You are on page 1of 11

TUGAS KELOMPOK ANALISIS SURVIVAL

PERBANDINGAN SKRIPSI

Oleh Kelompok : 1. RETA YULIA PRATIWI 2. DWI RETNO LESTARI (105090500111015) (105090500111029)

PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG

Dari skripsi tersebut. merupakan usia individu saat dimulainya penelitian. benilai 0 : laki-laki dan 1 : perempuan. X1: Usia (bulan).biostat. dengan melihat nilai c jika peubah bebas satu per satu dikeluarkan. X2: Jenis. Koefisien β diduga dengan menggunakan metode maksimum parsial-likelihood seperti pada persamaan: ( ) ∑. Nilai parameter β yang telah diperoleh selanjutnya digunakan untuk menduga fungsi garis dasar hazard. merupakan durasi waktu antara masuknya individu dalam penelitian sampai terjadinya kegagalan atau sampai kontak terakhir dalam penenlitian.edu/edu/homepgs/klein/channing. maupun tersensor sebelah kiri). Data diperoleh dari www. Pada skrispsi ini.mcw. Melakukan pendugaan koefisien β dan pemilihan model regresi Cox terbaik.340X2i) 2. S : Status akhir.006X1i + 0. yang berjudul “PENGGUNAAN MODEL STRATIFIED PROPOSIONAL HAZARD PADA PEUBAH BEBAS BERSIFAT KATEGORI MODEL REGRESI COX” Dalam skripsi “Reshani” data yang digunakan adalah data sekunder tentang penelitian terhadap lama bertahan individu yang tinggal di tempat terpencil. h0(t) berdasarkan persamaan: . diperoleh nilai-p untuk masing-masing peubah bebas < 0. peubah bebasnya adalah usia dan jenis kelamin. Sedangkan untuk pemilihan peubah bebas yang masuk dalam model regresi Cox digunakan metode eliminasi mundur dengan α = 10%. merupakan peubah kategori bernilai 0 : pengamatan tersensor (baik tersensor sebelaha kanan. dan 1 : kegagalan. Metode eliminasi mundur dilihat dari perubahan -2ln L(G2) pada taraf nyata sebesar 10%. Penelitian ini dilakukan pada 215 individu dan peubah yang diamati adalah: T : Waktu survival (bulan). ( ( ⃗ ⃗( ) )) ∑ ( ( )) ( ⃗ ⃗ )- dengan metode newton raphson. Jika nilai-p < α maka dikatakan peubah -2ln L(G2) tidak berarti dan peubah bebas tersebut masuk dalam model.Pembahasan Skripsi Reshani. sehingga variabel usia dan jenis kelamin dimasukkan ke dalam model.html.1. Metode dan analisis yang digunakan adalah sebagai berikut: 1. Sehingga model Cox yang diperoleh adalah: hi(t) = h0(t) exp(0.

Dari skripsi dapat dilihat bahwa plot tidak membentuk pola garis lurus pada pengamatan tersensor. Jika plot menunjukkan terbentuknya garis lurus dengan intersep 0. Pada skripsi. diasumsikan bersifat proporsional pada masing-masing kelompok. jika grafis menunjukkan perbedaan yang konstan maka dikatakan asumsi proporsional hazard sudah terpenuhi. 5.( ) ∑. sehingga disimpulkan bahwa asumsi proporsional Hazard untuk peubah bebas jenis kelamin (X2) tidak terpenuhi. Selanjutnya adalah memeriksa kesesuaian model regresi Cox. Pemeriksaan terhadap peubah bebas bersifat kontinyu dilakukan dengan mengkategorikan peubah tersebut ke dalam kategori. ⃗ ⃗( ) ∑ ( ( )) ( ⃗ ⃗ )- Dari fungsi garis dasar survival. Jika asumsi proprsional hazard sudah terpenuhi maka analisis selesai dan model yang dihasilkan layak untuk digunakan. Pemeriksaan dilakukan dengan cara grafis. maka model regresi Cox dapat dikatakan sudah sesuai. yaitu plot ln Hi(t) terhadap t. yaitu untuk nilai ln r2Ci mulai dari nol. Hal ini menunjukkan bahwa model yang dihasilkan tidak sesuai. dilakukan stratified untuk menangani non proportional hazard. S0(t) dapat ditentukan peluang bertahan individu pada saat t. 4. Peluangnya adalah: ̂( ) ̂ ( ) ( ) 3. Dari skripsi dapat dilihat bahwa tidak terdapat adanya perbedaan yang konstan antara level jenis kelamin laki-laki terhadap perempuan. Pemeriksaan hanya dilakukan pada peubah bebas yang bersifat kategori. yaitu kategori laki-laki sebanyak 96 individu dan kelompok kedua adalah kategori sebanyak 118 individu. Kesesuaian model ini dilihat dari plot antara log natural kumulatif hazard. peubah yang dikelompokkan adalah variabel kjenis kelamin dan dikelompokkan menjadi 2. ln ( ̂( ) dengan ln sisaan ln ). Cox-Snell. Sedangkan apabila asumsi proporsional Hazard tidak terpenuhi maka perlu dilakukan penanganan. Peubah bebas bersifat kategori yang non proportional hazard dikelompokkan ke dalam kelompok sebanyak kategori dari peubah tersebut. Dalam penelitian tersebut. Membentuk stratified proportional hazard model berdasarkan persamaan: ( ) (⃗ ⃗ ) ( ) . Selanjutnya adalah memeriksa asumsi proporsional hazard.

