10Nama : Aksani Nur Cintami

NIM : 12329003

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
status | 500 .74 .4390735 0 1
time | 500 9.442 2.411279 1 12
obat | 500 .5 .5005008 0 1
stadium | 500 .612 .4877826 0 1
sex | 500 .448 .4977867 0 1

ASUMSI PROPOSIONAL Hazard

1. OBAT
stset time, failure( status)

failure event: status != 0 & status < .

obs. time interval: (0, time]
exit on or before: failure

------------------------------------------------------------------------------
500 total obs.
0 exclusions
------------------------------------------------------------------------------
500 obs. remaining, representing
370 failures in single record/single failure data
4721 total analysis time at risk, at risk from t = 0
earliest observed entry t = 0
last observed exit t = 12

KAPPLAN MEIER IN IN SURVIVAL

Kaplan-Meier survival estimates
6
1.00

-ln[-ln(Survival Probability)]

4
0.75
0.50

2
0.25

0
0.00

-2

0 5 10 15
analysis time
0 .5 1 1.5 2 2.5
obat = 0 obat = 1 ln(analysis time)

obat = 0 obat = 1

Tidak berpotongan Tidak berpotongan

Cox regression -- Breslow method for ties

No. of subjects = 500 Number of obs = 500

No. of failures = 370
Time at risk = 4721
LR chi2(1) = 81.66
Log likelihood = -2110.0401 Prob > chi2 = 0.0000

------------------------------------------------------------------------------
_t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
obat | 2.633647 .2889513 8.83 0.000 2.124064 3.265483
------------------------------------------------------------------------------
. stphtest

Test of proportional-hazards assumption

Time: Time
----------------------------------------------------------------
| chi2 df Prob>chi2
------------+---------------------------------------------------
global test | 0.00 1 0.9646
----------------------------------------------------------------

Nilai global test terpenuhi karena lebih dari 0,05.

2. STADIUM

KAPPLAN MEIER IN IN SURVIVAL

Kaplan-Meier survival estimates

6
1.00

-ln[-ln(Survival Probability)]

4
0.75

2
0.50
0.25

0
0.00

-2

0 5 10 15 0 .5 1 1.5 2 2.5
analysis time ln(analysis time)

stadium = 0 stadium = 1 stadium = 0 stadium = 1

Tidak berpotongan Tidak berpotongan

Cox regression -- Breslow method for ties

No. of subjects = 500 Number of obs = 500

No. of failures = 370
Time at risk = 4721
LR chi2(1) = 40.47
Log likelihood = -2130.6351 Prob > chi2 = 0.0000

------------------------------------------------------------------------------
_t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
stadium | 2.020997 .2325854 6.11 0.000 1.612893 2.532362
------------------------------------------------------------------------------

. stphtest

Test of proportional-hazards assumption

Time: Time
----------------------------------------------------------------
| chi2 df Prob>chi2
------------+---------------------------------------------------
global test | 0.06 1 0.8034
----------------------------------------------------------------
Nilai global test terpenuhi karena lebih dari 0,05.
UJI BIVARIAT

. stcox obat stadium sex

failure _d: status

analysis time _t: time

Iteration 0: log likelihood = -2150.8691

Iteration 1: log likelihood = -2095.6349
Iteration 2: log likelihood = -2095.5417
Iteration 3: log likelihood = -2095.5417
Refining estimates:
Iteration 0: log likelihood = -2095.5417

Cox regression -- Breslow method for ties

No. of subjects = 500 Number of obs = 500

No. of failures = 370
Time at risk = 4721
LR chi2(3) = 110.65
Log likelihood = -2095.5417 Prob > chi2 = 0.0000

------------------------------------------------------------------------------
_t | Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
obat | 2.533018 .2882599 8.17 0.000 2.026613 3.165963
stadium | 1.79923 .2089504 5.06 0.000 1.43296 2.259121
sex | .8516815 .0922303 -1.48 0.138 .6888092 1.053066

1. Variable yang berhubungan dengan varibel survival (dilihat dari nilai P dan interval
kepercayaan)
Variabel P value Conf. interval
Obat 0.000 2.03 - 3.17
Stadium 0.000 1.43 - 2.26
sex 0.138 0.67 - 1.05

Nilai P pada obat dan stadium lebih kecil dari alfa berarti signifikan, sedangkan nilai
P pada sex lebih besar dari alfa berarti tidak signifikan.

