ANALISIS UNIVARIAT
SERI BIOSTATISTIK TERAPAN
(Aplikasi Statistik Deskriptif)
100
90
80
70
OLEH :
60 Tri Cahyono
50
(tricahyono37@yahoo.co.id)
40
30
20
10
1st Qtr
2nd Qtr
fi.Xi
3rd Qtr
4th Qtr
Jurusan Kesehatan Lingkungan Purwokerto
X= Politeknik kesehatan semarang
fi
2007
JKLP POLTEKKES SEMARANG 2007
1 2
KATA PENGANTAR DAFTAR ISI
3 4
ANALISIS UNIVARIAT A. Angka
(Aplikasi Statistik Deskriptif)
1. Angka
Angka menunjukkan kadar atau besaran yang sebenar keadaan fenomena
Analisis data merupakan kegiatan untuk merubah data menjadi seringkasnya, karakteristik spesifik obyek (variabel). Angka dapat dihasilkan dari suatu
sehingga data tersebut dapat diwakili oleh satu atau beberapa angka yang dapat pengukuran, penghitungan ataupun dari laporan-laporan. Analisis dalam
memberikan informasi yang jelas. Angka tersebut merupakan kondisi / kadar bentuk merupakan analisis yang paling sederhana dan mendasar untuk
fenomena yang akan dipakai sebagai deskripsi informasi bagi setiap orang. nantinya digunakan analisis lebih lanjut. Analisis dalam bentuk angka
Angka tersebut juga dapat dipakai sebagai patokan untuk keperluan analisis hanya menunjukkan terjadi suatu kejadian. Pada kasus tertentu ukuran
berikutnya. angka dapat dijadikan sebagai patokan yang baku mempunyai arti penting,
Angka hasil pengukuran yang didapatkan dari populasi lazim disebut sebagai misalnya 1 kasus polio, 1 kasus flu burung. Namun secara umum analisis
parameter, sedangkan angka hasil pengukuran yang didapatkan dari sampel dalam bentuk angka belum dapat menggambarkan kondisi keseluruhan
biasanya disebut statistik. fenomena suatu daerah.
Pada analisis yang sederhana angka dapat langsung dibandingkan dengan Contoh:
standar atau ketentuan baku yang disepakati aturan, teori atau hukum. Pada jumlah penderita ISPA 37 balita,
analisis untuk mengeneralisasi populasi dari pengukuran sampel diperlukan jumlah penderita TB paru 14 orang,
langkah lebih lanjut, yaitu menggunakan uji statistik tertentu, untuk menarik jumlah kader 24 orang,
suatu simpulan. jumlah tenaga sanitarian 43 orang
Analisis data secara bertahap dimulai dengan analisis univariat, kemudian jumlah pelayanan kesehatan 4 rumah sakit umum, 39 puskesmas
analisis bivariat dan analisis multivariat. Analisis univariat adalah suatu teknik
analisis data terhadap satu variabel secara mandiri, tiap variabel dianalisis tanpa 2. Rate
dikaitkan dengan variabel lainnya. Analisis univariat biasa juga disebut analisis Rate mengukur probabilitas terjadinya suatu peristiwa. Rate merupakan
deskriptif atau statistik deskriptif yang berujuan menggambarkan kondisi perbandingan antara jumlah suatu peristiwa dibagi oleh semua yang
fenomena yang dikaji. Analisis univariat merupakan metode analisis yang memiliki kemungkinan terkena peristiwa itu dikalikan konstanta. Bersarnya
paling mendasar terhadap suatu data. Hampir dipastikan semua laporan, baik konstanta tergantung sesuai dengan kebutuhan analisis, misalnya per 1.000,
laporan penelitian, praktek, laporan bulanan, dan informasi yang per 100.000, dsb. Rate banyak dipakai dalam ukuran-ukuran epidemiologi
menggambarkan suatu fenomena, menggunakan analisis univariat. Model atau vital statistic / statistic kependudukan, yang membicarakan ukuran
analisis univariat dapat berupa menampilkan angka hasil pengukuran, ukuran kelahiran (natalitas/fertilitas), kesakitan (morbiditas) dan kematian
tendensi sentral, ukuran dispersi/deviasi/variability, penyajian data ataupun (mortalitas). Secara umum rumusnya sebagai berikut.
kemiringan data. X
Rate = .K
Angka hasil pengukuran dapat ditampilkan dalam bentuk angka, atau sudah X +Y
diolah menjadi prosentase, ratio, prevalensi. Ukuran tendensi sentral meliputi Contoh :
perhitungan mean, median, kuartil, desil persentil, modus. Ukuran dispersi Angka kelahiran kasar (CBR) 42,1 per seribu penduduk.
meliputi hitungan rentang, deviasi rata-rata, variansi, standar deviasi, koefisien Angka kematian bayi (IMR) 91 per seribu kelahiran.
of variansi. Penyajian data dapat dalam bentuk narasi, tabel, grafik, Insiden rate penyakit Diare 1,1.
diagram,maupun gambar. Kemiringan suatu data erat kaitannya dengan model Prevalensi penyakit TB paru 2,1.
kurva yang dibentuk data.
