Anda di halaman 1dari 26
PENERAPAN STATISTIK DALAM PENELITIAN SUTANTO PRIYO HASTONO Ee seyafelen FAKULTAS KESEHATAN MASYARAKAT"** UNIVERISTAS INDONESIA 2000 PENERAPAN STATISTIK DALAM PENELITIAN SUTANTO PRIYO HASTONO Ee seyafelen FAKULTAS KESEHATAN MASYARAKAT"** UNIVERISTAS INDONESIA 2000 PENDAHULUAN ‘Arti dan Fungsi Statistik Beberapa ahli mendefinisikan statistik sebagai berikur: Statistics are facts in number. ‘+ Statistics isa technique used to collect, summarise and analyze or interprete numerical data Dari beberape definisi tersebut dapat disimpulkan bahwa statistik merupakan ilma ‘yang mempelajari hal-hal yang berhubungan dengan angka. Kegiatan statistik meliput pengumpulan data, pengolahan data, penyajian data, analisis data. Jadi dapat dikatakan bbahwa ilmu statistik berperan penting dalam merubsh data menjadi suatu informasi DATA >pengumpulan ->pengolahan ->penyajian > analisis->INFORMASI Fungsi Statistik 1. Menyederhanakan data + gambaran penduduk suatu wilayah, status Kesehatan Membuat perbandingan ~ evaluasi program kependudukan/keschatan 3. Membantu menentukan hubungan sebab akibat ~ mengetahui faktor-faktor yang mempengaruhi suatu kejadian 4. Perencanaan program Keterbatasan Statistik Statistik hanya dapat digunakan oleh orang yang tahu statistik. Bila statistik digunakan oleh yang tidak mengerti statistik bisa jadi menimbulkan kesimpolan yang salah. Selain itu statistik sering kali digunakan untuk membigungkan orang yang tidak tahu statistik Statistik bagaikan sebuah pisau. Pisau dapat menjadi alat kejahatan, tetapi dapat pula ‘menjadi alat kebajikan. = Konsep Dasar Statistik 2 Populasi Populasi merupakan keseluruhan unit/subyek yang diamati Sampel *‘Sebagian populasi yang diharapkan dapat mewakili populasi Pembagian Statistik menurut jenis analisisnya ©) Statistik Deskriptit Metode statistik yang kegiatannya hanya mendeskripsikan karakterist diteliti, dan belum melakukan penyimpulan/generalisasi kedalam populas. data yang # Statistik tnferensi Metode statistik yang kegiatannya sudah melakukan penyimpulan/generalisasi ke dalam populasi yang lebih luas Pembagian uji statistik menurut kenormalan datanya: Uji Statistik Parametrik Jenis uji statistik yang berasumsi bahwa sampel berasal dari populasi yang berdistribusi normal. ‘© Uji Statistik Non Paramterik Jenis uji statistik yang berasumsi bahwa sampel berasal dari populasi dengan distribusi tidak normal Data Data berasal dari kata latin, datum. Bentuk jamak datum adalah data. Data berarti kumpulan angka hasil dari pengukuran atau pengamatan suatu fenomena. Kumpulan angka tersebut sering disebut sebagai data agregat Data dapat dibagi dalam dua jenis: 1. Data Katagori (kualitatif) Data hasil dari penggolongamkiasifkasi suatu karakteristik tertenta risal: sex, pendidikan dl. 2. Data Numerik (kuanttatif) Data hasil dari penghitungan atau pengukuran a. Data diskrit Data hasil dari penghitungan misal: jumlah anak, julah anggota keluarga b. Data kontinu Data hasil dari penguicuran nisal: TB, BB, Hb, dll Pengukuran Data Dalam bidang kehidupan dapat dikumpulkan bermacam-macam data Data yang, dikumpulkan harus melalui cara pengukuran yang tepat. Ada empat jenis skala pengukuran data a. Nominal Cirinya:——_- ada beberapa katagori - antara katagori sederajat (belum kelihatan gradasinya) contoh ; sex, suku b Ordinal Cirinya: _- antar katagori sudah kelihatan gradasinya - antar katagori belum kelihatan besar perbedaannya (jaraknya) contah : pendidikan Interval Cirinya: + antar katagori sudah kelihatan besar bedanya - antar katagori belum kelihatan kelipatannya ccontoh: suhu, IQ 4. Rasio Cirinya: ___- antar katagori sudah diketahui besar kelipatannya contoh : TB, BB, umur PENGOLAHAN DATA 1. Latar Belakang, Dalam bidang Kesehatan atau bidang lain, informasi mempunyai peranan yang sangat penting terutama berkaitan dengan kegiatan identifikasi dan evaluasi program keschatan, Peran informasi pada pengambilan keputusan adalah agar keputusan yang diambil dapat betu-betul bersfat realisik. Sebagsi ilustras, pada analisis masalah yang sangat ‘membutubkan informasi yang benar, bila ternyata informasi yang tersedia salah maka dapat dipastikan bahwa masalah yang diidentifikesi bukan merupakan masalah yang sebenarnya terjadi, Tahapan_memperoleh informasi dimulai dengan proses pengumpulan data, engolahan data, analisis