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 penyajianTeori 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.