Introduction to Biostatistics

31/01/2014

Introduction to Biostatistics Widya Rahmawati

Saudara dan teman-teman berencana makan bersama di sebuah restauran • Saudara diminta mendaftar menu yang dipesan oleh temanteman dan menyampaikan kepada Pelayan

Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

1

31/01/2014

Berikut daftar pesanan makanan teman-teman Nama

Pesanan

Nama

Pesanan

Okti

Ayam goreng

Nova

Ayam bakar

Fauziah

Ayam bakar

Nindya

Ayam bakar

Arindra

Ikan bakar

Garnish

Bebek goreng

Amanda

Bebek goreng

Anisa

Ayam bakar

Novita

Ayam goreng

Yani

Ikan bakar

Ismi

Ayam bakar

Nindy

Ayam bakar

Yaznia

Ikan bakar

Hani

Ayam bakar

Yosi

Bebek goreng

Elvira

Bebek goreng

Silfia

Ayam bakar

Tiara

Ayam bakar

Siti

Bebek goreng

Fitri

Ayam bakar


Bagaimana cara Saudara menyampaikan pesanan teman-teman kepada Pelayan? • Apakah menyampaikan masing-masing pesanan satu per satu? TENTU TIDAK • Saudara dapat menyampaikan kepada pelayan: – – – –

Ayam bakar = 10 Bebek goreng = 5 Ikan bakar = 3 Ayam goreng = 2 Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

2

31/01/2014

Keesokan harinya, salah seorang teman yang berhalangan hadir, menanyakan:

“Apa saja menu yang dipesan teman-teman kemarin?” • Saudara tentu tidak akan menyebutkan pesanan temanteman satu per satu • Saudara dapat menjawab: – Separuh dari teman-teman memesan ayam bakar – Seperempat memesan bebek goreng – Hanya sebagian kecil yang memesan ikan bakar dan ayam goreng

ayam goreng 10% ikan bakar 15%

ayam bakar 50%

bebek goreng 25%


Tidak terasa, Saudara sudah menerapkan konsep ilmu Biostatistik!!

3

31/01/2014

Konsep dasar ilmu biostatistik Menerapkan konsep Biostatistik

Make everythings simple

Everything will be simple after systematized Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

Why statistics? (statistika) • Setiap hari kita menerima berbagai informasi yang menggambarkan berbagai aspek dalam kehidupan • Data yang masuk ke dalam kepala kita perlu diklasifikasikan, disimpulkan dan disajikan kembali dalam bentuk yang lebih mudah difahami oleh orang lain • Tanpa sadar, kita sudah menerapkan konsep dasar ilmu statistik Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

4

31/01/2014

Why statistics? • Statistika (statistics) = suatu ilmu (bagian dari ilmu matematika) yang mempelajari - Merancang pengambilan data - Mengumpulkan data - Mengklasifikasikan - Menganalisis - Menyimpulkan - Menginterpretasikan dan - Menyajikan data guna mendukung keputusan yang diperlukan. Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

5 Basic words of statistics Words

Concept

Example

Populasi

Seluruh anggota kelompok yang akan diambil kesimpulan

Seluruh balita (0-5 th) di Kec Klojen Kota Malang

Sampel

Sebagian dari anggota kelompok yang terpilih untuk dianalisis

100 balita (0-5 th) di Kec Klojen Kota Malang yang terpilih secara acak dan memenuhi kriteria inklusi

Parameter

Pengukuran numerik yang menggambarkan karakteristik populasi

Prosentase gizi kurang pada seluruh balita (0-5 th) di Kec Klojen Kota Malang

Statistik

Pengukuran numerik yang menggambarkan karakteristik sampel

Prosentase gizi kurang pada 100 balita (0-5 th) di Kec Klojen Kota Malang yang terpilih secara acak

Variabel

Karakteristik atau suatu pembeda yang akan dianalisa menggunakan statistics

Status gizi balita, umur balita, jenis kelamin, pendapatan keluarga

Iwan Ariawan, 2006


5

31/01/2014

Why do you need to learn it? •

•

•

Biostatistika adalah ilmu statistika yang diaplikasikan ke bidang ilmu biologi, termasuk kedokteran, gizi, peternakan, dst Berbagai penelitian di bidang gizi menggunakan metode biostatistik untuk menarik kesimpulan yang akurat Membaca artikel ilmiah dalam bidang gizi juga memerlukan pemahaman biostatistik


of Biostatistics 1. 2. 3. 4. 5. 6.

