analisis data kategorikal - gesaf.files. · pdf filetarget: mahasiswa dapat menerapkan metode...
TRANSCRIPT
Analisis Data Kategorikal
Topik: Data & skala pengukuran
Uji hipotesis untuk data kontinu
Uji hipotesis untuk data kategorikal
Desain penelitian kesehatan
Ukuran asosiasi
Regresi Logistik
Target: Mahasiswa dapat menerapkan metode analisis data
yang sesuai dengan jenis data & desain penelitian kesehatan
Mahasiswa mampu mengimplementasi data kesehatan di paket program statistik & menginterpretasi output dari paket program statistik itu
Referensi:
Agresti, A. 1990. Categorical Data Analysis. John Wiley & Sons, New York.
Fleiss, J.L. 1981. Statistical Methods for Rates & Proportions. John Wiley & Sons, New York.
Hosmer, D.W. & Lemeshow, S. 1989. Applied Logistic Regression. John Wiley & Sons, New York.
Sistem Penilaian: Presensi
Tugas Kelas & Rumah
Ujian Tengah Semester
Ujian Akhir Semester
Pengumpulan data: langsung dari responden (wawancara, pengukuran,
pengamatan)
tidak langsung dari responden (didapat dari berbagai sumber data, departemen-departemen, lembaga penelitian)
Data menurut sifatnya: kualitatif (data tidak berupa angka)
kuantitatif (data berupa angka)
Pengumpulan Data
Nominal: data hasil pengamatan diklasifikasikan ke dalam kategori-kategori, dan diantara kategori tidak ada suatu urutan
Ordinal: data hasil pengamatan diklasifikasikan ke dalam kategori-kategori, dan diantara kategori ada suatu
urutan
Interval: skala ini disamping dapat membedakan urutan, juga dapat mengetahui jarak diantara dua pengukuran
Rasio: mempunyai sifat skala interval dengan titik nol tetap
Skala pengukuran
ESTIMASI
Waktu Sembuh Pasien
Sampel
Mean=Rata-rata=?
Mean= 4 hari
Populasi
50
ESTIMASI
tidak merokok Sampel
Proporsi=persentase=?
proporsi= 40%
Populasi Pasien di RS
merokok
500
200
300
UJI HIPOTESIS
Waktu Sembuh Pasien
Sampel
Populasi
Rata-rata = 3,8
50
H: Rata-rata < 5
1,2
KESALAHAN TIPE I & II
Kenyataan
H0 Benar H0 Tdk Benar
KeputusanMenolak H0 Kesalahan
Tipe IOK
Tidak Menolak H0
OK Kesalahan Tipe II
UJI HIPOTESIS
Obat Standar Obat Baru
Wkt Sembuh
Wkt Sembuh
Obat Baru lebih efektif dibandingkan dengan Obat Standar
Statistik Uji ?
UJI HIPOTESIS
Obat Standar Obat Baru
Sembuh atau Tdk Sembuh
Sembuh atau Tdk Sembuh
Obat Baru lebih efektif dibandingkan dengan Obat Standar
Statistik Uji ?
UJI HIPOTESIS
Statistik Uji ?
Desain Penelitian Kesehatan
1. Cross Sectional Study Design
2. Prospective Study Design
3. Retrospective Study Design
Cross Sectional Study Design
Pada studi ini, subjek diklasifikasi menurut dua variabel yaitu D (disease) dan E (exposure), yang diukur pada saat yang sama. Data hasil pengukuran diringkaskan dalam tabel berikut
Total besar sampel n adalah yang fixed dalam studi ini.
Statistik uji yang digunakan untuk mengetaui adanya hubungan atau asosiasi antara exposure dengan disease adalah:
Jika tidak ada hubungan antara exposure dengan disease, maka mengikuti distribusi chi_square dengan derajad bebas 1 dan dengan menggunakan tabel distribusi ini dapat digunakan untuk memperoleh tingkat signifikansi (p_values)
2
Ukuran asosiasi yang digunakan dalam studi ini adalah: RR (Relative Risk) atau OR (Odds Ratio) yang didefinisikan sebagai
+
+=
dccbaa
RRbcadOR =
95% CI for RR: (el1, el2)
l1 = ln RR 1.96 SE(ln RR)
l2 = ln RR + 1.96 SE(ln RR)
SE(ln RR) = SQRT(1/a 1/nE + 1/c 1/nNE)
95% CI for OR: (el1, el2)
l1 = ln OR 1.96 SE(ln OR)
l2 = ln OR + 1.96 SE(ln OR)
SE(ln OR) = SQRT(1/a + 1/b + 1/c + 1/d)
Contoh:
Dua ratus enam puluh tiga mahasiswa yang makan siang di kantin ditanya apakah mereka sakit perut atau tidak. Jawaban mereka diklasifikasi menurut apakah mereka makan pakai sambal atau tidak. Data hasil pengamatan disajikan dalam tabel berikut.
Sakit PerutTotalYa Tidak
Sambal Ya 109 116 225
Tidak 4 34 38
Total 113 150 263
sambal * sakit perut Crosstabulation
Count
109 116 2254 34 38
113 150 263
yatidak
sambal
Total
ya tidaksakit perut
Total
Chi-Square Tests
19.074b 1 .00017.558 1 .00022.101 1 .000
.000 .000
19.002 1 .000
263
Pearson Chi-SquareContinuity Correctiona
Likelihood RatioFisher's Exact TestLinear-by-LinearAssociationN of Valid Cases
Value dfAsymp. Sig.
(2-sided)Exact Sig.(2-sided)
Exact Sig.(1-sided)
Computed only for a 2x2 tablea.
0 cells (.0%) have expected count less than 5. The minimum expected count is16.33.
b.
Risk Estimate
7.987 2.744 23.251
4.602 1.804 11.743
.576 .488 .681
263
Odds Ratio for sambal(ya / tidak)For cohort sakit perut = yaFor cohort sakit perut =tidakN of Valid Cases
Value Lower Upper
95% ConfidenceInterval
Analisis Data KategorikalSlide 2Slide 3Slide 4Slide 5Slide 6ESTIMASISlide 8UJI HIPOTESISKESALAHAN TIPE I & IISlide 11Slide 12Slide 13Desain Penelitian KesehatanCross Sectional Study DesignSlide 16Slide 17Slide 18Slide 19Slide 20Slide 21