ANALISIS SURVIVAL DENGAN MENGGUNAKAN METODE KAPLAN

MEIER PADA PENDERITA PENYAKIT DEMAM BERDARAH DENGUE

(DBD) DI RUMAH SAKIT UMUM LASINRANG KAB. PINRANG

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Meraih Gelar Sarjana Matematika
Jurusan Matematika pada Fakultas Sains dan Teknologi
Universitas Islam Negeri (UIN) Alauddin Makassar

Oleh:

MUHALKI
NIM. 60600116085

JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI ALAUDDIN MAKASSAR
 PERNYATAAN KEASLIAN SKRIPSI

Mahasiswa yang bertanda tangan dibawah ini:

Nama : Muhalki

NIM : 60600116085

Tempat/Tanggal Lahir : Pinrang, 11 Januari 1998

Jurusan/Konsentrasi : Matematika/Keuangan

Fakultas/Program : Sains dan Teknologi/S1

Judul : Analisis Survival Dengan Mengunakan Metode

Kaplan Meier Pada Penderita Penyakit Demam

Berdarah Dengue (DBD) Dirumah Sakit Umum

Lasinrang Kab. Pinrang

Menyatakan dengan sesungguhnya dan penuh kesadaran bahwa skripsi ini

benar adalah hasil karya sendiri. Jika dikemudian hari terbukti bahwa ia merupakan

duplikat, tiruan, plagiat atau dibuat oleh orang lain, sebagian atau seluruhnya, maka

skripsi dan gelar yang diperoleh karenanya batal demi hukum.

Samata, 30 Januari 2021

Penulis

Muhalki
60600116085

ii
 MOTTO DAN PERSEMBAHAN

MOTTO
“Tertinggal Selangkah Dua Langkah Bukan Masalah, Selalu Ada Kesempatan
Untuk Mengejar, Masing-masing Dari Kita Memiliki Waktunya Untuk
Bersinar.”

(Muhalki, 2021)

PERSEMBAHAN
Yang utama dari segalanya, Puji syukur senantiasa penulis panjatakan kepada
Allah SWT yang telah memberikan kekuatan dan karunia berupa kesehatan dan
kesempatan sehingga skripsi ini terselesai dengan baik. Sholawat dan salam juga tak
lupa selalu terlimpahkan keharibaan Rasulullah SAW.

Untukmu, Ibu dan Bapak tercinta.

Sebagai tanda bukti hormat, dan rasa terima kasih yang tiada terhingga
Muhalki persembahkan karya kecil ini untuk Ibunda Jinara Binti Maritangnga dan
Ayahanda Kuddung Bin Male yang telah memberikan kasih sayang, dukungan dan
cinta kasih serta setiap do’a dan kesabaran semata-mata untuk anakmu ini. Semoga
segala apa yang saya usahakan selama lebih 4 tahun belakanagan ini dapat
memberikan kebanggaan tersendiri untukmu, Ibu Bapakku. Amin Yarobbal
Alamin…

Dari Aku, Anakmu.

iii
 KATA PENGANTAR

Dengan mengucap Alhamdulillah, suatu bentuk syukur penulis kepada Allah

SWT. yang Maha Pengasih lagi Maha Penyayang yang senantiasa melimpahkan

rahmat, hidayah, serta inayah-Nya sehingga penulis dapat menyelesaikan skripsi

dengan judul “Analisis Survival Dengan Menggunakan Metode Kaplan Meier Pada

Penderita Penyakit Demam Berdarah Dengue (DBD) Di Rumah Sakit Umum Lasinrang

Kab. Pinrang”. Serta, shalawat dan salam kami curahkan kepada baginda Rasulullah

Muhammad SAW. Suri tauladan yang sempurna bagi seluruh umat Islam. Shalawat

dan salam pula kami haturkan kepada istri-istri beliau, keluarga, sahabat, tabi’in,

tabi’ut-tabi’in serta para pengikutnya yang senantiasa istiqamah dijalan-Nya.

Skripsi ini disusun sebagai salah satu syarat akademik dalam menyelesaikan

study (S1) Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam

Negeri Alauddin Makassar. Skripsi ini disusun dengan usaha yang sungguh-sungguh

dari penulis, dengan mengerahkan semua ilmu yang telah diperoleh selama proses

perkuliahan. Banyak kesulitan yang penulis hadapi selama proses penyusunan

skripsi. Namun, berkat bantuan dari berbagai pihak serta kekuatan doa yang tiada

hentinya terutama dari kedua orang tua saya, dengan rasa keikhlasan dari ketulusan

hati yang paling dalam dan dengan rasa hormat mengucapkan terima kasih yang

tiada henti-hentinya, penulis sampaikan kepada Ibunda Jinara Binti Maritangnga

serta Ayahanda Kuddung Bin Male yang setiap saat dengan cucuran keringat dan

iv
nafas do’anya. Semoga dengan karya kecil ini dapat menjadi langkah awal yang

baik, Amin.

Tanpa adanya bantuan, bimbingan, dan dukungan dari berbagai pihak penulis

tidak akan bisa menyelesaikan skripsi ini. Sehingga, pada kesempatan ini penulis

ingin mengucapkan terima kasih dan penghargaan yang setinggi-tingginya, kepada:

1. Bapak Prof. Drs. Hamdan Juhannis M.A, Ph.D, selaku Rektor Universitas

Islam Negeri (UIN) Alauddin Makassar

2. Bapak Prof. Dr. Muhammad Halifah Mustami, M.Pd, selaku Dekan Fakultas

Sains dan Teknologi Universitas Islam Negeri Alauddin Makassar, para wakil

dekan, dosen pengajar serta seluruh staf/pegawai atas bantuannya selama penulis

mengikuti pendidikan di Fakultas Sains dan Teknologi Universitas Islam Negeri

Alauddin Makassar.

3. Ibu Wahidah Alwi, S.Si., M.Si, selaku Ketua Jurusan Matematika Fakultas

Sains dan Teknologi Universitas Islam Negeri Alauddin Makassar beserta

seluruh dosen pengajar dan staf jurusan, atas segala bantuannya kepada penulis.

4. Bapak Adnan Sauddi, S.Pd., M.Si, selaku pembimbing I yang telah bersedia

meluangkan waktu, tenaga, dan pikiran serta memberikan motivasi, arahan dan

saran yang sangat bermanfaat dalam proses penyusunan skripsi ini.

5. Bapak M. Ichsan Nawawi, S.Pd., M.Si, selaku pembimbing II yang juga telah

bersedia meluangkan waktu, tenaga, dan pikiran serta memberikan motivasi,

arahan dan saran yang sangat bermanfaat dalam proses penyusunan skripsi ini.

v
6. Tim Penguji Ibu Wahidah Alwi, S.Si., M.Si selaku Penguji I dan Ibu Dr. Hj.

Rahmi Damis, M.Ag selaku Penguji II atas bimbingan dan sarannya dalam

penyusunan skripsi ini.

7. Seluruh dosen, staf dan karyawan Fakultas Sains dan Teknologi Universitas

Islam Negeri Alauddin Makassar yang telah banyak memberikan sumbangsinya.

8. Keluarga besar saya “Kuddung Generation” yang selalu memberikan doa dan

dukungan sehingga dapat menyelesaikan Skripsi ini.

9. Untuk Kakakku “Fatma” dan “Sarina” yang senantiasa mengirimkan uang SPP.

Ingin kusampaikan bahwa terhitung semester depan anda tidak harus melakukan

hal demikian lagi.

10. Untuk Kakakku “Darmi, Sunari dan Tamsir” terimah kasih untuk dukungan

moril selama adik bungsu mu ini menjadi mahasiswa.

11. Teman-teman “Batas Wajar” yang selalu menemani selama perkuliahan sampai

saat akhir-akhir pengurusan skripsi ini.

12. Sahabat saya “Rasdiana Rasyid, Arafah, Dhea Resky Amalia Mursyid,

Ummu Kalsum, Brins Leonard, Safwan Pratama Bahcmid” yang selalu siaga

membantu dalam penyusunan skripsi ini dan selalu memberi wejaan.

13. Untuk “Siluman’s Exact2” yang tidak ada sangkut-pautnya dalam penyususnan

skripsi ini, tapi menjadi moodboster dan punya andil besar dalam mengisi waktu

luang diantara penatnya permasalahan.

vi
14. Teman-teman sejawat “TR16ONOMETRI” teman seperjuangan dari awal

perkuliahan hingga saat ini terima kasih atas doa, semangat, serta dukungan yang

telah diberikan.

15. Kepada semua pihak yang telah memberikan bantuan baik dalam bentuk apapun

itu penulis mengucapkan terima kasih atas partisipasinya dalam proses

penyelesaian sskripsi ini.

