4/9/17

Biostatistika

Wienta Diarsvitri, dr, MSc, PhD, FISPH, FISCM

Bagian Ilmu Kesehatan Masyarakat, FK UHT

Setelah mengikuti perkuliahan ini mahasiswa

diharapkan mampu:

•  Memahami uji korelasi Spearman dan uji korelasi Pearson

•  Mampu menerapkan uji korelasi Spearman dan uji korelasi
Pearson
•  Mampu menginterpretasikan uji korelasi Spearman dan uji
korelasi Pearson

4/9/17 Wienta 2

1
 4/9/17

Penelitian deskriptif

•  Penelitian deskriptif tidak memerlukan

hipotesa, jadi tidak memerlukan uji statistika.
•  Hasil penelitian:
–  Jika data berskala kategorikal : frekuensi &
persentase, grafik + tabel
–  Jika data berskala numerik: rerata, standar
deviasi, nimai minimum, nilai maksimum, disertai
tabel

4/9/17 Wienta 3

Hipotesis

•  Hipotesis: Jawaban sementara terhadap

pertanyaan penelitian, yang perlu diuji
kebenarannya dengan uji statistika.
•  Hipotesis dirumuskan dalam bentuk
pernyataan dengan parameter.
•  Parameter: besaran yang ada di populasi
(misal: rerata, proporsi, dll)
4/9/17 Wienta 4

2
 4/9/17

Hipotesis

•  H0 (null, nihil) : hipotesis tidak beda

Misal: Tidak ada perbedaan atau tidak ada
hubungan ...

•  H1 : hipotesis alternatif
Misal: Ada perbedaan atau ada hubungan

4/9/17 Wienta 5

Hipotesa 2 arah

•  Hipotesa 2 arah =
two-tailed = two-
sided
•  H0 : μ 1 = μ 2, atau
ρ 1 = ρ 2
H1 : μ 1 ≠ μ 2, atau ρ
Daerah penerimaan H0 1 ≠ ρ 2

4/9/17 Wienta 6

3
 4/9/17

Contoh hipotesa two-tailed

•  H1 : Ekstrak brokoli berpengaruh terhadap

kadar kolesterol total tikus putih
•  H1 : Ada hubungan antara suhu tubuh dengan
denyut nadi
•  H1 : Harvard step test berpengaruh terhadap
denyut nadi pemulihan

4/9/17 Wienta 7

Hipotesa 1 arah

Daerah
penerimaan
H0

•  Hipotesa 1 arah = one-tailed = one-sided

•  H0 : μ 1 = μ 2, atau ρ 1 = ρ 2
H1 : μ 1 > atau < μ 2, atau ρ 1 > atau < ρ 2
4/9/17 Wienta 8

4
 4/9/17

Contoh hipotesa one-tailed

•  H1 : Ekstrak brokoli menurunkan kadar

kolesterol total tikus putih
•  H1 : Peningkatan suhu tubuh berhubungan
dengan peningkatan denyut nadi
•  H1 : Harvard step test meningkatkan
denyut nadi pemulihan

4/9/17 Wienta 9

Pilih one-tailed?
•  One-tailed memiliki kekuatan lebih besar untuk
mendeteksi suatu efek pd salah satu sisi, namun
mengabaikan efek di sisi lainnya.
•  Jika anda yakin (berdasarkan pustaka) bahwa efek
penting yg anda cari hanya di sisi tsb maka anda bisa
menggunakan one-tailed.
•  Namun, anda tidak diperbolehkan memilih hasil
one-tailed saat analisa two-tailed anda
menunjukkan hasil yg tidak signifikan dan
sebaliknya.
4/9/17 Wienta 10

5
 4/9/17

Hipotesa 2 arah

•  Hipotesa 2 arah =
two-tailed = two-
sided
•  H0 : μ 1 = μ 2, atau
ρ 1 = ρ 2
H1 : μ 1 ≠ μ 2, atau ρ
Daerah penerimaan H0 1 ≠ ρ 2

4/9/17 Wienta 11

Contoh hipotesa two-tailed

•  H1 : Ekstrak brokoli berpengaruh terhadap

kadar kolesterol total tikus putih
•  H1 : Ada hubungan antara suhu tubuh dengan
denyut nadi
•  H1 : Harvard step test berpengaruh terhadap
denyut nadi pemulihan

4/9/17 Wienta 12

6
 4/9/17

Hipotesa 1 arah

Daerah
penerimaan
H0

•  Hipotesa 1 arah = one-tailed = one-sided

•  H0 : μ 1 = μ 2, atau ρ 1 = ρ 2
H1 : μ 1 > atau < μ 2, atau ρ 1 > atau < ρ 2
4/9/17 Wienta 13

