rq Seri Evidence Based Medicine 1 RS UCU LL EL) NSLS La MCSE TCH Fie Penerbit =F2 Salemba Medika PSE yy © Tutorial Interakti?“LIHATLAH GAMBARAN BESARNYA.........” BAB | TEORI SEDERHANA PROSEDUR PEMILIHAN UJI HIPOTESIS Pembaca memahami Statistik Deskriptif. 2. Pembaca mampu memahami alur berpikir yang benar untuk menentukan uji hipotesis yang sesuai secara teoretis untuk analisis bivariat: Hipotesis komparatif skala pengukuran numerik, dua kelompok data. Hipotesis komparatif skala pengukuran numerik > 2 kelompok data. Hipotesis komparatif skala pengukuran kategorik kelompok data tidak berpasangan. Hipotesis komparatif, skala pengukuran kategorik, kelompok data berpasangan. e. Hipotesis korelatif. Pembaca mampu memahami alur berpikir yang benar untuk me- nentukan uji hipotesis yang sesuai secara teoretis untuk analisis multivariat. Di mana kita berada? |. Statistik deskriptif analisis bivariat dan multivariat A. STATISTIK DESKRIPTIF Statistik deskriptif akan membawa Anda pada pemahaman tentang karakteristik data yang Anda miliki. Statistik deskriptif ini harus selalu mendahului statistik analitis. Karena pentingnya statistik deskriptif ini, para ahli selalu mengatakan: Know your data, what kind of data you have! Berikut ini merupakan catatan utama berkaitan dengan statistik deskriptif.2 Statistik untuk Kedokteran dan Kesehatan 1. Variabel kategorik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran kategorik, Anda mengenal istilah jumlah atau frekuensi tiap kategori (n) dan persentase tiap kategori (%) yang umumnya disajikan dalam bentuk tal-!-*~-~=--61 Jenis Kelamin Laki-laki ee pee Perempuan 28 56 Tingkat Pendidikan Rendah, 10 20 Sedang 25 50 Tinggi 15 30 Total 50 100 Tabel 1.1 Contoh deskripsi variabel kategorik dalam bentuk tabel Grafik: Seberan resporden berdasarkan finghat pendidican (n=50) : a ° |_| rena sedang inggt tingkat pendidikan Gambar 1.1 Contoh penyajian variabel kategorik dalam bentuk grafik batang Berikut ini merupakan contoh penyajian variabel dengan skala pengukuran kategorik dalam bentuk grafik batang, 2. Variabel numerik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran numerik, Anda mengenal dua parameter yang lazim digunakan, yaitu parameter ukuran pemusatan dan parameter ukuran penyebaran, Anda mengenal beberapa parameter untuk ukuran pemusatan, yaitu mean, median, dan modus. Untuk parameter ukuran penyebaran, Anda mengenal standar deviasi, varians, koefisien varians, interkuartil, range, dan minimum-maksimum. Data variabel dengan skala pengukuran numerik umumnya disajikan dalam bentuk tabel dan grafik (histogram dan plots). Berikut ini merupakan contoh penyajianeon Sederhana Prosedur Pemilhan Uji Hipotesis 3 variabel dengan skala pengukuran numerik dalam bentuk tabel dan histogram. Tabel 1.2 Contoh penyajian variabel numerik dalam bentuk tabel Variabel Rerata_ Median Simpang Baku Minimum _Maksimum Usia 46,69 47 12,56 15 69 Berat Badan 50,4 50 8,33 45 64 Histagram Mean =m 6408 umur respendon Gambar 1.2 Contoh penyajian variabel numerik dalam bentuk histogram Kapan Anda memilih mean, median atau modus sebagai ukuran pemusatan? Kapan pula Anda memilih standar deviasi atau minimum- maksimum sebagai ukuran penyebaran? CATATAN Jika data mempunyai distribusi normal, Anda dianjurkan untuk memilih mean sebagai ukuran pemusatan dan standar deviasi (SD) sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia mempunyai distribusi normal, Anda menuliskan: Rerata usia responden adalah 46,69 (SD 12,56). Jika distribusi data tidak normal, Anda dianjurkan untuk memilih median sebagai ukuran pemusatan dan minimum-maksimum sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia berdistribusi tidak normal, Anda dianjurkan untuk menuliskan rerata usia responden adalah 47 (15-69). Untuk mempolajari bagaimana membuat deskripsi variabel kategorik, deskripsi variabel numerik, dan bagaimana cara mengetahul distribust suatu variabel numerik memiliki distribusi normal atau tidak dengan menggunakan, SPSS, silakan pelajari Bab II.4. Statistik untuk Kedokteran dan Kesehatan B. STATISTIK ANALITIS BIVARIAT Pertanyaan yang sering muncul dalam analisis data adalah: Uji hipotesis apa yang Anda pakai untuk menguji set data yang Anda miliki? Jawabannya tentu saja: Anda menggunakan uji hipotesis yang sesutai, Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang sahih. Akan tetapi, untuk mencapai keputusan untuk menggunakan uji tertentu, tentu saja harus didasari berbagai pertimbangan. Pertimbangan apa saja yang harus kita pikirkan untuk menentukan uji hipotesis? Tahukah Anda dengan berpedoman pada tabel uji hipotesis (Tebel 1.3) Anda sudah bisa menentukan sebagian besar uji hipotesis yang sesuai dengan set data yang ‘Anda miliki? Tabel 1.3 Tabel uji hipotesis bivariat Wasalan Siaa Tenis POTS HOIST] pengukuran Komparaif Korelatit Tidak berpasangen Berpasangan Namek ““Bielompok | >2 > 2kelompok | > 2kelompde kslemnpek Ujt tidak ‘One way uit Repealed Pearson * berpasangan | ANOVA | bemasangan | ANOVA onaiowe HY Mann Whitney | Kruskal Wilcoxon Friedman Spearman Wallis ‘Somers'a Gamma Kategorik Chi-Square MeNemar, Cochran Koefisien (Nominal/Ordinal) Fishor Marginal Homogenoity kontingonei Kolmagorov-Smirrov Wicoxon, Friedman Lambda labo B xk) (prinsip Px k) Keterangan: 1. Uji dengan tanda * merupakan uji parametrik. Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji parametrik tidak terpenuhi 3. Untuk hipotesis komparatif numerik, perlu diperhatikan banyaknya kelompok. 4, Untuk hipotesis komparatif kategorik tidak berpasangan, pemilihan uji menggunakan “tabel Bx K”. 5. Untuk hipotesis komparatif kategorik berpasangan, pemilihan uji menggunakan “prinsip P x K”.eon Sederhana Prosedur Pemilihan Uji Hipotesis 8 Dengan berpedoman pada tabel di atas, sesungguhnya Anda sudah dapat menentukan uji hipotesis yang sesuai dengan set data yang Anda miliki. Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut. ln Bos Menentukan variabel yang dihubungkan. Menentukan jenis hipotesis. Menentukan masalah skala pengukuran. Menentukan berpasanganitidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel Bila jenis hipotesis komparatif numerik, tentukan banyaknya kelompok. Bila jenis hipotesis komparatif kategorik tidak berpasangan, tentukan jenis tabel B x K. Bilajenis hipotesis komparatif kategorik berpasangan, tentukan jenis “prinsip P x K”. Dengan demikian, Anda dapat menentukan uji hipotesis bivariat dengan berpedoman pada Tabel 1.3 dengan syarat Anda harus memahami beberapa istilah: 1. Skala pengukuran: kategorik atau numerik. NAAR WY Jenis hipotesis: komparatif atau korelatif. Masalah skala pengukuran: numerik atau kategorik. Pasangan: berpasangan atau tidak berpasangan. Jumlah kelompok: 2 kelompok atau > 2. kelompok. Syarat uji parametrik dan nonparametrik. Prinsip tabel B x K dan P x K. Marilah kita bahas pengertian dasar dari istilah-istilah terscbut satu demi satu. INGAT! Pemahaman ketujuh istilah ini sangat penting. Oleh karena itu, fokuslah untuk memahami tujuh istilah ini.6 Statistik untuk Kedokteran dan Kesehatan Istilah pertama: Skala pengukuran variabel Pemahaman tentang skala pengukuran variabel, menggambarkan pemahaman cated data yang Anda miliki. Pada tabel uji 1 \ hipotesis (Tabel 1.3), skala pengukuran variabel dibagi VD evjad kategorik (nominal-ordinal) dan numerik (rasio- interval). Apa yang dimaksud dengan skala pengukuran variabel? Lihatlah dengan saksama Tabel 1.4. Dengan melihat Tabel 1.4, apakah Anda dapat membedakan variabel kategorik (nominal-ordinal) dan numerik (rasio-interval) Apakah perbedaannya? Dapatkah Anda memberikan contoh lainnya? Tabel 1.4 Skala pengukuran variabel ‘SKALA PENGUKURAN KATEGORIK/ KUALITATIF HOMER NON EATEGODEL KUANTITATIF Nominal Interval Contoh : denis Kelamin Contoh : Suhu Badan Lakilaki Perempuan Ordinal Rasio Contoh : Tingkat pendidikan Contoh : - Berat Badan Pendidikan rendah ~ Tinggi badan Pendidikan menengah ~ Kadar gula darah Pendidikan tinggi ~ Kadar Kolesterol Kiasifikasi Kadar Kolesterol Rendah Normal Tinggi Kesepakatan Dalam berbagai buku rujukan, ada beberapa istilah yang digunakan dalam Klasifikasi skala pengukuran antara lain kategorik-nonkategorik dan kualitatif-kuantitatif. Dalam program SPSS, digunakan istilah scale untuk istilah kuantitatif dan nonkategorik. Dalam buku ini, penulis memakai istilah kategorie untuk mewakili istilah kualitatif dan istilah numerik untuk mewakili istilah nonkategorik dan kuantitatif. Nominal dan Ordinal (Kategorik) Variabel nominal dan variabel ordinal disebut sebagai variabel kategorik karena variabel tersebut mempunyai kategori variabel Sebagai contoh ‘Jenis kelamin’ adalah variabel, sedangkan ‘laki-laki’eon Sederhana Prosedur Pemilihan Uji Hipotesis dan ‘perempuan’ adalah kategori variabel, ‘Klasifikasi kadar kolesterol’ adalah variabel, sedangkan ‘baik’, ‘sedang’, dan ‘buruk’ adalah kategorinya. Berdasarkan kategori inilah Anda dapat membedakan variabel nominal dan variabel ordinal. Variabel nominal mempunyai kategori yang sederajat atau tidak bertingkat (contoh: variabel jenis kelamin dengan kategori laki-laki dan perempuan) sedangkan variabel ordinal mempunyai kategori yang tidak sederajat atau kategori yang bertingkat (contoh: variabel kolesterol dengan kategori kadar kolesterol baik, kadar kolesterol sedang, dan kadar kolesterol buruk). Rasio dan Interval (Numerik) Variabel rasio dan interval disebut sebagai variabel numerik karena variabel tersebut tidak mempunyai kategori variabel. Anda dapat membedakan variabel rasio dan interval berdasarkan nilai nolnya. Apabila variabel tersebut mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak), maka Anda menyebutnya sebagai variabel rasio. Apabila variabel tersebut tidak mempunyai nilai nol alami (seperti suhu), maka Anda menyebutnya sebagai variabel interval. Perhatikan bahwa nol derajat pada skala Celcius berbeda dengan nol derajat pada skala Fahrenheit!!! Lambang skala pengukuran dalam SPSS Perhatikan lambang skala pengukuran variabel yang dapat Anda temukan pada program SPSS. Program SPSS tidak membedakan variabel rasio dengan interval. Dalam SPSS, variabel rasio dan interval disebut sebagai variabel scale. Anda perhatikan, bahwa variabel scale dilambangkan dengan sebuah penggaris untuk mewakili contoh variabel scale (ukuran panjang, § Morminal Gambar 1.3 Simbol skala pengukuran pada SPSS adalah salah satu contoh variabel scale). Variabel ordinal dilambangkan dengan suatu tangga bertingkat untuk menunjukkan kategori dalam variabel ordinal tidak sederajat. Adapun variabel nominal dilambangkan dengan bulatan-bulatan bola untuk menunjukkan kategori dalam variabel nominal adalah sederajat.8 Statistik untuk Kedokteran dan Kesehatan aha Istilah kedua: Jenis hipotesis re Anda harus mengetahui apa yang dimaksud dengan uji \ hipotesis, hipotesis komparaiif, dan hipotesis korelatif. Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif (comparation) dan korelatif (correlation). Hal itulah yang mendasari pembagian uji hipotesis menjadi hipotesis komparatif dan hipotesis korelatif. Kesepakatan Dalam bahasa Inggris, terdapat perbedaan yang cukup jclas antara association, comparation, dan correlation. Akan tetapi, ketika diterjemahkan ke dalam bahasa Indonesia, ketiga kata tersebut diterjemahkan menjadi hubungan. Akibatnya, dalam bahasa Indonesia, pengertian ‘mencari hubungan’ bisa berarti mencari hubungan secara komparatif maupun secara korelatif, Kalau kita membaca kata ‘mencari hubungan’, maka akan timbul kerancuan apakah yang dimaksud adalah mencari hubungan secara komparatif atau secara korelatif. Untuk menghindari kerancuan tersebut, dalam buku ini diambil kesepakatan sebagai berikut. Pada tabel uji hipotesis, jenis hipotesis dibagi menjadi dua, yaitu komparatif dan korelatif, Untuk membedakannya, perhatikan contoh sebagai berikut. Untuk menunjukkan bahwa metode yang dipakai untuk mencari hubungan antarvariabel adalah metode komparatif, maka digunakan kata hubungan atau perbandingan. Sedangkan untuk menunjukkan bahwa metode yang digunakan untuk mencari hubungan antarvariabel adalah metode korelatif, maka digunakan kata korelasi. 