metodologi booklet edited may 2012

Last Edition: 5/12/2012 12:26:49 AM

BUKU PANDUANKAJIAN SAINTIFIK, STATISTIK DAN PENGENALAN SPSS

Cetakan 7

Oleh: Dr Suhazeli bin Abdullah Pakar Perubatan Keluarga Klinik Kesihatan Marang Terengganu.

Sempena

Pengenalan SPSS Anjuran Jabatan Kesihatan Negeri Terengganu 15 dan 16 Mei 2012

Buku Panduan Kajian Saintifik, Statistik dan Pengenalan SPSS

ii

Hakcipata terpelihara. 2012, Suhazeli MD.

All meterial in this book and CD are NOT copyrighted by the author, it may reprinted without permission of the author. All the referrence meterials can easily downloaded through website suhazeli-files.blogspot.com. You can politely requests to reprinted or reproduce meterial from this book or CD by simply mail to me [email protected], or by snail mail at Klinik Kesihatan Marang, 21600, Marang, Terengganu.

Cetakan 1......................March 2005 Cetakan 2.....................March 2006 Cetakan 3......................May 2006 Cetakan 4......................March 2008 Cetakan 5......................April 2009 Cetakan 6......................April 2010 Cetakan 7......................Mac 2012 Cetakan 8......................Mei 2012


iii

ISI KANDUNGAN

Mukasurat vi vii vii viii 1

Sepatah Kata dari Penulis Kata Aluan Untuk Cetakan Ke-tujuh Pengakuan Kandungan Cakera Padat (DVD) BAB II. Asas Statistik Definisi Perkataan Statistik .............................................................................. 1 Apakah Epidimiologi? ...................................................................................... 3 Beberapa Pengukuran Statistik. ...................................................................... 3 Confounding .................................................................................................... 7 Measurement error and bias......................................................................... 12 Analysing validity ........................................................................................... 14 Jenis-jenis Kajian Statistik dan Design Kajian ................................................ 16 BAB III. Membuat Kajian Saintifik Research Objective ........................................................................................ 21 Study Hypothesis ........................................................................................... 22 How to search meterials ................................................................................ 22 How to do study ............................................................................................ 28 How To Make Study Topic ............................................................................. 33 Pengumpulan Data ........................................................................................ 35 Sampling Method .......................................................................................... 38 Statistik Inferens ............................................................................................ 45 BAB IV. Pengenalan Asas SPSS. 4 Pendahuluan kepada sistem analisa berkomputer. ...................................... 48 Bagaimana bermula ....................................................................................... 48 Menyimpan data bagi tujuan analisis............................................................ 49 Mencipta variabel dalam SPSS ...................................................................... 50 Memasukkan label ke dalam variabel ........................................................... 53 Transform Data [Compute & Recode] ........................................................... 55 Menjelajah (Exploring) .................................................................................. 60 Frekuensi (Frequency) ................................................................................... 65 Penjelasan Data (Descriptives) ...................................................................... 68 Impot Fail, Copy & Paste ............................................................................... 69 Select And Deselect Case ............................................................................... 74 BAB V. Analisa Parametrik Z-Test (Ujian Z) ............................................................................................... 77 Ujian Khi Kuasa Dua [2] ................................................................................ 78 Ujian T Independent ...................................................................................... 83 Ujian T Berpasangan ...................................................................................... 87 ANOVA (Analysis of Variance) ....................................................................... 90 Korelasi (Correlation) ..................................................................................... 94 Regresi (Regression) ...................................................................................... 97 Bahan Rujukan Index (Perkataan untuk dirujuk) Lampiran: Kesesuaian Ujian Statistik Dengan Jenis Variabel Langkah untuk Menganalisa dataBuku Panduan Kajian Saintifik, Statistik dan Pengenalan SPSS

