APLIKASI REGRESI COX PROPORTIONAL HAZARD PADA
ANALISIS KESINTASAN DAN IDENTIFIKASI
FAKTOR RESIKO
(Studi Kasus Penderita Kanker Serviks Pasien RSUP. H. Adam Malik Medan Tahun 2009)
SKRIPSI
NOVITA SARI
070803026
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
APLIKASI REGRESI COX PROPORTIONAL HAZARD PADA ANALISIS KESINTASAN DAN IDENTIFIKASI
FAKTOR RESIKO
(Studi Kasus Penderita Kanker Serviks Pasien RSUP. H. Adam Malik Medan Tahun 2009)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
NOVITA SARI 070803026
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : APLIKASI REGRESI COX PROPORTIONAL
HAZARD PADA ANALISIS KESINTASAN DAN IDENTIFIKASI FAKTOR RESIKO
(STUDI KASUS PENDERITA KANKER SERVIKS PASIEN RSUP. H. ADAM MALIK MEDAN TAHUN 2009)
Kategori : SKRIPSI
Nama : NOVITA SARI
Nomor Induk Mahasiswa : 070803026
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Medan, Juni 2011
Komisi Pembimbing :
Pembimbing 2, Pembimbing 1,
Drs. Pasukat Sembiring, M.Si Dr. Sutarman, M.Sc
NIP. 19531113 198503 1 002 NIP. 19631026 199103 1 001
Diketahui oleh
Departemen Matematika FMIPA USU Ketua,
Prof. Dr. Tulus, M.Si
PERNYATAAN
APLIKASI REGRESI COX PROPORTIONAL HAZARD PADA ANALISIS KESINTASAN DAN IDENTIFIKASI FAKTOR RESIKO
(Studi Kasus Penderita Kanker Serviks Pasien RSUP. H. Adam Malik Medan Tahun 2009)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2011
PENGHARGAAN
Puji dan syukur kepada Allah SWT, karena berkat limpahan rahmat dan hidayah-Nya
penulis dapat menyelesaikan skripsi yang berjudul ” APLIKASI REGRESI COX
PROPORTIONAL HAZARD PADA ANALISIS KESINTASAN DAN
IDENTIFIKASI FAKTOR RESIKO (Studi Kasus Penderita Kanker Serviks Pasien RSUP. H. Adam Malik Medan Tahun 2009)” ini dengan baik.
Dalam kesempatan ini, penulis ingin mengucapkan terimakasih yang sebesar-besarnya kepada semua pihak yang telah membantu dan memberi dukungan penulis dalam menyelesaikan skripsi ini. Teristimewa penulis ucapkan ribuan terimakasih kepada Ayahanda tercinta Amir Rusdi dan Ibunda Malizar yang sangat saya kasihi dan sayangi yang telah memberi doa, motivasi, dukungan moril maupun materil selama ini, serta kakak kandung yang saya sayangi Rini Daniati yang telah banyak memberikan bantuannya. terimakasih juga penulis sampaikan kepada:
1. Bapak Dr. Sutarman, M.Sc, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara
2. Bapak Dr. Sutarman, M.Sc, selaku dosen pembimbing I dan Bapak Drs. Pasukat Sembiring, M.Si selaku dosen pembimbing II yang telah memberikan panduan, dukungan moral, motivasi, ilmu pengetahuan dan kepercayaan kepada penulis dalam menyelesaikan penelitian ini
3. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku komisi penguji yang telah memberi masukan dan saran untuk perbaikan skripsi ini
4. Bapak Dr. Saib Suwilo, M.Sc, selaku dosen penasehat akademik yang selalu memberikan arahan dan motivasi kepada penulis selama menjalani studi di strata satu Matematika ini
5. Bapak Prof. Dr. Tulus, M.Si dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika di FMIPA USU
6. Seluruh staf pengajar Departemen Matematika dan pegawai Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara
Tak lupa pula penulis ucapkan terimakasih kepada mahasiswa matematika stambuk 2008 Isnaini, Evi, Wika, Iqbal, Mifdhal, Wilya terutama Ningrum yang telah banyak memberikan semangat dan motivasi kepada penulis. Dan tak kalah pentingnya penulis juga mengucapkan terimakasih kepada seluruh anggota �3 dan alumni yang telah banyak memberi pengetahuan baik dari segi organisasi maupun pengalaman-pengalamannya.
Ucapan terimakasih juga penulis ucapkan kepada alumni di lab, Bang Toni, Bang Santri, Bang Dika dan Bang Radhi yang banyak memberi pengetahuan kepada penulis. Tak lupa penulis ucapkan terimakasih kepada Bapak Tri winda, Ibu Zubaidah, petugas-petugas rekam medis serta petugas di bagian litbang RSUP. H. Adam Malik Medan yang telah membantu penulis ketika melakukan penelitian.
Penulis menyadari terdapat banyak kekurangan dalam penulisan ini. Oleh karena itu, penulis meminta kritik dan saran dari pembaca demi penyempurnaan tulisan ini. Demikianlah yang dapat penulis sampaikan, atas perhatian dan kerjasamanya penulis ucapkan terimakasih. Semoga tulisan ini bermanfaat bagi siapa yang membutuhkan.
Medan, Juni 2011 Penulis,
ABSTRAK
APPLICATION OF COX PROPORTIONAL HAZARD REGRESSION IN SURVIVAL ANALYSIS AND IDENTIFICATION OF RISK FACTOR
(A CASE STUDY PATIENS CERVICAL CANCER IN H. ADAM MALIK HOSPITAL MEDAN IN 2009)
ABSTRACT
DAFTAR ISI
3.4 Variabel dan Definisi Operasional 24
4.2 Gambaran Data Penelitian 31
4.3 Keterbatasan Data dan Penelitian 31
4.4 Analiss Data 32
4.4.1 Analisis Univariat 32
4.4.2 Analisis Bivariat 38
4.4.3 Analisis Multivariat 55
BAB 5 PEMBAHASAN 58
5.1 Probabilitas Kesintasan 1 Tahun 58
5.2 Usia 59
5.3 Pendidikan 59
5.4 Pekerjaan 60
5.5 Stadium 61
5.6 Usia Menikah 62
5,7 Penggunaan Kontrasepsi 63
5.8 Penyakit yang Menyertai 63
BAB 6 KESIMPULAN DAN SARAN 65
6.1 Kesimpulan 65
6.2 Saran 66
DAFTAR PUSTAKA 67
LAMPIRAN A 70
LAMPIRAN B 75
DAFTAR TABEL
Halaman Tabel 2.1 Klasifikasi Stadium Klinis Kanker Serviks Menurut FIGO 20 Tabel 4.1 Ukuran Statistik Waktu Kesintasan Penderita Kanker Serviks
di RSUP. H. Adam Malik Medan Tahun 2009 32
Tabel 4.2 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
Menggunakan Metode Kaplan-Meier 39
Tabel 4.3 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 Berdasarkan
Usia Menggunakan Metode Kaplan-Meier 43
Tabel 4.4 Perhitungan Log Rank untuk Membandingkan Kesintasan 1 Tahun
Penderita Kanker Serviks Berdasarkan Usia 45
Tabel 4.5 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
Berdasarkan Pendidikan Menggunakan Metode Kaplan-Meier 48
Tabel 4.6 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
Berdasarkan Pekerjaan Menggunakan Metode Kaplan-Meier 50 Tabel 4.7 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker
Serviks di RSUP. H. Adam Malik Medan Tahun 2009
Berdasarkan Stadium Menggunakan Metode Kaplan-Meier 51
Tabel 4.8 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker
Serviks di RSUP. H. Adam Malik Medan Tahun 2009 Berdasarkan
Usia Menikah Menggunakan Metode Kaplan-Meier 52
Tabel 4.9 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 Berdasarkan
Penggunaan Kontrasepsi Menggunakan Metode Kaplan-Meier 53
Tabel 4.10 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 Berdasarkan Penyakit yang Menyertai Menggunakan Metode Kaplan-Meier 54 Tabel 4.11 Analisis Variabel Kandidat dengan Kesintasan 1 Tahun
Penderita Kanker Serviks Menggunakan Regresi Cox 56 Tabel 4.12 Hasil Uji Asumsi Proportional Hazard dengan Time Dependent
Covariat 56
Tabel 4.13 Hasil Akhir Pengontrolan Variabel Kandidat Menggunakan
Regresi Cox 57
DAFTAR GAMBAR
Halaman
Gambar 2.1 Grafik Data Tersensor 9
Gambar 2.2 Kurva Fungsi Kesintasan 11
Gambar 2.3 Kurva Fungsi Hazard 12
Gambar 4.1 Distribusi Frekuensi Waktu Kesintasan Penderita
Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 33 Gambar 4.2 Distribusi Frekuensi Usia Penderita Kanker Serviks
di RSUP. H. Adam Malik Medan Tahun 2009 34
Gambar 4.3 Distribusi Frekuensi Pendidikan Kanker Serviks
di RSUP. H. Adam Malik Medan Tahun 2009 34
Gambar 4.4 Distribusi Frekuensi Pekerjaan Penderita Kanker Serviks
di RSUP. H. Adam Malik Medan Tahun 2009 35
Gambar 4.5 Distribusi Frekuensi Stadium Penderita Kanker Serviks
di RSUP. H. Adam Malik Medan Tahun 2009 36
Gambar 4.6 Distribusi Frekuensi Usia Menikah Penderita Kanker
Serviks di RSUP. H. Adam Malik Medan Tahun 2009 37
Gambar 4.7 Distribusi Frekuensi Penggunaan Kontrasepsi Penderita
Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 37 Gambar 4.8 Distribusi Frekuensi Penyakit yang Menyertai Penderita
Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 38 Gambar 4.9 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 42 Gambar 4.10 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita
Kanker Serviks Berdasarkan Usia di RSUP. H. Adam Malik
Medan Tahun 2009 43
Gambar 4.11 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Pendidikan di RSUP. H. Adam
Malik Medan Tahun 2009 49
Gambar 4.12 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Pekerjaan di RSUP. H. Adam
Malik Medan Tahun 2009 50
Gambar 4.13 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Stadium di RSUP. H. Adam
Malik Medan Tahun 2009 51
Gambar 4.14 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Usia Menikah di RSUP. H. Adam
Malik Medan Tahun 2009 52
Gambar 4.15 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Penggunaan Kontrasepsi
di RSUP. H. Adam Malik Medan Tahun 2009 53
Gambar 4.16 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Penyakit yang Menyertai di RSUP.
