1 / 59

Desain studi

Desain studi. Epidemiologi Deskriptif. Disain Penelitian Epidemiologi. Introduksi. Epidemiologi adalah ilmu yang mempelajari : Distribusi Frekwensi suatu penyakit / masalah kesehatan di populasi Diterminan. Disain penelitian Epidemiologi.

melia
Download Presentation

Desain studi

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. Desainstudi EpidemiologiDeskriptif

  2. DisainPenelitianEpidemiologi Introduksi • Epidemiologiadalahilmu yang mempelajari : • Distribusi • Frekwensisuatupenyakit/masalahkesehatandipopulasi • Diterminan Disain penelitian Epidemiologi • Disainpenelitianepidemiologisecaragarisbesardapatdibagimenjadi • Penelitian/studiepidemiologideskriptif • Penelitian/studiepidemiologianalitik

  3. Untuk mempelajari distribusi dan frekwensi penyakit di populasi dipakai disain studi epidemiologi deskriptif Untuk mempelajari diterminan suatu penyakit di populasi dipakai disain studi epidemiologi analitik • Termasukdisainstudiepidemiologideskriptifadalah : • disainstudilaporankasus (case-report) • disainstudi serial kasus (case-series) • disainstudikorelasi (correlation study) • disainstudipotonglintang (cross-sectional)

  4. Termasukdisainstudiepidemiologianalitikadalah : • disainstudikohort (cohort study) • disainstudikasus-kontrol (case-control study) • disainstudiintervensi (intervention study) • Penelitian epidemiologi berdasarkan unit pengamatan/unit analisisnya • dapat dibagi menjadi : • studi dengan unit pengamatan/analisis individu • studi epidemiologi dengan unit pengamatan/analisis agregat • Termasuk disain studi epidemiologi dengan unit pengamatan • /analisis individu adalah : • disain studi laporan kasus • disain studi serial kasus • disain studi potong lintang • disain studi kasus - kontrol • disain studi kohort • disain studi intervensi

  5. Termasuk disain studi epidemiologi dengan unit pengamatan • /analisis agregat adalah : • disain studi korelasi • Penelitian epidemiologi berdasarkan bagaimana tindakan peneliti • terhadap subjek yang diteliti dapat dibagi menjadi : • disain studi observasional • disain studi intervensi • Termasuk disain studi epidemiologi yang bersifat studi observasional adalah : • semua disain studi epidemiologi kecuali studi intervensi, yakni; • semua disain studi epidemiologi deskriptif • semua disain studi epidemiologi analitik kecuali studi intervensi

  6. Pada disain studi epidemiologi yang bersifat studi observasional, peneliti hanya mengobservasi subjek-subjek yang diteliti tanpa melakukan intervensi Pada disain studi epidemiologi yang bersifat intervensi, peneliti melakukan intervensi pada subjek-subjek yang diteliti

  7. PenelitianEpidemiologiDeskriptif : • merupakan studi epidemiologi yang bersifat observasional • unit pengamatan/analisisnya individual • merupakan laporan kasus-kasus penyakit dengan diagnosis • yang diduga sama • biasanya merupakan penyakit-penyakit baru, masalah kesehatan baru, • fenomena baru yang belum jelas • menggambarkan riwayat penyakit, pengalaman klinis dari • masing-masing kasus • laporan kasus-kasus kemudian dapat dianalisis secara sederhana yakni • dengan melihat • distribusi/ frekwensi penyakit • berdasarkan : gejala-gejala klinis “ Orang, Tempat, Waktu” StudiLaporanKasus (case report study)

  8. tujuan : • diperoleh informasi tentang distribusi frekwensi penyakit • /masalah kesehatan yang diteliti • diperoleh informasi tentang kelompok yang berisiko tinggi • terhadap penyakit • dapat dipakai untuk membangun/memformulasikan hipotesis baru • kelemahan : • gambaran distribusi, frekwensi penyakit yang diperoleh • tidak dapat mewakili populasi • hanya berdasarkan kasus-kasus yang dilaporkan saja • kelebihan : • sebagai langkah awal untuk mempelajari suatu penyakit • sebagai jembatan antara penelitian klinis dan penelitian epidemilogi • dapat digunakan untuk sebagai dasar penelitian lebih lanjut : • dengan melihat kelompok yang berisiko tinggi • dengan membuktikan hipotesis yang dibangun

