analisis data uji hidup model cox regresi untuk …lib.unnes.ac.id/32393/1/4112314001.pdf ·...
TRANSCRIPT
ANALISIS DATA UJI HIDUP MODEL COX REGRESI
UNTUK PASIEN KANKER PAYUDARA DI RSUP DR.
KARIADI SEMARANG
Tugas Akhir
Disusun sebagai syarat untuk memperoleh gelar Ahli Madya
Program Studi Statistika Terapan dan Komputasi
Oleh
Novi Destiyanto
4112314001
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2017
ii
iii
MOTTO
Sesungguhnya Allah tidak akan mengubah nasib suatu kaum hingga mereka
mengubah diri mereka sendiri .
(Q.S. Ar-Ra’d:11)
All our dreams can come true if we have the courage to pursue them .
(Walt Disney)
The most difficult to reach success is not when you reach it , but when you maintain
your hard-earned success what you get
(Deddy Corbuzier)
PERSEMBAHAN
Untuk Ayah, Ibu, Kakak, Sahabat,
Teman-teman.
iv
PRAKATA
Puji syukur peneliti panjatkan atas kehadirat Tuhan Yang Maha Esa yang
telah melimpahkan kasih dan karunia-Nya, sehingga peneliti dapat menyelesaikan
tugas akhir yang berjudul “Analisis Data Uji Hidup Model Cox Regresi untuk
Pasien Kanker Payudara di RSUP Dr. Kariadi Semarang”.
Dalam penyusunan tugas akhir ini tidak lepas dari kendala dan hambatan,
namun berkat bimbingan dan motivasi dari semua pihak yang telah membantu
peneliti dalam menyelesaikan penyusunan tugas akhir ini, maka peneliti
menyampaikan ucapan terima kasih khususnya kepada:
1. Prof. Dr. Fathurrahman, M.Hum. selaku Rektor Universitas Negeri Semarang.
2. Prof. Dr. Zaenuri Mastur, S.E., M.Si., Akt. selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang.
3. Drs. Arief Agoestanto, M.Si. selaku Ketua Jurusan Matematika ,
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Semarang .
4. Dr. Wardono, M.Si., M.Kom. selaku Ketua Program Studi Statistika Terapan
dan Komputasi Universitas Negeri Semarang sekaligus Dosen Pembimbing II
yang telah memberikan petunjuk dan pengarahan dalam menyusun tugas akhir.
5. Prof. Dr. dr. Suprihati, M.Sc., Sp.THT-KL(K). selaku Ketua Komisi Etik
Penelitian Kesehatan Fakultas Kedokteran Undip-RS. Dr. Kariadi Semarang.
6. Dr. Agus Suryanto, Sp.PD-KP., MARS. selaku Direktur SDM dan
Pendidikan RSUP Dr. Kariadi Semarang.
v
7. dr. Fatimah Dyah Nur Astuti, Sp. M., MARS. selaku Kepala Instalasi
Rekam Medik RSUP Dr. Kariadi Semarang.
8. Instalasi Rekam Medik RSUP Dr. Kariadi Semarang selaku tempat penelitian
untuk data masa hidup pasien kanker paru.
9. Dr. Scolastika Mariani, M.Si selaku Dosen Pembimbing I yang telah
memberikan petunjuk dan pengarahan dalam menyusun tugas akhir.
10. Dr. dr. Nugrahaningsih, W. H., M.Kes. yang telah membantu dalam
penelitian.
11. Kedua orang tua serta kakak yang dengan kasih sayang memberikan
doa, motivasi, dan semangat sehingga peneliti dapat menyelesaikan tugas akhir
dengan baik.
12. Teman - teman yang sudah membantu dan memberi motivasi demi
kelancaran tugas akhir ini.
13. Sahabat – sahabat terima kasih atas canda, tawa dan perjuangan yang telah
dilakukan bersama-sama dalam penyusunan tugas akhir ini.
Pada tugas akhir ini peneliti menyadari masih jauh dari kesempurnaan, untuk
itu peneliti sangat mengharapkan saran dan kritikan untuk perbaikan di masa
mendatang. Akhir kata, semoga tugas akhir ini bermanfaat bagi pembaca dan
perkembangan ilmu pengetahuan.
Semarang, 11 Agustus 2017
Peneliti
vi
ABSTRAK
Novi Destiyanto, 2017. Analisis Data Uji Hidup Model Cox Regresi untuk Pasien Kanker Payudara Di RSUP Dr.Kariadi Semarang. Tugas Akhir, Jurusan
Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Semarang. Pembimbing Utama Dr. Wardono, M.Si. dan Pembimbing Pendamping
Dr.Scolastika Mariani,M.Si.
Kata Kunci: uji hidup, kanker payudara, ,cox regresi,baseline hazard.
Cox regresi adalah suatu analisis survival yang dapat
diimplementasikan dengan proporsional model hazard yang didesain untuk
menganalisis waktu hingga even atau waktu antara even. Untuk berbagai
prediktor variabel cox regresi akan menghasilkan estimasi dari berapa banyak
prediktor yang akan meningkatkan atau menurunkan odss dari even yang terjadi,
dengan rasio hazard sebagai pengukur untuk menguji pengaruh relatif dari
prediktor – prediktor variabel.Penelitian ini melakukan estimasi dengan metode
Skor karnofsky dengan cara yang paling mudah untuk melihat peforma dari
pasien atau yang biasa disebut performance status. Menurut Karnofsky (1949)
indeks skor karnofsky memudahkan pengklasifikasian pasien sesuai dengan
keadaan gangguan fungsionalnya, dilanjutkan dengan pengujian kesesuaian
model dengan menggunakan likehood ratio test dan pengujian signifikansi
parameter dengan Kapplan Meier dan dilakukan pemilihan model fungsi
hazard terbaik terbaik menggunakan Analisis Survival Time ,dengan rata –
rata waktu hidup pasien kanker payudara di RSUP Dr. Kariadi Semarang.
dengan waktu 25 Maret 2017 sampai dengan 25 Mei 2017. Data diperoleh dengan
dokumentasi dari pihak RSUP Dr.Kariadu Semarang dan terdapat 50 data pasien
kanker payudara dengan 46 data pasien teramati sedangkan 4 data pasien tersensor
tipe I. Data tersebut diolah dengan menggunakan program SPSS 17 dengan
metode cox regresi. Model regresi yang terbentuk adalah
= -0,0000914665 ( * * * * ).
