Analisis Bivariat [PDF]

Citation preview

ANALISIS BIVARIAT IRSANTY COLLEIN



TUJUAN ANALISIS BIVARIAT



Mengetahui hubungan antara satu variable dengan variable lain Apakah pendidikan ibu mempengaruhi ibu untuk memeriksakan kehamilannya ? Uji Hipotesis => signifikan atau tdk signifikan ?



Signifikan : secara statistik atau substansi ?



Mis : menguji perbedaan penurunan tek darah antara obat A dan Obat B, hasil survei: Obat A rata-2 turun tek darah 30 mmHg Obat B rata-2 turun tek darah 32 mm Hg



Hasil uji Signifikan (p value = 0,003), artinya secara statistik bermakna, tapi apakah Secara Substansi ada perbedaan ?



PROSEDUR UJI HIPOTESIS Menentukan hipotesis Memilih Uji statistik



Penghitungan Uji Statistik Menentukan batas kemaknaan Menentukan keputusan



• Ho : tidak ada perbedaan/hub • Ha : ada perbedan/hub



• Menentukan uji statistic yang sesuai



• Mencari p value



• Alpha 5%



• p value ≤ alpha (0,05) -> Ho ditolak (ada hub/perd) • - p value > alpha (0,05) -> Ho gagal ditolak • (Ho diterima) (tdk ada hub/perbd)



ANALISIS HUBUNGAN ANTARA DATA KATAGORIK DENGAN KATAGORIK



UJI KAI KUADRAT/UJI KAI SQUARE  Tujuan: mengetahui perbedaan proporsi/persentase antara dua atau lebih kelompok(sampel)  Misal Uji hubungan tingkat pengetahuan dengan kepatuhan pasien.



 Apakah ada perbedaan persentase tongkat kepatuhan pasien antara pasien dengan pengetahuan baik,



kurang.



P=…….% 



Pengetahuan baik



P=….% Pengethhuan kuran



STRATEGI ANALISIS 1. Membandingkan perbedaan persentase antar kelompok



2. Menyimpulkan uji statistik 3. Menjelaskan kekuatan hubungan/tisiko: POR (cross sectional)/OR (case control)/ RR (kohort)



PEMILIHAN UJI Um ur



Bba dan



Didi k



Sex



23 34 56 45 dst



56 78 76 56 67



2 3 4 1



1 2 2 1



Um ur1



Bb1



2 3 1 2



1 2 1 2



Peng peng 1 2 50 45 65 56



67 65 63 68



 Numerik=umur, bbdan, peng1, peng2  kategorik;=didik, sex, umur1 (1-30),



bb1(160 kg)



 Mana yang dapat diuji kai kuadrat?  Hubungan sex dengan bb1, sex dengan umur1, sex



dengan didik, bb1 dengan didik



 Mengapa hub sex dng berat badan tidak bisa uji



kai kuadrat ?  Mengapa hub pendidikan dengan umur tidak bisa



uji kai kuadrat ?  Mengapa hub umur dng bbadan tidak bisa uji kai



kuadrat ?



TABEL SILANG



 Ketentuan pembuatan tabel silang:  - Variabel independen pd Baris,



variabel dependen pd Kolom  - Pada disain Cros Sectional ---



dibuat persentase baris



TABEL SILANG PADA DISAIN CASE CONTROL --- DIBUAT PERSENTASE KOLOM



KETENTUAN UJI KAI KAUDRAT



 Keterbatasan kai kuadrat  - tdk boleh ada sel dng nilai E < 1  - tdk boleh ada sel dbg nilai E < 5 lebih dari 20 % total sel  SOLUSINYA:



 - utk tabel besar, dilakukan penggabungan baris/kolom  - utk tabel 2x2, gunakan uji FISHER EXACT



PENGKODEAN VARIABEL







Untuk mendapatkan nilai OR yg benar :







-Kode harus konsisten antara variabel independen dengan dependen







-Variabel dependen yg menjadi pokok bahasan/kasus sebaiknya di kode 1 sedangkan bagian yang sebaliknya diberi kode 0







-Variabel independen harus konsisten kodenya ngikuti variabel dependen, kelompok expose/penyebab kasus diberi kode 1, kelompok non expose/non penyebab diberi kode 0







Contoh:







- var. dep : kanker paru : ya (diberi kode 1), tidak (kode 0)







- var. indep. :







merokok : ya (diberi kode 1), tidak (kode 0)







perilaku ; baik (diberi kode 0), buruk (kode 1)



LANGKAH DI SPSS: FILE: BBLR HUBUNGAN MEROKOK DENGAN BBLR



 Kotak raw diisi variable



independent, kotak column diisi variable dependen



PROSES DI SPSS PADA KOTAK CROSSTAB CHEK LIST : CHISQUARE DAN RISK PADA KOTAK CELL CHEK LIST : ROW



HASIL ANALISIS



HASIL OR



LATIHAN KASUS FILE: ASI



 Hubungan pekerjaan dengan menyusui ekslusif



LANGKAH DI SPSS KOTAK ROW DIISI VARIABLE INDEPENDENT, KOTAK COLUMN DIISI VARIABLE DEPENDEN



 Bila tabelnya 2X2 tidak ada Expected E 0,05.