  9. contoh dari suatu studi laporan kasus • suatu penyakit yang belum jelas sebut penyakit X, • 10 orang dengan gejala-gejala yang mirip satu sama lain : • berdasarkan gejala dan pemeriksaan laboratoris • Berat badan : 9 orang dengan gejala mengurus, 1 berat badan • tidak turun • Diare : 6 diare, 4 tidak ada diare • Demam : 8 demam dengan pnemonia, 4 tidak demam • Bercak pada kulit : 7 orang mempunyai, 3 tidak ada bercak • Pemeriksaan laboratoris : semua pasien angka limfosit • menurun drastis • berdasarkan gambaran demografinya • sex : 9 pria, 1 wanita • umur : 8 dewasa muda, 2 tua • pekerjaan : 6 pemusik, 4 pegawai

  10. kebiasaan mengkonsumsi “drugs” : • menggunakan jarum suntik 8 orang, cara lain 2 orang bukan pengguna • perilaku berhubungan intim : • sesama jenis 8 orang, lawan jenis 2 orang • dari data diatas dapat dilihat bahwa : • dari gejala dan pemeriksaan laboratoris penyakit X tersebut adalah : • 90 % berat-badan menurun • 60 % diare • 80 % demam dengan pneumonia • 70 % bercak pada kulit • 100 % limfosit menurun drastis

  11. dari gambaran demografisnya • 90% pria • 80% dewasa muda • 60% pemusik • dari kebiasaan mengkonsumsi narkoba • 80% pecandu narkoba • dari perilaku seksual : • 80 % homoseksual • diperoleh gambaran distribusi, frekwensi penyakit berdasarkan : • gejala dan tanda serta pemeriksaan laboratoris • gambaran demografi • kebiasaan mengkonsumsi narkoba • perilaku seksual

  12. dari analisis sederhana diatas didapat informasi kelompok orang • yang berisiko antara lain : • pria • dewasa muda • pemusik • pecandu narkoba • homoseksual • dari informasi tadi dapat dibangun suatu hipotesis • pria lebih berisiko untuk mendapat penyakit X dari pada wanita • usia dewasa muda lebih berisiko untuk mendapat penyakit X • dari pada yang usia tua • pemusik lebih berisiko untuk mendapat penyakit X dari pada • non pemusik • pecandu narkoba lebih berisiko untuk mendapat penyakit X dari pada • bukan pecandu • homoseksual lebih berisiko untuk mendapat penyakit X dari pada • bukan heteroseksual

  13. Untuk mendapatkan informasi yang dapat menggambarkan distribusi, frekwensi penyakit yang mewakili populasi diperlukan penelitian epidemiologi deskriptif lain, dimana sampel penelitian mewakili populasi yang diteliti  disain studi epidemiologi yang sesuai dipakai untuk itu adalah disain studi potong lintang. • Untuk membuktikan hipotesis yang dibangun, dapat dilakukan penelitian epidemiologi analitik lebih lanjut antara lain dapat dengan : • studi kohort • studi kasus kontrol • studi intervensi

  14. Studi Epidemiologi Serial Kasus • merupakan studi epidemiologi yang bersifat observasional • unit pengamatan/unit analisis adalah individu • merupakan kumpulan kasus-kasus individual suatu penyakit dengan • diagnosis yang sama • sama dengan studi laporan kasus tapi dengan kasus yang lebih banyak • surveilens yang rutin dilakukan untuk suatu penyakit yang belum jelas • diagnosisnya ataupun sudah jelas diagnosisnya : • merupakan kumpulan laporan kasus-kasus, atau serial kasus • dapat digunakan untuk menditeksi munculnya penyakit baru • dapat digunakan juga untuk menditeksi adanya epidemi

  15. kumpulan laporan kasus kemudian dianalisis secara sederhana yakni • dengan melihat • distribusi/ frekwensi penyakit • berdasarkan “ Orang, Tempat, Waktu” • tujuan : • diperoleh informasi tentang distribusi frekwensi penyakit • /masalah kesehatan yang diteliti • diperoleh informasi tentang kelompok yang berisiko tinggi • terhadap penyakit • dapat dipakai untuk membangun/memformulasikan hipotesis baru

