BAB I PENDAHULUAN. ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr

1 BAB I PENDAHULUAN 1.1

ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr. Soetomo) Nama Mahasiswa NRP Jurusan Dosen Pembimbing

: Ni’matus Solikhah : 1305 109 501 : Statistika FMIPA-ITS : Ir. Sri Pingit Wulandari, M.Si Drs. I Nyoman Latra, M.Si

Abstrak Sebagai negara produsen sekaligus konsumen rokok, kanker paru telah menjadi salah satu masalah di Indonesia. Penelitian ini menggunakan data primer dan sekunder dari RSUD Dr. Soetomo tahun 2007. Hasil analisis deskriptif penderita (kelompok case) menjawab terpapar asap rokok sebanyak 89,1%, bertempat tinggal di dekat daerah industri sebesar 45,7%, pekerjaan berhubungan dengan asap sebesar 41,3%, penderita pernah menghisap rokok sebesar 67,4%, lama merokok diatas 18 tahun sebesar 63%, setiap hari merokok antara 10-20 batang rokok sebesar 45,65%, suka mengkonsumsi makanan mengandung zat pengawet sebesar 84,8%, suka mengkonsumsi makanan mengandung zat arang sebesar 39,13%. Hasil analisis deskriptif bukan penderita (kelompok control) yaitu terpapar asap rokok sebesar 40 %, bertempat tinggal di dekat daerah industri sebesar 17,4%, pekerjaan berhubungan dengan asap sebesar 6,5%, pernah menghisap rokok sebesar 47,8%, lama merokok kurang dari 18 tahun sebesar 56,5%, setiap hari merokok kurang dari 10 batang rokok sebesar 40,22%, suka mengkonsumsi makanan mengandung zat pengawet sebesar 59,8%, suka mengkonsumsi makanan mengandung zat arang sebesar 39,13%. Model regresi logistik yang diperoleh adalah g(x)=-3,284+1,592X9(1)+2,786X10(1)+1,479X11(1)+1,337X13(1)-1,529X17(1)+1,248X20(1)

Probabilitas yang dihasilkan adalah 0,974 artinya dari seribu orang yang terpapar asap rokok (X9), terpapar pestisida (X10), bertempat tinggal di daerah dekat industri (X11), pekerjaan berhubungan dengan asap (X13), menghisap rokok >10 batang perhari (X17), dan terbiasa mengkonsumsi makanan mengandung zat arang (X20), akan menderita kanker paru sebanyak 974 orang. Kata kunci : Kanker paru, analisis deskriptif, regresi logistik.

Abstract Being cigarettes producer and consumer, Indonesia has made lung cancer as a health problem. Primary and secondary data of RSUD Dr. Soetomo 2007 were used in this research. Descriptive analysis applied to the lung cancer sufferer (cluster case) shows that 89.1% were affected by the smoke of cigarettes, 45.7% are living near by to the factory, 41.3% having their job related to smoke and dust, 67.4% are active smoker, 63% are smoking for more than 18 years, 45.65% are smoking about 1020 cigarettes everyday, 84.8% consumes food with dye or preservative, and 39.13% consumes food with carbon. Descriptive analysis applied to the non-lung cancer sufferer (cluster control) shows that 40% were affected by the smoke of cigarettes, 17.4% are living near by to the factory, 6.5% having their job related to smoke and dust, 47.8% are active smoker, 56.5% are smoking for more than 18 years, 40.22% are smoking less than 10 cigarettes everyday, 59.8% consumes food with dye or preservative, and 39.13% consumes food with carbon. Regression logistic model gained from the data is g(x)=-3,284+1,592X9(1)+2,786X10(1)+1,479X11(1)+1,337X13(1)1,529X17(1)+1,248X20(1). The probability result of the model is 0.974 – which means that 974 of 1000 people who lives affected by the smoke of cigarettes (X9), affected by pesticide (X10), living near factory (X11), having occupacy related to smoke and dust (X13), consumes less than 10 cigarettes everyday (X17), and consumes food with carbon (X20) were having the risk of getting lung cancer. Keywords: Descriptive analysis, logistic regression, lung cancer

Latar Belakang Di Indonesia, masalah penyakit kanker terjadi lonjakan yang luar biasa. Dalam jangka waktu 10 tahun, terlihat bahwa peringkat kanker sebagai penyebab kematian naik dari peringkat dua belas menjadi peringkat empat di tahun 2005. Setiap tahun diperkirakan terdapat 190 ribu penderita baru dan seperlimanya akan meninggal akibat penyakit ini. Namun angka kematian akibat kanker ini sebenarnya bisa dikurangi 3-35 persen, asal dilakukan tindakan prevelensi, screening dan deteksi dini. Berdasarkan data catatan medis rumah sakit di samping laporan bidang patologi anatomi, penelitian yang dilakukan oleh Departemen Kesehatan Republik Indonesia bersama-sama Badan Registrasi Kanker Ikatan Ahli Patologi Indonesia dan Yayasan Kanker Indonesia, menunjukkan pola frekuensi relatif jenis kanker yang tersering didapati di Indonesia dengan urutan kanker paru menduduki posisi keempat sebagai berikut: kanker leher rahim, hati, payudara, paru-paru, kulit, nasofaring, limfoma, leukimia, kolon/rektum. Menurut American Cancer Society, penyebab kematian terbesar pada wanita adalah kanker payudara (19%), kanker paru (19%), serta kanker kolon dan rektum (15%). Sementara pada pria, didominasi oleh kanker paru (34%), kanker kolon dan rektum (12%), serta kanker prostat (10%). Pada penelitian kali ini difokuskan pada kanker paru karena merupakan kanker yang paling sering terjadi, baik pada pria maupun wanita. Kanker paru merupakan salah satu penyebab utama kematian akibat kanker diseluruh dunia. Penyebab yang pasti dari kanker paru belum diketahui, namun faktor yang dicurigai penyebab dari timbulnya kanker disebabkan oleh gaya hidup tidak sehat, kebiasaan merokok (merokok merupakan penyebab utama dari sekitar 90% kasus kanker paru-paru pada pria dan sekitar 70% kasus pada wanita), polusi udara, zat hasil industri tertentu seperti asbes, acrylonitrile, vinil chloride, arsen, dan lain-lain. Sebagai salah satu negara produsen sekaligus konsumen rokok di dunia, gangguan kesehatan akibat merokok pada masyarakat Indonesia akan menjadi salah satu masalah kesehatan utama. Metode statistik yang digunakan untuk mengetahui pola hubungan antar faktor-faktor yang mempengaruhi kanker paru yaitu analisis statistik regresi logistik. Penelitian sebelumnya mengenai kanker paru yaitu ”The Characteristics and Two Year Survival Rate of Lung Cancer Patients at Dharmais Cancer Hospital in Period Januari 1998-November 2001”, [Rasyid, 2001]. 1.2 Permasalahan 1. Bagaimana karakteristik penderita kanker paru? 2. Bagaimana pola hubungan antar faktor-faktor yang mempengaruhi kanker paru? 1.3 Tujuan 1. Mengetahui karakteristik penderita kanker paru. 2. Mengetahui pola hubungan antar faktor-faktor mempengaruhi kanker paru.

yang

1.4 Manfaat Diharapkan penelitian ini bermanfaat bagi 1. Tenaga medis diharapkan dapat meningkatkan penanganan kanker paru dengan mengupayakan deteksi dini pada penderitanya. 2. Masyarakat yang mempunyai resiko tinggi menderita penyakit kanker paru, perlu memeriksakan diri secara aktif untuk deteksi dini kanker di fasilitas kesehatan. 3. Pemerintah (Depkes) perlu diupayakan peningkatan KIE (Komunikasi Informasi dan Edukasi) dengan penyebaran informasi lewat media massa tentang penyakit kanker paru. 1.5 Batasan Masalah Penelitian ini menggunakan 2 sumber data yaitu data sekunder diperoleh dari data rekam medik Poli Onkologi Satu Atap (POSA) unit rawat jalan penderita kanker paru Rumah Sakit Umum Daerah Dr. Soetomo periode Nopember 2006 sampai dengan Januari 2007 dan data primer dari hasil survei dengan media komunikasi kuesioner.

2 BAB II TINJAUAN PUSTAKA 2.1. Analisis Statistika Deskriptif Analisis statistik deskriptif digunakan untuk mengetahui nilai dari mean, standard deviasi, nilai minimum, nilai maksimum dan juga frekuensi setiap item (variabel). Disamping hal – hal tersebut analisis deskriptif juga dapat memberikan gambaran tentang karakteristik penderita kanker paru. Penelitian ini menggunakan cross tabulation yaitu suatu metode statistik yang menggambarkan dua atau lebih variabel secara simultan dan hasilnya ditampilkan dalam bentuk tabel yang merefleksikan distribusi bersama dua atau lebih variabel dengan jumlah kategori yang terbatas [Agresti, 1990]. Metode cross tabulation dapat menjawab hubungan antara dua atau lebih variabel penelitian tetapi bukan hubungan sebab akibat. Semakin bertambah jumlah variabel yang di tabulasikan maka semakin kompleks interpretasinya 2.2 Uji Independensi Uji independensi digunakan untuk mengetahui hubungan antara dua variabel [Agresti, 1990]. Setiap level atau kelas dari variabel – variabel tersebut harus memenuhi syarat sebagai berikut:

π ( x) = E (Y | x) y = E [Y | x ] + ε y = π (x) + ε (2.5) Nilai error mempunyai dua kemungkinan yaitu : Jika y =1, maka ε =1- π (x) dengan probabilitas π (x). Jika y =0, maka ε =- π (x) dengan probabilitas 1- π (x). ε memiliki distribusi dengan rata-rata nol dan varian π (x)[ 1- π (x)]. 2.3.1 Penaksiran Parameter Penaksiran parameter dalam regresi logistik dapat menggunakan metode maksimum likelihood. Metode tersebut tidak memerlukan batasan-batasan pada karakteristik variabel prediktor. Parameter dari model diestimasi dari vektor

β T = ( β 0 , β 1 ,...β p )

dengan fungsi likelihood adalah sebagai

berikut [Hosmer, 2000]: 1. 2. 3.

Homogen Mutually exclusive dan mutually exhaustive Skala nominal, skala ordinal, dan skala interval

n

∏ π ( x)

r

k

i =1 j =1

(O

ij

− E ij

)

(2.1)

Dimana : Oij = Nilai observasi/pengamatan baris ke-i kolom ke-j Eij = Nilai ekspektasi baris ke-i kolom ke-j i = 1, 2, ...r j = 1, 2,...k r = banyaknya baris k = banyaknya kolom Dengan derajat bebas df = (r-1)(k-1), kriteria penolakan Ho 2 X hitung > χ (2df ,α ) .

π ( x) =

1 + e β 0 + β1 x

⎡ π ( x) ⎤ g ( x) = ln ⎢ ⎥ ⎣1 − π ( x ) ⎦

n = banyaknya subjek π(x) = Probabilitas sukses dari variabel x yi = nilai dari variabel dependen yang dikoding 1 dan 0 xi = nilai dari variabel independen i =1, 2, …,n Jika observasi diasumsikan independen akan didapatkan fungsi Likelihood

n

l (β) = ∏ f ( y i , β) i =1

n

l (β) = ∏ π ( x) (1 − π ( x))1− yi yi

i =1

L(β ) = ln[l (β )]

= ln ∏ π(x i ) i [1 − π(x i )] i n i =1

y

[

n − yi

= ∑ ln π ( xi ) i {1 − π (xi )} i i =1

y

n − yi

]

⎤ ⎡ ⎧ π ( x ) ⎫ yi ni i ⎥ { ( ) } 1 π x − = ∑ ln ⎢⎨ ⎬ i ⎥⎦ ⎢⎣⎩1 − π ( xi ) ⎭ i =1 n

n ⎡⎧ π(x ) ⎫ yi ⎤ ni i = ∑ ln ⎢⎨ ⎬ + {1 − π(x i )} ⎥ ⎢⎣⎩1 − π(x i ) ⎭ ⎥⎦ i =1

(2.2)

⎡ ⎧ π ( x ) ⎫ yi ⎤ ni i = ∑ ⎢ln ⎨ ⎬ + ln{1 − π ( xi )} ⎥ ⎥⎦ i =1 ⎢ ⎩1 − π ( xi ) ⎭ ⎣ n

(2.3)

= β 0 + β1 x

⎡ ⎧ ⎫⎤ ⎢ ⎪ ⎪⎥ ⎧ π ( xi ) ⎫ 1 ⎪ ⎪⎥ ⎢ = ∑ ⎢ y i ln ⎨ + n ln ⎬⎥ ⎬ i ⎨ p 1 − π ( xi ) ⎭ ⎞ ⎛ i =1 ⎩ ⎪1 + exp⎜ β x ⎟ ⎪⎥ ⎢ ∑ j ij ⎟ ⎜ ⎪ ⎪ ⎢ ⎠ ⎭⎥⎦ ⎝ j =0 ⎩ ⎣ n

Model regresi logistik multivariat

g ( x) = β 0 + β1 x1 + β 2 x 2 + ...β p x p

(2.4)

e g ( x) π ( x) = 1 + e g ( x) Arti Notasi :

