ANALISIS DATA UJI HIDUP MODEL COX REGRESI

UNTUK PASIEN KANKER PAYUDARA DI RSUP DR.

KARIADI SEMARANG

Tugas Akhir

Disusun sebagai syarat untuk memperoleh gelar Ahli Madya

Program Studi Statistika Terapan dan Komputasi

Oleh

Novi Destiyanto

4112314001

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2017

ii

iii

MOTTO

Sesungguhnya Allah tidak akan mengubah nasib suatu kaum hingga mereka

mengubah diri mereka sendiri .

(Q.S. Ar-Ra’d:11)

All our dreams can come true if we have the courage to pursue them .

(Walt Disney)

The most difficult to reach success is not when you reach it , but when you maintain

your hard-earned success what you get

(Deddy Corbuzier)

PERSEMBAHAN

Untuk Ayah, Ibu, Kakak, Sahabat,

Teman-teman.

iv

PRAKATA

Puji syukur peneliti panjatkan atas kehadirat Tuhan Yang Maha Esa yang

telah melimpahkan kasih dan karunia-Nya, sehingga peneliti dapat menyelesaikan

tugas akhir yang berjudul “Analisis Data Uji Hidup Model Cox Regresi untuk

Pasien Kanker Payudara di RSUP Dr. Kariadi Semarang”.

Dalam penyusunan tugas akhir ini tidak lepas dari kendala dan hambatan,

namun berkat bimbingan dan motivasi dari semua pihak yang telah membantu

peneliti dalam menyelesaikan penyusunan tugas akhir ini, maka peneliti

menyampaikan ucapan terima kasih khususnya kepada:

1. Prof. Dr. Fathurrahman, M.Hum. selaku Rektor Universitas Negeri Semarang.

2. Prof. Dr. Zaenuri Mastur, S.E., M.Si., Akt. selaku Dekan Fakultas

Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang.

3. Drs. Arief Agoestanto, M.Si. selaku Ketua Jurusan Matematika ,

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri

Semarang .

4. Dr. Wardono, M.Si., M.Kom. selaku Ketua Program Studi Statistika Terapan

dan Komputasi Universitas Negeri Semarang sekaligus Dosen Pembimbing II

yang telah memberikan petunjuk dan pengarahan dalam menyusun tugas akhir.

5. Prof. Dr. dr. Suprihati, M.Sc., Sp.THT-KL(K). selaku Ketua Komisi Etik

Penelitian Kesehatan Fakultas Kedokteran Undip-RS. Dr. Kariadi Semarang.

6. Dr. Agus Suryanto, Sp.PD-KP., MARS. selaku Direktur SDM dan

Pendidikan RSUP Dr. Kariadi Semarang.

v

7. dr. Fatimah Dyah Nur Astuti, Sp. M., MARS. selaku Kepala Instalasi

Rekam Medik RSUP Dr. Kariadi Semarang.

8. Instalasi Rekam Medik RSUP Dr. Kariadi Semarang selaku tempat penelitian

untuk data masa hidup pasien kanker paru.

9. Dr. Scolastika Mariani, M.Si selaku Dosen Pembimbing I yang telah

memberikan petunjuk dan pengarahan dalam menyusun tugas akhir.

10. Dr. dr. Nugrahaningsih, W. H., M.Kes. yang telah membantu dalam

penelitian.

11. Kedua orang tua serta kakak yang dengan kasih sayang memberikan

doa, motivasi, dan semangat sehingga peneliti dapat menyelesaikan tugas akhir

dengan baik.

12. Teman - teman yang sudah membantu dan memberi motivasi demi

kelancaran tugas akhir ini.

13. Sahabat – sahabat terima kasih atas canda, tawa dan perjuangan yang telah

dilakukan bersama-sama dalam penyusunan tugas akhir ini.

Pada tugas akhir ini peneliti menyadari masih jauh dari kesempurnaan, untuk

itu peneliti sangat mengharapkan saran dan kritikan untuk perbaikan di masa

mendatang. Akhir kata, semoga tugas akhir ini bermanfaat bagi pembaca dan

perkembangan ilmu pengetahuan.

Semarang, 11 Agustus 2017

Peneliti

vi

ABSTRAK

Novi Destiyanto, 2017. Analisis Data Uji Hidup Model Cox Regresi untuk Pasien Kanker Payudara Di RSUP Dr.Kariadi Semarang. Tugas Akhir, Jurusan

Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri

Semarang. Pembimbing Utama Dr. Wardono, M.Si. dan Pembimbing Pendamping

Dr.Scolastika Mariani,M.Si.

Kata Kunci: uji hidup, kanker payudara, ,cox regresi,baseline hazard.

Cox regresi adalah suatu analisis survival yang dapat

diimplementasikan dengan proporsional model hazard yang didesain untuk

menganalisis waktu hingga even atau waktu antara even. Untuk berbagai

prediktor variabel cox regresi akan menghasilkan estimasi dari berapa banyak

prediktor yang akan meningkatkan atau menurunkan odss dari even yang terjadi,

dengan rasio hazard sebagai pengukur untuk menguji pengaruh relatif dari

prediktor – prediktor variabel.Penelitian ini melakukan estimasi dengan metode

Skor karnofsky dengan cara yang paling mudah untuk melihat peforma dari

pasien atau yang biasa disebut performance status. Menurut Karnofsky (1949)

indeks skor karnofsky memudahkan pengklasifikasian pasien sesuai dengan

keadaan gangguan fungsionalnya, dilanjutkan dengan pengujian kesesuaian

model dengan menggunakan likehood ratio test dan pengujian signifikansi

parameter dengan Kapplan Meier dan dilakukan pemilihan model fungsi

hazard terbaik terbaik menggunakan Analisis Survival Time ,dengan rata –

rata waktu hidup pasien kanker payudara di RSUP Dr. Kariadi Semarang.

dengan waktu 25 Maret 2017 sampai dengan 25 Mei 2017. Data diperoleh dengan

dokumentasi dari pihak RSUP Dr.Kariadu Semarang dan terdapat 50 data pasien

kanker payudara dengan 46 data pasien teramati sedangkan 4 data pasien tersensor

tipe I. Data tersebut diolah dengan menggunakan program SPSS 17 dengan

metode cox regresi. Model regresi yang terbentuk adalah

= -0,0000914665 ( * * * * ).

Hasil penelitian menunjukkan bahwa rata – rata waktu hidup pasien kanker

payudara di RSUP Dr. Kariadi Semarang adalah 55 hari. Dan fungsi ketahanan

hidup yang terbentuk adalah S(t) = (S0(t))exp(-0,0000914665(X1*X2*X3*X4*X5)),

dengan S0(t) adalah baseline survival. Fungsi kegagalan yang terbentuk adalah

sebagai berikut ( * * * * )).dengan adalah

baseline hazard. Peluang kegagalan pasien untuk bertahan hidup selama lima

tahun jika umur pasien 64 tahun, skor karnofsky 70, bulan dari diagnosis 1 bulan,

jenis kanker adenocarsinoma (1), dan metode pengobatan kemoterapi (1) adalah

66,38%. Peluang keberhasilan pasien untuk bertahan hidup selama lima tahun jika umur pasien 64 tahun, skor karnofsky 70, bulan dari diagnosis 1 bulan, jenis

kanker adenocarsinoma (1), dan metode pengobatan kemoterapi (1) adalah 0%.

vii

ABSTRACT

Novi Destiyanto, 2017. Life Time Data Analysis for Lung Cancer Breast in Dr. Kariadi Semarang Hospital with Cox Regression Model. Final Project,

Department Mathematics Faculty of Mathematics and Natural Sciences, Semarang

State University. Main Counselors Dr.Wardono, M.Si. and Second Counselors

Dr.Scolastika Mariani,M.Si.

