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

Jakarta. 2003. Metologi Penelitian Bidang kedokteran. 160. 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. Median 3. 90. Tjokronegoro.000. 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. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 160. Citramedia 6. 190. 2004. 100 Me = (90+120+160+180+190+90+180+70+160+100) : 10 = 150 Jadi penghasilan rata-rata pegawai di PT Samudra = Rp. Silalahi. Sidoarjo.5. 180. 180.- . Metodologi Penelitian dan Studi Kasus. Mean 2. 70.150. 120. 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.

SD. 166. 165. 170. SD. SD. 37. 164. maka posisi median n/2 Bila seri pengamatan ganjil.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. maka posisi median n+1 / 2 Contoh Median         Tinggi badan 11 Mhs Stikes Pemda: 180. 70 Median à 60 50. 45. 144 Berat badan 10 Mhs Stikes Pemda: 39. 167. 51. 145. PT Median à SD SD. 60. interval maupun ordinal    Untuk menentukan nilai median harus terlebih dahulu diurutkan dan ditentukan posisi dengan cara: Bila seri pengamatan genap. D3 50. S1. S1. 100. PT Median à SMP SD. 70. 56. SMP. 147. S2. 160. 52. 44 Pendidikan 5 Dosen Stikes Pemda: D3. 71.000 Median à (60+70)/2 = 65 SD. 65. 43. 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 . 60. SMP.

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

9. 78.5 + 10 ((50-26) / 30) Hitungan Mean  Mean = 6072/100 = 60.2. sedangkan hasil ujian UAS rata-rata 71.95 Hitungan Median Klas median = klas ke-4 (f=30)      b = 51 – 0. 158.5 = 50.9 x 1) + (71.7 Median = 65 Modus = 58 Latihan Hasil nilai ujian 40 Mhs Stikes dibagi menjadi 4 group sebagai berikut: .2 x 2) / (1 + 2) = Mean = 69.4      Berat badan 15 Mhs Stikes: 51.6 cm    Hasil ujian UTS biostatistik Mahasiswa Stikes dengan nilai rata-rata 65. modus? Mean = 65.5 f1 = 30 – 18 = 12 f2 = 30 – 20 = 10 Modus = 50. 72.5 = 50. 63. median. 163 Berapa tinggi rata-rata atau mean tinggi badan Mhs tersebut? Mean = 166. Berapa mean nilai tersebut jika UTS diberi bobot 1 dan UAS diberi bobot 2 (65. 71. 178. 58.5 p = 10 f = 30 F = cf = 2 + 6 + 18 = 26 Median = 50.72 Latihan    Hasil pemeriksaan tinggi badan pada 10 Mhs: 171. 69.     Klas modus = klas ke-4 (f=30) b = 51 – 0. 65. 79. 158. 172.5 + 10 (12 / (12+10)) = 55. 169. 168. 165. 80 Berapa mean. 68. 164. 54. 64. 55.

2004. Silalahi. 170. 600. Citramedia 6. Tjokronegoro. 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. Hasan. 190. 400. Bumi Aksara 3. 2004. Jakarta. 175. Metode research (penelitian Ilmiah). Hasan. Jakarta. EGC 2. 700 Berapa range gaji pegawai tsb? Range: 700 – 50 = 650 Makin besar range → makin bervariasi . 200. 150. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). Budiarto. gaji masing-masing tiap bulanya dalam ribuan rupiah adalah sbb: 50. Sebuah Pengantar.1. Bumi Aksara 5. Jakarta. Metodologi Penelitian Kedokteran. 75.Hitung: Mean. Jakarta.4. Bumi Aksara 4. Nasution. Metologi Penelitian Bidang kedokteran. Sidoarjo. 8 Range = 11 – 1 = 10 Contoh Soal      Sepuluh pegawai Stikes Jombang.9. Modus dan Median? REFERENSI: 1. 2005. Metodologi Penelitian dan Studi Kasus. Pokok Pokok Materi Statistik 2 (statistik Infereansif). 2004. 2003. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 2005.11. Jakarta.

