PENGUJIAN HIPOTESIS. Pengujian serentak. Pengujian Parsial. Statistik uji : Statistik uji : :minimal ada satu β

PENGUJIAN HIPOTESIS

Pengujian serentak

Statistik uji :

Tolak H ₀ jika ^G

²

> χ

^2p,α

0 j

H : β = 0

1 j

H : β ≠ 0

0 1 2 p

H : β = β = … = β = 0

1 j

H : m inim al ada satu β ≠ 0 ^{j 1,2, ,p = …}

Pengujian Parsial

( ) j j

SE

Z β

β ˆ

= ˆ

Statistik uji :

Tolak H

₀

jika

^Zj

^>

^Zα/2

( ) ( ) ^Ω

−

= ˆ

ln ˆ

2 2

L

G L ω

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 20 SELEKSI MODEL TERBAIK &

ODDS RATIO

Membandingkan sejumlah kemungkinan model dilakukan dengan cara melihat nilai Akaike Information Criterion (AIC). Pada penelitian

ini seleksi yang digunakan adalah eliminasi backward k

L AIC = − 2 ln ˆ + 2

Odds Ratio merupakan perbandingan diantara odd individu dengan kondisi variabel

prediktor X pada kategori sukses dengan kategori gagal

( )

( ^{0 1} )

ratio

Odds =

= =

x t h

x t h

tingkat kecepatan terjadinya failure event pada individu dengan kategori x=0 adalah sebesar nilai odds ratio kali tingkat kecepatan terjadinya risiko failure event pada

individu dengan kategori

x=1

STROKE

Stroke merupakan gangguan fungsi saraf akur yang disebabkan oleh gangguan peredaran darah otak,

Stroke Hemoragik adalah pecahnya pembuluh darah otak menyebabkan keluarnya darah ke jaringan

parenkim otak

Stroke Iskemik merupakan Iskemia jaringan otak timbul akibat sumbatan pada pembuluh darah serviko-

kranial atau hipoperfusi jaringan otak oleh berbagai faktor

Diagnosa stroke dibuat berdasarkan adanya gejala neurologik mulai dari gejala motorik fokal, rasa raba,

gangguan bicara, dan kesadaran dalam bentuk koma

( Barthel index)

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 22 STROKE

modifikasi

• hipertensi

• penyakit jantung

• diabetes melitus

• merokok

• (TIA)

• completed stroke

• konsumsi alkohol

• hiperlipidemia

• kondisi sosial ekonomi

• kurang aktivitas

Tidak dapat modifikasi

• usia,

• jenis kelamin,

• ras atau suku

• faktor genetik

OUTLINE

METODOLOGI PENELITIAN

Sumber Data Variabel

Penelitian Metode

Analisis Data

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 24

SUMBER DATA

• Data Tugas Akhir Dina Oktafia Sulistyani, 2013

Data Sekunder

• data rekam medis pasien penderita stroke di RSU Haji Surabaya pada

Januari -Agustus 2012 dengan data berjumlah 91

Jumlah data • pasien yang saat

diizinkan pulang telah mengalami perbaikan kondisi klinis serta memiliki riwayat catatan medis yang lengkap

Kriteria

VARIABEL PENELITIAN

Kode Nama Variabel Skala Kategori

T Waktu Survival Penderita Stroke

Kontinu -

X

₁

Tekanan Darah Sistolik

Kontinu -

X

₂

Tekanan Darah Diatsolik Kontinu -

X

₃

Usia Kontinu -

X

₄

Jenis Kelamin Kategorik 1 : Laki-Laki 2 : Perempuan X

₅

Jenis Pembayaran Kategorik 1. : Jamkesnas

2. : Non Jamkesnas

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 26

VARIABEL PENELITIAN

Kode Nama Variabel Skala Kategori

X

₆

Hiperurikemia Kategorik 1 : ya

2 : tidak X

₇

Penyakit jantung Kategorik 1 : ya

2 : tidak X

₈

Diabetes mellitus Kategorik 1 : ya

2 : tidak X

₉

Hiperkolesterolemia Kategorik 1 : ya

2 : tidak X

₁₀

Hipertrigliseridemia Kategorik 1 : ya

2 : tidak

X

₁₁

TIA Kategorik 1 : ya

2 : tidak

X

₁₂

Jenis stroke Kategorik 1 : Stroke Infark/Iskemik

2 : Stroke Bleeding/ Hemoragik

METODE ANALISIS DATA

Mendeskripsikan karakteristik data pasien penderita stroke.

