1. Sebutkan cara pengukuran nilai data?

Jawab. Terdapat empat Jenis Skala Pengukuran yaitu Nominal, Ordinal, Interval, Ratio.

Skala yang paling rendah adalah Nominal dan yang tertinggi adalah Skala Rasio. Skala
pengukuran yang lebih tinggi akan memiliki karakteristik skala pengukuran di bawahnya.
Misalnya, skala Rasio akan memiliki karakteristik Nominal, Interval, dan Ordinal.

Variabel Nominal/Skala Nominal

Variabel nominal merupakan variabel dengan skala pengukuran yang paling rendah

tingkatannya dan hanya bisa digunakan untuk klasifikasi kualitatif atau kategorisasi.
Artinya, variabel tersebut hanya dapat diukur dari segi apakah karakteristik suatu objek bisa
dibedakan dari karekateristik lainnya, tetapi kita tidak dapat mengukur atau bahkan
mengurutkan peringkat kategori tersebut. Sebagai contoh, kita dapat mengatakan bahwa
jenis kelamin ke 2 orang tersebut berbeda, satu perempuan dan satunya lagi laki-laki. Di sini
kita bisa membedakan karakteristik keduanya, tetapi kita tidak bisa mengukur dan
mengatakan mana yang “lebih” atau mana yang “kurang” dari kualitas yang diwakili oleh
variabel tersebut. Kita hanya bisa memberikan kode/label pada kedua karakteristik tersebut,
misalnya angka 0 untuk perempuan dan angka 1 untuk laki-laki. Kode/label angka tersebut
bisa saja di tukar. Kode di sana hanya berfungsi sebagai pembeda antara kedua objek dan
tidak menunjukkan urutan atau kesinambungan. Angka 1 tidak menunjukkan lebih tinggi
atau lebih baik di banding 0.

Operator aritmetika yang bisa digunakan pada skala nominal hanya tanda “=” atau “≠”.

Contoh-contoh variabel nominal lainnya adalah:

 jenis tanah,
 varietas,
 ras,
 warna,
 bentuk,
 kota,
 Golongan darah
 Jenis penyakit
 Agama
 Suku
 Nomor KTP/SIM/Kartu Pelajar
Variabel Ordinal/ Skala Ordinal

Variabel ordinal memungkinkan kita untuk mengurutkan peringkat dari objek yang kita

ukur. Dalam hal ini kita bisa mengatakan A “lebih” baik dibanding B atau B “kurang” baik
dibanding A, namun kita tidak bisa mengatakan seberapa banyak lebihnya A dibanding B.
Dengan demikian, batas satu variasi nilai ke variasi nilai yang lain tidak jelas, sehingga yang

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
dapat dibandingkan hanyalah apakah nilai tersebut lebih tinggi, sama, atau lebih rendah
daripada nilai yang lain, namun kita tidak bisa mengatakan berapa perbedaan jarak
(interval) diantara nilai-nilai tersebut. Contoh umum variabel ordinal adalah status sosial
ekonomi keluarga. Sebagai contoh, kita tahu bahwa kelas menengah ke atas lebih tinggi
status sosial ekonominya dibanding kelas menengah ke bawah, tapi kita tidak bisa
mengatakan berapa lebihnya atau mengatakan bahwa kelas menengah ke atas 18 % lebih
tinggi. Pemberian simbol/kode angka pada skala ordinal, selain berfungsi untuk
membedakan karakteristik antar objek juga sudah menetukan urutan peringkat dari objek
tersebut.

Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda “=”, “≠”, “<” dan
“>”. Misal kode angka untuk kelas bawah = 0, menengah = 1, dan atas = 2. Angka 0 berbeda
dengan 1 ataupun 2 (operator aritmetk: = dan ≠), 0 lebih rendah dibanding 1 (operator
aritmetk: < dan >),

Contoh:

 Tingkat pendidikan atau kekayaan

 Tingkat keparahan penyakit
 Tingkat kesembuhan
 Derajat keganasan kanker
Variabel Interval/ Skala Interval

