APLIKASI ANALISIS KESINTASAN (SURVIVAL

ANALYSIS) MENGGUNAKAN TABEL KEHIDUPAN

Oleh:

DR. Drs. Rolles Nixon Palilingan, MS

E-mail: rollespalilingan@yahoo.com

PROGRAM DOKTOR
PROGRAM STUDI ILMU KEDOKTERAN
PROGRAM PASCASARJANA
UNIVERSITAS UDAYANA
TAHUN 2006
 2

KATA PENGANTAR

Ucapan syukur patut disampaikan kepada Tuhan karena dengan bimbingan

dan kekuatan yang diberikanNya maka makalah ini dapat diselesaikan dengan

baik.

Makalah ini dibuat sewaktu penulis menempuh studi Program Doktor

Peminatan Ergonomi di Program Pascasarjana Universitas Udayana untuk

memenuhi tugas dalam Mata Kuliah Statistika Lanjut yang diberikan oleh

Prof.dr.I.N.Tigeh Suryadhi,MPH.Ph.D sebagai PJMK. Makalah dibuat dengan

kerangka sebagaimana biasanya dan ditujukan untuk membahas tentang:

“Aplikasi Analisis Kesintasan (Survival Analysis) Menggunakan Tabel

Kehidupan” agar diperoleh pemahaman yang diperlukan untuk penggunaan

analisis kesintasan dalam penelitian ataupun analisis data yang membutuhkan

analisis tersebut.

Pada kesempatan ini penulis mengucapkan terima kasih kepada

Prof.dr.I.N.Tigeh Suryadhi,MPH.Ph.D, yang telah banyak memberikan bimbingan

dan pengarahan selama perkuliahan Statistika Lanjut yang memungkinkan

makalah ini dapat ditulis.

Harapan penulis kiranya melalui pembahasan makalah ini, penulis dapat

lebih meningkatkan pemahaman dan penguasaan konsep statistik yang diharapkan

dari kuliah tersebut.

Makalah ini sengaja dipublikasi melalui internet agar berguna bagi

mahasiswa Program Pascasarjana, khususnya di Indonesia, yang sedang

mempelajari statistika lanjut tentang SURVIVAL ANALYSIS.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 3

DAFTAR ISI

SOAL ............................................................................................................... 2

KATA PENGANTAR ................................................................................... 3

DAFTAR ISI .................................................................................................. 4

1. PENDAHULUAN .................................................................................... 5

2. DASAR TEORI ........................................................................................ 6

2.1 Pengertian Analisis Kesintasan ........................................................... 6

2.2 Tabel Kehidupan ................................................................................... 7

2.3 Inferensi Statistik dengan Nilai-nilai Tabel Kehidupan .................... 12

3. APLIKASI ANALISIS KESINTASAN .................................................. 16

3.1 Interpretasi Tayangan Tabel Kehidupan ............................................ 18

3.2 Interpretasi Tayangan Grafik .............................................................. 20

3.2.1 Grafik Fungsi Kesintasan .................................................................... 21

3.2.2 Grafik Fungsi Densitas ........................................................................ 22

3.2.3 Grafik Fungsi Hazard ......................................................................... 23

3.3 Membuat Kesimpulan Berdasarkan Hasil Uji Statistik Wilcoxon

(Gehan).................................................................................................... 24

4. PENUTUP ................................................................................................. 25

DAFTAR PUSTAKA ................................................................................... 26

LAMPIRAN .................................................................................................... 28

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 4

1. PENDAHULUAN

Analisis kesintasan (survival analysis) merupakan salah satu jenis analisis

statistik yang banyak digunakan terutama berkaitan dengan kejadian-kejadian
yang berhubungan dengan waktu memanjang. Aplikasi analisis ini banyak sekali
digunakan dalam bidang demografi dan kedokteran. Akan tetapi analisis ini dapat
juga digunakan pada bidang-bidang lain.
Jetton and Yerex (2007) mengemukakan aplikasi analisis kesintasan pada
dinamika populasi management kapital manusia. Assael et. al. (2002)
menggunakan analisis kesintasan untuk studi tentang epidemiologi dan
kelangsungan hidup Cystic Fibrosis di daerah yang hebat Neonatal Screening
lebih dari 30 tahun. Serupa dengan itu Lewis et.al. (1999) menerapkan analisis
kesintasan dalam penelitian mengenai perkiraan kelangsungan hidup untuk orang
dewasa dengan Cystic Fibrosis yang dilahirkan di Inggris antara tahun 1947 dan
1967. Czado (2002) menggunakan analisis kesintasan untuk asuransi penjaminan
jangka panjang. Farrell (2001) menggunakan analisis kesintasan untuk penelitian
mengenai diagnosis dini tentang Cystic Fibrosis melalui Neonatal Screening
untuk mencegah malnutrisi hebat dan memperbaiki pertumbuhan jangka panjang.
Dari paparan beberapa sumber di atas yang menggunakan analisis
kesintasan dalam penelitian maka terlihat mengenai aplikasi analisis ini secara
luas dalam berbagai bidang.
Dalam makalah ini dibahas mengenai analisis kesintasan dan aplikasinya
dengan menggunakan soal yang telah disiapkan, seolah-olah data tersebut
merupakan hasil penelitian. Analisis kesintasan diaplikasikan terhadap data
tersebut, dan berdasarkan hasil-hasil analisis diberikan interpretasi-interpretasi
yang dianggap penting secara statistik. Interpretasi yang diberikan terutama
menyangkut:
1) interpretasi tayangan hasil tabel kehidupan,
2) interpretasi tayangan grafik fungsi survival, density, dan hazard,
3) pembuatan kesimpulan penelitian berdasarkan hasil uji statistik
Wilcoxon (Gehan).