Pada peubah usia (X1) diperoleh nilai ̂ sebesar 0. c. Dengan kata lain individu pada masing-masing kelompok memiliki peluang kegagalan yang sama. Pemeriksaan lack of fit dapat dilakukan dengan menggunakan nilai harapan kejadian dan score test. menjadi 7 kelompok dari kelompok usia. Membentuk covariate regions dengan persamaan: ̂ ( ̂) b. Dari model stratified proportional hazard yang terbentuk dapat dikatakan bahwa hazard rasio untuk untuk individu ke –i dengan usia (X1i) relative terahadap individu dengan usia pada kelompok yang sama adalah e0. . d. 6. Menentukan penduga sisaan Martingale pada masing-masing kategori. e. Pemeriksaan lack of fit. Membentuk nilai harapan pada masing-masing kategori. Membandingkan nilai harapan dengan banyaknya kejadian dalam masingmasing percentile of risk Nilai harapan yang paling mendekati banyaknya kejadian merupakan pencocokan terbaik untuk model stratified. Seluruh persamaan dikelompokkan ke dalam percentile of risk. maka dapat disimpulkan bahwa nilai untuk peubah usia tidak sama dengan nol. yaitu berdasarkan kuartil.005.  Dengan menggunakan nilai harapan kejadian a. Nilai harapan = Jumlah nilai pengamatan (kejadian) – Jumlah penduga sisaan Martingale g. f. maka dapat disimpulkan bahwa peubah bebas usia tidak dapat keluar dari model pada taraf nyata 10%.005 dengan nilai simpangan baku sebesar 0.000. Pengamatan kejadian (kegagalan) dikelompokkan ke dalam percentile of risk. Karena nilai-p < α. Sedangkan perubahan -2ln L(G2) jika peubah bebas usia keluar dari model sebesar 13. Dalam penelitian ini covariate regions dibagi ke dalam tiga cara. model stratified proportional hazard yang terbentuk adalah: ( ) ( ) ( ) Model stratified proportional hazard pada masing-masing kelompok hanya dipengaruhi oleh peubah bebas usia dan memiliki fungsi garis dasar hazard yang berbeda untuk kelompok laki-laki dan perempuan. Dengan demikian.001 dan nilai-p 0. Membentuk percentile of risk yaitu membagi covariate regions menjadi beberapa kelompok.005 = 1. Karena terjadi perubahan.346.