21

48

77

100 a c eiv

Senarai LatihanLatihan 1: Memasukkan nama variable dan jenis dalam SPSS spreadsheet ............... 52 Latihan 2: Latihan melengkapkan variable dan label dalam SPSS spreadsheet .......... 55 Latihan 3: Sila buat pengiraan mengikut formula yang anda ketahui bagi: ................ 57 Latihan 4: Sila recode beberapa variable dibawah: ..................................................... 59 Latihan 5: Sila explore variabel-variabel seperti berikut:............................................ 65 Latihan 6: Sila dapatkan frekuensi variabel berikut .................................................... 67 Latihan 7: Cuba lakukan sendiri arahan DESCRIPTIVES bagi variabel numerikal seperti di bawah........................................................................................................................... 68 Latihan 8: Import file format Excel (yang terdapat dalam CD - nama file: Drug T Student) ke SPSS .............................................................................................................................. 70 Latihan 9: Cuba lakukan sendiri COPY & PASTE dengan menggunakan rajah dan jadual yang lain................................................................................................................................ 73 Latihan 10: Sila buat interpretasi jadual berikut ......................................................... 83 Latihan 11: Analisa file tbkkp.sav bagi pesakit tuberkulosis dengan menggunakan ilmu yang anda telah pelajari. ...................................................................................................... 89 Latihan 12: Cari p value bagi satu kajian uang berkaitan dengan obesiti di daerah setiu 93 Latihan 13: Cari corelasi antara berat badan ibu semasa mengandung dengan berat bayi semasa lahir. ................................................................................................................ 96 Latihan 14: Cari logistik regresion dalam masalah ibu merokok dan bayi SGA ........... 99


v

Sepatah Kata dari PenulisKajian saintifik adalah satu kajian yang membolehkan seseorang membuktikan hipotesis yang dipegang. Kajian saintifik tidak akan berhasil jika tidak menggunakan kaedah yang tertentu. Kaedah tersebut tidak diperolehi jika tidak belajar dengan tekun, memahami setiap langkah dan berlatih tubi. Pengalaman saya dalam menjalankan kajian saintifik semasa program master amat memeritkan. Selama penglibatan saya untuk menyiapkan thesis, saya telah bertanya kepada bermacam-macam pakar dalam statistik. Kesemuanya tidak seragam dan masih bercelaru. Kursus statistik yang saya ikuti selama seminggu semasa program master tidak memberikan pengetahuan yang mendalam kepada saya. Sehinggalah saya mengikuti kursus asas SPSS yang dijalankan oleh Dr Azmi dan Dr Mohd Rizal dari Unit Penyelidikan Perubatan, Fakulti Perubatan UKM. Kursus tersebut ringkas tetapi kandungannya padat dan mendatangkan makna yang mendalam kepada sehingga saya dapat menyiapkan thesis saya dengan sempurna. Perkara yang kedua perlu ada kepada pengkaji adalah berkawan dengan komputer. Jika kita takut untuk memegang tetikus, analisis yang kita akan lakukan mungkin manipulasi dari pemikiran kita semata-mata. Program komputer dapat mengeluarkan input yang tepat dan boleh diolah untuk menghasilkan hasil yang boleh meyakinkan pembaca yang membaca kajian saintifik kita. Penulisan dan pengolahan ayat juga memerlukan sokongan dari komputer supaya tulisan kita nampak menarik, kemas dan bergaya. Pengkaji harus belajar beberapa teknik tertentu untuk menyusun atur (format) hasil kajian. Pada kesempatan ringkas ini saya akan cuba sedaya upaya untuk menunjukkan kaedah statistik dan pengunaan software komputer untuk mencapai hasil kajian saintifik yang kita kehendaki. Inilah jalan yang saya rempuh dan jalan ini sudah terang, Cuma saya akan menyuluhnya supaya lebih nampak. Semoga anda semua tidak meraba-raba dalam lampu yang terang benderang. Perlu diingatkan bahawa pepatah statistik mengatakan bahawa If you are lost in learning statistic, which means you are in the right path. Selamat belajar!

DR SUHAZELI BIN ABDULLAH Pakar Perubatan Keluarga Klinik Kesihatan Marang [email protected] Tel: 09-6182030 Fax: 09-6184485 Saturday, May 12, 2012


vi

Kata Aluan Untuk Cetakan Ke-lapanBersyukur kerana dapat menerbitkan cetakan ke-7 buku ini dengan diperbaharui isi kandungannya. Akan tetapi topik yang dibincangkan adalah tidak jauh berbeza dari cetakan terdahulu. Kebanyakan data yang digunakan untuk sesi latihan adalah dengan menggunakan data daerah Setiu sendiri. Data ini adalah hasil dari beberapa kajian QAP yang kita jalankan sepanjang tahun 2005. Saya mengharapkan semua yang membaca dapat memahami dan seterusnya membantu anda dalam menjalankan kajian samada QAP, HSR, KMK atau kajian saintifik yang releven.

