Konsep uji hipotesis berguna dalam menganalisis hubungan dua variabel (bebas dan terikat) untuk mengetahui asosiasi (hubungan sebab-akibat) antarvariabel, dalam metode analisis hubungan kita harus mengerti terlebih dahulu uji normalitas dan 3 macam jenis analisis hubungan yang ada sehingga saat ingin melakukan penelitian kita sudah tahu kira-kira metode analisis mana yang akan digunakan. Oh iya sebelumnya dalam pembuatan tulisan ini saya menggunakan bahan ajar dr. Verita Dian Permatasari, berikut adalah pemaparan dari masing-masingnya:
A. Variabel bebas-terikat-perancu
Gambar 1. Pembagian variabel
Variabel bebas (independen) adalah variabel yang menyebabkan/ mempengaruhi sebagai penentu contoh faktor risiko penyakit. Variabel terikat (dependen) adalah yang diteliti/ dipengaruhi sebagai pengaruh dari variabel bebas dan biasanya merupakan sebuah penyakit. Gambar 1 diatas merupakan tabel penjelasan mengenai pembagian jenis variabel dengan singkatan Nuri Kano.
Numerik:
- Ratio (kelipatannya berarti sama seperti cm, BB, kolesterol)
- Interval(kelipatan tidak berarti sama seperti suhu derajat celcius, IQ)
Kategorik:
- Nominal (dikategorikan tetapi memiliki nilai yang sama seperti Ya-tidak/ sakit DM-tidak sakit DM/ IRT-PNS-Wiraswasta)
- Ordinal (dikategorikan secara bertingkat seperti rendah-normal-tinggi/ sd-smp-sma)
Gambar 2. Variabel perancu
pada gambar 2 diatas menggambarkan bagaiman variabel perancu (confounding) yang tidak kita teliti secara tidak sadar turut mempengaruhi kejadian sebuah penyakit, baik mempengaruhi variabel bebas dan variabel terikat.
B. Uji Normalitas/ Distribusi
Gambar 3. Uji normalitas
(jembatan keledai KSK>0,05)
Gambar 3 diatas merupakan penjelasan mengenai uji normalitas atau sering disebut uji distributif angka, dimana hasilnya akan diketahui apakah distribusi angka dari hasil penelitian kita distribusi normal atau tidak. kenapa uji normalitas harus dilakukan? hal ini dikarenakan hasilnya nanti akan menentukan dalam kita melakukan uji hipotesis selanjutnya, jadi ini merupakan prosedur yang harus dilakukan sebelum melakukan analisis bivariat komparatif. seperti dijelaskan pada gambar bahwa pemilihan kolmogorov-smirnov digunakan bila sampel penilitian>50 dan begitu pula sebaliknya pada saphiro-wilk. setelah dilakukan uji maka akan keluar angka, apabila angka yang keluar adalah angka 0,05 pas maka data harus dihitung ulang, sampai didapatkan apakah angka tersebut termasuk dalam distribusi Normal atau tidak.
C. Analisis Bivariat Komparatif
Gambar 4. Tabel analisis univariat komparatif
[Jembatan keledai (KK: CMC) (NK: unpair mandiri, pair with) (NK>2: OK dan Raf) (NN: PS)
pada gambar 4. sebenarnya merupakan kelanjutan dari hasil dari gambar 2 apabila distribusi data penelitian kita normal maka menggunakan kolom uji parametrik dan tinggal menentukan variabel apa yang kita gunakan. variabel Kategorik dan Numerik sudah dijelaskan pada gambar 1, mengenai singkatan TP (Tidak berpasangannya 2 variabel tersebut berarti berbeda seperti warga desa dan warga kota dll) dan singkatan P (Pasangan berarti variabel tersebut sebenarnya sama, tetapi terdapat perbedaan waktu misalkan hasil pengetahuan peserta preseminar dan post seminar dll). kalau sudah mengerti mengenai definisi Kategori Numerik serta tidak berpasangan dan berpasangan tinggal mengaplikasikannya ke dalam tabel.
setelah data penelitian kita masukkan sesuai dengan rumusnya makan akan keluar hasil analisis bivariat komparatif. interpretasi hasil dari uji ini berlawanan dari uji normalitas karena (bila uji normalitas hasil >0,05 adalah distribusi normal pada hasil uji bivariatif ini hasil tersebut dianggap tidak berhubungan), dan hasil < 0,05 pada uji bivariat komparatif ini menunjukkan ada nya hubungan antara 2 variabel tersebut.
D. Analisis Bivariat Korelatif
 |
| Gambar 5. skema analisis korelatif asosiatif (Jembatan keledai bila cari hubungan) |
pada penelitian ini ingin hampir kontras dengan univariat komparatif tetapi pada analisis ini akan menghasilkan suatu koefisien korelasi. Sebagian besar soal-soal ingin mengaitkan jenis variabel numerik-dengan variabel numerik. sebagai contoh penelitian mengetahui hubungan kadar hemoglobin dalam mg/dl (numerik) dengan kadar CRP dalam satuan unit/L (numerik) sehingga hasil uji yang digunakan adalah uji pearson. sehingga hasil korelasinya adalah kuat atau sedang atau lemah, jika Hb meningkat apakah CRP juga ikut meningkat.
E. Analisis multivariat regresi (post hock)
regresi memiliki analogi seperti persamaan garis, dengan demikian diibaratkan regresi sebagai cara untuk melakukan prediksi terhadap variabel 2 jika nilai variabel 1 diketahui. hasil dari regresi ini bertujuan untuk menentukan kuat hubungan (kebermaknaan) variabel 1 dengan variabel 2. biasanya uji regresi digunakan pada kasus mengarah ke sistem skoring, mengetahui variabel mana yang paling berpengaruh dari banyak variabel.
Hasil uji regresi dinyatakan dalam (R) menurut buku sopiudin pembagian hasil regresi sebagai berikut:
R 0 - <0,2: sangat lemah
R 0,2 - <0,4: lemah
R 0,4 - <0,6: sedang
R 0,6- <0,8: kuat
R > 0,8: sangat kuat
(Jembatan keledai bila mencari prediksi)
Gambar 6. skema regresi simpel
Gambar 6 menjelaskan jenis uji hipotesis logistik yang digunakan bila menggunakan variabel kategorik-kategorik dengan jumlah 1 independen dan 1 dependen. sebagai contoh seperti kasus apendisitis akut dari hasil data leukositosis, misalkan diketahui pasien apendisitis memiliki kadar leukosit dalam range 10.000-15.000. maka hasil dari uji ini akan menjawab pertanyaan apakah apendisitis akan terjadi pada range leukosit 15.000-20.000? apakah apendisitis tidak akan terjadi pada range leukosit <10.000?
Gambar 7. Skema regresi multipel
Gambar 7 menjelaskan jenis uji hipotesis linear yang digunakan bila menggunakan variabel numerik-numerik dengan jumlah >1 independen dan 1 dependen. sebagai contoh seperti kasus penelitian mengetahui hubungan kadar hemoglobin dalam mg/dl (numerik) dengan kadar CRP dalam satuan unit/L (numerik). maka hasil dari uji ini akan menjawab mengenai cara mengetahui nilai CRP jika yang diketahui hanya nilai Hb? jika nilai Hb 10 atau nilai Hb 12 berapa nilai CRP? dan contoh lain ada pada gambar 7.
No comments:
Post a Comment