Professional Documents
Culture Documents
Used of Non Parametric Method to Compare Survival Function on Gehan Test, Cox Mantel,
Logrank, and Cox F
Abstract
Survival analysis is a statistical method that aims to study and model the relationship between risk
factors and the study time students to reach graduation. In this study conducted a survival analysis using a
nonparametric method. They are Gehan Test, Cox Mantel Test, Logrank Test, and Cox F Test on data of
students of Mulawarman University Faculty of Mathematical and Natural Science majoring in Statistics and
majoring in Computer Science 2010. The purpose of this research was to compare the of period of study
survival function students majoring in Statistics and majoring in Computer Science . This study was
conducted using data of 167 students majoring in Statistics and majoring in Computer Science. The results
showed that students of majoring in Computer Science longer in studying compared with students majoring
in Statistics. For students majoring in Statistics who participated in the selection to go to college through the
SBMPTN and SMMPTN study longer than SNMPT. While those who while majoring in Computer Sciences
who participated in the selection to go to college through three pathways had the same study time.
Keywords: Survival analysis, Cox F Test, Cox Mantel Test, Gehan test, and logrank Test.
diketahui secara pasti dan data non sensor adalah waktu , ,…, untuk = 0, 1, … , dimana
data yang menghadirkan beberapa informasi waktu = 0 dan = ∞, = + +⋯+
terjadinya suatu peristiwa diketahui secara pasti.
( + ) adalah jumlah individu yang tidak
Pada analisis survival adalah adanya
tersensor pada saat , estimasi Kaplan Meier untuk
kemungkinan beberapa individu tidak bisa
diobservasi yang disebut dengan data tersensor. fungsi survival didefinisikan sebagai
Menurut Miller (1981) alasan yang menyebabkan ( )=∏ (2)
terjadinya sensor yaitu:
1. Lost to follow up, misalkan dalam penelitian (Khayanatun, 2011)
ini, mahasiswa yang pindah pada semester
awal karena alasan diterima Seleksi Perbandingan Dua Distribusi Survival
Penerimaan Mahasiswa Baru (SPMB) atau Misalkan ada pasien dan yang masing-
pindah keluar kota. masing menerima perlakuan 1 dan 2, dimana
2. Drop-out, misalkan dalam penelitian ini, pengamatan pada kelompok 1 adalah sampel dari
mahasiswa Drop Out (DO) karena menyalahi distribusi dengan fungsi survival ( ) dan
kebijakan institusi pendidikan atau pengamatan pada kelompok 2 adalah sampel dari
Mengundurkan Diri (MD) karena pindah ke distribusi dengan fungsi ketahanan hidup ( ).
jurusan/perguruan tinggi lain. Maka hipotesis nol yang dipertimbangkan adalah
3. Termination of the study, yaitu bila waktu : ( ) = ( ) (Ketahanan hidup pasien yang
pengamatan telah berakhir, tetapi informasi diberi perlakuan 1 sama dengan pasien yang
yang diinginkan belum diperoleh. diberikan perlakuan 2)
Jenis-jenis Sensor Hipotesis alternatif yang berlawanan adalah
Terdapat beberapa cara pengklasifikasian tipe : ( ) > ( ) (Ketahanan hidup pasien yang
data sensor, pengklasifikasian yang pertama dari diberi perlakuan 1 lebih tinggi daripada pasien
data sensor, yaitu: yang diberi perlakuan 2)
1. Sensor tipe I (Sensor waktu)
Terjadi jika semua nilai ci adalah sama, ci atau
= c, nilai konstan tersebut berdasarkan
: ( ) < ( ) (Ketahanan hidup pasien yang
ketentuan dari peneliti.
diberi perlakuan 2 lebih tinggi daripada pasien
2. Sensor tipe II (Sensor kegagalan)
yang diberi perlakuan 1)
Jika pengamatan berhenti setelah d (objek
yang diteliti) mencapai failure, maka c atau
menjadi variabel acak.
: ( ) ≠ ( ) (Ketahanan hidup pasien yang
3. Sensor tipe III (Sensor acak)
diberi perlakuan 1 tidak sama dengan daripada
Objek yang diamati ke dalam percobaan pada
pasien yang diberi perlakuan 2)
waktu yang berlainan selama periode waktu
tertentu. Bila tidak ada pengamatan yang disensor, uji
(Cox dan Oakes, 1984) nonparametrik dapat digunakan untuk
membandingkan dua distribusi survival (Lee and
Estimasi Fungsi Survival dengan Kaplan-Meier Wang, 2003).
