SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si

(1)

Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan

Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien di

Rumah Sakit “X” Surabaya)

S

EMINAR

T

UGAS

A

KHIR

Oleh : Arief Yudissanta

(1310 105 018)

(2)

PENDAHULUAN

S

EMINAR

T

UGAS

A

KHIR

LATAR BELAKANG

RUMUSAN MASALAH

TUJUAN

MANFAAT

(3)

PENDAHULUAN

LATAR BELAKANG

KANKER

KANKER PAYUDARA

KEMOTERAPI

(4)

PENDAHULUAN

RUMUSAN

MASALAH

TUJUAN

1. Faktor-faktor apa saja

yang mempengaruhi

pasien kanker payudara

terhadap cara

kemoterapi?

2. Bagaimana

pengklasifikasian pasien

kanker payudara

terhadap cara

kemoterapi?

1. Menentukan

faktor-faktor apa saja yang

mempengaruhi pasien

kanker payudara

terhadap cara

kemoterapi.

2. Mengetahui klasifikasi

pasien kanker payudara

terhadap cara

kemoterapi.

(5)

PENDAHULUAN

S

EMINAR

T

UGAS

A

KHIR

MANFAAT

BATASAN

MASALAH

Adapun batasan masalah

pada penelitian ini adalah

data pasien kanker payudara

yang melakukan kemoterapi

yang terekam pada rekam

medis di Rumah Sakit ”X”

Surabaya tahun 2007-2010.

1. Mengaplikasikan ilmu

statistika khususnya metode

regresi logistik multinomial di

bidang kedokteran.

2. Memberi masukan dan

informasi kepada tenaga

medis mengenai faktor-faktor

yang mempengaruhi pasien

kanker payudara terhadap

pemakaian kemoterapi,

sehingga dapat meningkatkan

penanganan yang tepat

(6)

S

EMINAR

T

UGAS

A

KHIR

TINJAUAN PUSTAKA

T

INJAUAN

S

TATISTIK

(7)

TINJAUAN PUSTAKA

Regresi logistik merupakan salah satu metode yang dapat digunakan untuk mencari

hubungan variabel respon yang bersifat dichotomous (berskala nominal atau ordinal

dengan dua kategori) atau polychotomous (mempunyai skala nominal atau ordinal

dengan lebih dari dua kategori) dengan satu atau lebih variabel prediktor. Sedangkan

variabel prediktor bersifat kontinyu atau kategorik (Agresti, 1990).

 Regresi

logistik

Model Regresi logistik

 

x _x

e

x

1 0 1 0

1 





 _





Transformasi logit π(x)

Persamaan Regresi

Linear dalam x

S

EMINAR

T

UGAS

A

KHIR

(8)

TINJAUAN PUSTAKA

S

EMINAR

T

UGAS

A

KHIR

 Regresi

logistik

MULTINOMIAL

Model Regresi logistik Multinomial

 



_



_

p p p p

x









...

exp

1 ...

exp

2 2 1 1 0 2 2 1 1 0

Dengan menggunakan transformasi logit akan didapatkan dua fungsi

logit g

1

(x), g

2

(x).

Dari dua fungsi logit tersebut maka didapatkan model regresi logistik trichotomous

sebagai berikut :

(9)

S

EMINAR

T

UGAS

A

KHIR

 PENGUJIAN

PARAMETER

 Uji

Parsial

Untuk mengetahui signifikansi parameter terhadap

variabel respon.

H

0

:

i 0

H

1

:



i 0

, dengan i = 0, 1, 2, ...k

Statistik uji :

) ˆ ( ˆ i i SE W   

Daerah penolakan H

0

adalah jika

W  Z/2

atau

W2 



2(v,)

dengan

derajat bebas v

TINJAUAN PUSTAKA

(10)

S

EMINAR

T

UGAS

A

KHIR

TINJAUAN PUSTAKA

 Uji

Serentak

Untuk mengetahui apakah model telah tepat (signifikan)

dan untuk memeriksa kemaknaan koefisien

secara

keseluruhan

H

0

:



₀





₁





₂



...





_p



0 H

1

: paling sedikit ada satu



_i



0 , dengan i = 0, 1, 2, ..., p

Statistik uji :

_

_{  }

_{ }

_

_

_

_{ }

_

























 p i i i i i

y

n

y

G

1 0 0 1 1

ln

1 ln

2 







Daerah penolakan H

0

adalah jika G >



2(,v)

dengan derajat bebas v.

