EFFECT SIZE, HYPOTHESIS TESTING

(P-VALUE), AND CONFIDENCE INTERVAL

[PERBEDAAN HASIL KLINIS, UJI HIPOTESIS
(NILAI P), DAN INTERVAL KEPERCAYAN]

Oleh
Ida Bagus Subanada
Subbagian Respirologi, Bagian/SMF Ilmu Kesehatan Anak
FK Unud/RSUP Sanglah Denpasar
 ………phk, uh, dan ik

Luaran yang diinginkan:

1. Residen diharapkan memahami tentang
perbedaan hasil klinis, uji hipotesis, dan
interval kepercayaan (IK).
2. Residen diharapkan memahami hubungan
antara perbedaan hasil klinis, uji hipotesis,
dan IK.
3. Residen diharapkan mampu menulis hasil
penelitian yang memperlihatkan
perbedaan hasil klinis, IK, dan nilai P.
EFFECT SIZE (PERBEDAAN HASIL KLINIS)
 Effect
size adalah perbedaan hasil klinis
(dalam perhitungan besar sampel perlu
dibuat estimasi dari effect size).

Disebut point estimate.

 Contohnya: rasio prevalens (RP), risiko

relatif (RR), rasio odds (RO), beda rerata, dll.

 Bila melakukan critical appraisal (telaah

kritis) terhadap hasil suatu penelitian, effect

size menentukan penting-tidaknya
secara klinis hasil suatu penelitian.
EFFECT SIZE (PERBEDAAN HASIL KLINIS)
 Berdasarkan effect size, hasil suatu
penelitian bisa:
1. Penting secara klinis, bermakna secara
statisitik.
2. Penting secara klinis, tidak bermakna
secara statistik.
3. Tidak penting secara klinis, bermakna
secara statistik.
4. Tidak penting secara klinis, tidak
bermakna secara statistik.
EFFECT SIZE (PERBEDAAN HASIL KLINIS)

akan meneliti, effect size (point

 Bila

estimate) ditetapkan oleh peneliti

berdasarkan keputusan klinis (clinical
judgment) peneliti, bukan dari pustaka.

 Paling memengaruhi besar sampel

(effect size besar sampel ).
 ………effect size
Rumus besar sampel:
2
 ( Z  Z  ) S 
1. n1  n2  2  ( X  X ) 
 1 2 

( Z 2 PQ  Z  P1Q1  P2Q2 ) 2
2. n1  n2 
( P1  P2 ) 2

1
Catatan: P
2
( P1  P2 )

Effect size pada rumus ini

adalah:
X1 – X2 dan P1 – P2
 ………effect size
 Padahipotesis positif, effect size adalah
perbedaan terkecil yang secara klinis
dianggap penting/bermakna.

 Padahipotesis negatif, effect size adalah

perbedaan terbesar yang secara klinis
dianggap tdk penting/tdk bermakna.

menentukan apakah effect size ini

 Untuk

bermakna secara statistik

Perlu uji hipotesis dg hasil

akhir nilai P
 ………effect size

 Contoh:

Sebuah jurnal melaporkan bahwa angka

kesembuhan obat A terhadap suatu
penyakit sebesar 80%, sedangkan obat B
sebesar 55%. Jika kita melakukan studi
replikatif (penelitian ulang), tidak
dibenarkan menggunakan angka 25%
=(80%-55%) sebagai effect size. Ada 2
alasan untuk ini:
1. Alasan konseptual.
2. Alasan teknis.
 ………effect size
Tabel 1. Beberapa contoh effect size yang tdk
mempunyai efek
Jenis effect size Tanpa efek
Beda prevalens 0
Beda risiko 0
Beda rerata 0
Perubahan rerata 0
Korelasi 0
Rasio prevalens 1
Risiko relatif 1
HYPOTHESIS TESTING (UJI HIPOTESIS)

 Merupakan sebuah metode untuk menjawab

pertanyaan:

Apakah hasil penelitian yang didapat pada

sampel akan sama bila penelitian dilakukan
pada populasi dari mana sampel berasal ?????

 Merup. prosedur statistik untuk menguji

kesahihan suatu hipotesis.
 ………uji hipotesis
 Kebanyakan penelitian dilakukan pada
sampel.

