Showing posts with label Biostatistik. Show all posts
Showing posts with label Biostatistik. Show all posts

Tuesday, September 12, 2017

√ Rumus Besar Sampel Penelitian Analitis Korelatif

Rumus besar sampel yang digunakanuntuk penelitian korelatif adalah:

n= {(Zα+Zβ)(1-r) / 0,5ln(1+r)}2 + 3

Zα = derivate baku alfa
Zβ = derivate baku beta
r= hubungan minimal yang dianggap bermakna

Semua parameter pada rumus besar sampel korelatif ditetapkan peneliti. Interpretasi uji hubungan ditunjukkan dengan kekuatan dan arah korelasi.
Kekuatan uji hubungan (r):
-          0,00-0,199     : sangat lemah
-          0,20-0,399     : lemah
-          0,40-0,599     : sedang
-          0,60-0,799     : kuat
-          0,80-1,000     : sangat kuat
Arah uji korelasi
-          Positif             (+)       : searah, semakin besar nilai satu variabel, semakin besar pula nilai variabel lainnya
-          Negatif (-)       :  Berlawanan arah, semakin besar nilai satu variable, semakin kecil nilai variabel lainnya.

Uji hubungan Pearson jikalau kedua data berdistribusi normal atau uji hubungan Spearman jikalau kedua data atau salah satu data tidak berdistribusi normal.

Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan. 5th ed. Jakarta: Salemba Medika; 2011.

Sumber http://mynewjornal.blogspot.com

√ Skala Pengukuran Variabel

Apakah variabel yang kita miliki kategorik atau non kategorik? Untuk sanggup memahami data yang dimiliki apakah  kategorik atau non-kategorik, pahami klarifikasi berikut.
Variabel kategorik terdiri dari variabel nominal dan ordinal, sebab variabel tersebut mempunyai kategori variabel. Misalnya jenis kelamin, memilki kategori pria dan perempuan, pola ini merupakan data nominal. Contoh lain contohnya tingkat hipertensi berdasarkan JNC VII yaitu normal, prahipertensi, hipertensi stadium I dan hipertensi stadium 2, ini merupakan pola data ordinal. Kesimpulannya, variabel nominal mempunyai data sederajat atau tidak bertingkat, sedangkan  variabel  ordinal mempunyai data bertingkat.

Variabel non kategorik atau disebut juga dengan data numerik sebab tidak memilki kategori variabel.  Variabel numerik terbagi atas interval dan rasio. Contoh data interval yaitu suhu badan, data ini tidak mempunyai nol alami.  Sedangkan pola rasio yaitu berat badan, tinggi badan, kadar asam urat, kadar kolestrol, data ini memilki nol alami.

Lambang skala pengukuran pada SPSS



Variabel scale dilambangkan dengan sebuah penggaris, variabel ini untuk data numerik. Variabel ordinal digambarkan dengan bertingkat, dan variabel nominal digambarkan dengan bulatan bola-bola yang bermakna sederajat.


Sumber
Dahlan MS. Statistik untuk kedokteran dan kesehatan. 5th ed. Jakarta: Salemba Medika; 2011.


Sumber http://mynewjornal.blogspot.com

Monday, September 11, 2017

√ Perbedaan Hipotesis Komparatif Dengan Korelatif

Perbedaan utama dari hipotesis ini ialah output yang diinginkan. Bila ingin mengetahui asosiasi itu dengan parameter koefisien  kekerabatan (r) maka gunakan hipotesis korelatif. Bila parameter yang diinginkan bukan koefisien kekerabatan maka gunakan hipotesis komparatif.

Sebelumnya pahami dulu makna dari hipotesis. Hipotesis intinya proposisi atau dugaan yang belum terbukti secara tentatif menandakan fakta-fakta atau fenomena tertentu, atau sanggup juga dikatakan bahwa hipotesis ialah tanggapan yang memungkinkan terhadap suatu pertanyaan penelitian.

Hipotesis dalam penelitian harus memenuhi syarat:
1.     Harus mengekspresikan kekerabatan antara dua variabel atau lebih.
2.    Harus terang dan tidak bemakana ganda
3.    Harus sanggup diuji secara empiris, hipotesis memungkinkan ditampilkan dalam bentuk operasional yang sanggup dievaluasi menurut data yang didapatkan secara empiris.