TINJAUAN

STATISTIK

(11)

S

EMINAR

T

UGAS

A

KHIR

TINJAUAN PUSTAKA

Untuk mengetahui apakah model dengan variabel

dependen tersebut merupakan model yang sesuai.

 UJI

KESESUAIAN

MODEL

H

0

: model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan

hasil prediksi model)

H

1

: model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengan kemungkinan

hasil prediksi model)

statistik uji :









g k k k k k k k

n

o

1 2 2

)

1 (

'

)

'

(





_



_

dengan





nk j j k

y

o

' 1

jumlah variabel respon pada grup ke- k





nk j k j j k

_n

m

' 1

'

ˆ



rata-rata taksiran probabilitas



j

m

banyaknya observasi yang memiliki nilai



ˆ

j



k

n'

banyaknya observasi pada grup ke- k

Daerah Penolakan H

0

adalah jika



2hitung

≥



2 (db,α)

dengan db=g-2.

(12)

S

EMINAR

T

UGAS

A

KHIR

TINJAUAN PUSTAKA

TINJAUAN

NON

STATISTIK

KEMOTERAPI

AJUVAN

KEMOTERAPI

NEO AJUVAN

KEMOTERAPI

PALIATIF

KANKER PAYUDARA

(13)

S

EMINAR

T

UGAS

A

KHIR

TINJAUAN PUSTAKA

TINJAUAN

NON

STATISTIK

FAKTOR RASIO PADA

KEMOTERAPI KANKER

PAYUDARA

 USIA

 ESTROGEN

RESEPTOR (ER)

 PROGESTERON

RESEPTOR (PR)

 HER 2

 GRADE

 STADIUM

(14)

S

EMINAR

T

UGAS

A

KHIR

METODOLOGI PENELITIAN

S

UMBER

D

ATA

V

ARIABEL

P

ENELITIAN

(15)

S

EMINAR

T

UGAS

A

KHIR

Data yang digunakan dalam penelitian

ini adalah data sekunder dari rekam medis

pasien kanker payudara yang melakukan

kemoterapi di Rumah Sakit “X” Surabaya

yaitu data pada tahun 2007-2010

 SUMBER

DATA

(16)

S

EMINAR

T

UGAS

A

KHIR



Variabel respon: kemoterapi yang digunakan oleh pasien

kanker payudara

 VARIABEL

PENELITIAN

METODOLOGI PENELITIAN

• Kemoterapi Neoajuvan, diberi kode 0

• Kemoterapi Ajuvan, diberi kode 1

• Kemoterapi Paliatif, diberi kode 2



Variabel Preditor :

X

₁

: Usia Pasien Kanker Payudara yang melakukan kemoterapi

X

₂

: Estrogen Reseptor (ER) dengan kode 1 untuk yang negatif dan 2 untuk yang positif

X

₃

: Progesteron Reseptor (PR) dengan kode 1 untuk yang negatif dan 2 untuk yang

positif

X

₄

: HER2 dengan kode 1 untuk Luminal A, kode 2 untuk Luminal B, dan 3 untuk Her2

over expressing

X

₅

: Grade dengan kode 1 untuk Grade1 (rendah), kode 2 untuk Grade2 (sedang), dan

kode 3 untuk Grade3 (tinggi)

X

₆

: Stadium dengan kode 1 untuk Stadium IIIA, kode 2 untuk Stadium IIIB, kode 3

untuk Stadium IIIC, dan kode 4 untuk Stadium Paliatif

(17)

S

EMINAR

T

UGAS

A

KHIR

 Studi Literatur

 langkah

analisis

METODOLOGI PENELITIAN

 Analisis Data

• Analisis Deskriptif

• Analisis Regresi Logistik Multinomial

1. Menentukan model regresi logistik univariat untuk setiap variabel prediktor dengan variabel

respon

2. Melakukan uji signifikansi parameter dari setiap model regresi logistik univariat untuk

mengetahui variabel-variabel prediktor yang berpengaruh secara signifikan terhadap variabel

respon

3. Menentukan model regresi logistik multinomial serentak antara variabel respon dengan

variabel-variabel prediktor yang signifikan dari langkah 2.