2. Kekuatan hubungan (lihat nilai HR)

Kekuatan hubungan kelangsungan hidup dinilai dari nilai Hazard ratio:
a. Kelangsungan hidup pasien yang menggunakan obat lebih besar 2.53 kali
dibanding yang tidak memakai obat
b. Kelangsungan hidup pasien stadium awal lebih besar 1,79 kali dibanding pasien
dengan stadium lanjutan

Dilihat dari nilai P maka:

a. Kelangsungan hidup pasien dengan menggunakan obat lebih besar dibanding dengan
pasien tanpa menggunakan obat
b. Kelangsungan hidup pasien dengan stadium baru lebih besar dibanding dengan pasien
stadium lanjut
 Uji Multivariat
stcox obat stadium sex, nohr

failure _d: status

analysis time _t: time

Iteration 0: log likelihood = -2150.8691

Iteration 1: log likelihood = -2095.6349
Iteration 2: log likelihood = -2095.5417
Iteration 3: log likelihood = -2095.5417
Refining estimates:
Iteration 0: log likelihood = -2095.5417

Cox regression -- Breslow method for ties

No. of subjects = 500 Number of obs = 500

No. of failures = 370
Time at risk = 4721
LR chi2(3) = 110.65
Log likelihood = -2095.5417 Prob > chi2 = 0.0000

------------------------------------------------------------------------------
_t | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
obat | .9294115 .113801 8.17 0.000 .7063658 1.152457
stadium | .5873589 .1161332 5.06 0.000 .359742 .8149759
sex | -.1605427 .108292 -1.48 0.138 -.372791 .0517057

1. Variable yang berhubungan dengan varibel survival (dilihat dari nilai P dan interval
kepercayaan)
Variabel P value Conf. interval
Obat 0.000 0.71 - 1.15
Stadium 0.000 0.35 - 0.81
sex 0.138 -0.37 - 0.05

Nilai P pada obat dan stadium lebih kecil dari alfa berarti signifikan, sedangkan nilai
P pada sex lebih besar dari alfa berarti tidak signifikan.

2. Kekuatan hubungan (lihat nilai HR)

Kekuatan hubungan kelangsungan hidup dinilai dari nilai Hazard ratio:
c. Kelangsungan hidup pasien yang menggunakan obat lebih besar 2.53 kali
dibanding yang tidak memakai obat
d. Kelangsungan hidup pasien stadium awal lebih besar 1,79 kali dibanding pasien
dengan stadium lanjutan

3. Model untuk memprediksi Hazard Function dan Survival Function

a. Hazard Function

𝐻(𝑡) = 𝐻𝑜(𝑡)𝑒 𝑦
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92(𝑜𝑏𝑎𝑡)+0.58(𝑠𝑡𝑎𝑑𝑖𝑢𝑚)+(−0,16)(𝑠𝑒𝑥)
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92(1)+0.58(0)+(−0,16)(0)
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92+0+0
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92
𝐻(2) = 0.009034397
 b. Survival function
𝑆(𝑡) = 𝑆𝑜(𝑡)𝑒𝑥𝑦
𝑆(2) = 𝑆𝑜(0.99)𝑒𝑥(0.92(𝑜𝑏𝑎𝑡)+0.58(𝑠𝑡𝑎𝑑𝑖𝑢𝑚)+(−0,16)(𝑠𝑒𝑥))
𝑆(2) = 𝑆𝑜(0.99)𝑒𝑥(0.92(1)+0.58(0)+(−0,16)(0))
𝑆(2) = 𝑆𝑜(0.99)𝑒𝑥(0.92+0+0)
𝑆(2) = 𝑆𝑜(0.99)𝑒𝑥(0.92+0+0)
𝑆(2) = 0.99079631

4. Aplikasi persamaan survival untuk menghitung survival patient

Hazard function pada pasien laki-laki dengan tidak menggunakan obat dengan
stadium baru pada tahun ke 2

𝐻(𝑡) = 𝐻𝑜(𝑡)𝑒 𝑦
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92(𝑜𝑏𝑎𝑡)+0.58(𝑠𝑡𝑎𝑑𝑖𝑢𝑚)+(−0,16)(𝑠𝑒𝑥)
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92(1)+0.58(0)+(−0,16)(0)
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92+0+0
𝐻(2) = 𝐻𝑜(0.006)𝑒 0.92
𝐻(2) = 0.009034397

Probabilitas = 0.009034397 𝑥 100%

= 0.009%
Jadi probabilitas kelangsungan hidup pasien laki-laki dengan tidak mengunakan obat
dan stadium baru pada tahun ke 2 sebesar 0.009%