5 6
3. Ratio Penyajian data dalam bentuk apapun yang dipilih harus dapat berbicara sendiri,
Ratio adalah suatu perbandingan antara jumlah suatu peristiwa dengan menjelaskan fenomena yang disajikan. Penyajian data harus
jumlah peristiwa yang lain. Suatu jumlah peristiwa sebagai pembilang mempertimbangkan kelaziman angka dan satuan ukur yang disajikan, tujuan
(numerator) dengan jumlah peristiwa yang lain sebagai penyebut penyajian dan konsumen yang diperkirakan memerlukan data.
(denominator). Penulisan ratio dapat berbentuk dua angka dengan tanda Penyajian data dapat dilakukan tidak hanya satu jenis model penyajian saja,
bagi atau hasil pembagian kedia angka kejadian peristiwa tersebut. Secara namun dapat dilakukan pengembangan variasi model, sehingga menarik untuk
umum rumusnya sebagai berikut. dilihat. Disamping penyajiannya yang sangat bagus, informasi data yang
X disampaikan mudah dimengerti konsumen.
Ratio = Pada hakekatnya secara umum ada tiga bentuk penyajian data yang digunakan
Y
Contoh: yaitu : penyajian dalam bentuk tulisan, penyajian dalam bentuk tabel dan
Ratio beban tanggungan / Dependency ratio (perbandingan jumlah penyajian dalam bentuk grafik / diagram / gambar.
penduduk usia 0-14 th + >64 th dan penduduk usia 15-64 th), 2,4.
Sex ratio (perbandingan penduduk laki-laki dan wanita) 1: 2,3. 1. Tulisan
Tujuan utama penyajian dalam bentuk tulisan adalah memberikan
4. Proporsi keterangan keseluruh prosedur, hasil dan interpretasi yang dibuat dengan
Proporsi adalah suatu perbandingan antara suatu jumlah kejadian sebagai menggunakan tulisan. Data disajikan dalam bentuk angka yang
pembilang dengan seluruh kejadian dimana pembilang menjadi sebagian dirangkaikan dengan kalimat. Penyajian dalam bentuk ini merupakan
dari penyebut, biasa disebut juga prosentase. Analisis proporsi penyajian data yang paling sederhana. Kemampuan untuk menerangkan
menunjukkan gambaran umum karakteristik suatu fenomena. Pada data statistik sangat terbatas, dengan demikian sangat sulit memberikan
proporsi pencapaian kegiatan dapat dibandingkan dengan target yang telah gambaran yang tepat mengenai perbandingan, antar situasi dan
ditentutkan, untuk melihat keberhasilkan suatu upaya. Secara umum perkembangan. Disamping itu juga kadang-kadang membingungkan, tidak
rumusnya sebagai berikut: efisien dan efektif.
X Contoh : Luas wilayah bagian Jawa sebagai berikut :
Pr oporsi = .100% Jakarta seluas 560 km2
X +Y
Jawa Barat seluas 46.317 km2
Contoh:
Jawa tengah seluas 34.206 km2
Prosentase penduduk perkotaan 41,3%
DIY seluas 3.169 km2
Prosentase rumah sehat 35%
Jawa Timur seluas 47.922 km2
2. Tabel
B. Penyajian Data
Tujuan penyajian bentuk tabel adalah untuk melihat perbandingan variabel-
variabel, perkembangan variabel, disamping memperlihatkan suatu agregat
Data yang telah dikumpulkan, baik berasal dari populasi maupun sampel tidak
data. Data disusun dalam bentuk baris dan kolom sedemikian rupa sehingga
akan bermanfaat sebelum diolah dan disajikan. Data yang diperoleh dari
dapat memberikan perbandingan-perbandingan yang mudah dipahami.
pengumpulan data, baik dengan cara wawancara, pengamatan, pengukuran dan
Baris adalah deret dari kiri ke kanan, sedangkan kolom adalah deret dari
kuesioner ( data primer ) sifatnya masih kasar dan mentah. Data yang telah
atas ke bawah. Data yang disajikan dapat berbentuk angka absolut,
diolah sesuai dengan yang diinginkan, kemudian harus disajikan dalam bentuk
persentase atau keduanya.
penyajian data yang mudah dimengerti maknanya dan mudah diinterpretasikan.