Dr Suhazeli Abdullah FMS Klinik Kesihatan Marang Bandar Marang Terengganu Lawati laman web suhazeli-files.blogspot.com

PengakuanPersediaan untuk menyiapkan buku panduan ini di ambil dari beberapa sumber. Mungkin ianya sahih atau sebaliknya. Antara sumber utama yang saya ambil adalah dari buku panduan semasa bengkel SPSS (Sesi asas dan sesi Advance) yang di anjurkan oleh Unit Penyelidikan Perubatan, Fakulti Perubatan UKM. Nota kuliah oleh Dr Azmi Mohd Tamil dan Dr Mohd Rizal Abdul manaf. Selain dari itu saya merujuk kepada beberapa bengkel yang saya ikuti, antaranya; Minggu Penyelidikan UKM, Evidence Based Medicine Course (UMMC), Workshop on Research Network Development for WONCA Asia Pacific Region. Saya akan menerima segala pembetulan atau teguran yang berkaitan dengan kesalahan yang terdapat dalam buku panduan ini. Saya boleh dihubungi melalui email atau no telefon. Bersama dengan buku panduan ini saya sertakan nota latihan dalam bentuk cakera padat. Semoga anda semua mendapat manafaat daripadanya.


vii

Kandungan Cakera Padat (DVD)1. SPSS Versi 17 .0 2. Data file untuk kajian: sga.dbf, sga.sav, sga-korelasi.sav, sga-logistik.sav, sgapair.sav dan beberapa lagi 3. Beberapa bahan rujukan lain yang boleh anda baca. 4. Buku panduan ini dalam bentuk pdf (metodologybooklet.pdf)


viii

BAB II.

Asas Statistik

Definisi Perkataan Statistik1. DataAngka-angka yang didapati dengan mengukur, mencerap atau membilang objek sebenar. 2. Populasi Satu set lengkap hasil pengukuran yang dikehendaki dalam kajian 3. Sampel Subset dari populasi 4. Sampel Rawak Setiap individu dalam populasi mempunyai peluang yang sama untuk terpilih.

5. Data MentahHasil cerapan yang belum diolah. 6. Saiz Sampel Jumlah individu terpilih sebagai sampel

7. VariabelCiri-ciri yang diukur dalam kajian.

8. KualitatifData-data yang boleh diukur dalam bentuk nilai dan kumpulan

9. KuantitatifData-data yang boleh diukur dalam bentuk aksara dan angka.

10. DikotomusVariabel yang terdiri dari dua pilihan. Seperti Ya/Tidak

11. PolinomialVariabel yang terdiri dari banyak pilihan.

12. BiasRalat kajian yang boleh disebabkan oleh pengkaji, salah semasa pengumpulan data dan kesalahan format kajian.Buku Panduan Kajian Saintifik, Statistik dan Pengenalan SPSS

1

13. KonfoundersRalat kajian yang disebabkan oleh sampel. Biasanya ralat ini tidak boleh diubah seperti, umur, jantina dan bangsa.

14. Null HipotesisSatu hipotesis yang digunakan untuk menunjukkan sesuatu kajian itu mempunyai kesan yang bermakna atau sebaliknya.

15. Nilai PSatu nilai yang digunakan untuk membezakan nilai keraguan yang bermakna.

16. MeanPurata nomber-nombor dalan satu bahan kajian. Biasanya digunakan bagi data bertabur normal (Normal distributio)

17. Median"Middle value" of a list. The smallest number such that at least half the numbers in the list are no greater than it. If the list has an odd number of entries, the median is the middle entry in the list after sorting the list into increasing order. If the list has an even number of entries, the median is equal to the sum of the two middle (after sorting) numbers divided by two. The median can be estimated from a histogram by finding the smallest number such that the area under the histogram to the left of that number is 50%.

18. ModeFor lists, the mode is the most common (frequent) value. A list can have more than one mode. For histograms, a mode is a relative maximum ("bump").

19. Standard Deviation and standard error of meansX + Z alpha/2 SE means infer to populations of samples M + d infer the data itself...


2

Apakah Epidimiologi?Epidemiologi adalah kajian atas berapa kerap sesuatu penyakit berlaku dan kenapa. Maklumat epidemiologi digunakan untuk merancang dan menilai strategi bagi mencegah penyakit dan digunakan sebagai panduan bagi merawat penyakit Kajian epidimiologi akan dilakukan ke atas populasi yang berisiko. Untuk mengkaji subjek kepada semua populasi amat sukar. Justeru biasanya observasi kajian akan dilakukan ke atas sample kajian. Ia diambil dari populasi besar dengan beberapa kaedah tertentu. Target populasi study populasi Sample kajian Sampel Kajian

Populasi Kajian

Target Populasi

Beberapa Pengukuran Statistik.1. Mengukur Frekuensi Penyakit 2.Beberapa pengukuran yang biasanya digunakan dalam kajian statistik:

a)

InsidenInsiden sesuatu penyakit adalah kadar kes baru berlaku dalam sesuatu masa dalam populasi. Contohnya, insiden thyrotoxicosis tahun 1998 adalah 10/100,000/tahun di Singapura berbanding dengan

49/100,000/tahun di Malaysia.


