Analisis Data Diabetes Melitus dengan Metode Joint Modeling
Diabetes melitus merupakan penyakit berbahaya yang membutuhkan penanganan medis yang cukup lama. Penyebab penyakit ini yaitu kadar gula darah yang dibawah kadar normal. Jika tidak segera ditangani maka
akan terjadi komplikasi dan bahkan menyebabkan kematian. Data yang digunakan diambil dari data
Indonesia Family Life Survey (IFLS). IFLS merupakan pengukuran longitudinal yang dilakukan secara
berulang. Dalam pengukuran berulang terdapat adanya data yang hilang. Oleh karena itu, penelitian ini
perlu dilakukan untuk mengakomodasi adanya data yang hilang tersebut. Penelitian ini bertujian untuk
menganalisis faktor penyebab yang diduga memengaruhi waktu kesembuhan pasien diabetes melitus
dengan metode joint modeling. Model ini merupakan hubungan antara data waktu peristiwa dan data
pengukuran berulang. Metode joint modeling menggunakan linear mixed model untuk pengukuran
longitudinal dan model cox propotional hazard untuk survival. Variabel-variabel yang digunakan diambil
dari data IFLS4 dan IFLS5 yaitu waktu pengukuran, riwayat pengobatan, jenis kelamin, penyakit penyerta,
dan komplikasi. Hasil dalam penelitian ini diperoleh adanya pengaruh yang signifikan yaitu variabel waktu
pengukuran, jenis kelamin dan komplikasi terhadap waktu kesembuhan pasien diabetes melitus. Semakin
berkurangnya waktu pengukuran pasien mempunyai kesempatan untuk sembuh lebih rendah 8,7184 kali.
Pada variabel jenis kelamin dan komplikasi juga memiliki kesempatan untuk sembuh lebih rendah, secara
berutut-turut 9,1032 kali dan 7,1528 kali.
Diabetes mellitus is a dangerous disease that requires long-term medical treatment. The cause of this
disease is blood sugar levels below normal levels. If not treated immediately, complications will occur and
even cause death. The data used is taken from Indonesia Family Life Survey (IFLS) data. IFLS is a
longitudinal measurement done repeatedly. In repeated measurements there are missing data. Therefore,
this research needs to be done to accommodate the missing data. This study is commended to analyze the
causative factors that are suspected to influence the recovery time of patients with diabetes mellitus using
joint modeling methods. This model is the relationship between event time data and repeat measurement
data. The joint modeling method uses linear mixed models for longitudinal measurements and cox
proportional hazard models for survival. The variables used were taken from IFLS4 and IFLS5 data,
namely the time of measurement, treatment history, sex, comorbidities, and complications. The results in
this study obtained a significant effect that is the variable time of measurement, sex and complications of
the recovery time of patients with diabetes mellitus. The reduced measurement time of patients has a lower
chance of recovery 8.7184 times. In the sex and complications variable also has a lower chance of
recovery, 9,1032 times and 7,1528 times respectively.