Apakah perbedaan/tdk ada perbedaan yg

diperoleh pada sampel, berlaku pula utk
populasi yg diwakili oleh sampel tsb dg tk
kemaknaan yg dikehendaki?

Untuk melakukan inferensi/generalisasi dari

sampel ke populasi dilakukan dg 2 cara:
1. Uji hipotesis, hasil akhir adalah nilai P.
2. Estimasi, untuk memperoleh IK.
 .........uji hipotesis

✿ Dalam penelitian analitik, sering

muncul pertanyaan:

Uji hipotesis apa yg akan dipakai utk

menguji set data yg anda miliki?

✿ Jawaban:

Uji hipotesis yg sesuai.

 .........uji hipotesis

✿ Pertanyaan:
Kenapa perlu uji hipotesis yg sesuai?

✿ Jawaban:
Krn uji hipotesis yg sesuai akan membawa
kita pd simpulan yg sahih.
 ……..uji hipotesis

✿ Pertanyaan:
Bgmn kita tahu bahwa uji hipotesis yg
dilakukan telah sesuai?

✿ Jawaban:
Kita hrs tahu prinsip dasar uji hipotesis.
 ……..uji hipotesis

✿ Pertanyaan:
Apa saja prinsip dasar uji hipotesis itu?

✿ Jawaban:
Prinsip dasar uji hipotesis adalah:
1. Kita hrs tahu fungsi variabel
2. Kita hrs tahu tipe data dr variabel
 ………uji hipotesis

1. Fungsi variabel
✿ Variabel:
karakteristik subjek penelitian yg
berubah dr satu subjek ke subjek
lainnya.

✿ Ada 3 fungsi variabel:

1. Var. bebas.
2. Var. tergantung.
3. Var. perancu.
 ………fungsi variabel

✿ Var. bebas
Var. yg bila berubah akan
mengakibatkan perub. var. lain.

✿ Var. tergantung
Var. yg berubah akibat perub. var.
bebas.

✿ Var. perancu
Var. yg berhub. dg var.bebas dan var.
tergantung, ttp bukan merup. var. antara.
 ………fungsi variabel

Variabel bebas Var. tergantung

?
Minum kopi Penyakit jantung
koroner

Merokok
Variabel perancu

Gambar 1. Fungsi variabel dalam penelitian.

 ………uji hipotesis

2. Tipe data

✿ Diperoleh melalui pengukuran.

✿ Pengukuran: suatu proses kuantifikasi hasil

observasi dg memperhatikan ref. tertentu dan
dinyatakan dlm unit yg baku atau dianggap
baku.

✿ Yg diukur bukan kejadiannya (sakit), atau

objeknya (pasien) ttp dimensi kualitas/
kuantitasnya, misal derajat sakit, usia pasien,
laju nadi, berat badan, tinggi badan, dll.
 ………tipe data

✿ Pengukuran punya peranan penting

krn hasil penelitian itu berupa data yg
diperoleh dg cara pengukuran.

✿ Kesalahan pengukuran
hasil penelitian tdk menunjukkan
keadaan yg sebenarnya.

“GIGO” (garbage in garbage out)

 ……….tipe data

✿ Scr umum ada 2 tipe data:

1. Skala katagorikal.
2. Skala numerik.

✿ Skala katagorikal:
a. Skala nominal.
b. Skala ordinal.

✿ Skala numerik:
a. Skala interval
b. Skala rasio
 ………tipe data

✿ Pembagian lainnya skala numerik:

a. Skala kontinyu.
b. Skala diskret.

✿ Contoh variabel skala nominal:

 Jenis kelamin (laki, perempuan)
 Golongan darah (A, B, AB, O)
 Agama (Islam, Hindu, Buda, Kristen,

Kong Hucu)
 Dll
 ………tipe data

✿ Contoh variabel skala ordinal:

 Derajat penyakit (ringan, sedang,
berat).
 Status gizi (gizi buruk, gizi,
kurang, gizi normal, gizi lebih).
 Tk sosek (rendah, menengah,
tinggi).
 Dll.
 ………tipe data

✿ Contoh variabel dg skala interval:

Suhu, koef. intelegensi

✿ Contoh variabel dg skala rasio:

Berat badan, penghasilan

✿ Contoh variabel dg skala kontinyu:

Berat badan, tinggi badan

✿ Contoh variabel dg skala diskret:

Jumlah anak/keluarga
 ………uji hipotesis

PEMILIHAN UJI HIPOTESIS

✿ Tgt tipe data (skala variabel) dari variabel-
variabel yg diuji.