Dari hasil pengelompokan.  Dengan menggunakan nilai score test Pemeriksaan lack of fit menggunakan metode score test berdasarkan persamaan : ( ) ( ) *∑ ∑ ( ( ( ) dengan derajat ) )+ Sehingga hasil perhitungannya adalah : ( ) ( ) Dari hasil perhitungan diatas. Karena nilai-p > 10% maka menerima Ho yang berarti bahwa model memberikan pendugaan yang baik. namun memberikan pendugaan yang tinggi untuk group kedua. didapatkan nilai harapan berdasarkan kelompok usia memberikan pendugaan yang rendah untuk group pertama. kemudian dibandingkan dengan bebas 1. Dari pengujian tersebut diperoleh nilai-p sebesar 0. Maka model yang terbentuk adalah ( ) ( ) ( ) dimana adalah . dimana diperoleh empat grup. Pertama berdasarkan kuartil. Cara kedua percentile of risk didasarkan pada tujuh grup yang memiliki lebar selang yang sama. 7. Dengan membagi covariate regions menjadi tujuh daerah yang memiliki nilai selang risk group risk group yang sama memberikan kesesuaian yang lebih mendekati nilai kejadian dibandingkan membagi covariate regions menjadi empat daerah dari kelompok usia.2959 pada taraf nyata 10%. masing-masing satu group terdiri dari lima tahun. Sedangkan cara ketiga dugunakan kelompok umur.Pada skripsi nilai covariate regions dibagi ke dalam tiga percentile of risk. Pemeriksaan validasi model Langkah pertamanya adalah menentukan prognostic index (PI) untuk masing-masing individu ke-I dengan persamaan : ̂ ⃗ ⃗ Karena pada kasus ini variabel bebas yang masuk dalam model hanya variabel x1 maka diperoleh perhitungan sebagai berikut : ̂=⃗ ⃗ ⃗ Selanjutnya adalah membentuk model cox regresi dengan PI sebagai peubah bebas. Hasilnya akan menerima Ho atau dengan kata lain model memberikan pendugaan yang baik.

Usia pasien saat terdiagnosis Rb berdasarka gejala awal yang muncul (bulan). yang berjudul “REGRESI STRATIFIED COX UNTUK MENGATASI PELANGGARAN TERHADAP ASUMSI RISIKO PROPORSIONAL DATA KONTINYU” Data yang digunakan adalah Data sekunder hasil penelitian Prastyani (2010) tentang lama bertahan 91 pasien penderita retinoblastoma (Rb) atau kanker mata anak di RSUD dr. 2. 3=poorly differentiated dan likelihood (fungsi kemungkinan parsial menggunakan iterasi Newton. kemoterapi dan radioterapi 4. 2=negatif Metode dan analisis yang digunakan adalah sebagai berikut: 1. Model terbaik dipilih dengan cara eliminasi langkah mundur setelah langkah eliminasi kelima. 5=kombinasi bedah dan radioterapi. Pembahasan Skripsi Shynde Limar Kinanti. Koefisien PI adalah ̂ yang menunjukkan ukuran validasi. dan mengenai mata dan pinealoblastoma (3=trilateral). Pendugaan koefisien beta regresi Cox. 3. 2=differentiated. 1=bedah. Soetomo Surabaya tahun 2004-2009. 2=negatif 7. 2=kemoterapi. 6=kombinasi bedah. menghasilkan tiga peubah penjelas. Modalitas yaitu bentuk terapi yang diberikan . Metafase yaitu masuknya tumor pada otak . Lateralitas Rb . jika nilai tersebut mendekati 1 maka menunjukkan model valid. 1=positif. (1=unilateral) mengenai satu mata. dan 3=radioterapi.PI. Stadium . PA merupakan derajat keganasan sel hasil patologi anatomi dari jaringan tumor yang di ambil . (2=bilateral) mengenai 2 mata. 1=well 4=undifferentiated. 4=kombinsai bedah dan kemoterapi. Dari hasil perhitungan pada skripsi ini diperoleh ̂ sebesar 1. Dengan peubah yang diamati antara lain : T S : waktu bertahan hidup penderita Rb dimulai dari terdiagnosis dampai meninggal (bulan) : status apakah data tersensor atau tidak. pa dan metafase yang . 1=positif. yaitu usia.029 yang berarti model stratified proportional hazard yang terbentuk adalah valid. tersensor jika pasien yang diteliti masih hidup ketika waktu penelitian berakhir (0= tersensor dan 1= tidak tersensor) Peubah penjelas : 1.Raphson). 5. menggunakan metode maksimum differentiated. Infiltrasi yaitu masuknya sel tumor pada nerous optikus . 1=oukular (masih dalam bola mata). 2=ekstra okular (tumor sudah keluar dari bola mata) 6.