Hasil penelitian menunjukkan bahwa rata – rata waktu hidup pasien kanker
payudara di RSUP Dr. Kariadi Semarang adalah 55 hari. Dan fungsi ketahanan
hidup yang terbentuk adalah S(t) = (S0(t))exp(-0,0000914665(X1*X2*X3*X4*X5)),
dengan S0(t) adalah baseline survival. Fungsi kegagalan yang terbentuk adalah
sebagai berikut ( * * * * )).dengan adalah
baseline hazard. Peluang kegagalan pasien untuk bertahan hidup selama lima
tahun jika umur pasien 64 tahun, skor karnofsky 70, bulan dari diagnosis 1 bulan,
jenis kanker adenocarsinoma (1), dan metode pengobatan kemoterapi (1) adalah
66,38%. Peluang keberhasilan pasien untuk bertahan hidup selama lima tahun jika umur pasien 64 tahun, skor karnofsky 70, bulan dari diagnosis 1 bulan, jenis
kanker adenocarsinoma (1), dan metode pengobatan kemoterapi (1) adalah 0%.
vii
ABSTRACT
Novi Destiyanto, 2017. Life Time Data Analysis for Lung Cancer Breast in Dr. Kariadi Semarang Hospital with Cox Regression Model. Final Project,
Department Mathematics Faculty of Mathematics and Natural Sciences, Semarang
State University. Main Counselors Dr.Wardono, M.Si. and Second Counselors
Dr.Scolastika Mariani,M.Si.
Keyword: life time, breast cancer, cox regression,baseline hazard.
Cox regression is a survival analysis that can be implemented with a
proportional model hazard designed to analyze time to event or time between
events. For various predictors the cox regression variables will result in estimates of
how many predictors will increase or decrease the odss of the event, with the
hazard ratio as a measure to test the relative influence of variable predictors. This
study estimates the method of karnofsky Score in a way that It's easiest to see the
performance of the patient or the so-called performance status. According
Karnofsky (1949) karnofsky score index facilitate the classification of patients in
accordance with the state of functional disorder, followed by testing the suitability
of the model by using likehood ratio test and testing the significance of the
parameters with Kapplan Meier and performed the best model of hazard function
best using Survival Time Analysis, Average life time of breast cancer patients in
Dr. Kariadi Semarang. With the time of March 25, 2017 until May 25, 2017. Data
obtained by the documentation of the parties Dr. Kariadi Semarang Hospital And
there were 50 data of breast cancer patients with 46 patient data observed while 4
data of type I censored patient. The data was processed by using SPSS 17 program
with cox regression method. The regression model that is formed is
= -0,0000914665 ( * * * * ).
The results showed that the average life time of lung cancer patients at the Dr. Kariadi Semarang Hospital is 55 days. And a survival function form is S(t) = (S0(t))exp(-0,0000914665(X1*X2*X3*X4*X5))
, with S0(t) is baseline survival. Hazard function form is ( * * * * )), with h0(t) is baseline hazard. Probability of failure from patients to survive for five years if age of patients 64 years old, karnofsky score 70, the month of diagnosis is 1 month, type of cancer is adenocarsinoma (1), and methods of treatment chemotherapy (1) is 66,38%. The chances of success from patients to survive for five years if age of patients 64 years old, karnofsky score 70, the month of diagnosis is 1 month, type of cancer is adenocarsinoma (1), and methods of treatment chemotherapy (1) is 0%.
viii
DAFTAR ISI
Halaman
HALAMAN JUDUL................................................................................... i
PERNYATAAN KEASLIAN TULISAN .................................................. ii
HALAMAN PENGESAHAN..................................................................... iii
MOTTO DAN PERSEMBAHAN .............................................................. iv
PRAKATA .................................................................................................. v
ABSTRAK .................................................................................................. vii
ABTRACT .................................................................................................. viii
DAFTAR ISI ............................................................................................... ix
DAFTAR TABEL ....................................................................................... xi
DAFTAR GAMBAR .................................................................................. xii
DAFTAR LAMPIRAN ............................................................................... xiv
BAB
I.
PENDAHULUAN....................................................................
1
1.1.Latar Belakang .................................................................... 1
1.2.Rumusan Masalah ............................................................... 3
1.3.Tujuan Penelitian ............................................................... 3
1.4.Manfaat Penelitian ............................................................. 4
1.5.Batasan Penelitian ............................................................... 5
1.6.Asumsi – Asumsi ................................................................ 6
ix
1.7.Sistematika Penulisan ......................................................... 6
II. TINJAUAN PUSTAKA .......................................................... 9
2.1.Analisis Data Uji Hidup ...................................................... 9
2.2.Kanker Payudara................................................................. 10
2.3.Skor Karnofsky.................................................................... 12
2.4.Penyensoran ........................................................................ 13
2.5.Analisis Regresi .................................................................. 17
2.6.Analisis Cox Regresi ........................................................... 18
2.7.Survival ............................................................................... 22
2.8.Hazard................................................................................. 23
III. METODE PENELITIAN ....................................................... 26
3.1.Jenis Penelitian ................................................................... 26
3.2.Tempat dan Waktu Penelitian ............................................. 26
3.3.Pengumpulan Data .............................................................. 26
3.4.Langkah – Langkah Penelitian............................................ 29
IV. HASIL DAN PEMBAHASAN ............................................... 36
4.1.Gambaran Umum Data ....................................................... 36
4.2.Pengolahan Data.................................................................. 38
4.3.Analisis Hasil Interpretasi ................................................... 53
4.4.Pembahasan......................................................................... 66
V. PENUTUP ................................................................................ 68
5.1.Kesimpulan ........................................................................ 68
5.2.Saran.................................................................................... 69
DAFTAR PUSTAKA ................................................................................. 70
LAMPIRAN ................................................................................................ 71
x
DAFTAR TABEL
Tabel Halaman
3.1.1. Variabel Penelitian .................................................................. 28
4.1.2. Data Hasil Penelitian Pasien Kanker Payudara
di RSUP Dr. Kariadi Semarang ............................................... 36
4.3.3. Omnibus Test Model Interaksi ................................................ 61
4.3.4. Omnibus Test Model Strata ..................................................... 62
4.3.5. Koefisien Beta ......................................................................... 63
xi
DAFTAR GAMBAR
Gambar Halaman
4.2.1. Kotak Dialog Kaplan Meier Variabel (Umur) .................. 39
4.2.2. Kaplan Meier Define Event Variabel (Umur) .................... 39
4.2.3. Kaplan Meier Options Variabel (Umur) ............................ 40
4.2.4. Kotak Dialog Kaplan Meier Variabel (Skor) ..................... 41
4.2.5. Kaplan Meier Define Event Variabel (Skor) ...................... 41
4.2.6. Kaplan Meier Options Variabel (Skor) .............................. 42
4.2.7. Kotak Dialog Kaplan Meier Variabel (Bulan) ................... 43
4.2.8. Kaplan Meier Define Event Variabel (Bulan).................... 43
4.2.9. Kaplan Meier Options Variabel (Bulan) ............................ 44
4.2.10. Kotak Dialog Kaplan Meier Variabel (Kanker)............... 45
4.2.11. Kaplan Meier Define Event Variabel (Kanker)................ 45
4.2.12. Kaplan Meier Options Variabel (Kanker)........................ 46
4.2.13. Kotak Dialog Kaplan Meier
Variabel (Metode Pengobatan)......................................... 47
4.2.14. Kaplan Meier Define Event
Variabel (Metode Pengobatan)......................................... 47
4.2.15. Kaplan Meier Options Variabel X5 (Metode Pengobatan).... 48
xii
4.2.16. Kotak Dialog Cox Regression ................................................ 49
4.2.17. Cox Regression Define Event .................................................
49
4.2.18. Cox Regression Model Interaksi ............................................
50
4.2.19. Cox Regression Model Strata.................................................
51
4.2.20. Cox Regression Plots .............................................................
52
4.2.21. Cox Regression Options .........................................................
52
4.3.22. Grafik Survival Kaplan Meier Variabel (Umur) ..............
53
4.3.23. Grafik Log Survival Kaplan Meier Variabel (Umur).......
54
4.3.24. Grafik Survival Kaplan Meier Variabel (Skor)................
54
4.3.25. Grafik Log Survival Kaplan Meier Variabel (Skor) ........
55
4.3.26. Grafik Survival Kaplan Meier Variabel (Bulan) ..............
56
4.3.27. Grafik Log Survival Kaplan Meier Variabel (Bulan) ......
57
4.3.28. Grafik Survival Kaplan Meier Variabel (Kanker)............
57
4.3.29. Grafik Log Survival Kaplan Meier Variabel (Kanker) ....
58
4.3.30. Grafik Survival Kaplan Meier
Variabel (Metode Pengobatan).........................................