data dan interpretasi. Dalam bab ini akan akan dibahas prinsip dasar dari pengolahan data 2, Pengolahan Data Setelah data dikupumpulkan dari lapangan maka tahap selanjutnya dalah Pengolahan data. Tujuan dari pengolahan data adalah menyiapkan data agar siap dan mudah dianalisis, Agar data yang dianalisis menghasilkan informasi yang benar/valid maka setelah data dimasukkan/entry ke program komputer, pertu dilakukan pembersihan ‘cleaning data. Kegiatan pengolahan data meliputi dua hal.yaitu: Pemasukanventry data dan pembersihan data (data cleaning) 1, Pemasukan Data (data entry) Pemasukan data merupakan proses pemindaharvperekaman semua data dari form/kuesioner kedalam media penyimpanan data dengan menggunakan pemagkat lunak tertentu. ‘Ada dua hal yang harus diperhatikan dalam melakukan entry d a. Perangkat Lunak Perangkat lunak yang digunakan untuk entry data harus yang kompatibel dengan ermagkat lunak analisis data. Untuk saat ini perangkat lunak yang cukup memadai untuk entry data adalah Epi Info. Program Epi Info mempunyai kemampuan yang cukup baik ‘untuk entry data dan juga dapat sekaligus digunakan untuk analisis data yang sifatnya sederhana, Program Epi Info mempunyai fasiltas Ekspor dan Impor yang dapat digunakan tuntuk merubah data bentuk epinfo ke bentuk program lain seperti Dbase, lotus dll. Bila hhasil penelitian akan dilakukan analisis yang lebih komplek, data Epi Info dapat dibaca/dianalis dengan menggunakan paket statistik SPSS for Window. b. Pengendalian Kualitas Data Pengendalian/pengontrolan kualitas data bertujuan untuk menjaga agar data yang dientry valid/benar. Pengendalian kualtas data pada saat entry data dapat dilacukan cara ‘melakukan pembatasan rilai yang dapat masuk. Misalnya untuk field/variabel pendidikan rilainya antara | sd 4 (1=sd, 2=smp, 3=sma, 4=pt) maka dalam merancang proses entry data dapat disevdistut hanya nilai 19/4 4 yang dapat dientry sedangkan selainnilai tsb tidak dapat dientry. Selain pembatasan rilai yang dapat masuk, pengendalian kualitas data dapat dilakukan dengan membuat Skip/Jump antara field satu ke field yang lain. Misalnya bila pertanyaan nomer 2 jawabannya kode 3 maka kursor langsung ke pertanyaan nomor 10.Dalam Epi Info pengendalian kualitas data dapat dilakukan melalui program CHECK. 2. Pembersihan Data (data cleaning) Setelah data dimasukan (dientry) kedalam komputer, maka langkah selanjutnya ‘yang penting adalah menjamin data yang sudah masuk benar/bersih. Untuk itu diperiukan Clenaning data yaitu kegiatan untuk mengecek kembali data yang sudah dientry benar- benar sudgh valid atau masih ada yang salah, Pembersihan data dapat dilakukan dengan ccara: mengetahui missing data, mengetahui variasi data, dan mengetahui konsistensi data, a. Mengetahui missing data Cara mendeteksi adanya missing data adalah dengan melakukan list (distribusi frekuensi) dari variabel yang ada. Misainya data yang diolah 100 pasien, kemudian 4ikeluarkan variabeljenis kelamin dan pendidikan. Tabel 1. Jenis kelamin pasien Jenis Kelamin Jumlah Pria 40 Wanita 0 Total 00 Tabel 2. Jenis pendidikan pasien Pendidikan Jumlah sp 40 SMP. 10 ‘SMU 30 PT 15 Total 95 Dari kedua tabel diatas memperlihatkan bahwa tabel jenis kelamin tidak ada nilai ‘yang hilang (missing), sedangkan pada tabel pendidikan ada S pasine yang missing, karena total jumlahnya hanya 95 (harusnya 100). b. Mengetahui variasi data Dengan mengetahui variasi data akan diketahui apakah data yang dientry benar ‘atau salah, Cara mendeteksi dengan mengeluarkan distribusi frekuensi masing-mesing vvariabel. Dalam entry data biasanya data dimasukan dalam bentuk kode/koding, misalnya ‘untuk variabel pendidikan, SD kode 1, SMP kode 2, SMU kode 3 dan PT kode 4, Untuk ‘mengetahui kesalahan data berikutilustrasi keluaran dari variabel pendidikan Tabel 3. Tingkat Pendidikan Pendidikan Jumish 1 2 3. 