penerapan analisis regresi logistik dan analisis … · dengan uji g didapatkan nilai statistik uji...
TRANSCRIPT
PENERAPAN ANALISIS REGRESI LOGISTIK DAN
ANALISIS SURVIVAL
PADA DATA MASA TERAPI ANTIRETROVIRAL
PENDERITA HIV
SISKA RESTI S
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakaan bahwa tesis Penerapan Analisis Regresi
Logistik dan Analisis Survival Pada Data Masa Terapi Antiretroviral Penderita
HIV adalah karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir tesis ini.
Bogor, Januari 2013
Siska Resti S
NIM G152100181
ABSTRACT
SISKA RESTI S. Logistic Regression and Survival Analysis on Data of Survival
Time the HIV Patient Who Use an Antiretroviral Therapy. Supervised by
ERFIANI and I MADE SUMERAJAYA.
AIDS is still a deadly disease. The new treatment has been found to
suppress the replication of HIV that is antiretroviral therapy (ART). ART can
increase the value of CD4 cell count then improve the immunity of patient. Based
on a number of research the rate’s progression of the virus infected in each person
is varies. There are many factors influence. This study aims to apply a statistical
analysis on the data of survival time the HIV patient who use an antiretroviral
therapy, compare the analysis result and determine the factors that significantly
affect the survival time of ART. There are logistic regression analysis and
survival analysis. Data of Survival time of the patient with ART are measured
from the beginning of therapy on each patient until the event occured, when the
patients enter the stage of AIDS (CD4 values less than 200 cells/mm3). The data
used are secondary data obtained from the Polyclinic of HIV in the Dharmais’s
hospital, Jakarta. The Data population are all patients who get the therapy in this
Polyclinic on the period of 2005 to 2011. Those 902 patient with ART who have
been qualified by WHO criteria (CD4 count ≤ 350 cells/mm3 on beginning). The
results of logistic regression analysis are the factors that significantly affect the
survival time of patients under level of alpha which is 10% are HIV transmission,
sex and work status. While the results survival analysis using cox proportional
hazard regression models provide information that all of the independent variables
included in the model are significant. Plot log-minus-log survival data shows each
stratum of each independent variable (covariates) is parallel with the time, it
means the covariates are proportional, so hazard assumption of proportional are
fulfilled.
Keywords: logistic regression analysis, survival analysis, cox regression model,
antiretroviral therapy.
RINGKASAN
SISKA RESTI S. Penerapan Analisis Regresi Logistik dan Analisis Survival Pada
Data Masa Terapi Antiretroviral Penderita HIV. Dibimbing oleh ERFIANI, dan
I MADE SUMERTAJAYA.
Human Immunodeficiency Virus (HIV) adalah virus penyebab Aquired
Immuno Deficiency Syndrome (AIDS) yang menyerang sel-sel tertentu dalam
sistem kekebalan tubuh manusia yang disebut sel CD4. The Joint United Nations
Programme on HIV/AIDS (UNAIDS) dalam laporannya menyebutkan bahwa
1,8 Juta orang penderita HIV meninggal karena AIDS. AIDS telah diterima
sebagai penyakit yang dapat dikendalikan setelah ditemukannya terapi
Antiretroviral (ART).
ART hanya menekan replikasi HIV dan meningkatkan nilai hitung sel CD4
sehingga mempengaruhi ketahanan hidup pasien. Terapi ini belum mampu
menyembuhkan penyakit dan mempunyai efek samping yaitu resistensi kronis
terhadap obat. Morgan et al. (2002) menyatakan tanpa ART rata-rata lamanya
perkembangan infeksi HIV menjadi AIDS ialah sembilan sampai sepuluh tahun.
Rata-rata waktu hidup setelah mengalami AIDS hanya sekitar 9,2 bulan. Laju
perkembangan penyakit ini pada setiap orang sangat bervariasi, yaitu dari dua
minggu sampai 20 tahun. Banyak faktor yang mempengaruhinya (Clericy et al.
1996).
Data masa ART merupakan salah satu contoh data yang mengandung data
tersensor. Seringkali saat pengambilan data pasien masih dalam masa terapi dan
belum masuk stadium AIDS hingga penelitian berakhir. Hal ini mengakibatkan
ketidaklengkapan data waktu ketahanan pasien (lamanya perkembangan infeksi
HIV menjadi AIDS). Data seperti ini mengandung informasi tak lengkap
(tersensor). Data dengan indikator tersensor tidak dapat digunakan dalam analisis
regresi logistik. Data yang tidak digunakan bisa jadi mengandung informasi yang
berpengaruh pada faktor-faktor yang berhubungan nyata dengan waktu ketahanan
ART pasien. Data dengan peubah respon tak lengkap biasanya dianalisis dengan
analisis survival. Dalam analisis survival, seluruh data dianalisis termasuk data
tersensor.
Penelitian ini bertujuan untuk menerapkan analisis regresi logistik dan
analisis survival pada data ketahanan ART penderita HIV dan mengidentifikasi
faktor-faktor yang berpengaruh nyata terhadap waktu ketahanan pasien dalam
menjalani ART hingga masuk stadium AIDS. Data masa ART diukur dari awal
pasien melakukan pendaftaran dan telah dinyatakan memenuhi syarat terapi
sampai terjadi event, yaitu ketika pasien mencapai nilai CD4 kurang dari 200
sel/mm3
atau masuk stadium AIDS. Waktu akhir penelitian ini adalah waktu
dilakukannya penelitian (Juli 2012).
Data yang digunakan adalah data sekunder yang diperoleh dari Poliklinik
HIV Rumah Sakit Kanker Dharmais (RSKD), Jakarta. Data merupakan hasil tes
laboratorium penderita HIV dan dilengkapi dengan data demografi pasien ART.
Data yang digunakan dalam penelitian ini merupakan data populasi yaitu seluruh
penderita HIV yang telah memenuhi syarat ART berdasarkan kriteria WHO (CD4
Awal ≤ 350 sel/mm3) sebanyak 902 orang yang menjalani pengobatan ART di
RSKD dalam periode 2005 hingga 2011.
Pengujian parameter model logistik secara simultan dengan uji G
didapatkan nilai statistik uji khi-kuadrat sebesar 32,708 dengan nilai p = 0,002
(p < 0.10). Dengan demikian disimpulkan bahwa H0 ditolak. Pengujian parameter
secara parsial dilakukan dengan uji Wald, peubah yang berpengaruh nyata pada
taraf alpha 10% adalah cara penularan, jenis kelamin dan status bekerja dengan
tingkat prediksi model sebesar 74,2% dan nilai R2 Nagelkerke 11,4%.
Model survival dengan melibatkan 10 parameter merupakan model terbaik
berdasarkan nilai AIC terkecil. Pengujian parameter model Cox secara simultan
dengan uji G didapatkan nilai statistik uji khi-kuadrat sebesar 81,935 dengan nilai
p = 0,000 (p < 0.10). Pengujian parameter secara parsial dengan uji Wald
memberikan informasi bahwa pada taraf alpha 10% semua peubah penjelas yang
dimasukkan dalam model survival berpengaruh nyata.
Analisis regresi logistik memberikan kesimpulan bahwa pasien yang
memiliki peluang terbesar masuk stadium AIDS setelah menjalani ART lebih dari
2 tahun adalah pasien laki-laki, tidak bekerja dan tertular HIV melalui hubungan
seksual. Perkembangan infeksi HIV menjadi AIDS pada pasien perempuan,
bekerja dan tertular HIV selain melalui hubungan seksual dan jarum suntik
cenderung lebih cepat dibandingkan pasien dengan kategori lainnya. Kategori
nilai CD4 awal sebelum ART kurang dari 200 sel/mm3, stadium klinis 1 dan 2,
tertular HIV melalui jarum suntik, perempuan, tidak tamat SMP, berusia lebih dari
30 tahun dan bekerja saat memulai ART merupakan karakteristik pasien dengan
resiko kegagalan ART paling tinggi berdasarkan model Cox hazard proportional.
Penerapan analisis regresi logistik pada data waktu ketahanan ART ODHA
memberikan kesimpulan bahwa faktor-faktor yang mempengaruhi waktu
ketahanan ART pasien masuk stadium AIDS adalah cara penularan, jenis kelamin
dan status bekerja. Peubah CD4 awal dan stadium klinis tidak berpengaruh nyata.
Padahal terdapat korelasi antara status CD4 awal dan stadium klinis pasien
dengan waktu ketahanan pasien menjalani ART berdasarkan nilai korelasi
Kendall (p < 0.10). Pengurangan data dalam analisis regresi logistik dapat
memberikan hasil yang kurang sesuai dengan keadaan data yang sebenarnya
karena data yang dibuang dapat mengandung informasi yang penting.
Kata kunci: Analisis regresi logistik, analisis survival, model Cox hazard
proporsional, penderita HIV, waktu ketahanan, terapi antiretroviral
© Hak Cipta milik IPB, tahun 2013
Hak Cipta dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
yang wajar bagi IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis
dalam bentuk apa pun tanpa izin IPB
PENERAPAN ANALISIS REGRESI LOGISTIK
DAN ANALISIS SURVIVAL
PADA DATA MASA TERAPI ANTIRETROVIRAL
PENDERITA HIV
SISKA RESTI S
Tesis
Sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika Terapan
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
HALAMAN PENGESAHAN
Judul Tesis : Penerapan Analisis Regresi Logistik dan Analisis Survival
Pada Data Masa Terapi Antiretroviral Penderita HIV
Nama : Siska Resti S
NRP : G152100181
Disetujui,
Komisi Pembimbing
Dr. Ir. Erfiani, M.Si
Ketua
Dr. Ir. I Made Sumertajaya, M.Si
Anggota
Diketahui,
Ketua Program Studi
Statistika Terapan
Dr. Ir. Anik Djuraidah, MS
Dekan Sekolah Pascasarjana
Dr. Ir. Dahrul Syah, M.Sc.Agr
Tanggal Ujian: 17 Januari 2013 Tanggal Lulus:
PRAKATA
Alhamdulillah, puji dan syukur penulis haturkan kepada Allah SWT atas
segala kemudahan dan karunia-Nya, sehingga penulis dapat menyelesaikan
penelitian yang berjudul “Penerapan Analisis Regresi Logistik dan Analisis
Survival Pada Data Masa Terapi Antiretroviral Penderita HIV”. Penelitian ini
merupakan salah satu persyaratan dalam menyelesaikan studi di Program
Pascasarjana Institut Pertanian Bogor.
Ucapan terima kasih penulis sampaikan kepada Dr. Ir. Erfiani, M.Si dan
Dr. Ir. I Made Sumertajaya, M.Si yang telah membimbing penulis menyelesaikan
penelitian dan karya ilmiah ini. Penulis juga menyampaikan penghargaan kepada
Dr. Ir. Anik Djuraidah, MS selaku dosen penguji luar komisi pada ujian tesis, dan
seluruh staf Program Studi Statistika Terapan. Terima kasih juga penulis
sampaikan kepada semua pihak yang telah ikut membantu dan berkontribusi
dalam berbagai hal selama penyelesaian penelitian dan karya ilmiah ini.
Penulis menyampaikan terima kasih dan rasa hormat setinggi-tingginya
kepada ayahanda, ibunda dan adik serta seluruh keluarga besar atas doa,
pengorbanan, pengertian dan dukungan moril yang tidak ternilai selama ini.
Terima kasih pula kepada teman-teman Statistika dan Statistika Terapan atas
bantuan dan kebersamaannya, kepada pihak-pihak lainnya yang tidak dapat
penulis sebutkan satu persatu.
Akhirnya, semoga karya ilmiah ini dapat memberikan manfaat bagi
penulis, civitas akademika, peneliti, pemerintah dan semua pihak yang terkait,
sehingga mampu memperkaya hasanah keilmuan di masa mendatang.
