Prosedur

Analitis Dasar

Kelompok 2
Prosedur inferensial
 Metode yang membantu dalam membuat kesimpulan
umum tentang karakteristik populasi berdasarkan apa
yang dapat dipelajari dari sampel yang telah diperoleh
dari populasi tersebut
 Peran analisis statistik infrensi dapat mengambil 2 bentuk
 Prosedur estimasi → suatu perkiraan parameter populasi
yang dibuat pada apa yang diketahui tentang sample
 Pengujian hipotesis → keakuratan suatu hipotesa tentang
populasi yang diuji terhadap hasil sampel
Studi kasus
 Studi kasus adalah suatu pendekatan untuk
mempelajari, menerangkan atau menginterpretasi
suatu kasus (case) dalam konteksnya secara
natural tanpa adanya intervensi dari pihak luar.
 studi ini berusaha untuk menyoroti suatu
keputusan atau seperangkat keputusan; sepeti
mengapa keputusan itu diambil, bagaimana
diterapkan dan apakah hasilnya ?
 Pendekatan studi kasus ini pada dasarnya terfokus pada
2 alasan : kasus berlaku apabila, suatu pertanyaan
“bagaimana” (how) dan “mengapa” (why) diajukan
mengenai seperangkat peristiwa masa kini, yang tidak
dapat atau hampir tidak dapat dijangkau oleh
pengendalian peneliti.
 2. studi kasus merupakan salah satu metode atau
startegi penelitian kualitatif yuang muncul pada masa
keemasan penelitian kualitatif yang bersifat spesifik,
khusus dan berskala lokal.
Jenis variabel

