Jenis-jenis Variabel

Dian Ratih L
Magif FRS_2014

Pengertian Variabel
1. Suharsimi Arikunto (1998:99) variabel penelitian
adalah objek penelitian, atau apa yang menjadi titik
perhatian suatu penelitian
.
2. Ibnu Hajar (1999:156) yang mengartikan variabel
adalah objek pengamatan atau fenomena yang
diteliti.
3. Sutrisno Hadi (1982:437) variabel adalah semua
keadaan, faktor, kondisi, perlakuan, atau tindakan
yang dapat mempengaruhi hasil eksperimen.
4. M. Nazir (1999:149) variabel adalah konsep
yang mempunyai bermacam-macam nilai.
5. Variabel adalah gejala atau obyek penelitian
yang bervariasi, contoh: 1) variabel jenis kelamin

Variabel dan Data Penelitian

Variabel penelitian akan
diterjemahkan menjadi data
penelitian.
Data penelitian merupakan hasil
pengumpulan dari variabel
penelitian.
Variabel sudah harus teridentifikasi
pada rumusan masalah, kerangka
konsep, hipotesis

Tipe Variabel Penelitian

Dilihat Dari:
1. Fungsi variabel
2. Skala Nilai variabel
3. Perlakukan Terhadap variabel

Variabel dilihat dari

fungsinya:
1. Variabel Independen (Pengaruh, Bebas, Stimulus,
Prediktor).
Merupakan variabel yang mempengaruhi atau
yang menjadi sebab perubahannya atau
timbulnya variabel dependen (terikat).
2. Variabel Dependen (Dipengaruhi, Terikat, Output,
Kriteria, Konsekuen).
Merupakan variabel yang dipengaruhi atau akibat,
karena adanya variabel bebas.
Contoh: Pengaruh Iklan Terhadap Motivasi
Pembelian. Iklan = Variabel Independen Motivasi
Pembelian = Variabel Dependen..

3. Variabel Moderator.
Merupakan variabel yang mepengaruhi
(memperkuat atau memperlemah) hubungan
antara variabel independen dengan dependen.
Variabel ini sering disebut sebagai
variabel independen kedua. Contoh: Anak
adalah variabel yang memperkuat hubungan
suami isteri. Pihak ketiga adalah variabel yang
memperlemah hubungan suami isteri.
4. Variabel Intervening (Antara).
Merupakan variabel yang menghubungkan
antara variabel independen dengan variabel
dependen yang dapat memperkuat atau
memperlemah hubungan namun tidak dapat
diamati atau diukur. Contoh: Hubungan antara

5. Variabel Kontrol.
Merupakan variabel yang dikendalikan atau
dibuat konstan sehingga pengaruh variabel
independen terhadap dependen tidak
dipengaruhi oleh faktor luar yang tidak diteliti.
Contoh: Apakah ada perbedaan antara tenaga
penjual (sales force) yang lulus D3 dan S1 maka
harus ditetapkan variable control berupa gaji
yang sama, peralatan yang sama, iklim kerja
yang sama, dan lain-lain. Tanpa adanya variabel
kontrol maka sulit ditemukan apakah perbedaan
penampilan karyawan karena faktor pendidikan.

VARIABEL BEBAS

VARIABEL TERIKAT

VARIABEL ANTARA

Variabel dilihat dari Skala

Nilainya
a. Variabel diskrit ( nominal,kategorik) yaitu variabael 2
kutub berlawanan. Contoh:
1) Kehadiran : hadir, tidak hadir
2) Jenis kelamin : laki-laki, perempuan.
b. Variabel kontinum
1) Variabel Ordinal : variabel tingkatan. Contoh: Satria
terpandai, Raka pandai, Yudit tidak pandai.
2) Variabel Interval: variabel jarak. Contoh: jarak rumah
Anto kesekolah 10 km,
sedangkan Yuli 5 km maka vr intervalnya adalah 5 km.
3) Variabel Ratio: variabel perbandingan (sekian kali).
Contoh: berat badan Heri 80 kg, sedangkan berat badan Upi
40 kg, maka berat badan Heri 2 kali lipat Upi.

