ANALISIS SURVIVAL UNTUK MENGETAHUI LAJU KESEMBUHAN PENYAKIT TB PARU di JAKARTA BERBASIS DESKTOP APPLICATION

Transkripsi

1 ANALISIS SURVIVAL UNTUK MENGETAHUI LAJU KESEMBUHAN PENYAKIT TB PARU di JAKARTA BERBASIS DESKTOP APPLICATION Indra Maulana., Rokhana D.B., Franky H.M. Universitas Bina Nusantara Jl. Kebon Jeruk No. 27, Kebon Jeruk, Jakarta Barat Telp.(62-21) Fax. (62-21) Abstract Indonesia ranks ninth in the world in the case tuberculosis, therefore analyzed using survival analysis methods. This study will examine the characteristics of tuberculosis patients, knowing the factors that affect recovery, as well as knowing the rate of recovery of these factors. This study conducted in Jakarta using data sample in RSUP Persahabatan and using a data sample of 74 data.this study will examine the factors and the rate of recovery of patients using survival analysis methods with parametric models. known to most of the patients with tuberculosis were age years, with the female gender. than that most of the patients with tuberculosis have smoking behavior and body weight between kg. using parametric models weibull that the factors that affect the occurrence of recovery of patients with a significance level of 10% is the factor of sex and smoking behavior. Value of acceleration factor and the value of the hazard ratio is known that the male sex has a greater chance of recovery and a faster treatment time compared with the female gender. while the patients with smoking behavior have a greater chance of recovery and a faster treatment time than having smoking behavior. (IM) Keywords : Tuberculosis, Discovery Rate, Survival Analysis Indonesia menempati peringkat kesembilan dunia dipenyakit tuberculosis pada tahun 2011, oleh karena itu dilakukan analisis dengan metode analisis survival. Penelitian ini akan meneliti tentang kateristik pasien TB paru, mengetahui faktor yang mempengaruhi kesembuhan pasien serta mengetahui laju kesembuhan dari faktor tersebut. Penelitian ini dilakukan di Jakarta dengan sampel di RSUP Persahabatan dan menggunakan sampel sebanyak 74 data. Penelitian ini akan meneliti faktor dan laju kesembuhan pasien dengan menggunakan metode survival analisis dengan model Parametric Weibull. Diketahui sebagian besar penderita TB paru berada diusia tahun, dengan jenis kelamin perempuan. Selain itu sebagian besar pasien penderita TB paru memiliki perilaku merokok serta berat badan antara kg. Dengan Model Parametric Weibull diketahui bahwa faktor-faktor yang mempengaruhi terjadinya kesembuhan pasien dengan taraf signifkansi 10% adalah faktor jenis kelamin, dan perilaku merokok. Dari nilai acceleration factor dan hazard ratio diketahui bahwa jenis kelamin laki-laki mempunyai peluang sembuh lebih besar dan waktu pengobatan yang lebih cepat dibandingkan dengan jenis kelamin perempuan. Sementara itu pasien denga perilaku tidak merokok mempunyai peluang sembuh lebih besar dan waktu pengobatan yang lebih cepat dibandingkan dengan yang mempunyai perilaku merokok. (IM) Kata kunci : TB Paru, Laju Kesembuhan, Analisis Survival