ABSTRAK
APPLICATION OF COX PROPORTIONAL HAZARD REGRESSION IN SURVIVAL ANALYSIS AND IDENTIFICATION OF RISK FACTOR
(A CASE STUDY PATIENS CERVICAL CANCER IN H. ADAM MALIK HOSPITAL MEDAN IN 2009)
ABSTRACT
BAB I
PENDAHULUAN
1.1 Latar Belakang
Ada banyak penelitian yang outcome nya berkaitan dengan lama waktu. 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, melainkan miring 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).
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 standard. 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 sesuatu yang menarik untuk diamati pada objek tertentu (Kleinbaum dan Klein, 2005). Untuk selanjutnya istilah kesintasan akan digunakan pada penulisan ini.
pendekatan untuk memodelkan hubungan antara kesintasan dan kovariat untuk mengasumsikan adanya pengaruh kovariat pada hazard yaitu Aalen’s additive model (Bradburn et al, 2003), pendekatan counting process oleh Pedroso (1995), Fleming dan Lin (2000), Volf dan Linka (2001), pendekatan artificial neural netwok (Bittern et al, 2005), pendekatan principal component analysis (Ma, 2007). Pada penelitian ini penulis menggunakan model regresi cox proportional hazard yang merupakan model semiparametrik.
Regresi cox atau 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 pada model tidak ditentukan, merupakan pengestimasi koefisien regresi yang baik dan kurva kesintasan biasa untuk situasi data yang bervariasi dapat diperoleh dengan model ini. Selain itu cox proportional hazard dikatakan juga sebagai model robust, yaitu hasil dari model cox ini hampir sama dengan hasil menggunakan model parametrik (Kleinbaum dan Klein, 2005). Cox proportional hazard merupakan pendekatan model matematika yang digunakan untuk mengestimasi kurva kesintasan ketika mempertimbangkan beberapa variabel independen secara serentak (Kleinbaum dan Klein, 2005). Variabel-variabel ini merupakan kovariat yang dikenal dengan faktor resiko yaitu faktor yang diestimasi mempengaruhi waktu kesintasan.
Menurut data Riskesdas (Riset Kesehatan Dasar) tahun 2007 angka kematian diakibatkan penyakit menular dan tidak menular masing-masing sebesar 28,1% dan 59,5% (Booklet, 2010). Ini memperlihatkan bahwa kematian pada semua umur dengan penyakit menular semakin menurun, sedangkan pada penyakit tidak menular semakin meningkat.
Adapun yang temasuk jenis penyakit tidak menular ialah kanker. Saat ini kanker ikut ambil andil sebagai penyakit penyebab kematian yang sangat mengkhawatirkan. Di Indonesia, penyakit kanker juga menjadi salah satu masalah kesehatan yang cukup penting karena angka kejadian dan jumlah kematian akibat kanker terus meningkat setiap tahunnya. Salah satunya ialah kanker yang menjangkiti wanita, yaitu kanker serviks yang menempati urutan pertama di dunia yang sangat ditakuti, kemudian disusul kanker payudara (female.kompas, 10 Desember 2010). Pada umumnya kanker serviks disebabkan oleh infeksi Human Papilloma Virus (HPV), sampai saat ini tidak ada obat untuk infeksi HPV. Setelah terinfeksi, seseorang sangat mungkin akan terinfeksi seumur hidupnya. Setiap wanita beresiko terjangkit kanker serviks selama hidupnya. Peluang meninggal bila seorang wanita terkena kanker ini adalah 66% (Tribunnews, 10 Desember 2010).
Kanker serviks ialah kanker nomor 3 terbanyak pada wanita di dunia setelah kanker payudara dan usus besar, dengan estimasi 470.000 kasus baru di tahun 2000, 10% dari semua kanker pada wanita (Ferlay et al, 2001). Berdasarkan data Globocan, International Agency for Research on Cancer (IARC) tahun 2002, setiap menit terdapat 1 kasus kanker serviks baru dan setiap 2 menit terjadi 1 kasus kematian di dunia diakibatkan kanker ini. Ini mengakibatkan di tahun 2002 angka kejadian kanker serviks menempati urutan kedua terbanyak pada wanita di dunia setelah kanker payudara, dengan estimasi 493.000 kasus baru dan 274.000 diantaranya mati (Parkin et al, 2005). Di tahun 2007, jumlah penderita kanker serviks mencapai 7,9 juta dan
Di wilayah Asia Tenggara kanker serviks menempati urutan kedua berdasarkan
angka kejadian yaitu sebesar 188.242 atau sekitar 24,4% dibandingkan dengan angka
kejadian kanker payudara yang menempati urutan pertama yaitu sebesar 203.929 atau
sekitar 26,1%. Sedangkan berdasarkan tingkat kematian kanker serviks menempati urutan
pertama yaitu mencapai 102.693 atau sekitar 13,7%, dan kanker payudara menempati
urutan kedua yang kasus kematiannya mencapai 93.979 atau sekitar 12,5%. Khususnya
Indonesia, angka kejadian kanker serviks mencapai 13.762 kasus dan 7.493 diantaranya
mengalami kematian (Globocan, 2010).
Berdasarkan data WHO kanker serviks merupakan penyakit pembunuh wanita nomor 1 di dunia dengan jumlah penderita 630 juta (Tribunnews, 10 Desember 2010). Setiap hari kanker serviks merenggut nyawa 600 wanita di dunia dan 20 wanita Indonesia (data Yayasan Kanker Indonesia). Menyerang 50% wanita usia 35-55 tahun, 50% lagi di bawah 35 tahun. Badan Kesehatan Dunia (WHO) menyatakan, saat ini penyakit kanker serviks menempati urutan teratas diantara berbagai jenis kanker yang menyebabkan kematian pada wanita di dunia. Indonesia merupakan negara dengan jumlah penderita kanker serviks yang tertinggi di dunia. Di Indonesia, setiap tahun terdeteksi lebih dari 15.000 kasus kanker serviks dan sekitar 8000 kasus di antaranya berakhir dengan kematian (female.kompas, 10 Desember 2010).
Terlihat jelas berdasarkan uraian di atas bahwa angka kejadian dan kematian kanker serviks meningkat setiap tahunnya. Meningkatnya angka kejadian dan kematian ini disebabkan kurangnya kesadaran wanita untuk memeriksakan dirinya sejak dini, sehingga penderita bisa dikatakan terlambat untuk melakukan pengobatan dan perawatan. Sebagai tolak ukur keberhasilan pengobatan adalah tingkat kesintasan (year survival rate). Tingkat kesintasan dapat berupa tingkat kesintasan 5 tahun, 3
tahun, 2 tahun, atau 1 tahun. Tingginya angka kesintasan menunjukkan semakin baiknya perawatan yang dilakukan sebuah instansi kesehatan.
kesintasan pada 2 tahun pertama sebesar 51,5% dan setelah 5 tahun 45%. Selanjutnya penelitian tentang kesintasan 5 tahun penderita kanker serviks di RS. Dharmais Jakarta. Berdasarkan penelitian tersebut dari 184 penderita kanker serviks yang dirawat inap tahun 1996 diperoleh yang mengalami kematian sebanyak 39,7%, tetap hidup 22,3% dan yang hilang sebanyak 38,0% (Sirait et al, 2003).
