P. 1
teori statistik

teori statistik

|Views: 22|Likes:
Dipublikasikan oleh amelia_evoria

More info:

Published by: amelia_evoria on Dec 24, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

12/07/2013

pdf

text

original

Descriptive Statistics N Kadar LED ()mm/jam) Dengan Metode Westergreen di RSUD Ciamis Tahun 2012 Kadar LED ()mm/jam

) Dengan Alat Otomatis di RSUD Ciamis Tahun 2012 Valid N (listwise) 36 36 8 23 13.75 4.073 36 Minimum 5 Maximum 22 Mean 12.28 Std. Deviation 4.761

Statistik adalah ilmu yg mempelajari pengumpulan, pengolahan, penyajian data, analisis data,serta penarikan kesimpulan. Data adalah himpunan angka/huruf hasil dari penelitian terhadap sifat/karakteristik yg kita teliti. Setelah melakukan pengolahan data, selanjutnya data dianalisis, menginterpretasikan hasil analisis data tsb (mnjelaskan hasil utk memperoleh makna/arti)

Interpretasi terdiri dari 1. Interpretasi sempit (Deskriptif) yaitu hanya menggambarkan berdasarkan data yg dikumpulkan dan diolah utk keperluan penelitian tsb. 2. Interpretasi luas (Analitik) yaitu mencari makna tdk hanya menjelaskan/menganalisis data hasil penelitian tsb, tetapi juga melakukan inferensi(generalisasi) dr data yg di peroleh dgn teori2 yg relevan dgn hasil penelitian tsb

 Jenis Data : 1. Data Kualitatif (KATAGORIK) :data hasil pengklasifikasia/pengolahan suatu data. Contoh: sex, jenis pekerjaan, pendidikan, pernyataan trhadap KB setuju, kurang setuju, tdk setuju Grafik yang bisa dipakai bar,pareto,pie, line, piktogram Skala pengukurannya menggunakan nominal dan ordinal 2. Data Kuantitatif (NUMERIK): variabel hasil dari penghitungan dan pengukuran. Variabel numerik terdiri dari:

stadium penyakit 3. Variabel NOMINAL. suhu (suhu 40⁰ lebih panas 15⁰ dari suhu 25⁰) . INTERVAL.tinggi badan.INTERVAL. ORDINAL. suku. tapi belum diketahui besar beda antar datanya. jml pasien tiap ruang. Contoh: tekanan darah. Data Sekunder. yaitu data yg diambil dari sumber data yg sudah ada Cara Pengumpulan Data  Wawancara langsung  Observasi  Pengukuran  Angket  Dokumenter Dalam pengumpulan data dikenal dgn istilah 1. CO: Berat Badan. Agregate merupakan keseluruhan kumpulan nilai2 observasi yg merupakan suatu kesatuan mempunyai arti sbg bagian dr keseluruhan tsb. Contoh: jenis kelamin. laki2. Data Primer. perempuan. ogiv. tdk punya titik nol mutlak.Hb.diketahui besar beda antar nilainya. Variabel merupakan karakteristik objek/orang yg nilai datanya bervariasi dari satu pengukuran ke pengukuran berikutnya.tdk ada kelipatannya. nilai datanya SEDERAJAT 2. berat badan Sumber Data 1. jml pnyakit TBC b) Kontinu : Variabel hasil dr pengukuran atau rangkaian data nilainya dlm Grafik yang bisa dipakai histogram.boxplot. Tinggi Badan 2.a) Diskrit : Variabel hasil dari penghitungan atau data yg dlm bentuk bilangan bulat. variabel yg hanya dpt membedakan nilai datanya dan tdk tahu nilai data mana yg lebih tinggi/rendah. rasio bentuk desimal. agama. variabel yg dpt dibedakan.stem scatt Skala yang bisa dipakai interval. Skala Pengukuran : Skala NOMINAL. Contoh: Pendidikan. variabel yg dpt membedakan nilai datanya dan juga sudah diketahui tingkatan lebih tinggi/lebih rendah.ORDINAL. diketahui tingkatannya. NOMINAL. Contoh: usia.RASIO 1. yaitu data yg dikumpulkan oleh penelitinya sendiri 2.Pangkat. frekuensi.contoh: jml anak.

