Anda di halaman 1dari 18

ANALISIS BIVARIAT

By. Ns. Franly Onibala, S.Kep.

(Mahasiswa Pasca Sarjana IKM Unsrat Manado)

A. Definisi Variabel

Variabel adalah faktor atau komponen yang berhubungan satu sama lain dan

telah diinventarisasi lebih dulu dalam variabel penelitian. Variabel tersebut dapat

bersifat variabel independent (bebas) atau variabel dependent (terikat) serta dapat

berupa variabel lain yang ikut mempengaruhi hubungan antara variabel bebas dan

variabel terikat, seperti variabel penghubung, variabel pra-kondisi, dan pendahulu

(Chandra, 2008).

Variabel independent (bebas) merupakan variabel yang menjadi sebab

perubahan atau timbulnya variabel dependent (terikat), disebut juga variabel bebas

artinya bebas dalam mempengaruhi variabel lain, variabel ini juga mempunyai

nama lain seperti variabel predictor, risiko, atau kausa. Variabel dependent

merupakan variabel yang dipengaruhi atau menjadi akibat karena variabel bebas.

Variabel ini tergantung dari variabel bebas terhadap perubahan, variabel ini juga

dikenal dengan istilah variabel efek, hasil, outcome, atau event. (Hidayat, 2011).

B. Definisi Bivariat

Analisis bivariat digunakan untuk membuktikan hipotesis penelitian antara

variabel independent dan variabel dependent. Variabel independent (variabel

bebas/resiko/sebab) merupakan variabel yang menjadi sebab perubahan atau

timbulnya variabel terikat (Hidayat, 2011). Variabel Dependent Variabel

dependent (variabel terikat/akibat/efek) adalah variabel yang dipengaruhi atau


menjadi akibat karena variabel bebas (Hidayat, 2011). Pada studi kesehatan,

khususnya studi epidemiologi hubungan antara faktor resiko (independent) dan

kejadian penyakit (dependent) perlu diketahui karena merupakan kunci dalam

memutus rantai penularan penyakit (Chandra, 2008). Menurut Chandra (2008)

hubungan kausalitas antara faktor risiko (exposure/independent) dan kejadian

penyakit (outcome/dependent) dapat dibagi menjadi tiga jenis, yaitu :

1. Artifactual

Hubungan palsu antara faktor eksposure dan kejadian (penyakit) yang

disebabkan oleh faktor kebetulan (by chance) atau karena bias pada desain

studi.

2. Asosiasi tidak langsung (indirect association)

Hubungan tidak langsung antara faktor resiko dan kejadian penyakit,

seperti penyakit anemia disebabkan oleh infestasi cacing tambang atau

ankylostomiasis.

3. Asosiasi kausal

Hubungan lansung atau kausal antara faktor resiko dan kejadian penyakit,

misalnya hubungan antara faktor merokok dan penyakit kanker paru.

C. Symbol Variabel

Symbol variabel biasanya adalah huruf X atau Y. Huruf X dipakai untuk variabel

independent dan huruf Y dipakai untuk variabel dependent. Jika terdiri satu

variabel disebut monovariat atau univariat, dua variabel disebut bivariat,

sedangkan jika lebih dari dua variabel disebut multivariate. Contoh judul

penelitian bivariat : “Hubungan Status nutrisi dengan Perkembangan Motorik”.


Status nutrisi sebagai variabel X (independent) dan perkembangan motorik

sebagai variabel Y (dependent) (Wasis, 2008).

D. Statistik Analitis Bivariat

Dibawah ini adalah tabel untuk menentukan uji hipotesis bivariat

Jenis Hipotesis (asosiasi)


Masalah skala pengukuran Komparatif
Korelatif
Tidak berpasangan Berpasangan
Jumlah Kelompok Jumlah Kelompok
2 kelompok >2 kelompok 2 kelompok >2 kelompok
Numerik
One Uji t
Uji t way ANOVA berpasangan Repeated
tidak ANOVA
berpasangan Pearson*
Spearman
Mann Kruskal-
Kategorik (Ordinal) Wilcoxon Friedman Somers'd
Whitney Wallis
Gamma

