KLASIFIKASI PENDERITA KANKER PAYUDARA DENGAN … · penyakit neoplasma ganas yang merupakan suatu...

KLASIFIKASI PENDERITAKANKER PAYUDARA

DENGAN PENDEKATANMETODE

REGRESI LOGISTIK

7/11/2010 1

KLASIFIKASI PENDERITAKANKER PAYUDARA

DENGAN PENDEKATANMETODE

REGRESI LOGISTIK

Oleh:RICKI INDRA P

1303 109 030

Latar Belakang• Kanker payudara (Carcinoma mammae) adalah suatu

penyakit neoplasma ganas yang merupakan suatupertumbuhan jaringan payudara abnormal yang berbedadengan jaringan disekitarnya (Pane, 2007).

• Jenis kanker yang sering didapati di Indonesia denganurutan sebagai berikut: kanker leher rahim, hati,payudara, paru-paru, kulit, nasofaring, limfoma, leukimia,dan kolon/rektum.

• Sesuai dengan urutan tersebut, kanker leher rahim(serviks) merupakan kanker pembunuh wanita nomor satudi Indonesia dan peringkat kedua di dunia setelah kankerpayudara (Messwati, 2005).

7/11/2010 2

• Kanker payudara (Carcinoma mammae) adalah suatupenyakit neoplasma ganas yang merupakan suatupertumbuhan jaringan payudara abnormal yang berbedadengan jaringan disekitarnya (Pane, 2007).

• Jenis kanker yang sering didapati di Indonesia denganurutan sebagai berikut: kanker leher rahim, hati,payudara, paru-paru, kulit, nasofaring, limfoma, leukimia,dan kolon/rektum.

• Sesuai dengan urutan tersebut, kanker leher rahim(serviks) merupakan kanker pembunuh wanita nomor satudi Indonesia dan peringkat kedua di dunia setelah kankerpayudara (Messwati, 2005).

Rumusan Masalahpermasalahan yang ada dalam penelitian ini

adalah sebagai berikut:Bagaimana faktor-faktor yang mempengaruhi

resiko penyebab kanker payudara dari modelregresi logistik yang telah diperoleh ?

7/11/2010 3

permasalahan yang ada dalam penelitian iniadalah sebagai berikut:

Bagaimana faktor-faktor yang mempengaruhiresiko penyebab kanker payudara dari modelregresi logistik yang telah diperoleh ?

Tujuan PenelitianTujuan yang ingin dicapai oleh penelitian ini yaitu

:Mendapatkan faktor-faktor yang mempengaruhiresiko penyebab kanker payudara dari modelregresi logistik yang telah diperoleh.

7/11/2010 4

Tujuan yang ingin dicapai oleh penelitian ini yaitu:Mendapatkan faktor-faktor yang mempengaruhiresiko penyebab kanker payudara dari modelregresi logistik yang telah diperoleh.

Manfaat PenelitianDiharapkan penelitian ini dapat memberikan

manfaat sebagai berikut:• Mengaplikasikan ilmu statistika khususnya regresi

logistik di bidang kedokteran.• Memberikan acuan tambahan bagi tenaga medis

mengenai faktor-faktor yang berperan secara signifikanterhadap resiko tinggi terserang penyakit kankerpayudara, sehingga dapat meningkatkan penanganan yangtepat terhadap pasien.

7/11/2010 5

Diharapkan penelitian ini dapat memberikanmanfaat sebagai berikut:

• Mengaplikasikan ilmu statistika khususnya regresilogistik di bidang kedokteran.

• Memberikan acuan tambahan bagi tenaga medismengenai faktor-faktor yang berperan secara signifikanterhadap resiko tinggi terserang penyakit kankerpayudara, sehingga dapat meningkatkan penanganan yangtepat terhadap pasien.

Batasan MasalahBatasan masalah dalam penelitian ini adalah menentukan

pola hubungan antar faktor-faktor yang dapat memicuseseorang untuk terserang penyakit kanker payudara.Penelitian didasarkan pada studi kasus di RSUD Dr.Soetomo Surabaya.