Bogor, Januari 2013
Siska Resti S
RIWAYAT HIDUP
Penulis dilahirkan di Kayu Jao, Solok pada 8 Januari 1988, sebagai putri
pertama dari pasangan Syafwi BA dan Murniati. Pada Tahun 2005 penulis lulus
dari SMA Negeri 1 Gunung Talang dan pada tahun yang sama diterima di Institut
Agama Islam Negeri Imam Bonjol Padang melalui jalur PMDK pada Jurusan
Tadris Matematika Fakultas Tarbiyah. Pada Tahun 2010 penulis memperoleh
gelar Sarjana Pendidikan Islam melalui institusi ini. Penulis melanjutkan
pendidikan pascasarjana pada Tahun 2010 di Sekolah Pascasarjana Institut
Pertanian Bogor pada Program Studi Statistika Terapan.
DAFTAR ISI
Halaman
DAFTAR TABEL ....................................................................................... xix
DAFTAR GAMBAR ................................................................................... xxi
DAFTAR LAMPIRAN ............................................................................... xxiii
1 PENDAHULUAN ............................................................................... 1
1.1 Latar Belakang .............................................................................. 1
1.2 Tujuan Penelitian ........................................................................... 2
2 TINJAUAN PUSTAKA ...................................................................... 3
2.1 HIV/AIDS dan Terapi Antiretroviral ............................................. 3
2.2 Analisis Regresi Logistik Biner ...................................................... 5
2.2.1 Metode Kemungkinan Maksimum ...................................... 6
2.2.2 Pemilihan Model Terbaik .................................................... 7
2.2.3 Uji Signifikansi Model Regresi Logistik ............................. 7
2.2.4 Rasio Odds ........................................................................... 8
2.3 Analisis Survival ............................................................................. 9
2.3.1 Waktu Ketahanan ................................................................ 9
2.3.2 Fungsi Survival dan Fungsi Hazard ..................................... 11
2.3.3 Fungsi Kemungkinan Parsial ................................................ 12
2.3.4 Model Cox Proporsional Hazard ........................................... 12
2.3.5 Rasio Hazard ......................................................................... 13
2.3.6 Asumsi Proporsional Hazard ................................................. 13
2.3.7 Uji Kesesuaian Model Cox .................................................... 13
2.3.8 Pendugaan Fungsi Survival .................................................. 14
3 METODOLOGI PENELITIAN ........................................................ 15
3.1 Jenis dan Sumber Data.................................................................... 15
3.2 Peubah Penelitian............................................................................ 15
3.3 Metode Analisis .............................................................................. 17
4 HASIL DAN PEMBAHASAN ........................................................... 19
4.1 Deskripsi Pasien ART ..................................................................... 19
4.2 Hasil Analisis Regresi Logistik ....................................................... 22
4.3 Data Survival ................................................................................... 25
4.3.1 Model Regresi Cox Proporsional Hazard ............................. 26
4.3.2 Pemeriksaan Asumsi Proporsional ........................................ 29
4.3.3 Penerapan Model Cox Proporsional Hazard ......................... 30
4.4 Analisis Regresi Logistik dan Analisis Survival Pada Data
Masa ART ODHA .......................................................................... 31
5 SIMPULAN DAN SARAN ................................................................. 33
5.1 Simpulan ........................................................................................ 33
5.2 Saran ............................................................................................... 33
DAFTAR PUSTAKA .................................................................................. 35
LAMPIRAN .................................................................................................. 38
DAFTAR TABEL
Nomor Halaman
1. Peubah-peubah penjelas penelitian............................................................ 15
2. Distribusi pasien yang memenuhi syarat ART berdasarkan status
CD4 awal dan stadium klinis .................................................................... 19
3. Distribusi status akhir pasien berdasarkan karakteristik riwayat
penyakit ..................................................................................................... 19
4. Hasil analisis regresi logistik ..................................................................... 22
5. Distribusi status akhir pasien berdasarkan CD4 awal dan stadium
klinis .......................................................................................................... 23
6. Distribusi lama pasien menjalani ART berdasarkan peubah
riwayat ART, status fungsional, umur dan pendidikan ............................. 24
7. Hasil analisis survival dengan model regresi hazard proporsional ........... 26
8. Peluang daya tahan menurut karakteristik ................................................. 30
9. Hasil analisis regresi logistik dengan batas 1, 1.5 dan 2 tahun ................. 31
10. Perbandingan hasil analisis regresi logistik dan analisis survival ............. 31
DAFTAR GAMBAR
Nomor Halaman
1. Jenis sensor titik ........................................................................................ 10
2. Distribusi lama pasien menjalani ART berdasarkan status CD4 awal
dan stadium klinis ..................................................................................... 20
3. Distribusi karakteristik demografi pasien ART berdasarkan peubah
jenis kelamin, umur, pendidikan dan status bekerja ................................. 20
4. Persentase lamanya pasien menjalani ART hingga tahun ke-x
berdasarkan status CD4 akhir ................................................................... 21
5. Laju perubahan CD4 pasien ART per bulan ............................................. 21
6. Plot data survival pasien terapi ARV untuk setiap strata CD4 awal dan
stadium klinis ............................................................................................ 25
7. Plot fungsi hazard riwayat penyakit pasien ART ...................................... 27
8. Plot fungsi hazard karakteristik demografi pasien ART ........................... 28
9. Fungsi log-minus-log riwayat penyakit pasien ART ............................... 29
10. Fungsi log-minus-log karakter demografi pasien ART............................ 29
DAFTAR LAMPIRAN
Nomor Halaman
1. Kategori peubah - peubah penjelas penelitian ........................................... 38
2. Hasil klasifikasi pasien berdasarkan model dengan pengaruh utama,
dan model sederhana (3 peubah penjelas) ................................................. 39
3. Hasil uji wald parameter model regresi Cox ............................................. 39
4. Perhitungan nilai AIC model regresi Cox ................................................. 39
5. Perhitungan manual peluang survival ....................................................... 40
1
1. PENDAHULUAN
1.1 Latar Belakang
Human Immunodeficiency Virus (HIV) adalah virus penyebab Aquired
Immuno Deficiency Syndrome (AIDS) yang menyerang sel-sel tertentu dalam
sistem kekebalan tubuh manusia yang disebut sel CD4. Menurut kriteria CDC
(Centers for Disease Control) Amerika Serikat, seseorang yang telah terinfeksi
HIV akan masuk dalam stadium AIDS bila nilai CD4 nya kurang dari 200
sel/mm3. The Joint United Nations Programme on HIV/AIDS (UNAIDS) dalam
laporannya menyebutkan bahwa hingga akhir tahun 2010 diperkirakan ada
31,6 Juta – 35,2 Juta orang di dunia hidup dengan HIV dan 1,8 Juta orang
diantaranya meninggal karena AIDS.
Salah satu jenis pengobatan bagi Orang Dengan HIV/AIDS (ODHA) adalah
terapi Antiretroviral (ART). Terapi ini mampu menekan replikasi HIV dan
meningkatkan nilai hitung sel CD4 sehingga mempengaruhi ketahanan hidup
pasien. UNAIDS (2010) memperkirakan sejak tahun 1995 sebanyak 2,5 Juta
kematian di negara-negara berpenghasilan rendah dan menengah dapat dicegah
setelah diperkenalkannya ART.
Ikatan Dokter Indonesia dan Perhimpunan Dokter Umum Indonesia (2006)
menjelaskan bahwa pemberian ART pada kadar yang lebih tinggi pada ambang
CD4 yang lebih tinggi maka sistem imunitas akan pulih lebih baik sehingga akan
meningkatkan kualitas hidup ODHA. Morgan et al. (2002), tanpa ART rata-rata
lamanya perkembangan infeksi HIV menjadi AIDS ialah sembilan sampai sepuluh
tahun, dan rata-rata waktu ketahanan hidup setelah mengalami AIDS hanya
sekitar 9,2 bulan. Laju perkembangan penyakit ini pada setiap orang sangat
bervariasi, yaitu dari dua minggu sampai 20 tahun. Banyak faktor yang
mempengaruhinya (Clericy et al. 1996).
Muninggar (2001) dalam penelitiannya menggunakan metode ordinal logit
menyimpulkan bahwa ODHA dengan ART, berumur lebih dari 29 tahun,
terinfeksi HIV melalui hubungan sex, belum menikah, bukan pelajar dan
pendidikan terakhir perguruan tinggi mempunyai peluang terbesar masuk ke
tingkat defisiensi imun berat (stadium AIDS). Sementara Mills et al. (2011) dalam
2
penelitiannya menggunakan metode regresi Cox hazard proporsional
menyimpulkan bahwa waktu memulai ART, umur, jenis kelamin, status awal
CD4, dan stadium klinis merupakan faktor-faktor yang mempengaruhi ketahanan
hidup penderita HIV. Berdasarkan penelitian-penelitian tersebut, diketahui bahwa
terdapat perbedaan faktor-faktor yang berpengaruh nyata terhadap waktu
ketahanan ART ODHA berdasarkan metode yang digunakan.
Data masa ART merupakan salah satu contoh data yang mengandung data
tersensor. Seringkali saat pengambilan data pasien masih dalam masa terapi dan
belum masuk kedalam stadium AIDS hingga penelitian berakhir. Hal ini
mengakibatkan ketidaklengkapan data waktu ketahanan pasien (lamanya
perkembangan infeksi HIV menjadi AIDS). Data seperti ini mengandung
informasi tak lengkap (tersensor). Data dengan indikator tersensor tidak dapat
digunakan dalam analisis regresi logistik. Data yang tidak digunakan bisa jadi
mengandung informasi yang berpengaruh terhadap faktor-faktor yang
mempengaruhi waktu ketahanan ART ODHA. Analisis statistika yang dapat
menganalisis keseluruhan data termasuk data tersensor adalah analisis survival.
Penelitian ini dilakukan untuk menerapkan kedua analisis tersebut pada data
yang sama yaitu masa ART ODHA dan mengidentifikasi faktor-faktor yang
mempengaruhi waktu ketahanan ODHA menjalani ART hingga masuk stadium
AIDS.
1.2 Tujuan Penelitian
1. Menerapkan analisis regresi logistik dan analisis survival pada data masa
ART ODHA.
2. Mengetahui faktor-faktor yang mempengaruhi waktu ketahanan ART
ODHA.
3
2. TINJAUAN PUSTAKA
2.1 HIV/AIDS dan Terapi Antiretroviral
Infeksi HIV/AIDS saat ini telah mengenai semua golongan masyarakat, baik
kelompok risiko tinggi maupun masyarakat umum. Kelompok masyarakat yang
mempunyai risiko tinggi adalah pengguna narkoba suntik (Injecting Drug Use),
kelompok masyarakat yang melakukan promiskuitas (hubungan seksual dengan
banyak mitraseksual) misalnya WPS (wanita penjaja seks). Laki-laki yang
berhubungan seks dengan sesamanya atau lelaki seks lelaki (LSL), narapidana,
anak-anak jalanan, penerima transfusi darah, penerima donor organ tubuh dan
petugas pelayan kesehatan juga mejadi kelompok yang rawan tertular HIV.
Kasus epidemi HIV/AIDS di Indonesia terkonsentrasi pada populasi kunci
yang berasal dari dua cara penularan utama yaitu transmisi seksual dan
penggunaan napza suntik. Kementerian Kesehatan melaporkan bahwa sejak
pertama kali kasus HIV ditemukan di Indonesia (1987) sampai dengan Maret
2012, terdapat 82.870 orang yang terinfeksi HIV di 33 propinsi di Indonesia dan
30.430 kasus AIDS. Jumlah kasus HIV tertinggi adalah di DKI Jakarta sebanyak
20.126 kasus. Persentase kumulatif AIDS tertinggi pada kelompok umur 20-29
tahun (46%). Rasio kasus AIDS antara laki-laki dengan perempuan adalah 2 : 1
(laki-laki: 72% dan perempuan: 28%).
Pengguna narkoba suntik mempunyai risiko tinggi tertular oleh virus HIV.
Penyebabnya adalah penggunaan jarum suntik secara bersama dan berulang yang
lazim dilakukan oleh sebagian besar pengguna narkotika (Ramadian & Riztriawan
2010). Survey sentinel yang dilakukan di Rumah Sakit Ketergantungan Obat di
Jakarta menunjukkan peningkatan kasus infeksi HIV pada pengguna narkotika
yang sedang menjalani rehabilitasi yaitu 15% pada Tahun 1999, meningkat cepat
menjadi 40,8% pada Tahun 2000, dan 47,9% pada Tahun 2001.
