APLIKASI REGRESI COX PROPORTIONAL HAZARD PADA ANALISIS KESINTASAN (STUDI KASUS: PENDERITA KANKER SERVIKS
PASIEN RSUD. Dr. PIRNGADI MEDAN TAHUN 2012)
Oleh :
Siti Lindra Madhani NIM. 4101230010 Program Studi Matematika
SKRIPSI
Diajukan Untuk Memenuhi Syarat Memperoleh Gelar Sarjana Sain
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI MEDAN
i
Judul Skripsi : Aplikasi Regresi Cox Proportional Hazard Pada Analisis Kesintasan (Studi Kasus: Penderita Kanker Serviks Pasien RSUD. Dr. Pirngadi Medan Tahun 2012)
Nama Mahasiswa : Siti Lindra Madhani
NIM : 4101230010
Program Studi : Matematika Jurusan : Matematika
Menyetujui : Pembimbing Skripsi,
Dr. E. Elvis Napitupulu, MS NIP. 19631225 198803 1 004
Mengetahui :
FMIPA UNIMED Jurusan Matematika
Dekan, Ketua,
Prof. Drs. Motlan, M.Sc., Ph.D Dr. Edy Surya, M.Si NIP. 19590805 198601 1 001 NIP. 19671019 199203 1 003
iv
KATA PENGANTAR
Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa, atas
segala rahmat dan karunia-Nya yang memberikan kesehatan dan hikmat kepada
penulis sehingga penelitian skripsi ini dapat diselesaikan dengan baik sesuai
dengan waktu yang direncanakan. Judul yang dipilih dalam penelitian yang
dilaksanakan sejak bulan Juni 2014 adalah “Aplikasi Regresi Cox Proportional
Hazard Pada Analisis Kesintasan (Studi Kasus: Penderita Kanker Serviks Pasien RSUD. Dr. Pirngadi Medan Tahun 2012)”.
Dalam kesempatan ini penulis mengucapkan terima kasih kepada
berbagai pihak yang telah membantu menyelesaikan skripsi ini, dimulai dari
pengajuan proposal penelitian, pelaksanaan sampai penyusunan skripsi, antara
lain kepada Bapak Prof. Dr. Ibnu Hajar, M.Si., selaku Rektor Universitas Negeri
Medan, Bapak Prof. Drs. Motlan, M.Sc, Ph.D., selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam, Bapak Dr. Edy Surya, M.Si., selaku
Ketua Jurusan Matematika, Bapak Drs. Yasifati Hia, M.Si., selaku Sekretaris
Jurusan Matematika, Ibu Dra. Nerli Khairani, M.Si selaku Ketua Program Studi
Matematika, dan Bapak Dr. E. Elvis Napitupulu, M.S., selaku Dosen Pembimbing
Skripsi yang telah banyak membimbing penulis dalam menyelesaikan skripsi ini.
Terima kasih juga penulis ucapkan kepada Ibu Dra. Nerli Khairani, M.Si., Bapak
Dr. Edy Surya, M.Si., dan Ibu Dr. Ani Minarni, M.Si., selaku Dosen Penguji yang
telah banyak memberikan saran dalam penyusunan skripsi ini, serta Bapak
Mulyono, S.Si, M.Si., selaku Dosen Pembimbing Akademik. Ucapan terima kasih
juga diucapkan kepada pimpinan RSUD. Dr. Pirngadi Medan yang telah
memberikan kesempatan untuk melakukan penelitian di RSUD. Dr. Pirngadi
Medan, dan kepada seluruh staf pengajar Jurusan Matematika FMIPA yang telah
memberikan bimbingan kepada penulis semenjak mengikuti perkuliahan.
Teristimewa dan terkhusus penulis mengucapkan terima kasih dan hormat
kepada Ayahanda Alm. Ir. H. Chendra Husin Nst, Ibu tercinta Hj. Eliana
Pulungan untuk semua kasih sayang, doa, motivasi, dan jerih payah, sehingga
v
dan adik-adikku Siti Khalida Sari Nst dan Yusuf Chandra Nst yang memberikan
dukungan, doa dan motivasi, serta uak terkasih Hj. Siti Aisyah Pulungan yang
telah memberikan segenap perhatian, kasih sayang, dan doanya kepada penulis,
dan seluruh keluargaku tercinta. Terima kasih diucapkan kepada sahabat-sahabat
tersayang Junisa Mega Putri Nst, S.Si., Rahmah Hayati Nst, Fauziah Ardianti,
S.Si., Siti Masdewani, S.Si., Diah Chairisa, S.Si., Ade Kristal, S.Si., Siti Mulia
Sari, S.Si., Ruri Anggraini, Febri Inka Mandasari, Anggi Mutiah Sakdiah, S.KM.,
dan keluarga besar Matematika Nondik 2010 UNIMED untuk 4 tahun bersama
yang sangat berkesan ini.
