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:

a) Diskrit : Variabel hasil dari penghitungan atau data yg dlm bentuk bilangan bulat.contoh: jml anak, jml pasien tiap ruang, jml pnyakit TBC b) Kontinu : Variabel hasil dr pengukuran atau rangkaian data nilainya dlm Grafik yang bisa dipakai histogram, frekuensi, ogiv,boxplot,stem scatt Skala yang bisa dipakai interval, rasio bentuk desimal. Contoh: tekanan darah,Hb,tinggi badan, berat badan Sumber Data 1. Data Primer, yaitu data yg dikumpulkan oleh penelitinya sendiri 2. 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. Variabel merupakan karakteristik objek/orang yg nilai datanya bervariasi dari satu pengukuran ke pengukuran berikutnya. CO: Berat Badan, Tinggi Badan 2. Agregate merupakan keseluruhan kumpulan nilai2 observasi yg merupakan suatu kesatuan mempunyai arti sbg bagian dr keseluruhan tsb. Skala Pengukuran : Skala NOMINAL,ORDINAL,INTERVAL,RASIO 1. NOMINAL, variabel yg hanya dpt membedakan nilai datanya dan tdk tahu nilai data mana yg lebih tinggi/rendah. Contoh: jenis kelamin, suku, agama, laki2, perempuan. Variabel NOMINAL, nilai datanya SEDERAJAT 2. ORDINAL, variabel yg dpt membedakan nilai datanya dan juga sudah diketahui tingkatan lebih tinggi/lebih rendah, tapi belum diketahui besar beda antar datanya. Contoh: Pendidikan,Pangkat,stadium penyakit 3. INTERVAL, variabel yg dpt dibedakan, diketahui tingkatannya,diketahui besar beda antar nilainya,tdk ada kelipatannya, tdk punya titik nol mutlak. Contoh: usia, suhu (suhu 40 lebih panas 15 dari suhu 25)

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

Negara Cina Indonesia Jepang Korea Selatan Amerika Serikat Thailand

frekuensi 12,0 6,0 5,2 3,6 2,0 1,5

JUMLAH

30,3

Sumber: AFP, Graphic-Harvey S.

b. 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

Interval Kelas adalah sejumlah nilai variabel yg ada dlm batas kelas tertentu. Contoh (TABEL 12). Berisikan enam interval kelas (60-65 disebut interval kls perama dan 90-95 interval kls keenam). Nilai interval kls 60-65 bermakna bhwa di dlm interval kls tsb trdpt nilai antara 6065 sebanyak 4 org,dst. Batas Kelas ialah niali yg membatasi kelas pihak satu dgn pihak kelas lainnya. Kegunaan : waktu pembuatan histogram. Pada interval kls prtama 60-65. Nilai 65 adalah ujung atas interval kls prtama, nilai 66 adalah ujung atas interval kls kdua. Titik Tengah Kelas adalah nilai yg terdapat ditengah interval kelas atau niali ujung bwh kls ditambah nilai ujung atas kelas dikalikan setengah. Contoh: 60+65x1/2= 62,5 dst.Titik kls ini biasanya utk penggambaran grafik poligon frekuensi.

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, dilanjutkan menghitung kls interval, caranya menjumlahkan ujung bawah kelas sampai pd data akhir. f) Buat tabel sementara (tabulasi data) dgn cara dihitung satu demi satu yg sesuai dgn urutan interval kelas.

g) Membuat tabel distribusi frekuensi dgn cara memindahkan semua angka frekuensi (f)

Bentuk Distribusi Frekuensi 1. Distribusi Frekuensi Relatif 2. Distribusi Frekuensi Kumulatif i. Distribusi Frekuensi Kumulatif (Kurang Dari) ii. Distribusi Frekuensi Kumulatif (Atau Lebih)