Data kontinu dengan minimum, maksimum, rata-rata, dan

standart deviasi.

Data kategorik dengan pie chart Mengkategorikan variabel T

menjadi 3 kelompok

Tabulasi silang antara T dan data kategorik

Mendapatkan faktor-faktor yang mempengaruhi laju perbaikan kondisi

klinis dan model regresi weibull Pengujian Distribusi data dengan

Anderson-Darling

Pengujian Multikolinieritas Seleksi model terbaik dengan AIC

dan seleksi backward

Pengujian signifikasi parameter Membuat estimasi parameter model

terbaik dari model regresi weibull Mendapatkan fungsi survival dan

Mendapatkan laju perbaikan kondisi klinis

Menghitung nilai odds ratio

Membuat visualisasi

dalam bentuk plot hazart

OUTLINE

HASIL PEMBAHASN

Analisis Deskripftif

Pengujain Distribusi

Pengujian Multikolinieritas

Faktor- faktor yang mempengar

uhi waktu survival

Laju perbaikan

kondisi

klinis

ANALISIS DESKRIPTIF

Variabel

Rata- rata

Standar

deviasi Minimum Maximum Waktu survival

(Hari) 8,44 2,73 4,00 15,00

Tekanan darah

Sistolik (mmHg) 154,38 26,53 110,00 230,00 Tekanan darah

Diastolik(mmHg) 93,38 14,41 50,00 140,00

Usia (Tahun) 61,10 11,87 23,00 89,00

Perempuan 60%

Laki-Laki 40%

Non- Jamkesnas

63%

Jamkesnas 37%

Tidak 67%

Hiperurike mia 33%

Tidak 66%

Penyakit Jantung

34%

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 30

ANALISIS DESKRIPTIF

Tidak 31%

TIA 69%

Stroke Hemoragik

18%

Stroke Iskemik 82%

Tidak 75%

Hipertrigli- seridemia

25%

Tidak Diabetes 46%

Melitus 54%

Tidak 52%

Hiperkoles- terolemia

48%

ANALISIS DESKRIPTIF

Variabel Kategori

Laju Perbaikan Klinis (%)

<7 hari 7-9 hari >9 hari Total

Jenis Kelamin Laki-laki 8,791 16,484 14,286 39,560

Perempuan 16,484 20,879 23,077 60,440

Jenis

Pembayaran

Jamkesnas 8,791 14,286 14,286 37,363

nonJamkesnas 16,484 23,077 23,077 62,637

Hiperurekimia Ya 7,692 13,187 12,088 32,967

Tidak 17,582 24,176 25,275 67,033

Penyakit Jantung Ya 5,495 10,989 17,582 34,066

Tidak 19,780 26,374 19,780 65,934

Diabetes Melitus Ya 10,989 16,484 26,374 53,846

Tidak 14,286 20,879 10,989 46,154

Hiperkolesterol Ya 8,791 14,286 25,275 48,352

Tidak 16,484 23,077 12,088 51,648

Hipertrigiserid Ya 8,791 10,989 5,495 25,275

Tidak 16,484 26,374 31,868 74,725

TIA Ya 12,088 26,374 30,769 69,231

Tidak 13,187 10,989 6,593 30,769

Jenis Stroke Infrak 21,978 34,066 26,374 82,418

Hemoragik 3,297 3,297 10,989 17,582

Tabulasi Silang

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 32

928 ,

1

1 , 20

= A

Distribution Anderson Darling

0.84157 1

0.87818 2

0.97166 3

10.022 4

10.198 5

1.163 6

11.746 7

14.337 8

18.128 9

18.658 10

PENGUJIAN DISTRIBUSI DATA

Kesimpulan : variabel dependen (waktu survival pasien

penderita stroke) berdistibusi Weibull 2 parameter.