1. Pertanyaan penelitian untuk hipotesis komparatif M Apakah terdapat perbedaan rerata kadar gula darah antara kelompok yang mendapat pengobatan glibenklamid dan kelompok plasebo? MZ Apakah terdapat hubungan antara kadar gula darah dengan jenis pengobatan yang diterima (glibenklamid dan plasebo) ? HM Apakah terdapat perbedaan terjadinya kanker paru antara perokok dan bukan perokok? HM Apakah terdapat bubungan antara perilaku merokok dan terjadinya kanker paru?eon Sederhana Prosedur Pemilihan Uji Hipotesis 9 2. Pertanyaan untuk hipotesis korelatif @ Berapa besar korelasi antara kadar trigliserida dan kadar gula darah? Dengan mengamati secara saksama kata kunci pada contoh pertanyaan penelitian di atas, Anda sudah mengetahui perbedaan jenis hipotesis tersebut. Apakah perbedaan hipotesis komparatif dengan korelatif? Perbedaan mendasar pada kedua uji di atas adalah pada output yang ingin diperoleh. Bila peneliti ingin mengetahui asosiasi itu dengan parameter koefisien korelasi (r), maka gunakanlah hipotesis korelatif. Namun apabila parameter yang diinginkan bukan koefisien korelasi tetapi ‘parameter yang lain’, maka gunakanlah hipotesis komparatif. Perlahan-lahan Anda akan belajar kapan memilih hipotesis korclatif dan kapan memilih hipotesis komparatif. Istilah ketiga: Masalah skala pengukuran numerik atau -& kategorik \ Dalam tabel, masalah skala pengukuran dituliskan menjadi numerik dan kategorik. Bagaimana Anda mengelompokkan masalah ke dalam masalah numerik atau kategorik? Berikut ini adalah panduan yang dapat membantu Anda mengelompokkan masalah skala pengukuran, Untuk hipotesis komparatif: - yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel kategorik. yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel numerik. Untuk hipotesis korelatif: - yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik, yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel numerik dengan variabel numerik.10 Stalstk untuk Kedokteran dan Kesehatan Tabel 1.5 Mengidentifikasi jenis analisis bivariat dengan menentukan skala pengukuran variabel Variabel yang dicari asosiasinya Jenis hipotesis AGES TEESE Istilah Hipotesis komparatif | Kategorik Kategorik Komparatif kategorik Kategorik Numerik Komparatif numerik Numerik Numerik Hipotesis korelatif | Kategorik Kategorik Korelatif kategorik Kategorik Numerik Korelatif kategorik Numerik Numerik Korelatif numerik Istilah keempat dan kelima: Pasangan dan jumlah kelompok Anda harus mengetahui apa yang dimaksud berpasangan dan tidak berpasangan serta yang dimaksud dengan 2 kelompok dan > 2 kelompok. Penjelasannya dengan mudah dapat dijelaskan dengan contoh sebagai berikut. Ilustrasi satu: dua kelompok tidak berpasangan. Anda mengukur tekanan darah subjek penelitian. Subjek 1 penelitian tersebut berasal dari dua kelompok, yaitu kelompok daerah rural dan kelompok daerah urban. Nah, data tekanan darah kelompok rural adalah satu kelompok data sedangkan data tekanan darah kelompok urban adalah kelompok data yang lain, Dengan demikian, dari segi jumlah, Anda punya dua kelompok data. Sedangkan dari segi berpasangan, Anda mempunyai kelompok data yang tidak berpasangan karena individu dari kedua kelompok data tersebut berbeda. Sth Ilustrasi dua: dua kelompok berpasangan Ada sekelompok mahasiswa yang diukur berat badannya sebanyak dua kali, yaitu pada Bulan Januari 2003 dan Bulan Februari 2003. Nab, data berat badan mahasiswa pada Bulan Januari adalah satu kelompok data. Berat badan mahasiswa pada Bulan Februari adalah sekelompok data lagi. Dari segi jumlah, Anda mempunyai dua kelompok data lyaita berat badan mahasiswa pada Bulan Januari dan Februari). Dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena individu dari kedua kelompok data adalah Ni. individu yang sama.Teori Sederhana Prosedur Femilhan Uji Hipotesis 11 Ilustrasi tiga: kelompok berpasangan karena matching Tlustrasi sama dengan ilustrasi pertama. Anda mengukur tekanan darah subjek penelitian yang berasal dari dua kelompok, yaitu kelompok dacrah rural dan kelompok daerah urban pe Dalam prosedur pemilihan subjek penelitian, Anda melakukan 3 proses matching, yaitu setiap subjek dari kelompok rural dicarikan pasangannya yang mempunyai karakteristik yang sama dengan subjek dari kelompok urban. Dengan demikian, dari segi jumlab, Anda punya dua kelompok data. Sedangkan dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena ada proses matching. llustrasi empat: kelompok berpasangan karena desain cross over Jenis data kelompok berpasangan bisa juga diperoleh pada suatu uji klinis yang menggunakan desain cross over. Pada desain ini, pada periode tertentu subjek penelitian akan menerima obat A. A Setclah menyelesaikan obat A, subjek penelitian akan menerima obat B selama periode tertentu. Dengan cara ini, akan diperoleh data ketika subjek penelitian menggunakan obat A dan ketika subjek penelitian menggunakan obat B. Data obat A dengan data obat B dikatakan berpasangan karena data tersebut diperoleh dari individu yang sama. Berpasangan dan tidak berpasangan Dua atau lebih kelompok data dikatakan berpasangan apabila data tersebut } dari individu yang sama balk karena pengukuran berulang, proses matehing atau karena desain crossover. Dua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal dari subjek yang berbeda tanpa prosedur matching Istilan keenam: Syarat uji parametrik dan XE nonparametrik \ Anda harus mengerti apa yang menjadi syarat uji parametrik dan nonparametrik. Apa syarat uji parametrik dan nonparametrik? Uji parametrik Untuk uji parametrik, terdapat tiga syarat yang perlu diperhatikan, yaitu skala pengukuran variabel, distribusi data, dan varians data.12 Stalstk untuk Kedokteran dan Kesehatan 1, Masalah skala pengukuran variabel: Skala pengukuran variabel harus variabel numerik. 2. Distribusi data: distribusi data harus normal. 3. Varians data: a. Kesamaan varians tidak menjadi syarat untuk uji kelompok yang berpasangan. b. Kesamaan varians adalah syarat tidak mutlak untuk 2 kelompok tidak berpasangan, artinya varians data boleh sama boleh juga berbeda. c. Kesamaan varians adalah syarat mutlak untuk > 2 kelompok tidak berpasangan artinya varians data harus/wajib sama. Uji nonparametrik Uji nonparametrik digunakan untuk keadaan sebagai berikut. 1. Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan nominal). 2. Jika data dengan masalah skala pengukuran numerik tetapi tidak memenuhi syarat untuk uji parametrik (misalnya distribusi data tidak normal), maka dilakukan uji nonparametrik yang merupakan alternatif dari uji parametriknya. Lihat tanda panah pada tabel uji hipotesis. Alternatif uji t berpasangan adalah uji Wilcoxon. Alternatif uji t tidak berpasangan adalah uji Mann-Whitney. Alternatif uji repeated ANOVA adalah uji Friedman. Alternatif uji one way ANOVA adalah uji Kruskal-Wallis. Lalu, bagaimana Anda mengetahui set data memiliki distribusi normal? Anda dapat mengetahui set data memiliki distribusi normal OP cian tidak dengan dua metode, yaitu metode deskriptif dan metode analitis. Rincian serta penjclasan kedua metode tersebut dapat dilihat pada Tabel 1.6.Teoni Sederhana Prosedur Femilhvan Uji Hipotesis 13 Tabel 1.6 Metode untuk mengetahui suatu set data memiliki distribusi normal atau tidak Keritera sebaran data Metode Parameter Ma Keterangan ‘Rodidlonvarn: Nilai koefisien