Chi-Square, Fisher, McNemar, Cochran, Marginal Koofisien


Kategorik (Nominal/Ordinal) Kolmogorov-Smirnov (tabel B Homogeneity, Wilcoxon, kontingensi
x K) Friedman (prinsip P x K) Lambda

Keterangan :

1. Uji dengan tanda * merupakan uji parametrik

2. Tanda panah kebawah menunjukkan uji alternative jika syarat uji parametric

tidak terpenuhi

3. Untuk hipotesis komparatif numeric, perlu diperhatikan banyaknya kelompok

4. Untuk hipotesis komparatif kategorik tidak berpasangan, pemilihan uji

menggunakan “tabel B x K”.

5. Untuk hipotesis komparatif kategorik berpasangan, pemilihan uji

menggunakan “prinsip P x K”.


Dengan demikian kita dapat menentukan uji hipotesis bivariat dengan melihat

tabel diatas dengan syarat kita harus memahami langkah-langkah berikut dengan

seksama :

1. Skala pengukuran: apakah kategorik atau numerik?

2. Jenis hipotesis: apakah komparatif atau korelatif?

3. Masalah skala pengukuran: apakah kategorik atau numerik?

4. Pasangan: apakah berpasangan atau tidak berpasangan?

5. Jumlah kelompok : apakah 2 kelompok atau lebih (>) dari 2 kelompok?

6. Syarat uji : apakah uji parametric atau non parametric?

7. Prinsip tabel B x K dan P x K.

Berikut adalah pembahasan ketujuh langkah diatas dengan rinci :

1. Skala pengukuran variabel

Ini merupakan langkah awal untuk sebuah uji hipotesis. Maksud dari menentukan

skala pengukuran variabel adalah apakah skala variabel yang ada termasuk

kategorik (nominal-ordinal) atau numeric (rasio-interval) (Dahlan, 2009).

Terdapat empat skala pengukuran, yaitu skala nominal, skala ordinal, skala

interval dan skala rasio disingkat NOIR (Wasis, 2008). Pada tabel dibawah ini

akan disajikan skala pengukuran variabel.

Skala Pengukuran
Kategorik / Kualitatif Numerik / Non Kategorik /
Kuantitatif
Nominal Interval
Contoh : Contoh :
- Jenis kelamin - Suhu tubuh (35o C, 36o C, 37o C)
(Laki-laki,
perempuan) - Skor prestasi belajar mahasiswa
- Suku bangsa (Jawa, Sunda, (70, 80, 90)
Minahasa, Batak, Dayak, dll) - Nilai gula darah puasa (110 g/dl,
- Agama (Kristen, Katolik, Islam, 115 g/dl, 120 g/dl)
Hindu, Budha, Konghucu)
- Golongan darah (A, B, AB, O)
- Warna kulit (Hitam, Putih, Kuning,
Sawo Matang) Rasio
- Jenis pekerjaan (Tani, Nelayan, Contoh :
PNS, TNI, Polri) - Tinggi badan (50 cm, 100 cm, 150
Ordinal cm)
Contoh : - Berat badan (75 kg, 100 kg, 125
- Tingkat pendidikan (Pendidikan kg)
rendah, menengah, tinggi) - Panjang meja (50 cm, 100 cm, 150
- Klasifikasi kadar kolesterol cm)
(Rendah, Nornal, Tinggi)
- Tingkat kepuasan (Sangat puas,
puas, cukup puas, sangat tidak
puas)
- Motivasi belajar (Tinggi, sedang,
rendah)
- Tingkat nyeri (Sangat nyeri, Nyeri,
Cukup Nyeri, Tidak Nyeri)
- Tingkat kecemasan (Panik, Berat,
Sedang, Ringan)
(Sumber : dari berbagai sumber dan dimodifikasi)

Berikut ini penjelasan dari masing-masing skala pengukuran :

Skala Nominal

Merupakan skala yang paling sederhana yang disusun sebagai pembeda atau

menurut jenis kategori. Skala ini ditetapkan berdasarkan penggolongan dan

bersifat diskrit (saling pilah), hanya mengkategorikan objek atau individu. Skala

ini bersifat sederajat, kedudukan yang satu sama dengan yang lain atau

tingkatannya sama (contoh tabel diatas).

