analisis data-ichwanuddin-jurusan gizi poltekkes bandung
TRANSCRIPT
Parametrik P a g e - 1
UJI NORMALITAS DATATujuan : untuk menguji apakah data terdistribusi normal atau tidak. Dikatakan data terdistribusi
normal bila sebaran datanya mengikuti pola bell-shaped.
Kegunaan untuk menentukan jenis analisis yang akan digunakan (parametrik atau non parametrik)
Prosedur Analisis : Analyze Descriptive Statistics Explore Plots
Hasil analisis dan interpretasi
Case Processing Summary
69 100.0% 0 .0% 69 100.0%Skor Konsentrasi PretestN Percent N Percent N Percent
Valid Missing Total
Cases
Descriptives
87.86 3.128
81.61
94.10
88.75
90.00
674.949
25.980
19
143
124
33
-.646 .289
.692 .570
Mean
Lower Bound
Upper Bound
95% ConfidenceInterval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Skor Konsentrasi PretestStatistic Std. Error
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 2
Uji normalitas data menggunakan test “Kolmogorov Smirnof”
Ho : Data pretest konsentrasi belajar terdistribusi normal Ha : Data pretest konsentrasi belajar terdistribusi tidak normal
Pengambilan keputusan : p ≤ (=0,05) Ho ditolakp > (=0,05) Ho diterima
Tests of Normality
.081 69 .200* .961 69 .030Skor Konsentrasi PretestStatistic df Sig. Statistic df Sig.
Kolmogorov-Smirnova
Shapiro-Wilk
This is a lower bound of the true significance.*.
Lilliefors Significance Correctiona.
Hasil analisis didapatkan nilai probabilitas (sig)=0,200 bandingkan dengan nilai .Keputusan :
Nilai p (sig)=0,200 > (0,05) Ho diterima
Kesimpulan Data pretest konsentrasi belajar terdistribusi normal
Visualisasi :
Q-Q Plot sebaran data ada disekeliling garis (nilai-z) Detrended Normal Q-Q plot sebaran data ada disekeliling garis (nilai-z)
1501209060300
Observed Value
4
2
0
-2
-4
Ex
pe
cte
d N
orm
al
Normal Q-Q Plot of Skor Konsentrasi Pretest
1501209060300
Observed Value
0.2
0.0
-0.2
-0.4
-0.6
-0.8
De
v f
rom
No
rma
l
Detrended Normal Q-Q Plot of Skor Konsentrasi Pretest
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 3
Skor Konsentrasi Pretest
150
120
90
60
30
0
48
STATISTIK PARAMETRIK Berhubungan dengan inferensi statistik (pengambilan keputusan atas masalah tertentu) yang
membahas parameter-parameter populasi, seperti rata-rata, populasi dsb. Skala data yang digunakan Interval dan Rasio Jenis data yang digunakan Numerik dan Kategori Distribusi data (populasi) adalah normal Jumlah sampel cukup besar (n>30)
JENIS UJI PARAMETRIK (BIVARIAT)
No Jenis Nama uji Jenis DataVar Independen Var Dependen
1 Uji 1 kelompok sampel Uji- Z atau Uji-t (numerik)2 Uji 2 kelompok sampel Uji-t Independen & Uji-t dependen kategori numerik3 Uji > 2 kelompok sampel Uji Anova (one way) kategori numerik4 Uji Korelasi Regresi Linier
SederhanaProduct Moment Correlation (Korelasi Pearson)
numerik numerik
1. UJI 1 KELOMPOK SAMPEL
Digunakan untuk menguji apakah data/sampel yang diambil sama/berbeda dengan data pada populasi
Contoh soal : Penelitian terdahulu menyatakan bahwa ukuran Lila WUS di Kota Cimahi = 23,5 cm, diambil 50 sampel WUS dan diukur Lila nya. Apakah ada perbedaan ukuran Lila antara sampel dengan penelitian sebelumnya ?
Hipoteis Ho : Tidak ada perbedaan ukuran Lila WUS antara sampel dengan populasi
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Boxplot
Median
Parametrik P a g e - 4
Ha : Ada perbedaan ukuran Lila WUS antara sampel dengan populasi
Prosedur Analisis : Analyze Compare means One-Sample T test
Hasil analisis dan interpretasi
One-Sample Statistics
50 24.9680 1.34308 .18994lilaN Mean Std. Deviation
Std. ErrorMean
Hasil diatas menunjukkan analisis terhadap 50 sampel dengan ukuran Lila rata-rata 24,96 cm, Standar deviasi (Sd) 1,34308 dan Standar Error (SE) 0,18994
One-Sample Test
7.729 49 .000 1.46800 1.0863 1.8497lilat df Sig. (2-tailed)
MeanDifference Lower Upper
95% ConfidenceInterval of the
Difference
Test Value = 23.5
Hasil analisis didapatkan nilai probabilitas (sig)=0,000 bandingkan dengan nilai (0,05).Keputusan :
Nilai p (sig)=0,000 < (0,05) Ho ditolak
Kesimpulan Ada perbedaan ukuran Lila WUS antara sampel dengan populasi (sampel=24,96, populasi = 23,5) dengan perbedaan rata-rata (mean difference) sebesar 1,468 cm (CI-95% : 1,0863-1,8497)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 5
2. UJI 2 KELOMPOK SAMPEL
2.1. Uji T-Independen (Independent Samples T-test)
Uji ini digunakan untuk mengetahui apakah ada perbedaan means 2 kelompok sampel independen (2 kelompok yang berbeda)
Contoh soal : Suatu penelitian ingin mengetahui hubungan antara kebiasaan merokok dengan berat
badan bayi lahir. (Kategori : Merokok dan Tidak merokok, Numerik kontinyu : bb bayi lahir) Suatu penelitian ingin mengetahui hubungan antara riwayat hipertensi dengan berat
badan bayi lahir. (Kategori : Hipertensi dan hipertensi, Numerik kontinyu : bb bayi lahir)
Penyelesaian analisis ini menggunakan 2 langkah :
1. Lakukan Levene test untuk melihat apakah nilai varians ke 2 kelompok tersebut sama atau berbeda
2. Lakukan uji t-independen untuk melihat apakah ada perbedaan nilai means diantara 2 kelompok yang berbeda tersebut
Prosedur Analisis : Analyze Compare means Independent-Samples T test
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Var Dependen (numeric-kontinyu)
Var Independen (numeric-kategori)
Parametrik P a g e - 6
Hasil analisis dan interpretasi
Group Statistics
115 3054.957 752.4090 70.1625
74 2773.243 660.0752 76.7322
Apakah ibu merokokTidak
Ya
BB lahir anak terakhirN Mean Std. Deviation
Std. ErrorMean
Hasil analisis diatas memperlihatkan ada 115 ibu tidak merokok dengan bb bayi rata-rata 3054,957 gram (Sd=752,4090) dan 74 ibu merokok dengan bb bayi rata-rata 2773,243 gram (Sd=660,0752)
Hipotesis untuk uji varians Levene test
Ho : Tidak ada perbedaan varians bb bayi antara kelompok merokok dan tidak merokokHa : Ada perbedaan varians bb bayi antara kelompok merokok dan tidak merokok
Independent Samples Test
1.508 .221 2.634 187 .009 281.7133 106.9687 70.6927 492.7338
2.709 170.001 .007 281.7133 103.9741 76.4668 486.9598
Equal variancesassumed
Equal variancesnot assumed
BB lahir anak terakhirF Sig.
