P. 1
BIOSTATISTIK

BIOSTATISTIK

|Views: 109|Likes:
Dipublikasikan oleh Rinda Febrina
health medicine
health medicine

More info:

Categories:Types, Research
Published by: Rinda Febrina on Apr 01, 2013
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

09/27/2013

pdf

text

original

BIOSTATISTIK (BIOSTATISTIC INTRODUCTION) Adalah sekumpulan konsep atau metode yg digunakan untuk mengumpulkan, pengolahan, penyajian dan analisis

data termasuk cara mengambil kesimpulan dalam situasi dimana ada ketidak pastian dan variasi berdasarkan konsep probabilitas Pembagian statistik: Statistik Deskriptif: Bagaimana data dikumpulkan dan disajikan. Mendeskripsikan keadaan yang ditemukan pada obyek yang dihadapi Statistik Inferensi: Bagaimana menganalisis data dan menginterpretasikan hasil analisis tersebut Menginferensi / mengeneralisasi hasil sampel terhadap populasi Statistik parametrik dasar inferensinya berasal dari data yang memenuhi kriteria distribusi normal. Statistik non parametrik : dasar inferensinya berasal dari data yang tidak memenuhi kriteria distribusi normal atau data dg skala pengukuran nominal/ordinal. Sejarah Statistik

1. • • 2. • • • •

 

Statistik berasal dari bahasa Yunani (states): artinya negara, waktu itu banyak digunakan untuk urusan negara misalnya biaya pajak, jumlah penduduk sehingga muncul istilah statistik penduduk, statistik pendidikan, statistik kelahiran, statistik kematian Statistika adalah ilmu yang mempelajari hal-hal yang berhubungan dengan data, serta sifat-sifat data Biostatistik adalah statistik tentang makluk hidup (termasuk kesehatan)

    

Statistika: metode (prosedur, ilmu) untuk pengumpulan, pengorganisasian, penyajian, dan analisa data Statistik: ukuran (karakter, besaran) dari sampel, merupakan informasi Contoh: rata-rata hitung (rerata, mean), median, modus, proporsi, jangkauan (range) BB (berat badan) adalah data , bukan statistik Rata-rata BB mahasiswa Stikes Pemda adalah Statistik

Langkah Statistik: 1. 2. 3. 4. 5. Pengumpulan data Pengolahan data Penyajian data Penganalisaan data Penarikan kesimpulan

 

Langkah berurutan, tidak dapat dibolak-balik Statistik merubah data menjadi informasi

Contoh Statistik
 

Data umur mahasiswa: 18, 19, 18, 20, 21, 20, 19, 23, 19, 20, 19, 20, 21, 22, 20 Informasi apa yang dapat diambil dari data umur mahasiswa diatas?

Syarat Statistik 1. Merupakan agregat 2. Diperoleh dengan menghitung atau mengukur 3. Mempunyai variabilitas Agregat
 

Agregat adalah kumpulan fakta yang diperoleh dari obyek yang kita amati Cara memperoleh agregat: mengamati satu/sekelompok obyek secara berulang

Misal:
  

Agregat umur: 12, 13, 12, 15, 16 Agregat agama: Islam, Katolik, Kristen, Budha, Hindu Agregat status nikah: tidak menikah, menikah, duda, janda

Beda Menghitung dan Mengukur
   

Menghitung: tidak ada alat ukurnya, bentuk angkanya bulat, tidak ada satuanya Misal: jumlah mahasiswa, jumlah buku Mengukur: ada alat ukurnya, bentuk angkanya desimal, ada satuanya Misal: suhu tubuh, tekanan darah, berat badan, tinggi badan

Kegunaan Statistik
  

Memberikan gambaran tentang suatu objek secara lengkap dan ringkas Membandingkan kejadian satu dengan kejadian lainya dengan memakai acuan waktu atau tempat Membuat ramalan pada kejadian yang sama dimasa yang akan datang

Ruang Lingkup
   

Statistik deskriptif/deduktif adalah statistik yang bertujuan menggambarkan ciri suatu obyek berdasarkan data yang diperoleh, tanpa tindak lanjut (mencari penyebab) Misal: Statistik kunjungan Puskesmas Statistik penderita Ca servix di poli kandungan

