ARIA KEKALIH
DEPARTEMEN ILMU KEDOKTERAN KOMUNITAS
FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA
Overview
1. Perbedaan statistik deskriptif dan inferensial
2. Pemetaan Jenis Statistik Inferens :
a. Bivariat dan Multivariat
b. Parametrik dan Non Parametrik
3. Pembagian 3 Jenis Uji Bivariat berdasarkan Jenis Data
pada variabel Independen dan Dependen
4. Hipotesis Nol and Alternatif
5. Kesalahan Type I & Type II
6. Faktor yang menentukan Kekuatan Penelitian
Statistik
Analisis data dengan tujuan membuat
keputusan atau menyampaikan informasi
tentang sesuatu yang belum pasti
Dua jenis statistik
Statistik Deskriptif
◦ Proses pengumpulan data, menyimpulkannya, dan
menjelaskan karakteristiknya.
◦ Digunakan untuk menyimpulkan, mengorganisasi, dan
menyederhanakan data;
◦ Menhitung jumlah; IPK, status gizi
◦ Grafik: histogram, dotplots, stem & leaf, boxplots
Dua jenis statistik
Statistik Inferensial
◦ Proses pemilihan sampel dan menggunakan informasinya
untuk melakukan generalisasi pada suatu populasi.
◦ Tehnik yang memungkinkan kita mempelajari sampel dan
membuat generalisasi suatu populasi dari mana sampel
dipilih.
Perbedaan statistik
deskriptif dan Inferensial
• What
• Where
1.Deskriptif • When
• Who
x
Parameter Statistik
Beda Pertanyaan penelitian
deskriptif dan Analitik
DESKRIPTIF ANALITIK
Numerik
◦ Berapa kalori sarapan pagi PPDS?
◦ Berapa rata-rata hemoglobin
remaja di Indonesia?
Jenis data : Numerik dan
Kategorikal
Numerik :
semua data numerik bisa
dikategorikan
Cut off / nilai titik potong
berdasarkan referensi
Kategorikal
Perbedaan menjelaskan jenis
data di Definisi Operasional
https://www.geoib.com/normal-distribution.html
Kurva Normal
Format data numerik penulisan di
pelaporan/ manuskrip
Mean / Median
Age 38 (21-55) SEBARAN TIDAK NORMAL
Median (min-Max)
Height Median (Q1-Q3)
Case 170.1+10.4 Median (Inter quartil range)
Control 169.2+8.9
SEBARAN NORMAL
Mean+Std.Dev
Statistik Inferens :
Bivariat dan Multivariat
BIVARIAT MULTIVARIAT
Kerangka Konsep
Variabel perancu
- Asupan karbohidrat
(numerik)
Bivariat : Konsep Parametrik
dan Non Parametrik
Semua variabel dengan jenis data numerik harus diuji normalitas sebaran
◦ Variabel bebas maupun variabel tergantung
4
3
4
1,000
20,000
3.0
4.3
tranformasi
5 2 300 2.5
6 3 5,000 3.7
7 4 98,500 5.0
8 2 125 2.1
9 5 323,000 5.5
10 3 1,523 3.2
Pembagian Uji Bivariat berdasarkan Jenis
Data pada variabel Independen dan
Dependen
Independent Dependen Uji Statistik
Variable Variable
Numerik Numerik 1. KORELASI
Variabel Variabel
Bebas tergantung
Hipotesis
H1 : Hipotesis Alternatif– Perbedaan bermakna
◦ Variabel Independen mempunyai hubungan
Contoh; Pertanyaan tentang peningkatan perbaikan % of
treatment
Sui
Variabel Variabel
Bebas tergantung
Probabilitas & Proporsi
Probabilitas adalah kemungkinan suatu keadaan terjadi.
Digambarkan dalam proporsi (CIRI KHAS DATA
KATEGORIKAL)
Probabilitas sesuatu terjadi = jumlah terjadinya
kemungkinan dibagi dengan jumlah seluruh outcome
p(X) = f/N
Distribusi Binomial
Data Binomial hanya terjadi 2 kategori A atau B (benar / salah)
p = p(A) = probability of A
q = p(B) = probability of B
Probabilitas pada Statistik
Inferens
Kemungkinan I hipotesis nol
diterima
◦ Jenis kelamin tidak berhubungan
dengan perilaku merokok
◦ Null hypothesis is rejected but true Null hypothesis is not rejected but
◦ False positif : sampling pada studi false
anda mendapatkan ada hubungan
antara jenis kelamin dengan False negative : sampling pada
perilaku merokok, padahal jika studi anda mendapatkan tidak ada
seluruh populasi diperiksa hubungan antara jenis kelamin
seharusnya tidak ada hubungan dengan perilaku merokok, padahal
jika seluruh populasi diperiksa
seharusnya ada hubungan
Type I & II Error : True State of Null
Hypothesis
Reality in Population
smoking Interval)
Decision
SEMAKIN AKURAT, KONSTANTA SEMAKIN BESAR DAN JUMLAH SAMPEL SEMAKIN BESAR
Type I Error (alpha Level)
Kesalahan Type I ditetapkan oleh peneliti dengan
memilih tingkat kepercayaan untuk uji statistik
apabila hasilnya TIDAK signifikan
Jika alpha (a) = 0.05 berarti STANDAR yang anda
tentukan untuk studi anda adalah HANYA
MENERIMA KESALAHAN 5% APABILA HASILNYA
TIDAK SIGNIFIKAN
Biasanya 0.05 atau lebih akurat 0.01 (untuk uji
klinis obat)
Nilai p untuk
signifikasi statistik
▪ Nilai p adalah probabilitas untuk hasil yang anda temukan
pada studi anda hanyalah faktor kebetulan.
