Bab 2. Deskriptif Numerik

ffiffiffiwffiffiffiKffiw ffiffiffiffiffiffiffiffiTirjuan Bab 2: Setelah membaca bab dua, diharapkan pembaca mamPu:- mengidentifikasimasalahdeskriptifnumerik,- mengolah data yang termasuk ke dalam deskriptif numerik- melakukan interpretasi hasil pengolahan deskriptif numerik, dan- membuat laporan deskriptif numerik dengan memPertim- bangkan faktor sebaran data.

Alur Fengolahan Data untu!< Desl<e\"iptif Numerik Apabila kita sudah mendiagnosis masalah statistik sebagai penyakit kedua, yaitu deskriptif numerik, selanjutnya bagaimana kita menganalisisnya dan melaporkannya. Untuk deskriptif numerik, pertama-tama kita perlu mencari tahu apakah data berdistribusi normal atau tidak dengan menggunakan uji normalitas.Apabila data berdistribusi normal, pemilihan penyajian adalah dengan nilai rerata dan simpang baku.Apabila data tidak berdistribusi normal, pemilihan penyajian adalah dengan median disertai berbagai nilaisebaran data, seperti minimum, maksimum, kuartil, dan persentil. Dalam keadaan tertentu, nilai persentil yang lebih detail mungkin diperlukan. Alur analisis deskriptif numerik serta perintah Stata dapat disederhanakan sebagai berikut. P>0,05 p<0,05 I I I tI v Data berdistribusi Data berdistribusi tidak normal normal I I l: tI + Median ;:.;r*;i$edi Minimum Maksimum i.i,,$i* Persentil liii,i:::.1:,,:i:?r',:i rri Kuartil Diagram 2. I Alur pengolahan data untuk deskriptif numerik Contoh,:tt Peneliti ingin mengetahui bagaimana gambaran subjek penelitian berdasarkan usia, imt, kolesterol, dan ejeksi fraksi. Data disimpan pada file pjk.dataInKd EVIDENCE BASED MEDICINE: Mendignosis dan Menata Laksana r3 penyakit statistik

Tabel 2. I Keterangan data pada file pikdtaLangkah-Langkah Penyelesaian Masalahl. Mendiagnosis masalah secara statistik Diagnosis secara statistik dilakukan dengan menggunakan pohondiagnosis sebagaimana disajikan pada tabel 2.2.2.2Tabel Proses diagnosis, diagnosis, dan rencana analisis untuk pertanyaan \"Bagaimana gambaran subjek penelitian menurut usia?\"Proses diagnosis PertanyaanRencana hasil L Apakah deskriptif, analitik, atau khusus? 2. Bila deskriptif, apakah kategorik atau numerik? Deskriptif numerik Deskriptif Bila sebaran data normal, data disaiikan dalam rerata dan simpangg baku. Bila sebaran data tidak normal, data disalikan dalam median, minimum, maksimum, persentil, atau kuartil tergantung pada kebutuhan. Pada tabel 2.2 disajikan proses diagnosis untuk gomboron subiekmenurut usio. Prosedur yang sama digunakan untuk variabel imt,kolesterol, dan ejeksi fraksi. Semua masalah tersebut termasuk kedalam deskriptif numerik.2. Merencanakan analisis Langkah-langkah analisis deskriptif numerik adalah sebagaiberikut.a. Analisis data deskriptif.b. ldentifikasi sebaran data'c. Apabila sebaran normal, pilih rerata dan simpang baku'd. Apabila sebaran tidak normal, pilih median, minimum, Persentil 25, persentil 75, dan maksimum. 6IDeskriptif Nume'*

3. Mempraktikkan dengan Stataa. Analisis data secara deskriptif Perintah umum untuk memperoleh ukuran pemusatan (reratadan median) serta ukuran penyebaran (simpang baku, minimum,maksimum) dari beberapa variabel numerik adalah sebagai berikut. tabstat varnl- varn2, statistics(count mean sd p50 minmax) columns(statistics) Dengan mengetik perintah tersebut pada command danmengganti vorn I don vorn2 meniadi usiq imt, kolesterol, dan ejeksifraksi,akan diperoleh hasil sebagai berikut.. tabstat usia imt ko'l ef, statistics(count mean sd p50 minmax) columns(statistics)variable I H mean sd p50 nm'l max--------+--usial 300 46.80667 25..75466522t9L7274.36s 39 59 imt | 300 27.33897kol | 300 238.L267 47.47818 235 20.29 36. 36 ef | 300 s7 .4t183 s .767044 s7 .435 414 I23 42.609 76. 3s6 Kolom N menunjukkan jumlah subjek, meon adalah rerata, sdadalah standar deviasi (simpang baku),p50 adalah persentil 50 ataumedian, min adalah minimum dan mox adalah maksimum.b, ldentifikasi sebaran data Untuk memilih parameter pemusatan dan penyebaran manayang digunakan, kita harus mengidentifikasi sebaran data untukmasing-masing variabel. Perintah umum untuk menguji sebaran data adalah sebagaiberikut. ladder varnSebaran data variabel usia Dengan mengetik perintah tersebut pada command danmentganti vorn menjadi usio, akan diperoleh hasil sebagai berikut.. ladder usiaTransformati on formul a chi 2 (2) P(chi 2)cubi c usi aA3 1_9. l_6 0.000square usi aA2 0.000 usi a L9.57 0.000raw 29.63 0.000 sq rt (usi a) 38. 58 0.000square- root 49.52log I og (usi a) 61. 20 0.000rec'i procal root 72.09 0.000reci procal 1/sq rt (usi a)reciprocal square L/usia 73.47 0.000rec'i procal cubi c 1/(usiar2) 0.000 1/ (usi an3) \"EVIDENCEf{il BASED MEDICINE: Mendignosis dan Menata Lartsana t3 penyakit statistik

