7 0 4 MB
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