Post on 24-Jul-2015
Pengantar Stata 9.2
Komponen Basic Stata 9.21. Menu Pulldownè Menu Bar stata 2. Menu Shortcut è menu gambar singkat
mengoperasionalkan stata 3. Review èRekaman Aktivitas 4. Variables è berisi variabel-variabel yg aktif
setelah data di buka 5. Stata Result è hasil perintah komputasi stata 6. Stata Command è tempat melakukan perintah
komputasi Manajemen Dasar
1. Setting “Direktori Kerja” perintah cd “d:\Stata Gizi” è
2. Melihat isi direktori kerja /Folder Kerja perintah dir <Enter> è melihat seluruh isi data dalam folder kerja yang saat ini aktif.
3. Membuka data Stata perintah use “nama_file.dta”
Menutup data dengan perintah clear5. Setting alokasi memory stata perintah
set mem 100m è mengalokasikan memory kerja 100 Mega Byte
6. Menyimpan file hasil kerja dalam log file dengan perintah merekam log using “nama_file” dan perintah mengakhiri capture log close
7. Menyimpan file data hasil pekerjaan dengan perintah save “nama_file.dta”
Cek Data Sample di Stata• help <enter>• Manual datasets <pilih>• Example datasets installed with Stata <pilih>• cek data bpwide.dta!!
gunakan perintah describeRingkasan Perintah Manajemen Dasar Stata 9.2
1. cd : Pindah Folder2. dir : Melihat isi data3. use : Membuka data4. clear : Menutup data kerja 5. log using : Merekam hasil kerja 6. capture log close : Mengakhiri rekaman 7. save : Menyimpan data
Apa langkah awal yang dilakukan bagi mahasiswa untuk belajar stata? Solusi è belajar secara proporsional (tidak harus semua, tidak harus lama) dapat dijalankan dengan cara belajar memahami kasus nyata/riil dalam proses perkuliahan. Kasus Manajemen Yankes
• Variabel dan Skala Ukurannya Misal : Cost
• Total Biaya Training per orang, Skala rasio Improvements in quality of care
• Pengetahuan thd komponen Tim Kerja, Teknik untuk memotivasi staff, dll, Skala adalah Ordinal.
Improvements Fasilitas & Kondisi Lingkungan • Kelistrikan • Waktu Tunggu Pasien • Fasilitas Ruang Pasien, dll dengan Skala
Ordinal (Ada perubahan atau tidak) Kerangka Penelitian
Variabel :Cost information and data from supervisors, providers, clients and facilities were collected.Interpretasi Tabel Uji
• p value ≤ 0,05 Artinya bermakna secara statistik, (ada hubungan, ada perbedaan)
Praktikum Pengolahan Data: Aplikasi StataDefinisi Variabel
• Variabel Dependen : Variabel yang merujuk pada outcome/hasil penelitian, berubah akibat pengaruh variabel bebas
• Variabel Independen : Variabel yang ditentukan dan dimanipulasi oleh peneliti untuk mendapatkan suatu dampak pada outcome
• Variabel counfounding variabel yang ikut serta dalam penelitian dan dapat mempengaruhi hasil namun tidak menjadi perhatian utama. (bukan variabel antara, namun juga berhubungan dengan risiko dan efek)
1 2
3
45
6
Effectivene
ssHasil
?Biaya
?
Group IKontrol
Group IIKasus
Group IKontrol
Group IIKasus
Interventi
onTraini
ng Inten
sif
Pre Post
Tabel Bantu Pemilihan Parameter
Skala Data Skala Pengukuran
Ukuran Pusat
Ukuran Sebaran
Data Kuantitatif (/Numerik: Diskret & Kontinu)
Skala Rasio Skala Interval
MeanMedianModusKuartil
RangeSDVariansiMin & Maks
Data Kualitatif (/Kategorikal)
Skala OrdinalSkala Nominal
Frekuensi per-Kategorik % (Proporsi)
MinMaks
Skala Data
Kuantitatif (Numerik: Kontinu)
Rasio (Type 4)
Tinggi Badan, Berat Badan, Tekanan Darah, Umur (Thn), Asupan Gizi
Interval (Type 3)
Suhu Tubuh, IQ, Kepuasan, Persepsi (di Pelayanan Kesehatan)
Kualitatif (Kategorik)
Ordinal (Type 2)
Kelompok Umur, Pendidikan,
Nominal (Type 1)
Jenis Kelamin, Race /Etnic, Golongan Darah
Fasilitas Tabel di Stata 9Data bertype Kategorikal (Nominal & Ordinal) diringkas dengan distribusi Frekuensi
• Perintahnya “tabulate var” <enter>Data bertype Numerikal (Interval & Rasio) diringkas dengan ringkasan Numerik (Ukuran Pusat (Mean,
Median, Modus) dan Ukuran Sebaran (Min, Maks, SDev, Variansi)
• Perintahnya “summarize var” <enter>
Praktikum Manajemen Data dgn Stata 9.0Hipotesis Statistik (Umur)
Ho : µ=25 (rata-rata umur responden tidak berbeda dari 25 thn)
Ha : µ≠25 (rata-rata umur responden berbeda 25 thn)
tingkat kesalahan 5% daerah penolakan : Ho ditolak jika t hitung ≥ t
tabel atau -t hitung ≤ -t tabel p (p ≤ 0,05)
hipotesis mean=25 thn mean sampel = 24,36 Nilai t uji =-1,1 Nilai T tabel (t, 24, 0,05) = 1,714 karena uji
jatuh di sebelah kiri maka -1,711 Bandingkan T uji dengan t tabel -1,1 > -1,7 ho tidak ditolak.. tidak Ada beda antara sampel dengan nilai
hipotesis Nilai CI 95% Mean
23, 19 s/d 25,53 melewati 25 artinya tidak ada beda rata-rata
p=0,2688 > 0,05 artinya tidak ada beda rata-rata antara statistika sampel dengan nilai hipotesis (25 thn)
Kasus : Tinggi Badan t hitung = 2,5737 è Kanan Kurva jika nilai p=0,0167 dan Batas penolakan adalah p ≤0,05 Artinya apa?
