PENGANTAR BIOSTATISTIK UNTUK ILMU-ILMU KESEHATAN

1. Konsep Dasar Biostatistik 2. Statistik Inferensial 3. Uji Hipotesis 4. Tingkat Kemaknaan (a) dan probabilitas pasti (p)

5. Kesalahan Pengambilan Keputusan Statistik

6. Kuasa statistik 7. Pertimbangan pemilihan uji statistik yang sesuai
Oleh : Mochammad. Arief Tq, MS. PHK

Biostatistik
1. Statistik deskriptif : Pengumpulan , penataan dan penafsiran data : tendensi sentral, simpang baku dan sebagainya. 2. Statistik Inferensial : Penarikan inferensi (kesimpulan) tentang karakteristik populasi berdasarkan pengamatan data dalam sampel : (a) Membuat dugaan tentang parameter populasi dan (b) menguji hipotesis tentang karakteristik populasi.

Konsep Dasar Biostatistik

1. 2. 3. 4. 5. Unit Pengamatan Populasi Variabel Data Parameter : karakter populasi (mean, varians,koef.korelsi) Probabilitas Ukuran Tendensi Sentral : mean, median, mode Ukuran Dispersi : varians dan akar varians atau simpang baku.

6. 7. 8.

Statistik Inferensial
Sejauh mana bahwa perbedaan atau hubungan antar dua variabel atau lebih dalam sampel benar-benar mencerminkan perbedaan atau hubungan dalam populasi.

Misalnya : Sejauh mana perbedaan tinggi badan rata-rata antara laki-laki dan perempuan dalam sampel dapat mencerminkan perbedaan ratarata tinggi badan laki-laki dan perempuan dalam populasi ?

Makin besar ukuran sampel makin kecil kekeliruan membuat kesimpulan dari sampel tentang karakteristik populasi variasi antar sampel akan makin kecil presisi akan meningkat.

Uji Hipotesis
Hipotesis dapat diartikan sebagai pernyataan tentatif/ sementara tentang hubungan antar variabel yang menjadi permasalahan penelitian. Hipotesis dapat dibedakan menjadi Hipotesis konseptual Hipotesis operasional (Statistik) Operasionalisasi hipotesis menjabarkan hipotesis ke dalam variabelvariabel penelitian yang operasional dan terukur .

Dapat di analisis dengan uji statistik yang sesuai (Hipotesis Statistik)

Langkah-langkah dalam Uji Hipotesis

1. Pengumpulan Data Merupakan hasil pencatatan pengukuran terhadap variabel penelitian. Skala pengukuaran variabel yang akan dianalisis (nominal, ordinal, interval atau rasio). 2. Pemahaman Asumsi Merupakan persyaratan yang harus dipenuhi ketika akan menggunkan uji statistik . 3.Menetapkan Hipotesis Statistik (Ho) dan Hipotesis Alternatif (H1) Ho : hipotesis yang dicoba untuk ditolak. H1: hipotesis yang dicoba untuk tidak ditolak (diterima). Notasi hipotesis dalam uji binomial adalah sebagai berikut : (a) Dua sisi : Ho : p=po H1 : p po (b) Satu sisi : Ho : p< po H1 : p > po atau : Ho : p> po H1 : p < po

Lanjutan
4. Pengambilan Keputusan Statistik Dalam kurva distribusi uji statistik ada 2 daerah yaitu (2) daerah penolakan Ho dan (1) daerah penerimaan Ho.

(1)

(1)

(2)
a=0,05 uji satu sisi

(2)

(2)
a=0,05 uji 2 sisi

Daerah sisi kanan adalah daerah penolakan Ho pada uji satu sisi untuk a = 0,05 Daerah sisi kanan dan kiri adalah daerah penolakan Ho pada uji dua sisi untuk a = 0,05

Kesimpulnnya , bila Ho ditolak maka H1 benar . Sebaliknya bila Ho tidak ditolak kesimpulannya Ho mungkin benar.

Tingkat Kemaknaan (a)

Nilai probabilitas tertentu yang dipakai sebagai patokan penolakan atau penerimaan Ho, misalnya a = 0,01 atau 0,05. Jadi jika kita temukan suatu nilai statistik uji lebih kecil atau sama dengan a maka secara probabilitas kita menolak Ho. Penetapan besar kecilnya nilai a harus mempertimbangkan kemaknaan praktis hasil penelitian kelak. Semakin besar nilai a akan semakin mudah kita menolak Ho (daerah penolakan lebih luas) atau semakin mudah kita menerima hipotesis alternatif.

Probabilitas Pasti (p)

Menunjukkan probablitias untuk memperoleh nilai sebesar atau lebih dari nilai statistik hitung (teramati) hanya karena kebetulan. Makin besar nilai statistik uji kemaknaan yang kita dapatkan, makin kecil nilai p.

