Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 18
PENGUJIAN HIPOTESIS
Pengujian serentak
Statistik uji :
Tolak H0 jika2 2
,pG αχ>
0 jH :β 0=
1 jH :β 0≠0 1 2 pH : β β β 0= = … = =
1 jH : m inim al ada satu β 0≠ j 1,2, ,p= …
Pengujian Parsial
( )j
j
SEZ
β
βˆ
ˆ=
Statistik uji :
Tolak H0 jika 2/αZZj >
( )( )Ω−= ˆˆ
ln22LLG ω
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 20
SELEKSI MODEL TERBAIK &ODDS RATIO
Membandingkan sejumlah kemungkinan model dilakukan dengan cara melihat nilai Akaike Information Criterion (AIC). Pada penelitian
ini seleksi yang digunakan adalah eliminasi backward
kLAIC 2ˆln2 +−=
Odds Ratio merupakan perbandingan diantara odd individu dengan kondisi variabel
prediktor X pada kategori sukses dengan kategori gagal
( )( )0
1 ratio Odds
==
=xthxth
tingkat kecepatan terjadinya failure event pada individu dengan kategori x=0 adalah sebesar nilai odds ratio kali tingkat kecepatan terjadinya risiko failure event pada individu dengan kategori x=1
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 21
STROKE
Stroke merupakan gangguan fungsi saraf akur yang disebabkan oleh gangguan peredaran darah otak,
Stroke Hemoragik adalah pecahnya pembuluh darah otak menyebabkan keluarnya darah ke jaringan
parenkim otak
Stroke Iskemik merupakan Iskemia jaringan otak timbul akibat sumbatan pada pembuluh darah serviko-kranial atau hipoperfusi jaringan otak oleh berbagai
faktor
Diagnosa stroke dibuat berdasarkan adanya gejala neurologik mulai dari gejala motorik fokal, rasa raba, gangguan bicara, dan kesadaran dalam bentuk koma
(Barthel index)
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 22
STROKE
modifikasi
• hipertensi• penyakit jantung• diabetes melitus• merokok• (TIA)• completed stroke• konsumsi alkohol• hiperlipidemia• kondisi sosial ekonomi• kurang aktivitas
Tidak dapat
modifikasi
• usia,• jenis kelamin,• ras atau suku• faktor genetik
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 24
SUMBER DATA
• Data Tugas Akhir Dina Oktafia Sulistyani, 2013
Data Sekunder
• data rekam medis pasien penderita stroke di RSU Haji Surabaya pada Januari -Agustus 2012 dengan data berjumlah 91
Jumlah data • pasien yang saat diizinkan pulang telah mengalami perbaikan kondisi klinis serta memiliki riwayat catatan medis yang lengkap
Kriteria
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 25
VARIABEL PENELITIAN
Kode Nama Variabel Skala KategoriT Waktu Survival Penderita
Stroke Kontinu -
X1 Tekanan DarahSistolik
Kontinu -
X2 Tekanan Darah Diatsolik Kontinu -
X3 Usia Kontinu -X4 Jenis Kelamin Kategorik 1 : Laki-Laki
2 : Perempuan
X5 Jenis Pembayaran Kategorik 1. : Jamkesnas2. : Non Jamkesnas
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 26
VARIABEL PENELITIAN
Kode Nama Variabel Skala KategoriX6 Hiperurikemia Kategorik 1 : ya
2 : tidakX7 Penyakit jantung Kategorik 1 : ya
2 : tidakX8 Diabetes mellitus Kategorik 1 : ya
2 : tidakX9 Hiperkolesterolemia Kategorik 1 : ya
2 : tidakX10 Hipertrigliseridemia Kategorik 1 : ya
2 : tidakX11 TIA Kategorik 1 : ya
2 : tidakX12 Jenis stroke Kategorik 1 : Stroke Infark/Iskemik
2 : Stroke Bleeding/ Hemoragik
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 27
METODE ANALISIS DATA
Mendeskripsikan karakteristikdata pasien penderita stroke.
Data kontinu dengan minimum, maksimum, rata-rata, dan
standart deviasi.
