01/27/10 1

DASAR PEMILIHAN UJI STATISTIK

Saptawati Bardosono
 PENDAHULUAN
 Pada setiap penelitian biasanya data dikumpulkan
untuk sejumlah besar variabel, sehingga dapat
menyulitkan pemilihan uji statistik yang sesuai
dan urutan penggunaannya
 Pemilihan uji statistik perlu direncanakan sejak
awal penelitian, sehingga analisis data dapat
memaksimalkan kualitas dan interpretasi dari
temuan
 Pemilihan uji statistik berdasar kepada jenis
rancangan penelitian yang ingin dianalisis

01/27/10 2
 PENDAHULUAN

Manfaat dari perencanaan analisis:

١) Pedoman untuk menganalisis data
٢) Membantu pada saat interpretasi dan
melaporkan hasil penelitian
٣) Menghasilkan analisis yang dapat
menjawab pertanyaan penelitian secara
jelas dan jujur
01/27/10 3
 PERENCANAAN ANALISIS
UNTUK STUDI RCT
Sesuai dengan rincian pertanyaan penelitian
Perencanaannya meliputi:
١) Definisi operasional dari outcome primer
dan/atau sekunder
٢) Metoda statistik yang akan digunakan
٣) Pedoman untuk penyesuaian data dasar variabel
٤) Bila perlu, analisis sub-kelompok

01/27/10 4
PERENCANAAN ANALISIS UNTUK
STUDI OBSERVASIONAL
Seringkali tidak memungkinkan untuk menyusun
perencanaan lengkap secara spesifik, namun
minimal berdasar pada hipotesis2 nya
Perencanaannya meliputi:
١) Definisi operasional dari variabel outcome dan
exposure
٢) Variabel pengganggu dari hubungan antara
outcome-exposure
٣) Bila perlu, analisis dari effect modifier

01/27/10 5
 DATA CHECKING & EDITING

Harus dilakukan sebelum melakukan analisis data

Tahap 1 dengan memeriksa distribusi dari masing2
variabel:
١) Untuk data kategorik, pastikan data sesuai
dengan kategori yang ada dan frekuensi dari
masing2 kategori masuk akal
٢) Untuk data numerik, lakukan range check
(histogram) untuk mendapatkan data yang
ekstrim

01/27/10 6
 DATA CHECKING & EDITING

Tahap 2 dengan melakukan consistency check

untuk memeriksa konsistensi kaitan antara
2 atau lebih variabel:
١) Dengan cross-classification, contoh antara
seks dan paritas;
٢) Dengan scatter plots, contoh antara BB
dengan umur atau BB dengan TB

01/27/10 7
 DATA CHECKING & EDITING

Tindakan yang harus dilakukan:

١) Kesalahan harus diperbaiki dengan merujuk ke
data aslinya (kuesioner) atau diisi sebagai
missing value
٢) Bila datanya ekstrim tapi masih mungkin terjadi,
maka tidak perlu diganti
Lakukan checking untuk masing2 kelompok
perlakuan

01/27/10 8
 ANALISIS AWAL

Distribusi dari masing2 variabel untuk:

 Checking ulang bahwa kesalahan telah
diperbaiki
 Lebih mengenal karakteristik dari
populasi yang diteliti
Lakukan analisis awal untuk masing2
kelompok perlakuan
01/27/10 9
 SPESIFIKASI VARIABEL
UNTUK ANALISIS
Variabel2 dapat berperan lebih dari 1 dalam analisis
Perlu dilakukan identifikasi:
 Variabel yang sudah diketahui sebagai
pengganggu hubungan antara outcome-exposure
 Variabel lain yang mungkin menjadi
pengganggu nantinya
 Variabel lain yang akan menjadi effect modifier
(yang dapat mengubah ukuran ataupun arah dari
hubungan outcome-exposure

01/27/10 10
 REDUKSI DATA

Sebelum melakukan analisis data secara

formal, terkadang diperlukan untuk
membuat variabel baru dengan
mengelompokkan beberapa variabel asli
 Untuk variabel exposure kategorik,
pengelompokkan diperlukan bila
kategorinya banyak, contoh: jenis
pekerjaan

