You are on page 1of 14

TUGAS AKHIR

ANALISIS DATA LONGITUDINAL

“Faktor yang Mempengaruhi Pergerakan Status Hipertensi pada Pasien Hipertensi


di Bangsal Bakung RSUD Panembahan Senopati Bantul Periode Agustus 2015”

DISUSUN OLEH:

NIKMATULL AJIZAH AMBAO


(16/403761/PPA/05278)

PROGRAM STUDI S2 MATEMATIKA


JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
2018

1
BAB I
PENDAHULUAN

A. Latar Belakang
Hipertensi (HTN) atau tekanan darah tinggi adalah kondisi medis kronis dengan tekanan
darah di arteri meningkat. Peningkatan ini menyebabkan jantung harus bekerja lebih keras
dari biasanya untuk mengedarkan darah melalui pembuluh darah. Tekanan darah normal
pada saat istirahat adalah dalam kisaran sistolik 100–140 mmHg dan diastolik 60–90 mmHg.
Tekanan darah tinggi terjadi bila terus-menerus berada pada 140/90 mmHg atau lebih
(Wikipedia). Prevalensi Hipertensi di Indonesia cukup tinggi. Direktur Pencegahan dan
Pengendalian Penyakit Tidak Menular, Kementerian Kesehatan, dr Lily S. Sulistyowati,
MM, mengatakan kasus hipertensi di Indonesia mengalami peningkatan, Data Riset
Kesehatan Dasar (Riskesdas) 2013 menunjukkan bahwa 25,8 persen penduduk Indonesia
mengidap hipertensi, namun di tahun 2016 Survei Indikator Kesehatan Nasional (Sirkesnas)
melihat angka tersebut meningkat jadi 32,4 persen.
Pada umumnya hipertensi tidak mempunyai penyebab yang spesifik. Namun ada
beberapa faktor yang mempengaruhi terjadinya hipertensi antara lain usia, jenis kelamin,
riwayat keluarga, genetik (faktor resiko yang tidak dapat diubah/dikontrol), kebiasaan
merokok, konsumsi garam, konsumsi lemak jenuh, kebiasaan konsumsi minum-minuman
beralkohol, obesitas, kurang aktifitas fisik, stres, penggunaan estrogen. Untuk sementara ini
salah satu cara untuk mencegah hipertensi atau mencegah meningkatnya tekanan darah yaitu
dengan mengonsumsi obat penurun tekanan darah (antihipertensi). Ada beberapa macam
golongan obat antihipertensi, sehingga perlu dicatat bahwa penderita hipertensi sebaiknya
jangan mengonsumsi obat antihipertensi secara serampangan tanpa konsultasi terlebih dahulu
dengan ahlinya dalam hal ini dokter atau apoteker.
Oleh karena itu, dalam laporan ini akan dicoba menganalisis beberapa faktor yang
mempengaruhi pergerakan status hipertensi seseorang diantaranya usia, jenis kelamin, dan
obat penurun tekanan darah yang dikonsumsi yang dikhususkan pada pasien hipertensi yang

2
sedang menjalani rawat inap di bangsal Bakung RSUD Panembahan Senopati Bantul periode
Agustus 2015.

B. Rumusan Masalah
Berdasarkan latar belakang di atas, dapat dibuat rumusan masalah dalam laporan ini
sebagai berikut:
1. Apakah usia, jenis kelamin, dan obat penurun tekanan darah yang dikonsumsi pasien
mempengaruhi pergerakan status hipertensi yang diderita pasien hipertensi pada bangsal
Bakung RSUD Panembahan Senopati Bantul periode Agustus 2015 ?
2. Bagaimana bentuk model GEE (Generalized Estimating Equation) untuk mengetahui
pergerakan status hipertensi pasien hipertensi pada bangsal Bakung RSUD Panembahan
Senopati Bantul periode Agustus 2015?
3. Faktor apa yang paling dominan mempengaruhi atau signifikan terhadap pergerakan
status hipertensi yang diderita pasien hipertensi pada bangsal Bakung RSUD
Panembahan Senopati Bantul periode Agustus 2015?

C. Tujuan Penulisan Laporan


Adapun tujuan dari penulisan ini yaitu:
1. Untuk mengetahui faktor-faktor yang mempengaruhi pergerakan status hipertensi pasien
hipertensi pada bangsal Bakung RSUD Panembahan Senopati Bantul periode Agustus
2015.
2. Untuk mengetahui bentuk model GEE (Generalized Estimating Equation) berdasarkan
faktor-faktor yang mempengaruhi pergerakan status hipertensi pasien hipertensi pada
bangsal Bakung RSUD Panembahan Senopati Bantul periode Agustus 2015.
3. Untuk mengetahui faktor apa yang paling berpengaruh atau memiliki tingkat signifikansi
yang paling tinggi terhadap pergerakan status hipertensi yang diderita pasien hipertensi
pada bangsal Bakung RSUD Panembahan Senopati Bantul periode Agustus 2015.

