Pengukuran Data Statistik

oleh Mery fanada,SPd,SKM,M.Kes

POKOK BAHASAN

1. 2. 3. 4. 5. 6.

pengukuran skala pengukuran analisis univariat analisis bivariat analisis multivariat 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

KRITERIA ASUMSI URUTAN ASUMSI JARAK TITIK 0 ABSOLUT

NOMINAL ORDINAL INTERVAL + + + -

RASIO + + +

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 variabelMisalnya distribusi frekuensi nilai rerata variasi persentase

Kegunaan analisis univariat1. 2. 3. 4. 5. 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 Mendeskripsikan suatu fenomena dengan baik. Perincian/ gambaran besarnya suatu fenomena Petunjuk pemecahan masalah 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 bivariat uji Chi-square

Contoh analisis bivariat uji korelasi

ANALISIS MULTIVARIAT

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)

Contoh analisis multivariat uji regresi logistik ganda

TABEL ANALISIS DATA STATISTIKVARIABLE DEPENDENNOMINAL DIKOTOM

VARIABLE INDEPENDENNOMINAL ORDINAL INTERVAL/RATIO Logistic multiple regression Discriminant analysis

Difference proportion test Kruskalwallis Chi-square Friedmans 2 way Fishers exact test Phi-coeficient

POLITOM

Chi-square Kendalls VCT

ORDINAL Man-whitney Kormogrof-smirnov

Rank-order correlation Kendals tau Gamma Coefficiens

Ubah var. ordinal jadi var. nominal

atau interval ke ordinal memakai teknik yang sesuai

INTERVAL/ RATIO

Dikotom : Anova t-test sign test U-test

Politom : Anovainterclass DVMR Dummy Multiple classification Cross classification

Ubah ordinal jadi nominal

Multiple correlation

atau Multiple regression var.interval ke variabel Path-analisis ordinal Partial regression memakai teknik yang