  16. kelemahan : • gambaran distribusi, frekwensi penyakit yang diperoleh • tidak dapat mewakili populasi • hanya berdasarkan kasus-kasus yang dilaporkan saja • kelebihan : • sebagai langkah awal untuk mempelajari gambaran epidemiologi • suatu penyakit • sebagai jembatan antara penelitian klinis dan penelitian epidemilogi • dapat digunakan sebagai dasar untuk penelitian epidemiologi • lebih lanjut : • dengan melihat kelompok yang diduga berisiko tinggi • dengan membuktikan hipotesis yang dibangun

  17. Latihan : Kota X mempunyai 8 RS. Seorang dokter disalah satu RS melakukan penelitian terhadap kasus kasus diabetes mellitus (DM), selama 1 tahun penelitiannya terkumpul data sebagai berikut :

  18. Tugas : • deskripsikan distribusikan/frekwensi penyakit DM berdasarkan : • jenis kelamin • umur • ada tidaknya komplikasi • kadar gula darah • status pada saat pulang dari RS • dapatkah gambaran distribusi/frekwensi diatas menggambarkan kondisi di populasi ? • apa alasannya ? • Dari data diatas dapatkah saudara menentukan kelompok yang diduga berisiko tinggi untuk • penyakit DM ? bagaimana caranya • dari data diatas dapatkah saudara memformulasikan hipotesis baru • adakah hubungan antara komplikasi dengan kematian pada penderita DM • jika ada hubungan antara kejadian komplikasi dengan kematian pada penderita • DM dapatkah hasil tersebut digeneralisasikan di populasi • dapatkah saudara memformulasikan hipotesis baru dari analisis hubungan • tersebut

  19. Studi Korelasi • nama lain studi ekologi • merupakan studi epidemiologi yang bersifat studi observasional • unit pengamatan/analisisnya adalah agregat , berikut beberapa contoh • ukuran agregat : • ukuran agregat yang mengukur nilai rata-rata, median, • atau proporsi dari kumpulan nilai-nilai individu di suatu • kelompok misal : • nilai rate suatu penyakit ; insidens, prevalens • nilai rata-rata asupan lemak pada suatu kelompok individu /masyarakat • nilai cakupan program • nilai median dari penghasilan sekelompok individu

  20. ukuran agregat “environment”, merupakan ukuran yang • mewakili karakteristik fisik dari suatu lingkungan hidup • misalnya : • nilai cakupan rumah sehat pada suatu area • nilai intensitas polusi pada suatu area • nilai kepadatan jentik pada suatu area • populasi studi terdiri dari kumpulan unit pengamatan dari mana • ukuran agregat diukur • sebagai contoh : unit pengamatan untuk angka kepadatan jentik, • dan insidens DHF diukur berdasarkan area kerja puskesmas, • maka populasi studi terdiri dari kumpulan puskesmas - puskesmas

  21. analisis yang dilakukan dapat bersifat: • deskriptif : melihat distribusi frekwensi dari variabel yang diteliti • (dalam unit agregat) • analitik : melihat korelasi/hubungan antara variabel-variabel diteliti • jika variabel “exposure” dan variabel “outcome” diukur sebagai • data kontinyu • hubungannya secara statistik diuji dengan uji korelasi • kekuatan/keeratan hubungan dilihat dengan melihat • nilai koefisien korelasi (“r”) • jika variabel “exposure” dan variabel “outcome” diukur • sebagai data kategorikal • hubungannya secara statistik dapat diuji dengan uji  kuadrat, • atau regressi logistik • kekuatan hubungan dilihat dengan menghitung RR atau OR

  22. contoh : suatu studi ekologi ingin melihat korelasi antara cakupan • imunisasi campak dengan insidens campak • unit pengamatan puskesmas • populasi studi; 10 puskesmas • cakupan imunisasi campak dianggap sebagai (exposure • / independent variable) • insidens campak dianggap sebagai (outcome • /dependent variable) • contoh 1: jika variabel bebas dan variabel terikat diukur dengan • skala kontinyu • y = insidens campak • x = cakupan imunisasi campak • hubungan secara statitik diuji dengan uji korelasi • kekuatan hubungan dilihat dari koefisien korelasi

