiliki unemployment
insurance.
Terlihat bahwa lebih dari 50% orang yang tidak mempunyai unemployment insurance
sudah mendapatkan perkerjaan 9 minggu setelah studi dilakukan, sementara pada saat yang
sama baru sekitar 27% orang yang memiliki unemployment insurance sudah mendapatkan
perkerjaan. Pada akhir masa studi, peluang seorang yang tidak memiliki unemployment
insurance belum mendapatkan pekerjaan hingga minggu ke 27 adalah sekitar 0,25 sedangkan
peluang seorang yang memiliki unemployment insurance belum mendapatkan pekerjaan
hingga minggu ke 27 adalah sekitar 0,35. Berdasarkan analisa data diatas, akan disarankan
untuk tidak memiliki unemployment insurance apabila ingin memiliki peluang yang lebih
tinggi untuk mendapatkan pekerjaan.