2 4 5 Total Dari tampilan diatas kendatijumlah total sudah benar 100, namun terlhat ada data ‘yang salah, ysitu munculnya kode pendidikan angka S yang berjumiah 4 pasien. Harusnya ‘variabel pendidikan variasi angkanya hanya dari angka i s/d 4 ¢ Mengetahui konsistensi data Cara mendeteksi adanya ketidak Konsistensi data dengan menghubungan dua variabel. Contoh 1. Membandingkan dua tabel Tabel 1. Keikutsertaan KB kB Jumlah Total 100 Tabel 2. Jenis Alat Kontrasepsi yang dipakai Aust Jumlab Sumik s Pa 3 Kendom 4 wD 10 Toual 4 Dari kedua tabel tersebut terlihat bahwa ada ketidak konsisten antara jumiah Peserta KB (20 orang) dengan total jenis alat kontrasepsi yang dipakai (24 orang) Harusnya pada bari total jenis alat kontcasepsi jumlahnya 20 orang, 2, Membuat tabel silang ‘Contoh menghubungkan variabel umur dan jumlah anak ie) UN Aer TT - o 4 1 2 4 i oto3 4s 2 3 4 3 é ; 8 ” Keteranga: . pada tanda * : tidak mungkin terjadi umur 15 anaknya 8 orang. ANALISIS DATA 1. Pendabuluan Setelah kita selesai melakukan pengumpulan data, maka langkah selanjutnya adalah data diolah dan dianalisis. Data mentah (raw data) yang sudah susah payah kita kumpulkan tidak akan ada artinya jika tidak dianalisis. Analisis data merupakan kegiatan yang sangat enting dalam suatu penelitian, karena dengan analisisldh data dapat mempunyai arti/makna yang dapat berguna untuk memecahkan masalah penelitian. Analisis ‘™mempunyai posisi strategis dalam suatu penelitian. Dengan melakukan analisis diharapkan akan dapat menjawab tujuan penelitian yang sudah dirancang pada saat kita membuat perencanaan penelitian (proposal) Pada umumnya analisis data bertujuan untuk Memperoleh gambaran/deskripsi masing-masing variabel Membandingkan dan menguji teori atau konsep dengan informasi yang ditemukan ‘Menemukan adanya konsep baru dari data yang dikumpulkan Mencari penjelasan apakah konsep baru yang diyji berlaku umum atau hanya berlaku pada kondisitertentu aege ‘Seberapa jauh analisis suatu penelitian akan dilakukan tergantung dari Jenis penelitian Jenis sampel Jenis data/variabel ‘Asumsi kenormalan distribusi data poee Jenis Penetitian Jika ingin mengetahui bagaimana pada umumnya (secara rata-rata) pendapat masyi akan suatu hal tertentu, maka pengumpulan data dilakukan dengan survei. Dari kasus ini ~maka dapat dilakukan analisis data dengan pendekatan kuanttatif, Namun bila kita ‘menginginkan untuk mendapatkan pendapat/gambaran yang mendalam tentang suatu fenomena, maka data dapat dikumpulkan dengan fokus grup diskusi atau observasi, maka analisisnya mengeunakan pendekatan analsis kualitaif. Jenis Sampel Analisis sangat tergantung pada jenis sampel yang dibandingkan, apakah kedua sampel independen atau dependen, Misalnya pada peneltian survei yang tidak menggunakan sampel yang sama, dapat digunakan uji statistik yang mengasumsikan sampel yang independen, Misalnya, suatu survei ingin mengetahui apakah ada perbedaan berat badan bayi antara bayi-bayi yang dilahirkan dari ibu perokok dengan bayi-bayi dari ibu yang tidak ‘merokok. Disini berarti kelompok ibu perokok dan kelompok ibu tidak merokok bersifat independen Sedangkan untuk peneliian eksperimen yang sifatnya pre dan post (sebelum dan sesudah adanya perlakuan tertentu dilakukan pengukuran) maka uji yang digunakan adalah ji statistik untuk data yang dependen. Misalnya, suatu penelitian ingin mengetahui pengaruh Pelatihan manajemen terhadap kinerja petugas Kesehatan. Pertanyaan penclitiannya “ ° ‘Apakah ada perbedaan kinerja petugas Kesehatan antara sebelum dengan sesudah mendapatkan pelatihan manajemen” Dalam penelitian ini sampel kelompok petugas Kesehatan bersifat dependen, karena pada kelompok (orang) yang sama divkur dua kali yaitu pada saat sebelum pelatihan (Pre test) dan sesudah dilakukan pelatihan (Post tes), Jenis Data/Variabel Data dengan jenis katagori berbeda cara anslisisnya dengan data jenis numerik. Beberapa Pengukuran/yji statistik hanya cocok untuk jenis data tertentu, Sebagai contoh, nilai Proporsi/persentase (pada analisis univariat) biasanya cocok untuk menjelaskan data berjenis katagori, sedangkan untuk data jenis numerik biasanya dapat menggunakan rilai rata-rata_untuk menjelaskan karakteristiknya. Untuk analisis hubungan dua variabel (analisis bivariat), uji Kai kuadrat hanya dapat dipakai untuk mengetahui hubungan data katagori dengan data katagori, Sebaliknya untuk mengetahui hubungan numerik dengan ‘numerik digunakan uji korelasiregresi ‘Asumsi Kenormalan Jenis analisis yang akan dilakukan sangat tergantung dari bentuk distribusi datanya, Bila distribusi datanya tidak normal, maka sebaiknya digunakan prosedur uji statistik ‘nonparametrik. Sedangkan bila asumsi kenormalan dapat dipenuhi maka dapat digunakan analisis menggunkan uji statistik parametrik 2. Prosedur Analisis Data Berikut ini akan dijelaskan langkah-langkah