Keyword: life time, breast cancer, cox regression,baseline hazard.

Cox regression is a survival analysis that can be implemented with a

proportional model hazard designed to analyze time to event or time between

events. For various predictors the cox regression variables will result in estimates of

how many predictors will increase or decrease the odss of the event, with the

hazard ratio as a measure to test the relative influence of variable predictors. This

study estimates the method of karnofsky Score in a way that It's easiest to see the

performance of the patient or the so-called performance status. According

Karnofsky (1949) karnofsky score index facilitate the classification of patients in

accordance with the state of functional disorder, followed by testing the suitability

of the model by using likehood ratio test and testing the significance of the

parameters with Kapplan Meier and performed the best model of hazard function

best using Survival Time Analysis, Average life time of breast cancer patients in

Dr. Kariadi Semarang. With the time of March 25, 2017 until May 25, 2017. Data

obtained by the documentation of the parties Dr. Kariadi Semarang Hospital And

there were 50 data of breast cancer patients with 46 patient data observed while 4

data of type I censored patient. The data was processed by using SPSS 17 program

with cox regression method. The regression model that is formed is

= -0,0000914665 ( * * * * ).

The results showed that the average life time of lung cancer patients at the Dr. Kariadi Semarang Hospital is 55 days. And a survival function form is S(t) = (S0(t))exp(-0,0000914665(X1*X2*X3*X4*X5))

, with S0(t) is baseline survival. Hazard function form is ( * * * * )), with h0(t) is baseline hazard. Probability of failure from patients to survive for five years if age of patients 64 years old, karnofsky score 70, the month of diagnosis is 1 month, type of cancer is adenocarsinoma (1), and methods of treatment chemotherapy (1) is 66,38%. The chances of success from patients to survive for five years if age of patients 64 years old, karnofsky score 70, the month of diagnosis is 1 month, type of cancer is adenocarsinoma (1), and methods of treatment chemotherapy (1) is 0%.

viii

DAFTAR ISI

Halaman

HALAMAN JUDUL................................................................................... i

PERNYATAAN KEASLIAN TULISAN .................................................. ii

HALAMAN PENGESAHAN..................................................................... iii

MOTTO DAN PERSEMBAHAN .............................................................. iv

PRAKATA .................................................................................................. v

ABSTRAK .................................................................................................. vii

ABTRACT .................................................................................................. viii

DAFTAR ISI ............................................................................................... ix

DAFTAR TABEL ....................................................................................... xi

DAFTAR GAMBAR .................................................................................. xii

DAFTAR LAMPIRAN ............................................................................... xiv

BAB

I.

PENDAHULUAN....................................................................

1

1.1.Latar Belakang .................................................................... 1

1.2.Rumusan Masalah ............................................................... 3

1.3.Tujuan Penelitian ............................................................... 3

1.4.Manfaat Penelitian ............................................................. 4

1.5.Batasan Penelitian ............................................................... 5

1.6.Asumsi – Asumsi ................................................................ 6

ix

1.7.Sistematika Penulisan ......................................................... 6

II. TINJAUAN PUSTAKA .......................................................... 9

2.1.Analisis Data Uji Hidup ...................................................... 9

2.2.Kanker Payudara................................................................. 10

2.3.Skor Karnofsky.................................................................... 12

2.4.Penyensoran ........................................................................ 13

2.5.Analisis Regresi .................................................................. 17

2.6.Analisis Cox Regresi ........................................................... 18

2.7.Survival ............................................................................... 22

2.8.Hazard................................................................................. 23

III. METODE PENELITIAN ....................................................... 26

3.1.Jenis Penelitian ................................................................... 26

3.2.Tempat dan Waktu Penelitian ............................................. 26

3.3.Pengumpulan Data .............................................................. 26

3.4.Langkah – Langkah Penelitian............................................ 29

IV. HASIL DAN PEMBAHASAN ............................................... 36

4.1.Gambaran Umum Data ....................................................... 36

4.2.Pengolahan Data.................................................................. 38

4.3.Analisis Hasil Interpretasi ................................................... 53

4.4.Pembahasan......................................................................... 66

V. PENUTUP ................................................................................ 68

5.1.Kesimpulan ........................................................................ 68

5.2.Saran.................................................................................... 69

DAFTAR PUSTAKA ................................................................................. 70

LAMPIRAN ................................................................................................ 71

x

DAFTAR TABEL

Tabel Halaman

3.1.1. Variabel Penelitian .................................................................. 28

4.1.2. Data Hasil Penelitian Pasien Kanker Payudara

di RSUP Dr. Kariadi Semarang ............................................... 36

4.3.3. Omnibus Test Model Interaksi ................................................ 61

4.3.4. Omnibus Test Model Strata ..................................................... 62

4.3.5. Koefisien Beta ......................................................................... 63

xi

DAFTAR GAMBAR

Gambar Halaman

4.2.1. Kotak Dialog Kaplan Meier Variabel (Umur) .................. 39

4.2.2. Kaplan Meier Define Event Variabel (Umur) .................... 39

4.2.3. Kaplan Meier Options Variabel (Umur) ............................ 40

4.2.4. Kotak Dialog Kaplan Meier Variabel (Skor) ..................... 41

4.2.5. Kaplan Meier Define Event Variabel (Skor) ...................... 41

4.2.6. Kaplan Meier Options Variabel (Skor) .............................. 42

4.2.7. Kotak Dialog Kaplan Meier Variabel (Bulan) ................... 43

4.2.8. Kaplan Meier Define Event Variabel (Bulan).................... 43

4.2.9. Kaplan Meier Options Variabel (Bulan) ............................ 44

4.2.10. Kotak Dialog Kaplan Meier Variabel (Kanker)............... 45

4.2.11. Kaplan Meier Define Event Variabel (Kanker)................ 45

4.2.12. Kaplan Meier Options Variabel (Kanker)........................ 46

4.2.13. Kotak Dialog Kaplan Meier

Variabel (Metode Pengobatan)......................................... 47

4.2.14. Kaplan Meier Define Event

Variabel (Metode Pengobatan)......................................... 47

4.2.15. Kaplan Meier Options Variabel X5 (Metode Pengobatan).... 48

xii

4.2.16. Kotak Dialog Cox Regression ................................................ 49

4.2.17. Cox Regression Define Event .................................................

49

4.2.18. Cox Regression Model Interaksi ............................................

50

4.2.19. Cox Regression Model Strata.................................................

51

4.2.20. Cox Regression Plots .............................................................

52

4.2.21. Cox Regression Options .........................................................

52

4.3.22. Grafik Survival Kaplan Meier Variabel (Umur) ..............

53

4.3.23. Grafik Log Survival Kaplan Meier Variabel (Umur).......

54

4.3.24. Grafik Survival Kaplan Meier Variabel (Skor)................

54

4.3.25. Grafik Log Survival Kaplan Meier Variabel (Skor) ........

55

4.3.26. Grafik Survival Kaplan Meier Variabel (Bulan) ..............

56

4.3.27. Grafik Log Survival Kaplan Meier Variabel (Bulan) ......

57

4.3.28. Grafik Survival Kaplan Meier Variabel (Kanker)............

57

4.3.29. Grafik Log Survival Kaplan Meier Variabel (Kanker) ....

58

4.3.30. Grafik Survival Kaplan Meier

Variabel (Metode Pengobatan).........................................

