ANALISIS BIVARIAT Nova Muhani SST MKM Tujuan Bivariat

ANALISIS BIVARIAT Nova Muhani, SST. , MKM

Tujuan Bivariat l mengetahui hubungan antara satu variabel dengan variabel lain l l Apakah pendidikan ibu mempengaruhi ibu untuk memeriksakan kehamilannya ? Uji Hipotesis => signifikan atau tdk signifikan ? Signifikan : secara statistik atau substansi ? Mis : menguji perbedaan penurunan tek darah antara obat A dan Obat B, hasil survei: Obat A rata-2 turun tek darah 30 mm. Hg Obat B rata-2 turun tek darah 32 mm Hg Hasil uji Signifikan (p value = 0, 003), artinya secara statistik bermakna, tapi apakah Secara Substansi ada perbedaan ?

Prosedur Uji Hipotesis 1. Menentukan hipotesis Ho : tidak ada perbedaan Ha : ada perbedan 2. Memilih Uji statistik 3. Penghitungan Uji Statistik mencari : P Value 4. Menentukan batas Kemaknaan alpha = 5 % (0, 05) 5. Keputusan - p value ≤ alpha (0, 05) -> Ho ditolak (ada perbedaan yg signifikan … - p value > alpha (0, 05) -> Ho gatol/diterima(tdk ada perbed ……

Jenis Uji Statistik Tergantung pada Jenis Data/variabel: Variabel Kategorik 1. Chi-square/ Kategorik Regresi logistik t-test (jika 2 kategori) Numerik Anova (>2 kategori) Numerik 2 A. t-test (jika 2 kategori) 2 B. t-test-paired 3. Anova (>2 kategori) 4. Korelasi/ regresi linier

UJI STATISTIK l PARAMETRIK : DISTRIBUSI DATA NORMAL l NON PARAMETRIK : DISTRIBUSI DATA TIDAK NORMAL

3. SKALA PENGUKURAN DATA: (NOIR) l Nominal = (Beda) Statistik Non Parametrik l Ordinal = (Beda, Tingkatan) l Interval = (Beda, Tingkatan, Jarak) Statistik Parametrik l Ratio = (Beda, Tingkatan, Jarak, Kelipatan/nilai absolut)

DETEKSI KENORMALAN DATA

ANALISIS HUBUNGAN NUMERIK DNG NUMERIK

Uji Korelasi = mengetahui besar dan arah hubungan dua variabel numerik Korelasi diketahui dng koef r yg nilainya: -1 s/d +1 Arah hubunga : positip /negatip Besar/kekuatan hub : kuat /lemah r : 0, 00 – 0, 25 : lemah r : 0, 26 – 0, 50 : sedang r : 0, 51 – 0, 75 : kuat r : 0, 76 – 1 : sangat kuat Mis : apakah ada hubungan BB dng TD. Apakah hubngan kuat atau lemah. Apakah hubungan pos atau neg ASUMSI : DISTRIBUSI DATA NORMAL BILA TDK TERPENUHI: UJI NON PARAMETRIK: KORELASI SPEARMAN

Uji Regresi Linier Tujuan: memprediksi variabel dependen melalui variabel independen Var. dependen = variabel yang dipengaruhi Var. independen = variabel yang mempengaruhi Utk prediksi – persaman garis : y = a + bx y = variabel dependen x = variabel independen a = intercep : besarnya nilai y bila nilai x=o b = slope : besarnya perubahan nilai y bila variabel x berubah setiap satuan Ciri regresi linier var. dependen berbentuk numerik

Koefisien Determinasi (R 2) : variasi variabel dependen dapat dijelaskan oleh variasi variabel independen : besarnya variabel independen mempengaruhi variabel dependen R 2 = R Square R 2 = r 2 x 100% nilainya berkisar 0 – 100% Misal hubungan BB dng TD dihasilkan R 2 = 0, 678 Artinya : Variasi variabel berat badan dapat menjelaskan variasi tekanan darah sebesar 67, 8 % Variabel berat badan mempengaruhi variabel tekanan darah sebesar 67, 8 %

Pemilihan uji umur 23 34 56 45 dst bbadan 56 78 76 56 67 agama 2 3 4 1 Sex 1 2 2 1 Umur 1 2 3 1 2 Bb 1 1 2 Peng 1 50 45 65 56 Peng 2 67 65 63 68 Numerik : umur, bbadan, peng 1 (seb interv), peng 2 (sesudh interv) Katagorik : agama, sex, umur 1(1=<20, 2=20 -30, 3=>30) , bb 1(1<60 kg, 2=>60 kg) Mana yg dapat uji korelasi dan regresi linier ? Hubungan : umur dng bbadan Kenapa hub sex dng berat badan tidak bisa uji korelasi ? Kenapa hub agama dengan umur tidak bisa uji korelasi ? Kenapa hub sex dng bb 1 tidak bisa uji korelasi ?

