ANALISIS DATA STATISTIK POKOK BAHASAN 1. pengukuran 2. skala pengukuran 3. analisis univariat 4. analisis bivariat 5. analisis multivariat 6. tabel analisis data statistik PENGUKURAN Syarat pengukuran Pengukuran adalah penunjunkan angka-2 pada suatu variable Pengukuran membutuhkan alat ukur/ instrumen yang standar, baik alat maupun kuesioner Pengukuran adalah mendapatkan dimensi kuantitas suatu objek, misalnya berat badan, jumlah pasien isomorfisme, yaitu ukuran harus sedekat mungkin dengan benda/ kejadian yang diukur (terkadang yang dapat diukur hanya indikatornya, berkeringat). exhaustive, yaitu pengukuran harus meliputi seluruh kemungkinan yang ada mutually exlusive, yaitu pengukuran tidak boleh tumpang tindih Skala pengukuran Skala nominal Hasil suatu pengukuran untuk analisis data dapat dibagi dalam 4 skala : skala nominal skala ordinal skala interval skala rasio merupakan tingkat pengukuran yg paling sederhana untuk klasifikasi data tidak ada asumsi jarak atau urutan antara angka-2 dasar penggolonganya mutualy exclusive & exhautive kode atau angka tak menunjukan rendah ke tinggi atau sebaliknya variabel jenis kelamin : 1= pria dan 2 = wanita warna, partai, lokasi, dsb
Skala ordinal Skala interval merupakan tingkat pengukuran yang mempunyai urutan dari rendah ke tinggi kode atau angka sekedar menunjukan urutan bukan nilai misalnya variable sikap : 3 = setuju, 2 = ragu-ragu/ tidak berpendapat, dan 1= tidak setuju pendidikan (SD, SLTP, SLTA, perguruan tinggi) memberikan informasi tentang interval antara satu kode/ angka dengan yang lain merupakan tingkat pengukuran urutan dari rendah ke tinggi misalnya variable nilai ujian : A = 86-99, B = 76-85, C = 66-75 D = 56-65 Skala ratio Hubungan antara skala pengukuran merupakan tingkat pengukuran urutan dari rendah ke tinggi memberikan informasi tentang nilai sebenarnya responden/ objek yang diukur menggambarkan interval antara kode/angka dgn nilai 0 variable nilai ujian dari 0-100 KRITERIA NOMINAL ORDINAL INTERVAL RASIO ASUMSI URUTAN - + + + ASUMSI JARAK - - + + TITIK 0 ABSOLUT - - - + Skala yg lebih tinggi dapat diubah menjadi skala yg lebih rendah, dan tidak sebaliknya. Uji statistik dilakukan untuk menentukan apakah perbedaan/hubungan yang terlihat pada sampel benar-benar ada atau kebetulan ada akibat pengambilan sampel saja Hasil uji statistik berupa: probabilitas peneliti memperoleh hasil seperti pada sampel atau lebih ekstrim jika hipotesis nol benar Probabilitas hasil penelitian sejalan dengan hipotesis nol Jika p besar maka H 0 diterima, jika p kecil H 0 ditolak Besar kecilnya probabilitas ditentukan oleh a, - probabilitas peneliti untuk menolak H 0 jika di populasi H 0 benar
Jika peneliti menolak H 0 : Dapat terjadi kesalahan tipe 1 (a), peneliti salah mengambil kesimpulan karena sebenarnya di populasi hipotesis nol benar (tidak ada hubungan) Jika peneliti menerima H 0 : Dapat terjadi kesalahan tipe 2 (b), peneliti salah mengambil kesimpulan karena di populasi hipotesis nol salah (ada hubungan) Signifikan statistik TIDAK SAMA dengan signifikan substansi karena perbedaan yg kecil dapat signifikan secara statistik karena penggunaan sampel yg besar Perlu diperhatikan dalam analisis data Membandingkan dan melakukan tes teori atau konsep dengan informasi yang ditemukan Mencari dan menemukan adanya konsep baru dari data yang dikumpulkan Mencari penjelasan apakah konsep baru ini berlaku umum, atau baru terjadi bila ada prakondisi tertentu Urutan analisis data ANALISIS UNIVARIAT Analisis univariat adalah analisis satu variabel Analisis bivariat adalah analisis hubungan 2 variabel Analisis multivariat adalah analisis hubungan lebih dari 2 variabel secara bersama dgn mengontrol variabel lain Analisis univariat adalah analisis satu variabel distribusi frekuensi nilai rerata variasi persentase Kegunaan analisis univariat Contoh analisis univariat 1. Salah satu cara melihat adanya kesalahan koding atau entry data jawaban di luar area penelitian data yang sangat ekstrim mengganggu nilai rerata data yang tidak konsisten, misalnya variabel seks pria tetapi variabel kehamilan positif jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis 2. Mendeskripsikan suatu fenomena dengan baik. 3. Perincian/ gambaran besarnya suatu fenomena 4. Petunjuk pemecahan masalah 5. Persiapan analisis bivariat atau multivariat
ANALISIS BIVARIAT Contoh analisis bivariat uji Chi-square Analisis bivariat adalah analisis hubungan 2 variabel yg dapat bersifat : (a) simetris tak saling mempengaruhi (b) saling mempengaruhi (c) variabel satu mempengaruhi variabel lain Contoh analisis bivariat uji korelasi ANALISIS MULTIVARIAT Untuk mengontrol confounder & effect modifier Jika confounder & effect modifier sudah dapat dikontrol pada tahap desain, analisis dapat lebih sederhana (non multivariat) Prinsip: model parsimonius (valid, precise & simple) TABEL ANALISIS DATA STATISTIK Contoh analisis multivariat uji regresi logistik ganda Phi-coeficient POLITOM Chi-square ORDINAL Kendall s VCT Man-whitney Kormogrof-smirnov Rank-order Ubah var. ordinal correlation jadi var. nominal Kendal s tau Gamma atau interval ke Coefficiens ordinal memakai teknik yang sesuai INTERVAL/ RATIO VARIABLE VARIABLE INDEPENDEN DEPENDEN NOMINAL ORDINAL INTERVAL/RATIO NOMINAL DIKOTOM Difference proportion test Kruskalwallis regression Logistic multiple Chi-square Friedman s Discriminant 2 way analysis Fisher s exact test Dikotom : Politom : Anova Anovainterclass t-test DVMR Dummy sign test Multiple classification U-test Cross classification Ubah ordinal jadi nominal Multiple correlation atau Multiple regression var.interval ke variabel Path-analisis ordinal memakai Partial regression teknik yang