07. Pengantar Biostatistika:Statistik Deskriptif Bivariat

Views:
 
     
 

Presentation Description

No description available.

Comments

Presentation Transcript

slide 1:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum 7 STATISTIK DESKRIPTIF BIVARIAT Sejauh ini kita telah berfokus pada deskripsi variabel tunggal. Mean modus simpang baku standar deviasi dan sebagainya adalah statistik deskriptive univariat satu-variabel yang menggambarkan satu variabel pada satu waktu. Paling banyak penelitian tentang hubungan antara variabel dan statistik deskriptif bivariat dua variabel menggambarkan hubungan variabel-variabel tersebut. TABEL KONTINGENSI Sebuah tabel kontingensi adalah distribusi frekuensi dua dimensi yang mana frekuensi dari dua variabel ditabulasi silang. Misalkan kita mempunya data tentang jenis kelamin pasien dan apakah mereka bukan perokok nonsmoker perokok ringan light smoker- 1 bungkus sehari atau perokok berat heavy sokers-yaitu 1 bungkus sehari. Pertanyaannya adalah apakah ada kecenderungan bagi pria untuk merokok lebih berat daripada wanita atau sebaliknya yaitu apakah ada hubungan antara merokok dan jenis kelamin. Data fiktif pada dua variabel ini ditunjukkan dalam tabel kontingensi pada Tabel 7.1 Tabel 7.1 : Tabel Kontingensi Hubungan Jenis Kelamin dan Status Merokok Enam sel yang dibuat dengan menempatkan satu variabel jenis kelamin sepanjang dimensi vertikal dan variabel yang satu lagi status merokok sepanjang dimensi horizontal. Setelah data subyek dialokasikan ke dalam sel-sel yang sesuai persentase

slide 2:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum dihitung. Prosedur ini memungkinkan kita untuk melihat secara sekilas bahwa dalam sampel ini perempuan lebih memmungkin dibandingkan laki-laki untuk menjadi bukan perokok 454 berbanding 273 dan kurang memungkin menjadi perokok berat 182 berbanding 364. Tabel kontingensi biasanya digunakan dengan data nominal atau data ordinal yang memiliki beberapa tingkat atau rengking. Dalam contoh ini jenis kelamin adalah skala nominal dan status merokok seperti yang didefinisikan merupakan skala ordinal. Tabel 7-2 menunjukkan tabel tabulasi silang dari studi yang menguji dyspnea di antara pasien dengan penyakit kardiorespirasi kronis yang berkunjung ke bagian gawat darurat Parshall 1999. Tabel ini menunjukkan apakah ada keluhan dyspnea bagi pasien dengan penyakit yang berbeda. Secara keseluruhan 763 dari sampel melaporkan dyspnea. Pasien asma yang terutama memungkin melaporkan dyspnea: 876 pasien asma dibandingkan dengan 616 dari mereka dengan gagal jantung kongestif melaporkan dyspnea. Tebel 7.2 : Contoh Tabel Kontingensi: Studi Dyspnea hubungannya dengan Diagnosa dan Disposisi Perbandingan Tabel 7.1 dan 7.2 mengilustrasikan bahwa data yang ditabulasi silang dapat disajikan dalam dua cara: persentase sel dapat dihitung berdasarkan baik total baris atau total kolom. Pada Tabel 7.1 jumlah 10 di sel pertama wanita tidak merokok dibagi dengan total kolom misalnya jumlah perempuan-22 dikali 100 sehingga diperoleh persentase perempuan yang bukan perokok adalah 454. Tabel ini sudah bisa menunjukkan 4545 dalam sel ini - persentase dari perokok adalah perempuan. Pada Tabel 7.2 jumlah 187 dalam sel pertama pasien dengan penyakit

slide 3:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum paru obstruktif kronik COPD dengan dyspnea dibagi dengan total baris yaitu jumlah pasien dengan COPD -239 dikali 100 untuk menghasilkan persentase 782. Dihitung dengan cara lain persentase pasien dengan dyspnea yang memiliki diagnosis PPOK akan menjadi 249. Pendekatan yang satu ini diterima tetapi former sering menyukai karena kemudian persentase kolom ditambahkan sampai menjadi 100. KORELASI Hubungan antara dua variabel biasanya digambarkan melalui prosedur korelasi. Korelasi koefisien dapat dihitung dengan dua variabel yang diukur baik skala ordinal interval atau rasio. Pertanyaan korelasi adalah: Sejauh mana dua variabel berhubungan satu sama lain Misalnya apakah derajat skor uji kecemasan dan dan tekanan darah berhubungan Pertanyaan ini dapat dijawab dengan cara grafik atau lebih umum dengan menghitung indeks yang menggambarkan besarnya dan arah hubungan. Korelasi antara dua variabel dapat digambarkan pada scatter plot atau diagram pencar. Membuat scatter plot melibatkan pembuatan grafik koordinat persegi panjang dengan dua variabel diletakkan di sudut kanan. Nilai-nilai untuk satu variabel X adalah skala sepanjang sumbu horisontal dan nilai-nilai untuk variabel kedua Y adalah skala vertikal seperti yang ditunjukkan pada Gambar 7.1. Gambar 7.1 : Konstruksi Scatter Plot

