METODOLOGI PENELITIAN EPIDEMIOLOGI

MAKALAH UJI BEDA DUA KELOMPOK ATAU LEBIH

(PARAMETRIK)

Disusun Oleh:
KELOMPOK 2
Alya Safitri 2210912320021
Annita Nur Rizqia 2210912120013
Hana Nazwarini 2210912220008
Najwa Femilia Andini 2210912220011
Nanda Amalia 2210912120010
Rahmila Azhari 2210912220015
Rizny Putri Mentayani 2210912220001

PROGRAM STUDI KESEHATAN MASYARAKAT

FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN
UNIVERSITAS LAMBUNG MANGKURAT
2024
 DAFTAR ISI

DAFTAR ISI....................................................................................................................
DAFTAR TABEL..........................................................................................................
BAB 1 KONSEP DASAR...........................................................................................
A. Uji Anova......................................................................................................1
B. Manova..........................................................................................................7
C. Ancova..........................................................................................................9
BAB 2 CONTOH PENGGUNAAN DI ARTIKEL ILMIAH JURNAL
INTERNASIONAL.....................................................................................
A. Uji Anova 1 Arah........................................................................................11
B. Uji Anova 2 Arah........................................................................................14
C. Manova........................................................................................................18
D. Ancova........................................................................................................21
BAB 3 PENUTUP........................................................................................................
A. Kesimpulan.................................................................................................25
B. Saran............................................................................................................25
DAFTAR PUSTAKA..................................................................................................

i
 DAFTAR TABEL

1. 1 Peubah-peubah dalam ANCOVA dan Tipe Datanya.......................................9

2. 1 Perbandingan kelompok berisiko tinggi dan berisiko rendah berdasarkan
skor T GSI = 63.............................................................................................
2. 2 Uji Multivariat (Statistik F)............................................................................20
2. 3 Penanda Imun dalam Kaitannya dengan Status hiv.......................................23

ii
 BAB 1
KONSEP DASAR

A. Uji Anova
ANOVA, singkatan dari Analysis of Variance, adalah uji statistik yang
mirip dengan T-Test. ANOVA digunakan untuk menguji signifikansi perbedaan
antara dua atau lebih rata-rata. ANOVA diperkenalkan oleh ahli statistik Ronald
Fisher. Keunggulan metode statistik ini adalah kemampuannya untuk menguji
perbedaan antara lebih dari dua kelompok. Hal inilah yang membedakan ANOVA
dari uji T (1).
Anova atau Analisis Variansi, adalah metode statistik yang digunakan untuk
membandingkan rata-rata dari dua atau lebih kelompok. Tujuan dari metode ini
adalah untuk melihat apakah terdapat perbedaan signifikan antara rata-rata
kelompok tersebut, atau jika perbedaan tersebut dapat dijelaskan oleh variabel
acak. ANOVA merupakan teknik yang sangat kuat dan diterapkan dalam berbagai
disiplin ilmu seperti psikologi, biologi, dan ekonomi. Selain itu, ANOVA dapat
digunakan untuk menguji hipotesis yang terkait dengan bidang-bidang tersebut.
Anova didasarkan pada beberapa asumsi parametrik, yaitu: 1) sampel penelitian
harus berasal dari populasi yang berdistribusi normal, 2) varians antar kelompok
sampel harus homogen, 3) data yang dianalisis harus memiliki skala rasio atau
interval, dan 4) sampel penelitian harus dipilih secara acak (2).

1. Uji anova satu arah

Prosedur ANOVA satu arah, atau One-Way ANOVA, adalah analisis varian
dengan satu variabel dependen. Analisis ini digunakan untuk menguji hipotesis
mengenai kesamaan rata-rata di antara dua atau lebih kelompok. Teknik ini
sebenarnya merupakan pengembangan dari uji-t dua sampel. Dalam ANOVA satu
arah, hasil yang diperoleh meliputi jumlah kasus per kelompok, rata-rata, standar
deviasi, standar error rata-rata, nilai minimum dan maksimum, interval
kepercayaan rata-rata, uji Levene’s untuk kesamaan varians, serta tabel analisis
varians (1).

1
Dalam ANOVA satu arah ada dua kemungkinan hipotesis:
a. Hipotesis nol (H0) adalah tidak ada perbedaan antara kelompok dan
kesetaraan antara rata-rata (walrus memiliki berat yang sama di bulan yang
berbeda).
b. Hipotesis alternatif (H1) adalah terdapat perbedaan antara rata-rata dan
kelompok (walrus memiliki bobot yang berbeda pada bulan yang berbeda).
c. Rumus ANOVA satu arah (One-Way ANOVA) digunakan untuk menghitung
variasi antar kelompok dan dalam kelompok.

