1 / 70

Identifikasi Variabel

Identifikasi Variabel. Bagaimana persepsi Anda?. Memang obat tersebut bermanfaat menyembuhkan flu burung Obat tersebut sebenarnya tidak bermanfaat menyembuhkan flu burung Belum dapat disimpulkan, bahwa obat tersebut bermanfaat menyembuhkan flu burung. Hubungan Obat dengan Flu Burung.

amena
Télécharger la présentation

Identifikasi Variabel

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Identifikasi Variabel

  2. Bagaimana persepsi Anda? • Memang obat tersebut bermanfaat menyembuhkan flu burung • Obat tersebut sebenarnya tidak bermanfaat menyembuhkan flu burung • Belum dapat disimpulkan, bahwa obat tersebut bermanfaat menyembuhkan flu burung

  3. Hubungan Obat dengan Flu Burung Flu Burung Sembuh  Obat

  4. Hubungan Obat dengan Flu Burung 10 9 Flu Burung Sembuh  Obat Kesimpulan: Obat mempunyai manfaat sebesar 90% menyembuhkan flu burung?

  5. Hubungan Obat dengan Flu Burung 10 9 Flu Burung Sembuh Air matang Kesimpulan: Air matang mempunyai manfaat sebesar 90% menyembuhkan flu burung?

  6. Hubungan Obat dengan Flu Burung 10 9 Flu Burung Sembuh Tak diberi obat Kesimpulan: Tidak diberi obat pun 90% flu burung sembuh

  7. Hubungan Obat dengan Flu Burung 10 9 Flu Burung Sembuh Plasebo Kesimpulan: Dengan plasebo 90% flu burung sembuh

  8. Hubungan Obat dengan Flu Burung 1 1 Flu Burung Sembuh  Obat Kesimpulan: Obat mempunyai manfaat sebesar 100% menyembuhkan flu burung?

  9. Mengapa Flu Burung Bisa Sembuh? B? A? Flu Burung Sembuh C? Obat Kesimpulan: Ada kemungkinan faktor A, B, atau C yang menyebabkan sembuh

  10. Variabel variabel variabel B? A? variabel Flu Burung Sembuh variabel variabel C? Obat variabel Semua kotak tersebut di atas disebut variabel

  11. Definisi Variabel • SEGALA SESUATU YG MENUNJUKKAN ADANYA VARIASI • Konsep, kata benda yang memperlihatkan variasi • Adalah kejadian, fenomena, faktor yang bervariasi atau mempunyai nilai yang berbeda (dapat diukur)

  12. 3. Contoh Variabel/peubah : • Misalnya berat badan, jenis kelamin, umur, tingkat pendidikan, status perkawinan, jumlah anak, tinggi tanaman, indeks stomata, indeks keanekaragaman, indeks kesamaan, status pemilikan, dll. • Mengubah Konsep menjadi suatu variabel dapat dilakukan dengan cara memusatkan pada aspek tertentu dari konsep itu sendiri. Misalnya konsep tentang perilaku dapat diubah menjadi pelaksanaan/ penerapan model baru. • Umumnya Variabel/peubah dibagi menjadi dua jenis yakni : • peubah kontinyu ( continous variables) dan • peubah deskrit ( descrete variable).

  13. Peubah kontinyu adalah peubah yang dapat diukur nilainya dalam jarak jangkau ( range) tertentu. Dengan demikian, peubah kontinyu paling tidak harus mempunyai nilai jenjang( Ranking ) ; nilai yang lebih besar berarti memiliki kualitas yang lebih besar. Contoh peubah ini adalah berat, tinggi, luas, pendapatan, diameter, suhu, dan lain sebagainya. Peubah deskrit adalah peubah yang nilainya tidak dapat dinyatakan dalam bentuk ukuran, tetapi bersifat dichotomis.Misalnya jenis kelamin, jenis pekerjaan, golongan tingkat pendidikan, dan lainnya.