✿ Ada univariat, bivariat, dan multivariat.

✿ Univariat: rerata, median, modus, proporsi.

 ………pemilihan uji H

✿ Bivariat Tabel 2.

Tabel 2. Jenis data dan uji hipotesis yang sesuai

Variabel Uji hipotesis

Bebas Tergantung
Nominal Nominal Kai-kuadrat, Uji Fischer
Nominal (dikotomi) Numerik Uji t
Nominal (> 2 nilai) Numerik Anova
Numerik Numerik Korelasi/regresi*

Catatan: * Pd korelasi tdk ada var. bebas dan var. tergantung, pd regresi,
satu var. berfungsi sebagai var. bebas dan yg lain sebagai var.
tergantung.
 ………pemilihan uji H

✿ Multivariat Tabel 3

Tabel 3. Uji hipotesis untuk lebih dari 1 variabel bebas

Variabel
Bebas Tergantung Uji hipotesis

Nominal Nomerik Anova

Numerik Numerik Regresi multipel
Nominal dan numerik Nominal Regresi logistik
Uji multivariat lainnya:
regresi Cox, Ancova
Tabel 4. Cara lain pemilihan uji hipotesis
Skala Jenis hipotesis
pengukur- Komparatif Korelatif
an
Tdk berpasangan Berpasangan

Numerik 2 klmpok > 2 klmpok 2 klmpok > 2 klmpok Pearson

Uji t tdk One way Uji t Repeated

brpsngan Anova brpsngan Anova

Katagorik Mann Kruskal- Wilcoxon Friedman Spearman,

(ordinal) Whitney Wallis Sommers,
Gamma

Katagorik Kai-kuadrat, Fisher, K-S McNemar, Cohran, Koef.

(tabel B x K) Marginal Homogenity, kontigensi
✿ Data berpasangan/tdk berpasangan

Dua atau lebih kelompok data dikatakan

berpasangan bila data berasal dari subjek yg
sama atau subjek yg berbeda yg telah
dikakukan matching.

Dua atau lebih kelompok data dikatakan tdk

berpasangan bila data berasal dari subjek yg
berbeda tanpa dilakukan matching.
✿ Syarat uji parametrik dan nonparametrik
1. Syarat uji parametrik:
◦ Skala pengukuran var. harus numerik
◦ Sebaran data hrs normal
Data dikatakan punya sebaran normal bila:
SB
a. Koef. Varians = x 100%
Rerata
Sebaran normal hasilnya < 30%

b. Histogram ~ kurva Gauss

c. Uji K-S atau S-W, normal bila
P> 0,05 (utk α = 0,05)
◦ Varians data:
a. Kesamaan varians tdk mjd syarat
utk 2 kel. data berpasangan.
b. Kesamaan varians bukan syarat
mutlak 2 kel. data tdk berpasangan.
c. Kesamaan varians syarat mutlak
utk > 2 kel. data tdk berpasangan.

Uji varians Uji Leuvene

(jika P> 0,05: varians sama)
 ………pemilihan uji H

Gambar 2. Histogram dengan distribusi normal.

2. Syarat uji nonparametrik:
◦ Jika data dg skala numerik tdk memenuhi syarat utk
uji parametrik.
◦ Jika skala variabel adalah katagorikal (nominal,
ordinal)

Syarat uji kai-kuadrat:

. Sel dg nilai expected <5, maks 20%
 ………pemilihan uji H

Tabel 5. Hub. antara merokok dg fertilitas

Status fertilitas
Fertil Infertil
Total

Perilaku Tdk Count 35 15 50

merokok merokok Exp. count 27,5 22,5
Merokok Count 20 30 50
Exp. Count 27,5 22,5
Total 55 45 100
 ………uji hipotesis

 Uji
hipotesis hanya menjawab ya atau tidak,
tentang apakah effect size terjadi juga pada
populasi (bukan hanya pada sampel).