Variabel paling tinggi skalanya. pd gilirannya digunakan utk perhitungan membuat gambar statistik dlm berbagai bentuk penysjian data. Tinggi Badan Secara umum sajian data dibagi 3 yaitu: 1. Contoh: Berat Badan. Tabel (Tabular)  Master Tabel (Tabel Induk) : data mentah  Text Tabel (Tabel Rincian) : uraian data yg diambil dari tabel induk. mudah di pahami & mudah dibaca sbg bhn informasi.4. yaitu bisa dibedakan. Kegunaan : Memudahkan data dlm penyajian. ada besar beda.Distribusi Relatif. DF Numerik : DF yg penyatuan kelas2nya (disusun scra interval) didasarkan pd angka2 (kuantitatif) 2. Contoh: Distribusi Frekuensi.0 6.Distribusi Kumulatif. dan ada kelipatannya serta ada nol mutlak. DF Kategori : DF yg Pengelompokan datanya disusun berbentuk kata2 atau DF yg penyatuan kelas2nya didasarkan pd data kategori (kualitatif) 2. angkanya terus berlanjut. RASIO.6 2. Distribusi Frekuensi Kategori TABEL9 Distribusi Frekuensi Konsumsi Mie Instan Dunia (dalam milyar/tahun) Negara Cina Indonesia Jepang Korea Selatan Amerika Serikat Thailand frekuensi 12. ada tingkatan.0 5.5 .Tabel silang Distribusi frekuensi adalah penyusunan suatu data mulai terkecil sampai terbesar yg membagi banyaknya data ke dlm beberapa kelas. Tulisan (Textular) 2. Distribusi Frekuensi terdiri dari: 1.0 1.2 3.

JUMLAH 30. Graphic-Harvey S.3 Sumber: AFP. Distribusi Frekuensi Numerik TABEL 12 Distribusi Frekuensi Nilai Ujian Statistik Nilai Interval 60-65 66-71 72-77 76-83 84-89 90-95 JUMLAH Frekuensi 4 5 10 12 6 3 40 Sumber : Ujian STIA LAN 2001 . b.

Distribusi Frekuensi Relatif 2.3 log n n= jumlah data d) Hitung panjang kelas interval (P) Rumus :P = Rentangan (R) Jumlah Kelas (K) e) Tentukan batas data terendah atau ujung data pertama. f) Buat tabel sementara (tabulasi data) dgn cara dihitung satu demi satu yg sesuai dgn urutan interval kelas. Pada interval kls prtama 60-65. Nilai interval kls 60-65 bermakna bhwa di dlm interval kls tsb trdpt nilai antara 6065 sebanyak 4 org.5 dst.Titik kls ini biasanya utk penggambaran grafik poligon frekuensi. Distribusi Frekuensi Kumulatif i. g) Membuat tabel distribusi frekuensi dgn cara memindahkan semua angka frekuensi (f) Bentuk Distribusi Frekuensi 1. Kegunaan : waktu pembuatan histogram. Contoh (TABEL 12).dst. Berisikan enam interval kelas (60-65 disebut interval kls perama dan 90-95 interval kls keenam). Distribusi Frekuensi Kumulatif (Kurang Dari) ii. dilanjutkan menghitung kls interval. Contoh: 60+65x1/2= 62. nilai 66 adalah ujung atas interval kls kdua. Nilai 65 adalah ujung atas interval kls prtama. Titik Tengah Kelas adalah nilai yg terdapat ditengah interval kelas atau niali ujung bwh kls ditambah nilai ujung atas kelas dikalikan setengah. Interval Kelas adalah sejumlah nilai variabel yg ada dlm batas kelas tertentu. caranya menjumlahkan ujung bawah kelas sampai pd data akhir. Batas Kelas ialah niali yg membatasi kelas pihak satu dgn pihak kelas lainnya.    Langkah-Langkah teknik pembuatan distribusi frekuensi: a) Urutkan data dari terkecil sampai terbesar b) Hitung jarak atau rentangan (R) Rumus : R= data tertinggi-data terendah c) Hitung jumlah kelas (K) dengan Sturges : Rumus : Jumlah Kelas (K) = 1 + 3. Distribusi Frekuensi Kumulatif (Atau Lebih) .

