Total Football dan aplikasinya dalam pencapaian tujuan

Tentunya kita sudah pernah mendengar istilah total football.

Dalam pencapaian tujuan kita juga dapat menggunakan prinsip ini. Sebagai contoh, ketika kita ingin mencapai suatu tujuan, lulus kuliah atau membeli mobil, maka kita harus menggunakan segala daya dan potensi yang dimiliki untuk meraih tujuan.

Untuk lulus kuliah dalam waktu singkat, kita bisa membuat tugas yang dapat mendukung judul skripsi/tesis kita.  Sehingga ketika menyusun skripsi/tesis, kita tinggal copy paste sebagian dari tugas yang telah dibuat.

Jika kita membeli buku, pastikan juga itu akan dapat digunakan untuk menyusun tesis.

Masih ada kegiatan lain yang dapat digunakan agar dapat mendukung percepatan tugas-tugas selama jadi mahasiswa dan cepat pula dalam membuat tugas akhir.

Dalam memulai berbisnis juga begitu, harus total. Manfaatkan jaringan pertemanan di dunia nyata ataupun maya untuk memperkenalkan produk. Saat arisan, kumpul2, dan sebagainya sisipkan pesan kalau Anda punya bisnis/produk. Di dunia maya, dapat memanfaatkan blog, facebook, twitter, path dan sebagainya untuk mengupload gambar atau informasi tentang bisnis Anda. 

Jika Anda sudah punya istri, pastikan juga bahwa istri mampu bekerjasama secara sinergis dengan usaha kita. Misalnya berbisnis, ya bagaimana caranya agar istri mampu membantu. Begitu juga bila kita karyawan, bagaimana diupayakan agar istri dapat berupaya secara maksimal mendorong karier suami.

Odds Ratio

Odds rasio banyak digunakan pada ilmu epidemiologi. Sebagian riset epidemiologi ditujukan untuk mengetahui kekuatan pengaruh suatu variabel paparan (exposure) terhadap risiko penyakit (outcome). Odds Rasio (OR) dan Risiko Relatif (RR) menunjukkan besaran kekuatan hubungan paparan-penyakit. Risiko Relatif merupakan rasio antara risiko terkena penyakit pada kelompok yang terpapar (exposure) dan risiko terkena penyakit pada kelompok yang tidak terpapar (non-exposed).

Berikut contoh analisis dengan SPSS.

Uji signifikansi menggunakan nilai Chi-Square, dimana pada tabel di atas menunjukkan bahwa terdapat pengaruh yang signifikan. Hal ini dapat diketahui dari nilai Pearson Chi-Square dengan signifikansi 0,001 sehingga <0,05. Karena signifikansi <0,05 maka dapat disimpulkan terdapat pengaruh yang signifikan antara pendapatan dengan status gizi.

Uji Pearson Chi-Square digunakan dengan syarat jika terdapat kurang dari 20% cells mempunyai expected count kurang dari 5. Sedangkan jika expected count terdapat lebih dari 20% cell kurang dari 5 maka digunakan nilai Fisher’s Exact Test.

Nilai OR sebesar 3,532 yang berarti bahwa risiko gizi normal pada orang berpenghasilan 1-2 juta/bulan lebih besar 3,532 dibandingkan orang yang berpenghasilan >2 juta/bulan. Untuk mengetahui apakah nilai OR ini signifikan, maka kita perlu melihat nilai 95% Confidence Interval (CI), dimana nilai berkisar antara 1,643-7,596. Kriteria yang digunakan adalah jika nilai CI tidak memuat nilai nol maka OR dinyatakan bermakna. Hasil tersebut menunjukkan bahwa CI tidak memuat angka nol sehingga dapat disimpulkan nilai OR signifikan atau bermakna.

 

Lagi, ada kegalauan korelasi atau komparasi.

Para peneliti, khususnya mahasiswa, dari jurusan ilmu-ilmu kesehatan masih ada yang mengalami kegalauan untuk memilih teknik analisis dalam kelompok korelasi atau komparasi? teknik analisis yang jadi alternatif misalnya ingin korelasi Spearman, Gamma, Lamda, atau Chi Square?

Seperti kita tahu bahwa  Spearman, Gamma, Lamda merupakan teknik korelasi, sedangkan Chi Square merupakan teknik uji beda atau komparasi.

Ketika Tidak Signifikan

Sabtu, 27 April 2013 saya diundang mantan klien kami untuk mengikuti acara promosi ujian terbuka di Program Doktor. Pada kesempatan itu, saya amati sebenarnya hampir sama aja dengan ujian tugas akhir pada umumnya (skripsi, tesis, dll). Faktor yang membedakan yakni pada saat itu juga, promovendus langsung akan diumumkan kelulusan dan besarta predikat kelulusannya.

