analisis data statistik
TRANSCRIPT
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