analisis (pendekatan kuantitatif) |. Analisis Univariat/Analisis Deskriftif: Tujuan dari analisis ini adalah untuk menjelaskanmendeskripsikan karakteristik masing-masing variabel yang diteliti, Bentuknya tergantung dari jenis datanya. Untuk data ‘numerik digunakan nilai mean (rata-rata), median, standar deviasi dan inter kuanil range, ‘minimal dan maksimal, Bila data yang terkumpul tidak menunjukkan adanya rilai ekstrim (stribusi normal), maka perhitungan nilai mean dan standar deviasi merupakan cara analisis univariat yang tepat. Sedangkan bila dijumpai nilai ekstrim (distribusi data tidak normal), maka nilai median dan inter quartile range (IQR) yang lebih tepat dibandingkan nilai mean. Seringkali pada saat analsis kita melakukan perubahan dari data numerik ‘menjadi data kalagori, yaitu dengan melakukan pengelompokan kedalam beberapa kelompok. Dengan perubahan sifat tersebut, maka bentuk analisisnya dapat berupa nilai proporsi/persentase masing-masing kelompok Pada data yang aslinya memang berjenis katagori (misal: sex, pendidikan dsb ), maka bentuk analisis yang digunakan adalah nilai proporsi/persentase dan nilai range/kisaran. Bentuk penyajian analsis univariat dapat berupa Tabel atau grafik. Namun perlu diingat bbahwa kita dianjurkan hanya memilih salah satu, tidak diperkenankan secara sekaligus ‘mengunakan Tabel dan juga Grafik dalam menyampaikan informasi suatu data/variabel Contoh Tampilan Univariat: a. Data numerik: 10 Tabel. 1 istribusi umur dan lama hari rawat Pasien Rumah Sakit X tahun 1999 Variabel Mean Sd ‘Min - Mak Median IQR 1 Umar 30,3 10,1 17-6 3u1 10,5 2 Lama Hari Rawat 10,1 89 2-60 70 49 . Data Katagori Tabel 2. Distribusi Responden Menurut Tingkat Pendidikan Pasien Rumah Sakit X rahun 1999 Pendidikan Jamiah Persentase sD 50 50,0 SMP 30 300 SMA 40 40,0 Jumlah 100 10,0 © dilihat konsentrasi data pada kelompok mana : Selain untuk mendeskripsikan masing-masing variabel, analsis univariat dapat juga sekaligus dapat untuk mengexplorasi variabel yang dapat berguna dalam mendiagnosis asumsi statistik lanjut (terutama untuk data jenis mumerik), misalnya apakah varianya homogen atau heterogen, apakah distribusi normal atau tidak. Eksplorasi data juga dapat untuk mendeteksi adanya nilai ekstrim/outlier, bila ada nilai ekstrim sangat menentukan ~ analisisselanjutnya (bivariat) apakah nilaiya akan dibuang atau tidak. 2. Analisis Bivariat/Analisis Inferensial Setelah diketahui karakteristik masing-masing variabel dapat diteruskan analsi yang lebih lanjut. Apabila diinginkan anslisis hubungan antara dua variabel, maka analisis dilanjutkan pada tingkat bivariat. Untuk mengetahui hubungan dua variabel tsb biasanya Prosedur pengujian statistik Gi Statistik n stk adalah suatu prosedur untuk menguji secara probabilistik kebenaran benaran hipotesis nol. Pengujian didasarkan pada data sampel. Langkah- Jangkah uji statistik a. Menetapkan Hipotesis Hipotesis adalah dugaan sementara yang pertu dibuktikan kebenarannya. Dalam statistik hipotesisi dikenal dua macam. Hipotesis nol (Ho) dan Hipotesis altematif (Ha), Ho ‘merupakan hipotesis yang menyatkan tidak ada hubungan atau tidak ada perbedaan Sebaliknya Ha merupakan hipotesis yang menyatakan ada hubungan atau ada perbedaan, Ha ada dua jenis, yairu one tail dan two tail. Digunakan one tail bila kita ingin melihat Perbedaan dengen mengetahui mana yong lebih tinggi dan mana yang lebih rendah, Sedangkan two tal bila kita hanya ingin melihat perbedaan saj, Pada ui statistik, yang diuji adalah hipotesis nol (Ho). b. Menentukan batas kemaknaan Batas kemaknaan atau level of signifikan dilambangkan dengan simbol alpha (a) ‘Alpha merupakan besarnya risiko salah dalam menolak hipotesis nol. Nilai alpha biasanya ditentukan sebesar 5% atau 1 %. ©. Penghitungan Uji Statistik . Penghitungan statistik pada dasamya untuk mencari besamya risiko salah menolak Ho pada data sampel penclitian, yang dikenal dengan nilai P (P value). Jadi P value merupakan besarnya risiko salah menolak Ho pada data sampel penelitian. Harapan Penelti adalah nila P sekecil mungkin agar supaya dapat menyimpulkan Ho ditolek d. Keputusan Uji Statistik Keputusan uji statistik dihasilkan dari membandingkan nilai P dengan nilai a, bila: lai P < a, maka kepurusannya: Ho ditolak, berarti ada perbedaan atau ada ‘mubungan signifkan Bila: lai P > a, maka keputusannya: Ho gagal ditolak, berart tidak ada perbedaan atau «tidak ada hubungan yang signifikan. Pemilihan Uji Statistik Jenis uji statistik yang digunakan sangat tergantung jenis data/variabel yang dimubungkan Berikut adalah berbagai uji statistik yang dapat digunakan untuk analisis bivariat: Jenis variabel " YRRLADEL 1° - WV AINE een Po KATAGORI KATAGORI™ RATAGORI ‘NUMERIK ‘NUMERIK | NUMERIC Contoh kasus: - UN KAI KUADRAT digunakan pada penelitian yang ingin mengetahui hubungan antara Merokok dengan Kanker paru. Ukuran statistik yang digunakan dalam analisisjenis ini adalah poporsi/persentase. Apakah peluang/proporsi menderita kanker para berbeda amara mereka yang merokok dengan mereka yang tidak merokok. Variabel merokok berbentuk katagori, karena berisi nilai: ya dan tidak, sedangkan variabel Kanker berbentuk katagori Karena mempunyai nila: ya dan tidak UM T terdiri dari dua jenis, yaitu: uji t independen dan uji t dependen. Ukuran statistik yang digunakan dalam analisis ini adalah mean/rata-rata. Uji ¢ independen digunakan pada studi yang kedva kelompok yang dibandingkan bersfat independen (sampelnya berbeda). Misalnya ingin mengetahui hubungan merokok dengan berat badan bayi. Apakah ada perbedaan berat badan bayi yang dilahirkan ibu yang merokok dibandingkan ibu yang tidak merokok, Variabel merokok (yaltidak) berjenis katagori dan variabel berat badan bay berjenis numerik(satuan gram), Sedang uji t dependen digunakan pada penelitian yang kedua kelompok yang dibandingkan bersifat dependen (sampelnya tapi diukur dua Misalnyaingin ‘mengetahui hubungan program diet dengan penurunan berat badan, Apakah ada perbedaan berat bdan antara sebelum mengikuti program diet dengan sesudah mengikuti program diet ~ UNL ANOVA, uji ini hampir sama dengan uji t, bedanya pada uji Anova variabel kkatagorinya mempunyai nilai lebih dari 2 kelompok. Seperti pada ui t, ukuran statistik yang digunakan dalam analisis adalah nilai mean/rata-rata. Misalnya, suatu penelitian ingin ‘mengetahui hubungan Kelas perawatan dengan lama hari rawat. Kelas perawatan berjenis atagori, yang nilainya misalnya Kelas 11, Kelas I dan Kelas VIP dan lama hari rawat ‘merupakan variabel jenis numerik (satuan hari). Apakah ada perbedaan lama haria rawat antara ketiga kelas perawatan tsb, ~ UII KORELASI dan REGRESI. Uji korelasi dapat digunakan untuk mengetahui keeratan dan arah hubungan, sedangkan Regresi dapat digunakan untuk memprediksi ‘suatu variabel dari variabel yang lain, Misalnya suatu penelitian ingin mengetahui hubungan antara berat badan dengan tekanan darah sistolik. Berat badan jenisnya numerik dan tekanan darah sistolik juga berjenis numerik. Dari peneltian ini dapat diketahui apakah ssemakin berat badannya akan semakin tinggi tekanan darahnya Contoh Analisis Bivariat: 4 Hubungan Variabel KATAGORI dengan Variabel KATAGORI Tabel 3 Distribusi Responden Menurut Tingkat Pendidikan dan Pengetahuan Pengetahuan Total Pendidikan Rendah Ti 2 % a % 8 % sD * 25 50,0 25 30,0 30 344 ‘SMP 16 40,0 4 60,0 40 276 SMU, 10 333 20 66,7 30 20,7 PT 25 20,0 20 80,0 25 173 Jumiah 36 38,7 89, 61,3 145 P value Kai kuadrat = 0032, Pembuatan persentase pada pada analisis tabel silang harus diperhatikan agar supaya tidak salah dalam menginterpretasi. Pada jenis penelitian survei/cros sectional atau kohort, embuatan persentasenya berdasarkan nilai variabel independen. Contoh diatas jenis enelitiannya cros sectional, variabel pendidikan sebagai variabel independen dan Pengetahuan sebagai variabel dependen. Dapat dilihat di tabel bahwa persentasenya berdasarkan masing-masing kelompok tingkat pendidikan (persentase baris) Pada penelitian yang besjenis kasus-kontrol (Case-Control) pembuatan persentasenya berdasarkan variabel dependenya, misalnya terlihat pada tabel berikut (tabel4) Tabel 4 Distiusi Responden menurut Kasus Kanker Paru dan Jens Kelamin Kanker Panu Toil Tenis Kelamin 7 Tidak a % 7 % a % Takrakr 75 | 750 | 30 | 300 | 105 | ~s2.5 Perempuan 2 | 230 | 7% | 70 | 95 | 47s “ulah 100 | 00 | 100 | soo | 200 value Kai kuadrat = 0,0014 b. Hubungan Variabel Numerik dan Variabel Katagori Tabel 5 Distribusi Rata-rata Berat badan bayi menurut Status Merokok dan Tingkat Pendidikan Responden ‘Mean 95% CL P value Uji VAnova 3200 3000 - 3200 o.1912 3600 3100 - 3900 2400 200 - 2600 0.0231 2500 2300 - 2700 3000 2900 - 3100 3500 3200 - 