Hasan adalah manusia Kesimpulan: semua manusia (mempunyai peluang besar) berkaki dua REFERENSI: 1. Hasan. Hasan. 2004. Jakarta. tetapi bisa dikatakan bahwa kesimpulan tsb mempunyai peluang benar Contoh:        Si Amir berkaki dua Si Santi berkaki dua Si Heru berkaki dua Si Lina berkaki dua Si Hasan berkaki dua Amir. Jakarta. prosedur penarikan kesimpulan sah. Bumi Aksara . Metodologi Penelitian Kedokteran. Nasution. Lina. Heru. 2004. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Bumi Aksara 3. 2005. jika premis (dasar pemikiran) benar dan prosedur penarikan kesimpulan benar Contoh:    Premis mayor: semua manusia akan mati Premis minor: Si Fulan adalah manusia Kesimpulan: Si Fulan akan mati   Cara berpikir Induktif adalah mengambil kesimpulan dari data yang bersifat sfesifik ke kesimpulan yang bersifat umum Walaupun premis benar. Bumi Aksara 4. EGC 2. 2005. Budiarto. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). Santi. kesimpulan belum tentu benar. Sebuah Pengantar. Jakarta.    Statistik Inferensial/ induktif adalah statistik bertujuan menaksir secara umum suatu populasi dengan menggunakan hasil sampel. termasuk didalamnya teori penaksiran dan pengujian teori Misal: Uji faktor yang mempengaruhi kunjungan Puskesmas Uji faktor pengaruh antara umur ibu dengan ca servix Pendekatan Statistik    Pendekatan/ cara berpikir statistik dibagi: Cara berpikir Deduktif adalah mengambil kesimpulan dari data yang bersifat umum ke kesimpulan yang bersifat spesifik Kesimpulan yang ditarik adalah benar. Jakarta. Metode research (penelitian Ilmiah).

Jakarta.000. Citramedia 6. Tjokronegoro. 90. Metodologi Penelitian dan Studi Kasus. 190. 180. 180.5. 160. 2003. Modus Mean  Mean adalah nilai yang diperoleh dengan cara menjumlahkan semua nilai pengamatan dibagi jumlah semua pengamatan dalam agregat Sifat mean adalah:     Mempertimbangkan semua nilai pengamatan Dapat dimanipulasi secara matematis. Silalahi. Sidoarjo. Median 3.150. 160. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 70. Metologi Penelitian Bidang kedokteran. sehingga dapat dipergunakan untuk keperluan statistik Hanya berlaku untuk data kuantitatif Sangat dipengaruhi oleh nilai ekstrem besar atau kecil Rumus Mean Data Distribusi Tunggal X = ∑x / n    X = mean ∑x = hasil penjumlahan nilai observasi n = jumlah observasi Contoh Soal     Sepuluh pegawai di PT Samudra penghasilan sebulanya dalam satuan ribu rupiah adalah sebagai berikut: 90. 2004.- . 100 Me = (90+120+160+180+190+90+180+70+160+100) : 10 = 150 Jadi penghasilan rata-rata pegawai di PT Samudra = Rp. 120. Mean 2. PENGUKURAN NILAI TENGAH Apa Itu Nilai Tengah  Tendensi sentral atau nilai tengah: ialah angka yang mewujudkan nilai yang terletak ditengah dari hasil observasi pada suatu agregat Macam tendensi sentral: 1.

PT Median à SD SD.000 Median à (60+70)/2 = 65 SD. 147. 52. PT Median à antara SD dan SMP Modus  Modus adalah nilai yang memiliki frekuensi terbanyak atau sering muncul Sifat modus adalah:   Tidak dipengaruhi nilai ekstrim Digunakan baik pada data kualitatif (nominal dan ordinal) maupun data kuantitatif (interval dan rasio) Contoh Modus .Median  Median: merupakan nilai observasi yang terletak ditengah setelah data pengamatan diurutkan menurut besar kecilnya (array data) Sifat nilai median:      Median mudah dihitung dan mudah dimengerti Dipengaruhi jumlah observasi Tidak dipengaruhi oleh nilai observasi Sering dipakai pada distribusi frekuensi yang miring Digunakan pada data yang bersifat kuantitatif maupun kualitatif berskala ratio. 171. 166. maka posisi median n+1 / 2 Contoh Median         Tinggi badan 11 Mhs Stikes Pemda: 180. 43. 144 Berat badan 10 Mhs Stikes Pemda: 39. S2. 70 Median à 60 50. interval maupun ordinal    Untuk menentukan nilai median harus terlebih dahulu diurutkan dan ditentukan posisi dengan cara: Bila seri pengamatan genap. 44 Pendidikan 5 Dosen Stikes Pemda: D3. 145. 164. 165. SD. D3 50. SD. 71. 160. 60. SMP. 51. 65. S1. S1. 100. 37. SMP. 70. maka posisi median n/2 Bila seri pengamatan ganjil. 45. 170. PT Median à SMP SD. SD. 60. 56. 167.