Hanya do’a yang dapat penulis panjatkan semoga Tuhan Yang Maha Esa
berkenan membalas kebaikan Bapak, Ibu, Saudara dan teman-teman sekalian.
Akhir kata, semoga skripsi ini dapat bermanfaat dan menambah wawasan bagi
pihak yang berkepentingan. Akhir kata, penulis mengucapkan terima kasih.
Medan, 10 Desember 2014
iii
APLIKASI REGRESI COX PROPORTIONAL HAZARD PADA ANALISIS KESINTASAN (STUDI KASUS: PENDERITA KANKER SERVIKS
PASIEN RSUD. Dr. PIRNGADI MEDAN TAHUN 2012)
Siti Lindra Madhani (NIM. 4101230010)
ABSTRAK
Analisis kesintasan (survival analysis) merupakan analisis statistika khusus yang digunakan untuk menganalisis data yang variabelnya berkaitan dengan waktu hingga munculnya suatu peristiwa. Pada penelitian ini analisis kesintasan diaplikasikan pada kasus kanker serviks, yaitu mencari kesintasan (daya tahan hidup) penderita kanker serviks yang merupakan penyakit yang menempati urutan pertama sebagai penyebab kematian pada wanita di dunia. Tujuan penelitian ini ialah mencari probabilitas kesintasan 1 tahun penderita kanker serviks pasien RSUD. Dr. Pirngadi Medan tahun 2012. Metode Kaplan-Meier digunakan untuk mengestimasi probabilitas kesintasan penderita kanker serviks tersebut. Hasil menunjukkan bahwa probabilitas kesintasan 1 tahun penderita kanker serviks sebesar 0,528 (52,8%) setelah mendapatkan pengobatan pertama kali di RSUD. Dr. Pirngadi Medan. Ini berarti penderita kanker serviks mempunyai harapan hidup sebesar 52,8% untuk hidup selama 1 tahun sejak pertama kali menjalani pengobatan. Penelitian ini juga menggunakan regresi cox sebagai model yang menggambarkan besarnya risiko seorang penderita kanker serviks berdasarkan faktor yang mempengaruhi kesintasan tersebut. Berdasarkan model cox proportional hazard yang diperoleh, penderita yang memiliki usia antara 41-50 tahun memiliki risiko kematian sebesar 1,076 kali lebih besar dibandingkan dengan penderita yang berusia kurang dari 41 tahun pada stadium yang sama. Begitu juga halnya penderita dengan stadium III-IIIB memiliki risiko kematian sebesar 0,36 kali dan penderita dengan stadium IV-IVB memiliki risiko kematian sebesar 0,227 kali lebih besar dari penderita dengan stadium dini (stadium II) pada usia yang sama. Dengan kata lain variabel usia memiliki koefisien positif menghasilkan faktor risiko yang lebih besar dibandingkan variabel stadium yang berkoefisien negatif.
vi
DAFTAR ISI
Lembar Pengesahan i
Riwayat Hidup ii
Abstrak iii
Kata Pengantar iv
Daftar Isi vi
Daftar Gambar ix
Daftar Tabel xi
Daftar Lampiran xiii
BAB I. PENDAHULUAN
1.1. Latar Belakang Masalah 1
1.2. Rumusan Masalah 6
1.3. Batasan Masalah 6
1.4. Tujuan Penelitian 7
1.5. Manfaat Penelitian 7
BAB II. TINJAUAN PUSTAKA
2.1. Analisis Kesintasan 8
2.1.1. Data Tersensor 10
2.1.2. Notasi dan Terminologi 13
2.1.3. Fungsi Kesintasan 14
2.1.4. Fungsi Hazard (Fungsi Kegagalan) 16
2.2. Metode Kaplan-Meier 19
2.2.1. Uji Log Rank 22
2.3. Regresi Cox Proportional Hazard 23
2.4. Kanker Serviks 26
2.4.1. Pengertian 26
2.4.2. Faktor Penyebab 27
vii
BAB III. METODE PENELITIAN
3.1. Tempat dan Waktu Penelitian 32
3.1.1. Gambaran Tempat Penelitian 32
3.1.2. Gambaran Waktu Penelitian 32
3.2. Jenis Penelitian 33
3.3. Populasi dan Sampel 33
3.3.1. Populasi 33
3.3.2. Sampel 33
3.4. Variabel dan Definisi Operasional 34
3.4.1. Variabel 34
3.4.2. Definisi Operasional 34
3.5. Teknik Pengumpulan Data 38
3.6. Prosedur Penelitian 38
BAB IV. HASIL PENELITIAN DAN PEMBAHASAN
4.1. Pengumpulan Data 41
4.2. Analisis Data 41
4.2.1. Analisis Univariat 41
4.2.2. Analisis Bivariat 48