Secara umum, ujian ini terasa lebih resmi dengan adanya protokoler yang memandu acara. Jalannya ujian dimulai dengan memaparkan biodata promovendus. Selanjutnya sesi presentasi dan akhirnya interaktif tanyajawab. Dari sembilan orang penguji, sebagian besar lebih banyak memuji dibandingkan menelaah secara kritis.

Hingga pada akhirnya ada penguji yang masih mencermati secara kritis mengapa hubungan dua variabel tidak signifikan? Bukankah bertentangan dengan teori? Kemudian promovenda menjelaskan kondisi di lapangan. Penguji tampak belum menerima penjelasan tersebut, seraya menyatakan bahwa penjelasan itu harus dilengkapi dalam naskah, disertai teori dan hasil penelitian lain yang relevan. Selain itu, porsi diskusi juga harus memuat hal tersebut.

Nah, sebenarnya tidak mengapa jika memang hasil penelitian tidak signifikan, asalkan dapat dijelaskan dan didapatkan melalui prosedur yang sudah benar.

Uji Korelasi dalam Pair Sample T Test

Dalam output SPSS untuk uji pair sample t test, dapat kita temukan tiga tabel. Tabel pertama adalah Paired Sample Statistic, kedua adalah Paired Sample Correlation dan ketiga adalah Paired Sample Test. Tabel Test of homogenity variance tidak bisa kita temukan pada output ini. Tiga tabel tersebut menunjukkan fungsi yang berbeda-beda, yang pertama menunjukkan nilai mean dan standard deviasi, yang kedua nilai korelasi dua variabel dan ketiga adalah hasil uji beda (t test).

Ada kejadian menarik ketika seorang mahasiswa ada yang ingin membaca hasil uji beda dengan melihat nilai korelasinya. Hal ini menarik perhatian saya karena, jika ingin melihat uji beda, mengapa melihat korelasinya?

Nilai korelasi menunjukkan skor antara pretest dengan postest, dimana ketika ada korelasi berarti semakin tinggi nilai pretest maka akan semakin tinggi pula postest. Dengan demikian dapat dikatakan bahwa nilai pretest yang semakin tinggi, akan semakin meningkatkan semakin tinggi pula skor postest. Tentu hal ini tidak diharapkan peneliti, karena keberhasilan treatment hanya dinikmati oleh orang yang prestestnya baik. Peneliti tentu berharap skor postest akan semakin meningkat meski skor pretestnya rendah.

Menurut pendapat saya, kita sebaiknya memakai output pada tabel Paired Sample Test, khususnya pada nilai t. Hal ini dikarenakan nilai t menunjukkan hasil uji beda antara skor pretest dengan postest. Jika nilai t signifikan, hal ini berarti ada perbedaan signifikan antara skor pretest dengan postest. Semakin signifikan berarti semakin besar pula perbedaan antar pre dengan post.

Statistik Univariat

Tulisan ini merupakan kelanjutan dari tulisan saya sebelumnya.

Singkat cerita, saya merekomendasikan pada si ibu untuk memakai one sample t test (t tes satu sampel).Hal ini saya pilih karena istilah monovariat sama saja dengan univariat, atau disebut sinonim. 

Ketika Anda googling atau searching di internet anda juga akan ditawarkan untuk mengecek univariat. Nah, baru ketika Anda mengklik univariat, akan muncul berbagai teknik analisis univariat yang ada. Anda dapat menelusuri sumber tersebut satu per satu untuk mendapatkan materi/informasi seputar statistik univariat.

Kenapa saya menyarankan untuk memakai one sample t test? Hal ini didasarkan pada tujuan analisis dan jenis data yang didapatkan. Anda harus mengingat tulisan saya sebelumnya tentang teknik pemilihan analisis statistik untuk aplikasi penelitian. Pada tulisan tersebut, lihat tabel, kita dapat cek ketika tujuan yang hendak dijawab adalah menguji perbedaan satu sampel dengan jenis data yang didapatkan adalah data interval/rasio maka teknik analisis yang dipakai adalah one sample t test. Jika Anda lupa, baiknya kembali baca tulisan saya tersebut.

One sample t test termasuk dalam statistik parametrik, sehigga sebelum dipakai kita perlu uji asumsi yakni: Uji normalitas dan uji homogenitas. Berdasarkan pengalaman saya,  menangani jasa olahdata, memang alat uji ini jarang dipakai oleh para peneliti.

Apakah uji univariat hanya one sample t test? kemudian apa sajakah alat analisis yang masuk statistik bivariat? akan kita bahas pada tulisan saya berikutnya. 

Grafik Bivariat (Variabel X dengan Y)