4. Melakukan pengujian secara serentak dan parsial terhadap model yang diperoleh.

5. Melakukan uji kesesuaian model (goodness of fit).

6. Menginterpretasikan model regresi logistik berganda dan odds ratio yang diperoleh.

7. Menghitung ketepatan klasifikasi model regresi logistik multinomial.

 Perumusan masalah dan pembuatan proposal

 Pengumpulan data

(18)

 Diagram

alur

analisis

(19)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

ANALISIS DESKRIPTIF

REGRESI LOGISTIK MULTINOMIAL INDIVIDU

REGRESI LOGISTIK MULTINOMIAL SERENTAK

UJI KESESUAIAN MODEL

KETEPATAN KLASIFIKASI MODEL

(20)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

 ANALISIS

DESKRIPTIF

Kemoterapi Neoajuvant 15% Kemoterapi Ajuvant 77% Kemoterapi Paliatif 8%

(21)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Tabel Crosstab Karakteristik Pasien Kanker Payudara di

Rumah Sakit “X” Surabaya

Variabel

Jenis Kemoterapi

Neoajuvant Ajuvant Paliatif Umur < 40 14 15.5 13 40-50 39.5 35.8 43.5 >50 46.5 48.7 43.5 100 100 100 ER Negatif 37.2 31.9 43.5 Positif 62,8 68.1 46.5 100 100 100 PR Negatif 51.2 42.9 65.2 Positif 48.8 57.1 34.8 100 100 100 Her2 Luminal A 39.5 31.4 43.5 Luminal B 25.6 32.7 30.4 Her2 Over-expressing 34.9 35.9 26.1 100 100 100 Variabel Jenis Kemoterapi

Neoajuvant Ajuvant Paliatif Grade Rendah (Grade 1) 2.3 3.5 4.3 Sedang (Grade 2) 37.2 25.2 34.8 Tinggi (Grade 3) 60.5 71.3 60.9 100 100 100 Stadium Stadium IIIA 7 51.3 13 Stadium IIIB 20.9 24.3 8.8 Stadium IIIC 7 20.4 4.3 Paliatif 65.1 4 73.9 100 100 100

(22)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Logit Variabel B Wald P-value Exp (B) Umum 1. Ajuvant Konstanta 1.626 4.167 0.041 Umur 0.001 0.002 0.966 1.001 2. Paliatif Konstanta -0.344 0.078 0.780 Umur -0.006 0.054 0.816 0.994 ER 1. Ajuvant Konstanta 1.741 69.640 0.000 ER = 1 -0.237 0.469 0.494 0.789 2. Paliatif Konstanta -0.731 4.688 0.030 HER2

1. Ajuvant KonstantaHER2 = 1 1.686 35.9940.257 0.435 0.0000.510 0.773 HER2 = 2 0.220 0.263 0.608 1.246 2. Paliatif KonstantaHER2 = 1 -0.9160.386 3.5980.379 0.0580.538 1.471 HER2 = 2 0.464 0.462 0.497 1.591 Grade

1. Ajuvant KonstantaGrade = 1 1.823 74.4180.256 0.056 0.0000.813 1.292 Grade = 2 -0.553 2.451 0.117 0.575 2. Paliatif KonstantaGrade = 1 -0.6190.619 3.4870.182 0.0620.670 1.857 Grade = 2 -0.074 0.018 0.892 0.929 Stadium 1. Ajuvant Konstanta -1.135 8.774 0.003 Stadium = 1 4.790 46.941 0.000* 120.29 6 Stadium = 2 2.945 31.412 0.000* 19.012 Stadium = 3 3.865 29.764 0.000* 47.704 2. Paliatif Konstanta -0.499 2.634 0.105 Stadium = 1 0.499 0.327 0.567 1.647 Stadium = 2 -1.005 1.432 0.232 0.366 Stadium = 3 -0.600 0.252 0.616 0.549 ER = 1 0.261 0.246 0.620 1.298 PR 1. Ajuvant Konstanta 1.815 59.513 0.000 PR = 1 -0.332 0.990 0.494 0.789 2. Paliatif Konstanta -0.965 5.396 0.030 PR = 1 0.582 1.190 0.620 1.298

Logit Variabel B Wald valueP- Exp (B)

(23)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Variabel Chi-Square P-value Keputusan Kesimpulan

X1X2 3.762 0.152 GagalTolak H0 Independen X1X3 8.371 0.015 Tolak H0 dependen X1X4 2.381 0.666 GagalTolak H0 Independen X1X5 2.972 0.562 GagalTolak H0 Independen X1X6 1.671 0.947 GagalTolak H0 Independen X2X3 167.426 0 Tolak H0 dependen X2X4 18.499 0 Tolak H0 dependen

