BIOSTATISTIK BIOSTATISTIK Dr. Budi Kidarsa Dr. Budi Kidarsa
BIOSTATISTIKDr. Budi Kidarsa
Bagaimana kita dapat membukti-kan bahwa keterpaparan terha-dap suatu faktor risiko benar menimbulkan akibat sebagai-mana diduga ?
(merokok Ca paru)
CARA MENENTUKAN ADANYA HUBUNGAN SEBAB AKIBATAsosiasi Statistik Asosiasi Epidemiologik
1. ASOSIASI STATISTIKMembuktikan adanya hubungan yang bermakna antara variabel sebab dan variabel akibat melalui suatu uji statistik
PILIHAN JENIS UJI STATISTIK YG SESUAIJenis variabel yang akan dianalisis: numerik atau kategorikJenis data: berpasangan atau tidak berpasanganDistribusi data: normal/simetris atau tidak
UJI STATISTIK(untuk analisis bivariat)
Sheet1
Var. Dep KategorikVar. Dep Numerik
Var. Indep KategorikChi-Squaret test Anova
Var. Indep Numerikt test AnovaKorelasi (Pearson) Regresi
&C&"Times New Roman,Regular"&12&A
&C&"Times New Roman,Regular"&12Page &P
DASAR UJI STATISTIKTetapkan Ho Tidak ada hubungan/perbedaan bermaknaPilih uji statistik sesuai skala variabelTentukan batas kemaknaan ()Hitung p-valueBandingkan p-value dgn Jika: p-value < maka Ho ditolak p-value > maka Ho gagal ditolak
UJI CHI-SQUAREJenis uji statistik yang digunakan untuk membuktikan adanya hubungan/perbedaan bermakna antara dua atau lebih kelompok data yang bersifat kategorik.
CONTOH UJI CHI-SQUARE Sebanyak 460 org ikut dalam uji efektifitas vaksin Hepatitis B. Dari 240 org yang mendapat vaksin, 20 org diantaranya menderita Hepatitis B. Sedangkan dari 220 org yang mendapat placebo, 80 org menderita Hepatitis B. Apakah terdapat hubungan antara vaksinsi Hepatiti B dengan kejadian Hepatitis B ?
Ho = tidak ada hubungan bermakna antara vaksinasi Hep B dgn kejadian Hep B df = (b 1)(k 1) = (2 1)(2 1) = 1 Pada df = 1 dgn derajat kemaknaan = 0,05, maka batas penolakan x2 = 3,841 Maka: Ho ditolak jika p-value 0,05 (x2 3,841) Ho gagal ditolak jika p-value 0,05 (x2 3,841)
Sheet1
VaksinasiSakit Hep BTdk sakitJumlah
Placebo80140220
Vak Hep B20220240
Jumlah100360460
&C&"Times New Roman,Regular"&12&A
&C&"Times New Roman,Regular"&12Page &P
RUMUS CHI-SQUAREDengan Yate's correction:
Karena x2 = 53, berarti > batas penolakan (3.841), atau X2 > 3.841, maka Ho ditolak, jadi:
Terdapat hubungan yang bermakna antara vaksinasi Hepatitis B dengan kejadian Hepatitis B
Sheet1
KOTAKOE(O E)2 / E
b1k1 (a)80(80+140)(80+20)/460= 47,83(80-47,83)2 / 47,83= 21,64
b1k2 (b)140220x360/460= 172,176,01
b2k1 (c)20240x100/460= 52,1719,84
b2k2 (d)220240x360/460= 187,835,51
Jumlah460X2 = 53,00
&C&"Times New Roman,Regular"&12&A
&C&"Times New Roman,Regular"&12Page &P
SYARAT CHI-SQUARETidak ada sel dengan nilai O (nol)Bila jumlah sampel > 40, maka tidak diperhitungkan adanya nilai E < 5 atau tidakBila jumlah sampel 20 atau bila jumlah antara 20 40 dan tdpt nilai E < 5, maka gunakan Fischer exact test
UJI STATISTIK PARAMETRIK & NON-PARAMETRIKParametrikMembuktikan adanya hubungan yang bermakna antara 2 kelompok atau lebih data numerik yang sebaran datanya normal/simetris (uji t, anova)Non-parametrikBila sebaran datanya tidak normal Atau bila jumlah sampel kecil (< 30)
UJI tMembuktikan adanya hubungan bermakna antara 2 kelompok data numerik yang sebaran datanya normal/simetris
