Faktor faktor yang mempengaruhi kondisi faktual penderita (Jaya,2008) adalah : 1. 2. 3. 4. 5. 6. 7. 8.

. Strain virus Karakteristik genetika host Usia penderita Pasien dengan infeksi sekunder heterolog Infeksi simultan oleh dua/lebih serotipe virus dalam jumlah besar Status nutrisional penderita Kondisi demografis setempat Kegagalan penanggulangan secara dini

Sedangkan menurut Melani (1992) yang mempengaruhi berat ringannya penyakit penderita adalah derajat DBD, jumlah trombosit, jumlah hematokrit, ada atau tidaknya cairan dalam rongga pleura, dan ada tidaknya cairan intraperitoneal. Dan menurut Chuan Kuo, dkk (2008) yang mempengaruhi tinggi rendahnya tingkat kematian penderita DBD adalah usia, jenis kelamin, sejarah DBD, dan penyakit lain yang diderita pasien. Dafpus Jaya, I. 2008. Hubungan Kadar Hematokrit Awal dengan Derajat Klinis DBD [Skripsi]. Surakarta : FK UMS. Melani, W.,D.Suglanto,H.Wuiur,G.Jennings,K.Tatang. 1992. Peranan ultrasonografi dalam penatalaksanaan DBD. Jakarta : RS Sumber Waras FK Univ Taruma negara Mei,C.,P.Liang Lu,J.Ming Chang,M.Yen Lin,J.Jin Tsai,Y.Hsu Chen,C.Ko,H.Chun Chen,S.Jyh Hwang.2008. impact of renal failure on the outcome of dengue viral infection clinical journal of the american society of nephrology. 1350 1356.

Variabel penelitian Identifikasi variabel yang akan digunakan dalam penelitian ini adalah 1. Variabel respon Variabel respon yang digunakan dalam penelitian ini adalah variabel lama rawat inap yang disimbolkan dengan t, yaitu lama rawat inap pasien DBD sampai dengan dinyatakan boleh pulang karena keadaan membaik dan berada dalam batas periode penelitian, dalam satuan hari, dengan ketentuan sebagai berikut : a. Jika seseorang pasien masuk rawat inap hingga dinyatakan boleh pulang karena keadaan membaik dan dalam batas periode penelitian, maka waktu survival dikategorikan sebagai data survival tidak tersensor b. Jika seorang pasien rawat inap sampai dengan batas periode penelitian dihitung dari pasien masuk RS hingga pasien belum dinyatakan boleh pulang karena keadaan membaik mengalami hal2 berikut:

1) Melebihi batas akhir penelitian 2) Pasien meninggal 3) Pasien pindah RS Maka data survival dikatakan data tersensor Variabel respon dikategorikan menjadi: = 0, merupakan data tersensor jika pasien rawat inap tidak mengalami failure event seperti meninggal, pindah RS, atau melebihi batas akhir penelitian = 1, merupakan data tidak tersensor jika pasien rawat inap dinyatakan boleh pulang karena keadaan membaik dan berada dalam batas periode penelitian. 2. Variabel prediktor Variabel prediktor yang digunakan pada penelitian ini adalah : a. Variabel jenis kelamin (X1) Variabel jenis kelamin dikategorikan sbb: 1) Perempuan 2) Laki-laki b. Variabel usia (X2) Variabel usia merupakan usia pasien saat masuk RS c. Kadar hematokrit (X3) Variabel kadar hematokrit merupakan kadar hematokrit saat pasien pertama kali dinyatakan masuk rawat inap d. Jumlah trombosit (X4) Variabel Jumlah trombosit merupakan Jumlah trombosit saat pasien pertama kali dinyatakan masuk rawat inap (Melani, 1992) 1) < 50,000 /l 2) 50.000 100.000 /l 3) 100.000 150.000 /l 4) > 150.000 /l

Struktur data Struktur data dari penelitian ini dengan variabel2 yang bisa dilihat pada bab sebelumnya dapat dilihat pada tabel 3.1 Tabel 3.1 No 1 2 . t (lama rawat inap) t1 t2 . (status sensor) 1 2 . X1 X11 X12 . X2 X21 X22 . X3 X31 X32 . X4 X41 X42 .

. n

. tn

. n

. X1n

. X2n

. X3n

. X4n

Metode analisis data Langkah2 dalam penelitian ini digambarkan sbb: 1. Statistika deskriptif untuk mengetahui karakteristik pasien DBD RS Pamekasan Madura berdasarkan usia, jenis kelamin, jumlah hematokrit, jumlah trombosit. 2. Melakukan pengujian asumsi permodelan hazard proporsional menggunakan plot -ln[ln S(t)] terhadap waktu survival (t). 3. Uji distribusi data waktu survival / lama rawat inap pasien hingga dinyatakan boleh pulang karena keadaan membaik. 4. Proses Markov Chain Monte Carlo dan Gibbs Sampler dengan cara berikut : a. Mendapatkan nilai initial dari parameter (0) dengan menggunakan SPSS b. Membangkitkan sampel (1), (2), ... , (T) dari distribusi posterior dengan menggunakan Gibbs Sampler c. Memonitor kekonvergenan algoritma, bila tidak konvergen maka perlu pembangkitan observasi lebih banyak lagi. d. Menghapus observasi B (sampel yang burn-in) e. Menganggap { (B+1), (B+2), ... , (T)} sebagai sampel untuk analisis posterior f. Membuat plot distribusi posterior g. Memperoleh kesimpulan dari distribusi posterior (mean, median, dll) 5. Permodelan mixture survival yang meliputi a. Mengestimasi parameter dari distribusi dugaan t b. Mengestimasi fungsi hazard dan fungsi survival c. Mengestimasi parameter model mixture survival d. Memodelkan data sesuai dengan persamaan 2.16 ( ) ( ) ( ) ( ) ( 6. Interpretasi model mixture survival