Levene's Test forEquality of Variances
t df Sig. (2-tailed)Mean
DifferenceStd. ErrorDifference Lower Upper
95% ConfidenceInterval of the
Difference
t-test for Equality of Means
Levene test untuk uji variansHasil analisis Levene test untuk uji varians didapatkan nilai probabilitas (sig)=0,221 bandingkan dengan nilai (0,05).Keputusan :
Nilai p (sig)=0,221 > (0,05) Ho diterima, artinya tidak ada perbedaan varians bb bayi antara kelompok merokok dan tidak merokok (varians sama=Equal variances assumed)
Independent Samples Test
1.508 .221 2.634 187 .009 281.7133 106.9687 70.6927 492.7338
2.709 170.001 .007 281.7133 103.9741 76.4668 486.9598
Equal variancesassumed
Equal variancesnot assumed
BB lahir anak terakhirF Sig.
Levene's Test forEquality of Variances
t df Sig. (2-tailed)Mean
DifferenceStd. ErrorDifference Lower Upper
95% ConfidenceInterval of the
Difference
t-test for Equality of Means
Oleh karena hasilnya menunjukkan varians sama, maka nilai p (sig (2-tailed))=0,009 digunakan untuk uji hipotesis nilai bb bayi pada kelompok merokok dan tidak merokok,
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 7
Ho : Tidak ada perbedaan bb bayi antara kelompok merokok dan tidak merokokHa : Ada perbedaan bb bayi antara kelompok merokok dan tidak merokok
Keputusan : Nilai p (sig)=0,009 < (0,05) Ho ditolak, artinya ada perbedaan bb bayi antara kelompok
merokok dan tidak merokok dengan perbedaan bb bayi sebesar 281,7133 gram Ada hubungan kebiasaan merokok dengan berat badan bayi lahir (p<0,05)
CATATAN : Bila salah dalam pengambilan keputusan pada uji homogenitas varians (Levene test), dapat mengakibatkan kesalahan dalam penggunaan nilai sig.(2-tailed). Contoh hasil analisis berikut memperlihatkan hasil nilai sig.(2-tailed) yang berbeda antara varians sama dan varians berbeda
Independent Samples Test
1.419 .235 2.019 187 .045 435.5607 215.7094 10.0241 861.0973
1.612 11.908 .133 435.5607 270.1258 -153.4955 1024.6170
Equal variancesassumed
Equal variancesnot assumed
BB lahir anak terakhirF Sig.
Levene's Test forEquality of Variances
t df Sig. (2-tailed)Mean
DifferenceStd. ErrorDifference Lower Upper
95% ConfidenceInterval of the
Difference
t-test for Equality of Means
Bila menggunakan p=0,045 < (0,05) Ho ditolakBila menggunakan p=0,133 > (0,05) Ho diterima
2.2. Uji T-Dependen (Dependent Samples T-test / Paired Samples T-test)
Uji ini digunakan untuk mengetahui apakah ada perbedaan means 2 kelompok berpasangan (before and after test). Uji ini juga digunakan untuk melihat keefektifan suatu intervensi dengan membandingkan 2 nilai means pada 1 kelompok.
Contoh soal : Suatu penelitian ingin mengetahui efektifitas tablet tambah darah, dengan teknik random
sampling didapatkan 30 sampel ibu. Pada awal penelitian diukur kadar Hb masing-masing sampel, kemudian diberikan tablet tambah darah selama seminggu. Pada akhir penelitian diukur kembali kadar Hb. Apakah efektif pemberian tablet tambah darah untuk meningkatkan kadar Hb ibu ?.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 8
Prosedur Analisis : Analyze Compare means Paired-Samples T test
Hasil analisis dan interpretasi
Paired Samples Statistics
12.2600 30 1.31217 .23957
14.0633 30 .89884 .16411
sebelum
setelah
Pair1
Mean N Std. DeviationStd. Error
Mean
Hasil analisis diatas memperlihatkan ada 30 ibu dengan kadar Hb rata-rata (sebelum intervensi) 12,26 (Sd=1,312) dan kadar Hb rata-rata (setelah intervensi) 14,06 (Sd=0,898)
Hipotesis
Ho : Tidak ada perbedaan kadar Hb sebelum dan setelah pemberian tablet tambah darahHa : Ada perbedaan kadar Hb sebelum dan setelah pemberian tablet tambah darah
Paired Samples Test
-1.80333 1.17956 .21536 -2.24379 -1.36288 -8.374 29 .000sebelum - setelahPair 1Mean Std. Deviation
Std. ErrorMean Lower Upper
95% ConfidenceInterval of the
Difference
Paired Differences
t df Sig. (2-tailed)
Hasilnya menunjukkan nilai p (sig (2-tailed))=0,000 bandingkan dengan nilai (0,05)
Keputusan : Nilai p (sig)=0,000 < (0,05) Ho ditolak, artinya ada perbedaan kadar Hb sebelum dan
setelah intervensi tablet tambah darah dengan peningkatan kadar Hb sebesar 1,803 (sd=1,179)
Intervensi pemberian tablet tambah darah berdampak positif pada peningkatan kadar Hb (p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Masukkan kedua variable ini secara bersamaan
Parametrik P a g e - 9
3. UJI >2 KELOMPOK SAMPEL (ANOVA)Uji ini digunakan untuk mengetahui apakah ada perbedaan means >2 kelompok sampel berbeda
Contoh soal : (SPSS Anylisis Without Anguish p.90)Sebuah perusahaan suplemen memperkenalkan 6 jenis suplemen untuk peningkatan berat badan. Untuk itu diambil secara random sampling 154 orang. Masing-masing sampel diberi 1 jenis suplemen berbeda dan dicatat penambahan berat badannya setelah 1 minggu. Apakah ada perbedaan peningkatan bb diantara 6 jenis suplemen tersebut ?, jika ada, pada jenis suplemen mana saja yang berbeda ?.