Proses :

Analisis univariat Uji kenormalan data

Uji bivariat Output spss

Proses spss

Hasil spss

Penyajian dan interpretasi

ANALISIS HUBUNGAN KATEGORIK DNG NUMERIK

Uji t Tuj: menguji perbedaan mean antara 2 kelompok Uji t digunakan bila : var Kategoriknya isinya harus dua nilai/kelompok Mis : sex (pria, wanita), umur (tua, muda), kinerja(baik, buruk) - Analisis hubungan sex dng tek darah: apakah ada perbedan mean tek darh antara Pria dan wanita Analisis hubungan pre-post dng berat badan: Apakah ada perbedaan mean berat bdn antara sebelum dan sesudah diet -

A. uji t Independen Ciri : dua kelompok/sampel yg respondennya berbeda Mis; ingin mengetahui hubungan tempat tinggal dng TD, Apakah ada perbedaan mean tek drh antara orang kota dan desa Uji t independen dibagi 2 , yaitu : varian sama dan varian berbeda Mean =…. . Orang kota Mean =…. . Orang desa ASUMSI : DISTRIBUSI DATA NORMAL BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI MANN WHITNEY

B. Uji t dependen (paired test) Ciri : dua kelompok/sampel yang respondennya sama dan diukur dua kali ‘pre dan post’ Mis: apakah ada perbedaan rata-rata berat badan sebelum diet dan sesudah diet Mean = …. intervensi Pre test Post test ASUMSI : DISTRIBUSI DATA NORMAL BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI WILCOXON

Pemilihan uji umur 23 34 56 45 dst bbadan 56 78 76 56 67 agama 2 3 4 1 Sex 1 2 2 1 Umur 1 2 3 1 2 Bb 1 1 2 Peng 1 50 45 65 56 Peng 2 67 65 63 68 Numerik : umur, bbadan, peng 1 (seb interv), peng 2 (sesudh interv) Katagorik : agama, sex, umur 1(1=<20, 2=20 -30, 3=>30) , bb 1(1<60 kg, 2=>60 kg) Mana yg dapat uji T ? -Uji t independen : hubungan sex dng bbadan, hub sex dng umur, hub bb 1 dng umur - Uji t dependen : hubungan peng 1 dng peng 2 Kenapa hub agama dng berat badan tidak bisa uji t ?

Uji t independen ada 2 jenis: varian sama & varian berbeda Proses di spss: hubungan hb dengan eksklusive

Output uji t independen

Penyajian dan interpretasi (uji t independen)

Uji t dependen

Uji t dependen

Penyajian dan interpretasi uji t dependen

UJI ANOVA Tujuan : menguji perbedaan mean antara 3 atau lebih sampel (kelompok). Ciri : variabel kategoriknya berisi lebih dari 2 nilai/katagorik Mis: - Analisis hubungan pendidikan dengan berat bayi: Apakah ada perbedaan mean berabt bayi antara ibu pendidikan sd, smp, smu dan pt. Mean = …. Mean =…… Mean = …. sd smp smu pt ASUMSI : DISTRIBUSI DATA NORMAL DAN VARIAN HOMOGEN BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI KRUSKAL WALLIS

l One-way annova

Pemilihan uji umur 23 34 56 45 dst bbadan 56 78 76 56 67 Sex 1 2 2 1 Umur 1 2 3 1 2 Bb 1 1 2 Peng 1 50 45 65 56 Peng 2 67 65 63 68 Numerik : umur, bbadan, peng 1 (seb interv), peng 2 (sesudh interv) Katagorik : agama, sex, umur 1(1=<20, 2=20 -30, 3=>30) , bb 1(1<60 kg, 2=>60 kg) Mana yg dapat uji ANOVA ? Hubungan : umur 1 dng bbadan Kenapa hub sex dng berat badan tidak bisa uji anova ? Karena var sex hany Kenapa hub sex dengan bb 1 tidak bisa uji anova ? Karena keduany data kate Kenapa hub umur dng bbadan tidak bisa uji anova ? karena datanya numerik

