Loading

Selasa, 20 Agustus 2013

Analisis Bivariat

Hari ini kami belajar tentang Analisis Bivariat

  • Bi = 2 -> 2 variabel
  • 1 sebagai independen variabel, 1 sebagai dependen variabel
  • Bentuk data terbagi 2 : Kategorik dan Numerik
  • 4 kemungkinan pasangan variabel yang akan diuji dengan bivariat 
                   K ->K
                   K ->N
                   N ->K
                   N ->N
  • K -> K : Uji beda proporsi
  • K -> N : Uji beda rata-rata
  • N -> N : Uji korelasi

7 langkah melakukan uji bivariat :
  1. identifikasi variabel dalam tujuan penelitian
  2. identifikasi field dalam database
  3. tentukan karakteristik field
  4. tentukan jenis uji hipotesis pengujian
  5. jika salah satu / kedua variabel numerik, lakukan uji normality
  6. interpretasi data
  7. bahas  

Analisis Bivariat adalah melakukan analisis statistik untuk mengetahui keterkaitan antara dua variabel (Kategorik-Numerik).  Berdasarkan kategorik-numerik nya, Analisis Bivariat terdiri atas 4 jenis, yaitu :
a.      Kategorik-kategorik : menggunakan uji proporsi
b.      Kategorik-numerik : menggunakan uji beda rata-rata
c.       Numerik-kategorik :menggunakan uji beda rata-rata
d.      Numerik-numerik : menggunakan korelasi
Uji beda rata-rata ada 2, yaitu :
1.      Uji beda 2 rata-rata. Uji beda 2 rata-rata ini terdiri dari 2, yaitu :
-          Sampel yang tidak berpasangan, menggunakan Independen Sampel T-Test
-          Sampel yang berpasangan, menggunakan Paired T-Test
2.      Uji beda lebih 2 rata-rata, yang menggunakan Anova
Semua uji diatas dapat dilakukan jika data berdistribusi normal. Untuk melihat normal atau tidaknya data, maka dilakukan uji :
1.      Mean, Median, Modus
 dikatakan normal apabila nilai Mean = Median = Modus
2.      Kolmogorof Smirnov
Data berdistribusi normal apabila P < 0,5
3.      Skweness
4.      Histrogram
Apabila titik yang berbentuk kurva normal
5.      QQ Plot
Data dikatakan normal apabila berada terletak di seputar garis scater dan seimbang atas bawah
6.      Box Plot
Data dikatakan normal apabila memenuhi 4 syarat :
a.      Box tidak tinggi
b.      Tangkai pendek, simbang atas bawah
c.       Median terletak di tengah
d.      Tidak ada outler, kalaupun ada jumlahnya seimbang atas bawah
Jika kesimpulannya data tidak normal, maka lakukan penormalan data dengan cara berikut :
1.       Uji langsung dengan Uji Non Parametrik
2.      Normalisasi data, dilakukan dengan 2 cara :
a.      Memissingkan outlier
b.      Melogkan variabel

    

Senin, 19 Agustus 2013

Analisis Data

1. Univariat
     a. data kategorik : menghitung distribusi frekuensi.
         hitung / sajikan distribusi frekuensi semua field kategorik, termasuk hasil transformasi data. komentari hasil tertinggi atau terendah di bawah masing-masing tabel.
     b. data numerik : gambaran variabel penelitian.
 * menghitung statistik deskriptif.
ukuran penyebaran data (dispercy ). misalnya: nilai min, max, range, standar deviasi, standar error.
 * ukuran-ukuran pemusatan data ( central tendency ) misalnya: mean, median, modus, skeweness, kurtosis.
perintahnya :
1. descriptive
2. frequencies

Transformasi Data

Transformasi Data

K-K : menyederhanakan kategori
N-K : mengkategorikan variabel numerik
N-N : menghitung nilai numerik baru dari numerik yang sudah ada


K-K : membuat field baru untuk menampung hasil pengkategorian variabel, misalkan pendidikan yang memiliki 4 kategori ( SD, SLTP, SLTA, & PT ). disederhanakan menjadi rendah ( SD, SLTP ) dan tinggi ( SLTA, DAN PT ).
perintah yang digunakan adalah : Transform > Recode Into Different Variabel.