45. 35 Modus Data Kelompok Modus = b + p (f1 / (f1+f2))     b = batas klas bawah frekuensi terbanyak p = panjang klas f1 = frek klas terbanyak – f sebelumnya f2 = frek klas terbanyak – f sesudahnya Median Data Kelompok Median = b + p (1/2n – F / f)      b = batas bawah. dimana median akan terletak p = panjang klas n = banyak data F = cf = jumlah semua frekuensi sebelum klas median f = frekuensi klas median Mean Data Kelompok Mean = ∑f x / f    f = jumlah data x = nilai rata-rata batas interval/ midpoint kelas interval Misal interval: 21 – 30 → x = 21 + 30 / 2 = 25. 45. 20. 19. 45. 57. 60.Data kualitatif     Kebanyakan Mahasiswa di Jogja naik sepeda Kebanyakan pemuda Indonesia merokok Pada umumnya Pegawai Negeri Sipil tidak disiplin Pada umumnya warna mobil tahun 70-an adalah cerah. 45. 51.5 Contoh Soal Nilai Tengah Hitungan Modus . sedangkan tahun 80-an adalah gelap Data kuantitatif  Data umur pegawai di Departemen X adalah: 20. 45. 56.

172. 79.6 cm    Hasil ujian UTS biostatistik Mahasiswa Stikes dengan nilai rata-rata 65. 168. 78.95 Hitungan Median Klas median = klas ke-4 (f=30)      b = 51 – 0.     Klas modus = klas ke-4 (f=30) b = 51 – 0. 58. 54.4      Berat badan 15 Mhs Stikes: 51. 68.5 = 50. Berapa mean nilai tersebut jika UTS diberi bobot 1 dan UAS diberi bobot 2 (65. 71. 158.2 x 2) / (1 + 2) = Mean = 69.5 = 50. modus? Mean = 65.9. 72. 65. 164.7 Median = 65 Modus = 58 Latihan Hasil nilai ujian 40 Mhs Stikes dibagi menjadi 4 group sebagai berikut: .9 x 1) + (71.2. 169.5 + 10 ((50-26) / 30) Hitungan Mean  Mean = 6072/100 = 60. 64. sedangkan hasil ujian UAS rata-rata 71. 163 Berapa tinggi rata-rata atau mean tinggi badan Mhs tersebut? Mean = 166.5 p = 10 f = 30 F = cf = 2 + 6 + 18 = 26 Median = 50. median. 69. 55.5 + 10 (12 / (12+10)) = 55. 63. 80 Berapa mean. 165.72 Latihan    Hasil pemeriksaan tinggi badan pada 10 Mhs: 171. 178. 158.5 f1 = 30 – 18 = 12 f2 = 30 – 20 = 10 Modus = 50.

Bumi Aksara 4. 8 Range = 11 – 1 = 10 Contoh Soal      Sepuluh pegawai Stikes Jombang. Jakarta. Jakarta. gaji masing-masing tiap bulanya dalam ribuan rupiah adalah sbb: 50.1. 700 Berapa range gaji pegawai tsb? Range: 700 – 50 = 650 Makin besar range → makin bervariasi . Sidoarjo. EGC 2. 190. Bumi Aksara 5. Pokok Pokok Materi Statistik 1 (statistik Deskriptif).11. Jakarta. Silalahi. Modus dan Median? REFERENSI: 1. 2004. Budiarto. 75. 400. Metode research (penelitian Ilmiah). 170. Nasution.4. 150. 600.9. Pokok Pokok Materi Statistik 2 (statistik Infereansif). 200. Bumi Aksara 3. Metodologi Penelitian Kedokteran. PENGUKURAN DISPERSI Pengertian Dispersi       Ukuran Dispersi/ Variasi/ Penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai individu terhadap nilai pusatnya (rata-rata) Jenis ukuran dispersi ada 4: Jangkauan = Range Deviasi rata-rata = Simpangan rata-rata Varians Simpangan baku = Standar Deviasi Range      Range atau Jangkauan adalah selisih nilai terbesar dengan nilai terkecil Range data tunggal: Contoh: Tentukan range data berikut: 7. 2005. 175. Citramedia 6. Jakarta.Hitung: Mean. Tjokronegoro. Hasan. Metodologi Penelitian dan Studi Kasus. 2004. Metologi Penelitian Bidang kedokteran. Sebuah Pengantar. 2003. Jakarta. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Hasan. 2004. 2005.

