BIOSTATISTIK Dr. dr. Dedy Syahrizal, M.Kes Bagian Biokimia Fakultas Kedokteran Universitas Syiah Kuala

Definisi STATISTIK Cabang dari ilmu matematika yang mempelajari pengolaha data, menarik kesimpulan-kesimpulan yang diteliti dan keputusan- keputusan yang logik dari pengolahan data tersebut. BIOSTATISTIK Metode statistik yang diterapkan pada ilmu-ilmu terkait kesehatan, seperti kedokteran dan kesehatan masyarakat, untuk membantu memahami tentang karakteristik populasi, dan hubungan/ pengaruh variabel pada populasi

KEGUNAAN BIOSTATISTIK Biostatistik berguna untuk memberikan informasi tentang: Karakteristik populasi Berapa persen dari populasi yang menderita stunting? Berapa rata-rata kadar kolesterol pada kelompok obesitas? Hubungan/ pengaruh variabel pada populasi Apakah merokok berhubungan dengan peningkatan risiko penyakit jantung koroner (PJK)? Apakah pemberian penyelesaian skripsi berhubungan dengan tingkat stress mahasiswa? Informasi itu berguna untuk membantu mengambil keputusan, membuat perencanaan, atau memecahkan masalah

Variabel, Data dan Informasi Variabel  sesuatu hal yang dapat kita ukur/ hitung Jenis kelamin Kadar gula darah Data  hasil perhitungan/pengukuran yang belum memberi makna Subjek A: Seks= laki-laki, TB= 170cm, BB=90kg, TDS= 150mmHg Subjek B: Seks= perempuan, TB=165cm; BB=55kg, TDS=120mmHg Informasi  Hasil analisis data sehingga memiliki makna yang berguna untuk membuat keputusan Rata-rata TDS populasi obes= 150mmHg, populasi overweight= 140mmHg, populasi normal= 120mmHg Rasio L:P di Indonesia=0.95, di India= 1.05

Contoh “variabel” Untuk mengamati bayi baru lahir  variabel yang akan diamati adalah berat badan, panjang badan (nilai ini bervariasi antara satu bayi dengan bayi lainnya) Untuk menilai kinerja bidan  variabel yang akan dinilai adalah kedisiplinan, pengetahuan, dll

Pengelompokan Data 1.Data Primer Dikumpulkan secara langsung oleh peneliti 2. Data Sekunder Diperoleh dari orang / tempat lain. Misal : RM RS. Lebih hemat waktu, biaya, tenaga. Tetapi kadang tidak lengkap / tidak sesuai

Klasifikasi Data Data di bagi mejadi: Data kategorik (nominal dan ordinal)  kualitatif Data numerik (interval dan rasio)  kuantitatif/kontinyu

Data Kategorik (Kualitatif) Nominal  memiliki kategori yang sederajat (ex: jenis kelamin dll) Ordinal  memiliki kategori yang bertingkat (ex: tingkat pendidikan dll) Berdasarkan jumlah : Dikotom  hanya mempunyai 2 kategori Polikotom  memiliki lebih dari dua kategori

Data Numerik (Kuantitatif) Rasio  Jika data memiliki nilai nol alami (ex: TB, BB, jarak) Interval  Jika data tidak memiliki nilai nol alami (ex: suhu) Diskrit  hasil perhitungan (ex: jumlah anak) Kontinyu  hasil pengukuran ( ex: berat badan)

Perubahan Skala Pengukuran Suatu variabel numerik dapat berubah menjadi kategorik  jika diklasifikasikan menurut aturan tertentu Suatu variabel kategorik dapat berubah menjadi numerik (ex: skor kualitas hidup yang terdiri dari 36 pertanyaan yang masing-masing bernilai 1 sampai 5, setiap pertanyaan adalah ordinal  ketika kita semua pernyataan dijumlahkan  numerik)

Penyajian Data Katagorik Penyajian: Frekuensi Persentase Tabel (jumlah dan persentase) Grafik (batang)

Penyajian Data Numerik Penyajian Pemusatan : mean (distribusi normal) dan median (distribusi tidak normal) Sebaran : simpang baku (distribusi normal). Minimal-maksimal (distribusi tidak normal) Sebaran : Persentil Grafik : error bar (normal) dan box plot (tidak normal)