Berikut adalah langkah-langkah dan rumus dasarnya:

1) Hitung Rata-rata Total (Grand Mean)

X=
∑X
N
di mana:
X̄ = rata-rata total
ΣX = jumlah semua observasi
N = total jumlah observasi

2) Hitung Rata-rata Setiap Kelompok

Xi=
∑ Xi
ni

di mana:
X̄ i = rata-rata total
ΣXi = jumlah semua observasi
ni = total jumlah observasi

3) Hitung Total Variansi

a) Variansi Antar Kelompok (SSB)
k
SSB=∑ ni (X i− X)2
i=1

2
di mana:
k = jumlah kelompok
b) Variansi Dalam Kelompok (SSW)
k ni
SS W =∑ ∑ ( X ij −X )
2

i=1 j =1

4) Hitung Total Variansi (SST)

SST =SSB+ SSW

5) Hitung Derajat Kebebasan

Derajat kebebasan antar kelompok: dfbetween = k-1
Derajat kebebasan dalam kelompok: dfwithin = N-K
Derajat kebebasan total: dftotal = N-1

6) Hitung Mean Square (MS)

a) Mean Square Antar Kelompok (MSB)
SSB
MSB=
df between

b) Mean Square Dalam Kelompok (MSW)

SS W
MS W =
df within

7) Hitung F-Statistik
M SB
F=
MSW

8) Bandingkan dengan Nilai Kritis F

Gunakan tabel distribusi F untuk menentukan apakah nilai F yang dihitung
signifikan dengan membandingkan dengan nilai kritis pada derajat kebebasan
yang sesuai. Jika p-value <0.05, maka ada perbedaan signifikan antara rata-rata
kelompok.

3
2. Uji anova dua arah
Prosedur ANOVA dua arah melibatkan perhitungan data observasi pada
sampel yang dibagi menjadi dua komponen, yaitu variabilitas di dalam kelompok
(within group) dan variabilitas antar kelompok (between group). Anava atau
analysis of varians Two-way ANOVA dalam penggunaannya pada program SPSS
(Statistical Package for the Social Sciences) dapat diterapkan untuk menguji jenis
penelitian survei maupun eksperimental, yang melibatkan perbandingan antar
kelompok dan antar waktu (1).
Karena ANOVA dua arah mempertimbangkan pengaruh dua faktor
kategoris, dan pengaruh faktor kategoris satu sama lain, ada tiga pasang hipotesis
nol atau alternatif untuk ANOVA dua arah. Di sini, kami menyajikannya untuk
eksperimen walrus kami, di mana bulan musim kawin dan jenis kelamin adalah
dua variabel independen.
a. H0: Rata-rata semua kelompok bulan sama
b. H1: Rata-rata kelompok minimal satu bulan berbeda
c. H0: Rata-rata kelompok jenis kelamin sama
d. H1: Rata-rata kelompok jenis kelamin berbeda
e. H0: Tidak ada interaksi antara bulan dan jenis kelamin.
f. H1: Ada interaksi antara bulan dan jenis kelamin
Rumus untuk uji ANOVA dua arah (Two-Way ANOVA) digunakan untuk
menganalisis pengaruh dari dua variabel independen terhadap satu variabel
dependen, serta untuk memeriksa adanya interaksi antara kedua variabel tersebut.
Berikut adalah langkah-langkah dan rumus dasar yang digunakan:
1) Hitung Rata-rata Total (Grand Mean)

X=
∑X
N

di mana:
X̄ = rata-rata total
ΣX = jumlah semua observasi
N = total jumlah observasi

4
2) Hitung Rata-rata untuk Setiap Kombinasi

X ij =
∑ Xij
ni j

di mana:
X̄ ij = rata-rata untuk kombinasi variabel independent i dan j
ΣXij = jumlah observasi untuk kombinasi i dan j
nij = total jumlah observasi untuk kombinasi i dan j

3) Hitung Total Variansi

a) Variansi Antar Faktor A (SS_A)
a
SS A =∑ ni ( X i−X )2
i=1

di mana:
a = jumlah level variable independen A
ni = total observasi untuk level i dari faktor A

b) Variansi Antar Faktor B (SS_B)

b
SS B=∑ n j (X j− X)2
j=1

di mana:
b = jumlah level variable independen B
nj = total observasi untuk level j dari faktor B

c) Variansi Interaksi (SS_AB)

a b
SS AB=∑ ∑ nij ( X ij − X i−X j + X )2
i=1 j =1

4) Hitung Variansi Dalam Kelompok (SSW)

5
 a b nij
SS AB=∑ ∑ ∑ ( X ij k −X i j)
2

i=1 j =1 k=1

5) Hitung Total Variansi (SST)

SST =SS A + SS B +SS AB + SSW

6) Hitung Derajat Kebebasan

Derajat kebebasan faktor A: dfA = a - 1
Derajat kebebasan faktor B: dfB = b - 1
Derajat kebebasan interaksi: dfAB = (a - 1) (b - 1)
Derajat kebebasan dalam kelompok: dfW = N - ab
Derajat kebebasan total: dftotal = N - 1

7) Hitung Mean Square (MS)

a) Mean Square Faktor A (MSA)
SS A
MSA=
df A

b) Mean Square Faktor B (MSB)

SS B
MS B=
df B

c) Mean Square Interaksi (MSAB)

SS A B
MSA B=
df A B

d) Mean Square Dalam Kelompok (MSW)

SSW
MS W =
df W

8) Hitung F-Statistic

6
 MSA
F A=
MSW
MS B
F B=
MSW
MSA B
F AB=
MSW

9) Bandingkan dengan Nilai Kritis F

Jika p-value < 0.05 untuk faktor A, faktor B, atau interaksi, maka ada
perbedaan signifikan.