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 5

Makalah ini ditulis dengan tujuan agar diperoleh pemahaman yang

diperlukan dalam mengaplikasikan analisis kesintasan dalam penelitian atau
dalam berbagai studi yang membutuhkan pemecahan dengan analisis kesintasan.

2. DASAR TEORI

2.1 Pengertian Analisis Kesintasan

Iachine (2007) menyebut analisis kesintasan sebagai studi tentang durasi

di antara kejadian-kejadian (study of durations between events). Outcome dalam
analisis kesintasan adalah waktu sampai suatu kejadian terjadi, dan disimbolkan
dengan t atau T, dalam hal ini dapat berupa: “waktu kelangsungan hidup”
(survival time) atau “kegagalan/gangguan” (failure time). Contoh-contoh untuk
hal ini adalah: usia pada saat meninggal; usia pada saat diagnosis penyakit
pertama kali; waktu tunggu kehamilan; dan lamanya (durasi) antara treatment
kematian.
Senada dengan apa yang dikemukakan oleh Iachine (2007), menurut
Menggang (2004) bahwa analisis kesintasan juga dikenal sebagai analisis waktu
sampai kejadian (time to event analysis). Dicontohkan: waktu sampai suatu
respon; waktu sampai kambuh (recurrence) dalam suatu studi kanker; waktu
sampai kematian; waktu sampai hamil; dan waktu sampai infeksi.
Menurut Colton (1974) alasan utama mengapa menggunakan analisis
kesintasan melalui penggunaan tabel kehidupan adalah karena adanya beberapa
kasus dalam dunia kedokteran dimana dalam mengamati gejala suatu penyakit
dibutuhkan waktu yang sangat lama sampai gejala atau kejadian tersebut muncul.
Selain itu untuk mempertahankan pengawasan terhadap penderita-penderita di
dalam kelompok yang diteliti dapat sangat mahal dan memakan waktu. Terhadap
kasus-kasus semacam itulah analisis kesintasan melalui tabel kehidupan sering
digunakan.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 6

2.2 Tabel Kehidupan

Analisis kesintasan dimulai dengan menyusun tabel kehidupan

berdasarkan data-data pengamatan. Menurut Colton (1974) dan Menggang (2004),
ada empat persyaratan utama untuk penerapan suatu tabel kehidupan (life table).
Empat persyaratan tersebut adalah:

1) Suatu tabel kehidupan harus memiliki titik pangkal yang jelas dan
tegas.
2) Suatu tabel kehidupan harus memiliki titik akhir yang jelas dan tegas.
3) Dalam tabel kehidupan, penderita-penderita masuk di bawah
pengamatan pada waktu yang berbeda, dan, pada akhir penelitian, telah
diamati untuk jangka waktu yang berbeda.
4) Dalam tabel kehidupan, pada saat akhir penelitian, titik-titik akhir untuk
beberapa penderita tidak diketahui.

Gambar 1.
Diagram untuk Menggambarkan Prinsip dalam Pendataan untuk Tabel
Kehidupan yang Terdiri dari Tiga Data Utama: Waktu Masuk ke
Penelitian( ), Kejadian ( ) dan sensor ( )(Menggang, 2004).

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 7

Keempat perinsip di atas, dapat lebih jelas dengan melihat paparan pada Gambar 1
sebagaimana yang diberikan oleh Menggang (2004).

Colton (1974) menggambarkan secara lebih jelas dengan memberikan

contoh pola-pola pengamatan untuk lima penderita (sampel) pada suatu penelitian

kesintasan, sebagaimana pada Gambar 2.