β sebagai berikut :

n

2.3 Analisis Regresi Logistik Regresi logistik adalah suatu analisis regresi yang digunakan untuk menggambarkan hubungan antara variabel respon dengan sekumpulan variabel prediktor dimana variabel respon bersifat biner atau dikotomus. Variabel dikotomus adalah variabel yang hanya mempunyai dua kemungkinan nilai, misalnya sukses dan gagal, sedang variabel prediktor sering disebut juga covariate. Model regresi logistik univariat yaitu [Hosmer, 2000]:

e β 0 + β1 x

(2.6)

di mana

2

E ij

(1 − π ( x))1− y i

i =1

Hipotesis H0 : Tidak ada hubungan antara dua variabel yang diamati H1 : Ada hubungan antara dua variabel yang diamati Uji statistik

X2 =∑∑

yi

g ( x) = Logit[π ( x)]

π(x) = Probabilitas sukses dari variabel x yang selanjutnya disebut sebagai model regresi logistik. Pola distribusi bersyarat variabel respon (y) dan errornya (e) ditulis sebagai berikut :

⎡ ⎧ ⎫⎤ ⎢ ⎪ ⎪⎥ p ⎞ 1 ⎪ ⎪⎥ ⎢ ⎛ = ∑ ⎢ yi ⎜⎜ ∑ β j xij ⎟⎟ + ni ln ⎨ ⎬⎥ p ⎛ ⎞ i =1 ⎠ ⎪1 + exp⎜ β x ⎟ ⎪⎥ ⎢ ⎝ j =0 ⎜ ∑ j ij ⎟ ⎪⎥ ⎪ ⎢⎣ ⎝ j =0 ⎠ ⎭⎦ ⎩ n

−1 ⎡ p ⎛ ⎛ p ⎞⎞ ⎤ ⎢ = ∑ y i ∑ β j xij + ni ln⎜⎜1 + exp⎜ ∑ β j xij ⎟ ⎟⎟ ⎥ i =1 ⎢ j =0 ⎝ j =0 ⎠ ⎠ ⎥⎦ ⎝ ⎣ n

3 p n n ⎛ ⎛ p ⎞⎞ = ∑ ⎡⎢ ∑ y i xij ⎤⎥ β j − ∑ ni ln⎜⎜1 + exp⎜ ∑ β j xij ⎟ ⎟⎟ j = 0⎣i =1 i =1 ⎦ ⎝ j =0 ⎠⎠ ⎝

1. (2.7)

⎡ ⎛ p ⎞ ⎤ exp⎜ ∑ β j xij ⎟ ⎥ ⎢ n n ∂L(β ) ⎝ j =0 ⎠ ⎥ = ∑ y i xij − ∑ ni xij ⎢ p ⎢ ∂β j i =1 i =1 ⎛ ⎞⎥ ⎢1 + exp⎜ ∑ β j xij ⎟ ⎥ ⎝ j =0 ⎠⎦ Dimana ⎣ Turunan pertama yaitu:

i =1, 2, …,n dan j =1,2,…p Turunan kedua yaitu

⎡ ⎤ ⎛ p ⎞ ⎤⎡ exp ⎜ ∑ β j x ij ⎟ ⎥ ⎢ ⎢ ⎥ n = 0 j ∂ L (β ) 1 ⎝ ⎠ ⎥⎢ T ⎢ ⎥ = − x x ∑ i i ⎢ i =1 ⎛ p ⎞ ⎥⎢ ⎛ p ⎞⎥ ∂β ∂β T ⎢1 + exp ⎜ ∑ β j x ij ⎟ ⎥ ⎢1 + exp ⎜ ∑ β j x ij ⎟ ⎥ ⎝ j =0 ⎠ ⎦⎣ ⎝ j =0 ⎠⎦ ⎣

Gunakan nilai dugaan awal

β ( 0) kemudian

persamaan 2.9 untuk mendapatkan 2. 3.

π

(0)

masukkan ke

.

Masukkan π ke persamaan 2.10 untuk mendapatkan Z(0). Jika t>0 pergunakan persamaan 2.8 untuk mendapatkan (0)

β (t ) setelah

itu dilakukan iterasi sampai memenuhi batas

bawah konvergen untuk

βˆ .

2.3.2 Pengujian Kelayakan Model Variabel prediktor dalam model memiliki hubungan yang nyata dengan variabel responnya dibuktikan dengan dilakukan pengujian kelayakan model baik secara parsial maupun serentak [Hosmer, 2000]:

2

β

=β

new

old

⎛ ∂ 2 L (β ) ⎞ ⎟ − ⎜⎜ T ⎟ ⎝ ∂β∂β ⎠

−1

∂ L (β ) ∂β j

1. Pengujian Hipotesis secara parsial H0: βi = 0

≠0

H1: βi

i = 1, 2, …p

Statistik uji:

W ( wald ) =

βî SE ( βî )

(2.11)

Dimana

∂L(β ) = X T (y − πˆ ) ∂β j

n

SSE = ∑ ( y i − yˆ i ) 2 i =1

Yang mendasari SSE adalah SSR n

n

i =1

i −1

SSR = [ ∑ ( y i − y i ) 2 ] − [ ∑ ( y i − yˆ i ) 2 ]

∂ 2 L (β ) ' −1 −1 = ( X V X) T ∂β∂β

Statistik uji W mengikuti distribusi normal, sehingga dibandingkan dengan z tabel

−1

−1

+ ( X V X) X (y − πˆ )

β

=β

β

new

= ( X V −1 X) −1 X T V (β old + V −1 (y − πˆ ))

β

new

old

'

α / 2 dengan

daerah penolakan

W> Z α / 2 atau jika nilai p_value < α

new

T

'

=β

t +1

Untuk menaksir nilai

β digunakan estimasi WLS dengan beberapa

persamaan berikut:

β (t +1) = ( X ' V −1 X) −1 ( X ' V −1 Z (t) )

Dengan X=

n ⎡ ⎛ πˆ ⎞ ⎛ 1 − πˆ i D = −2 ∑ ⎢ y i ln⎜⎜ i ⎟⎟ + (1 − y i ) ln⎜⎜ i =1 ⎢ ⎝ yi ⎠ ⎝ 1 − yi ⎣

x11 L x1p ⎤ ⎥ x21 L x2p ⎥ M O M⎥ ⎥ xn1 L xnp ⎥⎦

⎛

⎣

⎝ j =0

p

⎞⎤

πî = πˆ ( xi ) = y

i

n

l ( saturated model) = ∏ y iy i (1 − y i ) (1− y i ) = 1 i =1

−1

⎛

p

sehingga

(2.12) D = −2 ln(likelihoodof the fitted model) G = D ( model without the variable) - D(model with variable)

⎞

π i(t ) = ⎢1 + exp⎜ ∑ β (j t ) xij ⎟⎥ exp⎜ ∑ β (j t ) xij ⎟ (t)

Dan Z

⎠⎦

⎝ j =0

⎡ π i(t ) ⎤ yi − π i(t ) = log ⎢ (t ) ⎥ + ( t ) (t ) ⎣1 − π i ⎦ π i (1 − π i )

⎠

⎡ (likelihoo od without the variable) ⎤ G = −2 ln ⎢ ⎥ ⎣ (likelihoo d with the variable) ⎦ (2.9)

(2.10)

Z(t) merupakan bentuk linear fungsi log dari data sampel, yang dievaluasi pada π . Pendekatan estimasi WLS iterasi newton raphson sebagai berikut : (t )

⎞⎤ ⎟⎟⎥ ⎠⎥⎦

Dimana

0 0 L ⎡πˆ1 (1 − πˆ1 ) ⎤ ⎢ ⎥ ˆ ˆ 0 π 2 (1 − π 2 ) L 0 ⎥ V= ⎢ ⎢M ⎥ M O M ⎢ ⎥ 0 L πˆ n (1 − πˆ n )⎦ ⎣0

⎡

H1: Paling sedikit ada satu βi ≠ 0 i = 1, 2, …n Perbandingan antara variabel x dan y menggunakan fungsi likelihood

⎡ ( likelihood of the fitted model) ⎤ D = − 2 ln ⎢ ⎥ ⎣ (likelihoo d of the saturated model) ⎦

(2.8)

Dimana : X = matrik variabel independent V = matrik kovarian dari e

⎡1 ⎢ ⎢1 ⎢M ⎢ ⎢⎣1

2. Pengujian Hipotesis secara serentak Hipotesis H0: β1 = β2 = … = βi = 0

⎡ ⎛ n ⎞ n1 ⎛ n0 ⎞ n0 ⎤ ⎢ ⎜ 1⎟ ⎜ ⎟ ⎥ ⎝ n⎠ ⎝ n ⎠ ⎢ ⎥ G = −2 ln ⎢ n y (1− y ) ⎥ ⎢ ∏ πˆ i i (1 −πˆ i ) i ⎥ ⎢⎣ i =1 ⎥⎦

(2.13)

Statistik uji: ⎧n ⎫ (2.14) G = 2⎨∑[ yi ln(πî ) + (1 − yi ) ln(1 − πî )] − [n1 ln(n1 ) + n0 ln(n0 ) − n ln(n)]⎬ ⎩ i =1 ⎭

4 Odds Ratio (ψ ) yaitu nilai yang menunjukkan besarnya dimana : n1 = banyaknya observasi yang berkategori 1 atau n0

=

banyaknya

observasi

n0 = ∑(1−Yi )

yang

n1 = ∑ Yi

berkategori

0

atau

pengaruh antara kategori satu dengan kategori dua (kategori dua terhadap respon dengan kategori pembanding) dalam satu variabel tersebut. Nilai odds ratio untuk x = 1 dan x = 0 dapat dinyatakan:

ψ=

n = n0 + n1 Statistik uji G mengikuti distribusi Chi-Kuadrat sehingga dibandingkan dengan tabel Chi-Kuadrat dengan derajat bebas v, dengan daerah penolakan

G > χ2α,v atau jika nilai

p_value < α

2.3.3 Pengujian Kesesuaian Model Uji kesesuaian model digunakan untuk mengetahui apakah model dengan satu atau lebih variabel bebas merupakan model yang sesuai atau tidak [Agresti, 1990]. Hipotesis H0 = Model sesuai (tidak ada perbedaan antara hasil observasi dengan hasil prediksi) H1 = Model tidak sesuai (ada perbedaan antara hasil observasi dengan hasil prediksi) Statistik uji :

ˆ) Hosmer – Lemeshow test ( C

(

)

g O − n'π l l Cˆ = ∑ ' l i =1 nl π l (1 − π l )

2

(2.15)

nl' = jumlah pola covariate yang bisa dibentuk dalam grup ke – 1 nl'

Ol = ∑ y j j =1

Apabila g adalah banyaknya grup yang bisa dibentuk oleh model yang sedang di uji dan α adalah tingkat kepercayaan, maka

Cˆ

>

χ (2g − 2,α )

atau jika nilai p_value < α .

Maka model tidak sesuai. 2.3.4 Interpretasi Model Regresi Logistik Kegunaan interpretasi dari koefisien model adalah : 1. Untuk menjelaskan hubungan fungsional antara variabelvariabel bebas dengan variabel tak bebas 2. Untuk menentukan unit perubahan setiap variabel bebas Jika dimisalkan model regresi logistik adalah :

β 1 = g ( x + 1) − g ( x) , Pada persamaan tersebut

β 1 menunjukkan besarnya perbedaan antara nilai variabel dependen ketika variabel independen (x+1) dan nilai variabel dependen ketika variabel independen x, untuk setiap nilai x. Jika variabel tak bebas (dependen) dikategorikan dalam 2 kategori dan dinyatakan dengan 0 dan 1 dan variabel bebas (independen) juga dibagi dalam 2 kategori dan dinyatakan dengan 0 dan 1 atau dengan kata lain variabel independen dikotomos diasumsikan nilai x adalah 0 dan 1 sehingga dalam model akan terdapat dua nilai

π (x) dan dua nilai

1- π (x ) [Hosmer, 2000]: Tabel 2.1 Probabilitas Nilai Regresi Logistik Variabel bebas

x =1

x=0

e β0 e π (0) = Y = 1 π (1) = 1 + e β 0 + β1 1 + e β0 β 0 + β1

Variabel tak bebas

(2.16)

maka dengan mensubstitusikan model logistik pada tabel didapatkan

ψ = eβ

1

jika

ψ =1

dapat disimpulkan bahwa pada kedua

variabel tidak terdapat hubungan dan jika ψ

> 1 maka antar kedua

variabel terdapat hubungan negatif, demikian juga sebaliknya. 2.3.5 Uji Improvement Uji improvement digunakan untuk mengetahui apakah model tanpa variabel tidak signifikan adalah model terbaik dengan cara membandingkan -2 Log likelihood pada model lengkap dengan 2 Log Likelihood pada model ringkas [Hosmer, 2000]. Hipotesis H0 : Model ringkas (tanpa variabel tertentu) adalah model terbaik H1 : Model lengkap (dengan variabel tertentu) adalah model terbaik Statistik uji ; G = -2 ln (L0 – L1) (2.17) Dimana : L0 = Log Likelihood untuk model ringkas L1 = Log Likelihood untuk model lengkap Kriteria penolakan ; Tolak H0 jika G > χ (α , v ) atau jika nilai p_value < α 2

Dimana

Ho ditolak bila nilai

π (1) /[1 − π (1)] π (0) /[1 − π (0)]

