Anda di halaman 1dari 82

STATISTIK INFERENSI

Statistik inferensi bertujuan untuk menarik


kesimpulan karakteristik (Parameter) populasi
melalui perhitungan statistik sampel.
Dasar : Teori Estimasi (pendugaan/penaksiran)
dan Teori Probabilitas ( peluang ).
2 bagian penting statistik inferensi : Estimasi
dan testing hipotesis
Issue
Berapakah rata rata ( rerata ) kadar gula darah
penderita Diabetes yang telah melaksanakan
pengobatan secara teratur selama 6 bulan ?
Apakah ada hubungannya antara kadar gula darah
dengan keteraturan berobat penderita Diabetes ?
Apakah ada perbedaan kadar gula darah antara
penderita Diabetes laki-laki dan perempuan yang
telah melaksanakan pengobatannya secara teratur
selama 6 bulan ?
CONTOH - 1
Seorang dokter anak ingin membuktikan bahwa pemberian
antipiretika parenteral disertai dengan kompres alkohol pada anak
febrile confulsion lebih cepat menghilangkan episode kejang
dibanding dengan diberi anti piretik parenteral saja
Dari 100 penderita anak dengan febrile confulsion di bangsal anak
RSSA, dibagi 2 kelompok masing-masing n1=50 dan n2=50. Terhadap
kelompok n1 diberikan injeksi parentral dengan dosis sesuai berat
badan dan umurnya dan disertai kompres alkohol, sedang terhadap
kelompok n2 diberikan antipiretika parenteral sesuai standar . Hasil
percobaan mengukur lama sejak tindakan sampai hilangnya episode
kejang selama 2 jam. Hasilnya ternyata kelompok 1 rata-rata 30 menit
sedang pd kelompok 2 rata-rata 40 menit;
APAKAH BENAR DUGAAN (HIPOTESIS) DOKTER ANAK
TERSEBUT BAHWA PEMBERIAN ANTIPIRETIK PARENTERAL
DISERTAI KOMPRES ALKOHOL LEBIH CEPAT
MENGHENTIKAN KEJANG AKIBAT FEBRIS DIBANDING
PEMBERIAN ANTIPIRETIKA SAJA ?
Contoh - 2
Seorang mahasiswa kedokteran mendapati konsep bahwa beberapa
titik akupunc tur dapat menghentikan rasa mual (nausea). Mhs
tersebut mencoba efektifitas accupuncture titik tersebut terhadap
emesis gravidarum dibanding dengan accupressure.
20 Ibu hamil dengan emesis gravidarum, dibagi menjadi dua
kelompok A dan B. Kelompok A, n1=10, diberikan pengobatan
akupunctur secara standar. Kelompok B, n2=10 diberi accupressure
pada titik yang sama dengan waktu yang sama. Hasilnya 4 dari 10 (40
% ) sampel kelompok A menunjukkan tanda berhentinya emesis
gravidarum , sedang dari kelompok B, hanya 3 dari 10 sampel ( 30 % )
APAKAH BENAR DUGAAN (HIPOTESIS) MAHASISWA
TERSEBUT BAHWA PEMBERIAN AKUPUNCTURE LEBIH
BERHASIL MENURUNKAN GEJALA EMESIS DIBANDING
AKUPRESSURE?
ESTIMASI..?
Proses menduga nilai PARAMETER dari nilai
STATISTICS
Estimasi berhubungan dengan mendeskripsi kan
karakteristik (parameter) populasi berdasarkan
sampel.
Statistik sampel (x,sd,p,r ) yang digunakan untuk
menduga parameter populasi ( , ,P,R ) disebut
Estimator
Nilai yang digunakan untuk menduga parameter
populasi disebut Estimit,rerata berat badan 60 kg.
PROSES ESTIMASI
SAMPLE
POPULASI ESTIMASI x1, p1
, P n1

