Tutorial Mudah Mahir Analisis Stratifikasi dengan SPSS

Mengapa Kita Melakukan Analisis Stratifiaksi?

Suatu penyakit bisa disebabkan oleh penyebab langsung disebut juga agen penyebab. Penyakit juga bisa disebabkan oleh faktor yang belum tentu merupakan suatu penyebab langsung, disebut faktor risiko. Satu penyakit bisa saja disebabkan oleh banyak faktor risiko.

Dalam penelitian kesehatan kita sering meneliti satu faktor risiko (dari beberapa faktor risiko) yang dianggap sebagai variabel utama (paparan utama) terhadap kejadian suatu penyakit (dampak). Misalnya obesitas terhadap kejadian hipertensi. Dalam menyelidiki hubungan ini, harus dipertimbangkan faktor risiko lainnya yang berpengaruh terhadap paparan utama maupun dampaknya, disebut variabel confounding. Misalnya jenis kelamin atau kebiasan olahraga. Apabila kita tidak memperhitungkan faktor lain tersebut, maka pengukuran yang kita lakukan terhadap hubungan obesitas dan kejadian hipertensi bisa jadi bukan merupakan hasil pengukuran yang sebenarnya, namun terkontaminasi efek dari perbedaan jenis kelamin maupun kebiasaan olahraga pada responden yang kita ukur.

Faktor Confounding atau perancu, merupakan faktor ketiga yang dapat mengakibatkan distorsi dari efek suatu faktor yang sedang diteliti. Disebut juga faktor ketiga, namun faktor ini bukan faktor antara yang memperantarai paparan utama dan dampak. Faktor confounding biasanya bersama-sama dengan faktor utama, yang mempengaruhi faktor utama (paparan utama) dan juga mempengaruhi dampak. Contoh kasus di atas, jenis kelamin dan kebiasaan olahraga dapat mengganggu efek obesitas terhadap kejadian hipertensi. Olahraga mempengaruhi obesitas, olahraga mempengaruhi hipertensi. Begitu pula jenis kelamin

Confounding
Gambar 1. Skema Variabel Confounding

Untuk menghilangkan faktor confounding kita bisa lakukan pada tahap seleksi responden dengan cara resriksi dengan menerapkan kriteria inklusi atau eksklusi dan atau menerapkan matching, sehingga responden yang terpilih tidak ada perbedaan jenis kelamin, atau tidak ada perbedaan kebiasaan olahraga. Namun, faktor risiko lain yang turut berperan biasanya banyak sekali, dan faktor-faktor ini sudah harus didata sejak awal rancangan penelitian. Pada contoh kasus di atas, anggap saja sudah dilakukan seleksi responden terhadap faktor risiko lain seperti usia, riwayat keluarga, penyakit metabolik lainnya, dll., sehingga hanya menyisakan faktor olahraga dan faktor jenis kelamin yang sulit untuk dikendalikan karena semakin terbatasnya sampel (karena makin spesifik kriteria sampel kita makin sulit mencarinya).

Setelah dilakukan restriksi dan atau matching, Cara selanjutnya untuk mengatasi faktor yang diduga confounding (Potential Confounding Variable[PCV]) tersebut adalah dengan analisis stratifikasi maupun dengan analisis multivariabel (multivariat). Bedanya kedua analisis ini adalah, bila kita menganggap faktor lain sebagai faktor confounding (seperti skema variabel confounding pada gambar 1 di atas) maka lebih baik gunakan analisis stratifikasi. Bila kita mengganggap faktor lain sama sebagai faktor utama untuk dianalisis secara serentak (gambar 2), maka gunakan analisis multivariat.

Skema Analisis Multivariat
Gambar 2. Skema Analisis Multivariat

Kebanyakan analis lebih senang menggunakan langsung analisis multivariat, ga ribet dan praktis, karena faktor lain langsung saja dianggap sebagai variabel utama.

Analisis Stratifikasi

Analisis Stratifikasi adalah salah satu teknik untuk menghilangkan confounding dengan menganalisis hubungan suatu variabel dengan akibatnya dalam kelompok yang lebih homogen (atau strata) berdasarkan tingkat variabel confoundingnya (PCV).

