ANALISIS DATA-Ichwanuddin-Jurusan Gizi Poltekkes Bandung

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


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



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


Boxplot

Median


Ha : Ada perbedaan ukuran Lila WUS antara sampel dengan populasi

Prosedur Analisis : Analyze Compare means One-Sample T test


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)



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


Var Dependen (numeric-kontinyu)

Var Independen (numeric-kategori)



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


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)


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








Difference


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,



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


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








Difference


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 ?.



Prosedur Analisis : Analyze Compare means Paired-Samples T test


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


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)


Masukkan kedua variable ini secara bersamaan


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


Var Dependen (numeric-kontinyu)

Var Independen (numeric-kategori)



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).



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



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


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)



Correlations

1 -.829**

.000

20 20

-.829** 1

.000

20 20

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N


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)


Nilai - rUji nilai-r


4. Jika nilai r bermakna, hitung koefisien regressi Y = a + b.x5. Uji hipotesis koefisien regressi

Analyze RegressionLinear


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.



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)


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



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



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…


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.



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…


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)



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…


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)



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…


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)



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.


Kesimpulan :

Ada perbedaan efektifitas peningkatan bb diantara keempat macam diet (p<0,05)



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.


Kesimpulan :

Ada perbedaan tingkat kesulitan pada keempat mata kuliah (p<0,05)



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…


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)



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


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



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



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



1. CROSS SECTIONAL

Perhitungan ukuran asosiasi

PajananKeluaran (Outcome)

JumlahAda Tidak

Ada a b a + bTidak c d 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 ?



Prosedur Analisis :

Analyze Descriptive Statistics Crosstabs ……..


Crosstabs (Cross Sectional)


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


Chi Square

Nilai PORNilai observasi

Nilai harapan

Persen baris (Cross Sectional)


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


Count

Expected Count


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


Nilai observasi

Nilai harapan

Persen baris (Cross Sectional)

p-value


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


Nilai POR


2. CASE CONTROLPerhitungan ukuran asosiasi

PajananKeluaran (Outcome)

JumlahKasus Kontrol



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 :



Chi Square



Crosstabs (Case Control)


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


Count

Expected Count


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)


Nilai RORNilai observasi

Nilai harapan

Persen kolom (Case Control)


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


Likelihood Ratio

Fisher's Exact Test


N of Valid Cases

Value dfAsymp. Sig.


Exact Sig.(1-sided)



b.


Kesimpulan :


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


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



3. COHORTPerhitungan ukuran asosiasi

PajananPenyakit

JumlahAda Tidak



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 :



Chi Square

Nilai RRNilai observasi

Nilai harapan

Persen baris (Cohort)



Crosstabs (Cohort)


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


Count

Expected Count


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


Likelihood Ratio

Fisher's Exact Test


N of Valid Cases

Value dfAsymp. Sig.


Exact Sig.(1-sided)



b.




Kesimpulan :


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


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


ANALISIS DATA-Ichwanuddin-Jurusan Gizi Poltekkes Bandung

Documents

Transcript of ANALISIS DATA-Ichwanuddin-Jurusan Gizi Poltekkes Bandung