MELAPORKAN

UJI HIPOTESIS

MEMBANDINGKAN KELOMPOK
DENGAN NILAI P

Upload : 1 Mei 2009

PENDAHULUAN

Seringkali digunakan istilah bermakna

secara statistik dalam tulisan medis, namun
seringkali pula arti dan implikasinya disalah
mengertikan

Nilai P (probabilitas) < 0,05 sering secara
salah diartikan sebagai bukti bahwa
perlakuan yang diberikan efektif, dan
sebaliknya untuk nilai P > 0,05

Nilai P tidak membuktikan apa2
SEKILAS TENTANG UJI HIPOTESIS

Uji hipotesis berkaitan dengan upaya untuk menolak

bahwa hasil penelitian adalah karena suatu
kebetulan (hipotesis nol tidak adanya beda),
sehingga dapat dijelaskan secara biologis

Teori probabilitas menjelaskan bagaimana untuk
mengkuantifikasi kebetulan sebagai penjelasan dari
hipotesis nol, yaitu dengan nilai P:
 Makin besar nilai P maka lebih mendukung hipotesis nol
bahwa kebetulan adalah penjelasan yang benar akan
adanya perbedaan, demikian sebaliknya
 Bila nilai P sangat kecil (biasanya < 0,05), maka hipotesis
nol ditolak dan perbedaan yang ada adalah karena
perlakuan penelitian
SEKILAS TENTANG UJI HIPOTESIS

Semisal, kita akan menguji apakah obat X dapat mengurangi

rasa sakit. Pada akhir penelitian, dibandingkan mean skor rasa
sakit dari kelompok perlakuan dan kelompok kontrol. Pertanyaan
yang harus dijawab sebenarnya merupakan fakta medis: apakah
perbedaan mean tsb cukup besar untuk kepentingan klinis?
 Berapa besar perbedaan yang ada dengan melaporkan nilai
kedua kelompok dan beda diantaranya
 Bila bedanya cukup besar secara klinis, apakah perbedaannya
disebabkan oleh perlakuan atau hanya kebetulan (kesalahan tipe
alpha atau tipe 1)
 Bila bedanya tidak cukup besar secara klinis, apakah kesamaan
yang ada akibat ketidak efektifan perlakuan atau datanya tidak
mencukupi (kesalahan tipe beta atau tipe 2) yaitu dengan
mengetahui kekuatan (power) statistik
SEKILAS TENTANG UJI HIPOTESIS

Alpha adalah probabilitas untuk membuat kesalahan

tipe 1, yaitu kesediaan untuk kemungkinan salah
menempatkan beda antar kelompok karena
perlakuan padahal kebetulan merupakan penjelasan
yang nyata.

Biasanya alpha ditentukan sebesar 0,05 artinya
kesediaan untuk menerima kesalahan tipe 1
sebanyak 5 kali dalam 100 perbandingan

Nilai P yang dihitung dari data penelitian
menunjukkan probabilitas bahwa faktor kebetulan
dapat menghasilkan beda sebesar atau lebih besar
dari yang dihasilkan penelitian tersebut bila
hipotesis nol benar
SEKILAS TENTANG UJI HIPOTESIS

Andaikan beda yang ditemukan terlalu kecil untuk memberi arti

secara klinis:
 Bila kita menyampaikan bahwa tidak ada perbedaan tersebut
karena obat kurang baik, namun jumlah data ternyata tidak
mencukupi, maka kita terkena kesalahan tipe 2
 Beta, adalah kemungkinan untuk membuat kesalahan tipe 2,
yaitu kesediaan untuk salah menyampaikan kesamaan antar
kelompok karena perlakuan kurang baik padahal jumlah data
yang kurang lebih dapat menjelaskannya
 Beta biasanya ditentukan sebesar 0,1 atau 0,2, yaitu kesediaan
untuk menerima kesalahan tipe 2 10 atau 20 kali dalam 100
perbandingan
 Beta sering digunakan untuk menunjukkan kekuatan statistik
(power) yang dihitung sebagai 1-beta (80 atau 90%)
SEKILAS TENTANG UJI HIPOTESIS

