• Tidak ada hasil yang ditemukan

SILABUS MATA AJARAN STATISTIK KESEHATAN (KMB 207)

N/A
N/A
Protected

Academic year: 2023

Membagikan "SILABUS MATA AJARAN STATISTIK KESEHATAN (KMB 207)"

Copied!
5
0
0

Teks penuh

(1)

DEPARTEMEN BIOSTATISTIKA & KEPENDUDUKAN FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS INDONESIA

Telp: (62-21) 786 3473 Fax: (62-21) 787 1636

SILABUS MA: MANAJEMEN & ANALISIS DATA-2

Prasyarat: MANAJEMEN & ANALISIS DATA-1 Hari/Jam : Jumat, 13.00--14.40

Hari/Jam : Jumat, 15.00--16.40

Bobot : 2 SKS

Ruangan : Lab Komputer A3 Penanggung jawab: Besral

Pengajar : 1. Besral Tujuan Mata Ajaran

Tujuan Umum:

Pada akhir mata ajaran diharapkan para mahasiswa mampu memahami konsep manajemen data dan analisis data multivariabel. Dan mampu menerapkan pengolahan dan analisis data secara multivariate di bidang kesehatan

Tujuan Khusus:

• Trampil menggunakan aplikasi komputer untuk manajemen & analisa data

• Mampu melakukan analisa data secara bivariat dan multivariate

• Mampu melakukan penyajian & interpretasi data menjadi suatu informasi

• Mampu melakukan analisis regresi linier ganda dan interpretasi hasil/asumsinya

• Mampu melakukan analisis stratifikasi

(2)

• Mampu melakukan analisis regresi logistik ganda dan interpretasinya

• Mampu melakukan analisis regresi logistik ganda (conditional) dan interpretasinya (untuk S2)

• Mampu melakukan analisis regresi cox ganda dan interpretasinya (jika ada waktu)

• Mampu melakukan analisis regresi cox ganda (time dependent) dan interpretasinya (jika ada waktu)

METODE PENGAJARAN:

ƒ Kuliah tatap muka dan diskusi: 40 menit setiap minggu

ƒ Praktikum/Aplikasi komputer: 40 menit setiap minggu

ƒ Tugas rumah :

MONITORING & EVALUASI:

ƒ Absensi : Kehadiran minimal 70%

ƒ Kejujuran : 100%

ƒ Praktikum/Tugas : 20%

ƒ Ujian tengah semester (UTS) : 40%

ƒ Ujian akhir semester (UAS) : 40%

ƒ Kriteria lulus : Nilai Total > 60 (Range 1—100)

ƒ Tidak ada ujian perbaikan

Kepustakaan:

1. Kleinbaum DG, Kupper LL, Muller KE. Applied Regression Analysis and Other Multivariate Variable Metods. PWS-KENT Publishing Company Boston. 1988

2. Kleinbaum DG. Logistic Regression: A Self Learning Text.

Springer-Verlak New York, Inc. 1998

3. Kleinbaum DG. Survival Analysis: A Self Learning Text.

Springer-Verlak New York, Inc. 1996

4. SPSS. SPSS Base 10: Application Guide. SPSS Inc. 1999

(3)

No Topik Uraian Topik Metode Jadwal

1. Pengantar ƒ Perkenalan/Penjelasan Silabus

ƒ Ruang lingkup manajemen data-2

Ceramah Diskusi

(CD)

2. Pemahaman perlunya Analisis Multivariat

ƒ Konsep Hubungan secara statistik

ƒ Konsep Hubungan sebab-akibat

ƒ Konsep penyebab yang multifaktor

CD

3. Analisis Stratifikasi (Analisis data kategorik)

ƒ Konsep analisis stratifikasi

ƒ Konsep Interaksi (bersinergi +/-)

ƒ Konsep Konfounding (pengganggu)

TUGAS-1: Analisis Stratifikasi

Ceramah/

Diskusi/

Praktek (CDP)

4. Pengantar

Regresi Logistik (Analisis data kategorik)

ƒ Konsep Regresi Logistik

ƒ Aplikasi Regresi Logistik Sederhana

ƒ Aplikasi Regresi Logistik Ganda TUGAS-2: Analisis Regresi Logistik

CDP

5. Interpretasi output regresi logistik

Interpresti hasil uji regresi logistik:

ƒ Interpretasi variabel dikotom (2 kategori)

ƒ Interpretasi variabel continous

ƒ Interpretasi variabel categorical (lebih dari 2 kategori)

TUGAS-3: Analisis Regresi Logistik

CDP

6. Aplikasi

Pemodelan ƒ Langkah-langkah pembuatan model prediksi regresi logistik

CDP

(4)

Regresi Logistik ganda

ƒ Uji likelihood ratio vs Uji wald

ƒ Model Prediksi regresi logistik TUGAS-4: Model Prediksi

7. Aplikasi Pemodelan Regresi Logistik

ƒ Langkah-langkah pembuatan model faktor risiko regresi logistik

ƒ Model Faktor Risiko regresi logistik

TUGAS-5: Model Faktor Risiko

CDP

8 UTS Bahan kuliah sesi No. 1 s/d 7 Teori &

Prakt ek

9. Pengantar Regresi Linier (Analisis data numerik)

ƒ Konsep Regresi Linier

ƒ Regresi Linier Sederhana

ƒ Regresi Linier Ganda

TUGAS-6: Analisis Regresi Linier

CDP

10. Interpretasi output regresi Linier

ƒ Interpretasi variabel dikotom

ƒ Interpretasi variabel continous

ƒ Interpretasi variabel categorical TUGAS-7: Analisis Regresi Linier

CDP

11. Aplikasi Pemodelan Regresi Linier

ƒ Langkah-langkah pembuatan model regresi Linier ganda

ƒ Asumsi regresi linier

ƒ Model regresi Linier (prediksi) TUGAS-8: Analisis Regresi Linier

CDP

12. Analisis Survival (Metode Kaplan Meier)

ƒ Konsep Analisis survival

ƒ Analisis Kaplan Meier

ƒ Interpretasi analisis Kaplan Meier TUGAS-9: Analisis Kaplan Meier

CDP

(5)

13. Analisis Survival (Metode Life

Table)

ƒ Analisis survival Life Table

ƒ Interpretasi analisis survival Life Table

TUGAS-10: Analisis survival Life Table (SPSS)

CDP

14. Analisis survival (Regresi Cox Proportional hazard)

ƒ Konsep Analisis regresi cox

ƒ Interpretasi analisis regresi cox TUGAS-11: Analisis regresi cox

CDP

15 Analisis survival (Regresi Cox time-dependent)

ƒ Uji Asumsi analisis survival (proportional hazard)

ƒ Konsep Analisis regresi cox time dependent

ƒ Interpretasi analisis regresi cox time dependent

(non-proportional hazard cox regression)

TUGAS-12: Analisis regresi cox time dependent

CDP

16. UAS Bahan kuliah sesi No. 9 s/d 15 Praktek Bahan di email ke:

[email protected]

Referensi

Dokumen terkait