Bila nila p a

Ho. ditolak

Contoh : Sebuah studi menemukan bahwa hubungan antara kebiasaan minum jamu X pada saat kehamilan dengan suatu kelainan kongenital, bermakna dengan p=0,001. Artinya terdapat 1 diantara 1000 hasil penelitian tersebut terjadi hanya karena peluang kebetulan.

Interval Keyakinan (Convidence Interval; CI )

Interval Keyakinan (IK) menyatakan suatu rentang nilai-nilai resiko relatif pada tingkat keyakinan tertentu (1-a) dinyatakan dalam IK (1- a ) Interval Keyakinan yang tidak memuat nilai = 1 menunjukkan bahwa hubungan antar variabel penelitian bermakna. Contoh: Suatu analisis data studi Kohor tentang pengaruh serangan epilepsi ibu antenatal terhadap kejadian malfromasi kongenital janin menghasilkan nilai Resiko Relatif RR = 1,63 dan IK 95% = 1,22 - 2,31. Artinya : Dengan tingkat keyakinan 95% ibu-ibu dengan riwayat epilepsi antenatal mempunyai resiko melahirka bayi malformasi sebesar 1,2 2,3 kali lebih tinggi daripada ibu tanpa riwayat epilepsi.

Kesalahan Pengambilan Keputusan Statistik

Kesalahan tipe I; yaitu menolak Ho yang sesungguhnya Ho benar. Probabilitas terjadinya kesalahan tipe satu dinyatakan: a. Kesalahan tipe II ; yaitu tidak menolak Ho yang sesungguhnya Ho salah. Probabilitas terjadinya kesalahan tipe II dinyatakan : b. Tabel : Empat kemungkinan dalam Uji Hipotesis
Sesungguhnya
Kesimpulan Uji Statistik Ho Benar H1 Benar

Tidak menolak Ho (tidak bermakna secara statistik)

Benar Ho benar dan kita tidak menolak Ho

Kesalahan Tipe II (b) H1 benar tetapi kita tidak menolak Ho.

Menolak Ho (H1 Benar (bermakna secara statistik)

Kesalahan Tipe I (a) Benar Ho benar tetapi kita H1 benar dan kita menolak Ho menolak Ho

Kuasa Statistik (P)

Adalah probabilitas untuk menolak Ho ketika sesungguhnya Ho memang salah. Kemampuan untuk mendetekasi adanya perbedaan bermakna antara kelompok-kelompok yang diteliti ketika perbedaan itu memang ada.

Kuasa (P) = 1-b

b kesalahan Tipe II
Misalnya untuk b sebesar 0,20 artinya ada peluang sebesar 20% untuk membuat kesalahan tidak menolak Ho padahal Ho salah atau H1 benar. Maka kuasa dalam penelitian itu sebesar 1-0,20 = 0,80. Dengan kuasa sebsar 0,80 berarti penelitian ini mempunyai kemampuan sebesar 80 persen untuk dapat mendeteksi perbedaan antara kelompok yang diteliti jika memang terdapat perbedaan.

Pertimbangan Pemilihan Uji Statistik yang Sesuai

1. Pertimbangan Uji Parametrik dan Non parametrik
Uji Parametrik (misalnya uji t dan uji F) memiliki asumsi yang lebih banyak daripada uji nonparametrik untuk penggunaan yang sama. Pemenuhan asumsi yang lebih banyak : (a) makin besar kuasa statistiknya (b) makin kecil kesalahan menarik inferensi ke populasinya (c) makin sempit generalisasinya. Contoh : Uji t memilki beberapa asumsi : (a) Pengamatan dilakukan secara independen (b) Sampel berasal dari populasi yang terdisitribusi normal (c) Dalam analisis dua kelompok, populasi-populasi asal sampel harus memiliki varians yang sama atau setidaknya diketahui rasio varians keduanya. (d) Variabel diukur setidaknya dalam skala rasio atau interval. Jika data yang dianalisis memenuhi semua asumsi , penggunaan uji statistik parametrik merupakan pilihan utama. Jika Data penelitian tidak dapat memenuhi sejumlah asumsi di atas Salah satu alternatif penggunaan uji statistik nonparametrik .

Lanjutan. 2. Klasifikasi variabel yang akan dianalisis.

1. Variabel diukur dalam skala interval atau rasio 2. Parameter-parameter yang menggambarkan populasi seperti mean, median , mode dan simpang baku bisa dihitung.

Statistik parametrik.

1. Variabel diukur dalam skala nominal atau ordinal . 2. Yang bisa dihitung adalah frekuensi tiap-tiap kategori (atribut)

Statistik non-parametrik.

ATAS PERHATIANNYA TERIMA KASIH