Regresi Nonlinear
Data berupa
Analisis Survival
waktu
Contoh penggunaan :
1. untuk menghitung efektivas pengobatan atau memperkirakan lama hidup seorang pasien
ketika diagnosa ditegakkan.
2. Untuk mengukur kemungkinan seseorang berisiko terkena suatu penyakit atau mengukur
lamanya waktu yang dibutuhkan untuk perawatan luka dalam kondisi tertentu hingga
sembuh.
Sifat Dari Data Survival
• Biasanya tidak semua individu masuk ke dalam penelitian pada saat yg sama.
Ada pasien yang masuk belakangan.
Analisis Survival
Left - censored
Sensoring dan Trunkasi
Salah satu karakteristik data survival ialah kemungkinan
adanya sensoring (censoring).
Rate dari data sampel adalah jumlah kegagalan dalam suatu interval waktu dibagi jumlah
waktu pengamatan terhadap seluruh subjek dalam penelitian tersebut (Person-time)
Kleinbaum, 1996 menyatakan bahwa kegunaan analisis ketahanan :
Pertama adalah untuk memperkirakan probabilitas ketahanan suatu kejadian
menurut waktu.
Kedua dapat untuk menyimpulkan status kesehatan penduduk.
Ketiga, membandingkan ketahanan suatu kejadian antar kelompok.
Keempat, mengidentifikasi laju suatu kejadian yang dialami penduduk dalam
periode waktu tertentu.
Fungsi hazard atau H(t) adalah probabilitas gagal pada interval waktu t. Penggunaan
fungsi ini untuk menghitung besarnya risiko seseorang untuk mengalami kejadian,
umumnya variabel penelitian dijadikan variabel kategorik terlebih dahulu serta salah
satu dari kategori dijadikan pembanding.
Contoh penggunaan fungsi hazard pada penelitian -> hubungan stadium dengan
peluang ketahanan hidup pasien kanker serviks di atas adalah dibanding dengan
stadium I, maka risiko meninggal pada stadium II 2 kali lebih besar, stadium III 6,3
kali, dan stadium IV hampir 13 kalinya.
KAPLAN MEIER
Kaplan Meier
Analisis SPSS
a. Klik analyze
b. Pilih survial
c. Pilih Kaplan Meier
d. Pindahkan person_time ke time
e. Pindahkan status ke status, klik define event, isikan angka 1
f. Klik faktor/variabel bebas yang akan dianalisis, misal jenis kelamin
g. Pilih Options klik surial table, mean-median survial,
plot : survival dan log survival
No waktu jk Obat status
1 14 0 0 1
2 5 0 1 1
3 14 1 1 1
4 9 1 0 1
5 20 1 0 0
6 20 1 1 0
7 10 1 0 1
8 10 1 1 1
9 8 0 0 1
10 20 0 0 0
11 16 0 0 1
12 3 0 0 1
13 15 0 1 1
14 16 1 0 1
15 12 0 1 1
16 6 1 0 1
17 15 1 1 1
18 15 1 0 1
19 9 1 0 1
20 18 0 0 1
21 14 1 0 1 Keterangan
22 18 1 1 1
Jk (0=perempuan ; 1 = laki-laki)
23 8 1 1 1
24 13 0 0 1
Status (0=tersensor ; 1=sembuh)
25 10 0 0 1 Obat (0=A ; 1=B)
26 11 1 0 1
27 8 1 0 1
28 6 1 1 1
29 15 1 1 1
30 20 1 1 0
31 14 1 0 1
32 12 1 0 1
33 16 1 1 1
34 19 1 1 0
35 19 0 0 0
36 15 0 0 1
37 11 0 1 1
38 4 0 1 1
39 19 0 0 0
40 15 0 1 1
41 20 1 1 0
42 19 1 1 0
Data View
Variabel View
Lakukan lagi analisis statistik Kaplan Meier
untuk variabel obat seperti langkah-langkah
pada variabel jenis kelamin
Keputusan :
1. Ada perbedaan ketahanan hidup antara pasien laki-laki dan perempuan
2. Ada perbedaan ketahanan hidup antara penggunaan obat A dan B
LATIHAN
X5 (Metode
Y X1 X2 X3 X4 Pengobatan) Status
(time) (Umur) (Skor) (Bulan) (Kanker)
33 14 70 3.57 1 1 1
29 64 50 0.97 1 1 1
12 58 50 0.4 1 1 1
36 74 50 2.37 1 2 1
5 57 30 0.17 2 2 1