X 1 - 1,96 . SE X1 X1 1,96 . SE X1
n1

x1 x 2
n2
n2 x2, p2

X 2 - 1,96 . SE X X 2 1,96 . SE X
2 2

ESTIMATION OF PARAMETER FROM STATISTICS


Prinsip dasar memilih estimator
Untuk karakteristik kontinyu, estimasi dilakukan
dengan : Mean, simpangan baku atau koefisien
korelasi
Untuk karakteristik katagori atau deskret , estimasi
pada umumnya dilakukan dengan proporsi
Untuk karakteristik ordinal atau kontinyu yang tidak
terdistribusi secara normal, estimasi biasanya
dilakukan dengan Median atau Modus.
PRINSIP DASAR PENGEMBANGAN
FORMULA ESTIMASI

Parameter : , P, dan R
Statistics : x, p dan r
Model distribusi teoretik : Distribusi Normal,
Distribusi t
Parameter :
Statistik : s
Model distribusi teoretik : Distribusi F
Parameter : Distribusi jumlah sel
Statistik : distribusi sel dari sampel
Model distribusi teoretik : Chi-square ( 2)
LANGKAH :
Apa parameter ( karakteristik populasi ) yang
akan dideskripsikan ( ,P,R, ).
Apa dasarnya ?
Pilih Sampel representatif (n) dari Populasi (N)
Hitung nilai statistik yg sesuai (x, p,r,s)

Lakukan Estimasi nilai parameter dari x,


dari s , R dari r atau P dari p, dengan teknik
Estimasi yang sesuai
Interpretasi hasil estimasi
Estimator
yang baik.?
1. Unbias
nilai hasil statistik sampel sama dengan nilai
parameter populasi. Mungkinkah ?
2. Effisien
Statistik sampel yang digunakan mempunyai
kesalahan baku paling kecil
3. Konsisten
Bila besar sampel bertambah nilai statistik sampel
akan lebih mendekati nilai parameter populasi.
Interval keyakinan
Estimasi nilai parameter populasi tidak
mungkin tepat atau benar 100 % , mengapa ?
Namun estimasi nilai parameter populasi dari
statistik sampel dapat dipercayai atau diyakini
terletak diantara rentang nilai statistik
Rentang nilai statistik didasarkan pada tingkat
keyakinan : interval keyakinan yang kita
inginkan ( confidence interval ) apakah 90 % ,
95 % ataukah 99 %.
Contoh
Andaikan rerata kadar gula darah 60 penderita
Diabetes ( sampel ) yang telah berobat teratur selama
6 bulan sebesar : 150 mg %, dengan simpangan
baku : 10 mg %.
Andaikan Interval keyakinan 95 %, nilai reratanya
terletak 140 160 mg %, artinya kita yakin 95 %
bahwa rerata kadar gula darah sesungguhnya
penderita Diabetes yang telah berobat teratur selama
6 bulan terletak antara 140 mg % dan 160 mg %
Macam Estimasi
1. Estimasi satu populasi
a. Nilai rata rata
- Point estimasi atau interval estimasi
b. Nilai proporsi
- Point estimasi atau interval estimasi
2. Estimasi dua populasi
a. Perbedaan nilai rata rata
- Interval estimasi
b. Perbedaan proporsi
- Interval estimasi
PROSES ESTIMASI SATU POPULASI

SAMPLE
POPULASI ESTIMASI x1, p1
, P n1

Point Estimate
of Population Mean
n1
X1 - 1,96 . SE x X1 1,96 . SE x
1 1
S
SE X
n
Lower 95% Interval Estimate of
Confidence Limit Population Mean

95% Confidence Coeficient

ESTIMATION OF PARAMETER FROM STATISTICS


Contoh Estimasi satu populasi
Dalam suatu daerah tertentu berat badan waktu lahir bayi
Laki-laki tersebar secara normal dengan = 3,3 Kg , =0,5.
Dari sampel acak 100 bayi laki-laki yang lahir dari kelompok
Etnis tertentu mempunyai berat waktu lahir = 3,2 Kg.
Apakah berat rata rata waktu lahir bayi laki laki dari sub kelompok
etnis berbeda dengan berat rata rata waktu lahir didaerah tsb ?
(X - ) Z= (3,2 3,3) / (0,5 /100) = 2
Z= --------- Z hitung > 1.96
/ n
Apabila tingkat kepercayaan 95 % .. Nilai Z = 1,96
Kesimpulan secara statistik berbeda bermakna
Berapa peluang untuk mendapatkan bayi lahir dengan BB > 3,2 Kg ?
MENGHITUNG LUAS AREA DIBAWAH
KURVA NORMAL
Lihat tabel 6.1 hal 70 Kuzma
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
etc
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4812 .4817
etc
2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4963 .4964

.3413

A = 0.500 - .3413 = 0.1587

Z=0.0 1.0
ESTIMASI PARAMETER DUA POPULASI

POPULASI-1 x1

1 ? p1

P1 ?

x1 x2 ? 1 = 2 ?