Data kategorik dengan pie chart
Mengkategorikan variabel T menjadi 3 kelompok
Tabulasi silang antara T dan data kategorik
Mendapatkan faktor-faktor yang mempengaruhi laju perbaikan kondisi
klinis dan model regresi weibull
Pengujian Distribusi data dengan Anderson-Darling
Pengujian Multikolinieritas
Seleksi model terbaik dengan AIC dan seleksi backward
Pengujian signifikasi parameter
Membuat estimasi parameter model terbaik dari model regresi weibull
Mendapatkan fungsi survival dan fungsi hazard
Mendapatkan laju perbaikan kondisi klinis
Menghitung nilai odds ratio
Membuat visualisasidalam bentuk plot hazart
OUTLINEHASIL PEMBAHASN
Analisis
Deskripftif
Pengujain Distribusi
Pengujian Multikolinieritas
Faktor-faktor yang mempengaruhi waktu survival
Laju perbaikan
kondisi klinis
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 29
ANALISIS DESKRIPTIF
VariabelRata-rata
Standar deviasi Minimum Maximum
Waktu survival (Hari) 8,44 2,73 4,00 15,00Tekanan darah Sistolik (mmHg) 154,38 26,53 110,00 230,00Tekanan darah Diastolik(mmHg) 93,38 14,41 50,00 140,00Usia (Tahun) 61,10 11,87 23,00 89,00
Perempuan60%
Laki-Laki40%
Non-Jamkesnas
63%
Jamkesnas37%
Tidak67%
Hiperurikemia33%
Tidak66%
Penyakit Jantung
34%
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 30
ANALISIS DESKRIPTIF
Tidak31%
TIA69%
Stroke Hemoragik
18%
Stroke Iskemik
82%
Tidak75%
Hipertrigli-seridemia
25%
Tidak46%Diabetes
Melitus54%
Tidak52%
Hiperkoles-terolemia
48%
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 31
ANALISIS DESKRIPTIF
Variabel KategoriLaju Perbaikan Klinis (%)
<7 hari 7-9 hari >9 hari Total
Jenis KelaminLaki-laki 8,791 16,484 14,286 39,560
Perempuan 16,484 20,879 23,077 60,440Jenis Pembayaran
Jamkesnas 8,791 14,286 14,286 37,363nonJamkesnas 16,484 23,077 23,077 62,637
HiperurekimiaYa 7,692 13,187 12,088 32,967
Tidak 17,582 24,176 25,275 67,033
Penyakit JantungYa 5,495 10,989 17,582 34,066
Tidak 19,780 26,374 19,780 65,934
Diabetes MelitusYa 10,989 16,484 26,374 53,846
Tidak 14,286 20,879 10,989 46,154
HiperkolesterolYa 8,791 14,286 25,275 48,352
Tidak 16,484 23,077 12,088 51,648Hipertrigiserid Ya 8,791 10,989 5,495 25,275
Tidak 16,484 26,374 31,868 74,725TIA Ya 12,088 26,374 30,769 69,231
Tidak 13,187 10,989 6,593 30,769Jenis Stroke Infrak 21,978 34,066 26,374 82,418
Hemoragik 3,297 3,297 10,989 17,582
Tabulasi Silang
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 32
928,11,02 =A
Distribution Anderson Darling0.84157 10.87818 20.97166 310.022 410.198 51.163 6
11.746 714.337 818.128 918.658 10
PENGUJIAN DISTRIBUSI DATA
Kesimpulan : variabel dependen (waktu survival pasien penderita stroke) berdistibusi Weibull 2 parameter.
