OBJECTIVESTo help the students to understand the basic concepts of biostatistics in such a way that they can use it to plan and to analyze data in simple biomedical researchPemahaman dasar2 konsep2 biostatistikaMemahami bagaimana penerapan biostatatistika dalm penelitianMemberikan kemampuan menginterpretasi hasil2 penelitian dengan benar
STATISTIKA (STATISTICS)?BIOSTATISTIKA (BIOSTATISTICS)?STATISTICS:
the science of and art of dealing with variation in data through collecton, classification, and analysis in such a way as to obtain reliable resultsBIOSTATISTICS:
refers to the application of statistics in biological and health sciences(biologi, biomedis, kedokteran, kesehatan, epidemiologi)
STATISTICS
- The science of collecting, organizing, presenting, and interpreting data to assist in making more effective decisions- A collection of methods for planning experiment, obtaining data, and then organizing, summarizing conclusions based on the data
STATISTICS LANGKAH2 DALAM
The science of: BIOSTATISTIKA- collectingData Collection- summarizingPresentation- presentingInterpretation- interpreting dataConclusion and using them Decisionto test hypothesisFurther Action
LANGKAH-LANGKAH PENELITIANTeoriFaktaMasalahTinjauan PustakaIdentifikasi var.Kerangka teoriKerangka konsep
HipotesisVerifikasi*DesainSampelInstrumenKoleksi dataAnalisis data
Simpulan*Uji Hipotesis(PENELITIAN SEBENARNYA)
THE PURPOSE OF A BIOSTATISTICSTo provide the numbers/tables/ graphics that contain info. about a certain situationTo present them in such a way that valid interpretations are possible
PERAN BIOSTATISTIKABerperan penting dalam mendesain dan analisis data berasal dari masalahMembantu menjawab pertanyaan ilmiahMenentukan teknik sampling yang cocokMelakukan analisis statistis untuk menjawab pertanyaan ilmiah
POPULASI & SAMPEL
STPSPTP: target population (unlimited); SP: sampling population; S: sampleSPSampling and representativity
POPULATION & SAMPLE
Population: a set of objects,measurements or individuals that the researcher is intended in studyingSample: a subset of the population the group that is actually studiedUnit: peoples or things in the population
SP(sampling: - Random - Nonrandom)SAMPLING: proses pemilihan unit2 dari populasi yang dikaji
SAMPLING MODELSAMPLING: the process of selecting units from a population of interest1. Draw sample1. Draw sample
MENGAPA YANG DIKAJI SAMPEL BUKAN POPULASI? Populasi: terlalu besar untuk dikaji(semua pasien yang mendapat kemoterapi) mungkin terlalu mahal(terutama untuk penelitian prospektif) bisa hipotetis(respon pasien terhadap terapi baru atau future subjects dengan penyakit tertentu)
REPRESENTATIVITAS SAMPEL
Hasil2 yang diperoleh dari analisis statistis sampel dapat dipakai untuk mengambil inferensi tentang populasi yang dikaji JIKA sampel merupakan representasi populasi Sampel diambil secara random* akan merupakan sampel representatif populasinya*Pakai Random Numbers Table (RNT)
SAMPLINGRandommenjamin representativitas(menggunakan Random Numbers Table)Nonrandomtidak menjamin representativitas
BESAR SAMPEL (SAMPLE SIZE, n)
Harus ditentukan SEBELUM melakukan penelitianESTIMASI BESAR SAMPEL(1). Menggunakan Statistika Deskriptif:n terlalu kecildistorsi nilai sebenarnyan terlalu besarpemborosan (waktu, dana)
(2). Menggunakan Statistika Inferensial- n terlalu kecilmenghasilkan false negative- n terlalu besar- pemborosan (waktu, dana)- menghasilkan false positif- masalah etis