3. 6.5 = 35 Deviasi Rata-rata  Deviasi rata-rata: adalah nilai rata-rata hitung dari harga mutlak simpangannya Deviasi rata-rata data tunggal: DR = ∑ ⅼ X – X1 ⅼ/ n = X = nilai individu X1 = nilai rata-rata n = jumlah data Contoh Soal Tentukan deviasi rata-rata dari:     2.8 Tabel Bantu Deviasi Rata-rata Kelompok Rumus: DR = (∑ f ⅼ X – X1 ⅼ) / n . Selisish tepi atas kelas tertinggi dengan tepi bawah kelas terendah Contoh Soal Range Hitung range data kelompok diatas. 8.       Titik tengah kelas terendah = 142 Titik tengah kelas tertinggi = 172 Tepi bawah kelas terendah = 139.5 Range = 172 – 142 = 30 Range = 174.5 – 139. Selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah 2.Range Data Kelompok Cara menghitung range data kelompok: 1.5 Tepi bawah kelas tertinggi = 174. 11 X1 = (2+3+6+8+11) / 5 = 6 Cara mencari deviasi rata-rata dapat menggunakan tabel bantu sbb: DR = 14 / 5 = 2.

    f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f Contoh Soal Deviasi Kelompok 1 Contoh Soal Deviasi Kelompok 2 DR = (∑ f ⅼ X – X1 ⅼ) / n DR = 282 / 50 = 5.64 Varians     Varians merupakan jumlah kuadrat semua deviasi nilai-nilai individu terhadap ratarata nilai kelompok Akar varians disebut standart deviasi atau simpangan baku Varians sample = s2 Varians populasi = σ2 (sigma) Varians Data Tunggal Untuk sample besar (>30) s2 = ∑ (X – X1)2 / n     s2 = Varians X = nilai individu X1 = nilai rata-rata n = jumlah data Untuk sample kecil (n≤30) s2 = ∑ (X – X1)2 / n-1      s2 = Varians X = nilai individu X1 = nilai rata-rata n = jumlah data Varians Data Kelompok .

30) s2 = ∑ f(X – X1)2 / n      s2 = Varians f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f Untuk sample kecil (n≤30) s2 = ∑ f(X – X1)2 / n-1      s2 = Varians f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f Contoh Soal Tentukan varians dari data:    2. 6. 8.425 s2 = ∑ f(X – X1)2 / n .Varians Data Kelompok Untuk sample besar (>.5 Contoh Soal Varians 2 Contoh Soal Varians 3 X1 =(66+69+72+75+78+81) / 6 = 73. 11 n=5 X1 = (2+3+6+8+11)/5 = 6 Contoh Soal Varian s2 = ∑ (X – X1)2 / n-1 (54)/ (5-1) = 13. 3.

694 Standart Deviasi (SD)    Simpangan Baku atau Standart deviasi adalah akar dari varians Standart Deviasi sample = s Standart Deviasi populasi = σ (sigma) Untuk sample besar (> 30) s = √ ∑ (X – X1)2 / n     s = Standart Deviasi X = nilai individu X1 = nilai rata-rata n = jumlah data Untuk sample kecil (n≤30) s = √ ∑ (X – X1)2 / n-1     s = Standart Deviasi X = nilai individu X1 = nilai rata-rata n = jumlah data Data Kelompok Untuk sample besar (>30) s = √ ∑ f(X – X1)2 / n      s = Standart Deviasi f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f Untuk sample kecil (n≤30) s = √ ∑ f(X – X1)2 / n-1      s = SD (standart deviasi) f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f .790) / 40 = 11.s2 = (467.

EGC 2. 58.75) / 100 = 7. Jakarta. 2003. Jakarta. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 2005. Pokok Pokok Materi Statistik 2 (statistik Infereansif).950.45 Contoh Soal Varians 5 Contoh Soal Varians 6 X1 = ∑fx / ∑f = 5. 35. Citramedia 6.5 / 9 √ 550. 98 Tentukan Simpangan Bakunya! Contoh soal varians 4 s = √ ∑ (X – X1)2 / n-1 s = √ 4. Jakarta. 2004. Nasution. Bumi Aksara 4. Budiarto.Contoh Soal Berikut adalah sample nilai UTS Biostatistik dari sekelompok Mahasiswa Stikes Pemda Jombang: 30. Metologi Penelitian Bidang kedokteran. 42. 82. Apa Itu Variabel  Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya berbeda-beda . Sidoarjo. 2004. Tjokronegoro. Bumi Aksara 5. 90.31 REFERENSI: 1. Silalahi. 66. Jakarta.585 / 100 = 55. Jakarta. Hasan.85 s = √ ∑ (X – X1)2 / n S = √ (5. 50. Metode research (penelitian Ilmiah). Hasan. Metodologi Penelitian Kedokteran. Pokok Pokok Materi Statistik 1 (statistik Deskriptif).342.056 = 23. Bumi Aksara 3. 2005. 74. Sebuah Pengantar. Metodologi Penelitian dan Studi Kasus. 2004.