Semoga amal kebaikan yang telah diberikan mendapat balasan, pahala dan

rahmat dari Allah SWT. Akhir kata, semoga skripsi ini dapat bermanfaat bagi penulis

khususnya dan rekan-rekan Jurusan Matematika serta pembaca pada umumnya.

Samata, 30 januari 2021

Penulis

Muhalki
60600116085

vii
 DAFTAR ISI

HALAMAN SAMPUL

PERNYATAAN KEASLIAN SKRIPSI.......................................................ii

LEMBAR PENGESAHAN........................................................................... iii

MOTTO DAN PERSEMBAHAN.................................................................iv

KATA PENGANTAR.....................................................................................v

DAFTAR ISI....................................................................................................viii

DAFTAR TABEL............................................................................................x

DAFTAR GAMBAR.......................................................................................xi

ABSTRAK.......................................................................................................xii

ABSTRACT ....................................................................................................xiii

BAB I. PENDAHULUAN..............................................................................1

A. Latar Belakang.....................................................................................1

B. Rumusan Masalah................................................................................4

C. Tujuan Penelitian.................................................................................4

D. Manfaat penelitian................................................................................5

E. Batasan Masalah...................................................................................5

F. Sistematika Penulisan...........................................................................5

BAB II. TINJAUAN PUSTAKA...................................................................7

A. Tabel Kontingensi................................................................................7

viii
 B. Analisis Survival..................................................................................7

C. Penyensoran.........................................................................................8

D. Fungsi-fungsi Dalam Analisis Survival...............................................9

E. Kaplan Meier........................................................................................13

F. Penyakit Demam Berdarah Dengue.....................................................18

BAB III. METODOLOGI PENELITIAN...................................................21

A. Jenis Penelitian.....................................................................................21

B. Jenis dan Sumber Data.........................................................................21

C. Waktu dan Tempat Penelitian..............................................................21

D. Variabel penelitian...............................................................................21

E. Definisi Operasional Variabel..............................................................21

F. Tahapan Analisis..................................................................................22

BAB IV. HASIL DAN PEMBAHASAN.......................................................24

A. Hasil Penelitian....................................................................................24

B. Pembahasan..........................................................................................30

BAB V. PENUTUP.........................................................................................32

A. Kesimpulan..........................................................................................32

B. Saran.....................................................................................................32

DAFTAR PUSTAKA....................................................................................33

LAMPIRAN

BIOGRAFI

ix
 DAFTAR TABEL

Tabel 4.1 Statistika deskriptif data tahun 2018-2019

Tabel 4.2 Jumlah pasien berdasarkan waktu perawatan dengan kategori umur

Tabel 4.3 Jumlah pasien berdasarkan status dengan kategori umur

Tabel 4.4 Estimasi peluang kematian individu pada tahun 2018-2019

Tabel 4.5 Estimasi fungsi ketahanan hidup individu pada tahun 2018-2019

x
 DAFTAR GAMBAR

Gambar 4.1 Estimasi peluang kematian individu pada tahun 2018-2019

Gambar 4.2 Estimasi fungsi ketahanan hidup individu tahun 2018-2019

xi
 ABSTRAK

Nama : Muhalki
NIM : 60600116085
Judul : Analisis Survival Dengan Menggunakan Metode Kaplan

Meier Pada Penderita Penyakit Demam Berdarah Dengue

(DBD) Di Rumah Sakit Umum Lasnrang Kab. Pinrang

Penelitian ini membahas tentang metode Kaplan Meier digunakan untuk

mengetahui seberapa besar peluang bertahan hidup seseorang yang menderita
penyakit DBD. Tujuan penelitian ini untuk mengetahui hubungan antara usia
terhadap lama perawatan dan status pasien kemudian peluang kelangsungan hidup
pasien DBD menggunakan metode Kaplan meier di RSUD Lasinrang Kab. Pinrang.
Hasil penelitian menunjukkan bahwa tidak terdapat hubungan usia dan lama
perawatan serta status pasien DBD di RSUD Lasinnrang Kab. Pinrang. Peluang
ketahanan hidup pasien penyakit DBD sebelum ada pasien yang meninggal adalah
100%. Namun, peluang ketahanan hidup pasien setelah terdapat 1 pasien yang
meninggal selama pengamatan yaitu sebesar 99,1%.

Kata kunci: Analisis survival, Kaplan meier, DBD.

ABSTRACT

xii
Nama : Muhalki
NIM : 60600116085
Judul : Analisis Survival Dengan Menggunakan Metode Kaplan

Meier Pada Penderita Penyakit Demam Berdarah Dengue

(DBD) Di Rumah Sakit Umum Lasnrang Kab. Pinrang

This research discussed the method of Kaplan Meier which is used to find out
how big the chances of survival of someone suffering from DBD disease. Aims of
this study were to find out the correlation between age and tength of patient
treatment, the correlation between age and patient at RSUD Lasinrang Kab. Pinrang
by using Kaplan Meier method. The result of analysis and discussion showed that
there was no correlation between age and length of patient treatment, as well the
correlation between age and patient status of DBD patient at RSUD Lasinrang Kab.
Pinrang by using Kaplan Meier method, the survival probability of the patient before
a patient dies is 100%, However it will decrease to 99,1% after a patient dies during
observation.

Kata kunci: Survival Analysis, Kaplan meier, DBD.

xiii
 BAB I

PENDAHULUAN

A. Latar Belakang

DBD menjadi penyakit langganan disetiap tahunnya di Indonesia. Di Provinsi

Sulawesi Selatan sendiri telah terhitung 2.1221 kasus DBD. Kecederungan mening

katnya penyakit ini disebabkan beberapa faktor seperti lingkungan yang kotor, mu

sim penghujan yang menyebabkan banyak genangan air, countainer, dan musim p

ancaroba yang mengakibatkan udara menjadi lembab sehingga menyebabkan popu

lasi nyamuk meningkat khususnya nyamuk Aedes aegypti yang menyebarkan viru

s dengue sebagai penyebab DBD.

Penderita penyakit DBD melakukan upaya pengobatan untuk tetap bertahan,

seperti halnya mengkonsumsi obat penurun demam, mengkonsumsi vitamin agar d

aya imun tubuh menjadi lebih kuat, dan tidak mengkonsumsi obat nyeri karena aka

n memperparah kondisi. Selain dari upaya yang bersifat eksternal yang terpenting

adalah upaya yang bersifat internal seperti beristirahat yang cukup, minum banyak

air (cairan) dan dibutuhkan dorongan dalam diri sendiri untuk sembuh (terus berju

ang untuk bertahan) dan meyakinkan dalam diri bahwa semua penyakit ada obatny

a dan Tuhan sendiri akan memberikan kesembuhan sebagaimana firman-Nya dala

m QS asy-Syu’ara/26: 80:

1
Badan Pusat Statistik Provinsi Sulawesi Selatan. Provinsi Sulawesi Selatan dalam Angka 20
19. ISSN: 025-2290

1
 2

    

Terjemahnya:

“Dan apabila aku sakit, Dialah yang menyembuhkan aku”2

“Imam Jamaluddin al-Qasimi dalam tafsirnya menguraikan bahwa ayat ini m

enggambarkan tata susila seorang hamba Allah kepada khaliknya. Sebab penyakit

itu kadang-kadang akibat dari perbuatan manusia sendiri, umpamanya disebabkan

oleh pelanggaran terhadap norma-norma kesehatan, atau pola hidup sehari-hari, m

aka serangan penyakit terhadap tubuh tidak dapat dielakkan. Sebaliknya yang berh

ak menyembuhkan penyakit adalah Allah semata. Bila orang sakit merasakan yang

demikian waktu iya menderita sakit, maka iya akan menghayati benar nikmat-nik

mat Allah setelah ia sembuh dari penyakit tersebut. Kenyataan memang membukti

kan, kebanyakan manusia terserang penyakit disebabkan kurang memperhatikan n

orma-norma kesehatan yang berlaku.”

Allah akan menyembuhkan penyakit apa saja yang diderita oleh seseorang yan

g menerima beberapa sebab (kesembuhan) seperti obat, begitu pula dengan seseora

ng yang didiagnosa menderita penyakit DBD, dia harus senantiasa berusaha untuk

melakukan pengobatan dan meminta kesembhan kepada Allah agar mampu

bertahan dari pennyakit yang dialami untuk sampai pada kondisi sembuh. Sesungg

uhnya Allah sekali lagi tidak akan memberikan kesembuhan sebagai sebuah anuge

rah hingga kaum itu sendiri yang berusaha dan mengupayakan kesembuhan pada d

iri mereka sendri.