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 33
PENGUJIAN MULTIKOLINIERITAS
No Variabel Chi-Square Hit Kesimpulan1 JK*JP 2,338 Independen2 JK*Hiperurikemia 3,112 Independen3 JK*PJK 0,111 Independen4 JK*DM 0,355 Independen5 JK*Hiperkolesterol 0,364 Independen6 JK*Hipertrigliserid 1,072 Independen7 JK*TIA 0,001 Independen8 JK*JS 0,035 Independen9 JP*Hiperurikemia 1,655 Independen
10 JP*PJK 1,394 Independen11 JP*DM 0,018 Independen12 JP*Hiperkolesterol 0,39 Independen13 JP*Hipertrigliserid 0,041 Independen14 JP*TIA 0,471 Independen15 JP*JS 0,310 Independen16 Hiperurikemia*PJK 0,329 Independen17 Hiperurikemia*DM 4,699 Dependen18 Hiperurikemia*Hiperkolesterol 0,451 Independen19 Hiperurikemia*Hipertrigliserid 0,046 Independen20 Hiperurikemia*TIA 0,138 Independen
Pengujian Independensi pada Variabel bertipe
Ketegorik
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 34
PENGUJIAN MULTIKOLINIERITAS
No VariabelChi-Square Hit Kesimpulan
21 Hiperurikemia*JS 0,181 Independen22 PJK*DM 0,091 Independen23 PJK*Hiperkolesterol 0,792 Independen24 PJK*Hipertrigliserid 0,181 Independen25 PJK*TIA 1,48 Independen26 PJK*JS 0,069 Independen27 DM*Hiperkolesterol 0,017 Independen28 DM*Hipertrigliserid 0,035 Independen29 DM*TIA 0,001 Independen30 DM*JS 1,735 Independen31 Hiperkolesterol*Hipertrigliserid 0,18 Independen32 Hiperkolesterol*TIA 0,044 Independen33 Hiperkolesterol*JS 0,915 Independen34 Hipertrigliserid*TIA 2,334 Independen35 Hipertrigliserid*JS 1,677 Independen36 TIA*JS 0,413 Independen
Pengujian Independensi pada Variabelbertipe Ketegorik
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 35
PENGUJIAN MULTIKOLINIERITAS
Usia Sistolik DiastolikUsia 1,000 0,465 0,261Sistolik 0,465 1,000 0,743Diastolik 0,261 0,743 1,000
Tidak terjadi multikolinieritas
antara variabel dengan tipe kontinu
Pada data bertipe kategorik terdapat satu kombinasi linier antara
variabel Hiperurikemia*DM
nilai Variance Inflation Factor (VIF) & Korelasi Pearson
Variabel VIFTekanan darah sistolik (X2) 2,229
Tekanan darah diastolik (X3) 2,229
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 36
PEMODELAN REGRESI WEIBULL
Variabel Coef SE.Coef Z P-valueIntercept 0,4866 0,1085 4,4848 0,0000
Tekanan DarahSistolik 0,0007 0,0008 0,9153 0,3600
Tekanan Darah Diatsolik -0,0003 0,0014 -0,1911 0,8484
Usia 0,0024 0,0013 1,8446 0,0651Jenis Kelamin 0,0405 0,0258 1,5736 0,1156
JenisPembayaran 0,0094 0,0249 0,3763 0,7067
Hiperurikemia 0,0163 0,0275 0,5919 0,5539Penyakit jantung 0,0420 0,0254 1,6547 0,0980Diabetes mellitus 0,0488 0,0244 2,0054 0,0449Hiperkolesterole
mia 0,0656 0,0241 2,7214 0,0065
Hipertrigliseridemia -0,0070 0,0286 -0,2433 0,8078
TIA 0,0561 0,0276 2,0369 0,0417Jenis stroke -0,0859 0,0335 -2,5677 0,0102
Variabel AICSemua variabel independen 43,807Tanpa tekanan darah diastolik (X2) 41,844Tanpa tekanan darah diastolik (X2) danhipertrigliserida (X10)
39,930
Tanpa tekanan darah diastolik (X2), jenis pembayaran (X5), dan hipertrigliserida (X10)
38,070
Tanpa tekanan darah diastolik (X2), jenis pembayaran (X5), hipertrigliserida (X10), dan hiperurikemia (X6)
36,510
Tanpa tekanan darah diastolik (X2), jenis pembayaran (X5), hipertrigliserida (X10), hiperurikemia (X6), dan tekanan darah sistolik (X1)
35,829
Usia (X3), penyakit jantung (X7), diabetes mellitus (X8), hiperkolesterol (X9), TIA (X11), dan jenis stroke (X12)
36,484
Ket: α = 10% & Ztabel = 1,645
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 37
PEMODELAN REGRESI WEIBULL
Ket: α = 10% & Ztabel = 1,645
