Urindo Metlit Pengantar Biostat Inferensial Pertemuan Xiii - 2018
Urindo Metlit Pengantar Biostat Inferensial Pertemuan Xiii - 2018
Pertemuan XIII
Atau
Estimasi letak nilai dengan taraf signifikansi 5% dan 1%
= X 1,96 .SE
= X 2,58 .SE
14
Uji Independensi
Di bidang kedokteran tidak jarang ditemukan 2 variabel yang
masing2 terdiri dari beberapa kategori (Tingkat beratnya penyakit
dengan tingkat kesembuhan).
Untuk mengetahui ada/tidaknya hubungan di antara 2 variabel
tersebut dilakukan pengujian hipotesis dengan 2 Ho ditolak =
Kedua variabel ada hubungan (dependen); jika Ho gagal tolak
= Tidak ada hubungan (independen)
Rumus Chi Square (Kai Kuadrat)
2 = (O – E )2
E
2 = Chi Square (Kai Kuadrat)
O = Frekuensi observed (observasi)
E = Frekuensi expected (harapan)
Perbandingan antara frekuensi yang diobservasi dengan frekuensi
yang diharapkan , dalam penghitungan Chi Square ditunjukkan ke15
alam bentuk tabel
Uji ….(Lanjutan)
Contoh
Seorang dokter RS menyatakan bahwa frekuensi anemia pada
Bumil di RS A = di RS B = di RS C. Pernyataan tersebut akan diuji
pada derajat kemaknaan 5% dengan mengambil sampel secara
independen Bumil yang datang masing2: RS A = 50, RS B = 40,
dan RS C = 60. Frekuensi anemia Bumil selama pengamatan: RS
A = 20, RS B = 25, dan RS C = 35.
Penyelesaian
Langkah 1 Untuk menghitung nilai E, buat tabel kontingensi 3 X 2
Rumah Sakit Anemia Tidak anemia Jumlah
1. RS A 20 (E1) 30 (E2) 50
2. RS B 25 (E3) 15 (E4) 40
3. RS C 35 (E5) 25 (E6) 60
Jumlah 80 70 150
Rumus Penghitungan
Jumlah kuadrat total (Sum of square total) = JKT/SST
JKT adalah jumlah dari kuadrat selisih antara setiap nilai
pengamatan dengan mean keseluruhan (grand mean).
Penghitungan Nilai F
F = RKA/RKD
Uji ….(Lanjutan)
n1 = 5 X1 = n2 = 5 X2 = n3 = 5 X1 = N = 15
12,68 12,72 13,07 Xt = 12,83
Uji ….(Lanjutan)
Menghitung Jumlah Kuadrat Total (JKT)
JKT = (X1 – Xt )2 + (X2 – Xt )2 + …. + (Xn – Xt )2
JKT = (10 – 12,83)2 + (11 – 12,83)2 + (13 – 12,83)2 + (14,4 – 12,83)2 + (15
– 12,83)2 + (9,8 – 12,83)2 + (11,2 – 12,83)2 + (13,4 – 12,83)2 + (14,2 –
12,83)2 + (15 – 12,83)2 + (11 – 12,83)2 + (12,2 – 12,83)2 + (13,6 – 12,83)2
+ (14,2 – 12,83)2 + (14,4 – 12,83)2
JKT = 45,99
Menghitung Jumlah Kuadrat Dalam Kelompok (JKD)
JKD = (Xn – Xn )
JKD = (10 – 12,68)2 + (11 – 12,68)2 + (13 – 12,68)2 + (14,4 – 12,68)2 + (15
– 12,68)2 + (9,8 – 12,72)2 + (11,2 – 12,72)2 + (13,4 – 12,72)2 + (14,2 –
12,72)2 + (15 – 12,72)2 + (11 – 13,07)2 + (12,2 – 13,07)2 + (13,6 – 13,07)2
+ (14,2 – 13,07)2 + (14,4 – 13,07)2
JKD = 18,45 + 18,69+ 8,37 = 45,51
Uji …. (Lanjutan)
Kelompok II: 206, 210, 226, 249, 255, 273, 285, 295, 309
(
Hubungan Dua Variabel Numerik
Suatu penelitian pada umumnya ingin melihat adanya hubungan
antara dua variabel numerik, misal usia pasien dengan lama hari
rawat inap Dapat diantisipasi mereka yang cenderung dirawat
inap, dikaitkan dengan manajemen perawatan, dan efisiensi RS
Pada pengujian hipotesis dengan 2 untuk uji independensi dapat
diketahui ada tidaknya hubungan antara 2 variabel atau lebih
Tidak dapat diketahui bentuk dan eratnya hubungan
Bentuk dan eratnya hubungan dapat diketahui melalui Analisis
Regresi dan Korelasi
Analisis korelasi: Untuk mengetahui keeratan hubungan
Analisis regresi: Untuk mengetahui bentuk hubungan
Variabel dependen Variabel yang akan diramal (satu variabel)
Variabel independenVariabel yang digunakan untuk meramal (> 1)
Gambaran (pencar) tentang hubungan antara 2 variabel dapat
diketahui melalui titik2 koordinat yang terdapat pada diagram tebar
Berupa garis lurus (linier) atau garis lengkung (kurva linier) 32
Hubungan … (Lanjutan)
Kedua bentuk hubungan dapat berupa:
Garis regresi positif (Perubahan pada variabel independen