Variabel Chi-Square P-value Keputusan Kesimpulan

X2X5 39.704 0 Tolak H0 dependen X2X6 2.215 0.529 GagalTolak H0 Independen X3X4 12.404 0.002 Tolak H0 dependen X3X5 22.753 0 Tolak H0 dependen X3X6 4.454 0.215 GagalTolak H0 Independen X4X5 40.886 0 Tolak H0 dependen X4X6 4.174 0.653 GagalTolak H0 Independen X5X6 13.427 0.037 Tolak H0 dependen

 UJI

MULTIKOLINIERITAS

(24)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Logit

Variabel

B

Wald

value

P-

Exp (B)

Stadium

1. Ajuvant

Konstanta

-1,135

8,774

0,003

Stadium = 1

4,79 46,941 0.000*

120,296

Stadium = 2

2,945 31,412 0.000*

19,012

Stadium = 3

3,865 29,764 0.000*

47,704

2. Paliatif

Konstanta

-0,499 2,634

0,105

Stadium = 1

0,499 0,327

0,567

1,647

Stadium = 2

-1,005 1,432

0,232

0,366

Stadium = 3

-0,6 0,252

0,616

0,549

 UJI

BACKWARD

ELIMINATION

Adapun fungsi logit untuk variabel

stadium adalah :

g

₁

(x)= -1,135 + 4,790 Stadium(1) +

2,945 Stadium(2) + 3,.865

Stadium(3)

g

₂

(x)= 0,499 + 0,499 Stadium (1)

-1,005 Stadium(2) - 0,600 Stadium(3)

0



)

Stadium(1)

0,499

(

exp

)

Stadium(1)

4,790

-1,135

exp(

1

1 





(x) =

)

Stadium(2)

1,005

-0,499

(

exp

um(2))

2,945Stadi

-1,135

exp(

1 )

Stadium(2)

945 ,

2 ,135

1 exp(







(x) =

2 

_{(x) =}

₁

_

_exp(

_-1,135

_

₃

_,

₈₆₅

exp

_Stadium(3)

(



0,499

-

0,600

₎

_

_exp

Stadium(3)

₍

_

_0,499

_-

)

_0,600

_Stadium(3)

₎

1

(25)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Variabel

Jenis Kemoterapi

Neoajuvant

Ajuvant

Paliatif

Stadium

Stadium IIIA

0.02

0.95

0.02 Stadium IIIB

0.14

0.83

0.03 Stadium IIIC

0.06

0.92

0.02 Paliatif

0.52

0.17

0.31

(26)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

 KETEPATAN

KLASIFIKASI

MODEL

Observasi

Prediksi

Kemoterapi

Neoajuvant

Kemoterapi

Ajuvant

Kemoterapi

Paliatif

Klasifikasi

Ketepatan

Kemoterapi

Neoajuvant

28

15

0 65,1 %

Kemoterapi

Ajuvant

9

217

0 96,0 %

Kemoterapi

Paliatif

17

6

0 0 %

Persentase

Total

18,5 %

81,5 %

0 %

83,9 %

(27)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Logit Variabel B Wald P-value Exp (B)

Umum 1. Stadium IIIB Konstanta -0,53 0,447 0,504 Umur -0,002 0,012 0,914 0,998 2. Stadium

IIIC Konstanta_Umur _-0,016-0,11 0,016_0,839 0,899_0,36 _0,984 3. Stadium

Paliatif KonstantaUmur -0,8190 0,930 0,3350,996 1 ER 1. Stadium IIIB KonstantaER = 1 -0,563-0,154 0,2249,08 0,0030,636 0,857 2. Stadium IIIC Konstanta_{ER = 1} -0,759_-0,438 14,498_1,37 _0,2420 _0,646 3. Stadium Paliatif Konstanta_{ER = 1} -0,873_0,156 17,737_0,215 _0,6430 _1,169 PR 1. Stadium IIIB KonstantaPR = 1 -0,6790,142 10,6980,215 0,0010,643 1,153