Secara bahasa mudahnya, analisis akan dikelompokkan ke dalam strata dari variabel PCVnya. Misalnya pada PCV kebiasaan olahraga (dengan kategori: rutin olahraga dan jarang olahraga), maka akan dianalisis:

  1. pada kelompok orang yang rutin olah raga, seperti apa pengaruh obesitas terhadap kejadian hipertensi
  2. pada kelompok orang yang tidak rutin olahraga, seperti apa pengaruh obesitas terhadap kejadian hipertensi

Bila efek variabel utama (obesitas) terhadap kejadian yang diteliti (hipertensi) tidak berbeda bermakna antara satu stratum (kelompok rutin olga) dengan stratum yang lainnya (kelompok tidak rutin olga), maka efeknya seharusnya disatukan (pooled) menjadi summary measure (nilai adjusted). Namun bila efek variabel utama berbeda bermakna antar stratum, maka efeknya tidak boleh disatukan, harus diartikan sendiri-sendiri untuk masing-masing stratum. Karena, kadang-kadang efek variabel utama hanya bermakna untuk stratum PCV tertentu (misalnya hubungan obesitas terhadap kejadian hipertensi hanya bermakna pada kelompok yang tidak rutin olahraga, sedangkan yang rutin olahraga ga ada pengaruh obesitas terhadap hipertensi).

Tutorial Analisis Stratifikasi

Pada Tutorial kali ini kita akan menggunakan analisis stratifikasi dengan SPSS dengan menggunakan perhitungan Risk. Untuk desain penelitian case-control menggunakan nilai OR sedangkan untuk penelitian Cohort umumnya tidak menggunakan analisis stratifikasi (biasanya langsung menggunakan analisis multivariabel). Untuk itu kita akan menggunakan analisis stratifikasi pada penelitian case-control Peneliti ingin mencari hubungan antara obesitas dengan kejadian hipertensi, dengan PCV kebiasaan olahraga dan jenis kelamin.

Download file latihan tutorial di sini: chisquare-mh.sav♥

Buka dengan SPSS, maka akan tampak data view terisi oleh inputan variabel HT dengan koding (1=hipertensi, 2=tidak hipertensi), obesitas dengan koding (1=obesitas, 2=tidak obesitas), olahraga (1=tidak rutin Olga, 2=Rutin Olga), dan Jenis Kelamin (1=laki, 2=perempuan). keterangan variabel lebih lanjut dapat dilihat pada variabel view.

Data View analisis stratifikasi chi square MH
Data View analisis stratifikasi chi square MH

Analisis stratifikasi dilakukan satu persatu terhadap PCV nya. Pertama kita akan anallisis startifikasi menurut PCV kebiasaan olahraga, setelah selesai baru kemudian dilakukan untuk PCV jenis kelamin.

Langkahnya adalah: Analyze > Descriptive Statistics > Crosstabs

analisis stratifikasi chi square MH

Langkah selanjutnya adalah

  1. memindahkan variabel utama (paparan): obesitas Pada ROW, dan variabel dampak: hipertensi pada COLUMN. sedangkan variabel PCV: olahraga pada layer 1 of 1.
  2. Klik Statistics
  3. Centang Chi-Square, Risk, dan Cochran’s and Mantel-Haenzel Statistics
  4. Klik Continue

Analisis Stratifikasi Chi Square MH

Kemudian:

  1. Klik Cells
  2. Centang Rows pada percentage, agar kita mudah melihat proporsi masing-masing.
  3. Klik Continue, dan
  4. Klik OK untuk memulai analisis

Analisis Stratifikasi Chi Square MH

Cara Membaca Hasil Analisis Stratifikasi

Pertama kita bisa lihat hasil tabulasi silang obesitas terhadap hipertensi dalam strata kebiasaa olahraga. Akan terbagi 3 tabulasi silang:

  1. tabulasi silang obesitas dan hipertensi pada kelompok yang tidak rutin olahraga (kotak pink). Terlihat pada kelompok yang tidak rutin olga, yang obesitas banyak hipertensi dibanding tidak hipertensi, dan yang tidak obes banyak tidak hipertensi dibanding hipertensi.
  2. tabulasi silang obesitas dan hipertensi pada kelompok yang rutin olahraga (kotak biru). Terlihat pada kelompok yang rutin Olga, yang obesitas kejadian hipertensi atau tidak hipertensi hampis sama, yang tidak obes 1/3-nya hipertensi dan 2/3 nya tidak hipertensi.
  3. tabulasi silang obesitas dan hipertensi total atau tabulasi silang obesitas dan hipertensi tanpa melihat olahraga rutin atau tidak (kotak hijau). Pada kelompok yang obesitas 2/3 hipertensi dan 1/3 tidak hipertensi. pada kelompok tidak obes 2/3 tidak hipertensi dan 1/3 hipertensi.Hasil Analisis Stratifikasi Chi Square MH

Apakah perbedaan proporsi tersebut signifikan? kita bisa lihat pada tabel hitungan chi squarenya, lihat tabel Chi-Square Test.

Hasil Analisis Stratifikasi Chi Square MH

Perhatikan dulu kotak pink, lihat apakah syarat chi-square terpenuhi. (baca juga uji chi-square dan syaratnya). Apabila ada syarat yang tidak terpenuhi, gunakan nilai Fisher’s Exact test. Karena ketiganya memenuhi syarat uji chi square, maka ketiganya menggunakan chi square untuk perhitungan tabel 2×2 (pakai nilai Continuity Correction). Dari tabel chi square test dapat kita simpulkan:

  1. Pada kelompok tidak rutin olahraga, kejadian hipertensi berbeda antara kelompok obesitas dan kelompok tidak obesitas (dengan nilai p=0,001; p<0,05) [kotak biru]
  2. Pada kelompok rutin olahraga, Kejadian hipertensi tidak berbeda antara kelompok obesitas dan tidak obesitas (Nilai p=0,454; p>0,05) [kotak ungu]
  3. Tanpa melihat pengaruh olahraga, kejadian hipertensi pada kelompok obesitas berbeda dengan kelompok tidak obesitas (nilai p= 0,001; p<0,005). [kotak orange]

Jadi Apakah PCV Olahraga memiliki pengaruh terhadap hubungan obesitas dengan kejadian hipertensi?

Setelah ini kita menentukan nilai asosiasinya (odds ratio atau risk realtivenya), Gunakan tabel di bawah ini untuk menentukan kesimpulan dan nilai OR atau RR mana yang dipakai

Tabel simpulan analisis stratifikasi

Pada desain penelitian ini adalah case-control maka kita ambil nilai OR.

Mari kita lihat tabel Risk Estimate.

Hasil analisis Stratifikasi chi square MH

Bisa kita lihat ada 3 nilai OR.

  1. OR 1 (kotak pink) adalah nilai OR untuk strata yang tidak rutin olahraga. OR 8,33 (CI 95% = 2,34<OR<29,58). Artinya pada kelompok yang tidak rutin olahraga, risiko kejadian hipertensi pada obesitas 8,3 kali lebih besar daripada yang tidak obesitas.
  2. OR2 (kotak hiru) adalah nilai OR untuk strata rutin Olahraga. OR 1,88 (CI 95% = 0,57<OR<6,22). Nilai ini tidak signifikan karena rentang CI95% nya meliputi angka 1. Angka 1 berarti netral atau tidak ada efek (bila masih bingung penjelasan lanjut baca: Cara menghitung OR/RR dan interpretasinya). Artinya pada kelompok yang rutin olah raga, obesitas tidak mempengaruhi kejadian hipertensi.
  3. Kotak hijau atau kotak Total adalah nilai OR hubungan obesitas dengan kejadian hipertensi tanpa ada pengaruh olahraga. Nilai OR tanpa pengaruh PCV disebut nilai OR kasar atau crude OR (cOR). nilai cOR= 4,14 (CI95% = 1,79<OR<9,57) artinya Risiko kejadian hipertensi pada orang obesitas 4,14 kali lebih besar dibanding orang yang tidak obesitas.