01/27/10 11
 REDUKSI DATA

2) Untuk variabel exposure numerik,

pengelompokkan diperlukan untuk:
 Menggunakan metoda berdasarkan stratifikasi
 Menggunakan metoda grafik untuk memeriksa
bagaimana outcome yang non-numerik berubah
pada setiap tingkatan exposure
 Memeriksa adanya hubungan liniar antara
variabel exposure numerik dengan outcome non-
numerik

01/27/10 12
 REDUKSI DATA

Untuk variabel exposure numerik,

pengelompokkan dapat dilakukan dengan:
 Misalnya quintiles, untuk
pengelompokkan menjadi 5
 Cut-off points berdasarkan data dari
penelitian terdahulu atau standar normal

01/27/10 13
 ANALISIS UNI-VARIABEL

Dilakukan crude association antara exposure dan outcome,

yaitu memeriksa hubungan antara outcome dengan
masing2 exposure tanpa menghiraukan variabel2 lain
dengan manfaat:
 Memeriksa tabel atau grafik sederhana serta hubungan
yang merupakan informasi mengenai masing2 data
 Dapat memberikan pemikiran awal mengenai masing2
variabel tsb yang mempunyai hubungan kuat dengan
outcome
 Merupakan indikator penting pada saat dilakukan
analisis untuk mengontrol variabel pengganggu

01/27/10 14
ANALISIS VARIABEL PENGGANGGU

Untuk studi observasional mengontrol efek

variabel pengganggu merupakan fokus
utama analisis dengan:
 Metoda Mantel-Haenszel berdasarkan
stratifikasi
 Modeling regresi

01/27/10 15
ANALISIS VARIABEL PENGGANGGU

Strategi memilih variabel pengganggu:

 Membuat kerangka konsep untuk hubungan antara berbagai variabel
dengan variabel outcome sebagai gambaran dari teori yang ada dan arah
dari hubungan
 Variabel yang sejak awal telah diketahui sebagai pengganggu harus
dikontrol dalam analisis
 Variabel pengganggu lainnya dapat ditemukan sebagai hasil analisis
eksplorasi:
a) variabel yang berhubungan dengan outcome dan exposure namun bukan
sebagai penyebab antara keduanya
b) berdasarkan data yang dianalisis dan pengetahuan yang ada serta setelah
memperhatikan arah dari hubungannya
4) Semua variabel yang berhubungan dengan outcome diikutkan dalam regresi
liniar ganda (cara stepwise), kecuali yang mempunyai hubungan sebagai
penyebab

01/27/10 16
 ANALISIS UNTUK INTERAKSI

Ada tiga interaksi yang harus dibedakan:

 Interaksi antara variabel pengganggu
 Interaksi antara variabel pengganggu
dengan variabel exposure yang diteliti
 Interaksi antara exposure2 yang diteliti

01/27/10 17
 ANALISIS YANG REPRODUKTIF

1. Masukkan file data mentah ke program

statistik, buat label untuk setiap variabel
supaya mudah diidentifikasi, check
apakah data sesuai dengan nilainya, check
konsistensi antar variabel, buat variabel
baru dengan recoding atau penggabungan
variabel2 kemudian simpan data dalam
file baru

01/27/10 18
 ANALISIS YANG REPRODUKTIF

2. Gunakan data dalam file baru untuk

memeriksa hubungan antara variabel
outcome dengan variabel2 exposure dan
variabel pengganggu yang diteliti dengan
menggunakan tabel, grafik serta
melakukan analisis univariabel

01/27/10 19
 ANALISIS YANG REPRODUKTIF

3. Gunakan uji Mantel-Haenszel dan analisis

regresi untuk mengetahui efek variabel
exposure yang dikontrol oleh variabel
pengganggu potensial
4. Periksa interaksi antara variabel outcome,
exposure dan pengganggu
5. Buat tabel final untuk laporan penelitian