Penyelesaian analisis ini menggunakan 2 langkah :
1. Lakukan uji F untuk mengetahui apakah ada perbedaan peningkatan berat badan diantara 6 jenis suplemen tersebut ? (paling sedikit ada sepasang suplemen yang berbeda)
2. Jika ada perbedaan, lanjutkan uji menggunakan post hoc test dengan ketentuan :a. Bila jumlah sampel masing-masing kelompok sama, gunakan uji Tukey atau Duncanb. Bila jumlah sampel masing-masing kelompok tidak sama, gunakan ujiBonferoni
Prosedur Analisis : Analyze Compare means One-Way ANOVA
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Var Dependen (numeric-kontinyu)
Var Independen (numeric-kategori)
Parametrik P a g e - 10
Hasil analisis dan interpretasi
Ho : Tidak ada perbedaan peningkatan bb diantara 6 jenis suplemenHa : Ada perbedaan peningkatan bb diantara 6 jenis suplemen
ANOVA
weight gain
3194.264 5 638.853 53.203 .000
1777.165 148 12.008
4971.429 153
Between Groups
Within Groups
Total
Sum ofSquares df Mean Square F Sig.
Hasilnya menunjukkan nilai p (sig (2-tailed))=0,000 bandingkan dengan nilai (0,05)
Keputusan : Nilai p (sig)=0,000 < (0,05) Ho ditolak, Ada perbedaan peningkatan bb diantara 6 jenis
suplemen (p<0,05) Dengan adanya perbedaan peningkatan bb diantara 6 jenis suplemen, maka dianalisis
untuk mengetahui pada pasangan jenis suplemen mana saja yang berbeda dengan menggunakan Bonferroni (jumlah sampel pada masing-masing jenis suplemen berbeda).
Post Hoc TestsMultiple Comparisons
Dependent Variable: weight gain
Bonferroni
-3.440* 1.013 .013 -6.46 -.42
3.864* 1.045 .005 .75 6.98
3.593* .995 .006 .62 6.56
10.867* .973 .000 7.96 13.77
5.357* .987 .000 2.41 8.30
3.440* 1.013 .013 .42 6.46
7.304* 1.013 .000 4.28 10.33
7.033* .962 .000 4.16 9.90
14.307* .938 .000 11.51 17.11
8.797* .954 .000 5.95 11.64
-3.864* 1.045 .005 -6.98 -.75
-7.304* 1.013 .000 -10.33 -4.28
-.271 .995 1.000 -3.24 2.70
7.003* .973 .000 4.10 9.91
1.494 .987 1.000 -1.45 4.44
-3.593* .995 .006 -6.56 -.62
-7.033* .962 .000 -9.90 -4.16
.271 .995 1.000 -2.70 3.24
7.274* .919 .000 4.53 10.02
1.765 .935 .915 -1.02 4.55
-10.867* .973 .000 -13.77 -7.96
-14.307* .938 .000 -17.11 -11.51
-7.003* .973 .000 -9.91 -4.10
-7.274* .919 .000 -10.02 -4.53
-5.510* .911 .000 -8.23 -2.79
-5.357* .987 .000 -8.30 -2.41
-8.797* .954 .000 -11.64 -5.95
-1.494 .987 1.000 -4.44 1.45
-1.765 .935 .915 -4.55 1.02
5.510* .911 .000 2.79 8.23
(J) food supplementsupplement B
supplement C
supplement D
supplement E
supplement F
supplement A
supplement C
supplement D
supplement E
supplement F
supplement A
supplement B
supplement D
supplement E
supplement F
supplement A
supplement B
supplement C
supplement E
supplement F
supplement A
supplement B
supplement C
supplement D
supplement F
supplement A
supplement B
supplement C
supplement D
supplement E
(I) food supplementsupplement A
supplement B
supplement C
supplement D
supplement E
supplement F
MeanDifference
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Confidence Interval
The mean difference is significant at the .05 level.*.
Kesimpulan :
Hasil uji lanjut untuk melihat perbedaan peningkatan bb diantara 6 jenis suplemen tersebut memperlihatkan hampir semua ada perbedaan dengan nilai p (Sig) < 0,05, kecuali pada suplemen C-D (p=1,0), C-F (p=1,0), D-F (p=0,915).
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 11
Perbedaan peningkatan means bb terbesar terlihat pada jenis suplemen jenis B-E sebesar 14,307
4. UJI KORELASI REGRESSI LINIER SEDERHANA (r-Pearson)Uji ini digunakan untuk mengetahui apakah ada keeratan hubungan antara 2 data numeric kontinyu.
Contoh soal : (Principles of Biostatistics, p.363-369)Sebuah data yang diambil secara random sampling dari 20 negara untuk mengetahui hubungan cakupan imunisasi (%) dengan angka kematian balita (per 1000 kelahiran hidup).
