Konsep Univariat & Bivariat - Biostatistik - Saleh
Konsep Univariat & Bivariat - Biostatistik - Saleh
2) Minimum
• Minimum, merupakan nilai terkecil dari sekumpulan angka.
3) Range
• Range, merupakan perbedaan antara nilai yang terbesar (maksimum) dan nilai yang
terkecil (minimum) dari frekuensi distribusi.
• Langkah – langkah identifikasi range
• Contoh:
Tentukan nilai range dari data masa inkubasi pada kasus KLB hepatitis A : 27, 31, 15, 30 dan 22 hari
Tendensi Sentral
(Mean, Median, Mode)
1). Mean atau rerata atau average adalah hasil penjumlahan semua nilai
observasi dibagi dengan banyaknya observasi.
Rumus : ẋ = Ʃx
n
2). Median adalah nilai yang membagi data set ke dalam dua bagian yang
sama, sehingga banyaknya nilai yang lebih besar atau sama dengan
median adalah sama dengan jumlah nilai yang kurang atau sama dengan
median.
3). Nilai mode adalah data set yang memunculkan nilai yang memiliki
frekuensi paling tinggi atau nilai yang paling sering muncul
Standar Deviasi dan Varian
Standard deviasi adalah akar kuadrat dari varians, sedangkan
varians adalah standard deviasi pangkat dua atau S2
Rumus:
Keterangan :
s2 = Varian Semakin besar nilai standar
s = Standar deviasi deviasi suatu data maka semakin
xi = Nilai x ke – i
x¯ = Rata – rata besar jarak setiap titik data
n = Ukuran sampel dengan nilai rata-rata
VARIAN
• Varian merupakan jumlah kuadrat semua deviasi
nilai-nilai individual terhadap rata-rata kelompok.
• Varian merupakan konsep yang cukup penting
dalam statistik, karena merupakan dasar dari
banyak metode statistik inferensial
• Varian merupakan ukuran variabilitas data,
yang berarti semakin besar nilai varian berarti
semakin tinggi fluktuasi data antara satu data
dengan data yang lain.
Contoh:
Berdasarkan data hasil peneletian di Kecamatan X, diketahui Jumlah Gaji
Responden sebagai berikut:
Untuk mencari nilai rata – rata, median, mode, standard deviasi, varians dengan
menggunakan rumus pada microsoft excel
VARIAN
• Tampak bahwa varian kelompok satu (warga kampung)
lebih tinggi dari pada varian kelompok kedua (warga
perumahan).
• Interpretasinya adalah bahwa pendapatan warga kampung
sangat berfluktuatif ada yang kecil ada yang sangat besar.
• Akan tetapi pendapatan warga perumahan relatif sama
dan mempunyai tingkat ekonomi yang relatif sama antara
satu warga dengan warga perumahan yang lain.
• Dengan menyertakan nilai varian pada rata-rata akan
memberikan informasi yang lebih akurat
RATIO
• Rasio adalah nilai perbandingan, misalnya X
berbanding Y. Rasio merupakan nilai X dan Y yang
bersifat independen di mana X bukan bagian dari Y
• Contoh:
Perbandingan atau rasio kasus difteri laki-laki dan
perempuan di Puskesmas A. Pasien laki – laki
berjumlah 10 orang, sedangkan perempuan 5 orang.
Berapakah rasio kasus difteri laki – laki terhadap
perempuan?
Rasionya adalah 10 berbanding 5 atau 2:1 atau 2 kasus difteri laki-laki
berbanding 1 kasus difteri perempuan.
2. Jenis Kelamim
Laki - Laki 19 76,0%
Perempuan 6 24,0%
3. Desa
Desa A 4 16%
Desa B 6 24%
Desa C 8 32%
Desa D 4 16%
Desa E 3 12%
RATE
• Rate adalah ukuran proporsi yang memasukkan unsur
periode waktu pengamatan dalam denominatornya;
sehingga ditulis a / [ a+b) x (waktu)].
• Rate disebut juga laju. Rate adalah perbandingan
antara jumlah suatu kejadian terhadap jumlah
penduduk yang mempunyai risiko terhadap kejadian
tersebut menyangkut interval waktu.
• Rate digunakan untuk menyatakan dinamika atau
kecepatan kejadian tertentu dalam suatu masyarakat
tertentu pula.
• Contoh:
Pada tahun 2004, ada 100 kasus demam
berdarah di suatu kota yang berpenduduk
1.250.000 orang. Berapa rate kasus demam
berdarah di kota itu ?