B. Manova
Multivariate Analysis of Variance (MANOVA) adalah teknik analisis data
kuantitatif yang digunakan untuk menentukan signifikansi perbedaan lebih dari
dua rata-rata variabel dependen. Uji prasyarat MANOVA meliputi uji normalitas
multivariat menggunakan uji Mardia dan uji homogenitas matriks kovariansi
dengan uji Box's M. Beberapa statistik uji yang digunakan dalam MANOVA
mencakup Wilks’ Lambda, Pillai, Lawley-Hotelling, dan Roy’s Largest Root.
MANOVA berfungsi mengukur pengaruh beberapa variabel independen
kategorikal terhadap variabel dependen berskala kuantitatif. Dengan satu kali uji,
metode ini dapat memberikan informasi tentang keterkaitan antar variabel yang
lebih kompleks, yang tidak dapat dijelaskan melalui uji ANOVA atau uji korelasi
statistik lainnya (3).
Langkah-langkah uji MANOVA adalah sebagai berikut:
1. Formulasi Hipotesis
a. Hipotesis nol (H0): Tidak ada perbedaan signifikan antara kelompok
variabel dependen berdasarkan variabel independen.
b. Hipotesis alternatif (H1): Ada perbedaan signifikan antara kelompok
variabel dependen berdasarkan variabel independen.

7
2. Uji Prasyarat MANOVA:
a. Uji Normalitas Multivariat: Dilakukan untuk memastikan bahwa data
mengikuti distribusi normal multivariat, biasanya menggunakan uji
Mardia.
b. Uji Homogenitas Kovariansi: Menggunakan uji Box's M untuk menguji
apakah matriks kovariansi antar kelompok adalah homogen.

3. Perhitungan Statistik MANOVA

a. Wilks’ Lambda:
|W |
Λ=
|T|
Dengan:
W = matriks dalam grup (within-group) varians-kovariansi,
T = matriks total varians-kovariansi.
Nilai Λ yang kecil menunjukkan perbedaan antar kelompok yang lebih
besar.
b. Pillai's Trace: 𝑉 = trace (𝑊−1𝐵); B adalah matriks antara grup (between-
group) varians-kovariansi.
c. Hotelling-Lawley Trace: 𝑇2 = trace (𝐵𝑊−1)
d. Roy’s Largest Root: 𝜃 = 𝜆max (Nilai eigen terbesar dari W −1 B).

4. Pengujian Signifikansi
a. Statistik F untuk setiap uji dihitung sebagai
varians antara grup
F=
varians dalam grup
b. Bandingkan nilai F dengan nilai kritis dari distribusi F pada derajat
kebebasan tertentu untuk menentukan signifikansi.

5. Uji Lanjutan (Post Hoc)

8
 Jika uji MANOVA signifikan, uji lanjutan dilakukan, seperti uji Tukey atau
uji Bonferroni, untuk mengidentifikasi pasangan variabel mana yang memiliki
perbedaan signifikan.
6. Hasil dan Kesimpulan
Interpretasikan hasil statistik (misalnya, Wilks' Lambda atau Pillai's Trace)
dan p-value untuk menentukan apakah ada perbedaan signifikan antara kelompok
variabel dependen. Jika 𝑝 < 0.05, maka H₀ ditolak dan disimpulkan ada
perbedaan signifikan.

C. Ancova
ANCOVA (Analisis Kovarians) adalah metode statistik yang
menggabungkan ANOVA (Analisis Varians) dan regresi linear. Syarat untuk
melakukan uji ANCOVA data harus diuji normalitas dan homogenitas terlebih
dahulu. Uji normalitas berfungsi untuk mengetahui setiap kelas mempunyai data
yang terdistribusi normal atau tidak. Apabila data terdistribusi secara normal maka
dapat digunakan statistika parametik, sedangkan apabila data tidak terdistribusi
secara normal maka akan digunakan statistika nonparametik. Acuan data
dikatakan normal jika nilai signifikan/probalitas <0,05. Jika nilai signifikan
probabilitas >0,05 maka data tersebut dapat dikatakan tidak berdistribusi secara
normal. Sedangkan uji homogenitas bertujuan untuk melihat bahwa kedua
kelompok sampel tersebut berasal dari populasi yang memiliki varian yang sama.
Varian data kedua kelompok dikatakan homogen jika nilai probabilitas/signifikan
<0,05. Jika nilai probabilitas >0,05 maka data dikatakan tidak homogen (4).

Tabel 1. 1 Peubah-peubah dalam ANCOVA dan Tipe Datanya

Peubah Tipe Data
x (peubah respon) Kuantitatif (kontinu)
Y (peubah bebas) Kuantitatif (disebut covariate)
Kualitatif/kategorik (disebut
treatment/perlakuan/faktor)

9
 Tujuan ANCOVA adalah untuk meningkatkan akurasi hasil penelitian
dengan mengurangi kesalahan residual yang disebabkan oleh variabilitas dalam
kovariat, memungkinkan peneliti untuk lebih tepat mengevaluasi efek dari
variabel independen pada variabel dependen. Ini sangat berguna dalam penelitian
eksperimen dan kuasi-eksperimen di mana beberapa variabel yang tidak
diinginkan mungkin mempengaruhi hasil penelitian. Teknik analisis ANCOVA
dapat dilakukan dengan menggunakan paket program statistik SPSS. Model
matematis ANCOVA sebagai berikut (4).

Model ANCOVA dengan Satu Covariate:

y ij =μ+ τ i+ βxij +ε ij ; i=1 ,2 , … a ; j=1 ,2 , … ni
Keterangan :
Yij = nilai peubah respon pada perlakuan ke-i observasi ke-j
Xij = nilai covariate pada observasi yang bersesuaian dengan yij
τi = pengaruh perlakuan ke-i
β = koefisien regresi linier
εij = random erorr
a = banyaknya kategori pada perlakuan
ni = banyaknya observasi pada kategori ke-i

Asumsi dalam ANCOVA

1. X adalah fixed, diukur tanpa error dan independen terhadap perlakuan (tidak
dipengaruhi oleh perlakuan).
2. εij mengikuti sebaran NID (o,σ2)
3. β ≠ 0 yang mengindikasikan bahwa antara x dan y terdapat hubungan linier.