 Uji
hipotesis hanya menjawab apakah ada
kemaknaan statistik atau tidak.

 Uji
hipotesis tidak memberikan informasi
tentang besarnya perbedaan di antara
kelompok.
 ………uji hipotesis

 Ada 2 jenis uji hipotesis:

1. Hipotesis nol (H0)

 Hipotesis yang menyatakan tidak ada

hub. antara var.bebas dg var. tergantung.

 Uji hipotesis dilakukan berdasarkan H0.

 ………uji hipotesis

2. Hipotesis alternatif (HA)

 Hipotesis yang menyatakan ada hub.

antara var. bebas dg var. tergantung.

 Tidak dapat diuji langsung (HA diterima

bila H0 ditolak).
Bila H0 ditolak scr statistik
bermakna.
 ………uji hipotesis

 Hasil akhir uji hipotesis adalah nilai P.

 Nilai
P menunjukkan besarnya kemungkinan
untuk memperoleh hasil tersebut (atau hasil
yang lebih ekstrem) disebabkan oleh faktor
peluang (chance) bila H0 benar.

Contoh:P=0,035
P= 0,085
 Sembuh Meninggal Total
n (%) n (%) n

Obat standar 60 (60%) 40 (40%) 100

Obat “X” 75 (75%) 25 (25%) 100

Total 135 65 200

X2 = 4.467; df = 1; P = 0,035

Interpretasi nilai P:
Jika efektivitas obat “X” sama dengan obat standar,
kemungkinan hasil tersebut (atau hasil yang lebih
ekstrem) disebabkan oleh faktor peluang (chance)
adalah 0,035 atau 3,5%.
 ………uji hipotesis

Kesalahan pada uji hipotesis

 Ada 2 tipe kesalahan:

Populasi
Berbeda Tdk berbeda

Menolak H0
Power alpha (α)
Sampel (1 – β)

Tidak beta (β) (1– α)

menolak H0
 ………uji hipotesis
 Kesalahan tipe 1 (positif semu =α) terjadi
bila peneliti memperoleh hubungan atau
perbedaan pada sampel (menolak H0),
sedangkan sebenarnya dalam populasi
hubungan atau perbedaan tersebut tidak
ada.
 Kesalahan tipe 2 (negatif semu=β) terjadi

bila peneliti tidak memperoleh hubungan

atau perbedaan pada sampel (H0 tdk
ditolak), sedangkan sebenarnya dalam
populasi hubungan atau perbedaan tersebut
ada.
CONFIDENCE INTERVAL
(INTERVAL KEPERCAYAN =IK)
 Di samping nilai P, laporan penelitian

biasanya mencatumkan IK karena

memberikan informasi yang lebih tentang
hasil penelitan sehingga direkomendasi
oleh hampir semua jurnal.
 IK memperlihatkan rentang nilai yang lebih

sesuai dengan populasi, memberikan arah

dan besarnya hub. antar variabel.
 ………interval kepercayaan

 Adahubungan antara IK dengan batas

kemaknaan (P) pada uji hipotesis 2 arah.
Contoh:
Bila batas kemaknaan 0,05
(P=0,05,uji 2 arah) IK95%

Bila batas kemaknaan 0,01

(P=0,01, uji 2 arah) IK99%
 ………interval kepercayaan
Lebar/sempit IK tergantung 2 faktor:
1. Standard error (SE), oleh karena itu tergantung
standard deviation (SD)=simpang baku (SB) dan
besar sampel (n).
SB IK
Besar sampel IK

2. Derajat IK
IK99% >> IK95%
Misal:
Rerata beda tekanan darah: 5 (IK95% 4 sampai 6)mmHg.
Rerata beda tekanan darah: 5 (IK99% 1 sampai 9)mmHg.
 ………interval kepercayaan

Rumus IK

IK = P±(Zα x SE)

Ket.:
IK = interval kepercayaan
P = point estimate = effect size
Zα= deviat baku normal untuk α,
misalnya: IK95% ~ α=0,05 Zα=1,96.
IK99% ~α= 0,01 Zα=2,58.
SE = standard error.
 ………interval kepercayaan

Perhitungan IK
1. IK95%
Batas atas : effect size luaran + 1,96 SE
Batas bawah : effect size luaran – 1,96 SE

2. IK99%
Batas atas : effect size luaran + 2,58 SE
Batas bawah : effect size luaran – 2,58 SE
 ………interval kepercayaan

IK dari beda rerata atau beda proporsi,

simetris terhadap point estimate.