Variabel Interval tidak hanya memungkinkan kita untuk mengklasifikasikan, mengurutkan

peringkatnya, tetapi kita juga bisa mengukur dan membandingkan
ukuran perbedaan diantara nilai. Sebagai contoh, suhu, yang diukur dalam derajat
Fahrenheit atau Celcius, merupakan skala interval. Kita dapat mengatakan bahwa suhu 50
derajat lebih tinggi daripada suhu 40 derajat, demikian juga suhu 30 derajat lebih tinggi
dibanding dengan suhu 20 derajat. Perbedaan selisih suhu antara 40 dan 50 derajat nilainya
sama dengan perbedaan suhu antara 20 dan 30 derajat, yaitu 10 derajat. Jelas disini bahwa
pada skala interval, selain kita bisa membedakan (mengkategorikan), mengurutkan nilainya,
juga bisa di hitung berapa perbedaannya/selisihnya dan jarak atau intervalnya juga dapat
dibandingkan. Perbedaan antara kedua nilai pada skala interval sudah punya makna yang
berarti, berbeda dengan perbedaan pada skala ordinal yang maknanya tidak berarti.
Misalnya, perbedaan antara suhu 40 dan 50 derajat dua kali lebih besar dibandingkan
dengan perbedaan antara suhu 30 dan 35. Dengan demikian, selain sudah mencakup sekala
nominal, juga sudah termasuk skala ordinal, tetapi nilai mutlaknya tidak dapat dibandingkan
secara matematik, oleh karena batas-batas variasi nilai pada interval adalah arbiter (angka
nolnya tidak absolut).

Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda “=”, “≠”, “<“, “>”,
“+”, “-“. Misal suhu: 30 +10 = 40 derajat.

Contoh Skala Interval lainnya:

 Tingkat kecerdasan (IQ)

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
 Beberapa indeks pengukuran tertentu
Variabel Rasio/ Skala Rasio

Variabel rasio sangat mirip dengan variabel interval; di samping sudah memiliki semua sifat-
sifat variabel interval, juga sudah bisa diidentifikasi titik nol mutlak, sehingga
memungkinkan menyatakan rasio atau perbandingan di antara kedua nilai, misalnya x
adalah dua kali lebih y. Contohnya adalah berat, tinggi, panjang, usia, suhu dalam skala
kelvin. Sebagai contoh, berat A = 70 kg, berat B =35 kg, Berat C = 0 kg. Disini kita bisa
membandingkan rasio, misalnya kita bisa mengatakan bahwa berat A dua kali berat B. Berat
C = 0 kg, artinya C tidak mempunyai bobot. Angka 0 di sini jelas dan berarti dan angka 0
menunjukkan nilai 0 mutlak. Memang agak sedikit susah dalam membedakan antara skala
interval dengan rasio. Kuncinya adalah di angka 0, apakah nilai nol tersebut mutlak (berarti)
atau tidak? Sebagai contoh, suhu bisa berupa skala interval tapi bisa juga skala rasio,
tergantung pada skala pengukuran yang digunakan. Apabila kita menggunakan skala Celcius
atau Fahrenheit, termasuk skala interval, sedangkan apabila Kelvin yang digunakan, suhu
termasuk skala rasio. Mengapa? Karena suhu 0 derajat Kelvin adalah mutlak! Kita tidak saja
dapat mengatakan bahwa suhu 200 derajat lebih tinggi daripada suhu 100 derajat, tetapi
kita juga sudah dapat menyatakan dengan pasti bahwa rasionya benar dua kali lebih tinggi.

Operator aritmetika yang bisa digunakan pada skala rasio adalah tanda “=”, “≠”, “<“, “>”,
“+”, “-“, “x” dan “÷”.

Misal nilai Berat A 70 kg, berat B = 35 kg.

 Operator aritmetik “=”, “≠”, kita bisa mengatakan Berat A berbeda dengan Berat B (A
≠ B);
 Operator aritmetik “<“, “>”: A lebih berat dibanding B (A > B),
 Operator Aritmetik “+”, “-“: Beda antara berat A dengan B = 35 kg (A – B = 70 – 35 =
35) kg,
 Operator aritmetik “x” dan “÷”:A dua kali lebih berat dibanding B ( A = 2xB).
Contoh:

 Waktu, panjang, tinggi, berat, usia

 Kadar zat dan jumlah sel tertentu
 Dosis obat, dll
Skala interval tidak memiliki karakteristik rasio. Kebanyakan prosedur analisis data
statistik tidak membedakan antara data yang diukur dalam skala interval dan rasio.