7/11/2010 6

Batasan masalah dalam penelitian ini adalah menentukanpola hubungan antar faktor-faktor yang dapat memicuseseorang untuk terserang penyakit kanker payudara.Penelitian didasarkan pada studi kasus di RSUD Dr.Soetomo Surabaya.

Tinjauan PustakaRegresi logistik dikotomus adalah suatu analisis regresiyang digunakan untuk mengambarkan hubungan antaravariabel respon (outcome / dependent) dengansekumpulan variabel prediktor (eksplanatory /independent) (Agresti, 1990), dimana variabelresponnya berskala biner atau dikotomus denganvariabel prediktor berskala dikotomus maupunpolikotomus.

7/11/2010 7

Regresi logistik dikotomus adalah suatu analisis regresiyang digunakan untuk mengambarkan hubungan antaravariabel respon (outcome / dependent) dengansekumpulan variabel prediktor (eksplanatory /independent) (Agresti, 1990), dimana variabelresponnya berskala biner atau dikotomus denganvariabel prediktor berskala dikotomus maupunpolikotomus.

model regresi logistik dengan k variabel prediktor

)ˆ...ˆˆexp(1)ˆ...ˆˆexp(

)(11

11

kko

kko

xxxxx

Bentuk logit

7/11/2010 8

Bentuk logit

g(x) = kko xx ˆ...ˆˆ11

Penaksiran parameter : dengan MLE

Uji signifikansi parameter

a. Uji parsialHipotesis :H0 : = 0

H1 : ≠ 0

Statistik Uji : Wald (W)

Kriteria penolakan (tolak H0) jika nilai .

b. Uji SerentakHipotesis :H0 :

H1 : paling sedikit ada satu (i = 1, 2,…, k)

Statistik Uji (Agresti, 1990) :

dengan ; ;


i

i

)ˆ(

ˆ

i

i

SE

2/ZW

7/11/2010 9

Uji signifikansi parameter

a. Uji parsialHipotesis :H0 : = 0

H1 : ≠ 0

Statistik Uji : Wald (W)


b. Uji SerentakHipotesis :H0 :

H1 : paling sedikit ada satu (i = 1, 2,…, k)

Statistik Uji (Agresti, 1990) :

dengan ; ;


0...21 k

0i

n

i

yi

yi

nn

ii

nn

nn

LnTestRatioLikelihoodG

1

1

01

2

12)(

01

i

ii yn i

io yn 1 1nnn o

2),( dbG

Prosedur klasifikasiMenggunakan APER

Actualmembership

Predicted membership…

n11 n12 … n1g

n21 n22 n2g

.

.

.

.

.

.

.

.

.

.

.

.ng1 ng2 … ngg

Keterangan :n11 = Jumlah yi dari tepat diklasifikasikan sebagain12 = Jumlah yi dari salah diklasifikasikan sebagain21 = Jumlah yi dari salah diklasifikasikan sebagainij = Jumlah yi dari salah diklasifikasikan sebagai ; i ≠ j ataunij = Jumlah yi dari tepat diklasifikasikan sebagai ; i = j, dimana i, j = 1,2,...,g.

APER (dalam % ) =

1 2 g

1

2

g

7/11/2010 10

Prosedur klasifikasiMenggunakan APER

Actualmembership

Predicted membership…

n11 n12 … n1g

n21 n22 n2g

.

.

.

.

.

.

.

.

.

.

.

.ng1 ng2 … ngg

Keterangan :n11 = Jumlah yi dari tepat diklasifikasikan sebagain12 = Jumlah yi dari salah diklasifikasikan sebagain21 = Jumlah yi dari salah diklasifikasikan sebagainij = Jumlah yi dari salah diklasifikasikan sebagai ; i ≠ j ataunij = Jumlah yi dari tepat diklasifikasikan sebagai ; i = j, dimana i, j = 1,2,...,g.

APER (dalam % ) =

g

1 1

1 2

2 1

i j

i j

g

gggg

nnnnnnnn

............

21

)1(111312

Metodologi PenelitianData yang digunakan dalam penelitian ini adalah data

sekunder, Sumber data yaitu berasal dari data sebelumya(Yuanita, 2008).