slide 4:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Grafik ini menyajikan data untuk 10 subjek a-j untuk variabel X dan Y. Untuk subjek a nilai untuk X dan Y adalah 2 dan 1 masing-masing. Untuk grafik posisi subjek a kita melangkah dua unit ke kanan sepanjang sumbu X dan satu unit pada sumbu Y. Prosedur ini diikuti untuk semua subjek Huruf pada plot yang ditunjukkan untuk membantu mengidentifikasi subejk tapi biasanya hanya titik-titik yang muncul. Dalam scatter plot arah kemiringan poin menunjukkan arah korelasi. Korelasi positif terjadi ketika nilai-nilai tinggi pada variabel pertama dihubungkan dengan nilai-nilai yang tinggi pada variabel kedua nilai X naik nilai Y juga naik. Jika kemiringan poin dimulai di sudut kiri bawah dan meluas ke sudut kanan atas hubungan positif. Pada contoh saat ini kita akan mengatakan bahwa X dan Y berhubungan positif. Orang-orang dengan skor tinggi pada variabel X cenderung memiliki skor tinggi pada variabel Y dan skor rendah pada X cenderung skor rendah pada Y. Hubungan negatif atau terbalik adalah salah satu dari variabel bernilai tinggi berhubungan satu dengan variabel yang bernilai rendah.. Hubungan negatif pada scatter plot digambarkan oleh poin-poin yang miring dari sudut kiri atas ke pojok kanan bawah. Korelasi negatif ditunjukkan pada Gambar 7-2A dan D.

slide 5:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Gambar 7.2 : Variasi Hubungan yang digrafikan pada Scatter Plot. Bila hubungan sempurna memungkinkan untuk memprediksi dengan sempurna pula bahwa nilai variabel pertama mengetahui nilai variabel kedua. Misalnya jika semua orang tinggi badannya 6 kaki 2 inci berat badanya 180 poun dan semua orang tinggiyang 6 kaki 1 inci tinggi berat badanya175 pon dan sebagainya maka kita bisa mengatakan bahwa berat badan dan tinggi badan berhubungan positif sempurna. Dalam situasi seperti ini kita hanya perlu tahu tinggi badan seseorang untuk mengetahui berat badannya dan sebaliknya. Pada scatter plot hubungan yang sempurna adalah diwakili oleh garis lurus miring seperti yang ditunjukkan pada Gambar 7-2C. Bila hubungan tidak sempurna seperti yang biasanya terjadi seseorang dapat menginterpretasikan derajat korelasi dari scatter plot dengan melihat seberapa dekat titik-titik mengelompok di sekitar garis lurus. Lebih dekat kemasan titik-titik di sekitar slope diagonal semakin kuat korelasi. B ila titiktitik tersebar di seluruh grafik hubungan ini lemah atau tidak ada hubungan. Berbagai derajat dan arah dari hubungan disajikan pada Gambar 7-2.

slide 6:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum Lebih efisien untuk mengungkapkan hubungan antara variabel dengan menghitung koefisien korelasi. Seperti disebutkan sebelumnya koefisien korelasi adalah indeks dengan nilai berkisar mulai dari -100 untuk korelasi negatif sempurna melalui nol untuk tidak ada hubungan ke +100 untuk korelasi positif sempurna. Semua korelasi yang jatuh antara 000 dan -1.00 negatif dan indeks-indeks yang jatuh antara 000 dan +1.00 positif. Semakin tinggi nilai absolut koefisien yaitu nilai mengabaikan tanda semakin hubungan. Sebuah korelasi -080 misalnya jauh lebih kuat daripada korelasi -02 Indeks korelasi yang paling umum digunakan adalah Koefisien Korelasi Produk Momen product–moment correlation coefficient juga disebut sebagai r Pearson Pearson’s r. Koefisien ini dihitung dengan variabel yang diukur dengan skala interval atau skala rasio. Indeks korelasi biasanya digunakan untuk skala pengukuran ordinal adalah rho Spearman Spearman’s rho yang akan dibahas bagian lain. Perhitungan statistik r adalah melelahkan dan jarang dilakukan dengan tangan. Bila ingin menghitung r Pearson rumusnya adalah: Sulit untuk menawarkan panduan tentang apa interpretasi/penafsiran hubungan kuat atau lemah karena tergantung pada variabel yang dalam pertanyaan. Jika kita mengukur suhu tubuh pasien per-oral dan per-anal korelasi r 070 antara kedua pengukuran akan rendah. Untuk sebagian besar variabel psikososial misalnya stres dan tingkat keparahan penyakit r 070 adalah kuat/tinggi korelasi antara variabel seperti biasanya dalam kisaran 010 - 040. Korelasi sempurna +100 dan - 1.00 jarang terjadi.

slide 7:

Diktat Pengantar Biostatistika untuk Mahasiswa Program Studi DIII Keperawatan Disususn Oleh Syahrum

authorStream Live Help