Secara garis besar, hipotesis dibedakan menjadi dua yaitu hipotesis kerja dan hipotesis nol. Hipotesis kerja ialah anggapan dasar peneliti terhadap penelitiannya. Sedangkan hipotesis nol ialah hipotesis yang bersifat netral. Dalam statistik yang dibuktikan ialah hipotesis nol. Bila hipotesis nol diterima berarti hipotesis kerja ditolak.

Kembali pada awal goresan pena ini mengenai perbedaan hipotesis komparatif dan hipotesis korelatif. Kedua hipotesis ini merupakan jenis hipotesis. Contoh hipotesis komparatif yaitu: membandingkan imbas variabel bebas terhadap variabel tergantung. Pertanyaan penelitiannya, apakah terdapat perbedaan rata-rata kadar gula darah antara kelompok yang menerima pengobatan metformin dan kelompok placebo. Sedangkan pola hipotesis korelatif yaitu untuk mengetahui asosiasi atau kekerabatan antara variabel bebas terhadap variabel tergantung. Pertanyaan penelitiannya, berapa besar kekerabatan antara kadar trigliserida dan kadar gula darah?


Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan: deskriptif, bivariate, dan multivariate, dilengkapi aplikasi dengan menggunaka SPSS. Edisi 5. 2011

Sumber http://mynewjornal.blogspot.com

√ Kelompok Berpasangan Dan Tidak Berpasangan

Apakah yang dimaksud dengan kelompok berpasangan dan kelompok tidak berpasangan? Simak klarifikasi berikut ini.

Dua kelompok tidak berpasangan
Dua atau lebih kelompok data dikatakan berpasangan apabila data tersebut  dari individu yang sama baik alasannya ialah pengukuran berulang, proses matching atau alasannya ialah desain cross over.
Contoh: pengukuran gula darah pada suatu komunitas pada bulan Januari dan pengukuran gula darah pada komunitas yang sama pada bulan Mei. Jadi, kita punya dua kelompok data yang berpasangan, alasannya ialah berasal dari kelompok yang sama.

Dua kelompok tidak berpasangan
Dua atau lebih kelompok tidak berpasangan kalau data berasal dari subjek yang berbeda tanpa mekanisme matching.
Contoh: Pengukuran gula darah pada tempat A dan pengukuran gula darah pada tempat B.  Jadi, kita punya dua kelompok data yang tidak berpasangan, alasannya ialah individu dari kedua kelompok data tersebut berbeda

 Dua kelompok data berpasangan alasannya ialah matching
Dua kelompok data yang berbeda individunya, dilakukan proses matching, dengan cara individu kelompok A dicarikan pasangannya pada kelompok B yang mempunyai karakteristik yang sama.

Dua kelompok berpasangan alasannya ialah desain cross over

Misalnya subjek penelitian mendapatkan obat A selama periode tertentu sehabis tamat subjek penelitian yang sama memperoleh obat B dalam periode tertentu juga. Kaprikornus didapatkan dua data yang berpasangan alasannya ialah berasal dari individu yang sama.

Sumber http://mynewjornal.blogspot.com

Sunday, September 10, 2017

√ Memilih Sebaran Data Normal Atau Tidak Normal

Sebelum mulai mengolah data memakai SPSS, kita perlu mengenali data yang kita punya. Untuk penyajian data, kita perlu mengetahui sebaran data, apakah normal atau tidak normal. Bila sebaran data normal maka penyajian data dalam bentuk mean±SD dan jikalau tidak normal maka penyajian dalam bentuk median (min,max).

Manfaat lain dari mengetahui sebaran data yaitu untuk uji hipotesis. Bila sebaran data normal maka gunakan uji parametrik dan jikalau sebaran data tidak normal maka gunakan uji non parametrik.

Metode unuk mengetahui sebaran data normal atau tidak normal sanggup didapatkan dengan cara deskriptif atau dengan analitis.