KLASIFIKASI STATISTIKASTATIS-TIKASTATISTIKADESKRIPTIFSTATISTIKAINFERENSIALUJI STATISTISSTATISTIKA PARAMETRIKSTATISTIKA NONPARAMETRIKStatistika yang dipakai untuk mengorganisasi dan mendeskripsikan karakteristik sekumpulan dataStatistika yang dipakai untuk menginferensikan hasil2 berdasarkan sampel ke populasinyaDistribusi normalDistribusi tidak normal
STATISTIKA DESKRIPTIF(DESCRIPTIVE STATISTICS)STATISTIKA DESKRIPTIF: Deskripsi kuantitatif gambaran utama suatu koleksi data.TUJUAN: merangkum sejumlah (a set of) data yang, diharapkan, mewakili (represents) populasi yang dikaji(bukan menggunakan data untuk mengkaji populasi; berarti: tidak berdasarkan teori probabilitas)
KARAKTERISTIK
STATISTIKA DESKRIPTIFHipotesis: -Analisis data: -Mengukur/menganalisis univariat:1. Distribusi2. Kecenderungan sentral: rerata, median, mode3. Rentang: nilai2 minimal dan maksimal4. Dispersi: SD, SE, varian, CV, rentang, skewness, kurtosis
CONTOH:Ingin mengetahui rerata dan SD umur mahasiswa S2 baru FK UGMIngin mengetahui rerata, rentang, SD kolesterol LDL pasien dengan AMI*Ingin mengetahui rerata dan SD lama rawat inap pasien2 DHF**AMI: Acute Myocardial Infarction*DHF: Dengue Haemorrhagic Fever
ANALISIS UNIVARIAT:Melibatkan pemeriksaan kasus-kasus dengan variabel tunggal, dengan memfokuskan pada tiga karakteristik:
1. Distribusi2. Kecenderungan sentral (central tendency)3. Dispersi (pertebaran: dispersion)
1. DISTRIBUSI
Rangkuman frekuensi nilai-nilai individual atau rentang nilai-nilai untuk variabel.Contoh: menghitung distribusi jenis kelamin dalam rerata populasi dengan menghitung persentase laki-laki dan perempuan.Disajikan: sebagai tabel (histogram, bar gram) atau grafik
DIFFERENT VARIATIONPop. Mean xi = NNi = 1Sample Mean X = ni=1n
2. KECENDERUNGAN SENTRAL
Kecenderungan sentral suatu distribusi terletak center suatu distribusi nilai-nilaiTiga tipe estimasi kecenderungan sentral: (1). Mean (rerata)(2). Median (tengah) (3). Mode (yang terbanyak)
(1). MEAN (RERATA):a. RERATA POPULASI:b. RERATA SAMPEL xi xi =x =N nNi = 1ni = 115, 20, 21, 36, 15, 25, 15
(2). MEDIAN: satu nilai yang membagi sejumlah (a set of) nilai-nilai menjadi dua bagian simetris (terletak di tengah: sama kanan-kiri, jika jumlah nilai-nilai ganjil: ada satu nilai median)(jika jumlah nilai-nilai tersebut genap: tidak ada satu nilai median, tetapi dua nilai; median: jumlah 2 nilai tsb. dibagi dua)15, 15, 15, 20, 21, 25, 3615, 20. 21, 25, 36, 38
Bar gram: distribusi dan frekuensi (banyaknya) data
(3). MODE (MODUS): sejumlah (a set of) nilai yang terjadi paling sering (mode bisa lebih dari satu: multimodal)Jika semua niai berbeda-beda: tidak ada mode15, 15, 15, 20, 20, 21, 25, 36, 36, 36
2. DISPERSI(1). RENTANG (RANGE)R =xL xS (L: large; S: Small)(2). VARIAN (VARIANCE) (xi x)2 (xi )s2 =2 = n - 1ni=1Ni = 1N - 1Sample VariancePop. Variance
(3). STANDARD DEVIATION (SD atau s)
(xi x)2s = Vs2 =n - 1Vni=115, 20, 21, 36, 15, 25, 15s2:variance
(4). COEFFICIENT OF VARIATION (CV) sCV = (100) x
CV1 = 6,9CV2 = 12,5CV1 < CV2 : CV1 kurang bervariasi (lebih akurat, lebih reliabel) dibanding CV2
DISTRIBUSI NORMAL
KARAKTERISTIK
STATISTIKA INFERENSIAL Selalu membandingkan kelompok2 dan berkaitan dengan analisis, ditujukan untuk menemukan apakah ada perbedaan bermakna antara rerata2 kelompok2.CONTOH:Ingin mengetahui apakah rerata BB bayi baru lahir (BBL) di area2 pedesaan berbeda bermakna dengan BB BBL di kota2 besar
BIOSTATISTIKA INFERENSIAL
Presentasi DataAnalisis Data
Koleksi DataKesimpulan
SAMPELKeputusan(hubungan/beda/pengaruh/estimasi/uji hipotesis
Generalisasi pada pop.