diikuti oleh perubahan dengan arah yang sama pada
variabel dependen)
Garis regresi negatif (Perubahan pada variabel independen
diikuti oleh variabel dependen dengan arah yang
berlawanan)
Hubungan yang terjadi dapat dilihat dari sifat hubungan:
hubungan langsung (perubahan pada variabel independen
secara langsung diikuti oleh perubahan pada variabel
dependen; misal: BB dan tinggi badan)
hubungan tidak langsung (perubahan pada variabel
independen tidak secara langsung mengakibatkan
perubahan pada variabel dependen; misal: derajat
kesehatan masyarakat dengan banyaknya penduduk yang
memiliki mobil) 33
Analisis Korelasi
Koefisien Korelasi Pearson Product Moment (r)
r = n (XY) – (X . Y)
n X2 – (X )2 n Y2 – (Y )2
Empat Area Kekuatan Hubungan (Colton)
r = 0,00 – 0,25 Tidak ada hubungan /hubungan lemah
r = 0,26 – 0,50 Hubungan sedang
r = 0,51 – 0,75 Hubungan kuat
r = 0,76 – 1,00 Hubungan sangat kuat /sempurna
Uji Hipotesis
Langkah 1 = r menjelaskan derajat hubungan linier 2 variabel
Langkah 2 Uji hipotesis hubungan antara 2 variabel
Membandingkan nilai r hitung dengan r tabel
Uji t
t = r n – 2 /1 – r2
dk = n – 2 34
n = Jumlah sampel
Analisis … (Lanjutan)
Contoh Analisis Korelasi
Pasien Usia (X) Lama hari rawat (Y)
1 20 5
2 30 6
3 25 5
4 35 7
5 40 8
Untuk pembuatan diagram tebar, tiap pengamatan (tiap pasien) digambar
sebagai satu titik Proyeksi ke absis X, dan ke ordinat Y (Pasien usia 20 dan
lama hari rawat 5, satu titik dengan koordinat X1=20, Y1=5 P1 (20,5)
Hitung korelasi dan interpretasikan (pola dan keeratan hubungan) serta
lakukan uji statistik !
Pasien Usia = X Lama hari rawat = Y XY X2 Y2
1. 20 5 100 400 25
2. 30 6 180 900 36
3. 25 5 125 625 25
4. 35 7 245 1225 49
5. 40 8 320 1600 64
Jumlah 150 31 970 4750 199
Analisis … (Lanjutan)
Penyelesaian
Gambarkan diagram tebar sesuai dengan data usia pasien dan lama
hari rawat
Menghitung nilai koefisien korelasi Pearson (r)
r = n (XY) – (X . Y)
n X2 – (X )2 n Y2 – (Y )2
= 5 (970) – ( 150.31)
5 (4750) – (150)2 5 (199) – (31)2
r = 200 = 200 = 200 = 0,97
1250 x 34 42500 206,15
Interpretasi
Berdasarkan besaran nilai r tersebut, maka hubungan antara usia
pasien dengan lama hari rawat sangat kuat, berpola linier positif,
makin tinggi usia pasien, makin lama hari rawatnya
Analisis … (Lanjutan)
Uji hipotesis/statistik
Ho : Variabel X = Variabel Y
Tidak ada hubungan antara usia pasien dengan lama hari rawat
Ha : Variabel X Variabel Y
Ada hubungan antara usia pasien dengan lama hari rawat
Menentukan jenis uji yang digunakan Membandingkan r dan uji t
Menguji hipotesis dengan membandingkan nilai r
rhitung = 0,97; rtabel (= 0,05; df = 3) = 0,878 rhitung > rtabel
Menguji hipotesis dengan Uji t
t = r n – 2 /1 – r2 = 0,975 – 2 /1 – (0,97)2 = 0,97 50,76 = 6,91; dk = 3
t tabel (= 0,05; df = 3) = 3,182 t hitung = 6,91 > t tabel
Keputusan
1. Membandingkan nilai r : Ho ditolak Ada hubungan yang bermakna
antara usia pasien dengan lama hari rawat pada = 0,05
2. Uji t : Ho ditolak Ada hubungan yang bermakna antara usia pasien
dengan lama hari rawat pada = 0,05 37
Koefisien Determinasi
Koefisien determinasi dihitung dari koefisien korelasi Pearson (r)
dengan simbol R2 (R-Square/R-kuadrat)
Koefisien R-kuadrat (R2) : Besarnya proporsi variasi variabel
dependen (Y) yang dapat dijelaskan oleh variabel independen (X)
R2 menunjukkan seberapa jauh varabel independen dapat
memprediksi variabel dependen Semakin besar nilai R2 ,
semakin baik/semakin tepat variabel independen (X)
memprediksi variabel dependen (Y)
Apabila variasi Y dapat dijelaskan 100% oleh variabel X, berarti X
memang memegang peran dalam perubahan nilai Y, atau dapat
dikatakan sebagai penentu variabel Y.