Variabel Coef Z P_valueIntercept 0,5256 6,9913 0,0000Usia 0,0032 3,3314 0,0009
Jenis Kelamin 0,0391 1,6367 0,1017
Penyakit jantung 0,0428 1,7104 0,0872
Diabetes mellitus 0,0542 2,3516 0,0187
Hiperkolesterol 0,0678 2,9642 0,0030
TIA 0,0615 2,4479 0,0144Jenis stroke -0,0883 0,0042 0,0042
Variabel Estimasi Z P-valueIntersep 0,5648 7,6567 1,65E-26Usia 0,0028 2,9238 0,0034Penyakit jantung (ya)
0,0464 1,8333 0,0667
Diabetes mellitus (ya)
0,051 2,183 0,029
Hiperkolesterol (ya)
0,0611 2,6749 0,0074
TIA (ya) 0,0619 2,4405 0,0146Jenis stroke (infark)
-0,0839 -2,7114 0,0066
Model Terbaik dengan 6 variabel signifikan & Nilai AIC 36,484
Model pada Nilai AIC Terkecil 35,829 & 1 variabel tidak signifikan
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 38
PEMODELAN REGRESI WEIBULL
Pengujian Serentak Hipotesis:
Variabel Z SignifikansiUsia (X3) 2,9238 0,0034Penyakit Jantung (X7) 1,8333 0,0667Diabetes mellitus (X8) 2,1830 0,0290Hiperkolesterol (X9) 2,6749 0,0074TIA (x11) 2,4405 0,0146Jenis stroke (X12) -2,7114 0,0066
Pengujian Parsial Minimal terdapat satuvariabel independen yang
signifikan terhadapmodel
Variabel usia, diabetes melitus, hiperkolesterol,
TIA, dan jenis strokeberpengaruh signifikan
terhadap modelKet: α = 10% & Ztabel = 1,645
Serentak
Parsial
( )( )
( )( ) 8,37
2,11exp1,30expln2ˆ
ˆln22 =
−−
−=Ω
−=LLG ω
645,102 =tabelG
Pengujian Serentak Statistik Uji:
H0 : H1: minimal ada satu yang tidak sama dengan 0j = 3, 8, 9, 11, 12
012119873 ====== ββββββ
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 39
PEMODELAN REGRESI WEIBULL
Variabel DF Estimasi Z SignifikansiIntersep 1 0,5648 7,6567 1,65E-26Usia 1 0,0028 2,9238 0,0034Penyakit jantung (ya) 1 0,0464 1,8333 0,0667Diabetes mellitus (ya) 1 0,051 2,183 0,029
Hiperkolesterol (ya) 1 0,0611 2,6749 0,0074TIA (ya) 1 0,0619 2,4405 0,0146Jenis stroke (infark) 1 -0,0839 -2,7114 0,0066
Model Regresi :
( ) ( ) ( ) ( ) ( )( )inf0839,00619,00611,00510,00464,00028,05648,0expˆ JSyaTIAyahyadmyapju −+++++=λ
Estimasi Parameter
jika pasien berusia 30 tahun memiliki riwayat penyakit jantung, diabetes melitus, kolesterol diatas kondisi normal, TIA, dan jenis stroke infrak (koding 1) = 2,1942jika pasien berusia 30 tahun tidak memiliki riwayat penyakit jantung, diabetes melitus, kolesterol kondisi normal, TIA, dan jenis stroke hemoragik (koding 0) = 1,914
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 40
PEMODELAN REGRESI WEIBULL
probabilitas perbaikan kondisi klinis saat waktu t untuk pasien (koding 1) adalah sebesar 0,4167. Sedangkan probabilitas perbaikan kondisi klinis saat waktu t untuk pasien (koding 0) adalah sebesar 0,5873.
( ) ⎟⎟⎠
⎞⎜⎜⎝
⎛⎟⎠⎞
⎜⎝⎛−⎟
⎠⎞
⎜⎝⎛= −
γγ
γ λλγ
ˆexp ˆˆ 1 tttf
pasien berusia 30 tahun dan memiliki waktu perbaikan kondisi
klinis t selama 4 hari
⎟⎟⎠
⎞⎜⎜⎝
⎛⎟⎠⎞
⎜⎝⎛−−=
γ
λ̂exp1)(ˆ ttF
probabilitas perbaikan kondisi klinis sebelum waktu t untuk pasien (koding 1) adalah sebesar 0,1878. Sedangkan probabilitas perbaikan kondisi klinis sebelum waktut untuk pasien (koding 0) adalah sebesar 0,2824.
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 41
PEMODELAN REGRESI WEIBULL
Fungsi SurvivalKoding (1)nilai survival sebesar 0,8121Koding (0) nilai survival sebesar 0,7175⎟
⎟⎠
⎞⎜⎜⎝
⎛⎟⎠⎞
⎜⎝⎛−=
419,3
ˆexp)(ˆλttS
Peluang pasien yang tidak mengalami perbaikan kondisi klinis setelah 4 hari untuk pasien (koding 1) lebih besar dibandingkan pada pasien (Koding 0)
Waktu yang dibutuhkan oleh pasien (Koding 1) untuk mencapai perbaikan kondisi klinis lebih lama dibandingkan dengan pasien (koding 0)
nilai survival Koding (1) > nilai survival Koding (0).