Skala Ordinal

Data statistic yang disusun berdasarkan urutan kedudukan (peringkat), berjenjang

atau bertingkat. Kita akan mengetahui mana yang lebih rendah/sedikit atau yang

lebih tinggi/banyak. Dalam skala ini belum diketahui berapa besar perbedaan

nilai-nilai yang ada.


Skala Interval

Skala yang menunjukkan jarak antara satu data dengan data lainnya yang

memiliki bobot yang sama, yang tidak mempunyai nilai nol mutlak seperti

temperature (lihat contoh tabel diatas)

Skala Rasio

Skala ini merupakan tingkat pengukuran skala tertinggi. Skala rasio mempunyai

nilai nol mutlak (absolute), juga mempunyai kelebihan dan nilai yang paling

cermat dari ketiga jenis skala yang lainnya.

Selain keempat skala pengukuran terdapat skala pengukuran dalam sikap yang

dikembangkan dari skala interval, diantaranya :

a. Skala Likert

Skala ini digunakan untuk mengukur sikap, pendapat, persepsi seseorang tentang

gejala atau masalah yang ada atau dialaminya.

Pernyataan Positif Nilai Nilai

Sangat setuju : SS 4 Sangat setuju : SS 1

Setuju : S 3 Setuju : S 2

Tidak setuju : TS 2 Tidak setuju : TS 3

Sangat tidak setujuh : STS 1 Sangat tidak setujuh : STS 4

Pernyataan Positif Nilai Nilai

Sangat penting : SP 4 Sangat penting : SP 1

Penting : P 3 Penting : P 2

Tidak penting : TP 2 Tidak penting : TP 3

Sangat tidak penting : STP 1 Sangat tidak penting : STP 4


Pernyataan Positif Nilai Nilai

Sangat puas : SP 4 Sangat puas : SP 1

Puas : P 3 Puas : P 2

Tidak puas : TP 2 Tidak puas : TP 3

Sangat tidak puas : STP 1 Sangat tidak puas : STP 4

Cara lain untuk interpretasi yaitu :

Angka : 0-25 % : Sangat tidak setuju (sangat tidak baik)

Angka : 26-50 % : Tidak setuju (tidak baik)

Angka : 51-75 % : Setuju (baik)

Angka : 76-100 % : Sangat setuju (sangat baik)

b. Skala Guttman

Skala ini bersifat tegas dan konsisten dengan memberikan jawaban yang tegas

seperti jawaban dari pertanyaan/pernyataan: ya dan tidak, positif dan negative,

setuju dan tidak setuju, benar dan salah. Skala ini dibuat seperti checklist dengan

interpretasi penilaian, apabila skor benar nilainya 1 dan apabila salah nilainya 0

dan analisisnya dapat dilakukan seperti skala Likert. Contoh :

Pernyataan Ya Tidak

Apakah saudara memberikan ASI ekslusif dilakukan pada

usia 0-6 bulan

c. Skala Diferensial Semantic


Disebut juga skala perbedaan semantic yang berisi pernyataan sikap seseorang,

yang memberikan jawaban rentang dari positif ke negative.

Contoh:

Beri nilai sikap bidan dalam komunikasi selama menolong persalinan

anda.

1. Sopan 5 4 3 2 1 Tidak sopan

2. Ramah 5 4 3 2 1 Tidak ramah

3. Terbuka 5 4 3 2 1 Tertutup

4. Menghargai 5 4 3 2 1 Tidak menghargai

d. Rating Scale

Merupakan skala sikap yang memberikan pernyataan dengan jawaban yang

berupa angka yang telah disediakan, yang hampir sama dengan skala Likert akan

tetapi tersedia jawaban berupa interval angka.

Contoh :

Pernyataan STS TS S SS

Apakah saudara memberikan ASI ekslusif (1) (2) (3) (4)

dilakukan pada usia 0-6 bulan

e. Skala Thrustone

Merupakan skala yang memberikan sejumlah pernyataan pada responden.