2
Departemen Agama RI. Al Hikma Al-Qur’an dan Terjemahnya (Bandung: Diponegoro, 201
5), h. 370
 3

Ketika seseorang dinyatakan menderita suatu penyakit hanya akan ada 2

kemungkinan yang biasa terjadi yaitu sembuh (hidup) dan meninggal dunia. Untuk

dapat mengtahui peluang apakah seseorang yang telah menderita suatu penyakit

dapat tetap bertahan atau tidak, dikenal istilah dalam bidang statistik yaitu analisis

survival, dimana akan dilakukan analisis data berupa waktu tahan hidup dan

varibel yang dapat mempengaruhi terhadap waktu tahan tersesebut, dimana waktu

dapat berupa bulan, hari, jam maupun menit yang diukur sejak awal pengamatan

sampai munculnya suatu kejadian. Adapun metode yang memiliki kesimanbungan

dengan analisis survival, dimana metode tersebut dapat digunakan untuk

menangani data tak lengkap dalam melakukan analisis data survival dari fungsi

tahan hidup, yaitu metode Kaplan Meier.

Metode Kaplan-Meier merupakan metode yang sering digunakan oleh peneliti

seperti halnya Rosmayanti (2016) yang kesimpulannya dalam menghitung peluang

kelangsungan hidup penderita penyakit jantung ditahun 2014 sebesar 92,3% dan di

tahun 2015 sebesar 93,4% ini menandakan bahwa peluang berthan hidup yang dim

iliki besar, Rahmat Hidayat (2016) yang melakukan perbandingan dengan

menggunakan Metode Kaplan Meier dan Life Table untuk data tersensor yang

menghasilkan kesimpulan bahwa penggunaan Metode Kaplan Meier lebih baik

dari pada Life Table karena Metode Kaplan Meier memberikan proporsi survival

yang pasti karena menggunakan waktu survival secara tepat bukan berdasarkan

kelas interval.
 4

Metode Kaplan Meier ini juga dapat digunakan untuk sampel yang kecil, seda

ng dan besar. Sehinggal hal ini melatar belakangi penulis tertarik untuk mengambil

tema penelitian “Analisis Survival dengan Menggunakan Metode Kaplan-Meier pa

da Penderita Penyakit DBD Di Rumah Sakit Umum Lasinrang Kab. Pinrang”.

B. Rumusan Masalah

Berdasaarkan latar belakang yang telah diuraikan di atas, maka didapatkan rum

usan masalah yaitu Berapa besar peluang kelangsungan hidup (survive) penderita

penyakit DBD di RSUD Lasinrang Kab. Pinrang?

C. Tujuan Penelitian

Adapun tujuan penelitian ini sebagai berikut:

1. Untuk mengetahui hubungan umur terhadap waktu perawatan pasien dan

umur terhadap status pasien

2. Untuk mengtahui berapa besar peluang kelangsungan hidup (survive) penderit

a penyakit DBD dengan menggunakan metode Kaplan-Meier di RSUD Lasinr

ang Kab. Pinrang

 5

D. Manfaat Penelitian

Adapun manfaat penelitian ini adalah :

1. Bagi Penulis

Sebagai pengaplikasian ilmu pengetahuan yang telah dipelajari mengenai mat

ematika terkhususnya pada bidang kesehatan dalam melakukan analisis surviv

al untuk kasus kelangsungan hidup penderita penyakit DBD.

2. Bagi Pembaca

Dapat mengetahui proses dan hasil dari penaksiran probabilitas kelangsungan

hidup penderita penyakit DBD sehingga dapat memberikan masukan serta pen

getahuan baru untuk menambah wawasan pengetahuan.

E. Batas Penelitian

Dalam penelitian ini berfokus menghitung peluang kelangsungan hidup pende

rita penyakit DBD dengan mengunakan metode Kaplan-Meier di RSUD Lasinran

g Kab. Pinrang di tahun 2018-2019.

F. Sistematika Penulisan

Untuk memberikan kemudahan dalam melakukan pemahaman dalam penelit

ian ini, maka diberikan sistematika dalam penelitian ini sebagai berikut:

BAB I PENDAHULUAN

Bagian ini berisikan latar belakang, rumusan masalah, tujuan penelitian, man

faat penelitian, batasan masalah dan sistematika penulisan.

 6

BAB II TINJAUAN PUSTAKA

Bagian ini berisikan teori-teori yang akan digunakan sebagai acuan kerangka

berfikir dalam menganalisis masalah yang akan diteliti dan juga teori yang berkai

tan dengan judul dalam penelitian ini.

BAB III METODOLOGI PENELITIAN

Bagian ini berisikan jenis penelitian, sumber data, waktu dan tempat peneliti

an, variable dan definisi oprasional variable, dan proses analisis data.

BAB IV HASIL DAN PAMBAHASAN

Pada bagian ini memaparkan hasil dan pembahasan yang diperoleh dari

penelitian yang telah dilakukan. Hasil yang diperoleh pada penelitian ini

merupakan hasil analisis menggunakan Program R.

BAB V PENUTUP

Bagian ini memaparkan tentang kesimpulan dan saran dari penulis.

DAFTAR PUSTAKA
 BAB II

TINJAUAN PUSTAKA

A. Tabel Kontingensi

Menguji hipotesis komparatif dua sampel independen berarti menguji

signifikansi perbedaan nilai dua sampel yang tidak berpasangan. Sampel

independen biasanya digunakan dalam penelitian yang menggunakan pendekatan

penelitian survey, sedangkan sampel berpasangan banyak digunakan dalam

penelitian eksperimen. Statistik nonparametrik yang digunakan untuk menguji

hipotesis komparatif dua sampel independen bila memiliki data dengan bentuk

nominal yaitu salah satunya Chi Kuadrat.3

Rumus-rumus sederhana untuk menghitung x 2 yang hanya melibatkan

frekuensi-frekuensi pengamatan dapat diturunkan, seperti untuk tabel

kontengensi 3× 2 :4
2
2 ( Oi−Ei )
x =∑
Ei

B. Analisis Survival

Analisis survival adalah teknik statistik yang digunakan untuk menganalisis

data yang bertujuan untukmengetahui hasil dari variable yang mempengaruhi sua

tu awal kejadian sampai akhir kejadian, missal waktu yang dicatat dalam hari, mi

nggu, bulan, atau tahun. Kejadiaan awal misalkan pasien terjangkit dan

3
Sugiyono, Statistik Nonparametrik Untuk Penelitian (Alfabeta, 2010) h. 49.
4
Murray R Spiegel dan Larry J Stphens, Statistik Edisi Ketiga (Erlangga, 2004) h. 215.

7
 8

mendapat kejadian akhir berupa kematian, kekambuhan, atau kesembuhan pasien

5

Analisis survival (analisis kesintasan) adalah prosedur statistika untuk meng

analisis data dengan waktu sampai terjadinya suatu peristiwa tertentu (time until

an event occus) sebagai variable respons. ‘Peristiwa tertentu’ tersebut dalam anal

isis survival lazimnya disebut sebagai ‘kegagala’ (failure), yang dapat berupa:

1. Kematian pada penderita penyakit fatal

2. Eksaserbasi ulang pada penderita penyakit kronis dengan remisi eksasebasi ya

ng semula ada dalam fase remisi

3. Tindakan kriminal ulang oleh eks-narapidana yang sedang menjalani periode

hukuman percobaan

4. Kekambuhan pada eks-pecandu narkotika sehabis menjalani rehabilitas6

C. Penyensoran

Perhitungan data menggunakan metode analisis ketahanan hidup disebut

dengan data ketahanan hidup. Bentuk umumnya yaitu medeskripsikan proses

waktu terjadinya suatu peristiwa. Bentuk utama dari stukturnya yaitu

penyensoran. Suatu pengamatan ketahanan hidup memiliki batas waktu awal dan

akhir pengamatan. Penyensoran terjadi ketika terdapat individu yang masih

5
Fidya Panorama Damayanti, Arief Wibowo Analisis Survival Penyakit Juntung Koroner Berulan
g (Jurnal Biometrika dan Kependudukan, Vol. 6, No. 1, 2017) h. 43.
6
Johan Harlan Analisis Survival (Gunadarma: Depok, 2017). Hal 1.
 9

bertahan hidup setelah waktu pengamatan berakhir7. Menurut Crowder (1991)

terdapat 3 jenis penyensoran yaitu :

1. Left-censored

Pengamatan dikatakan Left-censored jika objek yang diteliti

mengalami kejadian dibawah waktu pengamatan yang telah ditentukan.

2. Right-censored

Pengamatan dikatakan right-consored jika objek yang diteliti hilang,

keluar, dan objek masih bertahan hidup setelah masa waktu pengamatan

terakhir.