  14. Hubungan Antar Variabel (Jenis Variabel) • Variabel bebas (independent variable, antecedent variable, experiential variable) • Variabel tergantung (dependent variable, manifestational variable) • Confounding variable (confounder, variabel perancu) • Variabel antara • Variabel luar

  15.  Di dalam kegiatan penelitian kita pada umumnya memiliki tujuan mencari hubungan antara peubah. Hubungan yang paling dasar adalah hubungan antara 2 peubah : peubah pengaruh ( independent variables) dengan peubah terpengaruh ( dependent variable). Untuk itu diperlukan suatu penelaahan bermacam kemungkinan hubungan antar peubah-peubah tersebut. Secara garis besar ada 3 jenis hubungan antar peubah yakni : - Hubungan Simetris - Hubungan timbal balik ( Resiprokal) - Hubungan Asimetris

  16.  Hubungan Simetris Peubah yang satu tidak disebabkan atau dipengaruhi oleh peubah yang lainnya.Mis. Jantung berdenyutbersama-sama dengan keluarnya keringat akibat cemas,Tinggi badan - berat badan.  Hubungan timbal balik Peubah yang satu dapat menjadi sebab dan juga akibat dari peubah lainnya. Mis.Penanaman Modal meningkatkan keuntungan dan keuntungan akan meningkatkan modal, malnutrisi - malabsorbsi.  Hubungan Asimetris Peubah yang satu mempengaruhi peubah yang lainnya, dibedakan atas : - Hubungan antara Stimulus-Respon - Hubungan antara disposisi dan respons - Hubungan antara aksi - reaksi

  17. Di dalam bentuk hubungan Asimetris, kerumitan hubungan antar peubah dapat dibedakan atas hubungan asimetris 2 peubah dan lebih dari 2 peubah.Bentuk hubungan asimetris inilah yang paling banyak dianalisis di dalam kegiatan penelitian biologi. Hubungan itu dapat berupa hubungan antara dua peubah ( bivariat) atau antara lebih dari dua peubah ( multivariat), biasanya antara satu peubah terpengaruh dengan beberapa peubah bebas ( peubah perlakuan). peubah bebas --------- Peubah terikat X Y pola hubungan bivariat

  18. Peubah bebas X1 Peubah bebas X2 Peubah terikat Peubah bebas X3 Y Peubah bebas X4 Pola hubungan multivariat Ada beberapa cara untuk menguji hubungan antara dua peubah diantaranya Tabulasi Silang, Kai Kuadrat, Korelasi-Regresi.

  19. Di dalam kegiatan eksperimental pengaruh peubah yang tidak dikehendaki harus dikontrol baik melalui sistem analisis statistik maupun cara penentuan sampel.Dengan demikian peneliti dapat mengamati hubungan antara dua peubah yang sedang di telaah tanpa gangguan dari peubah-peubah tersebut. Peneliti dapat menetralisir pengaruh peubah luar dengan memasukannya sebagai peubah kontrol atau peubah penguji ke dalam analisisnya. Pemilihan peubah-peubah penelitian yang dikontrol di dasarkan atas teori dan hasil empiris dari penelitian lain.

  20. Variabel Bebas • Suatu karakteristik yang mempengaruhi variabel tergantung di area penelitian yang dikerjakan (menyebabkan timbulnya variabel tergantung atau menyebabkan variabel tergantung menjadi bervariasi) • Tidak dipengaruhi oleh variabel tergantung Last JM. A dictionary of epidemiology. New York: Oxford University Press, 1995

  21. Contoh, variabel bebas Jumlah virus diare yang masuk tubuh Derajat keparahan diare Variabel bebas Catatan: Menurut hipotesis: jumlah virus diare yang masuk tubuh akan mempengaruhi derajat keparahan diare, dan tidak sebaliknya derajat keparahan diare akan mempengaruhi jumlah virus diare yang masuk tubuh