Latihan Transformasi Data K-K :
1. sederhanakan pekerjaan ibu menjadi 2 kategori yaitu bekerja dan tidak bekerja. pertama berdasarkan alasan ekonomi dan kedua berdasarkan alasan pola asuh. dari sisi ekonomi ibu yang bekerja adalah yang memiliki pekerjaan sebagai PNS dan Swata. sedangkan dari sisi pola asuh ibu yang tidak bekerja adalah sebagai rumah tangga saja, selebihnya digolongkan kedalam bekerja. pemberian kode bekerja untuk ekonomi adalah 1 sedangkan untuk pola asuh bekerja diberi kode 0. alasan pemberian kode adalah pengaruhnya terhadap dependent.
2. buat pengelompokkan responden berdasarkan kontrasepsi yang dipakai yaitu MKET dan Non MKET, dimana dikatakan MKET bila menggunakan IUD dan Susuk (selebihnya tergolong Non MKET).
3. berapa persen responden yang berencana melahirkan di Faskes?
4. berapa pasien responden yang berencana melahirkan di Tenaga Kesehatan?

Transformasi Data N-K :
mengkategorikan data numerik menjadi data kategorik, disebut juga mengelompokkan data.
ada 2 acuan yang dapat dipakai dalam mengelompokkan data yaitu : Acuan patokan dan Acuan normatif.
acuan patokan adalah batas kategori yang sudah ditetapkan oleh disiplin ilmu bersangkutan, sedangkan acuan normatif adalah batas ambang klasifikasi dicari dalam database bersangkutan berupa nilai-nilai deskriptif statistik ( mean, median ,modus, dll )
misalnya : data kadar Hb sebelum hamil adalah data numerik.

Latihan Tranformasi Data N-K :
1. kelompokkan umur ibu menjadi resti dan tidak resti, dimana rentang umur ibu yang tidak resti adalah 20-35.
2. buat field baru umur balita dalam satuan tahun
3. tentukan TD dikatakan Hipertensi dan tidak sistolik dan diastolik sesuai ketentuan yang berlaku ( 120 mmhg sistolik dan 80 mmhg diastolik )
4. berapa persen ibu pendek ( < mean TB ) dan berapa persen ibu ringan ( < median BB ).

Transformasi Data ( N-K)
menghitung nilai dari hitungan field numerik yang sudah ada. dalam perhitungan ( rumus ) dapat menggunakan fungsi matematis.

Sabtu, 17 Agustus 2013

Cerpen SPSS Komputer

Sabtu, 17 agustus 2013


Hari ini adalah hari kemerdekaan Republik Indonesia yang ke-68 tahun dan juga bertepatan dengan hari pertama saya memulai kegiatan SP mata kuliah Komputer. Kuliah hari ini dimulai dari pukul 09.00 WIB. Materi kuliah pertama hari ini dimulai dari penggabungan 14 buah file melalui program Epidata. Langkah-langkah penggabungannya sebagai berikut:
- buka Epidata
- jalankan menu data in/out -> Append/Merge
- browse file pertama, OK
- browse file kedua, OK
- OK, untuk memastikan kedua file yang dipilih sudah benar digabung
- masukkan nama file hasil gabungan yang diinginkan
- OK untuk memproses penggabungan data
- information: tentang hasil penggabungan

lakukan hal yang sama sampai semua file tergabung dengan catatan file pertama untuk proses berikutnya adalah file hasil gabungan pada penggabungan pertama.

kemudian lalukan pengeksporan data ke SPSS dengan cara sebagai berikut :
- pilih menu eksport pada Epidata
- pilih SPSS
- pilih nama file pada tabel
- pilih open
- tutup aplikasi Epidata

kemudian buka aplikasi SPSS
- pilih file-open-syntax
- buat variabel label dan add value labelnya
- kemudian blok pilih menu run all / selection
- buka variabel view yang berada di kiri bawah dan hapus labelnya
- buka syntax SP-13 sps
-pilih run-all

kemudian kami membuat deskriptif statistik untuk pendidikan ibu yang merupakan data kategorik, kami mulai mengerjakan cleaning data kategorik. langkah-langkahnya sebagai berikut:
- pilih analyze-descriptive statistic-frequence
- pilih pendidikan ibu, OK
- maka akan muncul tabel frekuensi pendidikan ibu dan akan terlihat missingnya
- delete missing dengan langkah sebagai berikut :
   *pilih data - sort cases
   *pilih tingkat pendidikan ibu
   *pilih ascending untuk mengurut data dari yang terkecil, decending untuk mengurut data dari yang terbesar
   *kemudian hapus data

syarat cleaning data:
1. data tidak jelas
2. data tidak konsisten
3. data tidak lengkap


selanjutnya kami disuruh latihan.

Cara mengetahui responden yang tidak akseptor tetapi menggunakan kontrasepsi :
    mensort 2 variabel sekaligus yaitu field akseptor dan ksepsi. Field akseptor ( 0=tidak dan 1=ya), agar yang tidak akseptor terletak di atas maka harus di sort accending dan semua yg tidak akseptor harusnya ksepsi nya missing. Agar yang tidak akseptor tapi menggunakan ksepsi terletak di bagian atas maka sort order ksepsi harus deccending. Perintah SPSS untuk mencari non akseptor tapi menggunakan kontrasepsi adalah: Data-Sort cases-masukkan akseptor dengan sort order accending dan masukkan field ksepsi dengan sort order deccending, klik OK. Setelah ditemukan, delete 9 record yang missing tersebut.