3. Distribusi Frekuensi Kumulatif Relatif i. Distribusi Frekuensi Kumulatif Relatif (Kurang Dari) ii. Distribusi Frekuensi Kumulatif Relatif (Atau Lebih)

1. Distribusi frekuensi relatif ialah distribusi frekuensi yg nilai frekuensinya tdk dinyatakan dlm bentuk angka/nilai mutlak, tapi setiap kelasnya dinyatakan dlm bentuk angka presentase (%) atau angka relatif. 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% = 2,857 % 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% = 8,571 % f relatif kelas-3 = 15/70 x 100% = 21,249 % f relatif kelas-4 = 20/70 x 100% = 28,571 % f relatif kelas-5 = 16/70 x 100% = 22,875 % f relatif kelas-6 = 7/70 x 100% =10,000 % f relatif kelas-7 = 4/70 x 100% = 5,714 %

Data hasil perhitungan diatas, dimasukkan ke dlm tabel distribusi relatif TABEL 16 DISTRIBUSI FREKUENSI RELATIF Nilai Ujian Statistik universitas CJDW Tahun 2001

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 % 8,571 % 21,429 % 28,57 % 22,857 % 10,000%

90-94 JUMLAH

4 70

5,714 % 100,00 %

2.Distribusi Frekuensi Kumulatif (fkum) ialah distribusi frekuensi yg diperoleh dgn cara menjumlahkan frekuensi demi frekuensi.

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

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

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(%) = 2/70 x 100% = 2,857 % fkum(%) = 8/70 x 100% = 11,429 % fkum(%) =23/70x 100% = 32,857% fkum(%) =43/70x 100% = 61,429 % fkum(%) =59/70x 100% = 84,286 % fkum(%) =66/70x 100% = 94,286 % fkum(%) =70/70x 100% = 100,000 % (2) Distribusi frekuensi kumulatif relatif atau lebih(TABEL 19) fkum(%) = 70/70 x 100% = 100,000 % fkum(%) = 68/70 x 100% = 97, 143 % fkum(%) = 62/70 x 100% = 88,571 %

fkum(%) = 47/70 x 100% = 67,143% fkum(%) = 27/70 x 100% = 38,571 % fkum(%) = 11/70 x 100% = 15,714 % fkum(%) = 4/70 x 100% = 5,714 % fkum(%) = 0/70 x 100% = 0,000 % 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

0,000 % 2,857 % 11,429 % 32,857% 61,429 % 84,286 % 94,286 % 100,000 %

TABEL 21 DISTRIBUSI KUMULATIF RELATIF (ATAU LEBIH) Nilai Ujian Statistik Universitas CJDW Tahun 2001 Nilai F kum

60 atau lebih 65 atau lebih 70 atau lebih 75 atau lebih 80 atau lebih 85 atau lebih 90 atau lebih 95 atau lebih

100,000 % 97, 143 % 88,571% 67,143% 38,571 % 15,714 % 5,714 % 0,000 %

1. Grafik/Diagram 2. Histogram : utk menyajikan data kontinu 3. Frekuensi Poligon : utk menyajikan data kontinu dgn menghubungkan puncak2 dr suatu balok2 histogram. 4. Ogive : grafik dr data kontinu dan dlm bentuk frekuensi kumulatif, perpotongan kurang dari(less than) lebih dari (more than), akan didapatkan nilai tepat utk letak dan besarnya nilai MODUS. 5. 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. 6. Diagram Batang (bar/diagram) : utk menyajikan data diskrit/data nominal/ordinal. Bedanya Histogram dgn diagram bar: histogram baloknya menyambung karena menggambarkan data kontinu. 7. Diagram Pinca (Diagram Pie):utk menyajikan data diskrit/nominal/ordinal disebut juga data kategori. Luas lingkaran 360 8. Diagram Tebar(Scatter diagram): utk menggambarkan hubungan dua variabel yg diperkirakan ada hubungan. Sumbu Y (dependen), sumbu X (independen)

h. Pictogram : digambar sesuai objek (mis: jumlah penduduk dgn menggambar orang) i. Mapgram : digunakan peta dr suatu daerah (mis: menggambarkan prevalensi endemik malaria) Box Whisker Plot : utk menyajikan data numerik,utk membandingkan pengamatan

j.

