4 Seri Evidence Based Medicine 1 M. Sopiyudin Dahlan SCS eT MCSA ETCT) Ge Penerbit '=F2| Salemba Medika ee a OMe aA moe“LIHATLAH GAMBARAN BESARNYA. BABI TEORI SEDERHANA PROSEDUR PEMILIHAN UJI HIPOTESIS 1. Pembaca memahami Statistik Deskriptif. 2. Pembaca mampu memahami alur berpikir yang benar untuk menentukan uji hipotesis yang sesuai secara teoretis untuk analisis bivariat: Hipotesis komparatif skala pengukuran numerik, dua kelompok data. Hipotesis komparatif skala pengukuran numerik > 2 kelompok data. Hipotesis komparatif skala pengukuran kategorik kelampok data tidak berpasangan. Hipotesis komparatif, skala pengukuran kategorik, kelompok data berpasangan. e. Hipotesis korelatif. Pembaca mampu memahami alur berpikir yang benar untuk me- nentukan uji hipotesis yang sesuai secara teoretis untuk analisis multivariat. Di manakita berada? |. Satistik deskriptif analisis bivariat dan multivariat A. STATISTIK DESKRIPTIF Statistik deskriptif akan membawa Anda pada pemahaman: tentang karakteristik data yang Anda miliki. Statistik deskriptif ini harus sclalu mendahului statistik analitis. Karena pentingnya statistik deskriptif ini, para ahli selalu mengatakan: Know your data, what kind of data you have! Berikut ini merupakan catatan utama berkaitan dengan statistik deskriptif.2. Statistik untuk Kedokteran dan Kesehatan 1. Variabel kategorik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran kategorik, Anda mengenal istilah jumlah atau frekuensi tiap kategori (n) dan persentase tiap kategori (%) yang umumnya disajikan dalam bentuk tab-L~s--—~--61 7 % Jenis Kelamin Lakislaki za @ Perempuan 28 56 Tingkat Pendidikan Rendah 10 20 Sedang a eal Tinggi 15 30 Total 50 100 Tabel 1.1 Contoh deskripsi variabel kategorik dalam bentuk tabel Grafik, Sebaran responden berdasarkan tingkat pondielkan sedong ros tingkat pendidikan Gambar 1.1 Contoh penyajian variabel kategorik dalam bentuk grafik batang Berikut ini merupakan contoh penyajian variabel dengan skala pengukuran kategorik dalam bentuk grafik batang. 2. Variabel numerik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran numerik, Anda mengenal dua parameter yang lazim digunakan, yaitu parameter ukuran pemusatan dan parameter ukuran penyebaran. Anda mengenal beberapa parameter untuk ukuran pemusatan, yaitu mean, median, dan modus. Untuk parameter ukuran penycbaran, Anda mengenal standar deviasi, varians, koefisien varians, interkuartil, range, dan minimum-maksimum. Data variabel dengan skala pengukuran numerik umumnya disajikan dalam bentuk tabel dan grafik (histogram dan plots). Berikut ini merupakan contoh penyajianTeori Sederhana Prosedur Pemilinan Uji Hipotesis 3 variabel dengan skala pengukuran numerik dalam bentuk tabel dan histogram. Tabel 1.2 Contoh penyajian variabel numerik dalam bentuk tabel Variabel Rerata Median Simpang Baku Minimum ___Maksimum, Usia 46,69 47 12,56 15 69 Berat Badan 50,4 50 8,33 45 84 Wigan * * so Se Gambar 1.2 Contoh penyajian variabel numerik dalam bentuk histogram Kapan Anda memilih mean, median atau modus sebagai ukuran pemusatan? Kapan pula Anda memilih standar deviasi atau minimum- maksimum sebagai ukuran penyebaran? CATATAN Jika data mempunyai distribusi normal, Anda dianjurkan untuk memitih mean sebagai ukuran pemusatan dan standar deviasi (SD) sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia mempunyai distribusi normal, Anda menuliskan: Rerata usia responden adalah 46,69 (SD 12,56). Jika distribusi data tidak normal, Anda dianjurkan untuk memilih median sebagai ukuran