BETI HERLINA - KMPK - Tugas Biostatistika 1 (Pengertian Dan Pemahaman Dasar Dari Biostatistika)
BETI HERLINA - KMPK - Tugas Biostatistika 1 (Pengertian Dan Pemahaman Dasar Dari Biostatistika)
1. TUJUAN PEMBELAJARAN
Setelah menyelesaikan kursus ini, mahasiswa akan dapat:
a. Menganalisis variabel-variabel yang digunakan dalam penelitian termasuk
skala dan pengukurannya.
b. Menganalisis kerangka penelitian suatu penelitian.
c. Menganalisis hubungan antara variabel-variabel dalam suatu penelitian.
2. PANDUAN TUTORIAL
Selesaikan latihan ini sebelum sesi kelas dan kirim ke bayu.satria@ugm.ac.id
sebelum sesi praktikum kelas pada tanggal 24 Mei 2023 pukul 8.00. Jika
mahasiswa mengumpulkan latihan setelah pukul 8.01 atau setelahnya, maka
akan mendapatkan pengurangan nilai -20.
3. STUDI KASUS 1
Pada sesi tutorial ini, kita akan mengevaluasi satu penelitian tentang tingkat
aliran ekspirasi puncak dengan risiko sarkopenia pada orang dewasa Indonesia
yang lebih tua menggunakan data survei nasional. Silakan baca artikel
penelitian ini dan jawab pertanyaan berikut serta diskusikan dengan teman
Anda.
a. Apakah populasi dalam penelitian ini?
b. Berapa ukuran sampel dalam penelitian ini dan apakah ada perhitungan
khusus untuk ukuran sampel minimum?
c. Silakan tuliskan semua variabel yang digunakan dalam penelitian ini
beserta skala variabel (nominal, ordinal, binomial, rasio, atau interval).
d. Bagaimana Anda menggambarkan atau menjelaskan mengenai data
numerik (rasio atau interval), seperti tinggi badan?
e. Apa variabel dependen dan variabel eksposur utama dalam penelitian ini?
f. Apakah ada variabel confounding dalam penelitian ini?
g. Silakan buat kerangka konseptual yang mencakup hubungan antara semua
variabel dalam penelitian ini.
h. Sebutkan satu contoh hipotesis penelitian berdasarkan artikel tersebut
HASIL KEGIATAN
2. Jawab pertanyaan :
c. Variabel yang digunakan dalam penelitian ini beserta skala variabel yaitu
d. Data numerik dalam skala rasio memiliki semua ciri-ciri data interval,
seperti memiliki nilai yang dapat dihitung dan diurutkan. Namun,
memiliki poin nol, yang merupakan makna absolut. Nol pada skala tinggi
badan menunjukkan bahwa tidak ada ukuran tinggi badan sama sekali
atau tidak ada sama sekali. Kita dapat melakukan operasi matematika
yang lebih lanjut, seperti penjumlahan, pengurangan, perkalian, dan
pembagian, serta perbandingan proporsional yang signifikan, dengan
menggunakan skala data rasio. Misalnya, jika seseorang memiliki tinggi
dua kali lipat dari orang lain, itu berarti bahwa tingginya benar-benar
dua kali lipat dari orang lain. Data numerik rasional sangat bermanfaat
untuk analisis statistik. Kita bisa melihat ada tinggi badan rata-rata,
tinggi badan tertinggi dan terendah, menghitung deviasi standar, atau
menggunakan statistik inferensial.
Jadi, tinggi badan adalah contoh data numerik dalam skala rasio, yang
memberikan informasi tentang jumlah, urutan, dan perbandingan
absolut tinggi badan responden.
f. Ada variabel confounding dalam penelitian ini yaitu usia, jenis kelamin,
tingkat urbanisasi, status merokok, indeks masa tubuh (BMI), kekuatan
tungkai bawah (LLS), aktivitas fisik, riwayat jatuh, kualitas tidur,
gejala depresi, riwayat hipertensi, DM, PPOK, penyakit
kardiovaskular, artritis rheumatoid.
g. Kerangka konsep =
Variabel confounding :
1. Usia
2. jenis kelamin
3. tingkat urbanisasi, status merokok
4. indeks masa tubuh (BMI)
5. kekuatan tungkai bawah (LLS)
6. aktivitas fisik
7. riwayat jatuh
8. kualitas tidur
9. gejala depresi
10. riwayat hipertensi
11. Diabetes Melitus
12. PPOK
13. penyakit kardiovaskular
14. artritis rheumatoid