59

4.3.31. Grafik Log Survival Kaplan Meier

Variabel X5 (Metode Pengobatan)......................................... 60

xiii

DAFTAR LAMPIRAN

Lampiran Halaman

I. Tabel Distribusi Chi Square ............................................ 71

II. Data Penelitian Pasien Kanker Payudara

di RSUP Dr. Kariadi Semarang ......................................

72

III. Output Pengolahan Data ................................................. 74

xiv

BAB I

PENDAHULUAN

1.1. Latar Belakang

Ilmu statistika sering digunakan dalam berbagai bidang ilmu pekerjaan

misalnya pada bidang ekonomi, sosial, politik, industri, pendidikan, dan

kesehatan. Dalam bidang kesehatan ilmu statistika digunakan sebagai tolak ukur

untuk mengambil suatu keputusan baik dalam penelitian maupun dalam

penanganan pasien. Contohnya apabila seorang bidan menggunakan ilmu statistika

untuk memprediksi berapa lama suatu janin yang berada didalam kandungan akan

dilahirkan oleh pasiennya. Tidak hanya itu terkadang seorang dokter juga

membutuhkan ilmu statistika untuk melihat ketahanan hidup pasien maupun objek

yang ditelitinya yang menderita suatu penyakit berbahaya. Analisis statistik seperti

ini yang biasa disebut dengan analisis data uji hidup.

Menurut Lawless (1982: 1) analisis data uji hidup atau yang biasa disebut

analisis data waktu hidup merupakan analisis statistik yang dikenakan pada data

kelangsungan hidup. Distribusi waktu hidup sering digunakan dalam ilmu teknik

dan biomedik. Metodologi distribusi waktu hidup ini biasanya dikenakan pada

penyelidikan daya tahan barang yang diproduksi dan untuk penelitian yang

melibatkan penyakit manusia. Data yang digunakan dalam analisis data uji hidup

biasanya disebut data waktu hidup.

1

2

Data waktu hidup adalah panjang sebenarnya dari kehidupan seorang individu

atau waktu kelangsungan hidup diukur dari beberapa titik awal tertentu dalam

waktu hidup suatu individu. Analisis data uji hidup dalam bidang kesehatan dan

kedokteran biasanya dikenakan pada penelitian yang melibatkan penyakit

berpotensi fital seperti leukemia, tumor, kanker, dan lain sebagainya. Untuk itu

peneliri tertarik untuk melakukan analisis data uji hidup terhadap data pasien

kanker , terutama kanker payudara yang didominasi oleh kaum wanita.

Kanker payudara adalah tumor ganas pada jaringan payudara. Jaringan

payudara terdiri dari kelenjar susu (kelenjar pembuat air susu), saluran kelenjar

(saluran air susu), dan jaringan penunjang payudara. Oleh Word Health

Organization (WHO) penyakit ini dimasukkan ke dalam International

Classification of Disease (ICD) .

Kanker payudara terjadi karena adanya kerusakan pada gen yang

mengatur pertumbuhan dan diffrensiasi sehingga sel itu tumbuh dan berkembang

biak tanpa dapat dikendalikan. Penyebaran kanker payudara terjadi melalui

pembuluh getah bening dan tumbuh di kelenjar getah bening, sehingga kelenjar

getah bening aksila ataupun supraklavikula membesar. Kemudian melalui

pembuluh darah kanker menyebar ke organ lain seperti paru-paru, hati dan otak.

Kanker payudara ditemukan di seluruh dunia, tahun 2003, insiden kanker

payudara di Belanda 91 per 100.000 penduduk, Amerika 71,7 per 100.000

penduduk, Swiss 70 per 100.000 wanita, Australia 83,2 per 100.000 penduduk,

Kanada 84,7, Indonesia 26 per 100.000 wanita pada tahun 2002 dan Jepang 16 per

100.000 penduduk. Hal tersebut dapat dilihat dan ditentukan dengan model regresi

yang digunakan.

3

Kanker payudara lebih sering dijumpai pada umur 40-49 tahun yaitu

sebesar 30,35%. Menurut Sukardja yang dikutip oleh Arlinda (2002) di Amerika

frekuensi kanker payudara tertinggi ditemukan pada umur 40-50 tahun.21

Demikian juga di Jepang yaitu sebesar 40,6% kanker payudara ditemukan pada

umur 40-49 tahun dan jarang pada umur kurang dari 30 tahun.

Sehingga analisis seperti inilah yang sangat diperlukan untuk mengetahui

seberapa lama pasien yang menderita kanker paru dapat bertahan hidup. Dan

seberapa besar resiko kegagalan dalam bertahan hidup selama waktu yang

diperkirakan.

1.2. Rumusan Masalah

Berdasarkan latar belakang di atas dapat dirumuskan permasalahan sebagai

berikut.

1. Berapa rata – rata waktu hidup pasien kanker payudara di RSUP

Dr. Kariadi Semarang?

2. Bagaimanakah bentuk fungsi ketahanan hidup dan fungsi kegagalan

dari data kelangsungan hidup pasien kanker payudara di RSUP Dr.

Kariadi Semarang?

3. Berapa persenkah peluang keberhasilan dan peluang kegagalan pasien

kanker payudara di RSUP Dr. Kariadi Semarang untuk waktu hidup

selama 5 (lima) tahun?

4

5

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut.

1. Untuk mengetahui rata – rata waktu hidup pasien kanker

payudara di RSUP Dr. Kariadi Semarang.

2. Untuk mengetahui bentuk fungsi ketahanan hidup dan fungsi

kegagalan dari data kelangsungan hidup pasien kanker payudara di

RSUP Dr. Kariadi Semarang.

3. Untuk mengetahui peluang keberhasilan dan peluang kegagalan pasien

kanker payudara di RSUP Dr. Kariadi Semarang untuk waktu hidup

selama 5 (lima) tahun.

1.4. Manfaat Penelitian

Adapun manfaat tugas akhir ini adalah sebagai berikut.

1. Bagi Mahasiswa

a. Mahasiswa dapat menerapkan ilmu pengetahuan dan metodologi

yang telah diperoleh selama di bangku kuliah dalam penerapan di

dunia nyata.

b. Menguji kemampuan mahasiswa mengenai penerapan ilmu yang

telah diperoleh.

c. Memberi pengetahuan kepada mahasiswa mengenai penerapan

ilmu statistika itu sangat luas.