▪ P =0.60 → jika riset diulangi maka kemungkinan hasil
yang berbeda dengan riset anda 60%
▪ Signifikan → Bila nilai p lebih kecil dari level.
Perbedaan antara hasil sampel dengan observasi
berbeda secara bermakna. Jadi hasilnya bukanlah
kebetulan.
▪ Jika anda tentukan level 5% di rumus besar sampel,
maka nilai p < 5% (0,05) untuk mendapatkan signifikansi
Faktor mempengaruhi Power
1. Level Alfa
2. Arah uji statistik
3. Besar Sampel
4. Variabilitas
5. Jenis uji statistik (Parametrik vs Non Par)
6. Kekuatan suatu pengaruh
Faktor mempengaruhi
Kekuatan Penelitian (Power)
1. Level Alfa
◦ Memperkecil →membuat standar akurasi lebih tinggi → membuat
lebih sulit mencapai power yang bagus
2. Besar Sampel
◦ Makin besar sampel, maka power akan makin besar → makin
menyerupai / representatif dengan populasi
3. Arah uji statistik
◦ One-tailed more powerful than two-tailed
◦ One tailed : Jika sudah yakin bahwa laki-laki akan lebih banyak yang
merokok dibandingkan perempuan, tidak mungkin lebih sedikit
◦ Hipotesis hanya ingin mengetahui persisnya berapa persen lebih
banyak laki-laki yang merokok dibandingkan perempuan
Faktor mempengaruhi Power
•4. Variabilitas (kemungkinan hasilnya lebih bervariasi pada populasi)
• Greater the variability, the less the power.
• Data numerik : semakin besar standar deviasi maka semakin besar
variabilitas
• Data kategorikal : semakin proporsi mendekati 50% maka semakin besar
variabilitas
•5. Kekuatan suatu pengaruh (EFFECT SIZE)
◦ Stronger the effect, more likely to detect it.
◦ Tergantung jenis uji bivariat : ingat pembagian sederhana 3 jenis uji bivariat
berdasarkan jenis variabel bebas dan tergantungnya
Faktor mempengaruhi Power
•6. Jenis uji statistik
◦ Parametric (Interval, ratio) more powerful than nonparametric.
◦ Terkait dengan variabilitas, khususnya pada data numerik
◦ semakin kecil standar deviasi → semakin normal sebaran → power makin
baik
Button, Katherine S., John P.A. Ioannidis, et al., "Power Failure: Why Small Sample Size Undermines the Reliability of
Neuroscience," Nature Reviews: Neuroscience, May 2013, Vol. 14, pp. 365-376
Faktor yang mempengaruhi Power :
Kekuatan suatu pengaruh
Independent Dependen Uji Statistik Makin kuat pengaruh
Variable Variable bila
http://stattrek.com/statistics/correlation.aspx?Tutorial=AP
KONSEP UJI PERBANDINGAN
RERATA
KEKUATAN PENGARUH SEMAKIN BESAR BILA :
• SEMAKIN BESAR X1-X2
• SEMAKIN KECIL VARIABILITAS
x1
x1-x2 Variabilitas di dalam
x2 Mean kelompok
between (mean within group)
group
Konsep uji perbandingan
proporsi
• Kekuatan pengaruh semakin besar bila :
– Semakin besar p1-p2
Smoker Smoker
Total
Total No Yes
No Yes n 425 104 529
Male 425 104 529 Male % within
80.3% 19.7% 100.0%
Gender Gender
Female 401 118 519 Gender
n 401 118 519
Total 826 222 1048 Female % within
77.3% 22.7% 100.0%
Gender
n 826 222 1048
Total % within
78.8% 21.2% 100.0%
Gender
Proporsi
Proporsi merokok
merokok pada
pada perempuan (p1)
pria (p1)
Kesimpulan
Perbedaan statistik deskriptif dan inferensial :
menentukan hubungan antara dua variabel
atau tidak
Pemetaan Jenis Statistik Inferens :
◦ Bivariat dan Multivariat : banyaknya variabel bebas
yang dianalisis
◦ Parametrik dan Non Parametrik : sebaran data
variabel numerik yang dianalisis
Kesimpulan
Pembagian 3 Jenis Uji Bivariat berdasarkan Jenis Data pada variabel
Independen dan Dependen :
◦ Korelasi, Perbandingan Rerata dan Perbandingan Proporsi
Kesalahan Type I & Type II: Standar yang menentukan Kekuatan dan
akurasi Penelitian
Terima kasih