Dilihat Dari Perlakuannya

Variabel aktif yaitu variabel-variabel
yang dimanipulasi untuk keperluan
penelitian eksperimen.
Variabel atribut yaitu variabel yang
tidak dapat dimanipulasi untuk
keperluan riset, contoh: Intelegensi,
sikap,jenis kelamin dsb.

Hubungan Antar Variabel

(Jenis Variabel)
Variabel bebas (independent
variable, antecedent variable,
experiential variable)
Variabel tergantung (dependent
variable, manifestational variable)
Confounding variable (confounder,
variabel perancu)
Variabel antara
Variabel luar

Di dalam kegiatan penelitian kita pada umumnya

memiliki tujuan mencari hubungan antara peubah.
Hubungan yang paling dasar adalah hubungan antara
2
peubah
:
peubah
pengaruh
( independent
variables) dengan peubah terpengaruh ( dependent
variable).
Untuk
itu
diperlukan
suatu
penelaahan
bermacam kemungkinan hubungan antar peubahpeubah tersebut. Secara garis besar ada 3 jenis
hubungan antar peubah yakni :
- Hubungan Simetris
- Hubungan timbal balik ( Resiprokal)
- Hubungan Asimetris

 Hubungan Simetris
Peubah yang satu tidak disebabkan atau
dipengaruhi oleh peubah yang lainnya.Mis. Jantung
berdenyutbersama-sama dengan keluarnya keringat
akibat cemas,Tinggi badan - berat badan.
Hubungan timbal balik
Peubah yang satu dapat menjadi sebab dan juga
akibat dari peubah lainnya. Mis.Penanaman Modal
meningkatkan keuntungan dan keuntungan akan
meningkatkan modal, malnutrisi - malabsorbsi.
Hubungan Asimetris
Peubah yang satu mempengaruhi peubah yang
lainnya, dibedakan atas : - Hubungan antara
Stimulus-Respon
- Hubungan antara disposisi dan respons

Di dalam bentuk hubungan Asimetris, kerumitan

hubungan
antar peubah dapat dibedakan atas
hubungan asimetris 2 peubah dan lebih dari 2
peubah.Bentuk hubungan asimetris inilah yang
paling banyak dianalisis di dalam kegiatan penelitian
biologi.
Hubungan itu dapat berupa hubungan antara dua
peubah ( bivariat) atau antara lebih dari dua peubah
(
multivariat), biasanya antara satu peubah
terpengaruh dengan beberapa peubah bebas ( peubah
perlakuan).
peubah bebas
X

---------

Peubah terikat
Y

Peubah bebas X1
Peubah bebas X2
Peubah terikat
Y
Peubah bebas X3
Peubah bebas X4
Pola hubungan multivariat

Ada beberapa cara untuk menguji hubungan

antara dua peubah diantaranya Tabulasi
Silang, Kai Kuadrat, Korelasi-Regresi.

Di dalam kegiatan eksperimental

pengaruh
peubah yang tidak dikehendaki harus dikontrol baik
melalui sistem analisis statistik maupun cara
penentuan sampel.Dengan demikian peneliti dapat
mengamati hubungan antara dua peubah yang
sedang
di
telaah
tanpa
gangguan
dari
peubah-peubah tersebut.
Peneliti dapat menetralisir pengaruh peubah
luar dengan memasukannya sebagai peubah kontrol
atau peubah penguji ke dalam analisisnya. Pemilihan
peubah-peubah penelitian
yang dikontrol di
dasarkan atas teori dan hasil empiris dari
penelitian lain.

PENGUKURAN VARIABEL
Pengukuran variabel merupakan tahap awal dari
kegiatan pengukuran dalam penelitian. Tujuan
pengukuran variabel ini baru pada tahap menjawab
pertanyaan "bagaimana cara untuk mengukur
variabel tersebut"? Selanjutnya muncul pertanyaan
lanjutan; "apa yang diukur" atau "bagaimana cara
merubah konsep, dan "apa alat ukurnya".
Mengukur adalah sebuah proses kuantifikasi,
karena itu setiap kegiatan pengukuran berkaitan
dengan jumlah, dimensi atau taraf dari sesuatu
obyek/gejala yang diukur. Hasil dari pengukuran itu
biasanya dilambangkan dalam bentuk bilangan.

