STATISTIK DESKRIPTIF

Oleh: Vissia Didin Ardiyani, SKM, MKM

Lihatlah contoh ini:

Nama Murid Amat Ani Bandar Bari Dina Nilai Matematika 7 7 7 7 7

Rata-rata nilai matematika kelas A: 7. Cukup pintar bukan????

Bandingkan dengan nilai statistiknya

Nama Murid
Amat Ani Bandar Bari Dina

Nilai Matematika 7 7 7 7 7

Nilai Statistik
5 6 7 8 9

Variabilitas Data Statistik

UKURAN NILAI TENGAH

Mean Median Modus

MODE
Nilai yang paling sering muncul 32 39 32 39 35 40 36 40 37 42 38 45 38 39

Mode = 39

Suatu data bisa mempunyai dua mode. 32 32 32 36 37 38 38 39 39 40 40 42 45

39

MODE

Tidak dipengaruhi nilai ekstrim

Contoh: 32 32 35 36 37 38 38 39 39 39 40 40 42 55

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: berada di antara dua nilai tengah yaitu 38,5 (38+39) 2

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

Nilai akhir berubah namun tidak mempengaruhi nilai mediannya

Mean
Simbol:

x
x1 + x2 + x3 +..+ xn-1 + xn N

x =

Mean
Mempertimbang kan

semua nilai pengamatan Dipengaruhi oleh nilai ekstreem

Mean
85

109

120

135

158

177

181

195

85 + 109 + 120 + 135 + 158 + 177 + 181 + 195

x= 8

= 145
Jika nilai 195 diubah menjadi 275, maka mean akan meningkat dari 145 menjadi 155.

KIWI BIRD PROBLEM

Kiwi adalah hewan langka di New Zealand. Mereka terlahir tidak tinggi dan tiap harinya tubuhnya bertambah 1 inchi. Komunitas kiwi jumlahnya sedikit. Seorang peneliti menemukan 4 ekor kiwi. Ratarata tingginya 4, mediannya 3, & mode 2. Berapa tinggi masing-masing kiwi tsb?

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.

Mengapa Terjadi Variasi?

Peristiwa alamiah
Misal: Beberapa orang petugas kesehatan melakukan penimbangan seorang anak balita diperoleh hasil yang berbeda-beda. Disebut variasi eksterna. Beberapa orang analis menghitung jumlah leukosit berkali-kali pada waktu yang berbeda akan menghasilkan nilai yang berbeda. Disebut variasi interna.

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

Range: 30 Rata-rata: 58.2

Contoh:

Distribusi nilai ujian statistik 2 kelompok mhs @ 5 orang dengan range yang berbeda ttp rata-rata sama.

Kelompok 1 40 45 50 55 60 Jumlah 250

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

Koefisien Varians (COV)

Koefisien variasi adalah ukuran keragaman untuk melihat perbedaan besar keragaman antara dua ukuran yang mempunyai skala atau satuan yang berbeda. S KV = x 100

Koefisien varians dinyatakan dalam bentuk proporsi atau persentase.

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

Bentuk Distribusi Data

Mean=median=modus Distribusi miring ke kanan Distribusi miring ke kiri

Modus mengalami pergeseran terbesar diikuti oleh mean

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

Menghitung Rate, Ratio dan Proporsi

1/16/2014

PENGOLAHAN DATA SECARA SEDERHANA Menghitung proporsi, rate dan ratio Angka Absolut Transformasi menjadi ukuran Relatif -Proporsi -Rate -Ratio

- terukur - standard - dapat diperbandingkan

1/16/2014

PENGOLAHAN DATA SECARA SEDERHANA Menghitung proporsi, rate dan ratio

Rumus =

X x K Y

X = Kasus Y = Pop.Risiko K = Konstanta

1/16/2014

Proporsi : adl ukuran perbandingan antara satu kondisi

/kejadian kondisi dg keseluruhan kejadian ( proporsi peny , umur, sex, pekerjaan )

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) % % % %

Proporsi PNS pdrt TB yg diobati

PNS pdrt TB, diobati

Semua Pdrt TB diobati

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

Ratio : adl ukuran perbandingan antara satu kejadian/

kondisi dengan kejadian lainya ( sex ratio )

Ukuran Epid Sex Ratio Ratio Puskesmas dg pddk Ratio dokter dg pddk

Numerator (X) Denominator (Y) Pddk Pria Puskesmas dokter Pddk Wanita Pddk Pddk

Konstanta (K) 100 10.000 10.000

Ratio dokter dg Puskesmas

dokter

Puskesmas

10

1/16/2014

Contoh pentingnya transformasi data

Selama bulan April 2001 pada beberapa Puskesmas di Kabupaten ICDC dilaporkan adanya beberapa peningkatan kasus diare yang disertai beberapa kematian dengan perincian sbb : - Puskesmas A dg kasus = 600 , meninggal 100 - Puskesmas B dg kasus = 450 , meninggal 90 - Puskesmas C dg kasus = 750 , meninggal 125

Pertanyaanya : Puskesmas mana yg memiliki masalah Diare terbesar

1/16/2014

Contoh pentingnya transformasi data

Selama bulan April 2001 pada beberapa Puskesmas di Kabupaten ICDC dilaporkan adanya beberapa peningkatan kasus diare yang disertai beberapa kematian dengan perincian sbb : - Puskesmas A dg kasus = 600 , meninggal 100 - Puskesmas B dg kasus = 450 , meninggal 90 - Puskesmas C dg kasus = 700 , meninggal 110 Jumlah penduduk berisiko sbb : - Puskesmas A = 30.000 org - Puskesmas B = 25.000 org - Puskesmas C = 36.000 org Pertanyaannya : Puskesmas mana yg memiliki masalah Diare terbesar

1/16/2014

Incidence Rate dan CFR Diare

Pop Risk 30.000 25.000 35.000 IR o/oo 20 18 20 CFR o/o 16,6 20 15,7

No 1 2 3

Kota Puskesmas A Puskesmas B

Puskesmas C

Kasus 600 450 700

Mati 100 90 110

Pertanyaanya : Puskesmas mana yg memiliki masalah Diare terbesar

-Dari angka kesakitan (IR) Puskesmas A & C tertinggi dg 20 o/oo -Dari angka kematian (CFR) Puskesmas B tertinggi dg 20 %

1/16/2014

Latihan menghitung Rate, Ratio dan Proporsi

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

Catatan : L = laki-laki, P = Perempuan

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

= 6,3 /1.000 pddk

229 Prevalens rate = 20.000

1.000

= 11,45 /1.000 pddk

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

Ratio pdrt baru L dg P

100

= 157 per 100 P

49
104

Proporsi pdrt P pada semua kasus

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

Case Fatality Rate (0-9) =

100 = 11,76 %

34

15 Angka kematian Malaria = Cause Specific Death Rate) 20.000

x 1.000 = 0,75 per 1.000 pddk

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

Baik A B 72% 48%

Sedang 20% 28%

Gagal 8% 24% 100% 100%

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

Metoda Kontrasepsi (%)

Pil 27,28 54,50 71,37 IUD 36,36 36,40 17,62 Lain-lain 36,36 9,10 11,01

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

PENGOLAHAN DATA SECARA KOMPLEKS

1/16/2014

Pengolahan data komplek (hubungan)

yaitu pengolahan data yg dimaksudkan untuk melihat hubungan antara variabel dependen dg (dua atau lebih) variabel independen pd satu set data individual

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