Tahap penyelesaian :1. Buat scatter plot2. Hitung koefisien korelasi (r) Pearson3. Uji hipotesis nilai – r4. Jika nilai r bermakna, hitung koefisien regressi Y = a + b.x5. Uji hipotesis koefisien regressi6. Buat persamaan garis regressi
Prosedur Analisis : 1. Buat Scatter Plot : Graphs Scatter/Dot Simple Scatter Define
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 12
10080604020
Percentage Immunized
250
200
150
100
50
0
Mo
rta
lity
/10
00 liv
e b
irth
s
2. Hitung koefisien korelasi (r) Pearson3. Uji hipotesis nilai r
Analyze CorrelateBivariate
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Var Dependen (numeric)
Var Independen (numeric)
Dari scatter plot tersebut dapat diprediksi bahwa semakin meningkat cakupan imunisasi, maka angka kematian balita semakin menurun (Linier negative)
Parametrik P a g e - 13
Hasil analisis dan interpretasi
Correlations
1 -.829**
.000
20 20
-.829** 1
.000
20 20
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Percentage Immunized
Mortality/1000 live births
PercentageImmunized
Mortality/1000live births
Correlation is significant at the 0.01 level (2-tailed).**.
Hasil analisis menunjukkan nilai r = -0,829, hal ini menunjukkan adanya keeratan
hubungan antara cakupan imunisasi dengan angka kematian balita (r > 0,75)
Keeratannya sangat baik/sempurna
Tanda negative pada nilai r menunjukkan bahwa pola hubungannya Linier
negative, artinya semakin meningkat cakupan imunisasi disertai semakin
menurunnya angka kematian balita.
Nilai Sig.(2-tailed) menunjukkan uji-t untuk nilai-r. Hasilnya Sig.(2-tailed)=0,000.
Artinya ada hubungan antara 2 variabel tersebut (Cak Imm & AKABA)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Nilai - rUji nilai-r
Parametrik P a g e - 14
4. Jika nilai r bermakna, hitung koefisien regressi Y = a + b.x5. Uji hipotesis koefisien regressi
Analyze RegressionLinear
Hasil analisis dan interpretasi
Model Summaryb
.829a .687 .670 39.386Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), Percentage Immunizeda.
Dependent Variable: Mortality/1000 live birthsb.
R=0,829 Nilai ini menunjukkan adanya keeratan hubungan antara cakupan imunisasi dengan AKABA (Hubungannya sangat erat/sempurna)
R Square Nilai ini menunjukkan bahwa variable cakupan imunisasi dapat menerangkan variabilitas sebesar 68,7% pada variable AKABA, sedangkan sisanya (31,3%) diterangkan oleh variable lain.
ANOVAb
61392.214 1 61392.214 39.575 .000a
27922.986 18 1551.277
89315.200 19
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), Percentage Immunizeda.
Dependent Variable: Mortality/1000 live birthsb.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 15
6. Buat persamaan garis regressi
Sig.=0,000 menunjukkan nilai p=0,000 < ().0,05, artinya ada hubungan linier antara cakupan imunisasi dengan AKABA
Coefficientsa
278.260 35.456 7.848 .000
-2.832 .450 -.829 -6.291 .000
(Constant)
Percentage Immunized
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Mortality/1000 live birthsa.
(Constant) = Sig.=0,000 menunjukkan nilai p=0,000 < ().0,05, artinya koefisien regresi nilai- a (intercept) significant
Percentage Immunized = Sig.=0,000 menunjukkan nilai p=0,000 < ().0,05, artinya koefisien regresi Percentage Immunized significant.
Dengan demikian model persamaan regresi yang dapat digunakan adalah :
Y = 278,260 – 2,832.X atau
Mortality = 278,260 – 2,832.( Percentage Immunized),
Artinya angka kematian balita dapat diprediksi dengan angka cakupan imunisasi
Berapa Angka kematian balita jika cakupan imunisasi 40%Y = 278,260 – 2,832.XY = 278,260 – 2,832. (40) = 165
Angka prediksi (Y=angka kematian) tidak menghasilkan angka yang tepat seperti 165 tersebut, namun perkiraannya tergantung dari nilai Standard Error of the Estimate (SEE) pada kolom Model Summary yaitu 39,386. Dengan demikian variasi variable dependen = Z*SEE, (tabel Z-95%=1,96) sehingga variasinya,
1,96*39.386 = 77,19
Angka kematian balita 165 77,19Jadi dengan tingkat kepercayaan 95% untuk cakupan imunisasi 40%, angka kematian balitanya adalah antara 87.8 s/d 242,2
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 16
UJI NON PARAMETRIKUji ini digunakan dengan beberapa asumsi yaitu,
1. Distribusi data tidak normal (Skewed to the right/left)2. Jumlah sampel kecil (≤ 30)3. Skala ukur yang digunakan Nominal-Ordinal4. Jenis data yang digunakan Kategori
JENIS UJI NON PARAMETRIK
No PARAMETRIK NON PARAMETRIK SKALA DATA
1 Uji 1 kelompok sampel Uji Kolmogorov Smirnov
2 Uji 2 kelompok sampel :
Uji-t Independen Uji MedianUji Man Whitney
OrdinalOrdinal
Uji-t dependen Mc. Nemar Nominal
Wilcoxon Ordinal
Uji-t dependen > 2 klp Cohran-Q Nominal
Friedman Ordinal
3 Uji > 2 klp samp-Anova Kruskall Wallis Ordinal
4 Uji Korelasi Pearson Korelasi Spearman Ordinal
5 - Chi-Square Nominal/Ordinal
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 17
1. Uji Median
Contoh soal :Sebuah penelitian ingin mempelajari respons eliminasi obat phenylbutazone pada penderita penyakit hati (Cirhosis Hepatis). Dua kelompok sampel diteliti; sampel normal (sehat) dan sampel penderita CH. Apakah ada perbedaan waktu konsentrasi plasma tertinggi antara sampel normal dan penderita CH ?
Prosedur analisis : Analyze Non Parametric TestsK-Independent Samples…
Hasil analisis dan interpretasi
Median Test
Frequencies
12 2
8 6
> Median
<= Median
kon_plasNormal CH
kat
Test Statisticsa
28
20.8000
.209
N
Median
Exact Sig.
kon_plas
Grouping Variable: kata.
Test Statistics Exact Sig p=0,209 > (0,05) Ho diterima
Kesimpulan : Tidak ada perbedaan waktu konsentrasi plasma tertinggi antara sampel normal dan penderita Cirhosis Hepatitis.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 18
2. Uji Man Whitney
Contoh soal :Sebelas pasien dari RS-X dan sembilan pasien dari RS-Y menjalani prosedur operasi yang sama. Variabel yang menjadi perhatian penelitian adalah waktu operasi (dalam menit). Apakah dapat diambil kesimpulan bahwa waktu operasi di RS-Y lebih lama daripada di RS-X (=5%) ?