3

Secara kasarnya: Nombor kes baru Populasi berisiko X masa Atau Nombor kes baru Jumlah orang setahun yang berisiko

b)

PrevalenPrevalen sesuatu penyakit adalah proposi (proportion) sesuatu populasi yang menjadi kes dalam sesatu masa tertentu. Contoh: Prevalen pernafasan berbunyi (wheezing child) dikalangan kanak-kanak di Sekolah rendah Malaysia dikaji pada tahun 1986 adalah dianggarkan 3%. Simptom pernafasan berbunyi ini berdasarkan jawapan ibubapa dalam kertas kajiselidik yang diedarkan. Prevalen adalah hanya pengukuran terbaik secara relatif. Tetapi ia tidak sesuai untuk penyakit-penyakit akut. Prevalen = Insiden x anggaran masa.

c) d)

MortalitiMortaliti ialah insiden kematian dari sesuatu penyakit.

Hubung kait Insiden dan prevalen.Setiap insiden baru akan masuk dalam perkumpulan prevalen (prevalence pool) dan kekal di sana sehingga sembuh atau mati. Jika kadar penyembuhan atau kadar kematian rendah, maka keparahan kronik adalah tinggi (chronicity is high). Malah, insiden yang rendah akan menghasilkan prevalen yang tinggi. Insiden adalah pengukuran terbaik untuk menentukan frekuensi penyakit. Prevalen biasanya digunakan sebagai alternatif kepada insiden dalam kajian penyakit kronik seperti multiple sclerosis.


4

e)

Kadar insiden yang biasa diperhatikanNumber of live births Birth rate Mid-year population

Number of live births Fertility rate Number of women aged 15-44 years Number of infant (< 1 year) deaths Number of live births Number of intrauterine deaths after 28 weeks Total births Number of stillbirths + deaths in 1st week of life Total births NB These rates are usually related to one year

Infant mortality rate

Stillbirth rate

Perinatal mortality rate

2. Membanding kadar penyakit dan mengukur hubungkait (association)Beberapa soalan Perlu dijawab. Adakah insiden penyakit tinggi? Adakah insiden berlaku akibat dari penyebab yang dijangka? Adalah insiden berubah setelah dilakukan penambahbaikan atau intervensi? Beberapa istilah perlu kita fahami bersama.


5

a)

Exposed/unexposed PopulationPopulasi yang terdedah kepada penyakit menpunyai resiko untuk mengidap penyakit tersebut. Begitu juga sebaliknya. Tetapi sejauh mana kenyataan ini benar? Ia mesti dibuktikan dengan perkiraan statistik.

Contoh: Pekerja kilang arang menpunyai resiko tinggi untuk mengidap barah paru-paru kerana mereka terdedah secara langsung dengan arang batu. Berbanding dengan orang yang tidak bekerja dikilang arang, mereka tidak mempunyai resiko barah paru-paru kerana tidak terdedah. Walaubagaimana pun tidak semestinya semua orang yang terdedah akan mengidap penyakit barah paru-paru. Begitu juga sebaliknya.

b)

Attributable riskAdalah kadar penyakit orang yang terdedah di tolak dengan orang yang tidak terdedah kepada penyakit. Ia mengukur kadar pendedahan seseorang akan terkena penyakit apabila terdedah kepada faktor resiko. Contohnya, untuk menentukan attributable risk orang yang terlibat dalam aktiviti lasak seperti mendaki bukit sedangkan mendaki itu adalah satu sukan yang menyeronokkan.

c)

Relative risk Is the ratio of the disease rate in exposed persons to that in people who are unexposed. It is related to attributable risk by the formula: Attributable risk= rate of disease in unexposed persons x (relative risk-1) Relative risk is less relevant to making decisions in risk management than is attributable risk. For example, given a choice between a doubling in their risk of death from bronchial carcinoma and a doubling in their risk of death from oral cancer,


6

most informed people would opt for the latter. The relative risk is the same (two), but the corresponding attributable risk is lower because oral cancer is a rarer disease. Nevertheless, relative risk is the measure of association most often used by epidemiologists. One reason for this is that it can be estimated by a wider range of study designs. In particular, relative risk can be estimated from case-control studies. Whereas attributable risk cannot. Another reason is the empirical observation that where two risk factors for a disease act in concert, their relative risks often come close to multiplying. Closely related to relative risk is the odds ratio, defined as The odds of disease in exposed persons The odds of disease in unexposed persons.

