ANALISIS

BIVARIAT
Sutanto priyo hastono
Tujuan Bivariat
 mengetahui hubungan antara satu variabel
dengan variabel lain

 Apakah pendidikan ibu mempengaruhi ibu

untuk memeriksakan kehamilannya ?

 Uji Hipotesis => signifikan atau tdk signifikan ?

Signifikan : secara statistik atau substansi ?

Mis : menguji perbedaan penurunan tek darah

antara obat A dan Obat B, hasil survei:
Obat A rata-2 turun tek darah 30 mmHg
Obat B rata-2 turun tek darah 32 mm Hg
Hasil uji Signifikan (p value = 0,003), artinya
secara statistik bermakna, tapi apakah
Secara Substansi ada perbedaan ?
Prosedur Uji Hipotesis
1.Menentukan hipotesis
Ho : tidak ada perbedaan
Ha : ada perbedan
2. Memilih Uji statistik
3. Penghitungan Uji Statistik
mencari : P Value - - - - Sig
4. Menentukan batas Kemaknaan
alpha = 5 % (0,05)
5. Keputusan
- p value ≤ alpha (0,05) -> Ho ditolak (ada perbedaan yg signifikan …
- p value > alpha (0,05) -> Ho gatol/diterima(tdk ada perbed ……
 UJI STATISTIK
 PARAMETRIK
: DISTRIBUSI DATA NORMAL

 NON PARAMETRIK
: DISTRIBUSI DATA TIDAK NORMAL
 DETEKSI
KENORMALAN DATA
 ANALISIS HUBUNGAN
KATEGORIK DNG NUMERIK
 Uji t
Tuj: menguji perbedaan mean antara 2
kelompok
Uji t digunakan bila : var Kategoriknya
isinya harus dua nilai/kelompok
Mis : sex (pria, wanita), umur (tua, muda),
kinerja(baik, buruk)

- Analisis hubungan sex dng tek darah:

apakah ada perbedan mean tek darh
antara Pria dan wanita

- Analisis hubungan pre-post dng berat

badan:
Apakah ada perbedaan mean berat bdn
antara sebelum dan sesudah diet
A. uji t Independen
Ciri : dua kelompok/sampel yg respondennya berbeda
Mis; ingin mengetahui hubungan tempat tinggal dng TD,
Apakah ada perbedaan mean tek drh antara orang kota dan desa
Uji t independen dibagi 2 , yaitu : varian sama dan varian berbeda

Mean =….. Mean =…..

Orang desa
Orang kota

ASUMSI : DISTRIBUSI DATA NORMAL

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI MANN WHITNEY
B. Uji t dependen /pair
Ciri : dua kelompok/sampel yang
respondennya sama dan diukur dua kali ‘pre
dan post’
Mis: apakah ada perbedaan rata-rata berat
badan sebelum diet dan sesudah diet

Mean = …. Mean = …..

intervensi
Pre test Post test

ASUMSI : DISTRIBUSI DATA NORMAL

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI WILCOXON
 Pemilihan uji
umur bbadan agama Sex Umur1 Bb1 Peng1 Peng2
23 56 2 1 2 1 50 67
34 78 3 2 3 2 45 65
56 76 4 2 1 1 65 63
45 56 1 1 2 2 56 68
dst 67

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)

Mana yg dapat uji T ?

-Uji t independen : hubungan sex dng bbadan, hub sex dng umur,
hub bb1 dng umur
- Uji t dependen : hubungan peng1 dng peng2

Kenapa hub agama dng berat badan tidak bisa uji t ?

Uji t independen
Uji t independen ada 2 jenis: varian sama & varian berbeda

Proses di spss: hubungan hb dengan eksklusive

Output uji t independen
Penyajian dan interpretasi
(uji t independen)
Uji t dependen
Uji t dependen
Penyajian dan interpretasi
uji t dependen
 UJI ANOVA

Tujuan : menguji perbedaan mean antara 3 atau lebih sampel

(kelompok).
Ciri : variabel kategoriknya berisi lebih dari 2 nilai/katagorik

Mis:
- Analisis hubungan pendidikan dengan berat bayi:
Apakah ada perbedaan mean berabt bayi antara ibu pendidikan sd,
smp, smu dan pt.