Gambar 2.
Pola-pola Pengamatan untuk Lima Penderita (Sampel) pada Suatu
Penelitian Kesintasan: Pola-pola Selama Waktu Penanggalan (Kiri)
dan dari Saat Masuk ke dalam Penelitian (kanan) (Colton, 1974).

Dalam perhitungan suatu tabel kehidupan, keterangan mengenai sejumlah

sampel penderita diperoleh dengan cara seperti dilukiskan pada Gambar 1 dan
Gambar 2.
Data yang diperoleh diringkas dalam bentuk seperti pada Tabel 1. Dalam
tabel tersebut ditabulasi, untuk setiap selang setelah masuk: 1) jumlah di bawah
pengamatan pada permulaan dari selang, 2) jumlah kematian selama selang, dan
3) jumlah yang mengundurkan diri hidup-hidup selama selang. Kolom-kolom
yang lain dihitung dengan menggunakan prinsip-prinsip statistik, yang dapat
dijelaskan sebagaimana berikut ini.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 8

Dengan mengambil event ( ) sebagaimana pada Gambar 1, adalah

kematian, Colton (1974) menjelaskan bahwa untuk selang x sampai x+1: Ox
menunjukkan jumlah di bawah pengamatan pada permulaan selang; dx, kematian-
kematian selama selang; wx, jumlah yang mengundurkan diri selama selang; dan
qx, angka kematian untuk selang tersebut. Selanjutnya harus ditambahkan pada dx
kematian-kematian yang diharapkan di antara mereka yang mengundurkan diri
untuk separuh dari selang sewaktu mereka tidak diamati, yaitu (wx)(qx/2). Oleh
karena kematian-kematian, dengan penyesuaian untuk mereka yang
mengundurkan diri, adalah dx + (wx)(qx/2) sehingga angka kematian qx, menjadi:
dx (w x )(q x /2)
qx (1)
Ox
yang dapat disederhanakan menjadi,
dx
qx (2)
Ox (w x /2)
Dalam hal ini,
Ox’ = O x (w x /2) (2a)
merupakan jumlah yang terpapar resiko pada selang x.

Tabel 1. Data Utama dalam Suatu Tabel Kehidupan

Interval Start Number Entering Number Withdrawing Number of

Time Interval during Interval Terminal Events

x Ox wx dx
(1) (2) (3) (4)
1 O1 w1 d1
2 O2 w2 d2
3 O3 w3 d3
. . . .
. . . .
. . . .
k Ok wk d3

Untuk kolom-kolom berikutnya,

px = 1-qx (2b)

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 9

merupakan probabilitas-probabilitas yang diperkirakan dari terus hidup

melampaui selang-selang tersebut. Nilai px ini merupakan probabilitas-
probabilitas bersyarat, sehingga px merupakan peluang yang diperkirakan dari
terus hidup melampaui selang x sampai x+1 dengan syarat bahwa penderita telah
terus hidup melampaui semua selang-selang sebelumnya dan hidup serta di bawah
pengamatan pada permulaan dari selang itu.
Peluang kumulatif dari terus hidup diperoleh dengan penerapan hukum
perkalian probabilitas, sehingga:
peluang dari terus hidup pada interval ke-1 adalah:
P 1 = p1 ;

peluang terus hidup pada interval ke-2 adalah;

P2 = p1.p2;
peluang terus hidup pada interval ke-3 adalah;
P3 = p2.p3;
dan seterusnya sampai,
Pk = p(k-1). pk (3)
Peluang kumulatif dari terus hidup, yang dinyatakan dengan Px, merupakan fungsi
tabel kehidupan. Fungsi halus tabel kehidupan dituliskan dengan persamaan,
Sx = Prob {TPx> x) (4)
dimana S0 = 1,
Atau sering juga dituliskan sebagai (Iachine, 2007; Menggang, 2004),
SP(t) = Prob {TP>t) (5)
dimana SP(0) = 1,
Secara grafis bentuk fungsi halus tabel kehidupan dilukiskan pada Gambar 3. Dari
fungsi halus tersebut dapat ditentukan peluang bertahan hidup sampai waktu t dan
berapa banyak yang bertahan hidup sampai waktu t dalam %.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 10

SP(t)