3
BAB II
PEMBAHASAN

A. Deskripsi Data
Data yang digunakan adalah data sekunder yang diperoleh dari skripsi Ira Yosida yang
berjudul “Efektivitas Penggunaan Obat Antihipertensi di Instalasi Rawat Inap Bangsal
Bakung RSUD Panembahan Senopati Bantul Periode Agustus 2015” yang diunduh dari
laman https://repository.usd.ac.id/6488/2/128114119_full.pdf. Variabel tak bebas yang
digunakan adalah status hipertensi pasien yang diperoleh dengan cara mengkonversi hasil
pengukuran tekanan darah pasien kedalam dua kategori yaitu “Hipertensi” jika nilainya
≥140/90 mmHg dan “Tidak Hipertensi” jika nilainya < 140 mmHg. Sedangkan variabel tak
bebas yang digunakan adalah Usia, Jenis Kelamin (JK), dan Jenis Obat (JO) antihipertensi
yang digunakan. Penelitian ini melibatkan 12 pasien rawat inap di bangsal Bakung RSUD
Panembahan Senopati Bantul periode Agustus 2015. Datanya tertera pada tabel berikut:

Tabel 1
Data Pasien Penderita Hipertensi pada Bangsal Bakung
RSUD Panembahan Senopati Bantul Periode Agustus 2015
(Observasi)
Tekanan
Hari Status Jenis
Pasien Darah Usia Jenis Obat
Rawat Hipertensi Kelamin
(mmHg)
Ke-
1 1 150/90 Hipertensi 66 Valsatran (ARB) Perempuan
1 2 150/100 Hipertensi 66 Valsatran (ARB) Perempuan
1 3 150/90 Hipertensi 66 Valsatran (ARB) Perempuan
1 4 140/90 Hipertensi 66 Valsatran (ARB) Perempuan
1 5 140/90 Hipertensi 66 Valsatran (ARB) Perempuan
Valsatran (ARB),
2 1 170/100 Hipertensi 70 Amlodipine Perempuan
(CCB)
Valsatran (ARB),
2 2 140/90 Hipertensi 70 Amlodipine Perempuan
(CCB)
Valsatran (ARB),
2 3 140/90 Hipertensi 70 Amlodipine Perempuan
(CCB)

4
Valsatran (ARB),
2 4 190/100 Hipertensi 70 Amlodipine Perempuan
(CCB)
Valsatran (ARB),
2 5 140/90 Hipertensi 70 Amlodipine Perempuan
(CCB)
Valsatran (ARB),
2 6 140/90 Hipertensi 70 Amlodipine Perempuan
(CCB)
Valsatran (ARB),
2 7 140/90 Hipertensi 70 Amlodipine Perempuan
(CCB)
Candesartan
3 1 160/90 Hipertensi 79 Perempuan
(ARB)
Candesartan
3 2 150/90 Hipertensi 79 Perempuan
(ARB)
Candesartan
3 3 130/90 Tidak 79 Perempuan
(ARB)
Candesartan
3 4 130/90 Tidak 79 Perempuan
(ARB)
Candesartan
3 5 140/90 Hipertensi 79 Perempuan
(ARB)
Candesartan
3 6 140/90 Hipertensi 79 Perempuan
(ARB)
Candesartan
3 7 140/100 Hipertensi 79 Perempuan
(ARB)
Candesartan
3 8 130/90 Tidak 79 Perempuan
(ARB)
Candesartan
3 9 130/90 Tidak 79 Perempuan
(ARB)
Candesartan
3 10 140/90 Hipertensi 79 Perempuan
(ARB)
4 1 140/90 Hipertensi 78 Valsatran (ARB) Perempuan
4 2 140/90 Hipertensi 78 Valsatran (ARB) Perempuan
4 3 130/80 Tidak 78 Valsatran (ARB) Perempuan
4 4 110/70 Tidak 78 Valsatran (ARB) Perempuan
4 5 130/90 Tidak 78 Valsatran (ARB) Perempuan
4 6 110/80 Tidak 78 Valsatran (ARB) Perempuan
Candesartan
5 1 130/70 Tidak 75 Perempuan
(ARB)
Candesartan
5 2 110/70 Tidak 75 Perempuan
(ARB)
Candesartan
5 3 120/70 Tidak 75 Perempuan
(ARB)
Candesartan
5 4 120/80 Tidak 75 Perempuan
(ARB)
Candesartan
5 5 130/80 Tidak 75 Perempuan
(ARB)
Candesartan
5 6 120/80 Tidak 75 Perempuan
(ARB)
Captopril (ACEi),
6 1 160/90 Hipertensi 55 Amlodipine Perempuan
(CCB)