Pemeriksaan asumsi dilakukan secara grafis dengan membuat plot antara log{-log[S(t. Model regresi dikatakan sesuai apabila plot antara ln Hi(t) dan ln r’ci membentuk garis lurus melalui (0. Usia dikategorikan berdasarkan kuartil. Model Regresi Stratified Cox. pasien retinoblatoma terdapat dua peubah penjelas yang tidak memenuhi asumsi. Plot log minus log antar kategori usia saling tumpang tindih dan saling memotong. Model regresi stratified Cox tidak memasukkan peubah penjelas yang tidak memenuhi asumsi risiko proporsional (dibuang).x)]} (log minus log) terhadap waktu survival. Waktu ketahanan hidup pasien retinoblstoma dipengaruhi oleh tiga peubah penjelas: usia.membentuk model regresi Cox. Berdasarkan nilai-p (pada tabel Nilai ̂ .7X7i) 2.7X7i) 3. Salah Baku Nilai ̂ . pa dan metafase. sehingga didapatkan sebanyak 16 strata dan diasumsikan setiap strata memenuhi asumsi risiko proporsional. Penduga fungsi garis dasar risiko kemudian digunakan untuk menduga fungsi garis dasar survival. Hal ini menunjukkan adanya pelanggaran terhadap asumsi risiko proporsianal. Si(t) = S0(t)exp (-0. S0(t). Kesesuaian model regresi Cox dilakukan dengan cara pemeriksaan sisaan Cox-Snell yang termodifikasi.12X1i – 0. ho(t). sehingga hanya satu peubah penjelas yang masuk dalam model yaitu metafase. Dalam analisis survival. .422X24i – 1. Usia bersifat kontinyu sedangkan pa dan metafase bersifat kategorik.422X4i – 1. Oleh karena itu. dan Nilai-p Setelah Eliminasi Langkah Mundur) diketahui bahwa semua peubah penjelas yang masuk dalam model memiliki pengaruh nyata terhadap waktu ketahanan hidup pasien retinoblastoma pada α = 10%. Hal ini menunjukkan bahwa model yang terbentuk tidak sesuai. Peubah bersifat kontinyu perlu dilakukkan pengkaterorian. begitu pula dengan kategori pada peubah penjelas pa. Model regresi Cox untuk individu ke-i : hi(t) = ho(t) exp (-0. 5. 4. perlu dilakukaan pemeriksaan asumsi risiko proporsional.12X1i – 0.0). masing-masing mememiliki empat kategori. dibuat model baru regresi stratified Cox. Nilai duga beta kemudian digunakan untuk menduga fungsi garis dasar risiko. Pemeriksaan asumsi risiko proposional (Hazard Proposional). Pada skripsi ini tidak ada kecenderungan pola lurus.

Ukuran validitas model regresi Cox diperoleh dengan menghitung nilai prognostic index (PI).2514. apabila nilai ̂ berada disekitar satu maka model yang dihasilkan sahih.Model regresi stratified Cox : his(t) = hos(t) exp (-1. .022PI) Koefisien PI adalah ̂ yang merupakan ukuran validitas model.4240. Validasi model.022. titik kritis sebaran khi-kuadrat dengan derajat bebas 3 dan taraf nyata 10% yaitu. 7. Pemeriksaan Goodnes of Fit Model Regresi Stratified Cox. Membentuk model regresi Cox dengan PI sebagai peubah penjelas dan waktu survival sebagai peubah respon. Nilai harapan kematian kuartil. 6. Oleh karena itu model regresi stratified Cox yang dihasilkan telah sahih karena nilai ̂ berada disekitar satu yaitu sebesar 1.25214 maka H0 diterima pada taraf nyata 10%. Jadi. Karena 2. Jika H0 benar.4240 <6. Uji khi-kuadrat digunakan untuk pemeriksaan Goodnes of fit model regresi stratified Cox. model stratified Cox yang terbentuk sesuai dengan data. Setelah didapatkan nilai harapan kematian dilakukan pengujian goodness of fit berdasarkan hipotesis: H0: model sesuai H1: model tidak sesuai didapatkan statistik uji khi-kuadrat sebesar 2. Penduga nilai harapan untuk setiap kelompok didefinisikan sebagai banyaknya kejadian setiap kelompok dikurangi jumlah penduga dikelompokkan berdasarkan sisaan Martingale. 2.401X7i) 6. sehingga menghasilkan : hi(t) = h0(t) exp (1.4240 ( ).