Hipotesis
H0 : τ1 = τ2 = ...= τa = 0
H1 : sekurang-kurangnya ada satu τi ≠ 0, i = 1, 2, ...a

10
11
 BAB 2
CONTOH PENGGUNAAN DI ARTIKEL ILMIAH JURNAL
INTERNASIONAL

A. Uji Anova 1 Arah

Judul Artikel: Psychological symptoms of ordinary Chinese citizens based on
SCL-90 During the level I emergency response to COVID-19
Nama Jurnal: Psychiatry Research
Link Jurnal:
[Link]
Quartile Jurnal: Q1

Hipotesis/Pertanyaan Penelitian
Hipotesis penelitian ini adalah menyelidiki tingkat keparahan gejala
psikologis di kalangan masyarakat umum di Tiongkok selama periode Tanggap
Darurat Tingkat I untuk wabah COVID-19. Peneliti bertujuan mengevaluasi
dampak pandemi terhadap kesehatan mental, dengan ekspektasi bahwa populasi
akan mengalami tekanan psikologis yang signifikan, terutama pada kelompok
demografis tertentu. Penelitian ini bertujuan untuk berkontribusi dalam
pengembangan strategi pengelolaan kesehatan mental selama situasi darurat
kesehatan masyarakat, sehingga memperkuat sistem manajemen darurat yang
komprehensif terkait kesehatan mental.

Informasi Metodologi Ringkas

Penelitian ini menggunakan desain observasional cross-sectional dan
dilakukan antara 31 Januari dan 2 Februari 2020. Berikut ini adalah rincian
metodologis utama:
1. Peserta: Sampel awal terdiri dari 1.132 warga negara Tiongkok biasa, yang
dikurangi menjadi 1.060 tanggapan yang valid setelah menghilangkan
kuesioner yang tidak diisi dengan benar. Sampel terdiri dari 549 pria dan 511
wanita, berusia 13 hingga 76 tahun (usia rata-rata = 35,01).

12
2. Pengumpulan Data: Peserta direkrut melalui pengambilan sampel bola salju
dan mengisi kuesioner online melalui platform Wenjuanxing. Informed
consent diperoleh dari semua peserta.
3. Alat Penilaian: Gejala psikologis dievaluasi dengan menggunakan Daftar
Periksa Gejala 90 (SCL-90), yang mengukur berbagai dimensi tekanan
psikologis.
4. Analisis Statistik: Data dianalisis menggunakan IBM SPSS 26.0, dengan
menggunakan statistik deskriptif, uji-t satu sampel, dan ANOVA satu arah
untuk perbandingan kelompok, dengan tingkat signifikansi yang ditetapkan
pada 0,05.
5. Etika: Penelitian ini telah disetujui oleh komite etika institusional, mengikuti
pedoman etika dan Deklarasi Helsinki.

Informasi Jenis Analisis

Penelitian ini menggunakan beberapa jenis analisis statistik untuk
mengevaluasi gejala psikologis yang dilaporkan oleh para partisipan:
7. Statistik Deskriptif: Ini digunakan untuk meringkas karakteristik demografis
sampel dan distribusi keseluruhan gejala psikologis.
8. Uji T Satu Sampel: Tes ini digunakan untuk membandingkan nilai rata-rata
peserta dengan nilai rata-rata populasi yang diketahui, membantu menentukan
apakah gejala psikologis dalam sampel berbeda secara signifikan dengan
gejala psikologis dalam populasi umum.
9. One-Way Analysis of Variance (ANOVA): ANOVA digunakan untuk menilai
perbedaan dalam skor T Global Severity Index (GSI) di antara subkelompok
demografis yang berbeda (misalnya, usia, tingkat pendidikan, status
pernikahan). Analisis tersebut meliputi:
a. Uji Levene: Untuk memeriksa homogenitas varians antar kelompok.
b. Welch's ANOVA: Diterapkan ketika asumsi homogenitas varians
dilanggar, terutama untuk kelompok usia.
10. Uji Shapiro-Wilk: Uji ini dilakukan untuk menilai normalitas distribusi data
dalam setiap kelompok sebelum melakukan ANOVA.

13
Informasi Hasil Analisis Statistik
Hasil analisis statistik dari penelitian ini mengungkapkan temuan yang
signifikan terkait gejala psikologis yang dialami oleh para partisipan selama
pandemi COVID-19. Berikut adalah hasil-hasil utamanya:
1. Gejala Psikologis Secara Keseluruhan: Lebih dari 70% dari 1.060 partisipan
melaporkan gejala psikologis tingkat sedang hingga tinggi, dengan skor yang
meningkat terutama untuk gejala obsesif-kompulsif, sensitivitas interpersonal,
kecemasan fobia, dan psikotik.

Tabel 2. 1 Perbandingan kelompok berisiko tinggi dan berisiko rendah

berdasarkan skor T GSI = 63.

