TOPIK 1
EFFECT SIZE & CI
EFFECT SIZE
CONVIDENCE INTERVAL
Learning Objective
EFFECT SIZE
Menjelaskan pengertian effect size
Menjelaskan ukuran-ukuran effect size
Membedakan effect size dengan nilai p
CONVIDENCE INTERVAL
Menjelaskan pengertian CI
Menjelaskan kegunaan CI
ISTILAH
Type I Error ()
Kemungkinan menolak Ho yang seharusnya
diterima
Tingkat kemaknaan ()
Tingkat kesalahan type I yang bisa diterima (0,05
atau 0,01)
Nilai p
Kemungkinan hasil penelitian yng didapat karena
faktor kebetulan (by chance)
Kesalahan tipe I dan II
HASIL TEST POPULASI
PADA SAMPEL
HO DITERIMA HO DITOLAK
HO DITERIMA KEPERCAYAAN KESALAHAN TYPE II
(1-) ()
HO DITOLAK KESALAHAN TYPE I POWER
() (1-)
EFFECT SIZE
Besar dan arah efek suatu paparan/perlakuan
Dipakai menilai practical significant dari satu
penelitian
Berbeda dengan statistical significant, yang
menyatakan bahwa hasil tersebut terbebas
dari faktor kebetulan, tetapi tidak menjelaskan
berapa besar dan arah efeknya
Effect Size pengukuran perbedaan
rerata
Uji t independent
Cohens d = (M1-M2)/Sdpooled (homogen)
Glasss = (M1-M2)/Sdkontrol (heterogen)
Eta2 (2) = t2/(t2+n-1)
ANOVA
Eta2 (2) = SS between grp/SS total
Klasifikasi Effect Size Beda Mean
Effect size dikalsifikasikan menjadi:
Small, bila : ES = 0,2-0,5
Medium, bila: ES = 0,5-0,8
Large, bila : ES = 0,8 -
Ilustrasi
efek Tx terhadap kadar GDP
Tx
Klp A OA xa =225 ( 75)
To
Klp B OB xb =250 ( 76)
Effect size (ES) = x a x b =225 250 = - 25
d (Cohen) = 25/76 = 0,36 (small)
Hasil uji mendapatkan nilai p = 0,001
berarti 1/1000 kemungkinan hasil itu karena
faktor kebetulan (by chance) berarti nyata
Ilustrasi Kasus
efek ada tetapi tdk signifikan
Tx Rerata
n1=10 O1 90 (20)
n2=10 To
O2 60 (20)
Effect Size = 30
Cohen = 30/20 = 1,5 (Large ES)
Uji Statistik mendapatkan nilai p = 0,114
Ho diterima, tidak ada efek
Hasil ini penting tetapi tidak significant,
kenapa ?
Ilustrasi Kasus
efek kecil tetapi signifikan
Tx Rerata
n1=200 O1 65 (20)
n2=200 To
O2 60 (20)
Effect Size = 5
Cohen = 5/20 = 0,25 (Small ES)
Uji Statistik mendapatkan nilai p = 0,004
Ho ditolak, ada efek
Hasil ini tidak penting tetapi significant,
kenapa ?
Effect Size Hubungan (Korelasi)
Koefisien korelasi Pearson (r) : variabel
menerik-numerik
Koefisien korelasi Speraman (rs):
variabel orinal atau ranking
Koefisien korelasi Kendall (): variabel
ordinal atau rank
Koefisien Determinasi (r2): pengaruh
Klasifikasi ES asosiasi
Kuatnya asosiasi diklasifikasikan menjadi:
Tidak ada korelasi: bila r = 0
Korelasi Ringan, bila r =0,1 0,3
Korelasi Sedang, bila r = 0,4 0,6
Korelasi Kuat, bila r = 0,7 0,9
Korelasi Sempurna, bila r = 1
Effect Size pada regresi
Regresi linier
Koefisien determinasi R2
Koefisien determinasi dengan koreksi: adjR2
Koefisien regresi standar:
Regresi logistik
OR terkoreksi: adjOR
Effect Size Crosstabulation
Perbedaan risk
RD (relative difference) = (p1-p2)
RR (risk relative) = (p1/p2)
OR (odd ratio) = {(p1/q1)/(p2/q2)}
Asosiasi
Phi coeff () untuk tabel 2x2
Contingency coeff (C) untuk tabel rxc
CONVIDENCE INTERVAL
Confidence Interval (CI)
POPULASI
atau
ESTIMASI RANDOM ESTIMASI
SAMPEL
P & mean
Point Estimate Mean atau Proporsi
Interval Estimate Confidence Interval
CI adalah pekiraan rentangan nilai
parameter populasi
Tingkat dan rentang kepercayaan
confidence level & interval
Convidence
/2 Level (1-) /2
LL convidence interval UL
Batas bawah batas atas
Cara Penghitungan CI
atau P
LL Convidence Interval UL
Rerata :CI = M Z x SE
Proporsi :CI = P ZxSE
Nilai CI berhubungan dengan jumlah sampel, makin
besar sampel, makin sempit CI
Kegunaan CI
CI digunakan untuk estimasi dan uji hipotesis
Estimasi Hb populasi
Rerata Hb=11 dan Ci95% (10-13), artinya 95%
kemungkinan rerata Hb populasi besarnya
antara 10-13
Uji hipotesis
Ho diterima bila nilai Ho di dalam CI
Ho ditolak bila nilai Ho di luar CI
Ilustrasi Estimasi Prevalensi Anemi
Survei anemia ibu hamil didapatkan
prevalensi anemi (p) = 0,35 dengan CI
95% (0,25-0,44)
Dari hasil ini dapat disimpulan bahwa
95% kemungkinan kejadian anemia ibu
hamil di populasi antara 25% - 44%
CI dalam Uji Hipotesis Compare
Mean
Compare mean
Ho: 1-2 = 0 (tidak ada perbedaan)
Ha: 1-2 # 0 (ada perbedaan)
Simpulan:
1. Ho diterima bila Nol dalam CI
2. Ho ditolak bila Nol di luar CI
Ilustrasi (compare mean)
Ho diterima
LL CI UL
(-) (+)
- 5,0 10
Ho ditolak
LL CI UL
LL CI UL
(-) (-) (+) (+)
-5 -1 5 10
Ilustrasi Penggunaan CI untuk uji
Hipotesis Beda Mean
Survei anemia ibu hamil di kota dan di desa
didapatkan beda rerata Hb=2 (di kota = 12
dan didesa 10) dengan CI 95% (1,1-2,9)
Simpulan
Ho ditolak, rerata Hb ibumildi kota lebih
tinggi dari ibumil di desa
Ilustrasi (risk ratio: RR, OR)
Ho. RR=1 atau OR=1
Ho diterima (angka 1 dalam CI)
LL CI UL
0,1 10
Ho ditolak (angka 1 di luar CI)
LL CI UL
LL CI UL
0,1 0,9 1,1 6,6
Ilustrasi uji hipotesis beda risk
Penelitian case-control hubungan merokok
pada bumil dengan BBLR didapatkan OR
merokok/nonperokok = 3,5 dengan CI 95%
(1,5 5,8)
Simpulan
Ho ditolak, risiko melahirkan BBL pada ibu
merokok 3,5 lebih tinggi dari ibu tidak
merokok