3. Interval-censored

Pengamatan dikatakan interval-censored jika objek yang diteliti

mengalami kejadian diantara interval waktu pengamatan tertentu.8

D. Fungsi – Fungsi dalam Analisis Survival

Pada analisis survival misal T adalah variabel random no-negatif yang

menyatakan waktu sampai dengan terjadinya kegagalan, maka f (t) menyatakan

fungsi densitas probabilitasnya dan 𝐹 (𝑡) = (𝑇 ≤ 𝑡) menyatakan fungsi distribusi

kumulatifnya yang dapat dinyatakan dengan tiga cara yaitu :

7
Caecilia Girik Allo. Aplikasi Metode Kaplan Meier Untuk Menduga Selang Waktu Ketahanan
Hidup. (Universitas Sanata Dharma Yogyakarta, 2017). hal. 50
8
Gity Wulang Mandini. Analisis Tahap Hidup Pasien Kanker Paru Dengan Metode Kaplan Meier.
(Universitas Negeri Yogyakarta FMIPA, 2015). Hal. 13
 10

1. Fungsi Survival

Fungsi survival adalah fungsi yang menyatakan peluang suatu individu dapat

bertahan hidup hingga atau lebih dari waktu t (mengalami kejadian sudah waktu t)

(Banerjee T, 20017). Misal T adalah peubah acak dan probabilitas hidup lebih dari

waktu t, dimana t > 0, maka fungsi survival didefinisikan sebagai :9

𝑆 (𝑡) = 𝑃 (𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑏𝑒𝑟𝑡𝑎ℎ𝑎𝑛 ℎ𝑖𝑑𝑢𝑝 𝑙𝑒𝑏𝑖ℎ 𝑑𝑎𝑟𝑖 𝑤𝑎𝑘𝑡𝑢 𝑡)

= 𝑃 (𝑇 ≥ 𝑡)

𝑆 (𝑡) = 1 − 𝑃 (𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑔𝑎𝑔𝑎𝑙 𝑎𝑡𝑎𝑢 𝑚𝑎𝑡𝑖 𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑤𝑎𝑘𝑡𝑢 𝑡)

= 1 − 𝑃 (𝑇 ≤ 𝑡) (2.1)

Misalkan f fungsi kepekatan peluang, fungsi survival merupakan

komplemen dari fungsi kumulatif F dengan,10

S(T )=P(T ≥ t)

¿ 1−F (t)

¿ 1−F (t) (2.2)

9
Landong P Hutahaean, dkk. Model Regresi Cox Proportional Hazard pada Data Lama
Studi Mahasiswa (Studi Kasus di Fakultas Sains dan Matematika Universitas Diponegoro
Semarang Mahasiswa Angkatan 2009), (Jurnal Gussian : Vol. 3 No.2, 2014) h.174
10
Rahmat hidayat, Penggunaan Metode Kaplan-Meier dan Life Table Analisis Survival
untuk Data Tersensor, (Jurnal Dinamika, Vol. 7, No.1, 2016) h.2.
 11

Dimana :

(𝑡) = fungsi survival (fungsi ketahanan hidup)

T = sisa usia

t = usia

P = fungsi probabilitas

Karakteristik fungsi survival S(t) antara lain adalah :

a. Tak membesar, fungsi survival S(t) mengecil sejalan dengan bertambahnya

nilai t.

b. Pada waktu 𝑡 = 0, 𝑆(𝑡) = 𝑆(0) = 1, yaitu pada awal studi belum ada subjek

yang mengalami kegagalan atau 𝑃(𝑇 > 0) = 1

c. Pada waktu 𝑡 = ∞, (𝑡) = (∞) = 0, yaitu jika secara teoritis periode penelitian

diperpanjang tanpa batas ( ), suatu saat tidak ada sampel yang survive.11

Yang artinya, peluang individu dapat bertahan hidup pada waktu nol adalah 1

dan pada saat waktu tak terbatas seorang indvidu dapat bertahan hidup adalah nol.

11
Johan Harlan, Analisis Survival (Penerbit Gunadarma : Depok, 2017) h. 2-3.
 12

2. Fungsi Densitas (Fungsi Kepadatan Peluangan)

Jika T merupakan variabel random dari waktu hidup suatu individu dalam

interval [0, ∞), maka fungsi kepadatan peluangnya adalah f(t) dan fungsi distribusi

kumulatifnya adalah F(t). waktu tahan hidup T memiliki fungsi kepadatan peluang

yang didefinisikan sebagai peluang individu gagal pada interval waktu t sampai 𝑡 +∆𝑡

atau peluang kegagalan dalam interval per satuan waktu. Hal ini dapat dinyatakan

sebagai :

P [ (objek gagal padainterval t)(t +∆ t ) ]

f ( t )= lim
∆ t →0 ∆t

P(t ≤ T < (t +∆ t ) )
¿ lim (2.3)
∆ t →0 ∆t

3. Fungsi Hazard

Fungsi Hazard h(t) yaitu fungsi yang menyatakan peluang seseorang

mengalami risiko atau kejadian seperti kegagalan atau meninggal pada waktu t

dengan syarat bahwa seseorang itu telah bertahan hingga waktu t didefinisikan :

P seorang individu gagal padainterval waktu (t , t+ ∆ t )

h ( t )= lim
{
jika diketahui individu tersebut telah bertahan hingga t }
∆ t →0 ∆t

fungsinya diberikan : 12

12
Landong P Hutahaean, dkk. Model Regresi Cox Proportional Hazard pada Data Lama
Studi Mahasiswa (Studi Kasus di Fakultas Sains dan Matematika Universitas Diponegoro
Semarang Mahasiswa Angkatan 2009), (Jurnal Gussian : Vol. 3 No.2, 2014) h.175
 13

lim P ( t ≤T <t +∆ t|T ≥t ¿

h(t)= ∆ t → 0 ¿
∆t

¿ lim P ¿ ¿ ¿
∆ t →0

P(t ≤ T < (t +∆ t ) )
¿ lim
∆ t →0 ∆ t . S (t)

1 P(t ≤ T < ( t +∆ t ) )
¿ . lim
S (t) ∆ t → 0 ∆t

(2.4)

E. Kaplan-Meier

Dalam kaitannya dengan analisis survival dan juga pembahasan dalam peneli

tian ini maka hanya dibahas pada model nonparametrik, yaitu tanpa melihat pola

sebaran data. Teknik yang digunakan dalam analisis ini adalah dengan mengguna

kan analisis Kaplan-Meier.

Metode Kaplan Meier sangat popular untuk analisis kelangsungan hidup yan

g paling cocok digunakan ketika ukuran sampel kecil. Analisis Kaplan Meier me

nggunakan asumsi sebagai berikut :

 Subyek yang menarik diri dari penelitian secara rata-rata memiliki “nasi

b” kesudahan variabel hasil (peristiwa) yang sama dengan subyek yang

bertahan selama pengamatan

 Pengamatan antar subyek tidak mempengaruhi resiko (probabilitas) terja

dinya variabel hasil (peristiwa), probabilitas peristiwa untuk berbagai ja

 14

ngka waktu tersebut dapat digambarkan sebagai kurva analisis survival

13

Metode Kaplan-Meier dapat digunakan untuk menangani data tersensor deng

an perhitungan yang relative sederhana, serta dapat digunakan pada data sampel

kecil. Metode ini memberikan estimasi peluang tahan hidup yang sangat bermanf

aat. Metode Kaplan-Meier memberikan representasi grafis tentang distribusi taha

n hidup (cook, 2008)14

Estimasi Kaplan Meier juga merupakan perkembangan dari fungsi tahan hid

up empiris. Fungsi tahan hidup empiris untuk seluruh data didefinisikan sebagai :

^S ( t ) = jumla h pengamatan≥ t , t ≥ 0(2.5)

n

Dimana ^S(t ) = fungsi tahan hidup empiris15

Dalam metode Kaplan-Meier, jika waktu ketahan dapat dikelompokkan seca

ra terurut maka waktu ketahanan T dapat diperlakukan sebagai variable random y

ang diskrit. Misalkan T bernilai t 1, t 2, … dengan 0 ≤ t 1 <t 2< … dan fungsi desintas

peluangnya adalah p (t i) = P (T = t i), t = 1, 2, …, n maka fungsi ketahanannya ad

alah

S ( t ) =P ( T ≥t )
13
Fatur Rachman, dkk. Analisis Survival Lama Masa Pengobatan Dan Tingkat Kesembuhan Pasie
n di Lembaga Terapi Dan Rehabilitas Pondok Pesantren Ibadurrahman Tenggarong Seberang (Jurnal
EKSPONENSIAL, Volume 7, Nomor 1, 2016) h. 43
14
Muhammad Muhajir dan Yayi Diyah Palupi Analisis Survival Terhadap Pasien Diare Anak Men
ggunakan Metode Kaplan Meier Dan Uji Long Rank (Jurnal Ilmu-Ilmu MIPA, Vol. 18) Hal.79.
15
Uswatun Khayatun, Perbandingan Penaksiran Kaplan Meier dan Berliner-Hill pada Analisis
Tahan Hidup Penderita Kanker Payudara. 2011. Hal 13.
 15

¿ ∏ f (t i)
i :t i ≥t
(2.6)

Estimasi dengan Kaplan-Meier dari probabilitas ketahanan dari beberapa

waktu yang khusus merupakan hasil kali estimasi yang sama pada waktu

sebelumnya dan angka ketahanan yang terobservasi dari tahun tersebut.

