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:

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

DF Kategori : DF yg Pengelompokan datanya disusun berbentuk kata2 atau DF yg penyatuan kelas2nya didasarkan pd data kategori (kualitatif) 2. dan ada kelipatannya serta ada nol mutlak.2 3. ada tingkatan. Distribusi Frekuensi Kategori TABEL9 Distribusi Frekuensi Konsumsi Mie Instan Dunia (dalam milyar/tahun) Negara Cina Indonesia Jepang Korea Selatan Amerika Serikat Thailand frekuensi 12. Variabel paling tinggi skalanya.Distribusi Kumulatif. mudah di pahami & mudah dibaca sbg bhn informasi.0 5. pd gilirannya digunakan utk perhitungan membuat gambar statistik dlm berbagai bentuk penysjian data. Tinggi Badan Secara umum sajian data dibagi 3 yaitu: 1.0 6.4.0 1.Distribusi Relatif. Distribusi Frekuensi terdiri dari: 1. Contoh: Berat Badan. yaitu bisa dibedakan. Tulisan (Textular) 2.5 . Kegunaan : Memudahkan data dlm penyajian. ada besar beda.Tabel silang Distribusi frekuensi adalah penyusunan suatu data mulai terkecil sampai terbesar yg membagi banyaknya data ke dlm beberapa kelas. Tabel (Tabular)  Master Tabel (Tabel Induk) : data mentah  Text Tabel (Tabel Rincian) : uraian data yg diambil dari tabel induk. RASIO. DF Numerik : DF yg penyatuan kelas2nya (disusun scra interval) didasarkan pd angka2 (kuantitatif) 2. Contoh: Distribusi Frekuensi. angkanya terus berlanjut.6 2.

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 . Graphic-Harvey S.JUMLAH 30. b.

Berisikan enam interval kelas (60-65 disebut interval kls perama dan 90-95 interval kls keenam).dst. dilanjutkan menghitung kls interval. 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 66 adalah ujung atas interval kls kdua. Batas Kelas ialah niali yg membatasi kelas pihak satu dgn pihak kelas lainnya. Nilai interval kls 60-65 bermakna bhwa di dlm interval kls tsb trdpt nilai antara 6065 sebanyak 4 org. Interval Kelas adalah sejumlah nilai variabel yg ada dlm batas kelas tertentu.    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 + 3.3 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.5 dst. Contoh (TABEL 12). Titik Tengah Kelas adalah nilai yg terdapat ditengah interval kelas atau niali ujung bwh kls ditambah nilai ujung atas kelas dikalikan setengah. Distribusi Frekuensi Kumulatif (Kurang Dari) ii. Nilai 65 adalah ujung atas interval kls prtama. g) Membuat tabel distribusi frekuensi dgn cara memindahkan semua angka frekuensi (f) Bentuk Distribusi Frekuensi 1.Titik kls ini biasanya utk penggambaran grafik poligon frekuensi. Contoh: 60+65x1/2= 62. Distribusi Frekuensi Relatif 2. Distribusi Frekuensi Kumulatif i. caranya menjumlahkan ujung bawah kelas sampai pd data akhir. Kegunaan : waktu pembuatan histogram. Distribusi Frekuensi Kumulatif (Atau Lebih) .

3. Distribusi Frekuensi Kumulatif Relatif (Atau Lebih) 1.571 % f relatif kelas-5 = 16/70 x 100% = 22.714 % Data hasil perhitungan diatas. dimasukkan ke dlm tabel distribusi relatif TABEL 16 DISTRIBUSI FREKUENSI RELATIF Nilai Ujian Statistik universitas CJDW Tahun 2001 . Distribusi Frekuensi Kumulatif Relatif (Kurang Dari) ii.000 % f relatif kelas-7 = 4/70 x 100% = 5.875 % f relatif kelas-6 = 7/70 x 100% =10.571 % f relatif kelas-3 = 15/70 x 100% = 21.249 % f relatif kelas-4 = 20/70 x 100% = 28. tapi setiap kelasnya dinyatakan dlm bentuk angka presentase (%) atau angka relatif.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. 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 relatif ialah distribusi frekuensi yg nilai frekuensinya tdk dinyatakan dlm bentuk angka/nilai mutlak. Distribusi Frekuensi Kumulatif Relatif i.

000% .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) 2.857 % 8.57 % 22.429 % 28.571 % 21.857 % 10.

00 % 2. 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.Distribusi Frekuensi Kumulatif (fkum) ialah distribusi frekuensi yg diperoleh dgn cara menjumlahkan frekuensi demi frekuensi.90-94 JUMLAH 4 70 5.

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(%) =66/70x 100% = 94.857 % fkum(%) = 8/70 x 100% = 11. 143 % fkum(%) = 62/70 x 100% = 88.429 % fkum(%) =23/70x 100% = 32.60 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.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% = 0.000 % fkum(%) = 68/70 x 100% = 97.857% fkum(%) =43/70x 100% = 61.000 % fkum(%) = 2/70 x 100% = 2.429 % fkum(%) =59/70x 100% = 84.000 % (2) Distribusi frekuensi kumulatif relatif atau lebih(TABEL 19) fkum(%) = 70/70 x 100% = 100.571 % .286 % fkum(%) =70/70x 100% = 100.