Variabel vs. Konsep Skala Ukur Variabel Statistik deskriptif dan Statistik Inferensial Jenis Hipotesis Jumlah Kelompok, Berpasangan & Tidak Berpasangan Uji Parametrik & Uji Non Parametrik


6

31/01/2014

1) Variabel vs. Konsep

Variabel  Konsep


1) Variabel vs. Konsep Konsep

Variabel

Gizi Balita

Status Gizi Balita

Anemia

Derajat Anemia, Status Anemia

Pengetahuan

Tingkat Pengetahuan

Kolesterol

Kadar kolesterol

Konsumsi makanan

Tingkat konsumsi makanan


7

31/01/2014

2) Skala Ukur Variabel Add Your Text

Ratio scale Add Your Text

Interval scale Add Your Text

Ordinal scale Add Your Text

Nominal scale

M Hanafi, 2011


2) Skala Ukur Variabel •

Data Continuous – Hasil pengukuran – Peningkatan nilai konsisten – Nilai nol absolut (rasio) – Nilai nol tidak absolut (interval)

•

Ordinal – Hasil perhitungan – Ada tingkatan, tapi kategori antar tingkatan tidak konsisten

•

Nominal – Hasil perhitungan – Ada perbedaan – Tidak ada perbedaan tingkatan Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

8

31/01/2014

Data Qualitative / Data Kategorikal / Data Diskrit SKALA VARIABEL NOMINAL

SIFAT

CONTOH

Nama/label Bukan peringkat

Golongan darah Jenis Kelamin Suku Kejadian penyakit

ORDINAL

Pringkat dengan interval yang tidak dapat diukur

Derajat penyakit, tingkat sosial ekonomi, status gizi


Data Quantitative / Data Kontinyu SKALA VARIABEL INTERVAL

SIFAT

CONTOH

Peringkat yang dapat diukur namun tidak mempunyai nilai 0 (nol) absolut

Suhu, z-score, nilai, skor IQ

RASIO

Peringkat dengan interval yang dapat diukur dan mempunyai nilai 0 (nol) absolut

Jarak, berat, panjang/tinggi, umur


9

31/01/2014

3) Statistik Deskriptif vs. Statistik Inferensial • Descriptive statistics berhubungan dengan perhitungan dan peyajian data. • Inferential statistics berhubungan dengan pengambilan kesimpulan dari data yang didapat dari sampel untuk menggambarkan keadaan populasi.

M Hanafi, 2011


3) Statistik Deskriptif vs. Statistik Inferensial Diambil data dari 25 mhs

Populasi: 100 mhs

Sampel: 25 mhs

Statistik Deskripsi: Menghitung, menganalisa, mengambil kesimpulan dan menyajikan data untuk ke-25 mhs Statistik Inferensial: Menghitung, menganalisa dari 25 mhs, namun kesimpulan diharapkan dapat mewakili seluruh populasi


10

31/01/2014

4) Jenis Hipotesis Uji Hipotesis: metode untuk mengetahui hubungan (association) antar variabel, yang bisa dilakukan dengan 2 cara, yaitu secara: 1. Komparatif/Perbandingan (Comparation)  Hipotesis Komparatif Cth pertanyaan penelitian: - Apakah ada perbedaan status gizi balita yang tinggal di daerah pegunungan dan pesisir pantai? - Apakah ada perbedaan kadar Hb ibu hamil yang diberi suplemen Fe-folat dan multivitamin-mineral?