Kekuatan statistik atau 1-beta penting dalam menentukan jumlah

sampel penelitian, yaitu banyaknya data yang harus dikumpulkan
untuk menghasilkan bukti yang mencukupi

Ada beberapa faktor yang harus dimasukkan dalam perhitungan
jumlah sampel, termasuk nilai kesalahan tipe alpha dan beta,
namun yang terpenting adalah berapa besar perbedaan yang
akan terdeteksi:
 Beda yang lebih besar akan membutuhkan jumlah sampel
sedikit, demikian sebaliknya
 Suatu penelitian dengan jumlah sampel terhitung (n) akan
memberikan kesempatan 80% untuk membuktikan perbedaan
sebesar 10%, yaitu pada setiap 100 sampel dari populasi yang
sama, maka perbedaan sebesar 10% bila ada akan ditemukan
pada 80 dari 100 sampel tsb
SEKILAS TENTANG UJI HIPOTESIS

Kekuatan statistik amat penting pada saat hasil

penelitian tidak bermakna secara statistik:
 Bila kekuatan statistiknya sudah mencukupi, maka hasil
penelitian bisa disimpulkan sebagai penelitian dengan hasil
negatif, artinya kedua kelompok adalah identik (sama
efeknya)
 Bila kekuatan statistiknya tidak mencukupi, maka hasil
penelitian bukan negatif tetapi tidak/belum dapat
disimpulkan, karena jumlah data yang dikumpulkan tidak
mencukupi untuk menghasilkan beda yang berarti secara
klinis
CONTOH PRESENTASI HASIL
Telah dilakukan penelitian yang dirancang mempunyai power 90%
untuk mendeteksi beda sebesar 4 derajat antar kelempok dalam
meningkatkan fleksi sendi siku. Alpha ditentukan sebesar 0,05.
Pasien yang menerima stimulasi elektrik (n=26) meningkat fleksi
sendi sikunya dengan mean 16 derajat dan standar deviasi 4,5,
sedangkan pasien dalam kelompok kontrol (n=25) meningkat
fleksi sendi sikunya dengan mean hanya sebesar 6,5 derajat dan
standar deviasi 3,4. Beda 9,5 derajat antara mean tersebut
secara statistik bermakna (95% CI = 7,23 sampai 11,73 derajat;
dengan Student’s t test two-tailed, t = 8,43; df = 49; P < 0,001)
CONTOH PRESENTASI HASIL

4 derajat menunjukkan beda minimum dalam peningkatan fleksi sendi
siku pada kedua kelompok yang secara klinis penting

90% adalah kekuatan uji statistik (power), yaitu dari jumlah data yang
dikumpulkan ada 90% kemungkinan untuk mendeteksi sedikitnya 4
derajat beda dalam peningkatan fleksi sendi siku bila beda tsb betul
ada

0,05 adalah besaran alpha, yaitu batasan untuk kemaknaan uji statistik
yang ditentukan oleh peneliti

n adalah jumlah sampel masing2 kelompok

9,5 derajat adalah beda mean antar kelompok yang ditemukan

95% CI menunjukkan presisi dari estimasi beda 9,5 derajat, artinya
peneliti yakin 95% bahwa antra 7,23 sampai 11,73 derajat adalah
besarnya nilai dari beda yang benar terjadi yang konsisten dengan data

Nilai P adalah probabilitas untuk mendapatkan beda se-ekstrim atau
lebih ekstrim dari yang diobservasi, dengan asumsi pada kenyataannya
tidak ada beda antar kelompok
PETUNJUK DI BAB PENDAHULUAN

Sebutkan hipotesis yang akan diuji:

 Hipotesis adalah pernyataan yang dapat diuji mengenai
hubungan antar dua atau lebih hubungan yang diajukan,
contoh: Obat X akan secara nyata mengurangi rasa sakit
pada sekelompok pasien dengan diagnosis tertentu
 Hipotesis nol, biasanya adalah berlawanan dengan yang
diharapkan peneliti, contoh: Mean respon dari kelompok2
yang diteliti adalah sama, yaitu obat X tidak mempunyai
efek pada rasa sakit
 Hipotesis alternatif, biasanya sesuai dengan harapan
peneliti bahwa obat akan secara nyata mengurangi rasa
sakit, yaitu mean respon dari kelompok2 yang diteliti tidak
akan sama
PETUNJUK DI BAB PENDAHULUAN

Sebutkan hipotesis yang akan diuji:

 Dukungan atau penolakan terhadap hipotesis
alternatif dimulai dengan menentukan kekuatan
hasil penelitian (nilai P), dari datanya, apakah
mendukung hipotesis nol:

Makin kecil nilai P maka semakin kuat kemungkinan
untuk menolak hipotesis nol

Pada kebanyakan laporan ilmiah, hipotesis nol biasanya
tidak disebutkan, dan hanya hipotesis alternatif yang
secara jelas disebutkan
PETUNJUK DI BAB PENDAHULUAN

Sebutkan hipotesis yang akan diuji:

 Contoh hipotesis nol: Mean perubahan kekuatan
otot biseps pada anak laki-laki yang mengikuti
dan yang tidak mengikuti program latihan tidak
berbeda secara bermakna setelah 6 minggu
 Contoh hipotesis alternatif: Setelah 6 minggu,
mean perubahan kekuatan otot biseps pada anak
laki2 yang mengikuti program latihan akan lebih
besar dibandingkan mean perubahan kekuatan
otot biseps pada anak laki2 yang tidak mengikuti
program latihan
PETUNJUK DI BAB METODE

Sebutkan beda minimum antar kelompok

yang secara klinis penting/berarti

Sampaikan sejak awal beda minimum antar kelompok
yang mempunyai arti klinis yang penting, sehingga
analisis akan terfokus pada isu klinis dan membantu
menempatkan isu statistik secara perspektif. Beda
minimum juga merupakan komponen perhitungan
kekuatan statistik (power) yang akan membantu dalam
perhitungan jumlah sampel yang dibutuhkan
PETUNJUK DI BAB METODE

Sebutkan nilai alpha:

 Biasanya ditentukan dengan besaran 0,05 atau
0,01 atau bisa juga 0,001
 Nilai alpha lebih besar, misalnya 0,1 terkadang
dibuat untuk suatu analisis eksplorasi untuk
membuktikan hubungan yang menjanjikan untuk
keperluan investigasi model multivariat
 Bila hasil penelitian menunjukkan nilai P kurang
dari nilai alpha, maka dikatakan bermakna secara
statistik
PETUNJUK DI BAB METODE

Bila diperlukan, laporkan secara rinci kekuatan

korelasinya:
 Kekuatan statistik menunjukkan kemampuan penelitian
untuk mendeteksi beda dengan besaran tertentu bila
memang benar ada
 Bila perbedaan yang ada tidak bermakna secara statistik,
mungkin memang tidak benar2 ada perbedaan, atau
mungkin karena tidak cukup data yang dikumpulkan untuk
menentukan adanya perbedaan (jumlah sampel terlalu
kecil)
 Kekuatan statistik harus ditentukan sebelum penelitian
untuk menentukan jumlah sampel
 PETUNJUK DI BAB METODE

Variabel Beda SD Alpha Power n

(1-beta)
Two-sided 5 20 0,05 0,8 127

One-sided 5 20 0,05 0,8 100

Beda naik 10 20 0,05 0,8 25

SD naik 5 25 0,05 0,8 155

Alpha naik 5 20 0,01 0,8 160

Beta turun 5 20 0,05 0,9 138

PETUNJUK DI BAB METODE

Sebutkan uji statistik yang digunakan:

 Banyak uji statitstik yang dapat digunakan
 Setiap uji statistik didasarkan pada asumsi2
tertentu
 Yang terpenting, sebutkan uji statistik yang akan
digunakan untuk masing2 analisis
 Terkadang uji statistik belum bisa disebutkan
sampai data terkumpul:

Bergantung pada normalitas distribusi data

Skala pengukuran memerlukan perubahan
Jumlah kelompok Tidak berpasangan Berpasangan
yang dibandingkan
2 atau lebih (data nominal) (data nominal)
Uji chi-square Uji McNemar
(data ordinal) (data ordinal)
2 Uji Wilcoxon rank-sum Uji Wilcoxon signed-
atau rank
Mann-Whitney U
3 atau lebih Uji Kruskal-Wallis Uji Friedman one way
ANOVA
(data kontinyus) (data kontinyus)
2 Uji Student’s t atau Uji Paired t-test atau
Wilcoxon atau Mann- Wilcoxon
Whitney
3 atau lebih ANOVA atau Kruskal- Repeated measures
Wallis ANOVA atau
Friedman one-way
ANOVA
PETUNJUK DI BAB METODE

Cantumkan rujukan untuk uji statistik yang

kompleks atau tidak biasa digunakan dalam
analisis data:
 Bila ada yang ingin melakukan verifikasi
analisisnya maka akan dibutuhkan cara
mendapatkan hasilnya
 Uji statistik yang kompleks atau yang tidak biasa
bisa saja sesuai untuk digunakan tetapi pembaca
harus bisa melakukannya juga
 Oleh karena itu dibutuhkan rujukan dari uji tsb
PETUNJUK DI BAB METODE

Bila memungkinkan sebutkan apakah menggunakan

one- atau two-tailed:
 Uji two-tailed (berdasar pada distribusi probabilitas yang
simetris) akan membagi nilai alpha yang biasanya 5%
menjadi 2 bagian:

2,5% untuk kasus dimana kelompok A mempunyai efek lebih
besar dari kelompok B, dan

2,5% untuk kasus dimana kelompok A mempunyai efek lebih
kecil dari kelompok B

Dengan demikian bila perlakuan akan membuat kelompok A
bisa mempunyai efek lebih besar atau lebih kecil dari
kelompok B, maka two-tailed akan mengakomodasi kedua
kemungkinan tersebut
 One-tailed meletakkan 5% di salah satu arah yang telah
diketahui sebelumnya
PETUNJUK DI BAB METODE

Bila memungkinkan sebutkan apakah

menggunakan one- atau two-tailed:
 Uji two-tailed membutuhkan beda yang lebih
besar untuk menghasilkan kemaknaan statistik
yang sama tingkatannya dengan uji one-tailed
(nilai P nya sama)
 Uji two-tailed harus digunakan bila arah dari beda
belum diketahui
 Uji one-tailed bila arah dari hasil sudah diketahui
sebelumnya (tidak perlu besarannya), karena itu
harus disebutkan darimana mengetahui arah tsb
PETUNJUK DI BAB METODE

Sebutkan apakah uji tidak berpasangan atau

berpasangan:
 Uji statistik yang digunakan untuk analisis data
dari sampel yang berpasangan berbeda dengan
uji yang digunakan untuk analisis data dari
sampel yang tidak berpasangan
 Uji statistik berpasangan menilai beda antara setiap
pasangan yang diobservasi saat menghitung nilai P
dibandingkan hanya dengan menilai beda mean kelompok
PETUNJUK DI BAB METODE

Contoh:

Suatu penelitian membandingkan hasil dari
kampanye berhenti merokok dilakukan di dua SMA
berbeda merupakan perbandingan 2 sampel tidak
berpasangan, satu dari masing2 sekolah

Penelitian lain yang membandingkan pengetahuan
siswa tentang efek merokok sebelum dan sesudah
kampanye pada satu SMA membandingkan 1
sampel data berpasangan, yaitu siswa yang sama
diuji 2 kali dengan data pasangan dari skor
pengetahuan
PETUNJUK DI BAB METODE

