1. Kenapa laki-laki lebih beresiko stroke dibandingkan perempuan?

Penelitian menunjukkan bahwa pria lebih banyak terkena stroke daripada wanita, yaitu
mencapai kisaran 1,25 kali lebih tinggi. Namun anehnya, justru lebih banyak wanita yang
meninggal dunia karena stroke. Hal ini disebabkan pria umumnya terkena serangan stroke
pada usia muda. Sedangkan, para wanita justru sebaliknya, yaitu saat usianya sudah tinggi
(tua) (Wiwit S., 2010).
Pria memiliki kecenderungan lebih besar untuk terkena stroke pada usia dewasa awal
dibandingkan dengan wanita dengan perbandingan 2:1. Walaupun para pria lebih rawan
daripada wanita pada usia yang lebih muda, tetapi para wanita akan menyusul setelah usia
mereka mencapai menopause. Hasil-hasil penelitian menyatakan bahwa hormon berperan
dalam hal ini, yang melindungi para wanita sampai mereka melewati masa-masa melahirkan
anak. Insiden stroke lebih tinggi terjadi pada laki-laki daripada perempuan dengan rata-rata
25%-30%. Namun kematian akibat stroke lebih banyak dijumpai pada perempuan karena
umumnya perempuan terserang stroke pada usia yang lebih tua.
Dari hasil penelitian dapat diketahui bahwa pada usia dewasa awal laki-laki lebih mudah
untuk terserang stroke dibandingkan dengan perempuan. Namun perbedaan jumlah
keduanya yang tidak signifikan menunjukkan bahwa pada usia dewasa awal (18-40 Tahun)
perempuan memiliki peluang yang sama dengan laki-laki untuk terserang stroke. Hal ini
membuktikan bahwa risiko laki-laki dan perempuan untuk terserang stroke pada usia dewasa
awal adalah sama. Selain itu, pada usia dewasa awal (18-40 Tahun) pria memiliki risiko
terkena stroke iskemik atau perdarahan intra serebral lebih tinggi sekitar 20% daripada
wanita. Namun, wanita usia berapa pun memiliki risiko perdarahan subaraknoid sekitar 50%
lebih besar. Sehingga baik jenis kelamin laki-laki maupun perempuan memiliki peluang
yang sama untuk terkena stroke pada usia dewasa awal (18-40 Tahun).
Umur dan jenis kelamin merupakan dua di antara faktor risiko stroke yang tidak dapat
dimodifikasi. Stroke dapat menyerang semua umur, tetapi lebih sering dijumpai pada
populasi usia tua. Setelah berumur 55 tahun, Risikonya berlipat ganda setiap kurun waktu
sepuluh tahun (Wiratmoko, 2008). American Heart Association meng-ungkapkan bahwa
serangan stroke lebih banyak terjadi pada laki-laki dibandingkan perempuan dibuktikan

dengan hasil penelitian yang menunjukkan bahwa prevalensi kejadian stroke lebih banyak
pada laki-laki (Goldstein dkk., 2006).
Tidak adanya hubungan jenis kelamin dengan kejadian stroke, dapat disebabkan oleh karena
kejadian stroke tersebut dapat disebabkan multifaktorial, bukan hanya karna jenis kelamin,
diantaranya karena diabetes melitus, hiperkolesterolemia, merokok, alkohol dan penyakit
jantung. Seseorang yang memiliki satu atau lebih faktor risiko, memiliki kemungkinan yang
lebih besar untuk mendapatkan serangan stroke daripa-da orang normal pada suatu saat selama perjalanan hidupnya bila faktor risiko tersebut tidak dikendalikan (Bethesda Stroke
Center, 2012). Beberapa faktor risiko stroke tertentu diketahui mempengaruhi masingmasing jenis kelamin. Hal ini berhubungan dengan hasil penelitian di Nigeria yang berjudul
Gender Variation Risk Factors and Clinical Presentation of Acute Stroke, yang menemukan
bahwa faktor risiko kebiasaan merokok dan riwayat mengkonsumsi alkohol ditemukan lebih
dominan pada responden laki-laki dan berbeda signifikan dengan responden perempuan
(Watila dkk., 2010). Penelitian yang dilakukan oleh Marlina (2011) menyatakan bahwa
berdasarkan hasil tabulasi silang antara jenis kelamin dan faktor risiko stroke, wanita lebih
sering mengalami hiperkolesterolemia dan kejadian stroke sebelumnya. Kejadian stroke
pada perempuan juga dikatakan meningkat pada usia pasca menopause, karena sebelum
menopause wanita dilindungi oleh hormon esterogen yang berperan dalam meningkatkan
HDL, dimana HDL berperan penting dalam pencegahan proses aterosklerosis (Price dan
Wilson, 2006).
2. Jika usia tua kenapa laki-laki tidak beresiko stroke?
Siapa pun tidak akan pernah bisa menaklukkan usia. Sudah menjadi rahasia umum bahwa
usia itu kuasa Tuhan. Beberapa penelitian membuktikan bahwa 2/3 serangan stroke terjadi
pada usia di atas 65 tahun. Meskipun demikian, bukan berarti usia muda atau produktif akan
terbebas dari serangan stroke (Wiwit S., 2010).
Salah satu faktor risiko yang penting untuk terjadinya stroke adalah hipertensi (Hariyono,
2002). Hasil penelitian Ramadhanis (2012) menyatakan bahwa pasien hipertensi mempunyai
peluang sebesar 4,117 kali menderita stroke dibandingkan pasien non hipertensi. Adanya
faktor risiko stroke, membuktikan bahwa stroke adalah suatu penyakit yang dapat