ConfoundingIn an ideal laboratory experiment the investigator alters only one variable at a time, so that any effect he observes can only be due to that variable. Most epidemiological studies are observational, not experimental, and compare people who differ in all kinds of ways, known and unknown. If such differences determine risk of disease independently of the exposure under investigation, they are said to confound its association with the disease. For example, several studies have indicated high rates of lung cancer in cooks. Though this could be a consequence of their work (perhaps caused by carcinogens in fumes from frying), it may be simply because professional cooks smoke more than the average. In other words, smoking might confound the association with cooking.


7

Confounding determines the extent to which observed associations are causal. It may give rise to spurious associations when in fact there is no causal relation, or at the other extreme, it may obscure the effects of a true cause. Two common confounding factors are age and sex. Crude mortality from all causes in males over a five year period was higher in Bournemouth than in Southampton. However, this difference disappeared when death rates were compared for specific age groups (Table 3.2). It occurred not because Bournemouth is a less healthy place than Southampton but because, being a town to which people retire, it has a more elderly population.

Table 3.2 Deaths in males in Bournemouth and Southampton during a five year period Bournemouth Age group (years) Compare Means ->Independent Samples T Test (seperti gambarajah di bawah)


84

4. Pada requester yang timbul, isikan variabel yang ingin dilakukan ujian tersebut. Pada petak "Test Variable(s):", masukkan variabel kuantitatif (chhamd6) yang ingin diuji. Boleh masukkan lebih dari satu variabel kuantitatif yang ingin diuji.

5. Pada petak "Grouping Variable:", masukkan variabel kualitatif (drug), kemudian klik pada butang "Define Groups" dan masukkan kumpulan yang ingin dibandingkan (S & F). Klik butang "continue" dan kemudian butang "okay".

6. Selepas ini ujian t independent akan dilakukan oleh SPSS dan tingkap "Output" akan timbul menunjukkan hasil analisa. Yang akan kelihatan adalah sepertiBuku Panduan Kajian Saintifik, Statistik dan Pengenalan SPSS 85

dibawah;

7. Ini menunjukkan jumlah sampel (N), min dan sisihan piawai bagi chhamd6 bagi kumpulan S dan F.

8. Mula-mula sekali lihat nilai p (Sig.) pada Levene's Test. Jika p>0.05, maka gunakan baris "equal variances assumed". Jika p0.05, maka tidak wujud perbezaan dari segi perubahan skor HAMD di antara 2 ubat tersebut selepas 6 minggu rawatan. 9. Maka jadual yang dilukis bagi laporan tesis adalah seperti di bawah; Jadual 1: Min perubahan skor HAMD selepas 6 minggu rawatan mengikut kumpulan rawatan. Kumpulan S F N 32 34 Min 8.38+1.60 8.50+1.64 Ujian Ujian T t = 0.313 p 0.755


86

Ujian T BerpasanganDigunakan apabila perbandingan variabel kuantitatif dilakukan pada individu yang sama. Contohnya apabila individu itu merupakan kedua-dua kawalan dan kes pada kajian yang sama, iaitu sebelum dan sesudah intervensi. Boleh juga digunakan bagi kes dan kawalan yang telah dipasangkan mengikut kriteria seperti umur, jantina dan etnik (matched pairs). Maka ia akan melibatkan 2 variabel kuantitatif yang berpasangan pada satu kajian. Formula yang digunakan ialah; Mula-mula dikira beza di antara nilai pertama dan nilai kedua bagi setiap individu dalam kajian = D. Kemudian dikira nilai min D dan sisihan piawainya. Dari 2 nilai tersebut, t dikira mengikut formula di bawah;

t= di mana = dan

=

1. Cara melakukan Ujian T Berpasangan menggunakan SPSSBagi contoh ini, ianya adalah data dari sebuah kajian keberkesanan rawatan hematinik kepada pesakit anemia. Yang dibandingkan ialah perbezaan antara Hb sebelum rawatan (hb2) dengan selepas 6 minggu rawatan (hb3). 1. Mula-mula buka data tersebut (file open: sga-pair.sav) 2. Kemudian klik pada menu Analyze ->Compare Means ->Paired-Samples T Test (seperti rajah dibawah).


87

3. Pada requester yang timbul, isikan variabel yang ingin dilakukan ujian tersebut. Pada petak "Test Variable(s):", masukkan pasangan variabel kuantitatif (hb2 & hb3) yang ingin diuji. Boleh masukkan lebih dari satu pasangan variabel kuantitatif yang ingin diuji. Klik butang "okay".

