Dr. TA Larasati, M.

Kes Subbag Ilmu Kedokteran keluarga FK UNILA

VARIABEL DEPENDEN(Y)
HASIL MENGUKUR Y

KATEGORI

KONTINU

PENGUKURAN VARIABEL
HASIL MENGUKUR X&Y

KATEGORI

KONTINU

NILAI p (probabilitas)
Besarnya kemungkinan hasil yang diperoleh atau hasil

yang lebih ekstrem diperoleh karena faktor peluang, bila hipotesis nol benar.

HASIL UKUR
Y
VARIABEL KATEGORI KATEGORI X KONTINU TINU-GORI TINU-TINU GORI-GORI KONTINU GORI-TINU

HASIL UKUR vs HIPOTESA

Mencari hubungan kategori Ada hubungan merokok dengan kejadian BBLR Berkaitan dengan risiko atau penyebab
Mencari perbedaan kontinyu Ada perbedaan kadar kolesterol antara kelompok intervensi dengan kelompok kontrol

HASIL UKUR vs ANALISIS STATISTIK

Gori-gori
Chi-square

Tinu-gori
Regresi logistik

Gori-tinu
Gori 2 : uji T Tidak berhubungan- independen Berhubungan- related Gori 3 : uji Anova

Tinu-tinu
Korelasi, regresi linier

SKALA UKUR VARIABEL

Terdiri dari 4 macam: 1) Nominal 2) Ordinal 3) Interval 4) Ratio

NOMINAL Pengukuran yang paling lemah tingkatannya, terjadi

apabila bilangan atau lambang yang digunakan untuk mengklasifikasikan objek pengamatan. Setiap objek akan masuk salah satu lambang atau kelompok Contoh : Agama dapat dikelompokkan menjadi Islam, Kristen, Budha, Hindu. Jenis kelamin, warna, golongan darah

NOMINAL

Ordinal
Pengukuran ini membagi kelompok-kelompok, tetapi

antara kelompok itu ada hubungan (rangking). Hubungan antara kelompok ini dapat ditulis lebih besar, lebih kecil. Jadi dari kelompok yang sudah ditentukan dapat diurut menurut besar kecilnya. Contoh: pendidikan (dikelompokkan menjadi rendah, sedang, tinggi), sosial ekonomi, derajat hipertensi

Interval
Kalau dalam skala ordinal kita hanya dapat

menentukan urutan dari kelompok, maka didalam skala interval selain membagi objek dalam kelompok tertentu dan dapat diurutkan juga dapat ditentukan jarak dari urutan kelompok tersebut. Contoh: pengukuran suhu, IQ

Rasio
Dengan skala ratio kita dapat mengelompokkan data,

kelompok itupun dapat diurutkan dan jarak urutanpun dapat ditentukan. Selain itu sifat lain untuk data dengan skala ratio kelompok tersebut terdapat nilai nol mutlak Contoh: pengukuran tinggi badan, berat badan

Struktur tingkatan skala SIFAT SKALA NOMINAL ORDINAL INTERVAL

Klasifikasi + + +

RATIO

Urutan pengamatan
Jarak antar kelompok Titik nol mutlak

+
-

+
+

+
+

SKALA PENGUKURAN
NOMINAL ORDINAL INTERVAL RASIO

Pengelompokkan/ beda pengamatan Urutan pengamatan dapat ditentukan Jarak/besar beda antar kelompok dapat diketahui Perbandingan antar kelompok (ada titik mutlak) Contoh

+ -

+ +

+ +

+ +

Jenis kelamin

Derajat hipertensi, status gizi

Suhu

Berat badan

PENJENJANGAN SKALA

ANALISA UNIVARIAT Mean, Median, Mode, Sd, Se, Range, Min-Max, Skewness, Kurtosis Boxplot; Stem-Leaf Tujuan: 1. Deskripsi setiap variabel diteliti 2. Diagnosis asumsi statistik lanjut 3. Deteksi nilai ekstrim/outlier

ANALISIS BIVARIAT:
1. Diagnosis data 2. Uji Hipotesisi 2 var

PEMILIHAN UJI STATISTIK UNIVARIAT / BIVARIAT

Macam sampel
(bebas / berpasangan) Bebas (independent)