2 1. PENDAHULUAN Penyakit Tuberkulosis atau yg lebih dikenal dengan nama TB Paru merupakan penyakit menular yang disebabkan oleh bakteri Mycobacteryum tuberculosis. Penyakit ini merupakan salah satu infeksi pada paru-paru yang kronik. World Health Organization (WHO) mendata bahwa ada sekitar,7 juta kasus TB PARU baru (13% bersama HIV ) dan 1,4 juta orang meninggal karena TB PARU, termasuk 1 juta mati karena HIV negatif dan karena HIV positif (WHO, 2011). Indonesia sendiri menempati peringkat kesembilan dunia dan diperkirakan mempunyai 242 juta kasus penyakit TB Paru (WHO, 2011). Dari data Badan Pusat Statistik (BPS) tahun 2010 diketahui bahwa daerah yang paling banyak terkena TB Paru ada di wilayah Jakarta Timur, yaitu 935 penderita Selanjutnya tempat kedua di tempati wilayah Jakarta Utara yaitu 3133 penderita, tempat ketiga di tempati wilayah Jakarta Selatan yaitu 136 penderita, tempat keempat di tempati di wilayah Jakarta Barat 1120 penderita, dan tempat yang mempunyai penderita TB Paru paling kecil berada di wilayah Jakarta Pusat yaitu 536 penderita (BPS, 2011). Salah satu metode yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi kesembuhan penderita penyakit TB Paru adalah survival analysis. Survival analysis adalah teknik statistik yang digunakan untuk menganalisis data yang bertujuan untuk mengetahui hasil dari variabel yang mempengaruhi suatu awal kejadian sampai akhir kejadian, misal waktu yang dicatat dalam hari, minggu, bulan, atau tahun. Untuk kejadian awal misalkan awal pasien terjangkit penyakit dan untuk kejadian akhir misalkan kematian pasien dan kesembuhan pasien (Kleinbaum & Klein dan Klein, 2011). Penelitian yang telah menggunakan metode survival analysis diantaranya One (2012). Penelitian tersebut adalah tentang pengaruh TB Paru terhadap terjadinya kanker paruparu di Tuberculosis Endemic Country. Kelebihan dari metode dalam penelitian tersebut adalah peneliti dan para tenaga medis dapat memprediksikan waktu kesembuhan pasien penyakit TB Paru. Berdasarkan penjelasan diatas, maka dalam penelitian ini mengangkat permasalahan antara lain Bagaimana karakteristik penderita penyakit TB Paru di Jakarta? Faktor apa saja yang mempengaruhi waktu kesembuhan penyakit TB Paru di Jakarta? Dan bagaimana laju kesembuhan pasien TB Paru berdasarkan variabel yang mempengaruhi model?. Tujuan dari penelitian ini adalah Mengetahui karakteristik penderita TB Paru di Jakarta, Mengetahui faktor-faktor yang mempengaruhi laju kesembuhan penyakit TB PARU Paru di Jakarta, serta Mengetahui laju kesembuhan penderita penyakit TB Paru berdasarkan faktor-faktor mempengaruhi. 2. METODE PENELITIAN Untuk mengetahui karakteristik penderita penyakit tuberkulosis yang dirawat di RSUP Persahabatan, maka langkah-langkah analisis yang digunakan sebagai berikut: a. Membuat pie chart setiap variabel independen. b. Membuat Kaplan-Meier. Untuk mengetahui faktor-faktor apa saja yang mempengaruhi waktu survival penderita penyakit tuberkulosis yang dirawat di RSUP Persahabatan, peneliti melakukan langkah-langkah analisisnya sebagai berikut : a. Menduga Distribusi data. b. Menyusun model regresi weibull. c. Estimasi parameter model. d. Melakukan uji signifikansi parameter model terbaik dengan hipotesis : H0 : Model dapat memberikan informasi terhadap semua faktor yang mempengaruhi kesembuhan pasien penderita TB Paru. H1 : Model dapat memberikan informasi paling tidak ada satu faktor yang mempengaruhi terhadap kesembuhan pasien penderita TB Paru. H0 : Faktor-faktor yang mempengaruhi kesembuhan penyakit TB Paru mempunyai pola waktu yang cepat. H1 : Faktor-faktor yang mempengaruhi kesembuhan penyakit TB Paru mempunyai pula waktu yang lama. Untuk mengetahui laju kesembuhan dan laju ketahanan hidup pasien penderita penyakit tuberkulosis, peneliti melakukan langkah-langkah analisis sebagai berikut : e. Menghitung nilai acceleration factor dan hazard ratio dari variabel yang berpengaruh terhadap model untuk mengetahui perbandingan laju kesembuhan setiap kategori.