HIV penyebab penyakit AIDS menyerang sistem kekebalan tubuh dan
merusak bagian dari sistem itu, yaitu jenis sel darah putih atau sel CD4. Sel ini
diperlukan oleh populasi sel lain dalam tubuh sebagai suatu sistem kekebalan
tubuh. Setelah terinfeksi HIV penderita secara kronologis akan menunjukkan
4
gejala klinis sekunder atau infeksi oportunistik yang dapat diramalkan
berdasarkan nilai hitung CD4.
Nilai hitung CD4 berhubungan sangat kuat dengan kemungkinan
perkembangan penyakit ke tahap AIDS dan kematian. Jumlah HIV (agent) pada
seorang pengidap HIV sangat menentukan penularan. Daya tular (infectifity)
tergantung pada stadium penyakitnya. Jika makin parah penyakit tersebut maka
makin rendah jumlah sel T nya dan semakin besar jumlah virus (viremia) dalam
darahnya (Rasmaliah 2001).
Jenis kelamin secara fisiologis mencirikan seseorang disebut sebagai laki-
laki atau perempuan. Alat reproduksi perempuan sangat halus, sehingga mudah
mengalami perlukaan yang dapat mempercepat masuknya kuman (Susilowati
2012). Anatomi fisiologi perempuan akan mempermudah infeksi yang tidak
disadari.
Cukup banyak orang yang terinfeksi HIV tidak menyadari bahwa dalam
tubuhnya terdapat HIV. Tidak ada seorangpun yang mempunyai tingkat kesehatan
mental yang sama. Perbedaan tingkat psikologi kesehatan mental tersebut
disebabkan oleh adanya pengaruh dari berbagai faktor seperti usia, jenis kelamin,
ras, pendidikan, pendapatan dan status perkawinan (Margiantari et al. 2009).
Faktor lain yang berpengaruh terhadap kematian penderita AIDS adalah usia
tua, penularan HIV melalui penggunaan narkotika suntik dan stadium klinis AIDS
(Indrawati 2008). Pada tahun 1990, WHO mengelompokkan berbagai infeksi dan
kondisi AIDS dengan memperkenalkan sistem tahapan untuk pasien yang
terinfeksi HIV. Sistem ini diperbarui pada bulan September tahun 2005. Tahapan
tersebut adalah: (a) Stadium I: infeksi HIV asimtomatik dan tidak dikategorikan
sebagai AIDS, atau stadium tanpa gejala klinis; (b) Stadium II: termasuk
manifestasi membran mukosa kecil dan radang saluran pernapasan atas yang
berulang; (c) Stadium III: termasuk diarekronik yang tidak dapat dijelaskan
selama lebih dari sebulan, infeksi bakteri parah, dan tuberculosis; dan (d) Stadium
IV: termasuk tokso plasmosis otak, kandidiasis esofagus, trakea, bronkus atau
paru-paru, dan sarkoma kaposi (semua penyakit ini adalah indikator AIDS).
Terapi ARV merupakan jenis pengobatan untuk menekan replikasi HIV.
Secara dramatis terapi ARV menurunkan angka kematian dan kesakitan,
5
meningkatkan kualitas hidup ODHA, dan meningkatkan harapan masyarakat
(Kemenkes 2011). HIV/AIDS telah diterima sebagai penyakit yang dapat
dikendalikan dan tidak lagi dianggap sebagai penyakit yang menakutkan
meskipun belum mampu menyembuhkan penyakit dan menambah tantangan
dalam hal efek samping serta resistensi kronis terhadap obat.
Perlu dilakukan pemeriksaan jumlah CD4 (bila tersedia) dan penentuan
stadium klinis infeksi HIV untuk memulai ART. Hal tersebut adalah untuk
menentukan apakah penderita sudah memenuhi syarat ART atau belum.
Kementerian Kesehatan RI (2011) dengan mengadaptasi pedoman WHO Tahun
2010 merekomendasikan indikasi memulai ART pada ODHA dewasa
(usia lebih dari 18 Tahun) sebagai berikut:
a. ODHA dengan stadium klinis 1 dan 2 dan jumlah CD4 lebih dari 350 sel/mm3,
sudah bisa memulai ART.
b. ODHA dengan stadium klinis 3 dan 4 berapapun jumlah sel CD4, telah
memenuhi syarat memulai ART.
2.2 Analisis Regresi Logistik Biner
Jika data hasil pengamatan memiliki p peubah penjelas yang berpasangan
dengan peubah respon Y yang bernilai 1 atau 0, dimana y = 1 menyatakan sukses
dan y = 0 menyatakan gagal, maka peubah respon Y mengikuti sebaran binomial
dengan parameter ( ) dan fungsi sebaran peluang:
( ( )) , ( )- , ( )-
dengan model logistik sebagai berikut:
( )
( )
( )
( ) (1)
dengan :
.
/.
( )
6
Diperlukan transformasi agar persamaan (1) yang berbentuk nonlinier
menjadi fungsi linier menggunakan transformasi logit dari ( ). Model logistik
dapat disebut model logit yang ditunjukkan sebagai berikut:
( ) { ( )
( )}
Apabila ada p buah peubah penjelas X1, X2, ... , Xp (kualitatif atau
kuantitatif), maka menurut Vittinghoff et al. (2004), model regresi logistik untuk
peubah respon biner dapat ditulis sebagai berikut:
E(Y) = ( )
( ) (2)
dengan nilai Y merepresentasikan dua kejadian, misalkan A dan Ac. Definisikan:
Y = 2
2.2.1 Metode Kemungkinan Maksimum
Metode kemungkinan maksimum merupakan metode pendugaan parameter
yang dapat digunakan pada model regresi nonlinier seperti model logistik
(Mendenhall & Sincich 1996). Fungsi kepekatan peluang * ( )+ dengan
mengikuti sebaran Bernoulli adalah:
( | ( )) , ( )- , ( )-
Obyek pengamatan diasumsikan bersifat independen, maka fungsi kemungkinan
untuk pengamatan ke-i, untuk merupakan perkalian dari fungsi
kemungkinan masing-masing pengamatan, dan dapat dinyatakan sebagai berikut:
( ) ∏{. / [
( )
( )]
, ( )- }
(3)
adalah pengamatan binomial yang saling bebas untuk i = 1, 2, ... , n,
dan ( ) ( ) serta adalah banyak ulangan pengamatan ke-i.
Prinsip dari penduga kemungkinan maksimum untuk mendapatkan nilai
taksiran adalah dengan memaksimumkan fungsi kemungkinan. Nilai maksimum
dari fungsi persamaan (3) diperoleh melalui transformasi log sebagai berikut :
( ) ∑2 . / ( ) ( )3
7
Syarat perlu untuk mendapatkan nilai dugaan β yang memaksimumkan ln L( )
adalah diferensial ln L( ) terhadap yang disamadengankan nol. Dengan
menyelesaikan p buah persamaan diferensial ini atau ( )
0, j = 0, 1, ... ,p
maka akan diperoleh nilai-nilai yang memaksimumkan ln L(β) dan L(β).
Persamaan diferensial ini dapat diselesaikan dengan metode iterasi maksimum
likelihood (Hosmer & Lemeshow 2000).
2.2.2 Pemilihan Model Terbaik
Gharibvand (2008) mengemukakan bahwa model terbaik untuk fit data
dipilih berdasarkan nilai terbesar dari maksimum log likelihood. Walaupun
demikian, pemilihan model tidak dapat dilakukan secara sederhana karena setiap
model memiliki sebaran dengan jumlah parameter yang berbeda. Oleh karena itu,
kriteria penentuan model terbaik perlu ditambah dengan informasi lainnya, antara
lain yang umum digunakan adalah AIC (Akaike Information Criterion) dengan
formula AIC = -2 (log likelihood – jumlah parameter dalam model).
Salah satu teknik untuk mengukur keakuratan model regresi logistik biner
adalah dengan menggunakan nilai hitung yang didefinisikan sebagai:
( )
Semakin besar nilai , maka model semakin akurat (Gujarati 2004).
2.2.3 Uji Signifikansi Model Regresi Logistik
Pengujian kesesuaian model dilakukan untuk memeriksa peranan peubah
penjelas terhadap peubah respon dalam model. Pengujian tersebut dilakukan
secara keseluruhan dan parsial.
a. Uji Keseluruhan
Menurut Hosmer dan Lemeshow (2000), pengujian secara keseluruhan
dilakukan dengan menggunakan uji nisbah kemungkinan (likelihood ratio test)
yang merupakan pengujian terhadap parameter dengan hipotesis uji:
Statistik uji yang digunakan adalah statistik G yaitu:
G =
(4)
8
adalah fungsi likelihood tanpa peubah penjelas dan adalah fungsi likelihood
dengan p peubah penjelas. Statistik G akan mengikuti sebaran dengan derajat
bebas p. Kriteria keputusan yang diambil yaitu menolak jika
( ) (Hosmer & Lemeshow 2000).
b. Uji Parsial
Pengujian parameter secara parsial dilakukan dengan uji Wald dengan
hipotesis uji:
Statistik uji yang digunakan adalah statisitik W yaitu:
[
( )]
(5)
Menurut Agresti (2007) kriteria pengambilan keputusan yaitu menolak jika
nilai p ≤ α atau | | .
2.2.4 Rasio Odds
Rasio odds adalah ukuran untuk melihat seberapa besar kecenderungan
pengaruh peubah-peubah penjelas terhadap peubah respon berdasarkan koefisien
model regresi logistik. Odds dari respon didefinisikan sebagai berikut:
( )
( ) = exp(α + βx)
= ( )
Odds akan dikalikan dengan untuk setiap kenaikan 1 unit x. Odds pada level
x+1 sama dengan odds pada x dikalikan dengan . Jika β = 0, = 1, maka odds
tidak akan berubah jika x berubah.
Menurut Hosmer dan Lemeshow (2000), koefisien model logit adalah
( ) ( ) yang menunjukkan perubahan nilai logit g(x) untuk setiap
perubahan satu unit peubah penjelas X yang disebut log odds. Penduga rasio odds
adalah ( ) ( ). Rasio odds ini dapat diinterpretasikan sebagai
kecenderungan pada sebesar kali dibandingkan pada
9
2.3 Analisis Survival
Analisis survival adalah suatu analisis statistika yang memperhatikan waktu
bertahannya sesuatu, yang disebut sebagai waktu ketahanan (survival time).
Waktu ketahanan adalah jangka waktu dari awal pengamatan sampai terjadinya
suatu peristiwa yang berupa kegagalan, kematian, respon dan lain-lain (Lee 1992).
2.3.1 Waktu Ketahanan
Waktu ketahanan masa terapi ARV merupakan jangka waktu bertahannya
ODHA menjalani ART hingga mencapai stadium AIDS. Terdapat tiga elemen
penting dalam analisis survival yang perlu diperhatikan:
a. Waktu awal (time origin), yaitu waktu pada saat terjadinya kejadian awal,
seperti waktu seseorang divonis menderita kanker, waktu dimulainya terapi
Antiretroviral penderita HIV dan lain-lain.
b. Waktu kegagalan (failure time), yaitu waktu pada saat terjadinya kejadian
akhir, seperti kematian, respon dari perlakuan, lamanya infeksi HIV menjadi
AIDS dan lain-lain.
c. Skala waktu sebagai satuan pengukuran.
Perbedaan analisis survival dengan analisis lainnya adanya data tersensor.
Data dikatakan tersensor jika pengamatan waktu survival hanya sebagian, tidak
sampai failure time. Penyebab terjadinya data tersensor antara lain:
1. Loss to follow up, terjadi bila objek pindah, meninggal atau menolak untuk
berpartisipasi.
2. Drop out, terjadi bila perlakuan dihentikan karena alasan tertentu.
3. Termination, terjadi bila masa penelitian berakhir sementara obyek yang
diobservasi belum mencapai failure event.
Ada tiga jenis sensoring yaitu:
1. Waktu penelitian ditentukan dalam selang waktu tertentu, sehingga
individu-individu yang tidak mengalami kegagalan dalam selang waktu
tersebut tidak dapat ditentukan waktu hidupnya secara pasti.
