Variabel, Skala Data, dan Kerangka Konsep
Modul 2 · Biostatistik · Semester Ganjil 2026/2027
Program Studi D4 Teknologi Laboratorium Medik, Universitas Syedza Saintika
Daftar bagian
Tujuan belajar
Setelah modul ini, Anda mampu:
- Menentukan skala data (nominal, ordinal, interval, rasio) setiap variabel.
- Membedakan data kategorik dan numerik.
- Menentukan variabel independen dan dependen dengan arah yang benar.
- Membedakan asosiasi dan sebab-akibat.
- Menulis definisi operasional yang lengkap dan benar.
Skala data adalah penentu pertama uji statistik. Salah skala berarti hampir pasti salah uji.
Apa itu variabel?
Variabel adalah karakteristik yang nilainya berbeda antar subjek atau antar pengukuran.
- Kadar Hb berbeda antar pasien, jadi Hb adalah variabel.
- Jika semua subjek penelitian Anda laki-laki, maka jenis kelamin bukan variabel dalam penelitian itu, melainkan kriteria inklusi.
Setiap variabel harus punya: nama, cara ukur, alat ukur, hasil ukur (dengan satuan), dan skala.
Empat skala pengukuran
Nominal, Ordinal, Interval, Rasio. Hafalkan urutannya: N-O-I-R. Setiap tingkat memiliki semua sifat tingkat sebelumnya, ditambah satu sifat baru.
Skala nominal dan ordinal
Nominal: hanya nama kelompok, tanpa urutan.
- golongan darah A, B, AB, O
- hasil rapid test reaktif / nonreaktif
- jenis kelamin, status merokok
- spesies bakteri hasil identifikasi
Boleh dihitung: frekuensi, persen, modus.
Skala nominal dan ordinal (lanjutan)
Ordinal: kelompok berurutan, tetapi jarak antarkelompok tidak sama.
- grading BTA: negatif, scanty, 1+, 2+, 3+
- kategori IMT: kurus, normal, gemuk, obesitas
- derajat anemia: ringan, sedang, berat
- hasil dipstik urin: negatif, +1, +2, +3
Boleh dihitung: frekuensi, persen, median.
Skala interval dan rasio
Interval: angka dengan jarak sama, tetapi nol bukan berarti “tidak ada”.
- suhu dalam °C (0 °C bukan “tidak ada suhu”)
- tanggal atau tahun kalender
Tidak bisa berkata “20 °C dua kali lebih panas dari 10 °C”.
Rasio: angka dengan jarak sama dan nol mutlak.
- kadar Hb, glukosa, kreatinin
- jumlah trombosit, leukosit
- usia, berat badan, volume
Boleh berkata “trombosit 300 adalah dua kali trombosit 150”.
Hampir semua hasil kuantitatif laboratorium berskala rasio. Dalam praktik statistik, interval dan rasio diperlakukan sama: keduanya disebut data numerik.
Cara cepat menentukan skala
Ajukan tiga pertanyaan secara berurutan:
- Apakah nilainya bisa diurutkan? Jika tidak, nominal.
- Apakah jarak antar nilai sama dan bermakna? Jika tidak, ordinal.
- Apakah nol berarti tidak ada? Jika ya, rasio; jika tidak, interval.
| Skala | Urutan | Jarak sama | Nol mutlak | Kelompok besar |
|---|---|---|---|---|
| Nominal | tidak | tidak | tidak | Kategorik |
| Ordinal | ya | tidak | tidak | Kategorik |
| Interval | ya | ya | tidak | Numerik |
| Rasio | ya | ya | ya | Numerik |
Numerik: diskrit dan kontinu
- Diskrit: hasil membilang, bilangan bulat. Contoh: jumlah koloni pada cawan, jumlah episode demam.
- Kontinu: hasil mengukur, bisa berdesimal. Contoh: kadar Hb 13,4 g/dL, kreatinin 0,91 mg/dL.
Jumlah trombosit secara teknis adalah hitungan, tetapi karena nilainya sangat besar (ratusan ribu), dalam analisis ia diperlakukan sebagai kontinu.
Jebakan 1: data numerik yang dijadikan kategori
Trombosit 98 dan trombosit 20 (×10³/µL) sama-sama masuk kategori “trombositopenia” jika batasnya < 100. Padahal keduanya sangat berbeda secara klinis.
- Mengubah data numerik menjadi kategori (dikotomisasi) membuang informasi dan menurunkan kemampuan uji mendeteksi perbedaan.
- Boleh dilakukan jika ada alasan klinis yang jelas dan batasnya dirujuk ke pedoman, bukan dibuat sendiri.