Y = 0 1 − π (1) =

1 1 1 − π (0) = β0 1+ e 1+ e

2.4 Kanker Paru Kanker paru adalah salah satu jenis penyakit paru yang memerlukan penanganan dan tindakan yang cepat dan terarah. Penemuan kanker paru pada stadium dini akan sangat membantu penderita, dan penemuan diagnosis dalam waktu yang lebih cepat memungkinkan penderita memperoleh kualitas hidup yang lebih baik dalam perjalanan penyakitnya meskipun tidak dapat menyembuhkannya. Pilihan terapi harus dapat segera dilakukan, mengingat buruknya respons kanker paru terhadap berbagai jenis pengobatan. Kanker paru dalam arti luas adalah semua penyakit keganasan di paru, mencakup keganasan yang berasal dari paru sendiri maupun keganasan dari luar paru [PDPI, 2003]. Dalam penelitian ini yang dimaksud dengan kanker paru ialah kanker paru primer, yakni tumor ganas yang berasal dari epitel bronkus atau karsinoma bronkus (bronchogenic carcinoma). Menurut konsep masa kini kanker adalah penyakit gen. Sebuah sel normal dapat menjadi sel kanker apabila oleh berbagai sebab terjadi ketidakseimbangan antara fungsi onkogen dengan gen tumor suppresor dalam proses tumbuh dan kembangnya sebuah sel. Perubahan atau mutasi gen yang menyebabkan terjadinya hiperekspresi onkogen dan/atau kurang/hilangnya fungsi gen tumor suppresor menyebabkan sel tumbuh dan berkembang tak terkendali. Perubahan ini berjalan dalam beberapa tahap atau yang dikenal dengan proses multistep carcinogenesis. Perubahan pada kromosom, misalnya hilangnya heterogeniti kromosom atau LOH juga diduga sebagai mekanisme ketidaknormalan pertumbuhan sel pada sel kanker. 2.5 Pencegahan Penelitian tentang rokok mengatakan bahwa lebih dari 63 jenis bahan yang dikandung asap rokok itu bersifat karsinogenesis. Secara epidemiologik juga terlihat kaitan kuat antara kebiasaan merokok dengan insidens kanker paru (epidemiologi adalah ilmu yang mempelajari distribusi dan faktor yang menentukan suatu penyakit dan hasil kesehatan lainnya yang berasal dari populasi manusia. Epidemiologi juga berurusan dengan asal penyakit dan menyediakan fakta-fakta yang menyumbang untuk pencegahannya). Maka tidak dapat disangkal lagi menghindarkan asap rokok adalah kunci keberhasilan pencegahan yang dapat dilakukan. Keterkaitan rokok dengan kasus kanker paru diperkuat dengan data bahwa risiko seorang perempuan perokok pasif akan terkena kanker paru lebih tinggi daripada mereka yang tidak terpapar pada asap rokok. Dengan dasar penemuan di atas adalah wajar bahwa pencegahan utama kanker paru berupa upaya memberantas kebiasaan merokok. Menghentikan seorang perokok aktif adalah sekaligus menyelamatkan lebih dari seorang perokok pasif. Pencegahan harus

5 diusahakan sebagai usaha perang terhadap rokok dan dilakukan terus menerus. Program pencegahan seharusnya diikuti dengan tindakan nyata anti-rokok yang melibatkan pemerintah, tenaga medis, mahasiswa, dan masyarakat. 2.6 Deteksi dini Penemuan dini penyakit kanker paru berdasarkan keluhan saja jarang terjadi, biasanya keluhan yang ringan terjadi pada mereka yang telah memasuki stage II dan III. Di Indonesia kasus kanker paru terdiagnosis ketika penyakit telah berada pada staging lanjut. Dengan rneningkatnya kesadaran masyarakat tentang penyakit ini, disertai dengan meningkatnya pengetahuan dokter dan peralatan diagnostik maka pendeteksian dini seharusnya dapat dilakukan. Sasaran untuk deteksi dini terutama ditujukan pada subyek dengan risiko tinggi yaitu: 1) Laki -laki, usia lebih dari 40 tahun, perokok 2) Paparan industri tertentu dengan satu atau lebih gejala: batuk darah, batuk kronik, sesak napas, nyeri dada dan berat badan menurun. Golongan lain yang perlu diwaspadai adalah perempuan perokok pasif dengan salah satu gejala di atas dan seseorang yang dengan gejala klinik : batuk darah, batuk kronik, sakit dada, penurunan berat badan tanpa penyakit yang jelas. Riwayat tentang anggota keluarga dekat yang menderita kanker paru juga perlu jadi faktor pertimbangan. 2.7 Pemeriksaan Hasil pemeriksaan radiologis adalah salah satu pemeriksaan penunjang yang mutlak dibutuhkan untuk menentukan lokasi tumor primer dan metastasis, serta penentuan stadium penyakit berdasarkan sistem TNM. Pemeriksaan radiologi paru yaitu Foto toraks PA/lateral, bila mungkin CT-scan toraks, bone scan, bone survey, USG abdomen dan Brain-CT dibutuhkan untuk menentukan letak kelainan, ukuran tumor dan metastasis. 2.8 Jenis Histologis Untuk menentukan jenis histologis, secara lebih rinci dipakai klasifikasi histologis menurut WHO tahun 1999, tetapi untuk kebutuhan klinis cukup jika hanya dapat diketahui : 1. Karsinoma skuamosa (karsinoma epidermoid) 2. Karsinoma sel kecil (small cell carcinoma) 3. Adenokarsinoma (adenocarcinoma) 4. Karsinoma sel besar (large cell carcinoma) 2.9 Pengobatan Pengobatan kanker paru adalah combined modality therapy (multi-modaliti terapi). Kenyataannya pada saat pemilihan terapi, sering bukan hanya diharapkan pada jenis histologis, derajat dan tampilan penderita saja tetapi juga kondisi non-medis seperti fasilitas yang dimiliki rumah sakit dan ekonomi penderita juga merupakan faktor yang amat menentukan. Pengobatan yang dilakukan antara lain pembedahan, radioterapi, kemoterapi, imunoterapi, fisioterapi, hormonoterapi, terapi gen, medikamentosa, psikososial, pemasangan stent, cryotherapy, rehabilitasi medik.

Gambar 2.1 Alur Penatalaksaaan Kanker Paru Jenis Karsinoma Bukan Sel Kecil (KBSK) 2.10 Metastasis (Penyebaran) Metastasis kanker paru dapat terjadi di dalam paru (intrapulmoner) atau di luar paru (ekstrapulmoner). Contoh Metastasis kanker paru di luar paru yaitu metastasis ke tulang dan otak. Keluhan yang sering terjadi pada metastasis ke tulang adalah nyeri dan patah tulang. Fraktur (patah) tulang sering terjadi akibat metastasis ke tulang panjang. Kanker paru Jenis adenokarsinoma

sering bermetastasis ke otak mengakibatkan penekanan di rongga kepala. 2.11 Bahan Karsinogenik Bahan karsinogenik adalah bahan yang bersifat karsinogen (bahan yang dapat menimbulkan terjadinya penyakit kanker). Penyebab kanker ada dua yaitu internal dan eksernal. Faktor penyebab internal kanker terkait dengan faktor genetik (faktor bawaan) sedangkan penyebab eksternal yang telah terbukti dapat menimbulkan kanker pada binatang percobaan, walaupun pada manusia belum dapat dibuktikan dengan pasti diantaranya bahan karsinogenik. Bahan-bahan yang masuk dalam kelompok karsinogen yaitu: 1. Senyawa kimia Banyak bahan kimia yang diketahui menyebabkan kanker dan banyak pula lainnya yang dicurigai sebagai penyebab kanker. Pemaparan terhadap bahan kimia tertentu dapat meningkatkan resiko terjadinya kanker setelah beberapa tahun kemudian, misalnya pemaparan asbes bisa menyebabkan kanker paru-paru dan mesotelioma (kanker pleura), dan kanker kulit banyak ditemukan pada pekerja cat dan pekerja yang membersihkan cerobong asap karena adanya kandungan senyawa hidrokarbon. Kromium, berbagai macam pestisida dan herbisida merupakan bahan karsinogenik untuk semua populasi. Beberapa jenis polutan yang berbahaya bagi kesehatan manusia dan hewan, selain gas beracun, adalah logam kimia berbahaya jenis logam berat, seperti tembaga (Cu), kobait (Co), timbal (Pb), kadmium (Cd), kromium (Cr), mangan (Mn), raksa (Hg), nikel (Ni), senyawa pestisida dan beberapa jenis senyawa organik. Jika melewati ambang batas, keberadaan jenis-jenis polutan tersebut diketahui bersifat racun dan teratogenik, juga bersifat karsinogenik, yaitu dapat menimbulkan terjadinya penyakit kanker. Jenis kegiatan manusia yang menghasilkan atau meningkatkan kandungan logam tersebut, antara lain pertambangan, peleburan logam, pelapisan logam, gas buang kendaraan, proses produksi/konversi energi dan bahan bakar. Sedangkan senyawa pestisida dan senyawa organik berupa pelarut umumnya dihasilkan oleh kegiatan agroindustri dan limbah proses industri, terutama industri cat, polimer, dan adhesive. Bekerja dengan asbes, radiasi, arsen, kromat, nikel, klorometil eter, gas mustard dan pancaran oven arang bisa menyebabkan kanker paru-paru. Rokok mengandung asam, amonia, aldehid, gas monoksida yang meningkatkan resiko terjadinya kanker paru-paru, mulut, laring (pita suara) dan kandung kemih. Merokok merupakan penyebab utama dari sekitar 90% kasus kanker paru-paru pada pria dan sekitar 70% pada wanita. Semakin banyak rokok yang dihisap, semakin besar resiko untuk menderita kanker paru-paru. 2. Makanan Makanan adalah faktor resiko penting lainnya untuk kanker, terutama kanker pada saluran pencernaan. Misalnya makan makanan yang banyak mengandung makanan yang diasap dan diasamkan (dalam bentuk acar) dapat meningkatkan resiko terjadinya kanker lambung. Peminum alkohol juga memiliki resiko yang lebih tinggi terhadap terjadinya kanker kerongkongan. Pemanis merupakan senyawa kimia yang sering ditambahkan dan digunakan untuk keperluan produk olahan pangan, industri serta minuman dan makanan kesehatan. Menurut peraturan Menteri Kesehatan (Menkes) RI Nomor 235, pemanis termasuk ke dalam bahan tambahan kimia, selain zat lain seperti antioksidan, pemutih, pengawet, pewarna, dan lain-lain. Berdasarkan proses produksi dikenal suatu jenis pemanis yaitu sintetis dan natural. Penggunaan pemanis natural juga dipacu oleh adanya data-data penelitian yang menunjukkan efek samping dalam penggunaan pemanis sintetis, yaitu bersifat karsinogenik. Reaksi yang menyebabkan makanan berasa enak dan berwarna menarik pada saat yang sama juga memungkinkan terbentuknya bahan karsinogen. Karena itu, makanan cepat saji (fast food) yang kian populer jangan dikonsumsi berlebihan. Alasan mengapa makanan seperti french fries dan potato chips harus hatihati dikonsumsi. Ternyata, makanan yang kaya karbohidrat bila dipanaskan dapat mengandung akrilamida, senyawa yang diketahui menyebabkan kanker pada tikus. Kini bahkan diketahui bahwa cita rasa dan aroma daging panggang ditimbulkan tidak kurang dari 600 senyawa. Efek akrilamida pada manusia memang belum jelas, namun untuk tikus dan lalat buah positif menimbulkan kanker bila dikonsumsi dalam jumlah 1.000 kali diet rata-rata. 3. Faktor fisik Seperti radiasi matahari, sinar X, nuklir, dan radionukleide. Sinar radio aktif sinar X yang berlebihan atau sinar radiasi dapat menimbulkan kanker kulit dan leukemia. Pemaparan

6 yang berlebihan dari sinar ultraviolet, terutama dari sinar matahari, menyebabkan kanker kulit. Selain itu, radiasi ionisasi (yang merupakan karsinogenik) yang digunakan dalam sinar x, dihasilkan dari pembangkit listrik tenaga nuklir dan ledakan bom atom dan bisa menjangkau jarak yang sangat jauh, juga dapat meningkatkan resiko terjadinya kanker. Misalnya orang yang selamat dari bom atom yang dijatuhkan di Hiroshima dan Nagasaki pada perang dunia II, memiliki resiko tinggi terhadap terjadinya leukemia. Pemaparan uranium pada pekerja tambang juga meningkatkan resiko terjadinya kanker paru-paru 10-20 tahun kemudian, dan resiko tersebut akan semakin tinggi jika para penambang juga merokok. 4. Hormon Hormon adalah zat yang dihasilkan oleh kelenjar tubuh yang berfungsi mengatur kegiatan alat-alat tubuh. Diethyl stilbestrol, suatu hormon seks buatan yang umumnya digunakan untuk menggemukkan hewan ternak, terbukti sebagai penyebab timbulnya kanker rahim, payudara, dan alat reproduksi lainnya. Pada beberapa penelitian, diketahui bahwa pemberian hormon tertentu secara berlebihan dapat menimbulkan kanker pada organ tubuh yang dipengaruhinya, seperti payudara, rahim, indung telur dan prostat. 5. Virus Beberapa virus diketahui menyebabkan kanker pada manusia dan virus lainnya dicurigai sebagai penyebab kanker. Virus penyebab kanker ini disebut juga virus onkogenik. Misalnya, virus papilloma yang menyebabkan kutil genitalis agaknya merupakan salah satu penyebab kanker leher rahim pada wanita, virus sitomegalo menyebabkan sarkoma kaposi , virus hepatitis B dan hepatitis C bisa menyebabkan kanker hati, meskipun karsinogen ataupun promotor nya tidak diketahui. Di Afrika, virus epstein-barr menyebabkan limfoma burkitt, sedangkan di Cina virus ini menyebabkan kanker hidung dan tenggorokan. Jelas terlihat, bahwa beberapa faktor tambahan (lingkungan atau genetik), diperlukan untuk terjadinya kanker yang disebabkan oleh virus epstein-barr. Beberapa virus retro manusia, misalnya virus HIV, dapat menyebabkan limfoma dan kanker darah lainnya. 6. Iritasi kronis dan inflamasi kronis Iritasi kronis dan inflamasi kronis dapat berkembang menjadi kanker. Infeksi oleh parasit schistosoma (bilharzia) bisa menyebabkan kanker kandung kemih karena terjadinya iritasi menahun pada kandung kemih, tetapi penyebab iritasi menahun lainnya tidak menyebabkan kanker. Infeksi oleh clonorchis, yang terutama banyak ditemukan di timur jauh, bisa menyebabkan kanker pankreas dan saluran empedu. Kadang kanker paru (terutama adenokarsinoma dan karsinoma sel alveolar) terjadi pada orang yang paru-parunya telah memiliki jaringan parut karena penyakit paruparu lainnya, seperti tuberkulosis dan fibrosis. 7. Kelainan kromosom Misalnya seseorang dengan sindroma down, yang memiliki 3 buah kromosom 21, memiliki resiko 12-20 kali lebih tinggi untuk menderita leukemia akut.