PENGUJIAN MULTIKOLINIERITAS

No Variabel Chi-Square Hit Kesimpulan

1 JK*JP 2,338 Independen

2 JK*Hiperurikemia 3,112 Independen

3 JK*PJK 0,111 Independen

4 JK*DM 0,355 Independen

5 JK*Hiperkolesterol 0,364 Independen 6 JK*Hipertrigliserid 1,072 Independen

7 JK*TIA 0,001 Independen

8 JK*JS 0,035 Independen

9 JP*Hiperurikemia 1,655 Independen

10 JP*PJK 1,394 Independen

11 JP*DM 0,018 Independen

12 JP*Hiperkolesterol 0,39 Independen 13 JP*Hipertrigliserid 0,041 Independen

14 JP*TIA 0,471 Independen

15 JP*JS 0,310 Independen

16 Hiperurikemia*PJK 0,329 Independen

17 Hiperurikemia*DM 4,699 Dependen

18 Hiperurikemia*Hiperkolesterol 0,451 Independen 19 Hiperurikemia*Hipertrigliserid 0,046 Independen

Pengujian Independensi pada Variabel bertipe

Ketegorik

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 34

PENGUJIAN MULTIKOLINIERITAS

No Variabel

Chi-

Square Hit Kesimpulan

21 Hiperurikemia*JS 0,181 Independen

22 PJK*DM 0,091 Independen

23 PJK*Hiperkolesterol 0,792 Independen 24 PJK*Hipertrigliserid 0,181 Independen

25 PJK*TIA 1,48 Independen

26 PJK*JS 0,069 Independen

27 DM*Hiperkolesterol 0,017 Independen 28 DM*Hipertrigliserid 0,035 Independen

29 DM*TIA 0,001 Independen

30 DM*JS 1,735 Independen

31 Hiperkolesterol*Hipertrigliserid 0,18 Independen 32 Hiperkolesterol*TIA 0,044 Independen 33 Hiperkolesterol*JS 0,915 Independen 34 Hipertrigliserid*TIA 2,334 Independen 35 Hipertrigliserid*JS 1,677 Independen

36 TIA*JS 0,413 Independen

Pengujian Independensi pada Variabel

bertipe Ketegorik

PENGUJIAN MULTIKOLINIERITAS

Usia Sistolik Diastolik

Usia 1,000 0,465 0,261

Sistolik 0,465 1,000 0,743 Diastolik 0,261 0,743 1,000

Tidak terjadi multikolinieritas antara variabel dengan

tipe kontinu

Pada data bertipe kategorik terdapat satu kombinasi linier antara

variabel

Hiperurikemia*DM nilai Variance Inflation Factor (VIF) & Korelasi Pearson

Variabel VIF

Tekanan darah sistolik (X

₂

) 2,229

Tekanan darah diastolik (X

₃

) 2,229

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 36

PEMODELAN REGRESI WEIBULL

Variabel Coef SE.Coef Z P-value Intercept 0,4866 0,1085 4,4848 0,0000 Tekanan Darah

Sistolik 0,0007 0,0008 0,9153 0,3600 Tekanan Darah

Diatsolik -0,0003 0,0014 -0,1911 0,8484 Usia 0,0024 0,0013 1,8446 0,0651 Jenis Kelamin 0,0405 0,0258 1,5736 0,1156

Jenis

Pembayaran 0,0094 0,0249 0,3763 0,7067 Hiperurikemia 0,0163 0,0275 0,5919 0,5539 Penyakit jantung 0,0420 0,0254 1,6547 0,0980 Diabetes mellitus 0,0488 0,0244 2,0054 0,0449