3700 C. Hubungan Variabel Numerik dengan Numerik Tabel 6. Distribusi Nilai Korelasi menurut analis hubungan antara Tekanan Darah Sistolik dengan Umur , Berat badan , LDL dan HDL. Variabel Korelasi Pvalue 1. Unur 06 10,0456 2. Berat Badan 8 0,0203 3. LDL 04 0,1001 4_ HDL. OS 0.0903 3. Analisis Multivariat Merupakan analisis yang menghubungkan antara beberapa variabel independen dengan satu variabel dependen. Dari analisis multivarat kta dapat mengetahui 2. Variabel independen mana yang paling besar pengaruhnya terhadap variabel dependen? >. Apakah variabel independen berhubungan dengan variabel dependen dipengaruhi oleh vvariabel lain atau tidak ? © Bentuk hubungan beberapa independen dengan variabel dependen, apakah berhubunagn langsung atau pengaruh tidak langsung, Prosedur pengujian tergantung dari jenis data yang diuji apakah katagori atau ‘umerik. Dalam analisis multivariat perlu diperhatikan juga jumlah sampel yang dianalisis Ketentuan yang berlaku adalah satu variabel menimal diwakili 10 sampel. Misalnya ada 10 variabel yang dianalisis maka dibutuhkan sampel sebanyak 100 responden. Berikut adalah gambaran secara garis besar beberapa analisis statistik yang dapat igunakan untuk analisis multivariat: 1s ‘A. Multiple Regression Linier Analisis Multiple Regression Linier atau sering disebut juga analisis regresi ganda ‘merupakan perluasan analisis Simple Linear Regression (regresi linear sedethana). Dalam Analisis Simple Linear Regression hanya ada satu variabel independen (variabel bebss) ditubungkan dengan satu variabel dependen (variabe! terikat). Sedangkan pada Multiple Regression merupakan analisis hubungan antara beberapa variabel independen dengan satu vvariabel dependen. ‘Kegunaan analisis Multiple Regression adalah sebagai berikut: Untuk mengetahui hubungan, variabel independen secara bersama-sama terhadap * _ variabel dependennya. b. Untuk mengetahui varisbel independen yang paling besar pengaruhnya terhadap ‘variabel dependennya. © Untuk memperkirakar/memperediksi nilsi dependen bila nilai variabel-varibel independennys diketahui dengan menggunkan persamaan reyresi (Untuk melakukan analisis Multiple Regression yang benar harus mengikuti kaidah- leaidah yang dipersyaratan dalam analisis regresi. Dengan kata lain, setiap melakukan ‘nalisis Multiple Regreasion harus memenuhi asumai/persyaratan yang ditetapken. Adapun ‘asumsi yang digunakan dalam Multiple Regression adalah sebagai berikut. a Asumsi eksistensi Untuk tiap sila dari variabel X (varibel independen), variabel Y (variabel dependen) adelah variabel random yang mempunyai mean dan varian tertentu. Asumsi ini berksitan dengan teknik pengambilan sempel. Untuk memenuhi asumsi ini, sampel yang, Giambil harus dilakukan dengan cara random, . Asumsi independensi 6 Suatu keadsan dimana masing-masing nila Y bebas satu sam lain. Jad rial dari ‘iap-tiap individu saling berdir sendiri. Tidak diperbolchkan nilai observasi yang berbeda yang divkur dari satu individu diukur dua kali & Asumsilinieritas Nilai mean dari variabel Y untuk suatu kombinasi dari X1, X2 ...Xp terletak pada ‘garisbideng linier yang dibentuk dari persamaan regres 4. Asumsi Homoscedasticity Varian nilai variabel Y sama untuk semua nilai variabel X. €. Asumsi Distribusi Normal \Variabel berdistribusi normal untuk setiap pengamatan variabel X. Ukuran yang penting dan sering digunakan dalam analsis regresi adalah koefisien determinasi atau disimbolkan R°. Koefisien determinasi dapat dihitung dengan mengjuadratkan nilai t Kegunaan nilai R? adalah untuk mengetahui pengaruh semua variabel independen secara bersama-sama tethadap variabel dependen, B. Multiple Regresi Logistik . Metode regresi merupakan hal yang penting dalam analisis data untuk mengetahui hubungan ancara satu variabel dependen dengan satu atau beberapa variabel independen, Tujuan dari analisis ini adalah didapatkan model yang paling baik (fit) dan sederhana yang dapat menggambarkan hubungan antara variabel outcome (dependen) dengan satu. set variabel prediktor (independen). Analisis regresi logistik adalah salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan beberapa faktor independen dengan sebuah variabel dependen yang bersifat dikotom, Dikotom disini artinya variabel yang mempunyai dua katagor misalnya sakit dan tidak sakit, atau mati dan hidup. Perbedaan antara regresi