2. Skor-T GSI: Skor-T Indeks Keparahan Global (GSI) digunakan untuk

mengkategorikan peserta ke dalam kelompok berisiko tinggi (skor-T ≥ 63)
dan berisiko rendah (skor-T < 63). Rata-rata skor-T GSI untuk kelompok
berisiko tinggi secara signifikan lebih tinggi (67,4 ± 0,43) dibandingkan
dengan kelompok berisiko rendah (47,52 ± 0,26), yang mengindikasikan
tingkat tekanan psikologis yang substansial di antara mereka yang berada
dalam kategori berisiko tinggi.

14
3. Perbedaan Demografis:
a. Usia: Skor-T GSI tertinggi di antara partisipan berusia di bawah 18 tahun
(72.89 ± 4.83), yang mengindikasikan tekanan psikologis yang lebih besar
pada kelompok usia ini. Analisis menunjukkan perbedaan yang signifikan
di seluruh kelompok usia (Welch F = 7.377, P <0.001) [T5].
b. Jenis Kelamin: Tidak ada perbedaan signifikan yang ditemukan pada skor-
T GSI antara laki-laki dan perempuan (F = 0.122, P = 0.72).
c. Pencapaian Pendidikan: Perbedaan yang signifikan diamati berdasarkan
tingkat pendidikan, dengan mereka yang memiliki tingkat pendidikan
lebih rendah melaporkan skor TSI yang lebih tinggi (Welch F = 8.108, P
<0.001).
d. Status Perkawinan: Individu yang bercerai atau menjanda memiliki skor T
GSI tertinggi, dengan perbedaan yang signifikan di antara kelompok status
pernikahan (F = 9,136, P <0,001).
4. Kelompok Pekerjaan: Analisis menunjukkan bahwa staf medis, pekerja
pertanian, dan staf perusahaan memiliki kemungkinan tertinggi untuk berada
dalam kelompok berisiko tinggi, dengan perbedaan yang signifikan dalam
skor GSI T di seluruh kategori pekerjaan (F = 7.472, P <0.001).

B. Uji Anova 2 Arah

Judul Artikel: Investigating Mental Health of US College Students During the
COVID-19 Pandemic: Cross-Sectional Survey Study
Nama Jurnal: Journal of Medical Internet Research
Link Jurnal: [Link]
Quartile Jurnal: Q1

Hipotesis/Pertanyaan Penelitian
Apakah pandemi COVID-19 berdampak signifikan terhadap kesehatan
mental mahasiswa Universitas A&M Texas di Amerika Serikat, khususnya dalam
hal tingkat depresi dan kecemasan?

15
 Penelitian ini bertujuan untuk mengidentifikasi tingkat keparahan gejala
depresi dan kecemasan (hasil utama), serta pemicu stres yang terkait dengan
pandemi, mekanisme penanganan yang digunakan, dan hambatan yang dialami
oleh mahasiswa dalam menangani stres terkait pandemi.

Informasi Metodologi Ringkas:

1. Desain Penelitian: Penelitian ini merupakan studi survei potong lintang
(cross-sectional) yang dilakukan pada mahasiswa di Universitas A&M Texas
selama puncak awal pandemi COVID-19.
2. Waktu Pengumpulan Data: Survei dilaksanakan mulai tanggal 4 Mei hingga
19 Mei 2020.
3. Populasi dan Sampel: Populasi penelitian adalah mahasiswa sarjana dan
pascasarjana dari Universitas A&M Texas. Adapun sampel penelitian ini
melibatkan 2031 responden. Partisipan direkrut melalui email yang
dikirimkan ke seluruh populasi mahasiswa (sekitar 60.000 mahasiswa) di
universitas tersebut.
4. Instrumen Pengumpulan Data: Survei online disusun menggunakan platform
Qualtrics, yang terdiri dari pertanyaan pilihan ganda dan pertanyaan terbuka
untuk elaborasi lebih lanjut. Survei berfokus pada beberapa aspek:
a. Patient Health Questionnaire (PHQ-9): untuk mengukur tingkat depresi.
b. Kuesioner Gangguan Kecemasan Umum 7-item (GAD-7): untuk
mengukur tingkat kecemasan.
c. Pertanyaan tambahan terkait stressor akademik, kesehatan, dan gaya hidup
yang dipicu oleh COVID-19 serta mekanisme koping yang digunakan oleh
mahasiswa.
5. Analisis Data: Data kuantitatif dianalisis menggunakan perangkat lunak Excel
dan R 4.0.2. Analisis yang dilakukan termasuk perhitungan rata-rata skor dan
uji ANOVA dua arah untuk mengidentifikasi pengaruh variabel gender dan
kelompok kelas terhadap hasil mental kesehatan. Adapun, data kualitatif dari
pertanyaan terbuka dianalisis menggunakan analisis tematik dengan

16
 perangkat lunak MAXQDA untuk mengidentifikasi pola dan tema utama
dalam jawaban responden.
6. Etika Penelitian: Penelitian ini mendapat persetujuan dari dewan etik institusi
(Institutional Review Board) Universitas A&M Texas. Partisipasi mahasiswa
dilakukan secara sukarela dengan jaminan kerahasiaan data mereka.