3 f. Perancangan dan pembangunan aplikasi untuk mendukung perhitungan metode analsis survival. 3. HASIL DAN BAHASAN 3.1 Analisis Data dan Bahasan Analisis variabel independent dan variabel dependen Analsis ini berguna untuk mengetahui nilai rata-rata, maximum, dan minimum dari variabel independen dan variabel dependen. Tabel 3.1 Analisis variabel waktu Variabel Mean Min Max Waktu - tersensor - tidak tersensor 65,204 60,4 Karakteristik pasien berdasarkan status pasien disajikan dalam tabel 3.1. Dari tabel tersebut dapat diketahui bahwa untuk status pasien tersensor rata-rata waktu pengobatan yang dilakukan penderita TB Paru adalah 65,204 hari. Waktu yang tercepat untuk staus pasien tersensor dalam menjalani pengobatan berada di waktu 15 hari. Waktu yang terlama untuk staus pasien tersensor dalam menjalani pengobatan berada di waktu hari. Untuk status pasien tidak tersensor ratarata waktu pengobatan yang dilakukan penderita TB Paru adalah 60,4 hari. Waktu yang tercepat untuk staus pasien tidak tersensor dalam menjalani pengobatan berada di waktu hari. Waktu yang terlama untuk staus pasien tidak tersensor dalam menjalani pengobatan berada di waktu hari. Tabel 3.2 Analisis variabel waktu berdasarkan faktor Independen Rata-Rata Min Max Usia tahun tahun tahun tahun tahun tahun Jenis Kelamin Laki-laki = 1 Perempuan = 2 Perlakuan Merokok Tidak = 0 Ya = 1 Berat Badan 40 kg kg kg kg > 75 kg 61,2 65,25 71,35 69,634 39,5 70,333 69,179 57,657 57,773 72,467 67,7 57,795 6, ,75 4,333 Karakteristik pasien berdasarkan variabel waktu yang di pengaruhi oleh variabel usia disajikan dalam Tabel 3.2. Dari tabel tersebut dapat diketahui bahwa sebagian besar penderita TB Paru yang memiliki rata-rata waktu pengobatan terlama berada pada usia tahun yaitu dengan waktu 71,35 hari. Waktu maksimal pada pasien melakukan pengobatan berada pada usia tahun yaitu hari dan untuk waktu minimal pasien melakukan pengobatan berada pada pasien dengan usia tahun yaitu dengan waktu hari. Karakteristik pasien berdasarkan variabel waktu yang di pengaruhi oleh variabel jenis kelamin disajikan dalam Tabel 4.2. Dari tabel tersebut dapat diketahui bahwa sebagian besar penderita TB Paru yang berada pada jenis kelamin laki-laki berada pada rata-rata waktu 69,179 hari. Rata-rata waktu penderita TB Paru yang memiliki memiliki jenis kelamin perempuan adalah 57,657. Waktu maksimal pada jenis kelamin laki-laki yaitu hari dan untuk waktu minimal adalah 17 hari. Waktu maksimal pada jenis kelamin perempuan yaitu hari dan untuk waktu minimal adalah hari

4 Karakteristik pasien berdasarkan variabel waktu yang di pengaruhi oleh variabel perlakuan merokok disajikan dalam Tabel 3.2. Dari tabel tersebut dapat diketahui bahwa sebagian besar penderita TB Paru yang berada pada perlakuan merokok berada pada rata-rata waktu 72,467 hari. Rata-rata waktu penderita TB Paru yang memiliki memiliki perlakuan tidak merokok adalah 57,773. Waktu maksimal pada perlakuan merokok yaitu hari dan untuk waktu minimal adalah 29 hari. Waktu maksimal pada perlakuan tidak merokok yaitu hari dan untuk waktu minimal adalah hari. Karakteristik pasien berdasarkan variabel waktu yang di pengaruhi oleh variabel berat badan disajikan dalam tabel 3.2. Dari tabel tersebut dapat diketahui bahwa sebagian besar penderita TB Paru yang memiliki rata-rata waktu pengobatan terlama berada pada berat badan > 75 kg yaitu dengan waktu 4,333 hari. Waktu maksimal pada pasien melakukan pengobatan berada pada pasien yang memiliki berat badan kg yaitu hari dan untuk waktu minimal pasien melakukan pengobatan berada pada pasien yang memiliki berat badan kg yaitu dengan waktu hari. 3.2 Kaplan-Meier Kaplan-Meier berfungsi untuk