6

2. Bagi Jurusan Matematika

a. Membangun kerjasama pihak RSUP Dr. Kariadi Semarang dengan

pihak Jurusan Matematika, Fakultas Matematika dan Ilmu

Pengetahuan Alam, Universitas Negeri Semarang.

b. Menjadi referensi untuk mahasiswa maupun dosen

dalam melakukan penelitian lebih mendalam mengenai analisis

statistik yang digunakan untuk pasien kanker payudara di RSUP

Dr. Kariadi Semarang khususnya.

3. Bagi RSUP Dr. Kariadi Semarang

Sumber informasi kepada RSUP Dr. Kariadi Semarang mengenai rata

– rata waktu hidup pasien kanker payudara peluang bertahan hidup,

dan peluang kegagalan pasien untuk bertahan secara statistika.

1.5. Batasan Penelitian

Penelitian ini dibatasi hanya dengan melihat dari hasil dokumentasi pasien

yang mengidap penyakit kanker payudara RSUP Dr. Kariadi Semarang yang

dimulai pada tanggal 25 Maret 2017 sampai dengan 25 Mei 2017. Dengan data

yang diambil yakni data pasien kanker payudara yang dibatasi dengan sensor

tipe I yakni dimulai dari tanggal 1 Januari 2013 sampai dengan 31 Mei 2017 dan

diperoleh sebanyak 50 data pasien.

7

Serta variabel yang diteliti yakni dengan variabel terikat atau dependent adalah

variabel (time) atau waktu pasien bertahan hidup dalam hari. Dan variabel

status yakni status pasien meninggal atau masih tetap hidup serta variabel

independent ada 5 (lima). Variabel independent atau variabel bebas ada variabel

(umur) adalah umur pasien saat pertama mengidap sakit kanker payudara yang

dinyatakan dalam tahun. Variabel (skor karnofsky) adalah keadaan awal pasien

saat awal masuk studi dari nol (0) sampai dengan seratus (100). Variabel

(bulan diagnosis) adalah banyaknya bulan dari diagnosis awal. Variabel (jenis

kanker) adalah klasifikasi kanker yang diderita small cell, skuamosa,

adenocarsinoma, dan sel besar. Variabel (metode pengobatan) adalah metode

pengobatan yang dijalani pasien yakni kemoterapi dan non kemoterapi.

1.6. Asumsi – Asumsi

Asumsi yang diperoleh dengan adanya batasan waktu yakni data termasuk

dalam tersensor tipe I. Pada pengujian nantinya tidak berpengaruh asumsi –

asumsi yang biasanya dikenakan pada model regresi. Serta asumsi yang berlaku

hanya random sampling, tidak ada sensoring, dan data bebas outlier dan tidak ada

multikolinieritas antar variabel independent atau bebas. Serta memenuhi asumsi

proportional hazard (PH).

8

\

1.7. Sistematika Penulisan Tugas Akhir

Secara umum format penulisan tugas akhir adalah sebagai berikut.

Halaman Judul

Pernyataan Keaslian Tulisan

Halaman Pengesahan

Motto dan Persembahan

Prakata

Abstrak

Abstract

Daftar Isi

Daftar Tabel

Daftar Gambar

Daftar Lampiran

BAB I. PENDAHULUAN

1.1.Latar Belakang

1.2.Rumusan Masalah

1.3.Tujuan Penelitian

1.4.Manfaat Penelitian

1.5.Batasan Penelitian

1.6.Asumsi – Asumsi

1.7.Sistematika Penulisan

9

BAB II. TINJAUAN PUSTAKA

2.1. Analisis Data Uji Hidup

2.2. Kanker Payudara

2.3. Skor Karnofsky

2.4. Penyensoran

2.5. Analisis Regresi

2.6. Analisis Cox Regresi

2.7. Survival

2.8. Hazard

BAB III. METODE PENELITIAN 3.1.Jenis Penelitian

3.2.Tempat dan Waktu Penelitian

3.3.Pengumpulan Data

3.4.Langkah – Langkah Penelitian

10

BAB IV. HASIL DAN PEMBAHASAN

4.1. Gambaran Umum Data

4.2. Pengolahan Data

4.3. Analisis Hasil Interpretasi

4.4. Pembahasan

BAB V. PENUTUP

5.1. Kesimpulan

5.2. Saran

Daftar Pustaka

Lampiran

BAB II

TINJAUAN PUSTAKA

2.1. Analisis Data Uji Hidup

Analisis data uji hidup menurut Lawless (1982: 1) atau yang biasa disebut

dengan analisis data waktu hidup merupakan analisis statistik yang dikenakan

pada data kelangsungan hidup. Distribusi waktu hidup sering digunakan dalam

ilmu teknik dan biomedik. Metodologi distribusi waktu hidup ini biasanya

dikenakan pada penyelidikan daya tahan barang yang diproduksi dan untuk

penelitian yang melibatkan penyakit manusia. Data yang digunakan dalam analisis

data uji hidup biasanya disebut data waktu hidup.

Menurut Lawless (1982: 1) data waktu hidup adalah panjang sebenarnya

dari kehidupan seorang individu atau waktu kelangsungan hidup diukur dari

beberapa titik awal tertentu dalam waktu hidup suatu individu. Analisis data uji

hidup dalam bidang kesehatan dan kedokteran biasanya dikenakan pada penelitian

yang melibatkan penyakit berpotensi fital seperti leukemia, tumor, kanker, dan

lain sebagainya. Dalam pengkajian menyangkut pengobatan penyakit yang

berbahaya orang tertarik pada lamanya tahan hidup penderita yang diukur sejak

tanggal diagnosis atau permulaan waktu tertentu. Lamanya tahan hidup penderita

dikatakan survival time.

9

12

2.2. Kanker Payudara

Kanker payudara adalah tumor ganas pada jaringan payudara. Jaringan

payudara terdiri dari kelenjar susu (kelenjar pembuat air susu), saluran kelenjar

(saluran air susu), dan jaringan penunjang payudara. Oleh Word Health

Organization (WHO) penyakit ini juga dimasukkan ke dalam International

Classification of Disease (ICD) dengan kode 174-175 . Menurut Sutriston (1992)

kanker payudara adalah neoplasma spesifik tempat terlazim perempuan yang

merupakan penyebab utama kematian perempuan akibat kanker. Sedangkan

menurut Luwia (2005) kanker payudara adalah kanker yang berasal dari kelenjar,

saluran kelenjar ,dan jaringan penunjang payudara. Dari pendapat tersebut maka

peneliti dapat menyimpulkan bahwa kanker payudara adalah perubahan sel-sel

yang mengalami pertumbuhan tidak normal dan tidak terkontrol pada payudara.