59
4.3.31. Grafik Log Survival Kaplan Meier
Variabel X5 (Metode Pengobatan)......................................... 60
xiii
DAFTAR LAMPIRAN
Lampiran Halaman
I. Tabel Distribusi Chi Square ............................................ 71
II. Data Penelitian Pasien Kanker Payudara
di RSUP Dr. Kariadi Semarang ......................................
72
III. Output Pengolahan Data ................................................. 74
xiv
BAB I
PENDAHULUAN
1.1. Latar Belakang
Ilmu statistika sering digunakan dalam berbagai bidang ilmu pekerjaan
misalnya pada bidang ekonomi, sosial, politik, industri, pendidikan, dan
kesehatan. Dalam bidang kesehatan ilmu statistika digunakan sebagai tolak ukur
untuk mengambil suatu keputusan baik dalam penelitian maupun dalam
penanganan pasien. Contohnya apabila seorang bidan menggunakan ilmu statistika
untuk memprediksi berapa lama suatu janin yang berada didalam kandungan akan
dilahirkan oleh pasiennya. Tidak hanya itu terkadang seorang dokter juga
membutuhkan ilmu statistika untuk melihat ketahanan hidup pasien maupun objek
yang ditelitinya yang menderita suatu penyakit berbahaya. Analisis statistik seperti
ini yang biasa disebut dengan analisis data uji hidup.
Menurut Lawless (1982: 1) analisis data uji hidup atau yang biasa disebut
analisis data waktu hidup merupakan analisis statistik yang dikenakan pada data
kelangsungan hidup. Distribusi waktu hidup sering digunakan dalam ilmu teknik
dan biomedik. Metodologi distribusi waktu hidup ini biasanya dikenakan pada
penyelidikan daya tahan barang yang diproduksi dan untuk penelitian yang
melibatkan penyakit manusia. Data yang digunakan dalam analisis data uji hidup
biasanya disebut data waktu hidup.
1
2
Data waktu hidup adalah panjang sebenarnya dari kehidupan seorang individu
atau waktu kelangsungan hidup diukur dari beberapa titik awal tertentu dalam
waktu hidup suatu individu. Analisis data uji hidup dalam bidang kesehatan dan
kedokteran biasanya dikenakan pada penelitian yang melibatkan penyakit
berpotensi fital seperti leukemia, tumor, kanker, dan lain sebagainya. Untuk itu
peneliri tertarik untuk melakukan analisis data uji hidup terhadap data pasien
kanker , terutama kanker payudara yang didominasi oleh kaum wanita.
Kanker payudara adalah tumor ganas pada jaringan payudara. Jaringan
payudara terdiri dari kelenjar susu (kelenjar pembuat air susu), saluran kelenjar
(saluran air susu), dan jaringan penunjang payudara. Oleh Word Health
Organization (WHO) penyakit ini dimasukkan ke dalam International
Classification of Disease (ICD) .
Kanker payudara terjadi karena adanya kerusakan pada gen yang
mengatur pertumbuhan dan diffrensiasi sehingga sel itu tumbuh dan berkembang
biak tanpa dapat dikendalikan. Penyebaran kanker payudara terjadi melalui
pembuluh getah bening dan tumbuh di kelenjar getah bening, sehingga kelenjar
getah bening aksila ataupun supraklavikula membesar. Kemudian melalui
pembuluh darah kanker menyebar ke organ lain seperti paru-paru, hati dan otak.
Kanker payudara ditemukan di seluruh dunia, tahun 2003, insiden kanker
payudara di Belanda 91 per 100.000 penduduk, Amerika 71,7 per 100.000
penduduk, Swiss 70 per 100.000 wanita, Australia 83,2 per 100.000 penduduk,
Kanada 84,7, Indonesia 26 per 100.000 wanita pada tahun 2002 dan Jepang 16 per
100.000 penduduk. Hal tersebut dapat dilihat dan ditentukan dengan model regresi
yang digunakan.
3
Kanker payudara lebih sering dijumpai pada umur 40-49 tahun yaitu
sebesar 30,35%. Menurut Sukardja yang dikutip oleh Arlinda (2002) di Amerika
frekuensi kanker payudara tertinggi ditemukan pada umur 40-50 tahun.21
Demikian juga di Jepang yaitu sebesar 40,6% kanker payudara ditemukan pada
umur 40-49 tahun dan jarang pada umur kurang dari 30 tahun.
Sehingga analisis seperti inilah yang sangat diperlukan untuk mengetahui
seberapa lama pasien yang menderita kanker paru dapat bertahan hidup. Dan
seberapa besar resiko kegagalan dalam bertahan hidup selama waktu yang
diperkirakan.
1.2. Rumusan Masalah
Berdasarkan latar belakang di atas dapat dirumuskan permasalahan sebagai
berikut.
1. Berapa rata – rata waktu hidup pasien kanker payudara di RSUP
Dr. Kariadi Semarang?
2. Bagaimanakah bentuk fungsi ketahanan hidup dan fungsi kegagalan
dari data kelangsungan hidup pasien kanker payudara di RSUP Dr.
Kariadi Semarang?
3. Berapa persenkah peluang keberhasilan dan peluang kegagalan pasien
kanker payudara di RSUP Dr. Kariadi Semarang untuk waktu hidup
selama 5 (lima) tahun?
4
5
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut.
1. Untuk mengetahui rata – rata waktu hidup pasien kanker
payudara di RSUP Dr. Kariadi Semarang.
2. Untuk mengetahui bentuk fungsi ketahanan hidup dan fungsi
kegagalan dari data kelangsungan hidup pasien kanker payudara di
RSUP Dr. Kariadi Semarang.
3. Untuk mengetahui peluang keberhasilan dan peluang kegagalan pasien
kanker payudara di RSUP Dr. Kariadi Semarang untuk waktu hidup
selama 5 (lima) tahun.
1.4. Manfaat Penelitian
Adapun manfaat tugas akhir ini adalah sebagai berikut.