4.2.3. Analisis Multivariat 61
4.3. Pembahasan 63
4.3.1. Probabilitas Kesintasan 1 Tahun 63
4.3.2. Usia 64
4.3.3. Usia Menikah 65
4.3.4. Tingkat Pendidikan 65
4.3.5. Pekerjaan 66
4.3.6. Jumlah Pernikahan 67
4.3.7. Paritas 67
4.3.8. Penggunaan Kontrasepsi 68
4.3.9. Stadium 68
viii
BAB V. KESIMPULAN DAN SARAN
5.1. Kesimpulan 70
5.2. Saran 71
xi
DAFTAR TABEL
Tabel 2.1. Lama Pengamatan Pasien AAL 20
Tabel 2.2. Analisis Kesintasan Menurut Metode Kaplan-Meier 21
Tabel 2.3. Klasifikasi Stadium Klinis Kanker Serviks Menurut FIGO 30
Tabel 3.1. Jadwal Penelitian 32
Tabel 4.1. Statistik Waktu Kesintasan Penderita Kanker Serviks
di RSUD. Dr. Pirngadi Medan Tahun 2012 42
Tabel 4.2. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Menggunakan
Metode Kaplan-Meier 49
Tabel 4.3. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Usia
Menggunakan Metode Kaplan-Meier 51
Tabel 4.4. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Usia
Menikah Menggunakan Metode Kaplan-Meier 52
Tabel 4.5. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Tingkat
Pendidikan Menggunakan Metode Kaplan-Meier 54
Tabel 4.6. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan
Pekerjaan Menggunakan Metode Kaplan-Meier 55
Tabel 4.7. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Jumlah
Pernikahan Menggunakan Metode Kaplan-Meier 56
Tabel 4.8. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Paritas
xii
Tabel 4.9. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan
Penggunaan Kontrasepsi Menggunakan Metode Kaplan-Meier 58
Tabel 4.10. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Stadium
Menggunakan Metode Kaplan-Meier 60
Tabel 4.11. Estimasi Kesintasan 1 Tahun Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Penyakit
yang Menyertai Menggunakan Metode Kaplan-Meier 61
Tabel 4.12. Analisis Variabel Kandidat dengan Kesintasan 1 Tahun
Penderita Kanker Serviks Menggunakan Regresi Cox 62
Tabel 4.13. Hasil Uji Asumsi Proportional Hazard dengan Time
Dependent Covariat 62
ix
DAFTAR GAMBAR
Gambar 2.1. Data Tersensor 12
Gambar 2.2. Kurva Fungsi Kesintasan 15
Gambar 2.3. Kurva Fungsi Hazard 17
Gambar 4.1. Distribusi Frekuensi Waktu Kesintasan 1 Tahun Penderita
Kanker Serviks di RSUD. Dr. Pirngadi Medan Tahun 2012 42
Gambar 4.2. Distribusi Frekuensi Usia Penderita Kanker Serviks di
RSUD. Dr. Pirngadi Medan Tahun 2012 43
Gambar 4.3. Distribusi Frekuensi Usia Menikah Penderita Kanker Serviks
di RSUD. Dr. Pirngadi Medan Tahun 2012 43
Gambar 4.4. Distribusi Frekuensi Tingkat Pendidikan Penderita Kanker
Serviks di RSUD. Dr. Pirngadi Medan Tahun 2012 44
Gambar 4.5. Distribusi Frekuensi Pekerjaan Penderita Kanker Serviks
di RSUD. Dr. Pirngadi Medan Tahun 2012 45
Gambar 4.6. Distribusi Frekuensi Jumlah Pernikahan Penderita Kanker
Serviks di RSUD. Dr. Pirngadi Medan Tahun 2012 45
Gambar 4.7. Distribusi Frekuensi Paritas Penderita Kanker Serviks
di RSUD. Dr. Pirngadi Medan Tahun 2012 46
Gambar 4.8. Distribusi Frekuensi Penggunaan Kontrasepsi Penderita
Kanker Serviks di RSUD. Dr. Pirngadi Medan Tahun 2012 47
Gambar 4.9. Distribusi Frekuensi Stadium Penderita Kanker Serviks
di RSUD. Dr. Pirngadi Medan Tahun 2012 47
Gambar 4.10. Distribusi Frekuensi Penyakit yang Menyertai Penderita
Kanker Serviks di RSUD. Dr. Pirngadi Medan Tahun 2012 48
Gambar 4.11. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks di RSUD. Dr. Pirngadi Medan Tahun 2012 50
Gambar 4.12. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Usia di RSUD. Dr. Pirngadi
x
Gambar 4.13. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Usia Menikah di RSUD. Dr.