2. Korelatif/Hubungan (Correlation)  Hipotesis Korelatif - Apakah ada hubungan antara intake asam folat dan kadar homosistein dalam darah? - Apakah ada hubungan antara rasio lingkar pinggang lingkar panggul terhadap tekanan darah pada WUS? Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

5) Jumlah Kelompok, berpasangan & tidak berpasangan • Dua Kelompok Tidak Berpasangan

• Kelompok Berpasangan karena Matching

– Mengukur status gizi balita di daerah pegunungan dan daerah pesisir

– Setiap subyek dari kelompok 1 dicarikan pasangan yang match karakternya (sesuai jenis kelamin, umur, dll) untuk kelompok 2

• Dua Kelompok Berpasangan

• Kelompok Berpasangan karena desain Cross Over

– Mengukur status gizi balita pada saat awal penelitian dan akhir penelitian

– Melakukan dua intervensi pada suatu kelompok menggunakan metode cross over. Pada tahap 1, kita memebri intervensi A, dilihat hasilnya. Selanjutnya dilakukan intervensi B, dan dilihat hasilnya


11

31/01/2014

6) Uji Parametrik & Non Parametrik PARAMETRIC • • •

•

NONPARAMETRIC

hypothesis testing for continues data hasilnya lebih sensitif dan statistical powernya lebih besar Kriteria: – skala data interval- or ratio – distribusi data normal – varians data homogen Analisa dengan menggunakan nilai/angka yang sesungguhnya

• • •

hypothesis testing for categorical data hasilnya kurang sensitif dan statistical powernya lebih kecil Kriteria: – skala data nominal or ordinal, or – skala interval- or ratio, distribusi tidak normal

•

Analisa dengan menggunakan rangking, bukan nilai/angka yang sesungguhnya


Data Qualitative / Data Kategorikal / Data Diskrit SKALA VARIABEL

SIFAT

CONTOH

PENYAJIAN DATA

STATISTIK

NOMINAL

Nama/label Bukan peringkat

Golongan darah Jenis Kelamin Suku Kejadian penyakit

Proporsi, persentase Modus Resiko relatif (RR) Tidak dapat dihitung mean (rerata) Tabel Chart

Uji non parametrik: Uji tanda (sign test) Uji Chi square Uji Fischer Korelasi Spearman

ORDINAL

Pringkat dengan interval yang tidak dapat diukur

Derajat penyakit, tingkat sosial ekonomi, status gizi

Proporsi, prosentase, median, modus Tidak dapat dihitung rerata Tabel Chart

Uji non parametrik: Uji Chi square Uji Fischer Korelasi Spearman


12

31/01/2014

Data Quantitative / Data Kontinyu SKALA VARIABEL

SIFAT

INTERVAL

RATIO

CONTOH

PENYAJIAN DATA

STATISTIK

Peringkat yang dapat Suhu udara, zdiukur namun tidak score, nilai, skor IQ mempunyai nilai 0 (nol) absolut

Mean, standart deviasi, median Proporsi, presentasi Data dapat di+, di-, dix, di: Semua jenis tabel Semua jenis grafik

Uji Parametrik: Uji t, ANOVA, Korelasi, Regresi

Peringkat dengan interval yang dapat diukur dan mempunyai nilai 0 (nol) absolut

Mean, standart deviasi, median Proporsi, presentasi Data dapat di+, di-, dix, di: Semua jenis tabel Semua jenis grafik

Uji Parametrik: Uji t, ANOVA, Korelasi, Regresi

Jarak, berat, panjang/tinggi, umur


Tugas 1. Berikan contoh populasi dan berikan contoh sampel 2. Berikan contoh konsep dan contoh variabel 3. Berikan contoh skala data: 1. 2. 3. 4.

Nominal Ordinal Interval Rasio

4. Berikan contoh statistik deskriptif & statistik inferensial 5. Berikan contoh 1. 2.

dua kelompok tidak berpasangan dua kelompok berpasangan

(masing-masing 2 contoh) Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

13

31/01/2014

Selamat belajar... Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013

14

Introduction to Biostatistics

Recommend Documents