1. Bagi Mahasiswa
a. Mahasiswa dapat menerapkan ilmu pengetahuan dan metodologi
yang telah diperoleh selama di bangku kuliah dalam penerapan di
dunia nyata.
b. Menguji kemampuan mahasiswa mengenai penerapan ilmu yang
telah diperoleh.
c. Memberi pengetahuan kepada mahasiswa mengenai penerapan
ilmu statistika itu sangat luas.
6
2. Bagi Jurusan Matematika
a. Membangun kerjasama pihak RSUP Dr. Kariadi Semarang dengan
pihak Jurusan Matematika, Fakultas Matematika dan Ilmu
Pengetahuan Alam, Universitas Negeri Semarang.
b. Menjadi referensi untuk mahasiswa maupun dosen
dalam melakukan penelitian lebih mendalam mengenai analisis
statistik yang digunakan untuk pasien kanker payudara di RSUP
Dr. Kariadi Semarang khususnya.
3. Bagi RSUP Dr. Kariadi Semarang
Sumber informasi kepada RSUP Dr. Kariadi Semarang mengenai rata
– rata waktu hidup pasien kanker payudara peluang bertahan hidup,
dan peluang kegagalan pasien untuk bertahan secara statistika.
1.5. Batasan Penelitian
Penelitian ini dibatasi hanya dengan melihat dari hasil dokumentasi pasien
yang mengidap penyakit kanker payudara RSUP Dr. Kariadi Semarang yang
dimulai pada tanggal 25 Maret 2017 sampai dengan 25 Mei 2017. Dengan data
yang diambil yakni data pasien kanker payudara yang dibatasi dengan sensor
tipe I yakni dimulai dari tanggal 1 Januari 2013 sampai dengan 31 Mei 2017 dan
diperoleh sebanyak 50 data pasien.
7
Serta variabel yang diteliti yakni dengan variabel terikat atau dependent adalah
variabel (time) atau waktu pasien bertahan hidup dalam hari. Dan variabel
status yakni status pasien meninggal atau masih tetap hidup serta variabel
independent ada 5 (lima). Variabel independent atau variabel bebas ada variabel
(umur) adalah umur pasien saat pertama mengidap sakit kanker payudara yang
dinyatakan dalam tahun. Variabel (skor karnofsky) adalah keadaan awal pasien
saat awal masuk studi dari nol (0) sampai dengan seratus (100). Variabel
(bulan diagnosis) adalah banyaknya bulan dari diagnosis awal. Variabel (jenis
kanker) adalah klasifikasi kanker yang diderita small cell, skuamosa,
adenocarsinoma, dan sel besar. Variabel (metode pengobatan) adalah metode
pengobatan yang dijalani pasien yakni kemoterapi dan non kemoterapi.
1.6. Asumsi – Asumsi
Asumsi yang diperoleh dengan adanya batasan waktu yakni data termasuk
dalam tersensor tipe I. Pada pengujian nantinya tidak berpengaruh asumsi –
asumsi yang biasanya dikenakan pada model regresi. Serta asumsi yang berlaku
hanya random sampling, tidak ada sensoring, dan data bebas outlier dan tidak ada
multikolinieritas antar variabel independent atau bebas. Serta memenuhi asumsi
proportional hazard (PH).
8
\
1.7. Sistematika Penulisan Tugas Akhir
Secara umum format penulisan tugas akhir adalah sebagai berikut.
Halaman Judul
Pernyataan Keaslian Tulisan
Halaman Pengesahan
Motto dan Persembahan
Prakata
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Daftar Lampiran
BAB I. PENDAHULUAN
1.1.Latar Belakang
1.2.Rumusan Masalah
1.3.Tujuan Penelitian
1.4.Manfaat Penelitian
1.5.Batasan Penelitian
1.6.Asumsi – Asumsi
1.7.Sistematika Penulisan
9
BAB II. TINJAUAN PUSTAKA
2.1. Analisis Data Uji Hidup
2.2. Kanker Payudara
2.3. Skor Karnofsky
2.4. Penyensoran
2.5. Analisis Regresi
2.6. Analisis Cox Regresi
2.7. Survival
2.8. Hazard
BAB III. METODE PENELITIAN 3.1.Jenis Penelitian
3.2.Tempat dan Waktu Penelitian
3.3.Pengumpulan Data
3.4.Langkah – Langkah Penelitian
10
BAB IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Data
4.2. Pengolahan Data
4.3. Analisis Hasil Interpretasi
4.4. Pembahasan
BAB V. PENUTUP
5.1. Kesimpulan
5.2. Saran
Daftar Pustaka
Lampiran
BAB II
TINJAUAN PUSTAKA
2.1. Analisis Data Uji Hidup
Analisis data uji hidup menurut Lawless (1982: 1) atau yang biasa disebut
dengan analisis data waktu hidup merupakan analisis statistik yang dikenakan
pada data kelangsungan hidup. Distribusi waktu hidup sering digunakan dalam
ilmu teknik dan biomedik. Metodologi distribusi waktu hidup ini biasanya
dikenakan pada penyelidikan daya tahan barang yang diproduksi dan untuk
penelitian yang melibatkan penyakit manusia. Data yang digunakan dalam analisis
data uji hidup biasanya disebut data waktu hidup.
Menurut Lawless (1982: 1) data waktu hidup adalah panjang sebenarnya
dari kehidupan seorang individu atau waktu kelangsungan hidup diukur dari
beberapa titik awal tertentu dalam waktu hidup suatu individu. Analisis data uji
hidup dalam bidang kesehatan dan kedokteran biasanya dikenakan pada penelitian
yang melibatkan penyakit berpotensi fital seperti leukemia, tumor, kanker, dan
lain sebagainya. Dalam pengkajian menyangkut pengobatan penyakit yang
berbahaya orang tertarik pada lamanya tahan hidup penderita yang diukur sejak
tanggal diagnosis atau permulaan waktu tertentu. Lamanya tahan hidup penderita
dikatakan survival time.
9
12
2.2. Kanker Payudara
Kanker payudara adalah tumor ganas pada jaringan payudara. Jaringan
payudara terdiri dari kelenjar susu (kelenjar pembuat air susu), saluran kelenjar
(saluran air susu), dan jaringan penunjang payudara. Oleh Word Health
Organization (WHO) penyakit ini juga dimasukkan ke dalam International
Classification of Disease (ICD) dengan kode 174-175 . Menurut Sutriston (1992)
kanker payudara adalah neoplasma spesifik tempat terlazim perempuan yang
merupakan penyebab utama kematian perempuan akibat kanker. Sedangkan
menurut Luwia (2005) kanker payudara adalah kanker yang berasal dari kelenjar,
saluran kelenjar ,dan jaringan penunjang payudara. Dari pendapat tersebut maka
peneliti dapat menyimpulkan bahwa kanker payudara adalah perubahan sel-sel
yang mengalami pertumbuhan tidak normal dan tidak terkontrol pada payudara.
Kanker payudara ditemukan di seluruh dunia. Tahun 2003, insidens kanker
payudara di Belanda 91 per 100.000 penduduk, Amerika 71,7 per 100.000
penduduk, Swiss 70 per 100.000 wanita, Australia 83,2 per 100.000 penduduk,
Kanada 84,7, Indonesia 26 per 100.000 wanita pada tahun 2002 dan Jepang 16 per
100.000 penduduk. Semua wanita memiliki risiko terkena kanker payudara. Kanker
payudara juga bisa menyerang pria dengan perbandingan 1 : 100 antara pria dengan
wanita.