Tidak Signifikan/Tidak Bermakna Untuk Uji Statistik Ho tidak ditolak (p> 0,05) atau misal uji t è t hitung < t tabel
SignifikanJenis Pengujian
1. Hubungan : Korelasi Signifikan 2. Perbedaan (Mean) : Perbedaan Signifikan 3. Perbedaan Proporsi : Perbedaan Signifikan
Hipotesis Uji t (2 sample) Ho : μ1= μ1 (tidak ada beda rata-rata usia) Ha : μ1≠ μ1 (Ada Beda Rata-rata usia) uji t
jika α=5%, maka daerah penolakan Ho adalah p≤ 0,05
A – B = + è A > B A – B = - è A < B A – B = 0 è A = B (Tidak berbeda)
95% CI untuk mean
95% CI melewati nilai 25?
95% CI melewati nilai 25? Uji Beda Mean 1 SampelHipotesis
Ho : µ=µ0 Ha : µ≠µ0 Kesalahan α=5% Kapan uji statistik dikatakan signifikan? Jawaban, Jika Ho ditolak.
Hipotesis Penelitian Vs Hipotesis Statistik Hipotesis Penelitian è Rata-rata usia adalah
25 Tahun Hipotesis Statistik :
Ho : µ=25 Ha : µ≠25
Kesalahan α=5% Hasil nya uji statistik tidak signifikan
(p>0,05) , Ho diterima. Bagaimana anda menjelaskan ini ke Dosen
Anda atau Rekan Anda Uji Beda 2 Populasi /Sampel /Kategorik
diff =0,6 Thn t hitung =0,5119; p=0,6136 95% CI diff -1,824 s/d 3,025 Kesimpulan Tidak ada beda rata-rata usia antara jenis
kelamin laki-laki dan perempuan (p>0,05). Arti Perbedaan (Mean) dalam Interval Kelas (CI 95% for Mean)
Aplikasi Manajemen Data dengan Stata (Sesi III)Kasus
Dari data pasien yang berkunjung ke Pelayanan Kesehatan (Puskesmas) peneliti memiliki definisi operasional (DO) untuk status gizi pasien. Ingin diketahui:
1. Apakah ada beda proporsi jenis kelamin, status gizi antar lokasi tinggal responden?
2. Apakah ada beda status gizi pasien antar jenis kelamin dan antar lokasi tinggal?
Rumus IMT/BMI Indeks Massa Tubuh IMT=Berat (Kg)/Tinggi (m2)
Chek Satuan Variabel di Data!. Kriteria IMTBatas ambang IMT untuk masyarakat Indonesia adalah sebagai berikut:
Kurus (tingkat berat) < 17,0 Kekurangan BB tingkat ringan 17,0 –
18,4 Normal 18,5 – 25,0 Gemuk Kelebihan BB (ringan) 25,1 –
27,0 Kelebihan BB (berat) > 27,0
Kriteria IMT (Versi Latihan)Batas ambang IMT untuk masyarakat Indonesia adalah sebagai berikut:
Normal 18,5 – 25,0 Tidak Normal IMT<18,5 atau
IMT>25,0 Catatan Sedikit perubahan Data
Modifikasi sedikit! Data Tinggi Badan ditambah 14 Cm Perintah di Stata
replace tb=tb+14Algoritma Manajemen Data
23,19 25,52
25
23,19 24,5
25
AB
AB
AB
BerbedaTidak Nyata
BerbedaNyata
Tidak BerbedaNyata
1. Chek Ketersediaan variabel di file (TB BB, dan Usia.)
2. Chek Satuan Skala Variabel (misal Tinggi Badan (ubah dari Cmè meter)
3. Merubah Skala (Recode Data) Siapkan Rumusnya, Variabel hasil, variabel sumber.
4. Lakukan Tabulasi Silang!5. Interpretasikan!
Beberapa Perintah yang dipakai1. generate è Membuat variabel baru 2. replace è Mereplace /Menimpa variabel lama3. recode è perintah melakukan re kode dari
data yang ada 4. tabulate è perintah tabulasi silang (chi-
Square)5. sort è perintah mengurutkan data6. merge ... using...èPerintah menggabung 2
file, ex: merge id using 2_data_kursus2 Menggabung 2 file
File 2_data_kursus1.dta dan 2_data_kursus2.dta
bertujuan menggabungkan variabel BB dan TB
Algoritma menggabung1. Buka file master (file awal) è
use “2_data_kursus1.dta”, clear 2. Pastikan variabel “id” , identitas responden ada
di ke 2 file data.3. Urutkan 2 file yang digabung dengan perintah
“sort id”. Simpan file using (file ke 2)4. Gabung 2 file yang ada dalam 1 folder dengan
perintah merge id using “2_data_kursus1”
5. Cek hasil dengan perintah tab _merge Recode IMT
1. gen imt=bb/((tb*tb)/10000)2. recode imt (min/18.499=0) (18.5/25=1)
(25.01/max=0), gen(k_imt)3. label var k_imt “Kategori IMT”4. lab def imt 0 “Tidak Normal” 1 “Normal”5. lab val k_imt imt
Chek Data LokasiPerintah tabulate
tab lokasi <Enter> Tabulasikan variabel yang diteliti
tabulate lokasi k_imt, row all
Apakah proporsi p(Sleman/tdk Normal) tidak berbeda p(Luar sleman/Tdk Normal)? atau Apakah proporsi p(Sleman/Gizi Normal) tidak berbeda p(Luar Sleman/Gizi Normal)? Tabulasi Pendidikan VS Lokasi
1. recode pend (1/2=1) (3/4=2), gen (pend2)2. lab var pend2 “Pendidikan”3. lab def pend2 1 “<= SMP” 2 “>SMP”4. lab val pend2 pend2 5. tab pend26. tab pend2 k_imt, row all
Diskusi Tabulasi Silang (X2)
Apakah proporsi p(<=smp/tdk Normal) tidak berbeda p(>smp/Tdk Normal)? atau
Apakah proporsi p(<=smp/Gizi Normal) tidak berbeda p(>smp/Gizi Normal)?
Hipotesis Uji Homogenitas (proporsi) Ho : p1=p2 (tidak ada beda proporsi (%)) Ha : p1≠p2 (Ada Beda Proporsi)
Daerah penolakan α=5% Ho ditolak jika p ≤0,05 pè prob(x2
tabel≥x2hitung)
Peluang menerima Ho, dibawah asumsi hipotesis nol benar, jika p≤0,05 Ho ditolak.
namausia...idtb
nobbpendid
Data 1 (kursus 1) Data 2 (kursus 2)
Hasil Pengujian Statistik ILokasi VS Status Gizi
Nilai Chi-squre=0,2017 è cek Biostat p=0,653 >0,05 artinya Ho diterima
Hasil Pengujian Statistik IIPendidikan VS Status Gizi
Nilai Chi-squre=0,5197 è cek Biostat p=0,471 >0,05 artinya Ho diterima
Diskusi Kelas• r usia vs tb=-0,2245 =è korelasi lemah
(Hubungan Negatif, • sig =0,2806 è p=0,2806 • p= probabilitas • p è p( nilai tabel >= nilai uji statistik) • Ho ditolak jika p ≤ α • α=5% è 0,05
Hipotesis Korelasi• Ho : r=0 (tidak ada korelasi, tidak hubungan)• Ha : r≠ 0 (Ada korelasi, Ada Hubungan)• Ho ditolak jika p-value ≤ 0,05• p=0,2806 >> 0,05 è ho diterima, Tidak ada
korelasi. Y=a+bX
• aè intersep • bè gradien è koefisien regresi • jika a=0 è y=bx • x = 0 è y =0• jika a ≠0 è • a=2è
Modelmodel anak = b0 + b1 ibu
• anak : sistolik anak • Ibu : sistolik ibu
• p(bo)=0,082 > 0,05 (tidak bermakna)• p(b1)=p(b1 bapak)=0,009 < 0,05 (Bermakna)• Model è anak =0,415 bapak
• uji model (prop > F) ==p-value= 0,003 < 0,05• Model regresi linier tepat untuk data
Uji koefisien (Uji t)• Uji b0• Ha : b0≠0• Ho : b0=0 • Ho ditolak jika p≤0,05• Uji b1• Ha : b1≠0• H0: b1=0• model yang dihasilkan adalah anak=0,479 Ibu
+39,66