Kanker payudara ditemukan di seluruh dunia. Tahun 2003, insidens kanker

payudara di Belanda 91 per 100.000 penduduk, Amerika 71,7 per 100.000

penduduk, Swiss 70 per 100.000 wanita, Australia 83,2 per 100.000 penduduk,

Kanada 84,7, Indonesia 26 per 100.000 wanita pada tahun 2002 dan Jepang 16 per

100.000 penduduk. Semua wanita memiliki risiko terkena kanker payudara. Kanker

payudara juga bisa menyerang pria dengan perbandingan 1 : 100 antara pria dengan

wanita.

12

Kanker payudara lebih sering dijumpai pada umur 40-49 tahun yaitu sebesar

30,35%. Menurut Sukardja yang dikutip oleh Arlinda (2002) di Amerika frekuensi

kanker payudara tertinggi ditemukan pada umur 40-50 tahun. Demikian juga di

Jepang yaitu sebesar 40,6% kanker payudara ditemukan pada umur 40-49 tahun

dan jarang pada umur kurang dari 30 tahun. Kanker payudara terjadi karena adanya

kerusakan pada gen yang mengatur pertumbuhan dan diffrensiasi sehingga sel itu

tumbuh dan berkembang biak tanpa dapat dikendalikan. Penyebaran kanker

payudara terjadi melalui pembuluh getah bening dan tumbuh di kelenjar getah

bening, sehingga kelenjar getah bening aksila ataupun supraklavikula membesar.

Kemudian melalui pembuluh darah kanker menyebar ke organ lain seperti paru-

paru, hati dan otak.

Penyebab kanker payudara sampai saat ini belum diketahui. Penyebab

kanker payudara termasuk multifaktorial yaitu banyak faktor yang terkait satu

dengan yang lainnya. Beberapa faktor risiko yang mempengaruhi timbulnya

kanker payudara adalah :

a. Usia

Risiko utama kanker payudara adalah bertambahnya usia. Berdasarkan

penelitian American Cancer Society tahun 2006 diketahui usia lebih dari 40

tahun mempunyai risiko yang lebih besar untuk mendapatkan

kanker payudara yakni 1 per 68 penduduk .

12

Risiko ini akan bertambah seiring dengan pertambahan usia yakni

menjadi 1 per 37 penduduk usia 50 tahun, 1 per 26 penduduk usia 60

tahun dan 1 per 24 penduduk usia 70 tahun. Data American Cancer

Society (2007) melaporkan 70% perempuan didiagnosa menderita

kanker payudara di atas usia 55.

b. Jenis Kelamin

Kanker payudara lebih banyak ditemukan pada wanita. Pada pria juga

dapat terjadi kanker payudara, namun frekuensinya jarang hanya kira-

kira 1% dari kanker payudara pada wanita.

c. Riwayat Reproduksi

Riwayat reproduksi dihubungkan dengan banyak paritas ,umur

melahirkan anak pertama dan riwayat menyusui anak. Wanita yang

tidak mempunyai anak atau yang melahirkan anak pertama di usia

lebih dari 30 tahun berisiko 2-4 kali lebih tinggi daripada wanita yang

melahirkan pertama di bawah usia 30 tahun. Wanita yang tidak

menyusui anaknya mempunyai risiko kanker payudara 2 kali lebih

besar. Kehamilan dan menyusui mengurangi risiko wanita untuk

terpapar dengan hormon estrogen terus.

12

d. Riwayat Kanker Individu

Penderita yang pernah mengalami infeksi atau operasi tumor jinak

payudara berisiko 3-9 kali lebih besar untuk menderita kanker

payudara. Penderita tumor jinak payudara seperti kelainan fibrokistik

berisiko 11 kali dan penderita yang mengalami operasi tumor ovarium

mempunyai risiko 3-4 kali lebih besar.

e. Riwayat Kanker Keluarga

Secara genetik, sel-sel pada tubuh individu dengan riwayat keluarga

menderita kanker sudah memiliki sifat sebagai embrio terjadinya sel

kanker. Menurut Sutjipto (2000) , kemungkinan terkena kanker

payudara lebih besar 2 hingga 4 kali pada wanita yang ibu dan saudara

perempuannya mengidap penyakit kanker payudara.

f. Menstruasi cepat dan Menopause lambat

Wanita yang mengalami menstruasi pertama pada usia kurang dari 12

tahun dan wanita yang mengalami masa menopausenya terlambat lebih

dari 55 tahun berisiko 2,5 hingga 5 kali lebih tinggi daripada wanita

yang menstruasi pada usia normal . Wanita yang menstruasi pertama di

usia kurang dari 12 tahun dan wanita yang mengalami masa menopause

terlambat akan mengalami siklus menstruasi lebih lama sepanjang

hidupnya yang mengakibatkan keterpaparan lebih lama dengan hormon

estrogen.

12

g. Pajanan Radiasi

Wanita yang terpapar penyinaran (radiasi) dengan dosis tinggi di dinding

dada berisiko 2 hingga 3 kali lebih tinggi.

h. Obesitas dan Konsumsi makanan lemak tinggi

Wanita yang mengalami kelebihan berta badan (obesitas) dan individu

dengan konsumsi tinggi lemak berisiko 2 kali lebih tinggi terkena

kanker payudara dari yang tidak obesitas dan yang tidak sering

mengkonsumsi makanan tinggi lemak. Risiko ini terjadi karena jumlah

lemak yang berlebihan dapat meningkatkan kadar estrogen dalam

darah sehingga akan memicu pertumbuhan sel-sel kanker.

Terdapat metode pengobatan dalam menangani masalah kanker payudara.

Metode pengobatan ini disesuaikan dengan kondisi kanker yang diderita oleh

pasien. Selain disesuaikan pada kondisi pasien juga berdasarkan persetujuan baik

dari keluarga maupun pasien itu sendiri.

Metode pengobatan kanker paru ada beberapa yakni sebagai berikut.

a. Pembedahan

Menurut Promkes RSUD Tugurejo Semarang (2015) pembedahan adalah

tindakan pengangkatan tumor melalui operasi.

12

Namun besar kemungkinan masih ada sel – sel kanker yang tertinggal

sehingga biasanya dilanjutkan dengan kemoterapi.

b. Radioterapi

Radioterapi atau terapi sinar menurut Promkes RSUD Tugurejo

Semarang (2015) adalah pengobatan kanker dengan menggunakan

energi pengion dan non pengion yang ditujukan untuk membunuh sel –

sel kanker payudara. Menurut Zwaveling et al (1985: 330) radiasi primer

merupakan indikasi pada penderita tumor kecil yang terbatas pada

daerah sekitar payudara yang karena sesuatu sebab tidak dapat dioperasi.

c. Kemoterapi

Kemoterapi menurut Promkes RSUD Tugurejo Semarang (2015) adalah

pemberian obat – obatan neoplastic yang bertujuan untuk membunuh sel

– sel kanker. Biasanya pengobatan ini menggunakan dua obat yang satu

berbasis plastina (baik cisplatin maupun carboplatin). Obat yang lain

yang biasa digunakan adalah gemcitabine, paclitaxel, docetaxel,

pemetrexed, etoposide, atau vinorelbine. Menurut Zwaveling et al (1985:

331) kemoterapi tunggal untuk karsinoma paru yang sudah ditinggalkan

dan diganti dengan kombinasi dua obat atau lebih, baik bersama – sama

atau berturut – turut. Indikasi utamanya adalah karsinoma yang telah

mengadakan metastasis dan memberikan keluhan.

