4.Korelasi /
Numerik t-test (jika 2 kategori) Regresi Linier
Anova (>2 kategori) sederhana 2
Uji Statistik Bivariat:
Uji statistik bivariat hanya akurat bila
subjek yang ingin dibandingkan adalah
homogen, yaitu pada studi eksperimen di
laboratorium, dimana variabel perancu
tidak ada lagi.
Misalnya: subjek adalah tikus satu-ibu satu-
bapak. Subjek sudah homogen. Yang berbeda
hanyalah: satu kelompok dapat perlakuan
(intervensi), yang satu lagi tidak dapat
perlakukan (kontrol)
3
Uji Statistik Multivariat:
Pada penelitian survei di masyarakat, tidak
mungkin subjeknya homogen (umurnya sama,
pendidikan sama, pengetahuan sama, pekerjaan sama,
sosek sama, jumlah anak sama, status gizi sama,
penyakitnya sama), yang berbeda hanyalah
variabel yang ingin kita uji (misalnya ANEMIA
dan TIDAK Anemia), untuk mengetahui efeknya
terhadap BBLR.
Karena tidak homogen, maka kita harus
mengontrol (pada saat analisis data) semua
variabel yang berpengaruh melalui analisis
multivariat 4
Contoh
Suatu penelitian bertujuan untuk
mengetahui hubungan Intervensi Fe,
status gizi, dan sosial ekonomi
dengan kejadian BBLR
Intervensi Fe
Sosek
5
Hasil Uji Bivariat
Normal BBLR
n % n % OR p-value
Status Gizi
Baik 40 67 20 33
Kurang 19 32 41 68 4,30 0,000
Sosek
Tinggi 40 69 18 31
Rendah 19 31 43 69 5,00 0,000
Sosek
10
CONFOUNDING
Dari bahasa latin cunfundere (to mix together)
Pengertian:
Suatu distorsi (gangguan) dalam menaksir pengaruh paparan
terhadap kejadian penyakit/outcome sebagai akibat tercampurnya
pengaruh sebuah atau beberapa variabel luar.
11
Karakteristik Confounder
Exposure Disease
Confounder
2. Negatif Underestimate (risk value mendekati ‘Null value’ jika tdk dikontrol)
kurang beresiko atau kurang proteksi
3. Cross over asosiasi berubah arah: negatif positif (sebaliknya)
13
Upaya Mengontrol Confounding
Pada tahap Design
1. Restriksi (pada experimental & observational study)
membatasi obyek penelitian pada level confounder yang sama
(confounder tidak bervariasi) antara group E – nE dan D – nD
Kelemahan: efek modifikasi tidak dapat dievaluasi, generalizability?
15
Syarat Confounding (C)
1. C merupakan faktor risiko D
2. C memiliki asosiasi dengan E
3. C bukan variabel antara
E D
E #C D
16
Contoh Confounding
Intervensi Fe BBLR
St.Gizi Ibu
17
Contoh confoundingIntervensi Fe BBLR
19
Contoh confounding BBLR
St.Gizi ibu
Hubungan status gizi dengan BBLR
BBLR+ BBLR- Jumlah
Gizi kurang 40 20 60
Gizi baik 20 40 60
Jumlah 60 60 120
OR = (40*40)/(20*20) = 4,00
Variables in the Equation
St.Gizi Ibu
Identifikasi Konfounder:
Konfounder exist jika = Delta OR > 10%
| ORcrude ORadjusted |
Delta _ OR *100%
ORadjusted
22
Intervensi Fe
Contoh confounding BBLR
St.Gizi Ibu
Intervensi Fe
23
Interaksi
24
INTERAKSI
Interaksi = Efek modifikasi = Efek modifier
Pengertian:
Keberagaman/heterogenitas/variasi efek dari suatu faktor
resiko terhadap kemunculan penyakit/outcome, pada level
yang berbeda dari faktor resiko lain
St.Gizi Ibu 26
Hasil analisis:
St.Gizi bukan efek modifier,
tdk berinteraksi dg intervensi Fe
1. Hubungan Fe dg BBLR menurut status Gizi:
Simpulan: Kelompok gizi baik
BBLR- BBLR + Jumlah
St.Gizi bukan Fe + 6 2 8
variabel interaksi Fe - 34 18 52
Jumlah 40 20 60
karena Risiko Fe -
terhadap kejadian OR = (18*6)/(34*2) = 1,58
BBLR adalah sama
Kelompok gizi kurang
(tidak berbeda)
BBLR- BBLR + Jumlah
baik pada kelompok Fe + 18 34 8
gizi baik maupun pd Fe - 2 6 52
gizi kurang Jumlah 20 40 60
(OR sama sama
1,58) OR = (6*18)/(2*34) = 1,58
27
St.Gizi bukan efek modifier, tidak berinteraksi
dengan Intervensi Fe
2. Signifikansi variabel interaksi anemia dg st.Gizi > 0,05:
Simpulan:
Anemia tidak berinteraksi dengan St.Gizi karena nilai-p
variabel interaksi >0.05 (Sig.=1.000)
Jika tidak ada interaksi, lakukan uji confounding
28
St.Gizi merupakan konfounding dalam hubungan
Intervensi Fe dengan kejadian BBLR
B S.E. Wald df Sig. Exp(B)
Tdk.Intervensi.Fe -0.811 0.373 4.735 1 0.030 0.44
Constant 0.405 0.264 2.367 1 0.124 1.50
Variable(s) entered on step 1: Tdk.Intervensi.Fe.