POPULASI-2 p1 = p2 ? p1 = p2 ?

2 ?
P2 ?
x2
p2
SE p = p (1-p) /n
TEST OF TWO INDEPENDENT SAMPLE
MEANS

DATA-1: n1, X1, S1 DATA-2: n2, X2, S2


ex : n1=30, X1=11,4 ex: n2 = 40, X2= 10,0
dan S1=1,2; dan S2=1,5

Is 1 2 ?
x1 - x 2 - 0
s (n1 - 1) s (n 2 - 1)
2 2
t
Sp 1 2
sp 1/n1 1/n 2
n1 n2 2

IF t computed > t(n1 - n2 - 2),=0.05 then 1 2


IF t computed t(n1 - n2 - 2), =0.05 then 1 = 2
CONTOH - 1 (Kuzma, p.113-114)
Apakah Olah Raga Jogging meningkatkan VO2 max ?
(A) Joggers group (B) Non-Joggers group
n1=25; x1=47.5 ml/Kg; s1=4.8 n2=26; x2=36.5 mg/Kg; s2=5.1

4,8 2 . (25 - 1) 5,12 . (26 - 1) 1203,21


Sp 4,96
25 26 - 2 49

47,5 - 37,5 - 0 10.00


t computed 7,2
4,96 1/25 1/26 1,39
t ( n1n 2 2 ), 0.05 t 49, 0.05 2,58 (Kuzma, Table 7.2, p 85 : col.3, row

SINCE t computed > t (n1+n2-1), 0.05 THEN IT IS TRUE THAT JOGGERS


GROUP HAS HIGHER VO2 MAX THEN NON JOGGERS GROUP.
TEST OF TWO RELATED OR PAIRED
SAMPLE MEANS (Kuzma, p 118)
Apakah olah raga jogging meningkatkan VO2 max?
40 mhs non-joggers diukur vo2 max(n=40, x1=47,5 dan s1=4,8);
Kemudian di masukkan DIKLAT untuk dilatih jogging 1 jam
per hari selama 1 bulan, kemudian diukur vo2maxnya (x2=37,5
dan s2=5,1).
SOLUTION :
Hitung selisih VO max sebelum dan sesudah latihan jogging
2
sehingga didapat rata-rata perubahan VO2max (d) dan
Standard Deviasi perubahan VO2max (sd);
Hitung tcomputed = (d - 0) / [s / n]
d
IF t computed > t
(n-2), =0.05 THEN Jogging increase VO 2max;
Otherwise Jogging has no effect on VO2 max.
DIKLAT
Jogging
Non Non Jogger
Jogger Post
n = 40 Diklat

x1 = 47,5 ml/kg d x1 = 37,5 ml/kg


s1 = 4,8 ml/ kg s1 = 5,1 ml/ kg

tcomputed = (d - 0) / [sd / n]
TEST OF TWO INDEPENDENT
PROPORTION (Kuzma, p 135-138)