Informasi Jenis Analisis:

Software yang Digunakan: Analisis kuantitatif dilakukan menggunakan
Microsoft Excel dan R 4.0.2. Analisis kualitatif dilakukan dengan menggunakan
Microsoft Excel dan MAXQDA untuk membantu analisis data tematik dari
jawaban terbuka.
1. Statistik Deskriptif: Digunakan untuk menggambarkan distribusi tingkat
depresi, kecemasan, serta karakteristik demografis sampel.
2. ANOVA dua arah (Analysis of Variance): Digunakan untuk menganalisis
pengaruh antara variabel-variabel seperti jenis kelamin dan klasifikasi
akademik terhadap skor PHQ-9 dan GAD-7.
3. Tukey’s Honest Significant Difference (HSD) digunakan untuk
membandingkan perbedaan antar kelompok klasifikasi akademik dan jenis
kelamin secara lebih spesifik.
4. Analisis Tematik Kualitatif: Dilakukan pada pertanyaan terbuka dalam survei
menggunakan teknik analisis tematik untuk mengidentifikasi tema-tema
umum dari responden terkait stres, kecemasan, dan mekanisme koping selama
pandemi. Kode-kode awal dikembangkan berdasarkan studi sebelumnya,
kemudian dikategorikan ulang sesuai dengan tema yang muncul. Analisis
dilakukan oleh empat pengkode berbeda yang mengkaji berbagai tema yang
muncul dari jawaban responden.
Analisis kuantitatif dilakukan menggunakan Microsoft Excel dan R 4.0.2.
Analisis kualitatif dilakukan dengan menggunakan Microsoft Excel dan
MAXQDA untuk membantu analisis data tematik dari jawaban terbuka.

17
Informasi Hasil Analisis Statistik:
1. Kondisi Depresi
a. Dari 1994 responden yang menyelesaikan kuesioner PHQ-9 (Patient
Health Questionnaire) 80,57% mengalami depresi dengan berbagai tingkat
keparahan, yakni: 32,45% (n=647) mengalami depresi ringan, 24,87%
(n=496) depresi sedang, 15,85% (n=316) depresi cukup parah, dan 7,42%
(n=148) mengalami depresi parah.
b. Analisis ANOVA Dua Arah menunjukkan efek signifikan dari jenis
kelamin dan klasifikasi pendidikan terhadap skor depresi. Jenis kelamin
(𝑃<0.001, 𝜂2=0.03) Klasifikasi pendidikan (𝑃<0.001, 𝜂2=0.03).
c. Hasil perbandingan Tukey HSD: Skor depresi perempuan lebih tinggi
secara signifikan dibandingkan laki-laki dengan perbedaan rata-rata 1,76
poin (perempuan=10,61; laki-laki=8,84). Perbedaan signifikan antara
mahasiswa doktoral dengan mahasiswa sarjana di semua tingkatan
(P<0.001), serta perbedaan signifikan antara mahasiswa magister dengan
mahasiswa sarjana (P<0.001).
2. Kondisi Kecemasan:
a. Dari 2014 responden yang menyelesaikan kuesioner GAD-7 (Generalized
Anxiety Disorder) 71,75% menunjukkan kecemasan dengan distribusi:
33,27% (n=670) mengalami kecemasan ringan, 23,68% (n=477)
kecemasan sedang, dan 14,80% (n=298) mengalami kecemasan parah.
b. Analisis ANOVA Dua Arah menunjukkan efek signifikan dari jenis
kelamin dan klasifikasi pendidikan terhadap skor Kecemasan. Jenis
kelamin (P<0.001, 𝜂2=0.05) Klasifikasi pendidikan (𝑃<0.001, 𝜂2=0.02)
c. Hasil perbandingan Tukey HSD: Skor kecemasan perempuan lebih tinggi
secara signifikan dibandingkan laki-laki dengan perbedaan rata-rata 2,22
poin (perempuan=9,12; laki-laki=6,89). Perbedaan signifikan ditemukan
antara mahasiswa doktoral dengan semua tingkat sarjana (P<0.001), serta
antara mahasiswa magister dengan mahasiswa tahun kedua (P=0.03).

18
3. Pemikiran Suicidal
18,04% responden (n=366) melaporkan memiliki pemikiran untuk melukai
diri sendiri atau bunuh diri dalam dua minggu terakhir.
4. Stres Terkait Pandemi
Mayoritas responden (71,26%, n=1443) melaporkan bahwa tingkat stres
atau kecemasan mereka meningkat selama pandemi. Kontributor utama stres
adalah faktor akademik (39,12%, n=532), terutama karena transisi mendadak ke
pembelajaran daring dan peningkatan beban tugas.
5. Pengaruh Faktor Demografis
Analisis ANOVA dua arah mengungkapkan bahwa perbedaan signifikan
ditemukan dalam skor depresi dan kecemasan terkait dengan jenis kelamin dan
tingkat pendidikan, di mana mahasiswa doktoral memiliki tingkat depresi dan
kecemasan lebih rendah dibandingkan mahasiswa sarjana. Analisis ini
menunjukkan bahwa pandemi COVID-19 berdampak signifikan terhadap
kesehatan mental mahasiswa.

C. Manova
Judul Artikel: Causes of Under-5 Mortality Among Brazil, the Russian
Federation, India, China, and South Africa Nations: A Comparative Study
Nama Jurnal: Value in Health Regional Issues
Link Jurnal:
[Link]
Quartile Jurnal: Q1

Hipotesis/Pertanyaan Penelitian
Penelitian ini berhipotesis bahwa ada hubungan signifikan antara variabel-
variabel ekonomi, sosial, dan kesehatan dengan tingkat kematian balita di negara-
negara BRICS (Brasil, Rusia, India, Tiongkok, dan Afrika Selatan). Pertanyaan
utama yang diangkat adalah: "Apakah faktor ekonomi, seperti PDB per kapita dan
pengeluaran kesehatan, serta faktor sosial, seperti tingkat literasi, memiliki
dampak signifikan terhadap lima penyebab utama kematian balita di negara-

19
negara BRICS?" Penelitian ini juga mempertanyakan apakah ada perbedaan pola
kematian balita antar negara BRICS dari tahun 2000 hingga 2015.

