| No | Nama | NIM |
|---|---|---|
| 1 | Muhammad Dafiq Nur | 16231036 |
| 2 | Novi Dyah Ramadhani | 16231042 |
| 3 | Rivaldo Rumimpunu | 16231053 |
| 4 | Siti Nailya | 16231054 |
| 5 | Syifa Izzati Daryoto | 16231056 |
Analisis survival merupakan metode statistik yang digunakan untuk mempelajari waktu hingga terjadinya suatu peristiwa penting, seperti kematian, kegagalan alat, atau munculnya suatu kondisi tertentu. Berbeda dengan analisis data biasa, analisis survival memiliki karakteristik khusus karena sering melibatkan data tersensor, yaitu kondisi ketika waktu kejadian tidak diketahui secara pasti. Dalam tugas ini, digunakan model Cox Proportional Hazards, salah satu metode paling populer dalam analisis survival karena mampu mengukur pengaruh variabel-variabel kovariat terhadap risiko terjadinya peristiwa tanpa harus menentukan bentuk distribusi waktu kegagalan. Melalui penerapan model ini pada dataset lung atau ovarian, tujuan tugas adalah untuk memahami faktor-faktor yang berkontribusi terhadap peningkatan atau penurunan risiko kejadian, serta mengevaluasi apakah asumsi-asumsi model Cox terpenuhi.
## Warning in data(ovarian): data set 'ovarian' not found## futime fustat age resid.ds rx ecog.ps
## 1 59 1 72.3315 2 1 1
## 2 115 1 74.4932 2 1 1
## 3 156 1 66.4658 2 1 2
## 4 421 0 53.3644 2 2 1
## 5 431 1 50.3397 2 1 1
## 6 448 0 56.4301 1 1 2Dataset ini berisi informasi mengenai waktu ketahanan hidup dari pasien kanker ovarium yang mengikuti sebuah penelitian klinis. Tujuan utama penelitian untuk melihat bagaimana beberapa faktor klinis memengaruhi risiko terjadinya suatu peristiwa, yaitu kematian pasien.
Terdiri dari 26 observasi (pasien) dan 6 variabel , yaitu:
futime, adalah waktu ketahanan hidup pasien bertahan sejak awal penelitian sampai event atau hingga data tersensor dalam satuan hari
fustat, adalah status kejadian. Dimana 1 menyimbolkan pasien mengalami event (meninggal) dan 0 menyimbolkan data tersensor (pasien masih hidup ketika penelitian berakhir)
age, adalah usia pasien saat masuk penelitian dalam satuan tahun
resid.ds, adalah tingkat residual disease yaitu ukuran sisa tumor setelah operasi, semakin besar nilainya maka kondisi penyakit lebih parah
rx, adalah jenis pengobatan/terapi yang diterima pasien (variabel treatment untuk membandingkan efektivitas terapi tertentu)
ecog.ps, adalah skor ECOG Performance Status yaitu ukuran kondisi fisik pasien. Dimana nilai rendah sebagai pasien masih aktif dan nilai tinggi sebagai pasien semakin lemah aktivitas fisiknya terbatas
summary(ovarian)## futime fustat age resid.ds
## Min. : 59.0 Min. :0.0000 Min. :38.89 Min. :1.000
## 1st Qu.: 368.0 1st Qu.:0.0000 1st Qu.:50.17 1st Qu.:1.000
## Median : 476.0 Median :0.0000 Median :56.85 Median :2.000
## Mean : 599.5 Mean :0.4615 Mean :56.17 Mean :1.577
## 3rd Qu.: 794.8 3rd Qu.:1.0000 3rd Qu.:62.38 3rd Qu.:2.000
## Max. :1227.0 Max. :1.0000 Max. :74.50 Max. :2.000
## rx ecog.ps
## Min. :1.0 Min. :1.000
## 1st Qu.:1.0 1st Qu.:1.000
## Median :1.5 Median :1.000
## Mean :1.5 Mean :1.462
## 3rd Qu.:2.0 3rd Qu.:2.000
## Max. :2.0 Max. :2.000Variabel futime berkisar dari 59 hingga 1.227 hari dengan median 476 hari menunjukkan setengah pasien mengalami kejadian atau sensor sebelum 1,3 tahun. fustat memiliki median 0, yang berarti sebagian besar observasi merupakan kejadian belum terjadi (data tersensor). age berada pada rentang 38,9 hingga 74,5 tahun dengan rata-rata sekitar 56 tahun. Status residu tumor (resid.ds) setelah operasi didominasi nilai 1–2 yang menunjukkan tingkat hasil operasi berbeda pada tiap pasien. Variabel perlakuan (rx) dan kondisi performa pasien (ecog.ps) juga dari 1 hingga 2.
table(ovarian$fustat)##
## 0 1
## 14 12Dari seluruh pasien terdapat 14 pasien yang tersensor (fustat = 0) dan 12 pasien yang mengalami event/meninggal (fustat = 1). Artinya, sedikit lebih banyak pasien yang masih hidup hingga akhir periode penelitian dibandingkan yang mengalami kejadian.