Sebutkan rujukan paket statistik atau

program yang digunakan untuk analisis data:
 Penting untuk menyebutkan paket program
komputer yang digunakan untuk analisis statistik,
karena paket komersial selalu akan divalidasi dan
diperbarui
 Tidak semua perangkat lunak statistik
menggunakan algoritme yang sama atau opsi
yang sama untuk menghitung secara statistik,
sehingga hasil bisa sedikit bervariasi dari beda
paket atau beda algoritme
PETUNJUK DI BAB METODE
Contoh:

Diantara paket program perangkat lunak statistik yang biasa
digunakan adalah:
 SAS (statistical analysis system)

 BMDP

 Splus

 SPSS

 StatXact

 StatView

 StatSoft

 InStat

 Statistical Navigator

 SysStat

 Minitab
PETUNJUK DI BAB HASIL

Laporkan hasil dari semua analisis primer dulu:

 Fokus dari artikel ilmiah harus pada perbandingan primer
yang menjadi motivasi penelitian
 Analisis statistik dapat dan harus bersifat eksploratif dan
menjelaskan ke satu masalah, namun eksplorasi sekunder
ini tidak harus menutupi analisis primernya
 Oleh karena itu analisis primer yang tidak didukung (tidak
bermakna secara statistik) tidak harus diabaikan dibanding
dengan analisis sekunder (yang bermakna secara statistik)
 Perhatian pada laporan yang selektif, yaitu hanya
menyajikan temuan yang disukai peneliti, yang biasanya
yang bermakna secara statistik
PETUNJUK DI BAB HASIL

Laporkan hasil dari semua analisis primer

dulu:
 Hasil dari semua analisis yang berkaitan secara
klinis harus dilaporkan, apakah bermakna
ataupun tidak secara statistik, karena tidak etis
untuk menyembunyikan data yang kontradiktif
 Tanpa adanya pernyataan bahwa hasil adalah
dari analisis sekunder, maka sanggahan terhadap
laporan yang selektif adalah dengan menentukan
apakah hubungan yang ada dapat menjelaskan
makna secara biologis
PETUNJUK DI BAB HASIL

Laporkan adanya nilai ekstrim (outlier) dan

bagaimana memperlakukannya dalam analisis:
 Outlier adalah nilai ekstrim yang dapat terjadi karena
berbagai alasan
 Karena ekstrim maka dapat menimbulkan efek yang
disproporsional dalam analisis statistik
 Nilai outlier tidak dapat diabaikan dan harus tetap dihargai
serta dimasukkan dalam analisis secara memadai
 Terkadang perlu dilaporkan hasil dengan dan tanpa
memasukkan outlier untuk menentukan efeknya terhadap
hasil penelitian
PETUNJUK DI BAB HASIL

Pastikan bahwa asumsi dari uji yang

dilakukan sudah terpenuhi:
 Uji statistik mempunyai asumsi2 terhadap
datanya:

Data sedapat mungkin berdistribusi normal sehingga
dapat menggunakan uji parametrik

Bila data secara nyata tidak berdistribusi normal, maka
dapat dibuat menjadi normal dengan dilakukan
transformasi matematis atau langsung menggunakan uji
non-parametrik
PETUNJUK DI BAB HASIL

Laporkan perubahan yang absolut atau perbedaan

dari semua efek primer:
 Hindari kebingungan dengan melaporkan nilai absolut atau
aktualnya dan tidak hanya melaporkan beda dengan nilai
relatif atau %
 Misalnya, pasien mempunyai kadar kolesterol serum akhir
sebesar 175 mg/dL dengan kadar awalnya 220 mg/dL,
dengan beda absolut sebesar 45 mg/dL. Beda relatifnya
adalah 20% penurunan kadar kolesterol serum {(175 –
220) / 220} x 100% atau dapat dilaporkan sebagai 1/5 lebih
rendah dari nilai awal, yang walaupun akurat tetapi tidak
memasukkan fakta bahwa secarat aktual beda yang
diobservasi adalah 45 mg/dL
PETUNJUK DI BAB HASIL

