Statistik 5: Analisis Varian (uji prasyarat, ANOVA dan non parametrik yang relevan)

 Dhinar Asri Intantri/250321803853

Review Artikel 15

Statistical Tests for Homogeneity of Variance for Clinical Trials and Recommendations 

(Sumber : Klik Disini  )

1.     Tujuan Penelitian

Penelitian bertujuan untuk mereview berbagai uji homogenitas varians yang digunakan dalam uji klinis serta menginvestigasi konsekuensi pelanggaran asumsi homogenitas varians, melalui simulasi pada berbagai jenis distribusi (normal, heavy-tail, skewed). Penelitian juga menyajikan rekomendasi pemilihan uji terbaik untuk berbagai kondisi dalam uji klinis.

 

2.     Metode Penelitian

Jenis penelitian ini merupakan artikel review yang dipadukan dengan simulasi komputasi. Pada tahap pertama, peneliti melakukan kajian teoritis terhadap berbagai metode uji homogenitas varians, baik untuk dua sampel maupun multi-sampel. Uji yang direview mencakup metode parametrik dan nonparametrik seperti F-test, Bartlett, berbagai variasi Levene (mean, median, trimmed mean, nonparametrik), Cochran’s test, Jackknife, Fligner–Killeen, Brown–Forsythe, serta beberapa uji lain yang relevan. Selanjutnya, peneliti melakukan aplikasi metode pada data klinis nyata, yaitu dataset coagulation yang terdiri dari tiga kelompok perlakuan untuk menguji perbedaan varians pada beberapa endpoint klinis. Pada tahap berikutnya, penelitian ini melibatkan simulasi Monte Carlo sebanyak 2000 iterasi untuk mengevaluasi performa berbagai uji homogenitas varians. Simulasi dilakukan pada tiga jenis distribusi—normal, t yang mencerminkan heavy-tail, serta skewed normal—dengan memvariasikan rasio varians antar kelompok dan ukuran sampel mulai dari n = 11 hingga n = 100. Melalui rangkaian simulasi tersebut, peneliti mengevaluasi kekuatan uji (power) serta tingkat kesalahan tipe I dari masing-masing metode, sehingga dapat memberikan rekomendasi mengenai uji yang paling sesuai untuk digunakan dalam berbagai kondisi data pada uji klinis.

 

3.     Hasil

Pada analisis uji dua sampel, penelitian menunjukkan bahwa Jackknife test merupakan metode yang paling konsisten memiliki power tinggi pada beragam kondisi distribusi dan ukuran sampel. Sementara itu, uji parametrik seperti F-test dan Bartlett bekerja sangat baik ketika data berdistribusi normal dan ukuran sampelnya besar. Namun, pada kondisi data heavy-tail atau ukuran sampel yang kecil, tingkat kesalahan tipe I meningkat pada beberapa jenis uji tersebut sehingga hasilnya menjadi kurang reliabel. Untuk uji multi-sampel, Cochran test muncul sebagai metode terbaik ketika data memenuhi asumsi normalitas, sedangkan variasi Levene test—khususnya berbasis median atau trimmed mean—lebih unggul dalam menganalisis data yang bersifat skewed maupun heavy-tail. Selain itu, Fligner–Killeen test terbukti lebih sensitif dalam mendeteksi perbedaan varians yang relatif kecil. Pada aplikasi kasus nyata menggunakan variabel ADP dari dataset klinis, baik Levene maupun Bartlett sama-sama menunjukkan bahwa varians antar kelompok tidak homogen (p < 0.05). Temuan ini menunjukkan bahwa penggunaan ANOVA biasa yang mengasumsikan homogenitas varians dapat menghasilkan kesimpulan yang keliru karena p-value berubah signifikan ketika asumsi tersebut dilanggar. Berdasarkan keseluruhan hasil penelitian, rekomendasi akhir yang diberikan adalah menggunakan Jackknife test untuk kasus dua sampel, sedangkan untuk multi-sampel disarankan menggunakan Bartlett dan Cochran ketika data normal serta Levene berbasis median atau trimmed mean ketika data tidak berdistribusi normal.