12
Kanker payudara lebih sering dijumpai pada umur 40-49 tahun yaitu sebesar
30,35%. Menurut Sukardja yang dikutip oleh Arlinda (2002) di Amerika frekuensi
kanker payudara tertinggi ditemukan pada umur 40-50 tahun. Demikian juga di
Jepang yaitu sebesar 40,6% kanker payudara ditemukan pada umur 40-49 tahun
dan jarang pada umur kurang dari 30 tahun. Kanker payudara terjadi karena adanya
kerusakan pada gen yang mengatur pertumbuhan dan diffrensiasi sehingga sel itu
tumbuh dan berkembang biak tanpa dapat dikendalikan. Penyebaran kanker
payudara terjadi melalui pembuluh getah bening dan tumbuh di kelenjar getah
bening, sehingga kelenjar getah bening aksila ataupun supraklavikula membesar.
Kemudian melalui pembuluh darah kanker menyebar ke organ lain seperti paru-
paru, hati dan otak.
Penyebab kanker payudara sampai saat ini belum diketahui. Penyebab
kanker payudara termasuk multifaktorial yaitu banyak faktor yang terkait satu
dengan yang lainnya. Beberapa faktor risiko yang mempengaruhi timbulnya
kanker payudara adalah :
a. Usia
Risiko utama kanker payudara adalah bertambahnya usia. Berdasarkan
penelitian American Cancer Society tahun 2006 diketahui usia lebih dari 40
tahun mempunyai risiko yang lebih besar untuk mendapatkan
kanker payudara yakni 1 per 68 penduduk .
12
Risiko ini akan bertambah seiring dengan pertambahan usia yakni
menjadi 1 per 37 penduduk usia 50 tahun, 1 per 26 penduduk usia 60
tahun dan 1 per 24 penduduk usia 70 tahun. Data American Cancer
Society (2007) melaporkan 70% perempuan didiagnosa menderita
kanker payudara di atas usia 55.
b. Jenis Kelamin
Kanker payudara lebih banyak ditemukan pada wanita. Pada pria juga
dapat terjadi kanker payudara, namun frekuensinya jarang hanya kira-
kira 1% dari kanker payudara pada wanita.
c. Riwayat Reproduksi
Riwayat reproduksi dihubungkan dengan banyak paritas ,umur
melahirkan anak pertama dan riwayat menyusui anak. Wanita yang
tidak mempunyai anak atau yang melahirkan anak pertama di usia
lebih dari 30 tahun berisiko 2-4 kali lebih tinggi daripada wanita yang
melahirkan pertama di bawah usia 30 tahun. Wanita yang tidak
menyusui anaknya mempunyai risiko kanker payudara 2 kali lebih
besar. Kehamilan dan menyusui mengurangi risiko wanita untuk
terpapar dengan hormon estrogen terus.
12
d. Riwayat Kanker Individu
Penderita yang pernah mengalami infeksi atau operasi tumor jinak
payudara berisiko 3-9 kali lebih besar untuk menderita kanker
payudara. Penderita tumor jinak payudara seperti kelainan fibrokistik
berisiko 11 kali dan penderita yang mengalami operasi tumor ovarium
mempunyai risiko 3-4 kali lebih besar.
e. Riwayat Kanker Keluarga
Secara genetik, sel-sel pada tubuh individu dengan riwayat keluarga
menderita kanker sudah memiliki sifat sebagai embrio terjadinya sel
kanker. Menurut Sutjipto (2000) , kemungkinan terkena kanker
payudara lebih besar 2 hingga 4 kali pada wanita yang ibu dan saudara
perempuannya mengidap penyakit kanker payudara.
f. Menstruasi cepat dan Menopause lambat
Wanita yang mengalami menstruasi pertama pada usia kurang dari 12
tahun dan wanita yang mengalami masa menopausenya terlambat lebih
dari 55 tahun berisiko 2,5 hingga 5 kali lebih tinggi daripada wanita
yang menstruasi pada usia normal . Wanita yang menstruasi pertama di
usia kurang dari 12 tahun dan wanita yang mengalami masa menopause
terlambat akan mengalami siklus menstruasi lebih lama sepanjang
hidupnya yang mengakibatkan keterpaparan lebih lama dengan hormon
estrogen.
12
g. Pajanan Radiasi
Wanita yang terpapar penyinaran (radiasi) dengan dosis tinggi di dinding
dada berisiko 2 hingga 3 kali lebih tinggi.
h. Obesitas dan Konsumsi makanan lemak tinggi
Wanita yang mengalami kelebihan berta badan (obesitas) dan individu
dengan konsumsi tinggi lemak berisiko 2 kali lebih tinggi terkena
kanker payudara dari yang tidak obesitas dan yang tidak sering
mengkonsumsi makanan tinggi lemak. Risiko ini terjadi karena jumlah
lemak yang berlebihan dapat meningkatkan kadar estrogen dalam
darah sehingga akan memicu pertumbuhan sel-sel kanker.
Terdapat metode pengobatan dalam menangani masalah kanker payudara.
Metode pengobatan ini disesuaikan dengan kondisi kanker yang diderita oleh
pasien. Selain disesuaikan pada kondisi pasien juga berdasarkan persetujuan baik
dari keluarga maupun pasien itu sendiri.
Metode pengobatan kanker paru ada beberapa yakni sebagai berikut.
a. Pembedahan
Menurut Promkes RSUD Tugurejo Semarang (2015) pembedahan adalah
tindakan pengangkatan tumor melalui operasi.
12
Namun besar kemungkinan masih ada sel – sel kanker yang tertinggal
sehingga biasanya dilanjutkan dengan kemoterapi.
b. Radioterapi
Radioterapi atau terapi sinar menurut Promkes RSUD Tugurejo
Semarang (2015) adalah pengobatan kanker dengan menggunakan
energi pengion dan non pengion yang ditujukan untuk membunuh sel –
sel kanker payudara. Menurut Zwaveling et al (1985: 330) radiasi primer
merupakan indikasi pada penderita tumor kecil yang terbatas pada
daerah sekitar payudara yang karena sesuatu sebab tidak dapat dioperasi.
c. Kemoterapi
Kemoterapi menurut Promkes RSUD Tugurejo Semarang (2015) adalah
pemberian obat – obatan neoplastic yang bertujuan untuk membunuh sel
– sel kanker. Biasanya pengobatan ini menggunakan dua obat yang satu
berbasis plastina (baik cisplatin maupun carboplatin). Obat yang lain
yang biasa digunakan adalah gemcitabine, paclitaxel, docetaxel,
pemetrexed, etoposide, atau vinorelbine. Menurut Zwaveling et al (1985:
331) kemoterapi tunggal untuk karsinoma paru yang sudah ditinggalkan
dan diganti dengan kombinasi dua obat atau lebih, baik bersama – sama
atau berturut – turut. Indikasi utamanya adalah karsinoma yang telah
mengadakan metastasis dan memberikan keluhan.