S ( t i+1 )=S ( t i ) . S( t)

atau

S( t i +1)
S (t)= (2.7)
S(t i)

Fungsi hazard didefinisikan sebagai peluang suatu individu gagal dalam

interval (t, t+∆ t) dengan diketahui bahwa individu tersebut telah hidup selama

waktu t.

f (t i)
h ( t i )=P ( T =t i|T ≥t i¿ , i=1 , 2, …( 2.8)
S (t i )

Karena f (t i ¿ = S ( t i) −S ( t i+1 ) maka persamaan (2.8) menjadi

f (t i ) S ( t i ) −S (t i+1)
h ( t i )= =
S (t i) S(t i)

S ( t i +1 )
¿ 1− , i=1 ,2 , …(2.9)
S (t i )

Sehingga didapat fugsi tahan hidup yang memiliki kaitan dengan fungsi

hazard:
 16

S ( t ) = ∏ ( 1−h(t i) ) (2.10)
i :t i ≤ t

Kemudian untuk menentukan suatu penaksiran h(t i ) yaitu peluang kematian

dimisalkan pada k percobaan ni dengan kejadian dan d i banyaknya kegagalan

pada waktu t i :

( d i−ni h ( ti ) ) =0

−ni h ( t i )=−di

di
h ( t i )=
ri

Sehingga diperoleh estimator h(t i ) :

d
h^ ( t i )= i ,(2.11)
ni

Dimana,

h^ ( t i )=¿ estimasi peluang kematian.

d i=¿ banyaknya kegagalan (kematian) saat t i

ni =¿ banyaknya individu yang memiliki resiko saat t i

t i=¿ waktu hidup

 17

Dengan demikian diperoleh estimasi fungsi tahan hidup :16

^S(t )= ∏ ( 1−h(
^ ti ))
i :t i≤ t

di
¿ ∏ 1−
i :t i≤ t
( ) ni

Dimana,

^S ( t ) =¿ estimasi fungsi tahan hidup

ni =¿ banyaknya individu nyang memiliki resiko saat t i

d i=¿ banyak kegagalan (meninggal) saat t i

h^ ( t i )=¿ estimasi peluang kematian

^f ( t i ) =¿ estimasi peluang tahan hidup17

F. Penyakit Demam Berdarah Dengue (DBD)

1. Pengertian DBD

Demam dengue (DD) dan Demam Berdarah Dengue (DBD) adalah penyakit

demam akut yang dapat menyebabkan kematian dan disebabkan oleh empat soret

ipe virus dari genus Flavi virus, virus RNA dari keluarga Flaviviridae. Infeksi ole

16
Tatik Widiharih dan Nasichah Siska Andriani. Inferensi Fungsi Ketahanan dengan Mengunakan
Metode Kaplan-Meier (Jurnal Matematika, Vol. 9, No. 3, Desember 2006). Hal. 221-222
17
Gity Wulang Mandini, Analisis Tahan Hidup Penderita Kanker Paru dengan Metode Kaplan-
Meier (Universitas Negeri Yogyakarta FMIPA, 2015)H. 4
 18

h satu serotipe virus dengue menyebabkan terjadinya kekebalan yang lama terha

dap serotipe virus tersebut, dan kekebalan sementara dalam waktu yang pendek t

erhadap serotipe virus dengue lainnya. Pada waktu terjadi epidemi didalam darah

seorang penderita dapat beredar lebih dari satu serotipe virus dengue.

2. Epidemi Dengue

Sekitar 2,5 miliar manusia yang merupakan duaperlima dari penduduk dunia

mempunyai risiko tinggi tertular demam dengue. Setiap tahunnya sekitar 50-100

juta penderita dengue dan 500.000 penderita Demam Berdarah Dengue dilaporka

n oleh WHO diseluruh dunia, dengan jumlah kematian sekitar 22.000 jiwa, teruta

ma anak-anak . sekitar 2,5-3 miliyar manusia yang hidup di 112 negara tropis dan

subtropics berada dalam keadaan terancam infeksi dengue. Hanya benua Eropa d

an Antartika yang secara alami terbebas dari infeksi dengue.

3. Virus Penyebab Dengue

Demam dengue disebabkan oleh virus dengue (DEN), yang termasuk genus fl

avivirus. Virus yang ditularkan oleh nyamuk ini tergolong ss RNA positive-stran

d virus dari keluarga Flaviviridae.

4. Mengenal Demam Berdarah Dengue

 Nyeri perut yang berat dan berlangsung terus menerus

 19

 Terjadi pendarahan dari hidung, mulut dan gusi atau mengalami leba

m kulit

 Sering muntah dengan atau tanpa darah

 Tinja berwarna hitam, seperti aspal cair atau petis

 Penderita merasa sangat haus dan mulut terasa kering

 Kulit terasa dingin dan tampak pucat

 Penderita mengalami sukar tidur, sulit beristirahat, dan selalu gelisah

18

5. Penularan Virus-virus Dengue

Virus-virus dengue ditularkan ke tubuh manusia melalui gigitan nyamuk Aed

es yang terinfeksi, terutama Aedes aegypti, dan karenanya dianggap sebagai arbo

virus (virus yang ditularkan melalui artropoda). Bila terinfeksi, nyamuk nyamuk t

etap akan terinfeksi sepanjang hidupnya, menularkan virus ke individu rentan sel

ama mengigit dan menghisap darah. Virus bersikulasi dalam darah manusia terinf

eksi pada kurang lebih waktu dimana mereka mengalami demam, dan nyamuk ta

k terinfeksi mungkin akan mendapatkan virus bila mereka mengigit individu saat

ia dalam keadaan viraemic. Virus kemudian berkembang dalam nyamuk selama

periode 8-10 hari sebelum ini dapat ditularkan kemanusia lain selama mengigit at

au menghisap darah berikutnya. Lama waktu yang diperlukan untuk inkubasi eks

trinsik ini tergantung pada kondisi lingkungan, khususnya suhu sekitar.19

18
Soedarto, Demam Berdarah Dengue (Dengue Haemorrhagic Fever). Sagung Seto. Hal 2-4.
Wold Health Organization, Demam Berdarah Dengue (Diagnosis, Pengobatan, Pencengahan,
19

dan Pengendalian) Edisi 2 (Buku Kedokteran : EGC) Hal 9-10.

20
 BAB III

METODOLOGI PENELITIAN

A. Jenis Penelitian

Jenis penelitian yang digunakan dalam penelitian ini yaitu penelitian terapan

(applied research) untuk mengetahui probabilitas kelangsungan hidup pasien demam

berdarah dengue.

B. Jenis dan Sumber Data

1. Jenis Data

Data yang digunakan dalam penelitian ini adalah data sekunder. Dimana data

diperoleh atau dikumpulkan peneliti dari sumber yang telah ada sebelumnya.

2. Sumber Data

Data yang digunakan pada penelitian ini adalah data pasien penderita penyakit

DBD yang telah di rawat inap di RSUD Lasinrang Kab. Pinrang Tahun 2018-

2019.

C. Waktu dan Tempat Penelitian

Adapun waktu penelitian ini direncanakan di mulai bulan Maret-Oktober 2020

di RSUD Lasinrang Kab. Pinrang.

D. Variabel Penelitian

Variabel yang digunakan dalam penelitian ini yaitu X 1 , X 2 , X 3, ni dan d i.

E. Definisi Operasional Variabel

Definisi variabel yang digunakan pada penelitian ini yaitu :

21
 22

1. X 1 adalah umur pasien penderita penyakit DBD di RSUD Lasinrang Kab.

Pinrang yang menjalani perawatan pada tahun 2018-2019.

2. X 2 adalah hari rawat pasien penderita penyakit DBD di RSUD Lasinrang Kab.

Pinrang yang menjalani perawatan pada tahun 2018-2019.

3. X 3 adalah status pasien penderita penyakit DBD di RSUD Lasinrang Kab.

Pinrang yang menjalani perawatan pada tahun 2018-2019.

4. ni adalah jumlah pasien yang menderita penyakit DBD di RSUD Lasinrang

Kab. Pinrang selama menjalani perawatan pada tahun 2018 – 2019.

5. d i adalah pasien penderita penyakit DBD yang meninggal di RSUD Lasinrang

Kab. Pinrang selama menjalani perawatan pada tahun 2018 – 2019.