Unies dengan regresi logistik terletak pada jenis variabel dependennya. Pada regresilinier ‘vaiabel dependenya harus berbentuk numerik, sedangkan pada regresi logistik berbentuk katagori dikotomus. ‘Strategi pemodelan Regresi Logistik |. Lakukan analsisis pada model regresi univariat pada setiap variabel 2. Lakukan pemnlihan variabel yang potensial akan dimasukkan ke dalem model, variabel yang dianggap signifikan (kriteria nilai p<0.25) dengan variabel lain yang perlu dipertimbangkan secara khusus secara substantif 3. Identifkasi variabel yang dianggap penting dalam persamaan dengan menggunkan vji wald. Lakukan ujirasio likelihood untuk penilaian signifikansi variabel yang dihilangkan, 5. Ulangi lanigkah ketiga dan keempat sampai tercepai model yang terdiri hanya variabel yang dianggap penting 6. Identifikasi bentuk parametrik yang sesuai untuk variabel yang berjenis kontinyu. Yaitu ‘merubah variabel kontinyu menjadi variabel katagori dengan melalui pembagian uartil ” 7, Susun daflar variabelinteraksiantara variabel pada model efek utama yang didesari logika substamtif. i proses seperti pada langkah 1 PRINT OUT SPSS FOR WINDOW yang odo. Jind etonst oven valid Paccant menampiivan propoctl_Jike % 3 a Wh dijalaoean dt wah cult “oinemah dan stander devi ssinyed creat ge kode: edt pads, conton dlates, oda 78 ibu yond mecovok acl I vipotst dapat diiihat peda nolo Percent, peda contoh diater {Geotsectoian sebapel panyeovt. Code contoh dietas, Yolen paccent wa pade date Uidax aijumpat ailot miasing. Con Farcant Value Laver Velve Frequency Percent Percent Trannein ata katagori. OL1a 3 oe Minimum 36.000 oda date mumncit infornaat atatietii daeritit (moan, medion 0, deb) peclu ditelvackan Sian karenn menpenyel maxna/erel, Pade print ovt aiatas silal catacrata dapat dILiRst pede teideb Roan omisuaten nriai. stander deviest dapat lithat pedo Kolon Std Oev. ade contoh iatooy eataceats becot aden Ibu edeleh 50,132 ke. dengen stander davieai 11,86 kg eh Secat tarkecii adalah Se kg sarta vorbecat efoiah 98 Ka 2. Ujh Stattetin Beds Mean Cun Keloepot ingin nanbuktikan apakoh sda perbed an ingin aivet reenal uti’ peegran diet dengan aetaiah mengivat! progeam diet. UntGE menjawaD pet Banelttan yong pectane oerati wite. gurexen U}i T independen, sedangkan untuk port junakan U3} 7 Oapendea/paie. Becitoe aven die eda ws tnt imate bi ‘yueq tidak menderita hipertensl eetasts for setmpondant samples of ATPERTEN 12 denectsoo 39.382 ‘ttacony 438.5607 Soyl teen Rastngraasiog selampon, Ratevegce (naan) Se Siberoten peovovse Dongen nenggunatan siphe'? 6,08) ita manot sk nipoteat Oeracti Kite nanyinpulkan banwe pace 0,05 teribat ada perbedaan ratarata berat badan bayi antare ibu yang menderita Ripertesni dengan ibu yang tidak hipertensi. SenatetTatervensss Seong ctatoh atbaven hms Neett deci ot 60.3383 67,4000 ‘Sangam stendor Satan G03 ¥5 edna in a)i aengen 3! 2. WIL STATISTI BEOR MEAN LEBIN DART DUA RELENPOK USL € Gigunacan untuk mengu)! eda/Uigaenye parbedan mean ancae 2 Kelompot. J1ks telompok Sahat tale aicji Satan 190th, ite eldek Bolen menggunaken jl © beroieng-vlang. Ut yon ode ealonaoegan"ehtanouats arian Owny."ebuna cont iain diacahe span ae Nat: watsteat Katayeernye bectai 3 atau tebih KaLompox museinye ¢ tinakat so8ial aencal dengen barat beden bay! Anolyaia of Vartance aun of ean roe souten por, squneen Squats nati Peee. between Groupe 2 sovasor.eaz 7538203.816 4.9719, .0079 a wichin Groupe tes p4eeseas.o1 — s09927.1297 coup Count mon ceviation Error 95 Fe eat at for eon oop 1 6 309.7396 2930 gee. gay aaa Sep 2 fe Bp.e3as MERE GGCER Bm total 94.6561 129.0224 $9.0786 2440.0486 TO 049.2698 crue rasp yaa Sept rortsoeae 4990-0000 Se 2 $80: 8000 cep 3 tose: 0000 Verisbig s0_onr7 py Varioble Sedex ‘the dittoconce between tor manna Ls augnificont if WaMMUSNSRENN(T) 30 S04, 9092, 2 RANGES SORPEL/METY © 1/0991 Sith the following velua(s) tor ANGE: 2-6 pee 219.6823 ep 2 foes oe > 3ies.1396 opts + ‘ade tanpilan diates teeiinat u}t Aaove dengan p20,0079 (Linat a Koton € Prob). Bongan Setgoscaken sipne 2's make site menolax Ho: Secerei Kesimpulannye wis pexboduan Lert SUSE*SST thts telemper_ ibe denser sovisl axonomi rendeh, sosang dan tomyit. Wain tinagt, 2eeadang dan Secandahmacoke Yond Sveknye tingay solani ‘ts reete'310367 geany senek secang 2713;6 qean an sonak conhah 2804, 0 