Webinar 8 Pengolahan Data

Presentasi berjudul: "Webinar 8 Pengolahan Data"— Transcript presentasi:

1 Webinar 8 Pengolahan Data
ProDi S3 FK UGM Selasa, 17 Mei 2016 13:00 – 14:00

2 Materi Teleconference
Tanggal 1 Masalah Praktis – Makalah SR 2 Menelaah Makalah SR – Masalah Penelitian 3 Tujuan, Manfaat & Keaslian Penelitian 4 Telaah Pustaka 5 Landasan Teori, Kerangka Konsep, Hipotesis 6 Rancangan & Metoda Penelitian 7 Pengumpulan Data 8 Pengolahan Data 9 Penafsiran Data 10 Rencana Pelaksanaan Penelitian

3 Masalah praktek Klinik/PK
Bab I Pendahu-luan Bab II Telaah Pustaka Bab III Metoda Penelitian Masalah praktek Klinik/PK Masalah Penelitian Kerangka Konsep Hipotesis Penelitian Pengumpulan Data Pengolahan Data Penafsiran Data Penyakit Prioritas Telaah Sistematik Rancangan Kuat

4 Mengolah Data Meringkas Data menjadi tabel, diagram dan angka peringkas. Menginferensi (= menafsirkan, memperkirakan) angka peringkas dari populasi yang disampel berdasarkan angka peringkas dari sampel. Catatan: Data perlu diringkas jika jumlah Data Points banyak.

5 Data Points Unit Analisis Variabel

6 Angka Peringkas Pemusatan: Modus, Mean & Median
Penyebaran: Range, Inter-Quartile Range, SD Hubungan: Koefisien korelasi, OR Selisih: Selisih Mean, Selisih Proporsi.

7 Angka Peringkas Hubungan (r, OR) dan Selisih (d) digunakan untuk menguji Hipotesis Penelitian.
Keduanya dinamakan Effect Size (ES). Hipotesis Penelitian menyatakan ES bermakna (ES ≥ Esmin).

8 (e.g., Statin terapi tunggal dosis tinggi vs kombinasi dosis rendah)
Pilihan ES Jenis Data (Skala) Prediktor Kriterion Standardized mean difference effect size (d) Catagorical (e.g., Statin terapi tunggal dosis tinggi vs kombinasi dosis rendah) Continuous (e.g., kadar lipid Darah) Correlation coefficient (r) (e.g., kadar lipid darah) (e.g., Kadar gula darah) Odds-ratio (OR) (e.g., Terapi Statin) (e.g., DM)

9 Pilihan ESmin Cohen’s “Rules-of-Thumb”
standardized mean difference effect size small = 0.20 medium = 0.50 large = 0.80 correlation coefficient small = 0.10 medium = 0.25 large = 0.40 odds-ratio small = 1.50 medium = 2.50 large = 4.30 Sumber:

10 Besar (size) populasi Unit Analisis (UA) = jumlah UA dalam populasi UA
Besar (size) populasi Unit Analisis (UA) = jumlah UA dalam populasi UA. Besar sampel UA = Jumlah UA dalam sampel UA. UA merupakan himpunan Unit Pengamatan (UP, subyek penelitian). Besar populasi UP = jumlah UP dalam populasi UP. Besar sampel UP = jumlah UP dalam sampel UP. Variabel-variabel yg disebut di hipotesis penelitian: UA-nya harus sama; UP-nya tidak harus sama. UA dapat = UP.

11 R Populasi UP Sampel UP     R               
                                                                 R    R Sampel UA Populasi UA

12 Angka Peringkas disebut Statistik.
Pada penelitian sampel: Statistik digunakan untuk memperkirakan Angka Peringkas populasi. Perkiraan makin akurat (bebas Error) jika Standard Error (SE) atau Confidence Interval (CI) dari distribusi sampling (= distribusi statistik-statistik) makin kecil. Parameter merupakan angka peringkas dari distribusi sampling yg digunakan untuk mendisripsikan/mengestimasi angka peringkas dari populasi yang disampel. SE atau CI dapat diperkecil dengan memperbesar sampel.

13 Populasi Sasaran Populasi yg Disampel Inferensi statistik Sampel

14 Rancangan Pengolahan Data
Buat petunjuk pengolahan data: Meringkas Data – tergantung bunyi hipotesis penelitian (hubungan atau selisih), skala (categorical atau continuous). Menginferensi Data – tergantung jenis penelitian (sampel atau populasi), besar sampel.

15 Metoda Pengolahan Data
Buat prosedur pengolahan data untuk: Meringkas data: Untuk data categorical buat tabel UA dan hitung OR (atau C, Phi), untuk data continuous buat tabel data dan hitung r. Menginferensi data (untuk penelitian sampel): Tetapkan Confidence Level (0.90, atau 0,95) dan Hitung CI

16 Contoh pengolahan data utk menguji Hipotesis Penelitian:
Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pengajaran Skills Lab” dan “Kompetensi klinik” pada AkBid-AkBid di Indonesia. Ada hubungan positif yg kuat (r ≥ 0.80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada mahasiswa AkBid Husada Bakti.

17 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 1: X = Unit Analisis (AkBid) X = Unit Pengamatan (Mahasiswa) Sampel Mhs AkBid Bantul Pop Mhs AkBid Bantul XXXX XXXXXXXXXXXX R XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R Sampel AkBid Pop AkBid

18 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 2: X = UA = UP = Mahasiswa Populasi Mahasiswa AkBid Husada Bakti Sampel Mahasiswa AkBid Husada Bakti XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R

19 utk Prediktor & Kriterion continuous
Menghitung r utk Prediktor & Kriterion continuous UA Score Prediktor Score Kriterion 1 2 3 . k Hipotesis penelitian didukung jika r ≥ rmin

20 utk Prediktor categorical & Kriterion continuous
Menghitung d utk Prediktor categorical & Kriterion continuous Kelompok X1 Kelompok X0 UA Score Kriterion Unit Ana-lisis Score Kriterion 1 2 3 . k n Total Mean1 Mean0 Hipotesis Penelitian didukung jika d ≥ dmin (d = Mean1 - Mean0)

21 Menghitung OR utk Prediktor & Kriterion categorical
Hipotesis penelitian didukung jika OR ≥ OR min Menghitung OR utk Prediktor & Kriterion categorical Kriterion Total UA + - Prediktor a b a + b c d c + d Total UA a + c b + d n = a+b+c+d