Pirngadi Medan Tahun 2012 53
Gambar 4.14. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Tingkat Pendidikan di RSUD.
Dr. Pirngadi Medan Tahun 2012 54
Gambar 4.15. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Pekerjaan di RSUD. Dr.
Pirngadi Medan Tahun 2012 55
Gambar 4.16. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Jumlah Pernikahan di RSUD.
Dr. Pirngadi Medan Tahun 2012 56
Gambar 4.17. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Paritas di RSUD. Dr. Pirngadi
Medan Tahun 2012 57
Gambar 4.18. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Penggunaan Kontrasepsi di
RSUD. Dr. Pirngadi Medan Tahun 2012 59
Gambar 4.19. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Stadium di RSUD. Dr. Pirngadi
Medan Tahun 2012 60
Gambar 4.20. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Penyakit yang Menyertai di
xiii
DAFTAR LAMPIRAN
Lampiran 1. Master Data Pasien Penderita Kanker Serviks RSUD. Dr.
Pirngadi Medan Tahun 2012 74
Lampiran 2. Waktu Kesintasan Penderita Kanker Serviks 80
Lampiran 3. Analisis Bivariat dengan Metode Kaplan-Meier
Menggunakan Program SPSS 82
Lampiran 4. Analisis Multivariat dengan Regresi Cox Proportional
Hazard Menggunakan Program SPSS 104
Lampiran 5. Surat Permintaan Kesediaan Dosen PS 121
Lampiran 6. Surat Permohonan Izin Penelitian dari Jurusan Matematika 122
Lampiran 7. Surat Izin Penelitian dari Fakultas MIPA 123
Lampiran 8. Surat Persetujuan Pelaksanaan Penelitian dari RSUD.
1 BAB I PENDAHULUAN
1.1. Latar Belakang Masalah
Di negara-negara berkembang termasuk di Indonesia terdapat banyak
kasus yang berkaitan dengan kesehatan, salah satunya adalah munculnya penyakit,
baik menular maupun penyakit tidak menular yang pada akhirnya mengakibatkan
kematian. Sekarang ini penyakit tidak menular lebih ditakuti daripada penyakit
menular. Berdasarkan lembaga Pusat Data dan Surveilans Epidemiologi, dalam 12
tahun terakhir pola penyebab kematian mulai bergeser dari penyakit menular ke
penyakit tidak menular. Menurut data Riskesdas (Riset Kesehatan Dasar) tahun
2007, kematian pada semua umur diakibatkan oleh penyakit menular sebesar
28,1% dan penyakit tidak menular sebesar 59,5%, menunjukkan bahwa kematian
pada semua umur dengan penyakit menular semakin menurun, sedangkan pada
penyakit tidak menular semakin meningkat (Pusat Data dan Surveilans
Epidemiologi, 2010). Salah satu penyakit tidak menular yang masih merupakan
masalah kesehatan dengan angka kejadian dan angka kematian yang tinggi ialah
kanker (Rasjidi, 2008).
Menurut WHO jumlah penderita kanker di dunia setiap tahun bertambah
sekitar 7 juta orang, dan dua per tiga diantaranya berada di negara-negara yang
sedang berkembang. Jika tidak dikendalikan, diperkirakan 26 juta orang akan
menderita kanker dan 17 juta meninggal karena kanker pada tahun 2030. Di
Indonesia, tiap tahun diperkirakan terdapat 100 penderita baru per 100.000
penduduk. Ini berarti dari jumlah 237 juta penduduk, ada sekitar 237.000
penderita kanker baru setiap tahunnya. Sejalan dengan itu, data empiris juga
menunjukkan bahwa kematian akibat kanker dari tahun ke tahun terus meningkat.
Menurut data Sistem Informasi Rumah Sakit (SIRS) tahun 2007, kanker payudara
menempati urutan pertama pada pasien rawat inap di seluruh RS di Indonesia
2
Indonesia adalah negara dengan insiden kanker serviks tertinggi di dunia (YKI,
2012).
Kanker serviks (leher rahim) merupakan penyakit pembunuh wanita
nomor 1 di dunia dengan jumlah penderita 630 juta (data WHO). Setiap hari
kanker serviks merenggut nyawa 600 wanita di dunia dan 20 wanita Indonesia
(data YKI). Menyerang 50% wanita usia 35-55 tahun, 50% lagi di bawah 35 tahun.
Di Indonesia, setiap hari 41 wanita terdeteksi terkena kanker serviks (data YKI).
