1 PB
1 PB
Abstrak—Penyakit Demam Berdarah Dengue (DBD) membantu dalam merencanakan cara efektif untuk
merupakan salah satu penyakit yang sampai saat ini masih mengurangi tingkat kematian yang disebabkan oleh
menjadi masalah kesehatan masyarakat karena perjalanan penyakit DBD.
penyakitnya cepat dan dapat menyebabkan kematian
dalam waktu singkat. Kota Surabaya memiliki jumlah
kasus DBD yang tinggi di Jawa Timur dan termasuk II. TINJAUAN PUSTAKA
daerah yang paling rawan terkena DBD. Sebagai upaya Analisis Survival
untuk mengurangi angka kematian akibat DBD di
Surabaya, maka perlu dilakukan analisis terhadap pasien Analisis survival merupakan metode statistik dimana
penderita DBD dengan mengetahui faktor-faktor yang variabel yang diperhatikan adalah waktu survival, yaitu
mempengaruhi laju kesembuhan pasien penderita DBD. waktu dimulainya kejadian (start point) hingga
Regresi Weibull merupakan salah satu metode analisis terjadinya peristiwa (event) [4]. Terdapat tiga faktor yang
survival yang digunakan untuk mengetahui efek dari diperhatikan dalam menentukan waktu survival T, yakni
beberapa variabel prediktor terhadap data survival sebagai dengan penjelasan sebagai berikut [5].
variabel respon. Pada penelitian ini dilakukan analisis 1. Time origin/starting point (waktu awal)
survival pada pasien DBD di RSU Haji Surabaya. Hasil 2. Ending event of interest (akhir kejadian)
pengujian parsial disimpulkan bahwa variabel usia, jenis
3. Measurementscale for the passage of time (skala
kelamin, leukosit, dan hematokrit berpengaruh terhadap
laju kesembuhan pasien DBD. pengukuran sebagai bagian dari waktu)
Ketika waktu survival tidak diketahui dengan jelas
Kata Kunci— analisis survival, DBD, Regresi Weibull. maka data tersebut dinyatakan sebagai data tersensor [4].
Penyebab terjadinya data tersensor antara lain.
I. PENDAHULUAN 1. Termination of the study
2. Lost of follow up
D emam berdarah dengue (DBD) merupakan penyakit
yang disebabkan virus dengue yang dapat
menyebabkan kematian terutama pada anak serta sering
3. Withdraw from the study
Terdapat tiga jenis sensor dalam analisis survival,
yakni sebagai berikut [6].
kali menimbulkan kejadian luar biasa (KLB) atau wabah.
1. Sensor kanan (right cencored)
Angka kematian dari kasus DBD di Indonesia mencapai
2. Sensor kiri (left cencored)
1% [1]. Jawa Timur adalah provinsi dengan jumlah
3. Sensor interval (interval cencored)
Kejadian Luar Biasa DBD terbanyak di Indonesia [2].
Kota Surabaya memiliki jumlah kasus DBD paling tinggi Fungsi Survival dan Fungsi Hazard
di Jawa Timur dan termasuk daerah yang paling rawan Terdapat dua fungsi utama dalam analisis survival,
terkena DBD dengan risiko relatif terkena DBD 3,46 kali yakni fungsi survival dan fungsi hazard. Fungsi
lebih besar dibandingkan Kabupaten lain [3]. Sebagai kepadatan peluang survival dinyatakan sebagai berikut.
upaya untuk mengurangi angka kematian akibat DBD di P(t T t t )
Surabaya maka perlu dilakukan analisis yang mencegah f (t ) lim
t 0 t (1)
kematian pasien penderita DBD dengan mengetahui Fungsi distribusi kumulatif survival dapat dinyatakan
faktor-faktor yang mempengaruhi laju kesembuhan sebagai berikut.
pasien penderita DBD. Pada umumnya laju kesembuhan t
pasien penderita penyakit ditandai dengan waktu F (t ) P(T t ) f (t )dt
survival, yakni waktu dimulainya suatu kejadian hingga 0 (2)
waktu berakhirnya kejadian dengan kriteria sembuh. Fungsi survival S(t) merupakan probabilitas suatu
Regresi Weibull merupakan salah satu metode untuk obyek tidak mengalami suatu event dari waktu mula-
menganalisis waktu survival pada pasien penderita mula hingga waktu ke-t, persamaan fungsi survival S(t)
penyakit. Pada penelitian ini dilakukan analisis survival dinyatakan sebagai berikut.
untuk mengetahui faktor-faktor yang mempengaruhi laju S (t ) P(T t ) 1 P(T t ) 1 F (t ) (3)
kesembuhan pasien DBD menggunakan metode Regresi Fungsi hazard menyatakan peluang suatu objek
Weibull. Penelitian ini dilakukan di wilayah Surabaya (pasien) mengalami suatu event dalam waktu ke-t,
sebagai wilayah yang memiliki tingkat kasus DBD yang dengan demikian fungsi hazard merupakan kebalikan
tinggi di Jawa Timur dengan mengambil sampel pasien dari fungsi survival. Persamaan fungsi hazard dinyatakan
di RSU Haji Surabaya. Penelitian ini diharapkan dapat sebagai berikut.
