Indep var.
Depend var
(one or more)
Bivariat
Multivariat
Designs Type
Descriptive Continuous
Cross-sectional Interval
ratio
Case-control
Descrete
Cohort/eksperimental Nominal (gender,
Extraneous Var.
treatment, One or more
race) A,B,C etc
Ordinal (stage,
levels)
Function and type of the variables
Function
• Independent: associated factors
• Dependent: outcomes or end-points
Type
• Continuous
• Interval
• ratio
• Descrete
• Nominal (gender, treatment, race)
• Ordinal (stage, levels)
Univariable analysis
one dependent variable and no independent
variable.
Bivariable analysis
one dependent variable and one independent variable.
Multivariable analysis
one dependent variable and two or more independent
variables.
Figure . Flow chart to select a bivariable analysis for a continuous dependent variable
Continuous
dependent variable
Var. independen 1
Var, Dependen
Var. independen 2
Var. independen 3
Gambar 1.2. Hubungan serentak antara
beberapa variabel independen-independen
dan variabel dependen (panel atas).
Hubungan antara satu variabel independen
dan satu variabel dependen,
namun meperhitungkan variabel lainnya
(panel bawah).
Part 2
Memilih analisis bivariat
Variabel Variabel Analisis Bivariat Analisis Keterangan
Independen Dependen Multvariat
Kontinyu Kontinyu Korelasi Pearson Korelasi Tentukan
(data normal) (data normal) ES: rho/rho2 Pearson persamaan
Regresi linier sederhana parsial/regresi regresi
ES: slope βx/intercept(β0) linier berganda
ES:
βxi/intercept(β0)
Kontinyu Kontinyu (non- Korelasi Spearman Korelasi
(non-normal normal atau ES: rho/rho2 Spearman
atau ordinal) ordinal) parsial
Var. kontinyu versus var Kontinyu
Pendekatan:
• Regresi Linier sederhana
• Korelasi
• Pearson (normal) atau
• Spearman(non-normal)
Gambar 2.3. Intercept β0 adalah nilai Yi saat X1 sama dengan nol, slope β1 adalah setiap unit perubahan y ( yang disebabkan oleh setiap unit perubahan x
( dengan demikian β1 = . Persamaan dihasilkan adalah Yi (expected) = β0 + β1 Xi. Y adalah nilai total veriabel dependen sampel ke i,
Yi adalah nilai estimasi variabel dependen sampel ke i pada persamaan linier, dan i adalah kesalahan (error) dari variabel dependen sampel ke i
Regresi linear Sederhana
• Sampel untuk analisis ini berlaku untuk sampel naturalistik atau purposif
persamaan garis lurus: Yi = α + βXi ,rerata variable dependen (Yi) untuk setiap
nilai variable independen (xi).
• Persamaan linier pada populasi: Yi = α + βXi, akan digambarkan dengan dua
parameter, yakni
• intercept (β) dan slope (α)
• Intercept adalah esimasi rerata variable dependen (Y) apabila variable
independen (X) sama dengan 0.; misalnya, nilai tekanan darah saat kadar
kreatinin serum=0.
• Slope adalah perubahan rerata variable dependen untuk setiap unit perubahan
nilai numerik dari variable independen, misalnya, berapa tekanan darah berubah
untuk setiap peningkatan satu mg/dl kadar kreatinin serum.
• uji signifikasi (hipotesis nol, tak ada hubungan linier) digunakan uji F
Korelasi
• Mengukur seberapa konsisten perubahan variebel independen diikuti oleh
perubahan variable dependen (hubungan kovariansi)
• Koefisien korelasi (r), menunjukkan kekuatan hubungan antara variable dependen
dan variable independen.
• Koefisien korelasi untuk variable kontinyu dinyatakan dengan Koefisien korelasi
Pearson yang nilainya berkisar antara -1 sampai dengan +1.
• Koefisien korelasi nol: idak ada hubungan antara variable independen dan
variable dependen.
• Korelasi positif: hubungan positif, artinya peningkatan variable independen diikuti
dengan peningkatan variable dependen, demikian sebaliknya penurunan variable
independen diikuti penurunan variable dependen.
• Korelasi negatif; hubungan negatif, artinya peningkatan variable independen
diikuti dengan penurunan variable dependen, demikian sebaliknya penurunan
variable independen diikuti peningkatan variable dependen.
Nilai r dan R2
• Kekuatan hubungan: menjadi kuadrat r atau R2, disebut dengan koefisien
determinasi.
• Misalnya R2 hubungan antara konsumsi garam dan tekanan darah diastolic
sama dengan 45%, itu berarti variasi tekanan darah dapat dijelaskan sebesar
45% oleh konsumsi garam, sisanya 55% dapat dijelaskan oleh factor lain
(yang tidak diketahui).
• Bila koefisien determinasi ini dinyatakan dengan nilai persen, maka ia
menyatakan persentase variasi pada variabel dependen yang dapat
dijelaskan oleh nilai variable independen-nya.
• Koefisien determinasi ini hanya dapat digunakan bila sampel penelitian
diambil secara random dari populasi.
• Korelasi antara variable dependen dan independen ditentukan dari besar
atau kuatnya hubungan itu (R2) dan signifikansi korelasi (nilai P).
Scatter diagram correlation and regression
y, dependent variable [age (years)]
58
56
54
52
Y=a + β X
50
48
46
Observed
44 Linear
80 90 100 110
R = 0,52
P < 0,001
R = 0,52; R2 = 0,27; p < 0,001
Linear Regression with 95.00%
LVMI = 123.40 + 4.32 * adiponektin Individual Prediction Interval
R-Square = 0.16
300.00
LVMI (g/m2)
Persamaan regresi:
200.00
LVMI = a + βAdiponektin + e
A
100.00
adiponektin serum
Regresi linier berganda
• Regresi Berganda
• Korelasi Parsial
• statistic multivariate dipakai analisis korelasi dan regresi ganda variable
dependen kontinyu dapat diestimasi dengan beberapa variable independen
kontinyu.
• Dalam analisis regresi multipel, nilai rerata variable dependen kontinyu diestimasi
dengan persamaan linier (garis lurus) seperti regresi linier sederhana, hanya saja
variable independen-nya dua atau lebih.Misalnya, peneliti ingin mengetahui
hubungan antara laju filtrasi glomerulus (ml/menit) sebagai variable dependen
kontunyu berdasarkan indeks masa tubuh kg/m2, umur (tahun), dan tekanan
darah diastolic (mm Hg) dimana semua variable independen berskala kontinyu.
Dengan analisis regresi multiple, dihasilkan persamaan regresi:
• Laju filtrasi (ml/menit) = 72,74 +3,11 (indeks masa tubuh) – 1,15 (umur) - 0,23
(tekanan darah diastolik)
Uji Hipotesis
• Hipotesis nol omnibus = kesalahan tipe 1 (α) → Hipotesis nol, artinya
keseluruhan variable independen, tidak dapat mengestimasi variable
dependen (dengan Uji F)
• Koefisien regresi (β) pada persamaan regresihubungan antara
variable masing-masing independen dan variable dependen
• Estimasi (effect size) adalah β dan IK koefisien regresi.
Nilai Signifikansi (Nilai-P)
R2multiple=0,35, p<0,001
Korelasi Elastisitas Parenkim Hepar Terhadap Indeks
Fibrosis Setelah Dikontrol dengan Variabel Kontrol