18
2.3. Skor Karnofsky
Skor karnofsky adalah cara yang paling mudah untuk melihat peforma dari
pasien atau yang biasa disebut performance status. Menurut Karnofsky (1949)
indeks skor karnofsky memudahkan pengklasifikasian pasien sesuai dengan
keadaan gangguan fungsionalnya. Pengklasifikasian tersebut memudahkan
evaluasi hasil terapi, dan penilaian prognosis pasien. Skor karnofsky terdiri dari
nilai 100 – 0, dengan nilai 100 adalah keadaan sehat tanpa gangguan, dan nilai 0
adalah mati. Sistem penilaian ini dinamakan berdasarkan penemunya, Dr. David
A. Karnofsky yang pertama kali menjelaskan sistem penilaian ini pada tahun
1949.
1. 100% - normal, tanpa keluhan, tanpa gejala penyakit.
2. 90% - dapat menjalankan aktifitas sehari – hari, sedikit tanda dan gejala
dari penyakit.
3. 80% - aktifitas sehari – hari normal namun sedikit kesulitan, dengan
beberapa tanda dan gejala penyakit.
4. 70% - mampu merawat diri sendiri, tetapi tidak dapat beraktifitas normal
atau bekerja.
5. 60% - butuh dampingan dan bantuan orang lain, masih dapat mengurus
kebutuhan dasar pribadi.
19
6. 50% - membutuhkan lebih banyak bantuan orang lain dan perawatan
medis.
7. 40% - terbatas pada tempat tidur dan kursi, membutuhkan perawatan
medis khusus.
8. 30% - terbatas pada tempat tidur saja, tidak dapat mengurus diri sendiri.
9. 20% - sakit berat, membutuhkan banyak perawatan dan pengobatan.
10. 10% - keadaan kritis, perjalanan penyakit fatal rapid progressive.
11. 0% - meninggal.
2.4. Penyensoran
Menurut Lawless (1982: 31) suatu data dikatakan tersensor jika lamanya hidup
seseorang yang ingin diketahui atau diobservasi hanya terjadi pada waktu yang
telah ditentukan (interval pengamatan), sedang info yang ingin diketahui tidak
terjadi pada interval tersebut, dengan demikian tidak diperoleh informasi apapun
yang diinginkan selama interval pengamatan.
Tipe – tipe penyensoran menurut Johnson dalam Lawless (1982: 31) ada
tiga yakni sebagai berikut.
1. Penyensoran Tipe I
Pada penyensoran sebelah kanan tipe I, penelitian diakhiri apabila waktu
pengamatan yang ditentukan tercapai. Jika waktu pengamatan sama
untuk semua unit maka dikatakan penyensoran tunggal.
20
Jika waktu pengamatan untuk setiap unit berbeda maka dikatakan
penyensoran ganda. Pada penyensoran sebelah kiri tipe I, pengamatan
dilakukan jika telah melampaui awal waktu yang ditentukan.
Karakteristik penyensoran tipe I adalah bahwa kegagalan adalah acak.
Misalkan , , …, adalah sampel random distribusi tahan hidup
dengan fungsi kepadatan peluang , fungsi survival , sedangkan
waktu sensor untuk semua sama yaitu misalkan , sampel demikian
dikatakan sampel dengan waktu sensor tunggal. Akan tetapi pada
umumnya untuk setiap diberikan waktu sensor .
Semaua komponen dikatakan terobservasi jika ≤ diperoleh variabel
waktu dan variabel yang menunjukkan semua komponen telah mati
yaitu dan dengan
,
Maka fungsi kepadatan peluangnya adalah
(2.4.1)
21
2. Penyensoran Tipe II
Pada penyensoran tipe II, pengamatan diakhiri setelah sejumlah
kegagalan yang telah ditetapkan diperoleh, atau dapat dikatakan
banyaknya kegagalan adalah tetap dan waktu pengamatan adalah acak.
Pada sensor kanan jenis II, jumlah individu pada saat awal ditentukan
dan waktu penelitian ditentukan sampai terjadinya kematian dengan
jumlah tertentu. Pada sensor kiri jenis II, titik awal penelitian dilakukan
saat waktu kegagalan terurut.
Data tersensor tipe II adalah suatu data waktu hidup yang terdapat r buah
observasinya dalam sampel random yang berukuran n dengan (1≤r≤n).
Penyensoran tipe II lebih sering digunakan misalnya dalam data uji
hidup, total n item ditempatkan pada tes, tetapi tidak semua n gagal, tes
dihentikan jika observasi mengalami kegagalan ke r. Tes tersebut dapat
menghemat waktu yang sangat lama untuk semua item gagal dalam
beberapa kasus. Akan terlihat bahwa perlakuan statistik data tersensor
tipe II, setidaknya langsung pada prinsipnya.
Perlu ditekankan bahwa dengan sensor tipe II jumlah observasi
ditentukan sebelum data dikumpulkan. Secara formal, data terdiri dari
terkecil waktu hidup ≤ ≤…≤ dari sampel acak n waktu hidup
, …, dari distribusi hidup dalam pertanyaan. Jika , …, i.i.d.
dan memiliki distribusi kontinu dengan fkp dan fungsi survival
,
22
maka hasil umum pada urutan statistik fkp bersama dari
adalah
(2.4.2)
3. Penyensoran Maju (Progresive Censoring)
Pada penyensoran maju, suatu jumlah yang ditentukan dari unit – unit
bertahan dikeluarkan dari penelitian berdasarkan kejadian dari tiap
kegagalan terurut. Secara konseptual, hal ini sama dengan suatu praktek
yang dikenal sebagai sudden- death testing, dimana tes secara serempak
memuat beberapa pengetesan dan apabila terjadi kegagalan pertama
keseluruh pengetesan dianggap gagal.
Tipe penyensoran menurut Latan (2014:306) terbagi menjadi tiga yakni sebagai
berikut.
1. Tipe I Sensoring
Observasi mempunyai waktu sensoring yang tetap. Tipe I sensoring
diasumsikan tidak terjadi kecelakaan sehingga semua sensoring observasi
sama dari awal sampai berakhirnya studi.
2. Tipe II Sensoring
Peneliti akan menetapkan target yang harus dipenuhi di dalam desain
studi.
23
Tipe II sensoring diasumsikan tidak ada kecelakaan dan sensoring
observasi sama dengan atau lebih besar dari uncensored observasi.
3. Tipe III Sensoring
Menurut Sukestiyarno (2011: 66) analisis regresi adalah tidak jauh berbeda
pengertiannya dengan analisis korelasi. Pada analisis korelasi hanya
melihat hubungan antara variabel x dan y, dimana antara variabel x dan y
berkedudukan sama artinya bias dipertukarkan antara yang satu
mempengaruhi yang lain. Pada analisis regresi ingin melihat hubungan
satu arah antar variabel yang lebih khusus dimana variabel x berfungsi
sebagai variabel bebas yang mempengaruhi dan variabel y sebagai variabel
terikat adalah yang terpengaruhi. Biasanya variabel x disebut sebagai
variabel independent dan variabel y disebut sebagai variabel
dependent.Menurut Latan (2014: 162) analisis regresi merupakan
teknik analisis statistik yang digunakan untuk menguji hubungan antara
satu variabel atau lebih variabel independent (prediktor) dengan satu
variabel dependent (kriteria). Analisis regresi mempunyai dua tujuan
utama yaitu untuk memprediksi dan untuk menganalisis hubungan kausal.