Jenis variabel Rasio-Interval

pop. berdistribusi normal Uji t 2 sampel bebas

Tujuan uji

Jumlah sampel /
pasangan

Ordinal /
Rasio-Interval distrib. tak normal ~ Uji MannWhitney ~ Uji jumlah peringkat dari Wilcoxon Uji peringkat bertanda dari Wilcoxon Uji Kruskall-Wallis

Nominal
/ kategorik

~ Uji khi-

2
Berpasangan (related/paired) Komparasi (perbedaan) Uji t sampel berpasangan

kuadrat ~ Uji eksak dari Fisher

Uji McNemar (u/ kategori dikotomik) Uji khi-kuadrat

Bebas

Anava 1 arah

>2

(independent)

Berpasangan
(related/paired)

Anava u/ subyek yg sama

~ Korelasi dari

Uji Friedman

Uji Cochran's Q (u/ kategori dikotomik)

~ Koefisien

~ Korelasi dari

Korelasi

Pearson (r) ~ (Regresi)

Spearman (rs) ~ Asosiasi Kappa (k)

Kontingensi (C) ~ Koefisien Phi

Cara pemilihan uji statistik multivariat

Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel Uji t 1 sampel Uji normalitas (G) Uji t sampel berpasangan > 1 variabel Analisis faktor Analisis kluster Komponen prinsipal Matriks korelasi Korelasi ganda Regresi ganda Analisis survival 1 variabel Uji KolmogorofSmirnov 1 sampel Uji peringkat bert anda dari Wilcoxon Korelasi Spearman Korelasi Kendall's tau Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square 1 sampel Uji binomial / McNemar > 1 variabel

0 variabel

Model loglinear

Model loglinear

1 variabel

Korelasi Regresi Analisis survival

Ra sio / Interval > 1 variabel Korelasi kanonikal Korelasi kanonikal Multivariat anava Analisis jalur Anava pada Model struktural komponen prinsipal

Anova multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal

Uji t 2 sampel bebas Anava 1 faktor Analisis survival Multivariat anava Anava pada komponen prinsipal Hotelling's T Analisis profil Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-W hitney Uji Kruskal Wallis Model loglinier

Anava multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal

1 variabel Ordinal

Korelasi Spearman Korelasi Kendall's tau

Fungsi diskriminan Regresi logistik ganda

Korelasi Spearman Korelasi Kendall's tau Korelasi kappa Model loglinier Koefisien konkordans W

Model log-linier Koefisien konkordans W Regresi logistik ganda

Model loglinier Regresi logistik ganda

> 1 variabel

Fungsi diskriminan

Fungsi diskriminan

Model loglinier

Model loglinier

Lanjutan Cara pemilihan uji statistik multivariat

Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel > 1 variabel 1 variabel Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-W hitney Uji Kruskall Wallis Model loglinier Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square Uji pasti Fisher Koefisien Phi Korelasi kappa > 1 variabel

1 variabel Nominal (kategorikal) > 1 variabel

Uji t 2 sampel bebas Anava 1 faktor

Fungsi diskriminan Regresi logistik ganda Fungsi diskriminan

Regresi logistik ganda Model loglinier

Regresi logistik ganda Model loglinier

Fungsi diskriminan

Model loglinier

Model loglinier

Model loglinier

LATIHAN MEMILIH ALAT STATISTIK(2)

PERTNY. PENELITIAN Apakah Lk dan Pr dalam Klp Intervensi dan Kontrol berbeda bermakna dalam ketaatan berobat (compliance) Apakah Umur; Income; Lama Bersekolah (Pendidikan) berhubungan dg Kepuasan? Apakah Umur, Income, Lama Bersekolah dalam Klp Itv & Kontrol berbeda dalam Pengetahuan dan Sikap? V-INDEPENDEN V-DEPENDEN JENIS ANALISIS 1. Jenis kelamin Taat/Tidak Regresi Logistik 2. Klp Itv-Kontrol Berganda (Nominal)

1. Umur 2. Income 3. Lama Sekolah (th) 1. Umur 2. Income 3. Lama Sekolah 4. Klp Itv & Kontrol

Skor Kepuasan

Regresi Linier Berganda

Skor Pengetahuan & Sikap (Interval)

Mancova (Multivariate Analysis of Covariance)