perintah : Uji anova

Hasil Anova

Penyajian dan Interpretasi

ANALISIS HUBUNGAN KATEGORIK DNG KATEGORIK

Uji Kai Kuadrat Tuj: mengetahui perbedaan proporsi/persentase antara dua atau lebih kelompok(sampel) Mis: Uji hubungan kelas perawatan dng kepuasan pasien. : Apakah ada perbedaan persentase kepuasan pasien antara pasien kelas VIP, I dan II P= …. % P=…% Kelas II kelas. VIP Kelas perawatan(vip, kelas I & kelas II), kepuasan(puas, tdk puas) : Uji hubungan jenis kelamin perawat dng kinerja apakah ada perbedaan persentase kinerja antara perawat pria dan wanita P= …. % pria P= …. % wanita Jenis kel (pria, wanita), kinerja (baik, buruk)

Pemilihan uji umur 23 34 56 45 dst bbadan 56 78 76 56 67 agama 2 3 4 1 Sex 1 2 2 1 Umur 1 2 3 1 2 Bb 1 1 2 Peng 1 50 45 65 56 Peng 2 67 65 63 68 Numerik : umur, bbadan, peng 1 (seb interv), peng 2 (sesudh interv) Katagorik : agama, sex, umur 1(1=<20, 2=20 -30, 3=>30) , bb 1(1<60 kg, 2=>60 kg) Mana yg dapat uji kai kuadrat ? Hubungan : sex dng bb 1, sex dng umur 1, sex dng agama, bb 1 dng agama Kenapa hub sex dng berat badan tidak bisa uji kai kuadrat ? Kenapa hub agama dengan umur tidak bisa uji kai kuadrat ? Kenapa hub umur dng bbadan tidak bisa uji kai kuadrat ?

Strategi Analisis : 1. Pembuatan tabel silang (Membandingkan perbedaan persentase antar kelompok) 2. Menyimpulkan uji statistik 3. Menjelaskan kekuatan hubungan/risiko : OR, RR

Tabel Silang - Ketentuan pembuatan tabel silang: - Variabel independen pd Baris (kiri), variabel dependen pd Kolom (kanan atas) - Pada disain Cros Sectional --- dibuat persentase baris

Tabel Silang -Pada disain Case Control --- dibuat persentase kolom dimulai dari kolom kasus, persen nya kolom namun membandingkan nya tetap baris

l Chi square tidak boleh dgunakan bila

Ketentuan Uji Kai Kuadrat - Keterbatasan kai kuadrat - tdk boleh ada sel dng nilai E < 1 nilai expected - tdk boleh ada sel dbg nilai E < 5 lebih dari 20 % total sel SOLUSINYA: - utk tabel besar, dilakukan penggabungan baris/kolom - utk tabel 2 x 2, gunakan uji FISHER EXACT NOTE: Utk tabel 2 x 2, bila ada sel yg nilai E nya kurang dari 5, maka uji yg digunakan : FISHER EXACT

Pengkodean Variabel Untuk mendapatkan nilai OR yg benar : (koding data hrs diperhatikan) Kode harus konsisten antara variabel independen dengan dependen Variabel dependen yg menjadi pokok bahasan/kasus sebaiknya di kode 1 sedangkan bagian yang sebaliknya diberi kode 0 Variabel independen harus konsisten kodenya ngikuti variabel dependen, kelompok expose/penyebab kasus diberi kode 1, kelompok non expose/non penyebab diberi kode 0 harus diperhatikan konsisitensi dampak apabila terbalik nilai OR ny kebalik bertolak belakang OR < 1 pencegah OR > 1 resiko premercy : untuk penelitian yang d sosial Contoh: - var. dep : kanker paru : ya (diberi kode 1), tidak (kode 0) - var. indep. : merokok : ya (diberi kode 1), tidak (kode 0) perilaku ; baik (diberi kode 0), buruk (kode 1) misalnya OR merokok dgn ca paru mnjd ½ orang merokok mempunyai FR ½ kali untuk mengalami ca paru

Langkah di spss : Kotak Row diisi var. independen, kotak Coloumn diisi var. dep

Proses di spss: Pada kotak Crosstab chek list : chisquare dan Risk Pada kotak Cell chek list : Row

Hasil analisis

Hasil OR

Penyajian di Laporan