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

Metodologi Penelitian Kedokteran. EGC 2. Hasan. Hasan adalah manusia Kesimpulan: semua manusia (mempunyai peluang besar) berkaki dua REFERENSI: 1. 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. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). 2005. 2004. Bumi Aksara 3. Lina. 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 . Heru. Jakarta. Sebuah Pengantar. Metode research (penelitian Ilmiah). Pokok Pokok Materi Statistik 2 (statistik Infereansif). 2005. 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. Santi. Hasan. Jakarta. kesimpulan belum tentu benar. Budiarto. Jakarta. Bumi Aksara 4.    Statistik Inferensial/ induktif adalah statistik bertujuan menaksir secara umum suatu populasi dengan menggunakan hasil sampel. prosedur penarikan kesimpulan sah. Nasution. 2004.

70. Citramedia 6. 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. 160. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Jakarta. Mean 2. Metologi Penelitian Bidang kedokteran. Sidoarjo. 2003. 190. 90. 180. Tjokronegoro. 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. 160. 180. 120. Metodologi Penelitian dan Studi Kasus. 2004. Median 3. 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.150.5. 100 Me = (90+120+160+180+190+90+180+70+160+100) : 10 = 150 Jadi penghasilan rata-rata pegawai di PT Samudra = Rp. Silalahi.000.- .

maka posisi median n/2 Bila seri pengamatan ganjil. 43. 60. 144 Berat badan 10 Mhs Stikes Pemda: 39. 171. 165. SMP. 147. 70 Median à 60 50. 56. SMP. SD. S2.000 Median à (60+70)/2 = 65 SD. 70. interval maupun ordinal    Untuk menentukan nilai median harus terlebih dahulu diurutkan dan ditentukan posisi dengan cara: Bila seri pengamatan genap. 45. PT Median à SD SD. D3 50. SD. 71. SD. maka posisi median n+1 / 2 Contoh Median         Tinggi badan 11 Mhs Stikes Pemda: 180. 60. 52. 164. 167. 44 Pendidikan 5 Dosen Stikes Pemda: D3. 51.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. PT Median à SMP SD. 65. 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 . 100. 166. 37. 170. 160. 145. S1. S1.

19. 45. 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. 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.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. 45.5 Contoh Soal Nilai Tengah Hitungan Modus . 45. 20. 51. 56. 57. 60. sedangkan tahun 80-an adalah gelap Data kuantitatif  Data umur pegawai di Departemen X adalah: 20.

163 Berapa tinggi rata-rata atau mean tinggi badan Mhs tersebut? Mean = 166.5 + 10 ((50-26) / 30) Hitungan Mean  Mean = 6072/100 = 60.     Klas modus = klas ke-4 (f=30) b = 51 – 0.72 Latihan    Hasil pemeriksaan tinggi badan pada 10 Mhs: 171.4      Berat badan 15 Mhs Stikes: 51.2 x 2) / (1 + 2) = Mean = 69. 55. 78. 178. 168.5 p = 10 f = 30 F = cf = 2 + 6 + 18 = 26 Median = 50. 169.5 f1 = 30 – 18 = 12 f2 = 30 – 20 = 10 Modus = 50.9 x 1) + (71. 164.9.5 + 10 (12 / (12+10)) = 55.5 = 50.5 = 50. 71.2. 58. 158. 72. 65. 80 Berapa mean. modus? Mean = 65.6 cm    Hasil ujian UTS biostatistik Mahasiswa Stikes dengan nilai rata-rata 65.95 Hitungan Median Klas median = klas ke-4 (f=30)      b = 51 – 0. 165. 63. sedangkan hasil ujian UAS rata-rata 71. Berapa mean nilai tersebut jika UTS diberi bobot 1 dan UAS diberi bobot 2 (65. 64. 172. 158. 79. 69. 68. 54. median.7 Median = 65 Modus = 58 Latihan Hasil nilai ujian 40 Mhs Stikes dibagi menjadi 4 group sebagai berikut: .