18

2.3. Skor Karnofsky

Skor karnofsky adalah cara yang paling mudah untuk melihat peforma dari

pasien atau yang biasa disebut performance status. Menurut Karnofsky (1949)

indeks skor karnofsky memudahkan pengklasifikasian pasien sesuai dengan

keadaan gangguan fungsionalnya. Pengklasifikasian tersebut memudahkan

evaluasi hasil terapi, dan penilaian prognosis pasien. Skor karnofsky terdiri dari

nilai 100 – 0, dengan nilai 100 adalah keadaan sehat tanpa gangguan, dan nilai 0

adalah mati. Sistem penilaian ini dinamakan berdasarkan penemunya, Dr. David

A. Karnofsky yang pertama kali menjelaskan sistem penilaian ini pada tahun

1949.

1. 100% - normal, tanpa keluhan, tanpa gejala penyakit.

2. 90% - dapat menjalankan aktifitas sehari – hari, sedikit tanda dan gejala

dari penyakit.

3. 80% - aktifitas sehari – hari normal namun sedikit kesulitan, dengan

beberapa tanda dan gejala penyakit.

4. 70% - mampu merawat diri sendiri, tetapi tidak dapat beraktifitas normal

atau bekerja.

5. 60% - butuh dampingan dan bantuan orang lain, masih dapat mengurus

kebutuhan dasar pribadi.

19

6. 50% - membutuhkan lebih banyak bantuan orang lain dan perawatan

medis.

7. 40% - terbatas pada tempat tidur dan kursi, membutuhkan perawatan

medis khusus.

8. 30% - terbatas pada tempat tidur saja, tidak dapat mengurus diri sendiri.

9. 20% - sakit berat, membutuhkan banyak perawatan dan pengobatan.

10. 10% - keadaan kritis, perjalanan penyakit fatal rapid progressive.

11. 0% - meninggal.

2.4. Penyensoran

Menurut Lawless (1982: 31) suatu data dikatakan tersensor jika lamanya hidup

seseorang yang ingin diketahui atau diobservasi hanya terjadi pada waktu yang

telah ditentukan (interval pengamatan), sedang info yang ingin diketahui tidak

terjadi pada interval tersebut, dengan demikian tidak diperoleh informasi apapun

yang diinginkan selama interval pengamatan.

Tipe – tipe penyensoran menurut Johnson dalam Lawless (1982: 31) ada

tiga yakni sebagai berikut.

1. Penyensoran Tipe I

Pada penyensoran sebelah kanan tipe I, penelitian diakhiri apabila waktu

pengamatan yang ditentukan tercapai. Jika waktu pengamatan sama

untuk semua unit maka dikatakan penyensoran tunggal.

20

Jika waktu pengamatan untuk setiap unit berbeda maka dikatakan

penyensoran ganda. Pada penyensoran sebelah kiri tipe I, pengamatan

dilakukan jika telah melampaui awal waktu yang ditentukan.

Karakteristik penyensoran tipe I adalah bahwa kegagalan adalah acak.

Misalkan , , …, adalah sampel random distribusi tahan hidup

dengan fungsi kepadatan peluang , fungsi survival , sedangkan

waktu sensor untuk semua sama yaitu misalkan , sampel demikian

dikatakan sampel dengan waktu sensor tunggal. Akan tetapi pada

umumnya untuk setiap diberikan waktu sensor .

Semaua komponen dikatakan terobservasi jika ≤ diperoleh variabel

waktu dan variabel yang menunjukkan semua komponen telah mati

yaitu dan dengan

,

Maka fungsi kepadatan peluangnya adalah

(2.4.1)

21

2. Penyensoran Tipe II

Pada penyensoran tipe II, pengamatan diakhiri setelah sejumlah

kegagalan yang telah ditetapkan diperoleh, atau dapat dikatakan

banyaknya kegagalan adalah tetap dan waktu pengamatan adalah acak.

Pada sensor kanan jenis II, jumlah individu pada saat awal ditentukan

dan waktu penelitian ditentukan sampai terjadinya kematian dengan

jumlah tertentu. Pada sensor kiri jenis II, titik awal penelitian dilakukan

saat waktu kegagalan terurut.

Data tersensor tipe II adalah suatu data waktu hidup yang terdapat r buah

observasinya dalam sampel random yang berukuran n dengan (1≤r≤n).

Penyensoran tipe II lebih sering digunakan misalnya dalam data uji

hidup, total n item ditempatkan pada tes, tetapi tidak semua n gagal, tes

dihentikan jika observasi mengalami kegagalan ke r. Tes tersebut dapat

menghemat waktu yang sangat lama untuk semua item gagal dalam

beberapa kasus. Akan terlihat bahwa perlakuan statistik data tersensor

tipe II, setidaknya langsung pada prinsipnya.

Perlu ditekankan bahwa dengan sensor tipe II jumlah observasi

ditentukan sebelum data dikumpulkan. Secara formal, data terdiri dari

terkecil waktu hidup ≤ ≤…≤ dari sampel acak n waktu hidup

, …, dari distribusi hidup dalam pertanyaan. Jika , …, i.i.d.

dan memiliki distribusi kontinu dengan fkp dan fungsi survival

,

22

maka hasil umum pada urutan statistik fkp bersama dari

adalah

(2.4.2)

3. Penyensoran Maju (Progresive Censoring)

Pada penyensoran maju, suatu jumlah yang ditentukan dari unit – unit

bertahan dikeluarkan dari penelitian berdasarkan kejadian dari tiap

kegagalan terurut. Secara konseptual, hal ini sama dengan suatu praktek

yang dikenal sebagai sudden- death testing, dimana tes secara serempak

memuat beberapa pengetesan dan apabila terjadi kegagalan pertama

keseluruh pengetesan dianggap gagal.

Tipe penyensoran menurut Latan (2014:306) terbagi menjadi tiga yakni sebagai

berikut.

1. Tipe I Sensoring

Observasi mempunyai waktu sensoring yang tetap. Tipe I sensoring

diasumsikan tidak terjadi kecelakaan sehingga semua sensoring observasi

sama dari awal sampai berakhirnya studi.

2. Tipe II Sensoring

Peneliti akan menetapkan target yang harus dipenuhi di dalam desain

studi.

23

Tipe II sensoring diasumsikan tidak ada kecelakaan dan sensoring

observasi sama dengan atau lebih besar dari uncensored observasi.

3. Tipe III Sensoring

Menurut Sukestiyarno (2011: 66) analisis regresi adalah tidak jauh berbeda

pengertiannya dengan analisis korelasi. Pada analisis korelasi hanya

melihat hubungan antara variabel x dan y, dimana antara variabel x dan y

berkedudukan sama artinya bias dipertukarkan antara yang satu

mempengaruhi yang lain. Pada analisis regresi ingin melihat hubungan

satu arah antar variabel yang lebih khusus dimana variabel x berfungsi

sebagai variabel bebas yang mempengaruhi dan variabel y sebagai variabel

terikat adalah yang terpengaruhi. Biasanya variabel x disebut sebagai

variabel independent dan variabel y disebut sebagai variabel

dependent.Menurut Latan (2014: 162) analisis regresi merupakan

teknik analisis statistik yang digunakan untuk menguji hubungan antara

satu variabel atau lebih variabel independent (prediktor) dengan satu

variabel dependent (kriteria). Analisis regresi mempunyai dua tujuan

utama yaitu untuk memprediksi dan untuk menganalisis hubungan kausal.