Seorang Perawat Puskesmas melakukan


kampanye anti rokok pada orang laki-laki
dewasa pada tahun 1965-1980. Pada awal 1965,
dipilih 100 lelaki dewasa, ternyata 51 orang
adalah perokok. Tahun 1980, dari 100 lelaki
yang dipilih secara acak, ternyata 43 orang
perokok.
PROBLEM : Apakah kampanye anti rokok
berhasil menurunkan proporsi perokok
dikalangan lelaki dewasa ?
SOLUTION
n1=100; p1 = 0,51; n2=100; p2 = 0,43;
pgabungan = p = (p1,n1+p2.n2)/(n1+n2) = (51+43)/200=0.47
q GABUNGAN = q = 1-p = 1 - 0.47 = 0.53
SE(p1-p2) = [(pq/n1)+(pq/n2)]=
[(0,47.0,530/100)+(0,47.0,53/100)] = 0.071
Zcomputed = (p1-p2-0)/[SE(p1-p2)] = (0.51 - 0.43) / 0.071 = 1.13
IF you decide to use 95% confidence interval, Z tables = 1,96
and for 99% confidence interval, Z tables = 2.86;
IF Z computed > Ztables, THEN most probably p1 p2
IF Z computed Z tables, THEN most probably p1 = p2
PEMILIHAN METODA STATISTIK
BEDA DUA POPULASI

Dependent variabel = quantitatif, Independent = nominal


(kualitatif)
Dua populasi Independen (beda rata-rata prestasi akademik
mahasiswi vs mahasiswa)
Independent t - test

Dua populasi berpasanganatau paired (beda rata prestasi


mahasiswa sebelum dan sesudah kursus)
paired t-test

Dependent variabel = qualitatif, Independent = nominal


(kualitatif)
Beda proporsi dua populasi independen

Beda p
Chisquare
Beda proporsi dua populasi paired : McNemar Test
( TESTING HYPOTHESIS )
HIPOTESIS?
Pernyataan atau kesimpulan atau dugaan
sementara tentang keadaan populasi.
Hipotesis menyatakan parameter populasi dari
variabel yang terdapat dalam populasi dan
dihitung berdasarkan statistik sampel
Hipotesis selalu dirumuskan terlebih dahulu
sebelum pengambilan sampel
Mengapa perlu diuji dan Apa
yang di uji?
Hipotesis mungkin benar atau mugkin tidak benar
( ketidak pastian )
Pengujian dilakukan dengan membandingkan hasil
statistik sampel dengan nilai hipotesis.
Bila perbedaan nilai statistik dengan nilai hipotesis
tersebut kecil kita menerima hipotesis.
Tetapi bila perbedaan nilai tersebut besar maka kita
menolak hipotesis.
Pengujian hipotesis apakah
merupakan pembuktian
kebenaran ?
Pengujian hipotesis secara statistik berupa
menerima atau menolak hipotesis null (Ho)
Statistik sama sekali tidak melakukan
pembuktian kebenaran.
Dasar pengujian hipotesis adalah probabilitas.
Hipotesis Null vs Hipotesis Kerja
Hipotesis kerja ( Alternatip ), H1, Ha:
* Hipotesis yang dirumuskan peneliti
* Hipotesis yang akan diuji

Hipotesis Null ( Ho ) :
* Hipotesis yang akan di uji dengan perhitungan statistik.
* Pada uji statistik diformulasikan untuk tidak diterima.
* Biasanya formulasinya :
* Tidak ada perbedaan dua atau lebih variabel
* Tidak ada hubungan dua atau lebih variabel
* Persamaan dua atau lebih variabel
* Berlawanan dengan hipotesis kerja
Power
Probabilitas untuk menolak hipotesis nol ( menerima
hipotesis kerja ) dan sesungguhnya pada populasi ada
perbedaan. PADA POPULASI
berbeda tak berbeda

HO Kesalahan
POWER Type I
ditolak 5%
(1)
UJI
( berbeda) ( ) 1%
HIPOTESIS Kesalahan
Type I I (1-)
HO
diterima ( ) 5 20 %
(tak beda )
BENTUK PENGUJIAN : SATU ARAH atau DUA ARAH

Penerimaan
Penolakan H0 Penolakan
H0 H0
0.025 0.025
( 2,5 % ) 95 % ( 2,5 % )
-1.96 s x +1.96 s

= 5 % atau p = 0.05 ; = 1 % atau p = 0.01

H0 : sama / tak ada beda / tak ada hubungan ( uji dua arah )
H0 : lebih besar dari / lebih kecil dari ( uji satu arah )
pengujian hipotesis
Komparasi : Perbedaan
Hubungan variabel :
Hubungan assosiasi
Hubungan korelasional
Hubungan timbal balik ( relationship ) .Regresi
Parameter yang diuji
Uji nilai rata-rata hitung ( Mean ):
- independen
- pasangan ( paired )
Uji Variabilitas terhadap Mean ( Varian )
Uji nilai Proporsi
Uji koefisien korelasi ( r )
Uji Regresi
HUBUNGAN VARIABEL