857 % 11.429 % 32.000 % TABEL 21 DISTRIBUSI KUMULATIF RELATIF (ATAU LEBIH) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai F kum .fkum(%) = 47/70 x 100% = 67.000 % 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 0.143% fkum(%) = 27/70 x 100% = 38.857% 61.714 % fkum(%) = 0/70 x 100% = 0.429 % 84.000 % 2.714 % fkum(%) = 4/70 x 100% = 5.286 % 94.571 % fkum(%) = 11/70 x 100% = 15.286 % 100.

sumbu X (independen) h.571 % 15. Mapgram : digunakan peta dr suatu daerah (mis: menggambarkan prevalensi endemik malaria) Box Whisker Plot : utk menyajikan data numerik. Pictogram : digambar sesuai objek (mis: jumlah penduduk dgn menggambar orang) i.000 % 97. Diagram Tebar(Scatter diagram): utk menggambarkan hubungan dua variabel yg diperkirakan ada hubungan. perpotongan kurang dari(less than) lebih dari (more than). Diagram Pinca (Diagram Pie):utk menyajikan data diskrit/nominal/ordinal disebut juga data kategori. 143 % 88.60 atau lebih 65 atau lebih 70 atau lebih 75 atau lebih 80 atau lebih 85 atau lebih 90 atau lebih 95 atau lebih 100.143% 38. 7.714 % 0. Histogram : utk menyajikan data kontinu 3. 6. Sumbu Y (dependen). Ogive : grafik dr data kontinu dan dlm bentuk frekuensi kumulatif. Luas lingkaran 360⁰ 8. 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. 4.571% 67. Frekuensi Poligon : utk menyajikan data kontinu dgn menghubungkan puncak2 dr suatu balok2 histogram. Grafik/Diagram 2. akan didapatkan nilai tepat utk letak dan besarnya nilai MODUS.714 % 5. Diagram Batang (bar/diagram) : utk menyajikan data diskrit/data nominal/ordinal. . 5.000 % 1. Bedanya Histogram dgn diagram bar: histogram baloknya menyambung karena menggambarkan data kontinu.utk membandingkan pengamatan j.

1.4.1. Contoh: BATANG 10 20 30 40 DAUN 9 0.70 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.0.52. Rata-Rata Hitung (Mean) : Nilai yg baik mewakili suatu data Contoh: Data BB 5 org (56.1.67.0.7.62.2 Frekuensi 1 8 10 6 l.3. Median : nilai tengah kalau data tsb telah disusun. Q3 garis atas) k.48.2.2. Q2 garis tengah. Modus (Mode): nilai yg sering muncul d.67 kg)Brp rata2 BB 5 org tsb Jwb: 56+62+52+48+67 = 57 kg 5 b. (1) Range: Nilai besar-Nilai kecil .2.Box terdiri dari (Q1 garis bawah.2.0.3 0. Posisi median = n + 1 2 Contoh: Data sudah disusun 48.1.8 0. sehingga makin besar nilai variasi maka makin besar pula data tersebut.52.6.1.5.62. Stem and Leaf (batang dan daun): dlm bntuk distribusi frekuensi akn mengilangkan nilai aslinya dr data tsb.56. Nilai2 Variasi Nilai variasi/ deviasi : nilai yang menunjukkan bagaimana bervariasinya data didalam kelompok data itu terhadap nilai rata-ratanya.3.

Koefisien Variasi Rumus : S x 100% X Langkah2 analisis (Pendekatan kuantitatif) 1. Median. Nilai SD disebut juga “simpangan baku” Rumus : S = √ v V = S2 Contoh : S = √58 = 7. 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. minimal & . Standar Deviasi dan inter kuartil range.6 kg g.(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. Analisis Deskriptif (Univariat) Tujuan: utk menjelaskan/mendeskripsikan karakteristik masing2 variabel yg diteliti. Standar Deviasi: akar dari varian. Utk data NUMERIK digunakan nilai Mean.

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

maka perhitungan mean dan SD merupakan cara analisis univariat yg tepat.1 10.1 10.3 tahun.5 17-60 SD Min-Mak Hasil analisis didapatkan rata rata umur pasien adalah 30. Pada data katagori variasi maksimal apabila jml antar katagori berjml sama. a. Peringkasan Data Katagori Hanya menggunakan distribusi frekuensi dgn ukuran persentase atau proporsi. Umur termuda 17 th dan tertua 60 th. . 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. NOTE : Jika tdk menunjukan adanya nilai ekstrim(normal).3 31. 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 30.1 Th dengan standar deviasi 10. Bila dijumpai nilai ekstrim (tdk normal).1 tahun. maka nilai median dan inter kuartil range (IQR) yg lebih tepat dibandingkan nilai mean. semakin besar SD semakin besar variasinya. median 31.Jarak Inter Kuartil: selisih antara kuartil III dan Kuartil I.

.standar deviasi.0 10. median.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 60.0 100. Sedangkan data KATAGORI hanya dpt menjelaskan angka/nilai jumlah dan persentase masing2 kelompok. SMP 30 org(30%).0 Distribusi tingkat pendidikan pasien tingkat SD 60 org (60%). dan SMA 10 org (10%) Kesimpulan : Data NUMERIK digunakan nilai mean.0 30.

Sign up to vote on this title
UsefulNot useful