Statistik Inferensial

dan penarikan kesimpulan

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

2. Analitik / inferensial • Why

• How
Inferensial : Kerangka Konsep
Hubungan antara 2 kelompok
Populasi and Sampel
Populasi
◦ Kumpulan individu yang menjadi perhatian dalam studi
populasi.
Sampel
◦ Kumpulan individu yang dipilih dari populasi.
Populasi Terjangkau ?
Populasi and Sampel
Kesalahan sampling
Populasi Sampel ◦ Discrepancy, atau
(select) perbedaan yg terjadi antara
statistik sampel and
parameter populasi
◦ Contoh: Pooling nasional
dengan memberikan margin
kesalahan
(menguraikan) (menghitung)

 x
Parameter Statistik
Beda Pertanyaan penelitian
deskriptif dan Analitik
DESKRIPTIF ANALITIK

Kategorikal Adakah perbedaan prevalensi

◦ Berapa persentase PPDS yang anemia pada remaja laki-laki dan
sarapan pagi ? perempuan di Indonesia ?
◦ Berapa % prevalensi anemia pada
remaja di Indonesia?

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

Bagaimana menjelaskan usia dalam numerik?

Data numerik: Tidak selalu
menggunakan rata-rata

SEBARAN NORMAL : TIDAK ADA SEBARAN TIDAK NORMAL: ADA

NILAI EKSTRIM NILAI EKSTRIM
380 orang rata-rata 155 cm Ada 20 orang tambahan yang
tingginya ekstrim

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

Ibu Anemia (kat Anak Berat Badan Lahir

dikotom) Rendah (kat dikotom)

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

Uji Non Parametrik

◦ Apabila ada satu variabel dengan data numerik dengan sebaran tidak normal
◦ Apabila kedua variabel merupakan data kategorikal
 Bacterial
Count
No Data Data tidak Normal Data
normal Transformasi
(LOG Data Tidak
Normal) Contoh
1 1 10 1.0 Sebaran data
2 2 100 2.0
dan
3

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

Numerik Kategorik 2. UJI PERBANDINGAN

RERATA

Kategorik Kategorik 3. UJI PERBANDINGAN

PROPORSI
 Konsep Parametrik dan Non
Parametrik pada Uji Bivariat
Independent Dependen Uji Statistik Uji normalitas Kemungkinan Uji
Variable Variable Parametrik atau
Non Parametrik
Numerik Numerik 1. KORELASI Dilakukan pada P atau NP
masing-masing
DV dan IV
Numerik Kategorik 2. UJI PERBANDINGAN dilakukan melihat P atau NP
RERATA nilai numerik IV
pada masing-
masing kelompok
DV
Kategorik Kategorik 3. UJI PERBANDINGAN Tidak dilakukan NP
PROPORSI
Hipotesis

H0: Hipotesis Nol– Tidak berbeda

◦ Variabel independen tidak mempunyai hubungan contoh;
Tidak terdapat hubungan dengan treatment 
◦ Penelitian non inferiority

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

Kemungkinan II hipotesis nol

ditolak
◦ Jenis kelamin berhubungan
dengan perilaku merokok
Estimasi Kesalahan dalam
menguji hipotesis
KESALAHAN TYPE I :
◦ Null hypothesis is rejected but true
◦ False positif : sampling pada studi
anda mendapatkan ada hubungan
antara jenis kelamin dengan
perilaku merokok, padahal jika
seluruh populasi diperiksa
seharusnya tidak ada hubungan
KESALAHAN TYPE II :
Null hypothesis is not rejected but
false
False negative : sampling pada
studi anda mendapatkan tidak ada
hubungan antara jenis kelamin
dengan perilaku merokok, padahal
jika seluruh populasi diperiksa
seharusnya ada hubungan
 Type I & II Error : True State of Null
Hypothesis
Reality in Population

Sex does not Sex associates to

associate to smoking smoking (null
(null hypothesis) hypothesis rejected)
Sex does not True Positive False Negative (Type
associate to (Confidence II Error /Beta)
Researcher’s

smoking Interval)
Decision

Sex associates to False Positive (Type True Negative

smoking I Error /Alpha) (Power)
Parameter untuk mengantisipasi
tingkat kesalahan
TYPE I ERROR ( Z ALPHA)
Tingkat Kepercayaan 95% → Z
alpha 5%
Makin kecil Z alpha, makin kecil
kemungkinan kesalahan jika hasil
studi anda TIDAK SIGNIFIKAN
(tidak berhubungan)
Common Use : 95%
TYPE II ERROR ( Z BETA)
Power / Kekuatan 90% → Z beta
10%
Makin kecil Z Beta, makin kecil
kemungkinan kesalahan jika hasil
studi anda SIGNIFIKAN
(berhubungan)
Common Use : 80%
Parameter untuk mengantisipasi
tingkat kesalahan
Penggunaan Z alpha dan Z Beta di
rumus besar sampel analitik
numerik
Menggunakan Rumus perbedaan 2 rerata tidak berpasangan

Za=1,96 (tingkat kepercayaan 95%)

Zb=0,84 (kekuatan penelitian 80%)
SD gab= Standar deviasi gabungan = ……… (referensi)
X1= rata-rata masalah pada kelompok pertama = …. (Referensi……)
X2= rata-rata masalah pada kelompok kedua = …. berdasarkan estimasi peneliti / referensi
n1=n2=…….
Dengan demikian untuk 2 kelompok dibutuhkan minimal 2x…… = …… orang

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

Numerik Numerik 1. KORELASI Kekuatan korelasi (r)

semakin tinggi
(mendekati 1)
Numerik Kategorik 2. UJI PERBANDINGAN RERATA Selisih x1-x2 semakin
besar

Kategorik Kategorik 3. UJI PERBANDINGAN Selisih p1-p2 semakin

PROPORSI besar
Interpretasi Kekuatan korelasi

Semakin besar (r)

kekuatan
pengaruh semakin
besar

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