mengetahui peluang survive pasien berdasarkan waktu dari pasien melakukan pengobatan sampai pasien sembuh. Gambar 3.1. Plot Kaplan-Meier Dari Gambar 3.1. dapat disimpulkan bahwa semakin lama pasien melakukan pengobatan maka peluang pasien sembuh semakin kecil. Misalkan pada t = 20 mempunyai peluang survive 0.9 yang menunjukkan bahwa peluang pasien untuk survive pada waktu lebih dari 20 hari sebesar 9%. Sedangkan untuk t = mempunyai peluang survive sebesar 0 yang menunjukkan bahwa peluang pasien untuk survive pada waktu lebih dari hari sebesar 0%. 3.3 Uji Penduga Distribusi Data Uji pendugaan distribusi data berfungsi untuk menduga sebaran data yang diperoleh dan untuk megetahui pemodelan yang tepat untuk data yang ada. Tabel 3.3 Pengujian Distribusi Data Distribusi Anderson Darling Weibull Exponential 3.57 Log-Normal 3.99 Log-Logistic Tabel 3.3 menunjukkan bahwa nilai statistik Anderson Darling yang mempunyai nilai terendah ada pada distribusi weibull yang bernilai 2,997. Maka dapat diketahui bahwa data yang diperoleh mengikuti distribusi weibull. Pemodelan hazard proportional dan Accelerated Failure Time mengikuti distribusi weibull.

5 3.4 Model Weibull Model weibull berfungsi untuk mendapatkan model PH dan AFT serta faktor-faktor yang mempengaruhi. Model weibull terbentuk berdasarkan data pasien penderita penyakit TB PARU Paru dari variabel usia, jenis kelamin, merokok, dan berat badan adalah sebagai berikut : Tabel 3.4 Nilai Taksiran Parameter pada Model Parameter Taksiran Z hitung Sig. Intercept x Usia x Jenis Kelamin x Merokok x Berat Badan x Log (scale) x 10-0 Tabel 3.4 menunjukkan bahwa variabel yang signifikan pada taraf 10% adalah jenis kelamin dan merokok. Hal tersebut ditunjukkan oleh nilai Z hitung > Z tabel = 1,645. Maka model hazard proportional dan AFT pada distribusi weibull dapat dibentuk sebagai berikut : S(t) = exp[-(exp[-( Usia Jenis Kelamin Merokok Berat Badan) t ) t ] h(t) = [exp( Usia Jenis Kelamin Perilaku Merokok Berat Badan)] t Perhitungan Nilai Acceleration Factor dan Hazard Ratio Perhitungan nilai acceleration factor ini berfungsi mengetahui nilai taksiran untuk laju kesembuhan pasien berdasarkan faktor-faktor yang mempengaruhi model. Tabel 3.5. Nilai Acceleration Factor dan Hazard Ratio Variabel Taksiran Acceleration Factor Hazard Ratio Jenis Kelamin 1 = Laki-Laki 2 = Perempuan Merokok 0 = tidak merokok 1 = Merokok Dari Tabel 3.5 didapatkan nilai acceleration factor variabel jenis kelamin dari kategori lakilaki terhadap kategori perempuan yaitu 0, Nilai tersebut menunjukkan bahwa peluang survive pasien yang berjenis kelamin laki-laki lebih kecil dibandingkan dengan yang berjenis kelamin perempuan, maka waktu kesembuhan yang berjenis kelamin laki-laki lebih cepat dari yang berjenis kelamin perempuan. Berarti peluang waktu sembuh pasien dengan jenis kelamin laki-laki 0,66937 kali dari jenis kelamin perempuan. Nilai acceleration factor variabel perilaku merokok dari kategori tidak merokok terhadap kategori merokok yaitu 0,6942. Nilai tersebut menunjukkan bahwa peluang survive pasien yang tidak merokok lebih kecil dibanding dengan yang merokok, maka waktu waktu kesembuhan pasien yang tidak merokok lebih cepat dari yang merokok. Berarti peluang waktu sembuh pasien dengan perilaku tidak merokok 2,43364 kali dari perilaku merokok. Nilai hazard ratio dari variabel jenis kelamin dari kategori laki-laki terhadap kategori perempuan yaitu 2, Nilai tersebut menunjukkan bahwa peluang kesembuhan pasien yang berjenis kelamin laki-laki lebih besar dibandingkan dengan yang berjenis kelamin perempuan. Berarti peluang sembuh pasien dengan jenis kelamin laki-laki 2, kali dari jenis kelamin perempuan.

