Uji Bland-Altman pada Pengukuran Dua Metode Berbeda

DESKRIPSI SINGKAT
- Bland Altman plot adalah uji yang digunakan dalam bidang bimodicine untuk
menganalisis kesepakatan diantara dua metode pengukuran dalam variabel yang sama.
- Mengapa tidak digunakan korelasi? Karena korelasi tidak menganalisis kesepakatan,
hanya dapat menentukan hubungan antara dua pengukuran namun bukan
perbedaan/selisih dari dua pengukuran.
- Namun, bland altman plot dapat menunjukkan kesepakatan antara dua metode
pengukuran dengan mempelajari perbedaan rerata dan menyusun batasan/limits of
agreements.
- Syarat : data kontinyu,
- Step by step :
1. Menentukan 2 variabel kontinyu yang akan dianalisis
2. Menghitung selisih dan rerata dari dua metode  buat variabel baru : selisih.
3. Dengan one sample t-test, pakai variabel selisih untuk diuji dengan hipotesis
perbedaannya adalah 0.
4. Lihat p value dari hasil uji one sample t-testnya, jika signifikan  tidak perlu bland
altman, jika p valuenya >0,05  tidak ada perbedaan  lakukan bland altman untuk
mengetahui kesepakatan diantara dua metode tersebut.
5. Membuat scatter plot dengan :
- Axis X : rerata
- Axis Y : selisih antara dua metode
6. Membuat 3 garis pada scatter plot :
- Garis tengah adalah rerata
- Batas atas : dihitung dengan rumus  Rerata + 1.96*standar deviasi
- Batas bawah : dihitung dengan rumus  Rerata – 1.96*standar deviasi
NB : 1.96 adalah deviasi standar jika kita memakai nilai  = 5% (0,05), jadi, 95%
data berada pada batas atas dan bawah, dan dengan adanya 2 limit ats dan
bawah dapat menentukan dua metode ini sama atau tidak.
 ANALISIS STATISTIK UTE DAN KAK NANI

1. Sebelum melakukkan uji statistik pada data pengukuran, terlebih dahulu dilakukan uji
reliabilitas pengukuran antar pengamat dengan Uji Reliabilitas inter rater : ICC
(intraclass correlation coeffiecient) : menguji kesepakatan pengukuran antara dua atau
lebih pengamat/pengukur. Kenapa ICC ?? karena datanya numerik, jika datanya kategorik
pakai uji cohen Kappa.
2. Uji Reliabilitas ICC : analyze – scale – reliability analysis – masukin variabel Pengamat 1,
pengamat 2 ke dalam kotak item – statistics – klikk F-test – centang Intraclass Correlation
Coefficient – two way mixed dan consistency, confiedence interval 95% - OK.
Interpretasi : (ada 3 tabel)
- Tabel 1  hasil uji cronbach alpha : lihat angkanya (masukin di kategori nilai alpha, dia di
kategori apa…
- Tabel 2  hasil uji Anova : liat angka signifikansi, P > 0.05 maka tidak ada perbedaan
- Tabel 3  output ICC dengan nilai rxx (masukin di kategori nilai rxx untuk ICC masuk di
kategori apa..
Kategori nilai alpha di cronbach alpha :

Kategori nilai koeffisien rxx ICC :

3. Jika nilai ICC bagus, lanjut ke uji statistik hasil pengukurannya ya…
4. Uji normalitas data : analyze – descriptive – explore – masukin variabel - plots – centang
normality plots – OK
5. Output uji normalitas : liat hasil uji normalitas yang saphiro wilk (n < 50), jika P > 0.05 
data berdistribusi normal
6. Selanjutnya, uji beda rerata (compare means dengan Independent Sample t-test).
Mengapa pakai independen sample t-test dan bukan paired t-test? Karena subyek tidak
diberikan perlakuan dan hasil pengukuran bukan merupakan pre test dan post test,
Kedua data metode A dan B tidak berhubungan secara pre dan post, namun dilakukan
pengukuran dengan dua metode berbeda meskipun pada 1 orang yang sama. Oleh
karena itu, dipilih Independent sample t-tets.
7. Tahap uji Independent sample t-tets : Analyze – compare means- independent sample t-
test – masukin variabel – factor list (jenis pengukuran) – define groups – OK
8. Interpretasi output :
- Lihat hasil uji homogenitas : pada data Levene’s test : jika P > 0.05  data homogen
- Lihat hasil uji t-test : pada data t-test two tailed equal variances assumed : jikka P > 0.05
 tidak ada perbedaan yang signifikan/bermakna
9. Buat variabel selisih dengan transform-compute : isi variabel name, isi rumus
pengurangan : method A-method B-OK
10. Uji beda rerata selisih : kalau kata mba IIS, bisa diuji dengan membandingkan selisih
dengan variabel yang ada kategori , yaitu jenis kelamin, dibandingkan selisih perempuan
dan laki-laki  pakai INDEPENDENT SAMPLE T-TETS (caranya seperti yang atas tinggal
factor list diganti jenis kelamin)
11. Atau,,, pakai One sample t-test dengan membandingkan rerata selisih dengan value O.
One sample t tets : Analyze – compare means – one sample t test  test value : 0, test
variable : selisih
12. Buat variabel rerata dari 2 pengukuran (ambil dari excel)
13. Interpretasi nilai P value : jika > 0.05 maka analisis lebih lanjut dengann bland altman.
14. Ini cara buat bland altman dengan SPSS : Buat scatter plot : Graphs : Legacy dialog –
scatter/dot – simple scatter – isi Y axis dengan SELISIH – isi X axis dengan Rerata – OK
15. Outputnya akan seperti ini :

16. Buat 3 garis (mean, batas atas, batas bawah) :

- Klik Grafik 2x akan muncul Chart editor – klik gambar horizontal line
- isi angkanya dengan mean unntuk garis tengahnya.
- Buat batas atas (ingat, nilainya dengan rumus batas atas)
- Buat batas bawah (ingat, nilainya dengan rumus batas bawah)
17. Saat ini, sudah ada garis batas atas dan bawah , sehingga 95% data harus berada dalam
bata kedua garis ini
18. Interpretasinya:
- Kedua metode memiliki kesepakatan (sama)
- Selisih kurang dari +1,02, dan – 1,1 dapat diterima baik dengan metode sefalometri dan
fotometri  95% data harus masuk dalam batas ini.
-