Pengantar Stata 9.

Apa langkah awal yang dilakukan bagi mahasiswa untuk belajar stata? Solusi belajar secara proporsional (tidak harus semua, tidak harus lama) dapat dijalankan dengan cara belajar memahami kasus nyata/riil dalam proses perkuliahan. Kasus Manajemen Yankes Variabel dan Skala Ukurannya Misal : Cost Total Biaya Training per orang, Skala rasio Improvements in quality of care Pengetahuan thd komponen Tim Kerja, Teknik untuk memotivasi staff, dll, Skala adalah Ordinal. Improvements Fasilitas & Kondisi Lingkungan Kelistrikan Komponen Basic Stata 9.2 Waktu Tunggu Pasien 1. Menu Pulldown Menu Bar stata Fasilitas Ruang Pasien, dll dengan Skala 2. Menu Shortcut menu gambar singkat Ordinal (Ada perubahan atau tidak) mengoperasionalkan stata Kerangka Penelitian 3. Review Rekaman Aktivitas 4. Variables berisi variabel-variabel yg aktif setelah data di buka 5. Stata Result hasil perintah komputasi stata 6. Stata Command tempat melakukan perintah komputasi Manajemen Dasar 1. Setting Direktori Kerja perintah cd d:\Stata Gizi 2. Melihat isi direktori kerja /Folder Kerja perintah dir <Enter> melihat seluruh isi data dalam folder kerja yang saat ini aktif. 3. Membuka data Stata perintah use Variabel : Cost information and data from supervisors, nama_file.dta Menutup data dengan perintah clear providers, clients and facilities were collected. 5. Setting alokasi memory stata perintah Interpretasi Tabel Uji set mem 100m mengalokasikan memory kerja p value 0,05 100 Mega Byte Artinya bermakna secara statistik, (ada hubungan, 6. Menyimpan file hasil kerja dalam log file ada perbedaan) dengan perintah merekam log using nama_file dan perintah mengakhiri capture Praktikum Pengolahan Data: Aplikasi Stata Definisi Variabel log close 7. Menyimpan file data hasil pekerjaan dengan Variabel Dependen : Variabel yang merujuk perintah save nama_file.dta pada outcome/hasil penelitian, berubah akibat Cek Data Sample di Stata pengaruh variabel bebas help <enter> Variabel Independen : Variabel yang Manual datasets <pilih> ditentukan dan dimanipulasi oleh peneliti Example datasets installed with Stata <pilih> untuk mendapatkan suatu dampak pada cek data bpwide.dta!! outcome gunakan perintah describe Variabel counfounding variabel yang ikut Ringkasan Perintah Manajemen Dasar Stata 9.2 serta dalam penelitian dan dapat mempengaruhi hasil namun tidak menjadi 1. cd : Pindah Folder perhatian utama. (bukan variabel antara, 2. dir : Melihat isi data namun juga berhubungan dengan risiko dan 3. use : Membuka data efek) 4. clear : Menutup data kerja 5. log using : Merekam hasil kerja 6. capture log close : Mengakhiri rekaman 7. save : Menyimpan data

Median, Modus) dan Ukuran Sebaran (Min, Maks, SDev, Variansi) Perintahnya summarize var <enter> Praktikum Manajemen Data dgn Stata 9.0 Hipotesis Statistik (Umur) Ho : =25 (rata-rata umur responden tidak berbeda dari 25 thn) Ha : 25 (rata-rata umur responden berbeda 25 thn) tingkat kesalahan 5% daerah penolakan : Ho ditolak jika t hitung t tabel atau -t hitung -t tabel p (p 0,05)