7 8
a. Ketentuan Penyajian Bentuk Tabel b). Jumlah, terletak pada bagian kolom paling kanan dan atau baris
1). Judul tabel paling bawah. Pertemuan jumlah kolom dan baris ini disebut
Judul tabel diletakkan bagian tengah atas tabel, membentuk segitiga grand total. Posisi ini tidak mutlak, kadang juga dapat diletakkan
terbalik, simetris kanan kiri, terdiri beberapa baris (maksimal 5 pada kolom setelah stub hanya untuk tujuan tertentu.
baris), ditulis dengan huruf kapital. Judul tabel harus dapat Keberadaan jumlah hanya muncul ketika diperlukan.
menerangkan arti angka-angka yang disajikan dalam tabel, singkat Kadangkala jumlah tidak diperlukan, karena memang data yang
jelas, lengkap dan mengenai sasaran. Persyaratan minimal judul disajikan tidak memungkinkan untuk dilakukan penjumlahan,
tabel harus dapat menjawab pertanyaan apa, dimana dan kapan namun bila data memungkinkan dilakukan penjumlahan seyogya
(what, where and when). jumlah dimunculkan.
Contoh : c). Catatan kaki, berfungsi untuk menjelaskan ketidaksempurnaan
PERKEMBANGAN KASUS MALARIA TROPICANA DI data pada tabel, terletak pada bawah sebelah kanan tabel.
KABUPATEN SIKKA TAHUN 2004 - 2006 Ketidaksempurnaan data ini dapat berupa keterangan, penjelasan
SARANA SANITASI DI DESA REJO TAHUN 2005 atau kekecualian data yang ditampilkan pada body table,
JUMLAH PENDUDUK MALUKU TAHUN 2005 sehingga konsumen memahami keterbatasan data yang
KASUS KERACUNAN DIARE DI DESA WAYAN TAHUN disajikan.
2004 d). Sumber data, terletak pada sebelah bawah catatan kaki,
KEGIATAN POSYANDU DI DESA MULYO TAHUN 2006 berfungsi menjelaskan asal usul data, bila datanya merupakan
2). Stub data primer, maka tidak perlu sumber. Penulisan sumber data
Stub adalah kolom yang paling kiri dari suatu tabel. Stub memberi harus lengkap meliputi, asal instansi pemilik data, buku yang
keterangan secara rinci tentang gambaran pada setiap baris pada memuat, penanggungjawab, tanggal/bulan/tahun.
badan tabel, dengan kata lain stub ini adalah tempat judul baris. 6). Ketentuan lain
Kadang-kadang ada tabel yang tanpa stub, sehingga hanya berupa Dalam tulisan ilmiah lazimnya penyajian tabel tidak boleh dipotong
kolom-kolom dari atas ke bawah atau kolom untuk stub oleh halaman, baik secara horizontal maupun vertikal, tabel
dipergunakan tempat nomor urut baris. merupakan satu kesatuan utuh. Angka yang disajikan secara kolom
3). Box head lurus sesuai dengan satuan, puluhan, ratusannya. Banyaknya angka
Box head terletak pada baris yang paling atas pada suatu tabel. Box desimal (di belakang koma) seyogyanya seragam. Kesesuaian antara
head memberi keterangan secara terperinci tentang gambaran tiap judul tabel, box head, stub dan isi tabel perlu diperhatikan.
kolom badan tabel, dengan kata lain box head adalah tempat judul
kolom. b. Bentuk Tabel
4). Body table / badan tabel Bentuk table yang dipakai umumnya ada dua, yaitu bentuk tertutup dan
Body tabel terdiri atas pertemuan kolom dengan baris pada bagian terbuka. Bentuk tertutup berarti semua data tertutup oleh garis-garis
tengah tabel yang hanya dipergunakan untuk meletakkan angka- horizontal dan vertical, sedangkan bentuk tertbuka berarti hanya bagian
angka data yang dimaksud. atas dan paling bawah yang dibatasi dengan garis horizontal tanpa garis
5). Bagian-bagian lain tabel : vertikal.
a). Nomor tabel, biasanya diletakkan pada sebelah atas judul tabel
atau serangkaian dengan judul tabel.