Bumi Aksara 4. 150. Metologi Penelitian Bidang kedokteran. 2003. Citramedia 6.9. 2004.Hitung: Mean. 2005. 2004. Budiarto. 175. gaji masing-masing tiap bulanya dalam ribuan rupiah adalah sbb: 50. 8 Range = 11 – 1 = 10 Contoh Soal      Sepuluh pegawai Stikes Jombang. 170. Hasan. 75. Hasan. 700 Berapa range gaji pegawai tsb? Range: 700 – 50 = 650 Makin besar range → makin bervariasi . 200. Bumi Aksara 5.1. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Metodologi Penelitian Kedokteran. Silalahi. Tjokronegoro. 190. Sidoarjo. 2004. 2005. Balai Penerbit Fakultas Kedokteran Universitas Indonesia.4. 600. 400. Jakarta. Metode research (penelitian Ilmiah). Bumi Aksara 3. Nasution. Modus dan Median? REFERENSI: 1. 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. Jakarta. Jakarta.11. Metodologi Penelitian dan Studi Kasus. Jakarta. Jakarta. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). EGC 2. Sebuah Pengantar.

3.       Titik tengah kelas terendah = 142 Titik tengah kelas tertinggi = 172 Tepi bawah kelas terendah = 139.8 Tabel Bantu Deviasi Rata-rata Kelompok Rumus: DR = (∑ f ⅼ X – X1 ⅼ) / n . 6.5 Range = 172 – 142 = 30 Range = 174.Range Data Kelompok Cara menghitung range data kelompok: 1.5 – 139. Selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah 2. 11 X1 = (2+3+6+8+11) / 5 = 6 Cara mencari deviasi rata-rata dapat menggunakan tabel bantu sbb: DR = 14 / 5 = 2.5 Tepi bawah kelas tertinggi = 174. 8. Selisish tepi atas kelas tertinggi dengan tepi bawah kelas terendah Contoh Soal Range Hitung range data kelompok diatas.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.

    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 .

11 n=5 X1 = (2+3+6+8+11)/5 = 6 Contoh Soal Varian s2 = ∑ (X – X1)2 / n-1 (54)/ (5-1) = 13.30) 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. 8.Varians Data Kelompok Untuk sample besar (>.5 Contoh Soal Varians 2 Contoh Soal Varians 3 X1 =(66+69+72+75+78+81) / 6 = 73. 6.425 s2 = ∑ f(X – X1)2 / n . 3.

s2 = (467.694 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.

Jakarta. Silalahi. Apa Itu Variabel  Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya berbeda-beda . Metodologi Penelitian Kedokteran. Tjokronegoro. 90. Budiarto. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Bumi Aksara 3. Sidoarjo. 74.5 / 9 √ 550. 66. Bumi Aksara 4. Citramedia 6. Pokok Pokok Materi Statistik 1 (statistik Deskriptif).950. 58. 82. 2005.585 / 100 = 55. Jakarta. 2003. Jakarta. Sebuah Pengantar. 2005.342. Metode research (penelitian Ilmiah). EGC 2. Jakarta.Contoh Soal Berikut adalah sample nilai UTS Biostatistik dari sekelompok Mahasiswa Stikes Pemda Jombang: 30. 2004.45 Contoh Soal Varians 5 Contoh Soal Varians 6 X1 = ∑fx / ∑f = 5. Bumi Aksara 5. 2004.75) / 100 = 7. 50. Hasan. Jakarta. 98 Tentukan Simpangan Bakunya! Contoh soal varians 4 s = √ ∑ (X – X1)2 / n-1 s = √ 4. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 35. Metologi Penelitian Bidang kedokteran.31 REFERENSI: 1. Metodologi Penelitian dan Studi Kasus. 2004.056 = 23. Hasan. Nasution. 42.85 s = √ ∑ (X – X1)2 / n S = √ (5.

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. kunjungan: obyek Meneliti kemanjuran obat → obat: subyek. pendidikan. Pekerjaan dan jenis kelamin 3. mana yang termasuk variabel bebas dan variabel tergantung 1. 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. Jenis olah raga dan bakat 2.Sesuatu dikatakan variabel. tingkat pendidikan Atribut: laki. dan keturunan . 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). perempuan →atribut dari variabel jenis kelamin Atribut: SD. Kepribadian. variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi pekerjaan Sebutkan. SMP. SMA.

prediktor Y = variabel tergantung. tetapi tidak secara langsung. Hubungan Asimetris 2. pengaruh. 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. 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. 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. Hubungan Simetris 3.Hubungan Antar Variabel 1. TB (variabel bebas) menyebabkan penyakit TB (varibel tergantung) → proses diatas dapat berlangsung pada saat kondisi tubuh lemah (variabel penekan/ prakondisi) . terpengaruh. independent. dependent. Hubungan Timbal Balik (Resiprocal) Hubungan Variabel Asimetris     Hubungan variabel Asimetris adalah hubungan suatu variabel yang mempengaruhi variabel lainya X→Y X = variabel bebas.