DATA KONTINU, HISTOGRAM, DAN DISTRIBUSI NORMAL

UKURAN TENDENSI SENTRAL, KURVA NORMAL, KURVA MIRING

95% nilai-nilai terletak antara µ-2σ dan µ+2σ 5% nilai-nilai terletak di luar antara µ- 2σ dan µ+2σ KURVA NORMAL Suatu data numerik dikatakan berdistribusi normal apabila data-data tersebut berada dalam cakupan kurva normal Untuk mengetahui suatu data berdistribusi normal atau tidak dapat menggunakan uji statistik seperti uji Kolmogorov-smirnov atau Shapiro-wilk

PERSENTIL, SKOR STANDAR, DAN KURVA NORMAL

Pengelompokan Statistika 1. Statistika Deskriptif Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja Cth : Untuk menggambarkan karakteristik penduduk diperlukan data seperti: umur, jenis kelamin, status perkawinan, dsb Untuk menggambarkan karakteristik suatu penyakit digunakan prevalensi, insidensi, rata-rata

2. Statistika Inferensial/ Analitik Statistika yang menggunakan data dari suatu sampel untuk menarik kesimpulan mengenai populasi dari mana sampel tersebut diambil  proses generalisasi Cth :  Untuk menganalisa hubungan pertambahan berat badan Ibu hamil dengan berat lahir bayi di daerah x diambil sampel di RSUD x

Statistik inferensial Metode statistik untuk menarik kesimpulan tentang parameter populasi menggunakan statistik sampel: 1.Uji hipotesis – menguji signifikansi statistik tentang beda/ hubungan/ pengaruh variabel 2.Estimasi (penaksiran) – menaksir besarnya beda/ kekuatan hubungan/ pengaruh variabel STATISTIK INFERENSIAL

Uji hipotesis  Apakah pemberian probiotik mempercepat episode diare pada balita dengan signfikan secara statistik?  Apakah penggunaan telepon seluler > 10 tahun berhubungan dengan peningikatan risiko neuroma otak dengan signifikan secara statistik?  Estimasi Berapa hari lebih pendek episode diare pada balita yang diberi probiotik? Berapa besar peningkatan risiko neuroma otak pada pengguna telepon seluler >10 tahun? Pada usia 35 tahun, berapa probabilitas perokok untuk bisa melangsungkan hidup sampai usia 70 tahun? UJI HIPOTESIS DAN ESTIMASI

UJI STATISTIK Uji statistik: Prosedur formal untuk menguji secara kuantitatif kesesuaian antara hasil pengamatan (data) dan hipotesis  Menolak hipotesis nol  Mendukung hipotesis nol Jenis uji statistik: 1.Statistik parametrik 2.Statistik non- parametrik Statistik Parametrik

Statistik parametrik  Prosedur pengujian hipotesis dan estimasi dengan menggunakan parameter mean dan asumsi normalitas distribusi frekuensi  Uji t, F (Anova) Statistika non-parametrik  Prosedur pengujian hipotesis dan estimasi tanpamenggunakan parameter mean maupun asumsi normalitas distribusi frekuensi (distribution-free statistics)  Uji Chi Kuadrat, Mann-Whitney, Wilcoxon, Kruskal-Wallis STATISTIK PARAMETRIK DAN STATISTIK NON PARAMETRIK STATISTIK PARAMETRIK DAN STATISTIK NON PARAMETRIK

Populasi biru (kanan) memiliki mean > mean populasi hijau (kiri) Seberapa besar beda mean disebabkan karena faktor peluang (kebetulan)? Lakukan uji statistik dan lihat nilai p.  Contoh: Uji statistik yang tepat untuk menguji beda mean dua populasi dengan distribusi frekuensi normal adalah uji t PRINSIP UJI STATISTIK PARAMETRIK

HIPOTESIS Jawaban Sementara Terhadap Masalah Penelitian Yang Kebenarannya Masih Harus Diuji Secara Empiris Hipotesis dalam statistika: Hipotesis komparatif (perbandingan/perbedaan) Hipotesis korelatif (hubungan/korelasi) Perbedaan jenis hipotesis akan menentukan perbedaan uji statistik yang akan digunakan Contoh: (coba tentukan jenis hipotesanya) Perbandingan tingkat keasaman saliva pada lansia Hubungan motivasi belajar terhadap prestasi akademik mahasiswa Pengaruh pemberian ekstrak daunkelor terhadap pertumbuhan salmonella sp.

