• Tidak ada hasil yang ditemukan

PENGANTAR BIOSTATISIK SAPTAWATI BARDOSONO

N/A
N/A
Protected

Academic year: 2021

Membagikan "PENGANTAR BIOSTATISIK SAPTAWATI BARDOSONO"

Copied!
37
0
0

Teks penuh

(1)

SAPTAWATI BARDOSONO

PENGANTAR BIOSTATISIK

(2)

PERKENALAN

 Perkuliahan 14 tatap muka @ 1 jam

 Diskusi kelompok 14 kali @ 1 jam

 Praktikum statistik 2 kali @ 4 jam

 Penanggungjawab mata ajaran:

 Saptawati Bardosono

 Departemen Ilmu Gizi FKUI

 0817149629

 <[email protected]>

(3)

PERKENALAN

 Narasumber:

 Joedo Prihartono (Kedokteran Komunitas)

 Muchtaruddin Mansyur (Kedokteran Komunitas)

 Soedigdo Sastroasmoro (Kesehatan Anak)

 Bambang Sutrisna (Kesehatan Masyarakat)

 Saptawati Bardosono (Gizi)

 Evaluasi:

 Ujian tulis (esai)

 Penugasan individual (laporan rencana analisis data: Judul penelitian, hipotesis, rancangan studi, variabel dependen dan independen, rencana analisis data)

 Penugasan kelompok (laporan hasil diskusi kelompok per-

topik)

(4)

Laporan

Rencana Analisis Data

 Nama mahasiswa: _________________

 Judul penelitian: ___________________

 Hipotesis: ________________________

 Rancangan penelitian: ______________

 Variabel dependen: ________________

 Variabel independen: _______________

_________________________________

 Rencana analisis data: ______________

_________________________________

(5)

PERKENALAN

 Topik perkuliahan dan diskusi kelompok:

1. Strategi analisis dan Kaitan analisis dengan rancangan penelitian

2. Uji statistik multivariat dan regresi ganda

3. Analisis faktor dan analisis kluster

4. Analisis poison dan analisis diskriminan

5. GLM dan MANOVA

6. Regresi logistik dan kontrol perancu-interaksi

7. Analisis kesintasan dan analisis regresi untuk

kesintasan

(6)

1. STRATEGI ANALISIS

 Pada semua penelitian tidak ada satupun analisis atau jawaban yang 100% benar

 Tantangan bagi peneliti adalah melakukan analisis data yang dapat menjawab pertanyaan penelitian sejelas-

jelasnya dan sejujur-jujurnya

 Perlu dilakukan:

 Rencana analisis

 Data checking

 Analisis awal

 Kontrol perancu dan interaksi

 Analisis data yang dapat diulang-ulang

 Masalah saat analisis dan interpretasi

(7)

1. KAITAN ANALISIS DENGAN RANCANGAN PENELITIAN

 Bagaimana caranya mengkaitkan analisis dengan rancangan studi:

 Rancangan RCT

 Efek intervensi

 Rancangan cross-sectional dan longitudinal

 Rancangan case-control

(8)

2. ANALISIS MULTIVARIAT

 Melakukan analisis data terhadap lebih dari dua variabel pada setiap subyek

 Merupakan perluasan dari uji univariat (uji t) atau uji bivariat (uji korelasi dan regresi sederhana)

 Prasyarat:

 Pengujian menggunakan grafik untuk uji normalitas distribusi data

 Pengujian adanya missing data

 Pengujian adanya outlier

 Pengujian asumsi lainnya: uji normalitas data, uji

linearitas dll

(9)

2. REGRESI GANDA

 Memprediksi besar variabel tergantung dengan menggunakan data variabel bebas yang sudah diketahui jumlahnya

 Syarat:

 Data kuantitatif

 Bila data kualitatif, diperlakukan sebagai variabel

dummy

(10)

2. REGRESI GANDA

Contoh:

 Peneliti ingin mengetahui efek gabungan dari

usia, tinggi badan dan jenis kelamin terhadap

variasi nilai FEV-1 (forced expiratory volume

dalam 1 detik) pada anak yang diukur dengan

spirometer

(11)

2. REGRESI GANDA

FEV-1 Coefficient Std err t P > [t] 95%CI

Age 0.0946 0.0152 6.23 0.000 0.0648 smp 0.1244

Height 0.0246 0.0018 14.04 0.000 0.0211 smp 0.0280

Male 0.1213 0.0176 6.90 0.000 0.0868 smp 0.1559

Constant -2.360 0.1750 -13.49 0.000 -2.704 smp

-2.0166

(12)

