PRAKTIKUM PENGOLAHAN DATA

9 April 2019

Profil penelitian

Desain studi: Kasus-Kontrol dengan perbandingan 1:2

Sampel: Kelompok kasus 47 anak penderita sembelit kronik
Kelompok kontrol 94 anak bukan penderita sembelit kronik
Variabel penelitian:

Variabel tergantung
 Group (Study group) 0 = kontrol, 1 = kasus

Variabel perancu
 Sex (jenis kelamin) 0 = perempuan, 1 = laki-laki
 Age (umur subyek)
 Agegroup (Age grouping) 1 = 6-7 thn, 2 = 8-9 thn, 3 = 10 thn keatas
 Class (subyek duduk di kelas berapa)
 Weight (berat badan subyek)
 Height (tinggi badan subyek)
 BMI (indeks massa tubuh)
 Nutrition (Based on BMI) 1 = under, 2 = normo, 3 = over, 4 = obese
 Parenteduc (Father education) 1 = low, 2 = middle, 3 = high
 Income (Family income)
 Sosec (Socio economic status) 1 = low, 2 = middle, 3 = high
 Rank (Child rank in family) 1 = sulung, 2 = kedua, 3 = ketiga atau lebih
 Toilettrain (Toilet training) usia mulai dilatih buang air besar
 Traingroup (Training group) 1 = <12 bln, 2 = 12-17 bln, 3 = 18-23 bln, 4 = 24-35 bln,
5 = 36-47 bln, 6 = 48 bln keatas
Variabel bebas
 Genetic (Genetic factor) 0 = tak ada, 1 = ada
 Crowded (House crowded) 0 = tidak, 1 = padat
 Drink (Water intake) 0 = cukup, 1 = kurang
 Fiber (Fiber intake) 0 = cukup, 1 = kurang
 Distantravel (Traveling faraway) 0 = tidak, 1 = perjalanan
 Schoolmove (Moving school) 0 = tidak, 1 = pindah
 Death (Death of relatives) 0 = tidak ada, 1 = ada
 Psychotrauma (Psychological trauma) 0 = tidak, 1 = trauma

Tugas praktikum
Lakukan pengujian statistik untuk menentukan faktor determinan mana yang menyebabkan
terjadinya gangguan sembelit kronik pada anak usia sekolah.

Pertanyaan tambahan:
 Apakah ada hubungan antara kebiasaan minum dan makan berserat?
 Apakah pada kasus sembelit kronik ada perbedaan saat toilet training pada anak
laki-laki dan perempuan?
Jawaban

Di uji cross tabulasi karena numeric (dependen = grup) dengan numeric (determinan =
genetic s.d psikologis)
Akibat di kolom, penyebab di baris
Ini utk melihat hubungan antara factor determinan (univariate) dengan grupnya  chi square
 table 2x2 tidak boleh ada angka ekspektifnya kurang dari 5. Kalo ada, pakai fisher exact

1. Genetic dan sembelit pada anak, bermakna

2. Rumah yang crowded tdk berpengaruh pada sembelit
3. Kurang minum pada anak berpengaruh
4. Kurang fiber/ serat/ sayur berpengaruh
5. Travelling tidak ada pengaruh
6. Pindah sekolah berpengaruh  tp hati2 angkanya sangat mencolok (0 dan 5) 
nanti dilihat di multivariate
7. Kematian org terdekat tidak berpengaruh
8. Trauma psikologis bermakna

Dari 5 faktor di hubkan satu persatu (tetap di crosstab dan pakai chi square)
1. Genetic dan ke 4 nya
2. Water dan ke 4 nya

Sembelit (ya tdk) – determinan (ya tdk)  dikotom, mentel hansel, tp kukurangannya harus
banyak kolom. Kalau logistic regresi (binary logistic)
Multivariatenya dengan  regresi binary dengan method enter dan backwad situasional
Exp = oddratio >3 memiliki factor risiko

Genetic risiko 17x

Trauma risiko 71x

Dalam masalah, kita tidak bias menyelesaikan semua masalah, cari yang paling
berpengaruh, sehingga di lakukan multivariate, mencari yang paling besar pengaruhnya.
Sebelum itu kita bivariate agar dapat melihat interaksinya….

uni
biva
multi

kategori pasti non parametric

kalau numeric bias parametric bias non
untuk parametric harus memenuhi syarat parameter: normal kurva, random, tidk ada data
ekstrem/ skuet
kolgomorov sampel di atas 50 atau 100, spiro utk sampel kecil
kalau normal independent sampel t test
tapi hasilnya tidak normal (semua di bawah 0,05) jadi banting stir ke non parametric

lihat kesetaraan bivariatenya

baru ke multivaritenya

terakhir ke model yang sesuai yang paling mempengaruhi  sehingga dapat kesimpulan

untuk cohort dan eksperimen, penyebab 1 tapi akibatnya dapat bermacam2

kalau case control, akibatnya satu, tapi penyebabnya dapat bermacam2
maksimal kualitas dapat diabndingkan itu 1;4 utk memperkuat powernya
case control 1;2, 1 kasus 2 kontrol

bivariate
numeric-numerik  korelasi
kategorik-kategorik  chi square
numeric-karegorik  mann whiteney

multivariate
end produk numeric, lihat kalau independen kategorik  anova two way
end produk numeriuk, independen numarik  multi regresi

KESIMPULAN
Dalam menghadapi penelitian/ data epid yang tidak pernah ada yang single, karenan
banyak sekali factor konponding, pertama lakukan identifikasi dulu apakah variabel itu dpt
dijadikan variabel dengan uni atau mono. Kalau datanya numeric  mean, md, dkk….
Kalau tidak ada variasi, tdk bias jadi factor determinan

Kalau data kategorik  prekuensi  kalau ada variasi, misal agamanya bermacam2,
umurnya rentangnya banyak  bervariasi/ sebaran frekuensinya dgn uviariate  bias jadi
factor determinan

Selanjutnya analisis bivariate  interaksi independen dan perancu terhadap dependen

Crossektional langsung
Kalau ada 2 kelompok sepeeti cohort, casecontrol, eskperimental  uji kesetaraan dulu dgn
confounding

Kalau sudah setara baru analisis interaksinya  utk di kaji mana yang berperan. Mosal dari
10 hanya ada 3 (final)

Sebelumnya kaji dulu antar variabel independen, siapa tau ada yang saling memperkuat
atau saling melemahkan

Selanjutnya terakhir multivariate  force enter  kaji yang paling kuat dengan backward
situsional  step 1, 2, 3 (fure FINAL)…