Upload
drrolles-nixon-palilinganms
View
1.145
Download
3
Embed Size (px)
DESCRIPTION
Makalah-makalah dalam dokumen ini merupakan pilihan dari makalah yang dibuat selama menempuh program doktor Peminatan Ergonomi di Universitas Udayana Denpasar Bali
Citation preview
APLIKASI ANALISIS KESINTASAN (SURVIVAL
ANALYSIS) MENGGUNAKAN TABEL KEHIDUPAN
Oleh:
DR. Drs. Rolles Nixon Palilingan, MS
E-mail: [email protected]
PROGRAM DOKTOR PROGRAM STUDI ILMU KEDOKTERAN
PROGRAM PASCASARJANA UNIVERSITAS UDAYANA
TAHUN 2006
Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA 10/21/2008.
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.
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.
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).
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:
x
xxxx O
/2))(q(wdq
(1)
yang dapat disederhanakan menjadi,
/2)(wO
dq
xx
xx
(2)
Dalam hal ini,
Ox’ = /2)(wO xx
(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 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:
P1 = 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
Hazard Rate dihitung dengan persamaan,
)On/2(O
d
L
dH
1xx
x
x
xx
(6)
dimana,
Lx = )On/2(O 1xx
(7)
Densitas dihitung dengan persamaan:
)nO
d
)n/2(2O
d
)On/2(O
d
)On/2(O
d
L
dD
0
x
0
x
100
x
1xx
x
0
xx
(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.
SP(t
)
1
0 t
Gambar 3. Fungsi Halus Peluang Terus Hidup dari Suatu Tabel Kehidupan
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
Px.
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
Ox-
wx/
2
dx qx px=1-qx Px
Ox-
d x-w
x/2
q x/(
Ox-
d x-w
x/2)
(qx/
(Ox-
d x-w
x/2)
)
((q
x/(O
x-d x
-wx/
2)))
SE(P
x)=
Px
((q
x/(O
x-d x
-wx/
2)))
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
Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA 10/21/2008.
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
2 Interval
Start Time
Number Entering Interval
Number Withdrawing
during Interval
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
3 x Ox wx dx qx px=1-qx Px
Ox-
d x-w
x/2
q x/(
Ox-
d x-w
x/2)
(qx/
(Ox-
d x-w
x/2)
)
((q
x/(O
x-d x
-wx/
2)))
SE(P
x)= P
x(
(qx/(
Ox-d
x-wx/2
)))
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
1 Proportion
Terminating Proportion Surviving
Cumulative Proportion Surviving at End of Interval
Std. Error of Cumulative Proportion Surviving at End of Interval Hazard Rate
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
Persamaan yang menyatakan kesalahan baku (standard error) yang
diusulkan oleh Greenwood, dituliskan dalam bentuk:
/2wdO/qP/2wdO/2wO
d)SE(P xxxxx
xxxxx
xx
(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:
2x
,2x
2
x,
x
)SE(P)SE(P
PPz
(10)
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.
Rolles Nixon Palilingan, Jurusan Fisika FMIPA UNIMA 10/21/2008.
16
Tabel 4. Data Perkembangan sejenis penyakit. Diandaikan diamati
selama 50 bulan. Stadium penyakit, dinyatakan 1 dan 3.
Stadium 1 Stadium 3
Waktu (Time) Status (sensor=0;mati=1) Waktu (Time) Status
(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
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.
6050403020100
intrv
1.0
0.8
0.6
0.4
0.2
0.0
Cu
m S
urv
ival
stad3
stad1STAD
Survival Function
Gambar 4. Grafik Fungsi Kesintasan
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.
Gambar 5.
Fungsi Densitas
50403020100
intrv
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
Den
sity
stad3
stad1STAD
Density Function
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
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)
50403020100
intrv
0.4
0.3
0.2
0.1
0.0
Ha
zard
Gambar 6. Gambaran hubungan fungsi kesintasan S(t) dan
fungsi hasard H(t) (Iachine, 2007).
S(t)
H(t)
Gambar 7.
Grafik Fungsi Hazard
STAD
Stad3
Stad2
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 = S2
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) Statistic
df Sig.
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