Di tahun 2001, Liou et al melakukan penelitian kesintasan 5 tahun untuk fibrosis sistik. Berikutnya tahun 2007, Hadiyah dan Setiawan melakukan penelitian untuk mengetahui faktor-faktor yang mempengaruhi kesintasan penderita hipertensi. Mereka memilih distribusi Weibull sebagai distribusi yang sesuai untuk menggambarkan waktu kesintasan penderita hipertensi, sehingga fungsi kesintasan dan fungsi hazard yang dibentuk berdistribusi Weibull. Di tahun yang sama Clark dan West menggunakan distribusi Weibull dan pendekatan Bayessian untuk menganalisis data penderita kanker serviks.
Di tahun 2008, Ratnaningsih dan Saefuddin melakukan penelitian tentang kesintasan mahasiswa putus kuliah pada pendidikan tinggi jarak jauh. Mereka menggunakan estimasi Breslow untuk mengetahui peluang kegagalan melanjutkan studi di universitas terbuka berdasarkan berbagai karakteristik mahasiswa. Satu tahun berikutnya Dehkordi et al, membandingkan kesintasan dan faktor prognostik antara kanker kolekteral dan kanker lambung. Baghestani et al (2009), menggunakan analisis Bayessian untuk mengetahui kesintasan pasien kanker lambung di Iran dengan 178
pasien dari tahun 2003 sampai 2008.
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas, masalah utama yang akan diteliti ialah berapa probabilitas kesintasan 1 tahun penderita kanker serviks setelah mendapat penanganan atau perawatan dan faktor-faktor apa saja yang mempengaruhi kesintasan tersebut.
1.3 Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini diantaranya ialah:
1. Mendapatkan nilai inferensi statistik yang meliputi estimasi fungsi kesintasan, uji log rank dan membuat kesimpulan
2. Menggambarkan kurva fungsi kesintasan dan menentukan model cox proportional hazard
3. Mendapatkan nilai probabilitas kesintasan 1 tahun dari data sekunder penderita kanker serviks yang rawat inap di RSUP. H. Adam Malik Medan tahun 2009, dan faktor-faktor yang mempengaruhi kesintasan pasien
1.4 Kontribusi Penelitian
BAB 2
LANDASAN TEORI
Pada bab ini akan dipaparkan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan bab selanjutnya dan pembahasan utama dalam penelitian ini. Teori tersebut meliputi analisis kesintasan, data tersensor, fungsi kesintasan dan fungsi hazard, estimasi Kaplan-Meier, model cox proportional hazard, dan sekilas tentang kanker serviks meliputi pengertian, faktor penyebab serta faktor resikonya.
2.1 Analisis Kesintasan
Armitage dan Berry (1987) mengatakan bahwa analisis kesintasan merupakan analisis yang melibatkan uji statistik untuk menganalisis data yang variabelnya berkaitan dengan waktu atau lamanya waktu sampai terjadinya peristiwa tertentu. Menurut Kleinbaum dan Klein (2005) analisis kesintasan ialah kumpulan dari prosedur statistik untuk menganalisis data yang outcome variabel yang diteliti adalah waktu hingga suatu peristiwa muncul. Waktu kesintasan dapat didefinisikan sebagai waktu dari awal observasi hingga terjadinya peristiwa, dapat dalam hari, bulan, maupun tahun. Peristiwa tersebut dapat berupa perkembangan suatu penyakit, respon terhadap perawatan, kambuhnya suatu penyakit, kematian atau peristiwa lain yang dipilih sesuai dengan kepentingan si peneliti. Oleh karena itu waktu kesintasan dapat berupa waktu sembuhnya dari penyakit, waktu dari memulai perawatan hingga terjadi respon, dan waktu hingga terjadi kematian (Lee dan Wang, 2003).
1. Waktu awal (time origin)
2. Peristiwa akhir/waktu akhir (failure event) 3. Skala waktu sebagai satuan pengukuran waktu
T (lama waktu)
waktu awal waktu akhir
T adalah lama dari waktu awal (time origin) misalnya dari lahir hingga terjadi
peristiwa tertentu misalnya kematian dalam tahun (skala waktu). Waktu awal harus didefinisikan dengan jelas, namun tidak harus waktu kelahiran misalnya waktu awal melakukan perawatan atau awal didiagnosa penyakit tertentu (untuk percobaan klinis). Begitu juga waktu akhir harus didefinisikan secara jelas tidak harus kematian, misalnya waktu terjadinya struk, atau waktu kambuhnya penyakit (Le, 2003).
Analisis kesintasan memiliki beberapa tujuan (Kleinbaum dan Klein, 2005): 1. Mengestimasi dan mengiterpretasikan fungsi kesintasan dan/atau fungsi hazard 2. Membandingkan fungsi kesintasan dan/atau fungsi hazard pada 2 kelompok atau
lebih
3. Mengestimasi hubungan antara variabel penjelas dengan waktu kesintasan
2.1.1 Data Tersensor
Perbedaan antara analisis kesintasan dengan analisis statistika lainnya ialah terdapatnya suatu peristiwa yang lama waktu terjadinya terhadap objek adalah bervariasi. Selain itu adanya kemungkinan beberapa objek yang waktu sampai terjadinya peristiwa tidak diobservasi secara penuh (sensor). Menurut Machin et al (2006) data dikatakan tersensor jika observasi waktu kesintasan hanya sebagian, tidak sampai failure event. Penyebab terjadinya data tersensor antara lain (Le, 2003):
1. Loss to follow up, terjadi bila objek pindah, meninggal atau menolak untuk berpartisipasi
3. Termination of study, terjadi bila masa penelitian berakhir sementara objek yang diobservasi belum mencapai failure event
4. Death, jika penyebab kematian bukan dibawah penyelidikan (misalnya bunuh diri)
Sedangkan menurut Kleinbaum dan Klein (2005) ada 3 alasan umum terjadinya penyensor, yaitu:
1. Objek tidak mengalami peristiwa sebelum masa penelitian berakhir 2. Objek hilang selama masa follow-up ketika masa penelitian
3. Objek ditarik dari penelitian karena kematian (jika kematian bukan peristiwa yang diobservasi) atau disebabkan alasan lain
Situasi ini diilustrasikan dengan grafik di bawah ini. Grafik menggambarkan beberapa orang atau objek yang diikuti. � menyatakan orang atau objek yang mendapatkan peristiwa.
2 4 6 8 10 12
A X
B Penelitian berakhir
C dikeluarkan
D Penelitian berakhir
E hilang
F X
Gambar 2.1 Grafik Data Tersensor
1. Left-censored, observasi dikatakan left-cencored jika objek yang diobservasi mengalami peristiwa di bawah waktu yang telah ditetapkan atau ketika masa observasi belum selesai
2. Right-censored, obsevasi dikatakan right-cencored jika objek masih hidup atau masih beroperasi ketika masa observasi telah selesai
3. Interval-censored, ketika objek mengalami peristiwa diantara interval waktu tertentu maka observasi dikatakan interval-censored
Menurut Lee dan Wang (2003) ada 3 tipe penyensoran data, yaitu:
1. Tipe I, jika objek-objek diobservasi selama waktu tertentu, namun ada beberapa objek yang mengalami peristiwa setelah periode atau masa observasi selesai, dan sebagian lagi mengalami peristiwa diluar yang ditetapkan
2. Tipe II, masa observasi selesai setelah sejumlah objek yang diobservasi diharapkan mengalami peristiwa yang ditetapkan, sedang objek yang tidak mengalami peristiwa disensor
3. Tipe III, jika waktu awal dan waktu berhentinya observasi dari objek berbeda-beda. Sensor tipe III ini sering disebut sebagai random-censored
Pada penelitian ini jenis penyensoran yang digunakan ialah right-cencored, yaitu ketika waktu kesintasan objek tidak lengkap di sisi kanan masa follow-up, ketika penelitian berakhir objek masih bertahan atau objek hilang pada masa follow-up atau dikeluarkan dari penelitian.