varians 5D ions = 30% mean Nilai rasio skewness “2 S/d ‘Skewes Rasia skewness: z Fes Kurosis Rasio kurtosis Nilai rasio kurtosis -2 sid 2 na ‘Simetris tidak miring ki a Deskeriptif Histogram maupun kanan, tidak terlala tinggi atau terialu rendah ‘Simetris median tepat di Box plot tengah, tidak ada outlier ala nila ekstrim. a Data menyabar sekitargars pada nilai 0 Koimogorov-Smimov _Nilai kemaknaan (9) >0,05 Untuk sampel besar (> 50), Shapiro-Wilk. Nilai kemaknaan (p} > 0,08 Untuk sampel kecil (< 50) a Detrended @-@ plots Analiti Ket: SD- Standar Deviasi, SE - Standar Error. Pembahasan lebih rinci tentang metode untuk menentukan set data memiliki distribusi normal atau tidak dengan menggunakan program SPSS akan dibahas pada Bab I Lalu, bagaimana mengetahui dua buah data atau lebih mempunyai varians yang sama atau tidak? Uji varians (Levene’s test) digunakan untuk mengetahui apakah dua atau lebih kelompok data mempunyai varians yang sama atau tidak. Jika uji varians menghasilkan nilai p > 0,05, maka varians dari data yang diuji adalah sama (Bagaimana uji kesamaan varians dengan SPSS, silahkan pelajari Bab III dan IV). Istilah ketujuh: Tabel B x K dan prinsip Px K 7 \ Anda harus memahami apa yang dimaksud dengan tabel B "_\ xK dan prinsip P x K . Pada tabel uji hipotesis, dijelaskan - . bahwa tabel Bx K digunakan untuk hipotesis komparatif kategorik tidak berpasangan sedang P x K untuk hipotesis komparatif kategorik berpasangan. Apakah yang dimaksud tabel B x K? B adalah singkatan dari baris dan K dari kolom. Pada baris (B) umumnya diletakkan variabel independen/bebas, sedangkan pada kolom (K) diletakkan variabel dependen/terikat. Jenis tabel ditentukan oleh jumlah baris dan kolomnya. Jika jum- lah baris ada 3 dan kolom 3, maka tabel tersebut disebut tabel 3 x 3. Berikut ini merupakan contoh dari tabel 3 x 3.14 Stalstk untuk Kedokteran dan Kesehatan Tabel 1.7 Contoh tabel silang 3 x 3 Tingkat Rendah Sedang Tinggi! Tingkat Rendah a b c a+D+c pendidikan Sedang d e f dio+f Tinggi g h i gehsi Total ard+g b+e+h o+fti N Tabel 1.7, merupakan contoh tabel 3 x 3 karena jumlah baris ada 3 dan jumlah kolom ada 3. Baris ada tiga karena tingkat pendidikan dibagi menjadi 3 kategori, yaitu rendah, sedang, dan tinggi. Pada kolom juga terdapat 3 kolom karena tingkat pengetahuan dibagi menjadi 3, yaitu rendah, sedang dan tinggi. Persilangan antara satu kategori dengan kategori lain dinan sebagai sel. Pada tabel 3 x 3, terdapat 9 sel yang diberi nama mulai dari sel a sampai dengan sel i. Perhatikan bahwa variabel tingkat pendidikan dan tingkat pengetahuan merupakan variabel kategorik. Hubungan antara dua buah variabel ordinal ini dapat disajikan dalam bentuk tabel silang (tabel B x K). an Apakah yang dimaksud prinsip P x K? P adalah singkatan dari pengulangan dan K dari kategori. Jenis prinsip P x K ditentukan oleh jumlah pengulangan dan kategori. Jika jumlah pengulangan ada 2 dan kategori ada 2, maka prinsip tersebut disebut 2 x 2. Berikut ini merupakan contoh dari prinsip 2 x 2. Tabel 1.8 Contoh prinsip 2 x 2 Pengetahuan sesudah penyuluhan Baik Buruk Pengetahuan Baik a b atb sebelum penyuluhan Buruk c d ord atc bed NTeoni Sederhana Prosedur Femilhan Uji Hipotesis 18 Tabel 1.8, merupakan contoh prinsip 2 x 2 karena jumlah peng- ulangan ada dua dan jumlah kategori ada dua. Pengulangan ada dua karena pengetahuan diukur dua kali, yaitu saat sebelum dan setelah penyuluhan. Kategori ada dua karena variabel pengetahuan dikelompok- kan menjadi dua kategori, yaitu baik dan buruk. Dengan demikian: - Bila pengukuran dilakukan sebanyak tiga kali dan kategori variabel sebanyak daa kategori, thaka prinsip PK yang terjadi adalah 3x2. - Bila pengukuran dilakukan scbanyak dua kali dan kategori variabel sebanyak tiga kategori, maka prinsip P x K yang terjadi adalah 2 x 3. INGAT! Sebelum melangkah lebih jauh, sudahkah Anda memahami tujuh istilah ini: Skala pengukuran : kategorik atau numerik. Jenis hipotesis : komparatif atau korelatif. Masalah skala pengukuran : numerik atau kategorik. Pasangan : berpasangan atau berpasangan. Jumlah kelompok : 2 kelompok atau > 2 kelompok. Syarat uji parametrik dan nonparametrik . Tabel Bx K dan prinsip P x K. C. STATISTIK MULTIVARIAT Terdapat dua analisis multivariat yang sering digunakan dalam penelitian kedokteran dan keschatan, yaitu analisis regresi logistik dan analisis regresi linier. Pemilihan kedua analisis tersebut ditentukan oleh skala pengukuran variabel terikatnya. Bila variabel terikatnya berupa variabel kategorik, maka regresi yang digunakan adalah analisis regresi logistik. Bila variabel rerikatnya berupa variabel numerik, maka regresi yang digunakan adalah analisis regresi linier.aa You have either reached a page that is unavailable for viewing or reached your viewing limit for this book.aa You have either reached a page that is unavailable for viewing or reached your viewing limit for this book.18 Stalstk untuk Kedokteran dan Kesehatan Tabel 1.10 Tabel uji hipotesis: alur menuju pemitihan uji hipotesis komparatif variabel ordinal Masalah skala Jenis hipotesis asosiatif pengukuran ‘Komparatif Tidak berpasengan Berpasangan Kategorik (Ordinal) | 2 Kelompok 32 2kelompok | >2 kelompok kelompok Mann Whitney | Kruskal- Wilcoxon Friedman Wallis Dalam buku ini, hipotesis komparatif variabel ordinal tidak dibahas secara khusus. Pembahasan untuk uji hipotesis ini sekaligus dibahas pada bab yang menjelaskan uji hipotesis komparatif untuk variabel nu- merik (Bab III dan Bab IV). Adapun alasan penggabungan pembahasan adalah sebagai berikut. 1. Ujikomparatif untuk data ordinal ini sering kali menjadi alternatif uji hipotesis untuk data numerik yang tidak memenuhi syarat untuk uji parametrik, 2. Pada Bab III dan IV akan dibahas uji hipotesis untuk variabel or- dinal, akan tetapi menggunakan data numerik yang distribusinya tidak normal. 3. Dengan demikian, secara tidak langsung, pembaca sudah mempe- lajari uji hipotesis komparatif variabel dengan skala pengukuran ordinal. 