Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

dokumen-dokumen yang mirip
ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

X a, TINJAUAN PUSTAKA

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB II LANDASAN TEORI

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB 5. ANALISIS REGRESI DAN KORELASI

Uji Statistika yangb digunakan dikaitan dengan jenis data

Analisis Survival dengan Pendekatan Multivariate Adaptive Regression Splines pada Kasus Demam Berdarah Dengue (DBD)

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

S2 MP Oleh ; N. Setyaningsih

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

BAB II TINJAUAN PUSTAKA

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

UKURAN GEJALA PUSAT DAN UKURAN LETAK

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

Regresi Linier Sederhana Definisi Pengaruh

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

BAB 2 LANDASAN TEORI

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

*Corresponding Author:

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

UKURAN GEJALA PUSAT (UGP)

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

3 Departemen Statistika FMIPA IPB

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Statistika ITS Surabaya

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III UKURAN PEMUSATAN DATA

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

8. MENGANALISIS HASIL EVALUASI

; θ ) dengan parameter θ,

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Analisis Korelasi dan Regresi

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

REGRESI LINIER SEDERHANA

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Bab II Teori Pendukung

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

Regresi & Korelasi Linier Sederhana

BAB II LANDASAN TEORI

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

BAB 1 STATISTIKA RINGKASAN MATERI

MATEMATIKA INTEGRAL RIEMANN

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

2.2.3 Ukuran Dispersi

Transkripsi:

JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 6111 Idoesa e-mal: alfaslfmufdah1@gmal.com da purhad@statstka.ts.ac.d Abstrak Peyakt Demam Berdarah Degue (DBD) merupaka salah satu peyakt yag sampa saat mash mejad masalah kesehata masyarakat karea perjalaa peyaktya cepat da dapat meyebabka kemata dalam waktu sgkat. Kota Surabaya memlk jumlah kasus DBD yag tgg d Jawa Tmur da termasuk daerah yag palg rawa terkea DBD. Sebaga upaya utuk megurag agka kemata akbat DBD d Surabaya, maka perlu dlakuka aalss terhadap pase pederta DBD dega megetahu faktor-faktor yag mempegaruh laju kesembuha pase pederta DBD. Regres Webull merupaka salah satu metode aalss survval yag dguaka utuk megetahu efek dar beberapa varabel predktor terhadap data survval sebaga varabel respo. Pada peelta dlakuka aalss survval pada pase DBD d RSU Haj Surabaya. Hasl peguja parsal