Var Prakondisi
A

* INDEPENDEN VAR
VAR
BEBAS Y * DEPENDEN
X
FAKTOR RESIKO TAK BEBAS
CAUSAL
Var OUT COME
Confounding B
EFFEK

Var
C
Variabel perantara
UJI t INDEPENDENT
UNIVARIAT: HUBUNGAN 1 VARIABEL
INDEPENDET DAN 1 VARIABEL
DEPENDENT
INDEPENDENT VAR : SKALA NOMINAL
DEPENDENT VAR ; SKALA NUMERIK
Uji t untuk satu variabel bebas
Ho : Tidak ada perbedaan kadar Cholesterol darah siswa SD di
daerah perkotaan dengan Siswa SD di daerah pedesaan.
Level sign : 95 % ( p = 0.05 )

SD n = 100, Rerata Kolesterol = 182 mg/ml


Urban sd = 19,2

SD
Rural n = 100, Rerata kolesterol = 160 mg/ml, sd = 22,4

Uji t independen, df = 198, p= 0,0032 Tolak Ho. INTERPRETASI ?


Uji t untuk data pasangan ( PAIRED t-TEST.
Ho: tidak ada perbedaan tekanan darah antara sebelum dan sesudah
pemberian obat X.

Before After differences

132 136 4
160 130 - 30
145 128 - 17
.. .
134 136 2
123 111 -12
- dihitung Mean differences dan Sd differences
- gunakan statistik t test dari differences
- interpretasi hasil p lebih kecil atau lebih besar dari 0.05
ASUMSI DASAR UJI t

- Distribusi dari variabel adalah normal


- Kedua populasi dimana sampel tersebut ditarik mempunyai
varians yang sama
ANOVA : ANALYSIS OF
VARIANCE
Kita akan meneliti hubungan antara ibu merokok dengan
berat badan bayi yang dilahirkan.

Tidak merokok I pak sehari > 1 pack

n = 10 n = 10 n = 20
Nilai BB bayi nilai BB bayi nilai BB bayi
Mean BB Mean BB Mean BB
Chi-Square test
CHI-SQUARE TEST

DATA KUALITATIP
DATA KATEGORI ( SKALA KONTINUE KE
SKALA KATEGORI )
HUBUNGAN (ASSOCIATION ) ANTARA DUA
VARIABEL
DASAR : KOMPARASI FREKWENSI
PENGAMATAN ( OBSERVED FREQUENCIES )
DENGAN FREKWENSI YANG DIHARAPKAN
( EXPECTED FREQUENCIES
EXPECTED FREQUENCIES dan
OBSERVED FREQUENCIES
Ambil satu uang logam dan lemparkan keatas
kemudian tangkap kembali dengan telapak tangan
kanan lalu tutup dengan telapak tangan kiri. Coba
tebak yang menghadap keatas apakah Gambar atau
Angka yang sdr inginkan ? Sekarang buka dan lihat
apakah sesuai dengan yang sdr inginkan ?

