ANALISIS BIVARIAT

Sutanto priyo hastono

Tujuan Bivariat

mengetahui hubungan antara satu variabel dengan

variabel 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 ?
Tidak ada perbedaan penurunan tek darah antara obat
A dengan obat B secara substansi

Prosedur Uji Hipotesis

1.Menentukan hipotesis
Ho : tidak ada perbedaan
Ha : ada perbedan
2. Memilih Uji statistik
3. Penghitungan Uji Statistik
mencari : P Value - - - - Sig
4. Menentukan batas Kemaknaan
alpha = 5 % (0,05)
5. Keputusan

- p value alpha (0,05) -> Ho ditolak (ada perbedaan yg signifikan

- p value > alpha (0,05) -> Ho gatol/diterima(tdk ada perbed

UJI STATISTIK
PARAMETRIK

: DISTRIBUSI DATA NORMAL

NON

PARAMETRIK
: DISTRIBUSI DATA TIDAK NORM

DETEKSI
KENORMALAN DATA

ANALISIS HUBUNGAN

KATEGORIK DNG NUMERIK

Uji t
Tuj: menguji perbedaan mean antara 2
kelompok
Uji t digunakan bila : var Kategoriknya isinya
harus dua nilai/kelompok
Mis : sex (pria, wanita), umur (tua, muda),
kinerja(baik, buruk)
- Analisis hubungan sex dng tek darah:
apakah ada perbedan mean tek darh antara
Pria dan wanita
Analisis hubungan pre-post dng berat badan:
Apakah ada perbedaan mean berat bdn antara
sebelum dan sesudah diet
-

A. uji t Independen
Ciri : dua kelompok/sampel yg respondennya berbeda
Mis; ingin mengetahui hubungan tempat tinggal dng TD,
Apakah ada perbedaan mean tek drh antara orang kota dan desa
Uji t independen dibagi 2 , yaitu : varian sama dan varian berbeda

Mean =..

Orang kota

Mean =..
Orang desa

ASUMSI : DISTRIBUSI DATA NORMAL

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI MANN WHITNEY

B. Uji t dependen
Ciri : dua kelompok/sampel yang
respondennya sama dan diukur dua kali pre
dan post
Mis: apakah ada perbedaan rata-rata berat
badan sebelum diet dan sesudah diet

Mean = ..

Mean = .
intervensi
Pre test

Post test

ASUMSI : DISTRIBUSI DATA NORMAL

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI WILCOXON

Pemilihan uji
umur
23
34
56
45
dst

bbadan
56
78
76
56
67

agama
2
3
4
1

Sex
1
2
2
1

Umur1
2
3
1
2

Bb1
1
2
1
2

Peng1
50
45
65
56

Peng2
67
65
63
68

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)
Mana yg dapat uji T ?
-Uji

t independen : hubungan sex dng bbadan, hub sex dng umur,

hub bb1 dng umur
- Uji t dependen : hubungan peng1 dng peng2
Kenapa hub agama dng berat badan tidak bisa uji t ?

Uji t independen
Uji t independen ada 2 jenis: varian sama & varian berbeda
Proses di spss: hubungan hb dengan eksklusive

Output uji t independen

 Dilihat

Jika

dulu uji levene test

p value <= 0,05 maka varian beda

Jika p value > 0,05 maka varian sama

Tabel 5.1
Hubungan pemberian asi dengan kadar Hb di
depok tahun 2016

Penyajian dan interpretasi

(uji t independen)

Uji t dependen

Uji t dependen

 Menurut

tabel 5.2 dapat di laporkan bahwa

ada peningkatan kadar antara sebelum dan
sesudah pemberian fe yaitu sebesar 0,6 g.
hasil uji statistik di dapatkan p value =0,001
berarti seara statistik ada perbedaan yang
signifikan kadar hb anatar sebeum dan
sesudah pemberian fe

Penyajian dan interpretasi

uji t dependen

UJI ANOVA
Tujuan : menguji perbedaan mean antara 3 atau lebih sampel

(kelompok).
Ciri : variabel kategoriknya berisi lebih dari 2 nilai/katagorik
Mis:
- Analisis hubungan pendidikan dengan berat bayi:
Apakah ada perbedaan mean berabt bayi antara ibu pendidikan sd,
smp, smu dan pt.
Mean =

Mean = .

