01/27/10 1 DASAR PEMILIHAN UJI STATISTIK Saptawati Bardosono
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 Pemilihan uji statistik berdasar kepada jenis rancangan penelitian yang ingin dianalisis 01/27/10 2
PENDAHULUAN Manfaat dari perencanaan analisis: ١) Pedoman untuk menganalisis data ٢) Membantu pada saat interpretasi dan melaporkan hasil penelitian ٣) Menghasilkan analisis yang dapat menjawab pertanyaan penelitian secara jelas dan jujur 01/27/10 3
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 ٤) Bila perlu, analisis sub-kelompok 01/27/10 4
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 outcome-exposure ٣) Bila perlu, analisis dari effect modifier 01/27/10 5
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 (histogram) untuk mendapatkan data yang ekstrim 01/27/10 6
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; ٢) Dengan scatter plots, contoh antara BB dengan umur atau BB dengan TB 01/27/10 7
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 Lakukan checking untuk masing2 kelompok perlakuan 01/27/10 8
ANALISIS AWAL Distribusi dari masing2 variabel untuk: Checking ulang bahwa kesalahan telah diperbaiki Lebih mengenal karakteristik dari populasi yang diteliti Lakukan analisis awal untuk masing2 kelompok perlakuan 01/27/10 9
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 Variabel lain yang akan menjadi effect modifier (yang dapat mengubah ukuran ataupun arah dari hubungan outcome-exposure 01/27/10 10
REDUKSI DATA Sebelum melakukan analisis data secara formal, terkadang diperlukan untuk membuat variabel baru dengan mengelompokkan beberapa variabel asli Untuk variabel exposure kategorik, pengelompokkan diperlukan bila kategorinya banyak, contoh: jenis pekerjaan 01/27/10 11
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 variabel exposure numerik dengan outcome nonnumerik 01/27/10 12
REDUKSI DATA Untuk variabel exposure numerik, pengelompokkan dapat dilakukan dengan: Misalnya quintiles, untuk pengelompokkan menjadi 5 Cut-off points berdasarkan data dari penelitian terdahulu atau standar normal 01/27/10 13
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 Merupakan indikator penting pada saat dilakukan analisis untuk mengontrol variabel pengganggu 01/27/10 14
ANALISIS VARIABEL PENGGANGGU Untuk studi observasional mengontrol efek variabel pengganggu merupakan fokus utama analisis dengan: Metoda Mantel-Haenszel berdasarkan stratifikasi Modeling regresi 01/27/10 15
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 4) Semua variabel yang berhubungan dengan outcome diikutkan dalam regresi liniar ganda (cara stepwise), kecuali yang mempunyai hubungan sebagai penyebab 01/27/10 16
ANALISIS UNTUK INTERAKSI Ada tiga interaksi yang harus dibedakan: Interaksi antara variabel pengganggu Interaksi antara variabel pengganggu dengan variabel exposure yang diteliti Interaksi antara exposure2 yang diteliti 01/27/10 17
ANALISIS YANG REPRODUKTIF 1. Masukkan file data mentah ke program statistik, buat label untuk setiap variabel supaya mudah diidentifikasi, check apakah data sesuai dengan nilainya, check konsistensi antar variabel, buat variabel baru dengan recoding atau penggabungan variabel2 kemudian simpan data dalam file baru 01/27/10 18
ANALISIS YANG REPRODUKTIF 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 melakukan analisis univariabel 01/27/10 19
ANALISIS YANG REPRODUKTIF 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 5. Buat tabel final untuk laporan penelitian 01/27/10 20
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 menghasilkan hubungan yang lebih bermakna dengan variabel outcome 01/27/10 21