pemusatan dan minimum-maksimum sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia berdistribusi tidak normal, Anda dianjurkan untuk menuliskan rerata usia respenden adalah 47 (15-69). Untuk mempelajari bagaimana membuat deskripsi variabel kategorik, deskripsi variabel numerik, dan bagaimana cara mengetahui distribusi suatu variabel numerik memiliki distribust normal atau tidak dengan menggunakan SPSS, silakan pelajari Bab Il.4. Statistik untuk Kedokteran dan Kesehatan B. STATISTIK ANALITIS BIVARIAT Pertanyaan yang sering muncul dalam analis is data adalah: Uji bipotesis apa yang Anda pakai untuk menguji set data yang Anda miliki? Jawabannya tentu saja: Anda menggunakan uji hipotesis yang sesuai, Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang sahih. Akan tetapi, untuk mencapai keputusan untuk menggunakan uji tertentu, tentu saja harus didasari berbagai pertimbangan, Pertimbangan apa saja yang harus kita pikirkan untuk menentukan uji bipotesis? Tahukah Anda dengan berpedoman pada tabel uji hipotesis (Tabel 1.3) ‘Anda sudah bisa menentukan sebagian besar uji hipotesis yang sesuai dengan set data yang ‘Anda miliki? Tabel 1.3 Tabel uji hipotesis bivariat Masaiah Skala Janis ipolests (as0s725) pengukuran Komparatit Tidak berpasangan Berpasangan Kovelatt Numerik ‘2 kefompok 2 ‘Zkelompok | > 2 kelompa kketompok Ujttidak One way uit Repeated Pearson* berpasangan | ANOVA | berpasangan | ANOVA 94+ Mann Whitney | Kruskals | Wiicoxon | Friedman Spearman Walle Somers'd Gamma Kategorie ChiSquare MeNemar, Coahran Koatision (NaminalOrinal Fichor Marginal Hamoganeity kontingonsi Koimagorev-Smirrov Wilcoxon, Frieeman’ Lambda (label 8 x) (prinsip Px K) Keterangan: 1. Uji dengan tanda * merupakan uji parametrik, 2. Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji parametrik tidak terpenuhi. 3. Untuk hipotesis komparatif numerik, perlu diperhatikan banyaknya kelompok. 4. Untuk hipotesis komparatif kategorik tidak berpasangan, pemilihan uji menggunakan “tabel B x kK”. 5. Untuk hipotesis komparatif kategorik berpasangan, pemilihan uji menggunakan “prinsip P x K”.Teori Sederhana Prosedur Pemilinan Uji Hipotesis 5 Dengan berpedoman pada tabel di atas, sesungguhnya Anda sudah dapat menentukan uji hipotesis yang sesuai dengan set data yang Anda miliki. Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut. Menentukan variabel yang dihubungkan. Menentukan jenis hipotesis. Menentukan masalah skala pengukuran. Menentukan berpasangan/tidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel Bila jenis hipotesis komparatif numerik, tentukan banyaknya kelompok. hipotesis komparatif kategorik tidak berpasangan, rentukan jenis tabel B x K. Bila jenis hipotesis komparatif kategorik berpasangan, tentukan jenis “prinsip P x K”. Dengan demikian, Anda dapat menentukan uji hipotesis bivariat dengan berpedoman pada Tabel 1.3 dengan syarat Anda harus memahami beberapa istilah: Skala pengukuran: kategorik atau numerik. Jenis hipotesis: komparatif atau korelatif. Masalah skala pengukuran: numerik atau kategorik. Pasangan: berpasangan atau tidak berpasangan. Jumlah kelompok: 2 kelompok atau > 2 kelompok. Syarat uji parametrik dan nonparametrik. Prinsip tabel B x K dan P x K. Ne eee Marilah kita bahas pengertian dasar dari istilah-istilah tersebut satu demi satu. INGAT! Pemahaman ketujuh istilah ini sangat penting. Oleh karena itu, fokuslah untuk memahami tujuh istilah ini.