24
2.6. Analisis Cox Regresi
Menurut Latan (2014: 326) cox regresi adalah salah satu analisis survival
yang menggunakan banyak faktor di dalam model. Cox regresi adalah suatu
analisis survival yang dapat diimplementasikan dengan proporsional model
hazard yang didesain untuk menganalisis waktu hingga even atau waktu antara
even. Untuk berbagai prediktor variabel cox regresi akan menghasilkan estimasi
dari berapa banyak prediktor yang akan meningkatkan atau menurunkan odss dari
even yang terjadi, dengan rasio hazard sebagai pengukur untuk menguji pengaruh
relatif dari prediktor – prediktor variabel.
Di dalam cox regresi satu atau lebih prediktor biasanya disebut
kovariat yang digunakan untuk memprediksi status even variabel Cox regresi
dapat digunakan ketika baseline fungsi hazard yang sama tidak dapat
diasumsikan untuk sebuah prediktor variabel tetapi fungsi baseline tersebut
harus mengikuti level dari kategorikal prediktor. Menurut Dahlan (2012: 37)
asumsi yang harus dipenuhi dalam menggunakan cox regresi adalah dengan
pengecekan asumsi proportional hazard (PH) apabila ada variabel yang tidak
memenuhi asumsi PH maka harus menggunakan cox regresi dengan model
interaksi atau strata. Asumsi PH dapat ditentukan dengan kurva Kaplan Meier
dan nilai p pada global test.
25
Pemodelan fungsi hazard pada analisis cox regresi adalah sebagai berikut.
(2.6.3)
Dengan penjelasan :
adalah fungsi hazard ke – t
adalah baseline hazard.
(2.6.4)
(2.6.5)
Dan model analisis survivalnya adalah sebagi berikut.
(2.6.6)
dengan:
S(t) adalah fungsi survival ke – t.
S0(t) adalah baseline survival.
26
(2.6.7)
(2.6.8)
Dalam analisis cox regresi tidak diperlukan asumsi dan data survival
umumnya tidak berdistribusi simetris. Likelihood ratio (omnibus) test untuk
semua model biasa disebut omnibus test. Log likelihood adalah tes mengukur
kesalahan dari model. Ketika menggunakan -2 itu disesuaikan untuk distribusi chi
square sehingga -2 log likelihood (-2LL) umumnya digunakan. -2 log likelihood
statistik bila nilai signifikansi kurang dari α maka model adalah signifikan, berarti
paling tidak ada satu kovariat memberikan kontribusi yang signifikan untuk
menjelaskan durasi dari even.
Menurut Dahlan (2012: 68) untuk cox regresi model interaksi dan model
strata digunakan apabila terdapat variabel yang tidak memenuhi asumsi PH
sehingga untuk memilih model manakah yang lebih baik biasanya digunakan
rumus di bawah ini.
(2.6.9)
27
dengan:
adalah selisih likelihood ratio untuk setiap degree of freedom.
adalah likelihood ratio full model.
LRr adalah likelihood ratio reduced model.
P(k-1) adalah degree of freedom.
P adalah jumlah variabel interaksi pada full model.
k adalah jumlah strata pada reduced model.
Koefisien regresi untuk melihat koefisien dari kovariat atau masing –
masing variabel independent. Dapat dilihat dari signifikan uji wald jika sig > α
maka kovariat tersebut tidak berpengaruh dan berlaku juga sebaliknya.
(2.6.10)
Dalam cox regresi asumsi yang harus dipenuhi adalah tidak ada
multikolinieritas. Biasanya dapat dilihat pada coefficient correlation matrix antar
variabel independent atau antar kovariat.
28
Rumus yang digunakan dalam penghitungan korelasi antar variabel
independent menurut Sukestiyarno (2011:
50) seperti di bawah ini. (2.6.11)
dengan
adalah koefisien korelasi.
adalah banyaknya sampel.
adalah variabel independent.
adalah variabel independent yang lain.
29
Menurut Ernawatiningsih (2012) regresi cox merupakan salah satu analisis
survival yang sering digunakan. Metode ini pertama kali dikenalkan oleh Cox dan
respon yang digunakan adalah data yang diperoleh dari perhitungan waktu suatu
peristiwa tertentu (waktu survival).
2.7. Survival
Menurut Lawless (1982: 8) survival adalah kemungkinan seseorang
bertahan sampai waktu t diberikan oleh fungsi daya tahan. Bentuk fungsinya
adalah sebagai berikut.
(2.7.12)
Dalam beberapa konteks, terutama yang melibatkan waktu hidup dari
barang hasil produksi, S(t) disebut sebagai fungsi reliabilitas. Diketahui S(t)
adalah turunan fungsi kontinu dengan S(0) = 1 dan S(∞) = limt→∞ S(t) = 0 kuantil
ke – p dari distribusi T adalah tp sedemikian sehingga Pr(T≤tp) = p. Sehingga, tp =
F-1
(p). Kuantil ke – p juga disebut sebagai persentil ke – 100 p dari distribusi.
(2.7.13)
30
Dengan S(t) adalah fungsi survival dan F(t) adalah fungsi distribusi
komulatif ke – t. Dengan model cox regresi menurut Dahlan (2012: 27) bentuk
fungsi dari fungsi survival adalah sebagai berikut.
(2.7.14)
dengan:
S(t) adalah fungsi survival ke – t.
S0(t) adalah baseline survival.
(2.7.15)
(2.7.16)
Menurut Ernawatiningsih (2012) analisis survival merupakan suatu metode
statistik yang berkaitan dengan waktu, yaitu dimulai dari time origin atau start
point sampai pada suatu kejadian khusus (failure even / end point). Fungsi
survival digunakan untuk menyatakan probabilitas suatu individu bertahan dari
waktu mula-mula sampai waktu t.
31
2.8. Hazard
Menurut Lawless (1982: 8) menentukan tingkat kematian seketika atau
kegagalan pada waktu t, mengingat bahwa individu bertahan sampai t. Khususnya
adalah probabilitas kematian di diberikan hidup sampai t.
Fungsi hazard juga mempunyai nama lain diantaranya adalah laju bahaya, laju
kegagalan (usia tertentu), dan kekuatan kematian. Fungsi hazard ,
didefinisikan sebagai berikut.
(2.8.17)
Fungsi , , , dan memberikan spesifikasi matematis setara
dengan distribusi T. Mudah untuk menurunkan ekspresi untuk dan dari
: =
(2.8.18)
sehingga,
(2.8.19)
32
Dan karena S(0) = 1, maka
(2.8.20)
untuk beberapa tujuan tertentu itu juga berguna untuk menentukan fungsi hazard
komulatif
(2.8.21)
yang mana, dari rumus (2.8.20) berkaitan dengan fungsi daya tahan
dari dapat dilihat bahwa , maka
. Sehingga fungsi hazard untuk distribusi
kontinu waktu hidup memiliki sifat yang akhirnya
selain rumus (2.8.20), maka dari rumus (2.8.17) .