Ringkasan skala pengukuran:

Skala Definisi Level Operasi Contoh

Aritmetik

Nominal Data Kategori  Mutu =, ≠  Jenis Kelamin

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
 ally  Wana Kulit
exclusive
Ordinal Data yang hanya  Mutu =, ≠  Status sosial ekonomi
bisa diurutkan dari ally <, > keluarga
kecil ke besar atau exclusive  Peringkat Kelas
sebaliknya
 Uruta  Pangkat/Jabatan/Golo
nnya ngan
Pasti/Jelas
Interval Selain mencakup  Mutu =, ≠,  Suhu (Celsius &
karakateristik ally <, >, Fahrenheit)
Nomina dan exclusive +, –
 IQ (tingkat kecerdasan)
Ordinal, juga sudah
 Uruta
bisa dilakukan
nnya Pasti
operasi
penjumlahan  Jarak
karena jarak antara antara
datanya sudah kode sama
jelas.
Tidak mempunyai
nilai nol mutlak
Ratio Mencakup  Mutu =, ≠,  Suhu (Kelvin)
karakteristik ally <, >,
 Waktu
Interval dan exclusive +, -,
mempunyai nilai x, ÷  Panjang
 Uruta
nol mutlak  Berat
nnya Pasti
 Tinggi
 Jarak
antara
kode
sama
 Terda
pat nilai
nol
mutlak
Hubungan antara skala pengukuran dengan jenis datanya (kuantitatif dan kualitatif)

Skala Kualitatif Kuantitatif

pengukuran

Nominal √
Ordinal √
Interval √

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
 Ratio √
Flowchart untuk menentukan skala pengukuran variabel

Bagan Alir Skala Pengukuran Variabel

2. Data sebagai nilai akan menggambarkan 2 bentuk , sebutkan dan jelaskan ?

Jawab.
Ditinjau dari ukuran nilainya, data dibagi menjadi dua bagian, yaitu :
i. Data statis, yaitu data yang mempunyai nilai tetap dan terbatas dalam setiap utaran (
cycle ) atau periode tertentu. Misalnya data jumlah jam dalam satu hari, jumlah hari dalam satu
bulan dan jumlah bulan dalam satu tahun.
ii. Data dinamis, yaitu data yang mempunyai nilai turun naik ( fluktuatif) mengikuti
situasi tertentu. Misalnya, hasil penjualan sebuah barang, volume impor / ekspor.

3. Data di samping bersivat uni variat juga bersifat bivariat dan multivariat, sebutkan
contohnya masing-masing?

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
Jawab .

Contoh uni variat

Distribusi Responden Berdasarkan Kepatuhan Berobat TB

Kepatuhan N %

Patuh 148 60,8

Tidak patuh 131 39,2

Total 279 100,0

Responden yang patuh berobat TB di wilayah kerja Puskesmas Pasar Minggu lebih tinggi
(60,8%) dibanding dengan yang tidak patuh berobat (39,2%).

Contoh bi variat

Distribusi Responden Berdasarkan Umur dan Kepatuhan Berobat TB

Umur Kepatuhan Total P OR

value 95%
Tak patuh Patuh

Dewasa Md 7(20,0%) 28 (80%) 35 (100%)

0,004 3,08

Dewasa 24(54,0%) 20(45,5%) 44(100%)

Total 31 (39,2%) 48(60,8%) 79 (100%)

Dari tabel di atas menunjukkan bahwa responden berumur dewasa muda lebih patuh
berobat TB (80%) dibandingkan dengan responden dewasa (45,8%). Sehingga secara
presentase dapat disimpulkan bahwa ada hubungan antara umur dengan kepatuhan
berobat.

Hasil uji statistic menunjukkan bahwa nilai p< 0,005 hal ini terbukti bahwa umur
berhubungan secara bermakna dengan kepatuhan berobat.