Definisi Operasional
Prosedur pengukuran variabel dimulai dari
pembuatan definisi operasional konsep variabel.
definisi operasional melekatkan arti pada
suatu konsep variabel dengan cara menetapkan
kegiatan-kegiatan atau tindakan-tindakan yang
perlu untuk mengukur suatu konsep variabel itu
definisi operasional merupakan spesifikasi
kegiatan peneliti dalam mengukur suatu
variabel atau memanipulasaikannya. Suatu
contoh definisi operasional yang sederhana
(kasar) dari konsep inteligensi adalah skor
yang dicapai pada tes intelegensi X.

Poin definisi operasional

(DO)
DO Karakteristik dasar
DO Variabel

Karakteristik dasar
Tidak selalu variabel penelitian
Berguna untuk membandingkan hasil
dan kesimpulan penelitian yang
dilakukan oleh peneliti dengan
peneliti lain dengan topik yang
sejenis
Membantu seseorang untuk
memutuskan apakah hasil penelitian
bisa dipakai di tempatnya atau tidak?

Karakteristik dasar,
contoh

Jenis kelamin
Umur
Tingkat pendidikan
Pekerjaan
Situasi kebersihan lingkungan
Situasi ekonomi setempat
Dsb.

Karakteristik dasar,
contoh
Seseorang pembaca
membandingkan hasil penelitian
tentang obat X pada sekelompok
penderita DM
Peneliti A: obat DM kurang berefek
Peneliti B: jelas berefek
Ternyata pada karakteristik dasar
terlihat bahwa kelompok umur pada
penelitian A lebih tua dibanding B
umur=variabel?

Karakteristik dasar,
contoh
Seseorang akan menggunakan hasil penelitian
penggunaan obat infeksi kulit yang pernah
diteliti untuk pasien di kliniknya
Dengan melihat karakteristik dasar ia tahu
bahwa hasil penelitian itu mungkin tidak
tepat digunakan di kliniknya, karena sebagian
besar subjek penelitian itu ras Hispanic,
sedangkan pasiennya orang Melayu
Penelitian lain membuktikan bahwa kulit
Hispanic dan Melayu berbeda
Ras=variabel?

Definisi operasional
variabel
Definisi operasional tidak selalu sama
dengan definisi menurut kamus
(bahkan pada umumnya berbeda!)
Mempermudah pembaca mengerti apa
yang dimaksud dengan variabel itu
secara spesifik dalam penelitian itu
Satu variabel bisa didefinisikan berbedabeda dalam satu penelitian yang sama
atau pada penelitian berbeda
Perlu dinyatakan skala pengukurannya!

Contoh
Berat badan
badan lahir
Berat
lahir(kamus):
adalah
berat badan bayi baru lahir yang diukur
maksimal 2 jam setelah lahir
Berat badan lahir (definisi operasional
variabel suatu penelitian):
Kelompok berat badan lahir yang dibedakan
menjadi: berat badan lahir < 1000 g, 10001499 g, 1500-2499 g, 2500-3999 g, dan
4000 g

Tugas
1. Buat kerangka teoretis dari review literatur
sesuai topik Anda
2. Identifikasi semua variabel penelitian Anda
dan susun dalam kerangka konseptual yang
benar (dan logis)
3. Tentukan hubungan variabel Anda (bebas,
tergantung, antara, luar, confounding)
4. Buat definisi operasional (variabel dan
karakteristik dasar)
5. Tentukan skala pengukuran variabel Anda

Tampilan variabel dan

pengukurannya
Nama
Variabel

Definisi
Sumber
operasiona data
l

Cara
Skala
pengumpul pengukura
an
n

Berbagai Macam Data

Penelitian
Data
hasil penelitian dapat dikelompokkan menjadi dua, yaitu

Data kualitatif adalah

data yang berbentuk
kalimat, kata atau
gambar

Data kuantitatif adalah data

yang berbentuk angka, atau
data kualitatif yang
diangkakan (scoring)

Data kuantitatif dikelompokkan dua

yaitu
data kontinuum dan data deskrit.

swasono r tamat

Data kontinuum
adalah data yang
diperoleh dari hasil
pengukuran.

