DASAR PEMILIHAN UJI STATISTIK

(1)

01/27/10 1

(2)

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

(3)

PENDAHULUAN

Manfaat dari perencanaan analisis:

١) Pedoman untuk menganalisis data

٢) Membantu pada saat interpretasi dan

melaporkan hasil penelitian

٣) Menghasilkan analisis yang dapat

(4)

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

(5)

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

(6)

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

(7)

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;

(8)

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

(9)

ANALISIS AWAL

Distribusi dari masing2 variabel untuk:

 Checking ulang bahwa kesalahan telah diperbaiki

 Lebih mengenal karakteristik dari populasi yang diteliti

(10)

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

(11)

REDUKSI DATA

Sebelum melakukan analisis data secara formal, terkadang diperlukan untuk membuat variabel baru dengan

mengelompokkan beberapa variabel asli

(12)

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

(13)

REDUKSI DATA

Untuk variabel exposure numerik,

pengelompokkan dapat dilakukan dengan:

 Misalnya quintiles, untuk pengelompokkan menjadi 5

 Cut-off points berdasarkan data dari

(14)

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

(15)

ANALISIS VARIABEL PENGGANGGU

Untuk studi observasional mengontrol efek variabel pengganggu merupakan fokus utama analisis dengan:

 Metoda Mantel-Haenszel berdasarkan stratifikasi

(16)

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

(17)

ANALISIS UNTUK INTERAKSI

Ada tiga interaksi yang harus dibedakan:

 Interaksi antara variabel pengganggu

 Interaksi antara variabel pengganggu dengan variabel exposure yang diteliti

(18)

ANALISIS YANG REPRODUKTIF

1. Masukkan file data mentah ke program statistik, buat label untuk setiap variabel supaya mudah diidentifikasi, check

(19)

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

(20)

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

(21)

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

(22)

APA ITU STATISTIK

Statistik merupakan kegiatan untuk:

 Mengumpulkan data

 Meringkas/menyajikan data

 Menganalisis data dengan metoda tertentu

 Menginterpretasi hasil analisis tersebut.

(23)

MANFAAT STATISTIK

 Memperkirakan rata2

(24)

JENIS STATISTIK

 Statistik deskriptif: Berkaitan dengan

bagaimana data dikumpulkan dan diringkas

 Statistik inferensi: Berkaitan dengan

(25)

JENIS DATA

 Data kualitatif:

Data yang dinyatakan dalam bentuk bukan angka

Contoh: jenis pekerjaan,

status perkawinan, gender, kepuasan, dll

Harus dikuantifikasikan

dengan skor atau ranking

 Data kuantitatif:

Data yang dinyatakan dalam bentuk angka

(26)

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

(27)

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

(28)

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

(29)

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

(30)

JENIS DATA VERSUS UJI STATISTIK

Jenis data akan mempengaruhi pemilihan prosedur statistik yang akan digunakan:

Data kuantitatif akan menggunakan prosedur statistik parametrik;

(31)

Pengolahan Data Statistik

Statistik parametrik, berhubungan dengan inferensi statistik yang membahas

parameter2 populasi, seperti rata2, proporsi, dll.

(32)

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

(33)

Pengolahan Data Statistik

Analisis univariat, di mana hanya ada satu pengukuran (variabel) untuk n sampel

(Alat analisis: uji t, uji F< ANOVA dsb)

(34)

Pemilihan uji statistik

Jumlah variabel

Analisis univariat Analisis multivariat

Jenis data

Interval, rasio Nominal, ordinal

(35)

Pengolahan data kuantitatif

Data interval/rasio

Ukuran Variasi Bentuk

(36)

Menguji normal tidaknya

distribusi data

Boxplot

Stem and Leaf

Kolmogorov-Smirnov

Plot

(37)

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

(38)

Stem and leaf

Frequency Stem Leaf

1,00 4 0

2,00 5 00

3,00 6 000

1,00 7 0

(39)

Kolmogorov-Smirnov dan Shapiro Wilk, bila nilai signifikansi < 0,05 maka distribusi adalah tidak normal

Kolmogorov-smirnov Shapiro-Wilk

Usia Statistik Df Sig. Statistik Df Sig

Belum menikah

0,176 35 0,008 0,926 35 0,033

(40)

Plot

Normal Q-Q plot Detrended Normal Q-Q

(41)

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

(42)

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)

(43)

Analisis statistik (inferensi)

Digunakan untuk estimasi nilai suatu parameter populasi dan uji hipotesis

(44)

Bagan statistik inferensi

S tatistik P aram etrik

Uji Z Uji t

S atu populasi

Uji Z Uji t A NO V A /

Uji F B eb as

Uji t berpasangan B erhubungan Hubungan

antar sam ple Dua populasi