  22. Variabel Tergantung • A variable the value of which is dependent on the effect of other variable(s) – in the relationship under study • A manifestation or outcome whose variation we seek to explain or account for by the influence of independent variables • Suatu variabel yang nilainya bergantung pada variabel lain pada penelitian yang dilakukan Last JM. A dictionary of epidemiology. New York: Oxford University Press, 1995

  23. Contoh, variabel tergantung Jumlah virus diare yang masuk tubuh Derajat keparahan diare Variabel tergantung Catatan: Dalam penelitian ini akan dibuktikan bahwa derajat keparahan diare bergantung pada jumlah virus diare yang masuk tubuh

  24. Variabel tergantung sebagai variabel bebas? Penelitian A Obesitas Dislipidemia Variabel tergantung Variabel bebas Penelitian B Penyakit jantung koroner Dislipidemia Variabel bebas Variabel tergantung

  25. Confounding variable, variabel antara, dan variabel luar A Variabel luar B Variabel luar Variabel bebas Variabel antara Variabel tergantung Confounding variable Variabel luar Variabel luar C D

  26. Confounding variable, contoh (+)? Penyakit jantung koroner Minum kopi ? + + Merokok Perokok lebih banyak minum kopi dibandingkan dengan bukan perokok Perokok lebih banyak yang menderita penyakit jantung koroner Tanpa variabel ‘merokok’ ada hubungan antara ‘minum kopi’ dengan ‘penyakit jantung koroner’  benarkah ada hubungan?

  27. Confounding variable, contoh (-)? Makan permen Karies gigi ? + + Gosok gigi Tidak ada hubungan antara ‘makan permen’ dengan ‘karies gigi’, karena kelompok ‘makan permen’ banyak yang ‘gosok gigi’

  28. Confounding by indication, contoh Pemberian plasma Prognosis SembuhMeninggal Diberi plasma 20 (33.3%) 25 (62.5%) 45 (45%) Tidak diberi 40 (66.7%) 15 (37.5%) 55 (55%) 60 (100%)40 (100%)100 X2 = 7.113 df = 1 p = 0.008

  29. Confounding by indication, contoh Variabel bebas Variabel tergantung Pemberian plasma Prognosis Confounding Shock berat Shock berulang Shock lama Shock + pendarahan

  30. Counfounding harus dikontrol Identifikasi (memerlukan studi literatur yang baik) Singkirkan

  31. Counfounding harus dikontrol Studi literatur baik Kerangka teoretis baik Kerangka konseptual baik Hubungan antar variabel benar

  32. Counfounding harus dikontrol Singkirkan counfounding 1 Dengan desain (by design) Dengan analisis statistik (by statistical analysis) 2

  33. Counfounding harus dikontrol Menyingkirkan dengan desain Restriksi (membuang, dengan kriteria inklusi atau eksklusi) 1 Matching (mencocokkan, menyamakan) 2 Randomisasi (pengacakan) 3

  34. Restriksi Variabel tergantung Variabel bebas Minum kopi Penyakit jantung koroner Merokok Confounding • Dimasukkan ke dalam kriteria inklusi: • bukan perokok

  35. Kriteria inklusi - eksklusi Populasi terjangkau Sampel Kriteria inklusi Kriteria eksklusi Subjek eligible

  36. Kriteria inklusi - eksklusi • Kriteria inklusi bukan kebalikan eksklusi Contoh (salah): Kriteria inklusi: • Minum kopi • Bersedia ikut penelitian Kriteria eksklusi: • Tidak minum kopi • Tidak bersedia ikut penelitian

  37. Kelebihan dan kekurangan restriksi • Sangat praktis, karena pengaruh merokok (pada kelompok yang diteliti maupun kontrol) dapat dihilangkan dalam penelitian  kalau ada hubungan antara minum kopi dengan penyakit jantung pasti bukan karena merokok • Kelemahan: sulit memperoleh subjek penelitian (banyak peminum kopi juga merokok), generalisasi sulit (di alam nyata kebanyakan peminum kopi juga perokok)