Data kontinuum
dikelompokkan tiga
yaitu: data Ordinal,
Interval, dan Rasio.

Data deskrit / nominal

adalah data yang diperoleh
dari hasil menghitung atau
membilang (bukan
mengukur).
Misal: jumlah meja ada
20, jumlah orang ada 12
dsb. Data nominal
biasanya diperoleh dari
penelitian yang bersifat
eksploratif atau survei.

swasono r tamat

kualitatif
Data Statistik
Kualitatif : misalnya preferensi (kesukaan) konsumen terhadap
warna sabun satu merek , merah muda, putih, biru, hijau, dst ----data yang diperoleh data kualitatif.
berapa frekuensi merah muda
berapa frekuensi putih
diolah secara
berapa frekueinsi biru dst.
statistik
dan berapa persen masing2

kuantitatif

Statistik deskriptif.

swasono r tamat

kualitatif
Data Statistik
Kualitatif : misalnya preferensi (kesukaan) konsumen terhadap
warna sabun satu merek , merah muda, putih, biru, hijau, dst ----data yang diperoleh data kualitatif.
berapa frekuensi merah muda
berapa frekuensi putih
diolah secara
berapa frekueinsi biru dst.
statistik
dan berapa persen masing2

kuantitatif

Statistik deskriptif.

swasono r tamat

Data ordinal adalah data yang berjenjang atau berbentuk

peringkat. Oleh karena itu jarak satu data dengan yang lain
mungkin tidak sama. Juara I, II, III; Golongan I, II, III, IV: Eselon
I, II, III, IV dsb.

Data interval adalah data yang jaraknya sama, tetapi tidak

mempunyai nilai nol absolut (mutlak). Pada data ini,
walaupun datanya nol, tetapi masih mempunyai nilai.
Misalnya nol derajat Celcius, ternyata masih ada nilainya.

swasono r tamat

Data rasio adalah data yang jaraknya sama dan

mempunyai nilai nol absolut. Jadi kalau data nol berarti
tidak ada apa-apanya. Hasil pengukuran panjang (M), berat
(Kg) adalah contoh data rasio. Bila nol meter maka tidak
ada panjangnya, demikian juga bila nol kg tidak ada
beratnya.

Data ini bisa dibuat penjumlahan dan perkalian. 5 kg + 5

kg = 10 kg. Untuk jenis data yang lain tidak bisa
demikian, oleh karena itu data yang paling teliti adalah
data rasio.

Data ratio ini dapat disusun ke dalam data

nominal ataupun ordinal.
swasono r tamat

Analisis
Data
Data-data penelitian dapat dianalisis dengan dua cara yaitu
cara kualitatif dan cara kuantitatif. Dibawah ini akan dibahas
analisis data secara kuantitatif saja, dengan menggunakan
teknik statistik.

Untuk memilih teknik statistik yang akan digunakan, ada 2

hal yang perlu diperhatikan yaitu
(1) jenis variabel, dan (2) metode penelitian

Seperti telah dijelaskan bahwa variabel dapat dibedakan

berdasarkan skala pengukurannya, sehingga ada empat
jenis variabel yaitu variabel berskala nominal, ordinal,
interval dan rasio.

swasono r tamat

Sedangkan metode penelitian sekurang-kurangnya ada tiga

metode penelitian yaitu penelitian deskriptif, metode penelitian
korelasi, dan metode penelitian eksperimen.

Yang akan dibahas terutama metode penelitian eksperimen,

yang umumnya menggunakan teknik analisis data untuk
melihat perbedaan
(differential data analysis).

swasono r tamat

Analisis Data
Deskriptif

Analisis data deskriptif tidak akan dibahas rinci disini. Data

penelitian deskriptif biasanya lebih mudah dipresentasikan
dalam bentuk tabel, grafik, atau ukuran central tendency.