Mean = … Mean = …. Mean =…… Mean = ….

sd smp smu pt
ASUMSI : DISTRIBUSI DATA NORMAL DAN VARIAN HOMOGEN
BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI KRUSKAL WALLIS
 Pemilihan uji
umur bbadan agama Sex Umur1 Bb1 Peng1 Peng2
23 56 2 1 2 1 50 67
34 78 3 2 3 2 45 65
56 76 4 2 1 1 65 63
45 56 1 1 2 2 56 68
dst 67

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)
Mana yg dapat uji ANOVA ?
Hubungan : agama dng bbadan, agama dng umur, umur1 dng bbadan

Kenapa hub sex dng berat badan tidak bisa uji anova ?
Kenapa hub sex dengan bb1 tidak bisa uji anova ?
Kenapa hub umur dng bbadan tidak bisa uji anova ?
perintah :Uji anova
Hasil Anova
Penyajian dan Interpretasi
 ANALISIS HUBUNGAN
KATEGORIK DNG KATEGORIK
 Uji Kai Kuadrat
Tuj: mengetahui perbedaan proporsi/persentase antara dua atau lebih
kelompok(sampel)
Mis:
- Uji hubungan kelas perawatan dng kepuasan pasien.
: Apakah ada perbedaan persentase kepuasan pasien antara
pasien kelas VIP, I dan II

P= ….% P=…% P=…%

kelasVIP Kelas I Kelas II
Kelas perawatan(vip, kelas I & kelas II), kepuasan(puas, tdk puas)
- Uji hubungan jenis kelamin perawat dng kinerja
: apakah ada perbedaan persentase kinerja antara perawat pria dan
wanita
P= ….% P= ….%
pria wanita
Jenis kel (pria, wanita), kinerja (baik, buruk)
 Pemilihan uji
umur bbadan agama Sex Umur1 Bb1 Peng1 Peng2
23 56 2 1 2 1 50 67
34 78 3 2 3 2 45 65
56 76 4 2 1 1 65 63
45 56 1 1 2 2 56 68
dst 67

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)

Mana yg dapat uji kai kuadrat ?

Hubungan : sex dng bb1, sex dng umur1, sex dng agama, bb1 dng agama

Kenapa hub sex dng berat badan tidak bisa uji kai kuadrat ?
Kenapa hub agama dengan umur tidak bisa uji kai kuadrat ?
Kenapa hub umur dng bbadan tidak bisa uji kai kuadrat ?
 Strategi Analisis :

1.Pembuatan tabel silang (Membandingkan

perbedaan persentase antar kelompok)

2. Menggunakan uji statistik

3. Menjelaskan kekuatan hubungan/risiko :

OR, RR
Tabel Silang

- Ketentuan pembuatan tabel silang:

- Variabel independen pd Baris, variabel dependen pd Kolom
- Pada disain Cros Sectional --- dibuat persentase baris
Tabel Silang
- Pada disain Case Control --- dibuat persentase kolom
APAKAH UJI KAI KUADRAT ATAU FISHER EXACT ???

Ketentuan Uji Kai Kuadrat

- Keterbatasan kai kuadrat
- tdk boleh ada sel dbg nilai E < 5 lebih dari 20 % total sel
SOLUSINYA:
- utk tabel besar, dilakukan penggabungan baris/kolom
- utk tabel 2x2, gunakan uji FISHER EXACT
NOTE:
Utk tabel 2x2:
-bila ada sel yg nilai E nya kurang dari 5, maka uji yg
digunakan : FISHER EXACT
-bila TIDAK ada sel yg nilai E nya kurang dari 5, maka uji yg
digunakan : KAI KUADRAT (CHI SQUARE)
Pengkodean Variabel

Untuk mendapatkan nilai OR yg benar : (koding data hrs diperhatikan)

- Kode harus konsisten antara variabel independen dengan dependen
- Variabel dependen yg menjadi pokok bahasan/kasus sebaiknya di kode
1 sedangkan bagian yang sebaliknya diberi kode 0
- Variabel independen harus konsisten kodenya ngikuti variabel
dependen, kelompok expose/penyebab kasus diberi kode 1, kelompok
non expose/non penyebab diberi kode 0
Contoh:
- var. dep : kanker paru : ya (diberi kode 1), tidak (kode 0)
- var. indep. :
merokok : ya (diberi kode 1), tidak (kode 0)
perilaku ; baik (diberi kode 0), buruk (kode 1)
Langkah di spss :

Kotak Row diisi var. independen, kotak Coloumn diisi var. dep
Proses di spss:

Pada kotak Crosstab chek list : chisquare dan Risk

Pada kotak Cell chek list : Row
Hasil analisis
Hasil OR
Penyajian di Laporan
 ANALISIS HUBUNGAN
NUMERIK DNG NUMERIK
 Uji Korelasi Pearson
= mengetahui besar dan arah hubungan dua variabel numerik