Estimasi Kaplan Meier disebut juga estimasi
product limit. Kaplan dan Meier adalah orang Uji Gehan
pertama yang membahas estimasi fungsi ini. Misal Uji Wilcoxon untuk Gehan secara menyeluruh
T variabel random kontinu non negatif. Semua terhadap setiap pengamatan atau dalam
fungsi yang berkaitan dengan T didefinisikan kelompok satu dibandingkan dengan setiap
dalam interval [ , ). Estimasi Kaplan Meier pengamatan atau dalam kelompok dua dan
merupakan modifikasi dari fungsi tahan hidup perbandingan pada kedua kelompok tersebut
empiris untuk keseluruhan data didefinisikan dilambangkan dengan .
sebagai:
Dalam perhitungan Gehan di setiap observasi
( )= , ≥0 (1) dalam sampel 1 dibandingkan dengan masing-
masing di dalam sampel 2. Jika dua sampel
Misal , ,…, menggambarkan estimasi digabungkan menjadi sampel tunggal dengan
waktu kematian dalam sampel berukuran jumlah pengamatan + , maka perhitungannya
n dari populasi homogen dengan fungsi sama dengan membandingkan masing-masing
survival S. Dengan asumsi adalah banyaknya pengamatan yang tersisa terhadap + −1
jumlah pasien dalam waktu yang tidak pengamatan yang tersisa. Misalkan , =
tersensor dimana ( = 1, 2, … , ), adalah 1, … , + , jelas bahwa adalah populasi
terbatas dengan rata-rata 0 dan Gehan untuk W
jumlah tersensor dalam interval [ , ) pada
adalah:
= ( )
(5)
Uji Cox F
dengan daerah penolakan hipotesis adalah Uji Cox F didasarkan pada prosedur sebagai
berikut:
> , atau < − , atau | | > / dimana
1. Mengurutkan pengamatan dalam sampel
( > | ) = (Lee and Wang, 2003).
gabungan.
2. Mengganti nomor urut dengan menghitung
Uji Cox Mantel nilai seperti berikut,
Misalkan ( ) < ⋯< ( ) adalah waktu
= + ⋯+ = 1, … , (13)
kegagalan dalam dua kelompok dan ( ) adalah
waktu kegagalan yang sama dengan , jadi di mana n adalah jumlah total pengamatan di
dua sampel.
∑ () = + (6) 3. Melakukan perhitungan pertama dengan
merata-ratakan waktu survival yang sama pada
Selanjutnya, jika ( ) adalah individu yang sampel pertama. Kemudian, perhitungan
gagal atau tersensor pada waktu t. Kemudian, jika
kedua dengan merata-ratakan waktu
menjadi jumlah pasien pada kelompok satu dan survival yang sama pada sampel kedua.
dan menjadi jumlah pasien pada kelompok dua, 4. Melakukan perhitungan rata-rata pengamatan
maka jumlah pengamatan tersensor di () pertama ( ) yang dilambangkan dengan ̅
adalah ( ) = + . Definisikan yaitu dengan cara membagikan jumlah rata-
rata waktu survival yang sama ( pertama)
= −∑ () () (7)
dengan jumlah pengamatan non sensor pada
() () ()
=∑ () 1− () (8) sampel pertama ( ). Kemudian, melakukan
()
perhitungan rata-rata pengamatan kedua ( )
dimana ( ) adalah jumlah pengamatan yang gagal yang dilambangkan dengan ̅ yaitu dengan
atau tersensor. Statistik uji yang digunakan adalah cara membagikan jumlah rata-rata waktu
sebagai berikut: survival yang sama ( kedua) dengan
jumlah pengamatan non sensor pada sampel
= (9) kedua ( ). Untuk pengujian : =
√
terhadap ( > ) dengan daerah
yang akan dibandingkan dengan (Lee and ̅/ ̅ >
kritisnya adalah , , atau
Wang, 2003).
( < ) dengan daerah kritisnya
adalah ̅/ ̅ < , , , atau ( ≠
Uji Logrank
Generalisasi Mantel dari uji Savage sering ) dengan daerah kritisnya adalah
disebut sebagai uji Logrank, dimana nilai ̅/ ̅ > , , / atau ̅/
diberikan untuk pengamatan. Versi yang sama dari ̅ < , , / .
uji Logrank adalah uji Chi-square yang 5. Melakukan perhitungan F yaitu dengan cara
membandingkan jumlah yang diamati dari berikut
̅
kegagalan dengan jumlah yang diharapkan dari = (14)
̅
kegagalan, dimana dan menjadi angka yang (Lee and Wang, 2003)
diamati dan dan menjadi angka yang
diharapkan dalam dua sampel. Statistik uji Hasil dan Pembahasan
( ) ( ) Analisis Data Deskriptif
= + (10)
Analisis ini bertujuan untuk menggambarkan
dengan derajat bebas adalah 1 dan nilai ( ; ) presentase pengamatan dari objek penelitian yang
sebagai penolakan hipotesis nol. meliputi program studi dan jalur masuk perguruan
tinggi.
65%
Belum
lulus/MD/Keluar/
Lulus lebih dari
batas SNPT
33% (a)
Statistika
67% Ilmu Komputer
38% 31%
SNMPTN
SBMPTN
31% SMMPTN (b)
37% 21%
SNMPTN
SBMPTN
42%
SMMPTN
(c)
Gambar 4. Karakteristik mahasiswa program studi
Ilmu Komputer berdasarkan jalur
masuk perguruan tinggi
(d)