0 t

Gambar 3.
Fungsi Halus Peluang Terus Hidup dari Suatu Tabel Kehidupan

Hazard Rate dihitung dengan persamaan,

dx dx
Hx (6)
Lx n/2(O x Ox 1)

dimana,
Lx = n/2(O x Ox 1) (7)
Densitas dihitung dengan persamaan:
dx dx dx dx dx
Dx (8)
L0 n/2(O x Ox 1) n/2(O 0 O0 1 ) n/2(2O 0 ) nO 0 )
Uraian secara rinci tentang tabulasi data untuk suatu tabel kehidupan diberikan
pada Tabel 2, bersama persamaan-persamaan yang digunakan.
Contoh perhitungan dengan data yang diberikan oleh Colton (1974)
diberikan pada Tabel 3, yang dikerjakan pada lembar kerja Program Excel 2003.
Perhitungan-perhitungan yang dilakukan, diperlihatkan pada Lembar kerja
Program Excel 2003 sebagaimana yang ditunjukkan pada Tabel 3, dan rincian
persamaan-persamaan yang digunakan diberikan pada Tabel 4.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 11

2.3 Inferensi Statistik dengan Nilai-nilai Tabel Kehidupan

Colton (1974) mengemukakan bahwa nilai-nilai Px yang menyusun tabel

kehidupan adalah penetapan-penetapan yang dihitung dari penderita (sampel).

Dengan demikian maka akan mengikuti pengertian-pengertian dari sifat-sifat

sampel seperti: mean, simpangan baku, proporsi, kelandaian regresi, atau nilai

korelasi. Oleh karena itu pengertian distribusi-distribusi sampel menjadi sesuai,

dan perhatian dapat berpusat pada penetapan dari suatu kesalahan baku terhadap

P x.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 Tabel 2. Bentuk Tabulasi Data dalam Suatu Tabel Kehidupan.

Number Number Cumulative

Interval Number Number
Withdrawing of Proportion Proportion Proportion Std. Error of Cumulative Proportion Surviving at End of Hazard
Start Entering Exposed
during Terminal Terminating Surviving Surviving at End Interval Rate
Time Interval to risk
Interval Events of Interval

SE(Px)= Px ( (qx/(Ox-dx-wx/2)))
( (qx/(Ox-dx-wx/2)))
(qx/(Ox-dx-wx/2))
qx/(Ox-dx-wx/2)
Ox-dx-wx/2
Ox-wx/2

x Ox wx dx qx px=1-qx Px Hx

(1) (2) (3) (3a) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13)
1 O1 w1 O1-w1/2 d1 q1 p1=1-q1 P1 . . . . SE(P1) H1
2 O2 w2 O2-w2/2 d2 q2 p2=1-q2 P2 . . . . SE(P2) H2
3 O3 w3 O3-w3/2 d3 q3 p3=1-q3 P3 . . . . SE(P3) H3
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
k Ok wk Ok-wk/2 d3 q3 p3=1-q3 P3 . . . . SE(Pk) Hk
 13

Tabel 3. Contoh Perhitungan Tabel Kehidupan yang dicontohkan oleh Colton (1974), dengan Program Excel 2003.
A B C D E F G H I J K L M

Number Number Cumulative

Interval Number
Withdrawing of Proportion Proportion Proportion Std. Error of Cumulative Proportion Surviving at End of Hazard
2 Start Entering
during Terminal Terminating Surviving Surviving at End Interval Rate
Time Interval
Interval Events of Interval

SE(Px)= Px ( (qx/(Ox-dx-wx/2)))
( (qx/(Ox-dx-wx/2)))
(qx/(Ox-dx-wx/2))
qx/(Ox-dx-wx/2)
Ox-dx-wx/2
3 x Ox wx dx qx px=1-qx Px Hx

4 (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13)
5 0 146 3 27 0.1869 0.8131 0.8131 117.500 0.0016 0.0016 0.0399 0.0324 0.1031
6 1 116 10 18 0.1622 0.8378 0.6813 93.000 0.0017 0.0033 0.0577 0.0393 0.0882
7 2 88 10 21 0.2530 0.7470 0.5089 62.000 0.0041 0.0033 0.0577 0.0294 0.1448
8 3 57 3 9 0.1622 0.8378 0.4264 46.500 0.0035 0.0109 0.1044 0.0445 0.0882
9 4 45 3 1 0.0230 0.9770 0.4166 42.500 0.0005 0.0114 0.1070 0.0446 0.0116
10 5 41 11 2 0.0563 0.9437 0.3931 33.500 0.0017 0.0114 0.1070 0.0421 0.0290
11 6 28 5 3 0.1176 0.8824 0.3469 22.500 0.0052 0.0184 0.1355 0.0470 0.0625
12 7 20 8 1 0.0625 0.9375 0.3252 15.000 0.0042 0.0225 0.1501 0.0488 0.0323
13 8 11 1 2 0.1905 0.8095 0.2632 8.500 0.0224 0.0449 0.2120 0.0558 0.1053
14 9 8 6 2 0.4000 0.6000 0.1579 3.000 0.1333 0.1783 0.4222 0.0667 0.2500
15
16 n=1
Sel D16 merupakan data yang menyatakan panjang swelang, yaitu dalam contoh ini: n = 1
Kolom (3a) pada Tabel 2, pada contoh yang diberikan Colton (1974), sudah terintegerasi pada kolom (5).