2. Proporsi kegagalan yang diamati dalam suatu penelitian telah ditetapkan,
misal penelitian berjalan sampai 80% individu gagal.
3. Periode penelitian ditentukan sedangkan pasien datang pada waktu yang
berbeda-beda sehingga ada pasien yang tidak dapat diamati secara penuh.
10
Sensoring jenis 1 dan 2 sering disebut singly censored data sedangkan jenis
3 sering disebut progressively censored data atau random censoring (Lee 1992).
Tipe-tipe sensoring dibagi dalam dua jenis, yaitu:
1. Sensoring titik (point censoring)
Sensoring titik adalah salah satu jenis sensor terhadap obyek yang diamati
mulai dari waktu T0 sampai T1, selama itu obyek dapat dimonitor secara kontinu
dan waktu kejadian dapat diamati dengan baik. Menurut Leung et al. (1997) jenis-
jenis sensor titik sebagai berikut:
a. Sensor kanan:
- Sensor kanan jenis 1; tersensor karena tidak mengalami kejadian sampai
akhir masa pengamatan (obyek A).
- Sensor kanan jenis 2; tersensor karena tidak dapat mengikuti sampai akhir
pengamatan akibat adanya kejadian lain di luar yang menjadi perhatian
(obyek B).
b. Sensor kiri; yaitu waktu awal di luar periode pengamatan dan kejadian terjadi
pada periode pengamatan (obyek C).
c. Sensor kiri dan kanan; yaitu waktu awal terjadi sebelum masa pengamatan dan
waktu kejadian terjadi setelah masa pengamatan (obyek D).
d. Sensor kanan secara lengkap; yaitu waktu awal dan waktu kejadian terjadi
setelah masa pengamatan (obyek E).
e. Sensor kiri secara lengkap; yaitu waktu awal dan waktu kejadian terjadi
sebelum masa pengamatan (obyek F).
Jenis-jenis sensor titik pada data survival diilustrasikan seperti gambar di
bawah ini:
Gambar 1. Jenis sensor titik
A
F E
D
C
B
*
*
* * *
o
T0 T1
11
Pengamatan yang mengalami sensor titik dapat digambarkan seperti pada
gambar di atas. Gambar garis melambangkan periode risiko untuk suatu obyek.
Garis yang diakhiri dengan tanda arterisk (*) menandakan adanya suatu kejadian
(event) yang menjadi perhatian amatan. Garis yang diakhiri dengan tanda
lingkaran (o) menandakan adanya kejadian di luar yang menjadi perhatian. Data
yang tidak mengandung pengamatan tersensor disebut data lengkap.
2. Sensor selang
Sensor selang adalah salah satu jenis sensor terhadap suatu obyek yang
diamati mulai dari waktu T0 sampai T1 dan selama itu obyek diamati pada titik-
titik tertentu sehingga individu yang diamati tidak dapat dimonitor secara kontinu.
Pada beberapa aplikasi, waktu terjadinya kejadian akhir tidak diketahui secara
pasti, namun hanya dalam selang waktu tertentu. Pengamatan waktu kejadian
(event) dilakukan secara periodik, misalkan setiap satu tahun sekali.
Sebagai contoh, delapan wanita yang berusia 50 tahun yang berada dalam
masa post-menopausal, mulai memeriksakan dirinya satu tahun sekali untuk
kemungkinan berkembangnya kanker payudara (yearly mammograms). Waktu
kegagalannya adalah saat mulai terdeteksi kanker payudara pada wanita tersebut.
Pemeriksaan dilakukan selama sepuluh tahun. Sampai akhir pengamatan, belum
terdeteksi adanya tumor pada empat wanita (Klein & Moeschberger 1997).
2.3.2 Fungsi Survival dan Fungsi Hazard
Fungsi survival adalah fungsi yang menyatakan probabilitas suatu individu
dapat bertahan hidup hingga atau lebih dari waktu t atau mengalami kejadian
sesudah waktu t (Collett 2003), T melambangkan waktu survival yang merupakan
peubah acak. Fungsi survival didefinisikan sebagai:
S(t) = P (T t) = 1 – F(t)
Fungsi hazard adalah fungsi yang menyatakan peluang individu mengalami
kejadian pada waktu t dengan syarat bahwa individu itu telah bertahan hingga
waktu t. Menurut Cox dan Oakes (1984), fungsinya didefinisikan sebagai berikut:
h(t) = ( )
( ).
Dengan mengintegralkan h(t) diperoleh H(t) = - log [S(t)] yang disebut fungsi
kumulatif hazard.
12
2.3.3 Fungsi Kemungkinan Parsial
Pendugaan nilai parameter 1, 2, ... , p dapat dicari melalui fungsi
kemungkinan parsial yang didasarkan pada probabilitas bersyarat. Apabila xj
adalah waktu event ke-j, dengan x1 < x2< ... < xD. D adalah banyaknya waktu
event yang berbeda. Z(j)k adalah kovariat ke-k dari individu dengan waktu event tj.
R(xj) adalah himpunan semua individu yang tetap dalam pengamatan sesaat
sebelum waktu event xj (Cox & Oakes 1984), maka fungsi kemungkinan untuk
semua waktu event adalah:
L( ) = ∏ (∑
)
∑ (∑ ( ) ) ( )
Syarat perlu untuk mendapatkan nilai dugaan yang memaksimumkan ln
L( ) adalah diferensial ln L( ) terhadap k bernilai nol, untuk k = 1, 2, ..., p.
Dengan menyelesaikan p buah persamaan ini, maka akan dapat diperoleh nilai-
nilai dugaan k, k = 1, 2, ... , p yang memaksimumkan ln L( ) maupun L( ).
(Klein & Moeschberger 1997).
2.3.4 Model Cox Proporsional Hazard
Melalui analisis regresi dapat diketahui pengaruh dari beberapa karakteristik
terhadap peubah respon. Karakteristik-karakteristik ini dalam regresi proporsional
hazard disebut sebagai kovariat. Peubah respon model survival adalah waktu
survival. Apabila ingin diketahui tingkat hazard dari individu dengan karakteristik
tertentu (nilai peubah penjelas) Z, maka tingkat hazard dinyatakan dengan h(t|Z).
Dalam analisis survival, Z disebut kovariat.
Model proporsional hazard (regresi Cox) dapat dinyatakan sebagai perkalian
dari h0(t) dan ( ) sebagai berikut:
h(t|Z) = h0(t) ( ) = h0(t) exp (∑ ) (6)
h0(t) adalah fungsi hazard untuk setiap obyek dengan nilai dari semua peubah
penjelas adalah nol (fungsi baseline hazard). = ( 1, 2, ... , p) adalah vektor
parameter. Z adalah kovariat tetap. ( ) adalah fungsi yang diketahui dengan t
adalah waktu hingga suatu kejadian terjadi.
13
2.3.5 Rasio Hazard
Model regresi Cox disebut juga model proporsional hazard. Jika dua
individu dengan kovariat Z dan Z* dengan h(t|Z) dan h(t|Z*) adalah fungsi hazard
masing-masingnya, maka rasio tingkat hazard atau hazard relatif antara individu
pertama dan individu kedua adalah:
( )
( )
( )
( ) , ( )-
Klein & Moeschberger (1997) menyatakan jika rasio pada persamaan diatas
bernilai 3 pada titik waktu tertentu, maka rasio gagal dari individu pertama tiga
kali lebih besar dari pada individu kedua.
2.3.6 Asumsi Proporsional Hazard
Regresi hazard proporsional memiliki asumsi yang cukup kuat. Asumsi
metode ini yaitu memiliki hazard yang bersifat proporsional antara satu individu
dan individu lainnya. Salah satu cara untuk melihat pengaruh kovariat yang ada
pada metode hazard proporsional dan nonproporsional adalah menggunakan
pendekatan grafik.
Cara yang dilakukan dengan membuat plot Log Minus Log (LML) dari
fungsi survival dan hanya dapat digunakan untuk peubah kategorik. Plot LML
diinterpretasikan dengan cara melihat dua garis yang ada pada plot LML
(Kleinbaum & Klein 2005). Apabila setiap garis (strata) sejajar berarti tidak ada
interaksi kovariat terhadap waktu dan asumsi proporsional terpenuhi.
2.3.7 Uji Kesesuaian Model Cox
Pengujian kesesuaian model (goodness of fit) bertujuan untuk mengetahui
apakah model regresi Cox proporsional hazard sesuai dan cocok digunakan pada
kasus penelitian ini. Kesesuaian model ini dapat ditunjukkan oleh nilai R- square
yang menjelaskan seberapa besar proporsi variasi dalam peubah respon dapat
dijelaskan oleh peubah penjelas secara bersama-sama (Hosmer et al. 2008).
2 0
( )13
(
)
14
m adalah jumlah observasi yang mengalami event, L0 adalah log parsial likelihood
pada saat model tanpa peubah, dan Lp adalah log parsial likelihood pada model fit
dengan p peubah.
2.3.8 Pendugaan Fungsi Survival
Pendugaan fungsi survival dalam regresi Cox menggunakan penduga
Breslow. Fungsi survival terapi Antiretroviral pada penderita HIV pada waktu t
dengan peubah penjelas X adalah:
( ) . ( )/ ( )
dengan
( ) [ ∑
∑ ( ) ( )
]
merupakan jumlah kegagalan pada dan ( ) adalah himpunan individu-
individu yang masih bertahan hingga .
15
3. METODOLOGI PENELITIAN
3.1 Jenis dan Sumber Data
Data yang digunakan adalah data sekunder yang diperoleh dari Poliklinik
HIV Rumah Sakit Kanker Dharmais (RSKD), Jakarta. Data merupakan hasil tes
laboratorium penderita HIV dan dilengkapi dengan data demografi pasien pada
saat melakukan pendaftaran ART. Data yang digunakan dalam penelitian ini
merupakan data populasi yaitu seluruh penderita HIV yang telah memenuhi syarat
ART berdasarkan kriteria WHO (CD4 Awal ≤ 350 sel/mm3) sebanyak 902 orang
yang menjalani pengobatan ART di RSKD dalam periode 2005 hingga 2011.
3.2 Peubah Penelitian
Peubah respon yang digunakan dalam penelitian ini adalah waktu ketahanan
ART pasien yang merupakan lamanya perkembangan infeksi HIV pasien menjadi
AIDS. Pemilihan peubah penjelas dalam penelitian didasarkan pada ketersediaan
data pasien yang menjalani ART di Poliklinik HIV RSKD yang diduga
mempengaruhi waktu ketahanan ART. Kategorisasi peubah-peubah penjelas
penelitian disajikan lebih lanjut pada Lampiran 1.
Tabel 1. Peubah-peubah penjelas penelitian
Peubah Keterangan Peubah Keterangan
X1 CD4 Absolut Awal X6 Umur
X2 Stadium Klinis X7 Jenis Kelamin
X3 Cara Penularan X8 Pendidikan
X4 Riwayat ART X9 Status Bekerja
X5 Status Fungsional
Pada saat awal kedatangan ODHA di sarana kesehatan perlu dilakukan
penggalian riwayat penyakit berdasarkan pedoman pelaksanaan ART bagi ODHA
dewasa oleh Kementrian Kesehatan RI (2011) yang terdiri dari:
1. Cara penularan
Penularan HIV pada ODHA berasal dari cara penularan sebagai berikut:
a. Hubungan seksual, berasal dari faktor risiko kegiatan seksual yang tidak
terlindung, laki-laki yang berhubungan seks dengan laki-laki (LSL) dan
16
transgender (waria), dan pernah atau sedang mengidap penyakit infeksi
menular seksual (IMS).
b. Jarum suntik, berasal dari faktor risiko pengguna napza suntik (dahulu
atau sekarang), penerima transfusi darah atau resipien produk darah,
suntikan, tato, dan tindik dengan menggunakan alat non steril.
c. Tidak diketahui.
2. Riwayat terapi ARV
Perlu identifikasi awal tentang riwayat terapi ART penderita HIV. Hal yang
yang perlu diketahui adalah:
a. Pengobatan ARV yang sedang atau pernah didapat.
b. Jenis ARV dan berapa lama.
c. Pemahaman tentang ARV dan kesiapannya bila belum pernah.