Prosedur analisis : Analyze Non Parametric Tests2-Independent Samples…
Hasil analisis dan interpretasi
Ho : Waktu operasi di RS-X ≥ RS-YHa : Waktu operasi di RS-X < RS-Y
Mann-Whitney Test
Ranks
11 7.50 82.50
9 14.17 127.50
20
rsRS-X
RS-Y
Total
waktuN Mean Rank Sum of Ranks
Test Statisticsb
16.500
82.500
-2.509
.012
.010a
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
Exact Sig. [2*(1-tailedSig.)]
waktu
Not corrected for ties.a.
Grouping Variable: rsb.
Test Statistics Exact Sig p=0,010 < (0,05) Ho ditolak
Kesimpulan : Waktu operasi di RS-A lebih singkat daripada di RS-B (p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 19
3. Mc. Nemar
Contoh soal : Suatu penelitian untuk melihat hubungan antara kebiasaan minum kopi dan infark miokard dengan desain penelitian kasus kontrol. Lakukan uji kemaknaan pada =0,01.
Prosedur analisis : Analyze Non Parametric Tests2-Related Samples…
Hasil analisis dan interpretasi
Ho : Tidak ada perbedaan status kebiasaan minum kopi antara penderita dan bukan penderita Infark MiocardHa : Ada perbedaan status kebiasaan minum kopi antara penderita dan bukan penderita Infark Miocard
McNemar Test
Crosstabs
Kasus & Kontrol
35 15
10 40
Kasus0
1
0 1
Kontrol
Test Statisticsb
100
.424a
N
Exact Sig. (2-tailed)
Kasus &Kontrol
Binomial distribution used.a.
McNemar Testb.
Test Statistics Exact Sig. (2-tailed) p=0,424 > (0,01) Ho diterima
Kesimpulan : Tidak ada perbedaan status kebiasaan minum kopi antara penderita dan bukan penderita Infark Miocard (p>0,01)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 20
4. Wilcoxon
Contoh soal : Sampel terdiri dari 10 pasien mendapat catopril dengan dosis 6,25 mg. Pasien diukur TD sistolik sebelum dan 70 menit setelah pemberian obat. Penelitian ini ingin mengetahui apakah pengobatan tersebut efektif untuk menurunkan TD pasien (=0,05) ?
Prosedur analisis : Analyze Non Parametric Tests2-Related Samples…
Hasil analisis dan interpretasi
Ho : Tidak ada perbedaan TD sistolik antara sebelum dan setelah pemberian catoprilHa : Ada perbedaan TD sistolik antara sebelum dan setelah pemberian catopril
Wilcoxon Signed Ranks Test
Ranks
7a 5.71 40.00
2b 2.50 5.00
1c
10
Negative Ranks
Positive Ranks
Ties
Total
TD sesudah -TD sebelum
N Mean Rank Sum of Ranks
TD sesudah < TD sebeluma.
TD sesudah > TD sebelumb.
TD sesudah = TD sebelumc.
Test Statisticsb
-2.077a
.038
Z
Asymp. Sig. (2-tailed)
TD sesudah -TD sebelum
Based on positive ranks.a.
Wilcoxon Signed Ranks Testb.
Test Statistics Asymp Sig. (2-tailed) p=0,038 < (0,05) Ho ditolak
Kesimpulan :
Ada perbedaan TD sistolik antara sebelum dan setelah pemberian catopril, sehingga dapat dikatakan pula bahwa pengobatan dengan catopril efektif untuk menurunkan TD pasien (p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 21
5. Cohran-Q
Contoh soal :Empat kelompok masing-masing terdiri dari 6 orang mengikuti program diet, setiap kelompok mendapatkan 1 macam diet yang berbeda dengan kelompok lain. Pada akhir penelitian ditimbang bb nya dan dicatat, bila tidak ada peningkatan bb diberi nilai 1 dan bila ada peningkatan diberi nilai 0. Apakah ada perbedaan efektifitas antara keempat macam diet tersebut (=0,05) ?
Prosedur analisis : Analyze Non Parametric TestsK-Related Samples…
Hasil analisis dan interpretasiHo : Tidak ada perbedaan efektifitas peningkatan bb diantara keempat macam dietHa : Ada perbedaan efektifitas peningkatan bb diantara keempat macam diet
Cochran Test
Frequencies
0 6
1 5
5 1
3 3
diet_a
diet_b
diet_c
diet_d
0 1
Value
Test Statistics
6
9.316a
3
.025
N
Cochran's Q
df
Asymp. Sig.
1 is treated as a success.a.
Test Statistics Asymp Sig. (2-tailed) p=0,025 < (0,05) Ho ditolak
Kesimpulan :
Ada perbedaan efektifitas peningkatan bb diantara keempat macam diet (p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 22
6. Friedman
Contoh soal :Data 10 orang mahasiswa dicuplik secara random untuk evaluasi pengajaran dengan tujuan perbaikan sistem ujian. Evaluasi berminat mengetahui apakah terdapat perbedaan tingkat kesulitan ujian pada matakuliah Metodologi Penelitian, Statistik, Komputer dan Bahasa Inggris (=5%) ?
Prosedur analisis : Analyze Non Parametric TestsK-Related Samples…
Hasil analisis dan interpretasiHo : Tidak ada perbedaan tingkat kesulitan pada keempat mata kuliahHa : Ada perbedaan tingkat kesulitan pada keempat mata kuliah
Friedman Test
Ranks
1.30
3.25
3.15
2.30
Metodologi Penelitian
Statistik
Komputer
Bhs Inggris
Mean Rank
Test Statisticsa
10
15.568
3
.001
N
Chi-Square
df
Asymp. Sig.
Friedman Testa.
Test Statistics Asymp Sig. (2-tailed) p=0,001 < (0,05) Ho ditolak
Kesimpulan :
Ada perbedaan tingkat kesulitan pada keempat mata kuliah (p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 23
7. Kruskal Wallis
Contoh soal :Sebuah hipotesis menyatakan bahwa berat badan bayi berhubungan dengan status kebiasaan merokok ibu pada trimester pertama. Untuk menguji hipotesis ini dicatat data bb bayi dan status kebiasaan merokok ibu dengan 4 kelompok dalam periode 1 bulan terakhir. Ujilah apakah ada perbedaan bb bayi diantara 4 kelompok tersebut (=5%) ?
