ANALISIS SURVIVAL DENGAN PENDEKATAN MULTIPERIOD LOGIT PADA LAJU KESEMBUHAN PASIEN DBD DI RS PERKEBUNAN JEMBER KLINIK

Abstract

Pada penelitian ini bertujuan untuk mendapatkan survival times yang akan digunakan dalam analisis survival dengan pendekatan multi-period logit. Selain itu penelitian ini bertujuan untuk mendapatkan faktor-faktor yang memberikan pengaruh terhadap laju perbaikan klinis pasien DBD di Rumah Sakit Perkebunan Jember Klinik serta untuk mendapatkan model multi-period logit dari data rekam medis pasien DBD di Rumah Sakit Perkebunan Jember Klinik. Hasil penelitian yang dilakukan menunjukkan bahwa survival times yang lebih tepat untuk digunakan dalam analisis survival dengan pendekatan multiperiod logit adalah survival times berdasarkan lama rekam medis pasien DBD. Hal tersebut didapat dari membandingkan dua model, yaitu: model cox PH berdasarkan lama pasien DBD menjalani rawat inap dan lama pemeriksaan tim rekam medis. Dari hasil perbandingan, didapatkan nilai R-Square, Likelihood rasio test, dan wald test dari model berdasarkan lama pemeriksaan tim rekam medis (TB) lebih baik daripada model yang berdasarkan lama pasien DBD menjalani rawat inap (TA) di Rumah Sakit Perkebunan Jember Klinik. selain itu, nilai AIC dari model berdasarkan TB lebih kecil dibandingkan TA. Selain itu, variabel yang mempengaruhi laju kesembuhan pasien DBD adalah variabel trombosit. Model multi-period logit menjelaskan variabel hemoglobin memberikan pengaruh yang negatif terhadap laju perbaikan klinis sedangkan variabel hematokrit dan trombosit memberikan pengaruh yang positif terhadap laju perbaikan klinis pasien DBD di Rumah Sakit Perkebunan Jember Klinik. Hal ini berarti bahwa semakin tinggi presentase hematokrit dan jumlah trombosit maka peluang pasien DBD mengalami perbaikan klinis (sembuh) semakin besar. Ketika dilakukan pengujian model secara parsial dan simultan. Secara parsial variabel yang mempengaruhi terhadap model adalah variabel trombosit dengan melihat nilai dari p-value kurang dari 0,05 dan secara simultan semua variabel memberikan pengaruh terhadap model dengan melihat nilai dari rasio likelihood yang lebih besar dari nilai 𝜒0.05;4