ANALISIS DATAKetika sampai pada analisis data,
kerja yang benar2 sulit sudah terlampaui(Jauh lebih sulit: membuat masalah penelitian; mengembangkan dan menerapkan rencana pengambilan sampel; konseptualisasi dan menguji pengukuran; dan mengembangkan rancangan penelitian)Analisis Data: bersifat lugas (straight forward)
ANALISIS DATAmelibatkan tiga langkah utama:1. CLEANING & ORGANIZING DATA for analysis (Data Preparation)2. DESCRIBING THE DATA (Descriptive Statistics)3. TESTING HYPOTHESES & MODELS(Inferential Statistics)
DATA PREPARATION
Logging the data Checking the data for accuracyDeveloping a database structureEntering the data into the computerTransforming the data
ANALISIS DATADESKRIPTIF
STATISTIKA DESKRIPTIF:- Mendeskripsikan gambaran dasar data yang dikaji- Merupakan rangkuman sederhana mengenai sampel dan ukuran2- Bersama dengan grafik2 analisis sederhana, merupakan dasar semua analisis data kuantitatifSTATISTIKA DESKRIPTIF sekedar menggambarkan: WHAT IS? WHAT THE DATA SHOWS?
INFERENSIAL
STATISTIKA INFERENSIAL- Mempelajari pertanyaan (masalah), model dan hipotesis- Mencoba menginferensikan (to infer) dari data sampel kepada populasinya(Untuk membuat inferensi dari data ke kondisi yang lebih umum)
UJI HIPOTESIS(HYPOTHESIS TESTING)HIPOTESIS: dugaan atau jawaban sementara atas pertanyaan penelitian (masalah) suatu penelitian yang dirancang untuk menjawab pertanyaan (definite answer)Macam hipotesis:
1. Hipotesis Penelitian (HPT Kerja/Working HPT) (lihat definisi HPT di atas)
2. HPT STATISTIS, terdiri atas(1). HPT NIHIL (Nol)/Null HPT/Homenyatakan:- TIDAK ADA PERBEDAAN antara rerata-rerata antara variabel2/ kelompok2)(Mis.: tidak ada perbedan antara rerata BB mhs. FK UGM lelaki dan perempuan) - TIDAK ADA PENGARUH/HUBUNGAN antarvarabel
2. HPT ALTERNATIF (HA atau H1)(lawan Ho) = HPT KERJA
Jika Ho tidak ditolak (diterima), maka H1 ditolakJika Ho ditolak (tidak diterima), maka H1 diterima (tidak ditolak)
APA ARTI nilai p?
