DASAR PEMILIHAN UJI STATISTIK

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

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

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

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 Bila perlu, analisis dari effect modifier

٣)

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

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

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

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

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

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

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 non- numerik

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

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

ANALISIS VARIABEL PENGGANGGU

Untuk studi observasional mengontrol efek variabel pengganggu merupakan fokus utama analisis dengan:

 Metoda Mantel-Haenszel berdasarkan

stratifikasi Modeling regresi



ANALISIS VARIABEL PENGGANGGU

Strategi memilih variabel pengganggu: _ _{dengan variabel outcome sebagai gambaran dari teori yang ada dan arah}

_{Membuat kerangka konsep untuk hubungan antara berbagai variabel}

_{ Variabel yang sejak awal telah diketahui sebagai pengganggu harus} _{dikontrol dalam analisis} dari hubungan  _eksplorasi:

_{Variabel pengganggu lainnya dapat ditemukan sebagai hasil analisis}

_{a) variabel yang berhubungan dengan outcome dan exposure namun bukan} _{memperhatikan arah dari hubungannya} _{b) berdasarkan data yang dianalisis dan pengetahuan yang ada serta setelah} sebagai penyebab antara keduanya 4) Semua variabel yang berhubungan dengan outcome diikutkan dalam regresi _penyebab _{liniar ganda (cara stepwise), kecuali yang mempunyai hubungan sebagai}

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

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

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

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

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

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.

MANFAAT STATISTIK

Memperkirakan rata2
Mengetahui dampak suatu intervensi
Dsb

JENIS STATISTIK



Statistik deskriptif: Berkaitan dengan bagaimana data dikumpulkan dan diringkas



Statistik inferensi: Berkaitan dengan analisis data dan interpretasi hasil analisis tersebut

JENIS DATA

Data kualitatif: Data kuantitatif: 



Data yang dinyatakan dalam Data yang dinyatakan dalam

bentuk bukan angka bentuk angka Contoh: jenis pekerjaan, Contoh: usia, tinggi, status perkawinan, gender, penghasilan kepuasan, dll Harus dikuantifikasikan dengan skor atau ranking

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

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

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

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

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

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

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

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)

Pemilihan uji statistik Jumlah variabel Analisis univariat Analisis multivariat

Jenis data Interval, rasio Nominal, ordinal Statistik Parametrik Statistik Non-Parametrik

Pengolahan data kuantitatif

Data interval/rasio _{Ukuran Variasi Bentuk} Mean _Median Modus ^Range ^Varians ^{Standar deviasi} _{Koefisien variasi} ^Skweness ^Kurtosis

Menguji normal tidaknya distribusi data 

Boxplot

 Stem and Leaf 

Kolmogorov-Smirnov

 Plot  Kurtosis dan skewness jika MEDIAN terletak persis di Boxplot:

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 Stem and leaf

Frequency Stem Leaf 1,00

4 2,00

00 3,00 6 000 1,00

7 1,00 Extremes

≥

10,0) 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 Plot

Detrended Normal Q-Q Normal Q-Q plot plot

Data akan tersebar di Sebagian besar data terpola sekeliling garis dekat garis tengah yang ada

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

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



Analisis statistik (inferensi)

Digunakan untuk estimasi nilai suatu



parameter populasi dan uji hipotesis statistik (Ho/Hi, signifikansi, uji satu/dua sisi, statistik tabel/uji)

Bagan statistik inferensi S tatistik P aram etrik _{Jum lah sam pel} S atu populasi Dua populasi _{atau leb ih} Uji Z Hubungan _{Uji t antar sam ple}

B eb as B erhubungan

_{Uji Z Uji t berpasangan} _{A NO V A /} _{Uji F} Uji t

DASAR PEMILIHAN UJI STATISTIK