Responden diminta untuk memilih sebagian dari pernyataan, kemudian dihitung

oleh peneliti sesuai dengan nilai yang telah ditetapkan.

2. Jenis hipotesis
Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara

variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif

(comparation) dan korelatif (correlation). Hal itulah yang mendasari pembagian

uji hipotesis menjadi hipotesis komparatif dan hipotesis korelatif.

Untuk menunjukkan bahwa metode yang dipakai untuk mencari hubungan antar

variabel adalah metode komparatif, maka digunakan kata hubungan atau

perbandingan. Sedangkan untuk menunjukkan bahwa metode yang digunakan

untuk mencari hubungan antar variabel adalah metode korelatif, maka digunakan

kata korelasi.

Perbedaan hipotesis komparatif dan korelatif adalah pada output yang ingin

diperoleh. Bila peneliti ingin mengetahui asosiasi itu dengan parameter koofisien

korelasi (r), maka gunakanlah hipotesis korelatif. Namun apabila parameter yang

diinginkan bukan koofisien korelasi tetapi ‘parameter yang lain’, maka

gunakanlah hipotesis komparatif.

3. Masalah skala pengukuran numeric atau kategorik

Berikut adalah panduan untuk mengelompokkan masalah skala pengukuran :

a. Untuk hipotesis komparatif :

- Masalah skala kategorik adalah bila variabel yang dicari asosiasinya adalah

variabel kategorik dengan variabel kategorik.

- Masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah

variabel kategorik dengan variabel numerik.

b. Untuk hipotesis korelatif :


- Masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya

adalah variabel kategorik.

- Masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah

variabel numerik dengan variabel numerik.

4. Pasangan dan Jumlah Kelompok

Dua atau lebih kelompok data dikatakan berpasangan apabila data tersebut dari

individu yang sama baik karena pengukuran berulang, proses matching atau

karena desain crossover. Dua atau lebih kelompok data dikatakan tidak

berpasangan apabila data berasal dari subjek yang berbeda tanpa prosedur

matching.

5. Syarat uji parametric dan nonparametric

a. Uji parametric

Terdapat tiga syarat yang perlu diperhatikan, yaitu skala pengukuran variabel,

distribusi data, dan varians data.

- Masalah skala pengukuran variabel : harus variabel numeric

- Distribusi data : harus normal

- Varians data :

 Kesamaan varians tidak menjadi syarat untuk uji kelompok yang berpasangan.

 Kesamaan varians adalah syarat tidak mutlak untuk 2 kelompok tidak berpasangan,

artinya varians data boleh sama, boleh juga berbeda.

 Kesamaan varians adalah syarat mutlak untuk > 2 kelompok tidak berpasangan

artinya varians data harus/wajib sama.

b. Uji nonparametric
Uji ini digunakan untuk keadaan sebagai berikut :

- Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan nominal)

- Jika data dengan masalah skala pengukuran numeric tetapi tidak memenuhi

syarat untuk uji parametric (missal distribusi data tidak normal), maka dilakukan

uji nonparametric yang merupakan alternative dari uji parametriknya.

 Alternative uji t berpasangan adalah uji Wilcoxon

 Alternative uji t tidak berpasangan adalah uji Mann-Whitney

 Alternative uji repeated ANOVA adalah uji Friedman

 Alternative uji one way ANOVA adalah uji Kruskal-Wallis

Tabel Metode untuk mengetahui suatu set data memiliki distribusi normal atau

tidak

Metode Parameter Kriteria sebaran data Keterangan


dikatakan normal
Koofisien varian Nilai koofisien varians S D x 100%
< 30% Mean
Rasio skewness Nilai rasio skewness -2 Skewness
s/d 2 SE Skewness
Rasio kurtosis Nilai rasio kurtosis -2 Kurtosis
s/d 2 SE Kurtosis
Histogram Simetris tidak miring
kiri atau kanan, tidak
Deskriptif terlalu tinggi atau
rendah
Box plot Simetris media tepat
ditengah, tidak ada
outlier atau nilai ekstrim
Normal Q-Q plots Data menyebar sekitar
garis
Detrended Q-Q Data menyebar sekitar
plots garis pada nilai 0
Kolmogorov- Nilai kemaknaan (p) > Untuk sampel
Smirnov 0,05 besar (> 50)
Analitik
Shapiro-Wilk Nilai kemaknaan (p) > Untuk sampel kecil
0,05 (≤ 50)
Untuk mengetahui dua buah data atau lebih mempunyai varians yang sama atau

