INI Untuk Memenuhi Tugas Mata Kuliah Pengantar Analisis Longitudinal

Analisis ini bertujuan untuk mengetahui apakah ada efek pemberian obat X dan jenis kelamin terhadap tekanan darah pasien.

# Membuat data
ID <- rep(1:3, each=6)
Bulan <- rep(0:5, 3)

Obat <- c(0,1,0,1,0,1,
          0,0,1,0,1,1,
          0,1,1,0,0,1)

JenisKelamin <- c(rep("L",6),
        rep("P",6),
        rep("L",6))

TekananDarah <- c(150,145,144,140,139,137,
        155,154,150,149,146,143,
        148,143,141,140,139,136)

datareva <- data.frame(ID, Bulan, Obat, JenisKelamin, TekananDarah)
datareva
##    ID Bulan Obat JenisKelamin TekananDarah
## 1   1     0    0            L          150
## 2   1     1    1            L          145
## 3   1     2    0            L          144
## 4   1     3    1            L          140
## 5   1     4    0            L          139
## 6   1     5    1            L          137
## 7   2     0    0            P          155
## 8   2     1    0            P          154
## 9   2     2    1            P          150
## 10  2     3    0            P          149
## 11  2     4    1            P          146
## 12  2     5    1            P          143
## 13  3     0    0            L          148
## 14  3     1    1            L          143
## 15  3     2    1            L          141
## 16  3     3    0            L          140
## 17  3     4    0            L          139
## 18  3     5    1            L          136

Metode Analisis

Metode yang digunakan adalah Generalized Estimating Equation (GEE) dengan: Distribusi Gaussian Link Identity Struktur korelasi Exchangeable

library(geepack)
## Warning: package 'geepack' was built under R version 4.5.3
model <- geeglm(TekananDarah ~ Obat + JenisKelamin,
                id = ID,
                data = datareva,
                family = gaussian,
                corstr = "exchangeable")
summary(model)
## 
## Call:
## geeglm(formula = TekananDarah ~ Obat + JenisKelamin, family = gaussian, 
##     data = datareva, id = ID, corstr = "exchangeable")
## 
##  Coefficients:
##               Estimate  Std.err     Wald Pr(>|W|)    
## (Intercept)   143.8889   0.7751 34459.42  < 2e-16 ***
## Obat           -4.1111   0.9601    18.34 1.85e-05 ***
## JenisKelaminP   7.6667   0.4714   264.50  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Correlation structure = exchangeable 
## Estimated Scale Parameters:
## 
##             Estimate Std.err
## (Intercept)    12.84   1.745
##   Link = identity 
## 
## Estimated Correlation Parameters:
##       Estimate  Std.err
## alpha  -0.1723 0.007833
## Number of clusters:   3  Maximum cluster size: 6
QIC(model)
##       QIC      QICu Quasi Lik       CIC    params      QICC 
##  232.1726  237.1111 -115.5556    0.5308    3.0000  212.1726

Model GEE menunjukkan bahwa variabel pemberian obat dan jenis kelamin berpengaruh signifikan terhadap tekanan darah. Pemberian obat menurunkan tekanan darah, sedangkan perempuan memiliki tekanan darah lebih tinggi dibandingkan laki-laki. Nilai QIC sebesar 232,17 menunjukkan kecocokan model, meskipun tidak digunakan untuk perbandingan karena hanya terdapat satu model.