3.571 % f relatif kelas-5 = 16/70 x 100% = 22. Rumus : F relatif kelas-i = f(mutlak) kelas-i x 100% n TABEL 15 DISTRIBUSI FREKUENSI Nilai Ujian Statistik Universitas CJDW Tahun 2001 f relatif kelas-1 = 2/70 x 100% = 2. Distribusi Frekuensi Kumulatif Relatif (Kurang Dari) ii.249 % f relatif kelas-4 = 20/70 x 100% = 28.875 % f relatif kelas-6 = 7/70 x 100% =10.857 % Nilai interval 60-64 65-69 70-74 75-79 80-84 85-89 90-94 Jumlah Frekuensi 2 6 15 20 16 7 4 70 f relatif kelas-2 = 6/70 x 100% = 8. tapi setiap kelasnya dinyatakan dlm bentuk angka presentase (%) atau angka relatif. Distribusi Frekuensi Kumulatif Relatif (Atau Lebih) 1. Distribusi Frekuensi Kumulatif Relatif i.000 % f relatif kelas-7 = 4/70 x 100% = 5. dimasukkan ke dlm tabel distribusi relatif TABEL 16 DISTRIBUSI FREKUENSI RELATIF Nilai Ujian Statistik universitas CJDW Tahun 2001 .714 % Data hasil perhitungan diatas.571 % f relatif kelas-3 = 15/70 x 100% = 21. Distribusi frekuensi relatif ialah distribusi frekuensi yg nilai frekuensinya tdk dinyatakan dlm bentuk angka/nilai mutlak.

857 % 10.57 % 22.857 % 8.TABEL 17 DISTRIBUSI FREKUENSI DENGAN DISTRIBUSI FREKUENSI RELATIF Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai Interval 60-64 65-69 70-74 75-79 80-84 85-89 F (mutlak) 2 6 15 20 16 7 F (relatif) 2.571 % 21.000% .429 % 28.

nilai frekuensinya (f) TABEL 18 DISTRIBUSI KUMULATIF (KURANG DARI) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai Fkum Kurang dari 60 Kurang dari 65 Kurang dari 70 Kurang dari 75 Kurang dari 80 0 2 8 23 43 .714 % 100.90-94 JUMLAH 4 70 5.Distribusi Frekuensi Kumulatif (fkum) ialah distribusi frekuensi yg diperoleh dgn cara menjumlahkan frekuensi demi frekuensi.00 % 2.

Kurang dari 85 Kurang dari 90 Kurang dari 95 59 66 70 TABEL 19 DISTRIBUSI KUMULATIF (ATAU LEBIH) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai F kum .

286 % fkum(%) =70/70x 100% = 100.857% fkum(%) =43/70x 100% = 61.857 % fkum(%) = 8/70 x 100% = 11.286 % fkum(%) =66/70x 100% = 94.Distribusi Frekuensi relatif kumulatif {F kum (%)} adalah distribusi frekuensi yg mana nilai frekuensi kumulatif diubah menjadi nilai frekuensi relatif atau dlm bentuk persentase (%) atau dgn Rumus : f kum(%) kelas-i = f(kum) kelas-i x 100% n (1) Distribusi frekuensi kumulatif relatif kurang dari (TABEL 18) fkum(%) = 0/70 x 100% = 0.429 % fkum(%) =23/70x 100% = 32.429 % fkum(%) =59/70x 100% = 84. 143 % fkum(%) = 62/70 x 100% = 88.571 % .000 % fkum(%) = 2/70 x 100% = 2.000 % (2) Distribusi frekuensi kumulatif relatif atau lebih(TABEL 19) fkum(%) = 70/70 x 100% = 100.60 atau lebih 65 atau lebih 70 atau lebih 75 atau lebih 80 atau lebih 85 atau lebih 90 atau lebih 95 atau lebih 70 68 62 47 27 11 4 0 3.000 % fkum(%) = 68/70 x 100% = 97.

000 % 2.429 % 32.857 % 11.286 % 94.857% 61.571 % fkum(%) = 11/70 x 100% = 15.000 % TABEL 21 DISTRIBUSI KUMULATIF RELATIF (ATAU LEBIH) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai F kum .143% fkum(%) = 27/70 x 100% = 38.714 % fkum(%) = 0/70 x 100% = 0.714 % fkum(%) = 4/70 x 100% = 5.000 % TABEL 20 DISTRIBUSI KUMULATIF RELATIF (KURANG DARI) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai F kum Kurang dari 60 Kurang dari 65 Kurang dari 70 Kurang dari 75 Kurang dari 80 Kurang dari 85 Kurang dari 90 Kurang dari 95 0.fkum(%) = 47/70 x 100% = 67.286 % 100.429 % 84.