Contoh hipotesa one-tailed

•  H1 : Ekstrak brokoli menurunkan kadar

kolesterol total tikus putih
•  H1 : Peningkatan suhu tubuh berhubungan
dengan peningkatan denyut nadi
•  H1 : Harvard step test meningkatkan
denyut nadi pemulihan

4/9/17 Wienta 14

7
 4/9/17

Pilih one-tailed?
•  One-tailed memiliki kekuatan lebih besar untuk
mendeteksi suatu efek pd salah satu sisi, namun
mengabaikan efek di sisi lainnya.
•  Jika anda yakin (berdasarkan pustaka) bahwa efek
penting yg anda cari hanya di sisi tsb maka anda bisa
menggunakan one-tailed.
•  Namun, anda tidak diperbolehkan memilih hasil
one-tailed saat analisa two-tailed anda
menunjukkan hasil yg tidak signifikan dan
sebaliknya.
4/9/17 Wienta 15

Hipotesis, α, β
Yang sesungguhnya

H0 benar H0 salah

Yang Tes: H0 Kesalahan tipe 1 Outcome benar

dilaku- ditolak False positive = α True positive
kan
Tes: H0 Outcome benar Kesalahan tipe 2
diterima True negatif False negatif = β

4/9/17 Wienta 16

8
 4/9/17

α (Kesalahan tipe I )

•  Kesalahan tipe I = type 1 error =

false positive = α
– Kesalahan (error) sewaktu kita menolak
hipotesis nihil (H0) yang seharusnya
diterima.

4/9/17 Wienta 17

β (Kesalahan tipe II)

•  Kesalahan tipe II = type 2 error =

false negative = β
– Kesalahan (error) ketika kita
menerima H0 yang seharusnya
ditolak.

4/9/17 Wienta 18

9
 4/9/17

Nilai α dan β

•  Nilai α & β mempengaruhi perkiraan

besar sampel
•  Nilai α yg dipakai biasanya antara
0,01 sampai 0,05
•  Nilai β yg dipakai biasanya 0,20

4/9/17 Wienta 19

Nilai p (signifikansi)
– Penolakan terhadap H0 tidak mungkin
benar 100%.
– p = Besarnya peluang terjadinya
kesalahan penolakan H0 (error tipe 1)
– p disebut signifikan (bermakna) bila
hasilnya lebih kecil daripada α
– Jika p < α berarti signifikan, H0 ditolak
dan H1 diterima.

4/9/17 Wienta 20

10
 4/9/17

Pemilihan uji statistika

•  Pemilihan uji statistika untuk menguji
kebenaran hipotesis tergantung dari:
–  tujuan penelitian (mengetahui adanya hubungan
atau perbedaan atau pengaruh)
–  skala data variabel yang digunakan
–  berapa kali dilakukan pengukuran pd subyek yg
sama. Jika dilakukan pengukuran 1 x =
independent, jika pengukuran > 1x = correlated
atau paired.

4/9/17 Wienta 21

Pemilihan uji statistika

Data

Berskala numerik Berskala kategorikal

Uji normalitas &

homogenitas varian

Distribusi normal & Distribusi tidak normal

varian homogen atau var tidak homogen

Uji statistika Uji statistika

parametrik Non parametrik
4/9/17 Wienta 22

11
 4/9/17

“Hubungan”
•  Untuk menguji hipotesis tentang hubungan
antara variabel bebas dan variabel terikat:
– Jika data berskala numerik dan
berdistribusi normal, maka uji statistika yg
digunakan adalah uji korelasi Pearson.
– Jika data berskala kategorikal, maka uji
statistika yg digunakan adalah uji korelasi
Spearman atau uji korelasi lain untuk
kategorikal.
4/9/17 Wienta 23

Beberapa uji korelasi

utk data berskala kategorikal
•  Data berskala nominal:
–  Uji koefisien kontingensi
–  Uji Phi & Cramer’s V
–  Uji Lambda

•  Data berskala ordinal:
–  Uji Gamma
–  Uji Somers’ d
–  Uji Kendall’s tau-b
–  Uji Kendall’s tau-c
–  Uji Spearman

4/9/17 Wienta 24

12
 4/9/17

•  Uji statistika untuk penelitian

dengan tujuan mengetahui
perbedaan atau pengaruh à
Gunakan tabel

4/9/17 Wienta 25

Statistika parametrik

•  Statistika yang berasumsi bahwa:

–  distribusi data normal,
–  varian data homogen,
–  rerata (mean), median dan modus berada pada 1
titik

•  Pada tabel berwarna hijau

4/9/17 Wienta 26

13
 4/9/17

ANALISIS BIVARIAT atau MULTIVARIAT?