Korelasi diketahui dng koef r yg nilainya: -1 s/d +1

- Arah hubunga : positip /negatip
- Besar/kekuatan hub : kuat /lemah
r : 0,00 – 0,25 : lemah
r : 0,26 – 0,50 : sedang
r : 0,51 – 0,75 : kuat
r : 0,76 – 1 : sangat kuat

Mis : apakah ada hubungan BB dng TD. Apakah hubngan kuat atau
lemah. Apakah hubungan pos atau neg
ASUMSI : DISTRIBUSI DATA NORMAL
BILA TDK TERPENUHI: UJI NON PARAMETRIK: KORELASI SPEARMAN
 Uji Regresi Linier
Tujuan: memprediksi variabel dependen melalui variabel independen
- Var. dependen = variabel yang dipengaruhi
- Var. independen = variabel yang mempengaruhi

Utk prediksi – persaman garis : y = a + bx

y = variabel dependen
x = variabel independen
a = intercep : besarnya nilai y bila nilai x=o
b = slope : besarnya perubahan nilai y bila variabel x berubah setiap satu
satuan
Ciri regresi linier  var. dependen berbentuk numerik
 Koefisien Determinasi (R2)

: variasi variabel dependen dapat dijelaskan oleh variasi variabel independen

: besarnya variabel independen mempengaruhi variabel dependen

R2 = R Square

R2 = r 2 x 100%

nilainya berkisar 0 – 100%

Misal hubungan BB dng TD dihasilkan R2 = 0,678

Artinya :
- Variasi variabel berat badan dapat menjelaskan variasi tekanan darah sebesar 67,8 %
- Variabel berat badan mempengaruhi variabel tekanan darah sebesar 67,8 %
 Pemilihan uji
umur bbadan agama Sex Umur1 Bb1 Peng1 Peng2
23 56 2 1 2 1 50 67
34 78 3 2 3 2 45 65
56 76 4 2 1 1 65 63
45 56 1 1 2 2 56 68
dst 67

Numerik : umur, bbadan, peng1 (seb interv), peng2 (sesudh interv)

Katagorik : agama, sex, umur1(1=<20, 2=20-30, 3=>30)
, bb1(1<60kg, 2=>60 kg)

Mana yg dapat uji korelasi dan regresi linier ?

Hubungan : umur dng bbadan

Kenapa hub sex dng berat badan tidak bisa uji korelasi ?
Kenapa hub agama dengan umur tidak bisa uji korelasi ?
Kenapa hub sex dng bb1 tidak bisa uji korelasi ?
 KESIMPULAN BIVARIAT

1. KATEGORIK - - DNG - - NUMERIK, ujinya:

-uji T (bila variabel kategoriknya : dua kelompk)
-uji ANOVA (bila variabel kategoriknya: lebih dua kelompok)

2. KATEGORIK - - dng - - KATEGORIK, ujinya:

-Uji Chi Square atau uji Fisher Exact

3. NUMERIK - - dng - - NUMERIK, ujinya:

-uji Korelasi
Proses :
Output spss
Proses spss
Hasil spss
Penyajian dan interpretasi
REGRESI LOGISTIK

 Regresi Logistik:
Model matematis untuk menganalisis/memprediksi
variabel dependen kategorik (dichotom:sehat/sakit)
melalui variabel independen kategorik
 Variabel dependen: kategorik
 Variabel independen : kategorik
 Regresi Logistik:
- Sederhana  hanya satu variabel independen
- Ganda/multiple  lebih dari satu variabel
independen
 PERBEDAAN REGRESI LINIER DAN LOGISTIK :

1. Regresi linier
var dependen = numerik
var independen = numerik
Hasil prediksi : nilai/angka absolut

2. Regresi logistik
var dependen = kategorik
var independen = kategorik
Hasil prediksi : peluang /risiko
REGRESI LOGISTIK

 Persamaan Regresi Logistik:

1 1
P(Y )   (logY )
 ( a b )
1  Exp 1  Exp

P = Probabilitas OR = Odds Ratio

Cth:
Penelitian hubungan pekerjaan ibu dengan asi eksklusif
A.perkirakan peluang menyusui eksklusif pada ibu yang
tidak bekerja
B. perkirakan peluang menyusui eksklusif pada ibu yang
bekerja
C. hitung perbandingan peluang menyusui eksklusif antara
ibu yg tidak bekerja dengan ibu yang bekerja

Note:
Kerja : 0=bekerja 1=tidak bekerja
Eksklusif: 0=tidak eksklusif 1=ya eksklusive