tidak menggunakan uji varians (Levene’s test). Jika uji varians menghasilkan nilai

p > 0,05, maka varians dari data yang diuji adalah sama.

6. Tabel B x K dan prinsip P x K

Dijelaskan bahwa tabel B x K digunakan untuk hipotesis komparatif kategorik

tidak berpasangan sedang P x K untuk hipotesis komparatif kategorik

berpasangan.

a. Tabel B x K

B adalah singkatan dari Baris dan K adalah singkatan dari Kolom. Pada baris (B)

umumnya diletakkan variabel independen/bebas, sedangkan pada kolom (K)

diletakkan variabel dependen/terikat. Jenis tabel ditentukan oleh jumlah baris dan

kolomnya. Jika jumlah baris ada 3 dan kolom 3, maka tabel tersebut disebut tabel

3x3.

b. Prinsip P x K

P adalah singkatan dari pengulangan dan K dari kategori. Jenis prinsip P x K

ditentukan oleh jumlah pengulangan dan kategori. Jika jumlah pengulangan ada 2

dan kategori ada 2, maka prinsip tersebut disebut 2 x 2.

Tabel Cotoh prinsip 2 x 2

Pengetahuan sesudah
penyuluhan
Baik Buruk
Pengetahuan Baik a b a+b
sebelum Buruk c d c+d
penyuluhan
a+c b+d N
UJI T (UJI BEDA DUA MEAN)
Uji beda dua mean dibagi dalam dua kelompok :
1. Uji T Independen (uji beda mean independen/tidak berpasangan)
2. Uji T dependen (uji beda mean dependen/pasangan)
Uji T tidak berpasangan
Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Kedua kelompok data independen
c. Varians data boleh sama, boleh juga tidak
d. Variabel berbentuk numeric dan kategorik
e. Jika data berdistribusi normal, maka dipakai uji t tidak berpasangan
f. Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data
g. Jika data setelah ditransformasi menjadi normal, maka dipakai uji t tidak
berpasangan
h. Jika data setelah ditransformasi tetap tidak normal, maka dipakai uji alternative
uji Mann-Whitney
Uji T berpasangan
Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Kedua kelompok data dependen/pair
c. Varians data tidak perlu diuji karena kelompok data berpasangan/pair
d. Variabel berbentuk numeric dan kategorik (dua kelompok)
e. Jika data berdistribusi normal maka dipilih uji t berpasangan
f. Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data
g. Jika data setelah ditransformasi distribusinya menjadi normal, maka dipakai uji t
berpasangan
h. Jika data setelah ditransformasi distribusinya tetap tidak normal, maka dipakai uji
alternative uji Wilcoxon

UJI MANN-WHITNEY
Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Kedua kelompok data independen
c. Varians data boleh sama, boleh juga tidak
d. Jika data berdistribusi normal, maka dipakai uji t tidak berpasangan
e. Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data
f. Jika data setelah ditransformasi menjadi normal, maka dipakai uji t tidak
berpasangan
g. Jika data setelah ditransformasi tetap tidak normal, maka dipakai uji Mann-
Whitney
UJI WILCOXON
Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Kedua kelompok data dependen/pair
c. Varians data tidak perlu diuji karena kelompok data berpasangan/pair
d. Variabel berbentuk numeric dan kategorik (dua kelompok)
e. Jika data berdistribusi normal maka dipilih uji t berpasangan
f. Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data
g. Jika data setelah ditransformasi distribusinya menjadi normal, maka dipakai uji t
berpasangan
h. Jika data setelah ditransformasi distribusinya tetap tidak normal, maka dipakai uji
alternative uji Wilcoxon