29 39 60 0.97 1 2 1
31 61 50 1.5 1 1 1
24 53 40 0.8 1 2 1
3 43 50 0.1 1 2 1
62 47 60 2.4 1 2 1
37 45 50 1.23 1 1 1
50 43 60 1.67 1 1 1
32 67 70 2.6 2 1 1
33 61 50 1.1 2 1 1
22 48 50 1.77 1 1 1
30 55 50 1.03 2 1 1
33 65 50 1.1 2 1 1
132 30 50 5.13 2 1 1
29 50 50 0.97 1 1 1
9 37 50 0.3 1 2 1
11 31 60 3.57 1 2 1
95 59 70 6.97 2 1 1
26 47 50 0.93 1 1 1
21 57 20 0.7 1 1 1
19 45 50 0.63 1 2 1
2 54 40 3.3 1 2 1
285 56 50 9.53 2 1 0
10 62 30 0.5 3 2 1
34 45 50 1.13 1 2 1
8 26 50 0.27 2 2 1
67 54 70 2.9 2 1 1
24 45 50 0.8 1 1 1
185 60 80 9.3 1 2 0
13 63 50 0.43 1 1 1
41 47 40 1.37 2 2 1
703 70 40 23.43 1 1 0
22
15
2
71
70
70
0.73
0.5
3
1
2
2
1
1
Kanker_X4 (1: adenocarsinoma, 2: squamosa, 3:small, 4: besar)
15
1
40
52
60
50
0.5
0.03
1
1
2
2
1
1
Metode_X5 (1: kemoterapi, 2: non-kemoterapi)
20
6
16
71
50
50
0.67
0.2
3
2
1
2
1
1
Status _X6 (1: teramati, 2 :tersensor)
33 46 40 1.87 1 2 1
25 49 80 3.63 1 1 1
162 47 80 5.4 2 2 0
11 54 50 0.7 1 2 1
10 79 60 0.33 1 2 1
3 62 50 0.1 1 2 1
5 63 40 0.17 1 2 1
4 54 50 0.13 1 2 1
Uji Log-Rank
Uji log-rank adalah uji statistik untuk memperbandingkan dua
atau lebih fungsi survival, baik dalam tabel kehidupan ataupun grafik
kurvanya. Uji log-rank adalah uji Chi-kuadrat untuk sampel
besar, yang memperbandingkan frekuensi sel observed dengan
expected untuk seluruh kategori interval waktu.
Uji ini bertujuan untuk melihat apakah ada beda survival experience
dari satu kelompok tertentu dengan kelompok yang menjadi acuan.
Misal, apakah penderita anak – anak penderita down syndrome secara
rata – rata berumur lebih pendek dibandingkan dengan anak – anak
normal?
Analisis SPSS
a. Klik analyze
b. Pilih survial
c. Pilih Kaplan Meier
d. Pindahkan person_time ke time
e. Pindahkan status ke status, klik define event, isikan angka 1
f. Klik faktor/variabel bebas yang akan dianalisis, misal jenis kelamin
g. Klik compare factor/ ceklis log rank
h. Pilih Options klik surial table, mean-median survial,
plot : survival dan log survival
1. p=0,636 > α=0.05, kita dapat menyimpulkan bahwa tidak ada perbedaan fungsi
ketahanan hidup antara jenis kelamin laki-laki dan perempuan.
2. p=0,434 > α=0.05 bahwa tidak ada perbedaan fungsi ketahanan hidup antara
penggunaan obat a dan b.
LIFE TABLE
Life Tabel
Life table (Tabel hayat) adalah daftar yang berisi riwayat kehidupan suatu
penduduk menurut umur, yang menerangkan riwayat suatu kelompok hipotesis
(hypothetical group) atau suatu kelompok penduduk yang berkenaan dengan riwayat
kematian secara bertahap. Metode Life Tabel ini dikenal dengan nama metode Actu-
arial atau Cutler-Ederer. Penggunaan metode ini dengan cara menentukan interval
waktu yang dikehendaki.
Untuk menjalankan prosedur Life Tables, ada beberapa syarat minimal adalah:
1. Satu variabel waktu ketahanan hidup
2. Satu variabel status subyek, yang menjelaskan apakah satu kejadian (event) telah
terjadi atau sensor telah terjadi
3. Kode terjadinya kejadian (event) dan sensor
4. Interval waktu untuk perhitungan tabel kehidupan
Kegunaan dari table tersebut adalah:
1. Menganalisa kemungkinan bertahan hidup suatu individu dalam suatu
poulasi
2. Menentukan umur yang paling rentan mati
3. Menduga pertumbuhan populasi