tingkat pendidikan Atribut: laki. PT → atribut dari variabel tingkat pendidikan Subyek dan Obyek Penelitian    Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu hamil disebut subyek penelitian →sedangkan tingkat pengetahuan disebut obyek penelitian Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek. kunjungan: obyek Meneliti kemanjuran obat → obat: subyek. variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi pekerjaan Sebutkan. kemanjuran: obyek Macam Variabel    Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel yang dipengaruhi oleh variabel lain Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang mempengaruhi variabel lain Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan (variabel bebas). SMA. Jenis olah raga dan bakat 2. pendidikan. mana yang termasuk variabel bebas dan variabel tergantung 1.Sesuatu dikatakan variabel. dan keturunan . SMP. Pekerjaan dan jenis kelamin 3. jika:      Mempunyai nama Dapat diamati atau diukur Nilainya berbeda-beda Memiliki definisi verbal Ada kelompok penggolongan atau satuan Contoh variabel tinggi badan:      Nama : tinggi badan Dapat diukur : dapat Nilai pengukuran : berbeda Definisi verbal : jarak antara kepala – kaki Satuan : centimeter     Bagian dari variabel disebut: atribut Variabel: jenis kelamin. perempuan →atribut dari variabel jenis kelamin Atribut: SD. Kepribadian.

TB (variabel bebas) menyebabkan penyakit TB (varibel tergantung) → proses diatas dapat berlangsung pada saat kondisi tubuh lemah (variabel penekan/ prakondisi) .Hubungan Antar Variabel 1. independent. Hubungan Simetris 3. terpengaruh. kriterium Hubungan Variabel Simetris    Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak saling mempengaruhi Contoh: variabel Tinggi badan (Y1) dan Berat Badan (Y2) dipengaruhi oleh variabel pertumbuhan (X) Antara Y1 dan Y2 ada hubungan. prediktor Y = variabel tergantung. namun melalui kontrasepsi atau penundaan usia perkawinan → variabel kontrasepsi dan penundaan usia perkawinan disebut: Variabel Perantara Variabel Penekan/ Pra Kondisi   Variabel penekan atau prakondisi adalah variabel yang merupakan prasyarat bekerjanya variabel bebas dan variabel tergantung Contoh: Kuman M. pengaruh. Hubungan Asimetris 2. tetapi tidak secara langsung. dependent. Hubungan Timbal Balik (Resiprocal) Hubungan Variabel Asimetris     Hubungan variabel Asimetris adalah hubungan suatu variabel yang mempengaruhi variabel lainya X→Y X = variabel bebas. tetapi tidak saling mempengaruhi Hubungan Variabel Timbal Balik     Hubungan antar dua variabel yang saling mempengaruhi Misal: hubungan antara variabel malnutrisi dan variabel malabsorbsi Malabsorbsi akan menyebabkan malnutrisi Malnutrisi akan menyebabkan atropi mukosa usus halus → malabsorbsi Variabel Perantara   Variabel perantara atau penghubung: variabel yang menjadi penghubung antara variabel bebas dan variabel tergantung Misal: modernisasi (status wanita) dapat mempengaruhi fertilitas.

kecuali indera pengamatan Tuliskan Definisi Operasional Variabel Berikut: 1.     Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan sebagai: Orang yang dapat menghabiskan sepiring nasi dalam waktu kurang dari dua menit Orang yang kelihatan mengantuk. 8. 6. sedang berdasar definisi 2 tidak diperlukan alat. Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau instrumen yang akan digunakan dalam pengumpulan data. Pengetahuan Persepsi Sikap Perilaku Kinerja Adat Tradisi Budaya . hal ini disebabkan ada variabel pengganggu yaitu variabel status pekerjaan: PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non PNS Definisi Operasional Variabel       Definisi operasional adalah seperangkat instruksi yang lengkap untuk menetapkan apa yang akan diukur dan bagaimana cara mengukur variable. 5. 4.Variabel Pengganggu/ Distorter   Variabel pengganggu/ distorter adalah variabel yang mengganggu bekerjanya variabel bebas dan variabel tergantung Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak daripada ekonomi tinggi →ternyata hipotesis tersebut salah. maka setiap konsep yang ada dalam permasalahan atau yang ada dalam hipotesis harus disusun Definisi Operasional. Untuk menentukan seseorang lapar atau tidak. 3. berdasarkan definisi 1 diperlukan sepiring nasi dan sebuah pencatat waktu. 7. 2. tidak suka berbicara dan kelihatan lesu. Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah variable adalah: Nama variable Definisi verbal variable Kelompok penggolongan variable suatu cara untuk menggolongkannya   Agar variabel dapat diamati dan diukur.

