Biostatistic inferensial

Solikhah, S.KM, M.Kes

Macam analysis data:1. Deskriptif 2. inferensial

Analysis deskriptif

1. Minimum, maksimum2. Mean3. Median 4. Modus5. Penyebaran: range, varians, standar deviasi,

persentil6. Keruncingan kurva

Analysis inferensial

1. uji hubungan2. Uji pengaruh3. Uji beda

Macam uji statistik

1. parameterik normal 2. Nonparametrik Lihat distribusi normal data

Lilifors , n > 50Shapiro Wilks , 10 <= n <= 50

Ho : Distribusi data = normal Ha : Distribusi data ≠ normal

P > 0,05 Ho diterima P <= 0,05 Ho ditolak

• jenis-jenis uji statistik

Uji t Independent (sampel tunggal)

• Syarat uji:1. Data wajib berdistribusi normal2. Varians boleh sama, boleh juga tidak sama3. Jika memenuhi syarat normalitas data maka

digunakan uji t tidak berpasangan4. Jika tidak memenuhi syarat uji normalitas

data maka di lakukan transformasi data

5.Jika variabel baru hasil transformasi data tidak normal maka uji man whitney

rumus

Daerah penerimaan Ho

Contoh:

• Sebuah studi tentang pengendapan lemak disekitar leher akan menjadi faktor Obstructive Sleep Apnea(OSA). Untuk mengukur OSA ada pengukuran hyponea indeks(AHI). Rata-rata pengukuran AHI pada pasien non-obesitas dgn BMI 25 adalah 7,65. Dr. Johnson ingin membuktikan pasien yang punya BMI>35 tidak jauh berbeda dengan pasien non_obesitas , oleh karena itu Dr.Johnson mengambil sampel 15pasien obesitas dan diukur AHInya (rata-rata 9,77 dan varians=11,14). Buktikan hipoteis tersebut dgn alpha 0,05

Konsep hipotesis

Ho ditolak , maka Ha/H1 diterimaada hubungan/pengaruh/perbedaan rerataHo diterima , maka Ha/H1 di tolak tiak ada hubungan/pengaruh/perbedaan rerata

• Signifikansi level daerah alpha (kesalahan type 1)

Uji t independent (dua sampel)hal:163

• Seorang peneliti ingin mempelajari tentang 26 kasus LGR. 14 menggunakan metode A, dan 12 menggunakan metode B.6 bulan kemudian yang menggunakan metode A dan B dilakkan observasi dengan data sebagai berikut

Peneliti ingin membuktikan apakah ada perbedaan diantara dua metode tersebut, dengan alpha 0,05

jawab

• hipotesis

• T hitung

Uji Man whitney

• Uji non parametrik• Alternatif uji t independent (dua

sampel/kelompok data)• Skala data ordinal• Distribusi data tidak normal• Dikenal dengan nama lain test U man whitney

Uji Anova (analysis of varian)

• Distribusi data normal• Skala data numerik• Uji membandingkan 3/lebih rerata yang paling sederhana• Membandingkan 3 atau lebih means /rerata populasi

hanya 2 rerata (uji t idependent• Contoh kasus:1. ingin membuktikan tentang efektivitas 4 macam

obat 2. Ingin membuktikan efektivitas 3 metode pembelajaran

pada sekolah kesehatan (yang satu dengan e learning dan satunya dengan metode biasa)

Lanjutan contoh

1. Membuktikan antara 3 kelompok pasien yang diberi obat hipertensi

2. Membuktikan BMI indeks pada pasien yang melakukan diet

Sumber variasi

df Jumlah kuadrat

Mean square

F value P value

Antar kelompok

5 1592,42 318,48

13,153Dalam kelompok

60 1454,91 24,24

Total 65 3047,33

n1=11, n2=10,n3=12,n4=11,n5=11,n6=11S1=4,7, s2=4,76, s3=4,55, s4=4,58, s5=4,76, s6=6,05

Uji kruskal Walls

• Alternatif uji Anova one Way apabila distribusi data tidak normal

• Niai varians dianggap sama • Variabel berskala data kontinu/numerik

PAIRED T TEST

Syarat paired t test

• Distribusi masing2 variabel normal• Pengukuran pada data kontinyu (numerik)

untuk data berkelompok• Sampel berpasangan:

1. sebelum dan sesudah perlakuan2. Matching case dan control

• Apabila sebaran datanya/distribusi data tidak normal maka menggunakan uji wilcoxon

Contoh kasus

• Pengukuran BMI sebelum dan sesudah ada program diet

• Evaluasi tekanan darah sebelum dan sesudah ada progran latihan

• Risiko diare Pada Balita

Kasus paired t test

Ho di tolak , Ha/ H1 diterima

Ringkasan anovaSumber variasi

df JK RJK Fhitung P value

Antar kelompok

5 47580,4 9516,08

415,36Dalam kelompok

60 1374,65 22,91

total 65 48955,05

n1=11, n2=10,n3=12,n4=11,n5=11,n6=11Ȳ1=34,18, Ȳ2=32,8, Ȳ3=32,25, Ȳ4=33,27, Ȳ5=33,29, Ȳ6=32,45S1=