Prosedur analisis : Analyze Non Parametric TestsK-Independent Samples…
Hasil analisis dan interpretasi
Ho : Berat badan bayi lahir sama dengan semakin beratnya status kebiasaan merokok ibuHa : Berat badan bayi lahir rendah dengan semakin beratnya status kebiasaan merokok ibu
Kruskal-Wallis Test
Ranks
7 20.21
5 17.70
7 11.50
8 8.44
27
Status KebiasaanmerokokTidak Merokok
Mantan Perokok
Merokok < 1 bks sehari
Merokok >= 1 bks sehari
Total
BB BayiN Mean Rank
Test Statisticsa,b
10.081
3
.018
Chi-Square
df
Asymp. Sig.
BB Bayi
Kruskal Wallis Testa.
Grouping Variable: Status Kebiasaan merokokb.
Test Statistics Asymp Sig. p=0,018 < (0,025) Ho ditolak
Kesimpulan :
Ada perbedaan bb bayi pada keempat status kebiasaan merokok (p<0,025)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 24
8. Spearman (rs)
Contoh soal :Data Tekanan Darah (TD) meningkat dengan bertambahnya umur. Namun bagaimana hubungan antara umur dan denyut jantung. Pada penelitian ini memperlihatkan hasil survey asosiasi antara umur dengan denyut jantung dari sampel terdiri atas 15 subyek. Hitung nilai rs dan lakukan uji kemaknaan pada =0,01
Prosedur analisis : Analyze Correlate Bivariate
Hasil analisis dan interpretasi
Ho : Tidak ada keeratan hubungan antara umur dengan denyut jantung (Independen)Ha : Ada keeratan hubungan antara umur dengan denyut jantung/Peningkatan umur diikuti penurunan frekuensi denyut jantung (korelasi negatif)
Nonparametric Correlations
Correlations
1.000 -.945**
. .000
15 15
-.945** 1.000
.000 .
15 15
Correlation Coefficient
Sig. (1-tailed)
N
Correlation Coefficient
Sig. (1-tailed)
N
umur
deny_jtg
Spearman's rhoumur deny_jtg
Correlation is significant at the 0.01 level (1-tailed).**.
Correlation Coefficient -0,945, menunjukkan nilai keeratan hubungan rs (Spearman’s rho) umur dengan denyut jantung. Nilai 0,945 > 0,75 Keeratannya sangat baik sekali.
Nilai negatif artinya Korelasi negatif Semakin umur meningkat diikuti penurunan frekuensi denyut jantung
Sig.(1-tailed) p = 0,000 < (0,01) Uji nilai rs Significant
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 25
Kesimpulan :
Ada keeratan hubungan (rs = -0,945) antara umur dengan denyut jantung, dengan kata lain terjadinya peningkatan umur diikuti penurunan frekuensi denyut jantung (korelasi negatif) (p<0,01)
Hasil visualisasi menggunakan Scatter Plot
706050403020100
umur
110
100
90
80
70
60
50
de
ny
_jt
g
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 26
UJI CHI-SQUARE
Tujuan :
1. Menguji perbedaan proporsi (persentase) antara beberapa kelompok data. 2. Lebih spesifik lagi dalam penelitian kesehatan adalah untuk menguji apakah ada perbedaan
proporsi keluaran (outcome +/ penyakit +) antara faktor terpajan (+) dan tidak terpajan (-).
Prinsip Dasar :
Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (Ekspektasi). Bila nilai frekuensi observasi dengan nilai frekuensi harapan tidak ada perbedaan, maka dapat dikatakan tidak ada perbedaan yang bermakna (significant). Demikian sebaliknya dikatakan ada perbedaan bila nilai frekuensi observasi dengan nilai frekuensi harapan berbeda.
Data yang digunakan :
1. Skala Nominal atau Ordinal2. Jenis data Kategori dan Kategori
Syarat penggunaan :
1. Tidak boleh ada sel yang mempunyai nilai harapan (Expected value) Nol (0)2. Tidak boleh ada sel yang mempunyai nilai harapan (Expected value) kurang dari 5 lebih dari 20%
jumlah keseluruhan sel
Analisis menggunakan SPSS, ketentuannya :
1. Penggunaan kode harus konsisten, gunakan kode rendah untuk terpajan (+) dan outcome (+) dan kode tinggi untuk terpajan (-) dan outcome (-). Jika salah pengkodean akan mengakibatkan kesalahan dalam perhitungan nilai POR, OR dan RR
2. Pada baris (row) gunakan untuk variable Independent, pada kolom (Column) gunakan untuk variable Dependent
3. Output Chi-Square test, gunakan :a. Fisher’s Exact Test bila ada nilai harapan < 5 (expected count less than 5)b. Continuity Correction bila tidak ada nilai harapan < 5 pada tabel 2 x 2c. Pearson Chi-Square bila tabel lebih dari 2 x 2
TABEL :
PajananPenyakit
JumlahAda (0) Tidak (1)
Ada (0) a b a + b
Tidak (1) c d c + d
Jumlah a + c b + d a+b+c+d
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 27
1. CROSS SECTIONAL
Perhitungan ukuran asosiasi
PajananKeluaran (Outcome)
JumlahAda Tidak
Ada a b a + bTidak c d c + d
Jumlah a + c b + d a+b+c+d
POR =a / a+b )c/( c / d )
Interpretasi seperti ini hanya dapat dilakukan jika subyek penelitian dipilih pada akhir masa
berisiko terjadinya keluaran dari populasi asal yang tetap (fixed based population) dan status
keluaran tidak berpengaruh pada probabilitas terpilihnya sebyek sebagai sampel penelitian pada
kelompok terpajan dan tidak terpajan. Oleh karena itu dalam perhitungan dengan software
statistics perhitungannya menggunakan rumus,
POR =( a / c )
=ad
( b / d ) bc
Contoh soal :
Suatu penelitian ingin mengetahui hubungan kualitas sumber air minum dengan kejadian diare. Dari 3.080
responden yang diteliti ternyata 1.756 responden menggunakan sumber air minum kualitas buruk dengan
kejadian diare sebanyak 271 responden. Sedangkan kejadian diare pada pengguna sumber air minum
kualitas baik sebanyak 101 responden. Ujilah, apakah ada hubungan antara kualitas sumber air minum
dengan kejadian diare (=5%). Berapa nilai POR ?