Jumat, 21 Juni 2013

Analisis Bivariat






Analisis Bivariat
Analisis Bivariat adalah melakukan analisis statistik untuk mengetahui keterkaitan antara dua variabel (Kategorik-Numerik).  Berdasarkan kategorik-numerik nya, Analisis Bivariat terdiri atas 4 jenis, yaitu :
a.      Kategorik-kategorik : menggunakan uji proporsi
b.      Kategorik-numerik : menggunakan uji beda rata-rata
c.       Numerik-kategorik :menggunakan uji beda rata-rata
d.      Numerik-numerik : menggunakan korelasi

Uji beda rata-rata ada 2, yaitu :
1.      Uji beda 2 rata-rata. Uji beda 2 rata-rata ini terdiri dari 2, yaitu :
-          Sampel yang tidak berpasangan, menggunakan Independen Sampel T-Test
-          Sampel yang berpasangan, menggunakan Paired T-Test
2.      Uji beda lebih 2 rata-rata, yang menggunakan Anova


Semua uji diatas dapat dilakukan jika data berdistribusi normal. Untuk melihat normal atau tidaknya data, maka dilakukan uji :
1.      Mean, Median, Modus
2.      Kolmogorof Smirnov
Data berdistribusi normal apabila P < 0,5
3.      Skweness
4.      Histrogram
Apabila titik yang berbentuk kurva normal
5.      QQ Plot
Data dikatakan normal apabila berada terletak di seputar garis scater dan seimbang atas bawah
6.      Box Plot
Data dikatakan normal apabila memenuhi 4 syarat :
a.      Box tidak tinggi
b.      Tangkai pendek, simbang atas bawah
c.       Median terletak di tengah
d.      Tidak ada outler, kalaupun ada jumlahnya seimbang atas bawah
Jika kesimpulannya data tidak normal, maka lakukan penormalan data dengan cara berikut :
1.       Uji langsung dengan Uji Non Parametrik
2.      Normalisasi data, dilakukan dengan 2 cara :
a.      Memissingkan outlier
b.      Melogkan variabel
    

Senin, 17 Juni 2013

Rani Meylina

Diet memperkuat efek estrogenik pada Rahim ?



    
Ross C. Santell,
    
Yu Chen Chang *,
    
Muralee G. Nair *, dan
    
William G. Helferich2

Abstrak
Studi ini dilakukan untuk menilai efek estrogenik dan antiestrogenik genistein diet. Untuk menentukan efek estrogenik, genistein dicampur menjadi dimodifikasi AIN-76 atau AIN-93g diet semipurified pada 0 (kontrol negatif), 150, 375 atau 750 mg / g dan 17, β-estradiol pada 1,0 mg / g dan diumpankan ke diovariektomi 70-d berusia tikus Sprague Dawley. Potensi estrogenik ditentukan dengan menganalisis berat rahim, pengembangan kelenjar susu, plasma prolaktin dan ekspresi uterus c-fos. Genistein Diet (375 dan 750 mg / g) meningkatkan bobot basah dan kering rahim (P <0,05). Kelenjar susu regresi berikut ovariektomi secara signifikan dihambat oleh genistein diet pada 750 mg / g (P <0,05). Plasma prolaktin secara signifikan lebih besar di diovariektomi tikus yang diberi genistein (750 mg / g) dibandingkan dengan tikus yang sebanding tidak menerima genistein. Afinitas mengikat relatif genistein dengan reseptor estrogen (ER) adalah ~ 0,01 bahwa estradiol. Genistein (750 mg / g) menginduksi ekspresi rahim c-fos. Untuk mengevaluasi potensi efek antiestrogenik, genistein dan estradiol yang dicampur ke dalam dimodifikasi AIN diet pada dosis mencatat di atas dan diumpankan ke tikus diovariektomi. Genistein Diet (375 atau 750 mg / g) tidak menghambat efek estradiol pada berat uterus, perkembangan kelenjar susu atau prolaktin plasma. Konsentrasi serum total genistein (terkonjugasi ditambah gratis) pada tikus yang diberi 750 mg / g 2,2 umol / L dan bebas genistein adalah 0,4 umol / L. Administrasi genistein diet pada 750 mg / g dapat mengerahkan efek estrogenik pada rahim, kelenjar susu dan hipotalamus / hipofisis sumbu. Genistein Diet (750 mg / g) tidak memusuhi aksi estradiol pada tikus diovariektomi estradiol-ditambah atau pada tikus utuh.


diterjemahkan oleh : Rani Meylina