Hiperkolesterole

mia 0,0656 0,0241 2,7214 0,0065 Hipertrigliseride

mia -0,0070 0,0286 -0,2433 0,8078 TIA 0,0561 0,0276 2,0369 0,0417 Jenis stroke -0,0859 0,0335 -2,5677 0,0102

Variabel AIC

Semua variabel independen 43,807

Tanpa tekanan darah diastolik (X₂) 41,844 Tanpa tekanan darah diastolik (X₂) dan

hipertrigliserida (X₁₀)

39,930 Tanpa tekanan darah diastolik (X₂), jenis

pembayaran (X₅), dan hipertrigliserida (X₁₀)

38,070 Tanpa tekanan darah diastolik (X₂), jenis

pembayaran (X₅), hipertrigliserida (X₁₀), dan hiperurikemia (X₆)

36,510

Tanpa tekanan darah diastolik (X₂), jenis pembayaran (X₅), hipertrigliserida (X₁₀),

hiperurikemia (X₆), dan tekanan darah sistolik (X₁)

35,829

Usia (X₃), penyakit jantung (X₇), diabetes mellitus (X₈), hiperkolesterol (X₉), TIA (X₁₁), dan jenis stroke (X₁₂)

36,484

Ket: α = 10% & Z_tabel= 1,645

PEMODELAN REGRESI WEIBULL

Ket: α = 10% & Z = 1,645

Variabel Coef Z P_value Intercept 0,5256 6,9913 0,0000

Usia 0,0032 3,3314 0,0009

Jenis Kelamin 0,0391 1,6367 0,1017 Penyakit jantung 0,0428 1,7104 0,0872 Diabetes mellitus 0,0542 2,3516 0,0187 Hiperkolesterol 0,0678 2,9642 0,0030

TIA 0,0615 2,4479 0,0144

Jenis stroke -0,0883 0,0042 0,0042

Variabel Estimasi Z P-value

Intersep 0,5648 7,6567 1,65E-26

Usia 0,0028 2,9238 0,0034

Penyakit jantung

(ya) 0,0464 1,8333 0,0667

Diabetes

mellitus (ya)

0,051 2,183 0,029

Hiperkolesterol

(ya) 0,0611 2,6749 0,0074

TIA (ya) 0,0619 2,4405 0,0146

Jenis stroke

(infark) -0,0839 -2,7114 0,0066

Model Terbaik dengan 6 variabel signifikan & Nilai AIC 36,484

Model pada Nilai AIC Terkecil

35,829 & 1 variabel tidak signifikan

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 38

PEMODELAN REGRESI WEIBULL

Pengujian Serentak

Hipotesis:

Variabel Z Signifikansi

Usia (X₃) 2,9238 0,0034

Penyakit Jantung (X₇) 1,8333 0,0667 Diabetes mellitus (X₈) 2,1830 0,0290 Hiperkolesterol (X₉) 2,6749 0,0074

TIA (x₁₁) 2,4405 0,0146

Jenis stroke (X₁₂) -2,7114 0,0066

Pengujian Parsial Minimal terdapat satu variabel independen yang

signifikan terhadap model

Variabel usia, diabetes melitus, hiperkolesterol,

TIA, dan jenis stroke berpengaruh signifikan

terhadap model

Ket: α = 10% & Z_tabel= 1,645

Serentak

Parsial ( ) ( )

^{ˆˆ 2ln expexp}

^{( (}

^1130,,21

^{) )}

^37,8

ln

2 2 =

−

− − Ω =

−

= L

G Lω

645 ,

2 =10

tabel

G

Pengujian Serentak

Statistik Uji:

H₀:

H₁: minimal ada satu yang tidak sama dengan 0 j = 3, 8, 9, 11, 12

12 0

11 9 8 7

3=β =β =β =β =β =

β

PEMODELAN REGRESI WEIBULL

Variabel DF Estimasi Z Signifikansi

Intersep 1 0,5648 7,6567 1,65E-26

Usia 1 0,0028 2,9238 0,0034

Penyakit jantung (ya) 1 0,0464 1,8333 0,0667 Diabetes mellitus

(ya) 1 0,051 2,183 0,029

Hiperkolesterol (ya) 1 0,0611 2,6749 0,0074

TIA (ya) 1 0,0619 2,4405 0,0146

Jenis stroke (infark) 1 -0,0839 -2,7114 0,0066

Model Regresi :

( ) ( ) ( ) ( ) ( )

( 0 , 5648 0 , 0028 0 , 0464 0 , 0510 0 , 0611 0 , 0619 0 , 0839 inf )

ˆ = exp + u + pj ya + dm ya + h ya + TIA ya − JS

λ

Estimasi Parameter

jika pasien berusia 30 tahun memiliki riwayat penyakit jantung, diabetes melitus, kolesterol diatas kondisi normal, TIA, dan jenis stroke infrak (koding 1) = 2,1942

jika pasien berusia 30 tahun tidak memiliki riwayat penyakit jantung, diabetes melitus,

kolesterol kondisi normal, TIA, dan jenis stroke hemoragik (koding 0) = 1,914

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 40

PEMODELAN REGRESI WEIBULL

probabilitas perbaikan kondisi klinis saat waktu t untuk pasien (koding 1) adalah sebesar 0,4167.

Sedangkan probabilitas perbaikan kondisi klinis saat waktu t untuk pasien (koding 0) adalah sebesar 0,5873.

( ) _⎟ ^⎟

⎠

⎞

⎜ ⎜

⎝

⎛ ⎟

⎠

⎜ ⎞

⎝

− ⎛

⎟ ⎠

⎜ ⎞

⎝

= ⎛

⁻

γ γ

γ

λ

λ γ

exp ˆ

ˆ ˆ

¹

t

t t

f

pasien berusia 30 tahun dan memiliki waktu perbaikan kondisi

klinis t selama 4 hari

⎟ ⎟

⎠

⎞

⎜ ⎜

⎝

⎛ ⎟

⎠

⎜ ⎞

⎝

− ⎛

−

=

γ

λ ^ˆ exp

1 )

ˆ ( t

t F

probabilitas perbaikan kondisi klinis sebelum waktu t untuk pasien (koding 1) adalah sebesar 0,1878.

Sedangkan probabilitas perbaikan kondisi klinis sebelum waktu

t untuk pasien (koding 0) adalah sebesar 0,2824.

PEMODELAN REGRESI WEIBULL

Fungsi Survival Koding (1)nilai survival sebesar 0,8121 Koding (0) nilai survival sebesar 0,7175

⎟ ⎟

⎠

⎞

⎜ ⎜

⎝

⎛ ⎟

⎠

⎜ ⎞

⎝

− ⎛

=

419 , 3

exp ˆ )

ˆ (

λ t t

S

Peluang pasien yang tidak mengalami

perbaikan kondisi klinis setelah 4 hari untuk pasien (koding 1) lebih besar dibandingkan pada pasien (Koding 0)

Waktu yang dibutuhkan oleh pasien (Koding 1) untuk mencapai perbaikan kondisi klinis lebih lama dibandingkan dengan pasien (koding 0)

nilai survival Koding (1) > nilai survival Koding (0).

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 42

PEMODELAN REGRESI WEIBULL

pasien yang memiliki riwayat penyakit jantung, diabetes melitus,

kolesterol di atas kondisi normal, TIA dan jenis stroke infrak

peluang untuk mengalami perbaikan lebih kecil dibandingkan

dengan pada kondisi sebaliknya

Fungsi Hazard Koding (1)nilai hazard sebesar 0,5131

Koding (0) nilai hazard sebesar 0,8185

( ) ³ _ˆ ^,

₃

⁴¹⁹

_,419 ^{3,419 1}

ˆ ⎟

⁻

⎠

⎜ ⎞

⎝

= ⎛ t

t

h λ

ODDS RATIO

Variabel Estimasi Odds Ratio

Usia 0,0028 0,9904

Penyakit jantung (ya) 0,0464 0,8531 Diabetes mellitus (ya) 0,0510 0,8398 Hiperkolesterol (ya) 0,0611 0,8114