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 28
Prosedur Analisis :
Analyze Descriptive Statistics Crosstabs ……..
Hasil analisis dan interpretasi
Crosstabs (Cross Sectional)
Case Processing Summary
3080 100.0% 0 .0% 3080 100.0%Sumber Air Minum * DiareN Percent N Percent N Percent
Valid Missing Total
Cases
Data yang dianalisis sebanyak 3.080 responden
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Chi Square
Nilai PORNilai observasi
Nilai harapan
Persen baris (Cross Sectional)
Parametrik P a g e - 29
Tabel silang hubungan sumber air minum dengan kejadian diare
Sumber Air Minum * Diare Crosstabulation
271 1485 1756
212.1 1543.9 1756.0
15.4% 84.6% 100.0%
101 1223 1324
159.9 1164.1 1324.0
7.6% 92.4% 100.0%
372 2708 3080
372.0 2708.0 3080.0
12.1% 87.9% 100.0%
Count
Expected Count
% within SumberAir Minum
Count
Expected Count
% within SumberAir Minum
Count
Expected Count
% within SumberAir Minum
Buruk
Baik
Sumber AirMinum
Total
Ya Tidak
Diare
Total
Dari tabel diatas terlihat pada kejadian diare, pengguna sumber air minum buruk sebanyak
271 (15,4%)(Exp=212,1) dan pada pengguna sumber air minum baik sebanyak 101 (7,6%)
(Exp=159,9) Apakah perbedaan ini secara statistik significant ?
Ho = Tidak ada perbedaan proporsi kejadian diare antara pengguna sumber air minum buruk
dan baik
Ha = Ada perbedaan proporsi kejadian diare antara pengguna sumber air minum buruk dan
baik
Chi-Square Tests
43.296b 1 .000
42.565 1 .000
45.243 1 .000
.000 .000
43.282 1 .000
3080
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-LinearAssociation
N of Valid Cases
Value dfAsymp. Sig.
(2-sided)Exact Sig.(2-sided)
Exact Sig.(1-sided)
Computed only for a 2x2 tablea.
0 cells (.0%) have expected count less than 5. The minimum expected count is 159.91.
b.
Tidak ada nilai harapan < 5
Pada tabel Chi-Square test menunjukkan tidak ada nilai harapan < 5, sehingga yang digunakan adalah nilai Continuity Correction p=0,000 bandingkan dengan nilai =0,05.
Kesimpulan :
Nilai p=0,000 < 0,05 () Ho ditolak
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Nilai observasi
Nilai harapan
Persen baris (Cross Sectional)
p-value
Parametrik P a g e - 30
Ada perbedaan proporsi kejadian diare antara pengguna sumber air minum buruk
dan baik
Ada hubungan antara penggunaan sumber air minum dengan kejadian diare (p<0,05)
Nilai POR
Risk Estimate
2.210 1.737 2.811
2.023 1.628 2.514
.916 .893 .939
3080
Odds Ratio for SumberAir Minum (Buruk / Baik)
For cohort Diare = Ya
For cohort Diare = Tidak
N of Valid Cases
Value Lower Upper
95% ConfidenceInterval
Nilai POR = 2,21 artinya orang yang menggunakan sumber air minum buruk memiliki resiko
untuk menderita diare 2,2 kali dibandingkan dengan orang yang menggunakan sumber air
minum baik dengan CI-95% antara 1,737 – 2,811
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Nilai POR
Parametrik P a g e - 31
2. CASE CONTROLPerhitungan ukuran asosiasi
PajananKeluaran (Outcome)
JumlahKasus Kontrol
Ada a b a + bTidak c d c + d
Jumlah a + c b + d a+b+c+d
RiskOR
=( a / c )
=ad
( b / d ) bc
Contoh soal :
Suatu penelitian tentang penggunaan asetil salisilat (aspirin) sebagai factor risiko terjadinya Syndroma Reye pada anak. 100 anak disertakan dalam penelitian, terdiri dari 50 kasus dan 50 kontrol. Ternyata ada 32 anak pengguna aspirin yang berasal dari kasus dan ada 17 anak pengguna aspirin yang berasal dari control. Dengan menggunakan =5%, apakah penggunaan asetil salisilat (aspirin) sebagai factor risiko terjadinya Syndroma Reye pada anak. Berapa nilai POR ?
Prosedur Analisis :
Analyze Descriptive Statistics Crosstabs ……..
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Chi Square
Parametrik P a g e - 32
Hasil analisis dan interpretasi
Crosstabs (Case Control)
Case Processing Summary
100 100.0% 0 .0% 100 100.0%Penggunaan Aspirin* Syndroma Reye
N Percent N Percent N Percent
Valid Missing Total
Cases
Penggunaan Aspirin * Syndroma Reye Crosstabulation
32 17 49
24.5 24.5 49.0
64.0% 34.0% 49.0%
18 33 51
25.5 25.5 51.0
36.0% 66.0% 51.0%
50 50 100
50.0 50.0 100.0
100.0% 100.0% 100.0%
Count
Expected Count
% within Syndroma Reye
Count
Expected Count
% within Syndroma Reye
Count
Expected Count
% within Syndroma Reye
Ya
Tidak
PenggunaanAspirin
Total
Ya Tidak
Syndroma Reye
Total
Dari tabel diatas terlihat bahwa pada pengguna aspirin, ada 32 (64%) kasus Syndroma Reye dan 17
(34%) bukan kasus Syndroma Reye Apakah perbedaan ini secara statistik significant ?
Ho = Tidak ada perbedaan proporsi antara kasus dan kontrol pada pengguna asetil salisilat
(aspirin)
Ha = Ada perbedaan proporsi antara kasus dan kontrol pada pengguna asetil salisilat (aspirin)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Nilai RORNilai observasi
Nilai harapan
Persen kolom (Case Control)
Parametrik P a g e - 33
Chi-Square Tests
9.004b 1 .003
7.843 1 .005
9.144 1 .002
.005 .002
8.914 1 .003
100
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-LinearAssociation
N of Valid Cases
Value dfAsymp. Sig.
