APLIKASI REGRESI COX PROPORTIONAL HAZARD PADA ANALISIS KESINTASAN (STUDI KASUS: PENDERITA KANKER SERVIKS PASIEN RSUD. DR. PIRNGADI MEDAN TAHUN 2012).

(1)

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

(2)

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

(3)

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

(4)

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

(5)

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.

(6)

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

(7)

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

(8)

viii

BAB V. KESIMPULAN DAN SARAN

5.1. Kesimpulan 70

5.2. Saran 71

(9)

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

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Usia

Menggunakan Metode Kaplan-Meier 51

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Usia

Menikah Menggunakan Metode Kaplan-Meier 52

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Tingkat

Pendidikan Menggunakan Metode Kaplan-Meier 54

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan

Pekerjaan Menggunakan Metode Kaplan-Meier 55

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Jumlah

Pernikahan Menggunakan Metode Kaplan-Meier 56

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Paritas

(10)

xii

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan

Penggunaan Kontrasepsi Menggunakan Metode Kaplan-Meier 58

RSUD. Dr. Pirngadi Medan Tahun 2012 Berdasarkan Stadium

Menggunakan Metode Kaplan-Meier 60

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

(11)

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

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

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

Gambar 4.8. Distribusi Frekuensi Penggunaan Kontrasepsi Penderita

Gambar 4.9. Distribusi Frekuensi Stadium Penderita Kanker Serviks

Gambar 4.10. Distribusi Frekuensi Penyakit yang Menyertai Penderita

Gambar 4.11. Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita

Kanker Serviks Berdasarkan Usia di RSUD. Dr. Pirngadi

(12)

x

Kanker Serviks Berdasarkan Usia Menikah di RSUD. Dr.

Pirngadi Medan Tahun 2012 53

Kanker Serviks Berdasarkan Tingkat Pendidikan di RSUD.

Dr. Pirngadi Medan Tahun 2012 54

Kanker Serviks Berdasarkan Pekerjaan di RSUD. Dr.

Kanker Serviks Berdasarkan Jumlah Pernikahan di RSUD.

Dr. Pirngadi Medan Tahun 2012 56

Kanker Serviks Berdasarkan Paritas di RSUD. Dr. Pirngadi

Medan Tahun 2012 57

Kanker Serviks Berdasarkan Penggunaan Kontrasepsi di

RSUD. Dr. Pirngadi Medan Tahun 2012 59

Kanker Serviks Berdasarkan Stadium di RSUD. Dr. Pirngadi

Medan Tahun 2012 60

Kanker Serviks Berdasarkan Penyakit yang Menyertai di

(13)

xiii

DAFTAR LAMPIRAN

Lampiran 1. Master Data Pasien Penderita Kanker Serviks RSUD. Dr.

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.

(14)

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

(15)

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

(16)

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

(17)

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

(18)

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

(19)

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

(20)

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

(21)

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

(22)

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)

(23)

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.

(24)

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}