01/27/10
1
DASAR PEMILIHAN UJI STATISTIK Saptawati Bardosono
PENDAHULUAN Pada setiap penelitian biasanya data dikumpulkan
untuk sejumlah besar variabel, sehingga dapat menyulitkan pemilihan uji statistik yang sesuai dan urutan penggunaannya Pemilihan uji statistik perlu direncanakan sejak awal penelitian, sehingga analisis data dapat memaksimalkan kualitas dan interpretasi dari temuan Pemilihan uji statistik berdasar kepada jenis rancangan penelitian yang ingin dianalisis 01/27/10
2
PENDAHULUAN Manfaat dari perencanaan analisis: ١) Pedoman untuk menganalisis data ٢) Membantu pada saat interpretasi dan
melaporkan hasil penelitian ٣) Menghasilkan analisis yang dapat
menjawab pertanyaan penelitian secara jelas dan jujur 01/27/10
3
PERENCANAAN ANALISIS UNTUK STUDI RCT Sesuai dengan rincian pertanyaan penelitian Perencanaannya meliputi: ١)
Definisi operasional dari outcome primer dan/atau sekunder
٢)
Metoda statistik yang akan digunakan
٣)
Pedoman untuk penyesuaian data dasar variabel
٤)
Bila perlu, analisis sub-kelompok
01/27/10
4
PERENCANAAN ANALISIS UNTUK STUDI OBSERVASIONAL Seringkali tidak memungkinkan untuk menyusun perencanaan lengkap secara spesifik, namun minimal berdasar pada hipotesis2 nya Perencanaannya meliputi: ١) Definisi operasional dari variabel outcome dan exposure ٢) Variabel pengganggu dari hubungan antara outcome-exposure ٣) Bila perlu, analisis dari effect modifier 01/27/10
5
DATA CHECKING & EDITING Harus dilakukan sebelum melakukan analisis data Tahap 1 dengan memeriksa distribusi dari masing2 variabel: ١)
Untuk data kategorik, pastikan data sesuai dengan kategori yang ada dan frekuensi dari masing2 kategori masuk akal
٢)
Untuk data numerik, lakukan range check (histogram) untuk mendapatkan data yang ekstrim
01/27/10
6
DATA CHECKING & EDITING Tahap 2 dengan melakukan consistency check untuk memeriksa konsistensi kaitan antara 2 atau lebih variabel: ١) Dengan cross-classification, contoh antara
seks dan paritas; ٢) Dengan scatter plots, contoh antara BB
dengan umur atau BB dengan TB 01/27/10
7
DATA CHECKING & EDITING Tindakan yang harus dilakukan: ١)
Kesalahan harus diperbaiki dengan merujuk ke data aslinya (kuesioner) atau diisi sebagai missing value
٢)
Bila datanya ekstrim tapi masih mungkin terjadi, maka tidak perlu diganti
Lakukan checking untuk masing2 kelompok perlakuan 01/27/10
8
ANALISIS AWAL Distribusi dari masing2 variabel untuk: Checking ulang bahwa kesalahan telah
diperbaiki Lebih mengenal karakteristik dari
populasi yang diteliti Lakukan analisis awal untuk masing2 kelompok perlakuan 01/27/10
9
SPESIFIKASI VARIABEL UNTUK ANALISIS Variabel2 dapat berperan lebih dari 1 dalam analisis Perlu dilakukan identifikasi: Variabel yang sudah diketahui sebagai pengganggu hubungan antara outcome-exposure Variabel lain yang mungkin menjadi pengganggu nantinya Variabel lain yang akan menjadi effect modifier (yang dapat mengubah ukuran ataupun arah dari hubungan outcome-exposure 01/27/10
10
REDUKSI DATA Sebelum melakukan analisis data secara formal, terkadang diperlukan untuk membuat variabel baru dengan mengelompokkan beberapa variabel asli Untuk variabel exposure kategorik,
pengelompokkan diperlukan bila kategorinya banyak, contoh: jenis pekerjaan
01/27/10
11
REDUKSI DATA 2) Untuk variabel exposure numerik, pengelompokkan diperlukan untuk:
Menggunakan metoda berdasarkan stratifikasi
Menggunakan metoda grafik untuk memeriksa bagaimana outcome yang non-numerik berubah pada setiap tingkatan exposure
Memeriksa adanya hubungan liniar antara variabel exposure numerik dengan outcome nonnumerik
01/27/10
12
REDUKSI DATA Untuk variabel exposure numerik, pengelompokkan dapat dilakukan dengan: Misalnya quintiles, untuk
pengelompokkan menjadi 5 Cut-off points berdasarkan data dari
penelitian terdahulu atau standar normal
01/27/10
13
ANALISIS UNI-VARIABEL Dilakukan crude association antara exposure dan outcome, yaitu memeriksa hubungan antara outcome dengan masing2 exposure tanpa menghiraukan variabel2 lain dengan manfaat: Memeriksa tabel atau grafik sederhana serta hubungan yang merupakan informasi mengenai masing2 data Dapat memberikan pemikiran awal mengenai masing2 variabel tsb yang mempunyai hubungan kuat dengan outcome Merupakan indikator penting pada saat dilakukan analisis untuk mengontrol variabel pengganggu