Skala 2 kelompok > 2 kelompok Regresi

Paired Inde- Paired Inde-
pendent pendent
Rasio/ Uji t Uji t bebas Anova One-way Reg.
interval & berpasang- (indep sama Anova Linier
distribusi an (Paired t- t-test) subyek
normal test)
Ordinal/ Wilcoxon Wilcoxon / Friedman Kruskal Reg.
numerik berpasangan Mann- Wallis Ordinal
tidak Whitney U
berdistrib test
normal
Nominal Mc Nemar X2 (Chi Cochran X2 (Chi Reg.
square) square) Logistik
4/9/17 Wienta 27

Analisis bivariat vs multivariat

•  Analisis bivariat: untuk menguji 2 variabel (1

var bebas & 1 var terikat)
•  Analisis multivariat: untuk menguji ≥ 1 var
terikat dengan ≥ 1 var bebas

4/9/17 Wienta 28

14
 4/9/17

Uji korelasi Spearman

•  Untuk data berskala ordinal

•  H0: Tidak ada hubungan ...
H1: Ada hubungan ....
•  Interpretasi: kekuatan dan arah hubungan

4/9/17 Wienta 29

4/9/17 Wienta 30

15
 4/9/17

4/9/17 Wienta 31

4/9/17 Wienta 32

16
 4/9/17

Kekuatan hubungan nilai r

(koefisien korelasi)
•  0.00 – 0.19 : sangat lemah
•  0.20 – 0.30 : lemah
•  0.40-0.59 : sedang
•  0.60 – 0.79 : kuat
•  0.80 – 1.0 : sangat kuat

4/9/17 Wienta 33

Yang dilaporkan dan perlu

interpretasi:
•  Nilai r : - 1 ≤ rs ≤ 1
–  Arah hubungan (positif atau negatif)
–  Kekuatan hubungan (sesuai dengan nilai koefisien
korelasi)
•  Nilai p (dibandingkan dengan alfa)

4/9/17 Wienta 34

17
 4/9/17

Interpretasi
•  Misalnya pada penelitian tentang hubungan
antara nilai pendidikan dengan prestise
pekerjaan (seperti contoh slide hasil uji
korelasi)
•  Arah hubungan positif: semakin meningkat
pendidikan, maka semakin meningkat
prestise pekerjaan. Jika arah hubungan
negatif: semakin meningkat pendidikan maka
semakin menurun prestise peekerjaan.
4/9/17 Wienta 35

Interpretasi
•  Misalnya pada penelitian tentang hubungan
antara nilai pendidikan dengan prestise
pekerjaan (seperti contoh slide hasil uji
korelasi)
•  Nilai koefisien korelasi = 0.520 = 52%, maka
kekuatan korelasi sedang (antara 0.40-0.59).
•  Berarti ada sekitar 48% (100%-52%=48%)
variabel lain yang mempengaruhi penelitian,
namun tidak diteliti.
4/9/17 Wienta 36

18
 4/9/17

Interpretasi
•  Misalnya pada penelitian tentang hubungan
antara nilai pendidikan dengan prestise
pekerjaan (seperti contoh slide hasil uji
korelasi)
•  Nilai p (significance 2-tailed) = 0.000,
dituliskan p < 0,001, berarti p < α, H0 ditolak,
H1 diterima. Jadi ada hubungan yang
signifikan antara nilai pendidikan dengan
prestise pekerjaan.
4/9/17 Wienta 37

Uji Korelasi Pearson

•  Untuk data berskala numerik dengan

distribusi normal
•  H0 : Tidak ada hubungan ...
H1 : Ada hubungan ....
•  Interpretasi kekuatan hubungan sama dengan
uji korelasi Spearman

4/9/17 Wienta 38

19
 4/9/17

References
•  Bhattacharya, K. 2005. Introduction to medical statistics
for medical students. 3rd ed. University of Oxford.
•  LPPM UNAIR. Statistika Parametrik. LPPM UNAIR, 2007
•  LPPM UNAIR. Statistika Non Parametrik. LPPM UNAIR,
2007
•  Peat, J., Barton, B. 2005. Medical statistics: a guide to
data analysis and critical appraisal. Wiley-Blackwell.
•  Rosner B. Fundamentals of biostatistics. 5th ed.
California : Duxbury Thomson Learning, 2000.

4/9/17 Wienta 39

Thank you
4/9/17 Wienta 40

20