dsmpulka bahwa varabel usa, jes kelam, leukost, da hematokrt berpegaruh terhadap laju kesembuha pase DBD. Kata Kuc aalss survval, DBD, Regres Webull. D I. PENDAHULUAN emam berdarah degue (DBD) merupaka peyakt yag dsebabka vrus degue yag dapat meyebabka kemata terutama pada aak serta serg kal membulka kejada luar basa (KLB) atau wabah. Agka kemata dar kasus DBD d Idoesa mecapa 1% [1]. Jawa Tmur adalah provs dega jumlah Kejada Luar Basa DBD terbayak d Idoesa []. Kota Surabaya memlk jumlah kasus DBD palg tgg d Jawa Tmur da termasuk daerah yag palg rawa terkea DBD dega rsko relatf terkea DBD 3,46 kal lebh besar dbadgka Kabupate la [3]. Sebaga upaya utuk megurag agka kemata akbat DBD d Surabaya maka perlu dlakuka aalss yag mecegah kemata pase pederta DBD dega megetahu faktor-faktor yag mempegaruh laju kesembuha pase pederta DBD. Pada umumya laju kesembuha pase pederta peyakt dtada dega waktu survval, yak waktu dmulaya suatu kejada hgga waktu berakhrya kejada dega krtera sembuh. Regres Webull merupaka salah satu metode utuk megaalss waktu survval pada pase pederta peyakt. Pada peelta dlakuka aalss survval utuk megetahu faktor-faktor yag mempegaruh laju kesembuha pase DBD megguaka metode Regres Webull. Peelta dlakuka d wlayah Surabaya sebaga wlayah yag memlk tgkat kasus DBD yag tgg d Jawa Tmur dega megambl sampel pase d RSU Haj Surabaya. Peelta dharapka dapat membatu dalam merecaaka cara efektf utuk megurag tgkat kemata yag dsebabka oleh peyakt DBD. II. Aalss Survval TINJAUAN PUSTAKA Aalss survval merupaka metode statstk dmaa varabel yag dperhatka adalah waktu survval, yatu waktu dmulaya kejada (start po hgga terjadya perstwa (eve [4]. Terdapat tga faktor yag dperhatka dalam meetuka waktu survval T, yak dega pejelasa sebaga berkut [5]. 1. Tme org/startg pot (waktu awal). Edg evet of terest (akhr kejada) 3. Measuremetscale for the passage of tme (skala pegukura sebaga baga dar waktu) Ketka waktu survval tdak dketahu dega jelas maka data tersebut dyataka sebaga data tersesor [4]. Peyebab terjadya data tersesor atara la. 1. Termato of the study. Lost of follow up 3. Wthdraw from the study Terdapat tga jes sesor dalam aalss survval, yak sebaga berkut [6]. 1. Sesor kaa (rght cecored). Sesor kr (left cecored) 3. Sesor terval (terval cecored) Fugs Survval da Fugs Hazard Terdapat dua fugs utama dalam aalss survval, yak fugs survval da fugs hazard. Fugs kepadata peluag survval dyataka sebaga berkut. P( t T t f( lm t t (1) Fugs dstrbus kumulatf survval dapat dyataka sebaga berkut. P( T t f ( dt () Fugs survval S( merupaka probabltas suatu obyek tdak megalam suatu evet dar waktu mulamula hgga waktu ke-t, persamaa fugs survval S( dyataka sebaga berkut. S( P( T 1 P( T 1 (3) Fugs hazard meyataka peluag suatu objek (pase) megalam suatu evet dalam waktu ke-t, dega demka fugs hazard merupaka kebalka dar fugs survval. Persamaa fugs hazard dyataka sebaga berkut.