01/27/10 20
 PERMASALAHAN PADA ANALISIS
DAN INTERPRETASI DATA

١. Multiple comparisons, menghubungkan semua variabel

yang ada di luar hipotesis = data dredging akan
mengakibatkan pelaporan hasil yang tidak benar/palsu
٢. Subgroup analysis, kadang sangat menggoda untuk
mengembangkan hasil yang menarik bila hipotesis tak
terbukti
٣. Data-driven comparisons, sebaiknya tidak melakukan
pengelompokkan pada variabel exposure untuk
menghasilkan hubungan yang lebih bermakna dengan
variabel outcome

01/27/10 21
 APA ITU STATISTIK

Statistik merupakan kegiatan untuk:

 Mengumpulkan data
 Meringkas/menyajikan data
 Menganalisis data dengan metoda tertentu
 Menginterpretasi hasil analisis tersebut.

Ilmu statistik berguna untuk membantu dalam

pengambilan keputusan atas masalah tertentu.

01/27/10 22
 MANFAAT STATISTIK

 Memperkirakan rata2
 Mengetahui hubungan antar variabel2
 Mengetahui dampak suatu intervensi
 Dsb

01/27/10 23
 JENIS STATISTIK
 Statistik deskriptif:  Statistik inferensi:
Berkaitan dengan Berkaitan dengan
bagaimana data analisis data dan
dikumpulkan dan interpretasi hasil
diringkas analisis tersebut

01/27/10 24
 JENIS DATA
 Data kualitatif:  Data kuantitatif:
Data yang dinyatakan dalam Data yang dinyatakan dalam
bentuk bukan angka bentuk angka
Contoh: jenis pekerjaan, Contoh: usia, tinggi,
status perkawinan, gender, penghasilan
kepuasan, dll
Harus dikuantifikasikan
dengan skor atau ranking

01/27/10 25
 JENIS DATA

Data berskala nominal: data yang diperoleh

dengan cara kategorisasi atau klasifikasi
Contoh: jenis pekerjaan,
pegawai negeri, diberi tanda 1
pegawai swasta, diberi tanda 2
wiraswasta, diberi tanda 3
Cirinya: posisi setara dan tidak bisa dilakukan
operasi matematika

01/27/10 26
JENIS DATA
Data berskala ordinal: data yang diperoleh dengan
cara kategorisasi atau klasifikasi, tetapi di antara
data tsb terdapat hubungan
Contoh: kepuasan pelayanan,
sangat puas, diberi tanda 1
puas, diberi tanda 2
cukup puas, diberi tanda 3
tidak puas, diberi tanda 4
sangat tidak puas, diberi tanda 5
Cirinya: posisi tidak setara dan tidak bisa dilakukan
operasi matematika
01/27/10 27
JENIS DATA
Data berskala interval: data yang diperoleh dengan
cara pengukuran, di mana jarak dua titik pada
skala sudah diketahui
Contoh: temperatur ruangan untuk air membeku dan
mendidih
Celcius pada 0 sampai 100, jarak 100
Fahrenheit pada 32 sampai 212, jarak 180
Cirinya: tidak ada kategorisasi dan bisa dilakukan
operasi matematika

01/27/10 28
JENIS DATA
Data berskala rasio: data yang diperoleh
dengan cara pengukuran, di mana jarak dua
titik pada skala sudah diketahui, dan
mempunyai titik 0 yang absolut
Contoh: jumlah buku di perpustakaan
jika 5, berarti ada 5 buku, jika 0, berarti
tidak ada buku sama sekali
Cirinya: tidak ada kategorisasi dan bisa
dilakukan operasi matematika
01/27/10 29
JENIS DATA VERSUS UJI STATISTIK

Jenis data akan mempengaruhi pemilihan

prosedur statistik yang akan digunakan:
Data kuantitatif akan menggunakan prosedur
statistik parametrik;
Data kualitatif cenderung mengarah pada
statistik non-parametrik