  23. data : • ID PKM X (%) Y(%) X2 Y2 XY • 1 50 60 502 602 50 x 60 • 2 55 70 • 3 60 35 • 4 65 30 • 5 70 25 • 6 75 20 • 7 80 25 • 8 85 20 • 9 90 15 • 10 95 10 • N =10 X YX2 Y2 XY • n xy - ( x )(xy) • r = ------------------------------------------------ • n x2 - (x )2 n y2 - (y )2

  24. persamaan garis linier : y = a + bx n xy - ( x )(y) b = -------------------------- n x2 - (x )2 y - bx a = --------------------------- n b2 [ x2 - ( x )2/n] r2 = ---------------------------------------- r = r2 y2 - (y)2/n

  25. a = intercept merupakan titik dimana garis memotong sumbu y jika nilai a negatif, garis memotong sumbu y dibawah sumbu x jika nilai a positif, garis memotong sumbu y diatas sumbu x b = slope; angka dimana nilai y berubah untuk setiap unit perubahan pada x Jika nilai b negatif menunjukkan arah garis dari bagian atas sudut kiri kebagian bawah sudut kanan Jika nilai b positif menunjukkan arah garis dari bagian bawah sudut kiri ke bagian atas sudut kanan Dalam persamaan regressi disebut dengan koefisien regressi, memprediksi perubahan y untuk setiap unit perubahan pada x

  26. r = koefisien korelasi • menggambarkan kekuatan hubungan variabel x dan y • nilai r berkisar dari 0 sampai 1 • makin mendekati 1 ada hubungan linier yang kuat antara x dan y • makin mendekati 0 hampir tidak ada hubungan antara x dan y • nilai r dapat positif ataupun negatif • nilai r yang negatif menunjukkan adanya hubungan yang negatif antara x dan y • jika x meningkat y menurun • jika x menurun y meningkat • nilai r yang positif menunjukkan adanya hubungan yang positif antara x dan y • jika x meningkat y meningkat • jika x menurun y juga menurun

  27. sebagai contoh nilai r = - 0.95 • ada hubungan linier yang kuat antara variabel x dan y • jika x meningkat y menurun atau sebaliknya y y • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • x x r = positif dan mendekati 1 r = negatif dan mendekati 1

  28. • • • • • • • • r = positif dan mendekati nol • • • • • • • •

  29. Uji statistik : untuk melihat apakah nilai “r” yang didapat merupakan ukuran • yang cukup bermakna secara statistik untuk mengindikasikan bahwa • di populasi kedua variabel x dan y berkorelasi • hipotesis : H0 : r = 0 • HA : r  0 • r = koefisien korelasi di populasi • uji statistik jika r = 0 • n - 2 • t = r ------------ dengan derajat kebebasan = n-2 • 1 - r2

  30. jika dipakai  = 0.05, dan hasil kalkulasi uji statistik • mempunyai nilai p < 0.05 maka H0 ditolak, • artinya koefisien korelasi di populasi tidak sama dengan 0, • artinya hasil kalkulasi r berdasarkan sampel tadi cukup • bermakna secara statistik atau dengan kata lain korelasi • antara variabel x dan y bermakna secara statistik

  31. contoh 2 : jika variabel terikat dan variabel bebas diukur • dengan skala kategorikal • data : X = cakupan imunisasi campak y = insidens campak PKM = puskesmas

  32. Tabel distribusi cakupan imunisasi campak dan insidens campak Dari data diatas Insiden tinggi Insiden rendah 3 2 5 Cakupan rendah 4 5 Cakupan tinggi 1

  33. Contoh : • Dari 35 puskesmas yang mempunyai cakupan imunisasi rendah, • 25 puskesmas mempunyai insiden campak yang tinggi : • proporsi dari insidens campak tinggi pada pkm cakupan rendah = 25/35 • odds dari insidens campak tinggi|cakupan rendah = 25/10 • Dari 50 puskesmas yang mempunyai cakupan imunisasi tinggi, • 15 puskesmas mempunyai insiden campak yang tinggi • proporsi dari insidens campak tinggi pada pkm cakupan tinggi = 15/50 • odds dari insidens campak tinggi|cakupan tinggi = 15/35 • Insidens 25/35 odds 25/10 • RR= -------------------- = ------------ = 1.56 OR= ------------ = ------------- = 5.81 • Insidens 15/50 odds 15/35

