Operator aritmetika yang bisa digunakan pada skala nominal hanya tanda “=” atau “≠”.
jenis tanah,
varietas,
ras,
warna,
bentuk,
kota,
Golongan darah
Jenis penyakit
Agama
Suku
Nomor KTP/SIM/Kartu Pelajar
Variabel Ordinal/ Skala Ordinal
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:
Operator aritmetika yang bisa digunakan pada skala ordinal adalah tanda “=”, “≠”, “<“, “>”,
“+”, “-“. Misal suhu: 30 +10 = 40 derajat.
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 “÷”.
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:
Nominal √
Ordinal √
Interval √
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?
Kepatuhan N %
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
0,004 3,08
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 :
95% CI
Variable P OR
Lower Upper
- 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
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.
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 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.
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.
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat
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:
X = Variabel independen
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.
10. Sebutkan rencana judul test saudara dan uji apa yang akan saudara kerjakan ?
Jawab.