9 10
1). Bentuk tabel tertutup: c. Jenis - Jenis Tabel
19 20
h). Dapat menggunakan skala break (w) yang menunjukkan bahwa
skala itu terpotong, biasanya pada sumbu Y
i). Perbandingan panjang sumbu X dan sumbu Y umumnya 3 : 2 Model pengembangan penyajian grafik ini dapat berbentuk area
atau 10 : 8
j). Fenomena yang disajikan dapat lebih dari satu
160
k). Lebih baik garfik diberi bingkai, sehingga satu kesatuan utuh 140
grafik jelas batasnya 120
2). Jenis-jenis grafik 100
Jenis-jenis penyajian dalam bentuk grafik : 80
a). Grafik Garis 60
Grafik garis biasanya digunakan untuk menggambarkan 40
perubahan nilai dalam satuan waktu. Grafik ini sangat cocok 20
0
untuk data kuantitatif. Angka absis dapat dimulai dari nol atau JAN FEB MAR APR MEI JUN
tidak. GAKY KEP AGB KVA
Pengembangan bentuk grafik garis ini bermacam-macam
STATUS GIZI MASYARAKAT KEC TUAS TAHUN 2006
bentuk. Dalam bentuk dua atau tiga dimensi dapat dibuat pita,
area ataupun dibuat secara bertumpuk.
50
40
30
20
10
d). Ogive
030 - 40
Ogive adalah termasuk grafik garis yang menyajikan data dasar
40 - 50 50 - 60 60 - 70 70 - 80 80 - 90 90 - 100
tabel distribusi frekuensi komulatif kurang dari atau lebih dari
BERAT BADAN MAHASISWA BARU JKL PURWOKERTO sama dengan.
TAHUN 2007 Contoh :
120
c). Poligon
Poligon adalah area yang semata-mata untuk menyajikan suatu 100
distribusi frekuensi data kontinue. Permukaan area frekuensi
poligon sama luasnya dengan permukaan area histogram yang 80
menjadi dasarnya. Untuk menggambarkan poligon digunakan
titik-titik tengah interval kelas dan titik tengah tersebut yang 60
berada pada bagian atas batang histogram, kemudian
40
dihubungkan dengan menggunakan garis, maka terbentuklah
garis yang disebut poligon. Garis poligon harus dimulai dari 20
sumbu X dan diakhiri pada sumbu X juga. Jadi poligon
merupakan suatau area kurva yang tertutup garis dan sumbu X. 0
Contoh : KURANG DARI LEBIH DARI
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006
e). Scatter
Scatter dipergunakan untuk menyajikan sepasang pengamatan
dari dua variabel untuk memperlihatkan ada tidaknya saling
berhubungan dua variabel tersebut. Berdasarkan kondisi titik
23 24
yang terjadi dapat dilihat kecenderungan pasangan data tersebut. 2000
100
Tiap pasang pengamatan pada satu individu atau objek disajikan 80
sebagai sebuah titik. Sumbu X maupun sumbu Y dapat dimulai 2006 60 2001
dengan angka tidak nol. 40
Contoh : TT 1
20
0
30 TT 2
2005 2002
25
20
2004 2003
15
CAKUPAN IMUNISASI TT1 DAN TT2 PADA BUMIL
10 DI DESA ARYO TAHUN 2000 - 2006
5
b. Diagram
0
Penyajian bentuk grafik dan bentuk diagram tidak berbeda. Ketentuan
0 10 20 30 40
HUBUNGAN PENGALAMAN KERJA DENGAN
umum penyajian bentuk grafik juga berlaku untuk penyajian bentuk
PRODUKTIVITAS PADA PEKERJA BATU KAPUR TH 2006 diagram. Penyajian bentuk diagram berfungsi memperlihatkan
perbandingan atau proporsi secara menyeluruh. Jadi analisis data yang
f). Radar disajikan untuk membandingkan antar kelompok / variabel berdasarkan
Penyajian bentuk radar mirip dengan cara pembuatan sarang prosentase keseluruhan, sebagai dasar penyajian adalah tabel distribusi
laba-laba. Lingkaran dibagi menjadi beberapa jari-jari sesuai frekuensi relatif. Diagram kurang mementingkan angka absolutnya,
banyaknya klasifikasi. Besarnya sudut antar klasifikasi adalah namun prosentase.
sebesar 360° dibagi banyaknya klasifikasi. Kemudian garis jari- Jenis-jenis diagram :
jari sebagai skala frekuensi. Titik-titik frekuensi yang terbentuk 1). Diagram batang / Bar Diagram
dari fenomena data dihubungkan dengan garis grafik dan Diagram batang kadangkala disamakan dengan histogram.
berarkhir pada frekuensi semula, sehingga terbentuk suatu area. Perbedaan diagram batang dengan histogram disamping data yang
Luasan area dapat dipergunakan sebagai analisis perbandingan. disajikan berbentuk proporsi, juga antar batang diagram terdapat
Contoh : selah, walaupun dapat juga disajikan secara berhimpitan. Jenis-jenis
bar diagram ada tiga jenis, yaitu single bar, subdivided bar dan
multipel bar.
a). Single bar
Single bar merupakan sajian batang tunggal, yang
membandingkan dengan bar yang lain.