  34. Uji statistik : • uji homogenitas proprorsi binomial • uji independensi • kedua uji statistik diatas sama prosedurnya • k ( O - E )2 • 2 =  --------------- • i = 1 E • 2: Khi kuadrat • O : Observed value / nilai yang diamati • E : Expected value / nilai yang diharapkan • H0 : angka cakupan imunisasi dengan insidens campak, independen • (tak berhubungan) • Ha : angka cakupan imunisasi dengan insidens campak, tak independen • (berhubungan) •  : 0.05 dengan derajat kebebasan = (c-1)((r-1) c= kolom r=baris • jika 2 memberikan nilai P lebih besar dari  maka H0 ditolak

  35. tabel kontingensi “ Observed” insidens DHF tinggi rendah total rendah a b (a+b) angka kpdt jentik tinggi c d (c+d) total (a+c) (b+d) (a+b+c+d) (a+b) (a+c) (a+b) ( b+d) a” = ---------------- b” =----------------- (a+b+c+d) (a+b+c+d) (c+d) (a+c) (c+d) (b+d) c” = ---------------- d”= -------------- (a+b+c+d) (a+b+c+d) jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test

  36. (a+b) (a+c) (a+b) ( b+d) a” = ---------------- b” =----------------- (a+b+c+d) (a+b+c+d) (c+d) (a+c) (c+d) (b+d) c” = ---------------- d”= -------------- (a+b+c+d) (a+b+c+d) jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test

  37. Contoh menghitung nilai “expected” Insidens penyakit tinggi rendah total rendah 25(a) 10(b) 35 (a+b) cakupan imunisasi tinggi 15(c) 35(d) 50 (c+d) total 40(a+c) 45(b+d) 85 (a+b+c+d) total row x total colum nilai “expected” =------------------------------------ grand total total row x total colum 35 x 40 nilai “expected” a = ------------------------------------ = ------------------- = 16.47 grand total 85 total row x total colum 35 x 45 nilai “expected” b = ------------------------------------ = ------------------- = 18.53 grand total 85

  38. total row x total colum 50 x 40 nilai “expected” c = ------------------------------------ = ------------------ = 23.53 grand total 85 total row x total colum 50 x 45 nilai “expected” d = ------------------------------------ = ------------------= 26.47 grand total 85

  39. k ( O - E )2 2 =  --------------- i = 1 E (25 - 16.17)2 (10 - 18.53)2 (15 - 23.53)2 (35 - 26.47)2 2 = --------------- + ------------------ + --------------- + -------------------- = 15.75 16.7 18.53 23.53 26.47 Didapat nilai 2  yang mana dibawa H0 akan mengikuti distribusi khi kuadrat untuk tingkat = 0.05 kita akan menolak H0 jika nilai nilai 2 > nilai 2d.f..1- kita akan menerima H0 jika nilai nilai 2 < nilai 2d.f..1-

  40. nilai 2d.f..1- = 3.84 • { d.f = derajat kebebasan = (r-1)(c-1) = (2-1)(2-1) =1 dan 1-= 1- 0.05 = 0.95) • kita menolak H0 karena nilai nilai 2 = 15.75 > 3.84 dimana nilai p < 0.05 • artinya ada hubungan secara statistik antara variabel • cakupan imunisasi campak dengan insiden campak • kelebihan dari studi korelasi : • jika data telah tersedia relatif murah • dapat untuk melihat distribusi frekwensi kejadian penyakit • /masalah kesehatan dalam satuan agregat di populasi • dapat melihat hubungan antara variabel yang diteliti • dalam satuan agregat • dapat untuk membangun /memformulasikan hipotesis baru

  41. kelemahan studi korelasi : • tidak dapat melihat hubungan ditingkat individu. • ada ecologic fallacy, yakni bias dalam menginterpretasikan, • hubungan tingkat agregat • disamakan dengan hubungan tingkat individu, • misal ada hubungan antara angka cakupan imunisasi campak • dengan angka insidens campak (hubungan dalam tingkat agregat) •  belum berarti dalam tingkat idividu ada hubungan • antara imunisasi dengan kejadian penyakit campak pada seseorang • sehingga untuk membuktikan adanya hubungan ditingkat individu, • dari studi korelasi hanya dapat memformulasikan hipotesis baru • pembuktian hipotesis tadi dengan disain studi epidemiologi analitik