7/11/2010 11

Metode PenelitianMetode penelitian yang digunakan dalam penelitian

ini melalui tahap-tahap sebagai berikut:• Menentukan model regresi logistik antara variabel respon

dengan masing-masing variabel independen secaraindividu.

• Melakukan uji signifikansi parameter untuk setiap modelregresi logistik individu untuk mengetahui variabel-variabel independen mana yang berpengaruh secarasignifikan terhadap variabel respon.

7/11/2010 12

Metode penelitian yang digunakan dalam penelitianini melalui tahap-tahap sebagai berikut:

• Menentukan model regresi logistik antara variabel respondengan masing-masing variabel independen secaraindividu.

• Melakukan uji signifikansi parameter untuk setiap modelregresi logistik individu untuk mengetahui variabel-variabel independen mana yang berpengaruh secarasignifikan terhadap variabel respon.

• Menentukan model regresi logistik antara variabelrespon dengan variabel-variabel independen yangsignifikan secara serentak.

• Menghitung tingkat ketepatan pengklasifikasianvariabel respon dari model yang telah diperoleh.

• Menginterpretasikan model regresi logistik.

7/11/2010 13

• Menentukan model regresi logistik antara variabelrespon dengan variabel-variabel independen yangsignifikan secara serentak.

• Menghitung tingkat ketepatan pengklasifikasianvariabel respon dari model yang telah diperoleh.

• Menginterpretasikan model regresi logistik.

• Deskriptif Variabel

BAB IVHASIL DAN PEMBAHASAN

Tabel 4.1 Deskriptif Statistik

Variabel N Minimum Maximum Mean

Usia (X1) 100 21 77 49,28

Usia menstruasi pertama (X2) 100 9 17 13,38

Usia menikah (X3) 100 14 34 21,1

Tabel 4.1 Deskriptif Statistik

7/11/2010 14

Usia menikah (X3) 100 14 34 21,1

Variabel Frekuensi Persen

X4 tidak mempunyai anak 11 11

mempunyai anak 89 89

X5 tidak menyusui 18 18

menyusui 82 82

X6 tidak pernah KB 41 41

pernah KB 59 59

X7 tidak ada RPK 88 88

ada RPK 12 12

Regresi logistik dengan satu variabel prediktor(Univariat)Hipotesis :H0 : = 0, j = 1,2,...,7H1 : ≠ 0α = 0,05Statistik Uji:

Daerah penolakan H0: |W| >

Pola Hubungan antara Faktor-Faktor Risiko PenderitaKanker Payudara

j

7/11/2010 15

Regresi logistik dengan satu variabel prediktor(Univariat)Hipotesis :H0 : = 0, j = 1,2,...,7H1 : ≠ 0α = 0,05Statistik Uji:


j

64,105,02/ ZZ

)ˆ(ˆˆ

(W)Waldj

j

ES

Pengujian Signifikansi Parameter Model Regresi Logistik Univariat


Variabel Wald Sig. Odds Ratio

Usia (X1) 0,020 1,636 0,201 1,020

Usia menstruasi pertama (X2) -0,281 4,425 0,035* 0,755

7/11/2010 16

Usia menikah (X3) 0,048 0,807 0,369 1,050

Mempunyai anak atau tidak(X4)(1) 0,627 0,898 0,343 1,872

Pernah menyusui atau tidak(X5)(1) 0,272 0,270 0,603 1,312

Penggunaan KB (X6)(1) 0,083 0,041 0,839 1,086

Riwayat Penderita Keluarga(X7)(1) -21,477 0,000 0,999 0,000

Pengujian Hipotesis :H0 :H1 :α = 0,05Statistik Uji:

Daerah penolakan H0: G2 > 3,84Keputusan: Tolak H0

Kesimpulan: Minimal ada satu variabel prediktor yang pengaruhnyasignifikan terhadap variabel respon.

Regresi logistik dengan lebih dari satu variabelprediktor (multivariat)

0β0β

944,133

ˆ1ˆ2)(

1

1

01

2

01

n

i

yi

yi

nn

ii

nn

nn


7/11/2010 17

Pengujian Hipotesis :H0 :H1 :α = 0,05Statistik Uji:

Daerah penolakan H0: G2 > 3,84Keputusan: Tolak H0

Kesimpulan: Minimal ada satu variabel prediktor yang pengaruhnyasignifikan terhadap variabel respon.

