ANALISIS DATA STATISTIK

TOPIK

1. 2. 3. 4. 5. 6.

pengukuran skala pengukuran analisis univariat analisis bivariat analisis multivariat Jadual analisis data statistik

PENGUKURAN

Pengukuran

adalah penunjukan angka-2 pada suatu

variable
Pengukuran memerlukan alatan pengukuran/ instrumen yang standard, baik alatan maupun kuesioner Pengukuran adalah mendapatkan dimensi kuantiti suatu objek, misalnya berat badan, jumlah pesakit

Syarat pengukuran

isomorfisme, iaitu ukuran harus sedekat mungkin dengan benda/ kejadian yang diukur (terkadang yang dapat diukur hanya indikatornya, berkeringat). exhaustive, iaitu pengukuran harus meliputi seluruh kemungkinan yang ada mutually exlusive, iaitu pengukuran tidak boleh bertindan

Skala pengukuran

Hasil suatu pengukuran untuk analisis data dapat dibahagi dalam 4 skala :
skala nominal skala ordinal skala interval skala rasio

Skala nominal
merupakan tingkat pengukuran yg paling sederhana untuk klasifikasi data tidak ada asumsi jarak atau urutan antara angka-2 dasar penggolonganya mutualy exclusive & exhautive kod atau angka tak menunjukan rendah ke tinggi atau sebaliknya Misalnya variabel jantina : 1= lelaki dan 2 = perempuan warna, parti, lokasi, dsb

Skala ordinal
merupakan tingkat pengukuran yang mempunyai urutan dari rendah ke tinggi kod atau angka setakat menunjukkan urutan bukan nilai
misalnya variable sikap : 3 = setuju, 2 = ragu-ragu/ tidak berpendapat, dan 1= tidak setuju pendidikan (SR, SMK, Diploma, IPT)

Skala interval
memberikan informasi tentang interval antara satu kod/ angka dengan yang lain merupakan tingkat pengukuran urutan dari rendah ke tinggi
misalnya variable nilai ujian : A = 86-99, B = 76-85, C = 66-75 D = 56-65

Skala ratio
merupakan tingkat pengukuran urutan dari rendah ke tinggi memberikan informasi tentang nilai sebenarnya responden/ objek yang diukur menggambarkan interval antara kode/angka dgn nilai 0
Misalnya variable nilai ujian dari 0 - 100

Hubungan antara skala pengukuran

KRITERIA ASUMSI URUTAN ASUMSI JARAK TITIK 0 ABSOLUT

NOMINAL ORDINAL INTERVAL + + + -

RASIO + + +

Skala yg lebih tinggi dapat diubah menjadi skala yg lebih rendah, dan tidak sebaliknya.

Konsep

Uji statistik dilakukan untuk menentukan apakah perbezaan/hubungan yang terlihat pada sampel benar-benar ada atau kebetulan ada akibat pengambilan sampel sahaja

Hasil ujian statistik berupa: probabiliti penyelidik memperolehi hasil seperti pada sampel atau lebih ekstrim jika hipotesis nol benar

Konsep

Probabiliti hasil penyelidikan sejalan dengan hipotesis nol Jika p besar maka H0 diterima, jika p kecil H0 ditolak Besar kecilnya probabiliti ditentukan oleh a, probabiliti penyelidik untuk menolak H0 jika di populasi H0 benar

Konsep
Jika penyelidik menolak H0: Dapat terjadi kesalahan jenis 1 (a), penyelidik salah mengambil kesimpulan karena sebenarnya di populasi hipotesis nol benar (tidak ada hubungan) Jika penyelidik menerima H0: Dapat terjadi kesalahan jenis 2 (b), penyelidik salah mengambil kesimpulan kerana di populasi hipotesis nol salah (ada hubungan) Signifikan statistik TIDAK SAMA dengan signifikan substansi karena perbezaan yg kecil dapat signifikan secara statistik kerana penggunaan sampel yg besar

Perlu diperhatikan dalam analisis data

Membandingkan dan melakukan tes teori atau konsep dengan informasi yang ditemukan
Mencari dan menemukan adanya konsep baru dari data yang dikumpulkan Mencari penjelasan apakah konsep baru ini berlaku umum, atau baru terjadi bila ada prakondisi tertentu

Urutan analisis data

Analisis univariat adalah analisis satu variabel

Analisis bivariat adalah analisis hubungan 2 variabel Analisis multivariat adalah analisis hubungan lebih dari 2 variabel secara bersama dgn mengontrol variabel lain

ANALISIS UNIVARIAT

Analisis univariat adalah analisis satu variabel

Misalnya distribusi frekuensi nilai purata variasi persentase

Kegunaan analisis univariat

1. 2. 3. 4. 5. Salah satu cara melihat adanya kesalahan koding atau entry data jawapan di luar area penyelidikan data yang sangat ekstrim mengganggu nilai purata data yang tidak konsisten, misalnya variabel seks pria tetapi variabel kehamilan positif jawapan tdk berlaku diberi kod 9 /0 ikut dianalisis Mendeskripsikan suatu fenomena dengan baik. Perincian/ gambaran besarnya suatu fenomena Petunjuk pemecahan masalah Persiapan analisis bivariat atau multivariat

Contoh analisis univariat

ANALISIS BIVARIAT

Analisis bivariat adalah analisis hubungan 2 variabel yg dapat bersifat : (a) simetris tak saling mempengaruhi (b) saling mempengaruhi (c) variabel satu mempengaruhi variabel lain

Contoh analisis bivariat uji Chi-square

Contoh analisis bivariat uji korelasi

ANALISIS MULTIVARIAT

Untuk mengontrol confounder & effect modifier

Jika confounder & effect modifier sudah dapat dikontrol pada tahap desain, analisis dapat lebih sederhana (non multivariat) Prinsip: model parsimonius (valid, precise & simple)

Contoh analisis multivariat uji regresi logistik ganda

JADUAL ANALISIS DATA STATISTIK

VARIABLE DEPENDEN
NOMINAL DIKOTOM

VARIABLE INDEPENDEN
NOMINAL ORDINAL INTERVAL/RATIO Logistic multiple regression Discriminant analysis

Difference proportion test Kruskalwallis Chi-square Friedmans 2 way Fishers exact test Phi-coeficient

POLITOM

Chi-square Kendalls VCT

ORDINAL Man-whitney Kormogrof-smirnov

Rank-order correlation Kendals tau Gamma Coefficiens

Ubah var. ordinal jadi var. nominal

atau interval ke ordinal memakai teknik yang sesuai

INTERVAL/ RATIO

Dikotom : Anova t-test sign test U-test

Politom : Anovainterclass DVMR Dummy Multiple classification Cross classification

Ubah ordinal jadi nominal

Multiple correlation

atau Multiple regression var.interval ke variabel Path-analisis ordinal Partial regression memakai teknik yang sesuai