ANOVAMembuktikan adanya hubungan bermakna antara lebih dari 2 kelompok data numerik yang sebaran datanya normal/simetris
Untuk sebaran data yang tidak normal dapat diupayakan transformasi data agar diperoleh sebaran yang normal. Bila usaha transformasi tidak dapat menghasilkan sebaran yang normal, maka dilakukan uji alternatifnya
SYARAT UJI ANOVAMenguji hubungan lebih dari 2 kelompok data numerikSebaran data normalKesamaan varians menjadi syarat mutlak bagi uji Anova untuk kelompok data tidak berpasangan, tapi tidak mutlak bagi kelompok data berpasangan
UJI KENORMALAN SEBARAN DATAUji Kolmogorov-Smirnov (sampel > 50)Uji Saphiro-Wilk (sampel < 50)
Bila p> 0,05 maka dikatakan sebaran datanya normal/simetris
UJI VARIABILITAS DATA(VARIANS)Uji Levene
Bila p> 0,05 maka dikatakan kedua kelompok data mempunyai varians yang sama
Kalau varians sama, maka pd tabel SPSS pakai kategori equal varians assumedKalau varians tidak sama, pada tabel SPSS pakai kategori equal varians not assumed
KORELASIMengukur eratnya hubungan antara dua variabel numerik
Uji dua mean mendeteksi adanya hubungan antara dua variabel numerik, sedangkan eratnya hubungan antara kedua variabel tsb diukur dgn korelasi
SIFAT KORELASIHubungan positif: Bila kenaikan satu variabel diikuti oleh kenaikan variabel yang lain atau sebaliknya
Hubungan negatif:Bila kenaikan satu variabel diikuti oleh penurunan variabel yang lain atau sebaliknya
ERATNYA HUBUNGAN( r )r = 0,00 0,25 tidak ada hubunganr = 0,25 0,50 hubungan sedangr = 0,50 0,75 hubungan kuatr = 0,75 1,00 hubungan sangat kuat
REGRESI LINIERMemperkirakan nilai variabel numerik dependen melalui variabel numerik independen yg sudah diketahui nilainya. y = a + bx Misalnya memperkirakan kadar kolesterol darah bila diketahui nilai IMT nya
REGRESI MULTIPELMemprediksi besarnya nilai var. dependen numerik melalui satu atau lebih var. independen numerik yang diketahuiy = a + bx1 + bx2 + bx3 +..bxi
KOEFISIEN DETERMINASI(R2) R2 = r2
Menunjukkan besarnya kemampuan variabel independen dlm persamaan yg diperoleh untuk memprediksi variabel dependenSemakin besar nilai R2, maka semakin tepat variabel independen memprediksi variabel dependen
SYARAT KORELASI Sebaran data normalBila sebaran tidak normal dilakukan transformasi data sehingga didapat sebaran yang normalBila sebaran data normal lakukan uji Pearson bila sebaran tetap tidak normal lakukan uji alternatif Spearman
SYARAT REGRESI LINIER
Regresi linier hanya layak dihitung bila koefisien korelasi (r) > 0,6.Bila kurang dari itu, maka nilai R2 akan menjadi kecil sekali, yang berarti kemampuan untuk memprediksi variabel independennya lemah sekali
REGRESI LOGISTIKMemprediksi besarnya nilai var.depen den yang bersifat kategorik dikotom melalui lebih dari satu var.independen yang bersifat kategorik dan numerik
CHANCE VARIATION Memperkirakan dapat tidaknya disingkirkan kemungkinan untuk diperolehnya hasil penelitian ini karena faktor kebetulan
Dinilai dari hasil perhitungan:- p-value- error dan error - Confidence interval
KEMAKNAAN STATISTIK DAN SUBSTANSI KLINISPerbedaan yg bermakna secara statistik belum tentu bermakna juga secara klinis. Karena perbedaan yg kecil/tidak berarti, dapat menjadi bermakna bila jumlah sampel besar, padahal secara klinis tidak penting/bermanfaat.