& Statistik untuk Kedokteran dar Kesehatan Istilah pertama: Skala pengukuran variabel Pemahaman tentang skala pengukuran variabel, menggambarkan pemahaman terhadap data yang Anda miliki. Pada tabel uji hipotesis (Tabel 1.3), skala pengukuran variabel dibagi __- menjadi kategorik (nominal-ordinal) dan numcrik (rasio- interval). Apa yang dimaksud dengan skala pengukuran variabel? Lihatlah dengan saksama Tabel 1.4. Dengan melihat Tabel 1.4, apakah Anda dapat membedakan variabel kategorik (nominal-ordinal) dan numerik (rasio-interval) Apakah perbedaannya? Dapatkah Anda memberikan contoh lainnya? Tabel 1.4 Skala pengukuran variabel ‘SKALA PENGUKURAN NUMERIKI NON KATEGORIK? KATEGORIK’ KUALITATIF ROS Nominal Interv Contoh : Jenis Kelamin Contoh : Suu Badan Lakisaki Perempuan ‘Ordinal Rasio Conteh : Tingkat pendiikan Contoh : - Berat Badan Pendidikan rencah Tinggi badan Pendidikan menangah Kadar gula darah Pendidikan tinggi Kadar Kolesteral Kiasifikasi Kadar Kolesterol Rendah Normal Tinggi Kesepakatan Dalam berbagai buku rujukan, ada beberapa istilah yang digunakan dalam klasifikasi skala pengukuran antara lain kategorik-nonkategorik dan kualitatif-kuantitatif. Dalam program SPSS, digunakan istilah scale untuk istilah kuantitatif dan nonkategorik. Dalam buku ini, penulis memakai istilah kategor#k untuk mewakili istilah kualitatif dan istilah mumerik untuk mewakili istilah nonkategorik dan kuantitatif. Nominal dan Ordinal (Kat egorik) Variabel nominal dan variabel ordinal disebut sebagai variabel karegorik karena variabel tersebut mempunyai kategori variabel. Sebagai contoh ‘Jenis kelamin’ adalah variabel, sedangkan ‘laki-laki’Teori Secerhana Prosedur Pemilinan Uji Hipotesis 7 dan ‘perempuan’ adalah kategori variabel, ‘Klasifikasi kadar kolesterol’ adalah variabel, sedangkan ‘baik’, ‘sedang’, dan ‘buruk’ adalah kategorinya. Berdasarkan kategori inilah Anda dapat membedakan variabel nominal dan variabel ordinal. Variabel nominal mempunyai kategori yang sederajat atau tidak bertingkat (contoh: variabel jenis kelamin dengan kategori laki-laki dan perempuan) sedangkan variabel ordinal mempunyai kategori yang tidak sederajat atau kategori yang bertingkat (contoh: variabel kolesterol dengan kategori kadar kolesterol baik, kadar kolesterol sedang, dan kadar kolesterol buruk). Rasio dan Interval (Numerik) Variabel rasio dan interval disebut sebagai variabel numerik karena variabel tersebut tidak mempunyai kategori variabel. Anda dapat membedakan variabel rasio dan interval berdasarkan nilai nolnya. Apabila variabel tersebut mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak), maka Anda menyebutnya sebagai variabel rasio. Apabila variabel tersebut tidak mempunyai nilai nol alami (seperti suhu), maka Anda menycbutnya scbagai variabel interval. Perhatikan bahwa nol derajat pada skala Celcius berbeda dengan nol derajat pada skala Fahrenheit!!! Lambang skala pengukuran dalam SPSS Perhatikan lambang skala pengukuran variabel yang dapat Anda temukan pada program SPSS. Program SPSS tidak membedakan variabel rasio dengan interval. Dalam SPSS, variabel rasio dan interval disebut sebagai variabel scale. Anda perhatikan, bahwa variabel scale dilambangkan dengan sebuah penggaris untuk mewakili contoh variabel scale (ukuran panjang § Nominal Gambar 1.3 Simbol skala pengukuran pada SPSS adalah salah satu contoh variabel scale). Variabel ordinal dilambangkan dengan suatu tangga bertingkat untuk menunjukkan kategori dalam variabel ordinal tidak sederajat. Adapun variabel nominal dilambangkan dengan bulatan-bulatan bola untuk menunjukkan kategori dalam variabel nominal adalah sederajat.B Statistik untuk Kedokteran dam Kesehatan Istilah kedua: Jenis hipotesis \ Anda harus mengetahui apa yang dimaksud dengan ji hipotesis, hipotesis komparatif, dan hipotesis korelatif. Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif (comparation) dan korelatif (correlation). Hal itulah yang mendasari pembagian uji hipotesis menjadi hipotesis komparatif dan hipotesis korelatif. Kesepakatan Dalam bahasa Inggris, terdapat perbedaan yang cukup jelas antara association, comparation, dan correlation. Akan tetapi, ketika diterjemahkan ke dalam bahasa Indonesia, ketiga kata tersebut diterjemahkan menjadi bubungan. Akibatya, dalam bahasa Indonesia, pengertian “mencari hubungan’ bisa berarti mencari hubungan secara komparatif maupun secara korelatif, Kalau kita membaca kata ‘mencari hubungan’, maka akan timbul kerancuan apakah yang dimaksud adalah mencari hubungan secara komparatif atau secara korelatif. Untuk menghindari kerancuan tersebut, dalam buku ini diambil kesepakatan sebagai berikut. Pada tabel uji hipotesis, jenis hipotesis dibagi menjadi dua, yaitu komparatif dan korelatif. Untuk membedakannya, perhatikan contoh sebagai berikut. Untuk menunjukkan bahwa metode yang dipakai untuk mencari hubungan antarvariabel adalah metode komparatif, maka digunakan kata fubungan atau perbandingan. Sedangkan untuk menunjukkan bahwa metode yang digunakan untuk mencari hubungan antarvariabel adalah metode korelatif, maka digunakan kata korelasi. 1. Pertanyaan penelitian untuk hipotesis komparatif Apakah terdapat perbedaan rerata kadar gula darah antara kelompok yang mendapat pengobatan glibenklamid dan kelompok plasebo? @ Apakah terdapat bubwagan antara kadar gula darah dengan jenis pengobatan yang diterima (glibenklamid dan plasebo)? @ = Apakah terdapat perbedaan terjadinya kanker paru antara perokok dan bukan perokok? @ = Apakah terdapat bubungan antara perilaku merokok dan terjadinya kanker paru?Teori Sederhana Prosedur Pemilinan Uji Kipotesis 9 2. Pertanyaan untuk hipotesis korelatif 4 Berapa besar korelasi antara kadar trigliserida dan kadar gula darah? Dengan mengamati secara saksama kata kunci pada contoh pertanyaan penelitian di atas, Anda sudah mengetahui perbedaan jenis hipotesis tersebut. Apakah perbedaan hipotesis komparatif dengan korelatif? Perbedaan mendasar pada kedua uji di atas adalah pada output yang ingin diperoleh, Bila peneliti ingin mengetahui asosiasi itu dengan parameter koefisien korelasi (r), maka gunakanlah hipotesis korelatif. Namun apabila parameter yang diinginkan bukan koefisien korelasi tetapi ‘parameter yang lain’, maka gunakanlah hipotesis komparatif. Perlahan-lahan Anda akan belajar kapan memilih hipotesis korelatif dan kapan memilih hipotesis komparatif. Istilah ketiga: Masalah skala pengukuran numerik atau 3\ kategorik ~ Dalam tabel, masalah skala pengukuran dituliskan menjadi numerik dan kategorik. Bagaimana Anda mengelompokkan masalah ke dalam masalah numerik atau kategorik? Berikut ini adalah panduan yang dapat membantu Anda mengelompokkan masalah skala pengukuran. Untuk hipotesis komparatif: - yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel kategorik. ~ yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel numerik. Untuk bipotesis korelatif: - yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel numerik dengan variabel numerik,10 Statist untuk Kedokteran dan Kesehatan Tabel 1.5 Mengidentifikasi jenis analisis bivariat dengan menentukan skala pengukuran variabel Varlabel yang dicari asosiasinya Jenis hipotesis Istilah Variabel 