5
Captopril (ACEi),
6 2 140/90 Hipertensi 55 Amlodipine Perempuan
(CCB)
Captopril (ACEi),
6 3 120/90 Tidak 55 Amlodipine Perempuan
(CCB)
Captopril (ACEi),
6 4 130/90 Tidak 55 Amlodipine Perempuan
(CCB)
7 1 130/70 Tidak 68 Valsartan (ARB) Perempuan
7 2 110/90 Tidak 68 Valsartan (ARB) Perempuan
7 3 100/70 Tidak 68 Valsartan (ARB) Perempuan
8 1 110/80 Tidak 57 Valsartan (ARB) Laki-laki
8 2 140/100 Hipertensi 57 Valsartan (ARB) Laki-laki
8 3 110/90 Tidak 57 Valsartan (ARB) Laki-laki
9 1 160/110 Hipertensi 64 Valsartan (ARB) Laki-laki
9 2 130/90 Tidak 64 Valsartan (ARB) Laki-laki
9 3 150/90 Hipertensi 64 Valsartan (ARB) Laki-laki
9 4 120/90 Tidak 64 Valsartan (ARB) Laki-laki
9 5 110/90 Tidak 64 Valsartan (ARB) Laki-laki
10 1 150/90 Hipertensi 86 Valsartan (ARB) Laki-laki
10 2 130/70 Tidak 86 Valsartan (ARB) Laki-laki
10 3 110/60 Tidak 86 Valsartan (ARB) Laki-laki
10 4 110/60 Tidak 86 Valsartan (ARB) Laki-laki
10 5 110/70 Tidak 86 Valsartan (ARB) Laki-laki
10 6 120/70 Tidak 86 Valsartan (ARB) Laki-laki
10 7 120/70 Tidak 86 Valsartan (ARB) Laki-laki
10 8 130/80 Tidak 86 Valsartan (ARB) Laki-laki
10 9 110/70 Tidak 86 Valsartan (ARB) Laki-laki
Amlodipine
11 1 160/90 Hipertensi 78 Laki-laki
(CCB)
Amlodipine
11 2 130/90 Tidak 78 Laki-laki
(CCB)
Amlodipine
11 3 140/90 Hipertensi 78 Laki-laki
(CCB)
Amlodipine
11 4 130/90 Tidak 78 Laki-laki
(CCB)
Amlodipine
11 5 120/90 Tidak 78 Laki-laki
(CCB)
Amlodipine
12 1 140/90 Hipertensi 54 Laki-laki
(CCB)
Amlodipine
12 2 120/90 Tidak 54 Laki-laki
(CCB)
Amlodipine
12 3 140/90 Hipertensi 54 Laki-laki
(CCB)
Amlodipine
12 4 140/90 Hipertensi 54 Laki-laki
(CCB)
12 5 130/80 Tidak 54 Amlodipine Laki-laki

6
(CCB)

B. Variabel dalam Penelitian


Berikut ini adalah variabel-variabel yang digunakan dalam laporan ini:
1. Status Hipertensi (SH)
Status hipertensi disini digolongkan berdasarkan klasifikasi hipertensi menurut Joint
National Committe yang tercantum dalam Tabel 2, namun penulis hanya membaginya
kedalam dua kategori saja yaitu “Hipertensi” dan “Tidak Hipertensi”, serta status
“Hipertensi” bernilai 1 dan status “Tidak Hipertensi” bernilai 0. Karena status hipertensi
didasarkan pada pengukuran tekanan darah, maka status hipertensi diupdate setiap hari
selama pasien di rawat di rumah sakit, sehingga jumlah pengamatannya berbeda-beda
untuk tiap pasien.
Tabel 2
Klasifikasi Hipertensi
Tekanan Darah Sistol Tekanan Darah Diastol
Klasifikasi Tekanan darah
(mmHg) (mmHg)
Normal < 120 < 80
Prehipertensi 120 – 139 80 – 89
Hipertensi Stage 1 140 – 159 90 – 99
Hipertensi Stage 2 160 atau > 160 100 atau > 100