2. ASOSIASI EPIDEMIOLOGIKMembuktikan adanya hubungan antara variabel sebab dan variabel akibat secara epidemiologis
SIFAT HUBUNGAN Relatif (RR, OR) Absolut (AR)
TABULASI HASIL PENELITIAN
RELATIVE RISK
Mereka yang terpapar pada faktor risiko mempunyai kemungkinan relatif untuk menderita penyakit sekian kali lebih besar dibandingkan mereka yang tidak terpapar
(dipakai pada penelitian kohort)
RELATIVE RISK Incidence terpapar (Ie)RR = ------------------------------------- Incidence tidak terpapar (I0) a / (a+b)RR = ------------- c / (c+d)
MEROKOK DAN KANKER PARU
RR = (1350 : 2646) / (7 : 68) = 5,1
KETERPAPARAN
Ca PARU
TIDAK Ca
JML
Merokok
1350
1296
2646
Tdk merokok
7
61
68
J u m l a h
1357
1357
2714
ARTI RELATIVE RISK
Menunjukkan adanya hubungan sebab akibatMenunjukkan besaran dari hubungan tersebutPenting dalam menetapkan adanya hubungan etiologis
PEMAHAMAN RRBila RR = 1 maka risiko antara yg terpapar dan tidak terpapar untuk medapat penyakit tidak berbeda (sama)
Bila RR > 1 maka yg terpapar mempunyai risiko yg lebih besar untuk mendapat penyakit daripada yg tidak terpapar
Bila RR < 1 maka keterpaparan memberi-kan efek perlindungan terhadap penyakit (menguntungkan)
ODDS RATIO
Mereka yang terpapar pada faktor risiko mempunyai kemungkinan relatif untuk menderita penyakit sekian kali lebih besar dibandingkan mereka yang tidak terpapar
(dipakai pada penelitian case-control)
ODDS RATIO
Proporsi terpaparOR = --------------------------- Proporsi tidak terpapar
a/(a+c) : c/(a+c) a/c a dOR = ---------------------- = b/(b+d) : d/(b+d) b/d b c
ODDS RATIO(= Estimated Relative Risk)Dipakai bila:
Frekwensi penyakit jarang (< 2%)Kasus yang dikumpulkan mewakili semua kasus yang adaKontrol mewakili seluruh populasi umum
DOSE RESPONSE RELATIONSHIP
Adalah hubungan antara besarnya derajad keterpaparan dengan peningkatan risiko untuk terkena penyakit
ATTRIBUTABLE RISK
Penyakit bukan menular disebabkan oleh berbagai faktorBerapa besar kontribusi masing-masing faktor penyebab ?Kalau salah satu faktor dihilangkan berapa besar penurunan risikonya untuk terkena penyakit itu ?
ATTRIBUTABLE RISK
Memperkirakan besarnya kontribusi suatu faktor risiko/keterpaparan dalam menimbulkan penyakit atau mencegah penyakit itu bila faktor risiko tersebut dihilangkan
Penting dalam praktek klinik maupun kesehatan masyarakat
ATTRIBUTABLE RISK
AR = Ie I0 b (r - 1)AR = ---------------- b (r 1) + 1
b = proporsi populasi terpaparr = resiko relatif
03. INTERPRETASI HUB SEBAB-AKIBATp < 0,05 = Terdapat hubungan bermakna antara (var sebab) dan (var akibat).RR > 1 = Mereka yang terpapar (var.sebab) memiliki risiko n kali lebih besar untuk terkena (var.akibat) dibandingkan mereka yang tidak terpapar (var.sebab).AR= 0,n% = n dari 100 orang akan terhindar dari (var.akibat) bila dapat diubah dari semula terpapar menjadi tidak terpapar dengan (var.sebab)
RUJUKAN YG DIGUNAKANSatroasmoro S, Ismael S. Dasar-dasar metodologi penelitian klinis, edisi ke-2. Jakarta: Sagung Seto, 2002.Budiarto E. Biostatistika untuk kedokteran dan kesehatan masyarakat. Jakarta: EGC, 2002.Dahlan MS. Statistika untuk kedokteran dan kesehatan, edisi 3. Jakarta: Salemba Medika, 2008.Sabri L, Hastono SP. Statistik kesehatan. Jakarta: RajaGrafindo Persada, 2006.
***********************************