 Beberapa variabel yang berbeda jenis, dan sangat penting

untuk mengenali jenisnya sebelum memutuskan metode
analisis mana yang akan diterapkan.
 Klasifikasi tingkat pertama adalah jenis kualitatif dan
kuantitatif.
 Variabel Kategoris / Variabel Kualitatif yaitu variabel yang
memiliki nilai berdasarkan kategori tertentu (skala nominal)
 Variabel Dimensi / Variabel Kuantitatif yaitu variabel yang
memiliki kumpulan nilai yang teratur dalam kisaran tertentu.
Misal Tinggi-sedang, satu sampai dengan 7.
Variabel kualitatif
 Variabel kualitatif juga disebut variabel
ketegorikal memiliki nilai yang hanya dapat
ditempatkan ke dalam kategori seperti ya dan
tidak. “Apakah Anda seorang?” (Ya atau tidak)
dan nilai ujian matematika Anda (di bawah rata-
rata, rata-rata, atau di atas rata-rata) adalah contoh
dari variabel kategori.
Variable kuantitatif
 Variable kuantitatif atau numerik memiliki nilai yang
mewakili kuantitas. Variabel numerik dibedakan lagi
menjadi variabel diskrit dan variabel kontinyu.
1. Variabel diskrit disebut juga variabel nominal atau
variabel katagorik, karena hanya dikatagorikan atas 2
kutub yang berlawanan, yakni “ya” dan “tidak”.
Misalnya : “ya” wanita, “tidak” wanita atau dengan kata
lain “wanita-Pria”, “hadir-tidak hadir”, “atas-bawah”
 Angka-angka digunakan dalam variable diskrit ini
untuk menghitung, yaitu banyaknya pria,
banyaknya yang hadir, dsb. Maka angka
dinyatakan sebagai frekuensi.
 2. Variabel kontinu, dipisahkan menjadi 3 (tiga)
variabel kecil, yaitu :
 Variabel ordinal, Variable Interval, Variable ratio
Sifat Variabel
 a. Variabel statis : var yg tidak dpt diubah
keberadaannya.
 b. Variabel dinamis : var yg dapat diubah kebe-
radaannya berupa pengubahan, peningkatan, atau
penurunan.
Tabel dan grafik
 Alatdeskriptif utama untuk variabel kualitatif
tunggal adalah tabel frekuensi, diagram batang
dan Pie chart
Tabel dalam laporan
 Setiap tabel harus cukup jelas; Artinya, pembaca harus dapat memahaminya
tanpa mengacu pada teks di badan laporan
 Setiap meja harus memiliki tampilan yang menarik. Penggunaan ruang putih
yang masuk akal sangat membantu; gunakan spasi yang sama kecuali jika
spasi besar dibiarkan untuk memisahkan bagian tabel yang berbeda
 Baris dan kolom setiap tabel harus diatur dalam urutan alami. Ini sangat
membantu dalam penafsiran.
 Angka lebih mudah dibandingkan jika tabel memiliki orientasi vertikal.
Misalnya, kita memiliki data tentang beberapa variabel untuk beberapa rumah
sakit..
 Tabel harus memiliki tampilan yang konsisten di seluruh laporan. Ketentuan
untuk pelabelan dan pemesanan baris dan kolom, misalnya, sedapat mungkin
harus tetap sama. Ini membuat presentasi lebih mudah diikuti,
Tabel Kontingensi
 Kontingensi dalam kamus bahasa indonesia
memiliki arti Kemungkinan.
 Tabel Kontingensi adalah Tabel klasifikasi silang
dengan dua variabel kategori yang telah di definisi
dengan tujuan mencari bukti dan hubungan antara
keduanya.
Contoh Tabel Kontingensi
Pertanyaan dan pernyataan
 Misalnya, Tabel 2.8 menunjukkan jenis rokok yang
dikonsumsi oleh setiap jenis kelamin di SHHS.
 Tabel ini menggunakan subset SHHS yang sama (yang tidak
memiliki nilai yang hilang).
 Apakah Tabel 2.8 memberikan bukti adanya hubungan jenis
kelamin dengan kebiasaan merokok ?
 Apakah pola konsumsi tembakau berbeda antara laki-laki
dan perempuan ?
Pembahasan
 Dapat dilihat dalam tabel 2.8 bahwa laki-laki dan
perempuan tidak persis sama, di mana persentase
ini telah ditambahkan sebagai bantuan untuk
menginterpretasi. Namun, ada beberapa
kemungkinan cukup mirip sehingga perbedaan
diamati ini muncul hanya dengan pemilihan
kebetulan dari sampel yang diperoleh.
Variabel biner
 Variabel biner adalah : variabel yang menghitung
proporsi dan persentase
 Variabel biner, seperti variabel kategori lainnya,
umumnya diringkas dengan proporsi atau
persentase yang setara, yaitu proporsi dikalikan
dengan 100.
Membandingkan dua proporsi atau
persentase
 Pada variabel biner berkaitan dengan satu sampel
situasi, yaitu ketika hanay ada satu sampel data
yang dianalisis.
 Didalam studi epidemologi : sering mengkaji 2
sampel masalah : dengan perbandingan 2 sampel
atau 1 sampel dibagi menjadi 2 sub sampel yang
memiliki makna / dominan.
Contoh
 Sejauh ini kami telah membuat kesimpulan tentang
proporsi perokok wanita ( sampel masalah 1 ), tetapi
sekarang kami akan mempertimbangkan untuk
membandingkan proporsi perokok antara pria dan
wanita (sampel masalah dua ).
 Kami memperoleh interval kepercayaan 95% untuk
perbedaan antara dua proporsi populasi sebagai p 1
adalah proporsi sampel dari sampel pertama (ukuran n
1) dan p 2 dan n 2 adalah nilai yang sesuai untuk
sampel kedua.
Teknik deskriptif untuk variabel
kuantitatif
 Teknik deskriptif untuk data epidemiologi pada variabel
kuantitatif adalah dengan menggunakan peringkasan
numerik dan investigasi dalam bentuk gambar.
 Dalam eksplorasi awal data kuantitatif, penyelidikan
menjadi yang paling penting karena banyak teknik
analisis hanya cocok untuk data dengan bentuk tertentu,
sementara ringkasan mungkin secara tidak langsung
mengaburkan beberapa aspek menarik dari data.
Ringkasan lima angka
 Dasar dari peringkasan adalah menyajikan sejumlah kecil statistik
kunci yang dapat digunakan untuk merepresentasikan data secara
keseluruhan
 Ringkasan lima angka tersebut terdiri dari:

• Nilai minimum
• Kuartil pertama, Q 1: data di bawah 25% dan di atas 75%
• Median (atau kuartil kedua), Q 2: data berada di bawah 50% dan di
atas 50%
• Kuartil ketiga, Q 3: data di bawah 75% dan di atas
25%
• Nilai maksimum
Kuantil
 Kuantil adalah nilai yang membagi data menjadi
beberapa bagian dengan ukuran yang sama.
 Kuartil didalam kuantil memberikan contoh:
mereka membagi data menjadi empat bagian yang
sama besar.
 Tertil dibagi menjadi tiga, kuintil menjadi lima,
desil menjadi 10 dan persentil menjadi 100 bagian
yang sama, dan seterusnya. Dapat dihitung dengan
memperluas metodologi yang digunakan.
Statistik ringkasan
 variabel kuantitatif diringkas dengan menunjukkan
kesalahan standar mean, bukan deviasi standar, di
samping mean.
 Kesalahan standar mean adalah ukuran ketidakakuratan
mean sampel sebagai representasi mean seluruh populasi
induk dari mana sampel itu diambil.
 koefisien variasi didefinisikan sebagai deviasi standar
dibagi dengan mean. Ini adalah ukuran variasi standar
bebas unit, sering digunakan untuk membandingkan
dispersi variabel dengan unit pengukuran yang berbeda.
Menilai simetri
 Diagram kotak dapat digunakan untuk menilai
simetri. Di sini kami mempertimbangkan
bagaimana
 Statistik ringkasan, termasuk yang
direpresentasikan pada diagram kotak, mungkin
Menilai simetri digunakan untuk menentukan
apakah suatu variabel simetris. Nilai negatif
menyiratkan kemiringan kiri; nilai positif
menyiratkan kemiringan kanan.
Menyelidiki bentuk
 Langkah pertama saat peneliti menyelidiki bentuk adalah
dengan membuat tabel frekuensi yang dikelompokkan (atau
distribusi frekuensi yang dikelompokkan).
 Histogram adalah jenis nama tabel yang digunakan dalam
statistik penelitian.
 Histogram mudah untuk digambar dan mudah diinterpretasikan,
kekurangannya adalah bentuknya yang 'kotak', yang tampaknya
tidak sesuai untuk mewakili variabel kontinu, dan kurangnya
ketahanan terhadap pilihan interval kelas yang digunakan:
bentuk keseluruhannya dapat sangat berubah ketika, misalnya,
titik awal untuk bilah pertama diubah.
Kesimpulan tentang sarana
 Data kuantitatif di ambil untuk membuat
kesimpulan tentang populasi yang lebih luas dari
mana sampel diambil.
 Mean adalah ukuran rata-rata yan paling berguna
jika datanya cukup simetris.
 Mean diambil dari a distribusi probabilitas
normal.
 Distribusi normal standar adalah tabulasi normal
dengan mean 0 dan deviasi standar 1.
Memeriksa normalitas
 Berbagai tes normalitas telah disarankan
(Stephens, 1974), termasuk prosedur yang
didasarkan pada ukuran kemiringan (Snedecor dan
Cochran, 1989).
 Teknik deskriptif yang dikhususkan untuk
distribusi normal menggunakan ekstensi plot
normal. Plot normal adalah plot data terhadap
skor normal, dengan skor nilai yang diharapkan
jika data memiliki distribusi normal standar.
Kesimpulan untuk satu mean
 dimana t n –1 adalah nilai kritis, pada beberapa
tingkat persentase yang ditentukan, dari Student t
distribusi pada n - 1 derajat kebebasan (pembagi
yang digunakan untuk menghitung standar
deviasi).
Membandingkan dua cara
Jika ingin membandingkan nilai rata-rata dari
variabel yang sama antara dua subkelompok atau
antara dua populasi terpisah. Dengan catatan asalkan
kedua sampel diambil secara terpisah satu sama lain,
kemudian menggunakan dua sampel t uji dan
interval keyakinan terkait, yang akan ditentukan.
Data berpasangan
 Berpasangan memiliki arti memasangkan / dipasangkan.
 Memasangkan berarti bahwa setiap individu yang dipilih untuk sampel
1 dikaitkan dengan individu sejenis, yang kemudian dipilih untuk
sampel 2. Misalnya, seorang individu dengan PJK dapat dipasangkan
dengan individu lain yang bebas dari PJK, tetapi memiliki karakteristik
yang sama, seperti usia dan jenis kelamin yang sama, yang diperkirakan
dapat memengaruhi kadar kolesterol dan risiko penyakit jantung
koroner.
 Salah satu contoh umum dari pemasangan adalah ketika setiap individu
bertindak sebagai kontrolnya sendiri, biasanya ditemui di mana
pengamatan dilakukan sebelum dan setelah beberapa intervensi.
o Teknik inferensial untuk data non-normal

Tingkat aproksimasi apa yang dapat diterima tidak dapat dinyatakan dalam istilah-istilah
absolut harus membutuhkan distribusi puncak tunggal tanpa kemiringan yang besar, sehingga
mean mirip dengan median. Semakin besar sampel, semakin kurang tepat aproksimasi yang
dibutuhkan.