Simpulan:
OR Intervensi Fe berubah 10% atau lebih, dari 0.44 (OR Crude)
menjadi 1.59 (OR adjusted) setelah dikontrol oleh St.Gizi 29
St.Gizi BBLR
Sosek
Simpulan:
St.Gizi berinteraksi dengan Sosek, karena nilai-p (sig)
variabel interaksi <0.05 (sig=0.018) 31
Jika ada interaksi (efek modifier), maka
harus dilaporkan efek size (nilai OR,
RR, HR) pada masing-masing strata
Mulai
Lakukan uji
Tidak
Ada Interaksi? konfounding
Tidak
Laporkan OR
YA Ada Confounding?
crude
Laporkan OR
masing-masing YA
strata
Laporkan OR
adjusted
32
Interaksi pada Regresi Logistik
33
Interaksi pada Regresi Logistik
Pada gizi baik, Risiko sosek rendah untuk BBLR 1,7 kali,
Pada gizi kurang, Risiko sosek rendah untuk BBLR 13 kali
36
Pengujian Interaksi
Pengujian Interaksi Pada Regresi Logistik
Ganda
Interaksi harus diuji terlebih dahulu (pada MODEL
Faktor risiko)
Interaksi diuji terakhir (pada MODEL prediksi atau
determinan)
Adanya Interaksi antar 2 variabel independen
ditunjukan dengan nilai Sig. < 0.05
Jika ada interaksi, variabel interaksi harus masuk
dalam model dan laporkan OR menurut kelompok
(strata) dari var interaksi
37
Pengujian Confounding
Pengujian Confounding Pada Regresi
Logistik Ganda
Adanya Konfounder dideteksi dg melihat perubahan
nilai Exp(B) atau OR sebesar > 10%
Absolut ( OR Crude – OR Adjusted ) * 100% >10% konfounder
OR Adjusted
Perubahan OR diidentifikasi dari:
Variabel independent utama saja (dan interaksinya, jika ada
interaksi) dalam pemodelan faktor resiko, atau
Semua variabel independen lain, dalam pemodelan prediksi
Jika ada confounder, maka variabel konfounder harus
masuk ke dalam model
38
Bivariat (Crude Analysis)
Normal BBLR
n % n % OR p-value
Status Gizi
Baik 40 66.7 20 33.3
Kurang 20 33.3 40 66.7 4,00 0,000
Sosek
Tinggi 41 68.3 17 28.3
Rendah 19 31.7 43 71.7 5,46 0,000
Intervensi Fe
Ya 24 40.0 36 60.0
Tidak 36 60.0 24 40.0 0,44 0,022
Tugas:
Tulis interpretasinya masing-masing
variabel, apa arti OR crude?
39
Multivariat (Adjusted) tanpa Interaksi
B S.E. Wald df Sig. Exp(B)
Gizi.kurang 2.38 0.64 13.83 1 0.000 10.79
Sosek.rendah 2.28 0.52 19.16 1 0.000 9.80
Tdk.Intervensi.Fe 2.10 0.73 8.34 1 0.004 8.18
Constant -3.43 0.82 17.58 1 0.000 0.03
Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Tdk.Intervensi.Fe.
Tugas:
1.Tulis interpretasi masing-masing variabel
2.Bandingkan OR crude dg adjusted
3.Apakah ada konfounding?