2.12 Penyebab Penyakit Kanker Paru Faktor-faktor yang dicurigai menyebabkan kanker paru 1. Rokok Yaitu bahan yang ada pada tembakau. Resiko seseorang menderita kanker paru tergantung jumlah batang rokok yang dihisap setiap hari, umur mulai merokok, lamanya berhenti merokok. Setiap batang rokok tergantung dalamnya menghisap, tiap rokok dihisap berapa kali, lama merokok melekat dibibir, berapa lama rokok yang telah dimatikan dihisap kembali, panjang puntung rokok. 2. Polusi Udara Daerah perkotaan/industri akan meningkatkan jumlah penderita kanker akibat banyaknya pabrik, asap kendaraan bermotor, dan penggunaan pestisida, insektisida, herbisida. 3. Pencemaran karena pekerjaan Asbestos, bahan radio aktif, asap, dan bahan-bahan pemicu terjadinya kanker paru. 4. Gaya hidup tidak sehat Kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan pengawet , makanan mengandung zat arang. 2.13 Definisi Merokok 1. Perokok Orang yang telah merokok lebih dari 20 pack per tahun atau 1 batang rokok perhari selama 1 tahun dan masih merokok sampai 1 tahun terakhir.

2. Bekas perokok Orang yang telah berhenti merokok pada 1 bulan terakhir. 3. Bukan perokok Orang yang tidak pernah merokok atau merokok kurang dari 100 batang selama hidupnya. 4. 1 pak rokok adalah 1 bungkus rokok berisi 20 batang. 5. Derajat berat merokok Berdasarkan referensi yang dipakai oleh Perhimpunan Dokter Paru Indonesia (2003) menurut indeks Brikman (IB) yaitu dengan mengukur jumlah rata-rata batang rokok yang dihisap dalam sehari dikalikan lama merokok dalam tahun. ringan : 0-200 sedang : 201-600 berat : > 601 2.14 Pengaruh Asap Rokok 2.14.1 Pengaruh Rokok Pada Mukosa Saluran Nafas Reaksi inflamasi terdiri dari berbagai efek yang mencakup siliatoksisitas, peningkatan sekresi mukus dan akumulasi dari sel-sel inflamasi yang teraktivasi di saluran nafas, beberapa peneliti mendapatkan jumlah neutrofil dalam cairan BAL pada perokok meningkat. Peningkatan neutrofil ini mungkin meningkatkan molekul adhesi lokal. Sehingga pada akhirnya menginduksi proses kemotaksis dari berbagai sel inflamasi lain ke mukosa saluran nafas. Beberapa substansi yang ada dalam asap rokok bersifat iritan sedangkan lainnya bersifat toksik karena struktur kimianya seperti asam, amonia, aldehid sehingga menyebabkan kerusakan atau kematian sel seperti halnya sel inflamasi. Kerusakan yang terjadi dapat berupa inflamasi dan fibrosis perinbronkial, perubahan fungsi epite, penebalan tunika intima, pembuluh darah, abnormalitas permeabilitas epitel dan pembuluh darah fungsi klirens dari silia epite juga terganggu akibat efek toksik dari substansi tersebut. Gas monoksida yang terkandung di dalam asap rokok dapat membetuk carboxy-hemoglobin yang dapat mengurangi daya angkut oksigen dalam darah, sehingga mudah terjadi hipasi jaringan. 2.14.2. Pengaruh Rokok Pada Sistem Imun Paparan kronis terhadap asap rokok dikatakan dapat menyebabkan anergi limfosit T melalui mekanisme rusaknya transduksi signal yang dimediasi oleh reseptor antigen dan pengurangan cadangan kalsium sensitif terhadap inositol 1, 4, 5 – triophospate. Nikotin yang terdapat dalam asap rokok merupakan komponen imunosupresif yang utama, baik terhadap imunitas seluler maupun humoral. Beberapa fungsi yang mengalami supresi yaitu respon AFC (Antibodi Forming Cell), Inhibisi T Cell reseptor – mediated-proliferatin. Efek nikotin terhadap limfosit T dikatakan tetap ada, sekalipun paparan telah dihentikan. Peneliti lain mendapatkan bahwa merokok menyebabkan sekresi IL-6, IL-1, TNF- α oleh makrofag alveolar menurun sehingga terjadi penurunan jumlah limfosit dan rendahnya rasio CD4/CD8 hal tersebut di atas berdampak terhadap menurunnya imunitas seluler dan penurunan resistensi terhadap serangan patologi. Merokok juga mempengaruhi fungsi dan bentuk sel-sel inflamasi, antara lain makrofag alveolar pada perokok lebih besar dan mempunyai morfologi permukaan abnormal, adanya inklusi sitoplasma, serta terganggunya fungsi presentasi antigen. 2.15 Komposisi Asap Rokok Asap rokok adalah aerosol heterogen yang dihasilkan dari pembakaran daun tembakau. Asap rokok mengandung lebih dari 4000 substansi yang telah teridentifikasi termasuk bahan yang secara farmakologi bersifat aktif antigenik, sitotoksik, mutagenik, karsinogenik. Di dalam asap rokok “particulate metter” terdispersi di dalam gas. Pada saat asap dihisap asap rokok mainstream akan keluar dari mulut sedangkan asap rokok “sidestria” yang dihasilkan diantara hisapan dan berasal dari ujung yang terbakar dari asap aliran utama 92%-95% berbentuk gas dan mengandung 0.3 – 3.3 bilium partikel / militer. Ukuran rata-rata partikel adalah 0.2-0.3 µm . Sehingga dapat masuk ke saluran nafas. Asap rokok mengandung reactive organic radical (ROR) dalam jumlah tinggi dan subtansi yang menghasilkan ROR. Radikal bebas terbentuk dalam jumlah besar pada ujung rokok disebabkan suhu yang tinggi, biasanya mencapai suhu 9000 C umur radikal bebas ini pendek sehingga tidak sempat terinhalasi oleh perokok sehingga asap rokok utama yang baru hanya mengandung sedikit radikal bebas, kebalikan dari radikal bebas, konsentrasi ROR meningkat dan mencapai konsentrasi

7 maksimal setelah 1-2 menit. Radikal bebas yang sangat aktif dibentuk terus-menerus oleh proses kimia setelah 1-2 menit. Radikal bebas yang sangat aktif dibentuk terus menerus oleh proses kimia selain inhalasi. Subtansi penting untuk produksi radikal adalah radikal NO (Nitric Oxide) yang didapatkan dalam konsentrasi tinggi, mencapai 400 ppm dalam asap rokok. Nitric Oxide akan teroksidasi oleh oksigen menjadi bentuk yang lebih reaktif yaitu radikal Nitrogen Dioxide. Radikal ini akan bereaksi dengan isoprene yang terdapat dalam jumlah tinggi pada asap rokok sehingga terbentuk bermacam-macam ROR yang aktif secara biologis. Selain itu, ektrak cair dari Tar dengan bantuan oksigen menjadi bentuk lebih reaktif yaitu radikal Nitrogen Dioxide. BAB III

pasien kanker paru yang susah ditemui dan kondisi kesehatannya yang tidak memungkinkan. Jumlah kelompok control harus lebih banyak dari pada kelompok case sehingga diambil dua kali dari jumlah pasien maka didapatkan 18 perempuan dan 74 laki-laki dengan jumlah 92 responden. 3.2

Identifikasi Variabel Variabel-variabel penelitian “Analisis Statistik terhadap Penyakit Kanker Paru oleh Bahan Karsinogenik” sebagai berikut: Tabel 3.3 Variabel Penelitian Variabel Keterangan Penelitian

METODOLOGI PENELITIAN

3.1

Jenis Kelamin (X2), [Samet, 1994] Suku Bangsa (X3), [Samet, 1994]

Berat Badan (X4), [Samet, 1994]

Tinggi badan (X5), [Samet, 1994] Total 56 63 66 185

Penelitian ini menggunakan analisis regresi logistik dengan metode case-control. Metode case-control yaitu suatu metode yang didesain dimana penderita (kelompok case) dibandingkan dengan bukan penderita (kelompok control) untuk menggali faktor penyebab suatu penyakit. Kriteria yang masuk sebagai kelompok case yaitu pasien kanker paru primer yang sedang menjalani pengobatan rawat jalan di rumah sakit Dr. Soetomo. Sedangkan kriteria yang masuk sebagai kelompok control yaitu keluarga terdekat yang tinggal bersama pasien dalam kurun waktu satu tahun. Cara kerja pengumpulan data: 1. Observasi jumlah pasien mulai bulan November 2006 sampai dengan Januari 2007 berdasarkan nomor rekam medik sehingga diambil 58 penderita kanker paru dengan perincian 18 pasien wanita dan 40 pasien laki-laki. 2. Peneliti menunggu pasien dan keluarga di ruang pemeriksaan dan memberi kuesioner sesuai dengan nomor rekam medik. 3. Kepada pasien dan keluarga dijelaskan tentang tujuan penelitian dan cara mengisi kuesioner. 4. Pasien dan keluarga diberikan kuesioner diminta mengisi sesuai dengan fakta yang ada. 5. Dari observasi diambil 58 pasien kanker paru namun selama melakukan survey peneliti hanya menjumpai 46 pasien kanker paru berdasarkan nomor rekam medik dengan perincian 9 perempuan (20%) dan 37 laki-laki (80%). Hal ini disebabkan

1 2 3 4 5 6 7 1

22-28 29-35 36-42 43-49 50-56 57-63 64-70 Perempuan

2

Laki-laki

1 2 3 4 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1

5 1 2 3 4 1 2 3 1

Jawa China Madura Lainnya 35-42 43-50 51-58 59-66 67-74 75-82 83-90 140-146 147-153 154-160 161-167 168-174 175-181 140-146 Pekerjaan tanpa pendidikan formal (buruh, tukang becak, dll) Pekerjaan membutuhkan ketrampilan (teknisi, penjahit, dll) Pekerjaan berhubungan bisnis (pedagang, wirausaha, dll) Pekerjaan berhubungan pendidikan (guru, dosen, dll) Tidak bekerja SD/sederajat SMP/sederajat SMU/sederajat Perguruan tinggi Kawin Tidak kawin Duda/janda Ya

2

Tidak

1

Ya

2

Tidak

1

Ya

2

Tidak

2

Karakteristik Responden Karakteristik Responden

Tabel 3.2 Jumlah Pasien Berdasarkan Nomor Rekam Medik Pasien Total Pasien lama Pasien baru November 2006 56 56 Desember 2006 56 0 56 Januari 2007 56 2 58

Pekerjaan (X6), [Morgan, 1992]

3

4

Pendidikan (X7), [Samet, 1994] Status Perkawinan (X8), [Samet, 1994]

Lingkungan

Tabel 3.1 Frekuensi Pasien Berobat Rawat Jalan Pasien Perempuan Laki-laki November 2006 25 31 Desember 2006 32 31 Januari 2007 32 34 Total 89 96

Umur (X1) [Samet, 1994]

Karakteristik Responden Karakteristik Responden

Sumber Data Data penentuan kelompok case diambil dari data rekam medik Poli Onkologi Satu Atap (POSA) rawat jalan penderita kanker paru rumah sakit Dr. Soetomo periode November 2006 sampai dengan Januari 2007 dengan frekuensi berobat rawat jalan sebesar 185 (lihat tabel 3.1) dan total penderita kanker paru berdasarkan nomor rekam medik sebesar 58 orang dengan perincian 18 pasien wanita dan 40 pasien laki-laki. Nomor rekam medik berfungsi supaya tidak terjadi pengulangan data pasien dan untuk melihat data pribadi pasien rawat jalan. Pasien rawat jalan merupakan pasien yang sudah didiagnosa menderita kanker paru untuk menjalani perawatan sebelum dilakukan tindakan operasi atau kemoterapi dan sedang menunggu perawatan selanjutnya setelah dioperasi atau kemoterapi. Tingkatan stadium responden penderita kanker paru rawat jalan yang diteliti rata-rata berada pada stadium tiga dan empat. Intensitas pasien berobat dalam satu bulan berbeda-beda. Dalam satu bulan pasien berobat bisa lebih dari lima kali, kadang sebulan sekali, ada pula yang dua bulan sekali. Cara pengumpulan data adalah dengan observasi rekam medik serta media komunikasi kuesioner mulai Februari sampai April 2007. Berikut ini adalah data frekuensi pasien yang berkunjung untuk berobat rawat jalan.

