BAB Ill SUMBER DATA DAN METODA ANALISA
111.1 SUMBER DATA Data yang digunakan merupakan data sekunder dari hasil penelitian Bantas (1998) dengan populasi murid Sekolah Dasar kelas 1 hingga 5 penderita asma, kecamatan Cipayung, wilayah Jakarta Tirnur. Tahap pertama seluruh siswa dari 58 sekolah ditentukan kondisi berpenyakit asma pada setiap anak, melalui responden yang diberikan pada orang tua 1 wali anak. Hasil tersebut menjaring populasi 879 anak penderita asma yang terdiri dari 479 laki-laki dan 400 perempuan. Data contoh acak ukuran 334 anak dipilih secara acak sempurna. Pengamatan terhadap frekuensi serangan asma diamati selama 6 bulan berjaian kedepan dengan melakukan pemeriksaan
terjadinya serangan pada tiap
minggunya. Frekuensi serangan asma dihitung jumlahnya selama 6 bulan , dan dikategorikan dalam 3 kelompok yaitu : 1. Frekuensi ringan (0 - 1 kali serangan dalam 6 bulan ). 2. Frekuensi sedang ( 2 - 4 kali serangan dalam 6 bulan ). 3. Frekuensi sering ( lebih dari 4 kali serangan dalam 6 bulan ) ..
Peubah penjelas yang diperkirakan mempengaruhi terjadinya serangan asma ditetapkan sebanyak 12 peubah
.
Pengamatan untuk peubah penjelas dilakukan
rnelalui wawancara pada wali murid. Tabel dibawah adalah daftar peubah penjelas dan respon, disertai kategori dan tipe peubah.
Tabel 1. Kategori dan kode kategori peubah I
KATEGORI
KODE
I Frekuensi serangan
Peubah penjelas : Tipe kasur
Tipe lantai rumah
Usia Kasur
Frekuensijemur kasur 1 bulan Olahraga Jenis kelamin
I
Ringan Sedang Berat Bukan kapuk Kapuk
Perokok dikeluarga Hewan peliharaan
TlPE Ordinal
I
1
Nominal
Tak ada Burung / anjingt kucing Lebih dari 1 jenis hewan
Ordinal
Ubin Semen Tanah
Ordinal
< I tahun 1 - 5 tahun > 5 tahun
Ordinal
> 2x lbulan
Ordinal
1-2 x bulan < I 1 bulan Ya tidak Perempuan Laki-laki
I
1
1 2
I
Nominal Nominal
Atopic dikeluarga Frekwensi ganti sprei I minggu Bahan bakar masak
Karpet
> 4 x Ibulan 2 - 4 x / bulan < 2 x Ibulan
1 2 3
Nominal
Bukan kayu bakar Kayu bakar Tidak Ya
Ordinal
1 2
Nominal
111.2 METODA ANALISA Dalarn penelitian ini digunakan program demo Knowledge Seeker IV (1997) yang dirancang khusus untuk eksplorasi data dengan rnenggunakan rnetoda CHAlD dan CHAlD exhaustive. Program demo hanya dapat rnenganalisa 10 peubah. Mengatasi ha1 tersebut dilakukan reduksi peubah tak signifikan rnenggunakan uji Chi-kuadrat. Peubah yang dikeluarkan adalah "frekwensi ganti sprel', "olahraga" dan "bahan bakar masak". Berikut dibawah uraian algoritma untuk masing-masing rnetoda.
Algoritma CHAlD : 1. Pilih peubah penjelas Xq dengan kategori c lebih dari dua . 2. Buat sub tabulasi silang ( 2 x d ) , d = jurnlah kategori peubah respon. Jika statistik uji bernilai lebih kecil dari nilai kritis (
X 2 (d.l:.)
), kedua kategori
digabungkan. Ulangi langkah ini hingga sernua subtabel ( 2 x d ) rnernpunyai statistik uji rnelarnpaui nilai kritis ( X2(d.,: :
) . Keadaan ini rnereduksi c kategori
peubah penjelas rnenjadi r kategori. 3. Pada setiap peubah penjelas dengan tabulasi silang ukuran r x d atau c x d
(penjelas tak tereduksi ), tentukan tingkat kesalahan tipe I [a,j. 4. Bila kategori direduksi rnenjadi r kategori, tingkat signifikan peubah penjelas Xq
adalah a? = a, dikalikan koefisien Bonferroni sesuai dengan skala peubah penjelas tersebut. 5. Peubah a* = rnin
penjelas
signifikan adalah penjelas dengan tingkat signifikan
,(a:)
6. Lakukan pernisahan biner pada gugus data atas dasar kategori dalarn peubah II \
pada kategori serupa, jika tidak ada kategori yang serupa maka kategori tersebut dikeluarkan dari peubah penjelas sebagai data missing.
7. Nilai penyesuaian Bonferroni yang digunakan adalah koefisien Bonferroni untuk penjelas ordinal tetapi jika kategori mengambang digabungkan, gunakan penyesuaian Bonferroni untuk kategori mengambang. 8. Lakukan prosedur diatas pada sub gugus data, dan lanjutkan prosedur diatas
pada sub-sub gugus data hingga tak ada peubah yang signifikan sebagai penyekat lagi. Perhitungan koefisien Bonferroni ditentukan
oleh pengguna
program sesuai
dengan rumus diberikan pada masing - masing prosedur dan dihitung menurut tipe peubah dan jumlah kategori
masing-masing.
Hasil perhitungan koefisien
Bonferonni untuk masing-masing metoda disajikan pada tabel dibawah :
Tabel 2. Koefisien Bonferonni untuk CHAlD dan CHAlD exhaustive tipe peubah
1
jumlah kategori
1 CHAlD ]
CHAlD
I
exhaustive
Ir'MI.: nominal