FORMULA :
X = ( O E ) / E dengan
Derajat bebas ; ( k 1 ) ( b 1 )
Bandingkan dengan Nilai X tabel
Penggunaan
Chi-Square test
independensi antara dua variabel (association test)
Homogenitas berbagai subgroup (homogenity test)
Perbedaan antara dua proporsi (significancy test
between two proportion )
Nilai pengamatan apakah mengikuti salah satu
distribusi tertentu (Goodness of fit test)
Test association
dr. Jack ingin mengetahui apakah dikalangan remaja
perokok juga peminum kopi ?
Apakah pada ibu hamil yang minum alkohol
berpengaruh terhadap berat badan bayi yang
dilahirkannya ?
Apakah ada hubungannya antara lama belajar dengan
Indeks Prestasi ?
Bila X hitung > X tabel : ada assosiasi antara dua
variabel
Test homogenity
Apakah berbagai kelompok etnis ada
hubungannya dengan merokok ?
Apakah ada hubungan antara berbagai status
sosial ekonomi dengan kebiasaan
mengkonsumsi narkoba ?
Bila hasil X hitung > X tabel : hasil
pengamatan dari berbagai sub kelompok
tersebut berbeda.
Test significancy of two
proportion
Apakah ada perbedaan antara kelompok yang diberi
vit. C dengan kelompok yang diberi placebo terhadap
penyakit influensa ?
Apakah ada perbedaan antara kelangsungan berobat
dengan kesembuhan penyakit TBC ?
Interpretasi : Bila hasil X hitung > X tabel : ada
perbedaan antara proporsi dua variabel
Test goodness of fit
Apakah distribusi pengamatan dari data yang
dikumpulkan antara variabel merokok mengikuti
pola distribusi normal pada populasi ?
Formula : X = ( O / E ) N
Bila hasil X hitung > X tabel : Frekwensi
distribusi variable tersebut mengikuti distribusi
Normal .
Ketentuan pemakaian
Chi - Kuadrat
Jumlah sampel harus cukup besar
Pengamatan bersifat independen
Digunakan pada data deskrit atau data kontinyu yang
telah dikelompokkan menjadi kategori
Jumlah frekwensi yang diharapkan harus sama
dengan jumlah frekwensi yang diamati
Pada derajat bebas sama dengan 1 tidak boleh ada
nilai expected < 5
Keterbatasan
Chi-Square test
Bila salah satu cell expected frek kurang dari
5 ------ tak dapat digunakan ---- gunakan
Fisher test.
Tidak dapat menunjukkan kekuatan
hubungannya
Tidak dapat menyimpulkan hubungan sebab
akibat
Rumus umum

(OE)2
X2 =
E

Derajat bebas = ( b -1 ) ( k 1 )
Contoh :Uji hipotesis untuk proporsi

Uji Kai kuadrat ( CHI SQUARE )

Ho : tidak ada perbedaan kesembuhan terhadap penderita


typhus abdominalis antara obat baru dengan obat standar.

50 pend typh abd diberikan obat standart , sembuh 38


50 pend typh abd diberikan obat baru , sembuh 41
Apakah perbedaan ini bermakna ?

Dasar :
- Menilai perbedaa nilai expected dan pengamatan ( observed )
- Tak dapat dihitung reratanya
- Menyatakan assosiasi
Sembuh tak sembuh

Standar 38 (a) 12 (b) 50

Baru 41 (c) 9 (d) 50

79 21 100

Chi Square test : 0,01 < p < 0,05 ATAU Nilai hitung > Nilai tabel

Ea = (a+b)(a+c) / (a+b+c+d)
Eb = ((a+b)(b+d)/ (a+b+c+d)
KORELASI - REGRESI
* Salah satu teknik untuk melihat hubungan yang terjadi
antara satu variabel dengan variabel yang lain.

Derajat hubungan yang terjadi : KORELASI

KORELASI tidak menunjukkan hubungan sebab akibat


timbal balik

* Apabila kita akan melakukan prediksi variasi nilai dari


variabel dependen akibat variasi dari veriabel
independen

Kita gunakan : teknik REGRESI


SAMPEL
SAMPEL

VARIABEL
VARIABEL VARIABEL
VARIABEL
X
X Y
Y

INDEPENDEN DEPENDEN

1. hubungan antara variabel X dan variabel Y .. korelasi


2. besar derajat hubungannya koefisien korelasi
3. perubahan var X memberikan perubahan var Y Regresi
Diagram Scatter :
Y
Y **
* **** **
* * * ***
** * **
** X
X
Tak ada hubungan Hubungan positip

Y
***
***
***
***
X
Hubungan negatip
Korelasi
derajat hubungan atau kekuatan hubungan antar variabel
diukur dengan KOEFISIEN KORELASI ( r )

* harga Koefisien korelasi : +1,0 dan -1,0

Interpretasi Koefisien korelasi ( r )

antara 0,8 - 1,0 = kuat


0,5 - 0,8 = sedang
0,2 - 0,5 = lemah
0,0 - 0,2 = dapat diabaikan
Pembatasan koefisien korelasi :

1. Jumlah pengamatan variabel harus sama, atau kedua nilai


variabel tersebut berpasangan.