3. Resume Uji Hipotesis Komparatif Kategorik tidak berpasangan dalam Bentuk Tabel B x K Cakupan uji hipotesis komparatif variabel kategorik tidak berpasan- gan disajikan pada Tabel 1.11. Perhatikan bahwa Tabel 1.11 ini adalah sebagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3. Tabel 1.11 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis variabel kategorik tidak berpasangan Jenis hipotesis asosiait Masalah skala Korperaiit Panaukurs Tidak berpasangan Kategorik Chi-Square (Nominal/Ordinal) Fisher Kolmogorov-Smirnov (abel Bx K| Dengan menggunakan Tabel 1.11, Anda sudah bisa menentukan uji hipotesis yang dipilih untuk menguji data yang Anda miliki. Peng-Teoni Sederhana Prosedur Femilan Uji Hipotesis 19 gunaan Tabel 1.11 akan lebih mudah dipahami bila dikombinasikan dengan diagram uji hipotesis tabel B x K sebagai berikut. TABEL BxK << ¥ y 1 TABEL TABEL TABEL SELAIN 2x2 2x2 2xK DAN2«K J 1 | Syarat uji Chi-Square terpenuhi Uji Chi-Square jp= terpenuhi I Tidak terpenuhi pe terpenuhi Uji Uji Fisher Kolmogorov-Smrnov Penggabungan Sel Diagram 1.2 Diagram alur uji hipotesis variabel kategorik kelompok tidak berpasangan Dengan panduan Diagram 1.2, Anda dapat menarik beberapa catatan penting sebagai berikut. 1. wv Semua hipotesis untuk kategorik tidak berpasangan menggunakan uji Chi-Square, bila memenuhi syarat uji Chi-Square. Syarat uji Chi-Square adalah sel yang mempunyai nilai expected kurang dari 5, maksimal 20% dari jumlah sel. Jika syarat uji Chi-Square tidak terpenuhi, maka dipakai uji alter- natifnya. a. Alternatif uji Chi-Square untuk tabel 2 x 2 adalah uji Fisher. b. Alternatif uji Chi-Square untuk tabel 2 x K adalah uji Kol- mogorov-Smirnov. Alternatif uji Chi-Square untuk tabel selain 2 x 2 dan 2 x K adalah penggabungan sel. Setelah dilakukan penggabungan sel akan terbentuk suatu tabel B x K yang baru. Uji hipotesis yang dipilih sesuai dengan tabel B x K yang baru tersebut. Berikut ini adalah contoh output SPSS untuk tabel 2 x 2 dengan menampilkan nilai observed dan nilai expected-nya.20 Stalstk untuk Kedokteran dan Kesehatan Hubungan antara perilaku merokok dengan status fertilitas Status Ferilitas fertil | infertil_| Total Perilaku merokok Tidak merokok | Count 35 15 50 Expected Count 27s| 225| 500 Merokok ‘Count 20 30 50 Expected Count 275| 225| 500 Total ‘Count 55. 45 100 Expected Count 550| 450| 1000 Keterangan: Pada sel a, nilai obsorvod-nya (lihat pada lajur count) adalah 35 sedangkan nilai exoected-nya (lihat pada lajur expected count) adalah 27,5. Pada sel b, nilai observed-nya adalah 15 sedangkan nilai expected-nya adalah 22,5 dan seterusnya untuk sel lainnya. Nilai expected dihitung dengan persamaan: Total Barisx Total Kolom Total Sampel Sebagai contoh: Total Barisx Total Kolom Nilai expected sel a Total Sampel Nilai expected sel d Total Sampel Pada tabel ini, Anda dapat menggunakan uji Chi-Square karena syarat uji Chi- Total Barisx Total Kolom = OX 579 100 90x49 9) 5 100 Square terpenuhi, yaitu tidak ada nilai expected yang kurang dari 5. Anda bisa mempelajari prosedur SPSS untuk menampilkan nilai obser ved dan expected pada Bab V. Definisi Nilai observed (O} adalah nilai observasi yang Anda dapat kan pada sudjek penelitian. Nilai Expect ed (E) adalah nilai yang diperoleh apabila hipotesis nol benar.aa You have either reached a page that is unavailable for viewing or reached your viewing limit for this book.22 Stalstk untuk Kedokteran dan Kesehatan 2. Jika jumlah pengulangan 2 dan jumlah kategori > 2 maka uji yang digunakan adalah uji Marginal Homogeneity atau Wilcoxon. 3. Jika jumlah pengulangan > 2 dan jumlah kategori 2 maka uji yang digunakan adalah uji Cochran. 4, Jika jumlah pengulangan > 2 dan jumlah kategori > 2 maka uji yang digunakan adalah uji Friedman, 5. Resume Hipotesis Korelatif Anda dapat memilih uji hipotesis korelatif dengan berpedoman pada tabel sebagai berikut. Tabel 1.13 Pemilihan hipotesis korelatif Variabel 1 Variabel 2 ‘orelasi yang dipilih Nominal Nominal Koefisien kontingensi, Lambda Nominal Ordinal Koefisien kontingensi, Lambda Ordinal Ordinal Spearman, Gamma, Somers'd Ordinal Numerik Spearman Numerik Numerik Pearson Keterangan: Korelasi untuk variabel numerik, memakai uji Pearson dengan uji Spearman sebagai alternatitnya. Berikut ini merupakan diagram alur hipotesis korelatif untuk variabel numerik. Hipotesis korelatif Variabel numerik Sebaran normal? | YA TIDAK y Uji parametrik Uji nonparametrik Pearson Spearman Diagram 1.4 Alur pemilihan uji hipotesis korelatif untuk variabel numerik Keterangan: Tanda panah melengkung menunjukkan usaha yang dilakukan untuk menor- matkan distribusi data dari tidak normal menjadi normal (proses transformasi data).Teori Sederhana Prosedur Femilhvan Uji Hipotesis 23 B. RESUME ANALISIS MULTIVARIAT Pemilihan kedua analisis tersebut ditentukan oleh skala pengukuran variabel terikatnya. Bila variabel terikatnya berupa variabel kategorik, maka regresi yang digunakan adalah analisis regresi logistik. Bila variabel terikatnya berupa variabel numerik, maka regresi yang digunakan adalah analisis regresi linier, Regresi logistik: bila variabel terikatnya berupa Analisis |/*|_Variabel kategorik multivariat Regresi linier: bila variabel terikatnya berupa variabel numerik Diagram 1.5 Alur pemilihan uji hipotesis untuk analisis multivariat Il. Contoh Kasus Dengan menggunakan pengetahuan mengenai skala pengukuran, jenis hipotesis, masalah skala pengukuran, berpasangan atau tidak ber- pasangan, jumlah kelompok, syarat uji parametrik dan nonparametrik, tabel silang B x K, dan prinsip P x K, cobalah pelajari beberapa contoh kasus berikut ini. Saat mempelajari setiap kasus, gunakanlah tabel uji hipotesis dan diagram alur dengan langkah-langkah sebagai berikut. 1. Menentukan variabel yang dihubungkan: identifikasi variabel yang dihubungkan serta skala pengukurannya. Menentukan jenis hipotesis: identifikasi apakah jenis hipotesis komparatif atau korelatif. 3. Menentukan masalah skala pengukuran: identifikasi apakah ter- masuk masalah numerik atau kategorik. w Untuk hipotesis komparatif: yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari hubungannya adalah variabel kategorik dengan variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari hubungannya adalah variabel kategorik dengan variabel numerik. Untuk hipotesis korelatif: = yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang, dicari asosiasinya adalah variabel numerik dengan variabel numcrik.24 Stalstk untuk Kedokteran dan Kesehatan 4, Menentukan berpasangan atau tidak berpasangan. Bila jenis hipotesis komparatif, tentukan apakah berpasangan atau tidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel. Bila jenis hipotesis komparatif numerik, tentukan banyaknya ke- lompok. Bila jenis hipotesis komparatif kategorik, tentukan jenis tabel B x K untuk data tidak berpasangan dan prinsip P x K untuk data ber- pasangan. Kasus 1: Apakah terdapat perbedaan rerata body mass index (bmi) an- tara kelompok status ekonomi tinggi dibandingkan kelompok ekonomi rendah? Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut adalah sebagai berikut. Tabel 1.14 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur Langkeh Jawaban Ujiyang mungkin 7] Menentukan variabel yang | Varlabel yang dhabungran dihubungkan adalah BMI (numerik) dengan kelompok ekonomi (katogorik) 2_| Wenentukan enishipotesis__| Kemperatif Samua uj komparalit 3] Menentukanmasalah skala | Numerk Uji t tidak berpasangan, ujit variabel berpasangan, one way ANOVA, | Menentukan pasanganlidak | Tidak berpasangan Uji tidak berpasangan, one way berpasangan ANOVA, | Menentukan jamiah Dua kelompak Ut tidak Berpasangan kelompox Kesimpulan Uji yang digunakan adalah uj t tidak berpasangen (uj parametrik)jika memenuhi syarat. Jika tidak memenuhi syarat, maka digunakan ujiallernatifnya, yaitu uji MannWhiney (uji nonparametris) Kasus 2: “Apakah terdapat hubungan antara jenis kelamin (laki-laki dan perem- puan) dengan asupan makanan (kurang, cukup, lebih)?” Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut adalah scbagai berikut.Teoni Sederhana Prosedur Femilhan Uji Hipotesis 25 Tabel 1.15 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur 2) Menentukan janis hipoiesis Langkeh Jawaban Ujlyang mungkin 7 | Menentukan variabel yang | Varlabel yang ainubungkan dihubungcan adalah jenis kelamin (kategorik) dengan esupan makanan (kategorik) Komparatit ‘Sema uli komparat? 3) Menentukan maselan skala variabel Kategori Chi square, Fisher, Kolmogorow= Smirnev, Me Nemar. Maiginal Hemogenety, Cochran, Willeoxan, Friedman 4 | Menentukan pasanganlidak Tidak berpasangan Chi square, Fisher, Kolmogorov= Smimov. berpasangan Smirnov. | Menentukan janis tabal 6 xK [2x3 Chi square, Kolnogorov-Smimnov. Kesimoulan: Jenis tabel pada soal ini adalah 2 x 3. Ujiyang digunakan adalah uli Chi-Square bila memenuh syaral. Bia tidak memenuhi syarat ui Cri-Square, digunakan uj alternattnya yaity uli Kolmogerov Kasus 3: “Apakah terdapat korelasi antara kadar radikal bebas dengan total jumlah rokok yang diisap selama satu hari?” Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut adalah sebagai berikut. Tabel 1.16 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur. Langkah Jawaban Uji yang mungkin T | Menentukan variabal yang dihubungkan Variabel yang dhubunghan adalah kadar radikal bebas (oumerik} dengan jumlak rokok per hari (numerik) | Menentuken jenls Fipotesis Korelatif ‘Semua ujkorelait 3 | Menentuken masalah skala variabel Numer Pearson Kesimpulan: Uji yang digunakan adalah uj korelasi Pearson (uji parametrik), ka memenuhi syarat. Jika tidak memenuhi syarat, maka digunakan uj altsratif yaitu uj Korelasi Spearman (uji nonparametri),26. Stalstk untuk Kedokteran dan Kesehatan IV. Nilai Probabilitas (P) dan Interval Kepercayaan Ada dua cara untuk melakukan inferensi (penarikan kesimpulan), yaitu dengan menghitung nilai p dan interval kepercayaan (IK). Berikut ini merupakan panduan untuk interpretasi hasil uji hipotesis dengan menghitung nilai p. Tabel 1.17 Panduan interpretasi hasil uji hipotesis bila nilai p < 0,05 Makna jika p < 0,05 is nol ditolak, hipotes alternatif diterima) No. Nama Uji 4. Ujinormalitas Kolmogorov. Smninov can Shapirowvik__Distibust data tidak normal Distribusi beberapa set data yang dibancingkan 2 _UjiVerians Levene's test Thempunyet varlane yang bere 3 Ujitberpasangan 4 Ujittidak berpasangen ‘Terdapat perbedaan rerata yang bermakna antara du 5 Uj Wicoxon kelompok data 6 —_UjiMann-Whitney 7 Uj ANOVA Paling tidak terdapat dua kelompok data yang @ Uftied mempunyai perbedaan rerata yang bermakna (untuk i Predman mengetahui kelompok mana yang berbeda secara 9 _UjiKruskel-Wallis bermakna, harus dilakukan analisis PostHoc 10 UjiMcNemar Terdapat perbedaan proporsi yang bermakna antara 11 Uji Homogeneity dua kelompok data Paling tidak, terdapat perbedaan proporsi yang bermakna aniara dua kelompok data (untuk mengetahui kelompok mana yang berbeda secara bermakna, harus dilakukan analisis PostHoc 12 Uji Cochran 13 Uji Chi-Square 14 Uji Kolmogorev-Smirnov 15 _UjiFisher 46 Uj Pearson Terdapat hubungan yang bermakna antara variabel * dengan variabel B 47 Uji Spearman Terdapat korelasi yang bermakna antara variabel A 18 Uj Kosfision Koningensi Je ea nar 19 Uj Lambea 20 Uji Gamma & Somors'dTeori Sederhana Prosedur Femilhan Uji Hipotesis 21 Nilai probabilitas (p) Interpretasi yang diberikan pada Tabel 1.17 adalah untuk memu- dahkan saja. Anda harus mengerti juga apa yang dimaksud dengan nilai p, hipotesis nol, dan hipotesis alternatif: 1, Hipotesis (H) adalah pernyataan sebagai jawaban sementara atas pertanyaan penelitian yang harus dijawab secara empiris. Hipotesis nol (Ho) adalah hipotesis yang menunjukkan tidak ada perbedaan antarkelompok atau tidak ada hubungan antarvariabel atau tidak ada korelasi antarvariabel. 3. Hipotesis alternatif (Ha) adalah hipotesis kebalikan dari hipotesis nol, yang akan disimpulkan bila hipotesis nol ditolak. 4. Interpretasi yang lengkap untuk nilai p adalah sebagai berikut “besarnya kemungkinan hasil yang diperoleh atau hasil yang, lebih ekstrim diperoleh karena faktor peluang, bila hipotesis nol benar”. wv Interval kepercayaan 1. Interval kepercayaan (IK) menunjukkan taksiran rentang nilai pada populasi yang dihitung dengan nilai yang diperoleh pada sampel. Seperti menghitung nilai p, perhitungan IK mempunyai rumus tersendiri untuk masing-masing uji hipotesis. Hubungan Nilai p dengan interval kepercayaan. 1. Nilai p dengan IK menghasilkan kesimpulan yang konsisten. Bila nilai p menghasilkan kesimpulan yang bermakna, maka IK akan memberikan kesimpulan yang bermakna juga. Demikian juga scba- liknya. Hanya saja, informasi yang diberikan keduanya berbeda. 2. Konsistensi nilai p dengan nilai IK adalah sebagai berikut. a. Bila pada uji hipotesis komparatif (perbedaan proporsi atau perbedaan rerata) perhitungan nilai p < 0,05 (yang berarti secara statistik bermakna) maka pada perhitungan IK, nilai 0 tidak akan tercakup di dalam nilai intervalnya (juga berarti secara statistik bermakna). b. Bila pada perhitungan rasio odds (RO) atau risiko relatif (RR) perhitungan nilai p < 0,05, maka pada perhitungan IK, nilai 1 tidak akan tercakup di dalam intervalnya. 3. Nilai p memberikan informasi peluang untuk memperoleh hasil yang diobseryasi bila hipotesis nol benar, sedangkan IK memberikan informasi perkiraan rentang nilai parameter pada populasi.28 Stalstk untuk Kedokteran dan Kesehatan Latihan BAB | Untuk mengetahui pemahaman Anda, kerjakanlah latihan berikut ini: 1, Bagaimana Anda mengetahui distribusi data yang Anda miliki normal atau tidak normal? 