Dari analisis keeratan hubungan menunjukkan nilai ODD Ratio (OR) 3,08 yang berarti bahwa
responden yang berumur dewasa muda mempunyai peluang 3,08 kali patuh berobat
dibandingkan dengan responden yang berumur lebih tua.
Tugas Prof. Heru
Dr Maulana Baihakhi
173311060018
Contoh Multivariat.

Contoh :

Hubungan Antara Pengetahuan, Umur, Pendidikan Dengan Kepatuhan Berobat TB

95% CI
Variable P OR
Lower Upper

Pengetahuan 0,000 19,305 4,34 84,92

Umur 0,008 11,747 2,22 212,61

Pendidikan 0,000 13,804 3,28 58,05

Dari table di atas dapat disimpulkan bahwa :

-       Responden yang mempunyai pengetahuan tinggi berpeluang 19,03 kali patuh berobat
dibandingkan dengan responden yang berpengetahuan rendah

-       Responden yang berumur muda berpeluang 11,747 kali patuh patuh berobat
dibandingkan dengan responden yang berumur lebih tua

-       Responden yang berpendidikan tinggi berpeluang 13,804 kali patuh berobat

dibandingkan dengan responden yang berpendidikan rendah.

Dari ketiga variabel independen tersebut maka variabel pengetahuan adalah variabel yang
paling dominan berhubungan dengan kepatuhan berobat dengan OR 19,305.

Hal ini berarti bahwa responden yang mempunyai pengetahuan TB yang tinggi berpeluang
19 kali untuk patuh berobat dibandingkan dengan responden yang berpengetahuan TB yang
rendah, setelah dikontrol variabel pendidikan dan umur.

4. Dasar daripada hubungan data adalah teori, sebutkan salah satu teori yang anda
ketahuidalam hubungannya dalam kesehatan atau biomedis?

Menurut Mark 1963, dalam ( Sugiyono,2012) membedakan adanya tiga macam teori. Ketiga
teori yang dimaksud ini berhubungan dengan data empiris, teori ini antara lain:

Teori yang Deduktif: memberi keterangan yang dimulai dari suatu perkiraan, atau pikiran
spekulatis tertentu kearah data akan diterangkan.

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
Teori Induktif: cara menerangkan adalah dari data ke arah teori. Dalam bentuk ekstrim titik
pandang yang positivistik ini dijumpai pada kaum behaviorist

Teori fungsional: disini nampak suatu interaksi pengaruh antara data dan perkiraan teoritis,
yaitu data mempengaruhi pembentukan teori dan pembentukan teori kembali
mempengaruhi data.

5. Uji Chi Square adalah uji statistikyang digunakan dalam situasi dan kondisitertentu.
Sebutkan situasidan kondisi bagaimana kita menggunakan uji tersebut.

Jawab.

Chi Square ( chi kuadrat)

Adalah suatu teknik statistik yang memungkinkan penyelidikan menilai probabilitas

memperoleh perbedaan frekuensi yang nyata (yang diobservasi) dengan frekuensi yang
diharapkan dalam kategori –kategori tertentu sebagai akibat dari kesalahan sampling.

Manfaat chi square:

§  Chi kuadrat adalah alat untuk mengadakan estimasi. Digunakan untuk menaksir apakah
ada perbedaan yang signifikan antara frekuensi yang diobservasi dengan frekuensi yang di
harapkan dalam populasi. Frekuensi yang diharapkan dalam populasi ini disebut juga
frekuensi hipotetik karena digunakan sebagai alat hipotesis yang akan diuji dengan frekuensi
yang diperoleh dari sampel. Oleh karena itu chi kuadrat sebagai alat estimasi berkedudukan
juga sebagai alat pengetes hipotesis.

§  Chi kuadrat adalah alat untuk mengadakan pengetesan hipotesis.

Tiap-tiap pengetesan hipotesis harus membandingkan sedikitnya dua sampel. Dalam hal ini
apakah frekuensi yang diperolehdalam sampel yang satu berbeda secara signifikan ataukah
tidak dengan frekuensi yang diperoleh dalam sampel lainnya.

§  Chi kuadrat sebagai alat mengetes signifikan korelasi antara dua factor atau lebih.