2. Usia
Setelah umur 45 tahun, dinding arteri akan mengalami penebalan karena adanya zat
kolagen pada lapisan otot sehingga menyebabkan pembuluh darah menyempit dan
menjadi kaku. Sehingga Faktor resiko hipertensi lebih besar dikalangan usia lanjut atau
geriatri.
3. Jenis Obat (JO)
Obat antihipertensi merupakan obat yang digunakan untuk menurunkan tekanan darah
tinggi. Obat antihipertensi yang digunakan disini meliputi obat golongan antihipertensi
ACEi, ARB, dan CCB. Variabel jenis obat dalam penulisan ini dibagi kedalam tiga
kategori yaitu kategori “A” jika pasien diberi obat golongan ARB, kategori “B” jika

7
pasien diberi obat golongan CCB, dan kategori “C” jika pasien diberi obat dari dua
golongan sekaligus misalnya {ACEi, CCB} atau {ARB, CCB}.
4. Jenis Kelamin (JK)
Prevalensi hipertensi pada pria sama dengan wanita. Tetapi pada pria resiko terkena
kardiovaskuler lebih besar dibandingkan dengan wanita premenopouse, karena masih
memiliki hormone esterogen yang berperan dalam meningkatkan High Density Low
(HDL). Kadar HDL yang tinggi dapat mencegah terjadinya proses aterosklerosis pada
wanita. Wanita setelah postmenopouse tidak memproduksi hormone esteroden lagi,
sehingga resiko terkena kardiovaskuler menjadi lebih tinggi (Anggraini, Waren,
Simutorang, Asputra, Siahaan, 2009). Dengan demikian, maka semakin bertambah usia,
peluang wanita terkena hipertensi menjadi semakin tinggi dibandingkan dengan laki-laki.
Dalam penulisan ini, jenis kelamin dikategorikan menjadi “1” untuk laki-laki dan “0”
untuk perempuan.

C. Analisa Data
Karena data yang digunakan adalah data pengukuran berulang dengan respon biner maka
akan digunakan model marginal menggunakan Generalized Estimation Equation (GEE).
1. Mencari Model GEE untuk Masing-masing Struktur Korelasi
> hip1=read.table("clipboard",header=TRUE)
> hip1

8
> library(gee)
> marg<-gee(SH~Usia+JO+JK, family=binomial,
id=Pasien,corstr="unstructured",data=hip1)
> summary(marg)

9
> marg1<-gee(SH~Usia+JO+JK, family=binomial,
id=Pasien,corstr="exchangeable",data=hip1)
> summary(marg1)

> marg2<-gee(SH~Usia+JO+JK, family=binomial, id=Pasien,corstr="AR-


M",Mv=1,data=hip1)
> summary(marg2)

> marg3<-gee(SH~Usia+JO+JK, family=binomial,


id=Pasien,corstr="independence",data=hip1)
> summary(marg3)

10
2. Pemilihan Struktur Korelasi
Karena adanya pengamatan yang berulang yang menyebabkan autokorelasi, maka
sebelum melakukan pemodelan, perlu dilakukan pemilihan struktur korelasi antar
pengamatan untuk mendapatkan penduga parameter paling efisien dengan melihat nilai
Quasi-likelihood under the independence Information (QIC) dari masing-masing struktur
korelasi. Struktur korelasi yang dipilih adalah struktur korelasi dari model yang
memberikan nilai QIC terkecil. Namun, terjadi error ketika penulis berusaha untuk
mencari nilai QIC di R, berikut bentuk errornya:

Oleh karena itu, penulis akhirnya memilih model terbaik dengan membandingkan hasil
estimasi parameter-parameternya disertai p-value (robust z) yang disajikan pada tabel
berikut:
Tabel 3
Pemilihan Struktur Korelasi
Model Struktur 𝛽1 𝛽2 𝛽3 𝛽4
Korelasi
Unstructured -0,017(-0,768) 0,629(2,100) 1,667(1,321) -0,537(0,909)
Exchangeable -0,026(0,914) 0,928(3,335) 1,407(1,009) -0,798(-1,063)
AR-1 -0,021(-0,757) 0,982(2,931) 1,501(1,091) -0,919(-1,321)
Independence -0,028(-0,964) 0,974(3,056) 1,500(1,073) -0,950(-1,379)

