ANALISIS DATA STATISTIK

oleh

Farit

POKOK BAHASAN

1. pengukuran2. skala pengukuran3. analisis univariat4. analisis bivariat5. analisis multivariat6. tabel analisis data statistik

PENGUKURAN

Pengukuran adalah penunjunkan angka-2 pada suatu variable

Pengukuran membutuhkan alat ukur/ instrumen yang standar, baik alat maupun kuesioner

Pengukuran adalah mendapatkan dimensi kuantitas suatu objek, misalnya berat badan, jumlah pasien

Syarat pengukuran

isomorfisme, yaitu ukuran harus sedekat mungkin dengan benda/ kejadian yang diukur (terkadang yang dapat diukur hanya indikatornya, berkeringat).

exhaustive, yaitu pengukuran harus meliputi seluruh kemungkinan yang ada

mutually exlusive, yaitu pengukuran tidak boleh tumpang tindih

Skala pengukuran

Hasil suatu pengukuran untuk analisis data dapat dibagi dalam 4 skala : skala nominal skala ordinal skala interval skala rasio

Skala nominal

merupakan tingkat pengukuran yg paling sederhana untuk klasifikasi data tidak ada asumsi jarak atau urutan antara angka-2 dasar penggolonganya mutualy exclusive & exhautive kode atau angka tak menunjukan rendah ke tinggi atau sebaliknya

Misalnya variabel jenis kelamin : 1= pria dan 2 = wanita warna, partai, lokasi, dsb

Skala ordinal

merupakan tingkat pengukuran yang mempunyai urutan dari rendah ke tinggi kode atau angka sekedar menunjukan urutan bukan nilai

misalnya variable sikap : 3 = “setuju”, 2 = “ragu-ragu/ tidak berpendapat, dan 1= “tidak setuju” pendidikan (SD, SLTP, SLTA, perguruan tinggi)

Skala interval

memberikan informasi tentang interval antara satu kode/ angka dengan yang lain merupakan tingkat pengukuran urutan dari rendah ke tinggi

misalnya variable nilai ujian : A = 86-99, B = 76-85, C = 66-75 D = 56-65

Skala ratio

merupakan tingkat pengukuran urutan dari rendah ke tinggi memberikan informasi tentang nilai sebenarnya responden/ objek yang diukur menggambarkan interval antara kode/angka dgn nilai 0

Misalnya variable nilai ujian dari 0 - 100

Hubungan antara skala pengukuran

ASUMSI URUTAN - + + +

ASUMSI JARAK - - + +

TITIK 0 ABSOLUT - - - +

RASIOKRITERIA NOMINAL ORDINAL INTERVAL

Skala yg lebih tinggi dapat diubah menjadi skala yg lebih rendah, dan tidak sebaliknya.

Konsep

Uji statistik dilakukan untuk menentukan apakah perbedaan/hubungan yang terlihat pada sampel benar-benar ada atau kebetulan ada akibat pengambilan sampel saja

Hasil uji statistik berupa: “probabilitas peneliti memperoleh hasil seperti pada sampel atau lebih ekstrim jika hipotesis nol benar”

Konsep

Probabilitas hasil penelitian sejalan dengan hipotesis nol”

Jika p besar maka H0 diterima, jika p kecil H0 ditolak

Besar kecilnya probabilitas ditentukan oleh a, - probabilitas peneliti untuk menolak H0 jika di populasi H0 benar

Konsep

Jika peneliti menolak H0: Dapat terjadi kesalahan tipe 1 (a), peneliti salah

mengambil kesimpulan karena sebenarnya di populasi hipotesis nol benar (tidak ada hubungan)

Jika peneliti menerima H0: Dapat terjadi kesalahan tipe 2 (b), peneliti salah

mengambil kesimpulan karena di populasi hipotesis nol salah (ada hubungan)

Signifikan statistik TIDAK SAMA dengan signifikan substansi karena perbedaan yg kecil dapat signifikan secara statistik karena penggunaan sampel yg besar

Perlu diperhatikan dalam analisis data

Membandingkan dan melakukan tes teori atau konsep dengan informasi yang ditemukan

Mencari dan menemukan adanya konsep baru dari data yang dikumpulkan

Mencari penjelasan apakah konsep baru ini berlaku umum, atau baru terjadi bila ada prakondisi tertentu

Urutan analisis data

Analisis univariat adalah analisis satu variabel

Analisis bivariat adalah analisis hubungan 2 variabel Analisis multivariat adalah analisis hubungan lebih dari 2 variabel secara bersama dgn mengontrol variabel lain

ANALISIS UNIVARIAT

Analisis univariat adalah analisis satu variabel

Misalnya distribusi frekuensi nilai rerata variasi persentase

Kegunaan analisis univariat

1. Salah satu cara melihat adanya kesalahan koding atau entry data

jawaban di luar area penelitian data yang sangat ekstrim mengganggu nilai rerata data yang tidak konsisten, misalnya variabel seks

pria tetapi variabel kehamilan positif jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis 2. Mendeskripsikan suatu fenomena dengan baik.3. Perincian/ gambaran besarnya suatu fenomena4. Petunjuk pemecahan masalah5. Persiapan analisis bivariat atau multivariat

Contoh analisis univariat

ANALISIS BIVARIAT

Analisis bivariat adalah analisis hubungan 2 variabel yg dapat bersifat :

(a) simetris tak saling mempengaruhi

(b) saling mempengaruhi

(c) variabel satu mempengaruhi variabel lain

Contoh analisis bivariatuji Chi-square

Contoh analisis bivariatuji korelasi

Untuk mengontrol confounder & effect modifier

Jika confounder & effect modifier sudah dapat dikontrol pada tahap desain, analisis dapat lebih sederhana (non multivariat)

Prinsip: model parsimonius (valid, precise & simple)

ANALISIS MULTIVARIAT

Contoh analisis multivariatuji regresi logistik ganda

TABEL ANALISIS DATA STATISTIK

ORDINAL INTERVAL/RATIO

Kruskal-wallis

Logistic multiple regression

Friedman’s 2 way

Discriminant analysis

Rank-order correlationKendal’s tauGamma Coefficiens

Dikotom : Politom :

Anova Anova-interclass

Multiple correlation

t-test DVMR Dummy

Multiple regression

sign test Multiple classification

Path-analisis

U-test Cross classification

Partial regression

VARIABLE DEPENDEN

VARIABLE INDEPENDEN

NOMINAL

NOMINAL DIKOTOM Difference proportion test

Chi-square

Fisher’s exact test

Phi-coeficient

atau interval ke ordinal memakai teknik yang sesuai

POLITOM Chi-square

Kendall’s VCT

INTERVAL/ RATIO Ubah ordinal jadi nominal

atau var.interval ke variabel ordinal memakai teknik yang sesuai

ORDINAL

Man-whitney

Kormogrof-smirnov

Ubah var. ordinal jadi var. nominal