Analisis Data
Korelasi
Untuk penelitian korelasi yang ingin mengetahui hubungan antara
variabel, analisis data dapat menggunakan beberapa teknik statistik,
yang pilihannya ditentukan pada skala variabel yang akan
dikorelasikan.
Skala nominal, ordinal, interval, atau rasio.

swasono r tamat

Analisis Data
Korelasi
Ordinal
(Spearmans rank)

Nominal
(chi-square)

Interval/Rasio
(Pearsons product
moment correlation,
linear regression)

swasono r tamat

Analisis Data
Eksperimen
Analisis data eksperimen
umumnya menggunakan statistik

yang digunakan untuk mengukur perbedaan, misalnya untuk

melihat apakah ada perbedaan sebelum perlakuan dan setelah
perlakuan.

Misalkan peneliti membuat hipotesis bahwa toksisitas

antibiotik baru XX lebih baik dari antibiotik Penicillin yang
efeknya pada Agrobacterium telah dikenal atau diketahui.

Bila penelitian dilakukan dengan desain eksperimen pretestposttest equivalent-group, maka sebelum pemberian (pre-test)
antibiotik, dilakukan pengukuran nilai parameter misalnya
waktu pertumbuhan (doubling time), umur, ukuran sel dll.

swasono r tamat

Setelah pemberian (post-test) antibiotik baru XX pada

sekelompok Agrobacterium dan pemberian antibiotik Penicillin
pada kelompok Agrobacterium lain, dilakukan pengukuran
parameter tersebut di atas.

Untuk mengetahui toksisitas antibiotik yang lebih baik maka

selisih antara pre-test dan post-test pada kelompok
Agrobacterium yang diberi Penicillin dibandingkan dengan
selisih antara pre-test dan post-test pada kelompok yang diberi
antibiotik baru XX.

swasono r tamat

Teknik statistik mana yang akan digunakan masih tergantung

pada skala variabel dan banyaknya kelompok yang terlibat,
apakah hanya dua kelompok atau lebih dari dua kelompok.
Bagan ditunjukkan dibawah ini

Analisis Perbedaan

Nomin
al

Chisquare

Ordin
al
Dua
kelomp
ok
Median
test,
Sign test

Lebih dari
dua
kelompok
KruskalWallis

Interval/Ra
sio
Dua
kelomp
ok
Pooled ttest,
Paired ttest

Lebih dari
dua
kelompok
ANOVA
swasono r tamat

SELESAI

Variabel Bebas
Suatu karakteristik yang mempengaruhi variabel
tergantung di area penelitian yang dikerjakan
(menyebabkan timbulnya variabel tergantung atau
menyebabkan variabel tergantung menjadi bervariasi)
Tidak dipengaruhi oleh variabel tergantung

Last JM. A dictionary of epidemiology. New York: Oxford University Press, 1995

Contoh, variabel bebas

Jumlah virus
diare yang
masuk tubuh

Derajat
keparahan
diare

Variabel bebas
Catatan:
Menurut hipotesis: jumlah virus diare yang masuk tubuh akan
mempengaruhi derajat keparahan diare, dan tidak sebaliknya
derajat keparahan diare akan mempengaruhi jumlah virus diare
yang masuk tubuh

Variabel Tergantung
A variable the value of which is dependent on
the effect of other variable(s) in the
relationship under study
A manifestation or outcome whose variation
we seek to explain or account for by the
influence of independent variables

Suatu variabel yang nilainya bergantung pada

variabel lain pada penelitian yang dilakukan

Last JM. A dictionary of epidemiology. New York: Oxford University Press, 1995

Contoh, variabel
tergantung
Jumlah virus
diare yang
masuk tubuh

Derajat
keparahan
diare

Variabel tergantung
Catatan:
Dalam penelitian ini akan dibuktikan bahwa derajat keparahan diare
bergantung pada jumlah virus diare yang masuk tubuh