Besar nilai koefisien determinasi antara 0 – 1 atau 0% – 100%
Apabila terjadi perubahan nilai X, maka nilai Y pasti akan
berubah.
38
Regresi Linier Sederhana
Selain koefisien determinasi, dari koefisien korelasi (r), dapat dianalisis
lebih lanjut bagaimana ketergantungan satu variabel terhadap variabel
yang lain Dengan analisis regresi linier.
Analisis regresi : Suatu model matematis yang dapat digunakan untuk
mengetahui bentuk hubungan antara dua atau lebih variabel
Tujuan: Untuk membuat perkiraan nilai suatu variabel (variabel
dependen) melalui variabel lain (variabel independen) Analisis
dengan membuat garis rekaan yang linier pada diagram tebarnya.
Garis rekaan tersebut seakan merupakan penyusutan (regressed) titik2
pengamatan yang tertebar.
Untuk melakukan prediksi digunakan persamaan garis (metode kuadrat
terkecil /Least square) Dengan mengetahui persamaan garis regresi
linier tersebut, maka dapat dilihat bagaimana nilai satu variabel
tergantung terhadap variabel yang lain.
Metode least square: Suatu metode pembuatan garis regresi dengan
cara meminimalkan jumlah kuadrat jarak antara nilai Y yang teramati
dan Y yang diramalkan oleh garis regresi tersebut
Garis linier secara matematis dapat dibuat persamaannya : Y = a + bx
Regresi … (Lanjutan))
Y = Variabel tergantung (akibat)/dependen, sedangkan X = Variabel
bebas (prediktor)/independen Harus ditetapkan mana yang
menjadi variabel dependen (Y), dan mana yang independen (X) serta
harus sesuai dengan tujuan analisis
Variabel Y: variabel yang lebih sulit diukur dari persamaan garis
regresi linier, dapat dilakukan banyak hal (al: menduga satu nilai
variabel dependen berdasarkan nilai variabel bebasnya)
Persamaan garis regresi linier untuk contoh kasus tersebut : Lama hari
rawat = a + b Usia pasien
Garis regresi linier dapat digambarkan apabila koefisien a dan b di
persamaan tersebut diperoleh dengan “metode kuadrat terkecil”
atau least square method
Koefisien b (slope), dan a dapat dihitung dari rumus berikut .
b = n(ΣXY) – ( ΣX) (ΣY)
n(ΣX2) – (ΣX)2 a = Y – bX
40
Regresi … (Lanjutan)
Contoh
Dari kasus korelasi, hitunglah persamaan garis regresi dan prediksikan
pasien yang berumur 40 tahun, berapa lama hari rawatnya ! Berapa
selisih lama hari rawat dengan pasien usia 30 tahun
Penyelesaian
Menghitung koefisien a dan b
b = n (ΣXY) – ( ΣX) (ΣY) = 5 (970) – (150)(31) = 4850 – 4650 = 200
n (ΣX2) – (ΣX)2 5 (4750) – 150)2 23750 – 22500 1250
b = 0,16
a = Y – bX a = (31/5) – (0,16) (150/5) = 6,2 – 4,8 = 1,4
Persamaan regresi: Lama hari rawat (Y) = 1,4 + 0,16 usia pasien (X)
(Nilai b = 0,16 diartikan bahwa bila pasien yang dirawat usianya
lebih tua 1 tahun , kemungkinan lama hari rawatnya akan lebih
lama 0,16 hari)
Prediksi lama hari rawat pasien
Usia 40 tahun = 1,4 + 0,16 (40) = 7,8 hari
Usia 30 tahun = 1,4 + 0,16 (30) = 6,2 hari
41
Selisih lama hari rawat kedua pasien = 1,6 hari
PENUGASAN INDIVIDUAL
• Survei hubungan umur dengan denyut nadi penduduk dewasa di
daerah X didapatkan data sebagai berikut.
Umur : 20 25 27 29 26 27 28 36 50
Denyut nadi: 80 75 80 77 75 75 74 73 71
Hitunglah:
a. korelasi umur dengan denyut nadi
b. hitung persamaan garis regresi, dan bila ada seseorang berumur 30
tahun prediksikan denyut nadinya
• Seorang dokter Puskesmas ingin mengetahui hubungan antara jumlah
pengunjung dengan obat tetrasiklin yang digunakan, dan ingin
menguji. Dari sampel 6 hari kerja diperoleh data sebagai berikut.
a. Jumlah pengunjung: 60 50 70 40 60 70
b. Jumlah tetrasiklin: 150 140 205 130 165 210
Hitunglah:
a. korelasi jumlah pengunjung dengan jumlah tetrasiklin
b. lakukan uji statistik untuk membuktikan hubungan tersebut
b. hitung persamaan garis regresi, dan bila jumlah pengunjung 90
tahun prediksikan jumlah tetrasiklin yang dibutuhkan ! 42
Sampai Jumpa …