Oleh

Ida Bagus Subanada
Bagian/SMF Ilmu Kesehatan Anak
FK Unud/RSUP Sanglah Denpasar

Luaran yang diinginkan:
1. Mhs diharapkan memahami tentang
perbedaan hasil klinis, uji hipotesis, dan
interval kepercayaan (IK).
2. Mhs diharapkan memahami hubungan
antara perbedaan hasil klinis, uji hipotesis,
dan IK.
3. Mhs diharapkan mampu menulis abstrak
hasil penelitian yang memperlihatkan
perbedaan hasil klinis, IK, dan nilai P.

 Effect size adalah estimasi perbedaan hasil
klinis.
 Kadang-kadang disebut point estimate.
 Contohnya: rasio prevalens (RP), risiko relatif
(RR), rasio odds (RO), beda rerata, dll.
 Bila akan meneliti, efect size ditetapkan oleh
peneliti berdasarkan keputusan klinis peneliti
(bukan dari pustaka).
 Paling mempengaruhi besar sampel
(effect size besar sampel ).

Rumus besar sampel: 2  ( Z  Z  ) S  1. n  n  (Z 2PQ  Z  P1Q1  P2Q2 ) 2 ( P1  P2 ) 2 1 2 Catatan: P 1 ( P1  P2 ) 2 Effect size pada rumus ini adalah: X1 – X2 dan P1 – P2 . n1  n2  2  ( X  X )   1 2  2.

 Padahipotesis positif.  Padahipotesis negatif. effect size adalah perbedaan terbesar yang secara klinis dianggap tdk penting/tdk bermakna. effect size adalah perbedaan terkecil yang secara klinis dianggap penting/bermakna. menentukan apakah effect size ini  Untuk bermakna secara statistik Perlu uji hipotesis .

Alasan konseptual. . Jika kita melakukan studi replikatif (penelitian ulang). Contoh: Sebuah jurnal melaporkan bahwa angka kesembuhan obat A terhadap suatu penyakit sebesar 80%. sedangkan obat B sebesar 55%. tidak dibenarkan menggunakan angka 25% = 80%-55% sebagai effect size. Ada 2 alasan untuk ini: 1. Alasan teknis. 2.

Beberapa contoh effect size yang tdk mempunyai efek Jenis effect size Tanpa efek Beda prevalensi 0 Beda risiko 0 Beda rerata 0 Perubahan rerata 0 Korelasi 0 Rasio prevalens 1 Risiko relatif 1 Rasio odds 1 .

 Merupakan sebuah metode untuk menjawab pertanyaan: Apakah hasil penelitian yang didapat pada sampel akan sama bila penelitian dilakukan pada populasi? .

 Kebanyakan penelitian dilakukan pada sampel. hasil akhir adalah nilai P 2. untuk memperoleh IK . Estimasi. Uji hipotesis. Apakah hasil penelitian yang didapat pada sampel akan sama bila penelitian dilakukan pada populasi? Untuk melakukan inferensi/generalisasi dari sampel ke populasi dilakukan dg 2 cara: 1.

 Uji hipotesis hanya menjawab ya atau tidak. tentang apakah effect size terjadi juga pada populasi (bukan hanya pada sampel). .  Uji hipotesis hanya menjawab apakah ada kemaknaan statistik atau tidak.  Uji hipotesis tidak memberikan informasi tentang besarnya perbedaan di antara kelompok.

bebas dengan var. antara var. Ada 2 jenis uji hipotesis: 1. tergantung. . Hipotesis nol (H0) Hipotesis yang menyatakan tidak ada hub. Uji hipotesis dilakukan berdasarkan H0.

. Bila H0 ditolak scr statistik bermakna. bebas dengan var. antara var. tergantung.2. Hipotesis alternatif (HA) Hipotesis yang menyatakan ada hub. Tidak dapat diuji langsung (HA diterima bila H0 ditolak).

 Hasil akhir uji hipotesis adalah nilai P. Contoh: P=0.085 .035 P= 0.  Nilai P menunjukkan besarnya kemungkinan untuk memperoleh hasil tersebut (atau hasil yang lebih ekstrem) disebabkan oleh faktor peluang (chance) bila H0 benar.

P = 0. Sembuh Meninggal Total n (%) n (%) n Obat standar 60 (60%) 40 (40%) 100 Obat “X” 75 (75%) 25 (25%) 100 Total 135 65 200 X2 = 4. df = 1. kemungkinan hasil tersebut (atau hasil yang lebih ekstrem) disebabkan oleh faktor peluang (chance) adalah 0.035 Interpretasi nilai P: Jika efektivitas obat “X” sama dengan obat standar.467. .035 atau 3.5%.

Kesalahan pada uji hipotesis  Ada 2 tipe kesalahan: Populasi Berbeda Tdk berbeda Menolak H0 Power alpha (α) (1 – β) Sampel Tidak menolak H0 beta (β) (1– α) .

