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 OBSERVASIONALSeringkali 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 sebagaiANALISIS 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 hubungan antar variabel2
- 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 rankingJENIS 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 KurtosisMenguji 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
5
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