1 Variabel 2 Hipotesis komparatif | ategorik Kategorik Komparatif kategorik Kategorik Numerik Komparatif numerik Numerik Numerik - Hipotesis korelatif | Kategorik Kategorik Korelatif kategorik Kategorik Numerik Korelatif kategorik Numerik Numerik Korelatif numerik Istilan keempat dan kelima: Pasangan dan jumlah kelompok Anda harus mengetahui apa yang dimaksud berpasangan dan tidak berpasangan serta yang dimaksud dengan 2 kelompok dan > 2 kelompok. Penjelasannya dengan mudah dapat dijelaskan dengan contoh sebagai berikut. Ilustrasi satu: dua kelompok tidak berpasangan. Anda mengukur tekanan darah subjek penelitian. Subjek penelitian tersebut berasal dari dua kelompok, yaitu kelompok dacrah rural dan kelompok daerah urban, Nah, data tekanan darah kelompok rural adalah satu kelompok data sedangkan data tekanan darah kelompok urban adalah kelompok data yang lain. Dengan demikian, dari segi jumlah, Anda punya dua kelompok data. Sedangkan dari seg berpasangan, Anda mempunyai kelompok data yang tidak berpasangan karena individu dari kedua kelompok data tersebut berbeda. Tlustrasi dua: dua kelompok berpasangan BX pes Ada sckelompok mahasiswa yang diukur berat badannya 2 ~— sebanyak dua kali, yaitu pada Bulan Januari 2003 dan Bulan Februari 2003. Nab, data berat badan mahasiswa pada Bulan Januari adalah satu kelompok data. Berat badan mahasiswa pada Bulan Februari adalah sekelompok data lagi. Dari segi jumlab, Anda mempunyai dua kelompok data (yaitu berat badan mahasiswa pada Bulan Januari dan Februari). Dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena individu dari kedua kelompok data adalah individu yang sama.Teori Sederhana Prosader Pemilihan Uji Hipotesis 14 ga: kelompok berpasangan karena matching g Tlustrasi sama dengan ilustrasi pertama. Anda mengukur tekanan Mustrasi darah subjck penclitian yang berasal dari dua kelompok, yaitu kelompok daerah rural dan kelompok daerah urban. Dalam prosedur pemilihan subjck penelitian, Anda melakukan proses matching, yaitu setiap subjek dari kelompok rural dicarikan pasangannya yang mempunyai karakteristik yang sama dengan subjek dari kelompok urban, Dengan demikian, dari segi jumlah, Anda punya dua kelompok data. Sedangkan dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena ada proses matching. Iustrasi empat: kelompok berpasangan karena desain cross over Jenis data kelompok berpasangan bisa juga diperolch pada suatu uji klinis yang menggunakan desain cross over. Pada desain ini, pada periode tertentu subjck penclitian akan menerima obat A. 4. Setelah menyelesaikan obat A, subjek penclitian akan menerima obat B selama periode tertentu. Dengan cara ini, akan diperoleh data ketika subjek penelitian menggunakan obat A dan ketika subjek penclitian menggunakan obat B. Data obat A dengan data obat B dikatakan berpasangan karena data tersebut diperoleh dari individu yang sama. Berpasangan dan tidak berpasangan ua atau lebih kelompok data dikatakan berpasangan apabila data tersebut dariindividu yang sama baik karena pengukuran berulang, proses matching atau karena desain crossover, Oua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal dari subjek yang berbeda tanpa prosedur matching. Istilah Keenam: Syarat uji parametrik dan \ nonparametrik Anda harus mengerti apa yang menjadi syarat uji parametrik dan nonparametrik. Apa syarat uji parametrik dan nonparametrik? Uji parametrik Untuk uji parametrik, terdapat tiga syarat yang perlu diperhatikan, yaitu skala pengukuran variabel, distribusi data, dan varians data.