40
Model Interaksi St.Gizi dg Sosek, setelah
dikontrol oleh intervensi Fe
B S.E. Wald df Sig. Exp(B)
Gizi.kurang 1.29 0.75 2.98 1 0.084 3.65
Sosek.rendah 1.25 0.63 3.95 1 0.047 3.49
Tdk.Intervensi.Fe 2.58 0.88 8.50 1 0.004 13.14
Gizi by Sosek 2.66 1.03 6.65 1 0.010 14.36
TUGAS:
1. Apakah ada interaksi?
2. Hitung OR masing-masing strata
3. Tulis interpretasi hasil ..
41
Menghitung OR interaksi
dg STATA
42
Menghitung OR interaksi & 95% CI pd
SPSS dilakukan secara manual
43
Menghitung OR interaksi
1.Buat Model Interaksi antara St.Gizi&dg95% CIsbb:
Sosek, pd
STATA command (syntax)
1.Buat Model Interaksi antara St.Gizi dg Sosek
logistic bblr gizi_kurang##sosek_rendah
2a. lincom untuk menghitung OR St.Gizi pada sosek rendah (pembanding gizi baik)
lincom 1.gizi_kurang + 1.gizi_kurang#1.sosek_rendah
2b. lincom untuk menghitung OR Sosek pd Gizi kurang (pembanding sosek baik)
lincom 1.sosek_rendah + 1.sosek_rendah#1.gizi_kurang
OR INTERAKSI:
1. OR St.Gizi (St.gizi=1 dibanding St.gizi=0) untuk terjadinya BBLR,
pada Sosek Tinggi (Sosek=0) adalah 1.05 (sesuai output)
2. OR St.Gizi (St.gizi=1 dibanding St.gizi=0) untuk BBLR, pada Sosek
Rendah (Sosek=1) harus dihitung ulang dg perintah lincom 45
2. lincom untuk menghitung OR St.Gizi pada sosek rendah:
OR INTERAKSI:
1. OR St.Gizi (St.gizi=1 dibanding St.gizi=0) untuk BBLR,
pada Sosek Tinggi (Sosek=0) adalah 1.05 (output sebelumnya)
2. OR St.Gizi (St.gizi=1 dibanding St.gizi=0) untuk BBLR,
pada Sosek Rendah (Sosek=1) adalah = 8.19 (CI: 2.43 – 27.58)
46
1.Buat Model Interaksi antara Sosek dg St.Gizi, sbb:
logistic bblr gizi_kurang##sosek_rendah
Logistic regression Number of obs = 120
LR chi2(3) = 32.61
Prob > chi2 = 0.0000
Log likelihood = -66.873051 Pseudo R2 = 0.1960
OR INTERAKSI:
1. OR Sosek (Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_baik (St.Gizi=0) adalah 1.70 (sesuai output)
2. OR Sosek (Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_kurang (St.Gizi=1) harus dihitung ulang dg perintah lincom
47
2. lincom untuk menghitung OR Sosek pd Gizi kurang:
OR INTERAKSI:
1. OR Sosek (Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_baik (St.Gizi=0) adalah 1.70 (output sebelumnya)
2. OR Sosek (Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_kurang (St.Gizi=1) adalah = 13.22 (CI: 3.63 – 48.10)
48
Menghitung OR interaksi
lebih 2 kategori
Model-1 Model-2
Rokok
Ras: 1. Putih, 2.Hitam,
3.Lainnya
49
1.Buat Model Interaksi antara Smoke dg Race, sbb:
logistic low race##smoke
Logistic regression Number of obs = 189
LR chi2(5) = 17.85
Prob > chi2 = 0.0031
Log likelihood = -108.40889 Pseudo R2 = 0.0761
*OR smoke
pd ras
putih
51
1.Buat Model Interaksi antara Race dg Smoke, sbb:
logistic low race##smoke
52
Nilai OR HASIL ANALISIS STATA
53
Nilai OR HASIL ANALISIS SPSS & MsExcel
54
Terima Kasih….
Sosek
Fe
56
Jika ada interaksi (efek modifier), maka
harus dilaporkan efek size (nilai OR,
RR, HR) pada masing-masing strata
Mulai
Lakukan uji
Tidak
Ada Interaksi? konfounding
Tidak
Laporkan OR
YA Ada Confounding?
crude
Laporkan OR
masing-masing YA
strata
Laporkan OR
adjusted
57