Definisi p: besar probabilitas setiap perbedaan yang diobservasi terjadi karena kebetulan (by chance)p: - identik dengan (alfa) - dinyatakan dalam % atau proporsi - nilai p: selalu dinyatakan dalam statistika inferensial(biasana perbedaan dianggap (is assumed) bermakna (significant) jika p < 0,05 atau < 5%
ARTI CONFIDENCE INTERVAL (CI)
95% CI: ?95% CI: RENTANG (RANGE)/INTERVAL:a range (interval) in which we can be 95% sure that the true value of the population liesMis. Lima puluh pasien peremp. berpartisipasi dalam program diet.Rerata BB sebelum dan sesudah diet 70 kg dan 65 kgTerlihat perbedaan 5 kg.Hasil perhitungan statistis: p=0,003 dan 95% CI= 1-9 kg(Perlu dicatat: perbedaan 5 kg bukan nilai populasi sebenarnya, tetapi nilai tsb. diperoleh dari 50 pasien
ARTI 95% CI95% CI = 1-6 kg berarti:kita bisa yakin bahwa perbedaan BB sebenarnya antara 1-9 kg tidak lebih dari 0,05%
STATISTICAL ERRORS(in Inferential Statistics)TYPE-1 (Type A/Alpha/) Error
Type-1 Error: terjadi jika analisis statistis menunjukkan bahwa ada perbedaan bermakna, tetapi kenyataannya (realitas) tidak ada perbedaan (false positive result)- Nilai ditetapkan oleh peneliti (pada waktu pengembangan protokol penelitian)
- Jika peneliti menetapkan = 0,05, 2-tailed, berarti: siap menerima 5% peluang mendapatkan hasil positif palsu (false positive) (2-tailed)Catatan: nilai identik dengan nilai p, biasanya dipasang 0,05
Type-2 error ( error) terjadi jika analisis statistis menunjukkan bahwa tidak ada perbedaan bermakna, tetapi kenyataannya ada perbedaan bermakna (= false negative result)
Nilai dipasang oleh peneliti (0,2, one-tailed) pada protokol penelitianJika peneliti memasang nilai =0,2, berarti peneliti siap menerima peluang 20% mendapatkan hasil false negative (1-tailed)The POWER OF STSTISTICAL TEST = 1-( Biasanya dipasang 0,1 atau 0,2, selalu 1-tailed
ERROR TYPE-1 dan TYPE-2 dalam biostatistikaPERTANYAAN: mengapa peneliti memasang nilai-nilai dan jika peneliti ingin mendeteksi adanya perbedaan bermakna antara 2 rerata 2 kelompok?JAWAB: untuk menentukan besar sampel yang memenuhi level nilai dan nilai yang ingin dicapaiMakin kecil nilai-nilai dan makin besar ukuran sampel (n)
Keputusan apakah nilai2 berada di area penolakan dan yang manayang berada dinarea penerimaan dibuat berdasarkan penetapan desired level of significance (alpha, ).Level of significance mencerminkan fakta bahwa uji hipotesis (uji kemaknaan/ signifikansi) dan nilai perhitungan statistik uji berada/jatuh di area penolakan dinyatakan bermakna.
= probabilitas area penolakan Ho sebenarnyamenghasilkan error type-1 (type A/alpha/)(Nilai biasanya: 0,01; 0,05; 0,10)The error committed when a true H0 is rejected: type-1 errorType-2 error committed when a false H0 is accepted
Condition of null hypothesisTrueFalse
Fail CorrectType-2to reject Hoactionerror
Reject HoType-1CorrecterroractionPossibleactionCondition under which type-1 and type-2 errors may be committed
THE POWER IN BIOSTATISTICSPower of study: the probability yang harus mendeteksi perbedaan statistis (statistical defference)Jika obat A sangat efektif dalam terapi penyakit dibanding dengan obat B (efikasinya rendah) dengan n kecil sudah mepunyai SUFFICIENT POWER untuk mendeteksi perbedaan.Sebaliknya, jika obat A dan obat B mempunyai efikasi yang sama, maka n kecil tidak cukup kuat (NOT SUFFICIENT POWER) mendeteksi adanya perbedaan
SIGNIFICANCE LEVELDEFINISI: the level of risk set by the researcher for rejecting a null hypthesis when it is true (= p level)
REFERENCESDaniel, W.W. 2005 Biostatistics: A foundation for anlysis in the Health Sciences. 6th ed. John Wiley & Son, New York.Dawson-Saunders, B. & Trapp, R.G. 2004 Basic and Clinical Biostatistics 4th ed. Appleton & Lange, California.