Laporkan perubahan yang absolut atau perbedaan

dari semua efek primer:
 Bila ada 2 kelompok yang diobservasi, sangat membantu
bila melaporkan beda atau perubahan antar 2 kelompok
sebagai tambahan dari mean atau proporsi kelompok
 Untuk data berskala kontinyus dan kelompok tidak
berpasangan, laporkan rerata (mean atau median)
kelompok dan mean atau median beda absolut antar
kelompok
 Untuk data berskala kontinyus dan kelompok berpasangan,
laporkan rerata (mean atau median) kelompok dan mean
atau median beda antar masing2 pasangan
PETUNJUK DI BAB HASIL

Laporkan perubahan yang absolut atau

perbedaan dari semua efek primer:
 Untuk data berskala kategorikal dan kelompok
tidak berpasangan, laporkan proporsi kelompok
dan beda absolut antar proporsi
 Untuk data berskala kategorikal dan kelompok
berpasangan, laporkan proporsi kelompok
PETUNJUK DI BAB HASIL

Laporkan 95% confidence intervals untuk

perubahan atau beda dari efek primer:
 Beda antara kelompok perlakuan dan kelompok kontrol,
atau antara pengukuran awal dan akhir pada kelompok
yang sama adalah penting untuk melakukan estimasi beda
yang diharapkan bila perlakuan diberikan kepada seluruh
populasi nantinya
 Presisi dari estimasi beda tersebut ditunjukkan dari nilai
confidence interval
 Confidence interval menggambarkan pengaruh jumlah
sampel dan variabilitas:

Jumlah sampel yang besar akan menyempitkan interval dan
memberikan estimasi yang lebih besar presisinya

Variabilitas data yang kecil juga akan menyempitkan interval
dan memberikan estimasi yang lebih besar presisinya
PETUNJUK DI BAB HASIL

Contoh:
Obat mengurangi kecepatan waktu pembekuan darah
dengan mean 4 menit (95% CI = 2,5 sampai 5,5
menit; P < 0,001)
 95% CI menunjukkan bahwa bila obat diberikan pada 100
sampel yang mirip, maka mean perlambatan waktu
pembekuan darah pada 95 dari 100 orang tersebut
mungkin akan berkisar antara 2,5 dan 5,5 menit
 Dengan mean perlambatan waktu pembekuan darah
sebesar 2,5 menit saja sudah memberikan arti klinis yang
penting sehingga efek obat dapat disimpulkan penting
secara klinik dan bermakna secara statistik
PETUNJUK DI BAB HASIL

Tuliskan nilai P aktual bermakna ataupun tidak

sampai 2 desimal:
 Nilai P kurang dari besaran alpha (biasanya 0,05)
dikatakan bermakna secara statistik, demikian sebaliknya
 Nilai P sebesar 0,051 dan 0,049 walaupun nilainya tidak
begitu beda namun harus diinterpretasikan sesuai, yaitu
yang pertama harus dilaporkan sebagai tidak bermakna
dan yang kedua adalah bermakna, karena itu melaporkan
nilai P yang aktual akan mencegah timbulnya masalah
interpretasi tersebut
 Nilai P aktual juga lebih bermanfaat bila penelitian ini
digunakan untuk studi meta-analisis
PETUNJUK DI BAB HASIL

Tuliskan nilai P aktual bermakna ataupun tidak

sampai 2 desimal:
 Nilai P terkecil yang harus dilaporkan adalah P < 0,001
 Nilai P sebesar 1 atau 0 adalah jarang dan harus
dipertanyakan bila ditemukan dalam artikel ilmiah.
Pembulatan perlu dilakukan untuk nilai P 0 atau 1
 Bila hasil tidak bermakna secara statistik, jangan
menuliskan kalimat: “memperlihatkan adanya
kecenderungan bermakna” atau “mendekati bermakna”.
Lebih baik menyampaikan adanya arti klinis yang penting
dari hasil yang didapat
PETUNJUK DI BAB HASIL