(2-sided)Exact Sig.(2-sided)
Exact Sig.(1-sided)
Computed only for a 2x2 tablea.
0 cells (.0%) have expected count less than 5. The minimum expected count is 24.50.
b.
Pada tabel Chi-Square test menunjukkan tidak ada nilai harapan < 5, sehingga yang digunakan adalah nilai Continuity Correction p=0,005 bandingkan dengan nilai =0,05.
Kesimpulan :
Nilai p=0,005 < 0,05 () Ho ditolak
Ada perbedaan proporsi antara kasus dan kontrol pada pengguna asetil salisilat
(aspirin)
Ada hubungan antara penggunaan asetil salisilat dengan kejadian syndrome reye (p<0,05)
Nilai OR
Risk Estimate
3.451 1.517 7.852
1.850 1.211 2.827
.536 .347 .828
100
Odds Ratio forPenggunaan Aspirin(Ya / Tidak)
For cohort SyndromaReye = Ya
For cohort SyndromaReye = Tidak
N of Valid Cases
Value Lower Upper
95% ConfidenceInterval
Nilai OR = 3,45 artinya terjadinya syndrome reye pada pengguna asetil salisilat (aspirin)
3,45 kali dibandingkan dengan terjadinya syndrome reye pada bukan pengguna asetil salisilat
dengan CI-95% antara 1,517 – 7,852
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 34
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 35
3. COHORTPerhitungan ukuran asosiasi
PajananPenyakit
JumlahAda Tidak
Ada a b a + bTidak c d c + d
Jumlah a + c b + d a+b+c+d
RR =a/a+bc/c+d
Contoh soal :
Suatu penelitian tentang hubungan anemi pada kehamilan dengan terjadinya BBLR pada bayi. Penelitian melibatkan 300 responden ibu hamil yang terdiri dari 100 ibu anemi dan 200 tidak anemi. Setelah penelitian ini berakhir ternyata ada 30 ibu anemi melahirkan BBLR dan 20 ibu tidak anemi melahirkan BBLR. Ujilah apakah ada hubungan anemi pada kehamilan dengan kejadian BBLR (=5%). Berapa nilai RR ?
Prosedur Analisis :
Analyze Descriptive Statistics Crosstabs ……..
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Chi Square
Nilai RRNilai observasi
Nilai harapan
Persen baris (Cohort)
Parametrik P a g e - 36
Hasil analisis dan interpretasi
Crosstabs (Cohort)
Case Processing Summary
300 100.0% 0 .0% 300 100.0%Kejadian Anemi * BBLRN Percent N Percent N Percent
Valid Missing Total
Cases
Kejadian Anemi * BBLR Crosstabulation
30 70 100
16.7 83.3 100.0
30.0% 70.0% 100.0%
20 180 200
33.3 166.7 200.0
10.0% 90.0% 100.0%
50 250 300
50.0 250.0 300.0
16.7% 83.3% 100.0%
Count
Expected Count
% within Kejadian Anemi
Count
Expected Count
% within Kejadian Anemi
Count
Expected Count
% within Kejadian Anemi
Ya
Tidak
KejadianAnemi
Total
Ya Tidak
BBLR
Total
Dari tabel diatas terlihat bahwa kejadian BBLR pada ibu dengan anemi sebanyak 30 (30%)
(Exp=16,7) dan pada ibu dengan tidak anemi sebanyak 20 (10%)(Exp=33,3%). Apakah perbedaan
ini secara statistik significant ?
Ho = Tidak ada perbedaan proporsi kejadian BBLR antara ibu anemi dengan tidak anemi
Ha = Ada perbedaan proporsi kejadian BBLR antara ibu anemi dengan tidak anemi
Chi-Square Tests
19.200b 1 .000
17.787 1 .000
18.131 1 .000
.000 .000
19.136 1 .000
300
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-LinearAssociation
N of Valid Cases
Value dfAsymp. Sig.
(2-sided)Exact Sig.(2-sided)
Exact Sig.(1-sided)
Computed only for a 2x2 tablea.
0 cells (.0%) have expected count less than 5. The minimum expected count is 16.67.
b.
Pada tabel Chi-Square test menunjukkan tidak ada nilai harapan < 5, sehingga yang digunakan adalah nilai Continuity Correction p=0,000 bandingkan dengan nilai =0,05.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 37
Kesimpulan :
Nilai p=0,000 < 0,05 () Ho ditolak
Ada perbedaan proporsi kejadian BBLR antara ibu anemi dengan tidak anemi
Ada hubungan antara anemi pada kehamilan dengan kejadian BBLR (p<0,05)
Risk Estimate
3.857 2.055 7.239
3.000 1.797 5.008
.778 .679 .891
300
Odds Ratio for KejadianAnemi (Ya / Tidak)
For cohort BBLR = Ya
For cohort BBLR = Tidak
N of Valid Cases
Value Lower Upper
95% ConfidenceInterval
Nilai RR = 3,00 artinya yang menderita anemi pada waktu hamil memiliki resiko untuk
melahirkan bayi BBLR 3 kali lebih besar dari ibu yang tidak menderita anemi dengan CI-95%
antara 1,797 – 5,008.
Kepustakaan dan Sumber Data :
1. SPSS-Analysis Without Anguish, Sheridan J.Coakes, Lyndall G.Steed, Nutritional Library of
Australia, 2003
2. Draft Buku Analisis Data Kategori, Iwan Ariawan, FKM-UI, 2001
3. Analisis Data, Sutanto PH, FKM-UI, 2001
4. Modul (MA.2600) Biostatistik dan Statistik Kesehatan, Luknis Sabri, Sutanto.P.H, FKM-UI
1999
5. Statistik Lanjut dengan SPSS, Iwan Ariawan dkk, FKM-UI 1998
6. Penerapan Metode Statistik Non Parametrik dalam Ilmu-Ilmu Kesehatan, Bhisma Murti,
1996
7. Principles of Biostatistics, Miarcello Pagano, Kimberlee Gauvreau, 1992
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007