Informasi Metodologi Ringkas

Penelitian ini menggunakan pendekatan kuantitatif dengan desain
longitudinal. Data sekunder dikumpulkan dari sumber-sumber terpercaya seperti:
1. Bank Dunia: Data PDB, pendapatan per kapita, dan statistik populasi.
2. WHO: Informasi kesehatan anak dan program kesehatan masyarakat.
3. UNICEF: Data tentang imunisasi dan kesehatan ibu dan anak.
a. Periode yang dianalisis adalah dari tahun 2000 hingga 2015. Proses
pengumpulan data mencakup:
4. Penggunaan statistik deskriptif untuk memberikan gambaran umum tentang
tren kematian.
5. Transformasi logaritma untuk standardisasi data, mengingat adanya variasi
skala yang signifikan antar variabel.
6. Pembentukan data panel seimbang yang memungkinkan analisis lintas waktu
dan lintas negara.

Informasi Jenis Analisis

Peneliti menerapkan analisis varians multivariat (MANOVA) untuk menilai
pengaruh simultan dari variabel-variabel independen terhadap beberapa variabel
dependen, yaitu lima penyebab utama kematian balita:
1. Infeksi Saluran Pernapasan Akut.
2. Diare.
3. Prematuritas.
4. Asfiksia dan Trauma Lahir.
5. Penyebab Lain.
Selain itu, analisis tren digunakan untuk memantau perubahan dari tahun ke
tahun dalam angka kematian dan penyebabnya.

20
Informasi Hasil Analisis Statistik
Hasil analisis menunjukkan pola penurunan angka kematian balita di semua
negara BRICS selama periode yang dianalisis. Namun, perbedaan yang signifikan
terlihat antar negara. Temuan kunci meliputi:
1. India memiliki angka kematian balita yang jauh lebih tinggi dibandingkan
dengan negara-negara BRICS lainnya, terutama karena tingginya insiden
infeksi saluran pernapasan akut dan diare.

Tabel 2. 2 Uji Multivariat (Statistik F)

2. MANOVA menunjukkan bahwa variabel ekonomi seperti PDB per kapita (F

= 15.967, p < 0.001) dan total pengeluaran kesehatan (F = 39.327, p < 0.001)
berpengaruh signifikan terhadap angka kematian balita.
3. Paparan polusi dan akses terhadap sanitasi yang lebih baik juga diidentifikasi
sebagai faktor penting, di mana negara-negara dengan infrastruktur kesehatan
yang lebih baik menunjukkan penurunan angka kematian yang lebih besar.
Kesimpulan dari analisis ini adalah bahwa intervensi kesehatan masyarakat
yang lebih kuat dan perbaikan dalam akses layanan kesehatan di negara-negara
tersebut berkontribusi pada penurunan angka kematian balita, namun masih ada
tantangan yang harus diatasi, terutama di India.

21
D. Ancova
Judul Artikel: Patterns of Immune Activation in HIV and Non HIV Subjects and
Its Relation to Cardiovascular Disease Risk
Nama Jurnal: Frontiers in Immunology
Link jurnal:
[Link]
fimmu.2021.647805/full
Quartile Jurnal: Q1

Hipotesis/Pertanyaan Penelitian
Penelitian ini bertujuan untuk menjawab dua pertanyaan utama:
1. Apakah pola aktivasi imun yang berbeda dapat diidentifikasi antara individu
HIV-positif yang sudah menggunakan terapi antiretroviral (ART) dengan
individu HIV-negatif?
2. Bagaimana hubungan penanda inflamasi dengan risiko penyakit
kardiovaskular (CVD), yang dinilai menggunakan ketebalan intima-media
arteri karotis (CIMT), dalam konteks infeksi HIV?
Hipotesis: Ada perbedaan signifikan dalam pola inflamasi antara pasien
HIV-positif yang menggunakan ART dan individu HIV-negatif, dan beberapa
penanda inflamasi berhubungan dengan peningkatan risiko CVD pada kedua
kelompok, terutama yang terkait dengan CIMT.

Informasi Metodologi Ringkas

Penelitian ini menggunakan desain cross-sectional yang melibatkan 289
partisipan: 185 orang HIV-positif yang sudah menggunakan ART dan berada
dalam keadaan supresi viral (viral load <50 cp/mL) dan 104 orang HIV-negatif.
Data dikumpulkan di Johannesburg, Afrika Selatan.
1. Partisipan HIV-positif: Berasal dari studi acak terkontrol yang
membandingkan ART lini kedua, dengan rentang waktu infeksi HIV rata-rata
9 tahun dan median waktu pada ART adalah 8 tahun.

22
2. Partisipan HIV-negatif: Sebagian besar adalah anggota keluarga atau teman
dari partisipan HIV-positif dan dipilih agar memiliki usia dan jenis kelamin
yang serupa.
Pengukuran inflamasi dilakukan menggunakan Proximity Extension Assay
(PEA) dari panel Olink, yang mengukur 92 penanda inflamasi secara simultan.
Risiko CVD dinilai melalui pengukuran ketebalan intima-media arteri karotis
(carotid intima-media thickness, CIMT) menggunakan ultrasound dengan metode
B-mode pada beberapa sudut standar arteri karotis. Data tambahan yang
dikumpulkan meliputi faktor risiko CVD klasik seperti tekanan darah, kolesterol,
dan merokok.