F. Tahapan Analisis

Untuk mencapai tujuan dari penelitian ini, maka langkah – langkah yang

dilakukan adalah sebagai berikut :

1. Mengumpulkan data jumlah pasien DBD.

2. Tabulasi data dan analisis chisquare untuk mengetahui hubungan antara

umur terhadap hari rawat pasien kemudian hubungan antara umur

terhadap status pasien.

3. Menghitung estimasi peluang kematian terhadap individu dengan

menggunakan rumus :

d
h^ ( t )= i
ni
 23

4. Menghitung estimasi fungsi ketahanan hidup terhadap masing – masing

individu yang masuk dalam pengamatan dengan menggunakan rumus :

^S(t )= ∏ ( 1−h(t
^ i ))
i :t i≤ t

di
¿ ∏ 1−
i :t i≤ t
( ) ni

5. Melakukan penarikan kesimpulan terhadap hasil penelitian yang telah

diperoleh berdasarkan tujuan dari penelitian.

 24

BAB IV

HASIL DAN PEMBAHASAN

A. Hasil Penelitian

Adapun hasil penelitian dari data yang merupakan data penderita penyakit

DBD diambil dari Rumah Sakit Umum Lasinrang Kab. Pinrang Tahun 2018-2019

adalah

1. Deskriptif Data

Data yang digunakan dalam penelitian ini merupakan data pasien yang

menderita penyakit DBD pada tahun 2018-2019 di RSUD Lasinrang Kab. Pinrang.

a. Statistika Deskriptif

Untuk melihat karakteristik pada tiap variabel dapat dilihat statistika

deskriptifnya pada tabel berikut:

Tabel 4.1 Statistika Deskriptif Data Tahun 2018-2019

Variabel Total
Pasien yang meninggal karena DBD (d i ) 1
Jumlah pasien penderita penyakit DBD (ni ) 117

b. Hubungan antara umur terhadap hari rawat pasien

Berikut ini merupakan tabel yang menunjukkan hubungan antara umur

terhadap hari perawatan pasien:

 25

Tabel 4.2 Jumlah pasien berdasarkan hari rawat dengan kategori umur
X2
X1
≤4 ¿4
Balita/anak-anak
6 22
(0-11)
Remaja/Dewasa
18 65
(12-45)
Lansia
3 3
(46-65

Berdasarkan Tabel 4.2 menunjukkan bahwa terdapat 6 pasien balita/anak-

anak umur 0-11 tahun dengan hari rawat ≤ 4 hari dan 22 pasien dengan hari

rawat > 4 hari. Sedangkan pada pasien remaja/dewasa yang berumur 12-45

tahun terdapat 18 pasien dengan hari rawat ≤ 4 hari dan 65 pasien dengan hari

rawat > 4 hari. Selain itu pada pasien lansia pada umur 46-65 tahun terdapat 3

pasien dengan hari rawat < 4 hari dan 3 pasien dengan hari rawat > 4 hari.

Berdasarkan hasil analisis menggunakan chi-square menunjukkan bahwa

tidak ada hubungan antara umur pasien penderita DBD dengan lama hari rawat

pasien dilihat dari nilai p-value yang diperoleh yaitu 0.2748 dimana > α (0.05).

c. Hubungan antara umur terhadap status pasien

Berikut ini merupakan tabel yang menunjukkan hubungan antara umur

terhadap hari perawatan pasien:

 26

Tabel 4.3 Jumlah pasien berdasarkan status dengan kategori umur

X3
X1
Sembuh Meninggal
Balita/anak-anak
28 0
(0-11)
Remaja/Dewasa
82 1
(12-45)
Lansia
6 0
(46-65)

Berdasarkan Tabel 4.3 menunjukkan bahwa terdapat 28 pasien balita/anak-

anak pada umur 0-11 tahun dengan status sembuh dan tidak terdapat pasien

meninggal. Sedangkan pada pasien remaja/dewasa pada umur 12-45 tahun terdapat

82 pasien dengan status sembuh dan 1 pasien dengan status meninggal. Selain itu

pada pasien lansia 46-65 tahun terdapat 6 pasien dengan status sembuh dan tidak

terdapat pasien dengan status meninggal.

Berdasarkan hasil analisis menggunakan chi-square menunjukkan bahwa

tidak ada hubungan antara umur pasien penderita DBD dengan status pasien

dilihat dari nilai p-value yang diperoleh yaitu 0.8134 dimana > α (0.05).

1. Menghitung estimasi peluang kematian individu h^ (t)

Estimasi peluang kematian individu diperoleh dari hasil pembagian antara

individu penderita penyakit DBD yang meninggal degan banyaknya penderita

penyakit DBD. Untuk menghitung estimasi peluang kematian individu dengan

menggunakan rumus:
 27

di
^
h(t) =
ni

Adapun hasil perhitungan estimasi peluang kematian individu yang disajikan

dalam tabel berikut:

Tabel 4.4 Estimasi peluang kematian individu pada tahun 2018-2019

Hari ke 1 2 3 4 5 … 18
^
h(t) 0.0000 0.0086 0.0000 0.0000 0.0000 … 0.0000

Adapun kurva peluang kematian yang diperoleh sebagai berikut:

Grafik 4.1 Estimasi peluang kematian individu pada Tahun 2018-2019

Berdasarkan Tabel 4.2 dan grafik 4.1 hasil perhitungan estimasi peluang

^
kematian individu h(t) pada pasien DBD di tahun 2018-2019, diperoleh peluang
 28

kematian tertinggi yaitu pada hari ke 2 sebesar 0.0086% dan peluang kematian

individu terendah yaitu 0%.

2. Estimasi fungsi ketahanan hidup individu (survival) ^S(t ) Tahun 2018-

2019

Untuk mendapatkan hasil dari estimasi fungsi ketahan hidup tiap-tiap

individu yang masuk dalam pengamatan yaitu selama Tahun 2018-2019

menggunakan rumus sebagai berikut:

di
^S= ∏ 1−
i: t i ≤t
( )
ni
,untuk 1 ≤ t ≤18

Adapun hasil perhitungan estimasi fungsi ketehanan hidup individu yang

disajikan dalam tabel berikut:

Tabel 4.5 Estimasi fungsi ketahanan hidup individu tahun 2018-2019

Hari ke n.risk n.event survival
1 117 0 1.000
2 116 1 0.991
3 114 0 0.991
4 111 0 0.991
5 90 0 0.991
6 58 0 0.991
7 29 0 0.991
: : : :
11 6 0 0.991
12 4 0 0.991
13 3 0 0.991
18 1 0 0.991
 29

Adapun kurva fungsi peluang ketahanan hidup yang diperoleh sebagai berikut:

Grafik 4.2 Estimasi fungsi ketahanan hidup individu Tahun 2018-2019

Pada tabel 4.5 terdapat kolom n-risk yang merupakan pasien DBD yang

berstatus beresiko terdapat pula kolom n-event yang berisi pasien penderita DBD

yang mengalami kegagalan dimana pada hari ke 2 terdapat pasien DBD yang

meninggal sebanyak 1 orang. Adapun estimasi fungsi ketahanan hidup individu

yaitu kolom survival pada pengamatan hari ke 1 sebesar 100% kemudian

mengalami penurunan seiring terjadinya kegagalan hingga mencapai 99,1%.

Sedangkan pada grafik 4.2 memuat perbandingann antara hari rawat pasien dengan

peluang ketahanan hidup.

 30

B. Pembahasan

Data rekam medik yang diperolah dari RSUD Lasinrang Kab. Pinrang dalam

kurun waktu tahun 2018-2019 mencatat sebanyak 117 pasien penderita DBD.

Banyaknya pasien tersensor adalah 116 orang dan 1 pasien yang mengalami kejadian

kematian. Sesuai dengan tahapan analisis dilakukan perhitungan untuk mengetahui

hubungan antara umur terhadap hari rawat dan status pasien kemudian dilanjutkan

dengan mengestimasi peluang kematian dan terakhir mengestimasi fungsi peluang

tahan hidup. Berdasarkan hasil analisis chisquare Tabel 4.2 diketahui tidak ada

hubungan antara umur terhadap hari rawat pasien. Kemudian hasil analisis chisquare

Tabel 4.3 menunjukkan bahwa tidak ada hubungan antara umur terhadap status

pasien. Pada perhitungan estimasi peluang kematian individu pada penderita penyakit

DBD pada Tabel 4.4 menunjukkan nilai peluang kematian terbesar yaitu pada hari ke

2 sebesar 0,0862% .Sedangkan untuk hari rawat lainnya memiliki estimasi peluang

kematian sebesar 0%.