Tabel. Metode untuk mengetahui sebaran data normal atau tidak normal

Metode
Parameter
Kriteria distribusi dikatakan normal
Keterangan
Deskriptif
Koefisien varian
Nilai koefisien varians >30%

Rasio skewness
Nilai rasio skewness -2 s/d 2

Rasio kurtosis
Nilai rasio kurtosis -2 s/d 2

Histogram
Simetris, tidak miring kiri maupun kanan, tidak terlalu tinggi maupun rendah

Box plot
Simetris, median sempurna di tengah, tidak ada ourlier atau nilai ekstrim

Normal Q-Q plots
Data menyebar sekitar garis

Detrended Q-Q Plots
Data menyebar sekitar garis pada nilai 0

Analitis
Kolmogorov-Smirnov
Nilai kemaknaan (p)>0,05
Untuk sampel >50
Shapiro-Wilk
Nilai kemaknaan (p)>0,05
Untuk sampel <50

Sumber:
Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit Salemba Medika. Jakarta. 2011

Sumber http://mynewjornal.blogspot.com

√ Kekuatan Kekerabatan Dengan Odds Rasio (Or), Risiko Relatif (Rr), Dan Koefisien Kekerabatan (R)

Ukuran kekuatan huungn sanggup dilihat dengan memakai odds rasio (OR), risiko relatif (RR) dan kekuatan hubungan (r).  pada analisi bivariate, OR dan RR dipakai pada analisis komparatif kategorik, sedangankan kekuatan hubungan dipakai pada analisi korelatif. OR dipakai pada desain perkara case control, sementara RR dipakai pada desain kohort.

Untuk kekuatan hubungan (r) yang dipakai pada uji korelatif, maka sanggup mengikuti panduan interpretasi hasil uji hipotesis berikut:

No.
Parameter
Nilai
Interpretasi
1.
Kekuatan hubungan (r)
0,00-0,199
0,20-0,399
0,4-0,599
0,6-0,799
0,80-1,000
Sangat lemah
Lemah
Sedang
Kuat
Sangat kuat
2.
Nilai p
P<0,05

P>0,05
Terdapat hubungan bermakna antara dua variabel yang diuji
Tidak terdapat hubungan bermakna antara dua variabel yang diuji
3.
Arah korelasi
+(positif)


-(negatif)
Searah, semakin besar nilai satu variabel maka semakin besar pula nilai variabel lainnya
Berlawanan arah, semakin besar nilai satu variabel, semakin kecil nilai varaibel lainnya.

Odds rasio (OR) dan risiko relatif (RR) sanggup dihitung secara manual pada table 2x2.
Rumus  OR= ad/bc
Rumus RR=a/(a+b): c(c+d)
Tabel 2x2:

Syok
Total
Ya
Tidak
hepatomegali
Ya
a
b
a+b
Tidak
c
d
c+d

Total
a+c
b+d
N

Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit Medika Salemba. Jakarta. 2011

Sumber http://mynewjornal.blogspot.com

Saturday, September 9, 2017

√ Uji Mann-Whitney

Uji Mann-Whitney merupakan uji hipotesis komparatif variabel numerik distribusi tidak normal pada dua kelompok tidak berpasangan. Langkah-langkah dalam memilih uji hipotesis yang sesuai dengan panduan tabel uji hipotesis.

No
Langkah
Jawaban
1.
Menentukan variabel yang dihubungkan
Variabel yang dihubungkan yaitu persepsi mahasiswa terhadap lingkungan pembelajaran (numerik) dengan angkatan tahap akademik (kategorik)
2.
Menentukan jenis hipotesis
Komparatif
3.
Menentukan problem skala variabel
Numeric
4.
Menentukan pasangan / tidak berpasangan
Tidak berpasangan
5.
Menentukan jumlah kelompok
2 kelompok

Sebaran data tidak normal, sehingga dipakai uji non parametric yaitu uji Mann-Whitney

Pada uji Mann-Whitney, lihat nilai p (Asymp.Sig (2-tailed)) kalau nilainya <0,05 disimpulkan ada perbedaan bermakna, kalau >0,05 tidak ada perbedaan bermakna.

Sumber
Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit Salemba Medika. Jakrta.2011



Sumber http://mynewjornal.blogspot.com