Model Statistik dalam Penelitian Kesehatan

[caption id="" align="aligncenter" width="323" caption="gambar diagram biostatistcs"][/caption] Biostatistik Statistika adalah ilmu pengetahuan tentang pengembagan dan aplikasi metode pengumpulan, pengolahan, penyajian, analisa/intrepretasi data numerik, sehingga kesalahan dalam pengambilan kepuatusan dapat diperhitungkan secara numerik. Sedangkan Biostatistika adalah cabang ilmu statistika yang berkaitan dengan apliksai metode statistika pada persoalan dibidang biologi dan kedokteran. Dalam Statistika Kesehatan, data yang dibutuhkan lebih banyak menjurus pada perencanaan, pelaksanaan & penilaian program kesehatan, yang termasuk di dalamnya : Morbiditas (frekuensi dan penyebab kesakitan), Statistik Rumah sakit (jumlah pasien, lama perawatan, dll), Statistik Pelayanan (imunisasi, kesehatan gigi, KB, dll). Fungsi Statistik Dalam Bidang Kesehatan :

• Perencanaan program pelayanan kesehatan
• Penyelesaian masalah kesehatan
• Analisis berbagai penyakit selama periode waktu tertentu (time series analysis)
• Menentukan penyebab timbulnya penyakit baru yang belum diketahui
• Menguji manfaat obat bagi penyembuhan penyakit (setelah hasil uji klinik dinyatakan berhasil)
• Secara administratif dapat untuk memberi penerangan tentang kesehatan kepada masyarakat

Tujuan Statistik dalam Bidang Kesehatan :

• Memberikan gambaran/ ukuran mengenai status/ derajat kesehatan. Contoh : angka kematian bayi, angka kematian ibu
• Untuk evaluasi program kesehatan. Contoh : status kesehatan
• Untuk merencanakan program kesehatan. Contoh : didapat data pola penyakit di suatu daerah -> dasar pengalokasian sumber daya kesehatan

Model Statistik dalam Penelitian Kesehatan

1. Regresi Logistik Andaikan ada 2 variabel, sebut saja X dan Y. Nilai X sudah diketahui dan nilai Y belum diketahui. Bila X dan Y mempunyai hubungan, katakanlah hubungan linier sederhana Y = 2 + 3X, maka nilai Y dapat dihitung. Dengan demikian, bila X = 5, maka nilai Y menjadi 2 + 3(5) yaitu 17. Bila X = 7, maka Y = 23, dan seterusnya. Analisis perkiraan/peramalan/taksiran semacam ini disebut sebagai analisis regresi linier sederhana (simple linier regression analysis) yang banyak digunakan untuk data kuantitatif di berbagai disiplin ilmu. Dalam hal ini, X disebut sebagai variabel bebas (independent/explanatory variable) atau predictor dan Y merupakan variabel tidak bebas (dependent/response/outcome variable). Sedangkan variabel itu sendiri dapat didefinisikan sebagai sesuatu yang nilainya selalu berubah/berbeda atau condong untuk selalu bervariasi. Bila dalam persamaan itu ada lebih dari satu variabel bebas, maka analisisnya menjadi analisis regresi linier multipel (multiple linear regression analysis). Dalam hal ini persamaannya akan menjadi seperti Y = 5 + 4X1 + 7X2 + X3 + 2X4. Umpamanya Y merupakan berat badan seseorang, maka nilai Y ini akan tergantung pada banyak faktor, antara lain tinggi badannya sendiri (X1), berat badan ayahnya (X2) dan berat badan ibunya (X3). Pada prinsipnya, analisis regresi logistik mirip dengan analisis regresi linier. Hanya saja variabel tidak bebas dari regresi logistik bersifat dikotomi. Sedangkan variabel bebasnya boleh merupakan variabel kategori maupun kontinyu. Contoh penggunaan regresi logistik antara lain dalam presentasi analisis lanjut SKRT (survey Kesehatan Rumah Tangga) 1986 yaitu dengan judul “Faktor-faktor yang berperan dalam kematian bayi”. Pada presentasi tersebut salah satu makalah adalah tentang “Pengaruh Faktor Pelayanan Kesehatan”. Dalam analisis multivariate (multivariate analysis) menggunakan regresi logistik, faktor-faktor pelayanan kesehatan yang menjadi variabel bebas terdiri dari frekuensi pemerikasaan kehamilan (X1), imunisasi tetanus toxoid (X2), pemeriksa kehamilan (X3) dan penolong persalinan (X4). Sedangkan salah satu variabel tidak bebasnya adalah kematian bayi neonatal (Y), yang merupakan variabel dikotomi dengan kode 0 untuk bayi neonatal yang masih hidup dank ode 1 untuk bayi neonatal yang sudah meninggal. Variabel bebas seluruhnya berbentuk kategori. Variabel frekuensi pemeriksaan kehamilan terdiri dari 4 kelompok yakni kode 1 untuk 4 kali atau lebih, kode 2 untuk tidak pernah periksa, kode 3 untuk 1 kali dank ode 4 untuk 2 sampai 3 kali. Variabel imunisasi TT terdiri dari kelompok tidak pernah, 1 kali dan lengkap. Variabel pemeriksa kehamilan terdiri dari kelompok tidak pernah periksa, diperiksakan oleh tenaga medis dan diperiksa oleh tenaga non-medis. Demikian juga penolong persalinan dikelompokkan menjadi 2 yaitu tenaga medis dan tenaga non-medis (dukun). Disamping itu, persamaan regresi linier mengikuti distribusi normal sehingga dapat dilakukan analisis sidik ragam (Analysis of variance) atau ANOVA dan uji F (F Test). Sedangkan regresi logistik mengikuti pendekatan distribusi eksponensial (eksponential distribution). Demikian juga untuk analisis data kategori yang lain yaitu model log-linier dan analisis survival yang pendekatannya bukan pendekatan distribusi normal.

sumber : http://fni-statistics.blogspot.com/2013/11/model-statistik-dalam-penelitian.html artikel selanjutnya : Model Statistik dalam Penelitian Kesehatan(2)