Peluang meninggal bila seorang wanita terkena kanker ini adalah 66%
(Tribunnews, 2010).
Tingginya tingkat kematian akibat kanker serviks terutama di Indonesia
antara lain disebabkan karena keterlambatan dalam diagnosis sehingga pasien
datang dalam keadaan stadium lanjut, keadaan umum yang lemah, status sosial
ekonomi yang rendah, adanya keterbatasan sumber daya, sarana dan prasarana
ikut juga menentukan peningkatan kematian akibat kanker tersebut, serta masih
kurangnya kesadaran wanita Indonesia untuk mencegah dan mendeteksi secara
dini kanker serviks. Berbagai upaya pencegahan telah dilakukan meliputi
identifikasi dan mencegah faktor risiko, deteksi dini lesi prakanker, tes pap smear,
inspeksi visual dengan asam asetat, dan termasuk pula temuan baru berupa
vaksinasi HVP (Human Papilloma Virus). Namun, usaha untuk menemukan lesi
prakanker atau skrining masih belum optimal karena lemahnya sistem registrasi di
13 pusat laboratorium patologi anatomi di Indonesia (Rasjidi, 2008).
Menurut Darmono (2012), kanker serviks atau kanker leher rahim adalah
maligna (keganasan) neoplasma dari serviks uteri atau daerah serviks dari uterus.
Penyebab utama kanker serviks adalah infeksi HPV, tetapi tidak semua kanker
serviks dipicu oleh HPV, beberapa faktor lain juga dapat menyebabkan terjadinya
kanker serviks. Di Amerika dan beberapa negara lain di dunia ini hampir setiap
tahun lebih dari 6,2 juta wanita terinfeksi oleh HVP, dan sekitar 10% berkembang
menjadi kanker serviks. Ada beberapa faktor risiko yang menyebabkan kanker
3
frekuensi ganti pasangan, kehamilan berulang-ulang (paritas), penggunaan
kontrasepsi, stadium klinis, penyakit yang menyertai, dan kebiasaan merokok.
Dengan adanya faktor-faktor risiko tersebut, diduga ada pengaruh terhadap
ketahanan hidup penderita kanker serviks. Karena itu, perlu dilakukan penelitian
terhadap pasien-pasien yang menderita kanker serviks, agar diketahui probabilitas
ketahanan hidup pasien serta faktor risiko yang mempengaruhinya.
Pada bidang matematika terdapat cabang statistika yang telah
berkembang pesat dengan adanya penemuan-penemuan alat analisis yang dapat
digunakan untuk menganalisis suatu permasalahan. Salah satunya adalah uji
kesintasan (daya tahan hidup) yang merupakan penelitian daya tahan hidup suatu
unit atau individu pada suatu keadaan tertentu. Uji kesintasan biasa digunakan
dalam bidang teknik, biologi, kedokteran, dan lain-lain. Penelitian-penelitian
tersebut biasanya menggunakan data yang berkaitan dengan waktu hidup dari
suatu individu (Lawless, 2003). Secara umum waktu ini dikatakan waktu
kesintasan. Banyak metode analisis yang dapat digunakan untuk waktu kesintasan
yang lengkap. Namun, faktanya dilihat data yang ada di masyarakat sulit sekali
ditemukan data dengan waktu kesintasan yang lengkap dan data tersebut jarang
terdistribusi secara normal, dan secara khas terdiri dari banyak kejadian baru.
Oleh karena itu, dibutuhkan analisis khusus untuk menyelesaikan masalah ini.
Metode ini dikenal sebagai analisis kesintasan (survival analysis) (Kleinbaum dan
Klein, 2005).
Analisis kesintasan atau dikenal sebagai analisis ketahanan hidup
(survival analysis) merupakan analisis statistika khusus yang membantu
menganalisis suatu kasus yang tidak dapat diselesaikan dengan analisis statistika
standar. Analisis ini digunakan ketika kasus berkaitan dengan waktu atau lama
waktu hingga terjadi peristiwa tertentu dan kemungkinan adanya data tersensor
merupakan karakteristik khas yang membedakannya dengan analisis lain.
Peristiwa dalam analisis ini dapat berupa timbulnya penyakit, kambuhnya
penyakit, kesembuhan, kematian atau kejadian khusus lainnya (Kleinbaum dan
4
penyensoran adalah memperpendek waktu percobaan karena dalam mengukur
waktu kegagalan atau kematian individu, kadang-kadang diperlukan waktu yang
lama. Data dikatakan tersensor apabila waktu kesintasan suatu individu yang
diteliti tidak diketahui secara pasti (Hanni dan Wuryandari, 2013). Untuk
selanjutnya istilah kesintasan akan digunakan pada penulisan ini.
