REGRESI COX

PENGANTAR
Model regresi Cox atau biasa juga disebut Cox’s proportional hazard merupakan analisis
peubah ganda dalam daya tahan hidup. Model ini digunakan untuk menganalisis ketahanan
hidup individu dengan karakteristik yang selama penelitian dalam keadaan tetap.

KASUS:
Ingin diketahui faktor apa saja yang mempengaruhi lama pemberian ASI eksklusif pada ibu
bekerja. Untuk itu, diambil sampel sebanyak 15 ibu bekerja, yang kemudian dicatat
karakteristiknya yaitu:

lama pemberian ASI eksklusif (bulan)

status sensor:
 tersensor (1) bila pada saat pencacahan masih memberikan ASI eksklusif
 tidak tersensor (0) bila pada saat pencacahan sudah berhenti memberikan ASI
eksklusif

sektor pekerjaan ibu: (1) formal dan (2) informal

umur ibu saat melahirkan: (1) < 30 tahun dan (2) ≥ 30 tahun

pendidikan ibu: (1) ≤ pendidikan dasar, (2) pendidikan menengah dan (3) pendidikan
tinggi
No. Lama Status Sensor Sektor Umur Pendidikan
ASI Pekerjaan Melahirkan
Eksklusif
1. 6 tersensor informal <30 th ≤ p dasar
2. 2 tidak tersensor formal ≥30 th ≤ p dasar
3. 1 tidak tersensor formal <30 th p menengah
4. 2 tidak tersensor formal <30 th p menengah
5. 5 tidak tersensor informal ≥30 th p menengah
6. 6 tidak tersensor informal ≥30 th ≤ p dasar
7. 7 tidak tersensor informal ≥30 th ≤ p dasar
8. 1 tidak tersensor formal <30 th p tinggi
9. 4 tersensor informal ≥30 th p tinggi
10. 1 tersensor formal ≥30 th p tinggi
11. 7 tidak tersensor informal ≥30 th p menengah
12. 8 tidak tersensor informal <30 th ≤ p dasar
13. 5 tidak tersensor informal ≥30 th p tinggi
14. 1 tidak tersensor formal <30 th p menengah
15. 2 tidak tersensor formal <30 th p tinggi
Dari data tersebut akan diuji karakteristik mana saja yang mempengaruhi lama pemberian
ASI eksklusif.
LANGKAH:

Masukkan data

Dari menu Analyze, pilih submenu Survival – Cox Regression...
Tampak di layar:

Pengisian:
- Time: masukkan lama pemberian ASI eksklusif
- Status: masukkan status tersensor, lalu klik Define Event…

Pilih Single value dan masukkan angka 0 yang mengindikasikan status tidak
tersensor. Lalu klik Continue.
- Covariates: masukkan ketiga karakteristik ibu (sektor pekerjaan, umur dan
pendidikan) lalu klik Categorical...

Pindahkan ketiga karakteristik tersebut ke kolom sebelah kanan, karena ketiga

karakteristik tersebut merupakan data kategorik. Kemudian klik Continue.
Selanjutnya klik Plots...

Pada Plot Type, pilih Survival dan Hazard. Kemudian pindahkan sektor pekerjaan
ke kolom sebelah kanan, klik Continue.
- Method: pilih Forward LR
Kemudian klik OK
OUTPUT:
Cox Regression
Case Processing Summary

N Percent
Cases available Eventa 12 80.0%
in analysis Censored 3 20.0%
Total 15 100.0%
Cases dropped Cases with missing
0 .0%
values
Cases with negative time 0 .0%
Censored cases before
the earliest event in a 0 .0%
stratum
Total
0 .0%

Total 15 100.0%
a. Dependent Variable: lama ASI eksklusif (bulan)

Tabel di atas menunjukkan jumlah observasi yang tersensor dan tidak tersensor. Terlihat
bahwa dari data yang tadi kita masukkan terdapat 3 amatan tersensor dan 12 amatan
tidak tersensor.

Categorical Variable Codingsb,c,d

Frequency (1) (2)

sektor_krja 1=formal 7 1
2=informal 8 0
umur_ibua 1=<30 th 7 1
2=>=30 th 8 0
pddkn_ibua 1=<= pendidikan dasar 5 1 0
2=pendidikan menengah 5 0 1
3=pendidikan tinggi 5 0 0
a. Indicator Parameter Coding
b. Category variable: sektor_krj (sektor pekerjaan ibu)
c. Category variable: umur_ibu (umur ibu saat melahirkan)
d. Category variable: pddkn_ibu (pendidikan ibu)

Tabel di atas menunjukkan persebaran data berdasarkan kategori.

Block 0: Beginning Block
Variables not in the Equationa

Score df Sig.
sektor_krj 10.660 1 .001
umur_ibu .299 1 .584
pddkn_ibu 2.783 2 .249
pddkn_ibu(1) 2.782 1 .095
pddkn_ibu(2) 1.337 1 .248
a. Residual Chi Square = 11.816 with 4 df Sig. = .019

Variabel dengan skor terbesar dan signifikansi paling kecil adalah yang pertama kali
masuk dalam model. Sektor pekerjaan mempunyai skor terbesar dan signifikansi paling
kecil sehingga menjadi variabel pertama yang masuk ke model.

