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:

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

yaitu bisa dibedakan. Tinggi Badan Secara umum sajian data dibagi 3 yaitu: 1. Contoh: Distribusi Frekuensi. dan ada kelipatannya serta ada nol mutlak.0 6.5 . Variabel paling tinggi skalanya. Distribusi Frekuensi Kategori TABEL9 Distribusi Frekuensi Konsumsi Mie Instan Dunia (dalam milyar/tahun) Negara Cina Indonesia Jepang Korea Selatan Amerika Serikat Thailand frekuensi 12. DF Kategori : DF yg Pengelompokan datanya disusun berbentuk kata2 atau DF yg penyatuan kelas2nya didasarkan pd data kategori (kualitatif) 2.Distribusi Relatif. Tabel (Tabular)  Master Tabel (Tabel Induk) : data mentah  Text Tabel (Tabel Rincian) : uraian data yg diambil dari tabel induk.4.2 3. Contoh: Berat Badan. Tulisan (Textular) 2. DF Numerik : DF yg penyatuan kelas2nya (disusun scra interval) didasarkan pd angka2 (kuantitatif) 2.Tabel silang Distribusi frekuensi adalah penyusunan suatu data mulai terkecil sampai terbesar yg membagi banyaknya data ke dlm beberapa kelas.Distribusi Kumulatif. Distribusi Frekuensi terdiri dari: 1.0 5. mudah di pahami & mudah dibaca sbg bhn informasi.0 1. ada besar beda.6 2. Kegunaan : Memudahkan data dlm penyajian. angkanya terus berlanjut. pd gilirannya digunakan utk perhitungan membuat gambar statistik dlm berbagai bentuk penysjian data. ada tingkatan. RASIO.

JUMLAH 30. 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 .3 Sumber: AFP. Graphic-Harvey S. b.

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

875 % f relatif kelas-6 = 7/70 x 100% =10.714 % Data hasil perhitungan diatas. Distribusi Frekuensi Kumulatif Relatif (Atau Lebih) 1.857 % 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. dimasukkan ke dlm tabel distribusi relatif TABEL 16 DISTRIBUSI FREKUENSI RELATIF Nilai Ujian Statistik universitas CJDW Tahun 2001 .000 % f relatif kelas-7 = 4/70 x 100% = 5. Distribusi Frekuensi Kumulatif Relatif (Kurang Dari) ii.571 % f relatif kelas-3 = 15/70 x 100% = 21. tapi setiap kelasnya dinyatakan dlm bentuk angka presentase (%) atau angka relatif.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% = 2.3. Distribusi frekuensi relatif ialah distribusi frekuensi yg nilai frekuensinya tdk dinyatakan dlm bentuk angka/nilai mutlak. Distribusi Frekuensi Kumulatif Relatif i.249 % f relatif kelas-4 = 20/70 x 100% = 28.

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 % 21.57 % 22.857 % 10.000% .429 % 28.857 % 8.

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 .90-94 JUMLAH 4 70 5.714 % 100.Distribusi Frekuensi Kumulatif (fkum) ialah distribusi frekuensi yg diperoleh dgn cara menjumlahkan frekuensi demi frekuensi.

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 .

000 % fkum(%) = 68/70 x 100% = 97. 143 % fkum(%) = 62/70 x 100% = 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 70 68 62 47 27 11 4 0 3.857 % fkum(%) = 8/70 x 100% = 11.857% fkum(%) =43/70x 100% = 61.571 % .000 % fkum(%) = 2/70 x 100% = 2.429 % fkum(%) =23/70x 100% = 32.429 % fkum(%) =59/70x 100% = 84.000 % (2) Distribusi frekuensi kumulatif relatif atau lebih(TABEL 19) fkum(%) = 70/70 x 100% = 100.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% = 0.286 % fkum(%) =66/70x 100% = 94.286 % fkum(%) =70/70x 100% = 100.