3. Status fungsional
Status fungsional penderita HIV dapat diklasifikan sebagai berikut:
a. Kerja, mampu bekerja atau ke sekolah atau melakukan pekerjaan rumah
tangga.
b. Ambulatori, mampu bergerak (terbatas) tapi tidak mampu bekerja.
c. Terbaring, tidak mampu bergerak dan bekerja.
4. Riwayat pendidikan pasien saat sebelum memulai ART, terdiri dari:
a. Tidak tamat SMP, merupakan pasien yang tidak sekolah dan pendidikan
terakhir SD.
b. Tamat SMP, merupakan pasien dengan pendidikan terakhir SMP dan
sederajat.
c. Tamat SMA, merupakan pasien dengan pendidikan terakhir SMA dan
sederajat.
d. Tamat Perguruan Tinggi, terdiri pasien dengan pendidikan terakhir
akademi dan universitas.
5. Status bekerja
Bekerja adalah kegiatan melakukan pekerjaan dengan maksud memperoleh
atau membantu memperoleh penghasilan atau keuntungan selama paling
sedikit satu jam dalam seminggu yang lalu. Bekerja selama satu jam
tersebut harus dilakukan berturut-turut dan tidak boleh terputus (BPS 2004).
17
3.3 Metode Analisis
Langkah awal yang dilakukan adalah melakukan analisis deskriptif pada
data riwayat penyakit dan demografi pasien ART. Selanjutnya untuk mengetahui
faktor-faktor yang mempengaruhi waktu ketahanan ART dilakukan analisis
regresi logistik dan analisis survival. Langkah-langkah analisis data yang
dilakukan dibagi menjadi dua tahap, yaitu:
Tahap I: Analisis data waktu ketahanan ART penderita HIV menggunakan
analisis regresi logistik. Langkah-langkah analisis sebagai berikut:
a. Pembentukan model regresi logistik biner untuk melihat pengaruh peubah
penjelas terhadap peubah respon (waktu ketahanan ART). Model regresi
logistik untuk peubah respon biner dengan p buah peubah penjelas X1, ..., Xp
dapat ditulis sesuai persamaan (2).
b. Pengujian parameter model ( ) untuk mengetahui faktor-faktor yang
signifikan mempengaruhi waktu ketahanan ART pasien. Pengujian tersebut
dilakukan secara keseluruhan dan parsial. Menurut Alan Agresti (2007),
pengujian secara keseluruhan dilakukan dengan menggunakan uji nisbah
kemungkinan (sesuai persamaan 4) dan pengujian parameter secara parsial
dilakukan dengan uji Wald (sesuai persamaan 5).
c. Mengukur keakuratan model dengan perhitungan nilai R2 menggunakan tabel
klasifikasi.
d. Melakukan interpretasi koefisien model menggunakan nilai odds rasio
Tahap II Analisis data waktu ketahanan ART penderita HIV menggunakan
analisis survival. Langkah-langkah analisis sebagai berikut:
a. Pembentukan model regresi Cox proporsional hazard untuk melihat pengaruh
peubah penjelas terhadap waktu ketahanan ART secara simultan sesuai
persamaan (6).
b. Penyeleksian peubah penjelas yang masuk ke dalam model agar diperoleh
model terbaik menggunakan prosedur backward.
c. Pengujian parameter model ( ) secara simultan untuk mengetahui faktor-
faktor yang signifikan mempengaruhi waktu ketahanan terapi ARV.
18
Pengujian secara keseluruhan dilakukan dengan menggunakan likelihood ratio
test (sesuai persamaan 5). Pengujian parameter secara parsial dilakukan
dengan uji Wald (sesuai persamaan 6).
d. Pemeriksaan asumsi proporsional dengan membuat plot log minus log dari
fungsi survival.
e. Melakukan pengujian tingkat kesesuaian (goodness of fit) model Cox
proporsional hazard yang ditunjukkan oleh nilai R- square.
f. Melakukan interpretasi koefisien pada model Cox proporsional hazard dengan
menggunakan rasio hazard atau hazard relatif.
g. Penerapan model Cox proporsional hazard dalam menduga faktor-faktor yang
mempengaruhi waktu ketahanan penderita HIV menjalani ART.
19
4. HASIL DAN PEMBAHASAN
4.1 Deskripsi Pasien ART
Rendahnya imunitas dan beratnya keadaan klinis pasien saat memulai ART
mempengaruhi lamanya proses perbaikan imunologis maupun klinis pasien.
Tabel 2 menunjukkan bahwa persentase tertinggi pasien yang telah memenuhi
syarat ART (46,1%) merupakan pasien dengan tingkat defisiensi imun rendah
(CD4 < 200 sel/mm3) dan beratnya keadaan klinis (stadium 3 dan 4) saat memulai
ART. Hanya sebanyak 58 pasien (6,4%) yang memulai ART lebih dini yaitu saat
tingkat defisiensi imun sedang (CD4 awal 200-350 sel/mm3) dan stadium klinis
ringan (stadium klinis 1 dan 2).
Tabel 2. Distribusi pasien yang memenuhi syarat ART berdasarkan
status CD4 awal dan stadium klinis
Stadium Klinis CD4 Awal Total
CD4 < 200 CD4 ≥ 200
Stadium 1 dan 2 404(44,8) 58(6,4) 462(51,2)
Stadium 3 dan 4 416(46,1) 24(2,7) 440(48,8)
Total 820(90,9) 82(9,1) 902(100)
Pasien yang menjalani terapi terkonsentrasi pada populasi kunci yang
berasal dari cara penularan jarum suntik (57,5%) pada saat memulai ART. Lebih
dari separuh (266 orang) pasien yang terinfeksi HIV melalui jarum suntik tidak
masuk stadium AIDS hingga penelitian berakhir (Tabel 3).
Tabel 3.Distribusi status akhir pasien berdasarkan karakteristik riwayat penyakit
Peubah (Stadium AIDS)
Total Ya Tidak
Cara Penularan
Hubungan Seks 116(29,4) 195(38,4) 311(34,5)
Jarum Suntik 253(64,2) 266(52,4) 519(57,5)
Tidak Diketahui 25 (6,3) 47(9,3) 72(8)
Status Fungsional
Kerja 272(69) 340(66,9) 612(67,8)
Ambulatori 99(25,1) 134(26,4) 233(25,8)
Terbaring 23(5,8) 34(6,7) 57(6,3)
20
Berdasarkan Tabel 3, sebanyak 612 pasien (67,8%) masih mampu bergerak
dan bekerja normal saat memulai ART dan hanya 57 pasien yang yang memulai
terapi dalam kondisi terbaring (tidak mampu bergerak dan bekerja). Persentase
tertinggi (6,7%) pasien dengan status fungsional baring, tidak masuk stadium
AIDS hingga penelitian berakhir. Hal ini menunjukkan efektifitas terapi dalam
menghambat laju perkembangan infeksi HIV.
Gambar 2 menunjukkan bahwa jumlah tertinggi pasien (210 orang) dengan
tingkat defisiensi imun rendah saat memulai ART (CD4 awal < 200 sel/mm3)
dengan beratnya stadium klinis (3 dan 4) saat memulai ART (98 orang) cenderung
hanya mampu bertahan menjalani ART hingga tahun ke-2.
Gambar 2. Distribusi lama pasien menjalani ART berdasarkan status CD4 awal
dan stadium klinis
Kelompok umur lebih dari 30 tahun (210 orang), laki-laki (316 orang),
pendidikan akhir SMA (232 orang) dan bekerja saat sebelum memulai ART (213
orang) berdasarkan Gambar 3 merupakan kategori pasien dengan jumlah tertinggi
masuk stadium AIDS setelah ART.
Gambar 3. Distribusi karakteristik demografi pasien ART berdasarkan peubah
jenis kelamin, umur, pendidikan dan status bekerja
1 2 3 4 5 6
168
210
149 125
73 95
21 32 15 4 8 2
111 144
82 50
33 42
78 98
82 79 48 55
Jumlah Pasien
Masa ART (Tahun)
CD4 < 200 CD4 >= 200 Stadium 1&2 Stadium 3&4
316 78
184 210
24 29
232 109
213 181
Jumlah Pasien
Stat
us
Akh
ir A
IDS
laki-laki Perempuan Usia 16-29 Tahun Usia > 30 Tahun
Tidak Tamat SMP Tamat SMP Tamat SMA Tamat PT
21
Persentase tertinggi pasien yang telah menjalani ART hanya bertahan
menjalani terapi selama 1 tahun hingga akhirnya masuk stadium AIDS. Hal ini
mengindikasikan cepatnya laju perkembangan HIV menjadi AIDS pada pasien.
Persentase tertinggi pasien dengan CD4 Akhir bebas AIDS mampu bertahan
menjalani pengobatan ART lebih lama hingga tahun ke-6 (Gambar 4).
Gambar 4. Persentase lamanya pasien menjalani ART hingga tahun ke-x
berdasarkan status CD4 akhir.
Berdasarkan Gambar 5, persentase tertinggi pasien yang menjalani ART
(69%) mengalami kenaikan CD4 per bulan yang mengindikasikan keberhasilan
terapi memperbaiki imunitas pasien. Namun, 28,6% pasien yang telah menjalani
ART tidak mengalami perubahan status CD4 awal hingga penelitian berakhir dan
2,4% lainnya justru mengalami penurunan CD4 setelah ART.
Gambar 5. Laju perubahan CD4 pasien ART per Bulan
Gambar 4 dan 5 menunjukkan bahwa efektifitas ART dalam memperbaiki
imunitas dan menekan laju perkembangan infeksi HIV menjadi AIDS pada
masing-masing pasien sangat bervariasi. Banyak faktor yang mempengaruhinya.
Untuk mempelajari pengaruh faktor-faktor ini terhadap waktu ketahanan ART
penderita HIV selanjutnya dilakukan analisis regresi logistik dan analisis survival.
CD4 Akhir < 200 (AIDS)
CD4 Akhir > 200
0
100
1 2 3 4 5 6
pas
ien
(%
)
Masa ART (tahun)
22
4.2 Hasil Analisis Regresi Logistik
Analisis regresi logistik dilakukan dengan memasukkan semua peubah
penjelas ke dalam model. Pengujian parameter secara simultan dengan uji G
didapatkan nilai statistik uji khi-kuadrat sebesar 32,708 dengan nilai p = 0,002
(p < 0.10). Dengan demikian disimpulkan bahwa H0 ditolak, yang berarti
setidaknya ada satu peubah penjelas yang berpengaruh nyata terhadap waktu
ketahanan ART. Pengujian parameter secara parsial dilakukan dengan uji Wald,
peubah yang berpengaruh nyata pada taraf alpha 10% adalah cara penularan, jenis
kelamin dan status bekerja.
Tabel 4. Hasil analisis regresi logistik
Peubah B Wald Sig. Exp(B)
CD4 Awal -0,181 0,332 0,565 0,835
Stadium Klinis -0,320 1,309 0,252 0,726
Cara Penularan 10,665 0,005
Hubungan Seksual 0,734 2,930 0,087 2,083
Jarum Suntik -0,185 0,220 0,639 0,832
Riwayat ART 0,351 1,352 0,245 1,420
Status Fungsional 2,798 0,247
Kerja -0,689 1,935 0,164 0,502
Ambulatori -0,842 2,790 0,095 0,431
Umur -0,036 0,021 0,884 0,964
Jenis Kelamin -0,961 7,367 0,007 0,383
Pendidikan 5,033 0,169
Tidak Tamat SMP 0,086 0,029 0,865 1,090
Tamat SMP -0,460 0,870 0,351 0,631
Tamat SMA -0,539 4,036 0,045 0,584
Status Bekerja -0,665 7,073 0,008 0,514
Constant 0,787 1,225 0,268 2,197
Dugaan persamaan model regresi logistik untuk probabilitas waktu
ketahanan ART lebih dari 2 tahun atau π (X) = P(Y=1|X) yang terbentuk adalah:
( )
( )
Salah satu teknik yang dapat digunakan untuk menentukan tingkat kebaikan
prediksi atau keakuratan dari model adalah menggunakan tabel klasifikasi. Hasil
klasifikasi analisis regresi logistik biner antara nilai asal peubah penjelas dengan
nilai prediksi model (Lampiran 2) terlihat bahwa model regresi dengan melibatkan
seluruh peubah penjelas memiliki tingkat prediksi yang lebih baik (74,2%)
23
dibanding model sederhana yang melibatkan 5 peubah penjelas (72,1%). Nilai
mengindikasikan bahwa keragaman waktu ketahanan ART
penderita HIV dapat diterangkan oleh peubah penjelas pada model dengan
pengaruh utama lebih besar (11,4%) daripada model sederhana (7,8%). Sehingga
model regresi logistik yang digunakan untuk menduga waktu ketahanan ART
penderita HIV adalah model dengan menggunakan seluruh peubah penjelas.