Box terdiri dari (Q1 garis bawah, Q2 garis tengah, Q3 garis atas) k. Stem and Leaf (batang dan daun): dlm bntuk distribusi frekuensi akn mengilangkan nilai aslinya dr data tsb. Contoh: BATANG 10 20 30 40 DAUN 9 0,0,0,1,1,2,3,3 0,1,2,2,3,4,5,6,7,8 0,0,1,1,2,2 Frekuensi 1 8 10 6

l.

Pareto Chart: diagram batang yg disusun dgn susunan tinggi rendahnya batang sehingga mudah diinterpretasi Nilai Tengah

a. Rata-Rata Hitung (Mean) : Nilai yg baik mewakili suatu data Contoh: Data BB 5 org (56,62,52,48,67 kg)Brp rata2 BB 5 org tsb Jwb: 56+62+52+48+67 = 57 kg 5 b. Median : nilai tengah kalau data tsb telah disusun. Posisi median = n + 1 2 Contoh: Data sudah disusun 48,52,56,62,67,70 kg Jwb : 56+62 =54 kg 2 c. Modus (Mode): nilai yg sering muncul d. Nilai2 Variasi Nilai variasi/ deviasi : nilai yang menunjukkan bagaimana bervariasinya data didalam kelompok data itu terhadap nilai rata-ratanya, sehingga makin besar nilai variasi maka makin besar pula data tersebut. (1) Range: Nilai besar-Nilai kecil

(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

X = 48+52+56+62+67 = 57 kg 5 Median Deviasi = 9+5+1+5+10 = 6 kg 5

e. Varian : Rata2 perbedaan antara mean dgn nilai masing2 observasi Rumus : V (S2) = (X-X)2 n1
Contoh : Dari data di atas dpt dihitung varian

V = 81+25+1+25+100 = 58 4

f.

Standar Deviasi: akar dari varian. Nilai SD disebut juga simpangan baku Rumus : S = v V = S2

Contoh : S = 58 = 7,6 kg g. Koefisien Variasi Rumus : S x 100% X

Langkah2 analisis (Pendekatan kuantitatif) 1. Analisis Deskriptif (Univariat) Tujuan: utk menjelaskan/mendeskripsikan karakteristik masing2 variabel yg diteliti. Utk data NUMERIK digunakan nilai Mean, Median, Standar Deviasi dan inter kuartil range, minimal &

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

Jarak Inter Kuartil: selisih antara kuartil III dan Kuartil I. a. Standar Deviasi : akar dr varian Varian : Rata2 hitung dr kuadrat deviasi terhadap mean Varian = (Xi-X)2
n

Semakin besar nilai varian akan semakin bervariasi Standar Deviasi (SD) = v (Xi-X)2
n

Seperti varian, semakin besar SD semakin besar variasinya. NOTE : Jika tdk menunjukan adanya nilai ekstrim(normal), maka perhitungan mean dan SD merupakan cara analisis univariat yg tepat. Bila dijumpai nilai ekstrim (tdk normal), maka nilai median dan inter kuartil range (IQR) yg lebih tepat dibandingkan nilai mean. Peringkasan Data Katagori Hanya menggunakan distribusi frekuensi dgn ukuran persentase atau proporsi. Pada data katagori variasi maksimal apabila jml antar katagori berjml sama. 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 30,3 31,1 10,1 10,5 17-60 SD Min-Mak

Hasil analisis didapatkan rata rata umur pasien adalah 30,3 tahun, median 31,1 Th dengan standar deviasi 10,1 tahun. Umur termuda 17 th dan tertua 60 th.

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 30,0 10,0 100,0

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