Rate
kasus 100 kasus 1 kasus
Populasi 1.250.000 orang 12500orang
ANALISIS BIVARIAT
Konsep Bivariat
• Analisis terhadap dua variabel secara simultan
• Pahami Jenis Variabelnya (Skala Datanya)
• Tujuan Analisis Bivariat
• Kerangka Konsep Analisis
• Membuat Hipotesis
• Perhatikan jumlah pasangan dan kelompoknya
• Interpretasi nilai P
SKALA PENGUKURAN
X Y
Prediktif Model
X1
X2
X3 Y
X4
X5
Causal model dengan Confounding
X Y
X0 X1
Intervensi
X0 X1 X2
• Pengaruh X0 X1
• Pengeruh X0 X2
• Pengaruh X1 X2
Tujuan Penelitian
1. Menggambarkan / Deskriptif
2. Mengetahui Hubungan Dua Variabel
a. Komparatif
1) Komparatif Kategorik : Bila variabel yg dicari hubungannya adalah variabel
kategorik dengan variabel kategorik
2) Komparatif Numerik : Bila variabel yg dicari hubungannya adalah variabel
kategorik dengan variabel numerik
b. Korelatif
Bila variabel yg dicari hubungannya adalah variabel numerik dengan
variabel numerik
c. Multivariat
3. Mengetahui Keunggulan – Pengaruh – Perbedaan Antara
Variabel Penelitian
HIPOTESIS
• Hipotesis: Hipo (di bawah) dan Tesis
(pernyataan yang telah diuji)
• Hipotesis adalah jawaban sementara dari
rumusan masalah penelitian yang masih
perlu diuji kebenarannya melalui uji statistik
• Adalah pernyataan formal dari hubungan
yang diharapkan antara dua atau lebih
variabel pada populasi tertentu (Burns and
Grove, 2010)
Chap 7-24
• Hipotesis Statistik:suatu proposisi atau anggapan mengenai
parameter populasi yang dapat diuji secara statistik melalui
sampel yang diambil dari populasi
• Pengujian Hipotesis Statistik: suatu prosedur untuk membuat
keputusan yaitu menolak atau gagal menolak hipotesis statistik
(GATOL)
• Hipotesis Statistik:
– Hipotesis nol atau ‘Null Hypothesis’ (H0) : pernyataan netral (nol sama
dengan tidak ada) atau selalu memuat tanda ‘=‘
– Hipotesis Alternatif atau ‘Alternative Hypothesis’ (H1 atau HA): pernyataan
netral tersebut sudah ada dugaan atau tidak memuat tanda ‘=‘
HIPOTESIS
• H0 dan H1 adalah ‘mutually exclusive’ dan ‘exhaustive’
• Contoh:
– H0 : Tidak ada perbedaan (sama, ‘=‘) rata-rata Hb darah Ibu yang
meninggal dengan rata-rata Hb darah Ibu dan yang tidak meninggal
– H1 : Ada perbedaan ratar-rata Hb darah Ibu yang meninggal dengan
rata-rata Hb darah Ibu yang tidak meninggal
• Hipotesis
– H0 : Tidak ada perbedaan rata – rata kadar gula
darah pada perokok dan bukan perokok
– Ha : Ada perbedaan rata – rata kadar gula darah
pada perokok dan bukan perokok
Dua Kelompok Berpasangan
Contoh Ilustrasi (2)
• Ada sekelompok penderita obesitas yang diukur berat badannya pada bulan
Januuari dan setelah diberikan senam aerobik pada bulan Februari 2019.
• Data berat badan pada bulan Januari adalah satu kelompok data. Berat
badan pada Februari sekelompok data lagi.
• Dari segi jumlah, terdapat dua kelompok data (yaitu berat badan
mahasiswa pada Januari dan Februari).
• Dari segi pasangan : data berpasangan karena individu dari kedua kelompok
data tersebut adalah dari individu yang sama.
• Apakah Skala Data Pengukurannya / Variabelnya?
• Bagaimana Kerangka Konsep Variabel Penelitiannya?
• Bagaimana Hipoteisisnya?
• Apa analisis bivariat yang tepat untuk penelitian tsb?
• Skala Data : Numerik / rasio
• Kerangka Konsep
Senam Aerobik
BB (Januari) BB (Februari)
• Hipotesis
– H0 : Tidak ada pengaruh senam aerobik terhadap perbedaan rata –
rata berat badan penderita obesitas sebelum dan setelah
melakukan senam aerobik
– Ha : Tidak ada pengaruh senam aerobik terhadap perbedaan rata –
rata berat badan penderita obesitas sebelum dan setelah
melakukan senam aerobik
Kelompok Berpasangan Karena Matching
Matching
Pengukuran berulang
Cross Over
UJI KORELATIF
Sumber: M. Sopiyudin
Interpretasi Secara Statistik Dengan Melihat
Nilai P
Langkah – Langkahnya:
1. Menentukan hipotesis nol dan hipotesis alternatif
2. Menentukan batas penerimaan hipotesis nol
(alpha / level of significance)
3. Membuat aturan main
• Bila nilai p > alpha maka hipotesis nol diterima
• Bila nilai p < alpha maka hipotesis nol ditolak
4. Membandingkan nilai p dengan nilai alpha
5. Mengambil keputusan