Pada model cox regresi fungsi hazard menurut
Dahlan (2012 : 27) dapat dilihat sebagai berikut .
(2.8.22)
33
dengan:
adalah fungsi hazard ke t.
adalah baseline hazard.
(2.8.23)
(2.8.24)
BAB V
PENUTUP
5.1. Kesimpulan
Dari hasil pengolahan data dan interpretasi hasil yang didapatkan, sehingga
dapat ditarik kesimpulan sebagai berikut.
1. Rata – rata waktu hidup pasien kanker payudara di RSUP Dr.
Kariadi Semarang adalah 55 hari.
2. Bentuk fungsi ketahanan hidup yang terbentuk adalah
dengan adalah
baseline survival dan bentuk fungsi kegagalan yang terbentuk
adalah ,dengan
adalah baseline hazard .
3. Peluang keberhasilan pasien untuk bertahan hidup selama lima tahun jika
umur pasien 64 tahun, skor karnofsky 70, bulan dari diagnosis 1 bulan,
jenis kanker payudara adenocarsinoma (1), dan metode pengobatan
kemoterapi (1) adalah 0%. Dan peluang kegagalan pasien untuk bertahan
hidup selama lima tahun jika umur pasien 64 tahun, skor karnofsky 70,
bulan dari diagnosis 1 bulan, jenis kanker adenocarsinoma (1),
dan metode
pengobatan kemoterapi (1) adalah 66,38%.
5.2. Saran
Saran yang dapat diberikan agar dapat diperhatikan oleh peneliti selanjutnya
adalah sebagai berikut.
1. Sebaiknya dari pihak RSUP Dr.Kariadi perlu memiliki metode atau
pengobatan alternatif yang lebih efektif agar pasien kanker payudara
memiliki Rata – rata waktu hidup lebih dari 55 hari dan dapat bertahan
lebih lama .
2. Pihak dari RSUP Dr.Kariadi diharapkan dapat menekan angka kematian
wanita di Jawa Tengah khususnya di Semarang agar dapat melakukan
pencegahan dini terhadap kanker dengan baseline hazard 66,38% yang
artinya angka tersebut masih cukup rendah dalam hal pelayanan
penanggulangan terhadap kanker payudara.
3. Sebaiknya diadakan sosialisasi sejak dini tentang penyebab dan akibat yang
ditimbulkan oleh penyakit kanker payudara serta upaya untuk
mengkampanyekan agar wanita-wanita baik di Jawa Tengah maupun di
Indonesia dapat menghindari dan melakukan pencegahan awal terhadap
penyakit kanker payudara.
DAFTAR PUSTAKA
Aditiawarman. 2005. Hubungan Ketahanan Hidup 1 Tahun Penderita Kanker Payudara yang Dirawat di RSUP Dr. Kariadi Semarang dengan Faktor – Faktor yang Berhubungan. Karya Akhir PPDS I: Fakultas Kedokteran
Universitas Diponegoro.
Ahmed, F. E., Vos, P. W., dan Holbert, D.: Modeling Survival in Colon Cancer :
A Metodological Review. Molecular Cancer, 6, 15 (2007)
Baehaqi, Ronald. 2010. Hubungan Jumlah Leukosit dan Skor Karnofsky pada Pasien Kanker Payudara. Karya Tulis Ilmiah. Semarang: Fakultas
Kedokteran Universitas Diponegoro.
Cox, D. R.: Regression Model and Life Table. J Roy Stat Soc B, 34, 187-202
(1972)
Collet, D.: Modelling Survival Data in Medical Reseach. London: Chapman and
Hall. (1994)
Chuansumrit A, Tagnararatcchakit K, Hongeng S, et al.: Dengue Hemorrhagic fever
in children with underlying hematologic-oncologic diseases. Thai J Hematol
Transf Med, 13, (2003)
Dahlan, M. Sopiyudin. 2012. Seri 11 Analisis Survival : Dasar – Dasar Teori dan
Aplikasi Dengan Program SPSS. Jakarta: Epidemologi Indonesia.
Dinas Kesehatan Provinsi Jawa Tengah. Profil Kesehatan Provinsi Jawa Tengah
Tahun 2009. Jawa Tengah (Indonesia): Dinas Kesehatan Provinsi Jawa
Tengah: 2009.
Ernawatinigsih, Ni Putu Lisa. 2012. Analisis Survival dengan Model Regresi Cox.
Jurnal Matematika, Vol 2. No.2.
70
Gale, Danielle & Charette, Jane. 1999. Oncology Nurcing Care Plans. Translated
by I Made Kariyasa. Edited by Monica Ester. Jakarta: EGC.
Hill, B.M.: The three parameter lognormal distribution and Bayesian analysis of a
point-source epidemic. Journal of the American Statistical Association 58, 72-84
(1963)
Hosmer, D.W., Lemeshow, S. and May, S.: Applied Survival Analysis. Wiley &
Sons, Inc., Hoboken, New Jersey. (2008)
Karnofsky DA, Burchenal JH. 1949. “The Clinical Evaluation of
Chemotherapeutic Agents in Cancer.” In: MacLeod CM (Ed), Evaluation of Chemotherapeutic Agents. Columbia Univ Press. Page 196.
Latan, Hengki. 2014. Aplikasi Analisis Data Statistik untuk Ilmu Sosial Sains dengan IBM SPSS. Bandung: Alfa Beta.
Law, A. M., & Kelton, D. W.: Simulation Modelling Analysis (3th ed.). New York:
MacGraw-Hill. (2000)
Le, C. T.: Applied Survival Analysis. New York: John Wiley and Sons, Inc. (1997)
Liang, C.,Zheng, G., Zhu, N., Zhe, T., Lu , S., dan Chen, L.: A New Environmental
Heat Stress Index for Indoor Hot and Humid Envirenments Based on Cox
Regres- sion. Journal International of Buliding and Environment, 46, 2472-2479
(2011)
Lawless, J.F. 1982. Statistical Models and Methods for Lifetime Data. USA: John
Wiley & Sons, Inc.
Promkes RSUD Tugurejo Semarang. 2015. Layanan Onkologi Mengenal Kanker.
Jawa Tengah (Indonesia): RSUD Tugurejo Semarang: 2015.
Sudjana. 2005. Metoda Statistika Ed.6. Bandung: Tarsito Bandung.
Sukestiyarno. 2011. Olah Data Penelitian Berbantuan SPSS. Semarang:
Universitas Negeri Semarang.
Supartono & Suryanto, Agus. 2012. Faktor – Faktor yang Mempengaruhi Ketahanan Hidup Satu Tahun Penderita Kanker Paru Stadium Lanjut di RSUP Dr. Kariadi Semarang. Medical Hospitalia, vol 1(1): 25 – 31.
Zwavelling, A., Zonneveld, R.J. Van, & Schaberg, A. 1985. Onkologi. Jakarta:
Balai Pustaka.
70