Contoh :
25 26
90 100%
80 90%
70 80%
70%
60
60%
50
50%
40 40%
30 30%
20 20%
10 10%
0 0%
RW I RW II RW III RW IV ZONE I ZONE II ZONE III ZONE IV
CAKUPAN AIR BERSIH DI DESA REJO TAHUN 2006 BAYI BALITA BUMIL
CAKUPAN KIA DI PUSKESMAS SENDANG TAHUN 2006
Modifikasi bentuk diagram ven yang digabung dengan area batang STATUS GIZI BALITA DESA RETE TAHUN 2004-2006
sebagai penjelas.
Contoh :
c. Gambar
1). Pictogram
Bentuk penyajian dengan cara menvisualisasikan satuan jumlah
RUMAH SAKIT dengan gambar. Sebuah pictogram menyajikan data berupa gambar.
20%
Tiap gambar melambangkan/mewakili suatu jumlah tertentu. Data
PUSKESMAS
Other
60%
yang dapat disajikan hanya satu variabel yang dirinci.
67%
Contoh :
LAIN-LAIN
DOKTER
7%
Zone I
13%
Unimodus
31 32
yang lebih tinggi di dekatnya atau frekuensi sesudahnya
I = lebar interval kelas
Menggunakan rumus yang lain : Sejenis dengan perhitungan median adalah kuartil, desil dan persentil.
N Median membagi data menjadi dua bagian yang sama, kuartil membagi
− Fb data menjadi empat bagian yang sama, desil membagi data menjadi sepuluh
Mdi = La − 2 .I bagian yang sama dan persentil membagi data menjadi seratus bagain yang
fd
sama. Pada median hanya ada satu angka median, angka yang berada di
100
− 33 tengah pada suatu data yang telah diurutkan (array) terlebih dahulu. Pada
Mdi = 169,5 − 2 .10 kuartil terdapat tiga angka, yaitu kuartil I, kuartil II dan kuartil III. Kuartil II
39 sama dengan median, sedangkan kuartil I dan II dihitung dengan cara yang
Mdi = 165,14 sama seperti menghitung median. Demikian juga untuk menghitung desil
Menggunakan gambar histogram dan persentil.
Rentang Data
37 38
Median Mdi rendah
(Mdi) frekuensi komulatif sebelum frekuensi kelas ke i atau kelas lebih
Fbi = tinggi
f = frekuensi pada kelas i atau frekuensi letak angka yang dicari
Kuartil (Qi) Q1 Q2 Q3 I = Lebar interval
100 Lb = 139,5
1. −6 N = 100
Q i = 149,5 + 4 .10 Fa = 0
22 fq = 6
Q i = 158,14 I = 10
N
Langkah-langkah menghitung Desil 1 i. − Fa i
Pi = Lb i + 100 .I
N +1 100 + 1
i =1 = 10,1 f Pi
Tentukan posisi desil 1 dengan rumus 10 10 ,
100
berarti pada posisi di kelas 2, maka 1. −0
Lb = 149,5 Pi = 139,5 + 100 .10
N = 100 6
Fa = 6 Pi = 141,17
fq = 22
I = 10
3. Mean
Mean biasa diterjemahkan dengan rata-rata atau rerata. Mean dilambangkan
dengan tanda X yang diberi garis di atasnya ( X ) biasa disebut X bar. Pada
N
− Fa i
i. mean suatu populasi biasa dilambangan dengan µ, sedangkan untuk sampel
D i = Lb i + 10 .I dilambangkan X . Mean merupakan angka yang dapat mewakili suatu data
f Di untuk ukuran tendency central.
100 a. Mean data yang tidak berkelompok
1. −6 Mean biasa dirumuskan dengan jumlah seluruh angka yang ada pada
D i = 149,5 + 10 .10 data dibagi dengan banyaknya angka pada data, dengan notasi rumus
22 sebagai berikut :
D i = 151,32 Xi di
X = atau menggunakan rumus X = X d + .