Tabel 4 menunjukkan bahwa peubah cara penularan berpengaruh nyata
terhadap waktu ketahanan ART (nilai p = 0,005). Pasien yang tertular HIV
melalui hubungan seksual berbeda nyata jika dibandingkan pasien yang tertular
HIV melalui cara lainnya. Rasio odds cara penularan melalui hubungan seksual
dibanding cara lainnya sebesar 2,083 atau resiko pasien dengan cara penularan
lainnya memiliki waktu ketahanan ART lebih dari 2 tahun dibanding cara
penularan melalui hubungan seksual sebesar 1/2,083= 0,48 kali.
Peubah jenis kelamin berpengaruh nyata terhadap waktu ketahanan ART
(nilai p = 0,007). Rasio odds perempuan dibanding laki-laki sebesar 0,383 atau
resiko pasien laki-laki masuk stadium AIDS lebih dari 2 tahun sebesar 2,61 kali
lebih besar dibanding pasien perempuan. Hal ini berarti pasien perempuan
memiliki resiko masuk stadium AIDS lebih cepat dibandingkan dengan pasien
laki-laki setelah ART.
Peubah status bekerja berpengaruh nyata terhadap waktu ketahanan ART
(nilai p = 0,008). Rasio odds bekerja dibanding tidak bekerja sebesar 0,514 atau
resiko pasien yang tidak bekerja masuk stadium AIDS setelah ART lebih dari 2
tahun 1,94 kali lebih besar dibanding pasien yang bekerja. Perkembangan infeksi
HIV menjadi AIDS pada pasien yang bekerja saat memulai ART cenderung lebih
cepat dibandingkan pasien yang tidak bekerja. Hal ini diperkuat dengan informasi
yang terdapat pada Tabel 5 berikut:
Tabel 5. Distribusi status akhir pasien berdasarkan CD4 awal dan stadium klinis
Peubah
Frekuensi Status Akhir
AIDS (%)
CD4 Awal CD4 < 200
CD4 ≥ 200
393
1
99,7
0,3
Stadium
Klinis
Stadium 1 dan 2 210 53,3
Stadium 3 dan 4 184 46,7
24
Berdasarkan Tabel 5, sebanyak 99,7% pasien yang menjalani ART telah
masuk stadium AIDS sebelum melakukan terapi (CD4 < 200), Sehingga peubah
CD4 awal menjadi tidak nyata. Beratnya stadium klinis pasien saat memulai ART
mempengaruhi lamanya proses perbaikan kondisi klinis pasien (Kemenkes 2011).
Persentase tertinggi pasien yang masuk stadium AIDS setelah ART berdasarkan
Tabel 5 adalah pasien dengan stadium klinis awal ringan saat sebelum ART
(stadium 1 dan 2), sehingga stadium klinis menjadi tidak nyata.
Tabel 6. Distribusi lama pasien menjalani ART berdasarkan peubah riwayat ART,
status fungsional, umur dan pendidikan
Peubah
Distribusi waktu ART pasien Bebas
AIDS
(%) Tahun
ke-1
Tahun
ke-2
Tahun
ke-3
Tahun
ke-4
Tahun
ke-5
Tahun
ke-6
Riwayat ART
Pernah ART 30 45 33 21 19 11 57,9
Belum ART 159 197 131 108 62 86 56
Status Fungsional
Kerja 136 176 113 75 52 60 55,6
Ambulatori 41 63 44 43 25 17 57,4
Baring 12 3 7 11 4 20 59,7
Umur
16 - 29 Tahun 91 109 80 63 35 48 56,9
>30 Tahun 98 133 84 66 46 49 55,9
Pendidikan
Tidak Tamat SMP 12 10 12 13 2 2 53
Tamat SMP 11 17 6 7 5 14 51,7
Tamat SMA 117 135 95 69 41 47 54
Tamat PT 49 80 51 40 33 34 62,1
Peubah riwayat ART, status fungsional, umur dan pendidikan tidak
berpengaruh nyata. Berdasarkan Tabel 6, hal ini dapat disebabkan karena
persentase tertinggi pasien yang menjalani ART, masih bertahan menjalani ART
hingga tahun ke-2 kecuali pada pasien dengan status fungsional baring yang
mampu bertahan hingga tahun ke-6 dan riwayat pendididikan tidak tamat SMP
yang mampu bertahan hingga tahun ke-4. Hal ini mengindikasikan lemahnya daya
tahan pasien menjalani terapi. Namun berdasarkan status CD4 terakhir lebih dari
separuh (50%) pasien yang telah menjalani ART tidak masuk stadium AIDS
hingga penelitian berakhir. Sehingga peubah-peubah penjelas tersebut menjadi
tidak nyata mempengaruhi lamanya perkembangan infeksi HIV menjadi AIDS.
25
4.3 Data Survival
Dalam analisis survival, T adalah waktu ketahanan ART pasien
(lama perkembangan infeksi HIV hingga AIDS) dengan peubah indiktor , yang
menyatakan apakah pada saat pengambilan data pasien telah masuk stadium AIDS
atau CD4 Akhir < 200 sel/mm3 ( ) atau belum ( ). Jenis sensor pada
peubah ini adalah sensor acak.
(a) CD4 Awal (b) Stadium Klinis
Gambar 6. Plot data survival pasien terapi ARV untuk setiap Strata CD4 Awal
dan stadium klinis
Gambar 6.a menunjukkan, daya tahan pasien yang memulai terapi ARV saat
CD4 awal lebih dari atau samadengan 200 sel/mm3 lebih tinggi dibanding CD4
awal kurang dari 200 sel/mm3 (stadium AIDS). Semakin dini terapi dilakukan
proses perbaikan imunitas pasien akan lebih baik karena proses replikasi HIV
dalam darah dapat segera ditekan. Gambar 4 memberikan informasi yang
menguatkan bahwa pasien dengan daya tahan tinggi menjalani terapi memiliki
peluang masuk stadium AIDS lebih kecil.
Beratnya stadium klinis awal pasien saat memulai ART berkorelasi positif
dengan lamanya masa terapi. Pasien dengan stadium klinis awal yang berat
(stadium 3 dan 4) memiliki daya tahan yang lebih tinggi menjalani terapi
dibanding stadium 1 dan 2 (Gambar 6.b). Hal ini mengindikasikan efektifitas
terapi dalam memperbaiki gejala klinis pasien.
26
4.3.1 Model Regresi Cox Proporsional Hazard
Analisis regresi Cox proporsional hazard dilakukan dengan memasukkan
semua peubah penjelas ke dalam model. Pengujian parameter secara simultan
dengan uji G didapatkan nilai statistik uji khi-kuadrat sebesar 88,519 dengan nilai
p = 0,000. Dengan demikian disimpulkan bahwa H0 ditolak. Pengujian parameter
secara parsial dilakukan dengan uji Wald, hasil ini memberikan informasi bahwa
peubah yang berpengaruh nyata pada taraf alpha 10% adalah CD4 awal, stadium
klinis, cara penularan, umur, jenis kelamin, pendidikan, dan status bekerja
(Lampiran 3).
Pemodelan dilakukan kembali untuk menyeleksi peubah penjelas yang
masuk ke dalam model agar diperoleh model terbaik menggunakan prosedur
backward. Hasil analisis dengan melibatkan semua peubah penjelas dihasilkan
nilai AIC terkecil (4840,03) yaitu model survival yang melibatkan 10 parameter
dalam model (Lampiran 4), dengan nilai p = 0,000 (p < 0.10). Sehingga model
survival dengan melibatkan 10 parameter merupakan model terbaik. Tabel 7
memberikan informasi bahwa semua peubah berpengaruh nyata. Hal ini didukung
dengan jumlah data yang lebih banyak dari data yang digunakan dalam analisis
regresi logistik.
Tabel 7. Hasil analisis survival dengan model regresi hazard proporsional
Peubah B Sig. Tingkat
Hazard
CD4 Awal 3,564 0,000 35,290
Stadium Klinis 0,205 0,050 1,227
Cara Penularan 0,000
Hubungan Seksual -0,286 0,120 0,751
Jarum Suntik 0,469 0,005 1,598
Umur 0,188 0,078 1,206
Sex 0,522 0,000 1,686
Pendidikan 0,017
Tidak Tamat SMP 0,503 0,028 1,654
Tamat SMP 0,351 0,102 1,421
Tamat SMA 0,338 0,004 1,402
Status Bekerja 0,282 0,009 1,326
27
Berdasarkan peubah–peubah penjelas yang berpengaruh nyata (Tabel 7)
terhadap peubah respon (p < 0.10) diketahui faktor-faktor yang mempengaruhi
waktu ketahanan ART penderita HIV dan dugaan tingkat hazardnya.
Pasien yang memulai ART saat CD4 Awal sangat rendah (CD4 awal < 200
sel/mm3) memiliki resiko mengalami kegagalan ART sebesar 35,29 kali dari
pasien dengan CD4 awal lebih tinggi (CD4 ≥ 200 sel/mm3). Gambar 7.a
menunjukkan bahwa semakin rendah nilai CD4 awal pasien resiko masuk stadium
AIDS semakin tinggi. Terlihat bahwa tingkat kegagalan yang paling tinggi adalah
pada pasien dengan CD4 < 200 sel/mm3.
Pasien dengan stadium klinis awal saat memulai ART tanpa gejala klinis
(stadium 1 dan 2) memiliki resiko mengalami kegagalan ART 1,23 kali dari
pasien dengan stadium klinis awal dengan gejala klinis (stadium 3 dan 4).
Beratnya stadium klinis pasien saat memulai ART tidak berpengaruh terhadap
resiko kegagalan ART menunjukkan efektifitas terapi dalam memperbaiki kondisi
klinis pasien. Plot fungsi hazard (Gambar 7.b) membuktikan bahwa tingkat
kegagalan (hazard) yang paling rendah adalah kategori stadium klinis 3 dan 4.
(a) CD4 Awal (b) Stadium Klinis (c) Cara Penularan
Gambar 7. Plot fungsi hazard riwayat penyakit pasien ART
Berdasarkan plot fungsi hazard (Gambar 7.c) terlihat bahwa tingkat
kegagalan yang paling tinggi adalah pada pasien yang tertular HIV melalui jarum
suntik. Pasien ART yang tertular HIV melalui jarum suntik memiliki resiko
mengalami kegagalan ART 1,59 kali dari pasien yang tertular HIV melalui cara
yang tidak diketahui.
28
(a) Jenis Kelamin (b) Pendidikan (c) Status Bekerja
Gambar 8. Plot fungsi hazard karakteristik demografi pasien ART
Resiko pasien perempuan masuk stadium AIDS setelah menjalani ART 1,68
kali dari pasien laki-laki. Gambar 8.a menunjukkan bahwa tingkat kegagalan
pasien menjalani ART yang paling tinggi adalah pada pasien perempuan. Peubah
pendidikan berpengaruh nyata terhadap waktu ketahanan ART pasien. Resiko
pasien dengan pendidikan terakhir tidak tamat SMP 1,65 kali dari pasien dengan
pendidikan terakhir pendidikan tinggi. Tingkat kegagalan paling tinggi adalah
pada kategori pendidikan tidak tamat SMP (Gambar 8.b). Pasien dengan
pendidikan terakhir perguruan tinggi memiliki resiko paling rendah untuk masuk
stadium AIDS.