 Kesalahan tipe 2 (negatif semu=β) terjadi bila peneliti tidak memperoleh hubungan atau perbedaan pada sampel (H0 tdk ditolak). sedangkan sebenarnya dalam populasi hubungan atau perbedaan tersebut tidak ada. Kesalahan tipe 1 (positif semu =α) terjadi bila peneliti memperoleh hubungan atau perbedaan pada sampel (menolak H0). sedangkan sebenarnya dalam populasi hubungan atau perbedaan tersebut ada. .

korelasi Pearson. Chi-square. variannya sama. Non-parametrik: * Fisher exact test. Mc Nemar * Mann-Whitney. Manova. Kruskal-Wallis.Jenis uji hipotesis 1. dll. Wilcoxon. . Catatan: Parametrik dipakai bila distribusi data normal. Kendall’s r. Parametrik: * t test. Anova. 2. Friedman.

antar variabel.CONFIDENCE INTERVAL (INTERVAL KEPERCAYAN =IK)  Di samping nilai P.  IK memperlihatkan rentang nilai yang lebih sesuai dengan populasi. laporan penelitian biasanya mencatumkan IK karena memberikan informasi yang lebih tentang hasil penelitan sehingga direkomendasi oleh hampir semua jurnal. memberikan arah dan besarnya hub. .

uji 2 arah) IK95% Bila batas kemaknaan 0.05 (P=0. Adahubungan antara IK dengan batas kemaknaan (P) pada uji hipotesis 2 arah.01 (P=0. Contoh: Bila batas kemaknaan 0.01. uji 2 arah) IK99% .05.

Rerata beda tekanan darah: 5 (IK99% 1 sampai 9)mmHg. Derajat IK IK99% >> IK95% Misal: Rerata beda tekanan darah: 5 (IK95% 4 sampai 6)mmHg. SB IK Besar sampel IK 2. . Standard error (SE). oleh karena itu tergantung standard deviation (SD)=simpang baku (SB) dan besar sampel (n).Lebar/sempit IK tergantung 2 faktor: 1.

01 Zα=2. misalnya: IK95% ~ α=0.Rumus IK IK = P±(Zα x SE) Ket. . SE = standard error.05 Zα=1. IK99% ~α= 0.: IK = interval kepercayaan P = point estimate = effect size Zα = deviat baku normal untuk α.58.96.

58 SE .96 SE 2.96 SE Batas bawah : effect size luaran – 1. IK99% Batas atas : effect size luaran + 2.58 SE Batas bawah : effect size luaran – 2. IK95% Batas atas : effect size luaran + 1.Perhitungan IK 1.

IK dari beda rerata atau beda proporsi. . simetris terhadap point estimate (P). berarti tidak bermakna secara statistik. Jika angka nol (0) tercakup dalam interval nilai. begitu juga sebaliknya.

08). P=0. Beda rerata tekanan darah sistolik antara mhs smt IV dg mhs smt II PSPD Unwar adalah 10 (IK95% – 2 sampai 22) mmHg tdk bermakna scr statistik ( misal. 2. . P=0. Beda rerata berat lahir bayi di pedesaan dan kota adalah 500 g (IK95% 300 sampai 700) bermakna secara statistik (misal.02).Contoh: 1.

Jika angka satu (1) tercakup dalam interval nilai. demikian juga sebaliknya. .IK dari RR atau RO adalah asimetris terhadap point estimate (P). berarti tidak bermakna scr statistik.

 Contoh: 1.5) dari laki-laki tidak perokok bermakna scr statistik (misal.1 sampai 4. Risiko menderita PJK pada laki-laki perokok adalah 3.7 sampai 10. P=0.09).01). Risiko menderita PJK pada laki-laki peminum kopi adalah 4. .1 kali (IK95% 0. P=0. 2.5 kali (IK95% 3.5) dari laki-laki bukan peminum kopi tdk bermakna scr statistik (misal.

. Interpretasinya: Kita percaya 95% bahwa proporsi pasien kanker payudara yang pernah menggunakan pil KB pada populasi terjangkau terletak antara 21% sampai 39%.Interpretasi nilai IK Misal: Proporsi kanker payudara yang pernah memakai pil KB adalah 30% (IK95% 21% sampai 39%).

dan IK Effect size Sampel (besar sampel) Inferensi/generalisasi Uji hipotesis Estimasi (IK) (nilai P) Populasi .Hubungan antara effect size. uji hipotesis.

3 (IK95% 2.2 ). IK. . Beda rerata tekanan darah sistolik antara pasein diabetes dengan non-diabetes adalah 6 (IK95% 4 sampai 8) mmHg. P=0.001.04. dan nilai P 1.9 sampai 4.Cara menyajikan data yang berisi effect size. P=0. 2. Rasio odds untuk menderita kanker paru pada perokok adalah 3.