Ada beberapa metode yang sering digunakan untuk memberikan
gambaran tentang analisis kesintasan, diantaranya metode tabel kehidupan (life
table), metode Kaplan-Meier (Product Limit) dan regresi Cox. Pada penelitian ini,
metode Kaplan-Meier digunakan untuk mengestimasi dan menginterprestasikan
fungsi kesintasan dan fungsi hazard. Sebenarnya metode tabel hidup (life-table)
sama dengan Kaplan-Meier, namun pada metode tabel hidup (life-table) objek
diklasifikasikan berdasarkan karakteristik tertentu yang disusun dengan interval
dengan menganggap peluang terjadinya efek adalah konstan, sehingga data yang
diperoleh akan lebih umum (Yasril dan Kasjono, 2009). Sedangkan pada metode
Kaplan-Meier objek dianalisis sesuai dengan waktu aslinya masing-masing. Hal
ini mengakibatkan proporsi kesintasan yang pasti karena menggunakan waktu
kesintasan secara tepat sehingga diperoleh data yang lebih akurat (Mukhtar, dkk.
2011). Menurut Lee dan Wang (2003), hal terpenting pada analisis kesintasan
adalah memodelkan waktu kegagalan yang memiliki korelasi dengan variabel
independen. Untuk menentukan eratnya hubungan antara variabel independen
dengan variabel dependennya digunakan model Cox proportional hazards.
Regresi cox atau cox proportional hazard merupakan pendekatan model
matematika yang digunakan untuk mengestimasi kurva kesintasan ketika
mempertimbangkan beberapa variabel independen secara serentak (Kleinbaum
dan Klein, 2005). Regresi cox proportional hazard merupakan pemodelan yang
sangat umum dan populer pada analisis ini. Dikatakan umum karena model ini
tidak didasarkan pada asumsi-asumsi tentang sifat atau bentuk distribusi yang
mendasari kesintasan dan model ini sangat populer karena fungsi baseline hazard
(fungsi kovariat) pada model tidak ditentukan, merupakan pengestimasi koefisien
5
dapat diperoleh dengan model ini. Selain itu, regresi cox proportional hazard
dikatakan juga sebagai model robust artinya model cox proportional hazard tetap
baik walaupun asumsi-asumsinya dilanggar, sehingga hasil dari model cox ini
hampir sama dengan hasil menggunakan model parametrik (Kleinbaum dan Klein,
2005).
Penelitian terdahulu dilakukan oleh Ernawatiningsih dan Purhadi (2012)
tentang analisis survival dengan model regresi cox pada pasien demam berdarah
dengue di Rumah Sakit Haji Surabaya. Berdasarkan hasil penelitiannya, dari 66
pasien yang dirawat 50% pasien berusia 0-14 tahun sisanya di atas 14 tahun, dan
70% pasien yang jumlah trombosit di bawah normal sisanya normal. Pasien yang
berusia lebih tua akan lebih lama kesembuhannya daripada pasien yang berusia
lebih muda dan ketika jumlah trombosit di bawah normal kesembuhannya lebih
lama daripada pasien dengan jumlah trombosit normal.
Sirait, dkk. (2003) menganalisis kesintasan berdasarkan analisis
Kaplan-Meier untuk mengetahui besarnya probabilitas 5 tahun penderita
kanker serviks dan uji log rank untuk melihat hubungan antara jenis
pengobatan dengan survival penderita kanker serviks di RS. Dharmais
Jakarta. Berdasarkan hasil penelitian tersebut dari 184 penderita kanker
serviks yang dirawat inap tahun 1996, yang mengalami kematian sebanyak
39,7%, bertahan hidup sebanyak 22,3% dan yang hilang dari pengamatan
sebanyak 38,0%. Diperoleh peluang pasien bertahan hidup (survive) yang
mendapatkan pengobatan secara lengkap lebih jauh tinggi dibandingkan
yang tidak lengkap.
Berdasarkan uraian di atas, penulis melakukan inferensi statistik
nonparametrik dengan metode Kaplan-Meier. Uji log rank digunakan untuk
menentukan apakah ada perbedaan fungsi kesintasan antara variabel
independen dan pemodelan regresi Cox proportional hazards untuk mengestimasi
6
RSUD. Dr. Pirngadi Medan tahun 2012. Dengan demikian akan dianalisis
faktor-faktor apa saja yang mempengaruhi kesintasan satu tahun penderita kanker serviks.
Atas dasar pemikiran tersebut, maka penulis mengangkat hal tersebut
dalam sebuah karya ilmiah dalam bentuk skripsi dengan judul “Aplikasi Regresi
Cox Proportional Hazard Pada Analisis Kesintasan (Studi Kasus: Penderita Kanker Serviks Pasien RSUD. Dr. Pirngadi Medan Tahun 2012)”.