5. Selepas ini ujian t berpasangan akan dilakukan oleh SPSS dan tingkap "Output" akan timbul menunjukkan hasil analisa. Yang akan kelihatan adalah seperti dibawah;

6. Ini menunjukkan jumlah pasangan (N), min dan sisihan piawai bagi pasanganBuku Panduan Kajian Saintifik, Statistik dan Pengenalan SPSS 88

hb2 & hb3 bagi pesakit yang diberi ubat hematinik.

7. Ini menunjukkan korelasi antara pasangan di atas. Tiada korelasi yang bemakna (p>0.05).

7. Dapat dilihat bahawa nilai p = 0.004, iaitu pCompare Means ->One-Way ANOVA (seperti rajah dibawah).


90

3. Pada requester yang timbul, isikan variabel yang ingin dilakukan ujian tersebut. Pada petak "Test Variable(s):", masukkan variabel kuantitatif (c5diasto) yang ingin diuji (lihat rajah di bawah). Boleh masukkan lebih dari satu variabel kuantitatif yang ingin diuji. Pada petak "Grouping Variable:", masukkan variabel kualitatif (obesity), kemudian klik pada butang Post Hoc.

4. Pada requester post-hoc, klik pada LSD (lihat rajah), tekan butang "continue".Kemudian tekan "Options" dan klik pada "Descriptives", tekan butang "continue" dan kemudian butang "okay".


91

5. Selepas ini analisa ANOVA akan dilakukan oleh SPSS dan tingkap "Output" akan timbul menunjukkan hasil analisa. Yang akan kelihatan adalah seperti dibawah;

Daripada nilai min dalam jadual deskriptif, dapat dilihat bahawa min diastolik semakin meningkat mengikut tahap obesiti.

6. Ini menunjukkan nilai F = 15.106 dan nilai p = 0.000. Maka wujud perbezaan yang bermakna di antara tahap obesiti dengan tekanan darah diastolik. Persoalannya adalah pada kumpulan mana satukah yang wujud perbezaan


92

bermakna tersebut? Untuk itu kita lihat pada post-hoc LSD.

7. Dapat dilihat bahawa nilai pCorrelate ->Bivariate (seperti rajah dibawah).


94

3. Pada requester yang timbul, isikan variabel yang ingin dilakukan ujian tersebut. Pada petak "Variables:", masukkan variabel kuantitatif yang ingin diuji iaitu (c5diasto) & (bmi) (lihat rajah di bawah). Boleh masukkan lebih dari dua variabel kuantitatif yang ingin diuji. Kemudian tekan butang "okay".

4. Selepas ini analisa korelasi akan dilakukan oleh SPSS dan tingkap "Output" akan timbul menunjukkan hasil analisa. Yang akan kelihatan adalah seperti dibawah;


95

6. Ini menunjukkan nilai r = 0.341 dan nilai p = 0.000. Maka wujud hubungan yang bermakna di antara BMI dengan tekanan darah diastolik. 8. Maka jadual yang dilukis bagi laporan tesis adalah seperti di bawah; Jadual 1: Korelasi tekanan diastolik dan BMI Variabel Tekanan Diastolik BMI r 0.341 p 0.0000

9. Nota: Dalam kajian statistik nilai r boleh ditafsirkan seperti berikut: 0.00 0.3 = korelari lemah 0.3 0.6 = Korelasi sederhana 0.6 1.00 = Korelasi KuatLatihan 13: Cari corelasi antara berat badan ibu semasa mengandung dengan berat bayi semasa lahir.

File yang kita akan gunakan adalah sga-korelasi.sav

Bincangkan penemuan anda

LATIHAN 13


96

Regresi (Regression)Digunakan untuk mengukur hubungan fungsi antara 2 variabel kuantitatif, di mana satu variabel bersandar (dependent) dan satu lagi variabel tidak bersandar (independent). Formula yang digunakan ialah; y = a + bx di mana

b=

1. Cara melakukan Regresi menggunakan SPSSBagi contoh ini, ianya adalah data dari sebuah kampung di Hulu Langat bagi semua penduduk yang berumur 18 tahun ke atas. Yang ingin dikaji adalah hubungan antara BMI (Body Mass Index) dan tekanan darah diastolik (c5diasto). 1. Mula-mula buka data tersebut (Jika tidak tahu bagaimana, klik di SINI.) 2. Kemudian klik pada menu analyze ->Regression ->Linear (seperti rajah dibawah).

3. Pada requester yang timbul, isikan variabel yang ingin dilakukan ujian tersebut. Pada petak "Dependent:", masukkan variabel kuantitatif bersandar yang ingin diuji iaitu (c5diasto). Pada petak "Independent" masukkan variabel kuantitatif tidak


97

bersandar iaitu (bmi) (lihat rajah di bawah). Boleh masukkan lebih dari dua variabel kuantitatif tidak bersandar yang ingin diuji. Kemudian tekan butang "okay". Bagi "Method" terdapat pelbagai kaedah, sebagai contoh kita akan gunakan kaedah "Enter".