TIA (ya) 0,0619 0,8090

Jenis stroke (infark) -0,0839 1,3326

Usia (U+1) memiliki peluang mencapai

perbaikan kondisi klinis 1,0096 kali lebih lama dibandingkan pasien pada usia U

• pasien yang memiliki penyakit jantung peluang mencapai perbaikan kondisi klinis 1,1721 kali lebih lama dibandingkan tidak pasien yang memiliki diabetes mellitus peluang mencapai perbaikan kondisi klinis 1,1906 kali lebih lama dibandingkan tidak

pasien yang memiliki hiperkolesterol peluang mencapai perbaikan kondisi klinis 1,2323 kali lebih lama dibandingkan tidak

• pasien yang memiliki TIA peluang mencapai perbaikan kondisi klinis 1,236 kali lebih lama dibandingkan tidak

pasien yang memiliki jenis stroke infrak peluang

mencapai perbaikan kondisi klinis 0,75 kali lebih

cepat dibandingkan jenis stroke hemoragik

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 44

Penyakit Jantung Diabetes mellitus Hiperkolesterol

TIA Jenis Stroke

PLOT HAZARD

KESIMPULAN

Analisis Deskriptif

rata-rata lama laju

perbaikan 8 hari, tekanan darah sistolik dan

diastolik adalah 154,38 dan 93,38, dan usia pasien 61 tahun

Sebagian besar pasien berjenis kelamin

perempuan, non jamkesnas, tidak

hiperurekemia, penyakit jantung,

hiperkolesterolemia, dan hipertrigliseridemia, dan memiliki riwayat penyakit diabetes mellitus,

mengalami penyakit stroke sebelumnya (TIA), dan memiliki jenis penyakit stroke infrak.

R eg resi W eib ull Faktor-faktor yang

mempengaruhi laju perbaikan kondisi klinis pasien penderita stroke di RSU Haji Surabaya

adalah usia, penyakit jantung, diabetes mellitus, hiperkolesterol, TIA, dan jenis stroke nilai AIC 36,484

Nilai odd ratio usia,

penyakit jantung, diabetes mellitus, hiperkolestertol, TIA , jenis stroke

kemungkinan mengalami perbaikan kondisi klinis 0,99;0,853; 0,839; 0,811;

0,8

Hasil P enelitian

Faktor-faktor yang mempengaruhi laju perbaikan kondisi klinis pada data laju perbaikan kondisi klinis pasien penderita stroke di RSU Haji Surabaya tahun 2012 dengan menggunakan regresi Weibull

memberikan hasil yang

sama dengan regresi Cox

Weibull.

Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 46

SARAN

Penelitan Selanjutnya

•menambahkan faktor-faktor yang secara teori dapat mempengaruhi laju perbaikan kondisi klinis pasien stroke

Pihak Terkait

•pihak rumah sakit diharapkan

mengendalikan faktor-faktor resiko

yang mempengaruhi laju perbaikan

kondisi pasien stroke seperti usia,

penyakit jantung, diabetes mellitus,

hiperkolesterol, TIA, dan jenis stroke

infrak

DAFTAR PUSTAKA

Agresti, A. (2002). Categorical Data Analysis, 2

^th

, John Wiley & Sons, New York.

Anonim1. (2012). “Waspada, 15 % Kasus Stroke Menyerang Usia Muda”, Surabaya Post Online (Diakses pada tanggal 30 November 2012) [http://www.surabayapost.co.id/]

Anonim2. “Weibull PDF.svg”, Wikipedia, the free encyclopedia.htm, (Diakses pada tanggal 19 Februari 2013) Anonim3. (2011). “The Barthel Index”, Stroke Center, (Diakses pada tanggal 2 Februari 2013)

[www.strokecenter.org/wp-content/uploads/2011/08/barthel.pdf]

Astuti, K. L. (2009), Analisis Tahan Hidup Virus Dengue Pada Penderita Demam Berdarah Dengue Melalui

Regresi Weibull, (Skripsi), Universitas Sebelas Maret, Solo.