944,133

ˆ1ˆ2)(

1

1

01

2

01

n

i

yi

yi

nn

ii

nn

nn


Untuk mengetahui variabel prediktor mana yang berpengaruh, maka dilakukanpengujian signifikansi parameter secara parsial sebagai berikut.H0 : = 0, j = 0,1H1 : ≠ 0α = 0,05Statistik Uji:


Regresi logistik dengan lebih dari satu variabelprediktor (multivariat)

ˆˆ

)((W)Wald

j

j

βESβ

7/11/2010 18

Untuk mengetahui variabel prediktor mana yang berpengaruh, maka dilakukanpengujian signifikansi parameter secara parsial sebagai berikut.H0 : = 0, j = 0,1H1 : ≠ 0α = 0,05Statistik Uji:

Daerah penolakan H0: |W| >)(

(W)Waldj

j

βESβ

64,105,02/ ZZ


Variabel Wald Sig. Keputusan

Usia (X1) 0,038 3,403 0,065* Tolak H0

Usia menstruasi pertama (X2) -0,265 2,779 0,095* Tolak H0

Pengujian Signifikansi Parameter Model Regresi Logistik Univariat

7/11/2010 19

Usia menstruasi pertama (X2) -0,265 2,779 0,095* Tolak H0

Usia menikah (X3) 0,1 2,544 0,111 Terima H0

Mempunyai anak atau tidak(X4)(1) 0,653 0,309 0,578 Terima H0

Pernah menyusui atau tidak(X5)(1) 0,258 0,07 0,791 Terima H0

Penggunaan KB (X6)(1) -0,322 0,355 0,551 Terima H0

Riwayat Penderita Keluarga(X7)(1) -21,438 0 0,998 Terima H0

Ketepatan pengklasifikasian responden

Interpretasi model regresi logistik

Observasi Taksiran Ketepatanklasifikasi

Non penderitaPenderita

7/11/2010 20

Non penderita

Non penderita 33 17 66%

Penderita 20 30 60%

Persentase keseluruhan 63%

BAB VKESIMPULAN DAN SARAN

Kesimpulan :• Variabel-variabel prediktor yang berpengaruh secara signifi-kan terhadap

variabel respon pada pemodelan regresi logistik univariat adalah X2 (Usiamenstruasi pertama) yaitu dengan model terbaik

• Sedangkan untuk regresi multivariat adalah X1 (Usia) dan X2 (Usiamenstruasi pertama)

• Dengan mengeksponensialkan untuk Nilai odds ratio pada variabel usia(X1)dan usia menstruasi pertama(X2) memiliki nilai yang jauh berbeda yaitusebesar 1,031 untuk X1 dan 0,711 untuk X2. Karena odds ratio variabel X1tersebut bernilai diatas 1, maka variabel tersebut memberikan pengaruhpositif terhadap faktor resiko penyebab penderita kanker payudara.

7/11/2010 21

Kesimpulan :• Variabel-variabel prediktor yang berpengaruh secara signifi-kan terhadap

variabel respon pada pemodelan regresi logistik univariat adalah X2 (Usiamenstruasi pertama) yaitu dengan model terbaik

• Sedangkan untuk regresi multivariat adalah X1 (Usia) dan X2 (Usiamenstruasi pertama)

• Dengan mengeksponensialkan untuk Nilai odds ratio pada variabel usia(X1)dan usia menstruasi pertama(X2) memiliki nilai yang jauh berbeda yaitusebesar 1,031 untuk X1 dan 0,711 untuk X2. Karena odds ratio variabel X1tersebut bernilai diatas 1, maka variabel tersebut memberikan pengaruhpositif terhadap faktor resiko penyebab penderita kanker payudara.

Daftar Pustaka• Agresti, Alan, (1990), Categorical Data Analysis, John Wiley and

Sons, Inc, New York.• Anita, (2007), Kanker Payudara,

(http://bima.ipb.ac.id/~anita/kanker_payudara.htm),download tanggal12 September 2007.