infiltrasi.Pada dasarnya metodologi yang Pada dasarnya metodologi yang digunakan sama. metafase. Tetapi dan setelah Kelamin) dimodelkan regresi Cox hanya 3 peubah yang berpengaruh yaitu Usia. lateralitas.Tabel perbandingan skripsi Reshani dan Shynde Perbandingan Data yang digunakan   Skripsi Reshani Menggunakan data sekunder  Banyaknya peubah penjelas ada  dua buah (Usia dan Jenis Skripsi Shynde Menggunakan data sekunder Banyaknya peubah penjelas ada tujuh buah (Usia. terapi.  Pemilihan model terbaik dengan  (maksimum parsial likelihood) menggunakan iterasi NewtonRapshon. dan metafase. Metodologi langkah analisis) (langkah. Pemilihan model terbaik . PA (keganasan sel). hanya saja dalam digunakan skripsi ini tidak sama. hanya dalam dijelaskan skripsi ini dijelaskan pemeriksaan pemeriksaan asumsi proposional asumsi proposional hazard untuk hazard untuk data yang bersifat data yang bersifat kontinyu (peubah kontinyu (peubah usia tidak usia yang dikelompok- dikelompok-kelompokkan) ☻ Sebaran waktu survival  kelompokkan atau dikategorikan menjadi 4 (kuartil)) Waktu ( ) survival berdistribusi  Waktu ( ) survival berdistribusi Weibull dengan parameter skala dan parameter bentuk ( )  Bentuk fkp (fungsi kepekatan  peluang) individu normal ☻ Pendugaan beta dan parameter  pemilihan Dengan fungsi memaksimumkan  kemungkinan parsial waktu mendekati survival sebaran Weibull dengan parameter skala dan parameter bentuk ( ) Bentuk fkp (fungsi kepekatan peluang) waktu survival mendekati sebaran log-normal Dengan fungsi memaksimumkan kemungkinan parsial model terbaik (maksimum parsial likelihood) menggunakan iterasi NewtonRapshon. stadium. Pa.

☻ Pemeriksaan kesesuaian Dilakukan model dengan cara Dilakukan dengan cara pemeriksaan sisaan Cox Snell yang pemeriksaan sisaan Cox Snell yang termodifikasi. yang diuji hanya peubah jenis Usia kelamin. Sehingga ada kelompok masing memiliki empat kategori peubah jenis kelamin laki-laki. jenis kelamin yang merupakan peubah terlebih kontinyu dikategorikan tidak dahulu baru kemudian diuji asumsi asumsi proposional proposional hazardnya. dalam model. yang masing- strata. ☻ Model regresi Stratified Hanya ada satu peubah prediktor Ada dua peubah prediktor yang Cox yang distrata. terhadap waktu survival. pa dan metafase. maka kedua peubah dimasukkan keberartian dalam model. ada sehingga dibentuk 16 strata. membuat plot antara log minus log proposional hazard Peubah usia tidak dikategorikan. peubah jenis kelamin perempuan. yaitu usia. harus yang terbentuk tidak sesuai. maka hanya ada 2 dibentuk strata. asumsi Dilakukan dengan melihat plot ln Dilakukan secara grafis dengan Hi(t) terhadap waktu survival. Dari analisis model termodifikasi. Pada skripsi ini dilakukan contohcontoh yang dapat memperjelas interpretasi untuk fungsi hazardnya (risko kematiannya) . harus dilakukan pemeriksaan asumsi dilakukan pemeriksaan asumsi proposional hazard. dan kedua peubah prediktor memiliki dengan langkah mundur. Dari ketiga peubah ternyata yang tidak memenuhi asumsi adalah usia dan pa. dan hanya tiga dari tujuh peubah prediktor yang memiliki keberartian dalam model. Peubah memenuhi hazard. maka model hanya menggunakan tiga peubah prediktor.langkah mundur. ☻ Pemeriksaan proposional hazard. Dari analisis model yang terbentuk tidak sesuai.

yang dihasilkan sahih (valid). yang berarti model stratified cox yang didapat sudah stratified cox yang didapat sudah sesuai ☻ Validasi model sesuai.022. Dan Stratified Cox didapatkan keputusan bahwa H0 didapatkan keputusan bahwa H0 diterima. Apabila prognostic index (PI). sahih. Apabila koefisien PI ( ̂ ) berada disekitar koefisien PI ( ̂ ) berada disekitar satu maka model yang dihasilka satu maka model yang dihasilka sahih. sehingga disimpulkan model yang dihasilkan sahih (valid). sehingga disimpulkan model 1. yang berarti model diterima.☻ Pemeriksaan Goodness Dengan menggunakan khi-kuadrat Dengan menggunakan khi-kuadrat of Fit Model Regresi pada nilai harapan kematian.029. Dan pada nilai harapan kematian. ̂ adalah sebesar skripsi ini nilai ̂ adalah sebesar Pada analisis model regresi cox Pada analisis model regresi cox skripsi ini nilai 1. . Ukuran validasi model regresi cox Ukuran validasi model regresi cox diperoleh dengan menghitung nilai diperoleh dengan menghitung nilai prognostic index (PI).