BBIBU1 180 BBIBU2



18,83 28,17



0,074



▪



Artinya tidak ada perbedaan signifikan berat badan ibu antara saat ibu saat hamil dan setelah melahirkan



▪



Penyajian data



ANALISIS VARIANS/ANOVA PERBANDINGAN MEAN LEBIH DARI 2 KELOMPOK



SYARAT UJI



 ANOVA atau analisis of variance adalah tergolong analisis komparatif lebih dai dua rata-rata.  Tujuannya menguji perbedaan mean pada sampel atau kelompok lebih dari dua  Asumsi:  Varian homogen  Sampel/kelompok independent  Data berdistribusi normal  Data yang dihubungkan kategorik denga numerik (kategorik lebih dari 2 kelompok)



LANGKAH 1



 Uji kenormalan data



 Langkah 1  Uji kenormalan data dengan, mengeluarkan estimasi



interval dengan cara  “analyze” → “Deskriptive” → pilih exlore  Lihat perbandingan skewness dan std.error=



0,219:0,181  2 normal



Langkah 1



z



Langkah 2 ▪



Pilih menu “analyze” pilih sub menu “non parametric test” lalu pilih “K-independent Samples”



z



▪



Langkah 3



Klik “BBIBU1” masukkan ke kotak “test variables” untuk variable numerik dan klik “Riwayat premature” masukkan ke kotak “grouping variables” untuk variables kategorik.



z



Langkah 4, 5



▪



Klik “define range” isilah kode variable “Riwayat premature” kedalam kedua kotak ini. Jadi ketiklah “0” pada minimum dan 3 pada “maximum”



▪



Lalu klik “continue” dan klik “OK” .



▪



Lihat hasil



z



HASIL



z



Menganalisis hasil output



▪



Hasil analisis uji K independent samples yaitu Asymp sig 2 tailed P= 0,198 P value > 0,05. Artinya tidak ada perbedaan yang signifikan pada berat badan ibu antara keempat Riwayat bayi premature.



z



Penyajian



Variabel



N



Mean rank



Tidak pernah Satu kali Dua kali Lebih 2 kali



66 39 60 15



100,46 89,50 83,61 76,83



P Value



0,198



▪



Dari hasil penelitian didapatkan mean rank bu yang tidak pernah mengalami premature…. Dst . Hasil uji statistic didapatkan nilai P=0,198 berarti pada alpha 5% terlihat tidak ada perbedaan yang signifikan berat badan ibu diantara keempat Riwayat premature.



ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK



UJI KORELASI



UJI REGRESI LLINEAR



 Tujuan: memprediksi variabel dependen melalui variabel independen  -Var. dependen = variabel yang dipengaruhi  -Var. independen = variabel yang mempengaruhi  Utk prediksi – persaman garis : y = a + bx  y = variabel dependen



 x = variabel independen  a = intercep : besarnya nilai y bila nilai x=o  b = slope : besarnya perubahan nilai y bila variabel x berubah setiap satu satuan  Ciri regresi linier →



var. dependen berbentuk numerik



KOEFISIEN DETERMINASI (R2)



 variasi variabel dependen dapat dijelaskan oleh variasi variabel independen  : besarnya variabel independen mempengaruhi variabel dependen  R2 = R Square



 R2 = r2 x 100%  nilainya berkisar 0 – 100%



 Misal hubungan BB dng TD dihasilkan R2 = 0,678  Artinya :  -Variasi variabel berat badan dapat menjelaskan variasi tekanan darah sebesar 67,8 %  -Variabel berat badan mempengaruhi variabel tekanan darah sebesar 67,8 %



PEMILIHAN UJI  Numerik=umur, bbdan, peng1, peng2



Um ur



Bba dan



Didi k



Sex



23 34 56 45 dst



56 78 76 56 67



2 3 4 1



1 2 2 1



Um ur1



Bb1



2 3 1 2



1 2 1 2



Peng peng 1 2 50 45 65 56



67 65 63 68



 kategorik;=didik, sex, umur1 (1-30),



bb1(160 kg)  Mana yang dapat diuji korelasi dan regresi linear?  Hubungan : umur dng bbadan



 Mengapa hub sex dng berat badan tidak bisa uji



korelasi ?  Mengapa hub pendidikan dengan umur tidak bisa



uji korelasi ?  Mengapa hub sex dng bb1 tidak bisa uji korelasi ?



LATIHAN FILE ASI



 BERAT BADAN IBU DENGAN BBBAYI  BERAPA BBBAYI JIKA BBIBU= 75 Kg



PROSES



UJI NON PARAMETRIK UJI KORELASI SPEARMEN



SYARAT UJI



 Uji berjenjang  Mengukur tingkat eratnya hubungan antara 2 variable yaitu variable bebas dan variable terikat yang berskala



interval dan rasio  Mengetahui tingkat kecocokan 2 variable terhadap grup yang sama  Mendapatkan validitas empiris alat pengumpul data dan mengetahui keajekan alat pengumpul data