diramalkan sebelumnya dan bukan merupakan suatu hal yang terjadi begitu saja, sehingga
istilah cerebrovascular accident telah ditinggalkan (Rambe, 2006).
Penelitian (Puspita dan Putro, 2008) yang menyatakan bahwa risiko terjadinya stroke pada
kelompok umur > 55 tahun adalah 3,640 kali dibandingkan kelompok umur 55 tahun.
Stroke yang menyerang kelompok usia diatas 40 tahun adalah kelainan otak nontraumatik
akibat proses patologi pada sistem pembuluh darah otak (Majalah Farmacia, 2009).
Peningkatan frekuensi stroke seiring dengan peningkatan umur berhubungan dengan proses
penuaan, dimana semua organ tubuh mengalami kemunduran fungsi termasuk pembuluh
darah otak. Pembuluh darah menjadi tidak elastis terutama bagian endotel yang mengalami
penebalan pada bagian intima, sehingga mengakibatkan lumen pembuluh darah semakin
sempit dan berdampak pada penurunan aliran darah otak (Kristiyawati dkk., 2009).
3. Berapa presentasi dari orang tua terkena stroke?
Di antara penyakit-penyakit neurologi yang terjadi pada orang dewasa, stroke menduduki
rangking pertama baik pada frekuensinya maupun pada pentingnya (emergensi) penyakit
tersebut. Lebih dari 50 persen kasus stroke merupakan penyebab dirawatnya penderita di
bangsal neurologi (Victor & Ropper, 2001). Di Amerika Serikat Stroke menduduki peringkat
ke-3 penyebab kematian setelah penyakit jantung dan kanker.
Setiap tahunnya 500.000 orang Amerika terserang stroke di antaranya 400.000 orang terkena
stroke iskemik dan 100.000 orang menderita stroke hemoragik (termasuk perdarahan
intraserebral dan subarakhnoid) dengan 175.000 orang mengalami kematian (Victor &
Ropper, 2001).
Di Indonesia penelitian berskala cukup besar dilakukan oleh Survey ASNA di 28 Rumah
Sakit seluruh Indonesia. Penelitian ini dilakukan pada penderita stroke akut
yang dirawat di Rumah Sakit (hospital based study), dan dilakukan survey mengenai faktorfaktor risiko, lama perawatan mortalitas dan morbiditasnya. Penderita laki-laki lebih banyak
dari perempuan dan profil usia di bawah 45 tahun cukup banyak yaitu 11,8%, usia 45-64
tahun berjumlah 54,2% dan di atas usia 65 tahun 33,5% (Misbach dkk., 2007).
4. Data deskrit itu apa di dalam syarat uji chi square?
Maksud nya adalah Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadrat
memakai data yang diskrit dengan pendekatan distribusi kontinu. Dekatnya pendekatan yang