D-302 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print)
P t T t t T t
menggunakan uji independensi, yakni dengan hipotesis
h t lim
(4) sebagai berikut.
t 0
t
H0 : Variabel Xi dan Xj saling bebas
sehingga hubungan antara fungsi survival dengan fungsi H1 : Variabel Xi dan Xj tidak saling bebas
hazard dapat dinyatakan sebagai berikut. Statistik Uji :
f (t ) I J n ˆ ij 2 n n
h(t )
S (t ) (5)
2
i 1 j 1
ij
ij
ˆ
dengan ˆ ij i. . j
n
(10)
(𝑙+1)
Iterasi akan berhenti jika ‖𝛉 − 𝛉(𝑙) ‖ ≤ 𝜀, dimana ε III. METODOLOGI PENELITIAN
merupakan suatu bilangan yang telah ditentukan. Sumber Data
Pengujian Signifikansi Parameter Regresi Weibull Data yang digunakan dalam penelitian ini adalah data
Dua Parameter sekunder yakni data rekam medis waktu survival pasien
Pengujian signifikansi parameter dilakukan secara penderita DBD periode Juli 2015 hingga Desember 2015
serentak dan parsial. Berikut merupakan statistik uji yang yang menjalani rawat inap di RSU Haji Surabaya serta
digunakan. faktor-faktor yang mempengaruhinya. Data survival
1) Uji Serentak dikategorikan menjadi data tersensor dan data tidak
Uji hipotesis serentak Regresi Weibull Dua Parameter tersensor yang seluruhnya digunakan dalam penelitian.
H0: β1=β2=…=βp = 0
H1: minimal ada satu βk ≠ 0, k =,2,…,p
Statistik Uji : Uji rasio likelihood
D-304 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print)
Langkah Analisis 0. 75
T
6 8 10
survival dan variabel prediktor. Gambar 1. Kurva Survival Data Waktu Survival
Legend: P r o d u c t - L i mi t E s t i ma t e Cu r v e Ce n s o r e d Ob s e r v a t i o n s
3. Membuat Kurva Kaplan Meier dan melakukan uji Selanjutnya dijelaskan mengenai karakteristik waktu
Log Rank pada variabel independen yang bersifat survival pasien DBD RSU Haji Surabaya berdasarkan
kategorik. faktor-faktor yang diduga mempengaruhi waktu survival
4. Melakukan pengujian distribusi Weibull dua tersebut menggunakan kurva survival Kaplan Meier dan
parameter terhadap data waktu survival (T) dengan uji Log Rank sebagai berikut.
menggunakan statistik uji Kolmogorov Smirnov. 1) Karakteristik Waktu Survival Pasien DBD
5. Mendeteksi adanya kasus multikolineritas pada Berdasarkan Jenis Kelamin
variabel-variabel independen. Kurva survival Kaplan Meier pada Gambar 2
6. Melakukan seleksi model terbaik dengan kriteria memperlihatkan garis merah lebih mendominasi berada
kebaikan model AIC dengan seleksi backward. di atas garis hitam yang menunjukkan bahwa peluang
7. Melakukan uji signifikansi parameter secara parsial tidak sembuh pada pasien dengan jenis kelamin laki-laki
dan serentak lebih besar daripada pasien dengan jenis kelamin
8. Mendapatkan model survival dari hasil estimasi perempuan, artinya waktu survival pasien dengan jenis
parameter model terbaik Regresi Weibull kelamin perempuan lebih baik daripada pasien dengan
9. Mensubstitusikan model Regresi Weibull ke dalam jenis kelamin laki-laki.
fungsi hazard
10. Menghitung nilai Hazard Ratio dari variabel
independen yang berpengaruh terhadap model untuk
mengetahui laju perbaikan kondisi klinis pasien.
11. Membuat kesimpulan dan saran
yakni sebesar 2,706 maka diputuskan gagal tolak H0. Hal Seleksi Model Terbaik
tersebut menyimpulkan bahwa waktu perbaikan kondisi Berikut merupakan nilai AIC pada beberapa model.
klinis pasien DBD dengan jenis kelamin laki-laki
TABEL 4 NILAI AKAIKE’S INFORMATION CRITERION (AIC)
maupun dengan jenis kelamin perempuan tidak berbeda
Variabel AIC
secara signifikan.
2) Karakteristik Waktu Survival Pasien DBD X1, X2, X3, X4, X5, dan X6 134,6957
Berdasarkan Ruang Rawat Inap X1, X2, X3, X5, dan X6 132,6976
X1, X2, X3, dan X5 130,8634
Tabel 4 menunjukkan bahwa nilai AIC terkecil yaitu
ketika melakukan Regresi Weibull tanpa variabel
trombosit (X4) dan variabel ruang inap (X6), sehingga
model terbaik yang didapat adalah dengan melakukan
Regresi Weibull menggunakan variabel X1, X2, X3, dan
X5.
