Nilai Matematika 7 7 7 7 7
Nilai Statistik
5 6 7 8 9
MODE
Nilai yang paling sering muncul 32 39 32 39 35 40 36 40 37 42 38 45 38 39
Mode = 39
39
MODE
MODE
Tidak sering digunakan
pada analisis statistik karena distribusi yang mempunyai banyak gelombang naik turun. Quik & dirty measure of central tendency. Modus dapat digunakan untuk menggambarkan karakteristik pada data dengan skala nominal.
MEDIAN
Simbol:
Md Nilai yang menyatakan posisi tengah dari deretan angka pengamatan shg membagi dua sama banyak. Langkah I:
Susun data dari yang terkecil hingga terbesar.
32 32 35 36 37 38 38 39 39 39 40 42 45
Median
32 35 36 36 37 38
38 39 39 39 40 40 42 45
Median
Lebih stabil tidak
dipengaruhi oleh nilai ekstreem. Tidak mempertimbangkan nilai-nilai sebagian besar pengamatan. dapat digunakan untuk mengetahui karakteristik data dengan skala ordinal.
Median
2
2
3
3
3
3
4
4
5
5
6
6
7
7
8
8
9
99
Mean
Simbol:
x
x1 + x2 + x3 +..+ xn-1 + xn N
x =
Mean
Mempertimbang kan
Mean
85
109
120
135
158
177
181
195
= 145
Jika nilai 195 diubah menjadi 275, maka mean akan meningkat dari 145 menjadi 155.
Contoh: nilai TPA mahasiswa yang baru lulus dari dua sekolah perawat
Frekuensi
300 400 500 600 700
Frekuensi
300 400 500 600 700
Sekolah A
Sekolah B
Mengapa Variasi?
Dengan menghitung variasi, kita dapat menilai ketepatan nilai tengah dalam mewakili distribusinya. Bila suatu distribusi mempunyai variasi yang kecil maka nilai tengah mempunyai ketepatan yang tinggi. Oleh karena itu, pengukuran nilai tengah tanpa menghitung dispersi informasi yang kita peroleh kurang sempurna.
Ukuran Variasi
Rentang (range) Standar deviasi (standard deviation) Varians (variance) Koefisien varians
Rentang (Range)
Selisih antara nilai terbesar dengan nilai terkecil dari data yang telah tersusun secara berurutan.
Keuntungan: Diperoleh gambaran dengan cepat gambaran kasar ttg besarnya variasi.
Rentang (Range)
Kelemahan: Hanya melibatkan nilai terbesar dan nilai terkecil tanpa melibatkan nilai-nilai lain dalam distribusi Dipengaruhi oleh nilai ekstreem Tidak dapat ditentukan pada distribusi dengan kelas interval yang terbuka.
Contoh:
Distribusi BB dengan range yang sama tetapi dengan mean yang berbeda.
Kelompok 1
40 43 49 60 60 64 65 65 66 70 582
Kelompok 2
40 40 40 40 43 45 50 52 55 70 474 30 47.4
Contoh:
Distribusi nilai ujian statistik 2 kelompok mhs @ 5 orang dengan range yang berbeda ttp rata-rata sama.
Kelompok 2 10 25 55 70 90 250
Rata-rata Range
50 20
50 80
Deviasi Standar
(x - )2
2 = n -1 (x - )2 = n-1
= deviasi standar
= rata-rata x= hasil pengamatan n = banyaknya pengamatan
Cara penghitungan
1.
2.
3. 4. 5.
6.
7.
Jumlahkan hasil pengamatan (X) Bagilah X dengan banyaknya pengamatan (X/n=) Kurangkan hasil tiap pengamatan dengan rata-rata Pangkatkan hasil no. 3 Jumlahkan semua hasil no.4 Bagilah hasil no. 4 dengan banyaknya pengamatan Hasil no. 6 ditarik akarnya
Contoh
Glukosa darah
70 72 76 77 78 79 80 81 85 86 Jumlah 784
x-
-8.4 -6.4 -2.4 -1.4 - 0.4 0.6 1.6 2.6 6.6 7.6
(x - )2
70.56 40.96 5.76 1.96 0.16 0.36 2.56 6.76 43.56 57.76 230.40
Contoh:
X = 784/10 = 78,4 SD = 230,4/9 =
25,6
= 5,05
Contoh: Dari 5 spesimen darah yang sama, dilakukan pemeriksaan kadar Hb oleh dua laboratorium dg cara elektrofotometer. Di[eroleh hasil dalam gram/dl sbb:
Lab 1 Lab 2 11,5 12,4 12,0 12,1 11,8 12,0 13,1 12,5 12,6 12,2
KK (cov) lab 1: 0,7 /12,2= 0,06 = 6% KK (cov) lab 2: 0,21/12,24 = 0,02 = 2% Kesimpulan: lab 1 lebih bervariasi daripada lab 2. Saran: Perbaikan cara pemeriksaan agar diperoleh variabilitas yg sekecil-kecilnya
dan median. Median relatif stabil dibandingkan dengan modus dan mean
Kurva Simetris
Kurva Asimetris
x > Md > Mo
Kurva Asimetris
x < Md < Mo