Diperhatikan pula Grafik 4.2 yang merupakan estimasi peluang ketahanan

hidup dimana sumbu vertikal adalah nilai peluang tahan hidup dan sumbu horizontal

adalah waktu tahan hidup. Terbentuk 1 anak tangga yang berarti jumlah pasien yang

tidak tersensor sebanyak 1 orang, terlihat pada Grafik bahwa tangga terakhir tidak

menuju0, hal ini karena pasien terakhir berada dalam sampel tersensor.

Adapun perhitungan pada estimasi peluang fungsi ketahan hidup menggunakan

metode Kaplan-meier pada tabel 4.5 menunjukkan peluang tahan hidup penderita

DBD sebesar 99,1% yang berarti peluang ketahana hidup penderita DBD di RSUD
 31

Lasinrang Kab. Pinrang relative tinggi dimana tidak ada pasien yang berada pada

peluang kumulatif di bawah 50% sehingga pasien DBD memiliki peluang sembuh

juga tinggi.
 BAB V

PENUTUP

A. Kesimpulan

Berdasarkan hasil yang diperoleh, di dapatkan kesimpulan yaitu:

Peluang ketahanan hidup pada penderita penyakit DBD dengan menggunakan

metode Kaplan meier sebelum terdapat pasien meninggal adalah 100%. Namun

mengalami penurunan peluang ketahanan hidup sampai akhir pengamatan setelah

terdapat 1 pasien yang meninggal selama pengamatan yaitu 99,1%.

B. Saran

Adapun saran dari penelitian ini yaitu:

1. Dikarenakan dalam melakukan pernaksiran ketahanan hidup dengan

mengggunakan metode ini tidak menggambil keputusan yang sebenarnya hanya

sebatas membuat penaksiran dengan demikian untuk peneliti selanjutnya

disarankkan dapat menggunakan metode ini dalam kasus lain yang lebih

berkaitan erat dalam kehidupan sehari-hari untuk membantu setiap orang dalam

melakukan suatu penaksiran.

2. Untuk peneliti selanjutnya juga disaranka menggunakan metode lain dalam

melakukan penaksiran ketahanan hidup, atau dengan membandingkan metode

lain dengan metode Kaplan meier ini dengan metode lain dalam menentukan

penaksiran fungsi ketahanan hidup.

32
 DAFTAR PUSTAKA

Allo, Caecilia Girik. 2017. Aplikasi Metode Kaplan Meier Untuk Menduga Selang
Waktu Ketahanan Hidup. Universitas Sanata Dharmma Yogyakarta.

Badan Pusat Statistik Provinsi Sulawesi Selatan. Provinsi Sulawesi Selatan dalam
Angka 2019. ISSN: 0215-2290.

Damayanti, Fidya Panorama dan Arief Wibowo. 2017. Analisis Survival Penyakit Ja
ntung Koroner Berulang. Jurnal Biometrika dan Kependudukan : Volume 6 No
mor 1.

Departemen Agama RI. 2015. Al Hikma Al-Qur’an dan Terjemahny. Bandung :

Diponegoro.

Gayanti, Dewi. 2005. Mengenal Analisis Ketahanan (Survival Analysis). Jurnal

Keperawatan Indonesia : Fakultas Ilmu Keperawatan Universitas Indonesia
Volume 9 Nomor 1.

Harlan Johan. 2017. Analisis Survival Depok : Penerbit Gunadarma

Hidayat, Rahmat. 2016. Penggunaan Metode Kaplan-Meier dan Life Table Analisis
Survival untuk Data Tersensor. Jurnal Dinamika : Volume 7 Nomor 1.

Hutahaean, Landong P. dkk. 2014. Model Regresi Cox Proportional Hazard pada
Data Lama Studi Maahasiswa (Studi Kasus di Fakultas Sains dan Matematika
Universitas Diponegoro Semarang Mahasiswa Angkatan 2009). Jurnal
Gaussian : Volume 3 Nomor 2.
Khayatun, Uswatun. 2011. Perbandingan Penaksiran Kaplan Meier dan Berliner-
Hill pada Analisis Tahan Hidup Penderita Kanker Payudara.

Mandini, Gity Wulang. 2015. Analisis Tahan Hidup Penderita Kanker Paru dengan
Metode Kaplan-Meier. Universitas Negeri Yogyakarta : Fakultas Matematika
dan Ilmu Pengetahuan Alam.

Muhajir, Muhammad dan Yayi Diyah Palupi Analisis Survival terhadap Pasien
Diare Anak Menggunakan Metode Kaplan Meier dan Uji Log Rank. Jurnal
Ilmu-Ilmu MIPA : Volume 18.

33
 34

Organization Wold Health. Demam Berdarah Dengue (Diagnosis, Pengobatan,

Pencengahan, dan Pengendalian) Edisi 2 (Buku Kedokteran : EGC).
Rachman, Fatur. dkk. 2016. Analisis Survival Lama Masa Pengobatan Dan Tingkat
Kesembuhan Pasien di Lembaga Terapi Dan Rehabilitas Pondok Pesantren Iba
durrahman Tenggarong Seberang. Jurnal Eksponensial : Volume 7, Nomor 1.

Soedarto. Demam Berdarah Dengue (Dengue Haemorrhagic Fever). Sagung Seto.

Spiegel, Murray R dan Larry J Stephens. 2004. Statistika Edisi Ketiga. Penerbit :
Erlangga.

Sugiyono. 2010. Statistik Nonparametrik Untuk Penelitian. Penerbit : Alfabeta.

Widiharih, Tatik dan Nasichah Siska Andriani. Desember 2006. Inferensi Fungsi
Ketahanan dengan Menggunakan Metode Kaplan-Meier. Jurnal matematika :
Volume 9 Nomor 3.
L

N
Data pasien penderita penyakit DBD di RSUD Lasinrang Kab. Pinrang

No. Hari ke Pasien Meninggal Tersenso Jumlah

r Pasien
1. 1 0 1 117
2. 2 1 1 116
3. 3 0 3 114
4. 4 0 21 111
5. 5 0 32 90
6. 6 0 29 58
7. 7 0 12 29
8. 8 0 7 17
9. 9 0 2 10
10. 10 0 2 8
11. 11 0 2 6
12. 12 0 1 4
13. 13 0 2 3
14. 18 0 1 1
A. Program Dan Ouput

Sintaks hubungan umur pasien terhadap waktu perawatan pasien

M <- as.table(cbind(c(6, 18, 3), c(22, 65, 3)))

dimnames(M) <- list(usia = c("bayi","dewasa", "langsia"), waktuperawatan =

c("kurang", "lebih"))
M

chisq.test(M)

sintaks hubungan umur pasien terhadap staus pasien

N <- as.table(cbind(c(28, 82, 6), c(0, 1, 0)))

dimnames(N) <- list(usia = c("bayi","dewasa", "langsia"), status = c("sembuh",

"meninggal"))

chisq.test(N)

Estimasi Peluang Kematian Individu

data<-read.csv(file.choose(),sep=";")

data

library(survival)

ht=(data$di/data$ni)
ht

plot Estimasi Peluang Kematian Individu

plot(ht, conf.int = F, xlab = "waktu", ylab = "Estimasi Kematian", main="Kurva

Estimasi Peluang Kematian Individu",type = "o",col="#008B8B")

Estimasi peluang fungsi ketahan hidup

data<-read.csv(file.choose(),sep=";")

data

library(survival)

kh<-survfit(Surv(data$waktu,data$status)~1)

kh

Grafik survival

library(survminer)

ggsurvplot(kh,data=data, complain=FALSE)
 A. OUTPUT

hubungan umur pasien terhadap waktu perawatan pasien

> M <- as.table(cbind(c(6, 18, 3), c(22, 65, 3)))

> dimnames(M) <- list(usia = c("bayi","dewasa", "langsia"), waktuper awatan = c("kurang", "lebih"))
> M
waktuperawatan
usia kurang lebih
bayi 6 22

dewasa 18 65
langsia 3
> chisq.test(M)

Pearson's Chi-squared test

data: M
X-squared = 2.5832, df = 2, p-value = 0.2748

sintaks hubungan umur pasien terhadap staus pasien

> N <- as.table(cbind(c(28, 82, 6), c(0, 1, 0)))

> dimnames(N) <- list(usia = c("bayi","dewasa", "langsia"), status = c("sembuh", "meninggal"))
> N
status
usia sembuh meninggal
bayi 28 0
dewasa 82 1
langsia 6 0
> chisq.test(N)

Pearson's Chi-squared test

data: M
X-squared = 0.41317, df = 2, p-value = 0.8134

Estimasi Peluang Kematian Individu

> data<-read.csv(file.choose(),sep=";")
> data
waktu di ni tersensor
1 1 0 117 1
2 2 1 116 0
3 2 0 115 1
4 3 0 114 1
5 3 0 113 1
6 3 0 112 1
7 4 0 111 1
8 4 0 110 1
9 4 0 109 1
10 4 0 108 1
11 4 0 107 1
12 4 0 106 1