N N
Langkah-langkah menghitung Desil 1 Keterangan:
X = rata-rata
Xi = angka anggota data
41 42
N = banyaknya angka pada data 30
X = 36 +
X d = angka yang diduga sebagai rata-rata (guess mean) 11
selisih antara rata-rata yang diduga dengan angka anggota data X = 38,73
di = ( X i − X d )
misalnya yang diduga sebagai rata-rata 40, maka
NO ANGKA (Xi) YANG DIDUGA ( X d ) = 40 di = Xi - 40
Contoh : 1. 35 -5
35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34 2. 45 +5
Xi 3. 36 -4
X = 4. 42 +2
N
35 + 45 + 36 + 42 + 38 + 36 + 48 + 38 + 40 + 34 + 34 5. 38 -2
X = 6. 36 -4
11
7. 48 +8
X = 38,73 8. 38 -2
9. 40 0
di 10. 34 -6
atau menggunakan rumus X = X d +
N 11. 34 -6
misalnya yang diduga sebagai rata-rata angka 36, maka JUMLAH -14
di
NO ANGKA (Xi) YANG DIDUGA ( X d ) = 36 di = Xi - 36 X = Xd +
N
1. 35 -1 − 14
X = 40 +
2. 45 +9 11
3. 36 0
X = 38,73
4. 42 +6
5. 38 +2
b. Mean data yang berkelompok
6. 36 0
Data yang telah tersusun pada tabel distribusi frekuensi menggunakan
7. 48 +12
rumus sebagai berikut :
8. 38 +2
fi .X i f i .d i
9. 40 +4 X = atau menggunakan rumus X = X d + atau
10. 34 -2 N N
11. 34 -2 f i .U i
JUMLAH +30 menggunakan rumus X = X d + .I
N
Keterangan:
di X = rata-rata
X = Xd +
N fi = Frekuensi
43 44
titik tengah interval kelas (batas bawah kelas + ½ lebar interval 16530
X =
Xi = kelas) 100
N = banyaknya angka pada data (total frekuensi) X = 165,30
Angka (titik tengah interval kelas) yang diduga sebagai rata-rata
f i .d i
Xd = (guess mean) Menggunakan rumus X = X d + , misalnya diduga mean = 175
N
selisih antara rata-rata yang diduga dengan titik tengah interval NO. TINGGI BADAN JUMLAH (fi) Xi di = Xi - 175 fi.di
di = kelas ( X i − X d ) 1. 140 – 149 6 144,5 -30,5 -183,0
di 2. 150 – 159 22 154,5 -20,5 -451,0
Ui = working unit 3. 160 – 169 39 164,5 -10,5 -409,5
I
4. 170 – 179 25 174,5 -0,5 -12,5
I = lebar interval kelas
5. 180 – 189 7 184,5 9,5 66,5
6. 190 – 199 1 194,5 19,5 19,5
Contoh :
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006 JUMLAH 100 -970,0
NO. TINGGI BADAN JUMLAH
− 970
1. 140 – 149 6 X = 175 +
2. 150 – 159 22 100
3. 160 – 169 39 X = 165,30
4. 170 – 179 25
5. 180 – 189 7 f i .U i
Menggunakan rumus X = X d + .I , misalnya diduga mean=165
6. 190 – 199 1 N
JUMLAH 100
JML di
NO. TINGGI BADAN (fi) Xi di=Xi -165 Ui= fi.Ui
fi .X i I
Menggunakan rumus X =
N 1. 140 – 149 6 144,5 -20,5 -2,05 -12,30
NO. TINGGI BADAN JUMLAH (fi) Xi fi.Xi 2. 150 – 159 22 154,5 -10,5 -1,05 -23,10
1. 140 – 149 6 144,5 867,0 3. 160 – 169 39 164,5 -0,5 -0,05 -1,95
2. 150 – 159 22 154,5 3399,0 4. 170 – 179 25 174,5 9,5 0,95 23,75
3. 160 – 169 39 164,5 6415,5 5. 180 – 189 7 184,5 19,5 1,95 13,65
4. 170 – 179 25 174,5 4362,5 6. 190 – 199 1 194,5 29,5 2,95 2,95
5. 180 – 189 7 184,5 1291,5 JUMLAH 100 3,00
6. 190 – 199 1 194,5 194,5
JUMLAH 100 16530,0
45 46
3
X = 165 + .10
100
X = 165,30
Kemencengan ke kanan.
Kemencengan ke kiri.
47 48
D. Dispersi / Deviasi / Variability NO KELOMPOK I KELOMPOK II
X1 X1 - X X2 X2 - X
1. Rentang
Rentang adalah perbedaan angka yang tertinggi dan angka yang terendah 1. 35 3,73 36 6
pada suatu data. Rentang merupakan suatu analisis deviasi yang paling 2. 45 6,27 34 8
sederhana, hanya mengetahui kisaran angka pada data. Rentang biasa 3. 36 2,73 50 8
dirumuskan : 4. 42 3,27 10
32
R = Att – Atr ada juga menambah rumus tersebut dengan angka 1.