Pilihan

Terpapar dengan asap rokok (X9), [Trichopolous, 1984] Terpapar dengan pestisida, insektisida, herbisida (X10), [Jedrychowski, 1990] Bertempat tinggal di dekat daerah industri (X11), [Morgan, 1992]

8

Lingkungan

Sering kena debu dan asap kendaraan bermotor (X12), [Jedrychowski, 1990] Pekerjaan berhubungan dengan asap (X13), [Morgan, 1992] Merokok (X14), [Samet, 1994]

1

Ya

2

Tidak

1

Ya

2

Tidak

1

Ya

2

Tidak

1 Lama merokok (X15), [Trichopolous, 1984] Pertama kali merokok (X16), [Freedman, 1990]

Lingkungan

Jenis rokok yang dikonsumsi (X18), [Freedman, 1990]

Nutrisi

Berapa batang perhari (X17), [Freedman, 1990]

Kebiasaan mengkonsumsi makanan yang mengandung zat pewarna dan pengawet (X19), [Ziegler, 1996] Kebiasaan mengkonsumsi makanan mengandung arang (X20) [Ziegler, 1996]

2 3 4 1 2 3 1 2 3 4

0

≤ 19 20-39

≥ 40 <17 17-20 >20 0 < 10 batang 10-20 batang >20 batang

1. Kretek 2. Filter 3. Campuran kretek dan filter 1. Ya 2. Tidak 1. Ya 2. Tidak

Variabel penelitian di atas adalah variabel prediktor sedangkan untuk variabel responnya yaitu kasus (penderita kanker paru dan bukan penderita kanker paru). 3.3 Metode Analisis Langkah – langkah dalam penelitian ini adalah : 1. Untuk mengetahui karakteristik penderita kanker paru digunakan analisis deskriptif dengan semua variabel menggunakan tabulasi silang. 2. Untuk mengetahui pola hubungan faktor-faktor penyebab kanker paru dengan menggunakan model regresi logistik dengan tahap – tahap sebagai berikut : a. Uji independensi b. Penaksiran univariat untuk mengetahui hubungan antara variabel prediktor dengan variabel respon secara individu c. Uji signifikansi untuk mengetahui variabel respon apa saja yang signifikan terhadap variabel prediktor untuk dimasukkan dalam regresi logistik multivariat d. Penaksiran multivariat untuk mengetahui hubungan antara variabel prediktor dengan variabel respon secara serentak e. Uji signifikansi untuk mengetahui variabel respon yang masuk pada model sudah signifikan. f. Model terbaik jika variabel yang ada dalam model sudah signifikan g. Ketepatan klasifikasi

BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Deskriptif Survey yang dilakukan sejak bulan Februari sampai dengan bulan April 2007 di Poli Onkologi Satu Atap (POSA) instalasi rawat jalan RSUD Dr. Soetomo menghasilkan informasi tentang faktor-faktor apa saja yang mendukung seseorang memiliki resiko terserang kanker paru. Item dari kuesioner meliputi karakteristik demografi, lingkungan, perilaku, dan nutrisi. Sampel

yang diambil yaitu penderita sebagai variabel case (pasien yang sudah didiagnosa menderita kanker paru) sebanyak 46 orang dan bukan penderita sebagai variabel control (keluarga terdekat yang tinggal bersama pasien dalam kurun waktu satu tahun) sebanyak 92 orang. Berikut ditampilkan hasil ringkasan penelitian “Analisis Statistik terhadap Penyebab Penyakit Kanker Paru oleh Bahan Karsinogenik” : 4.1.1 Analisis Deskriptif Kelompok Case Hasil analisis deskriptif untuk penderita kanker paru (kelompok case): a. Umur penderita kanker paru yang tercatat dalam penelitian ini kebanyakan berusia 42 tahun keatas sebesar 87%. b. Suku Jawa asli paling banyak mendominasi pasien kanker paru di RSUD Dr. Soetomo sebesar 91.1% Sebagian besar memiliki berat badan kurang dari 55 kg sebesar c. 73.9% d. Tinggi badan paling banyak pada kisaran kurang dari 165 cm sebesar 71.7% e. Sebagian besar sebelum menderita kanker paru mereka memiliki pekerjaan yang tidak membutuhkan pendidikan formal seperti buruh bangunan, buruh ekspedisi, buruh tani, tukang becak, dan wiraswasta sebesar 65.2% f. Jenjang pendidikan yang paling banyak ditempuh SD sampai SMP sebesar 84.8% g. Pada umumnya penderita berstatus sudah pernah menikah sebesar 95.7% h. Penderita kanker paru menjawab terpapar asap rokok sebanyak 89.1% i. Penderita yang menjawab terpapar dengan pestisida, insektisida, dan herbisida sebesar 30.4% j. Bertempat tinggal di dekat daerah industri sebesar 45.7% k. Sering kena debu dan asap kendaraan bermotor sebesar 89.1% l. Pekerjaan berhubungan dengan asap sebesar 41.3% m. Kebanyakan penderita pernah menghisap rokok sebesar 67.4% n. Lama merokok diatas 18 tahun sebesar 63%, fakta tersebut menunjukkan kanker paru tidak muncul setahun-dua tahun setelah merokok tetapi bisa 15-20 tahun mendatang. o. Pertama kali merokok pada usia tujuh belas tahun ke atas sebesar 41.3% p. Setiap hari menghabiskan rokok antara 10 sampai dengan 20 batang sebesar 45.65% q. Jenis rokok yang disukai kretek sebesar 30.4% r. Memiliki kebiasaan mengkonsumsi makanan/minuman berpengawet sebesar 84.8% s. Memiliki kebiasaan mengkonsumsi makanan mengandung arang misalnya ayam bakar, ikan bakar, dan sate sebesar 39.13% 4.1.2 Analisis Deskriptif Kelompok Control Hasil analisis deskriptif bukan penderita kanker paru (kelompok control) yaitu : a. Paling banyak berumur kurang dari 42 tahun sebesar 65.2% b. Berasal dari suku Jawa sebesar 87% c. Memiliki berat badan diatas 55 kg sebesar 64.1% d. Memiliki tinggi diatas 165 cm sebesar 60.9% e. Pekerjaan yang dimiliki membutuhkan pendidikan formal seperti teknisi, guru, dan swasta sebesar 50% f. Jenjang pendidikan yang paling banyak ditempuh SMU sampai dengan Perguruan Tinggi sebesar 71.7% g. Semua variabel control sudah pernah menikah sebesar 100% h. Terpapar dengan asap rokok sebesar 40 % i. Terpapar dengan pestisida, insektisida, dan herbisida sebesar 2.2% j. Bertempat tinggal di dekat daerah industri sebesar 17.4% k. Sering kena debu dan asap kendaraan bermotor sebesar 85.9% l. Pekerjaan berhubungan dengan asap sebesar 6.5% m. Pernah menghisap rokok sebesar 47.8% n. Lama merokok kurang dari 18 tahun sebesar 56.5% o. Pertama merokok usia kurang dari tujuh belas tahun sebesar 30.43% p. Setiap hari menghabiskan rokok kurang dari 10 batang rokok sebesar 40.22% q. Jenis rokok yang disukai filter sebesar 38% r. Suka mengkonsumsi makanan atau minuman yang mengandung pengawet dan pewarna sebesar 59.8% s. Suka mengkonsumsi makanan yang mengandung arang sebesar 39.13%

9 4.2 Uji Independensi Variabel Bebas dengan Variabel Tak Bebas Sebelum dilakukan analisis regresi logistik terlebih dahulu ditetapkan mana variabel bebas yang ada hubungan dengan variabel tak bebas. Variabel bebas (prediktor) adalah variabel yang mempengaruhi Y (kasus), sedangkan variabel tak bebas (respon) adalah variabel yang dipengaruhi atau tergantung dari variabel bebas X (faktor yang mempengaruhi kanker paru). Hipotesis H0 : Tidak ada hubungan antara variabel bebas dengan variabel tak bebas H1 : Ada hubungan antara variabel bebas dengan variabel tak bebas Tingkat kesalahan untuk menolak Ho atau α sebesar 10%, sehingga kriteria penolakan Ho p_value < 0.1. Hasil pengujian Pearson Chisquare sebagai berikut : Tabel 4.1 Uji Independensi Variabel X dengan Variabel Y Variabel

Pearson Chisquare

df

p_value

Keputusan

Keterangan

X9

26.363

1

0.000

Tolak Ho

Ada hubungan

X10

23.895

1

0.000

Tolak Ho

Ada hubungan

X11

12.482

1

0.000

Tolak Ho

X12

0.288

1

0.592

Terima Ho

X13 X14 X15 X16 X17 X18 X19 X20

25.011 4.731 4.696 9.686 41.392 28.584 8.825 7.038

1 1 1 2 3 3 1 1

0.000 0.030 0.030 0.008 0.000 0.000 0.000 0.008

Tolak Ho Tolak Ho Tolak Ho Tolak Ho Tolak Ho Tolak Ho Tolak Ho Tolak Ho

Ada hubungan Tidak ada hubungan Ada hubungan Ada hubungan Ada hubungan Ada hubungan Ada hubungan Ada hubungan Ada hubungan Ada hubungan

Keterangan X9 :Terpapar dengan asap rokok X10 :Terpapar dengan pestisida, insektisida, herbisida X11 :Bertempat tinggal di daerah industri X12 :Sering kena debu dan asap kendaraan bermotor X13 :Pekerjaan berhubungan dengan asap X14 :Pernah menghisap rokok X15 :Lama merokok X16 :Pertama merokok X17 :Batang rokok X18 :Jenis rokok X19 :Makanan/minuman berpewarna dan berpengawet X20 :Makanan mengandung arang Y :Kasus

Tabel 4.3 Kode dari Variabel Independen X9 X9

Variabel Independen Ya Tidak

Kode Parameter (1) 1 0

Uji parameter pengaruh asap rokok dengan kasus yaitu : Hipotesis

βx

H0 :

= 0, variabel terpapar asap rokok tidak berpengaruh

9

terhadap variabel kasus kanker paru

H1 :

βx ≠ 9

0, variabel terpapar asap rokok berpengaruh terhadap

variabel kasus kanker paru

α sebesar 10%, sehingga kriteria penolakan Ho jika nilai uji W > Z α (1− ) Tingkat kesalahan untuk menolak Ho atau

2

p_value < α .

atau

Tabel 4.4 Hasil Uji Parsial Variabel X9 Variabel B S.E. Wald X9(1) 2.366 0.518 20.848 Constant -2.342 0.468 25.015

df 1 1

Sig. 0.000 0.000

Exp(B) 10.660 0.096

Nilai uji W = Wald sebesar 4.566>1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel terpapar asap rokok mempunyai pengaruh yang signifikan terhadap variabel kasus kanker paru (Y). Model logit yang dihasilkan sebagai berikut :

gˆ ( x) a.

= -2.342+2.366 X9 (1)

Terpapar asap rokok Fungsi probabilitas yang dihasilkan adalah

π (1) =

e −2.342+ 2.366(1) 1 + e − 2.342+ 2.366(1)

=0.506

Maka seseorang yang terpapar asap rokok berpeluang menderita kanker paru sebesar 0.506 artinya dari seribu orang yang terpapar asap rokok akan menderita kanker paru sebanyak 506 orang. b. Tidak terpapar asap rokok Fungsi probabilitas yang dihasilkan adalah

π ( 0) =

e −2.342 + 2.366( 0) 1 + e− 2.342 + 2.366 ( 0)

= 0.088

Jadi yang tidak memiliki hubungan dengan variabel kasus (Y) adalah sering kena debu dan asap kendaraan bermotor terpapar dengan (X12). Secara logika variabel X12 (sering kena debu dan asap kendaraan bermotor) seharusnya memiliki hubungan dengan kanker paru tapi pada kenyataannya dalam penelitian ini tidak saling berhubungan karena debu dan asap kendaraan bermotor yang dihirup masih dalam ambang batas yang wajar. Ada faktor tertentu yang dicurigai sebagai penyebab kanker paru meliputi asap rokok (X9), terpapar dengan pestisida, insektisida, herbisida (X10), bertempat tinggal di daerah industri (X11), pekerjaan berhubungan dengan asap (X13), pernah menghisap rokok (X14), lama merokok (X15), pertama merokok (X16), batang rokok (X17), jenis rokok (X18), makanan/minuman mengandung zat pewarna dan pengawet (X19), dan makanan mengandung zat arang (X20). Pada pengujian independensi ini jika variabel yang dicurigai ada hubungan maka dapat dilanjutkan pada analisis regresi logistik.