  42. Disain Studi Potong-Lintang (cross-sectional study) • nama lain : studi prevalensi, survey • bersifat observasional • unit pengamatan dan unit analaisisnya adalah individu • populasi studi merupakan populasi umum • sampel diambil secara random (acak) • setiap orang di populasi mempunyai kesempatan • yang sama untuk menjadi anggota sampel • sampel representatif /mewakili populasi • pengukuran variabel independet (exposure) dan variabel dependent • (outcome) dilakukan secara simultan, sehinga : • tidak dapat terlihat sekuens mana yang terjadi lebih dulu, • variabel independent atau variabel dependent, atau sebaliknya • konsekwensinya tidak dapat melihat hubungan sebab-akibat • (exposure harus mendahului outcome )

  43. analisis yang dilakukan dapat bersifat: • deskriptif : • distribusi frekwensi kejadian penyakit/ masalah kesehatan • berdasarkan “orang - tempat - waktu” • distribusi frekwensi variabel “exposure” dan “outcome” • (angka prevalens) • analitik : melihat korelasi/hubungan antara variabel-variabel • diteliti • jika variabel “exposure” dan variabel “outcome” diukur • sebagai data kontinyu • hubungannya secara statistik diuji dengan uji korelasi • kekuatan/keeratan hubungan dilihat dengan melihat • nilai koefisien korelasi (“r”) ataupun dengan koefisien • regressi

  44. jika variabel “exposure” dan variabel “outcome” diukur sebagai • data kategorikal • hubungannya secara statistik dapat diuji dengan • uji  kuadrat, atau regressi logistik • kekuatan hubungan dilihat dengan menghitung PR • atau OR • jika variabel “exposure” diukur sebagai data kontinyu dan • variabel “outcome” diukur sebagai data kategorikal • hubungannya secara statistik dapat diuji dengan • regressi logistik kekuatan hubungan dilihat dengan • menghitung exponensial koefisien regressi • setiap ada penambahan atau pengurangan satu satuan • unit “exposure” terjadi peningkatan atau pengurangan • odds “outcome” sebesar eksponensial koefisien regressi

  45. jika variabel “exposure” diukur sebagai data kategorikal • dan variabel “outcome” diukur sebagai data kontinyu • hubungannya secara statistik dapat diuji dengan uji t • (jika hanya2 kelompok “exposure”) dan tes Anova • (bila lebih dari 2 kelompok) • kekuatan hubungan dilihat dengan membandingkan • masing-masing nilai mean pada masing-masing kelompok

  46. Contoh : • dalam suatu penelitian dengan disain potong lintang : • ingin melihat hubungan antara skore intensitas psikosis • dengan kadar amphetamin darah. • D = skore intensitas psikosis (data kontinyu) • E = kadar amphetamin darah (data kontinyu) • pengukuran D dan E dilakukan secara simultan • populasi pengguna amphetamin yang datang ke klinik • ketergantungan obat • sampel 10 orang yang diambil secara random dari populasi • analisis deskriptif : menghitung mean, median, mode dari • variabel D dan E

  47. analisis analitik : • buat diagram scatter untuk melihat hubungan secara kasar • analisis korelasi linear dan analisis regrresi • alpha ditentukan 0,05 • untuk melihat hubungan E dan D lihat koefisien korelasi “r” • untuk melihat bagaimana E memprediksian D lihat • koeffisien regressi b

  48. Data Pasien Skore intesitas psikosis Kadar amphetamin darah (Y) mg/ml ( X ) 1 10 150 2 30 300 3 20 250 4 15 150 5 45 450 6 35 400 7 50 425 8 15 200 9 40 350 10 55 475

  49. persamaan garis linier : y = a + bx n xy - ( x )(y) b = -------------------------- n x2 - (x )2 y - bx a = --------------------------- n b2 [ x2 - ( x )2/n] r2 = ---------------------------------------- r = r2 y2 - (y)2/n silahkan hitung koefisien korelasi “r” dan koefisen regressi “b”

  50. Uji statsitik: t statistik n - 2 t = r ------------ dengan derajat kebebasan = n-2 1 - r2 Apakah ada hubungan secara statistik antara kadar amphetamin darah dengan skore intensitas psikosis Buatlah persamaan garis y = a + bx Seseorang pecandu dengan kadar amphetamin 360 mg/ml darah berapa kira-kira skore intesitas psikosisnya

More Related