Peubah umur berpengaruh nyata terhadap waktu ketahanan ART pasien.
Resiko pasien yang berusia di atas 30 tahun saat memulai ART gagal terapi 1,2
kali dari pasien yang terkategori pemuda. Resiko pasien yang bekerja saat
memulai ART 1,32 kali dari pasien yang tidak bekerja. Gambar 8.c menunjukkan
bahwa tingkat kegagalan yang paling tinggi adalah pada pasien yang bekerja. Hal
ini didukung oleh informasi pada tabel berikut:
Peubah Status Bekerja
Total Bekerja Tidak
Faktor
Risiko
Heteroseksual 127 136 263
Homoseksual 8 6 14
Transfusi darah 0 3 3
IDU 210 211 421
Non IDU 59 36 95
Suami 0 3 3
IDU & Hetero 2 1 3
Tidak diketahui 74 26 100
Total 480 422 902
*IDU: injecting drug user
29
Pasien yang bekerja memiliki peluang terpengaruh lingkungan tempat
bekerja lebih tinggi dibanding pasien yang tidak bekerja. Sebanyak 210 pasien
(43,7%) yang bekerja saat memulai ART merupakan pengguna napza suntik
(IDU) dan sebanyak 127 pasien (26,4%) berasal dari faktor risiko heteroseksual
(penjaja seks laki-laki atau perempuan). Gambar 3 memberikan informasi bahwa
dari 480 pasien yang bekerja saat memulai ART, sebanyak 213 pasien (44,3%)
masuk stadium AIDS setelah ART.
4.3.2 Pemeriksaan Asumsi Proporsional
Pemeriksaan asumsi proporsional hazard dilakukan menggunakan Plot LML
data survival dan diperoleh hasil sebagai berikut:
(a) CD4 Awal (b) Stadium Klinis (c) Cara Penularan
Gambar 9. Fungsi log-minus-log riwayat penyakit pasien ART
Plot LML data survival berdasarkan riwayat penyakit pasien (Gambar 9)
dan karakteristik demografi pasien (Gambar 10) menunjukkan setiap strata
masing-masing kovariat paralel terhadap waktu, berarti tidak ada interaksi
kovariat dengan waktu atau kovariat tidak bergantung terhadap waktu. Hazard
dalam peubah penjelas (kovariat) bersifat proporsional sehingga asumsi
proporsional telah terpenuhi.
(d) Jenis kelamin (e) Pendidikan (f) Status Bekerja (g) Umur
Gambar 10. Fungsi log-minus-log karakteristik demografi pasien ART
30
4.3.3 Penerapan Model Cox Proporsional Hazard
Berdasarkan peubah-peubah penjelas yang berpengaruh nyata terhadap
peubah respon dapat diketahui kombinasi karakteristik penderita HIV yang
menjalani terapi antiretroviral dan dugaan peluang daya tahannya.
( ) ( ( )) ( ( )
) ( ( )) ( ( )
) ( ( ) ( ( )
)
( ( )) ( ( )
) ( ( )) ( ( )
)
Ilustrasi penerapan model disajikan dengan memisalkan empat pasien yang
menjalani ART. Deskripsi karakteristik masing-masing pasien dan perhitungan
peluang daya tahan pasien untuk waktu 12 bulan disajikan pada Tabel 8.
Tabel 8. Peluang daya tahan menurut karakteristik
Pasien Karakterisik Peluang
Daya Tahan
I CD4 awal < 200, stadium klinis 3 atau 4, tertular
HIV melalui jarum suntik, pemuda, perempuan,
tidak tamat SMP, dan bekerja
0,43
II CD4 awal < 200, stadium klinis 3 atau 4, tertular
HIV melalui jarum suntik, non pemuda (Usia > 30
Tahun), laki-laki, tamat perguruan tinggi, dan
bekerja
0,70
III CD4 awal < 200, stadium klinis 3 atau 4, tertular
HIV melalui cara lainnya, pemuda, laki-laki, tamat
perguruan tinggi, dan tidak bekerja
0,87
IV CD4 awal ≥ 200, stadium klinis 1 atau 2, tertular
HIV melalui jarum suntik, pemuda, laki-laki,
tamat perguruan tinggi, dan tidak bekerja
0,99
Hasil analisis untuk empat kasus di atas menggambarkan bahwa pasien
keempat mempunyai daya tahan lebih besar yaitu 0,99 dari pasien ketiga yaitu
sebesar 0,87 yang didasarkan pada perbedaan kategori karakteristik riwayat
penyakit. Pasien kedua mempunyai daya tahan lebih besar yaitu 0,70 dari pasien
pertama yaitu sebesar 0,43 yang didasarkan pada perbedaan kategori karakteristik
demografi pasien. Terdapat perbedaan peluang daya tahan menjalani ART untuk
setiap kombinasi karakteristik pasien. Contoh perhitungan manual peluang daya
tahan pasien ART disajikan lebih lanjut pada Lampiran 5.
31
4.4 Analisis Regresi Logistik dan Analisis Survival Pada Data Masa ART
ODHA
Tabel 9 menunjukkan hasil analisis regresi logistik pada batas pemotongan
1, 1.5 dan 2 tahun. Pada batas pemotongan 1 tahun, peubah cara penularan dan
jenis kelamin tidak berpengaruh nyata. Hal ini disebabkan karena adanya
keterkaitan antara peubah cara penularan dengan peubah status bekerja dalam data
yang digunakan (nilai khi-kuadrat person = 5,736 dan nilai p = 0,05) dan
keterkaitan antara peubah jenis kelamin dengan status bekerja (nilai khi-kuadrat
person = 16,824 dan nilai p = 0,000).
Tabel 9. Hasil analisis regresi logistik dengan batas 1, 1.5 dan 2 tahun
Peubah Batas Pemotongan Periode ART
1 Tahun 1.5 Tahun 2 Tahun
Cara Penularan Tidak signifikan Tidak signifikan
Hubungan Seksual B = 0,734*
Jarum Suntik
Jenis Kelamin
Status Bekerja
Tidak signifikan
B = -0,460*
B = -0,635*
B = -0,558*
B = -0,185
B = -0,961*
B = -0,665*
*Signifikan dengan nilai p < 0,10
Pada data dengan batas pemotongan 1.5 tahun (18 bulan). Peubah cara
penularan tidak berpengaruh nyata karena adanya keterkaitan dengan peubah jenis
kelamin (nilai khi-kuadrat person = 10,174 dan nilai p = 0,006). Perbedaan batas
pemotongan periode ART berimplikasi pada faktor-faktor yang berpengaruh nyata
terhadap waktu ketahanan ART pasien.
Tabel 10. Perbandingan hasil analisis regresi logistik dan analisis survival
Peubah Regresi Logistik Regresi Cox Korelasi
CD4 Awal Tidak signifikan B = 3,564* 0,081**
Stadium Klinis Tidak signifikan B = 0,205* 0,115**
Cara Penularan
Hubungan Seksual B = 0,734* B = -0,286*
Jarum Suntik B = -0,185 B = 0,469*
Jenis Kelamin B = -0,961* B = 0,522*
Status Bekerja B = -0,665* B = 0,282*
*Signifikan dengan nilai p < 0.10
** Signifikan dengan nilai p < 0.01, nilai korelasi Kendall
32
Analisis regresi logistik memberikan kesimpulan bahwa faktor-faktor yang
mempengaruhi waktu ketahanan ART pasien (masuk stadium AIDS setelah
menjalani ART lebih dari 2 Tahun) adalah cara penularan HIV, jenis kelamin dan
status bekerja. Peubah CD4 awal dan stadium klinis tidak berpengaruh nyata
dalam mempengaruhi ketahanan pasien menjalani terapi Antiretroviral. Padahal
terdapat korelasi antara status CD4 awal dan stadium klinis pasien dengan waktu
ketahanan pasien menjalani ART berdasarkan nilai korelasi kendall (p < 0.01).
Terdapat perbedaan hasil mengenai pengaruh peubah CD4 awal dan stadium
klinis antara analisis regresi logistik dan analisis survival (Tabel 10). Pengurangan
data dalam analisis regresi logistik dapat memberikan hasil yang kurang sesuai
dengan keadaan data yang sebenarnya karena data yang dibuang dapat
mengandung informasi yang penting.
33
5. SIMPULAN DAN SARAN
5.1 Simpulan
Kesimpulan penerapan dua metode yang dikerjakan pada data yang sama
dalam tulisan ini adalah sebagai berikut:
1. Hasil analisis regresi logistik memberikan kesimpulan bahwa pasien yang
memiliki peluang terbesar masuk stadium AIDS setelah menjalani ART
lebih dari 2 tahun adalah pasien laki-laki, tidak bekerja dan tertular HIV
melalui hubungan seksual. Perkembangan infeksi HIV menjadi AIDS pada
pasien perempuan, bekerja dan tertular HIV selain melalui hubungan
seksual dan jarum suntik cenderung lebih cepat dibandingkan pasien dengan
kategori lainnya.
2. Hasil analisis survival dengan menggunakan model Cox hazard proportional
memberikan kesimpulan bahwa pasien dengan karakteristik nilai CD4 awal
sebelum ART kurang dari 200 sel/mm3, stadium klinis 1 dan 2, tertular HIV
melalui jarum suntik, perempuan, tidak tamat SMP, berusia lebih dari 30
tahun dan bekerja saat memulai ART adalah kategori pasien dengan resiko
kegagalan ART paling tinggi dibanding kategori lainnya.
3. Faktor-faktor yang mempengaruhi waktu ketahanan pasien menjalani ART
hingga masuk stadium AIDS adalah status CD4 awal, stadium klinis, cara
penularan, jenis kelamin, pendidikan, umur dan status bekerja. Hal ini
mengindikasikan terdapat faktor lain yang berpengaruh terhadap ketahanan
pasien menjalani ART disamping efektifitas terapi yaitu riwayat penyakit
dan kondisi lingkungan pasien sebelum terinfeksi HIV.
5.2 Saran
1. Faktor manusia sebagai tuan rumah (host), penyebab penyakit (agent) dan
lingkungan yang mempengaruhi (environment) adalah tiga faktor yang
berperan pada setiap kejadian (penyebaran) penyakit. Dalam penelitian ini,
analisis faktor-faktor yang mempengaruhi ketahanan ODHA menjalani ART
hanya terbatas pada identifikasi pengaruh faktor environment dengan
memanfaatkan data demografi dan riwayat penyakit pasien.
34
Untuk itu, disarankan bagi penelitian selanjutnya untuk menggunakan faktor
host (seperti kepatuhan pasien mengkonsumsi ARV atau faktor adherens)
dan faktor agent (mutasi virus HIV) dalam mengidentifikasi faktor-faktor
yang mempengaruhi waktu ketahanan ODHA menjalani ART.
2. Apabila tidak diinginkan adanya pengurangan jumlah kasus pada jenis data
tak lengkap (yang mengandung data tersensor) akan lebih baik jika
dianalisis dengan analisis survival.
35
DAFTAR PUSTAKA
Agresti A. 2007. An Introduction to Categorical Data Analysis. Second Edition.
Canada: John Wiley & Sons Inc.
Asuroh S. 2005. Pemodelan Masa Belajar Pada Usia Sekolah dengan
Menggunakan Survival Analysis [Tesis]. Bogor: Program Pascasarjana,
Institut Pertanian Bogor.
[BPS] Biro Pusat Statistik. 1994. Jakarta: Kesejahteraan Rakyat.
Clerici M, Balotta C, Meroni L, Ferrario E, Riva C, Trabattoni D, Ridolfo A, Villa
M, Shearer GM, Moroni M, and Galli M. 1996. Type 1 Cytokine Production
and Low Prevalence of Viral Isolation Correlate With Long-Term Non
Progression in HIV Infection. AIDS Res. Hum Retroviruses. Vol.12 (11):
1053–1061.
Collet D. 2003. Modelling Survival Data in Medical Research. Second Edition.
New York: Chapman & Hall.
Cox RD, Oakes D. 1984. Analysis of Survival Data. New York: Chapman & Hall.