Maka seseorang yang tidak terpapar asap rokok berpeluang menderita kanker paru sebesar 0.088 artinya dari seribu orang yang tidak terpapar asap rokok akan menderita kanker paru sebanyak 88 orang.

4.3 Analisis Regresi Logistik Univariat Analisis regresi logistik univariat digunakan untuk mengetahui pengaruh dari masing-masing variabel bebas dengan variabel tak bebas. Langkah awal yang dilakukan yaitu menaksir parameter untuk tiap-tiap variabel bebas dalam model tunggal. 4.3.1 Terpapar Asap Rokok dengan Variabel Respon Kasus Variabel independen dan dependen dikoding terlebih dahulu sebelum dilakukan analisis regresi logistik. Berikut adalah hasil koding dari software SPSS :

Tabel 4.6 Kode dari Variabel Independen X10

Tabel 4.2 Kode dari Variabel Dependen Variabel Dependen Bukan penderita Penderita

Kode 0 1

4.3.2

Terpapar Pestisida, Insektisida, Herbisida Dengan Variabel Respon Kasus

Berikut adalah hasil koding dari software SPSS : Tabel 4.5 Kode dari Variabel Dependen Variabel Dependen Bukan penderita Penderita

X10


Kode 0 1


Uji parameter pengaruh pestisida, insektisida, herbisida dengan kasus yaitu : Hipotesis H0 :

βx

10

= 0, variabel terpapar dengan pestisida, insektisida,

herbisida tidak berpengaruh terhadap variabel kasus kanker paru

10 H1 :

βx ≠ 10

0, variabel terpapar dengan pestisida, insektisida,

herbisida berpengaruh terhadap variabel kasus kanker paru Tingkat kesalahan untuk menolak Ho atau α sebesar 10%, sehingga kriteria penolakan Ho jika nilai uji W > atau

p_value < α .

Z (1−α

2

)

Tabel 4.7 Hasil Uji Parsial Variabel X10 Variabel X10(1) Constant

B 2.980 -1.034

S.E. 0.783 0.206

Wald 14.468 25.243

df 1 1

Sig. 0.000 0.000

e −1.034 + 2.980 (1) 1 + e −1.034 + 2.980 (1)

= 0.875

Maka seseorang yang terpapar pestisida, insektisida, herbisida berpeluang menderita kanker paru sebesar 0.875 artinya dari seribu orang yang terpapar pestisida, insektisida, herbisida akan menderita kanker paru sebanyak 875 orang. b. Tidak terpapar dengan pestisida, insektisida, herbisida Fungsi probabilitas yang dihasilkan adalah

π ( 0) =

e −1.034+ 2.980 ( 0) 1 + e −1.034+ 2.980( 0)

π (1) =

Exp(B) 19.687 0.356

Nilai uji W = Wald sebesar 3.804 >1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel terpapar dengan pestisida, insektisida, herbisida mempunyai pengaruh yang signifikan terhadap variabel kasus kanker paru. Model logit yang dihasilkan sebagai berikut : g(x)= -1.034 +2.980 X10(1) a. Terpapar dengan pestisida, insektisida, herbisida Fungsi probabilitas yang dihasilkan adalah

π (1) =

Nilai uji W = Wald sebesar 3.425 >1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel bertempat tinggal di dekat daerah industri mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.112+1.384 X11(1) a. Bertempat tinggal di dekat daerah industri Fungsi probabilitas yang dihasilkan adalah

e −1.112+1.384(1) 1 + e −1.112+1.384(1)

Maka seseorang yang bertempat tinggal di dekat daerah industri berpeluang menderita kanker paru sebesar 0.568 artinya dari seribu orang yang bertempat tinggal di dekat daerah industri akan menderita kanker paru sebanyak 568 orang. b. Tidak bertempat tinggal di dekat daerah industri

e −1.112+1.384 ( 0) 1 + e −1.112+1.384( 0)

π ( 0) =

Maka seseorang yang tidak terpapar pestisida, insektisida, herbisida berpeluang menderita kanker paru sebesar 0.262 artinya dari seribu orang yang tidak terpapar pestisida, insektisida, herbisida akan menderita kanker paru sebanyak 262 orang. Bertempat Tinggal Di Daerah Industri dengan Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS :

= 0.247

Maka seseorang yang tidak bertempat tinggal di dekat daerah industri berpeluang menderita kanker paru sebesar 0.247 artinya dari seribu orang yang tidak bertempat tinggal di dekat daerah industri akan menderita kanker paru sebanyak 247 orang. 4.3.4

Pekerjaan Berhubungan dengan Asap terhadap Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS : Tabel 4.11 Kode dari Variabel Dependen Variabel Dependen Bukan penderita Penderita

= 0.262

= 0.568

Kode 0 1

Tabel 4.12 Kode dari Variabel Independen X13 X13



4.3.3

Tabel 4.8 Kode dari Variabel Dependen Variabel Dependen Bukan penderita Penderita

Uji parameter pengaruh pekerjaan berhubungan dengan asap dengan kasus yaitu : Hipotesis H0 : H1 :

11 = 0, variabel bertempat tinggal di dekat daerah industri

tidak berpengaruh terhadap variabel kasus kanker paru

H1 :

βx ≠ 11

0, variabel bertempat tinggal di dekat daerah industri

berpengaruh terhadap variabel kasus kanker paru Tingkat kesalahan untuk menolak Ho atau α sebesar 10%, sehingga kriteria penolakan Ho jika nilai uji W > atau

p_value < α .

Tabel 4.10 Hasil Uji Parsial Variabel X11 Variabel B S.E. Wald X11(1) 1.384 0.404 11.728 Constant -1.112 0.231 23.256

βx ≠ 13

0, variabel pekerjaan berhubungan dengan asap

df 1 1

α

10%, sehingga kriteria penolakan Ho jika nilai uji W > atau

βx

= 0, variabel pekerjaan berhubungan dengan asap tidak

Tingkat kesalahan untuk menolak Ho atau


Uji parameter pengaruh bertempat tinggal di daerah industri dengan kasus yaitu : Hipotesis H0 :

13

berpengaruh terhadap variabel kasus kanker paru

Tabel 4.9 Kode dari Variabel Independen X11 Variabel Independen X11 Ya Tidak

βx


Kode 0 1

Z (1−α

Sig. 0.001 0.000

2

)

Exp(B) 3.990 0.329

p_value < α .

Tabel 4.13 Hasil Uji Parsial Variabel X13 Variabel B S.E. Wald df X13(1) 2.311 0.518 19.934 1 Constant -1.159 0.221 27.579 1

Sig. 0.000 0.000

sebesar

Z (1−α

2

)

Exp(B) 10.086 0.314

Nilai uji W = Wald sebesar 4.465 > 1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel pekerjaan berhubungan dengan asap mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.159 +2.311 X13(1) a. Pekerjaan berhubungan dengan asap Fungsi probabilitas yang dihasilkan adalah

π (1) =

e −1.159 + 2.311(1) 1 + e −1.159 + 2.311(1)

= 0.760

Maka seseorang yang pekerjaannya berhubungan dengan asap berpeluang menderita kanker paru sebesar 0.760 artinya dari

11 seribu orang yang pekerjaannya berhubungan dengan asap akan menderita kanker paru sebanyak 760 orang. b. Pekerjaan tidak berhubungan dengan asap

π ( 0) =

e −1.159 + 2.311( 0 ) 1 + e −1.159 + 2.311( 0)

= 0.239

Maka seseorang yang pekerjaannya tidak berhubungan dengan asap berpeluang menderita kanker paru sebesar 0.239 artinya dari seribu orang yang pekerjaannya tidak berhubungan dengan asap akan menderita kanker paru sebanyak 239 orang.

Tabel 4.18 Kode dari Variabel Independen X15 Parameter coding Variabel independen (1) (2) 0 0 0 <18 1 0 x15 ≥ 18 0 1 Uji parameter lama merokok terhadap kasus yaitu : Hipotesis

βx

H0 :

15

= 0, variabel lama merokok tidak berpengaruh signifikan

terhadap variabel respon

4.3.5

Pernah Menghisap Rokok dengan Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS : Tabel 4.14 Kode dari Variabel Dependen

H1 :

Variabel Dependen Bukan penderita Penderita

10%, sehingga kriteria penolakan Ho jika nilai uji W >

Kode 0 1

X14

Kode Parameter (1) 1

Tidak

0

Uji parameter pengaruh pernah menghisap rokok dengan kasus yaitu : Hipotesis H0 :

βx

14

= 0, variabel pernah menghisap rokok tidak berpengaruh

terhadap variabel kasus kanker paru

H1 :

βx ≠ 14

0, variabel pernah menghisap rokok berpengaruh

terhadap variabel kasus kanker paru Tingkat kesalahan untuk menolak Ho atau

α


p_value < α .


Sig. 0.031 0.000

sebesar

Z (1−α

2

e −1.163+ 0.813(1) 1 + e−1.163+ 0.813(1)

Exp(B) 2.255 0.313

e −1.163+ 0.813( 0) 1 + e −1.163 + 0.813( 0)

=0.238

Maka seseorang yang tidak menghisap rokok berpeluang menderita kanker paru sebesar 0.238 artinya dari seribu orang yang tidak menghisap rokok akan menderita kanker paru sebanyak 238 orang. 4.3.6 Lama Merokok dengan Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS : Tabel 4.17 Kode dari Variabel Dependen X15

p_value < α .

Tabel 4.19 Hasil Uji Parsial Variabel X15 Variabel B S.E. Wald X15 4.820 X15(1) 0.470 0.915 0.264 X15(2) 0.842 0.383 4.818 Constant -1.163 0.296 15.462 * tidak signifikan pada α =0.1

df 2 1 1 1

sebesar

Z (1−α

Sig. 0.090 0.608* 0.028 0.000

2

)

Exp(B) 1.600 2.320 0.313

Nilai W = Wald sebesar 2.195 >1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel lama merokok mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.163+0.842 X15(2) a. Menghisap rokok dengan lama lebih 18 tahun Fungsi probabilitas yang dihasilkan adalah

π (1) =

e −1.163+ 0.842(1) 1 + e −1.163+ 0.842(1)

=0.420

Maka seseorang yang menghisap rokok dengan lama lebih 18 tahun berpeluang menderita kanker paru sebesar 0.420 artinya dari seribu orang yang menghisap rokok dengan lama lebih 18 tahun akan menderita kanker paru sebanyak 420 orang. b. Tidak menghisap rokok Fungsi probabilitas yang dihasilkan adalah

π ( 0) =

e −1.163+ 0.842( 0) 1 + e −1.163+ 0.842( 0 )

=0.238

Maka seseorang yang tidak menghisap rokok berpeluang menderita kanker paru sebesar 0.238 artinya dari seribu orang yang tidak menghisap rokok akan menderita kanker paru sebanyak 238 orang. Usia Pertama Kali Merokok dengan Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS : Tabel 4.20 Kode dari Variabel Dependen Variabel Dependen Bukan penderita Penderita

Kode 0 1

Kode 0 1

Tabel 4.21 Kode dari Variabel Independen X16 Parameter coding Variabel independen (1) (2) 0 0 0 <17 1 0 x16 ≥ 17 0 1 Uji parameter usia pertama kali merokok terhadap variabel respon kasus hipotesis H0 :

Variabel dependen Bukan penderita Penderita

α

4.3.7

=0.413

Maka seseorang yang menghisap rokok berpeluang menderita kanker paru sebesar 0.413 artinya dari seribu orang yang menghisap rokok akan menderita kanker paru sebanyak 413 orang. b. Tidak menghisap rokok Fungsi probabilitas yang dihasilkan adalah

π ( 0) =

0, variabel lama merokok signifikan terhadap variabel

)

Nilai uji W = Wald sebesar 2.154 > 1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel pernah menghisap rokok mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.163+0.813 X14(1) a. Menghisap rokok Fungsi probabilitas yang dihasilkan adalah

π (1) =

15

respon Tingkat kesalahan untuk menolak Ho atau

atau

Tabel 4.15 Kode dari Variabel Independen X14 Variabel Independen Ya

βx ≠

βx

16

= 0, variabel usia pertama kali merokok


tidak

12 H1 :

βx ≠

0, variabel usia pertama kali merokok berpengaruh

16

terhadap variabel kasus kanker paru Tingkat kesalahan untuk menolak Ho atau

α


p_value < α .