2. Secara relatip makin besar koefisien korelasi makin tinggi


derajat hubungan antar variabel, dan sebaliknya.

3. Pola hubungan yang terjadi diasumsikan hubungan linier

4. Koefisien korelasi memperlihatkan adanya kekuatan


hubungan sebab akibat antara variabel yang diukur.

5. Jenis datanya kuantitatip ( numerik )


Teknik korelasi yang paling sering digunakan :

1. Korelasi produk momen dari Pearson


2. Korelasi rank Spearman
3. Korelasi biserial
Korelasi Pearson :

* Bila variabel X dan variabel Y : variabel kontinyu


* Formula :
[ n XY - ( X ) ( Y)]
r = ------------------------------------
n X 2 - (X ) 2 ( n Y2 - ( Y ) 2

- Hubungan antara kadar cholesterol serum dengan


tekanan darah sistolis
Korelasi Spearman :

* Variabel dalam skala ordinal


* Nilai variabel diatur dalam bentuk ranking kemudian dicari
beda dari masing masing pengamatan

* Formula :

6 d12
rs = 1 - -----------
N3 - N
Korelasi biserial :

* Salah satu variabelnya dianggap sebagai variabel dichotomi

* Formula :
_
Xp - X p.q
r = ----------- [ ------- ]
Sx Y

* Contoh : Hubungan IQ dengan kelulusan

data : 60 % lulus akhir tahun kuliah


40 % tidak lulus
Mean IQ lulus = 120
Mean IQ tidak lulus 110
Analisa Regresi
*Regresi sederhana : 2 variabel Int,Var
* Multiple regresi : lebih dari 2 variabel

Bila pola hubungannya dinyatakan dalam bentuk linier


disebut sebagai regresi linier

Bila hubungannya dinyatakan dalam bentuk tidak linier


( Fungsi logaritmik, kwadratik dsb ) disebut regresi non linier

* Hubungan cause dan effek

Regresi seyogyanya dilakukan bila antar variabel menunjukkan


korelasi, baik korelasi positip ataupun korelasi negatip.
Regresi linier sederhana :

Populasi : Y = A + BX

Sampel : Y = a + bx

Y = Variabel tidak bebas


X = Variabel bebas

A atau a = intercept, bilangan konstan rata rata nilai Y jika


variabel X = 0

B atau b = Koefisien regresi, bilangan yang menyatakan


besarnya perubahan Y jika X berubah 1 unit
Y = a + bx
y

b = slope
a

x x+x
Contoh :
Jumlah balita tingkat kematian
di immunisasi ( X ) per kabupaten ( Y )
18 96
20 90
25 80
30 70
33 69
35 60
38 58
40 50

n XY - ( X ) (Y) Y X
b= --------------------- a = Y bx = ---- - b ----
n X2 - (X)2 n n
Buat tabel :

X Y X2 XY

18 96 324 1728
20 90 400 1800
dst
239 573 7607 16209

n XY - ( X ) (Y) Y X
b= --------------------- a = Y bx = ---- - b ----
n X2 - (X)2 n n
a = - 195
b = 129,8
Y = 129,8 1,95 X Bila immunisasi = 50
Y = 129,88 - 1,95 ( 50 ) = 32,8 = 32 ( tingkat kematian )
Pedoman pemilihan statistik uji
Hipotesis
satu variabel bebas

Variabel TEST
Bebas Tak bebas

Nominal Nominal Kai-kuadrat, uji Fisher


Nom ( dikotom ) Numerik Uji t independen, pasangan
Nom ( > 2 nilai ) Numerik ANOVA
Numerik Numerik Korelasi, regresi
Variabel bebas lebih dari satu