Gharibvand L. 2008. A Step-by-Step Guide to Survival Analisis. Riverside:
University of California.
Harnanto. 2008. Analisis Ketahanan dan Aplikasinya untuk Pemodelan Interval
Kelahiran Anak Pertama [Tesis]. Bogor: Program Pascasarjana, Institut
Pertanian Bogor.
Hosmer DW, Lemeshow JS. 2000. Applied Logistic Regression. Canada: John
Wiley & Sons Inc.
Hosmer DW, Lemeshow JS, May S. 2008. Applied Survival Analysis. Canada:
John Wiley & Sons Inc.
[IDI dan PDUI] Ikatan Dokter Indonesia dan Perhimpunan Dokter Umum
Indonesia. 2006. Panduan Layanan Terapi Antiretroviral. Jakarta.
Indrawati V. 2008. Hubungan Nilai CD4 Pada Awal Pengobatan ARV dengan
Kemampuan Hidup 1 Tahun Orang Dengan HIV/AIDS (ODHA) [Tesis].
Yogyakarta: Program Studi Ilmu Kedokteran Klinik Minat Utama
Epidemiologi Klinik, Universitas Gadjah Mada.
[Kemenkes RI] Kementrian Kesehatan Republik Indonesia, Direktur Jendral
Pengendalian Penyakit dan Penyehatan Lingkungan. 2011. Laporan Situasi
Perkembangan HIV-AIDS di Indonesia sampai dengan maret 2011. Jakarta:
Kemenkes RI. www.pppl.depkes.go.id.
36
Kleinbaum DG, Klein M. 2005. Survival Analysis: A Self-Learning Text. Second
Edition. New York: Springer.
Klein J, Moeschberger R. 1997. Survival Analysis. New York: Springer.
Lee ET. 1992. Statistical Methods for Survival Data Analysis. Second Edition.
New York: John Wiley & Sons, Inc.
Leung KM, Elashoff RM, Afifi AA. 1997. Cencoring Issues in Suvival Analysis.
Annu. Rev. Public Health. Vol.18: 83-104.
Margiantari ES, Basuki H, Riyanto. 2009. Faktor-Faktor yang Mempengaruhi
Kesehatan Mental Penderita HIV. Fakultas Psikologi, Universitas
Gunadarma. www.gunadarma.ac.id.
Mendenhall W, Sincich T. 1996. A Second Course in Statistics : Regression
Analysis. 5th
ed. New Jersey: Prentice Hall International, Inc.
Mills EJ, Bakanda C, Birungi J, Chan K, Ford N, Cooper CL. 2011. Life
Expectancy of Person Receiving Combination Antiretroviral Therapi in
Low-Income Countries. Ann Intern Med.Vol.155: 209-216.
Morgan D, Mahe C, Mayanja B, Whitworth JA. 2002. Progression to
Symptomatic Disease in People Infected With HIV-1 in Rural Uganda:
Prospective Cohort Study. BMJ. Vol. 324(7331): 193–196.
Muninggar NS. 2001. Analisis Tingkat Defisiensi Imun Penderita HIV
Menggunakan Ordinal Logit and Metode CHAID [Skripsi]. Bogor: Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Rasmaliah. 2001. Epidemiologi HIV/AIDS dan Upaya Penanggulangannya.
Sumatra Utara: Fakultas Kesehatan Masyarakat, Universitas Sumatra Utara.
Susilowati T. 2012. Faktor –Faktor Risiko yang Berpengaruh Terhadap Kejadian
HIV dan AIDS di Semarang dan Sekitarnya. Purworejo: Akademi
Kebidanan Purworejo.
[UNAIDS] The Joint United Nation Programme on HIV/AIDS. 2010. UNAIDS
Report on The Global AIDS Epidemic. www.unaids.org. [2 Maret 2012].
Vittinghoff E, Shiboski SC, Glidden DV, McCulloch CE. 2004. Regression
Methods in Biostatistics: Linear, Logistic, Survival, and Repeated Measures
Models. New York: Springer.
38
Lampiran 1. Kategori peubah-peubah penjelas penelitian
Peubah Koding
(1) (2) (3)
Pendidikan Tidak Tamat SMP 1 0 0
Tamat SMP 0 1 0
Tamat SMA 0 0 1
Tamat PT 0 0 0
Status
Fungsional
Kerja 1 0
Ambulatori 0 1
Baring 0 0
Cara
Penularan
Seksual 1 0
Jarum Suntik 0 1
Lainnya 0 0
Stadium
Klinis
Stadium 1 & 2 1
Stadium 3 & 4 0
Riwayat ART Pernah ART 1
Belum Pernah ART 0
Status Bekerja Bekerja 1
Tidak Bekerja 0
Jenis Kelamin Laki-laki 0
Perempuan 1
Umur Usia 16-29 Tahun 0
Usia ≥ 30 Tahun 1
CD4 Awal CD4 < 200 1
CD4 ≥ 200 0
39
Lampiran 2. Hasil klasifikasi pasien berdasarkan model dengan pengaruh utama,
dan model sederhana (3 peubah penjelas)
Peubah
Prediksi model (a) Prediksi model (b)
Waktu ART Benar
Waktu ART Benar
0 1 0 1
Waktu ART 0 274 8 97,2 271 11 96,1
1 94 18 16,1 99 13 11,6
Nilai R2 (%) 74,1 72,1
Nagelkerke R2 0,114 0,078
Lampiran 3. Hasil uji wald parameter model regresi Cox
B Wald Sig. Exp(B)
CD4 Awal 3,579 12,754 0,000 35,847
Stadium Klinis 0,188 2,688 0,101 1,207
Cara Penularan 34,847 0,000
Cara Penularan (1) -0,289 2,463 0,117 0,749
Cara Penularan (2) 0,460 7,437 0,006 1,585
Riwayat ART 0,060 0,197 0,657 1,062
Status Fungsional 1,040 0,594
Status Fungsional (1) 0,225 0,986 0,321 1,253
Status Fungsional (2) 0,225 0,921 0,337 1,252
Umur 0,191 3,229 0,072 1,210
Jenis Kelamin 0,505 12,763 0,000 1,657
Pendidikan 9,993 0,019
Pendidikan (1) 0,486 4,477 0,034 1,626
Pendidikan (2) 0,361 2,812 0,094 1,435
Pendidikan (3) 0,339 8,274 0,004 1,403
Status Bekerja 0,277 6,440 0,011 1,319
Lampiran 4. Perhitungan nilai AIC model regresi Cox
-2 Log
Likelihood
Chi-
square
Jumlah
Parameter Sig. AIC
4818,713 88,519 13 0,000 4844,713
4818,907 88,355 12 0,000 4842,907
4820,034 87,789 10 0,000 4840,034
40
Lampiran 5. Perhitungan manual peluang survival
Rt ∑ ( )
( )
∑ ( ) ( )
∑
∑ ( ) ( )
1 37 902 42900,02 0,0009 0,0009 0,9991 2 25 860 40902,46 0,0006 0,0015 0,9985 3 17 832 39570,75 0,0004 0,0019 0,9981 4 11 814 38714,65 0,0003 0,0022 0,9978 5 11 802 38143,92 0,0003 0,0025 0,9975 6 16 788 37478,07 0,0004 0,0029 0,9971 7 5 768 36526,85 0,0001 0,0031 0,9969 8 6 760 36146,36 0,0002 0,0032 0,9968 9 7 751 35718,31 0,0002 0,0034 0,9966
10 7 744 35385,38 0,0002 0,0036 0,9964 11 4 736 35004,9 0,0001 0,0038 0,9963 12 10 726 34529,29 0,0003 0,0040 0,9960 13 17 713 33910,99 0,0005 0,0045 0,9955 14 12 687 32674,41 0,0004 0,0049 0,9951 15 13 667 31723,19 0,0004 0,0053 0,9947 16 12 648 30819,53 0,0004 0,0057 0,9943 17 10 622 29582,94 0,0003 0,0060 0,9940 18 10 596 28346,36 0,0004 0,0064 0,9936 19 13 578 27490,26 0,0005 0,0069 0,9932 20 12 558 26539,04 0,0005 0,0073 0,9927 21 7 540 25682,94 0,0003 0,0076 0,9924 22 10 524 24921,96 0,0004 0,0080 0,9920 23 5 502 23875,62 0,0002 0,0082 0,9918 24 4 486 23114,65 0,0002 0,0084 0,9917 25 13 471 22401,23 0,0006 0,0090 0,9911 26 8 431 20498,79 0,0004 0,0094 0,9907 27 4 412 19595,13 0,0002 0,0096 0,9905 28 4 396 18834,16 0,0002 0,0098 0,9903 29 4 385 18310,99 0,0002 0,0100 0,9901 30 4 379 18025,62 0,0002 0,0102 0,9898 31 2 365 17359,77 0,0001 0,0103 0,9897 32 2 359 17074,4 0,0001 0,0104 0,9896 33 3 352 16741,47 0,0002 0,0106 0,9894 34 3 342 16265,86 0,0002 0,0108 0,9893 35 4 328 15600,01 0,0003 0,0111 0,9890 36 2 317 15076,84 0,0001 0,0112 0,9889 37 4 307 14601,23 0,0003 0,0115 0,9886 38 2 294 13982,93 0,0001 0,0116 0,9885 39 7 285 13554,89 0,0005 0,0121 0,9879 40 4 262 12460,98 0,0003 0,0124 0,9876 41 2 242 11509,76 0,0002 0,0126 0,9875
41
Lanjutan Lampiran 5
42 43
1 3
233 226
11081,71 10748,79
0,0001 0,0003
0,0127 0,0130
0,9874 0,9871
44 4 216 10273,18 0,0004 0,0134 0,9867 45 2 207 9845,127 0,0002 0,0136 0,9865 46 2 197 9369,517 0,0002 0,0138 0,9863 47 0 189 8989,029 0,0000 0,0138 0,9863 48 0 184 8751,224 0,0000 0,0138 0,9863 49 0 178 8465,858 0,0000 0,0138 0,9863 50 2 175 8323,175 0,0002 0,0140 0,9861 51 0 165 7847,565 0,0000 0,0140 0,9861 52 3 163 7752,443 0,0004 0,0144 0,9857 53 0 153 7276,833 0,0000 0,0144 0,9857 54 1 144 6848,784 0,0001 0,0146 0,9855 55 2 139 6610,979 0,0003 0,0149 0,9852 56 2 134 6373,174 0,0003 0,0152 0,9849 57 0 128 6087,808 0,0000 0,0152 0,9849 58 2 121 5754,881 0,0003 0,0155 0,9846 59 3 107 5089,027 0,0006 0,0161 0,9840 60 0 101 4803,661 0,0000 0,0161 0,9840 61 1 97 4613,417 0,0002 0,0163 0,9838 62 1 93 4423,173 0,0002 0,0166 0,9836 63 2 87 4137,807 0,0005 0,0170 0,9831 64 0 81 3852,441 0,0000 0,0170 0,9831 65 1 75 3567,075 0,0003 0,0173 0,9828 66 1 68 3234,148 0,0003 0,0176 0,9825 67 1 64 3043,904 0,0003 0,0180 0,9822 68 0 57 2710,977 0,0000 0,0180 0,9822 69 2 55 2615,855 0,0008 0,0187 0,9814 70 0 52 2473,172 0,0000 0,0187 0,9814 71 0 47 2235,367 0,0000 0,0187 0,9814 72 1 44 2092,684 0,0005 0,0192 0,9810 73 1 34 1617,074 0,0006 0,0198 0,9804 74 1 31 1474,391 0,0007 0,0205 0,9797 75 0 25 1189,025 0,0000 0,0205 0,9797 76 1 24 1141,464 0,0009 0,0214 0,9788 77 0 18 856,098 0,0000 0,0214 0,9788 78 1 12 570,732 0,0018 0,0231 0,9771 79 0 11 523,171 0,0000 0,0231 0,9771 80 0 9 428,049 0,0000 0,0231 0,9771 81 0 7 332,927 0,0000 0,0231 0,9771 82 0 5 237,805 0,0000 0,0231 0,9771 85 0 4 190,244 0,0000 0,0231 0,9771 87 0 2 95,122 0,0000 0,0231 0,9771