Tabel 4.22 Hasil Uji Parsial Variabel X16 Variabel B S.E. Wald X16 9.198 X16(1) 0.316 0.454 0.483 X16(2) 1.335 0.450 8.795 Constant -1.163 0.296 15.462 * tidak signifikan pada α =0.1

df 2 1 1 1

sebesar

Z (1−α

Sig. 0.010 0.487* 0.003 0.000

2

)

Exp(B) 1.371 3.800 0.313

Nilai uji W = Wald sebesar 3.033 > 1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel usia pertama kali merokok mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.163+1.335X16 (2) a. Pertama kali merokok umur lebih dari tujuh belas tahun Fungsi probabilitas yang dihasilkan adalah

π (1) =

e −1.163 +1.335(1) 1 + e −1.163 +1.335(1)

=0.543

Maka seseorang yang pertama kali merokok umur lebih dari tujuh belas tahun berpeluang menderita kanker paru sebesar 0.543 artinya dari seribu orang yang pertama kali merokok umur lebih dari tujuh belas tahun akan menderita kanker paru sebanyak 543 orang. b. Tidak menghisap rokok Fungsi probabilitas yang dihasilkan adalah

π ( 0) =

e −1.163 +1.335( 0 ) 1 + e −1.163 +1.335( 0 )

=0.238

Maka seseorang yang tidak menghisap rokok berpeluang menderita kanker paru sebesar 0.238 artinya dari seribu orang yang tidak menghisap rokok akan menderita kanker paru sebanyak 238 orang. 4.3.8 Batang Rokok dengan Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS :

Tabel 4.25 Hasil uji parsial variabel X17 Variabel B S.E. Wald X17 31.660 X17(1) -0.587 0.535 1.205 X17(2) 2.667 0.583 20.931 X17(3) 2.148 0.890 5.826 Constant -1.232 0.304 16.455 * tidak signifikan pada α =0.1

df 3 1 1 1 1

Sig. 0.000 0.272* 0.000 0.016 0.000

π (1) =

e −1.232 + 2.667 (1) + 2.148( 0) 1+ e

−1.232 + 2.667 (1) + 2.148 ( 0 )

= 0.808

Maka seseorang yang menghabiskan rokok 10-20 batang perhari berpeluang menderita kanker paru sebesar 0.808 artinya dari seribu orang yang menghabiskan rokok 10-20 batang perhari akan menderita kanker paru sebanyak 880 orang. b. Menghabiskan rokok >20 batang perhari Fungsi probabilitas yang dihasilkan adalah

π (1) =

e −1.232 + 2.667 ( 0) + 2.148(1) 1+ e

−1.232 + 2.667 ( 0 ) + 2.148(1)

= 0.714

Maka seseorang yang menghabiskan rokok >20 batang perhari berpeluang menderita kanker paru sebesar 0.714 artinya dari seribu orang yang menghabiskan rokok >20 batang perhari akan menderita kanker paru sebanyak 714 orang. c. Tidak merokok Fungsi probabilitas yang dihasilkan adalah

π (0) =

e −1.232+ 2.667 ( 0)+ 2.148( 0 )

1+ e

−1.232 + 2.667 ( 0 ) + 2.148 ( 0 )

=0.226

Maka seseorang yang tidak merokok berpeluang menderita kanker paru sebesar 0.226 artinya dari seribu orang yang tidak merokok akan menderita kanker paru sebanyak 226 orang. 4.3.9 Jenis Rokok terhadap Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS :

Variabel dependen

Tabel 4.26 Kode dari Variabel Dependen

Kode 0

Penderita

1

0.556 14.400 8.571 0.292

Nilai uji W = Wald sebesar 5.627>1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel batang rokok mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.232 +2.667 X17(2)+2.148X17(3) a. Menghabiskan rokok 10-20 batang perhari Fungsi probabilitas yang dihasilkan adalah

Tabel 4.23 Kode dari Variabel Dependen

Bukan penderita

Exp(B)

Variabel dependen Bukan penderita Penderita

Kode 0 1

Tabel 4.24 Kode dari Variabel Independen X17 Variabel independen (X17) 0 <10 10-20 >20

(1) 0 1 0 0

Parameter coding (2) 0 0 1 0

Tabel 4.27 Kode dari Variabel Independen X18 Parameter coding Variabel independen (X18)

(3) 0 0 0 1

Uji parameter batang rokok terhadap variabel respon kasus : Hipotesis H0 :

βx

17

= 0, variabel batang rokok tidak signifikan terhadap

variabel respon

H1 :

βx ≠ 17

Tingkat kesalahan untuk menolak Ho atau

H0 : H1 :

α

10%, sehingga kriteria penolakan Ho jika nilai uji W > p_value < α .

2

)

(2) 0 0 1 0

βx

(3) 0 0 0 1

β

18

= 0, variabel jenis rokok tidak signifikan terhadap

variabel respon x18

≠

0, variabel jenis rokok signifikan terhadap variabel

respon Tingkat kesalahan untuk menolak Ho atau

sebesar

Z (1−α

(1) 0 1 0 0

Uji parameter jenis rokok terhadap variabel respon kasus : Hipotesis

0, variabel batang rokok signifikan terhadap variabel

respon

atau

0 Kretek Filter Campuran kretek dan filter

α


p_value < α .

sebesar

Z (1−α

2

)

13 Tabel 4.28 Hasil Uji Parsial Variabel X18 Variabel B S.E. Wald X18 19.172 X18(1) 3.157 0.815 15.007 X18(2) -0.042 0.470 0.008 X18(3) 1.211 0.585 4.280 Constant -1.211 0.304 15.822 *tidak signifikan pada α =0.1

df 3 1 1 1 1

Sig. 0.000 0.000 0.929* 0.039 0.000

Exp(B) 23.500 0.959 3.357 0.298

Nilai uji W = Wald sebesar 4.379 >1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel jenis rokok mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.211+3.157X18(1)+1.211X18(3) a. Merokok jenis rokok kretek

e −1.211+3.157 (1)+1.211( 0) π (1) = 1 + e −1.211+3.157 (1)+1.211( 0 )

e −1.211+3.157 ( 0 )+1.211(1) 1 + e −1.211+3.157 ( 0)+1.211(1)

e −1.211+3.157 ( 0) +1.211( 0) 1 + e −1.211+3.157 ( 0 )+1.211( 0 )

Exp(B) 3.748 0.189

Nilai uji W = Wald sebesar 2.858 >1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel makanan/minuman mengandung zat pewarna dan zat pengawet mempunyai pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.665+1.321 X19(1) a. Kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan zat pengawet. Fungsi probabilitas yang dihasilkan adalah

e −1.665+1.321(1) 1 + e −1.665+1.321(1)

π (1) =

=0.415

berpeluang menderita kanker paru sebesar 0.415 artinya dari seribu orang yang memiliki kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan zat pengawet akan menderita kanker paru sebanyak 415 orang. b. Tidak memiliki kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan zat pengawet. Fungsi probabilitas yang dihasilkan adalah

=0.5

Maka seseorang yang merokok jenis rokok campuran (kretek dan filter) berpeluang menderita kanker paru sebesar 0.5 artinya dari seribu orang yang merokok jenis rokok campuran (kretek dan filter) akan menderita kanker paru sebanyak 500 orang. c. Tidak merokok Fungsi probabilitas yang dihasilkan adalah

π (0) =

Sig. 0.004 0.000

Maka seseorang yang memiliki kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan zat pengawet

=0.875

Maka seseorang yang merokok jenis rokok kretek berpeluang menderita kanker paru sebesar 0.875 artinya dari seribu orang yang merokok jenis rokok kretek akan menderita kanker paru sebanyak 875 orang. b. Merokok jenis rokok campuran kretek dan filter Fungsi probabilitas yang dihasilkan adalah

π (1) =


π (0) =

e −1.665+1.321( 0 ) 1 + e −1.665+1.321( 0)

=0.159

Maka seseorang yang tidak memiliki kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan zat pengawet berpeluang menderita kanker paru sebesar 0.159 artinya dari seribu orang yang tidak memiliki kebiasaan mengkonsumsi makanan/minuman mengandung zat pewarna dan zat pengawet akan menderita kanker paru sebanyak 159 orang.

=0.230

Maka seseorang yang tidak merokok berpeluang menderita kanker paru sebesar 0.23 artinya dari seribu orang yang tidak merokok akan menderita kanker paru sebanyak 230 orang.

4.3.11 Makanan Mengandung Zat Arang terhadap Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS : Tabel 4.32 Kode dari Variabel Dependen

4.3.10

Makanan/Minuman Mengandung Zat Pewarna dan Zat Pengawet terhadap Variabel Respon Kasus Berikut adalah hasil koding dari software SPSS : Tabel 4.29 Kode dari Variabel Dependen Variabel Dependen Bukan penderita Penderita

Variabel Independen X20 Ya Tidak

Variabel Independen Kode Parameter (1) X19 Ya 1 Tidak 0 Uji parameter makanan/minuman mengandung zat pewarna dan zat pengawet terhadap variabel respon kasus : Hipotesis

H1 :

βx

β

19

≠

Uji parameter makanan mengandung zat arang terhadap variabel respon kasus. Hipotesisnya sebagai berikut : H0 :

βx

20

= 0, variabel makanan mengandung zat arang tidak

signifikan terhadap variabel respon

H1 :

βx ≠ 20

0, variabel makanan mengandung zat arang signifikan

terhadap variabel respon Tingkat kesalahan untuk menolak Ho atau

10%, sehingga kriteria penolakan Ho jika nilai uji W > p_value < α .

Z (1−α

2

)

α

10%, sehingga kriteria penolakan Ho jika nilai uji W >

0, variabel makanan/minuman mengandung zat

pewarna dan zat pengawet berpengaruh terhadap variabel respon Tingkat kesalahan untuk menolak Ho atau α sebesar

atau


= 0, variabel makanan/minuman mengandung zat

pewarna dan zat pengawet tidak berpengaruh terhadap variabel respon x19

Kode 0 1


Kode 0 1


H0 :

Variabel Dependen Bukan penderita Penderita

atau

p_value < α .

Tabel 4.34 Hasil uji parsial variabel X20 Variabel B S.E. Wald X20(1) 0.976 0.373 6.855 Constant -1.192 0.277 18.534

df 1 1

sebesar

Z (1−α

Sig. 0.009 0.000

2

)

Exp(B) 2.654 0.304

Nilai uji W = Wald sebesar 2.618 >1.645 atau p_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel makanan mengandung zat arang mempunyai

14 pengaruh yang signifikan terhadap variabel respon Y. Model logit yang dihasilkan sebagai berikut : g(x) = -1.192+0.972 X20(1) a. Kebiasaan mengkonsumsi makanan mengandung zat arang Fungsi probabilitas yang dihasilkan adalah

e

π (1) =

−1.192 + 0.972 (1)

1+ e

=0.445

−1.192 + 0.972 (1)

Maka seseorang yang memiliki kebiasaan makanan mengandung zat arang berpeluang menderita kanker paru sebesar 0.445 artinya dari seribu orang yang memiliki kebiasaan makanan mengandung zat arang akan menderita kanker paru sebanyak 445 orang. b. Tidak memiliki kebiasaan mengkonsumsi makanan mengandung zat arang. Fungsi probabilitas yang dihasilkan adalah

π (0) =

e

−1.192 + 0.972 ( 0 )

1+ e

−1.192 + 0.972 ( 0 )

= 0.233

Maka seseorang yang tidak memiliki kebiasaan makanan berarang berpeluang menderita kanker paru sebesar 0.233 artinya dari seribu orang yang tidak memiliki kebiasaan makanan mengandung zat arang akan menderita kanker paru sebanyak 233 orang. 4.4

Analisis Regresi Logistik Multivariat Variabel prediktor yang ada pada regresi logistik multivariat adalah variabel yang mempunyai pengaruh signifikan pada model regresi logistik univariat sebelumnya. Metode regresi logistik multivariat yang digunakan adalah metode Backward Wald yang mengeluarkan satu persatu variabel bebas yang dianggap tidak berpengaruh terhadap variabel tak bebas, sampai tak ada lagi variabel bebas yang bisa dikeluarkan. Tabel 4.35 Hasil Uji Regresi Logistik Multivariat Step 6

X9(1) X10(1) X11(1) X13(1) X17 X17(1) X17(2) X17(3) X20(1) Constant

B 1.592 2.786 1.479 1.337

S.E. 0.682 0.873 0.624 0.723

-1.529 0.754 0.203 1.248 -3.284

0.737 0.787 1.100 0.578 0.668

Wald 5.448 10.187 5.613 3.423 8.587 4.305 0.917 0.034 4.669 24.161

df 1 1 1 1 3 1 1 1 1 1

Sig. 0.020 0.001 0.018 0.064 0.035 0.038 0.338 0.854 0.031 0.000

Exp(B) 4.911 16.223 4.388 3.807 0.217 2.125 1.225 3.483 0.037

Pada step 6 terdapat 6 variabel independen yang signifikan yaitu terpapar dengan asap rokok (X9), terpapar dengan pestisida, insektisida, herbisida (X10), bertempat tinggal di daerah industri (X11), pekerjaan berhubungan dengan asap (X13), batang rokok (X17), dan makanan mengandung arang (X20).

exp(−3.284+1.592X 9 (1)+2.786X10 (1)+1.479X11 (1)+1.337X13 (1)−1.529X17 (1)+1.248X 20 (1)) 1 + exp(−3.284+1.592X 9 (1)+2.786X10 (1)+1.479X11 (1)+1.337X13 (1)−1.529X17 (1)+1.248X 20 (1)) Transformasi dari logit di atas adalah sebagai berikut

π ( x) =

g(x)=-3.284+1.592X9(1)+2.786X10(1)+1.479X11(1)+1.337X13(1)-1.529X17(1)+1.248X20(1)