143 % 88.714 % 5. Diagram Batang (bar/diagram) : utk menyajikan data diskrit/data nominal/ordinal. 6. sumbu X (independen) h.143% 38. akan didapatkan nilai tepat utk letak dan besarnya nilai MODUS. Diagram Tebar(Scatter diagram): utk menggambarkan hubungan dua variabel yg diperkirakan ada hubungan. 7.60 atau lebih 65 atau lebih 70 atau lebih 75 atau lebih 80 atau lebih 85 atau lebih 90 atau lebih 95 atau lebih 100. perpotongan kurang dari(less than) lebih dari (more than). Luas lingkaran 360⁰ 8. Histogram : utk menyajikan data kontinu 3. 4. Sumbu Y (dependen). Diagram Pinca (Diagram Pie):utk menyajikan data diskrit/nominal/ordinal disebut juga data kategori. Bedanya Histogram dgn diagram bar: histogram baloknya menyambung karena menggambarkan data kontinu.000 % 1.571 % 15. Pictogram : digambar sesuai objek (mis: jumlah penduduk dgn menggambar orang) i. 5. Grafik/Diagram 2. Diagram Garis (line diagram) : Utk menggambarkan data diskrit/data skala nominal yg menggambarkan perubahan dr waktu k waktu atau dr suatu tempat k tempat lain. Frekuensi Poligon : utk menyajikan data kontinu dgn menghubungkan puncak2 dr suatu balok2 histogram.000 % 97.714 % 0. . Mapgram : digunakan peta dr suatu daerah (mis: menggambarkan prevalensi endemik malaria) Box Whisker Plot : utk menyajikan data numerik.utk membandingkan pengamatan j.571% 67. Ogive : grafik dr data kontinu dan dlm bentuk frekuensi kumulatif.

Box terdiri dari (Q1 garis bawah.0.5.2.4.1.6. Rata-Rata Hitung (Mean) : Nilai yg baik mewakili suatu data Contoh: Data BB 5 org (56. Posisi median = n + 1 2 Contoh: Data sudah disusun 48.62. sehingga makin besar nilai variasi maka makin besar pula data tersebut. (1) Range: Nilai besar-Nilai kecil . Stem and Leaf (batang dan daun): dlm bntuk distribusi frekuensi akn mengilangkan nilai aslinya dr data tsb.3.67.1.3 0.2 Frekuensi 1 8 10 6 l.0. Nilai2 Variasi Nilai variasi/ deviasi : nilai yang menunjukkan bagaimana bervariasinya data didalam kelompok data itu terhadap nilai rata-ratanya.52.70 kg Jwb : 56+62 =54 kg 2 c. Pareto Chart: diagram batang yg disusun dgn susunan tinggi rendahnya batang sehingga mudah diinterpretasi Nilai Tengah a.2.8 0.62.52.1. Q3 garis atas) k. Modus (Mode): nilai yg sering muncul d. Median : nilai tengah kalau data tsb telah disusun.48. Contoh: BATANG 10 20 30 40 DAUN 9 0.1.1.0.2.67 kg)Brp rata2 BB 5 org tsb Jwb: 56+62+52+48+67 = 57 kg 5 b.3.7.56.2. Q2 garis tengah.

Standar Deviasi: akar dari varian. Nilai SD disebut juga “simpangan baku” Rumus : S = √ v V = S2 Contoh : S = √58 = 7.(2) Mean Deviasi :Rata2 seluruh prbedaan dibagi byknya pengamatan Contoh : X (kg) 48 52 56 62 67 285 |X-X| 9 5 1 5 10 30 |X-X| 81 25 1 25 100 232 2 X = 48+52+56+62+67 = 57 kg 5 Median Deviasi = 9+5+1+5+10 = 6 kg 5 e. Standar Deviasi dan inter kuartil range. minimal & .6 kg g. Koefisien Variasi Rumus : S x 100% X Langkah2 analisis (Pendekatan kuantitatif) 1. Varian : Rata2 perbedaan antara mean dgn nilai masing2 observasi Rumus : V (S2) = Ʃ(X-X)2 n–1 Contoh : Dari data di atas dpt dihitung varian V = 81+25+1+25+100 = 58 4 f. Utk data NUMERIK digunakan nilai Mean. Analisis Deskriptif (Univariat) Tujuan: utk menjelaskan/mendeskripsikan karakteristik masing2 variabel yg diteliti. Median.