Aturan praktis: kumpulkan data dalam bentuk numerik. Kategorisasi bisa dilakukan belakangan, tetapi data kategorik tidak bisa dikembalikan menjadi angka.
(Altman & Royston, 2006)
Jebakan 2: hasil semikuantitatif
Contoh dari naskah skripsi
Pemeriksaan CRP memakai lateks slide test dengan hasil pengenceran bertingkat: “< 5”, 6, 12, 24, 48, 96, “> 160” mg/L. Hasil ini lalu dihitung rerata dan simpangan bakunya, lalu dianalisis dengan ANOVA.
Jebakan 2: hasil semikuantitatif (lanjutan)
Masalahnya:
- Nilai pengenceran bertingkat tidak berjarak sama (setiap tingkat dua kali lipat), jadi ini lebih dekat ke ordinal.
- “< 5” dan “> 160” bukan angka pasti (data tersensor). Mengganti “< 5” menjadi 4 atau 5 adalah karangan peneliti.
- Rerata dan ANOVA tidak tepat. Pilihan yang lebih jujur: sajikan sebagai kategori berurutan dan gunakan uji untuk data ordinal (dibahas di Modul 9 dan 10).
Variabel independen dan dependen
Variabel mana yang memengaruhi, dan mana yang dipengaruhi?
Definisi dan contoh
- Variabel independen (bebas): yang diduga memengaruhi atau menjadi pembeda kelompok.
- Variabel dependen (terikat): hasil yang diukur, yang diduga dipengaruhi.
- Variabel perancu (confounder): variabel lain yang berhubungan dengan keduanya dan bisa mengacaukan kesimpulan.
Definisi dan contoh (lanjutan)
| Penelitian | Independen | Dependen | Contoh perancu |
|---|---|---|---|
| Hb perokok vs bukan perokok | status merokok | kadar Hb | jenis kelamin |
| Kreatinin sebelum dan sesudah hemodialisis | waktu (sebelum/sesudah) | kreatinin | lama HD |
| Stadium HIV dan jumlah limfosit | stadium HIV | limfosit absolut | infeksi oportunistik |
Lihat perancu di dataset kita
Pada dataset berjalan, 15 dari 17 perokok adalah laki-laki.
Laki-laki punya Hb lebih tinggi daripada perempuan (rerata 14,92 vs 13,05 g/dL).
Jadi jika perokok terlihat punya Hb lebih tinggi, apakah karena merokok, atau karena sebagian besar perokok adalah laki-laki?
Inilah contoh perancu. Solusinya: batasi sampel pada satu jenis kelamin (kriteria inklusi), bandingkan dalam tiap jenis kelamin (stratifikasi), atau pakai analisis multivariat.
Jebakan 3: arah panah terbalik
Contoh dari naskah skripsi
Kerangka konsep menulis: Limfosit absolut dan CRP (independen) → Tingkat progresivitas HIV (dependen).
Secara patofisiologi, arahnya terbalik. Progresivitas HIV merusak sistem imun, sehingga limfosit turun dan CRP naik. Limfosit dan CRP adalah penanda (marker), bukan penyebab.
Arah yang benar: Stadium HIV (independen) → Limfosit absolut, CRP (dependen).
Di penelitian laboratorium, parameter lab hampir selalu merupakan hasil ukur (dependen), kecuali Anda menilai kemampuan parameter itu memprediksi sesuatu.
Asosiasi bukan sebab-akibat
Pada desain potong lintang (cross-sectional), semua variabel diukur pada waktu yang sama. Anda hanya bisa menyimpulkan ada hubungan (asosiasi), tidak bisa menyimpulkan sebab-akibat.
| Boleh ditulis | Tidak boleh ditulis |
|---|---|
| “Terdapat hubungan antara merokok dan kadar Hb” | “Merokok menyebabkan kenaikan Hb” |
| “Kadar Hb perokok lebih tinggi” | “Merokok meningkatkan Hb sebesar 0,6 g/dL” |
Kesimpulan sebab-akibat membutuhkan eksperimen (misalnya perlakuan pada hewan coba dengan kelompok kontrol dan randomisasi) atau desain kohort yang kuat.
Definisi operasional
Tabel yang menjembatani teori dan pengukuran nyata.