4.4.1 Uji Serentak Model logit yang didapat diuji serentak apakah sudah signifikan. Hipotesis

β x =β x = β x =β x = β x : β x ≠ 0, k=9, 10, 11, 13, 17, 20

H0 : H1

9

10

11

13

17

= β x20 = 0

k

Atau H0 : Variabel yang masuk tidak signifikan ke dalam model H1 : Variabel yang masuk signifikan ke dalam model

α = 10%, H

0

ditolak jika X2 >

χ2

tabel

atau P_value < α

Nilai uji X2 sebesar 79.425 > χ (1;10%) =2.706 atau 2

P_value 0.000<0.1, maka keputusan yang diambil adalah tolak H0 artinya variabel yang masuk signifikan ke dalam model atau model yang terbentuk adalah model terbaik atau layak. 4.4.2 Uji Improvement Uji kesesuaian model digunakan untuk mengetahui apakah model yang terbentuk sudah sesuai. Hipotesis H0 : model ringkas / tanpa variabel tertentu adalah model terbaik H1 : model lengkap / dengan variabel tertentu adalah model terbaik Tabel 4.37 Uji Improvement Tahap 6 Step -2 Log likelihood 1 92.012 2 92.214 3 93.417 4 93.556 5 94.251 6 96.253 Tahap 1 atau step 1 merupakan model lengkap dengan 9 variabel prediktor menghasilkan nilai -2 loglikehood sebesar 91.736, sedangkan pada tahap 6 merupakan model ringkas dengan 6 variabel prediktor menghasilkan nilai -2 loglikehood sebesar 96.253. Hal ini menunjukkan model dengan 6 variabel lebih baik daripada model dengan 9 prediktor. Sedangkan nilai G2 sebesar -2.002 dan nilai p_value sebesar 0.368 <0.1, maka keputusan yang diambil adalah terima H0 artinya model ringkas adalah model terbaik. 4.4.3 Interpretasi Model Hubungan fungsional antara variabel prediktor (X) dengan variabel respon (Y) untuk mengetahui seberapa besar faktor tersebut berpengaruh terhadap kasus penderita kanker paru. Tabel 4.35 menunjukkan nilai odds ratio masing-masing variabel. Nilai odds ratio resiko terpapar asap rokok (X9) akan menderita kanker paru sebesar 4.911 kali lebih besar dibandingkan dengan yang tidak terpapar asap rokok. Nilai odds ratio resiko terpapar dengan pestisida, insektisida, herbisida (X10) akan menderita kanker paru sebesar 16.223 kali lebih besar dibandingkan dengan yang tidak terpapar dengan pestisida, insektisida, herbisida. Nilai odds ratio resiko bertempat tinggal di daerah dekat industri (X11) akan menderita kanker paru sebesar 4.388 kali lebih besar dibandingkan dengan yang tidak bertempat tinggal di daerah dekat industri. Nilai odds ratio resiko pekerjaan berhubungan dengan asap (X13) akan menderita kanker paru sebesar 3.807 kali lebih besar dibandingkan dengan yang pekerjaan tidak berhubungan dengan asap. Nilai odds ratio resiko menghisap rokok kurang dari 10 batang (X17) akan menderita kanker paru sebesar 0.217 kali lebih besar dibandingkan dengan yang tidak menghisap rokok. Nilai odds ratio resiko terbiasa mengkonsumsi makanan mengandung arang (X20) akan menderita kanker paru sebesar 3.483 kali lebih besar dibandingkan dengan tidak terbiasa mengkonsumsi makanan mengandung arang. Fungsi probabilitas yang dihasilkan adalah exp(−3.284+1.592X 9 (1)+2.786X10 (1)+1.479X11(1)+1.337X13 (1)−1.529X17 (1)+1.248X 20 (1)) π (1) = 1+ exp(−3.284+1.592X 9 (1)+2.786X10 (1)+1.479X11(1)+1.337X13 (1)−1.529X17 (1)+1.248X 20 (1)) =0.974 Peluang seseorang yang terpapar asap rokok (X9), terpapar pestisida, herbisida, dan insektisida (X10), bertempat tinggal di daerah dekat industri (X11), pekerjaan berhubungan dengan asap (X13), menghisap rokok kurang dari 10 batang (X17), terbiasa mengkonsumsi makanan mengandung arang (X20) menderita kanker paru adalah 0.974. Maksud dari peluang tersebut adalah dari seribu orang yang terpapar asap rokok (X9), terpapar pestisida, herbisida, dan insektisida (X10), bertempat tinggal di daerah dekat industri (X11), pekerjaan berhubungan dengan asap (X13), menghisap rokok kurang dari 10 batang (X17), terbiasa mengkonsumsi makanan mengandung arang (X20) akan menderita kanker paru sebesar 974 orang.

Tabel 4.36 Uji Serentak Tahap 6 Step 6

Step Block Model

Chi-square -2.002 79.425 79.425

df 2 8 8

Sig. 0.368 0.000 0.000

π (0) =

exp(−3.284+1.592X9 (0)+2.786X10 (0)+1.479X11(0)+1.337X13 (0)−1.529X17 (0)+1.248X 20 (0))

1+ exp(−3.284+1.592X 9 (0)+2.786X10 (0)+1.479X11 (0)+1.337X13 (0)−1.529X17 (0)+1.248X 20 (0)) = 0.036 Peluang seseorang yang tidak terpapar asap rokok (X9), tidak bertempat tinggal di daerah dekat industri (X11), tidak terpapar

15 pestisida, herbisida, dan insektisida (X10), pekerjaan tidak berhubungan dengan asap (X13), tidak menghisap rokok (X17), tidak terbiasa mengkonsumsi makanan mengandung arang (X20) menderita kanker paru adalah 0.036. Atau dari seribu orang yang tidak terpapar asap rokok (X9), tidak bertempat tinggal di daerah dekat industri (X11), pekerjaan tidak berhubungan dengan asap (X13), tidak menghisap rokok (X17), tidak terbiasa mengkonsumsi makanan mengandung arang (X20) akan menderita kanker paru sebanyak 36 orang. 4.4.4

Ketepatan Klasifikasi Model Ketepatan klasifikasi model regresi logistik dapat dilihat pada tabel 4.38. Tabel 4.38 Hasil Klasifikasi Metode Regresi Logistik Prediksi Persentase benar

Kasus (Y) Observasi Kasus (Y)

Bukan penderita

Bukan penderita

Penderita

87

5

Penderita 12 Persentase semua

34

Ketepatan klasifikasi model :

73.91% 94.57% 87.68%

87 ⎤ ⎡ 34 =87.68%% ⎢⎣138 + 138 ⎥⎦ x100%

Model regresi logistik dengan 6 variabel independen yang signifikan yaitu terpapar dengan asap rokok (X9), terpapar dengan pestisida, insektisida, herbisida (X10), bertempat tinggal di daerah industri (X11), pekerjaan berhubungan dengan asap (X13), batang rokok (X17), dan makanan mengandung arang (X20) memiliki ketepatan klasifikasi sebesar 87.68% artinya model tersebut telah diprediksikan dengan benar. Atau dengan kata lain penderita kanker paru ada 46 orang sedangkan hasil model hanya 34 orang jadi ketepatan klasifikasi 73.91%. Sedangkan bukan penderita kanker paru ada 92 orang sedangkan hasil model hanya 87 orang jadi ketepatan klasifikasi 94.57% dan secara keseluruhan ketepatan klasifikasi adalah 87.68%. BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang dapat diambil dari penelitian ini yaitu: 1. a.Hasil analisis deskriptif untuk penderita kanker paru (kelompok case) yang tercatat sebagian besar berusia lebih dari 42 tahun sebesar 87%, sebagian besar sebelum menderita kanker paru memiliki pekerjaan yang tidak membutuhkan pendidikan formal sebesar 65.2%, menjawab terpapar asap rokok sebanyak 89.1%, terpapar dengan pestisida, insektisida, dan herbisida sebesar 30.4%, bertempat tinggal di dekat daerah industri sebesar 45.7%, sering kena debu dan asap kendaraan bermotor sebesar 89.1%, pekerjaan berhubungan dengan asap sebesar 41.3%, penderita pernah menghisap rokok sebesar 67.4%, lama merokok diatas 18 tahun sebesar 63%, pertama kali merokok usia tujuh belas tahun ke atas sebesar 41.3%, setiap hari merokok antara 10 sampai dengan 20 batang sebesar 45.65%, jenis rokok yang disukai kretek sebesar 30.4%, memiliki kebiasaan mengkonsumsi makanan/minuman mengandung zat pengawet sebesar 84.8%, memiliki kebiasaan mengkonsumsi makanan mengandung zat arang sebesar 39.13%. setiap hari menghabiskan kurang dari 10 batang rokok sebesar 40.22%, jenis rokok yang disukai filter sebesar 38%, suka mengkonsumsi makanan mengandung zat pengawet sebesar 59.8%, suka mengkonsumsi makanan mengandung zat arang sebesar 39.13%. b. Hasil analisis deskriptif bukan penderita kanker paru (kelompok control) yaitu paling banyak berumur kurang dari 42 tahun sebesar 65.2%, pekerjaan yang dimiliki membutuhkan pendidikan formal sebesar 50%, terpapar asap rokok sebesar 40 %, terpapar pestisida, insektisida, dan herbisida sebesar 2.2%, bertempat tinggal di dekat daerah industri sebesar 17.4%, sering kena debu dan asap kendaraan bermotor sebesar 85.9%, pekerjaan berhubungan dengan asap sebesar 6.5%, pernah

menghisap rokok sebesar 47.8%, lama merokok kurang dari 18 tahun sebesar 56.5%, pertama merokok usia kurang dari tujuh 2. Model regresi logistik yang diperoleh adalah g(x)=-3.284+1.592X9(1)+2.786X10(1)+1.479X11(1)+1.337X13(1)-1.529X17(1)+1.248X20(1)

Fungsi probabilitas yang dihasilkan adalah π (1) =

exp(−3.284+1.592X 9 (1) +2.786X10 (1)+1.479X11 (1)+1.337X13 (1) −1.529X17 (1)+1.248X 20 (1)) =0.974 1 + exp(−3.284+1.592X 9 (1)+ 2.786X10 (1) +1.479X11 (1) +1.337X13 (1)−1.529X17 (1)+1.248X 20 (1))

Dari seribu orang yang terpapar asap rokok (X9), terpapar pestisida, herbisida, insektisida (X10), bertempat tinggal di daerah dekat industri (X11), pekerjaan berhubungan dengan asap (X13), menghisap rokok kurang dari 10 batang (X17), terbiasa mengkonsumsi makanan mengandung arang (X20) akan menderita kanker paru sebanyak 974 orang. 5.2 Saran Saran untuk menghindari resiko kanker paru yaitu : 1. Rokok -Sedapat mungkin jangan merokok. Apabila sudah merokok hendaknya segera dihentikan dan menjauhi perokok. 2. Polusi udara -Melakukan penghijauan untuk menetralisir polusi udara 3. Pencemaran karena pekerjaan. -Mengunakan alat pelindung secara benar menurut peraturan perlindungan kesehatan. 4. Nutrisi Hindari makanan mengandung zat pengawet dan zat arang. Saran untuk penelitian lebih lanjut yaitu : Sebaiknya dilakukan penelitian lebih lanjut dengan multicenter study (mengambil sampel penderita tidak hanya di satu rumah sakit tapi di rumah sakit lain) dan studi perbandingan kasus daerah dekat pabrik dengan yang jauh dari pabrik.

DAFTAR ISI Agresti, A. (1990). Categorical Data Analysis. John Wiley and Sons, Inc. New York. Freedman, D.A., Navidi, W.C. (1990). ”Ex-smokers and the multistage model for lung cancer”. Epidemiology, 1, 21–29. Hosmer, D. (2000). Applied Logistic Regression. John Wiley and Sons, Inc. New York. Jedrychowski, W., Beecher, H., dan Wahrendorf, J. (1990). “A Casecontrol Study of Lung Cancer with Special Reference to the effect of Air Pollution in Poland”. J Epidemiol Community Health 44, 114 – 120. Morgan, R.W. (1992). “Attitudes about asbestos and lung cancer”. Am J Ind Med 22, 437–441. PDPI (Perhimpunan Dokter Paru Indonesia). (2003). Kanker paru pedoman diagnosis dan penatalaksanaan di indonesia. Pedoman Diagnosis dan Penatalaksanaan Asma. Indonesia Rasyid, R., dkk. (2001). The Characteristic and Two Year Survival Rate of lung Cancer Patients at Dharmais Cancer Hospital In Period Januari 1998 – November 2001. Dinas Kesehatan. Jakarta. Samet, J.M. (1994). Epidemiology of Lung Cancer. Marcel Dekker, Inc. New York. Santoso, Singgih., (2002), Buku Latihan SPSS Statistik Multivariat, PT Elex Media Komputindo : Kelompok Gramedia. Jakarta. Trichopolous, D., Kalandini, A., dan Sparros, L. (1984). “Passive Smoking and Lung Cancer”. Lancet, 1, 684. Ziegler, R.G., Mayne, S.T., dan Swanson, C.A. (1996). “Nutrition and Lung Cancer”. Cancer Causes Control, 7, 157–177.

BAB I PENDAHULUAN. ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr

Recommend Documents