13 1 1
0
5
14 1 1
0
4
15 1 1
0
3
16 1 1
0
2
17 1 1
0
1
18 1 1
0
0
19 9 1
9
20 9 1
8
21 9 1
7
22 9 1
6
23 9 1
5
24 9 1
4
25 9 1
3
26 9 1
2
27 9 1
1
28 9 1
0
29 8 1
9
30 8 1
8
31 8 1
7
32 8 1
6
33 8 1
5
34 8 1
4
35 8 1
3
36 8 1
2
37 8 1
1
38 8 1
0
39 7 1
9
40 7 1
8
41 7 1
7
42 7 1
6
43 7 1
5
44 7 1
4
45 7 1
3
46 7 1
2
47 7 1
1
48 7 1
0
49 6 1
9
50 6 1
8
51 6 1
7
52 6 1
6
53 6 1
5
54 6 1
4

55 6 1
3
56 6 1
2
57 6 1
1
58 6 1
0
59 5 1
9
60 0 58 1
61 0 57 1
62 0 56 1
63 0 55 1
64 0 54 1
65 0 53 1
66 0 52 1
67 0 51 1
68 0 50 1
69 0 49 1
70 0 48 1
71 0 47 1
72 0 46 1
73 0 45 1
74 0 44 1
75 0 43 1
76 0 42 1
77 0 41 1
78 0 40 1
79 0 39 1
80 0 38 1
81 0 37 1
82 0 36 1
83 0 35 1
84 0 34 1
85 0 33 1
86 0 32 1
87 0 31 1
88 0 30 1
89 0 29 1
90 0 28 1
91 0 27 1
92 0 26 1
93 0 25 1
94 0 24 1
95 0 23 1
96 0 22 1
97 0 21 1
98 0 20 1
99 0 19 1
100 0 18 1
101 0 17 1
102 0 16 1
103 0 15 1
104 0 14 1
105 0 13 1
106 0 12 1
107 8 0 11 1
108 9 0 10 1
109 9 0 9 1
110 10 0 8 1
111 10 0 7 1
112 11 0 6 1
113 11 0 5 1
114 12 0 4 1
115 13 0 3 1
116 13 0 2 1
117 18 0 1 1
> library(survival)
> ht=(data$di/data$ni)
> ht
[1] 0.00000000 0.00862069 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[10] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[19] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[28] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[37] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[46] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[55] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[64] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[73] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[82] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[91] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[100] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
[109] 0.00000000 0.00000000 0.00000000 0.00000000 0.00000000 0.00000
000 0.00000000 0.00000000 0.00000000
> plot(ht, conf.int = F, xlab = "waktu", ylab = "Estimasi Kematian", main="Kurva Estimasi Peluang
Kematian Individu",type = "o",col="#00
8B8B")
Warning messages:
1: In plot.window(...) : "conf.int" is not a graphical parameter
2: In plot.xy(xy, type, ...) : "conf.int" is not a graphical paramet
er
 3: In axis(side = side, at = at, labels = labels, ...) :
"conf.int" is not a graphical parameter
4: In axis(side = side, at = at, labels = labels, ...) :
"conf.int" is not a graphical parameter
5: In box(...) : "conf.int" is not a graphical parameter
6: In title(...) : "conf.int" is not a graphical parameter

Estimasi peluang fungsi ketahan hidup

> data<-read.csv(file.choose(),sep=";")
> data
waktu di ni tersensor
1 1 0 117 1
2 2 1 116 0
3 2 0 115 1
4 3 0 114 1
5 3 0 113 1
6 3 0 112 1
7 4 0 111 1
8 4 0 110 1
9 4 0 109 1
10 4 0 108 1
11 4 0 107 1
12 4 0 106 1
13 4 0 105 1
14 4 0 104 1
15 4 0 103 1
16 4 0 102 1
17 4 0 101 1
18 4 0 100 1
19 4 0 99 1
20 4 0 98 1
21 4 0 97 1
22 4 0 96 1
23 4 0 95 1
24 4 0 94 1
25 4 0 93 1
26 4 0 92 1
27 4 0 91 1
28 5 0 90 1
29 5 0 89 1
30 5 0 88 1
31 5 0 87 1
32 5 0 86 1
33 5 0 85 1
34 5 0 84 1
35 5 0 83 1
36 5 0 82 1
37 5 0 81 1
38 5 0 80 1
39 5 0 79 1
40 5 0 78 1
41 5 0 77 1
42 5 0 76 1
43 5 0 75 1
44 5 0 74 1
45 5 0 73 1
46 5 0 72 1
47 5 0 71 1
48 5 0 70 1
49 5 0 69 1
50 5 0 68 1
51 5 0 67 1
52 5 0 66 1
53 5 0 65 1
54 5 0 64 1
55 5 0 63 1
56 5 0 62 1
57 5 0 61 1
58 5 0 60 1
59 5 0 59 1
60 6 0 58 1
61 6 0 57 1
62 6 0 56 1
63 6 0 55 1
64 6 0 54 1
65 6 0 53 1
66 6 0 52 1
67 6 0 51 1
68 6 0 50 1
69 6 0 49 1
70 6 0 48 1
71 6 0 47 1
72 6 0 46 1
73 6 0 45 1
74 6 0 44 1
75 6 0 43 1
76 6 0 42 1
77 6 0 41 1
78 6 0 40 1
79 6 0 39 1
80 6 0 38 1
81 6 0 37 1
82 6 0 36 1
83 6 0 35 1
84 6 0 34 1
85 6 0 33 1
86 6 0 32 1
87 6 0 31 1
88 6 0 30 1
89 7 0 29 1
90 7 0 28 1
91 7 0 27 1
92 7 0 26 1
93 7 0 25 1
94 7 0 24 1
95 7 0 23 1
96 7 0 22 1
97 7 0 21 1
98 7 0 20 1
99 7 0 19 1
100 7 0 18 1
101 8 0 17 1
102 8 0 16 1
103 8 0 15 1
104 8 0 14 1
105 8 0 13 1
106 8 0 12 1
107 8 0 11 1
108 9 0 10 1
109 9 0 9 1
110 10 0 8 1
111 10 0 7 1
112 11 0 6 1
113 11 0 5 1
114 12 0 4 1
115 13 0 3 1
116 13 0 2 1
117 18 0 1 1
> library(survival)
> kh<-survfit(Surv(data$waktu,data$di)~1)
> kh
Call: survfit(formula = Surv(data$waktu, data$di) ~ 1)

n events median 0.95LCL 0.95UCL

117 1 NA NA NA
> summary(kh, times<-c(data$waktu))
Call: survfit(formula = Surv(data$waktu, data$di) ~ 1)

time n.risk n.event survival std.err lower 95% CI upper 95% CI

1 117 0 1.000 0.00000 1.000 1
2 116 1 0.991 0.00858 0.975 1
2 116 0 0.991 0.00858 0.975 1
3 114 0 0.991 0.00858 0.975 1
3 114 0 0.991 0.00858 0.975 1
3 114 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
4 111 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
5 90 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
 6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
6 58 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
7 29 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
8 17 0 0.991 0.00858 0.975 1
9 10 0 0.991 0.00858 0.975 1
9 10 0 0.991 0.00858 0.975 1
10 8 0 0.991 0.00858 0.975 1
10 8 0 0.991 0.00858 0.975 1
11 6 0 0.991 0.00858 0.975 1
11 6 0 0.991 0.00858 0.975 1
12 4 0 0.991 0.00858 0.975 1
 13 3 0 0.991 0.00858 0.975 1
13 3 0 0.991 0.00858 0.975 1
18 1 0 0.991 0.00858 0.975 1
> library(survminer)
Loading required package:
ggplot2 Loading required
package: ggpubr
> ggsurvplot(kh,data=data, complain=FALSE)
 BIOGRAFI PENULIS

Muhalki atau yang akrab dipanggil Kino, Lahir di Pinrang

pada tanggal 01 Januari 1998. Penulis merupakan putri

pertama dari pasangan Kuddung dan Jinara. Penulis

merupakan anak bungsu dari 6 bersaudara.

Penulis menetap dan besar di Pinrang Provinsi Sulawesi

Selatan dan memulai pendidikan di TK dan selesai tahun

2004, kemudian melanjutkan pendidikan kedua di SD 186 Lembang dan selesai pada

tahun 2010, kemudian melanjutkan pendidikan ketiga di SMP Negeri 1 Lembang dan

selesai pada tahun 2013, kemudian melanjutkan pendidikan keempat di SMAN 8

Pinrang dan selesai pada tahun 2016. Dan kini melanjutkan pendidikan ke jenjang

Strata (S1) dan kini telah menyelesaikan pendidikan sebagai mahasiswi pada Jurusan

Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri (UIN) Alauddin

Makassar tahun 2021.