Tabel Bantu Pemilihan Parameter Skala Data hipotesis mean=25 thn mean sampel = 24,36 Data Skala Rasio Mean Range Nilai t uji =-1,1 Kuantitatif Skala Median SD Nilai T tabel (t, 24, 0,05) = 1,714 karena uji (/Numerik: Interval Modus Variansi jatuh di sebelah kiri maka -1,711 Diskret & Kuartil Min & Bandingkan T uji dengan t tabel Kontinu) Maks -1,1 > -1,7 ho tidak ditolak.. Data Skala Frekuensi Min tidak Ada beda antara sampel dengan nilai Kualitatif Ordinal perMaks hipotesis (/Kategorik Skala Kategorik Nilai CI 95% Mean al) Nominal % 23, 19 s/d 25,53 melewati 25 artinya tidak ada (Proporsi) beda rata-rata p=0,2688 > 0,05 artinya tidak ada beda rataSkala Data rata antara statistika sampel dengan nilai Kuantitatif Rasio Tinggi Badan, Berat hipotesis (25 thn) (Numerik: (Type 4) Badan, Tekanan Darah, Kasus : Tinggi Badan Kontinu) Umur (Thn), Asupan t hitung = 2,5737 Kanan Kurva Gizi jika nilai p=0,0167 dan Batas penolakan adalah p 0,05 Interval Suhu Tubuh, IQ, Artinya apa? (Type 3) Kepuasan, Persepsi (di Tidak Signifikan/Tidak Bermakna Pelayanan Kesehatan) Untuk Uji Statistik Ho tidak ditolak (p> 0,05) atau Kualitatif Ordinal Kelompok Umur, misal uji t t hitung < t tabel (Kategorik) (Type 2) Pendidikan, Signifikan Nominal Jenis Kelamin, Race Jenis Pengujian (Type 1) /Etnic, Golongan Darah 1. Hubungan : Korelasi Signifikan 2. Perbedaan (Mean) : Perbedaan Signifikan Fasilitas Tabel di Stata 9 3. Perbedaan Proporsi : Perbedaan Signifikan Data bertype Kategorikal (Nominal & Ordinal) Hipotesis Uji t (2 sample) diringkas dengan distribusi Frekuensi Ho : 1= 1 (tidak ada beda rata-rata usia) Perintahnya tabulate var <enter> Ha : 1 1 (Ada Beda Rata-rata usia) Data bertype Numerikal (Interval & Rasio) diringkas uji t dengan ringkasan Numerik (Ukuran Pusat (Mean, Skala Pengukuran Ukuran Pusat Ukuran Sebaran

 jika =5%, maka daerah penolakan Ho adalah p 0,05 Aplikasi Manajemen Data dengan Stata (Sesi III) AB=+ A>B Kasus AB=- A<B Dari data pasien yang berkunjung ke A B = 0 A = B (Tidak berbeda) Pelayanan Kesehatan (Puskesmas) peneliti 95% CI untuk mean memiliki definisi operasional (DO) untuk status gizi pasien. Ingin diketahui: 1. Apakah ada beda proporsi jenis kelamin, status gizi antar lokasi tinggal responden? 2. Apakah ada beda status gizi pasien 95% CI melewati nilai 25? antar jenis kelamin dan antar lokasi tinggal? Rumus IMT/BMI Indeks Massa Tubuh IMT=Berat (Kg)/Tinggi (m2) 95% CI melewati nilai 25? Chek Satuan Variabel di Data!. Uji Beda Mean 1 Sampel Kriteria IMT Hipotesis Batas ambang IMT untuk masyarakat Indonesia adalah Ho : =0 sebagai berikut: Ha : 0 Kurus (tingkat berat) < 17,0 Kesalahan =5% Kekurangan BB tingkat ringan 17,0 Kapan uji statistik dikatakan signifikan? 18,4 Jawaban, Jika Ho ditolak. Normal 18,5 25,0 Hipotesis Penelitian Vs Hipotesis Statistik Gemuk Kelebihan BB (ringan) 25,1 Hipotesis Penelitian Rata-rata usia adalah 27,0 25 Tahun Kelebihan BB (berat) > 27,0 Hipotesis Statistik : Kriteria IMT (Versi Latihan) Ho : =25 Batas ambang IMT untuk masyarakat Indonesia adalah Ha : 25 sebagai berikut: Kesalahan =5% Normal 18,5 25,0 Hasil nya uji statistik tidak signifikan Tidak Normal IMT<18,5 atau (p>0,05) , Ho diterima. IMT>25,0 Bagaimana anda menjelaskan ini ke Dosen Catatan Sedikit perubahan Data Anda atau Rekan Anda Modifikasi sedikit! Uji Beda 2 Populasi /Sampel /Kategorik Data Tinggi Badan ditambah 14 Cm diff =0,6 Thn Perintah di Stata t hitung =0,5119; p=0,6136 replace tb=tb+14 95% CI diff -1,824 s/d 3,025 Algoritma Manajemen Data Kesimpulan 1. Chek Ketersediaan variabel di file (TB BB, Tidak ada beda rata-rata usia antara jenis dan Usia.) kelamin laki-laki dan perempuan (p>0,05). 2. Chek Satuan Skala Variabel (misal Tinggi Arti Perbedaan (Mean) dalam Interval Kelas (CI 95% Badan (ubah dari Cm meter) for Mean) 3. Merubah Skala (Recode Data) Siapkan Rumusnya, Variabel hasil, variabel sumber. 4. Lakukan Tabulasi Silang! 5. Interpretasikan! Beberapa Perintah yang dipakai 1. generate Membuat variabel baru 2. replace Mereplace /Menimpa variabel lama 3. recode perintah melakukan re kode dari data yang ada 4. tabulate perintah tabulasi silang (chiSquare) 5. sort perintah mengurutkan data 6. merge ... using...Perintah menggabung 2 file, ex: merge id using 2_data_kursus2 Menggabung 2 file