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 42
PEMODELAN REGRESI WEIBULL
pasien yang memiliki riwayat penyakit
jantung, diabetes melitus, kolesterol di atas
kondisi normal, TIA dan jenis stroke infrak
peluang untuk mengalami perbaikan
lebih kecil dibandingkan dengan pada kondisi
sebaliknya
Fungsi HazardKoding (1)nilai hazard sebesar 0,5131Koding (0) nilai hazard sebesar 0,8185( ) 1419,3
419,3 ˆ
419,3ˆ −⎟⎠⎞
⎜⎝⎛= tthλ
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 43
ODDS RATIO
Variabel Estimasi Odds RatioUsia 0,0028 0,9904
Penyakit jantung (ya) 0,0464 0,8531Diabetes mellitus (ya) 0,0510 0,8398Hiperkolesterol (ya) 0,0611 0,8114
TIA (ya) 0,0619 0,8090Jenis stroke (infark) -0,0839 1,3326
Usia (U+1) memiliki peluang mencapai perbaikan kondisi klinis 1,0096 kali lebih lama dibandingkan pasien pada usia U
• pasien yang memiliki penyakit jantung peluang mencapai perbaikan kondisi klinis 1,1721 kali lebih lama dibandingkan tidak
pasien yang memiliki diabetes mellitus peluang mencapai perbaikan kondisi klinis 1,1906 kali lebih lama dibandingkan tidak
pasien yang memiliki hiperkolesterol peluang mencapai perbaikan kondisi klinis 1,2323 kali lebih lama dibandingkan tidak
• pasien yang memiliki TIA peluang mencapai perbaikan kondisi klinis 1,236 kali lebih lama dibandingkan tidak
pasien yang memiliki jenis stroke infrak peluang mencapai perbaikan kondisi klinis 0,75 kali lebih cepat dibandingkan jenis stroke hemoragik
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 44
Penyakit Jantung Diabetes mellitus Hiperkolesterol
TIAJenis Stroke
PLOT HAZARD
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 45
KESIMPULANA
nalis
is D
eskr
ipti
f rata-rata lama lajuperbaikan 8 hari, tekanandarah sistolik dandiastolik adalah 154,38 dan 93,38, dan usia pasien61 tahunSebagian besar pasien berjenis kelamin perempuan, non jamkesnas, tidak hiperurekemia, penyakit jantung, hiperkolesterolemia, dan hipertrigliseridemia, dan memiliki riwayat penyakit diabetes mellitus, mengalami penyakit strokesebelumnya (TIA), dan memiliki jenis penyakit stroke infrak.
Reg
resi
Wei
bull Faktor-faktor yang
mempengaruhi laju perbaikan kondisi klinis pasien penderita stroke di RSU Haji Surabaya adalah usia, penyakit jantung, diabetes mellitus, hiperkolesterol, TIA, dan jenis stroke nilai AIC 36,484Nilai odd ratio usia, penyakit jantung, diabetes mellitus, hiperkolestertol, TIA , jenis stroke kemungkinan mengalami perbaikan kondisi klinis 0,99;0,853; 0,839; 0,811; 0,8
Has
il Pe
nelit
ian Faktor-faktor yang
mempengaruhi laju perbaikan kondisi klinis pada data laju perbaikan kondisi klinis pasien penderita stroke di RSU Haji Surabaya tahun 2012 dengan menggunakan regresi Weibull memberikan hasil yang sama dengan regresi CoxWeibull.