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 14

Tabel 4. Persamaan-persamaan dalam Perhitungan Tabel Kehidupan, dengan Program Excel 2003.

E F G H I J K L M

Cumulative
Proportion
Proportion Proportion
1 Surviving Std. Error of Cumulative Proportion Surviving at End of Interval Hazard Rate
Terminating Surviving
at End of
Interval

2 (5) (6) (7) (8) (9) (10) (11) (12) (13)

5
6
7
8
9
10
11
12
13
14

A B C D E F G H I J K L M
16 n=1

Sel D16

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 Persamaan yang menyatakan kesalahan baku (standard error) yang

diusulkan oleh Greenwood, dituliskan dalam bentuk:

dx
SE(Px ) Px qx / Ox dx w x /2 (9)
Ox w x /2 O x dx w x /2

Kolom (8) sampai kolom (12) pada Tabel 2 dan Tabel 3 menyatakan pemakaian
dari persamaan ini.
Nilai-nilai Px dan kesalahan-kesalahan baku masing-masing di setiap
selang dapat diasumsikan berdistribusi normal. Dengan demikian dalam Tabel
kehidupan dapat dilakukan uji-uji kemaknaan atau menghitung batas-batas
kepercayaan terhadap nilai-nilai tabel kehidupan.
Suatu perbandingan dari dua kelompok penelitian: satu yang menghasilkan
sebuah tabel kehidupan dengan nilai-nilai Px; dan yang lain dengan nilai-nilai P’x
dapat dilakukan dengan menghitung:

Px P, x
z (10)
2 2 2
SE(Px ) SE(P , x )

dan kemudian mencocokkan dengan tabel-tabel dari penyebaran normal.

3. APLIKASI ANALISIS KESINTASAN DENGAN TABEL

KEHIDUPAN

Dalam bagian ini akan dibahas penerapan konsep analisis kesintasan

dengan menggunakan data yang diberikan dalam soal. Data tersebut dianggap
sebagai suatu hasil penelitian terhadap suatu jenis penyakit pada dua kelompok
penderita yaitu kelompok stadium 1 dan kelompok stadium 3. Data tersebut
adalah sebagaimana yang diberikan pada Tabel 4.
Analisis data dilakukan dengan menggunakan software program komputer

SPSS 15. Output hasil analisis dengan menggunakan data pada Tabel 4, diberikan

dalam Lampiran 1 sampai Lampiran 3.

 16

Tabel 4. Data Perkembangan sejenis penyakit. Diandaikan diamati

selama 50 bulan. Stadium penyakit, dinyatakan 1 dan 3.

Stadium 1 Stadium 3
Status Status
Waktu (Time) Waktu (Time)
(sensor=0;mati=1) (sensor=0;mati=1)
(a) (b) (a) (b)
1 0 1 1
2 1 1 1
3 1 1 1
3 1 1 0
3 0 1 1
3 1 1 1
4 1 3 1
4 1 3 1
4 1 3 1
7 1 3 1
7 1 3 1
7 1 3 1
8 1 3 1
8 0 3 0
8 1 3 1
10 1 7 1
10 1 7 0
11 1 7 1
12 1 10 1
12 1 10 1
15 1 10 1
18 1 11 1
22 1 11 1
24 1 12 1
26 1 12 1
28 1 12 1
30 0 14 1
34 0 14 1
35 1 14 1
35 1 14 1
36 1 14 1
39 1 14 1
40 1 15 1
44 1 15 1
47 1 15 1
48 0 15 0
48 0 16 1
48 1 17 1
48 1 21 1
48 1 22 1
49 0 27 1
49 0 28 0
49 0 30 1
49 1 32 1
49 1 35 1
49 1 39 1
49 0 40 1
50 1 44 1
50 1 49 1
50 1 50 0

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 17

3.1 Interpretasi Tayangan Hasil Tabel Kehidupan

Hasil Tabel kehidupan dengan program SPSS sebagaimana pada Lampiran

1(a) diringkaskan pada Tabel 5. Bila dibandingkan dengan contoh yang dijelaskan

oleh Colton (1974) sebagaimana yang telah diuraikan pada bagian 2.2, hasil pada

Colton (1974) tidak menyertakan kolom (3a) kolom 13 sampai kolom (14a).

Untuk kejelasan dalam interpretasi Tabel, tiap kolom pada Tabel 5 dapat

dijelaskan sebagaimana uraian berikut ini.

