Biostatistik

Analisis Pearson & Spearman

Konsep Dasar (r) Studi Kasus Lab Lab Virtual Mulai Evaluasi
Uji Asosiasi Bivariat Klinis

Menilai Kekuatan Hubungan: Uji Korelasi.

Sebelum melangkah ke analisis prediksi (Regresi), kita harus membuktikan terlebih dahulu apakah dua variabel laboratorium memiliki hubungan yang bermakna. Analisis korelasi Pearson dan Spearman mengukur derajat keeratan dan arah hubungan antar dua variabel tersebut.

Simulasi Scatter Plot Pelajari Teori

Fokus
Pembelajaran

  • Derajat Hubungan (Kekuatan)

    Koefisien korelasi berkisar antara -1 hingga +1. Angka 0 menunjukkan tidak ada hubungan, sedangkan makin mendekati 1 (atau -1) hubungannya semakin kuat/erat.

  • Pearson vs Spearman

    Mengetahui kapan harus menggunakan Pearson (untuk data numerik normal) dan kapan harus menggunakan Spearman (untuk data bertingkat/skala atau data miring).

  • Korelasi Bukan Kausalitas

    Penting! Hanya karena dua variabel memiliki korelasi kuat, tidak selalu berarti X menyebabkan Y (bisa jadi kebetulan atau ada faktor perancu).

Memilih Metode Korelasi yang Tepat

Dalam membandingkan dua biomarker klinis, menggunakan jenis uji statistik yang salah dapat menghasilkan kesimpulan medis yang keliru dan berbahaya.

1

Kekuatan Koefisien (-1 s/d +1)

Baik Pearson (r) maupun Spearman (ρ) menggunakan skala yang sama untuk mengukur tingkat kekuatan hubungan (Interpretasi Guilford):

-1.00
Sempurna (-)
0.00
Nol (Acak)
+1.00
Sempurna (+)
0.00 - 0.19Sangat Lemah
0.20 - 0.39Lemah
0.40 - 0.59Sedang (Moderat)
0.60 - 0.79Kuat
0.80 - 1.00Sangat Kuat

Catatan: Tanda minus (-) hanya menunjukkan arah terbalik (X naik, Y turun), bukan berarti hubungan lemah.

2

Pearson vs Spearman

Pahami perbedaan esensial antara metode Parametrik dan Non-parametrik:

Korelasi Pearson (r)

  • Jenis: Uji Statistik Parametrik.
  • Syarat Data: Variabel numerik (Rasio/Interval) yang terukur pasti seperti Berat Badan, Kadar Glukosa, Tekanan Darah.
  • Distribusi: Data WAJIB menyebar normal (kurva lonceng).
  • Bentuk Hubungan: Linier (Garis lurus).

Korelasi Spearman (ρ)

  • Jenis: Uji Statistik Non-Parametrik.
  • Syarat Data: Data bertingkat/kategori Ordinal (seperti Skala Nyeri 1-10, Tingkat Keparahan Tumor I-IV, Peringkat Kepuasan).
  • Distribusi: Bebas distribusi (Boleh digunakan jika data numerik memiliki Outlier parah atau menceng).
  • Bentuk Hubungan: Monotonik (Naik bersamaan tapi tidak harus berupa garis lurus sempurna).

Klinik Kasus:
Uji Korelasi Lab Klinis

Contoh riil bagaimana korelasi digunakan untuk menilai keandalan dua metode uji laboratorium yang berbeda (Method Comparison).

Riset: Komparasi Mesin Gula Darah Point-of-Care (POCT) vs Mesin Lab Pusat

Rumah Sakit membeli alat tes Gula Darah portabel baru (POCT - Tusuk Jari). Sebelum digunakan, alat ini diuji kemiripan hasilnya dengan mesin kimia darah besar di Laboratorium Pusat (Gold Standard). Darah dari 20 pasien diuji di kedua alat tersebut secara bersamaan. (Diasumsikan data terdistribusi normal).
• Variabel X : Kadar Glukosa Alat Baru (POCT) (mg/dL)
• Variabel Y : Kadar Glukosa Mesin Lab Pusat (mg/dL)

Output Statistik SPSS / JASP
CorrelationsMesin Lab Pusat
Alat POCT Baru
Pearson Correlation (r)
Sig. (2-tailed)
0.965 **
< 0.001
** Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan Klinis Rumah Sakit
  • Nilai Koefisien Korelasi (r = 0.965) Terdapat hubungan yang Sangat Kuat dan Positif antara alat portabel baru dengan mesin standar lab. Artinya, jika alat portabel membaca glukosa tinggi, alat standar juga pasti membaca tinggi secara linier dan konsisten.
  • Signifikansi P-Value (Sig. < 0.001) Hubungan sangat kuat ini terbukti signifikan secara statistik (jauh di bawah batas p = 0.05). Korelasi ini bukan terjadi karena kebetulan (by chance).
  • Keputusan Manajemen Lab: Alat Gula Darah POCT (tusuk jari) yang baru diizinkan / lolos validasi untuk digunakan perawat di ruangan rawat inap karena pembacaannya sangat berkorelasi/sejalan dengan mesin lab pusat.

Lab Virtual: Analisis Korelasi Bivariat

Ketikkan kumpulan angka untuk Variabel X dan Y. Anda dapat menggunakan uji Pearson untuk data normal/rasio, atau uji Spearman untuk data ordinal (seperti Skala Nyeri) dan data dengan pencilan (*outliers*).

Dataset Lab Klinis

Uji Pearson Product-Moment

Koefisien Korelasi Pearson (r) :
0.000
-1 (Neg)
+1 (Pos)

Interpretasi Hubungan

Silakan masukkan jumlah data X dan Y yang sama.

Perincian Rumus & Kalkulasi

Rumus Dasar
r =
n(ΣXY) - (ΣX)(ΣY)
√[nΣX² - (ΣX)²][nΣY² - (ΣY)²]
Substitusi Data
r =
(Menunggu input valid)
n (Jml Data)0
ΣX0
ΣY0
ΣXY0
ΣX²0
ΣY²0

*Catatan: Pada metode Spearman, nilai X dan Y yang disubstitusikan ke dalam rumus adalah nilai Peringkat (Ranking), bukan nilai asli.

Visualisasi Scatter Plot (Persebaran Data)

Evaluasi Analisis Korelasi

Uji pengetahuan Anda mengenai perhitungan, interpretasi, dan jebakan logika dalam membaca hasil korelasi klinis.