Sebuah Pengantar. Nasution. Hasan. Metologi Penelitian Bidang kedokteran. Jakarta. yang dapat menggambarkan keadaan populasi yang sebenarnya Pengambilan sample dilakukan dengan cara acak/random →agar semua anggota pupolasi mempunyai kesempatan yang sama untuk dipilih Apa Itu Sampling   Sampling adalah cara memperoleh sample dari populasi Sampling dibedakan menjadi dua. Bumi Aksara 4. 2004. Hasan. Jakarta. Silalahi. Metodologi Penelitian Kedokteran. 2005. EGC 2. Metodologi Penelitian dan Studi Kasus. Stratified Sampling 4. perawat puskesmas Macam Populasi: Populasi Finit (terhingga): diketahui jumlahnya Populasi Infinit (tak terhingga): tidak diketahui jumlahnya. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). POPULASI SAMPLE SAMPLING Apa Itu Populasi      Populasi: kumpulan individu atau obyek yang mempunyai kateristik yang akan dihitung/diukur Misal: penduduk Jombang. Multistage Sampling Non Random Sampling . Cluster Sampling 5. Systematic Sampling 3.REFERENSI: 1. dapat diubah menjadi terhingga dengan cara membatasi wilayah atau jumlah Apa Itu Sampel   Sampel: adalah perwakilan dari populasi. 2005. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Citramedia 6. pasien poli kandungan. Jakarta. random dan non random Random Sampling 1. Simple Random Sampling 2. Metode research (penelitian Ilmiah). Sidoarjo. 2004. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 2004. Bumi Aksara 3. Jakarta. 2003. Jakarta. Bumi Aksara 5. Budiarto. Tjokronegoro.

42. 18. 72. 33. 08. 35. 91 dst Sistematic Random Sampling     Populasi diurutkan terlebih dahulu Pemilihan random diperoleh dengan cara mencari angka kelipatan Angka kelipatan diperoleh dari: populasi/sample → misal: 100/50=2 Hasil pemilihan sample dengan angka kelipatan 2 adalah: 00. 52. 90. 64. 10. 69. 53. 66. 06. 61. 22. 80. Kuota sampling 3. 62. 07. 83. 33. 02. 87. 08. 14. 70. 01. 84. 67. 20. jalan.1. 54. 17. 84. 02. 15. 48. 86. 97. 40. 18. 44. 59. 01. 25. 54. 23. 98. 25. 89. 52. 12. 52. 00. 45. 75. 06. 17. 16. 15. 55. 32. 07. 65. 14. 58. 04. 10. 22 dst Stratified Random Sampling    Populasi dibagi menjadi beberapa kelompok atau strata → baru dilakukan random sampling Misal penelitian IQ siswa SD →dikelompokan dulu per kelas → lalu masing2 kelas dilakukan random sampling Misal jumlah sample 60 siswa → maka masing2 kelas diambil 10 sample dipilih secara random Cluster Random Sampling    Cluster sampling dipergunakan saat unit samplingnya terdiri lebih dari satu elemen populasi Misalnya: survey kualitas air minum penduduk didesa Penduduk kita kelompokan dulu → dapat berdasar RT/RW. 86. 21. 23. 64. 33. 24. 08. Asidentil sampling 2. 80. 79. Purpose sampling Sample Random Sampling   Pengambilan sample dengan menggunakan tabel random atau diundi Tabel Random Sampling: 88. 39. sungai Multistage Random Sampling   Teknik pemilihan sample yang dilakukan secara bertingkat dan biasanya berdasarkan pembagian wilayah kerja suatu pemerintahan Misal: survey jamban di jawa timur → kita tentukan dulu berapa kabupaten/kota yang disampling →berapa kecamatan →berapa desa → berapa dusun → berapa RW → berapa RT Asidentil Sampling . 24. 72. 14.