Variabel Metode
Bebas Tak bebas

Nominal Numerik ANOVA


Numerik Numerik Multiple regresi
Nom + Numerik Nom (dikotom) Regresi Logistik
Statistik
Non Parametrik
Assumsi
Parametrik test
Sampel dari populasi distribusi normal atau
mendekati normal
Sampel besar ( > 30 )
Varian homogen
Hubungan korelasi variabelnya linier
Syarat : Data berskala interval atau ratio
Assumsi
Non Parametrik
Sampel dari distribusi bebas / tidak
berdistribusi normal / tidak bergantung
distribusi populasi
Tidak tahu distribusi populasi
Keuntungan
Non Parametrik
Tidak ada pembatasan normalitas
Dapat dipakai untuk sampel dari distribusi
normal
Metode lebih mudah
Dapat menggantikan data numerik dengan
jenjang
Cocok untuk data berskala nominal atau
ordinal.
Kerugian
Non Parametrik
Mengabaikan beberapa informasi tertentu,
mis : 125,47 140,62 145,34 bila angka
terakhir 145,34 berubah menjadi 2145,34
maka tetap pada jenjang ke 3.
Power kurang
Tidak di ekstrapolasi ke populasi studi
Metode
Non Parametrik
Uji tanda ( sign test )
Sign Rank test ( Wilcoxon ) ---berpasangan
Rank Sum Test ( Wilcoxon )
Rank Correlation Test ( Spearman )
Fisher Probability exact test
Uji Tanda
Hasil pengamatan didasarkan pada tanda (+)
atau (-) bukan pada besarnya nilai numerik.
Nilai lebih besar dari Md diberi tanda + , nilai
lebih kecil Md diberi tanda , nilai sama
dengan Md = 0
Ho : diharapkan tanda ( + ) sama dengan
tanda ( - ) atau 50 % tanda ( + ) dan 50 %
tanda ( - )
Jika ada perbedaan tanda, apakah memang
berbeda atau kebetulan.
Contoh Uji Tanda
Obat A untuk menghilangkan nyeri , Md
penyembuhan = 8 jam, apakah kombinasi obat
A dan B mempercepat penyembuhan ?
Sampel = 11 pasien
Derajat kepercayaan 95 %
Ho : Md populasi = Md sampel
Dibuat urutan nilai pengamatan :
6 7 8 9 10 10 10 11 11 12 12
- - 0 + + + + + + + +
Terdapat 2 (-) dan 1 ( 0 )
Tabel uji tanda n=10 --- 1 dibuang krn 0
Alpha = 5 % -----nilai ( - ) = 1
Ho diterima ---- tak ada perbedaan
bermakna secara statistik
Wilcoxon rank
Apakah jumlah kunjungan ante natal care ada
hubungannya dengan berat badan bayi lahir ?
Ibu dengan LBWI Ibu dengan bayi normal

n1 Jml kunj Rank n2 jml kunj Rank

1. 3 5.5 1 4 7.5
2. 0 1.5 2 5 9
3. 4 7.5 3 6 10
4. 0 1.5 4 11 15
5. 1 3 5 7 11
6. 2 4 6 8 12
7. 3 5.5 7 10 14
8 9 13
W1 = 28.5 W2 = 91.5

We = n1(n1+n2+1 ) / 2 .. 56
Wilcoxon signed ( data
berpasangan )
Apakah ada hubungannya antara jumlah rokok
yang dikonsumsi sebelum kehamilan dan
sesudah kehamilan
No before after d Rank

1 8 5 3 3(-)
2 13 15 2 2(+)
3 24 11 13 9(-)
4. 15 19 4 4(+)
5. 7 0 7 7(-)
6. 11 12 1 1(+)
7. 20 15 5 5(-)
8. 22 0 22 10 ( - )
9. 6 0 6 6(-)
10 15 6 9 8(-)
11 20 20 - -

Cari : total ( + ) dan Total ( - ) W tabel = (1/2) (n(n+1))/2


Uji sampel berpasangan Wilcoxon Sign Rank
Test
Uji sampel tidak berpasangan . Wilcoxon Rank

Sum Test
Korelasi -----Spearman Correlation

Variabel dalam % dan nilai ekspektasi < 5

Fisher : N ! a ! b! c! d !
(a+b) ! (c+d)! (a+c ) ! ( b+d) !
TERIMA KASIH
ATAS PERHATIAN ANDA
KEMBANGKAN DENGAN
MEMBACA LITERATUR