2.1.2 Fungsi Kesintasan dan Fungsi Hazard
Pada analisis kesintasan ada 2 hal yang mendasar yaitu fungsi kesintasan dan fungsi hazard. Fungsi kesintasan merupakan dasar dari analisis ini, karena meliputi
probabilitas kesintasan dari waktu yang berbeda-beda yang memberikan informasi penting tentang data kesintasan. Secara teori, fungsi kesintasan dapat digambarkan dengan kurva mulus dan memiliki karakteristik sebagai berikut (Kleinbaum dan Klein, 2005):
2. Untuk = 0, = 0 = 1 adalah awal dari penelitian, karena tidak ada objek yang mengalami peristiwa, probabilitas waktu kesintasan 0 adalah 1
3. Untuk = ∞, = ∞ = 0; secara teori, jika periode penelitian meningkat tanpa limit maka tidak ada satu pun yang bertahan sehingga kurva kesintasan mendekati nol
0 = 1
1
∞ = 0
0 ∞ t
Gambar 2.2 Kurva Fungsi Kesintasan
Berbeda dengan fungsi kesintasan yang fokus pada tidak terjadinya peristiwa, fungsi hazard fokus pada terjadinya peristiwa. Oleh karena itu fungsi hazard dapat dipandang sebagai pemberi informasi yang berlawan dengan fungsi kesintasan. Sama halnya dengan kurva fungsi kesintasan, kurva fungsi hazard juga memiliki karakteristik, yaitu (Kleinbaum dan Klein, 2005):
1. Selalu nonnegatif, yaitu sama atau lebih besar dari nol 2. Tidak memiliki batas atas
Selain itu fungsi hazard juga digunakan untuk alasan: 1. Memberi gambaran tentang keadaan failure rate 2. Mengidentifikasi bentuk model yang spesifik
ℎ
0
Gambar 2.3 Kurva Fungsi Hazard
Misalkan T melambangkan waktu kesintasan dari waktu awal sampai terjadinya peristiwa yang merupakan variabel acak yang memiliki karakteristik fungsi kesintasan dan fungsi hazard. Jika fungsi kesintasan dinotasikan dengan , didefinisikan sebagai probabilitas suatu objek yang bertahan lebih dari waktu, maka (Le, 2003): = � > , 0 (2.1)
dikenal juga sebagai rata-rata kesintasan, dan fungsi hazard merupakan laju failure atau kegagalan sesaat dengan asumsi objek telah bertahan sampai waktu ke-t, yang didefinisikan sebagai berikut :
ℎ = ( )
( ) (2.2)
dengan f(t) adalah fungsi kepadatan probabilitas T. Sekarang misalkan =
Pr = ( )
0 , 0 adalah fungsi distribusi kumulatif dari T, maka fungsi
kesintasan menjadi (Korosteleva, 2003):
= � > = ∞ ( ) = 1− , 0 (2.3)
dan fungsi hazard kumulatif , didefinisikan sebagai:
2.2 Kaplan-Meier
Telah diketahui bahwa salah satu tujuan dari analisis kesintasan ialah mengestimasi dan menginterpretasi fungsi kesintasan dan fungsi hazard. Banyak metode yang digunakan untuk mengestimasi fungsi kesintasan, diantaranya Nelson-Aalen estimator, metode life-table (acturial), metode Kaplan-Meier, AFT, bayessian,
counting procces dan lain-lain. Namun dalam penelitian ini metode yang digunakan
adalah metode Kaplan-Meier. Penelitian ini ialah penelitian statistik nonparametrik dengan data tersensor, sehingga penggunaan metode Kaplan-Meier adalah yang paling baik.
Sebenarnya metode life-table sama dengan Kaplan-Meier, namun pada life-table objek diklasifikasi berdasarkan karakteristik tertentu yang masing-masing
karakteristik disusun dengan interval dengan menganggap peluang terjadinya efek selama masa interval adalah konstan, sehingga data yang diperoleh akan lebih umum. 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. Selain itu Kaplan-Meier merupakan metode yang digunakan ketika tidak ada model yang layak untuk data kesintasan. Selama hampir 4 dekade metode estimasi Kaplan-Meier merupakan salah satu dari kunci metode statistika untuk analisis data kesintasan tersensor, estimasi Kaplan-Meier dikenal juga dengan estimasi product-limit.
Misalkan sebanyak k waktu kesintasan diobsevasi, yang diatur dalam urutan meningkat yaitu 1 < 2 < ⋯< �, andaikan waktu kesintasan diobservasi secara
jelas pada sampel berukuran n dari sebuah populasi yang homogen dengan fungsi kesintasan (� � ), � objek yang beresiko namun masih bertahan pada � (1 � �), dan � menyatakan jumlah objek yang mati pada � , maka pengestimasi dari fungsi kesintasan ialah (Le, 2003):
= 1− � �
�; � , 0 (2.5)
1.3 Uji Log Rank
Pada statistika, uji log rank (uji mantel-cox) ialah sebuah uji kemaknaan untuk membandingkan fungsi kesintasan diantara 2 kelompok. Uji ini merupakan uji statistik nonparametrik dan sesuai digunakan ketika data tidak simetris yaitu data miring ke kanan. Selain itu uji log rank banyak digunakan dalam uji klinis untuk melihat efisiensi dari suatu perawatan baru yang dibandingkan dengan perawatan yang lama apabila yang diukur adalah waktu hingga terjadi sebuah peristiwa (Wikipedia, 29 November 2010). Uji log rank diperluas untuk analisis stratifikasi, sebagai contoh, pengaruh variabel prognostik yang patut diperhitungkan, dan untuk membandingkan 3 kelompok atau lebih (Machin et al, 2006).
Menurut Armitage dan Berry (1987) langkah pengerjaan uji ini ialah menyusun waktu kesintasan, mengurutkan kedua kelompok yang diobservasi. Misalkan ada 2 kelompok A dan B, jika � menyatakan waktu ada � objek yang mengalami peristiwa misalnya kematian dan , masing-masing menyatakan jumlah objek yang memiliki resiko namun masih bertahan dari grup A dan B, maka ekspektasi dan varians banyaknya objek yang mengalami peristiwa ialah:
� = � �
� (2.6)
�� � = � � − � � 2
� −1 (2.7) Uji statistik untuk kesamaan rata-rata peristiwa (misalnya kematian) dari kedua kelompok ialah dengan:
�22 =
� − � 2
� +
� − � 2
� (2.8)
2.3 Cox Proportional Hazard
digunakan. Jadi regresi cox merupakan model yang menggambarkan hubungan antara waktu kesintasan sebagai variabel dependen dengan 1 set variabel independen. Variabel independen ini bisa kontinu maupun kategorik.
Cox proportional hazard ialah pemodelan yang digunakan dalam analisis kesintasan yang merupakan model semiparametrik. Regresi cox proportional hazard ini digunakan bila outcome yang diobservasi adalah panjang waktu suatu kejadian. Pada mulanya pemodelan ini digunakan pada cabang statistika khususnya biostatistika yaitu digunakan untuk menganalisis kematian atau harapan hidup seseorang. Namun seiring perkembangan zaman pemodelan ini banyak dimanfaatkan di berbagai bidang. Diantaranya bidang akademik, kedokteran, sosial, science, teknik, pertanian dan sebagainya.
Ketika menyelidiki suatu kasus di bidang kedokteran contohnya kasus pasien yang menderita penyakit tertentu, dibutuhkan hubungan antara waktu kesintasan pasien dengan karakteristik-karakteristik klinis yang didapatkan dari data medis pasien. Menurut Machin et al (2006) dengan menotasikan rata-rata fungsi hazard
ℎ0( ) dapat menentukan hazard ℎ pasien tertentu, dengan:
ℎ = �( )ℎ0( ) (2.9)
Dengan �( ) adalah fungsi yang mungkin berubah sesuai dengan waktu t. Kemudian persamaan di atas dapat ditulis sebagai rasio dari hazard pasien tertentu atau dikatakan sebagai hazard relative, yaitu:
� = ℎ
ℎ0( ) (2.10)
ketika � tidak berubah maka ℎ = ℎ, dengan h adalah konstanta.
ℎ0 × ℯ ����
� �=1
baseline hazard Eksponensial melibatkan melibatkan � tetapi tidak � tetapi tidak
Pada model regresi umum, fungsi hazard h tergantung pada t dan kovariat dependen 1 , 2 ,…, ( ). Dan pada model cox proportional hazard sederhana, dengan kovariat 1, 2,…, tidak tergantung pada t maka fungsi
hazardnya adalah sebagai berikut:
ℎ , 1, 2,…, ,�1,�2,…,� =ℎ0 � �1 1+�2 2+⋯+� (2.11)
fungsi ℎ0 dikatakan sebagai fungsi baseline hazard, yaitu ketika fungsi hazard dari objek yang nilai semua kovariatnya adalah nol (biasanya sebagai hipotesis) dan � �1 1+�2 2+⋯+� ialah bentuk resiko relatif dari objek dengan
kovariat 1, 2,…, (Korosteleva, 2003).