7. Pengetahuan Persepsi Sikap Perilaku Kinerja Adat Tradisi Budaya . kecuali indera pengamatan Tuliskan Definisi Operasional Variabel Berikut: 1. 2. 4. maka setiap konsep yang ada dalam permasalahan atau yang ada dalam hipotesis harus disusun Definisi Operasional. sedang berdasar definisi 2 tidak diperlukan alat. 8.     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. tidak suka berbicara dan kelihatan lesu.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. 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. Untuk menentukan seseorang lapar atau tidak. 5. 6. 3. Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau instrumen yang akan digunakan dalam pengumpulan data. 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. berdasarkan definisi 1 diperlukan sepiring nasi dan sebuah pencatat waktu.

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

64. 14. 45. 08. 86. 21. 54. 65. 01. 59. Purpose sampling Sample Random Sampling   Pengambilan sample dengan menggunakan tabel random atau diundi Tabel Random Sampling: 88. 53. 15. 20. 00. 25. 79. 08. 86. 69. 48. 52. 16. 75. 17. 14. 70. Kuota sampling 3. 40. 24. 01. 98. 35. 55. 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. 80. 97. 80. 15. 06. 62. 90. 72. 12. 67. 10. 33. 84. 18. 14. 07. 02. 39. 04. 22. 44. 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. 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. 83. 17. 23. 02. 87. Asidentil sampling 2. 89. 07. 23. jalan. 61. 72. 33. 54. 18. 10. 52. 42. 66. 64. 84. 06. 08. 33. 25. 58. 32.1.

  Pengambilan saple secara kebetulan Misalnya. 3. data lebih valid Kerugian survey: Data bersifat sesaat. tidak dapat menggambarkan perubahan yang terjadi dengan berjalannya waktu Teknik Pengumpulan Data 1. Formulir isian Check list Kuesioner tertutup atau terbuka Alat ukur: timbangan. 2. 2. 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. 4. waktu dan tenaga sedikit. 3. Survey: mencari data dengan mengamati atau mengukur sebagian responden     Keuntungan survey: Biaya murah. Pengamatan Wawancara Angket Pengukuran Instrumen Pengumpulan Data 1. 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? . 4. Sensus: mencari data dengan mengamati atau mengukur semua responden 2.

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

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. 45. wanita (2) Coding pekerjaan: PNS (1). Banyaknya kelas interval mulai 5 s/d 15 Hasil pembagian rentang nilai dengan banyaknya kelas merupakan panjang dari kelas interval . pegawai bank Coding    Coding jenis kelamin: laki (1). 19. 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. 37. 36. swasta (2). 2. Tabel distribusi atau tabel frekuensi 2. 55. Transfering Tabulating Menyusun data dalam bentuk tabel: 1. lain-lain (4) Coding kepuasan: (skala Lickert) Sangat tidak puas : 1 Tidak puas : 2 Cukup : 3 Puas : 4 Sangat puas : 5 1. 3. 33. 44. 4. 24. makelar. wiraswasta (3). 5. 21. blantik sapi Swasta: pekerja pabrik. penjual bakso.   Editing pekerjaan: Wiraswasta: pedagang. pelayan toko.

Grafik Garis Berganda. Grafik Garis Tunggal.   Narasi: tulisan. Multiple Bar Grafik Garis: Poligon. 4. 2. Umur dengan interval 10 tahun Pendidikan Status perkawinan Kinerja . Ogive. Single Bar. 5. textular Tabel: Tabel Distribusi Frekuensi Tabel Silang (Cross Tabulation) Grafik: Grafik Batang. 2. 3. Propotional Line Diagram.Penyajian Data 1. 4. Sub Divided Bar. 3. Propotional Change Line Diagram. 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. karangan. Histogram.

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

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

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. Diberdayakan oleh Blogger. Sidoarjo. Bumi Aksara 5. 2004. 2003. 2004. Nasution.811 Link ke situs lain   DIKTI Kedokteran Unja Cari Blog Ini Template Ethereal. Jakarta. Silalahi. Metologi Penelitian Bidang kedokteran. Jakarta. Jakarta. Nengok-nengok gamabar . Bumi Aksara 4. Citramedia 6. Metodologi Penelitian dan Studi Kasus. Metode research (penelitian Ilmiah). Hasan. 2005. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Tjokronegoro.3.

Sign up to vote on this title
UsefulNot useful