01/27/10
14
ANALISIS VARIABEL PENGGANGGU Untuk studi observasional mengontrol efek variabel pengganggu merupakan fokus utama analisis dengan: Metoda Mantel-Haenszel berdasarkan
stratifikasi Modeling regresi
01/27/10
15
ANALISIS VARIABEL PENGGANGGU Strategi memilih variabel pengganggu: Membuat kerangka konsep untuk hubungan antara berbagai variabel dengan variabel outcome sebagai gambaran dari teori yang ada dan arah dari hubungan Variabel yang sejak awal telah diketahui sebagai pengganggu harus dikontrol dalam analisis Variabel pengganggu lainnya dapat ditemukan sebagai hasil analisis eksplorasi: a) variabel yang berhubungan dengan outcome dan exposure namun bukan sebagai penyebab antara keduanya b) berdasarkan data yang dianalisis dan pengetahuan yang ada serta setelah memperhatikan arah dari hubungannya 4) Semua variabel yang berhubungan dengan outcome diikutkan dalam regresi liniar ganda (cara stepwise), kecuali yang mempunyai hubungan sebagai penyebab
01/27/10
16
ANALISIS UNTUK INTERAKSI Ada tiga interaksi yang harus dibedakan: Interaksi antara variabel pengganggu Interaksi antara variabel pengganggu
dengan variabel exposure yang diteliti Interaksi antara exposure2 yang diteliti
01/27/10
17
ANALISIS YANG REPRODUKTIF 1. Masukkan file data mentah ke program statistik, buat label untuk setiap variabel supaya mudah diidentifikasi, check apakah data sesuai dengan nilainya, check konsistensi antar variabel, buat variabel baru dengan recoding atau penggabungan variabel2 kemudian simpan data dalam file baru 01/27/10
18
ANALISIS YANG REPRODUKTIF 2. Gunakan data dalam file baru untuk memeriksa hubungan antara variabel outcome dengan variabel2 exposure dan variabel pengganggu yang diteliti dengan menggunakan tabel, grafik serta melakukan analisis univariabel
01/27/10
19
ANALISIS YANG REPRODUKTIF 3. Gunakan uji Mantel-Haenszel dan analisis regresi untuk mengetahui efek variabel exposure yang dikontrol oleh variabel pengganggu potensial 4. Periksa interaksi antara variabel outcome, exposure dan pengganggu 5. Buat tabel final untuk laporan penelitian 01/27/10
20
PERMASALAHAN PADA ANALISIS DAN INTERPRETASI DATA ١.
Multiple comparisons, menghubungkan semua variabel yang ada di luar hipotesis = data dredging akan mengakibatkan pelaporan hasil yang tidak benar/palsu
٢.
Subgroup analysis, kadang sangat menggoda untuk mengembangkan hasil yang menarik bila hipotesis tak terbukti
٣.
Data-driven comparisons, sebaiknya tidak melakukan pengelompokkan pada variabel exposure untuk menghasilkan hubungan yang lebih bermakna dengan variabel outcome
01/27/10
21
APA ITU STATISTIK Statistik merupakan kegiatan untuk: Mengumpulkan data Meringkas/menyajikan data Menganalisis data dengan metoda tertentu Menginterpretasi hasil analisis tersebut. Ilmu statistik berguna untuk membantu dalam pengambilan keputusan atas masalah tertentu. 01/27/10
22
MANFAAT STATISTIK Memperkirakan rata2 Mengetahui hubungan antar variabel2 Mengetahui dampak suatu intervensi Dsb
01/27/10
23
JENIS STATISTIK Statistik deskriptif:
Statistik inferensi:
Berkaitan dengan bagaimana data dikumpulkan dan diringkas
Berkaitan dengan analisis data dan interpretasi hasil analisis tersebut
01/27/10
24
JENIS DATA Data kualitatif:
Data kuantitatif:
Data yang dinyatakan dalam bentuk bukan angka Contoh: jenis pekerjaan, status perkawinan, gender, kepuasan, dll Harus dikuantifikasikan dengan skor atau ranking
Data yang dinyatakan dalam bentuk angka Contoh: usia, tinggi, penghasilan
01/27/10
25
JENIS DATA Data berskala nominal: data yang diperoleh dengan cara kategorisasi atau klasifikasi Contoh: jenis pekerjaan, pegawai negeri, diberi tanda 1 pegawai swasta, diberi tanda 2 wiraswasta, diberi tanda 3 Cirinya: posisi setara dan tidak bisa dilakukan operasi matematika 01/27/10
26
JENIS DATA Data berskala ordinal: data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tsb terdapat hubungan Contoh: kepuasan pelayanan, sangat puas, diberi tanda 1 puas, diberi tanda 2 cukup puas, diberi tanda 3 tidak puas, diberi tanda 4 sangat tidak puas, diberi tanda 5 Cirinya: posisi tidak setara dan tidak bisa dilakukan operasi matematika 01/27/10