UJI ONE WAY ANOVA


Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Varians data harus sama (wajib)
c. Masalah skala variabel numeric
d. Kelompok tidak berpasangan
e. Jumlah kelompok > 2
f. Jika memenuhi syarat diatas maka dipilih uji one way ANOVA
g. Jika data tidak berdistribusi normal, varians tidak sama maka dilakukan terlebih
dahulu transformasi data
h. Jika variabel hasil transformasi tidak berdistribusi normal dan varians tetap tidak
sama, maka dipakai uji alternative uji Kruskal-Wallis
i. Jika pada uji ANOVA atau Kruskal-Wallis menghasilkan nilai p < 0,05, maka
dilanjutkan dengan melakukan analisis Post Hoc.
UJI KRUSKAL-WALLIS
Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Varians data harus sama (wajib)
c. Masalah skala variabel numeric
d. Kelompok tidak berpasangan
e. Jumlah kelompok > 2
f. Jika memenuhi syarat diatas maka dipilih uji one way ANOVA
g. Jika data tidak berdistribusi normal, varians tidak sama maka dilakukan terlebih
dahulu transformasi data
h. Jika variabel hasil transformasi tidak berdistribusi normal dan varians tetap tidak
sama, maka dipakai uji alternative uji Kruskal-Wallis
i. Jika pada uji ANOVA atau Kruskal-Wallis menghasilkan nilai p < 0,05, maka
dilanjutkan dengan melakukan analisis Post Hoc (Uji Mann-Whitney)

UJI REPEATED ANOVA


Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Masalah skala variabel numeric
c. Kelompok berpasangan
d. Jumlah kelompok > 2
e. Jika memenuhi syarat diatas maka dipilih uji repeated ANOVA
f. Jika data tidak berdistribusi normal, maka dilakukan terlebih dahulu transformasi
data
g. Jika variabel hasil transformasi berdistribusi normal, maka dipakai uji repeated
ANOVA
h. Jika variabel hasil transformasi tidak berdistribusi normal, maka dipakai uji
alternative Friedman.
i. Jika pada uji repeated ANOVA atau uji Friedman menghasilkan nilai p < 0,05,
maka dilanjutkan dengan melakukan analisis Post Hoc .
UJI FRIEDMAN
Langkah/syaratnya sebagai berikut :
a. Data harus berdistribusi normal/simetris (wajib),
b. Varians tidak menjadi syarat karena berpasangan
c. Masalah skala variabel numeric
d. Kelompok berpasangan
e. Jumlah kelompok > 2
f. Jika memenuhi syarat diatas maka dipilih uji repeated ANOVA
g. Jika data tidak berdistribusi normal, maka dilakukan terlebih dahulu transformasi
data
h. Jika variabel hasil transformasi berdistribusi normal, maka dipakai uji repeated
ANOVA
i. Jika variabel hasil transformasi tidak berdistribusi normal, maka dipakai uji
alternative Friedman.
j. Jika pada uji repeated ANOVA atau uji Friedman menghasilkan nilai p < 0,05,
maka dilanjutkan dengan melakukan analisis Post Hoc (Uji Wilcoxon) .
UJI CHI SQUARE (X2)
Langkah/syaratnya sebagai berikut :
a. Skala pengukuran : kategorik – kategorik
b. Masalah skala : kategorik
c. Kelompok tidak berpasangan
d. Jenis tabel : 2 x 2 (B x K)
e. Sel yang mempunyai nilai harapan (expected) kurang dari 5 (maksimal 20 % dari
jumlah sel)
f. Bila pada tabel 2 x 2 dijumpai nilai harapan kurang dari 5, maka yang digunakan
adalah uji Fisher’s Exact Test
g. Bila tabel 2 x 2 dan tidak ada nilai harapan kurang dari 5 maka uji yang dipakai
sebaiknya Continuity Correction (a)
h. Bila tabelnya lebih dari 2 x 2, missal 3 x 2, 3 x 3, dsb, maka digunakan uji
Pearson Chi Square