Karakteristik penting dari formula ini ialah mengenai asumsi proportional hazard yaitu baseline hazard ialah fungsi dari tetapi tidak melibatkan variabel �. Berbeda dengan bentuk eksponensial yang melibatkan variabel � tetapi tidak melibatkan . � dikatakan time-independent (tidak tegantung waktu). Asumsi pada model cox proportional hazard ialah hazard ratio yang membandingkan 2 kategori dari variabel independen adalah konstan pada setiap waktu atau tidak tergantung pada waktu. Apabila asumsi ini tidak dipenuhi maka model yang digunakan ialah extended cox model. Karakteristik penting lainnya dari model cox ialah baseline hazard, ℎ0 ,
ialah fungsi yang tidak ditentukan. Inilah yang membuat cox proportional hazard merupakan model semiparametrik.
Model cox proportional hazard merupakan pemodelan yang sangat terkenal pada analisis kesintasan. Menurut Kleinbaum dan Klein (2005) hal yang menyebabkan model ini terkenal dan digunakan secara luas antara lain:
2. Dapat mengestimasi hazard ratio tanpa perlu diketahui ℎ0 atau baseline hazard function
3. Dapat mengestimasi ℎ0 ,ℎ ,� , dan fungsi kesintasan walaupun ℎ0 tidak spesifik
4. Merupakan model robust sehingga hasil dari model cox hampir sama dengan hasil model parametrik
5. Model yang aman dipilih ketika berada dalam keraguan untuk menentukan model parametriknya, sehingga tidak ada ketakutan tentang pilihan model parametrik yang salah
6. Lebih baik daripada model logistik ketika tersedianya informasi tentang waktu kesintasan dan adanya penyensoran
2.5 Kanker Serviks
2.5.1 Pengertian
Kanker serviks atau kanker leher rahim ialah sejenis kanker yang 99,7% disebabkan oleh Human Papilloma Virus onkogenik yang menyerang leher rahim. Kanker ini dapat hadir dengan pendarahan vagina (American Cancer Society, 2010). Kanker serviks merupakan silent killer (pembunuh diam-diam), karena pada stadium awal kanker ini tidak memperlihatkan gejala. Gejala baru terlihat ketika sudah sampai pada stadium lanjut.
Berdasarkan data American Cancer Society tahun 2010, data terbaru untuk kanker serviks di Amerika Serikat tahun 2010 didiagnosa muncul sekitar 12.200 kasus baru, dan 4.210 wanita mati diakibatkan kanker ini. Kanker serviks merupakan salah satu kasus terbanyak yang menyebabkan kematian pada wanita Amerika. Diantara tahun 1955 dan 1992, kematian diakibatkan kanker serviks berkurang hampir 70%. Ini diakibatkan meningkatnya penggunaan pap test. Tingkat kematian kanker serviks terus berkurang mendekati 3% tiap tahunnya.
stadium awal (27,2%) dan 99 kasus stadium lanjut (72,8%). Berdasarkan penelitian di Rumah Sakit Umum Dr. Pirngadi Medan, selama kurun waktu 2003-2007, jumlah penderita kanker serviks yang dirawat inap, yaitu tahun 2003 sebesar 55 kasus, tahun 2004 sebesar 61 kasus, tahun 2005 sebesar 69 kasus, tahun 2006 sebesar 84 kasus dan tahun 2007 sebesar 68 kasus (Nasution, 2008). Di tahun yang sama Melva melakukan penelitian tentang kanker serviks di RSUP. H. Adam Malik dengan jumlah penderita 120 orang dari Juni 2007 sampai Maret 2008, diperoleh 23,3% berusia di bawah 40 tahun, 76,7% usia di atas 40 tahun.
2.5.2 Faktor Penyebab
Penyebab kanker serviks sampai saat ini belum diketahui, namun berdasarkan kebanyakan penelitian menemukan bahwa infeksi Human Papilloma Virus (HPV) bertanggung jawab untuk semua kasus kanker serviks. Virus ini memiliki lebih dari 100 tipe, sebagian besar diantaranya tidak berbahaya dan akan lenyap dengan sendirinya oleh kekebalan tubuh. Namun Human Papilloma Virus (HPV) tipe 16 dan 18 merupakan penyebab utama pada 70% kasus kanker serviks di dunia. Virus ini menyebabkan perubahan pada sel-sel leher rahim, jika virus ini ditemukan dini, kanker serviks dapat dicegah dengan menghapus atau membunuh sel-sel yang berubah sebelum mereka dapat menjadi sel-sel kanker. Perjalanan infeksi virus ini hingga menjadi kanker serviks memakan waktu yang cukup lama, yaitu sekitar 10 hingga 20 tahun (Wikipedia, 20 April 2011). Namun proses penginfeksian ini seringkali tidak disadari oleh para penderita, karena proses HPV menjadi pra-kanker serviks sebagian besar berlangsung tanpa gejala (Wikipedia, 20 April 2011).
2.5.3 Faktor Resiko
Faktor resiko adalah faktor yang meningkatkan terjadinya sesuatu. Austin Bradford Hill membuat 9 kriteria dari suatu faktor sehingga faktor tersebut dapat dikatakan sebagai faktor yang mempunyai hubungan kausal atau merupakan faktor resiko yaitu : 1. Kekuatan hubungan
2. Temporal
Kausal mendahului akibat. 3. Respon terhadap dosis
Makin besar paparan, makin tinggi kejadian penyakit. 4. Reversibilitas
Penurunan paparan akan diikuti penurunan kejadian penyakit. 5. Konsistensi
Kejadian yang sama akan berulang pada waktu, tempat dan penelitian yang lain. 6. Kelayakan biologis
Sesuai dengan konsep biologi. 7. Spesifitas
Satu penyebab menimbulkan satu Akibat. 8. Analogi
Ada kesamaan untuk penyebab dan akibat yang serupa. 9. Bukti eksperimen
Beberapa orang yang mengatakannya sangat diperlukan untuk menyimpulkan kausal.
Obat untuk penyakit kanker belum bisa diketahui secara pasti. Itu sebabnya pencegahan primer dengan menghindari faktor resiko adalah yang paling mungkin untuk dilakukan. Adapun faktor resiko seorang wanita terkena kanker serviks, diantaranya ialah:
1. Usia
Menurut Sirait et al (2003) frekuensi usia tertinggi penderita kanker serviks di RS Kanker Dharmais Jakarta ialah usia 40-49 tahun (35,9%) dan usia 50-59 tahun (28,3%). Hasil ini juga sesuai dengan hasil penelitian Nasution (2008) yang menyatakan penderita kanker serviks terbanyak dijumpai di RSU. Dr. Pirngadi Medan berusia antar 40-49 tahun yaitu 47,5%.
2. Usia menikah
Berdasarkan hasil penelitian, terlihat bahwa banyak responden yang menderita kanker
serviks menikah pada usia ≥ 20 tahun sebanyak 57,1% (2008) dan 59,1% (2009)
(Arumugam, 2010). Setyarini (2009), menyatakan bahwa penderita kanker serviks yang menikah usia 20 tahun beresiko untuk terkena kanker serviks 5 kali lebih besar daripada pasien yang menikah pada usia > 20 tahun.
3. Stadium klinis
Stadium klinis merupakan proses untuk mengetahui seberapa jauh penyebaran kanker. Gejala kanker serviks tergantung pada tingkat stadiumnya. Pada tahap dini (pra-kanker), sering tidak menimbulkan gejala sama sekali kecuali keluhan seperti gangguan menstruasi, keputihan, kadang ditemukan adanya pendarahan vagina di luar masa haid, keluhan sakit pendarahan sewaktu melakukan hubungan suami istri, dan adanya infeksi pada saluran kandung kemih. Pada stadium lanjut mengakibatkan rasa sakit pada panggul, pendarahan yang berbau amis, nafsu makan berkurang, berat badan menurun, dan anemia karena pendarahan.
Penentuan stadium klinis kanker serviks yang sering digunakan yaitu sistem FIGO (International Federation of Gynecology and Obstetric). Klasifikasi kanker serviks berdasarkan FIGO dapat dilihat pada tabel di bawah ini (American Cancer Society, 2010).