1.2. Rumusan Masalah
Berdasarkan latar belakang masalah yang dikemukakan sebelumnya,
permasalahan yang diangkat dalam penelitian ini sebagai berikut:
1. Berapa probabilitas kesintasan satu tahun penderita kanker serviks setelah
mendapat penanganan atau perawatan di RSUD. Dr. Pirngadi Medan
tahun 2012?
2. Apa saja faktor-faktor utama yang mempengaruhi kesintasan pasien
penderita kanker serviks dengan menggunakan metode regresi cox
proportional hazard?
1.3. Batasan Masalah
Penulisan skripsi ini difokuskan pada pembahasan dengan beberapa
batasan masalah sebagai berikut:
1. Menggunakan inferensi statistik nonparametrik dengan metode
Kaplan-Meier dan pemodelan regresi cox proportional hazard untuk
mengestimasi probabilitas kesintasan satu tahun.
2. Mengidentifikasi faktor-faktor yang mempengaruhi kesintasan satu tahun
penderita kanker serviks yang dirawat inap di RSUD. Dr. Pirngadi Medan
tahun 2012.
3. Data yang digunakan pada penelitian ini ialah data sekunder, yaitu data
rekam medis pasien penderita kanker serviks stadium II sampai dengan
stadium IV di RSUD. Dr. Pirngadi Medan tahun 2012.
4. Menggunakan bantuan software statistik SPSS versi 16.0 untuk
7
1.4. Tujuan Penelitian
Berdasarkan rumusan masalah di atas, tujuan yang ingin dicapai dalam
penelitian ini sebagai berikut:
1. Mendapatkan nilai probabilitas kesintasan satu tahun dari data sekunder
penderita kanker serviks yang rawat inap di RSUD. Dr. Pirngadi Medan
tahun 2012.
2. Mengetahui faktor-faktor utama yang mempengaruhi kesintasan pasien
penderita kanker serviks dengan menggunakan metode regresi cox
proportional hazard.
1.5. Manfaat Penelitian
Adapun manfaat penelitian ini sebagai berikut:
1. Bagi Paramedis
Penelitian ini dapat memberi kemudahan untuk menentukan probabilitas
kesintasan satu tahun pasien penderita kanker serviks dengan
menggunakan model regresi cox proportional hazard, dan memberi
masukan kepada petugas medis tentang kesintasan satu tahun pasien
penderita kanker serviks.
2. Bagi Penulis
Menambah wawasan dan ilmu pengetahuan terkait aplikasi ilmu
70 BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil penelitian yang telah dilakukan, maka dapat
disimpulkan bahwa:
1. Berdasarkan hasil analisis menggunakan Kaplan-Meier penderita kanker
serviks memiliki probabilitas kesintasan satu tahun sebesar 0,528 (52,8%)
setelah berobat pertama kali di RSUD. Dr. Pirngadi Medan tahun 2012. Ini
berarti penderita kanker serviks mempunyai harapan hidup sebesar 52,8%
untuk hidup selama 1 tahun sejak pertama kali menjalani pengobatan.
2. Hasil analisis multivariat menggunakan regresi cox menyatakan bahwa usia
dan stadium merupakan faktor-faktor utama yang mempengaruhi kesintasan
satu tahun penderita kanker serviks di RSUD. Dr. Pirngadi Medan tahun
2012. Model regresi cox proportional hazard yang diperoleh,
dimana variabel adalah usia antara 41-50 tahun, variabel adalah
stadium III-IIIB, dan variabel adalah stadium IV-IVB. Dari nilai
diperoleh bahwa penderita yang memiliki usia antara 41-50 tahun
memiliki risiko kematian sebesar 1,076 kali lebih besar dibandingkan
dengan penderita yang berusia kurang dari 41 tahun. Penderita dengan
stadium III-IIIB memiliki risiko kematian 0,36 kali dan penderita dengan
stadium IV-IVB memiliki risiko kematian 0,227 kali lebih besar dari
penderita dengan stadium dini (stadium II). Dengan kata lain variabel usia
memiliki koefisien positif menghasilkan faktor risiko yang lebih besar
71
5.2. Saran
Dengan melihat hasil perhitungan serta kesimpulan di atas, penulis
menyarankan:
1. Kepada tenaga medis atau dokter yang menangani penyakit kanker serviks
untuk membuat catatan yang lengkap pada data rekam medis penderita
kanker serviks, sehingga dapat dimanfaatkan untuk penelitian selanjutnya,
karena catatan rekam medis yang lengkap dapat meningkatkan kualitas data
rekam medis dan meningkatkan kualitas penelitian.