D-3 JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr P t T t t T t ht lm (4) t t sehgga hubuga atara fugs survval dega fugs hazard dapat dyataka sebaga berkut. f ( h( S( (5) Kurva Survval Kapla Meer Kapla Meer merupaka metode statstka pada aalss data survval yag dguaka utuk megestmas fugs survval da fugs hazard dar waktu survval yag tersesor. Berkut persamaa umum Kapla Meer. j 1 Sˆ t ˆ ( j 1) PT t( ) T t( ) 1 Sˆ t Sˆ t Pˆ T t T t (6) (7) ( j) ( j 1) ( j) Berdasarka estmas fugs survval pada persamaa 7 dapat dbetuk kurva survval Kapla Meer, yak suatu kurva yag meggambarka hubuga atara estmas fugs survval pada waktu t dega waktu survvalya. Uj Log Rak Uj Log Rak dguaka utuk membadgka atar kurva survval Kapla Meer dalam grup yag berbeda [4]. Hpotess : H : tdak ada perbedaa atar kurva survval H 1 : palg sedkt ada satu perbedaa atar kurva survval Statstk uj : G ( O E ) ; 1, G E,..., (8) dmaa O E G 1 j1 1 ( m e ) da j G j e j m G j j1 1 j j1 1 Keteraga : m j = jumlah subjek yag gagal dalam grup ke-i pada waktu t (j) j = jumlah subjek yag beresko gagal seketka pada grup ke- sebelum waktu t (j) e j = la ekspektas dalam grup ke- pada waktu t (j) G = jumlah grup H dtolak apabla χ htug lebh besar dar χ α,df Pedeteksa Multkolertas Multkolertas terjad ketka sebaga besar varabel predktor yag dguaka salg berkorelas dalam suatu model regres [7]. Multkolertas ddeteks dega melhat la Varace Iflato Factor (VIF). Apabla la VIF lebh besar dar 1 maka terdkas terdapat multkolertas. Berkut merupaka rumus utuk medapatka la VIF. 1 (9) VIF 1 Medeteks adaya korelas yag tgg atar data varabel depede yag bersfat kategork dapat R j j ( j) megguaka uj depedes, yak dega hpotess sebaga berkut. H : Varabel X da X j salg bebas H 1 : Varabel X da X j tdak salg bebas Statstk Uj : I J j j ˆ.. j dega ˆ j (1) ˆ 1 j1 j dmaa : j = bayakya dvdu yag termasuk dalam sel ke-,j μ j = la taksra dar la j,j = bayakya kategor dar varabel depede ke- da ke-j Tolak H apabla la χ htug > χ α,(i 1)(J 1) Peguja Dstrbus Data Peguja dstrbus data dguaka utuk megetahu dstrbus yag sesua pada waktu survval. Peguja dstrbus data dapat dlakuka melalu pedekata Kolmogorov-Smrov. Hpotess : H : Waktu survval megkut dstrbus tertetu H 1 : Waktu survval tdak megkut dstrbus tertetu Statstk uj D sup S t F t (11) Tolak H jka la D ht > D tabel atau p-value < α dmaa : S( : Nla emprs dstrbus kumulatf sampel F ( : Fugs dstrbus kumulatf D : Nla krts uj Kolmogorv-Smroov Dstrbus Webull Dua Parameter Fugs kepadata peluag dstrbus Webull dua parameter (λ,γ) dega λ adalah parameter scale da γ merupaka parameter shape dtulska sebaga berkut. 1 t t f ( t, ) exp,,, t (1) Fugs kumulatf dstrbus Webull dua parameter (λ,γ) yak sebaga berkut. t t t, ) f t dt 1 exp (13) Fugs survval S( yag merupaka probabltas dar survval dalam waktu t utuk dstrbus Webull ddapatka dega rumus sebaga berkut. t St, 1 exp (14) Setelah ddapatka estmas fugs kepadata probabltas (FKP) da estmas fugs survval, maka dapat dperoleh estmas fugs hazard yag dtujukka pada persamaa 14 sebaga berkut. 1 exp t t f t 1 h t t (15) S t exp t Estmas paramater dstrbus Webull dua parameter ddapatka dar metode MLE, yatu dega membuat fugs lkelhood dar fugs dest dstrbus Webull dua parameter da l-lkelhood, selajutya dturuka

JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-33 terhadap parameter-parameterya. Berkut merupaka fugs lkelhood dar regres Webull dua parameter. 1 t t L, exp (16) 1 Sedagka l-lkelhood ya adalah t t l L, l 1 l (17) 1 Turua darl-lkelhood,tersebut kemugka tdak dapat dselesaka secara aalts, maka dguaka teras Newto-Rhapso sebaga berkut. ( l ) ( l 1) 1 ( l 1) ( l θ θ H θ g θ 1) (19) Iteras Newto-Rapsho aka berhet apabla θ (l) θ (l 1) ε dega ε merupaka blaga yag sagat kecl amu >. Seleks Model Terbak Seleks model terbak yag dguaka dalam aalss survval dlhat berdasarka krtera Akake Iformato Crtero (AIC) pada metode elmas backward. Nla AIC terkecl adalah model terbak. Berkut merupaka rumus utuk medapatka la AIC. AIC l L ˆ k () L (β ) merupaka la lkelhood da k merupaka jumlah parameter β pada model yag terbetuk. Regres Webull Parameter Model dar Regres Webull adalah sebaga berkut. ˆ exp 1X 1 X... p X p (1) dmaa : X 1,X,,X p merupaka varabel-varabel pejelas β 1,β,,β p merupaka koefse parameter Estmas paramater Regres Webull dua parameter ddapatka dar fugs lkelhood da l-lkelhood, selajutya dturuka terhadap parameterparameterya. Berkut merupaka fugs lkelhood dar Regres Webull dua parameter. t () L, β t 1 exp 1 Sedagka fugs l-lkelhood ya sebaga berkut. l L,β Z l Z X β Z 1 l t Z t exp X β (3) T T 1 Turua dar l-lkelhood, tersebut kemugka tdak dapat dselesaka secara aalts, maka dguaka teras Newto-Rhapso sebaga berkut. l1 l 1 l l θ θ H θ g θ Iteras aka berhet jka θ (l+1) θ (l) ε, dmaa ε merupaka suatu blaga yag telah dtetuka. Peguja Sgfkas Parameter Regres Webull Dua Parameter Peguja sgfkas parameter dlakuka secara seretak da parsal. Berkut merupaka statstk uj yag dguaka. 1) Uj Seretak Uj hpotess seretak Regres Webull Dua Parameter H : β 1 =β = =β p = H 1 : mmal ada satu β k, k =,,,p Statstk Uj : Uj raso lkelhood L () G l l L l L L Daerah krts : tolak H jka G htug > χ p,α atau la P < α(,1) ) Uj Parsal Uj hpotess seretak Regres Webull Dua Parameter H : β k = H 1 : β k Statstk Uj : ˆ k Z SE ˆ k (3) Daerah krts : tolak H jka Z htug > Z α atau la P < α(,1) Hazard Rato (HR) Hazard Rato (HR) adalah suatu ukura yag dguaka utuk megetahu tgkat rsko yag dapat dlhat dar perbadga atara dvdu dega kods varabel predktor X [8]. Msal X adalah sebuah varabel predktor dega dua kategor yatu da 1. Maka la HR dapat dhtug dega rumus t t t e ht h x 1 h ˆ HR e (4) h x Sedagka rumusa utuk hazard rato dalam regres webull utuk varabel depede kotu dapat dtujukka dalam persamaa sebaga berkut. ht 1 h t x ˆ ˆ HR e (5) x ˆ B. Demam Berdarah Demam berdarah degue (DBD) adalah feks yag dsebabka oleh vrus degue yag dtularka dar beberapa jes yamuk dalam geus Aedes. DBD meyebabka pedertaya megalam yer hebat seaka-aka tulag mereka patah, sakt kepala, kult kemeraha yag tampak sepert campak, da yer otot da perseda. Pada sejumlah pase, demam degue dapat meyebabka pedaraha akbat kebocora pembuluh darah (salura yag megalrka darah). Vrus degue mucul akbat pegaruh musm serta perlaku mausa. Tempat perduka yag serg dplh yamuk Aedes aegypt adalah kawasa yag padat dega satas yag kurag memada, terutama dgeaka ar dalam rumah. Utuk medapatka ketepata dagoss terjagktya vrus degue, pada umumya dlakuka uj laboratorum perhtuga darah legkap (hemoglob, leukost, hematokrt, da trombos. III. Sumber Data ˆ METODOLOGI PENELITIAN Data yag dguaka dalam peelta adalah data sekuder yak data rekam meds waktu survval pase pederta DBD perode Jul 15 hgga Desember 15 yag mejala rawat ap d RSU Haj Surabaya serta faktor-faktor yag mempegaruhya. Data survval dkategorka mejad data tersesor da data tdak tersesor yag seluruhya dguaka dalam peelta.