pada hari dan jam kapan peneliti sempat atau pengunjung puskesmas yang saat itu datang Kuota sampling  Pengambilan sample yang jumlahnya telah ditentukan oleh peneliti Purpose sampling  Pengambilan sample yang kriterianya sesuai dengan keinginan atau tujuan peneliti Pengumpulan Data 1. 3. tersimeter Formulir Isian    Formulir isian → menggunakan beberapa pertanyaan yang berisi apa yang akan diamati dan pengamat hanya menulis hasil dari obyek yang diamati Tidak ada komunikasi antara responden dan peneliti Misal: Apakah penyakit Flu burung membahayakan? . data lebih valid Kerugian survey: Data bersifat sesaat. Survey: mencari data dengan mengamati atau mengukur sebagian responden     Keuntungan survey: Biaya murah. Sensus: mencari data dengan mengamati atau mengukur semua responden 2. Pengamatan Wawancara Angket Pengukuran Instrumen Pengumpulan Data 1. 2. 4. 2. waktu dan tenaga sedikit. Formulir isian Check list Kuesioner tertutup atau terbuka Alat ukur: timbangan. tidak dapat menggambarkan perubahan yang terjadi dengan berjalannya waktu Teknik Pengumpulan Data 1.  Pengambilan saple secara kebetulan Misalnya. 3. 4.

ons . Jakarta. Sebuah Pengantar. Hasan. ton. bulan. 2004. memperbaiki. memperjelas. Citramedia 6. pengecekan logis) jawaban responden Coding → memberikan jawaban secara angka atau kode sehingga mudah diolah → misal: SD (1). EGC 2. Metodologi Penelitian Kedokteran. responden tinggal memilih jawaban yang telah disediakan Kuesioner terbuka: jika jawaban tidak disediakan peneliti. Jakarta. 2004. Metode research (penelitian Ilmiah). responden tinggal memberi tanda centang (√) Misal: Pendidikan saudara: □ SD. selapan. Sidoarjo. Bumi Aksara 4. minggu. SMP (2). jaman jepang Berat: gram. kilogram. Metologi Penelitian Bidang kedokteran. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Metodologi Penelitian dan Studi Kasus. Jakarta. Tjokronegoro. SMA (3). □ SMA. 2003. Hasan. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). Budiarto. 2005. PENGOLAHAN DATA Langkah Pengolahan Data     Editing → (melengkapi. Bumi Aksara 5. Nasution. tahun. □ PT Kuesioner    Kuesioner: daftar pertanyaan yang sudah tersusun secara tertulis dan responden tinggal menulis jawabanya Kuesioner tertutup: jika jawaban sudah disediakan peneliti. PT (4) Transfering → memindahkan jawaban/kode jawaban ke dalam media pengolah/kartu kode Tabulating → menyusun data dalam bentuk tabel/grafik Editing    Editing satuan: Umur: hari.Check List   Check list terdiri dari beberapa pertanyaan yang jawabanya sudah disediakan oleh peneliti. responden harus menulis jawaban dimana jawabannya tergantung pemikiran responden REFERENSI: 1. Bumi Aksara 3. Silalahi. 2004. 2005. □ SMP. Jakarta. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Jakarta.

swasta (2). 4. 45. pelayan toko. 33. 37. lain-lain (4) Coding kepuasan: (skala Lickert) Sangat tidak puas : 1 Tidak puas : 2 Cukup : 3 Puas : 4 Sangat puas : 5 1. Tabel silang atau cross tabulating Distribusi     Distribusi: kumpulan data yang kita amati dalam suatu karakteristik tertentu Data yang tidak dikelompokan disebut: distribusi tunggal Misal umur tenaga kesehatan: 34. 3. 5.   Editing pekerjaan: Wiraswasta: pedagang. makelar. 19. wanita (2) Coding pekerjaan: PNS (1). 28 Data yang dikelompokan disebut: distribusi kelompok (frekuensi) Tabel Disribusi/ Tabel Frekuensi Cara membuat Distribusi Frekuensi     Carilah rentang nilai dengan cara nilai terbesar dikurangi nilai terkecil Hasil rentang nilai dibagi dengan banyaknya kelas interval yang diinginkan. 2. Transfering Tabulating Menyusun data dalam bentuk tabel: 1. 21. wiraswasta (3). penjual bakso. Tabel distribusi atau tabel frekuensi 2. 55. 36. Banyaknya kelas interval mulai 5 s/d 15 Hasil pembagian rentang nilai dengan banyaknya kelas merupakan panjang dari kelas interval . 24. 44. blantik sapi Swasta: pekerja pabrik. pegawai bank Coding    Coding jenis kelamin: laki (1).