24

2.6. Analisis Cox Regresi

Menurut Latan (2014: 326) cox regresi adalah salah satu analisis survival

yang menggunakan banyak faktor di dalam model. Cox regresi adalah suatu

analisis survival yang dapat diimplementasikan dengan proporsional model

hazard yang didesain untuk menganalisis waktu hingga even atau waktu antara

even. Untuk berbagai prediktor variabel cox regresi akan menghasilkan estimasi

dari berapa banyak prediktor yang akan meningkatkan atau menurunkan odss dari

even yang terjadi, dengan rasio hazard sebagai pengukur untuk menguji pengaruh

relatif dari prediktor – prediktor variabel.

Di dalam cox regresi satu atau lebih prediktor biasanya disebut

kovariat yang digunakan untuk memprediksi status even variabel Cox regresi

dapat digunakan ketika baseline fungsi hazard yang sama tidak dapat

diasumsikan untuk sebuah prediktor variabel tetapi fungsi baseline tersebut

harus mengikuti level dari kategorikal prediktor. Menurut Dahlan (2012: 37)

asumsi yang harus dipenuhi dalam menggunakan cox regresi adalah dengan

pengecekan asumsi proportional hazard (PH) apabila ada variabel yang tidak

memenuhi asumsi PH maka harus menggunakan cox regresi dengan model

interaksi atau strata. Asumsi PH dapat ditentukan dengan kurva Kaplan Meier

dan nilai p pada global test.

25

Pemodelan fungsi hazard pada analisis cox regresi adalah sebagai berikut.

(2.6.3)

Dengan penjelasan :

adalah fungsi hazard ke – t

adalah baseline hazard.

(2.6.4)

(2.6.5)

Dan model analisis survivalnya adalah sebagi berikut.

(2.6.6)

dengan:

S(t) adalah fungsi survival ke – t.

S0(t) adalah baseline survival.

26

(2.6.7)

(2.6.8)

Dalam analisis cox regresi tidak diperlukan asumsi dan data survival

umumnya tidak berdistribusi simetris. Likelihood ratio (omnibus) test untuk

semua model biasa disebut omnibus test. Log likelihood adalah tes mengukur

kesalahan dari model. Ketika menggunakan -2 itu disesuaikan untuk distribusi chi

square sehingga -2 log likelihood (-2LL) umumnya digunakan. -2 log likelihood

statistik bila nilai signifikansi kurang dari α maka model adalah signifikan, berarti

paling tidak ada satu kovariat memberikan kontribusi yang signifikan untuk

menjelaskan durasi dari even.

Menurut Dahlan (2012: 68) untuk cox regresi model interaksi dan model

strata digunakan apabila terdapat variabel yang tidak memenuhi asumsi PH

sehingga untuk memilih model manakah yang lebih baik biasanya digunakan

rumus di bawah ini.

(2.6.9)

27

dengan:

adalah selisih likelihood ratio untuk setiap degree of freedom.

adalah likelihood ratio full model.

LRr adalah likelihood ratio reduced model.

P(k-1) adalah degree of freedom.

P adalah jumlah variabel interaksi pada full model.

k adalah jumlah strata pada reduced model.

Koefisien regresi untuk melihat koefisien dari kovariat atau masing –

masing variabel independent. Dapat dilihat dari signifikan uji wald jika sig > α

maka kovariat tersebut tidak berpengaruh dan berlaku juga sebaliknya.

(2.6.10)

Dalam cox regresi asumsi yang harus dipenuhi adalah tidak ada

multikolinieritas. Biasanya dapat dilihat pada coefficient correlation matrix antar

variabel independent atau antar kovariat.

28

Rumus yang digunakan dalam penghitungan korelasi antar variabel

independent menurut Sukestiyarno (2011:

50) seperti di bawah ini. (2.6.11)

dengan

adalah koefisien korelasi.

adalah banyaknya sampel.

adalah variabel independent.

adalah variabel independent yang lain.

29

Menurut Ernawatiningsih (2012) regresi cox merupakan salah satu analisis

survival yang sering digunakan. Metode ini pertama kali dikenalkan oleh Cox dan

respon yang digunakan adalah data yang diperoleh dari perhitungan waktu suatu

peristiwa tertentu (waktu survival).

2.7. Survival

Menurut Lawless (1982: 8) survival adalah kemungkinan seseorang

bertahan sampai waktu t diberikan oleh fungsi daya tahan. Bentuk fungsinya

adalah sebagai berikut.

(2.7.12)

Dalam beberapa konteks, terutama yang melibatkan waktu hidup dari

barang hasil produksi, S(t) disebut sebagai fungsi reliabilitas. Diketahui S(t)

adalah turunan fungsi kontinu dengan S(0) = 1 dan S(∞) = limt→∞ S(t) = 0 kuantil

ke – p dari distribusi T adalah tp sedemikian sehingga Pr(T≤tp) = p. Sehingga, tp =

F-1

(p). Kuantil ke – p juga disebut sebagai persentil ke – 100 p dari distribusi.

(2.7.13)

30

Dengan S(t) adalah fungsi survival dan F(t) adalah fungsi distribusi

komulatif ke – t. Dengan model cox regresi menurut Dahlan (2012: 27) bentuk

fungsi dari fungsi survival adalah sebagai berikut.

(2.7.14)

dengan:

S(t) adalah fungsi survival ke – t.

S0(t) adalah baseline survival.

(2.7.15)

(2.7.16)

Menurut Ernawatiningsih (2012) analisis survival merupakan suatu metode

statistik yang berkaitan dengan waktu, yaitu dimulai dari time origin atau start

point sampai pada suatu kejadian khusus (failure even / end point). Fungsi

survival digunakan untuk menyatakan probabilitas suatu individu bertahan dari

waktu mula-mula sampai waktu t.

31

2.8. Hazard

Menurut Lawless (1982: 8) menentukan tingkat kematian seketika atau

kegagalan pada waktu t, mengingat bahwa individu bertahan sampai t. Khususnya

adalah probabilitas kematian di diberikan hidup sampai t.

Fungsi hazard juga mempunyai nama lain diantaranya adalah laju bahaya, laju

kegagalan (usia tertentu), dan kekuatan kematian. Fungsi hazard ,

didefinisikan sebagai berikut.

(2.8.17)

Fungsi , , , dan memberikan spesifikasi matematis setara

dengan distribusi T. Mudah untuk menurunkan ekspresi untuk dan dari

: =

(2.8.18)

sehingga,

(2.8.19)

32

Dan karena S(0) = 1, maka

(2.8.20)

untuk beberapa tujuan tertentu itu juga berguna untuk menentukan fungsi hazard

komulatif

(2.8.21)

yang mana, dari rumus (2.8.20) berkaitan dengan fungsi daya tahan

dari dapat dilihat bahwa , maka

. Sehingga fungsi hazard untuk distribusi

kontinu waktu hidup memiliki sifat yang akhirnya

selain rumus (2.8.20), maka dari rumus (2.8.17) .