Citra, A. (2012). “Pasien Stroke di Surabaya Meningkat Setiap Tahun”. antarajatim .com, (Diakses pada tanggal 30 November 2012) [http://www.antarajatim.com/lihat/berita/91120/pasien- stroke- di-surabaya- meningkat-setiap-tahun]

Collet, D. (1994). Modelling Survival Data in Medical Research, Chapman and Hall, London.

[Depkes] Departemen Kesehatan. (2008). Laporan Hasil Riset Kesehatan Dasar Nasional 2007, Badan Penelitian dan Pengembangan Kesehatan, Jakarta.

Draper N.R. dan Smith H. (1992). Analisa Regresi Terapan, 2

^th. John Wiley & Sons, New York.

Hanagal, D. D. (2005). “A Bivariate Weibull Regression Model: Heldermann Verlag”, Economic Quality

Control, Vol

20.

Hocking, R. R. (2003). Methods and Application of Linier Models (Regression and The Analysis of The

Variance, Second Edition), John Wiley & Sons, New York.

Israr, Y. A. (2008). STROKE , (Tesis), University of Riau Arifin Achmad General Hospital of Pekanbaru,

DAFTAR PUSTAKA

Le, C.T. (1997). Applied Survival Analysis, John Willey and Sons, Inc., New York.

Li, C., Hedblad, B., Rosvall, M., Buchwald, F., Khan, F.A., dan Engstrom, G. (2008). “Stroke Incidence,

Recurrence, and Case-Fatality in Relation to Socioeconomic Position: A Population-Based Study of Middle-Aged Swedish Men and Women”, Journal of American Hearth Association, 39, hal. 2191-2196.

O’quigley, J. and Roberts, A., (1980). “Weibull : A Regression Model For Survival Time Studies”, Unit for cancer

Research, School of Medicine, University of Leeds. Computer Programs in Biomedicine, England, 12, hal. 14-18 Quraisi, A. (2013). Estimasi Parameter Dengan Pengujian Hipotesis pada Model Regresi Bivariate Weibull (Study Kasus

pada Pasien Penyakit Deman Berdarah Dengue Di RSU Haji Surabaya Tahun 2011), (Tesis), Institut Teknologi Sepuluh Nopember, Surabaya.

Razali, N.M. dan Wah, Y. B. (2011). “Power Comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson Darling Test”, Journal of Statistical Modelling and Analytics, 2(1), hal. 21-33.

Siswanto, Y. (2005). Beberapa Faktor Risiko yang Mempengaruhi Kejadian Stroke Berulang (Studi Kasus di RS. Dr.

Kariadi Semarang), (Tesis), Program Pascasarjana Universitas Diponegoro, Semarang.

Sukirno, D. A. (2011), “Menkes : Stroke penyebab kematian utama kematian di RI”, viva.co.id (Diakses pada tanggal 9 Januari 2012) [http://life.viva.co.id/news/read/259794-menkes--stroke-tidak-kenal-umur]

Sulistyani, D. (2013). Anaisis terhadap faktor-faktor yang Mempengaruhi Laju Perbaikan Kondisi Klinis Pasien Penderita Stroke dengan Regresi Cox Weibull, (Skripsi), Institut Teknologi Sepuluh Nopember, Surabaya.

Wiguna. C, (2012), “Stroke Dalam Transisi Epidemiologi” Grevada.com (Diakses pada tanggal 30 November 2012) [http://grevada.com/kesehatan/author/candrawiguna/]

[WHO] World Health Organization. (2012). “The Atlas of Heart Disease and Stroke”, www.who.int (Diakses pada tanggal 2 Februari 2013) [http://www.who.int/cardiovascular_diseases/resources/atlas/en/]