Gambar 3. Kurva Survival Kaplan Meier Berdasarkan
Faktor-faktor yang Mempengaruhi Perbaikan
Kondisi Klinis Paien DBD
Ruang Rawat Inap Pasien
Kurva survival Kaplan Meier pada Gambar 3 Penelitian ini menggunakan pengujian serentak dan
memperlihatkan antara garis merah dan hijau saling pengujian parsial untuk mengetahui faktor-faktor yang
berimpitan, sedangkan garis hitam berada di bawah garis mempengaruhi laju perbaikan klinis pasien.
merah dan hijau. Hal ini menunjukkan bahwa peluang 1) Uji Serentak
tidak sembuh pada pasien DBD yang menginap di Kelas Hasil pengujian serentak didapatkan nilai P-Value
II dan III lebih besar daripada pasien DBD yang sebesar 0,00049 yang mana kurang dari α (0,10), serta
menginap di Kelas I, artinya waktu survival pasien DBD nilai ln(𝐿(𝜔̂)) = -66,2 dan ln (𝐿(Ω ̂ ))= -59,4 sehingga
yang menginap di Kelas I lebih baik daripada pasien 2
diperoleh nilai G hitung sebagai berikut.
DBD yang menginap di Kelas II dan III. Analisis Lˆ
G62 2 ln 13,6
selanjutnya dilkukan uji Log Rank yang bertujuan
melihat ada atau tidaknya perbedaan antar kurva survival
L
ˆ
2
tersebut. Hasil perhitungan uji Log Rank didapatkan nilai Nilai 𝜒4;0,1 pada tabel sebesar 7,779 sehingga
sebesar 2,0622 jika dibandingkan dengan chi-square keputusan yang diperoleh adalah tolak H0, karena nilai
2
dengan derajat bebas 2 yakni sebesar 4,605 maka G2hit lebih besar dibandingkan dengan 𝜒4;0,1 artinya
diputuskan gagal tolak H0 artinya waktu perbaikan minimal terdapat satu variabel independen yang
kondisi klinis pasien DBD yang menginap di Kelas I, signifikan terhadap model.
Kelas II, maupun Kelas III tidak berbeda secara 2) Uji Parsial
signifikan. Pada pengujian serentak diperoleh hasil bahwa
minimal ada satu variabel independent yang signifikan
Pengujian Distribusi Data
terhadap model, oleh karena itu dilakukan analisis lebih
Pada pengujian distribusi data menggunakan lanjut yakni pengujian parsial untuk mengetahui
Kolmogorov-Smirnov didapatkan nilai P sebesar 0,51026 variabel-variabel independen apa saja yang berpengaruh
yang mana nilai tersebut lebih dari α (0,10), sehingga signifikan terhadap model. Berikut nilai estimasi
diputuskan gagal tolak H0. Dalam hal ini disimpulkan parameter dan pengujian Regresi Weibull secara parsial.
bahwa waktu survival pasien DBD mengikuti distribusi TABEL 5. UJI SIGNIFIKANSI PARAMETER SECARA PARSIAL
Weibull dengan parameter λ = 4,9634 dan γ = 2,5668. Estimasi Std.
Berikut ditampilkan histogram data survival berdistribusi Variabel Z P-Value
Parameter Error
weibull dua parameter. Probability Density Function Intercept 3,680 0,738 4,990 0,0000
0,4
0,36
Usia 0,007 0,004 1,840 0,0660
0,32 Jenis Kelamin 0,643 0,166 3,870 0,0001
0,28
Leukosit 0,032 0,018 1,780 0,0755
0,24
Hematokrit -0,065 0,019 -3,440 0,0006
f(x)
0,2
0,16
Scale (λ) 0,315 - - -
0,12 Shape (γ) 3,177 - - -
0,08
0,04
Pengujian parsial dapat dilihat dari nilai P masing-
0
2,4 3,2 4 4,8 5,6
x
6,4 7,2 8 8,8 9,6
masing variabel independen. Variabel usia, jenis
Gambar 4. Histogram Data Survival
Histogram Weibull kelamin, leukosit, dan hematokrit memiliki nilai P
kurang dari α (0,10) sehingga diputuskan tolak H0 yang
Pendeteksian Multikolineritas
artinya variabel-variabel tersebut berpengaruh terhadap
Nilai VIF dari variabel X1, X3, X4, dan X5 model. Nilai estimasi parameter digunakan dalam
menunjukkan nilai yang kurang dari 10, artinya tidak ada menyusun model Regresi Weibull sebagai berikut.
kasus multikolineritas antar variabel independen. ˆ exp 3,68034 0,00695X1 0,64338X 2 (2) 0,03176X 3-0,06516X 5
Sedangkan pada variabel-variabel independen yang
Estimasi parameter shape (γ) yang bernilai 3,17792
bersifat kategorik dilakukan uji independensi yang
disubstitusikan pada fungsi Hazard Regresi Weibull
menyimpulkan antara variabel jenis kelamin (X2) dan
sebagai berikut.
variabel ruang rawat inap (X6) saling bebas karena nilai
2 2
𝜒ℎ𝑖𝑡𝑢𝑛𝑔 (0,686) lebih kecil dari 𝜒0,10;2 (4,605).
D-306 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print)