4. Selepas ini analisa regresi akan dilakukan oleh SPSS dan tingkap "Output" akan timbul menunjukkan hasil analisa. Yang akan kelihatan adalah seperti dibawah;


98

6. Yang dilihat adalah jadual yang terakhir di mana a = 64.145 dengan nilai p=0.000. Nilai b = 0.811 dengan nilai p = 0.000. Maka formula y=a+bx dapat ditulis sebagai; tekanan diastolik = 64.145 + (0.811).(BMI)Latihan 14: Cari logistik regresion dalam masalah ibu merokok dan bayi SGA

File yang akan digunakan adalah sga-logistik.sav

LATIHAN 14Nota ini berakhir di sini, mungkin cara pesembahan agak bercelaru, jika kecelaruan itu benar-benar wujud dalam benak anda, bermakna anda telah memahami hakikat statistik


99

Bahan Rujukan1. Azmi Tamil, M Rizal Manaf. Bengkel Asas SPSS: Sesi Asas. October 2002. 2. http://bmj.bmjjournals.com/epidem/epid.1.html 3. John Gay. Clinical Study Design and Methods Terminology. August 22, 1999. (Online http://www.vetmed.wsu.edu/courses-jmgay/GlossClinStudy.htm) 4. Azmi Tamil. Pakej Belajar Sendiri SPSS. (Online http://161.142.92.99/hululangat/stat/spss.htm) 5. The Shodor Faoundation Education Program. Introduction to Statistics: Mean, Median, and Mode. (Online:http://www.shodor.org/interactivate/lessons/sm1.html) 6. Rahman JA. Biostatistics, 2009.


100

Index (Perkataan untuk dirujuk)analisa, 48, 55, 79, 83, 86, 88, 90, 93, 95 Analysing, 14 analysis, 29, 32, 38, 41, 42, 44, 60, 88 Analysis, 44, 88 ANOVA, 46, 88, 91 association, 6, 7, 8, 12, 18, 19, 40, 43 Attributable risk, 6, 7 Azmi Tamil, 97 bias, 12, 13, 16, 17, 18, 19, 42, 43 Bias, 2 Birth rate, 5 Body Mass Index, 56, 92, 94 Case Report, 20 Case Series, 20 Chi-Square Test, 74 clinical, 14, 17, 19, 20, 30, 32 Cohort, 18 Compute, 55, 56 confounding, 8, 11, 18, 40 Cross-Sectional, 19 Data, 1, 35, 46, 48, 54, 59, 60, 68, 70, 74, 82, 85 Dikotomus, 1 Epi Info, vii Epidimiologi, 3 error, 12, 13, 15, 30, 38, 60, 65, 69 experimental study, 16, 17 exposure, 7, 11, 12, 13, 15, 16, 18, 19 False negatives, 15 False positives, 15 Fertility rate, 5 Formula, 81 Frekuensi, 3, 73 frequency, 11, 15, 43, 61, 65 Google, 25 Hulu Langat, 88, 92, 94 Infant mortality rate, 5 inferens, 45 Insiden, 4, 5 jadual, 54, 70, 71, 72, 73, 74, 75, 76, 77, 80, 84, 87, 88, 90, 91, 93, 96 Khi Kuasa Dua, 75 Komuniti, vBuku Panduan Kajian Saintifik, Statistik dan Pengenalan SPSS

Konfounders, 2 Korelasi, 46, 91, 92, 93 Kualitatif, 1 Kuantitatif, 1 mammography, 16 Mean, 2, 60, 88, 97 Median, 2, 97 medline, 25, 26 menu, 56, 57, 70, 71, 72, 78, 82, 85, 88, 92, 94 Method, 95 mode, 2, 65 Mortaliti, 4 Null Hipotesis, 2 obesiti, 88, 91 observational, 7, 16, 18, 19, 20, 41 Output, 79, 83, 86, 90, 93, 95 overweight, 88 Ovid, 28 P, 2 Perinatal mortality rate, 5 Permaisuri, v PICO, 33, 34 Poliklinik, v Polinomial, 1 Populasi, 1 Prevalen, 4, 5 prevalence, 4, 10, 11, 12, 15, 16, 19, 38, 39, 43, 44 Prof Khoo, 33 Proquest, 28 quantitative, 32, 66 questionnaires, 12, 31 Ralat, 2, 46, 47 Randomized Cross-Over, 17 RCT, 17 Regresi, 46, 94 Relative risk, 6, 7 retrospective, 19 risk, 6, 7, 10, 11, 13, 18, 19, 31, 43 Rizal Manaf, 97 Sampel, 1 Sample, 3, 38, 69a

