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 ............................................................................................................... KATA PENGANTAR ................................................................................... DAFTAR ISI .................................................................................................. 1. PENDAHULUAN .................................................................................... 2. DASAR TEORI ........................................................................................ 2.1 2.2 2.3 Pengertian Analisis Kesintasan ........................................................... Tabel Kehidupan ................................................................................... Inferensi Statistik dengan Nilai-nilai Tabel Kehidupan .................... 2 3 4 5 6 6 7 12 16 18 20 21 22 23

3. APLIKASI ANALISIS KESINTASAN .................................................. 3.1 3.2 Interpretasi Tayangan Tabel Kehidupan ............................................ Interpretasi Tayangan Grafik ..............................................................

3.2.1 Grafik Fungsi Kesintasan .................................................................... 3.2.2 Grafik Fungsi Densitas ........................................................................ 3.2.3 Grafik Fungsi Hazard ......................................................................... 3.3 Membuat Kesimpulan Berdasarkan Hasil Uji Statistik Wilcoxon (Gehan).................................................................................................... 4. PENUTUP ................................................................................................. DAFTAR PUSTAKA ................................................................................... LAMPIRAN ....................................................................................................

24 25 26 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. 2.1 DASAR TEORI 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, kematiankematian 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:
qx dx (w x )(q x /2) Ox

(1)

yang dapat disederhanakan menjadi,
qx Ox dx (w x /2)

(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 Time Number Entering Interval Number Withdrawing during Interval Number of Terminal Events

x
(1) 1 2 3 . . . k

Ox
(2)

wx
(3)

dx
(4)

O1 O2 O3
. . .

w1 w2 w3
. . .

d1 d2 d3
. . .

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 probabilitasprobabilitas 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 tabel kehidupan. Fungsi halus tabel kehidupan dituliskan dengan persamaan, Sx = Prob {TPx> x) dimana S0 = 1, Atau sering juga dituliskan sebagai (Iachine, 2007; Menggang, 2004), SP(t) = Prob {TP>t) 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 %. (5) (4) (3)

Peluang kumulatif dari terus hidup, yang dinyatakan dengan Px, merupakan fungsi

Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA 10/21/2008.

10

1

SP(t) 0

t

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

Hazard Rate dihitung dengan persamaan,
Hx dx Lx dx n/2(O x Ox 1)

(6)

dimana, Lx = n/2(O x Densitas dihitung dengan persamaan:
Dx dx L0 dx n/2(O x Ox 1) dx n/2(O 0 O0 1 ) dx n/2(2O 0 ) dx nO 0 )
Ox 1)

(7)

(8)

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.

Interval Start Time

Number Entering Interval

Number Withdrawing during Interval

Number Exposed to risk

Number of Terminal Events

Proportion Terminating

Proportion Surviving

Cumulative Proportion Surviving at End of Interval

Std. Error of Cumulative Proportion Surviving at End of Interval

Hazard Rate

x

Ox

wx

dx

qx

px=1-qx

Px

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

Hx

(1) 1 2 3 . . . k

(2)

(3)

O1 O2 O3
. . .

w1 w2 w3
. . .

(3a) O1-w1/2 O2-w2/2 O3-w3/2
. . .

(4)

(5)

(6)

(7)

d1 d2 d3
. . .

q1 q2 q3
. . .

p1=1-q1 p2=1-q2 p3=1-q3
. . .

P1 P2 P3
. . .

Ok

wk

Ok-wk/2

d3

q3

p3=1-q3

P3

(8) . . . . . . .

(9) . . . . . . .

(10) . . . . . . .

(11) . . . . . . .

(12) SE(P1) SE(P2) SE(P3) . . . SE(Pk)

(13)

H1 H2 H3
. . .

Hk

13

Tabel 3. Contoh Perhitungan Tabel Kehidupan yang dicontohkan oleh Colton (1974), dengan Program Excel 2003.
A Interval Start Time B Number Entering Interval C Number Withdrawing during Interval D Number of Terminal Events E F G Cumulative Proportion Surviving at End of Interval H I J K L M

2

Proportion Terminating

Proportion Surviving

Std. Error of Cumulative Proportion Surviving at End of Interval

Hazard Rate

3

x

Ox

wx

dx

qx

px=1-qx

Px

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

Hx

4 5 6 7 8 9 10 11 12 13 14 15 16

(1) 0 1 2 3 4 5 6 7 8 9

(2) 146 116 88 57 45 41 28 20 11 8

(3) 3 10 10 3 3 11 5 8 1 6

(4) 27 18 21 9 1 2 3 1 2 2 n=1

(5) 0.1869 0.1622 0.2530 0.1622 0.0230 0.0563 0.1176 0.0625 0.1905 0.4000

(6) 0.8131 0.8378 0.7470 0.8378 0.9770 0.9437 0.8824 0.9375 0.8095 0.6000

(7) 0.8131 0.6813 0.5089 0.4264 0.4166 0.3931 0.3469 0.3252 0.2632 0.1579

(8) 117.500 93.000 62.000 46.500 42.500 33.500 22.500 15.000 8.500 3.000

(9) 0.0016 0.0017 0.0041 0.0035 0.0005 0.0017 0.0052 0.0042 0.0224 0.1333

(10) 0.0016

(11) 0.0399

(12) 0.0324

0.0033
0.0033 0.0109

0.0577
0.0577 0.1044

0.0393
0.0294 0.0445

0.0114
0.0114 0.0184 0.0225 0.0449 0.1783

0.1070
0.1070 0.1355 0.1501 0.2120 0.4222

0.0446
0.0421 0.0470 0.0488 0.0558 0.0667

(13) 0.1031 0.0882 0.1448 0.0882 0.0116 0.0290 0.0625 0.0323 0.1053 0.2500

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 Cumulative Proportion Surviving at End of Interval (7)

H

I

J

K

L

M

1

Proportion Terminating

Proportion Surviving

Std. Error of Cumulative Proportion Surviving at End of Interval

Hazard Rate

2 5 6 7 8 9 10 11 12 13 14

(5)

(6)

(8)

(9)

(10)

(11)

(12)

(13)

A 16

B

C

D n=1

E

F

G

H

I

J

K

L

M

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:

SE(Px )

Ox

dx w x /2 O x

dx

w x /2

Px

qx / Ox

dx

w x /2

(9)

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:

z
2

Px
2

P, x
2

(10)

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 Waktu (Time) Status (sensor=0;mati=1) Stadium 3 Waktu (Time) Status (sensor=0;mati=1)

(a)
1 2 3 3 3 3 4 4 4 7 7 7 8 8 8 10 10 11 12 12 15 18 22 24 26 28 30 34 35 35 36 39 40 44 47 48 48 48 48 48 49 49 49 49 49 49 49 50 50 50

(b)
0 1 1 1 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 0 0 0 1 1 1 0 1 1 1

(a)
1 1 1 1 1 1 3 3 3 3 3 3 3 3 3 7 7 7 10 10 10 11 11 12 12 12 14 14 14 14 14 14 15 15 15 15 16 17 21 22 27 28 30 32 35 39 40 44 49 50

(b)
1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 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 intervalinterval 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 intervalinterval 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
Hazard

Stad3
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 HA 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 : S1 = S 2 : S1 S2

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) Statistic 8.762 df 1 Sig. .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.

Sign up to vote on this title
UsefulNot useful