• Icha, (2003), Deteksi Dini Kanker Payudara, (http://www.pikiran-rakyat.com/cetak/0203/22/hikmah/lainnya02.htm), down load tanggal9 Oktober 2007.

• Johnson, R. A. Dan Wichern, D. W. (1992), Applied MultivariateStatistical Analysis, Prentice Hall, New Jersey.

• Messwati, E.D., (2005), Kanker Payudara, Paling Ditakuti KaumPerempuan,(http://kompas.com/kesehatan/news/0511/18/120708.htm),downloadtanggal 9 Oktober 2007.

7/11/2010 22

• Agresti, Alan, (1990), Categorical Data Analysis, John Wiley andSons, Inc, New York.

• Anita, (2007), Kanker Payudara,(http://bima.ipb.ac.id/~anita/kanker_payudara.htm),download tanggal12 September 2007.

• Icha, (2003), Deteksi Dini Kanker Payudara, (http://www.pikiran-rakyat.com/cetak/0203/22/hikmah/lainnya02.htm), down load tanggal9 Oktober 2007.

• Johnson, R. A. Dan Wichern, D. W. (1992), Applied MultivariateStatistical Analysis, Prentice Hall, New Jersey.

• Messwati, E.D., (2005), Kanker Payudara, Paling Ditakuti KaumPerempuan,(http://kompas.com/kesehatan/news/0511/18/120708.htm),downloadtanggal 9 Oktober 2007.

• Pane, M., (2007), Aspek Klinis dan Epidemiologis PenyakitKankerPayudara, (http://www.tempo.co.id/medika/arsip/082002/pus-3.htm) , download tanggal 9 Oktober 2007.

• Priambodo,D.A.,(2006), “Klasifikasi Penderita Kanker PayudaraDengan Pendekatan Regresi

• Ririn, R., (2007), Deteksi Sangat Dini Kanker Payudara, Jawabanuntuk Menghindar, (http://change.blogsome.com/2007/09/21/deteksi-sangat-dini-kanker-payudara-jawaban-untuk-menghindar/),down loadtanggal 9 Oktober 2007.

• Sutjipto, (2006), Permasalahan Deteksi Dini dan Pengobatan KankerPayudara,(http://www.dharmais.co.id/new/content.php?page=article&lang=en&id=17),download tanggal 12 September 2007.

• Yuanita. (2008), “Klasifikasi Penderita Kanker Payudara denganPendekatan Metode Multivariate Adaptive Regression Splines(MARS), Mahasiswa Jurusan Statistika FMIPA ITS, Surabaya.

7/11/2010 23

• Pane, M., (2007), Aspek Klinis dan Epidemiologis PenyakitKankerPayudara, (http://www.tempo.co.id/medika/arsip/082002/pus-3.htm) , download tanggal 9 Oktober 2007.

• Priambodo,D.A.,(2006), “Klasifikasi Penderita Kanker PayudaraDengan Pendekatan Regresi

• Ririn, R., (2007), Deteksi Sangat Dini Kanker Payudara, Jawabanuntuk Menghindar, (http://change.blogsome.com/2007/09/21/deteksi-sangat-dini-kanker-payudara-jawaban-untuk-menghindar/),down loadtanggal 9 Oktober 2007.

• Sutjipto, (2006), Permasalahan Deteksi Dini dan Pengobatan KankerPayudara,(http://www.dharmais.co.id/new/content.php?page=article&lang=en&id=17),download tanggal 12 September 2007.

• Yuanita. (2008), “Klasifikasi Penderita Kanker Payudara denganPendekatan Metode Multivariate Adaptive Regression Splines(MARS), Mahasiswa Jurusan Statistika FMIPA ITS, Surabaya.

TERIMA KASIH

7/11/2010 24

Oleh:RICKI INDRA P1303 109 030

KLASIFIKASI PENDERITA KANKER PAYUDARA DENGAN … · penyakit neoplasma ganas yang merupakan suatu...

Documents

Transcript of KLASIFIKASI PENDERITA KANKER PAYUDARA DENGAN … · penyakit neoplasma ganas yang merupakan suatu...