Langkah selanjutnya adalah melihat apakah nilai cOR berbeda dengan nilai nilai OR Strata.

  • cOR dengan OR 1
    cOR = 4,14. OR 1 = 8,33. cOR dengan OR 1 Berbeda lebih dari 10%.
  • cOR dengan OR 2 berbeda lebih dari 10%.
    cOR= 4,14. OR 2= 1,88. cOR dengan OR 2 Berbeda lebih dari 10%.

Maka nilai cOR berbeda dengan nilai OR Strata.

Catatan: cOR dianggap berbeda dengan nilai OR strata bila ada salah satu dari nilai OR strata yang berbeda lebih dari 10% dengan nilai cOR. cOR dianggap tidak berbeda dengan nilai OR strata bila ada salah satu nilai OR Strata yang tidak berbeda lebih dari 10% dengan nilai cOR.

Karena nilai cOR berbeda dengan nilai OR strata, maka selanjutnya adalah melihat apakah nilai antar OR strata berbeda atau tidak. Caranya adalah dengan melihat tabel Test of Homogeneity of the Odds Ratio.

Hasil analisis Stratifikasi chi square MH

pada tabel tersebut, karena nilai p=0,092, nilai p>0,05, maka antar OR 1 dan OR 2 homogen.

Sehingga, dengan Kondisi:

  1. Nilai cOR berbeda dengan nilai-nilai OR Strata
  2. Nilai OR antar strata tidak berbeda (homogen)

Kesimpulannya olahraga adalah confounding namun tidak berinteraksi. Nilai OR yang dipakai adalah nilai OR adjusted (aOR). Nilai ini dapat dilihat pada tabel Mantel-Haenszel Common Odds Ratio Estimate. Nilai aOR 3,81 (CI95% 1,64<OR<8,83). Sehingga, setelah mengendalikan faktor olahraga, risiko kejadian hipertensi pada kelompok obesitas adalah 3,81 kali lebih besar dibanding yang tidak olahraga (OR=3,81 (CI95% 1,64<OR<8,83)).

hasil analisis stratifikasi

∴Catatan

Nilai cOR dianggap sama dengan nilai OR stratanya bila?

Bila nilai cOR ada yang sama (tidak berbeda lebih dari 10%) dengan salah satu nilai OR Strata, maka nilai cOR adalah sama dengan nilai OR Stratanya. Sehingga nilai OR yang dipakai adalah nilai cOR dengan kesimpulan tidak ada confounding. pada contoh ini, nilai cOR adalah nilai OR murni hubungan antar obesitas dengan hipertensi tanpa ada pengaruh olahraga.

Bagaimana bila nilai cOR berbeda dengan nilai OR strata, dan nilai OR antar strata berbeda (tidak homogen)?

Artinya olahraga adalah faktor confounding, dan memiliki interaksi. Maka kita pakai nilai dari tiap-tiap OR strata.

  • OR 1 = 8,33 (CI 95% = 2,34<OR<29,58). Pemakaiannya:
    • Pada kelompok yang tidak rutin olahraga, risiko kejadian hipertensi pada obesitas 8,3 kali lebih besar daripada yang tidak obesitas (OR: 8,33 (CI 95% = 2,34<OR<29,58)).
  • OR 2 = 1,88 (CI 95% = 0,573<OR<6,22). Nilai OR tidak signifikan karena rentang CI 95% meliputi anggak 1. Pemakaiannya:
    • Pada kelompok yang rutin olahraga, risiko kejadian hipertensi pada obesitas tidak berbeda dengan yang tidak obesitas (OR: 1,88 (CI 95% = 0,573<OR<6,22)).

∴Akhir Catatan

 

Untuk PCV Jenis Kelamin, anda bisa melakukannya secara mandiri bukan?

Bila menyukai artikel ini, silahkan dibagikan ke media sosial, semoga ilmu ini tidak hanya berhenti di anda tetapi juga dapat membantu orang lebih banyak lagi.

Salam hangat dan semoga sukses,

Muhammad Aditya

Powered by WP Review
Like
Like Love Haha Wow Sad Angry
9
5 Comments

Tinggalkan Balasan

error: Content is protected !!