D-34 JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr Varabel Peelta Pada peelta dguaka varabel depede da varabel depede sebaga berkut. 1) Varabel Depede Varabel depede peelta berupa waktu survval da status tersesor pase sebaga berkut. TABEL 1. VARIABEL DEPENDEN Varabel Defs Operasoal Tpe Kategor Satua T Lama Pase DBD drawat d rumah sakt - - Har Status tersesor pase : Tersesor d DBD berdasarka waktu survval Kategork 1 : Tdak Tersesor - ) Varabel Idepede Varabel depede yag dguaka dalam peelta sebaga berkut. TABEL. VARIABEL INDEPENDEN Varabel Defs Operasoal Tpe Kategor Satua X 1 Usa Kotu - Tahu X Jes Kelam Kategork 1: Perempua : Lak-lak X 3 Jumlah Leukost Kotu - Rbu/mm 3 X 4 Jumlah Trombost Kotu - Rbu/mm 3 X 5 Kadar Hematokrt Kotu - (%) X 6 Ruag Rawat Iap Kategork Lagkah Aalss 1 : Kelas I : Kelas II 3 : Kelas III Tahap da lagkah-lagkah aalss data dalam peelta adalah sebaga berkut. 1. Megambl data rekam meds dar pase pederta DBD d RSU Haj Surabaya.. Mejelaska karaktaerstk pase pederta DBD dega membuat statstka deskrptf dar waktu survval da varabel predktor. 3. Membuat Kurva Kapla Meer da melakuka uj Log Rak pada varabel depede yag bersfat kategork. 4. Melakuka peguja dstrbus Webull dua parameter terhadap data waktu survval (T) dega megguaka statstk uj Kolmogorov Smrov. 5. Medeteks adaya kasus multkolertas pada varabel-varabel depede. 6. Melakuka seleks model terbak dega krtera kebaka model AIC dega seleks backward. 7. Melakuka uj sgfkas parameter secara parsal da seretak 8. Medapatka model survval dar hasl estmas parameter model terbak Regres Webull 9. Mesubsttuska model Regres Webull ke dalam fugs hazard 1. Meghtug la Hazard Rato dar varabel depede yag berpegaruh terhadap model utuk megetahu laju perbaka kods kls pase. 11. Membuat kesmpula da sara IV. Statstka Deskrptf HASIL DAN PEMBAHASAN Berkut merupaka hasl aalss statstka deskrptf data kotyu megea karakterstk pase DBD d RSU Haj Surabaya dega =35. TABEL 3 ANALISIS STATISTIKA DESKRIPTIF PADA PASIEN DBD Varable Mea Varace Mmum Maxmum T 4,543 4,79 1 Usa 1,69 189,93 3 76 Leukost 6,914 1,883 1,64,6 Trombost 11,657 685,41 17 59 Hematokrt 4,897 3,79 33,1 5,8 Aalss statstka deskrptf pada data kategork yak status tersesor, jes kelam, da ruag rawat ap pase DBD dsajka dalam grafk pe chart yag meggambarka bahwa dar keseluruha sampel pase, terdapat 14% dega status tersesor da 86% tdak tersesor. Pase lak-lak lebh sedkt dbadgka pase perempua yak 43% utuk pase lak-lak da 57% utuk jumlah pase perempua. Sebaga besar pase yak 54% pase memlh utuk melakuka rawat ap d ruag Kelas II, selebhya megap d ruag Kelas I sebayak 1% pase da 34% pase megap d ruag Kelas III. Aalss Kapla Meer da Uj Log Rak Kurva survval pada Gambar 1 megformaska secara vsual bahwa semak lama waktu pase DBD megalam perbaka kods kls (, maka probabltas seorag pase DBD utuk tdak sembuh hgga waktu t semak kecl medekat ol. 1.. 7 5. 5. 5. 4 6 8 1 Gambar 1. Kurva Survval Data Waktu Survval Selajutya djelaska megea karakterstk waktu survval pase DBD RSU Haj Surabaya berdasarka faktor-faktor yag dduga mempegaruh waktu survval tersebut megguaka kurva survval Kapla Meer da uj Log Rak sebaga berkut. 1) Karakterstk Waktu Survval Pase DBD Berdasarka Jes Kelam Kurva survval Kapla Meer pada Gambar memperlhatka gars merah lebh medomas berada d atas gars htam yag meujukka bahwa peluag tdak sembuh pada pase dega jes kelam lak-lak lebh besar darpada pase dega jes kelam perempua, artya waktu survval pase dega jes kelam perempua lebh bak darpada pase dega jes kelam lak-lak. Gambar. Kurva Survval Kapla Meer Berdasarka Jes Kelam Lagkah selajutya adalah melakuka uj Log Rak da ddapatka la Log Rak sebesar,8596 jka dbadgka dega ch-square dega derajat bebas 1 T

JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-35 yak sebesar,76 maka dputuska gagal tolak H. Hal tersebut meympulka bahwa waktu perbaka kods kls pase DBD dega jes kelam lak-lak maupu dega jes kelam perempua tdak berbeda secara sgfka. ) Karakterstk Waktu Survval Pase DBD Berdasarka Ruag Rawat Iap Gambar 3. Kurva Survval Kapla Meer Berdasarka Ruag Rawat Iap Pase Kurva survval Kapla Meer pada Gambar 3 memperlhatka atara gars merah da hjau salg bermpta, sedagka gars htam berada d bawah gars merah da hjau. Hal meujukka bahwa peluag tdak sembuh pada pase DBD yag megap d Kelas II da III lebh besar darpada pase DBD yag megap d Kelas I, artya waktu survval pase DBD yag megap d Kelas I lebh bak darpada pase DBD yag megap d Kelas II da III. Aalss selajutya dlkuka uj Log Rak yag bertujua melhat ada atau tdakya perbedaa atar kurva survval tersebut. Hasl perhtuga uj Log Rak ddapatka la sebesar,6 jka dbadgka dega ch-square dega derajat bebas yak sebesar 4,65 maka dputuska gagal tolak H artya waktu perbaka kods kls pase DBD yag megap d Kelas I, Kelas II, maupu Kelas III tdak berbeda secara sgfka. Peguja Dstrbus Data Pada peguja dstrbus data megguaka Kolmogorov-Smrov ddapatka la P sebesar,516 yag maa la tersebut lebh dar α (,1), sehgga dputuska gagal tolak H. Dalam hal dsmpulka bahwa waktu survval pase DBD megkut dstrbus Webull dega parameter λ = 4,9634 da γ =,5668. Berkut dtamplka hstogram data survval berdstrbus webull dua parameter. f(x),4,36,3,8,4,,16,1,8,4,4 3, 4 Probablty Desty Fucto Gambar 4. Hstogram Data Survval Pedeteksa Multkolertas 4,8 5,6 Nla VIF dar varabel X 1, X 3, X 4, da X 5 meujukka la yag kurag dar 1, artya tdak ada kasus multkolertas atar varabel depede. Sedagka pada varabel-varabel depede yag bersfat kategork dlakuka uj depedes yag meympulka atara varabel jes kelam (X ) da varabel ruag rawat ap (X 6 ) salg bebas karea la χ htug (,686) lebh kecl dar χ,1; (4,65). x 6,4 7, 8 8,8 9,6 Seleks Model Terbak Berkut merupaka la AIC pada beberapa model. TABEL 4 NILAI AKAIKE S INFORMATION CRITERION (AIC) Varabel AIC X1, X, X3, X4, X5, da X6 134,6957 X1, X, X3, X5, da X6 13,6976 X1, X, X3, da X5 13,8634 Tabel 4 meujukka bahwa la AIC terkecl yatu ketka melakuka Regres Webull tapa varabel trombost (X 4 ) da varabel ruag ap (X 6 ), sehgga model terbak yag ddapat adalah dega melakuka Regres Webull megguaka varabel X 1, X, X 3, da X 5. Faktor-faktor yag Mempegaruh Perbaka Kods Kls Pae DBD Peelta megguaka peguja seretak da peguja parsal utuk megetahu faktor-faktor yag mempegaruh laju perbaka kls pase. 1) Uj Seretak Hasl peguja seretak ddapatka la P-Value sebesar,49 yag maa kurag dar α (,1), serta la l(l(ω )) = -66, da l (L(Ω ))= -59,4 sehgga dperoleh la G htug sebaga berkut. L ˆ G6 l 13,6 Lˆ Nla χ 4;,1 pada tabel sebesar 7,779 sehgga keputusa yag dperoleh adalah tolak H, karea la G ht lebh besar dbadgka dega χ 4;,1 artya mmal terdapat satu varabel depede yag sgfka terhadap model. ) Uj Parsal Pada peguja seretak dperoleh hasl bahwa mmal ada satu varabel depedet yag sgfka terhadap model, oleh karea tu dlakuka aalss lebh lajut yak peguja parsal utuk megetahu varabel-varabel depede apa saja yag berpegaruh sgfka terhadap model. Berkut la estmas parameter da peguja Regres Webull secara parsal. TABEL 5. UJI SIGNIFIKANSI PARAMETER SECARA PARSIAL Varabel Estmas Parameter Std. Error Z P-Value Itercept 3,68,738 4,99, Usa,7,4 1,84,66 Jes Kelam,643,166 3,87,1 Leukost,3,18 1,78,755 Hematokrt -,65,19-3,44,6 Scale (λ),315 - - - Shape (γ) 3,177 - - - Peguja parsal dapat dlhat dar la P masgmasg varabel depede. Varabel usa, jes kelam, leukost, da hematokrt memlk la P kurag dar α (,1) sehgga dputuska tolak H yag artya varabel-varabel tersebut berpegaruh terhadap model. Nla estmas parameter dguaka dalam meyusu model Regres Webull sebaga berkut. ˆ exp3, 6834, 695X1, 64338X (), 3176X3-, 6516X5 Estmas parameter shape (γ) yag berla 3,1779 dsubsttuska pada fugs Hazard Regres Webull sebaga berkut.