2. Kepada Dinas Kesehatan Propinsi Sumatera Utara diharapkan untuk
melakukan pengembangan media cetak, maupun elektronik yang mencakup
pemberian informasi tentang pencegahan kanker serviks melalui faktor
risiko.
3. Pada penelitian ini, data yang digunakan adalah data untuk waktu kesintasan
1 tahun. Oleh karena itu, untuk penelitian selanjutnya dapat menggunakan
data untuk waktu kesintasan 5 tahun.
4. Penelitian ini menggunakan model regresi cox proportional hazard,
selanjutnya dapat digunakan model lainnya untuk menentukan portofolio
optimal, seperti model parametrik, model AFT (Accelerated Failure Time)
72
DAFTAR PUSTAKA
Armitage, P dan Berry, G. 2002. Statistical Methods in Medical Research, ed. 4. London: Blackwell Science Ltd.
Aziz, M.F dan Saifuddin A.B. 2006. Onkologi Ginekologi, ed. 1. Jakarta: Yayasan Bina Pustaka Sarwono Prawirohardjo.
Darmono. 2012. Toksikologi Genetik: Pengaruh, Penyebab dan Akibat Terjadinya Penyakit Gangguan Keturunan. Jakarta: UI-Press.
Ernawatiningsih, N.P.L dan Purhadi. 2012. Analisis Survival dengan Model Regresi Cox Study Kasus: Pasien Demam Berdarah Dengue di Rumah Sakit Haji Surabaya. Junal Matematika 2: 1693-1394.
Hanni, T dan Wuryandari, T. 2013. Model regresi Cox Proporsional Hazard Pada Data Ketahanan Hidup. Jurnal Statistika 6: 11-20.
Kamaliah. 2012. Pengaruh Pengetahuan, Sikap, Kepercayaan dan Tradisi Wanita Usia Subur (WSU) Terhadap Pemeriksaan Pap Smear dalam Upaya Deteksi Dini Kanker Serviks di RSUD Dr. Pirngadi Medan Tahun 2011. Tesis, Fakultas Kesehatan Masyarakat. Medan: Universitas Sumatera Utara.
Kleinbaum, D.G dan Klein, M. 2005. Survival Analysis: A Self-Learning Text, ed. 2. New York: Springer Science Business Media, Inc.
Lawless, J.F. 2003. Statistical Model and Methods for Lifetime Data, ed. 2. New Jersey: John Wiley and Sons Inc.
Lee, E.T dan Wang, J.W. 2003. Statistical Method for Survival Analysis, ed. 3. USA: John Wiley and Sons Interscience Publication.
Mardiana, L. 2004. Kanker Pada Wanita: Pencegahan dan Pengobatan dengan Tanaman Obat. Jakarta: Penebar Swadaya.
73
Mukhtar, Z, Haryuna, Siti H, Elmeida E, Andrina Y.M, Betty dan Devira Z. 2011. Desain Penelitian Klinis dan Statistika Kedokteran. Medan: USU Press.
Murti, B. 1997. Prinsip dan Metode Riset Epidemiologi. Yogyakarta: Gadjah Mada University Press.
Pusat Data dan Surveilans Epidemiologi. 2010. Indikator Kesehatan Indonesia Tahun 2005-2009. Jakarta: Kementerian Kesehatan Republik Indonesia.
Rasjidi, I. 2008. Manual Prakanker Serviks. Jakarta: CV Sagung Seto.
Sastroasmoro, S dan Ismael, S. 1995. Dasar-dasar Metodologi Penelitian Klinis. Jakarta: Binarupa Aksara.
Sirait, A.M, Soetiarto F dan Ratih O. 2003. Ketahanan Hidup Penderita Kanker Serviks di Rumah Sakit Kanker Dharmais. Buletin Penel Kesehatan 31: 13-24.
Yasril, dan Kasjono, H.S. 2009. Analisis Multivariat untuk Penelitian Kesehatan. Yogyakarta: Mitra Cendikia Press.
Tribunnews. 2010. http://www.tribunnews.com/2010/11/24/kanker_serviks_si_ pembunuh_nomor_satu_di_indonesia (di akses tanggal 12 Maret 2014).
Yayasan Kanker Indonesia. 2012. http://yayasan_kanker_Indonesia.org/2012/ yki_jakarta_race (di akses tanggal 12 Maret 2014).
Wikipedia. 2014. Kanker Leher Rahim. http://id.wikipedia.org/wiki/Kanker_leher _Rahim (di akses tanggal 3 Maret 2014).
Wikipedia. 2014. Logrank Test. http://id.wikipedia.org/wiki/logrank_test (di akses