Mean =

Mean = .

sd

smp

smu

pt

ASUMSI : DISTRIBUSI DATA NORMAL DAN VARIAN HOMOGEN

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI KRUSKAL WALLIS

Pemilihan uji
umur
23
34
56
45
dst

bbadan
56
78
76
56
67

agama
2
3
4
1

Sex
1
2
2
1

Umur1
2
3
1
2

Bb1
1
2
1
2

Peng1
50
45
65
56

Peng2
67
65
63
68

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)
Mana yg dapat uji ANOVA ?
Hubungan : agama dng bbadan, agama dng umur, umur1 dng bbadan
Kenapa hub sex dng berat badan tidak bisa uji anova ?
Kenapa hub sex dengan bb1 tidak bisa uji anova ?
Kenapa hub umur dng bbadan tidak bisa uji anova ?

perintah :Uji anova

Hasil Anova

Penyajian dan Interpretasi

ANALISIS HUBUNGAN
KATEGORIK DNG KATEGORIK

Uji Kai Kuadrat

Tuj: mengetahui perbedaan proporsi/persentase antara dua atau lebih
kelompok(sampel)
Mis:
Uji hubungan kelas perawatan dng kepuasan pasien.
: Apakah ada perbedaan persentase kepuasan pasien antara pasien
kelas VIP, I dan II
P= .%

P=%

P=%

Kelas I
Kelas II
kelasVIP
Kelas perawatan(vip, kelas I & kelas II), kepuasan(puas, tdk puas)

Uji hubungan jenis kelamin perawat dng kinerja

apakah ada perbedaan persentase kinerja antara perawat pria dan
wanita
P= .%
pria

P= .%

wanita
Jenis kel (pria, wanita), kinerja (baik, buruk)

Pemilihan uji
umur
23
34
56
45
dst

bbadan
56
78
76
56
67

agama
2
3
4
1

Sex
1
2
2
1

Umur1
2
3
1
2

Bb1
1
2
1
2

Peng1
50
45
65
56

Peng2
67
65
63
68

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)
Mana yg dapat uji kai kuadrat ?
Hubungan : sex dng bb1, sex dng umur1, sex dng agama, bb1 dng agama
Kenapa hub sex dng berat badan tidak bisa uji kai kuadrat ?
Kenapa hub agama dengan umur tidak bisa uji kai kuadrat ?
Kenapa hub umur dng bbadan tidak bisa uji kai kuadrat ?

Strategi Analisis :
1.Pembuatan tabel silang

(Membandingkan
perbedaan persentase antar kelompok)

2. Menggunakan uji statistik

3. Menjelaskan kekuatan hubungan/risiko :
OR, RR

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 Kuadrat

-

Keterbatasan kai kuadrat

- 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

NOTE:
Utk tabel 2x2, bila ada sel yg nilai E nya kurang dari 5,
maka uji yg digunakan : FISHER EXACT

Pengkodean Variabel
Untuk mendapatkan nilai OR yg benar : (koding data hrs diperhatikan)
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 :
Kotak Row diisi var. independen, kotak Coloumn diisi var. dep

Proses di spss:
Pada kotak Crosstab chek list : chisquare dan Risk
Pada kotak Cell chek list : Row

Hasil analisis

Hasil OR

Penyajian di Laporan

ANALISIS HUBUNGAN
NUMERIK DNG NUMERIK

Uji Korelasi
= mengetahui besar dan arah hubungan dua variabel numerik
Korelasi diketahui dng koef r yg nilainya: -1 s/d +1
Arah hubunga : positip /negatip
Besar/kekuatan hub : kuat /lemah
r : 0,00 0,25
: lemah
r : 0,26 0,50
: sedang
r : 0,51 0,75
: kuat
r : 0,76 1
: sangat kuat
Mis : apakah ada hubungan BB dng TD. Apakah hubngan kuat atau
lemah. Apakah hubungan pos atau neg
ASUMSI : DISTRIBUSI DATA NORMAL
BILA TDK TERPENUHI: UJI NON PARAMETRIK: KORELASI SPEARMAN

Uji Regresi Linier

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 = r 2 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
umur
23
34
56
45
dst

bbadan
56
78
76
56
67

agama
2
3
4
1

Sex
1
2
2
1

Umur1
2
3
1
2

Bb1
1
2
1
2

Peng1
50
45
65
56

Peng2
67
65
63
68

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)
Mana yg dapat uji korelasi dan regresi linier ?
Hubungan : umur dng bbadan
Kenapa hub sex dng berat badan tidak bisa uji korelasi ?
Kenapa hub agama dengan umur tidak bisa uji korelasi ?
Kenapa hub sex dng bb1 tidak bisa uji korelasi ?

Proses :

Output spss

Proses spss

Hasil spss

Penyajian dan interpretasi