Hipotesis Null (H0) dan Hipotesis Alternatif Ha) H0 adalah hipotesis yang meniadakan pengaruh dan hubungan antara variabel yang diteliti Ha adalah hipotesis yang mengadakan pengaruh dan hubungan dari variabel yang diteliti Ho diterima apabila nilai p (nilai significan uji hipotesis) lebih dari nilai alpha Ha diterima apabila nilai p(nilai signifikan uji hipotesis) lebih kecil dari alpha

Hipotesis 1 tail dan 2 tail Hipotesis 1 tail adalah hipotesis yang sudah menyatakan ke arah mana kecendrungan suatu perbedaan Hipotesis 2 tail adalah hipotesis yang belum menyatakan kecendrungan suatu perbedaan antar variabel Cth: 1 tail  Obat X dapat menurunkan tekanan darah 2 tail  Obat X dapat mempengaruhi tekanan darah

PERBEDAN HIPOTESIS KOMPARATIF DAN KORELATIF PembedaHipotesis KomparatifHipotesis Korelatif 1. SifatSifatnya membandingkan hingga diyakini didapati perbedaan antara yang dibandingkan Sifatnya mencari hubungan antara satu variabel dengan variabel yang lain 2. Luaran (output)Perbandingan/perbedaan rerata, perbandingan/ perbedaan proporsi, Odds ratio, resiko relatif Koefisien korelasi (r) 3. Uji StatistikT-test dependent/independent, mann whitney, Wilcoxon, kruskall wallis, annova, chi-square, fisher exact test dll Pearson, spearman, eta, koefisien kontingensi, korelasi gamma

Nilai p ( p value) adalah probabilitas untuk menarik kesimpulan SALAH bahwa terdapat beda/ hubungan/ pengaruh sebesar atau lebih besar daripada yang teramati, ketika Ho benar ( tidak ada beda/ hubungan/ pengaruh) Nilai p menunjukkan besarnya peran peluang ( kebetulan. Makin kecil nilai p, makin kecil beda/ hubungan/ pengaruh yang teramati terjadi karena kebetulan Jika nilai p≥α, maka beda itu secara statistik tidak signfikan, peran peluang besar Jika nilai p< α, maka beda itu secara statistik signfikan, peran peluang kecil NILAI p

Hasil uji statistik ditunjukkan oleh nilai p. Jadi lihatlah selalu nilai p dari uji statistik apapun Nilai p menunjukkan signifikansi statistik. Signifikansi statistik mengandung makna konsistensi temuan ketika temuan itu diulangi berkali- kali. Contoh: Probiotik bisa memperpendek lama diare sebesar 3 hari dengan p= Artinya, jika penelitian ini diulangi 1000 kali, maka anda akan menemukan 998 kali di antaranya memberikan kesimpulan yang sama dengan kesimpulan anda. Temuan itu baik karena menunjukkan konsistensi. Penting 1.Jangan sekali kali mengebiri p=0.002 menjadi p<0.05 yang artinya secara statistik signifikan pada α=0.05. Laporkan p apa adanya, 3 angka di belakang koma, misalnya p= Ingat p=0.02 dan p=0.002 sama-sama p<0.05, tetapi, p=0.002 lebih konsisten daripada p=0.02, informasi itu hilang jika anda tuliskan p< Nilai p tidak menunjukkan validitas (kebenaran) hasil penelitian! PRECAUTION

LATIHAN

Seorang peneliti ingin mengetahui kinerja perawat setelah diberikan pelatihan apd. Dia membagi dua kelompok yaitu kelompok yang diberikan pelatihan dengan modul apd dan kelompok yang tidak diberikan pelatihan modul apd. Data yang akan dikumpulkan adalah hasil test berupa nilai yang didapatkan oleh kedua kelompok tersebut. Tentukanlah karakteristik dari penelitian tsb secara statistik Variabel: numerik  distribusi? Tidak berpasangan 2 klp Hipotesis komparatif

Seorang peneliti ingin mengetahui pengaruh obat x terhadap penurunan kadar gula darah dalam berbagai dosis. Terdapat dosis 1, dosis 2 dan dosis 3. Peneliti ingin membandingkan dengan kelompok yang mengkonsumsi placebo Numerik Komparatif Tidak berpasangan 4 klp

Seorang peneliti ingin mengetahui tingkat penegtahuan bidan setelah diberikan pelatihan ponek. Seluruh bidan pada desa X dilakukan uji sebelum diberikan pelatihan dan setelah pelatihan juga dinilai uji yang sama. Variabel  Numerik Hipotesis  komparatif Berpasangan 2 kelompok

Seorang penelti ingin mengetahui pengaruh antara merokok dengan kanker paru. Dia mengumpulkan orang dan membaginya menjadi 2 kelompok. Kelompok 1 adalah kelompok yang merokok, kelompok2 adalah kelompok yang tidak merokok, kemudian ia mengamati selmama 10 tahun apakah di kedua kelompok tersebut ada yang menderita kanker paru

TERIMA KASIH