D-36 JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr h 3, 3,1779 3,1779 1 t t t 1 1779 3) Hazard Rato Berkut merupaka la Hazard Rato yag ddapatka melalu perhtuga la ekspoesal dar la estmas parameter. TABEL 6. NILAI HAZARD RATIO PADA REGRESI WEIBULL Varabel Estmas Parameter Hazard Rato Usa,695 1,6974 Jes Kelam (),64338 1,99 Leukost,3176 1,37 Hematokrt -,6516,936918 Berdasarka Tabel 6 dsmpulka bahwa setap pertambaha satu satua usa, maka kemugka utuk mecapa pegkata perbaka kods kls pase adalah sebesar 1,6974 kal. Pase yag memlk jes kelam lak-lak memlk kemugka utuk megalam laju perbaka sebesar 1,99 kal lebh cepat darpada pase memlk jes kelam perempua. Setap pertambaha satu satua leukost maka kemugka utuk mecapa pegkata perbaka kods kls pase adalah sebesar 1,37 kal. Setap pertambaha satu satua kadar hematokrt, maka terjad kemugka peurua perbaka kods kls pase sebesar,936918 kal. V. KESIMPULAN Kesmpula yag dperoleh dar peelta adalah waktu survval pase DBD berdstrbus Webull dega peguja Kolmogorov Smrov. Kurva survval megformaska secara vsual bahwa semak lama waktu pase DBD megalam perbaka kods kls (, maka probabltas seorag pase DBD utuk tdak sembuh hgga waktu t semak kecl medekat ol. Hasl peguja parsal pada varabel usa, jes kelam, leukost, da hematokrt berpegaruh terhadap model. Perbaka kods kls pase DBD dterpretaska melalu la hazard rato. Sara yag dberka adalah pada peelta sebakya megguaka data pegamata yag lebh pajag agar bsa megkut perbaka kls pase yag lebh tepat. Bag phak RSU Haj Surabaya, dharapka melakuka pecatata data pase yag lebh legkap megea waktu pase mula masuk rawat ap hgga selesa perawata yak taggal dserta dega jam agar peelta yag dlakuka lebh akurat. Sela tu, phak RSU Haj Surabaya juga harus member perhata khusus terhadap pase DBD agar proses perbaka kls pase mejad lebh cepat dega berfokus pada faktor-faktor yag telah dketahu berpegaruh sgfka terhadap pederta DBD. DAFTAR PUSTAKA [1] Karyat, M.R. & Hadegoro, S.R. (9). Perubaha Epdemolog Demam Berdarah Degue d Idoesa. Departeme Ilmu Kesehata Aak Rumah Sakt Dr. Cpto Magukusumo FKUI Jakarta. [] Das Kesehata Kota Surabaya, Profl Kesehata Kota Surabaya Tahu 13. Surabaya: Das Kesehata Kota Surabaya, 14. [3] Sar, F.D. (16). Pemodela da pemetaa peyebara kasus DBD d Jawa Tmur dega metode Geographcally Weghted Negatve Bomal Regresso (GWNBR) da Flexblty Shaped Spatal Sca Statstcs. Jural lmah Jurusa Statstka Fakultas Matematka da Ilmu Pegetahua Alam Isttut Tekolog Sepuluh Nopember, Surabaya. [4] Klebaum, D. G., & Kle, M. (1). Survval Aalyss: A Self- Learg Text. Lodo: Sprger. [5] Cox, D. R. (197). Regresso Model ad Lfe Table. J Roy Stat Soc B, 34, 187- [6] Collet, D. (1994). Modellg Survval Data Medcal Research. Lodo: Chapma ad Hall. [7] Cox, D. R. (197). Regresso Model ad Lfe Table. J Roy Stat Soc B, 34, 187- [8] Draper, N., & Smth, H. (199). Aalsa Regres Terapa. Eds ke-. Dterjemahka oleh: Bambag Sumatr. Jakarta. Grameda Pustaka Utama.