5. 38 0,73 46 4
Contoh :
Kelompok I ; 35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34, maka rentang data 6. 36 2,73 34 8
tersebut adalah 48 – 34 = 14. 7. 48 9,27 38 4
Kelompok II ; 36, 34, 50, 32, 46, 34, 38, 44, 48, 44, 56, maka rentang data 8. 38 0,73 44 2
tersebut 56 – 32 = 24. 9. 40 1,27 6
48
Berdasarkan keadaan tersebut di atas keadaan data kelompok II lebih
menyebar memanjang daripada kelompok I yang kondisinya lebih 10. 34 4,73 44 2
mengumpul. 11. 34 4,73 56 14
Rentang untuk data yang berkelompok adalah batas atas kelas yang paling JUMLAH 426 40,19 462 72
besar dikurangi batas bawah kelas yang paling rendah. MEAN 38,73 3,65 42 6,55
atau rumus V =
X i2
−
Xi
2
atau rumus
2. 150 – 159 22 N N N
3. 160 – 169 39
X i2 2
4. 170 – 179 25 V = −X .
5. 180 – 189 7 N
6. 190 – 199 1 Keterangan:
JUMLAH 100 V = Variansi
X = rata-rata
Diketahui rata-rata = 165,30 Xi = angka anggota data
No TB JML(fi) Xi Xi - X fi . Xi - X N = banyaknya angka pada data
Contoh :
1. 140 – 149 6 144,5 20,8 124,80
35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34
(X )
2. 150 – 159 22 154,5 10,8 237,60
NOMOR Xi X i2 Xi - X −X
2
3. 160 – 169 39 164,5 0,8 31,20 i
3. Variansi
51 52
V =
(X i −X )
2
3. 160 – 169 39
4. 170 – 179 25
N
5. 180 – 189 7
212,18
V = ; V = 19,29 6. 190 – 199 1
11
2 JUMLAH 100
X i2 Xi
atau menggunakan rumus V = − ;
N N Diketahui rata-rata = 165,30
2 TB JML(fi) Xi fi.Xi Xi - X (Xi - X )2 fi(Xi - X )2 Xi2 fi.Xi2
16710 426
V = − ; V = 19,29 140 – 149 6 144,5 867,0 -20,80 432,64 2595,84 20880,25 125281,50
11 11 150 – 159 22 154,5 3399,0 -10,80 116,64 2566,08 23870,25 525145,50
X i2 2 160 – 169 39 164,5 6415,5 -0,80 0,64 24,96 27060,25 1055349,75
atau menggunakan rumus V = −X ;
N 170 – 179 25 174,5 4362,5 9,20 84,64 2116,00 30450,25 761256,25
16710 180 – 189 7 184,5 1291,5 19,20 368,64 2580,48 34040,25 238281,75
V = − 38,732 ; V = 19,29 190 – 199 1 194,5 194,5 29,20 852,64 852,64 37830,25 37830,25
11
b. Variansi data yang berkelompok Jumlah 100 16530,0 10736,00 2743145,00
Perhitungan variansi untuk data yang berkelompok dapat menggunakan
V =
(
fi . X i − X )
2
rumus
( ) 2 2
N
fi . X i − X f i . X i2 fi . X i 10736
V = atau V = − atau V = ; V = 107,36
N N N 100
2
f i . X i2 f i . X i2 fi .X i
V = −X
2
atau menggunakan rumus V = −
N N N
Keterangan: 2
2743145 16530
V = variansi V = − ; V = 107,36
100 100
X = rata-rata
fi = frekuensi
f i . X i2 2
titik tengah interval kelas (batas bawah kelas + ½ lebar interval atau menggunakan rumus V = −X
Xi = kelas) N
N = banyaknya angka pada data (total frekuensi) 2743145
V = − 165,32 ; V = 107,36
Contoh : 100
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006
NO. TINGGI BADAN JUMLAH Pada hitungan-hitungan statistik (hasil pengukuran dari sampel) faktor N
1. 140 – 149 6 dikurangi 1
2. 150 – 159 22
4. Standar deviasi
53 54
Standar deviasi atau simpangan baku merupakan akar dari variansi. Standar Kelompok I tinggi badan wanita X = 157 cm ; SD = 2,4 cm
deviasi dapat dipergunakan sebagai angka yang mewakili seluruh agregate Kelompok II tinggi badan pria X = 172 cm ; SD = 4,8 cm
untuk ukuran variability, dipengaruhi oleh perubahan nilai observasi.
