BAB Ill SUMBER DATA DAN METODA ANALISA

Transkripsi

1 BAB ll SUMBER DATA DAN METODA ANALSA. SUMBER DATA Data yang digunakan merupakan data sekunder dari hasil penelitian Bantas (998) dengan populasi murid Sekolah Dasar kelas hingga 5 penderita asma, kecamatan Cipayung, wilayah Jakarta Tirnur. Tahap pertama seluruh siswa dari 58 sekolah ditentukan kondisi berpenyakit asma pada setiap anak, melalui responden yang diberikan pada orang tua wali anak. Hasil tersebut menjaring populasi 879 anak penderita asma yang terdiri dari 479 laki-laki dan 400 perempuan. Data contoh acak ukuran 334 anak dipilih secara acak sempurna. Pengamatan terhadap frekuensi serangan asma diamati selama 6 bulan berjaian kedepan dengan melakukan pemeriksaan terjadinya serangan pada tiap minggunya. Frekuensi serangan asma dihitung jumlahnya selama 6 bulan, dan dikategorikan dalam 3 kelompok yaitu :. Frekuensi ringan (0 - kali serangan dalam 6 bulan ).. Frekuensi sedang ( - 4 kali serangan dalam 6 bulan ). 3. Frekuensi sering ( lebih dari 4 kali serangan dalam 6 bulan ).. Peubah penjelas yang diperkirakan mempengaruhi terjadinya serangan asma ditetapkan sebanyak peubah. Pengamatan untuk peubah penjelas dilakukan rnelalui wawancara pada wali murid. Tabel dibawah adalah daftar peubah penjelas dan respon, disertai kategori dan tipe peubah.

2 Frekuensi serangan Peubah penjelas : Tipe kasur Perokok dikeluarga Tabel. Kategori dan kode kategori peubah KATEGOR Ringan Sedang Berat Bukan kapuk Kapuk KODE TlPE Hewan peliharaan Tak ada Burung / anjingt kucing Lebih dari jenis hewan Tipe lantai rumah Ubin Semen Tanah Usia Kasur < tahun - 5 tahun > 5 tahun Frekuensi jemur kasur bulan Olahraga Jenis kelamin > x lbulan - x bulan < bulan Ya tidak Perempuan Laki-laki Atopic dikeluarga Frekwensi ganti sprei minggu > 4 x bulan - 4 x/ bulan < x bulan 3 Bahan bakar masak Bukan kayu bakar Kayu bakar Karpet Tidak Ya

3 . METODA ANALSA Dalarn penelitian ini digunakan program demo Knowledge Seeker V (997) yang dirancang khusus untuk eksplorasi data dengan rnenggunakan rnetoda CHAlD dan CHAlD exhaustive. Program demo hanya dapat rnenganalisa 0 peubah. Mengatasi ha tersebut dilakukan reduksi peubah tak signifikan rnenggunakan uji Chi-kuadrat. Peubah yang dikeluarkan adalah "frekwensi ganti sprel', "olahraga" dan "bahan bakar masak". Berikut dibawah uraian algoritma untuk masing-masing rnetoda. Algoritma CHAlD :. Pilih peubah penjelas Xq dengan kategori c lebih dari dua.. Buat sub tabulasi silang ( x d ), d = jurnlah kategori peubah respon. Jika statistik uji bernilai lebih kecil dari nilai kritis ( X (d.l:.) ), kedua kategori digabungkan. Ulangi langkah ini hingga sernua subtabel ( x d ) rnernpunyai statistik uji rnelarnpaui nilai kritis ( X(d.,: : ). Keadaan ini rnereduksi c kategori peubah penjelas rnenjadi r kategori. 3. Pada setiap peubah penjelas dengan tabulasi silang ukuran r x d atau c x d (penjelas tak tereduksi ), tentukan tingkat kesalahan tipe [a, j. 4. Bila kategori direduksi rnenjadi r kategori, tingkat signifikan peubah penjelas Xq adalah a? = a, dikalikan koefisien Bonferroni sesuai dengan skala peubah penjelas tersebut. 5. Peubah penjelas signifikan adalah penjelas dengan tingkat signifikan a* = rnin,(a:) 6. Lakukan pernisahan biner pada gugus data atas dasar kategori dalarn peubah \

4

5 pada kategori serupa, jika tidak ada kategori yang serupa maka kategori tersebut dikeluarkan dari peubah penjelas sebagai data missing. 7. Nilai penyesuaian Bonferroni yang digunakan adalah koefisien Bonferroni untuk penjelas ordinal tetapi jika kategori mengambang digabungkan, gunakan penyesuaian Bonferroni untuk kategori mengambang. 8. Lakukan prosedur diatas pada sub gugus data, dan lanjutkan prosedur diatas pada sub-sub gugus data hingga tak ada peubah yang signifikan sebagai penyekat lagi. Perhitungan koefisien Bonferroni ditentukan oleh pengguna program sesuai dengan rumus diberikan pada masing - masing prosedur dan dihitung menurut tipe peubah dan jumlah kategori masing-masing. Hasil perhitungan koefisien Bonferonni untuk masing-masing metoda disajikan pada tabel dibawah : Tabel. Koefisien Bonferonni untuk CHAlD dan CHAlD exhaustive tipe jumlah CHAlD ] CHAlD peubah kategori exhaustive r'm.: nominal