Variabel tergantung
sebagai variabel bebas?
Penelitian A
Obesitas
Variabel bebas

Dislipidemia
Variabel tergantung

Penelitian B
Dislipidemia
Variabel bebas

Penyakit jantung
koroner
Variabel tergantung

Confounding variable,
variabel antara, dan
variabel luar
A

Variabel luar

Variabel luar

Variabel bebas

Variabel antara Variabel tergantung

Confounding variable
Variabel luar

Variabel luar

Confounding variable,
contoh
(+)?
Minum kopi

Penyakit jantung
koroner

+
Merokok

Perokok lebih banyak minum kopi dibandingkan dengan bukan perokok

Perokok lebih banyak yang menderita penyakit jantung koroner
Tanpa variabel merokok ada hubungan antara minum kopi dengan
penyakit jantung koroner benarkah ada hubungan?

Confounding variable,
contoh

Makan
permen

(-)?
?

Karies gigi

+
Gosok gigi

Tidak ada hubungan antara makan permen dengan karies gigi,

karena kelompok makan permen banyak yang gosok gigi

Confounding by
indication, contoh
Pemberian
plasma

Prognosis

Sembuh
Diberi plasma
Tidak diberi

Meninggal

20 (33.3%) 25 (62.5%) 45 (45%)

40 (66.7%) 15 (37.5%) 55 (55%)
60 (100%) 40 (100%) 100

X2 = 7.113

df = 1

p = 0.008

Confounding by
indication, contoh
Variabel bebas

Variabel tergantung

Pemberian
plasma

Prognosis
Confounding

Shock berat
Shock berulang
Shock lama
Shock + pendarahan

Counfounding harus
dikontrol
Identifikasi
(memerlukan studi literatur yang baik)

Singkirkan

Counfounding harus
dikontrol
Studi literatur baik
Kerangka teoretis baik
Kerangka konseptual baik
Hubungan antar variabel benar

Counfounding harus
dikontrol
Singkirkan counfounding
1 Dengan desain (by design)

Dengan analisis statistik

(by statistical analysis)

Counfounding harus
dikontrol
Menyingkirkan dengan desain

1 Restriksi (membuang, dengan kriteria

inklusi atau eksklusi)
2
3

Matching
(mencocokkan, menyamakan)
Randomisasi
(pengacakan)

Restriksi
Variabel tergantung

Variabel bebas

Minum kopi

Penyakit jantung
koroner
Merokok
Confounding

Dimasukkan ke dalam kriteria inklusi:

bukan perokok

Kriteria inklusi - eksklusi

Populasi terjangkau
Sampel
Kriteria inklusi
Kriteria eksklusi
Subjek eligible

Kriteria inklusi - eksklusi

Kriteria inklusi bukan kebalikan eksklusi
Contoh (salah):
Kriteria inklusi:
Minum kopi
Bersedia ikut penelitian
Kriteria eksklusi:
Tidak minum kopi
Tidak bersedia ikut penelitian

Kelebihan dan kekurangan

restriksi
Sangat praktis, karena pengaruh
merokok (pada kelompok yang
diteliti maupun kontrol) dapat
dihilangkan dalam penelitian kalau
ada hubungan antara minum kopi
dengan penyakit jantung pasti bukan
karena merokok
Kelemahan: sulit memperoleh subjek
penelitian (banyak peminum kopi
juga merokok), generalisasi sulit (di

Matching
Mencocokkan, menyamakan
1

Frequency matching

Individual matching (lebih baik!)