APA ITU STATISTIK Statistik merupakan kegiatan untuk: Mengumpulkan data Meringkas/menyajikan data Menganalisis data dengan metoda tertentu Menginterpretasi hasil analisis tersebut. Ilmu statistik berguna untuk membantu dalam pengambilan keputusan atas masalah tertentu. 01/27/10 22
MANFAAT STATISTIK Memperkirakan rata2 Mengetahui hubungan antar variabel2 Mengetahui dampak suatu intervensi Dsb 01/27/10 23
JENIS STATISTIK Statistik deskriptif: Berkaitan dengan bagaimana data dikumpulkan dan diringkas Statistik inferensi: Berkaitan dengan analisis data dan interpretasi hasil analisis tersebut 01/27/10 24
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 Contoh: usia, tinggi, penghasilan 01/27/10 25
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 Cirinya: posisi setara dan tidak bisa dilakukan operasi matematika 01/27/10 26
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 sangat tidak puas, diberi tanda 5 Cirinya: posisi tidak setara dan tidak bisa dilakukan operasi matematika 01/27/10 27
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 Cirinya: tidak ada kategorisasi dan bisa dilakukan operasi matematika 01/27/10 28
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 Cirinya: tidak ada kategorisasi dan bisa dilakukan operasi matematika 01/27/10 29
JENIS DATA VERSUS UJI STATISTIK Jenis data akan mempengaruhi pemilihan prosedur statistik yang akan digunakan: Data kuantitatif akan menggunakan prosedur statistik parametrik; Data kualitatif cenderung mengarah pada statistik non-parametrik 01/27/10 30
Pengolahan Data Statistik Statistik parametrik, berhubungan dengan inferensi statistik yang membahas parameter2 populasi, seperti rata2, proporsi, dll. Cirinya: jenis data interval atau rasio, serta distribusi data (populasi) adalah normal atau mendekati normal 01/27/10 31
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 atau bisa disebut tidak normal 01/27/10 32
Pengolahan Data Statistik Analisis univariat, di mana hanya ada satu pengukuran (variabel) untuk n sampel (Alat analisis: uji t, uji F< ANOVA dsb) Analisis multivariat, di mana ada dua atau lebih pengukuran untuk n sampel (Alat analisis: regresi, korelasi dsb) 01/27/10 33
Pemilihan uji statistik Jumlah variabel Analisis univariat Analisis multivariat Jenis data Interval, rasio Nominal, ordinal Statistik Parametrik Statistik Non-Parametrik 01/27/10 34
Pengolahan data kuantitatif Data interval/rasio Ukuran Variasi Bentuk Mean Range Skweness Median Varians Kurtosis Modus Standar deviasi Koefisien variasi 01/27/10 35
Menguji normal tidaknya distribusi data Boxplot Stem and Leaf Kolmogorov-Smirnov Plot Kurtosis dan skewness 01/27/10 36
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 Persentile (75) disebut HINGES Nilai di bawah garis ini adalah outlier atau nilai ekstrem 01/27/10 37
Stem and leaf Frequency Stem Leaf 1,00 4 0 2,00 5 00 3,00 6 000 1,00 7 0 1,00 Extremes 10,0) 01/27/10 38
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 Menikah 0,215 40 0,000 0,907 40 0,019 01/27/10 39
Plot Normal Q-Q plot Detrended Normal Q-Q plot Data akan tersebar di sekeliling garis Sebagian besar data terpola dekat garis tengah yang ada 01/27/10 40
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 skewness 01/27/10 41
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) Deskripsi data: rata2, SD, varians, range 01/27/10 42
Analisis statistik (inferensi) Digunakan untuk estimasi nilai suatu parameter populasi dan uji hipotesis statistik (Ho/Hi, signifikansi, uji satu/dua sisi, statistik tabel/uji) 01/27/10 43
Bagan statistik inferensi S tatistik Param etrik Jumlah sampel Satu populasi Dua populasi atau lebih Uji Z Uji t Hubungan antar sam ple Bebas B erhubungan Uji Z Uji t ANOVA/ Uji F Uji t berpasangan 01/27/10 44