 File 2_data_kursus1.dta dan Apakah proporsi p(Sleman/Gizi Normal) tidak berbeda 2_data_kursus2.dta p(Luar Sleman/Gizi Normal)? bertujuan menggabungkan variabel BB dan TB Tabulasi Pendidikan VS Lokasi 1. recode pend (1/2=1) (3/4=2), gen (pend2) 2. lab var pend2 Pendidikan 3. lab def pend2 1 <= SMP 2 >SMP 4. lab val pend2 pend2 5. tab pend2 6. tab pend2 k_imt, row all Diskusi Tabulasi Silang (X2)

Algoritma menggabung 1. Buka file master (file awal) use 2_data_kursus1.dta, clear 2. Pastikan variabel id , identitas responden ada di ke 2 file data. 3. Urutkan 2 file yang digabung dengan perintah sort id. Simpan file using (file ke 2) 4. Gabung 2 file yang ada dalam 1 folder dengan perintah merge id using 2_data_kursus1 5. Cek hasil dengan perintah tab _merge Recode IMT 1. gen imt=bb/((tb*tb)/10000) Apakah proporsi p(<=smp/tdk Normal) tidak 2. recode imt (min/18.499=0) (18.5/25=1) berbeda p(>smp/Tdk Normal)? atau (25.01/max=0), gen(k_imt) Apakah proporsi p(<=smp/Gizi Normal) tidak 3. label var k_imt Kategori IMT berbeda p(>smp/Gizi Normal)? 4. lab def imt 0 Tidak Normal 1 Normal Hipotesis Uji Homogenitas (proporsi) 5. lab val k_imt imt Ho : p1=p2 (tidak ada beda proporsi (%)) Chek Data Lokasi Ha : p1p2 (Ada Beda Proporsi) Perintah tabulate Daerah penolakan =5% tab lokasi <Enter> Ho ditolak jika p 0,05 Tabulasikan variabel yang diteliti p prob(x2tabelx2hitung) tabulate lokasi k_imt, row all Peluang menerima Ho, dibawah asumsi hipotesis nol benar, jika p0,05 Ho ditolak. Hasil Pengujian Statistik I Lokasi VS Status Gizi Nilai Chi-squre=0,2017 cek Biostat p=0,653 >0,05 artinya Ho diterima Hasil Pengujian Statistik II Pendidikan VS Status Gizi Nilai Chi-squre=0,5197 cek Biostat p=0,471 >0,05 artinya Ho diterima Diskusi Kelas r usia vs tb=-0,2245 = korelasi lemah (Hubungan Negatif, sig =0,2806 p=0,2806 p= probabilitas p p( nilai tabel >= nilai uji statistik) Ho ditolak jika p Apakah proporsi p(Sleman/tdk Normal) tidak berbeda =5% 0,05 p(Luar sleman/Tdk Normal)? atau Hipotesis Korelasi Ho : r=0 (tidak ada korelasi, tidak hubungan)

Ha : r 0 (Ada korelasi, Ada Hubungan) Ho ditolak jika p-value 0,05 p=0,2806 >> 0,05 ho diterima, Tidak ada korelasi. Y=a+bX a intersep b gradien koefisien regresi jika a=0 y=bx x = 0 y =0 jika a 0 a=2 Model model anak = b0 + b1 ibu anak : sistolik anak Ibu : sistolik ibu

p(bo)=0,082 > 0,05 (tidak bermakna) p(b1)=p(b1 bapak)=0,009 < 0,05 (Bermakna) Model anak =0,415 bapak

uji model (prop > F) ==p-value= 0,003 < 0,05 Model regresi linier tepat untuk data Uji koefisien (Uji t) Uji b0 Ha : b00 Ho : b0=0 Ho ditolak jika p0,05 Uji b1 Ha : b10 H0: b1=0 model yang dihasilkan adalah anak=0,479 Ibu +39,66