Frequency matching,
contoh
Pemilihan subjek pada kelompok
yang diteliti dan kontrol dibatasi oleh
faktor yang diduga sebagai
confounding yang nyata
Contoh:
Penelitian pengaruh pil KB terhadap
agregasi trombosit pemilihan subjek
dibatasi oleh umur, status
reproduksi,
jumlah
anak
Catatan:
cara ini terlaludan
longgar,
kurang dapat
mengontrol confounding
(confounding) kriteria inklusi

Individual matching,
contoh
Kelompok yang diteliti

1
Minum
kopi + merokok

Kelompok kontrol
Tak minum kopi + merokok

2
Minum
kopi + tidak merokok

Tak minum kopi + tidak merokok

3
Minum
kopi + tidak merokok

Tak minum kopi + tidak merokok

4
Minum
kopi + merokok

Tak minum kopi + merokok

dst
Minum kopi

Penyakit jantung koroner

Merokok

Individual matching
Kelebihan:
Karena telah disamakan tidak berperan
dalam analisis
Kekurangan:
Bila banyak confounding banyak matching
sulit cari kontrol
Over-matching (matching bukan untuk
confounding) sulit cari kontrol +
menyebabkan distorsi hasil penelitian

Randomisasi
Cara amat efektif untuk menghilangkan
pengaruh confounding
Confounding terbagi seimbang antara
kelompok penelitian
Berlaku juga bila confounding tidak diketahui
sebelum penelitian dilakukan
Syarat:
Randomisasi dilakukan dengan benar
Jumlah subjek cukup besar, misal > 100 per
kelompok

Randomisasi, contoh
Populasi target

Populasi terjangkau
Random
Sampel
Minum kopi

Orang dewasa
(jumlah tidak terbatas)

Orang dewasa di kota Jogja,

Januari 2006-Desember 2006
(jumlah = 800.000)
Disebut random sampling
Orang dewasa di kota Jogja,
Januari 2006-Desember 2006
(jumlah = 80)

Tidak minum kopi

Randomisasi, keuntungan
Variabel bebas

Variabel tergantung

Minum kopi

Penyakit jantung

Merokok
Confounding diketahui sebelumnya

Makan mentimun
Confounding tidak diketahui sebelumnya
Catatan: walaupun tidak diketahui sebelumnya, pengaruh confounding
makan mentimun telah disamakan dengan randomisasi

Counfounding harus
dikontrol
Singkirkan counfounding
1 Dengan desain (by design)

Dengan analisis statistik

(by statistical analysis)

Mengontrol confounding
dengan analisis statistik
1

Stratifikasi
Analisis multivariat

Mengontrol confounding
dengan analisis statistik
Penyakit
Penyakit
jantung (+) jantung (-)

Jumlah Ratio Odds

Semua subjek
Minum kopi 40
26
66 40x36 / 18x26
Tak kopi
18
36
54 = 3,08
Jumlah 58
62
120
Perokok
Minum kopi 22
15
37 22x20 / 6x15
Tak kopi
6
20
26 = 4.89
Jumlah 28
35
63
Bukan perokok
Minum kopi 18
11
29 18x16 / 12x11
Tak kopi
12
16
28 = 2,18
Jumlah 30
27
57

sio Odds Mantel-Haenszel = (22x20/63+18x16/57) : (6x15/63+12x11/57) = 3,22

Analisis multivariat
Variabel bebas-1

Variabel bebas-2

Variabel tergantung

Variabel bebas-3

Variabel tergantung-1

Variabel bebas

Variabel tergantung-2

Variabel tergantung-3

Analisis multivariat
Usia ibu

Paritas

Berat lahir bayi

Berat ibu sebelum

hamil
Nilai Bahasa Inggris

Nilai tes IQ

Nilai Matematika

Nilai IPA

Analisis multivariat,
regresi multipel
Usia ibu
(dalam tahun)

Paritas
(dalam angka)
Berat ibu sebelum
hamil (dalam kg)

Berat lahir bayi

(dalam gram) numerik/ kontinu

Y = a + b1x1 + b2x2 + b3x3

Y = berat lahir bayi (gram)
a = konstanta
b1, b2, b3 = koefisien regresi tiap variabel
X1= usia ibu (tahun)
X2 = paritas
X3 = berat badan ibu sebelum hamil (kg)

Analisis multivariat,
regresi logistik
2

Usia ibu
(dalam tahun,
muda / tua)
Paritas
(dalam angka,
primi / multi)
Berat ibu sebelum
hamil (dalam kg,
normal/ rendah)

Berat lahir bayi

(dalam BBLR dan bukan BBLR
skala biner / dikotom