Hi-Lo Grafik     Grafik Gambar (Pictogram) Grafik Lingkaran (Pie Diagram) Grafik Tebar (Scater Diagram) Grafik Batang Contoh Tabel Distribusi Contoh Tabel Silang Raw Contoh Tabel Silang Colum Contoh Tabel Silang Total Contoh Grafik Histogram Latihan Soal Buat Table Disribusi Frekuensi berdasarkan: 1. Grafik Garis Tunggal. 4.   Narasi: tulisan. karangan. Propotional Line Diagram. 2. Ogive. 4.Penyajian Data 1. Multiple Bar Grafik Garis: Poligon. textular Tabel: Tabel Distribusi Frekuensi Tabel Silang (Cross Tabulation) Grafik: Grafik Batang. 2. Sub Divided Bar. Grafik Garis Berganda. Histogram. 5. 3. Umur dengan interval 10 tahun Pendidikan Status perkawinan Kinerja . Single Bar. Propotional Change Line Diagram. 3.

Jakarta. 2003. Metode research (penelitian Ilmiah). 2004. Wanita. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Pria. 23. 2004. 31. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). Umur dengan pendidikan 2. 2004. DATA STATISTIK Apa itu Data?   Data (jamak → datum): himpunan angka yang berasal dari hasil pengukuran peneliti Kumpulan data disebut: agregat Klasifikasi data Menurut pengolahannya:   Raw data: data mentah dan belum diolah Misal: umur mhs: 20. 2005. Tjokronegoro. Budiarto. 23. 31. Pendidikan dengan status perkawainan 3. Bumi Aksara 4. Jakarta. Bumi Aksara 3. Bumi Aksara 5. Kristen)    Gruoped data: data yang telah dikelompokan dalam kelas tertentu: Misal: Umur: kelompok (11-20). Metodologi Penelitian dan Studi Kasus. Islam). C (25. Citramedia 6. D (19. Hasan. Islam). Jakarta.Buat Tabel Silang antara 1. Metodologi Penelitian Kedokteran. Pria. Pria. EGC 2. Sebuah Pengantar. Silalahi. B (30. 45. Katolik). 45   Ungrouped data: raw data yang belum dikelompokan Misal: A(23. Katolik . Hasan. Jakarta. (21-29). 19   Array data: data yang belum diolah. Jakarta. 20. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Sidoarjo. Nasution. Metologi Penelitian Bidang kedokteran. Pendidikan dengan kinerja REFERENSI: 1. 2005. tetapi sudah diurutkan Misal: umur mhs: 19. (31-39) Agama: Islam.

2004. Sebuah Pengantar. tidak ada nilai nol mutlak (artinya mempunyai nilai nol →realnya ada nilai nol) Misal: suhu badan. Hasan. umur REFERENSI: 1. ada urutan. Metodologi Penelitian Kedokteran. agama. diketahui tingkat perbedaanya. alamat. Jakarta. yang tidak diukur atau dihitung sendiri oleh peneliti Menurut Skala Pengukuranya   Skala Nominal: data yang hanya dapat membedakan (mengkatagorikan). ada urutan. tingkat pendidikan   Skala Interval: data yang mempunyai kategori. Jakarta. tidak diketahui tingkat perbedaanya dan tidak ada urutanya Misal: jenis kelamin. Bumi Aksara . status perkawinan   Skala Ordinal: data yang mempunyai kategori. diketahui tingkat perbedaanya. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). mempunyai tingkat perbedaanya. Budiarto. teapi tidak diketahui berapa nilai tingkat perbedaanya Misal: golongan. nilai ujian   Data Skala Ratio: data yang mempunyai kategori.Menurut bentuk angka   Data Diskrit: data yang angkanya bulat Data kontinue: data yang angkanya pecahan (desimal) Menurut Sifatnya   Data Kuantitatif: data yang berwujud angka Data Kualitatif: data yang tidak berwujud angka Menurut Sumbernya   Data Primer: data yang diukur atau dihitung sendiri oleh peneliti Data Skunder: data yang didapat dari sumber lain. 2005. EGC 2. mengakui nilai nol mutlak (artinya realnya tidak ada)tidak ada nilai nol Misal: berat badan. pangkat.

3. Nasution. Nengok-nengok gamabar . Citramedia 6. Sidoarjo. Diposkan oleh Armaidi Darmawan di 22:51 0 komentar: Poskan Komentar Link ke posting ini Buat sebuah Link Posting Lebih Baru Posting Lama Beranda Langganan: Poskan Komentar (Atom) Total Tayangan Laman 15. 2004. Jakarta. 2003. Metodologi Penelitian dan Studi Kasus. Diberdayakan oleh Blogger. Bumi Aksara 4. Hasan. Metologi Penelitian Bidang kedokteran. Metode research (penelitian Ilmiah). 2004. Bumi Aksara 5. Silalahi.811 Link ke situs lain   DIKTI Kedokteran Unja Cari Blog Ini Template Ethereal. Tjokronegoro. Jakarta. 2005. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Jakarta. Pokok Pokok Materi Statistik 2 (statistik Infereansif).

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)//-->