Tabel 2.1 Klasifikasi Stadium Klinis Kanker Serviks Menurut FIGO
Stadium Patologi
0 Karsinoma in situ (kanker pranvasif)
I Kanker serviks yang terbatas hanya pada serviks (penyebaran ke corpus diabaikan)
I a Invasi kanker didiagnosa dengan mikroskopi
I a1 Invasi minimal, semua lesi yang dapat dilihat dengan mikroskop
I a2 Kedalaman invasi stroma 3,00 mm atau kurang dan 7,00 mm atau kurang pada penyebaran yang mendatar
dan 7,00 mm atau kurang pada penyebaran yang mendatar
I b1 Secara klinis lesi dapat dilihat 4,00 cm atau kurang dengan pembesaran maksimal
II a Tanpa ada keterlibatan parametrium yang nyata
II b Melibatkan parametrium nyata
III Tumor meluas ke dinding pelvis dan/atau meliputi
1
3 distal vagina
dan/atau menyebabkan hydronephrosis atau tidak berfungsi ginjal
III a Tumor meluas ke 1
3 distal vagina, tidak menyebar ke dinding pelvis
III b Tumor menyebar ke dinding pelvis dan/atau menyebabkan
hydroneprosis atau tidak berfungsinya ginjal
IV a
Tumor myerang mukosa dari kandung kemih atau rectum dan/atau sudah keluar dari pelvis. Edema bulosa pada kandung kemih saja tidak boleh dimasukkan pada stadium T4
IV b Menyerang ke organ yang lain
Sumber: American Cancer Society, 2010
Nasution (2008) melaporkan stadium klinis yang memiliki proporsi tertinggi pada penderita kanker seviks ialah stadium lanjut (IIb-IVb) 57,9% dan penderita kanker serviks dengan stadium dini (0-IIa) 42,1%. Sama halnya dengan hasil penelitian yang dilakukan oleh Sirait et al (2003), penderita kanker serviks di RS Kanker Dharmais Jakarta kebanyakan datang pada stadium IIIb sebesar 38,0% yang diikuti stadium IIb sekitar 25,5%.
4. Tingkat pendidikan
50,3%, berpendidikan menengah 38,8% dan berpendidikan tinggi sebesar 10,9% (Nasution, 2008).
5. Kontrasepsi
Berdasarkan hasil penelitian, terlihat bahwa banyak responden yang menderita kanker serviks tidak pernah menggunakan kontrasepsi sebanyak 71,4% (2008) dan 64,8% (2009) (Arumugam, 2010). Setyarini (2009), mengatakan bahwa penggunaan kontrasepsi dalam jangka > 4 tahun meningkatkan resiko kanker serviks sebesar 0,20 kali lebih besar daripada penggunaan kontrasepsi 4 tahun.
6. Paritas
Berdasarkan hasil penelitian Arumugam (2010), terlihat bahwa banyak responden
yang menderita kanker serviks mempunyai jumlah paritas ≥ 3 sebanyak 80% (2008)
dan 59,1% (2009). Menurutnya, peningkatan infeksi semakin besar pada persalinan melebihi 3 kali, diperkirakan risiko 3 – 5 kali lebih besar pada wanita yang sering melahirkan untuk terjadi kanker serviks. Sama halnya dengan hasil penelitian yang dilakukan oleh Melva (2008), proporsi terbesar terjadi pada wanita yang mempunyai
paritas ≥ 3.
7. Frekuensi ganti pasangan
Berdasarkan hasil penelitian, terlihat bahwa banyak responden yang menderita kanker serviks hanya menikah 1 kali sebanyak 87,1%.(2008) dan 71,6% (2009) (Arumugam, 2010). Menurut Melva (2008), resiko seseorang untuk terkena kanker serviks dengan menikah lebih dari 1 kali ialah 1,48 kali lebih tinggi dari wanita dengan frekuensi pernikahan 1 kali.
8. Merokok
BAB 3
METODOLOGI PENELITIAN
3.1 Jenis dan Rancangan Penelitian
Jenis penelitian ini termasuk penelitian desain khusus yaitu penelitian kesintasan. Penelitian kesintasan merupakan penelitian yang bertujuan untuk mengetahui suatu kejadian yang dikaitkan dengan kapan waktu terjadinya. Rancangan penelitian yang digunakan ialah penelitian retrospektif yang bersifat observasional (tidak ada manipulasi atau perlakuan terhadap objek yang diteliti) mengikuti perjalanan penyakit ke arah belakang untuk melihat hubungan faktor resiko dengan terjadinya suatu peristiwa.
3.2 Lokasi dan Waktu Penelitian
3.3 Populasi dan Sampel
3.3.1 Populasi
Populasi dalam penelitian ini ialah seluruh pasien rawat inap di instalasi rindu B RSUP. H. Adam Malik Medan yang datang pada bulan Januari 2009 hingga Desember 2009.
3.3.2 Sampel
Sampel dalam penelitian ini ialah pasien rawat inap di instalasi rindu B RSUP. H. Adam Malik Medan yang datang pada bulan Januari 2009 hingga Desember 2009. Pemilihan sampel dilakukan dengan metode total sampling. Sampel penelitian yang diambil ialah pasien yang memiliki data rekam medis yang lengkap sesuai dengan tujuan penelitian yang ingin dicapai.
3.4 Variabel dan Definisi Operasional
3.4.1 Variabel
Variabel dependen pada penelitian ini ialah waktu kesintasan penderita kanker serviks dimulai dari awal didiagnosa menderita kanker serviks dengan satuan hari. Variabel independen yang digunakan dalam penelitian ini ialah variabel yang tersedia dari data rekam medis dan mengarah kepada faktor resiko yaitu:
1. Usia 2. Pendidikan 3. Pekerjaan 4. Stadium klinis
5. Penggunaan kontrasepsi 6. Usia menikah
7. Penyakit yang menyertai
3.4.2 Definisi Operasional
Variabel dependen pada penelitian ini ialah waktu kesintasan penderita kanker serviks dimulai dari awal didiagnosa menderita kanker serviks sampai pengamatan 1 tahun. Setelah 1 tahun dilakukan pengecekan terhadap status kehidupan penderita. Status ini dilihat dari data rekam medis penderita. Penderita dikatakan mengalami peristiwa (kematian) apabila ada surat keterangan dari rumah sakit yang menyatakan bahwa penderita telah meninggal. Untuk penderita yang tidak diketahui statusnya pada akhir pengamatan dikatakan tersensor (hidup) dan lama waktu kesintasannya dihitung dari awal terdiagnosa menderita kanker serviks sampai waktu kunjungan terakhir ke rumah sakit.
Hasil : waktu kesintasan (hari) Skala : nominal
Status : mengalami peristiwa (kematian) = 1 tersensor (hidup) = 0 Variabel independen pada penelitian ini ialah: Usia
Perhitungan usia berdasarkan waktu kelahiran hingga pada saat datang pertama kali ke RSUP. H. Adam Malik Medan berdasarkan status penderita kanker serviks yang dirawat inap yang tercantum pada data rekam medis.
Hasil : usia (tahun) Skala : nominal Status : 31−40 = 1
41−50 = 2
51−60 = 3
Pendidikan
Pendidikan formal tertinggi yang pernah dienyam oleh penderita sesuai dengan yang tertera pada data rekam medis.
Hasil : pendidikan ( SD, SLTP, SLTA, PT) Skala : nominal
Status : SD = 1 SLTP = 2 SLTA = 3 PT = 4 Pekerjaan
Kegiatan rutin yang dilakukan penderita sehari-hari.
Hasil : ibu rumah tangga, PNS/wiraswasta, dan lainnya (petani, pensiunan) Skala : nominal
Status : ibu rumah tangga = 1 PNS/wiraswasta = 2 lainnya = 3 Stadium Klinis
Keadaan penderita ketika pertama kali didiagnosa oleh petugas kesehatan RSUP. H. Adam Malik Medan.
Hasil : stadium I sampai IV Skala : nominal
Penggunaan Kontrasepsi
Penggunaan kontrasepsi seperti pil KB, injeksi KB, dan spiral oleh penderita sesuai dengan yang tercantum pada data rekam medis.
Hasil : pernah dan tidak pernah Skala : nominal
Status : pernah = 1 tidak pernah = 2 Usia Menikah
Usia penderita kanker serviks pasien di RSUP. H. Adam Malik Medan ketika melakukan ikatan resmi pertama kali dengan seorang pria sesuai dengan yang tecantum pada data rekam medis.
Hasil : 20 dan > 20 Skala : nominal Status : 20 = 1
> 20 = 2
Penyakit yang Menyertai
Penyakit yang diderita pasien selain kanker serviks, diantaranya diabetes mellitus, anemia, kanker ovarium, hipertensi, mioma, TB, tumor uterus, pneumonia, hidroneprosis, tumor abdomen, kista, hemodialisa, uremic syndrome, leucopenia, endrometrium, leukositosis, hepatitis C dan lain-lain.
Hasil : ada dan tidak ada penyakit Skala : nominal
3.5 Pengumpulan Data
Data yang digunakan ialah data sekunder yang diperoleh dari data rekam medis penderita kanker serviks pasien yang rawat inap di RSUP. H. Adam Malik Medan tahun 2009 yang diikuti selama 1 tahun sampai Desember 2010. Data rekam medis penderita kanker serviks yang dipilih sebagai sampel, dikumpul dan dilakukan pencatatan sesuai dengan variabel yang akan diteliti.