Standar deviasi biasa disingkat SD untuk ukuran sampel, sedangkan standar 2,4
deviasi untuk populasi biasa dilambangkan σ dan standar deviasi untuk COV Kelompok I = .100% = 1,53%
sampel biasa dilambangkan S. 157
4,8
SD = V COV Kelompok II = .100% = 2,79%
172
5. Standar error
Berdasarkan hitungan COV tersebut dapat dianalisis bahwa kondisi
Standar error biasa juga disebut standar kesalahan mean. Standar error
kelompok II data lebih bervariasi daripada kelompok I.
dilambangkan/disingkat dengan SE dirumuskan sebagai berikut:
SD
SE =
N
Pada hitungan-hitungan statistik (hasil pengukuran dari sampel) faktor N
dikurangi 1.
Kondisi yang perlu diketahui sehubungan dengan standar error adalah
dalam suatu distribusi frekuensi yang simetrik berdistribusi normal luas
yang dibatasi nilai X ± 1 SE terdapat 68,3% jumlah observasi, yang
dibatasi nilai X ± 2 SE terdapat 95,4% jumlah observasi, dan yang dibatasi
nilai X ± 3 SE terdapat 99,7% jumlah observasi.
Proporsi luasan tersebut di atas secara rincinya dapat dilihat pada tabel
distribusi normal.
2. Kurtosis
Kurva normal. Penyelidikan data berdistribusi normal atau tidak berdistribusi normal dapat
menggunakan koefisien kurtosis persentil sebagai berikut:
57 58
SK 1 / 2( K3 − K1 ) N 100
KOEFISIEN.KURTOSIS.PERSENTIL= = ≈ 0,263 90. − Fa 90 90. − 67
P90 − P10 P90 − P10 P90 = Lb90 + 100 . I ⇔ P90 = 169,5 + 100 .10 ⇔ 178,70
f P 90 25
Keterangan : κ = kappa (Koefisien Kurtosis Persentil)
: SK = rentang semi antar kuartil
: P = persentil 1 ( K 3 − K1 ) 1 (172,70 − 158,14 )
SK
: K = kuartil κ= = 2 ⇔κ = 2 ⇔ 0,265
P90 − P10 P90 − P10 178,70 − 151,32
Bila nilai Koefisien Kurtosis Persentil mendekati 0,263, maka dapat
disimpulkan data berdistribusi normal.
Contoh : Hasil Koefisien Kurtosis Persentil 0,265 ≠≈ 0,263, distribusi normal
TABEL DISTRIBUSI FREKUENSI TINGGI BADAN
MASYARAKAT KALIMAS TAHUN 2006 Berdasarkan model kurva data simetris atau kurva normal, tinggi rendahnya
NO. TINGGI BADAN JUMLAH
atau datar tidaknya kurva disebut kurtosis. Model kurva normal yang tidak
terlalu tinggi dan tidak terlalu datar disebut mesokurtik, yang tinggi disebut
1. 140 – 149 6
leptokurtic, sedangkan yang mendatar disebut platikurtik
2. 150 – 159 22
3. 160 – 169 39
4. 170 – 179 25
5. 180 – 189 7
Kurva Platikurtik
6. 190 – 199 1
JUMLAH 100
N 100
− Fa1 −6
K 1 = Lb1 + 4 . I ⇔ K 1 = 149,5 + 4 .10 ⇔ 158,14
f Q1 22
N 100
3. − Fa 3 3. − 67
4 4 Kurva Leptokurtik
K 3 = Lb3 + . I ⇔ K 3 = 169,5 + .10 ⇔ 172,70
f Q3 25
N 100
10. − Fa10 10. −6
P10 = Lb10 + 100 . I ⇔ P10 = 149,5 + 100 .10 ⇔ 151,32
f P10 22
Kurva normal.
59 60
Penyelidikan bentuk kurva normal platikurtik, leptokurtik atau normal DAFTAR PUSTAKA
dapat menggunakan rumus koefisien kurtosis sebagai berikut :
m ( xi − x) r
a 4 = 42 mr = Arikunto, Suharsimi, 1993, Prosedur Penelitian Suatu Pendekatan Praktik
m2 n edisi revisi II cetakan ke sembilan, Jakarta : PT. Rineka Cipta.
Jika :
Burhan, Safrida, 1995, Metodologi Penelitian dan Pedoman Penulisan
a = 3 normal
Karya Tulis, Bandung : Akademi Keperawatan Pajajaran.
a > = leptokurtic
a < = platikurtik Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New
Contoh kasus data di atas York : John Wiley & Sons.
63