Seminar Hasil Tugas Akhir - Jurusan Statistika ITS 46
SARAN
Penelitan Selanjutnya
•menambahkan faktor-faktor yang secara teori dapat mempengaruhi lajuperbaikan kondisi klinis pasien stroke
Pihak Terkait
•pihak rumah sakit diharapkan mengendalikan faktor-faktor resiko yang mempengaruhi laju perbaikan kondisi pasien stroke seperti usia, penyakit jantung, diabetes mellitus, hiperkolesterol, TIA, dan jenis stroke infrak
DAFTAR PUSTAKA
Agresti, A. (2002). Categorical Data Analysis, 2th , John Wiley & Sons, New York.Anonim1. (2012). “Waspada, 15 % Kasus Stroke Menyerang Usia Muda”, Surabaya Post Online (Diakses pada tanggal 30 November 2012) [http://www.surabayapost.co.id/]Anonim2. “Weibull PDF.svg”, Wikipedia, the free encyclopedia.htm, (Diakses pada tanggal 19 Februari 2013)Anonim3. (2011). “The Barthel Index”, Stroke Center, (Diakses pada tanggal 2 Februari 2013)
[www.strokecenter.org/wp-content/uploads/2011/08/barthel.pdf]Astuti, K. L. (2009), Analisis Tahan Hidup Virus Dengue Pada Penderita Demam Berdarah Dengue Melalui Regresi Weibull, (Skripsi), Universitas Sebelas Maret, Solo.Citra, A. (2012). “Pasien Stroke di Surabaya Meningkat Setiap Tahun”. antarajatim .com, (Diakses pada
tanggal 30 November 2012) [http://www.antarajatim.com/lihat/berita/91120/pasien- stroke-di-surabaya- meningkat-setiap-tahun]Collet, D. (1994). Modelling Survival Data in Medical Research, Chapman and Hall, London.[Depkes] Departemen Kesehatan. (2008). Laporan Hasil Riset Kesehatan Dasar Nasional 2007, Badan Penelitian dan Pengembangan Kesehatan, Jakarta.Draper N.R. dan Smith H. (1992). Analisa Regresi Terapan, 2th. John Wiley & Sons, New York.Hanagal, D. D. (2005). “A Bivariate Weibull Regression Model: Heldermann Verlag”, Economic Quality Control, Vol 20.Hocking, R. R. (2003). Methods and Application of Linier Models (Regression and The Analysis of TheVariance, Second Edition), John Wiley & Sons, New York.Israr, Y. A. (2008). STROKE , (Tesis), University of Riau Arifin Achmad General Hospital of Pekanbaru,
Pekanbaru Riau Faculty of Medicine.Lawless, J.E. (1982), Statistical Models and Methods for Lifetime Data, John Wiley & Sons, Inc., New York.
DAFTAR PUSTAKA
Le, C.T. (1997). Applied Survival Analysis, John Willey and Sons, Inc., New York.Li, C., Hedblad, B., Rosvall, M., Buchwald, F., Khan, F.A., dan Engstrom, G. (2008). “Stroke Incidence,
Recurrence, and Case-Fatality in Relation to Socioeconomic Position: A Population-Based Study of Middle-Aged Swedish Men and Women”, Journal of American Hearth Association, 39, hal. 2191-2196.
O’quigley, J. and Roberts, A., (1980). “Weibull : A Regression Model For Survival Time Studies”, Unit for cancer Research, School of Medicine, University of Leeds. Computer Programs in Biomedicine, England, 12, hal. 14-18
Quraisi, A. (2013). Estimasi Parameter Dengan Pengujian Hipotesis pada Model Regresi Bivariate Weibull (Study Kasus pada Pasien Penyakit Deman Berdarah Dengue Di RSU Haji Surabaya Tahun 2011), (Tesis), Institut Teknologi Sepuluh Nopember, Surabaya.
Razali, N.M. dan Wah, Y. B. (2011). “Power Comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson Darling Test”, Journal of Statistical Modelling and Analytics, 2(1), hal. 21-33.
Siswanto, Y. (2005). Beberapa Faktor Risiko yang Mempengaruhi Kejadian Stroke Berulang (Studi Kasus di RS. Dr. Kariadi Semarang), (Tesis), Program Pascasarjana Universitas Diponegoro, Semarang.
Sukirno, D. A. (2011), “Menkes : Stroke penyebab kematian utama kematian di RI”, viva.co.id (Diakses pada tanggal 9 Januari 2012) [http://life.viva.co.id/news/read/259794-menkes--stroke-tidak-kenal-umur]
Sulistyani, D. (2013). Anaisis terhadap faktor-faktor yang Mempengaruhi Laju Perbaikan Kondisi Klinis Pasien Penderita Stroke dengan Regresi Cox Weibull, (Skripsi), Institut Teknologi Sepuluh Nopember, Surabaya.
Wiguna. C, (2012), “Stroke Dalam Transisi Epidemiologi” Grevada.com (Diakses pada tanggal 30 November 2012)[http://grevada.com/kesehatan/author/candrawiguna/]
[WHO] World Health Organization. (2012). “The Atlas of Heart Disease and Stroke”, www.who.int (Diakses padatanggal 2 Februari 2013) [http://www.who.int/cardiovascular_diseases/resources/atlas/en/]