Nilai ekstrim (data menceng/miring). tabel.Peringkasan berupa:ukuran statistik. median. 2. 3. Bila nilai mean.median. kuartil III(75% data berada dibwahnya&25%data berada di atasnya). Kelemahan: dipengaeuhi nilai ekstim. grafik. Analisis Analitik a. Ukuran Tengah :cerminan dr konsentrasi dr nilai2 hasil pengukuran 1. Keuntungan :penghitungan cepat. hitung posisi median (n+1)/2. b. . Hubungan mean. tdk dpt mewakili rata2 kumpulan nilai pengamatan. Median : nilai dimana setengah byknya mmpunyai nilai dibwahnya dan stengah lagi punya nilai diatasnya. Median tdk dipengaruhi nilai ekstrim. maka bntuk distribusi datanya menceng/miring kanan 7. Modus : nilai yg mmpunyai frekuensi/jml terbanyak 4.maka bntuk distribusi datanya normal 6. kuartil II. 2. Keuntungan:mudah dihitung& melibatkan seluruh data dlm perhitungannya. Bila nilai mean>median>modus. Analisis Multivariat: menghubungkan beberapa variabel indevendendgn satu variabel dependen. hitung nilai mediannya. Peringkasan Data 3. Bila nilai mean<median<mode. Analisis Bivariat : analisi yg menghubungkan dua variabel. Jarak Inter Kuartil Kuartil: pembagian data mnjadi 4 bagian yg dibatasi oleh 3 ukuran kuartil.modus sama. Ukuran Varian/Penyebaran a. Fungsi analisis sebetulnya adalahmenyederhanakan/meringkas kumpulan data tsb berubah mnjadi informasi yg berguna.maksimal. Peringkasan Data NUMERIK a.Selanjutnya membandingkan gambaran tsb antara satu klompok subyek dan klmpok subyek lain. Kelemahan: sangat dipengaruhi oleh nilai ekstrim baik tinggi /rendah. b. maka bentuk distribusi datanya menceng/miring kiri 2. dihitung dr selisih nilai terbesar dgn nilai terkecil. Langkah2: urutkan data terkecil-terbesar. Contoh: Hubungan antara berat badan dengan tekanan darah. Range : ukuran variasi paling dasar. modus 5.median(50% data berada dibwahnya&50% data berada diatasnya). Mean/average : hasil bagi jml semua nilai pngukuran dibagi banyak pengukuran. yaitu Kuartil I(25% data berada d bwhnya&75% berada diatasnya).

1 10.3 31.1 Th dengan standar deviasi 10. a.1 10.1 tahun. semakin besar SD semakin besar variasinya.Jarak Inter Kuartil: selisih antara kuartil III dan Kuartil I. Umur termuda 17 th dan tertua 60 th. Peringkasan Data Katagori Hanya menggunakan distribusi frekuensi dgn ukuran persentase atau proporsi. . NOTE : Jika tdk menunjukan adanya nilai ekstrim(normal). maka perhitungan mean dan SD merupakan cara analisis univariat yg tepat.3 tahun. median 31. Bila dijumpai nilai ekstrim (tdk normal).5 17-60 SD Min-Mak Hasil analisis didapatkan rata rata umur pasien adalah 30. maka nilai median dan inter kuartil range (IQR) yg lebih tepat dibandingkan nilai mean. Standar Deviasi : akar dr varian Varian : Rata2 hitung dr kuadrat deviasi terhadap mean Varian = Ʃ (Xi-X)2 n Semakin besar nilai varian akan semakin bervariasi Standar Deviasi (SD) = v Ʃ (Xi-X)2 n Seperti varian. Contoh: Kelas A: Mahasiswa 50 dan Mahasiswi 50 Contoh Penyajian Data Analisis Deskriptif a) Data Numerik Tabel 1 Distribusi umur dan lama hari rawat Pasien Rumah Sakit X Tahun 1999 Variabel Mean Median Umur 30. Pada data katagori variasi maksimal apabila jml antar katagori berjml sama.

0 100.0 30. dan SMA 10 org (10%) Kesimpulan : Data NUMERIK digunakan nilai mean.0 10.b) Data Katagori Tabel 2 Distribusi Responden Menurut Tingkat Pendidikan Pasien Rumah Sakit X Tahun 2000 Pendidikan SD SMP SMA Jumlah Jumlah 60 30 10 100 Persentase 60.standar deviasi.0 Distribusi tingkat pendidikan pasien tingkat SD 60 org (60%). median. SMP 30 org(30%). . Sedangkan data KATAGORI hanya dpt menjelaskan angka/nilai jumlah dan persentase masing2 kelompok.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->