Tabel 5. Hasil Analisis tabel Kehidupan yang Dihitung dengan Program

SPSS. Diringkas dari Hasil pada Lampiran 1(a).

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 18

Perhitungan-perhitungan yang dilakukan di setiap kolom adalah mengikuti

perhitungan sebagaimana yang telah dijelaskan pada persamaan (1) sampai
persamaan (8).
1) Stadium 1.
a) Kolom (1)
Kolom (1) menyatakan waktu mulai interval (interval start time). Jadi karena
dalam hal ini dianalisis interval 5 bulan maka pengamatan terhadap gejala
penyakit yang dilakukan selama 50 bulan, maka terdapat 11 interval.
b) Kolom (2)
Kolom (2) menyatakan jumlah subyek yang diamati pada setiap selang
(Number Entering Interval). Pada selang ke-2 kolom (2), jumlah subyek yang
diamati tinggal 41 orang, karena yang mengundurkan diri pada selang pertama
2 orang dan yang meninggal pada selang pertama 7 orang. Perhitungan yang
sama dilakukan sampai selang terakhir. Pada selang terakhir jumlah subyek
yang diamati tinggal 16-(7+6) = 3 orang.
c) Kolom (3)
Kolom (3) menyatakan jumlah subyek yang mengundurkan diri di setiap
selang, sering juga disebut sensor. Sensor juga dapat berlaku bagi subyek yang
sementara diamati kemudian menghilang mungkin karena pindah tempat dan
lain-lain.
d) Kolom (3a)
Kolom (3a) menyatakan jumlah subyek yang terpapar resiko (number exposed
to risk) pada setiap selang, dihitung dengan menggunakan persamaan (2a).
Interval pertama, 50-(2)/2 = 49,0 orang. Interval berikut dihitung dengan cara
yang sama.
e) Kolom (4)
Kolom (4) menyatakan jumlah subyek yang meninggal pada setiap selang
(Number of terminal events).
f) Kolom (5)
Kolom (5) menyatakan proporsi yang meninggal (proportion terminating),
dihitung dengan menggunakan persamaan (2). Secara rinci persamaan-

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 19

persamaan yang digunakan di setiap sel dapat dilihat pada Tabel 3 dan juga
Tabel 4.
g) Kolom (6)
Kolom (6) menyatakan proporsi yang bertahan hidup di setiap selang
(proportion surviving). Dihitung dengan persamaan (2b).
h) Kolom (7)
Kolom (7) menyatakan proporsi kumulatif subyek yang bertahan hidup pada
akhir interval (standard error of cumulative proportion surviving at end of
interval). Dihitung dengan menggunakan persamaan (3).
i) Kolom (8-12)
Kolom (8-12) menyatakan kesalahan baku (standard error, SE) proporsi
kumulatif subyek yang bertahan hidup pada akhir interval. Dihitung dengan
menggunakan persamaan (9). Kolom (8) sampai (12) menyatakan rangkaian
perhitungan.
j) Kolom (13 dan 13a)
Kolom (13) menyatakan hazard rate. Dihitung dengan menggunakan
persamaan (6). dan standard error (SE)-nya.
k) Kolom (14, dan 14a)
Kolom (14) menyatakan densitas (density). Dihitung dengan menggunakan
persamaan (8), dan SE-nya.
2) Stadium 3.
Perhitungan-perhitungan yang dilakukan di setiap kolom pada stadium 3
adalah sama dengan yang dilakukan pada stadium 1.

Secara rinci perhitungan-perhitungan pada tabel kehidupan telah dijelaskan pada

Tabel 2 sampai Tabel 4, yang ditunjukkan dengan menggunakan program Excel.

3.2 Interpretasi Tayangan Grafik

Tayangan grafik utama yang dihasilkan dengan program SPSS adalah: (1)

fungsi kesintasan (survival); (2) fungsi densitas; dan (3) fungsi hazard. Ketiga

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 20

grafik fungsi tersebut sebagaimana yang diberikan dalam Lampiran 2a sampai

Lampiran 2c, diperlihatkan kembali pada Gambar 4, Gambar 5 dan Gambar 6.