sampling, 40, 41, 42 Sensitivity, 15 Specificity, 15 SPSS, i, v, vi, vii, 46, 48, 49, 50, 53, 55, 60, 65, 68, 69, 70, 71, 72, 77, 79, 82, 83, 85, 86, 88, 90, 92, 93, 94, 95, 97 statistik, v, 3, 6, 16, 45, 48, 74, 96 Statistik, 1, 3 Stillbirth rate, 5 Suhazeli, v T Berpasangan, 84, 85 T Independent, 81, 82 tekanan, 37, 88, 91, 92, 93, 94, 96

True positives, 15 underweight, 88 validity, 14, 40 variabel, 46, 49, 50, 51, 52, 53, 54, 56, 57, 59, 61, 65, 66, 69, 70, 77, 81, 82, 84, 86, 88, 89, 91, 92, 94, 95 Variabel, 1 variables, 35, 36, 37, 38, 61, 65, 66, 68 WHO, 48 xray, 16 Z-Test, 74


b

Lampiran: Kesesuaian Ujian Statistik Dengan Jenis VariabelSebagaimana yang diajar sebelum ini, secara amnya terdapat 2 jenis variabel utama iaitu variabel kualitatif (kategorikal) dan kuantitatif (numerikal; diskret & selanjar). Apabila kita ingin menguji hubungan antara 2 variabel (analisa bivariat), jenis ujian yang dilakukan bergantung kepada jenis variabel yang ingin diuji. Berikut adalah panduan am tentang jenis ujian yang boleh dilakukan, berdasarkan jenis variabel yang ingin diuji bagi bagi analisa bivariat. lanya dibahagikan kepada ujian parametrik (data bertabur normal) dan ujian non-parametrik (data tidak bertabur normal);

Jadual ujian parametrik bivariatVariabel 1 Kualitatif Kualitatif Dikotomus Kualitatif Dikotomus Kualitatif Dikotomus K.ualitatif Polinomial Kuantitatif Variabel 2 Kualitatif Kualitatif Dikotomus Kualitatif Dikotomus Kuantitatif Kuantitatif Kuantitatif (paired) Kuantitatif selanjar Kriteria Saiz sampel > 20 dan tiada nilai jangkaan yang kurang dari 5 Saiz sampel > 30 Saiz sampel > 40 tetapi salah satu dari nilai jangkaan < 5 Data bertabur normal Data bertabur normal Ukuran berulang pada individu yang sama dan perkara yang sama (e.g. tahap Hb sebetum dan selepas rawatan). Data bertabur noimal Data bertabur normal Jenis Ujian Ujian X Ujian X2

2

Ujian X dengan pembetulan Yates Ujian t Student ANAVA Ujian T berpasangan (paired T test) Korelasi Pearson & regresi linear

2

Kuantitatif selanjar

Jadual ujian non-pararnetrik bivariatVariabel 1 Kualitatif Dikotomus Dikotomus Kualitatif Dikotomus Kualitatif Polinomial Kuantitatif Kuantitatif selanjar Variabel 2 Kualitatif Dikotomus (Unpaired) Dichotomous (Paired) Kuantitatif Kriteria Saiz sampel < 20 atau < 40 tetapi satah satu dari nilai jangkaan < 5 Data tidak bertabur normal Data tidak bertabur normal Jenis Ujian Ujian Fisher Exact Test

McNemar chi-square test Ujian hasil tambah pangkat Wilcoxon atau Ujian U Mann-Whitney Ujian ANAVA satu hala Kruskal-Wallis Ujian pangkat bertanda Wilcoxon Korelasi pangkat Spearman/Kendall

Kuantitatif Kuantitatif Kuantitatif selanjar

Data tidak bertabur normal Ukuran berulang pada individu yang sama dan perkara yang sama Data tidak bertabur normal

Ujian Secara Umum


c

Variabel 1 Dichotomous Nominal

Variabel 2 Nominal Nominal

Jenis Ujian Chi-square test Chi-square test


d

Langkah untuk Menganalisa dataSusun data Semakan Kategori dan coding

Kualitatif: Ringkasan data dalam bentuk diagram atau carta alir

Kuantitatif: Analisa Berkomputer

Semak kertas kajian dari sudut objektif dan methodologi

Perbincangan kumpulan

Pengumpulan data

Analisa semula merujuk kepada objektif yang ditetapkan

Laporan kajian


e

NOTA tambahan


f

metodologi booklet edited may 2012

Documents