Block 1: Method = Forward Stepwise (Likelihood Ratio)

Iteration Historyb

-2 Log Coefficient
a
Likelihood sektor_krj
Step 1 34.946 2.819
1 2 34.096 3.947
3 33.819 4.990
a. Beginning Block Number 0, initial Log
Likelihood function: -2 Log likelihood: 46.033
b. At least one coefficient is tending to infinity
after 3 iterations

b
Omnibus Tests of Model Coefficients

-2 Log Overall (score) Change From Previous Step Change From Previous Block
Step Likelihood Chi-square df Sig. Chi-square df Sig. Chi-square df Sig.
1a 33.819 10.660 1 .001 12.214 1 .000 12.214 1 .000
a. Variable(s) Entered at Step Number 1: sektor_krj
b. Beginning Block Number 1. Method = Forward Stepwise (Likelihood Ratio)

Omnibus Tests of Model Coefficients memperlihatkan pengujian parameter secara

simultan dengan hipotesis:
H 0 : β 1 = β 2 = β 3 = 0 , artinya tidak ada pengaruh antara peubah penjelas dan
peubah respon.
H 1 : minimal ada satu β j ≠ 0 , artinya minimal ada satu peubah penjelas yang

berpengaruh terhadap peubah respon.

Statistik uji yang dipakai adalah Likelihood Ratio:
χ 2 = −2[ln L p −r − ln L p ]
 dimana Lp adalah likelihood dengan p peubah dalam model lengkap, dan Lp-r adalah
likelihood dengan r peubah yang dihilangkan dari model. Statistik ini mengikuti sebaran
Chi-Square ( khi-kuadrat). H0 ditolak jika > atau bila nilai signifikansinya kurang dari
α.
Dari step 1 terlihat bahwa nilai signifikansinya sebesar 0,001 sehingga dapat
disimpulkan bahwa minimal ada satu karakteristik ibu bekerja yang mempengaruhi
lama pemberian ASI eksklusif.

Variables in the Equation

B SE Wald df Sig. Exp(B)

Step 1 sektor_krj 4.990 3.639 1.880 1 .170 146.881

Variables not in the Equationa

Score df Sig.
Step umur_ibu .236 1 .627
1 pddkn_ibu 1.399 2 .497
pddkn_ibu(1) 1.390 1 .238
pddkn_ibu(2) .685 1 .408
a. Residual Chi Square = 1.897 with 3 df Sig. = .594

Covariate Means

Mean
sektor_krj .467
umur_ibu .467
pddkn_ibu(1) .333
pddkn_ibu(2) .333

Uji Wald dilakukan untuk menguji parameter secara parsial. Dari tabel Variables in the
Equation terlihat signifikansi dari variabel sektor pekerjaan adalah sebesar 0,17, berarti
signifikan pada α=20%. Angka ini sebenarnya terlalu besar, sebaiknya α tidak melebihi
10%.

Model regresi Cox yang didapat:
hˆ(t , x) = h0 (t )e 4,990 sektor _ krj

Dari nilai exp( β̂ ) diketahui bahwa risiko berhenti memberikan ASI eksklusif pada ibu
yang bekerja di sektor formal adalah 146,881 kali lebih besar dibandingkan ibu yang
bekerja di sektor informal.
 Survival Function at mean of covariates

1.0

0.8
Cum Survival

0.6

0.4

0.2

0.0

0 2 4 6 8

lama ASI eksklusif (bulan)

Dari kurva ketahanan di atas terlihat bahwa pada awal periode, ketahanan memberikan
ASI eksklusif pada ibu bekerja masih tinggi dan seiring dengan bertambahnya waktu
menjadi menurun.

Survival Function for patterns 1 - 2

1.0 sektor pekerjaan ibu

formal
informal

0.8
Cum Survival

0.6

0.4

0.2

0.0

0 2 4 6 8

lama ASI eksklusif (bulan)

Kurva ketahanan sektor informal terletak di atas kurva sektor formal. Ini berarti peluang
ketahanan pemberian ASI eksklusif pada ibu yang bekerja di sektor informal lebih tinggi
dibanding ibu yang bekerja di sektor formal.
 Hazard Function at mean of covariates

20

15
Cum Hazard

10

1 2 3 4 5 6 7

lama ASI eksklusif (bulan)

Dari kurva hazard di atas terlihat bahwa peluang berhenti memberikan ASI eksklusif pada
ibu bekerja pada awal periode masih rendah dan terus naik seiring dengan bertambahnya
waktu.

Hazard Function for patterns 1 - 2

250 sektor pekerjaan ibu

formal
informal

200
Cum Hazard

150

100

50

1 2 3 4 5 6 7

lama ASI eksklusif (bulan)


Kurva hazard sektor formal terletak di atas kurva sektor informal. Ini berarti peluang
berhenti memberikan ASI eksklusif pada ibu yang bekerja di sektor formal lebih besar
dibanding ibu yang bekerja di sektor informal.