Laporkan arti uji statistik dari perbandingan

primer:
 Dalam analisis statistik, data digabungkan secara
matematik untuk menghasilkan uji statistik
sebagai satu angka tunggal yang
membandingkannya dengan distribusi probabilitas
yang sesuai untuk mendapatkan nilai P secara
perhitungan statistik
 Untuk uji t misalnya, laporkan nilai2 t, df dan P
nya
PETUNJUK DI BAB HASIL

Laporkan degree of freedom (df) dari uji

statistik untuk perbandingan primer:
 df adalah konsep yang digunakan dalam berbagai
uji statistik, yang dihitung berdasar jumlah sampel
dan dilaporkan sehingga pembaca dapat
melakukan verifikasi nilai P dengan cara
melakukan cek uji statistik terhadap distribusi
yang sesuai dimana masing2 punya df yang
berbeda
 Uji2 statistik seperti uji t, ANOVA atau uji F dan
chi-square semuanya menggunakan konsep df
PETUNJUK DI BAB DISKUSI

Bedakan antara kepentingan klinis dan kemaknaan

statistik:
 Gertrude Stein: “ A difference, to be difference, must make
a difference”
 Beda yang penting secara klinis adalah penting walaupun
bermakna ataupun tidak secara statistik
 Beda yang bermakna secara statistik dapat tidak
memberikan arti penting secara klinis
 Nilai P tidak memperhitungkan besarnya efek. Efek yang
kecil pada studi yang besar akan memberikan nilai P yang
sama dengan efek besar pada studi kecil
PETUNJUK DI BAB DISKUSI

Bedakan antara kepentingan klinis dan

kemaknaan statistik:
 Kesimpulan tidak harus didasarkan secara
eksklusif dari nilai P namun harus didasarkan
pada banyak aspek penelitian dan hasilnya:

Rancangan penelitian

Pelaksanaan penelitian

Besarnya efek

Lebarnya confidence interval

Kemaknaan biologis

dll
PETUNJUK DI BAB DISKUSI

Contoh:

Beda 1 minggu kehidupan yang berarti dari
penggunaan alat pacu jantung setelah 5 tahun
antara 2 produk dapat bermakna secara statistik
namun tidak ada artinya secara klinis

8 dari 16 pasien yang menerima obat standar tetap
hidup dan 12 dari 16 lainnya yang menerima obat
eksperimen tetap hidup. Walaupun beda angka
mortalitas tidak bermakna secara statistik namun
peningkatan ketahanan hidup dari kelompok obat
eksperimen (sebesar 50%, yaitu 8 dari 12) secara
klinis penting, sehingga bisa disarankan riset
tambahan dengan jumlah sampel lebih besar
PETUNJUK DI BAB DISKUSI

Untuk beda yang penting secara klinis tetapi tidak

bermakna secara statistik, jangan melaporkan
adanya kecenderungan kemaknaan, namun
laporkan beda hasil observasi and 95% CI dari beda
tsb:
 Bila tidak ada kemaknaan secara statistik, maka tidak perlu
juga terlalu memaksakan adanya arti klinis yang penting,
contoh:

The increase in infection rate using the new methods was not
statistically significant (dilaporkan)

And there was not one chance in ten that we would have
detected a 30% increase in rate (tidak dilaporkan)
PETUNJUK DI BAB DISKUSI

Untuk beda yang penting secara klinis tetapi tidak

bermakna secara statistik, jangan melaporkan
adanya kecenderungan kemaknaan, namun
laporkan beda hasil observasi and 95% CI dari beda
tsb:
 Penelitian dengan kekuatan (power) statistik yang kecil
biasa dilakukan
 Perhitungan power post-hoc perlu dilakukan bila tidak
ditemukan kemaknaan untuk menghitung kembali jumlah
sampel
 CI juga menggambarkan jumlah sampel sehingga perlu
dilaporkan