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

Jika variabel ktegorik lebih dari 2 kelompok mengguankan uji anova

Jika variabel kategorik 2 kelompok mengguankan ui T
Anova menguj secara keseluruhan, ada perbedaan tidak antar
kelompok
Jika secara keseluruhan ada 1 yg berbeda, kesimpulan secara
umum berbeda bermakna (secara anova)
Jika dari anova tidak siginifikan maka tidak perlu di uji lebih lanjut
Jika dari anova siginfikan dapat diketahui jika ada 1 kelompok
berbeda atau tidak
Uji anova bagian dari parametrik
Syarat distribusi normal varian homogen

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 ?
Karena 2 kategorik pake ui T
Kenapa hub sex dengan bb1 tidak bisa uji anova ?
Karena kategorik dengankategorik menggunakan chi square
Kenapa hub umur dng bbadan tidak bisa uji anova ?
Karena numerik numerik pake uji korelasi

Contoh anova (asi.sav)

Kotak dependen di pilih numerik
Untuk yang faktor isis kategorik
Pilih option cek list deskriptif dan homogenity
Lalu pilih pos hoc untuk penelusuran anatar kelompok mana saja yang berbeda
pilih bonferoni

perintah :Uji anova

Hasil Anova

 Dari

hasil leventest n]dapat nilai P 0,071

maka varian data sama
Secara sbustansi ada perbedaan antara
pendidikan SD dengan PT
Dari penelusurana antar kelompok ada yang
tidak siginifikan atar S dengan SMP

Penyajian tabel

Pendidikan

Mean

SD

1.
2.
3.
4.

2470,0
2727,3
3431,3
3761,5

249,7
241,2
270,1
286,2

SD
SMP
SMA
PT

P value
0,0005

Menurut tabel 5.1 terlihat bahwa ibu yang berpendidikan SD melahirkan bayi
dengan berat paling rendah yaitu dengan rata-rata 2470,0 g dengan variasi 249,7 g,
semakin meningkat pendidikan ibu cenderung semakin besar pula berat badan
bayinya. Ibu dengna pendidikan PT melahirkan bayi yang paling besar yaitu 3761,5
g dengn variasi 386,2 g. hasil uji anova di peroleh p value = 0,0005 artinya secara
statistik ada perbedaan yang sigifikan rata2 bb bayi antar tingkat pendidikan ibu.
Hasil penelusuran perbedaan anatar kelompok di dapatkan bahwa untuk ibu yang
berpendidikan SD dan SMP tidak ada perbedaan yang sigifikan antar bb bayi.

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 ?
Karena BB numerik pake uji T
Kenapa hub agama dengan umur tidak bisa uji kai kuadrat ?
Karena kategork dan numerik pake anova
Kenapa hub umur dng bbadan tidak bisa uji kai kuadrat ?
karenaNumerik numerik pake korelasi

Strategi Analisis :
1.Pembuatan tabel silang
persentase antar kelompok)

(Membandingkan perbedaan

2. Menggunakan uji statistik

(pada kondisi tertent menggunakan fisher eksak,
kapan menggunakan chi square atau fisher)
3. Menjelaskan kekuatan hubungan/risiko : OR, RR (
perhatikan

Tabel Silang
-

Ketentuan pembuatan tabel silang:

- Variabel independen pd Baris (row), 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(ekspose), tidak (kode 0)
- var. indep. :
merokok : ya (diberi kode 1(kasus)), 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

Jika nilai b dlm chi square test ada maka nilai pvalue yg di pilih adalah fisher jika kosong maka pilih correction

Hasil OR

Hasil OR dinarasikan apabila nilai P value signifikan

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