dihasilkan tergantung pada ukuran pada berbagai sel dari tabel kontingensi. Untuk menjamin
pendekatan yang memadai digunakan aturan dasar frekuensi harapan tidak boleh terlalu
kecil secara umum dengan ketentuan:
1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
2. Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)
Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk menanggulanginya nya
adalah dengan menggabungkan nilai dari sel yang kecil ke se lainnya (mengcollaps), artinya
kategori dari variabel dikurangi sehingga kategori yang nilai harapannya kecil dapat
digabung ke kategori lain. Khusus untuk tabel 22 hal ini tidak dapat dilakukan, maka
solusinya adalah melakukan uji Fisher Exact.
Sumber: Sugiyono, 2011 (Statsitik Kesehatan)
a) Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan merupakan pecahan
(angka utuh). Contoh data diskrit adalah data tentang jumlah penduduk, kendaraan dan
sebagainya,
b) Data kontinyu adalah data yang sifatnya sinambung atau kontinyu, nilainya bisa berupa
pecahan. Contoh data kontinyu adalah data tentang hasil panen padi, panjang jalan, berat
sapi dan sebagainya.
c) Data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada
objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciriciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal
merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam
set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh
tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan
renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis
(1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak
menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat
renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika
ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga
tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan,
Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi

dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah
mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua
kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu
keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian
seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari
hasil pengukuran dengan skala nominal.
d) Data Ordinal bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki
nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung
tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang
paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek,
tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang
dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan
dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan
memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik
sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari
sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban
pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan
kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang
saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah
menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1.
Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal.
Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk
data ordinal adalah Spearman Rank Correlation dan Kendall Tau.
e) Data interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran
ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan
data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang
diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang
diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval
dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C,
D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5
dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 1
= 2. Beda prestasi antara mahasiswa C dan F adalah 6 3 = 3. Akan tetapi tidak bisa

dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun

prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil
pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat
analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data
interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple
Correlation, Partial Regression, dan Multiple Regression.
f) Data ratio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang
lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang
diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui
pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak
dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di
atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun
pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang
diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masingmasing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan
ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A.
Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi
C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C
dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara
pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000,
dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio
lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3
Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan
skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi
B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio
berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan
menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis
asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk
data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple
Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis
pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4

jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel (data)
interval, dan variabel (data) rasio. Variabel nominal, yaitu variabel yang dikategorikan
secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis
kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal
adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk
bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan
lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti
indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio
adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran,
penghasilan, berat badan, dan sebagainya.
5. P value adalah ?
Dalam ilmu statistika, para peneliti harus menggunakan kriteria uji untuk memutuskan
apakah menolak H0 atau menerima H0. Dalam perkembangannya, banyak peneliti yang
sering menggunakan P-Value untuk kriteria ujinya. P-value lebih disukai dibandingkan
kriteria uji lain seperti tabel distribusi dan selang kepercayaan. Hal ini disebabkan karena pvalue memberikan 2 informasi sekaligus, yaitu disamping petunjuk apakah H0 pantas
ditolak, p-value juga memberikan informasi mengenai peluang terjadinya kejadian yang
disebutkan di dalam H0 (dengan asumsi H0 dianggap benar). Definisi p-value adalah tingkat
keberartian terkecil sehingga nilai suatu uji statistik yang sedang diamati masih berarti
(Kurniawan, 2008).
P-value dapat pula diartikan sebagai besarnya peluang melakukan kesalahan apabila kita
memutuskan untuk menolak H0 (Kurniawan, 2008). Pada umumnya, p-value dibandingkan
dengan suatu taraf nyata tertentu, biasanya 0.05 atau 5%. Taraf nyata diartikan sebagai
peluang kita melakukan kesalahan untuk menyimpulkan bahwa H0 salah, padahal
sebenarnya statement H0 yang benar. Kesalahan semacam ini biasa dikenal dengan
galat/kesalahan jenis I (type I error, baca = type one error). Misal yang digunakan adalah
0.05, jika p-value sebesar 0.021 (< 0.05), maka kita berani memutuskan menolak H0 . Hal ini
disebabkan karena jika kita memutuskan menolak H0 (menganggap statement H0 salah),
kemungkinan kita melakukan kesalahan masih lebih kecil daripada = 0.05, dimana 0.05
merupakan ambang batas maksimal dimungkinkannya kita salah dalam membuat keputusan.

Daftar Pustaka: Kurniawan, Deny. 2008. Regresi Linier (Linear Regression): Forum
Statistika.