5 – 139. 3. Selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah 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.Range Data Kelompok Cara menghitung range data kelompok: 1. 11 X1 = (2+3+6+8+11) / 5 = 6 Cara mencari deviasi rata-rata dapat menggunakan tabel bantu sbb: DR = 14 / 5 = 2. 6.5 Tepi bawah kelas tertinggi = 174.5 Range = 172 – 142 = 30 Range = 174.       Titik tengah kelas terendah = 142 Titik tengah kelas tertinggi = 172 Tepi bawah kelas terendah = 139.5 = 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.

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 .    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.

6.Varians Data Kelompok Untuk sample besar (>.425 s2 = ∑ f(X – X1)2 / n .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:    2.5 Contoh Soal Varians 2 Contoh Soal Varians 3 X1 =(66+69+72+75+78+81) / 6 = 73. 3. 11 n=5 X1 = (2+3+6+8+11)/5 = 6 Contoh Soal Varian s2 = ∑ (X – X1)2 / n-1 (54)/ (5-1) = 13. 8.

790) / 40 = 11.694 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 .s2 = (467.

Silalahi. Nasution. 66. 58.Contoh Soal Berikut adalah sample nilai UTS Biostatistik dari sekelompok Mahasiswa Stikes Pemda Jombang: 30. Jakarta. 98 Tentukan Simpangan Bakunya! Contoh soal varians 4 s = √ ∑ (X – X1)2 / n-1 s = √ 4. Tjokronegoro. 2003. Jakarta. 2004. Jakarta. 2004.5 / 9 √ 550. Bumi Aksara 3. 42. Sidoarjo. 82. Balai Penerbit Fakultas Kedokteran Universitas Indonesia. Jakarta. 2005.31 REFERENSI: 1. Sebuah Pengantar. Hasan. EGC 2. Hasan. 2004. 35. Pokok Pokok Materi Statistik 1 (statistik Deskriptif). Metodologi Penelitian dan Studi Kasus.585 / 100 = 55. Bumi Aksara 5. Metologi Penelitian Bidang kedokteran. 50.85 s = √ ∑ (X – X1)2 / n S = √ (5. Metodologi Penelitian Kedokteran. Budiarto. Pokok Pokok Materi Statistik 2 (statistik Infereansif).342.056 = 23. Metode research (penelitian Ilmiah). 74. Citramedia 6. Bumi Aksara 4. 90.75) / 100 = 7. Jakarta.45 Contoh Soal Varians 5 Contoh Soal Varians 6 X1 = ∑fx / ∑f = 5. 2005. Apa Itu Variabel  Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya berbeda-beda .950.

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

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

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

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

72. 86. 18. 01. 14. 86. 58. 62. 45. jalan. 01.1. 18. 25. 06. 54. 55. 59. 23. 08. 32. 12. 52. 80. 24. 44. 67. 39. 16. 20. 69. 75. 07. 61. 06. Kuota sampling 3. 79. 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. 90. 64. 21. 53. 14. 15. 35. 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. 15. 33. 52. 89. 80. 00. 10. 23. 14. 33. 02. 17. 25. 98. 52. 97. 64. 66. 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 . 33. 48. 87. 72. 40. 84. 42. 22. Asidentil sampling 2. 17. 83. 08. Purpose sampling Sample Random Sampling   Pengambilan sample dengan menggunakan tabel random atau diundi Tabel Random Sampling: 88. 24. 08. 04. 70. 02. 10. 65. 84. 07. 54.

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

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

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

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

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

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

2004.3. Metode research (penelitian Ilmiah). Balai Penerbit Fakultas Kedokteran Universitas Indonesia. 2004. Metologi Penelitian Bidang kedokteran. Jakarta. Jakarta. Bumi Aksara 4. 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. Nasution. Nengok-nengok gamabar . 2005. Hasan. Diberdayakan oleh Blogger. 2003. Jakarta. Silalahi. Tjokronegoro. Bumi Aksara 5. Metodologi Penelitian dan Studi Kasus. Sidoarjo.811 Link ke situs lain   DIKTI Kedokteran Unja Cari Blog Ini Template Ethereal. Pokok Pokok Materi Statistik 2 (statistik Infereansif). Citramedia 6.