Cor. ‘slonttihen nite dapet meveluase! helonpox mana nas Yard ance ashen 08 bey a cinggt” corp Tisongen some TPaengen sorexcendat’ (Grp 3) (6. Udt STATISTIK BEDA eRoFORET fm metakukan u}t statistik varsabel Katagoes hago pacbaden peoporti Kejorian SBLR.3HCa0 Ripectenai. U3 yong diqunakan untaX monjaned conten beritut ingin nengetehel hubungen marokok denge KaSedian SBLR. foakon wie permed. Dproporai Hejedian OLA entare Ibu yong merokek dengan Iby yang tidek merokor. Roxon by GOLA oun page 1 of t Seneinutty Corcection ' t ese Ciheltnood Ratio. i 3233 Miniman Expected Eeequency = 23.101, Pada tabel aiteng alates cectinat angke Jualah xasuanya dan pecsantaze boris. Moceks yo [sa esanat ed, 5,3 garsen yang'natantecen BLK. snsangran Toy Yond pen vy rezen Kejestan BOLR-nyer Hesl{ Ut ch Square (peacson) mununjunkan pO, 64%. Cats alpihe BNiSecartt kita wenolan Hoy artinys eda pecbedsan propor! Ke}avian EOLA antsy ZO Petoxsk dengen ibe nen parokors ©. usr woneLAST fade punatition gactnghall xi loatn nasantaal nabungan ua varisbal namcis Aen <8 IRubungen baret bedan dengan tatanan darth, Aaskoh sent in borat bedaenyn ater 2900 Clngel tekenan aecahnyar Untek menjaueb massiah tarsebut igunekan UT RORELAST Vertabel yang diubungkan: Munerth dengan Munerth Muesinye: berst paden dengan tekanan dacah Conteh bectxut agin mengetahul Mubungen berate badan yang aiteniexen. Ws nami dengan beret bedsan bay! = = corcetstion cootticiante ~~ 1.0000 stat CN CR cote) 1851 +. 7 te printed Lt» coattictent cannot be computed Serial eigs begain anghas Sagian stee ndalsh allel Hoetaten ket Tengah Gidtian tanga Kurung marupskan jualah sanpelnyes Den beglan Dawah menu pinyer Pade nasil distas Ceclihet nila; f= "0,1481 dengen p = 0,04l. Berarts nbungen Estat beaen Gangen beret bien bay! Decpols pesLtip dengen aeca}ee hubunea Reell ujimenumforkan witel pr0,0t, Decarti ede hubengen yang signi fikan bl ‘dengan Dera bedan Bevis veuarte neoesor LiMtER 2 tquation Humber 1 Oopendant Vacs wureipte & sama wea osea2 dajueted R square “outor Aaatyaa of vartance Of Sum of Squares Maan square Regression — “Beargon 5051 197sees.s76i? rere re saneguea 9100 20 10 7.603007 4.50608 1.305.089 oan Glesonee rocoszo8? Tose Soes, -sltte “oreo Dart nests aietas pat aibace pag R Squace, yatte 0/0563, ser Pecsanean coat fangran £2 ¥ varteni becat badan buy! Fibel anova nengust Wecocekan (fitness) acl mosel Cech "yang sds. rade ‘abel yang sis he Equetion, yelte peda kelon Decat DaylaZ446,12 + 7,68 * Barat ibu + 6,69°UMUC = 264,72" Rokok Dengan model nt dapat manperkicaken beat bays dark berat ibn, umuc_ ibe san seek. Keon gtr" wencnjucran whit uneak vartabel yang masut model. Page basil dlatas ternyaty farve imecokor yong wenLlMt p <°0,05. Dengan menggunenan alpha $8 beracti veriabal nacavoh Betperen’datan nenenturan pera bayi. olon Bete digunakan untuk mengetahul vartabet nan Jang Baling ETnagu"oatast Yaciasel weceket‘paiing bocpengecos cerhaaap barat Oayts Member of unaclacted cases: 0 unbor of selected cases: Nenber cafectes becsuse of lasing date Nonber of cance included in the anelyele: 189 Dependent Vartable tacading: Original ——_aternat Pn echnning Block Mumber 9. Tnitzal tog Laxetunend netic Beginning Block Manber 1. Method: Enter Vartable(a) Entered on Step Munber toa tinal inood decreased by Lean than =O percent <2 og taketsnood 223.417 Gootneas of Fre Teecen2 enicsavecs df Signi ticenca erie. cni-savas az > Tnprovarent| Ws 3 Classi tication Table for BUR Overall 69.318 Variables an the Equation oven Toa) 3284.49 10) t08e 2.01 Mivenree algae? Tegor Soest Lown Lost 4308 ber ‘ines loug3 2iznge 1 “toe -!030 “73893, onacant, “loses Tseez “hones 1 oka ‘dtperolen medel cages ££ =-0,0829 + 0,7021¢CokoR + 1,2327+hipactenss = Peaeepnye 1 (1087) Selain model prebabiiitas, casio adde Jugs dapat dipacclan 3¢4 mated. rte motel tagtast Teglatin, nitet testo cade depat iperolan pede tolem Exp). Jedi pede mvioh Sista, Cento cade unter Ibu perotax adalah 7-01 aibandingian thu yang etdak marctox sntelan ‘tnonceel.vactabel snes dan bipectensi Milas adds tab sapet atinterpretastken inino tbe melanicean Bayt BULK pase liu pecoxor 2,01, lebih Cinggl aibendinges {bu yang Eldak mecoxor jike Ibu menpunayl uaee den Kondisi hiparvenal yang aane.(Cacentrel Olen Sheridan hipertanet) miler txo(b) yang paling Denar monenjoatan vactona! Yong p91!)