11
Dari hasil di atas terlihat bahwa independence memberikan p-value yang signifikan,
khususnya untuk parameter 𝛽1 dan 𝛽1 .
3. Uji Parsial GEE
Telah diperoleh bahwa model GEE dengan struktur korelasi independence adalah yang
paling tepat menggambarkan korelasi pada data, sehingga pengujian penduga parameter
GEE secara parsial menggunakan statistik uji wald disajikan dalam Tabel 4. Suatu
parameter dikatakan signifikan jika Wald test > 𝑧𝛼 dan p-value < 0.05.
2

Tabel 4
Uji Wald GEE
z-table
Variabel Estimate Std.Error Wald test P-value Keputusan
(𝒛𝜶 )
𝟐

Tidak signifikan
Intercept 1,831 2,454 0,746 -1,96 0,746
(karena p-value > 0.05)
𝑋1
-0,028 0,029 -0,965 -1,96 -0,964 Signifikan
(Usia)
𝑋2 Tidak Signifikan
0,974 0,318 0,975 -1,96 3,056
(Jenis Obat B) (karena p-value > 0.05)
𝑋2 Tidak Signifikan
1,500 1,397 1,073 -1,96 1,073
(Jenis Obat C) (karena p-value > 0.05)
𝑋4
-0,950 0,689 -1,378 -1,96 -1,379 Signifikan
(Jenis Kelamin)

Model awal GEE berdasarkan struktur korelasi Independence yang terbentuk adalah
sebagai berikut:
𝜋 𝑥
𝐿𝑜𝑔𝑖𝑡 𝜋(𝑥) = log
1−𝜋 𝑥
= 1,831 − 0,028 𝑈𝑠𝑖𝑎 + 0,974 𝐽𝑒𝑛𝑖𝑠 𝑂𝑏𝑎𝑡 𝐵 + 1,5 𝐽𝑒𝑛𝑖𝑠 𝑂𝑏𝑎𝑡 𝐶
− 0,950 𝐽𝑒𝑛𝑖𝑠 𝑘𝑒𝑙𝑎𝑚𝑖𝑛
Berdasarkan Tabel 4, diperoleh bahwa usia dan jenis kelamin berpengaruh signifikan
terhadap status hipertensi. Sehingga model GEE dengan struktur korelasi Independence
menjadi:
𝜋 𝑥
𝐿𝑜𝑔𝑖𝑡 𝜋(𝑥) = log = −0,028 𝑈𝑠𝑖𝑎 − 0,950 𝐽𝑒𝑛𝑖𝑠 𝑘𝑒𝑙𝑎𝑚𝑖𝑛
1−𝜋 𝑥

12
Hasil negatif pada estimasi parameter menunjukkan bahwa usia dan jenis kelamin
mencegah terjadinya hipertensi. Dilihat dari nilai koefisiennya, faktor jenis kelamin lebih
berpengaruh dalam mencegah hipertentensi bila dibandingkan dengan faktor usia.

13
BAB III
KESIMPULAN

Berdasarkan hasil yang diperoleh pada analisis data, dapat disimpulkan bahwa bentuk model
GEE yang tepat digunakan untuk menganalisis faktor yang mempengaruhi pergerakan status
hipertensi adalah model GEE dengan struktur korelasi independence dengan bentuk formulasi
modelnya seperti berikut ini:
𝜋 𝑥
𝐿𝑜𝑔𝑖𝑡 𝜋(𝑥) = log
1−𝜋 𝑥
= 1,831 − 0,028 𝑈𝑠𝑖𝑎 + 0,974 𝐽𝑒𝑛𝑖𝑠 𝑂𝑏𝑎𝑡 𝐵 + 1,5 𝐽𝑒𝑛𝑖𝑠 𝑂𝑏𝑎𝑡 𝐶
− 0,950 𝐽𝑒𝑛𝑖𝑠 𝑘𝑒𝑙𝑎𝑚𝑖𝑛
Namun, dari hasil uji wald terhadap tiap-tiap parameternya diperoleh bahwa faktor usia dan
jenis kelamin berpengaruh signifikan terhadap status hipertensi. Sehingga model GEE dengan
struktur korelasi Independence menjadi:
𝜋 𝑥
𝐿𝑜𝑔𝑖𝑡 𝜋(𝑥) = log = −0,028 𝑈𝑠𝑖𝑎 − 0,950 𝐽𝑒𝑛𝑖𝑠 𝑘𝑒𝑙𝑎𝑚𝑖𝑛
1−𝜋 𝑥
Hasil negatif pada estimasi parameter menunjukkan bahwa usia dan jenis kelamin mencegah
terjadinya hipertensi. Dilihat dari nilai koefisiennya, faktor jenis kelamin lebih berpengaruh
dalam mencegah hipertentensi bila dibandingkan dengan faktor usia.

14