Logit Variabel B Wald P-value Exp (B) 2. Stadium IIIC KonstantaPR = 1 -0,226-0,8 13,6940,431 0,5120 0,789 3. Stadium Paliatif KonstantaPR = 1 -1,0990,562 20,822,898 0,089*0 1,755 HER2 1. Stadium IIIB Konstanta -0,495 3,801 0,051 HER2 = 1 0,062 0,029 0,865 1,064 HER2 = 2 -0,456 1,427 0,232 0,634 2. Stadium IIIC Konstanta -0,718 6,927 0,008 HER2 = 1 -0,185 0,204 0,652 0,831 HER2 = 2 -0,385 0,784 0,376 0,699 3. Stadium Paliatif Konstanta -0,941 10,19 0,001 HER2 = 1 0,421 1,113 0,291 1,524 HER2 = 2 -0,71 0,029 0,865 0,932 Grade 1. Stadium IIIB Konstanta -0,577 10,052 0,002 Grade = 1 -0,542 0,215 0,643 0,582 Grade = 2 -0,205 0,311 0,577 0,814 2. Stadium IIIC Konstanta -0,962 22,78 0 Grade = 1 0,962 1,309 0,253 2,618 Grade = 2 0,126 0,105 0,746 1,134 3. Stadium Paliatif Konstanta -1,193 29,473 0 Grade = 1 1,193 1,99 0,158* 3,296 Grade = 2 0,97 7,627 0,005* 2,637

 Regresi logistik multinomial univariat dengan var.

Respon variabel stadium

(28)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Logit

Variabel

B

Wald

P-value

Exp (B)

1. Stadium IIIB

Konstanta

-0,605

6,057

0,014

PR = 1

0,91

0,081

0,776

1,095

Grade = 1

-0,508

0,187

0,666

0,602

Grade = 2

-0,176

0,21

0,647

0,839

2. Stadium IIIC

Konstanta

-0,877

10,644

0,001

PR = 1

-0,17

0,221

0,639

0,844

Grade = 1

0,901

1,122

0,29

2,462

Grade = 2

0,073

0,032

0,858

1,075

3. Stadium

Paliatif

Konstanta

-1,841

29,015

0 PR = 1

1,009

7,475

0,006*

2,743

Grade = 1

1,606

3,368

0,066*

4,984

Grade = 2

1,319

11,748

0,001*

3,74

 Regresi logistik multinomial serentak dengan var.

Respon variabel stadium

(29)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

 Uji

Kesesuaian

MODEL

Hipotesis :

H

₀

: Model sesuai (tidak ada perbedaan yang nyata antara hasil observasi

dengan kemungkinan hasil prediksi model)

H

₁

: Model tidak sesuai (ada perbedaan yang nyata antara hasil observasi

dengan kemungkinan hasil prediksi model)

Berdasarkan

tabel

Goodness-of-Fit

yang

terdapat

pada lampiran,

didapatkan P-value sebesar 0,923 yang berarti gagal tolak H

₀

pada α = 5

persen, sehingga dapat dikatakan bahwa model yang terbentuk sudah

sesuai, tidak ada perbedaan yang nyata antara hasil observasi dengan

kemungkinan prediksi model

(30)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

 KETEPATAN

KLASIFIKASI

MODEL

Observasi

Prediksi

Stadium

IIIA

Stadium

IIIB

Stadium

IIIC

Stadium

Paliatif

Klasifikasi

Ketepatan

Stadium IIIA

114

0

2

6 93,4%

Stadium IIIB

62

0

1

3 0,0 %

Stadium IIIC

₄₄

₀

₃

_{6 %}

Stadium Paliatif

41

0

2

11 20,4%

(31)

S

EMINAR

T

UGAS

A

KHIR

ANALISIS DAN PEMBAHASAN

Dari model stadium diatas dapat dilanjutkan untuk menentukan regresi

logistik dengan variabel responnya yaitu kemoterapi dan variabel

prediktornya yaitu stadium. Adapun hasil regresi logistiknya dapat

dilihat pada Tabel di bawah ini.

Logit

(Kemoterapi)

Variabel

B

Wald

P-value

Exp (B)

1. Ajuvant

Konstanta

_{Stad.Pred = 1}

0,773

_0,944

2,454

_3,233

_0,072*

0,117

_2,570

Stad.Pred = 3

20,115 275,283

0,000* 5,442*10

8

2. Paliatif

Konstanta

_{Stad.Pred = 1}

-0,405

_-0,315

0.395 _0,199

0,530

_0,656

_0,730

Stad.Pred = 3

19,348

~

2,527*10

8

(32)

S

EMINAR

T

UGAS

A

KHIR

KESIMPULAN DAN SARAN

K

ESIMPULAN

(33)

S

EMINAR

T

UGAS

A

KHIR

 KESIMPULAN

(34)

S

EMINAR

T

UGAS

A

KHIR

 sARAN

KESIMPULAN DAN SARAN

Berdasarkan hasil penelitian didapatkan bahwa pasien kanker

payudara di rumah sakit “X” Surabaya sebagian besar melakukan

kemoterapi Adjuvant. Dan masih ada beberapa variabel penduga yang

masih belum berpengaruh secara signifikan terhadap jenis kemoterapi.