01/27/10 30
 Pengolahan Data Statistik

Statistik parametrik, berhubungan dengan

inferensi statistik yang membahas
parameter2 populasi, seperti rata2, proporsi,
dll.
Cirinya: jenis data interval atau rasio, serta
distribusi data (populasi) adalah normal
atau mendekati normal

01/27/10 31
 Pengolahan Data Statistik

Statistik non-parametrik, berhubungan dengan

inferensi statistik yang tidak membahas
parameter2 populasi
Cirinya: jenis data nominal atau ordinal, serta
distribusi data (populasi) tidak diketahui
atau bisa disebut tidak normal

01/27/10 32
 Pengolahan Data Statistik

Analisis univariat, di mana hanya ada satu

pengukuran (variabel) untuk n sampel
(Alat analisis: uji t, uji F< ANOVA dsb)

Analisis multivariat, di mana ada dua atau

lebih pengukuran untuk n sampel
(Alat analisis: regresi, korelasi dsb)

01/27/10 33
 Pemilihan uji statistik

Jumlah variabel

Analisis univariat Analisis multivariat

Jenis data

Interval, rasio Nominal, ordinal

Statistik Parametrik Statistik Non-Parametrik

01/27/10 34
 Pengolahan data kuantitatif

Data interval/rasio

Ukuran Variasi Bentuk

Mean Range Skweness

Median Varians Kurtosis

Modus Standar deviasi

Koefisien variasi

01/27/10 35
 Menguji normal tidaknya
distribusi data
 Boxplot
 Stem and Leaf
 Kolmogorov-Smirnov
 Plot
 Kurtosis dan skewness

01/27/10 36
 Boxplot: jika MEDIAN terletak persis di
tengah boxplot, maka distribusi data adalah
normal

 Nilai di atas garis adalah outlier atau nilai

ekstrem

 Persentile (25) disebut HINGES

 Persentile (50) atau MEDIAN

 Persentile (75) disebut HINGES

 Nilai di bawah garis ini adalah outlier atau

nilai ekstrem
01/27/10 37
 Stem and leaf

Frequency Stem Leaf

1,00 4 0
2,00 5 00
3,00 6 000
1,00 7 0
1,00 Extremes ≥ 10,0)

01/27/10 38
 Kolmogorov-Smirnov dan Shapiro Wilk,
bila nilai signifikansi < 0,05 maka distribusi
adalah tidak normal
Kolmogorov-smirnov Shapiro-Wilk

Usia Statistik Df Sig. Statistik Df Sig

Belum 0,176 35 0,008 0,926 35 0,033

menikah

Menikah 0,215 40 0,000 0,907 40 0,019

01/27/10 39
Plot

Normal Q-Q plot Detrended Normal Q-Q

plot

Data akan tersebar di Sebagian besar data terpola

sekeliling garis dekat garis tengah yang ada
01/27/10 40
 Kurtosis dan skewness

Jika rasio kurtosis (keruncingan) dan

skewness (kemiringan) berada di antara –2
sampai dengan +2, maka distribusi data
adalah normal
Rasio kurtosis = nilai kurtosis /SE kurtosis
Rasio skewness = nilai skewness / SE
skewness

01/27/10 41
 Penyebaran Data
 Distribusi data normal: mean dan standar
deviasi
 Distribusi data tidak normal: median atau
mode
 Persentil biasanya 10, 25, 50, 75, 90
 Distribusi data: skewness (kemiringan) dan
kurtosis (keruncingan)
 Deskripsi data: rata2, SD, varians, range

01/27/10 42
 Analisis statistik (inferensi)

 Digunakan untuk estimasi nilai suatu

parameter populasi dan uji hipotesis
statistik (Ho/Hi, signifikansi, uji satu/dua
sisi, statistik tabel/uji)

01/27/10 43
 Bagan statistik inferensi
S tatistik Param etrik

Jum lah sam pel

Satu populasi Dua populasi

atau lebih

Uji Z Hubungan
Uji t antar sam ple

Bebas B erhubungan

Uji Z Uji t berpasangan

Uji t
A NO V A/
Uji F

01/27/10 44