E. Istilah – istilah Penting dalam Biostatistik


1. Odds ratio (OR) : membandingkan derajat hubungan (Odds) pada kelompok ter-
ekspose dengan Odds kelompok tidak terekspose. OR biasanya digunakan untuk
desain kasus control atau cross sectional (potong lintang).
2. Risiko Relatif (RR) : membandingkan risiko pada kelompok terekspose dengan
kelompok tidak terekspose.
3. Hipotesis : Hipotesis berasal dari kata hup dan thesis. Hupo artinya sementara dan
thesis artinya pernyataan/teori. Dengan demikian hipotesis adalah pernyataan
yang perlu diuji kebenarannya.
4. Hipotesis Null (Ho) : Hipotesis yang menyatakan tidak ada perbedaan/tidak ada
hubungan sesuatu kejadian antara kedua kelompok.
5. Hipotesis Alternatif (Ha) : yang menyatakan ada perbedaan/hubungan sesuatu
kejadian antara kedua kelompok.
6. Tingkat Kemaknaan (Level of Significance) : merupakan kesalahan tipe I suatu
uji yang biasanya diberi notasi α. Merupakan nilai yang menunjukkan besarnya
peluang salah dalam menolak hipotesis nol. Penentuan nilai α tergantung dari
tujuan penelitian. Nilai α yang sering digunakan adalah 10%, 5% atau 1%. Untuk
bidang kesehatan biasanya digunakan nilai α sebesar 5%. Sedangkan untuk
pengujian obat-obatan dipakai nilai α 1%.
7. Nilai P (p value) merupakan nilai yang menunjukkan besarnya peluang salah
menolak Ho dari data penelitian. Nilai P dapat diartikan juga sebagai nilai
besarnya peluang hasil penelitian.
8. Koofisien Determinasi (R2) dipakai untuk analisis regresi. Ini berguna untuk
mengetahui seberapa besar variasi variabel dependen (Y) dapat dijelaskan oleh
variabel independen (X). Semakin besar nilai R2 semakin baik/semakin tepat
variabel independen memprediksi variabel dependen.
9. Populasi dan Sampel

Populasi adalah seluruh subjek atau objek dengan karakteristik tertentu yang akan

diteliti. Populasi dapat dibedakan menjadi dua kategori, yaitu populasi target yang

merupakan seluruh unit populasi; dan populasi survei, yaitu sub unit dari populasi

target (Setiadi, 2007). Sampel merupakan bagian (subset) dari populasi yang

dipilih dengan cara tertentu hingga dianggap dapat mewakili populasinya

(Sastroasmoro & Ismael, 2010)

DAFTAR PUSTAKA
Arikunto, S. (2005). Prosedur penelitian: Suatu pendekatan praktik. Jakarta: Rineka
Cipta
Chandra Budiman. (2008). Metodologi Penelitian Kesehatan. Jakarta : EGC.
Dahlan, M. S. (2006). Besar sampel dalam penelitian kedokteran dan kesehatan.
Jakarta: Arkans
Dahlan, M. S. (2009). Statistik untuk Kedokteran dan Kesehatan. Jakarta: Salemba
Medika
Hastono S.P. (2006). Analisis Univariat Analisis Bivariat. Fakultas Kesehatan
Masyarakat Universitas Indonesia.
Hidayat, A. A. A. (2007). Riset keperawatan dan teknis penulisan ilmiah. Jakarta:
Salemba Medika.
Hidayat, A. A. A. (2011). Metode Penelitian Kebidanan & Teknik Analisis Data.
Jakarta: Salemba Medika.
Lemeshow, S., Hosmer, D. W., Klar, J., & Lwanga, S. K. (1997). Besar sampel dalam
penelitiankesehatan. Yogyakarta: Gadjah Mada University Press
Sastroasmoro, S., & Ismael, S. (2010). Dasar-dasar metodologi penelitian klinis.
Jakarta: Sagung Seto.
Setiadi (2007). Konsep dan penulisan riset keperawatan. Yogyakarta: Graha ilmu.
Wasis (2008). Pedoman Riset Praktis. Jakarta : EGC.