Oleh karena itu apabila akan dilakukan penelitian selanjutnya dapat

ditambahkan atau diganti variabel yang diduga seperti usia menstruasi

maupun

riwayat

keluarga

atau

faktor

genetik

yang

mungkin

mempengaruhi jenis kemoterapi. Karena pada penelitian ini hanya

variabel stadium yang berpengaruh secara signifikan terhadap jenis

kemoterapi.

(35)

S

EMINAR

P

ROPOSAL

T

UGAS

A

KHIR

DAFTAR PUSTAKA

Agresti, A. (1990). Categorical Data Analysis. John Wiley and Sons, New York

Anonim_a. (2011). Definisi Penyakit Kanker.

http://www.neosavata.com/tag/arti-kanker

(Kamis, 9 Februari 2012, 03.16 WIB)

Anonim_b. (2012). 5 Jenis Kanker yang Paling Mematikan. www.forumkami.net (Kamis, 9

Februari 2012, 03.19 WIB)

Anonim_c. (2011). Kanker Payudara Pembunuh Nomor Dua.

www.surabayapost.co.id

(Kamis, 9 Februari 2012, 03.16 WIB)

Anonim_d. (2009). Mengenal Jenis-Jenis Pengobatan Kanker.

http://majalahkesehatan.com/mengenal-jenis-jenis-pengobatan-kanker/

(Kamis, 23

Februari 2012, 03.41 WIB)

Anonim_e. (2012). Kemoterapi.

http://cancerhelps.co.id

(Kamis, 23 Februari 2012, 03.35

WIB)

Anonim_f. (2012). Penyebab kanker payudara.

http://cancerhelps.co.id

(Sabtu, 17 Maret

2012, 16.15 WIB)

Anonom_g. (2007). Stadium dan Grade dalam Kanker Payudara.

http://wikipedia.co.id

(Jum’at, 13 April 2012, 01.22)

Azwar, B. (2010). Kemoterapi untuk kanker payudara.

www.suaradokter.com

(Kamis, 23

Februari 2012, 03.33 WIB)

(36)

Chandra, Y. (2009). “Gambaran Pengetahuan Wanita Tentang Sadari Sebagai Deteksi Dini Kanker Payudara di

Kelurahan Petisah Tengah Tahun 2009”. Universitas Sumatra Utara, Medan

Fahrmeir, and Tutz. (1994). Multivariate Statistical Modelling Based on Generalized Linear Models. Springer-Verlag.

New-York. Inc.

Hadi, T. (2007). Pilihan Terapi pada Kanker Payudara.

http://tentangkanker.com/2011/pilihan-terapi-pada-kanker-payudara/

(Kamis, 23 Februari 2012, 03.46 WIB)

Hosmer, D.W., and Lemenshow. (2000). Applied Logistic Regression. John Wiley and Sons. USA

Hutami, A. S. (2011). “Hubungan Wanita Menyusui Kurang dari 2 Tahun dengan Kejadian Kanker Payudara di

Rumah Sakit Onkologi Surabaya”. Universitas Airlangga, Surabaya

Indra, R. (2008). Klasifikasi Penderita Kanker Payudara dengan Pendekatan Metode Regresi Logistik.

Institut Teknologi Sepuluh Nopember, Surabaya

Nasution, R. dan Yusad Y. (2004). “Faktor-faktor Yang Berhubungan Dengan Kejadian Kanker Payudara

pada Penderita Wanita di Rumah Sakit Santa Elisabeth Medan Tahun 2004”. Universitas Sumatra

Utara, Medan

Wahyuni N. (2009).”Mekanisme Penyakit Estrogen Karsinogenesis pada Kanker Payudara.

http://ningrumwahyuni.wordpress.com

(Jum’at, 15 April 2012, 12.20)

Rahmawati, N. A. (2009). “Hubungan Tingkat Pengetahuan Tentang Kanker Payudara Dengan Praktik

Pemeriksaan Payudara Sendiri (Sadari) Pada Wanita Di Dusun Kauman, Tamanan, Banguntapan,