3.2.1 Grafik Fungsi Kesintasan

Survival Function

1.0 STAD
stad1
stad3

0.8
Cum Survival

0.6

0.4

0.2

0.0

0 10 20 30 40 50 60

intrv

Gambar 4.
Grafik Fungsi Kesintasan

Secara umum dari grafik pada Gambar 4 dapat dikatakan bahwa peluang
terus hidup subyek pada stadium 1 lebih tinggi daripada subyek pada stadium 3.
Sebagai contoh bahwa peluang kumulatif dimana subyek masih terus hidup
sebanyak 50% (0,50) pada stadium 1 terjadi pada interval ke-30 sedangkan pada
stadium 3 terjadi pada interval ke-15. Artinya, secara kumulatif pada stadium 3,
50 % subyek telah meninggal akibat penyakit terjadi pada bulan ke-15, sedangkan
pada stadium 1, 50% subyek meninggal akibat penyakit nanti terjadi pada bulan
ke-30.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 21

Selanjutnya peluang dimana 20% subyek masih hidup pada stadium 3

terjadi pada bulan ke-25 (interval ke-6) sedangkan pada stadium 1 nanti terjadi
pada bulan ke-50 (interval terakhir).

3.2.2 Grafik Fungsi Densitas

Grafik fungsi densitas sebagaimana pada Gambar 5. Fungsi densitas

menyatakan kerapatan peluang (probability density), yang dalam konteks ini
menyatakan jumlah kejadian (events) tiap satuan luas di bawah kurva. Dari grafik
tersebut terlihat bahwa pada stadium 3 densitas peluang tinggi pada interval-
interval awal dan rendah pada interval-interval akhir. Sementara itu pada stadium
1 terjadi sebaliknya, yaitu lebih rendah pada interval-interval awal dan lebih tinggi
pada interval-interval akhir.

Density Function

0.07 STAD
stad1
stad3
0.06

0.05
Density

0.04

0.03

0.02

0.01

0.00

0 10 20 30 40 50

intrv

Gambar 5.
Fungsi Densitas

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 22

Artinya bahwa kejadian kematian karena penyakit lebih banyak terjadi di interval-
interval awal pada stadium 3. Sedangkan kejadian kematian karena penyakit
untuk stadium 1 nanti terjadi pada interval-interval akhir. Sementara pada saat itu
kejadian kematian karena penyakit untuk stadium 3 menjadi rendah karena
kejadian tersebut sudah banyak terjadi di interval-interval awal.

3.2.3 Grafik Fungsi Hazard

Grafik fungsi hazard dilukiskan pada Gambar 7. Menurut Iachine (2007)

fungsi hazard berbanding terbalik dengan fungsi kesintasan, sehingga dapat
dituliskan bahwa: high hazard rate = Low survival, yang dilukiskan oleh Iachine
(2007) sebagaimana Gambar 6.
Kenyataan tersebut menunjukkan bahwa peluang kelangsungan hidup
yang lebih tinggi sama artinya dengan peluang hazard (bahaya) yang lebih rendah.
Sebaliknya peluang kelangsungan hidup yang lebih rendah sama artinya dengan
peluang hazard yang lebih tinggi.
Grafik pada Gambar 7 menunjukkan bahwa peluang hazard (bahaya)
karena penyakit yang dialami lebih tinggi pada stadium 3 daripada stadium 1.
Bila grafik pada Gambar 4 dibandingkan dengan grafik pada Gambar 7
dapat dikemukakan bahwa proporsi (peluang) terus hidup stadium 1 lebih tinggi
daripada proporsi terus hidup stadium 3 pada setiap bulan (interval) setelah
masuk ke penelitian. Sedangkan bila dilihat hazard, hazard stadium 3 lebih
tinggi dari pada hazard stadium 1 pada setiap bulan (interval) setelah masuk ke
penelitian.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 23

H(t)

S(t)

Gambar 6.
Gambaran hubungan fungsi kesintasan S(t) dan
fungsi hasard H(t) (Iachine, 2007).

0.4

0.3

STAD
Stad3
Hazard

0.2
Stad2

0.1

0.0

0 10 20 30 40 50

intrv

Gambar 7.
Grafik Fungsi Hazard

3.3 Membuat Kesimpulan Berdasarkan Hasil Uji Statistik Wilcoxon

(Gehan)

Sebagaimana yang telah dikemukakan pada bagian 2.3 kita dapat

membandingkan dua fungsi kesintasan, misalnya Px dengan Px’ atau antara S1(t)

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 24

dengan S2(t). Menurut Iachine (2007), bila terdapat dua kelompok dengan fungsi
kesintasan masing-masing S1(t) dan S2(t), maka untuk pengujian ini dapat
dikemukakan pertanyaan penelitian: apakah dua kelompok memiliki
kelangsungan hidup yang sama? atau apakah S1(t) sama dengan S2(t) untuk semua
t?; dan dapat pula dituliskan hipotesis statistik sebagai berikut:

Ho : S1 = S 2
HA : S1 S2
atau menurut Menggang (2004),

Ho : Tidak ada perbedaan antara kurva kesintasan kelompok 1 dan

kelompok 2.

HA : Terdapat perbedaan antara kurva kesintasan kelompok 1 dan

kelompok 2.