3.6 Pengolahan Data
Pengolahan data dilakukan dengan langkah-langkah berikut:
1. Editing, yaitu mengkaji dan meneliti data yang telah terkumpul dari hasil data rekam medis
2. Coding, yaitu pemberian kode pada data untuk mempermudah proses memasukkan data ke dalam program komputer
3. Entry, yaitu memasukkan data ke dalam program komputer untuk dilakukan analisis lebih lanjut
4. Tabulating, yaitu setelah data tersebut masuk ke dalam program komputer kemudian direkap dan disusun dalam bentuk tabel agar dapat dibaca dengan jelas
3.7 Analisis Data
Analisis data dilakukan dengan bantuan software statistik SPSS versi 17,0 dan Microsoft exel untuk menggambarkan karakteristik data. Adapun analisis yang akan dilakukan ialah analisis univariat, bivariat dan multivariat.
2. Analisis bivariat digunakan untuk melihat hubungan antara 1 variabel independen dengan variabel dependen. Pada analisis ini digunakan metode Kaplan-Meier untuk menentukan estimasi fungsi kesintasan 1 tahun penderita kanker serviks. Selanjutnya untuk menentukan apakah ada perbedaan fungsi kesintasan antara variabel independen digunakan uji log rank. Jika didapat � > 0,05 maka tidak ada perbedaan antara variabel independen dengan fungsi kesintasan atau dapat dilihat dari kurva kesintasan yang saling berpotongan yang menandakan tidak adanya perbedaan antara variabel independen dengan fungsi kesintasan.
3. Analisis multivariat digunakan untuk mengetahui seberapa besar hubungan beberapa variabel independen secara serentak terhadap variabel dependennya. Regresi cox proportional hazard digunakan untuk analisis ini.
Pada analisis ini langkah awal yang harus dilakukan ialah menentukan variabel kandidat yang akan diikutsertakan pada analisis multivariat. Variabel yang akan diikutsertakan merupakan variabel yang memiliki pengaruh dengan waktu kesintasan yaitu ketika nilai �< 0,25 (Sirait et. al, 2003) pada analisis bivariat. Diantara variabel kandidat tersebut ditentukan variabel independen yang berpengaruh terhadap waktu (�< 0,05). Selanjutnya dilakukan pengujian interaksi antara variabel independen dengan menggunakan uji ratio likelihood, jika nilai �< 0,05 berarti interaksi tersebut masuk dalam model. Namun jika nilai
BAB 4
HASIL PENELITIAN
4.1 Gambaran Umum Lokasi Penelitian
RSUP. H. Adam Malik Medan merupakan Rumah Sakit kelas A sesuai dengan SK Menkes No. 335/Menkes/SK/VII/1990 dan juga sebagai Rumah Sakit Pendidikan sesuai dengan SK Menkes No. 502/Menkes/SK/IX/1991. Pada tanggal 11 Januari 1993 secara resmi Pusat Pendidikan Fakultas Kedokteran USU Medan dipindahkan ke RSUP. H. Adam Maalik. Selain itu, RSUP. H. Adam Malik ialah rumah sakit rujukan untuk wilayah pembangunan A yang meliputi Propinsi Sumatera Utara, Aceh, Sumatera Utara dan Riau. Rumah sakit ini berlokasi di Jalan Bunga Lau no. 17, terletak di kelurahan Kemenangan, Kecamatan Medan Tuntungan. RSUP. H. Adam Malik mulai berfungsi sejak tanggal 17 Juni 1991 dengan pelayanan rawat jalan sedangkan untuk pelayanan rawat inap mulai berfungsi pada tanggal 2 Mei 1992.
RSUP. H. Adam Malik ialah unit pelaksanaan teknis di lingkungan Kementerian Kesehatan yang berada di bawah dan bertanggung jawab kepada Direktur Jenderal Bina Upaya Kesehatan, wajib melaksanakan Sistem Pelaporan
Rumah Sakit. Berdasarkan SK peraturan Menteri Kesehatan RI NO.
244/MENKES/PER/III/2008 tanggal 11 Maret 2008 struktur organisasi RSUP. H. Adam Malik meliputi Direktorat Medis dan Keperawatan, Direktorat Sumber Daya Manusia dan Pendidikan, Direktorat Keuangan, Direktorat Umum dan Operasional serta Unit-Unit Non Struktural.
Jabatan Fungsional, dan Instalasi (rawat jalan, gawat darurat, rawat inap terpadu (rindu) A, rawat inap terpadu (rindu) B, perawatan intensif, kardiovaskuler, bedah pusat, hemodialisa, rawat anesthesia dan reanimasi, patologi klinik, patologi anatomi, mikrobiologi, radiologi, diagnostik terpadu, rehabilitasi medis). Salah satu Satuan Medis Fungsional (SMF) di rumah sakit ini ialah Obstetri dan Ginekologi yang terdiri 12 sub spesialisasi yaitu endokrinologi, onkologi, urologi wanita, PIH, PKBRS, KIPA, ginekologi, rekontruksi, obgyn sosial, amnioscopi dan laparascopi (RSUP. H. Adam Malik, 2008).
4.2 Gambaran Data Penelitian
Selama penelitian data penderita kanker serviks yang dapat dikumpulkan di RSUP. H. Adam Malik Medan tahun 2009 sebanyak 107 kasus akan tetapi yang dapat dianalisis hanya 95 kasus. Hal ini dikarenakan kurang lengkapnya data penderita yang dibutuhkan untuk penelitian. Berdasarkan 95 kasus yang diteliti ditemukan 19 kasus (20%) yang mengalami peristiwa yaitu kematian, 4 kasus (4,2%) yang tetap hidup serta 72 kasus (75,8%) yang tidak diketahui keadaannya karena tidak adanya nomor telepon yang bisa dihubungi, selain itu juga karena sangat jauhnya alamat yang bisa dikunjungi yang pada umumnya berada di luar kota Medan.
4.3 Keterbatasan Data dan Penelitian
Data yang digunakan pada penelitian ini ialah data sekunder yaitu data rekam medis penderita kanker serviks pasien RSUP. H. Adam Malik tahun 2009. Oleh karena itu tidak semua faktor-faktor yang berhubungan dengan kesintasan 1 tahun dapat diteliti oleh peneliti. Hal ini dikarenakan keterbatasan dalam kelengkapan data rekam medis. Selain itu dikarenakan peneliti sejak awal tidak ikut dalam proses pengambilan data. Peneliti hanya mengambil data rekam medis yang lengkap catatannya. Data rekam medis ini terutama menyangkut informasi pribadi pasien.
rumah sakit. Oleh karena itu peneliti melakukan penyensoran terhadap pasien yang datanya tidak lengkap.
Selain dikarenakan adanya keterbatasan dalam hal data rekam medis, keterbatasan waktu juga menjadi hal yang menyebabkan terbatasnya penelitian. Sangat sedikitnya waktu untuk melakukan penelitian membuat peneliti hanya membatasi untuk meneliti kesintasan 1 tahun. selain itu, ini juga dikarenakan sistem database untuk data rekam medis baru ada di pertengahan tahun 2008. Oleh Karena
itu data pada tahun 2009 lah yang digunakan peneliti untuk diteliti kemudian dilakukan pengamatan hingga tahun 2010.
4.4 Analisis Data
4.4.1 Analisis Univariat
Pada analisis univariat akan digambarkan karakteristik data masing-masing variabel baik dependen maupun independen penderita kanker serviks secara deskriptif yang akan ditampilkan dalam bentuk diagram.
a. Waktu Kesintasan Penderita Kanker Serviks
Waktu kesintasan penderita kanker serviks tidak terdistribusi secara normal, lebih cenderung miring ke kanan, dengan rata-rata 136 hari dan median 77 hari. Waktu kesintasan terpendek ialah 2 hari sementara waktu terpanjang ialah 571 hari. Untuk lebih jelasnya dapat dilihat pada tabel dan gambar di bawah ini.
Tabel 4.1 Ukuran Statistik Waktu Kesintasan Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
Ukuran statistik Waktu (hari)
Minimum Maksimum Rata-rata Median
Standard deviasi
Gambar 4.1 Distribusi Frekuensi Waktu Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
b. Usia
Gambar 4.2 Distribusi Frekuensi Usia Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
c. Pendidikan
Pendidikan penderita kanker serviks dikelompokkan menjadi 4 kelompok yaitu ≤SD jika penderita tidak bersekolah atau hanya sampai SD, SLTP, SLTA dan perguruan tinggi (PT). Pendidikan terbanyak pada penderita ialah ≤ SD yaitu 41,1% (39 orang) dan yang paling sedikit ialah pendidikan sampai perguruan tinggi yaitu 6,3% (6 orang). Untuk SLTP dan SLTA yaitu 25,3% dan 27,4% atau 24 dan 26 orang. Distribusi frekuensi pendidikan penderita kanker serviks dapat dilihat pada gambar di bawah ini.