Contoh definisi operasional: variabel laboratorium
| Variabel | Definisi operasional | Alat ukur | Cara ukur | Hasil ukur | Skala |
|---|---|---|---|---|---|
| Kadar Hb | Konsentrasi hemoglobin dalam darah vena EDTA | Hematology analyzer | Fotometri (mis. SLS-Hb, sesuaikan alat) | g/dL | Rasio |
| Jumlah trombosit | Jumlah trombosit per µL darah vena EDTA | Hematology analyzer | Impedansi | ×10³/µL | Rasio |
Contoh definisi operasional: variabel subjek
| Variabel | Definisi operasional | Alat ukur | Cara ukur | Hasil ukur | Skala |
|---|---|---|---|---|---|
| Status merokok | Pengakuan subjek merokok ≥ 1 batang/hari dalam 6 bulan terakhir | Kuesioner | Wawancara | Merokok / Tidak | Nominal |
| Kategori IMT | Pengelompokan IMT menurut kriteria Asia-Pasifik | Timbangan, stadiometer | Pengukuran | Kurus / Normal / Gemuk / Obesitas | Ordinal |
Kesalahan yang sering muncul di definisi operasional
Temuan yang sering muncul di naskah skripsi
- Cara ukur trombosit ditulis “flow cytometry”, padahal alat yang dipakai bekerja dengan prinsip impedansi.
- Satuan leukosit ditulis “sel/µL”, tetapi angkanya 17,571. Seharusnya 17,57 ×10³/µL (atau 17.571 sel/µL). Kesalahan satuan ini membuat “leukositosis” terbaca seperti “leukopenia”.
- Kolom skala terisi “rasio” untuk variabel yang hasil ukurnya berupa kategori.
Definisi operasional adalah kontrak antara Anda dan pembaca. Isinya harus sama persis dengan apa yang benar-benar Anda lakukan di laboratorium.
Mengapa skala sangat penting
Skala data menentukan statistik deskriptif dan uji yang boleh dipakai:
| Skala | Ringkasan data | Contoh uji hubungan |
|---|---|---|
| Nominal | frekuensi, persen | Chi-square, Fisher |
| Ordinal | median, persen | Spearman, Mann-Whitney |
| Numerik (normal) | rerata ± SD | uji t, ANOVA, Pearson |
| Numerik (tidak normal) | median (Q1 sampai Q3) | Mann-Whitney, Kruskal-Wallis, Spearman |
Contoh kesalahan fatal: korelasi Pearson atau Spearman untuk variabel nominal (misalnya jenis kelamin). Korelasi membutuhkan data yang bisa diurutkan. Variabel nominal tidak punya urutan.
Latihan 1: tentukan skala
Tentukan skala setiap variabel dataset berjalan:
jenis_kelamin, usia_tahun, status_merokok, kategori_imt, hb_g_dl, trombosit_10e3_ul, hasil_rapid
Jawaban:
- Nominal:
jenis_kelamin,status_merokok,hasil_rapid - Ordinal:
kategori_imt - Rasio (numerik):
usia_tahun,hb_g_dl,trombosit_10e3_ul
Latihan 2: variabel dan arah
Judul: “Perbedaan jumlah trombosit berdasarkan hasil serologi IgG/IgM dengue pada pasien demam.”
Mana variabel independen dan dependen?
Apa skala masing-masing?
Sebutkan satu kemungkinan perancu.
Latihan 2: variabel dan arah (jawaban)
Jawaban:
Independen: kategori serologi (IgM+, IgG+, IgM+IgG+, negatif). Dependen: jumlah trombosit.
Kategori serologi: nominal. Trombosit: rasio.
Hari demam saat sampel diambil (trombosit paling rendah biasanya di fase kritis).
Latihan 3: temukan kesalahannya
“Kadar gula darah (mg/dL) dikelompokkan menjadi normal dan tinggi, lalu diuji hubungannya dengan jenis kelamin menggunakan korelasi Spearman.”
Apa masalahnya?
Jawaban:
- Jenis kelamin adalah nominal, jadi korelasi Spearman tidak tepat.
- Gula darah dikategorikan tanpa alasan, sehingga informasi hilang.
- Pilihan yang lebih baik: bandingkan kadar gula darah (numerik) antara laki-laki dan perempuan (uji t atau Mann-Whitney), atau jika memang harus dua kategori, gunakan Chi-square.
Ringkasan
- Skala data: nominal, ordinal (kategorik), interval, rasio (numerik).
- Hampir semua hasil kuantitatif lab berskala rasio. Hasil semikuantitatif (titer, +1/+2) lebih dekat ke ordinal.
- Jangan mengkategorikan data numerik tanpa alasan.
- Parameter lab umumnya dependen. Periksa arah panah kerangka konsep dengan logika patofisiologi.
- Potong lintang hanya menunjukkan asosiasi.
- Definisi operasional harus sesuai kenyataan: alat, prinsip, satuan, skala.
Daftar Pustaka
Selesai: Modul 2
Lanjut ke Modul 3: Statistik Deskriptif dan Penyajian Data →
Biostatistik · Prodi D4 TLM · Universitas Syedza Saintika