3. ANALISIS FAKTOR

 Mencoba menemukan hubungan antar sejumlah variabel yang saling independen satu dengan

yang lain sehingga bisa dibuat satu atau

beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal

 Tujuannya:

 Mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi

 Membuat sebuah variabel set baru (faktor) untuk

menggantikan sejumlah variabel tertentu

(13)

3. ANALISIS FAKTOR

 Syarat:

 Jumlah sampel 10 subyek / variabel

 Korelasi bermakna dan Besar korelasi antar variabel

independe harus kuat (>0,5)

(14)

3. ANALISIS KLUSTER

 Tujuannya untuk mengelompokkan subyek berdasarkan kesamaan katakteristiknya

 Syarat:

 Homogenitas yang tinggi antar anggota dalam kluster

 Heterogenitas yang tinggi antar kluster

 Bedanya dengan analisis faktor:

 Analisis faktor untuk mereduksi variabel (kolom)

 Analisis kluster untuk mengelompokkan isi variabel

(baris)

(15)

3. ANALISIS KLUSTER

Contoh:

 Penelitian ingin mengevaluasi efek dari zat aktif X dalam air minum terhadap kejadian (rate)

karies gigi

 832 anak sekolah di 8 lokasi berbeda (kluster)

diikuti sampai mereka membutuhkan perawatan

gigi

(16)

3. ANALISIS KLUSTER

Lokasi Anak butuh perawatan gigi

anak- tahun

Rate per-100 anak-tahun

Jumlah zat aktif (1000*ppm)

1 46 456.3 10.08 7.1

2 19 215.1 8.83 7.6

3 17 487.8 3.49 8.2

4 46 459.9 10.00 5.4

5 15 201.2 7.46 8.4

6 20 187.7 10.66 6.8

7 58 399.1 10.53 6.2

8 20 212.5 9.41 8.9

(17)

4. ANALISIS POISON

 Tujuannya untuk analisis rate untuk estimasi rate ratio membandingkan kelompok paparan yang berbeda (mirip regresi logistik yang membandingkan OR dari kelompok paparan yang berbeda)

 Sehingga bisa digunakan untuk:

 Membandingkan rate antara 2 kelompok paparan/intervensi atau lebih

 Menentukan efek dari variabel paparan

 Kontrol efek perancu dari 1 atau lebih variabel

 Estimasi dan kontrol efek paparan2 yang berubah dari

waktu ke waktu

(18)

4. ANALISIS POISON

Contoh:

 Penelitian tentang faktor risiko penyakit jantung

mengikutsertakan 1786 laki-laki usia 43-61 tahun saat pertama kali diperiksa untuk kemudian diikuti selama 19 tahun sampai terjadinya infark miokard atau kematian karena penyakit jantung)

 Ada 990 subyek perokok aktif dan 796 tidak pernah

merokok atau eks-perokok

(19)

4. ANALISIS POISON

Perokok aktif awal penelitian

Infark miokard Orang-tahun berisiko

Rate per-1000 orang-tahun

Ya (terpapar) 230 13.978 230/13.978 =

16,98 Tidak (tidak

terpapar)

118 12.183 118/12.183 =

9,68

Jumlah 348 26.161 348/26.161 =

13,30

(20)

4. ANALISIS DISKRIMINAN

 Mirip dengan analisis regresi namun variabel dependen berupa data kategori dan variabel independen berupa data non-kategori

 Tujuan:

 Mengetahui perbedaan yang ada antar kelompok variabel dependen

 Variabel independen mana yang membedakan antar kelompok

 Membuat model diskriminan

(21)

5. GENERAL LINEAR MODEL

 Mirip ANOVA namun variabel dependen dan independen (kovariat) keduanya adalah data rasio

 Bila variabel independen bukan data rasio, maka

disebut faktor

(22)

5. MANOVA

 Mirip ANOVA namun variabel dependen lebih

dari satu dengan variabel independen yang

berskala rasio sebagai kovariat dan yang

berskala kategorik sebagai faktor

(23)

6. REGRESI LOGISTIK

 Memprediksi besar variabel tergantung yang berupa variabel binari (ya-tidak) dengan

menggunakan variabel bebas yang sudah

diketahui besarnya, sehingga dapat digunakan untuk:

 Membandingkan variabel efek antara 2 kelompok paparan/intervensi atau lebih

 Menentukan efek dari variabel paparan

(24)

7. ANALISIS KESINTASAN

 Untuk studi longitudinal yang mengikuti subyek sampai timbulnya kejadian tertentu (diagnosis penyakit atau dimulainya pengobatan), misal:

 Risiko kematian setelah operasi jantung

 Timbul kembalinya tumor setelah diagnosis dan

pengobatan kanker payudara

(25)

7. ANALISIS

KESINTASAN_REGRESI

 Regresi Cox (proportional hazards regression)

 Non-proportional hazard regression

(26)

SAPTAWATI BARDOSONO 2008

STRATEGI ANALISIS

(27)

RENCANA ANALISIS

Studi RCT:

 Definisi operasional dari outcome primer dan sekunder

 Uji statistik yang akan digunakan:

 Karakteristik subyek di awal penelitian

 Membandingkan kelompok intervensi terkait data awal penelitian

 Analisis outcome primer (ITT)

 Analisis ulang dengan kontrol terhadap data awal

 Analisis sub-kelompok

 Analisis efek samping dan adverse outcome

 Analisis outcome sekunder

(28)

RENCANA ANALISIS

Studi Observasi:

 Seringkali sulit untuk membuat rencana analisis secara lengkap

 Analisis disesuaikan dengan hipotesis utama dan hipotesis tambahan (definisi variabel dependen dan independen)

 Analisis variable perancu dan interaksi

(29)

MASALAH ANALISIS &

INTERPRETASI HASIL

 Data dredging, mencoba semua kemungkinan analisis hubungan dengan variabel outcome

 Menonjolkan hasil yang menarik yang tidak direncanakan

 Merubah pengelompokan variabel paparan hanya supaya bermakna

=> Analisis harus dapat menjawab pertanyaan

penelitian dengan sejelas-jelasnya dan sejujur-

jujurnya

(30)

SAPTAWATI BARDOSONO 2008

KAITAN ANALISIS DENGAN

RANCANGAN PENELITIAN

(31)

Randomized controlled trial

 Analisis variabel baseline

 ITT = intention to treat

 Penyesuaian variabel baseline

 Analisis sub-kelompok

 Rancangan cross-over

 Cluster randomized trial

(32)

Jenis rancangan lain

 Pre-post comparison

 Intervention-control comparison

 Adopters versus non-adopters comparison

(33)

Rancangan Cross-sectional

 Untuk pengukuran prevalens

 Hubungan antara variabel2 yang diteliti

(34)

Rancangan Longitudinal

 Untuk pengukuran insidens

 Mengikuti variabel secara monitoring terus- menerus:

 Retrospektif

 Prospektif

 Cross-sectional berulang

(35)

Analisis untuk studi observasi

 Bergantung pada:

 Data paparan:

 Binari

 Kategorik

 Kategorik-ordinal

 Numerik

 Kontrol perancu

 Bergantung pada:

 Data efek:

 Numerik

 Binari

 Rate

 survival

(36)

Rancangan Longitudinal

 Bergantung dari teknik sampling:

 Acak sederhana

 Sistematik

 Strata

 Bertingkat

 Berdasar waktu

(37)

Rancangan Kasus-kontrol

 Kelompok tidak berpasangan (random)

 Kelompok berpasangan:

 Stratum

 Individual:

 1 kontrol per kasus

 Beberapa kontrol per kasus

 Dengan paparan tunggal

 Kontrol variabel perancu

Referensi

Dokumen terkait

Berdasarkan analisis dan hasil analisis yang telah dilakukan pada wajib pajak pegawai tetap yang beragama islam yang telah melakukan perhitungan zakat profesi

1) Dari atas ke bawah dalam satu golongan jari-jari atom bertambah sehingga daya tarik inti terhadap elektron terluar semakin kecil. Elektron semakin mudah dilepas

ikut diperhitungkan, maka fungsi FN akan menghancurkan lintasannya, itupun bila dalam 4 ronde memiliki peluang yang lebih besar dari pada 2 -128. Dengan rotasi 1 bit pada

Salah satu penyebabnya adalah karena masyarakat Desa Tikong merupakan kesatuan masyarakat hukum adat dan agraris, yaitu masyarakat yang mempunyai keterkaitan

Berdasarkan analisa dan hasil pengujian sistem pendeteksi kesegaran ikan Bandeng menggunakan citra, dapat ditarik kesimpulan sebagai berikut. a) Bahwa dari hasil

Data hasil pengujian pada gambar 4.4 menunjukkan setiap bit 1 dengan polaritas yang berlawanan dan bit 0 yang tidak lebih dari 3 dengan level tegangan 0 atau berada tepat pada

Kriteria utama yang dapat digunakan adalah, antara lain: (a) Jurusan/Departemen yang benar- benar memerlukan pengembangan kapasitas institusi karena ketertinggalannya