Gambar 4.3 Distribusi Frekuensi Pendidikan Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
d. Pekerjaan
Penderita kanker serviks yang datang berobat ke RSUP. H. Adam Malik tahun 2009 diantaranya ada yang bekerja sebagai pegawai negeri sipil, wiraswasta, petani, ibu rumah tangga dan ada juga yang pensiunan. Pada penelitian ini pekerjaan penderita dikelompokkan menjadi 3 kelompok yaitu ibu rumah tangga (IRT), pegawai negeri sipil (PNS)/wiraswasta dan lainnya ( petani dan pensiunan). Di antara 95 penderita kanker serviks paling banyak bekerja sebagai ibu rumah tangga yaitu sebesar 81% (77 orang) dan 9,5% (9 orang) yang bekerja sebagai PNS/wiraswasta maupun untuk yang lainnya. Distribusi frekuensi pekerjaan penderita kanker serviks dapat dilihat pada gambar di bawah ini.
Gambar 4.4 Distribusi Frekuensi Pekerjaan Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
e. Stadium
analisis stadium dikelompokkan menjadi 2 kelompok yaitu stadium dini (0-IIa) 33,7% dan stadium lanjut (IIb-IVb) 66,3%. Distribusi frekuensi stadium penderita kanker serviks dapat dilihat pada gambar di bawah ini.
Gambar 4.5 Diagram Frekuensi Stadium Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
f. Usia Menikah
Usia menikah penderita kanker serviks yang datang berobat ke RSUP. H. Adam Malik tahun 2009 dibedakan menjadi 2 kelompok yaitu menikah di bawah atau diusia 20 tahun (≤ 20) dan menikah di atas usia 20 tahun (> 20). Penderita yang menikah di bawah usia 20 tahun berjumlah 69 orang (72,6%) sedangkan sisanya menikah di atas usia 20 tahun berjumlah 26 orang (27,4%). Distribusi frekuensi usia menikah penderita kanker serviks dapat dilihat pada gambar di bawah ini.
0 10 20 30 40 50 60 70
dini (0 - IIa) lanjut (IIb - IVb)
frekuensi 32 63
fr
e
ku
e
n
s
Gambar 4.6 Distribusi Frekuensi Usia Menikah Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
g. Penggunaan Kontrasepsi
Penderita kanker serviks yang datang berobat ke RSUP. H. Adam Malik tahun 2009 memiliki riwayat penggunaan kontrasepsi. Diantaranya ada yang menggunakan injeksi, spiral, mengkonsumsi pil KB dan ada yang tidak pernah menggunakan kontrasepsi. Pada penelitian ini riwayat penggunaan kontrasepsi dikelompokkan menjadi 2 yaitu pernah dan tidak pernah menggunakan kontrasepsi. Penderita yang menggunakan kontrasepsi berjumlah 59 orang (62,1%) dan sisanya 36 orang (37,9%) tidak pernah menggunakan kontrasepsi. Distribusi frekuensi penggunaan kontrasepsi penderita kanker serviks dapat dilihat pada gambar di bawah ini.
Gambar 4.7 Distribusi Frekuensi Penggunaan Kontrasepsi Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
h. Penyakit yang Menyertai
Selain menderita kanker serviks penderita yang datang berobat ke RSUP. H. Adam Malik tahun 2009 juga menderita penyakit lain. Diantaranya diabetes mellitus, anemia, kanker ovarium, hipertensi, mioma, TB, tumor uterus, pneumonia, hidroneprosis, tumor abdomen, kista, hemodialisa, uremic syndrome, leucopenia, endrometrium, leukositosis, hepatitis C dan lain-lain. Untuk analisis penyakit yang menyertai dikelompokkan menjadi 2 yaitu ada penyakit dan tidak ada penyakit yang menyertai. Sebesar 68,4% penderita kanker serviks menderita penyakit lain atau berjumlah 65 orang dan 31,6% (30 orang) tidak menderita penyakit lain. Distribusi frekuensi penyakit yang menyertai penderita kanker serviks dapat dilihat pada gambar di bawah ini.
Gambar 4.8 Distibusi Frekuensi Penyakit yang Menyertai Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
4.4.2 Analisis Bivariat
Pada analisis bivariat ingin diketahui hubungan antara variabel independen dan variabel dependen yaitu kesintasan 1 tahun penderita kanker serviks. Pada penelitian ini Kaplan-Meier digunakan sebagai estimasi kesintasan 1 tahun penderita kanker serviks dan untuk mengetahui adanya perbedaan antara kesintasan penderita untuk setiap variabel independen digunakan uji log rank dengan derajat kemaknaan 0,05.
0 10 20 30 40 50 60 70
Ada Tidak Ada
Frekuensi 65 30
fr
e
ku
e
n
s
Berikut ini dipaparkan hasil analisis bivariat yang dapat dilihat pada tabel dan kurva kesintasan dengan menggunakan metode Kaplan-Meier.
a. Waktu Kesintasan Penderita Kanker Serviks
Kesintasan pasien selama waktu dapat diketahui probabilitasnya melalui perhitungan fungsi kesintasan berikut:
kanker serviks setelah datang berobat ke RSUP. H. Adam Malik sebesar 0,568 (57%). Namun data tidak memiliki median kesintasan karena dalam waktu 1 tahun belum diperoleh 50% dari penderita mengalami peristiwa (kematian). Untuk lebih jelasnya hasil perhitungan estimasi probabilitas kesintasan penderita kanker serviks di RSUP. H. Adam Malik Medan tahun 2009 menggunakan metode Kaplan-Meier dapat digambarkan dengan kurva kesintasan di bawah ini.
Gambar 4.9 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009
b. Usia dengan Kesintasan
tahun sebesar 0,75 (75%) yaitu dari 4 kasus dan 1 kasus diantaranya mengalami peristiwa. Kemudian pada analisis pengujian kemaknaan menggunakan uji log rank dengan df = 3 diperoleh chi-square = 4,203 dan p = 0,240. Ini menunjukkan bahwa tidak ada perbedaan antara usia dengan kesintasan penderita kanker serviks. Untuk lebih jelasnya estimasi probabilitas kesintasan 1 tahun penderita kanker serviks di RSUP. H. Adam Malik tahun 2009 dapat dilihat pada tabel dan kurva di bawah ini.
Tabel 4.3 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 Berdasarkan Usia Menggunakan Metode Kaplan-Meier
Gambar 4.10 Kurva Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Usia di RSUP. H. Adam Malik Medan Tahun 2009
Usia � � sensor
31-40 15 4 11 0,657
41-50 43 5 38 0,610
51-60 33 9 24 0,559
Jika perhitungan uji log rank dilakukan dengan cara manual maka akan diperoleh nilai chi-square �2 yang hampir sama dengan nilai yang diproleh menggunakan program SPSS . Langkah awal pengerjaan ini ialah menyusun waktu kesintasan dari kelompok usia yang diobservasi, kemudian menghitung jumlah objek yang beresiko dan objek yang mengalami kematian. Selanjutnya menghitug nilai ekspektasi dari masing-masing kelompok dengan Rumus 2.6 pada Subbab 2.3, dengan � menyatakan objek yang mengalami kematian dan � menyatakan jumlah objek yang memiliki resiko namun masih bertahan, maka:
�1 = �
Perhitungan dilanjutkan hingga waktu kesintasan terakhir, sehingga diperoleh nilai:
Tabel 4.4 Perhitungan Log Rank untuk Membandingkan Kesintasan 1 Tahun Penderita Kanker Serviks Berdasarkan Usia
c. Pendidikan dengan Kesintasan
Estimasi probabilitas kesintasan 1 tahun penderita kanker serviks kelompok pendidikan SD yang terdiri dari 39 kasus dan 7 kasus diantaranya mengalami kejadian ialah 0,664 (66,4%), untuk kelompok pendidikan SLTP yang terdiri dari 24 kasus dan 8 kasus diantaranya mengalami kejadian sebesar 0,298 (29,8%), sementara untuk kelompok SLTA dan PT masing-masing 26 kasus dengan 3 kasus mengalami kematian dan 6 kasus dengan 1 kasus mengalami kejadian sebesar 0,778 (77,8%) dan 0,833 (83.3%).
Analisis selanjutnya untuk melihat kemaknaan menggunakan uji log rank
perbedaan antara pendidikan penderita dengan kesintasan. Untuk penjelasan lebih lanjut tentang kesintasan 1 tahun penderita kanker serviks di RSUP. H. Adam Malik Medan tahun 2009 dapat dilihat pada tabel dan gambar di bawah ini.
Tabel 4.5 Estimasi Probabilitas Kesintasan 1 Tahun Penderita Kanker Serviks di RSUP. H. Adam Malik Medan Tahun 2009 Berdasarkan Pendidikan Menggunakan Metode Kaplan-Meier
Pendidikan � � sensor
SD 39 7 32 0,664
SLTP 24 8 16 0,298
SLTA 26 3 23 0,778
PT 6 1 5 0,833