Informasi Jenis Analisis

Analisis dilakukan menggunakan berbagai pendekatan statistik untuk
mengeksplorasi perbedaan pola inflamasi dan hubungannya dengan risiko CVD:
1. Principal Component Analysis (PCA): Analisis ini digunakan untuk
mengidentifikasi pola inflamasi dari 92 penanda inflamasi yang diukur. PCA
pertama dilakukan menggunakan semua penanda imun, sementara PCA
kedua hanya menggunakan 30 penanda imun dengan daya diskriminasi
tertinggi antara kelompok HIV-positif dan HIV-negatif.
2. Analisis Kovarian (ANCOVA): ANCOVA dilakukan untuk mengeksplorasi
perbedaan penanda imun antara kedua kelompok dengan penyesuaian usia,
jenis kelamin, dan status merokok. Penyesuaian p-value dilakukan
menggunakan metode False Discovery Rate (FDR) Benjamini-Hochberg,
dengan penanda yang memiliki p-value FDR <0.05 dianggap signifikan.
3. Regresi Linear: Digunakan untuk menganalisis hubungan antara penanda
inflamasi yang signifikan dan CIMT. Beberapa model regresi linear
diterapkan, yang mengontrol faktor-faktor seperti usia, jenis kelamin, dan
faktor risiko CVD lainnya (misalnya, tekanan darah sistolik, kolesterol LDL,
merokok).

23
Informasi Hasil Analisis Statistik: Temuan Utama:
1. Dari analisis PCA, tidak ditemukan pola inflamasi yang jelas yang
membedakan partisipan HIV-positif dari HIV-negatif, bahkan setelah
menggunakan 30 penanda imun dengan daya diskriminasi tertinggi. PCA
hanya mampu menjelaskan 32% variasi dalam data.

Tabel 2. 3 Penanda Imun dalam Kaitannya dengan Status hiv

2. Hasil ANCOVA: Sebanyak 9 dari 92 penanda imun berbeda secara

signifikan antara kelompok HIV-positif dan HIV-negatif setelah penyesuaian
FDR (p < 0.05). Penanda-penanda yang paling menonjol adalah CCL25,
OSM, PDL1, IL18R1, dan CXCL10. Penanda PDL1, yang merupakan
penanda aktivasi imun, menunjukkan hubungan yang signifikan dengan
CIMT, terutama pada partisipan HIV-negatif.
3. Regresi Linear: Pada model regresi yang memperhitungkan faktor risiko
klasik CVD, PDL1 tetap menunjukkan hubungan signifikan dengan CIMT (β
= 0.037, p = 0.004). Namun, setelah stratifikasi berdasarkan status HIV,
hubungan ini hanya signifikan pada kelompok HIV-negatif (β = 0.057, p =
0.017), sementara pada kelompok HIV-positif hubungan antara PDL1 dan
CIMT tidak lagi signifikan (p = 0.09). Ini menunjukkan bahwa mekanisme
aktivasi imun dalam perkembangan plak atherosclerosis dapat berbeda antara
individu HIV-positif dan HIV-negatif.

24
 Tidak ada pola inflamasi global yang berbeda secara signifikan antara HIV-
positif yang menggunakan ART dan HIV-negatif, namun beberapa penanda imun
individu seperti PDL1 berhubungan erat dengan risiko CVD, terutama pada
individu HIV-negatif. Hasil ini menekankan perlunya penelitian lebih lanjut pada
mekanisme spesifik yang menghubungkan HIV, inflamasi, dan risiko CVD

25
 BAB 3
PENUTUP

A. Kesimpulan

B. Saran

26
 DAFTAR PUSTAKA

1. Siregar HD, dkk. Analisis Uji Hipotesis Penelitian Perbandingan

Menggunakan Statistik Parametrik. Al Itihadu Jurnal Pendidikan. 2024; 3(1):
1-12.
2. Waluyo E, dkk. Analisis Data Sample Menggunakan Uji Hipotesis Penelitian
Perbandingan Menggunakan Uji Anova dan Uji T. Jurnal Ekonomi dan
Bisnis. 2024; 2(6): 775-785.
3. Pursitasari ID, dkk. Multivariat Analysis of Variance (MANOVA) di Bidang
Kesehatan dan Pendidikan MIPA. Jurnal Ilmiah Kanderang Tingang. 2024;
15(1): 117-126.
4. Lüdtke O, Robitzsch A. ANCOVA Versus Change Score for The Analysis of
Two-Wave Data. The Journal of Experimental Education. 2023; 1-33.
5. Tian F, et al. Psychological Symptoms of Ordinary Chinese Citizens Based
on SCL-90 During The Level I Emergency Response to COVID-19.
Psychiatry Research. 2020; 288: 112992.
6. Wang X, et al. Investigating Mental Health of US College Students During
The COVID-19 Pandemic: Cross-Sectional Survey Study. Journal of Medical
Internet Research. 2020; 22(9): e22817.
7. Pillai KR, Christina I. Causes of Under-5 Mortality Among Brazil, The
Russian Federation, India, China, and South Africa Nations: A Comparative
Study. Value in Health Regional Issues. 2020; 21: 238-244.
8. Vos AG, et al. Patterns of Immune Activation in HIV and Non HIV Subjects
and Its Relation to Cardiovascular Disease Risk. Frontiers in Immunology.
2021; 12: 647805.

27