Berdasarkan Hasil pengujian dengan statistik Wilcoxon (Gehan) sebagaimana

yang dipaparkan pada Tabel 6 (atau Lampiran 3), maka dapat disimpulkan bahwa

pada taraf signifikansi = 0,05 (atau 5%), terdapat perbedaan yang signifikan

antara fungsi kesintasan stadium 1 dan stadium 3. Kenyataan ini terlihat dari nilai

p yang lebih kecil dari 0,05 yaitu p = 0,003. Dalam hal ini subyek atau kelompok

yang menderita penyakit pada stadium 1 memiliki peluang bertahan hidup lebih

tinggi dari pada subyek yang menderita penyakit pada stadium 3.

Tabel 6. Hasil Uji statistik Wilcoxon (Gehan)

Overall Comparisons(a)

Wilcoxon
(Gehan) df Sig.
Statistic
8.762 1 .003
a Comparisons are exact.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 25

Berdasarkan prinsip yang sudah dijelaskan pada bagian 3.2.1 dan 3.2.3,

khususnya mengenai hubungan antara fungsi kesintasan dan fungsi hazard, maka

dapat pula disimpulkan bahwa pada taraf signifikansi = 0,05 (atau 5%), terdapat

perbedaan yang signifikan antara fungsi hazard stadium 1 dan stadium 3. Dalam

hal ini subyek atau kelompok yang menderita panyakit pada stadium 3 memiliki

peluang hazard (bahaya) yang lebih tinggi dari pada subyek atau kelompok yang

menderita penyakit pada stadium 1.

4. PENUTUP

Berdasarkan pembahasan yang telah dilakukan pada makalah ini maka

dapatlah dikemukakan bahwa ternyata analisis kesintasan melalui tabel

kehidupan memberikan manfaat yang sangat besar dalam menginterpretasikan

suatu hasil penelitian. Oleh karena itu hasil penelitian dapat diungkapkan secara

statistik dengan tepat dan memberikan makna yang berarti dalam usaha-usaha

untuk penanganan suatu penyakit.

Diharapkan bahwa pemahaman mengenai prinsip-prinsip analisis

kesintasan yang telah diperoleh melalui pembahasan makalah ini dapat

memberikan dasar yang memadai untuk melakukan analisis yang serupa dalam

penelitian ataupun dalam melakukan analisis-analisis data yang harus

menggunakan analisis kesintasan.

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.
 26

DAFTAR PUSTAKA

Assael, B. M; Castellani, C; Ocampo, M. B; Iansa, P; Callegaro, A; Valsecchi,

M.G. 2002. Epidemiology and Survival Analysis of Cystic Fibrosis in an
Area of Intense Neonatal Screening Over 30 Years. American Journal of
Epidemiology, Vol. 156, No. 5:397-401.
Colton, T. 1974. Statistics in Medicine. Little, Brown and Co. (Inc.). Terjemahan
oleh: Sanusi, R. 1984. Statistika Kedokteran. Yokyakarta: Gadjah Mada
University Press.
Czado, R. 2002. Application of Survival Analysis Methods to Long Term Care
Insurance. Sonderforschungsbereich 386, Paper 268, [cited 2007 May 23].
Available from: URL: http://epub.ub.uni-muenchen.de/.
Farrell, P. M. 2001. Early Diagnosis of Cystic Fibrosis Through Neonatal
Screening Prevents Severe Malnutrition and Improves Long-Term Growth
PEDIATRICS Vol. 107 No. 1 January 2001, pp. 1-13.
Iachine, I. 2007. Basic Survival Analysis. Biostatistik-Basale Begreber, [cited
2007 May 23]. Available from: URL:
http://www.biostat.sdu.dk/courses/e02/basalebegreber/bb_sur_e01sm.pdf
Jetton, M and Yerex, R. 2007. An application of Survival Analysis to Population
Dynamics in Human Capital Management. Unicru, Inc, Beaverton, [cited
2007 May 28]. Available from: URL: www.unicru.com.
Lewis, P.A; Morison, S; Dodge, J. A; Geddes, D; Coles, E. C; Russell, G;
Littlewood, J. M; and Scott, M. T. 1999. Survival estimates for adults
with cystic fibrosis born in the United Kingdom between 1947 and 1967.
Thorax 1999;54;420-422, [cited 2007 May 23]. Available from: URL:
www.thorax.bmj.com.
Menggang Yu. 2004. Introduction to Survival Analysis. Department of
Medicine/Biostatistics. Indiana University, [cited 2007 May 23].
Available from: URL:
http://www.biostat.iupui.edu/ShortCourse/survival.pdf

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA

10/21/2008.