Jika angka nol (0) tercakup dalam interval

nilai, berarti tidak bermakna secara
statistik, begitu juga sebaliknya.
 ………interval kepercayaan

Contoh:
1. Beda rerata berat lahir bayi di pedesaan dan
kota adalah 500 g (IK95% 300 sampai 700)
bermakna secara statistik (misal, P=0,02).

2. Beda rerata tekanan darah diastolik antara

residen lelaki vs perempuan smt 1 FK Unud
adalah 10 (IK95% – 2 sampai 22) mmHg.
tdk bermakna scr statistik
( misal, P=0,08).
 ………interval kepercayaan

IK dari RR atau RO adalah asimetris

terhadap point estimate (P).

Jika angka satu (1) tercakup dalam interval

nilai, berarti tidak bermakna scr statistik;
demikian juga sebaliknya.
 ………interval kepercayaan

Contoh:
1. Risiko menderita PJK pada lelaki perokok adalah 3,5
kali (IK95% 3,1 sampai 4,5) dari lelaki tidak perokok
bermakna scr statistik
(misal, P=0,01).

2. Risiko menderita PJK pada lelaki peminum kopi

adalah 4,1 kali (IK95% 0,7 sampai 10,5) dari lelaki
bukan peminum kopi
tdk bermakna scr statistik
(misal, P=0,09).
 ………interval kepercayaan

Interpretasi nilai IK

Misal:
Proporsi kanker payudara yang pernah
memakai pil KB adalah 30% (IK95% 21% sampai
39%).
Interpretasinya:
Kita percaya 95% bahwa proporsi pasien
kanker payudara yang pernah menggunakan
pil KB pada populasi terjangkau terletak antara
21% sampai 39%.
 ………effect size, uji hipotesis, IK

Hubungan antara effect size, uji hipotesis, dan

IK

Effect size Sampel

(besar sampel)
Inferensi/generalisasi

Uji hipotesis
Estimasi (IK)
(nilai P)

Populasi
 ………effect size, IK, dan P

Cara menyajikan data yang berisi effect size,

IK, dan nilai P

1. Beda rerata tekanan darah sistolik antara

pasein diabetes dengan non-diabetes
adalah 6 (IK95% 4 sampai 8) mmHg,
P=0,04.
2. Rasio odds untuk menderita kanker paru
pada perokok adalah 3,3 (IK95% 2,9
sampai 4,2 ), P=0,001.
Daftar pustaka
1. Sastroasmoro S, Ismael S. Dasar-dasar Metodologi Penelitian Klinis.
Edisi ke-5. Jakarta: Sagung Seto; 2014.
2. Sopiyudin Dahlan M. Statistika untuk Kedokteran dan Kesehatan: Uji
Hipotesis. Jakarta: Arkans; 2006.
3. Sopiyudin Dahlan M. Besar Sampel dalam Penelitian Kedokteran dan
Kesehatan. Jakarta: Arkans; 2005.
4. Sastroasmoro S. Menelusur Asas dan Kaidah Evidence-based Medicine.
Jakarta: Sagung Seto; 2014.
5. Heneghan C, Badenoch D. Evidence-based Medicine Toolkit. London:
BMJ Books; 2004.
6. Straus SE, Scott Richardson W, Glasziou P, Brian Haynes R. Evidence-
based Medicine. Edisi ke-3. Edinburgh: Elsevier; 2005.
7. Gardner MJ, Altman DG. Statistics with Confidence. London: BMJ; 1989.
8. Burdick RK, Graybill FA. Confidence Intervals on Variance Components.
New York: Marcel Dekker; 1992.
TERIMA KASIH