EFFECT SIZE, HYPOTHESIS TESTING

(P-VALUE), AND CONFIDENCE INTERVAL

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

Oleh
Ida Bagus Subanada
Divisi Respirologi, Departemen/KSM Ilmu Kesehatan Anak
FK Unud/RSUP Sanglah Denpasar
 ………phk, uh, dan ik

Luaran yang diinginkan:

1. Residen diharapkan memahami tentang effect size,
uji hipotesis, dan interval kepercayaan (IK).
2. Residen diharapkan memahami hubungan antara
effect size, uji hipotesis, dan IK.
3. Residen diharapkan mampu menulis hasil
penelitian yang memperlihatkan effect size, IK, dan
nilai P.
EFFECT SIZE (PERBEDAAN HASIL
KLINIS)
❑Effect size (besarnya efek) adalah perbedaan hasil
klinis antarkelompok.
❑Disebut juga point estimate.
❑Contohnya: rasio prevalens (RP), risiko relatif
(RR), rasio odds (RO), beda rerata, dll.
❑Dalam perhitungan besar sampel perlu dibuat
estimasi dari effect size.
❑Bila melakukan telaah kritis terhadap hasil suatu
penelitian, effect size menentukan penting-
tidaknya secara klinis hasil suatu penelitian.
EFFECT SIZE (PERBEDAAN HASIL
KLINIS)
❑Berdasarkan effect size dan uji hipotesis, 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)
❑Bila akan meneliti, effect size (point estimate)
ditetapkan oleh peneliti berdasarkan keputusan
klinis (clinical judgment) peneliti, bukan dari
pustaka.

❑Paling memengaruhi besar sampel

(effect size besar sampel ).
Rumus besar sampel: ………effect size

1.

2.

Catatan:

Effect size pada rumus di atas

adalah:
X1 – X2 dan P1 – P2
 ………effect size
❑Pada hipotesis positif, effect size adalah perbedaan
terkecil yang secara klinis dianggap penting.

❑Pada hipotesis negatif, effect size adalah perbedaan

terbesar yang secara klinis dianggap tdk penting.

❑Untuk menentukan apakah effect size ini 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
Rasio odds 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 peran 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 (lelaki, 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

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-
an Komparatif Korelatif
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
Wilcoxon, Friedman Lambda
(prinsip P x K)
✿ 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 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 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 hub.
antarvariabel.
 ………interval kepercayaan

❑Ada hubungan 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=0,05Zα=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