6. Uji Anova adalah uji statistik yang digunakan dalan situasi dan kondisi tersebut.
Sebutkan situasi dan kondisi bagaimana kita menggunakan uji tersebut ?

Jawab.

One Way Anova (Analysis of variance)

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
Anova (analysis of varian) digunakan untuk menguji perbedaan mean (rata-rata) data lebih
dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata lama
hari dirawat antara pasien kelas VIP, I, II, dan kelas III

Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:

1.              Data berdistribusi normal

2.              Varians atau ragamnya homogen

3.              Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat

4.              Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah)

7. Uji Korelasi adalah uji statistik yang digunakan dalan situasi dan kondisi tersebut.
Sebutkan situasi dan kondisi bagaimana kita menggunakan uji tersebut ?

Jawab.

Teknik Korelasi ini digunakan untuk mencari hubungan dua variabel dengan data kedua
variabel berskala interval atau rasio. Koefisien korelasi mempunyai nilai -1 ≤ r ≤ 1. Koefisien r
melambangkan estimasi untuk sampel, sedangkan koefisien ρ mewakili korelasi populasi.
Koefisien korelasi menunjukkan besar dan arah dari hubungan. Arah menunjukkan pada kita
apakah nilai-nilai yang besar pada sebuah variabel berkorelasi dengan nilai-nilai besar pada
variabel yang lain (dan nilai-nilai yang kecil dengan nilai-nilai yang kecil). Apabila nilai-nilai
berkorelasi dengan cara demikian maka kedua variabel mempunyai hubungan positif.
Apabila satu variabel naik maka yang lain juga akan ikut naik.

8. Uji Regresi linier adalah uji statistik yang digunakan dalan situasi dan kondisi
tersebut. Sebutkan situasi dan kondisi bagaimana kita menggunakan uji tersebut ?

Jawab.

Analisis regresi linear sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan
antara variabel independen dengan variabel dependen apakah posiutif atau negatif dan
untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau
rasio. Rumus regresi linear sederhana sebagai berikut:

Y’ = a + b X

Di mana:

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018
Y’ = Variabel dependen (nilai yang diprediksikan)

X  = Variabel independen

a  = konstanta (nilai Y’ apabila X=0)

b  = koefisien regresi (nilai peningkatan ataupun penurunan)

9. Uji Regresi Logistik adalah uji statistik yang digunakan dalan situasi dan kondisi
tersebut. Sebutkan situasi dan kondisi bagaimana kita menggunakan uji tersebut ?

Jawab.

Regresi Logistik

Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi seperti halnya
regresi linear atau yang biasa disebut dengan istilah Ordinary Least Squares (OLS)
regression. Perbedaannya adalah pada regresi logistik, peneliti memprediksi variabel terikat
yang berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan
dua kategori, misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah.

Asumsi Regresi Logistik

Asumsi Regresi Logistik antara lain:

1. Regresi logistik tidak membutuhkan hubungan linier antara variabel independen

dengan variabel dependen.
2. Variabel independen tidak memerlukan asumsi multivariate normality.
3. Asumsi homokedastisitas tidak diperlukan
4. Variabel bebas tidak perlu diubah ke dalam bentuk metrik (interval atau skala ratio).
5. Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah atau
baik dan buruk)
6. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok
variabel
7. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat
eksklusif
8. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50
sampel data untuk sebuah variabel prediktor (independen).
9. Dapat menyeleksi hubungan karena menggunakan pendekatan non linier log
transformasi untuk memprediksi odds ratio. Odd dalam regresi logistik sering
dinyatakan sebagai probabilitas.

10. Sebutkan rencana judul test saudara dan uji apa yang akan saudara kerjakan ?

Jawab.

Peningkatan Algoritma Reverse Screening untuk Treponema

Tugas Prof. Heru
Dr Maulana Baihakhi
173311060018
 Pallidum ntibody Menggunakan Rasio Signal-to-Cutoff dari
Chemiluminescence Microparticle Immunoassay di UTD PMI Kota Medan
Pendekatan pengujian menggunakan uji Chi Square

Tugas Prof. Heru

Dr Maulana Baihakhi
173311060018