lnterpretasi lnterpretasi terhadap hasil uii sebaran data untuk variabel usiaadalah sebagai berikut.l) Menentukan hipotesis nol dan hipotesis alternatif Hipotesis nol: sebaran variabel usia tidak berbeda dengan kurva normal ideal. Dengan kata lain, sebaran variabel usia normal. Hipotesis alternatifi sebaran variabel usia berbeda dengan kurva normal ideal. Dengan kata lain, sebaran variabel usia tidak normal.2) Menentukan batas penerimaan hipotesis nol (alpha) Batas penerimaan ditetapkan sebesar 5%.3) Membuat aturan Bila p lebih besar dari alpha maka hipotesis nol diterima. Bila p lebih kecil dari alpha maka hipotesis nol ditolak.4\ Membandingkan nilai p dengan nilai alpha Pada uji normalitas data, nilai p adalah 0,000 ; nilai p lebih kecil daripada 0,05.5) Mengambil keputusan Karena nilai p lebih kecil daripada 0,05, hipotesis nol ditolak. Artinya, sebaran variabel usia tidak normal.Sebdran data variabel IMT Dengan menggunakan cara yang sama pada saat menguii sebaranvariabel usia, sebaran variabel IMT adalah sebagai berikut..'ladder imtTransformati on formul a chi 2 (2) p(chi 2)cubi c i mt,r3 35 .09 0.000 15 .88 0.000square i mt^2 3. s9 0. L66raw imt o.74 0.692 sq rt ('imt) 1.03square- root I og (i mt) 4.34 0. s96log 1/sq rt (i mt) 9. 50 0.114reciprocal root 1/'imt 24.52 0.009reci procal L/(i mta2) 44.67 0.000reci procal square 1/ (i mt,r3) 0.000reciprocal cubiclnterpretasi ,lnterpretasi terhadap hasil uii sebaran data untuk variabel IMTadalah sebagai berikut.l) Menentukan hipotesis nol dan hipotesis alternatif Hipotesis nol: Sebaran data IMT tidak berbeda dengan kurva normal ideal. Dengan kata lain, sebaran data variabel IMT normal. Deskriptif Nume,dk(rbr

Hipotesis alternatif: Sebaran data IMT berbeda dengan kurva normal ideal. Dengan kata lain, sebaran data variabel IMT tidak normal.2) Menentukan batas penerimaan hipotesis nol (alpha) Batas penerimaan ditetapkan sebesar 5%.3) Membuat aturan Bila p lebih besar dari alpha maka hipotesis nol diterima. Bila p lebih kecil dari alpha maka hipotesis nol ditolak.4> Membandingkan nilai p dengan nilai alpha Pada uji normalitas data, nilai p adalah 0,166 ; nilai p lebih besar daripada 0,055) Mengambil keputusan Karena nilai p lebih besar daripada 0,05, hipotesis nol diterima. Artinya, sebaran data IMT adalah normal.Sebaran data variabel kolesterol Dengan menggunakan cara yang sama pada saat menguji sebaranvariabel usia, sebaran variabel kolesterol adalah sebagai berikut.. ladder kolTransformati on formul a chi2(2) P (chi 2)cubi c kol rr3 qz.rc 0.000 0.000square kol ,r2 7 .29 0.026 0.25 0.881raw kol 3.94 15.54 0. r_39square- root sq rt (kol ) 33.7L 0.000log 0.000reci procal root I og (kol ) 0.000reci proca'l 0.000reci procal square l-lsq rt ( kol )reciprocal cubic 7/kol 7/ (koln2) 1-l(kol,t3)lnterpretasi lnterpretasi terhadap hasil uji sebaran data untuk variabelkolesterol adalah sebagai berikut.l) Menentukan hipotesis nol dan hipotesis alternatif Hipotesis nol: sebaran data kolesterol tidak berbeda dengan kurva normal ideal. Dengan kata lain, sebaran data variabel kolesterol normal. Hipotesis alternatif: sebaran data kolesterol berbeda dengan \"EI/IDENCEd' BASED MEDICINE: Mendignosis dan Menata Laksana 13 penyakit statistik