• Transformasi
untuk hitungan dan proporsi muncul dari pertimbangan teoritis; dalam kasus
proporsi, akar kuadrat busur dapat dibenarkan secara teori hanya jika semua
proporsi muncul dari ukuran sampel yang konstan, yang dalam praktiknya jarang
terjadi.
Tes nonparametrik

Jika transformasi gagal, atau dianggap tidak sesuai, alternatif nonparametrik (atau
bebas distribusi) tes dapat diterapkan.

Misalnya, file uji Wilcoxon satu sampel (atau tes jumlah peringkat yang ditandatangani)
adalah analog nonparametrik yang terkadang digunakan sebagai pengganti satu sampel t
uji. tidak seperti t uji, yang mengasumsikan distribusi normal, uji Wilcoxon tidak
membuat asumsi distribusi. Demikian pula dengan uji Wilcoxon dua sampel bisa
menggantikan dua sampel t uji.
2.8.3 Interval keyakinan untuk
median

• Jika data pasti tidak normal, akan lebih masuk akal untuk meringkas
menggunakan median dari pada cara. Dalam situasi dua sampel, kami
mungkin menemukan perbedaan antara median dapat berguna. Interval
kepercayaan untuk median dan perbedaan median dapat diperoleh
dengan bootstrap
• Uji chi-square, dua sampel t uji dan uji dua sampel Wilcoxon
semuanya memberikan uji hubungan. Terkadang kita ingin melangkah
lebih jauh dan menyelidiki apakah dua variabel itu ekuivalen
2.9.4 Konsistensi internal
Terdapat beberapa aspek individual dari konsep ini yang dapat dinilai. Misalnya, kemandirian
fungsional, misalnya pada lansia, dapat mencakup beberapa aspek seperti kontrol kandung kemih
dan kemampuan menaiki tangga.

Dalam situasi ini adalah umum untuk menanyai orang pada setiap item secara terpisah, menilai
setiap item pada yang telah ditentukan sebelumnya skala dan kemudian jumlahkan untuk
mendapatkan skor keseluruhan.

Misalnya, skor Barthel yang dimodifikasi (Mahoney dan Barthel, 1965) menggunakan 10 item
kuesioner untuk mencatat aspek kemandirian fungsional, untuk diisi oleh subjek atau pengasuh
mereka. Kami kemudian mungkin ingin mengetahui apakah ada kesepakatan antar item; yaitu
apakah item individu mungkin secara wajar dianggap sebagai ukuran dari konstruksi tunggal, yang
mendasari, sering dikenal sebagai konsistensi internal.
Menilai tes diagnostik

Dua jenis kesalahan dapat terjadi selama pengujian diagnostik.

1. Tes tersebut dapat secara keliru memutuskan bahwa seseorang dengan penyakit
tersebut tidak mengidapnya.
2. tes tersebut dapat secara keliru memutuskan bahwa seseorang tanpa penyakit
tersebut memang mengidapnya.

Jelas, kami berharap probabilitas setiap jenis kesalahan menjadi kecil. Pertimbangkan
data dari pengujian n mata pelajaran disajikan dalam bentuk, menunjukkan keputusan
tes (baris) dan keadaan sebenarnya (kolom). Perhatikan bahwa ini mengasumsikan
bahwa kita sedang menguji keberadaan penyakit; dalam beberapa aplikasi, 'penyakit'
tidak akan menjadi label yang sesuai untuk kolom (misalnya, saat menilai alat tes
kehamilan persiapan). Namun demikian, kami akan terus menganggap situasi ini demi
kesederhanaan.
Akuntansi untuk sensitivitas dan
spesifisitas
Salah satu kriteria yang sering digunakan adalah rasio kemungkinan, didefinisikan
sebagai
s
1-p
dimana s adalah sensitivitas, dan p adalah kekhususan, untuk pengujian yang berbeda.
Ini akan
meningkat jika sensitivitas atau spesifisitas meningkat dengan konstanta lain yang
tersisa, atau jika
sensitivitas dan spesifisitas meningkat. Dengan demikian, nilai terbesar dianggap
terbaik.
Namun, dapat naik atau turun jika sensitivitas dan spesifisitas bergerak.
Secara umum, kita perlu mempertimbangkan kepentingan relatif, atau 'bobot', yang
akan kita
berikan pada sensitivitas dan spesifisitas.
Terima Kasih