  38. Matching Mencocokkan, menyamakan 1 Frequency matching 2 Individual matching (lebih baik!)

  39. Frequency matching, contoh Pemilihan subjek pada kelompok yang diteliti dan kontrol dibatasi oleh faktor yang diduga sebagai confounding yang nyata Contoh: Penelitian pengaruh pil KB terhadap agregasi trombosit pemilihan subjek dibatasi oleh umur, status reproduksi, dan jumlah anak (confounding)  kriteria inklusi Catatan: cara ini terlalu longgar, kurang dapat mengontrol confounding

  40. Individual matching, contoh Kelompok yang ditelitiKelompok kontrol Minum kopi + merokok Tak minum kopi + merokok Minum kopi + tidak merokok Tak minum kopi + tidak merokok Minum kopi + tidak merokok Tak minum kopi + tidak merokok Minum kopi + merokok Tak minum kopi + merokok 1 2 3 4 dst Minum kopi Penyakit jantung koroner Merokok

  41. Individual matching Kelebihan: • Karena telah disamakan  tidak berperan dalam analisis Kekurangan: • Bila banyak confounding  banyak matching  sulit cari kontrol • Over-matching (matching bukan untuk confounding)  sulit cari kontrol + menyebabkan distorsi hasil penelitian

  42. Randomisasi • Cara amat efektif untuk menghilangkan pengaruh confounding • Confounding terbagi seimbang antara kelompok penelitian • Berlaku juga bila confounding tidak diketahui sebelum penelitian dilakukan Syarat: • Randomisasi dilakukan dengan benar • Jumlah subjek cukup besar, misal > 100 per kelompok

  43. Randomisasi, contoh Orang dewasa (jumlah tidak terbatas) Populasi target Orang dewasa di kota Jogja, Januari 2006-Desember 2006 (jumlah = 800.000) Populasi terjangkau Random Disebut random sampling Orang dewasa di kota Jogja, Januari 2006-Desember 2006 (jumlah = 80) Sampel Minum kopi Tidak minum kopi

  44. Randomisasi, keuntungan Variabel bebas Variabel tergantung Minum kopi Penyakit jantung Merokok Confounding diketahui sebelumnya Makan mentimun Confounding tidak diketahui sebelumnya Catatan: walaupun tidak diketahui sebelumnya, pengaruh confounding ‘makan mentimun’ telah disamakan dengan randomisasi

  45. Counfounding harus dikontrol Singkirkan counfounding 1 Dengan desain (by design) Dengan analisis statistik (by statistical analysis) 2

  46. Mengontrol confounding dengan analisis statistik Stratifikasi 1 Analisis multivariat 2

  47. Mengontrol confounding dengan analisis statistik Penyakit Penyakit Jumlah Ratio Odds jantung (+) jantung (-) Semua subjek Minum kopi 40 26 66 40x36 / 18x26 Tak kopi 18 36 54 = 3,08 Jumlah 58 62 120 B. Perokok Minum kopi 22 15 37 22x20 / 6x15 Tak kopi 6 20 26 = 4.89 Jumlah 28 35 63 C. Bukan perokok Minum kopi 18 11 29 18x16 / 12x11 Tak kopi 12 16 28 = 2,18 Jumlah 30 27 57 Rasio Odds Mantel-Haenszel = (22x20/63+18x16/57) : (6x15/63+12x11/57) = 3,22

  48. Analisis multivariat Variabel bebas-1 1 Variabel bebas-2 Variabel tergantung Variabel bebas-3 Variabel tergantung-1 2 Variabel bebas Variabel tergantung-2 Variabel tergantung-3

  49. Analisis multivariat Usia ibu 1 Paritas Berat lahir bayi Berat ibu sebelum hamil Nilai Bahasa Inggris 2 Nilai tes IQ Nilai Matematika Nilai IPA

More Related