kurva normal ideal. Dengan kata lain, sebaran data variabel kolesterol tidak normal.2) Menentukan batas penerimaan hipotesis nol (alpha) Batas penerimaan ditetapkan sebesar 5%.3) Membuat aturan Bila p lebih besar dari alpha maka hipotesis nol diterima. Bila p lebih kecil dari alpha maka hipotesis nol ditolak.4) Membandingkan nilai p dengan nilai alpha Pada uji normalitas data, nilai p adalah 0,O26; nilai p lebih kecil daripada 0,05.5) Mengambil keputusan Karena nilai p lebih kecil daripada 0,05, hipotesis nol ditolak. Artinya, sebaran data kolesterol tidak normal.Sebaran data variabel eieksi fraksi Dengan menggunakan cara yang sama pada saat menguji sebaranvariabel usia, sebaran variabel ejeksi fraksi adalah sebagai berikut.. ladder ef formul a chi 2 (2) p(chi 2)Transformati oncubi c efn3 35 .09 0.000square ef,r2 1-5 .88 0.000raw ef 3'59 0'166square-root sqrt(ef) 0.74log log(ef) 1-.03 0.692rreecciipprrooccaal lroot 1/sqrt(ef) 4.34 0.596reciprocal square L/ef 9. 50 0.LL4reciprocal cubic L/(efrtZ) 24.52 0.009 1/(efr3) 44.67 0'000 0'000lnterpretasi lnterpretasi terhadap hasil uji sebaran data untukvariabel ejeksifraksi adalah sebagai berikut.l) Menentukan hipotesis nol dan hipotesis alternatif Hipotesis nol: sebaran data ejeksi fraksi tidak berbeda dengan kurva normal ideal. Dengan kata lain, sebaran data variabel ejeksi fraksi normal. Hipotesis alternatif: sebaran data ejeksi fraksi berbeda dengan kurva normal ideal. Dengan kata lain, sebaran data variabel ejeksi fraksi tidak normal. 6IDeskriptiJ Nume\"*

2) Menentukan batas penerimaan hipotesis nol (alpha) Batas penerimaan ditetapkan sebesar 5%.3) Membuat aturan Bila p lebih besar dari alpha maka hipotesis nol diterima. Bila p lebih kecil dari alpha maka hipotesis nol ditolak.4) Membandingkan nilai p dengan nilai alpha Pada uji normalitas data, nilai p adalah 0,166; nilai p lebih besar daripada 0,055) Mengambil keputusan Karena nilai p lebih besar daripada 0,05, hipotesis nol diterima. Artinya, sebaran data ejeksi fraksi normal.Kesimpulan Karena variabel IMT dan ejeksi fraksi berdistribusi normal, penyajian yang dipilih adalah rerata dan simpang baku. Semenrara itu, karena variabel usia dan kolesterol berdistribusi tidak normal, penyajian yang dipilih adalah median disertai nilai . minimum dan maksimum.4. Melaporkan hasil Variabel numerik seperti ejeksi fraksi, lMT, usia, dan kolesterolumumnya disajikan dalam bentuk tabel 2.3 atau tabel 2.4.Tabel 2.3 Karakteristik subiek berdasar ejeksi fraksi, indeks masa tubuh, usia, dan kolesterol (n=300)Eieksi fraksi (%) 57,41 * 5,76lndeks masa tubuh (kglm2) 27,34t2,75Usia (tahun) 46 (3e-se)Kolesterol (msldl) 235 il23-4r4)Keterangan: data disaiikan dalam x t sb atau median (min-maks)Tabel 2.4. Karakteristik subjek berdasar ejeksi fraksi, indeks masa tubuh, usia, dan kolesterol (n=300)Eieksi fraksi % 57,41 * 5,76lndeks masa tubuh(kg/m'1)Usia (tahun) 27,34!2.75Kolesterol (me/dl) 46 (3e-se) 23s (123-4r4)f'fn EVIDENCE BASED MEDICINE: Mendignosis dan Menata Laksana 1j penyakit statistik

Bukalah file data latihan babZ.dta. Peneliti ingin mengetahuibeberapa.hal berikut.l. Deskripsi variabel usia, retinol sebelum perlakuan, retinol sesudah perlakuan, delta retinol, hemoglobin sebelum perlakuan, hemoglobin sesudah perlakuan, dan delta hemoglobin.2. Deskripsi variabel usia, retinol sebelum perlakuan, retinol sesudah perlakuan, delta retinol, hemoglobin sebelum perlakuan,hemoglobin sesudah perlakuan,dan delta hemoglobin berdasarkan variabel kelompok. Jawablah pertanyaan-pertanyaan berikut.l. Dengan menggunakan pohon diagnosis, termasuk ke dalam diagnosis apa masalah penelitian tersebut? .2. Lakukan langkah-langkah analisis dengan menggunakan Stata.3. Buat interpretasi serta laporan dari hasil analisis tersebut. {lf|ilDeskriptifNume,*

PENYAKIT KETIGA1