2. Bagaimana Anda mengetahui dua buah kelompok data atau lebih mempunyai varians yang sama atau tidak? Tentukan uji hipotesis apa yang digunakan untuk menguji data untuk pertanyaan-pertanyaan berikut. 3. Apakah terdapat perbedaan rerata body mass index (skala pengu- kuran numerik) antara kelompok status ekonomi tinggi dengan kelompok ekonomi rendah? 4. Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) sebelum dengan sesudah satu bulan pengobatan dengan simvastatin? 5. Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) antara penduduk desa A, B, C, dan D? 6. Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) pada sebelum, sebulan pengobatan, dan dua bulan pengobatan simvastatin pada pasien? 7. Apakah terdapat hubungan antara perilaku merokok (merokok dan tidak merokok) dengan infertilitas pria (infertil dan fertil)? 8. Apakah terdapat hubungan antara perilaku merokok ibu (merokok dan tidak merokok) dengan precklampsia (terjadi precklampsia, dan tidak terjadi precklampsia)? 9. Apakah terdapat hubungan antara tingkat ckonomi (di atas garis kemiskinan, di bawah garis kemiskinan) dengan tingkat asupan makanan (lebih, cukup, kurang)? 10. Apakah terdapat hubungan antara tingkat pendidikan (tinggi, sedang, rendah) dengan asupan kalori (Iebih, cukup, kurang)? 11. Apakah terdapat korelasi antara kadar gula darah (skala pengukuran numerik) dengan kadar kolesterol (skala pengukuran numerik)? Cocokkan jawaban Anda dengan kunci jawaban yang terdapat pada CD latihan (nama file kunci_bab_1).“Know your data!!! What kind of data you have!!! BAB || STATISTIK DESKRIPTIF . Pembaca mampu memasukkan data dengan benar. . Pembaca mampu melakukan perubahan data dari skala pengukuran numerik ke skala kategorik. . Pembaca mampu membuat dan mendeskripsikan tabel frekuensi dan grafik untuk variabel kategorik. . Pembaca mampu membuat dan mendeskripsikan ukuran penyebaran dan ukuran pemusatan untuk variabel numerik. . Pembaca mampu melakukan uji normalitas Kolmogorov- Smirnov dan Shapiro-Wilk. . Pembaca mampu melakukan transformasi data. Pada Bab II, Anda akan mempelajari statistik deskriptif sebelum pembahasan uji hipotesis pada bab-bab selanjutnya. Statistik deskriptif merupakan dasar bagi statistik analitis (uji hipotesis). Oleh karena itu sebelum masuk lebih jauh dalam pembahasan uji hipotesis, statistik deskriptif harus dibahas terlebih dahulu. Salah satu kegunaan statistik deskriptif ini adalah agar Anda mengetahui karakteristik data yang Anda miliki, Langkah pertama dalam melakukan uji hipotesis apa pun adalah Anda harus mengetahui karakteristik data yang Anda miliki. Para ahli statistik sering mengatakan: “Know your data, what kind of data you have”.80 Statistik untuk Kedokteran dan Kesehatan a= LATIHAN 1 MEMASUKKAN DATA Manfaat Anda harus mengetahui bagaimana memasukkan data karena $PS$ baru bisa mengolah data jika Anda sudah memasukkannya dengan benar. Pada latihan ini, Anda akan mempelajari cara memasukkan data nominal, ordinal, dan numerik serta variabel dengan tipe String. Kasus: Anda memperoleh data sebagai berikut. Anda ingin memasukkan data ke dalam program SPSS. No. Nama Jenis Kelamin Umur Nilai 1 Ahmad Laki-laki 23 Baik 2. Budi Laki-laki 22 Sedang 3. Cecep Laki-laki 18 Buruk 4, Dadang Laki-laki a Buruk 5. Ely Perempuan 23 Baik 6. Farah Perempuan 7 Baik 7. Gita Perempuan 16 Sedang 8. Hendi Laki-laki 19 Sedang 9. Indah Perempuan 5 Baik Bagaimana memasukkan data ke dalam program SP. Terdapat dua langkah utama yang harus Anda lakukan, yaitu mengisi bagian Variable View dan mengisi Data View. 1. Mengisi Variable View. v Buka program SPSS. ¥ Aktifkan Variabel View (ada di kiri bawah) tampilan sebagai berikut. an terlihatlito] aL eT [el eel a Statistik Deskripti 31 (vs tales “| i 6 Pada tampilan Variable View akan didapatkan kata Name, Type, Width, Decimals, Labels, Values, Column Width, Alignment, Measures. Berikut adalah penjelasan dari masing-masing istilah terscbut. Name Type Width Decimals Labels Values Column Width Alignmeni Measures kata yang mewakili nama variabel. Biasanya diisi dengan kata yang mudah diingat yang berkaitan dengan nama variabelnya, misalnya “sex” untuk yariabel jenis kelamin responden. tipe data yang Anda masukkan. Pilihan yang paling umum adalah numeric (karena semua proses uji dalam SPSS bisa dilakukan dalam hentuk numeric) dan string (kalau yang mau dimasukkan adalah huruf/kata/kalimat). jumlah digit data yang mau dimasukkan. jumlah digit di belakang titik. penjelasan rinci dari kolom name. Misalnya, dalam kolom name Anda ketik sex, labels-nya adalah ‘jenis kelamin responden’. kode yang Anda berikan jika variabel merupakan variabel kategorik (nominal dan ordinal). Misalnya kode | untuk kategori perempuan, kode 2 untuk kategori laki-laki. lebar kolom. pilihan tampilan variabel (rapat kiri, kanan, atau tengah) skala pengukuran variabel (nominal, ordinal, scale). Dalam program SPSS, variabel interval dan rasio disebut sebagai variabel scale.382 Statistik untuk Kedokteran dan Kesehatan a Dari kasus yang diberikan, Anda diminta untuk memasukan empat variabel, yaitu nama (String), jenis kelamin (kategorik nominal), nilai (kategorik ordinal), dan umur (numerik). Pengisian Variable View untuk variabel nama. Name Type Width Decimals Labels Values Column Width Alignment Measures isi dengan mengetik nama. isi dengan mengaktifkan pilihan S¢ring. isi dengan 15 (untuk keseragaman). Pemilihan lebar kolom tergantung dari berapa karakter nama terpanjang. tidak aktif. isi dengan nama responden. tidak diisi. 