714 % fkum(%) = 0/70 x 100% = 0.fkum(%) = 47/70 x 100% = 67.714 % fkum(%) = 4/70 x 100% = 5.143% fkum(%) = 27/70 x 100% = 38.000 % 2.429 % 32.000 % TABEL 21 DISTRIBUSI KUMULATIF RELATIF (ATAU LEBIH) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai F kum .429 % 84.286 % 94.857% 61.000 % 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 0.286 % 100.571 % fkum(%) = 11/70 x 100% = 15.857 % 11.

Diagram Pinca (Diagram Pie):utk menyajikan data diskrit/nominal/ordinal disebut juga data kategori. 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. Histogram : utk menyajikan data kontinu 3. perpotongan kurang dari(less than) lebih dari (more than).714 % 5. Pictogram : digambar sesuai objek (mis: jumlah penduduk dgn menggambar orang) i. Grafik/Diagram 2.714 % 0. Ogive : grafik dr data kontinu dan dlm bentuk frekuensi kumulatif.utk membandingkan pengamatan j. Mapgram : digunakan peta dr suatu daerah (mis: menggambarkan prevalensi endemik malaria) Box Whisker Plot : utk menyajikan data numerik. . 7.000 % 97. Diagram Batang (bar/diagram) : utk menyajikan data diskrit/data nominal/ordinal. 4. Sumbu Y (dependen). Diagram Tebar(Scatter diagram): utk menggambarkan hubungan dua variabel yg diperkirakan ada hubungan.000 % 1.143% 38. sumbu X (independen) h. 143 % 88. akan didapatkan nilai tepat utk letak dan besarnya nilai MODUS.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. Frekuensi Poligon : utk menyajikan data kontinu dgn menghubungkan puncak2 dr suatu balok2 histogram. Luas lingkaran 360⁰ 8.571% 67. 6. Bedanya Histogram dgn diagram bar: histogram baloknya menyambung karena menggambarkan data kontinu.571 % 15. 5.

56.Box terdiri dari (Q1 garis bawah.2 Frekuensi 1 8 10 6 l.67 kg)Brp rata2 BB 5 org tsb Jwb: 56+62+52+48+67 = 57 kg 5 b.5.0.52.1.3. Q2 garis tengah.1.2. Pareto Chart: diagram batang yg disusun dgn susunan tinggi rendahnya batang sehingga mudah diinterpretasi Nilai Tengah a.3 0.1. Q3 garis atas) k. sehingga makin besar nilai variasi maka makin besar pula data tersebut. Modus (Mode): nilai yg sering muncul d. Median : nilai tengah kalau data tsb telah disusun. Stem and Leaf (batang dan daun): dlm bntuk distribusi frekuensi akn mengilangkan nilai aslinya dr data tsb.2.62. Contoh: BATANG 10 20 30 40 DAUN 9 0. (1) Range: Nilai besar-Nilai kecil . Posisi median = n + 1 2 Contoh: Data sudah disusun 48.70 kg Jwb : 56+62 =54 kg 2 c.52.0.67.6. Nilai2 Variasi Nilai variasi/ deviasi : nilai yang menunjukkan bagaimana bervariasinya data didalam kelompok data itu terhadap nilai rata-ratanya.4.7.62.48.0.3.8 0.1. Rata-Rata Hitung (Mean) : Nilai yg baik mewakili suatu data Contoh: Data BB 5 org (56.2.1.2.

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

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

maka perhitungan mean dan SD merupakan cara analisis univariat yg tepat. a. NOTE : Jika tdk menunjukan adanya nilai ekstrim(normal).1 Th dengan standar deviasi 10.3 tahun. median 31.5 17-60 SD Min-Mak Hasil analisis didapatkan rata rata umur pasien adalah 30.Jarak Inter Kuartil: selisih antara kuartil III dan Kuartil I. Pada data katagori variasi maksimal apabila jml antar katagori berjml sama. Umur termuda 17 th dan tertua 60 th. semakin besar SD semakin besar variasinya. 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. .1 tahun. Bila dijumpai nilai ekstrim (tdk normal).1 10.3 31.1 10. 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. Peringkasan Data Katagori Hanya menggunakan distribusi frekuensi dgn ukuran persentase atau proporsi.

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

Sign up to vote on this title
UsefulNot useful