Pada model cox regresi fungsi hazard menurut

Dahlan (2012 : 27) dapat dilihat sebagai berikut .

(2.8.22)

33

dengan:

adalah fungsi hazard ke t.

adalah baseline hazard.

(2.8.23)

(2.8.24)

BAB V

PENUTUP

5.1. Kesimpulan

Dari hasil pengolahan data dan interpretasi hasil yang didapatkan, sehingga

dapat ditarik kesimpulan sebagai berikut.

1. Rata – rata waktu hidup pasien kanker payudara di RSUP Dr.

Kariadi Semarang adalah 55 hari.

2. Bentuk fungsi ketahanan hidup yang terbentuk adalah

dengan adalah

baseline survival dan bentuk fungsi kegagalan yang terbentuk

adalah ,dengan

adalah baseline hazard .

3. Peluang keberhasilan pasien untuk bertahan hidup selama lima tahun jika

umur pasien 64 tahun, skor karnofsky 70, bulan dari diagnosis 1 bulan,

jenis kanker payudara adenocarsinoma (1), dan metode pengobatan

kemoterapi (1) adalah 0%. Dan peluang kegagalan pasien untuk bertahan

hidup selama lima tahun jika umur pasien 64 tahun, skor karnofsky 70,

bulan dari diagnosis 1 bulan, jenis kanker adenocarsinoma (1),

dan metode

pengobatan kemoterapi (1) adalah 66,38%.

5.2. Saran

Saran yang dapat diberikan agar dapat diperhatikan oleh peneliti selanjutnya

adalah sebagai berikut.

1. Sebaiknya dari pihak RSUP Dr.Kariadi perlu memiliki metode atau

pengobatan alternatif yang lebih efektif agar pasien kanker payudara

memiliki Rata – rata waktu hidup lebih dari 55 hari dan dapat bertahan

lebih lama .

2. Pihak dari RSUP Dr.Kariadi diharapkan dapat menekan angka kematian

wanita di Jawa Tengah khususnya di Semarang agar dapat melakukan

pencegahan dini terhadap kanker dengan baseline hazard 66,38% yang

artinya angka tersebut masih cukup rendah dalam hal pelayanan

penanggulangan terhadap kanker payudara.

3. Sebaiknya diadakan sosialisasi sejak dini tentang penyebab dan akibat yang

ditimbulkan oleh penyakit kanker payudara serta upaya untuk

mengkampanyekan agar wanita-wanita baik di Jawa Tengah maupun di

Indonesia dapat menghindari dan melakukan pencegahan awal terhadap

penyakit kanker payudara.

DAFTAR PUSTAKA

Aditiawarman. 2005. Hubungan Ketahanan Hidup 1 Tahun Penderita Kanker Payudara yang Dirawat di RSUP Dr. Kariadi Semarang dengan Faktor – Faktor yang Berhubungan. Karya Akhir PPDS I: Fakultas Kedokteran

Universitas Diponegoro.

Ahmed, F. E., Vos, P. W., dan Holbert, D.: Modeling Survival in Colon Cancer :

A Metodological Review. Molecular Cancer, 6, 15 (2007)

Baehaqi, Ronald. 2010. Hubungan Jumlah Leukosit dan Skor Karnofsky pada Pasien Kanker Payudara. Karya Tulis Ilmiah. Semarang: Fakultas

Kedokteran Universitas Diponegoro.

Cox, D. R.: Regression Model and Life Table. J Roy Stat Soc B, 34, 187-202

(1972)

Collet, D.: Modelling Survival Data in Medical Reseach. London: Chapman and

Hall. (1994)

Chuansumrit A, Tagnararatcchakit K, Hongeng S, et al.: Dengue Hemorrhagic fever

in children with underlying hematologic-oncologic diseases. Thai J Hematol

Transf Med, 13, (2003)

Dahlan, M. Sopiyudin. 2012. Seri 11 Analisis Survival : Dasar – Dasar Teori dan

Aplikasi Dengan Program SPSS. Jakarta: Epidemologi Indonesia.

Dinas Kesehatan Provinsi Jawa Tengah. Profil Kesehatan Provinsi Jawa Tengah

Tahun 2009. Jawa Tengah (Indonesia): Dinas Kesehatan Provinsi Jawa

Tengah: 2009.

Ernawatinigsih, Ni Putu Lisa. 2012. Analisis Survival dengan Model Regresi Cox.

Jurnal Matematika, Vol 2. No.2.

70

Gale, Danielle & Charette, Jane. 1999. Oncology Nurcing Care Plans. Translated

by I Made Kariyasa. Edited by Monica Ester. Jakarta: EGC.

Hill, B.M.: The three parameter lognormal distribution and Bayesian analysis of a

point-source epidemic. Journal of the American Statistical Association 58, 72-84

(1963)

Hosmer, D.W., Lemeshow, S. and May, S.: Applied Survival Analysis. Wiley &

Sons, Inc., Hoboken, New Jersey. (2008)

Karnofsky DA, Burchenal JH. 1949. “The Clinical Evaluation of

Chemotherapeutic Agents in Cancer.” In: MacLeod CM (Ed), Evaluation of Chemotherapeutic Agents. Columbia Univ Press. Page 196.

Latan, Hengki. 2014. Aplikasi Analisis Data Statistik untuk Ilmu Sosial Sains dengan IBM SPSS. Bandung: Alfa Beta.

Law, A. M., & Kelton, D. W.: Simulation Modelling Analysis (3th ed.). New York:

MacGraw-Hill. (2000)

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

Liang, C.,Zheng, G., Zhu, N., Zhe, T., Lu , S., dan Chen, L.: A New Environmental

Heat Stress Index for Indoor Hot and Humid Envirenments Based on Cox

Regres- sion. Journal International of Buliding and Environment, 46, 2472-2479

(2011)

Lawless, J.F. 1982. Statistical Models and Methods for Lifetime Data. USA: John

Wiley & Sons, Inc.

Promkes RSUD Tugurejo Semarang. 2015. Layanan Onkologi Mengenal Kanker.

Jawa Tengah (Indonesia): RSUD Tugurejo Semarang: 2015.

Sudjana. 2005. Metoda Statistika Ed.6. Bandung: Tarsito Bandung.

Sukestiyarno. 2011. Olah Data Penelitian Berbantuan SPSS. Semarang:

Universitas Negeri Semarang.

Supartono & Suryanto, Agus. 2012. Faktor – Faktor yang Mempengaruhi Ketahanan Hidup Satu Tahun Penderita Kanker Paru Stadium Lanjut di RSUP Dr. Kariadi Semarang. Medical Hospitalia, vol 1(1): 25 – 31.

Zwavelling, A., Zonneveld, R.J. Van, & Schaberg, A. 1985. Onkologi. Jakarta:

Balai Pustaka.

70