27
JENIS DATA Data berskala interval: data yang diperoleh dengan cara pengukuran, di mana jarak dua titik pada skala sudah diketahui Contoh: temperatur ruangan untuk air membeku dan mendidih Celcius pada 0 sampai 100, jarak 100 Fahrenheit pada 32 sampai 212, jarak 180 Cirinya: tidak ada kategorisasi dan bisa dilakukan operasi matematika
01/27/10
28
JENIS DATA Data berskala rasio: data yang diperoleh dengan cara pengukuran, di mana jarak dua titik pada skala sudah diketahui, dan mempunyai titik 0 yang absolut Contoh: jumlah buku di perpustakaan jika 5, berarti ada 5 buku, jika 0, berarti tidak ada buku sama sekali Cirinya: tidak ada kategorisasi dan bisa dilakukan operasi matematika 01/27/10
29
JENIS DATA VERSUS UJI STATISTIK Jenis data akan mempengaruhi pemilihan prosedur statistik yang akan digunakan: Data kuantitatif akan menggunakan prosedur statistik parametrik; Data kualitatif cenderung mengarah pada statistik non-parametrik
01/27/10
30
Pengolahan Data Statistik Statistik parametrik, berhubungan dengan inferensi statistik yang membahas parameter2 populasi, seperti rata2, proporsi, dll. Cirinya: jenis data interval atau rasio, serta distribusi data (populasi) adalah normal atau mendekati normal
01/27/10
31
Pengolahan Data Statistik Statistik non-parametrik, berhubungan dengan inferensi statistik yang tidak membahas parameter2 populasi Cirinya: jenis data nominal atau ordinal, serta distribusi data (populasi) tidak diketahui atau bisa disebut tidak normal
01/27/10
32
Pengolahan Data Statistik Analisis univariat, di mana hanya ada satu pengukuran (variabel) untuk n sampel (Alat analisis: uji t, uji F< ANOVA dsb) Analisis multivariat, di mana ada dua atau lebih pengukuran untuk n sampel (Alat analisis: regresi, korelasi dsb) 01/27/10
33
Pemilihan uji statistik
Jumlah variabel Analisis univariat
Analisis multivariat
Jenis data
01/27/10
Interval, rasio
Nominal, ordinal
Statistik Parametrik
Statistik Non-Parametrik
34
Pengolahan data kuantitatif
Data interval/rasio Ukuran
Variasi
Bentuk
Mean
Range
Skweness
Median
Varians
Kurtosis
Modus
Standar deviasi Koefisien variasi
01/27/10
35
Menguji normal tidaknya distribusi data Boxplot Stem and Leaf Kolmogorov-Smirnov Plot Kurtosis dan skewness
01/27/10
36
Boxplot:
jika MEDIAN terletak persis di tengah boxplot, maka distribusi data adalah normal Nilai di atas garis adalah outlier atau nilai
ekstrem
Persentile (25) disebut HINGES
Persentile (50) atau MEDIAN
Persentile (75) disebut HINGES Nilai di bawah garis ini adalah outlier atau
nilai ekstrem
01/27/10
37
Stem and leaf Frequency
Stem
Leaf
1,00
4
0
2,00
5
00
3,00
6
000
1,00
7
0
1,00
Extremes
≥ 10,0)
01/27/10
38
Kolmogorov-Smirnov dan Shapiro Wilk, bila nilai signifikansi < 0,05 maka distribusi adalah tidak normal
Usia
Kolmogorov-smirnov
Shapiro-Wilk
Statistik
Df
Sig.
Statistik
Df
Sig
Belum 0,176 menikah
35
0,008
0,926
35
0,033
Menikah 0,215
40
0,000
0,907
40
0,019
01/27/10
39
Plot Normal Q-Q plot
Detrended Normal Q-Q plot
Data akan tersebar di sekeliling garis
Sebagian besar data terpola dekat garis tengah yang ada
01/27/10
40
Kurtosis dan skewness Jika rasio kurtosis (keruncingan) dan skewness (kemiringan) berada di antara –2 sampai dengan +2, maka distribusi data adalah normal Rasio kurtosis = nilai kurtosis /SE kurtosis Rasio skewness = nilai skewness / SE skewness 01/27/10
41
Penyebaran Data Distribusi data normal: mean dan standar
deviasi Distribusi data tidak normal: median atau mode Persentil biasanya 10, 25, 50, 75, 90 Distribusi data: skewness (kemiringan) dan kurtosis (keruncingan) Deskripsi data: rata2, SD, varians, range 01/27/10
42
Analisis statistik (inferensi) Digunakan untuk estimasi nilai suatu
parameter populasi dan uji hipotesis statistik (Ho/Hi, signifikansi, uji satu/dua sisi, statistik tabel/uji)
01/27/10
43
Bagan statistik inferensi S tatistik Param etrik Jum lah sam pel
01/27/10
Satu populasi
Dua populasi atau lebih
Uji Z Uji t
Hubungan antar sam ple Bebas
B erhubungan
Uji Z Uji t A NO V A/ Uji F
Uji t berpasangan
44