1/16/2014
1/16/2014
PENGOLAHAN DATA SECARA SEDERHANA Menghitung proporsi, rate dan ratio Angka Absolut Transformasi menjadi ukuran Relatif -Proporsi -Rate -Ratio
1/16/2014
Rumus =
X x K Y
1/16/2014
Ukuran Epid Proporsi BTA+ rawat inap di RS Ulin Proporsi Balita Pnemonia di Puskesmas Proporsi pria pdrt HIV +
Numerator (X) Denominator (Y) Pdrt BTA + Balita Pnemonia Pria HIV + Pdrt rwt inap Pdrt Berobat Kasus HIV+
Konstanta (K) % % % %
1/16/2014
Rate
: adl ukuran perubahan kejadian (kesakitan) pd. masyarakat selama kurun waktu tertentu dan dalam satuan konstanta ttt ( IR, PR, AR, CFR dll )
Numerator (X) Kasus Baru Semua Kasus (Baru +Lama) Kasus Baru Kematian Kematian Denominator (Y) Pddk Risiko Pddk Risiko Pddk Risiko Semua Kasus penduduk Konstanta (K) % , dsb % , dsb % , % % , dsb
Ukuran Epid Insidens Rate Prevalens Rate Attack Rate Case Fatality Rate Crude Death Rate
1/16/2014
Ukuran Epid Sex Ratio Ratio Puskesmas dg pddk Ratio dokter dg pddk
Numerator (X) Denominator (Y) Pddk Pria Puskesmas dokter Pddk Wanita Pddk Pddk
dokter
Puskesmas
10
1/16/2014
1/16/2014
1/16/2014
No 1 2 3
1/16/2014
Dari hasil tabulasi laporan Program Malaria di Kec Satui diperoleh data sbb:
Kel umur 0-9 10-19 20-29 30-39 40-71 Total Jml pddk 3400 4200 2800 2600 7000 20000 Kasus baru L 10 9 4 8 46 77 P 7 9 5 3 25 49 Total kasus L 15 16 12 17 65 125 P 19 20 11 9 45 104 Mening gal 4 1 2 2 6 15
1/16/2014
Pertanyaanya : Tolong dihitung 1. Insidens Rate, 2. Prevalens Rate, 3. Ratio kasus baru menurut sex , 4. Distribusi proporsi Perempuan pd semua kasus , 5. CFR usia 0-9 th dan 6. Angka kematian malaria .
JAWABAN
Kel umur 0-9 10-19 20-29
1/16/2014
Jml pddk
3400 4200 2800
Kasus baru
L 10 9 4 P 7 9 5 17 18 9 L 15 16 12
Total kasus
P 19 20 11 34 36 23
Mening gal
4 1 2
30-39
40-71 Total
2600
7000 20000
8
46 77 126
3
25 49
11
71 126
17
65 125
9
45 104
26
110 229
2
6 15
Insidens rate
=
20.000
x 1.000
1.000
JAWABAN
Kel umur 0-9 10-19 20-29
1/16/2014
Jml pddk
3400 4200 2800
Kasus baru
L 10 9 4 P 7 9 5 17 18 9 L 15 16 12
Total kasus
P 19 20 11 34 36 23
Mening gal
4 1 2
30-39
40-71 Total
2600
7000 20000
8
46 77
3
25 49 77
11
71 126
17
65 125
9
45 104
26
110 229
2
6 15
100
49
104
100 = 45,41 %
229
JAWABAN
Kel umur 0-9 10-19 20-29
1/16/2014
Jml pddk
3400 4200 2800
Kasus baru
L 10 9 4 P 7 9 5 17 18 9 L 15 16 12
Total kasus
P 19 20 11 34 36 23
Mening gal
4 1 2
30-39
40-71 Total
2600
7000 20000
8
46 77
3
25 49 4
11
71 126 x
17
65 125
9
45 104
26
110 229
2
6 15
100 = 11,76 %
34
Analisis Persentase
Tabel A
Jenis Obat Baik A 18 Efektifitas Obat Sedang 5 Gagal 2 25 Jumlah
B
Jumlah
12
30
7
13
6
8
25
50
Tabel B
Jenis Obat Efektifitas Obat Jumlah
Analisa Tabel
Efektifitas obat yang baik pada A lebih besar (72%) daripada B (48%). Dan pada efektifitas obat yang gagal B lebih besar (24 %) daripada A (8%).
Tabel C
Jenis Obat Efektifitas Obat
Baik
A B Jumlah 60% 40% 100%
Sedang
41,67% 58,3% 100%
Gagal
25% 75% 100%
Pada obat A lebih banyak yang mempunyai efektifitas baik (60%) daripada yang gagal (25%). Dan pada obat B lebih banyak efektifitas obat yang gagal (75%) daripada yang baik (40%).
Tabel I
Tahun Metoda Kontrasepsi Pil 1969/70 1972/73 1977/78 Jumlah 30 300 1620 1950 IUD 40 200 400 640 Lain-lain 40 50 250 340 110 550 2270 2930 Jumlah
Tabel II
Tahun
1969/70 1972/73 1977/78
Jumlah (%)
100 100 100
Tabel III
Tahun Metoda Kontrasepsi (%)
Pil
1969/70 1972/73 1977/78 Jumlah 1,54 15,38 83,08 100
IUD
6,25 31,25 62,50 100
Lain-lain
11,76 14,71 73,53 100
1/16/2014
1/16/2014
Melihat perbedaan antar kel yg sesuai Chi-square test Students t-test Paired t-test McNemars t-test
Melihat asosiasi antar dua variabel - Risiko Relatif - Odds Ratio - Regresi dan Koefesien Korelasi