15 (untuk keseragaman). terserah Anda. tidak aktif. Pengisian Variable View untuk variabel jenis kclamin. Name Type Width Decimals Labels Values Value Li Value: ‘Value Label: Y Ketik 1 pada v_ Ketik peremp v__ Klik Add. ketik sex. pilih Numeric. terserah Anda. pilih 0. isi dengan jenis kelamin responden. klik kotak kecil berwarna ungu pada sisi kanan kolom Values, akan terlihat tampilan sebagai berikut. OK Cancel Hele kotak Value. an pada kotak Value Label .Statistik Deskiiptif 33 Ketik 2 pada kotak Value. Ketik laki-laki pada kotak Value Label. Klik Add. Proses telah selesai. KARA A Akan terlihat tampilan sebagai berikut. Peg ety Value Labels Value I Value Label: Klik OK. Column Width terserah anda Alignment terserah Anda. Measures pilih Nominal. AAR c. Pengisian Variable View untuk variabel umur. Name isi dengan umur. Type isi dengan mengaktifkan pilihan Numeric. Width terserah Anda. Decimals isi dengan nol (0). Labels isi dengan Umur responden. Values tidak diisi (karena variabel umur tidak mempunyai kategori) Column Width terserah Anda. Alignment terserah Anda. Measures pilih scale. Untuk keseragaman, beri kode 1 untuk nilai buruk, kode 2 untuk nilai sedang, kode 3 untuk nilai baik. 5 tid Dapatkah anda melakukan pengisian Variable View untuk variabel nilai?34 Statistik untuk Kedokteran dan Kesehatan Bila yang Anda pilih pada menu View adalah View labels, maka tampilan yang akan tampil adalah sebagai berikut. a CET tae Sen Soe tae Gh ie Sere Wr To so] 6) oi) ell al elie) Balsall Nave [Tyee [Wah | Orcas [tel [Vals [Wary | Coumes [Aig tesa] jous Jims = a afann ners 6 Cow napire tare ose coe ja [ives 2 2 ss pend 0, a Nene 8 ‘lad 2. Mengisi Data View Aktifkan Data View, lalu isilah sesuai dengan data pada kasus yang diberikan. Jika sudah selesai, simpan file dengan nama: latiban entry (File > Save As > latiban Entry). Bila Anda mengisi dengan benar, pada Data View, Anda akan mempcroleh hasil sebagai berikut. Cs Fle Est Vem Daa Trandorm Analyze Grophe Utitlos Add oid] 3| |) | tee aol Fle Bll 10 | - ara a AJahrmad 2 2} budi 2 a 2 ‘Jisdeng | 2) 5] 1 i i 7 7 1 3] 2 anda i Bila yang Anda pilih pada menu View adalah View Labels, maka tampilan yang akan tampil adalah sebagai berikut. Fee SPSS Data Editor Fle Edt View Data Transform Analyze Graphs Utitles Adc cecep - Takiclaki 4] dadang lokilaki a porermpuan peremauan loki-laki perernpuan|Statistik Deskiiptif 35 LATIHAN 2 BAGAIMANA MELAKUKAN PERUBAHAN DATA DARI SATU SKALA KE SKALA LAIN? Manfaat Anda harus terampil melakukan perubahan data dari satu skala ke skala lainnya karena pada praktiknya nanti, data awal yang Anda masukkan harus Anda ubah untuk keperluan tertentu. Anda menggunakan perubahan data ini jika Anda ingin melakukan perubahan dari skala pengukuran numerik ke skala ordinal atau untuk penggabungan sel (ingat penggabungan sel sebagai alrernatif untuk uji Chi-Square yang telah dibahas di Bab I). Kasus: Dari data yang telah diperoleh pada latihan 1, Anda ingin mengategorikan umur responden menjadi tiga kelompok, yaitu responden yang berumur <20 tahun, 20-22 tahun, dan ~ > 22 tahun (dalam hal ini, Anda merubah variabel numerik menjadi yariabel ordinal). Bagaimana langkah yang dilakukan dengan program SPSS? Buka file latihan entri. Aktifkan Data View. Lakukan langkah-langkah berikut ini: ¥ — Transform >Recode —Recode into Different Variables. Masukkan variabel umur ke dalam Input Variable. Ketik umur_1 ke dalam Output Variable. Ketik ‘klasifikasi umur’ ke dalam label. Klik kotak Change. Setelah proses ini, Anda akan melihat tampilan sebagai berikut. wre ANN36. Statistik untuk Kedokteran dan Kesehatan Cees ee Vail gn Va feast Grice al >] sera ae 1 J lepiralcoe ean cio js rom ewe | v Klik Old and New Values. ¥ — Isilah kotak Old Value dan kotak New Value (selanjutnya ikuti logika berpikir). Logikanya adalah: Semua data < 20 tahun diubah menjadi kode 1. Semua data 20-22 tahun diubah menjadi kode 2. semua data > 22 tahun diubah menjadi kode 3. Dengan logika tersebut, isilah Old Value dan New Value sebagai berikut: Old Value: range lowest through 19, New Value: 1, klik Add. Old Value: range 20 through 22, New Value: 2, klik Add. Old Value: 23 through highest, New Value: 3, klik Add. Sampai tahap ini, Anda akan memperoleh tampilan sebagai berikut. ee enn [c3] OldVaie New Vabe © abe [ © Value [ © Syenisseg © Systerenaing © Copy ate Syten- of rermsing Od © Range owes tats 1 then 22-9 2 ft I hoki © Reng + — © ange F utputvantin se tngs un) I is : © Allother values Continue Cancel Help vy __ Proses telah selesai, klik kotak Continue. vy Klik OK dan lihatlah hasilnya.Statistik Deskiptit 37 Apakah sudah ada kolom baru (dengan nama umur_1) dan nilai- nilai yang ada pada kolom tersebut? Bila Anda melakukan proses secara benar, pada Data View akan terdapat kolom baru dengan variabel baru bernama umur_1. Ritu ete Fle Edt View Data Transform Analyze Graphs bites Addons Window ||) FQ) || || as] Ele] DiwlPa|[% O| Fé ana [eee ahmad | paren] 3 bak 300 Dou | aklaki 2) sedana 200 alcecep | lakiaki| 1B| _buruk| 7.00) @[dadang | lakelaki 2 buruk 20 Zely Teerenpoan a balk 300 Bliaah —— |perenpvan 7) bak 100 Jats _perempuen 15) sedan 100 nerd | ‘akan 13) setang 100 q Bfindah __|porompuan| 5 baile 300) Selanjutnya, lakukanlah pengisian Variable View untuk variabel umur_1 telah Anda pelajari pada latihan 1. Bila pada Value Anda mengisi sebagai berikut: kode 1 untuk < 20 tahun; kode 2 untuk 20-22 tahun; kode 3 untuk > 22 tahun, maka pada Data View, Anda akan melihat tampilan sebagai berikut. ERIneoec eee Fie Fat View Cata Trareforn Analyze Graphs Ubltes Add-ne Window F SS) 3) ol-| e\m| al Fel Sins ( o! 6 I nama [sex [umar | niat [uur 4 ilaimnad | —takeiaa Bl bak] >22tahan zou Teas 2 seiang| 20-22 tahun alcocep Takaki 18) burukl <20 tahun Af dacens Ta 2) buruk] 20:23 tahun Blely | perempuen Bl bak! >22 tahun 6|farah |perempuan 7 baik <= 20 tahun Z[gits | perempua t sedang) < 20 tahun Bfhendi lakiHlaki 1B sedang) < 20 tahun Indah _|perempuan S bak) 32) tahun38 Slalisti untuk Kedokteran dan Kesehalan Manfaat Prinsip utama yang perlu Anda ketahui adalah: “Know your data! What kind of data you have!” Langkah membuat tabel frekuensi dan grafik merupakan langkah yang sangat penting agar Anda mengetahui karakteristik data variabel kategorik. Kasus: Anda melakukan penelitian dan sudah mengumpulkan dan memasukkan data ke SPSS, Salah satu variabel adalah ___variabel jenis kelamin. Karena Anda mengetahui bahwa skala pengukuran variabel jenis kelamin adalah nominal, maka Anda ingin mengetahui distribusi jenis kelamin dalam bentuk tabel dan grafik. Bagaimana langkah yang dilakukan dengan program SPSS? 1. Buka file frequency. 2. Lakukan proses sebagai berikut. v¥ Analyze >Descriptive statistics Frequencies. ¥— Masukkan variabel sex (jenis kelamin responden) ke dalam kotak Variabel(s). ¥— Aktifkan Displays Frequency Tables.Statistik Deskiiptif 39 Akan terlihat tampilan sebagai berikut. Ogee eis kelanin vespenier (C1 Display frequency tables: Statistics. v¥ Klik kotak Charts. Y Pilih bar pada Chart Type. v Pilih Percentages pada Chart Values, Akan terlihat tampilan sebagai berikut: eee ead Chat Type © Mone Pie charts © Histograms: Ja nomal curve Chat Values © Frequencies C Percentages) v¥ Klik Continue. Proses selesai, klik OK.