6 Nilai hazard ratio dari variabel jenis kelamin dari kategori laki-laki terhadap kategori perempuan yaitu 2, Nilai tersebut menunjukkan bahwa peluang kesembuhan pasien yang tidak merokok lebih besar dibandingkan dengan yang merokok. Berarti peluang sembuh pasien dengan perilaku tidak merokok 2,43364 kali dari perilaku merokok. Nilai acceleration factor dan hazard ratio dari variabel jenis kelamin berdasarkan kategori laki-laki terhadap kategori perempuan dapat diketahui bahwa kategori laki-laki memiliki peluang sembuh lebih besar dan waktu pengobatan lebih cepat dibandingkan kategori perempuan. Sementara itu yang tidak merokok memiliki peluang sembuh lebih besar dan waktu pengobatan lebih cepat dibandingkan dengan yang merokok. 3.6 Program Aplikasi Hasil perancangan layar disajikan dalam Gambar 3.2. Gambar adalah gambar awal program dijalankan. Fungsi tombol browse adalah untuk memilih file yang akan digunakan untuk proses perhitungan. Setelah memilih file, maka tombol View Data akan menjadi aktif. Gambar 3.3 adalah gambar dimana tombol View Data setelah diklik. Fungsi tombol View Data adalah melihat isi dari file yang telah dipilih pada tampilan awal. Check box Test Distribution of data, chexk box Kaplan-Meier test, Semi Parametric test dan Parametric test menjadi aktif. Gambar 3.2 layar utama Gambar 3.3 hasil perhitungan

7 4. SIMPULAN DAN SARAN 4.1 Simpulan Berdasarkan hasil penelitian yang telah dilakukan, maka dapat disimpulkan bahwa : 1. Karakteristik penderita TB Paru yang berada di Jakarta berdasarkan sampel data dati Poli TB Paru di RSUP Persahabatan pada periode januari juni 2012 sebagian besar diderita oleh usia tahun dengan presentase 34%, dan pada jenis kelamin perempuan denggan presentase 53%, memiliki perlakuan merokok sesbesar 59% dan berat badan pada kg dengan presentase sebesar 53%. Rata-rata pasien melakukan pengobatan selama 63,7 hari. 2. Dari hasil perhitungan uji Anderson-Darling disimpulkan bahwa waktu berdistribusi weibull, maka model survival menggunakan model survival weibull. Melalui model tersebut didapatkan bahwa dari keempat faktor yang diteliti hanya ada dua faktor yang mempengaruhi terjadinya kesembuhan pasien dengan alpha 10% yaitu jenis kelamin dan perilaku merokok. Berdasarkan nilai Acceleration Factor dan Hazard Ratio dapat disimpulkan bahwa waktu sembuh jenis kelamin laki-laki lebih cepat dan memiliki peluang sembuh lebih besar dibandingkan dengan yang berjenis kelamin perempuan. Sementara untuk pasien yang tidak merokok memiliki peluang sembuh lebih besar dan waktu pengobatan yang lebih cepat dibandingkan dengan yang pasien yang merokok. 4.2 Saran Saran yang direkomendasikan untuk penelitian selanjutnya adalah : 1. Mengambil jumlah sampel dalam ukuran lebih besar dan dari luar kategori penyakit baru untuk dapat benar-benar mewakili populasi yang ada. 2. Dapat menggunakan distribusi dan metode yang lain untuk mendapatkan faktor yang mempengaruhi serta laju kesembuhan dari penderita TB Paru. 5. REFERENSI Badan Pusat Statistik. (2011). Jakarta Dalam Angka. Jakarta : Badan Pusat Statistik. Kleinbaum, G. D., & Klein, M.(2011). Survival Analysis.(3rd edition). New York : Springer Science + Business Media. Stevenson, M.(2009). An Introduction to Survival Analysis. New Zeanland : Massey University. WHO Global Tuberculosis Report Diperoleh 15 february 2013 dari WHO Tuberculosis profile. Diperoleh 15 february 2013 dari