4.     Kelebihan Penelitian

·       Menyajikan review lengkap dan komprehensif mengenai berbagai uji homogenitas varians yang jarang dibahas secara mendalam.

·       Simulasi besar dan sistematis yang memberi rekomendasi praktis untuk uji klinis.

·       Menyertakan aplikasi nyata dan Shiny App interaktif untuk mendukung penggunaan praktis oleh peneliti.

·       Memberikan perbandingan power dan error rate untuk berbagai uji secara rinci.

 

5.     Keterbatasan Penelitian

·       Tidak membahas metode adaptive design yang padahal sangat relevan dalam uji klinis modern. Penulis sendiri mengakui keterbatasan ini.

·       Fokus simulasi hanya pada beberapa distribusi; belum mencakup data real-world yang sangat kompleks.

·       Tidak membahas uji varians dalam konteks data longitudinal, padahal banyak uji klinis bersifat longitudinal.

 

6.     Novelty

Pada penelitian-penelitan sebelunya telah banyak dilakukan penelitian sejenis seperti :

Peneliti / Artikel	Fokus Penelitian	Temuan Utama	Kelemahan Artikel Sebelumnya
(Knief, 2021)	Pelanggaran normalitas pada t-test	t-test cukup robust terhadap non-normality	Tidak membahas heteroskedastisitas dalam uji klinis
(Conover et al., 2018)	Levene’s test dan variannya	Median Levene lebih kuat untuk data skewed	Tidak menguji banyak distribusi berat
(Frey, 2010)	Optimal design untuk heteroscedasticity	Menawarkan strategi alokasi sampel	Tidak menilai performa uji homogenitas varians

 

Artikel (Zhou et al., 2023) melampaui penelitian sebelumnya karena pada artikel ini cakupan analisisnya yang jauh lebih luas dibandingkan penelitian sebelumnya. Artikel ini berhasil menggabungkan berbagai uji homogenitas varians dalam satu review komprehensif yang secara khusus ditujukan untuk konteks uji klinis, sementara penelitian terdahulu umumnya hanya berfokus pada satu atau dua jenis uji saja. Selain itu, penelitian ini melakukan simulasi yang sangat komprehensif, mencakup distribusi normal, skewed, hingga heavy-tail, dengan variasi rasio varians dan ukuran sampel yang berbeda, sehingga menghasilkan evaluasi performa uji yang lebih menyeluruh. Artikel ini juga menawarkan kontribusi praktis berupa roadmap pemilihan uji terbaik (Gambar 9), yang memudahkan peneliti dalam menentukan metode paling tepat sesuai karakteristik data. Tidak hanya itu, penulis turut mengembangkan Shiny App interaktif yang memungkinkan pengguna menerapkan berbagai uji homogenitas varians secara langsung, suatu fasilitas aplikatif yang belum disediakan dalam penelitian-penelitian sebelumnya. Dengan demikian, artikel ini memberikan kontribusi metodologis dan praktis yang signifikan, serta memperkaya literatur terkait analisis varians dalam uji klinis.

 

7.     Daftar Referensi

Conover, W. J., Guerrero-serrano, A. J., & Gustavo, V. (2018). An update on ‘ a comparative study of tests for homogeneity of variance .’ 9655. https://doi.org/10.1080/00949655.2018.1438437

Frey, J. (2010). Testing for equivalence of variances using Hartley ’ s ratio. 38(4), 647–664. https://doi.org/10.1002/cjs

Knief, U. (2021). Violating the normality assumption may be the lesser of two evils. 2576–2590.

Zhou, Y., Zhu, Y., & Wong, W. K. (2023). Statistical tests for homogeneity of variance for clinical trials and recommendations. Contemporary Clinical Trials Communications, 33(September 2022), 101119. https://doi.org/10.1016/j.conctc.2023.101119