Anda di halaman 1dari 78

Mata Kuliah Biostatistika Widyagama Husada

1






1
PENGANTAR STATISTIKA



F




Mata Kuliah Biostatistika Widyagama Husada

2
PENGANTAR STATISTIKA
Dr. Rudy Joegijantoro

KONSEP DASAR STATISTIK UMUM

Pada masa lalu, statistik hanya digunakan untuk menggambarkan keadaan dan menyelesaikan
problem-problem kenegaraan saja seperti perhitungan banyaknya penduduk, pembayaran pajak,
kepegawaian, membayar gaji, mencatat perkembangan hasil pertanian, dll.
Di era globalisasi, hampir semua bidang menggunakan statistik bergantung kepada masalah yang
dijelaskan oleh statistik itu sendiri. Misalnya bidang kedokteran, pendidikan, pertanian, kebidanan,
administrasi, sosiologi, teknik, hokum, bisnis, dll.
Pengertian statistik itu sendiri berasal dari kata state (Yunani) yaitu Negara dan digunakan untuk
urusan Negara.

Definisi Statistik

1. Statistik merupakan suatu ilmu tentang pengumpulan (collecting), penyusunan (organizing),
penganalisisan (analyzing) dan penafsiran data (interpreting) untuk tujuan pembuatan suatu
keputusan yang lebih baik di dalam menghadapi ketidakpastian (Mason, 1974)

2. Kumpulan angka-angka yang menerangkan tentang sesuatu masalah, baik yang sudah tersusun
di dalam daftar-daftar yang teratur atau grafik-grafik maupun yang belum.
Contoh :
a. Statistik penduduk : Merupakan kumpulan keterangan tentang penduduk yang
menggambarkan keadaan penduduk dari segala segi.
b. Statistik pertanian : Merupakan kumpulan keterangan tentang hal-hal yang terdapat di
dalam bidang pertanian dalam arti luas.

3. Bowen & Starr (1982) memberikan pengertian dalam arti jamak dan dalam arti tunggal. Dalam
arti jamak, statistik merupakan sekelompok data numerikal, sedangkan dalam arti tunggal,
statistik merupakan suatu bidang studi. Bagian terpenting dari bidang studi ini adalah statistik
deskriptif, probabilitas, analisis pengambilan keputusan, dan statistik inferensi.

Dalam perkembangannya, untuk menyelesaikan suatu masalah dapat digunakan beberapa
pendekatan antara lain statistika dalam arti sempit dan statistika dalam arti luas.
Mata Kuliah Biostatistika Widyagama Husada

3
Statistika dalam arti sempit (statistika deskriptif) adalah statistika yang mendeskripsikan atau
menggambarkan tentang data yang disajikan dalam bentuk tabel, diagram, pengukuran tendensi
sentral (rata-rata hitung, rata-rata ukur, dan rata-rata harmonik), pengukuran penempatan (median,
kartil, desil, dan persentil), pengukuran penyimpangan (range, rentangan antar kuartil, rentangan
semi antar kuartil, simpangan rata-rata, simpangan baku, varians, koefisien varians, dan angka
baku), angka indeks serta mencari kuatnya hubungan dua variabel, melakukan peramalan (prediksi)
dengan menggunakan analisis regresi linier, membuat perbandingan (komparatif).
Statistik dalam arti luas ( statistika inferensial / statistika induktif) ialah suatu alat
pengumpulan data, pengolah data, menarik kesimpulan, membuat tindakan berdasarkan analisis
data yang dikumpulkan.

Kegunaan Statistika
Statistika dapat digunakan sebagai :
1. Komunikasi, yaitu sebagai penghubung beberapa pihak yang menghasilkan data statistik atau
berupa analisis statistik sehingga beberapa pihak tersebut dapat mengambil keputusan melalui
informasi tersebut.
2. Deskripsi, yaitu penyajian data dan mengilustrasikan data, misalnya mengukur hasil produksi,
indeks harga konsumen, laporan keuangan, tingkat inflasi, jumlah penduduk, dll
3. Regresi, yaitu meramalkan pengaruh data yang satu dengan data lainnya dan untuk
mengantisipasi gejala-gejala yang akan datang.
4. Korelasi, yaitu mencari kuatnya atau besarnya hubungan data dalam suatu penelitian.
5. Komparasi, yaitu membandingkan data dua kelompok atau lebih.

Aplikasi statistik dalam bidang kesehatan
Penggunaan metode statistik dalam bidang kesehatan antara laijn dipakai untuk :
1. mengukur peristiwa-peristiwa penting atau vital event yang terjadi dalam masyarakat.
2. Mengukur status kesehatan masyarakat dan mengetahui masalah kesehatan yang terdapat
dalam masyarakat.
3. Meramalkan status kesehatan masyarakat dimasa-masa mendatang
4. Evaluasi tentang perjalanan, keberhasilan, dan kegagalan dari suatu program kesehatan.
5. Keperluan estimasi tentang kebutuhan masyarakat terhadap pelayanan kesehatan, serta
menentukan secara pasti target pencapaian tujuan.
6. Keperluan riset terhadap masalah kesehatan, KB, lingkungan hidup, dll
7. Perencanaan dan sistem administrasi kesehatan.
8. dll

Mata Kuliah Biostatistika Widyagama Husada

4
Pengertian dan Jenis Data
Data menurut jenisnya ada dua yaitu data kualitatif dan data kuantitatif.
1. Data Kualitatif yaitu Data yang dinyatakan dalam bentuk kata, kalimat, dan gambar.
Contoh : Wanita itu cantik, pria itu tampan, baik, buruk, senang, sedih, pohon itu rindang, dll
Data ini biasanya didapat dari wawancara dan bersifat subyektif sebab data tersebut ditafsirkan
lain oleh orang yang berbeda. Data kualitatif dapat diangkakan dalam bentuk ordinal ( ranking ).
2. Data kuantitatif yaitu data yang berwujud angka-angka, atau data kualitatif yang diangkakan.
Contoh : harga solar Rp.4200,-/liter, SPP Akbid Rp.1.000.000,-/semester dll
Data ini diperoleh dari pengukuran langsung maupun dari angka-angka yang diperoleh dengan
mengubah data kualitatif menjadi data kuantitatif. Data kuantitatif bersifat obyektif dan bisa
ditafsirkan sama oleh semua orang.
Data kuantitatif dibagi menjadi dua, yaitu data diskrit/nominal dan data kontinum. Data nominal
adalah data yang hanya dapat digolong-golongkan secara terpisah, secara diskrit atau kategori.
Data ini diperoleh dari hasil menghitung, misalnya dalam suatu kelas dihitung terdapat 50
mahasiswa, terdiri atas 30 pria dan 20 wanita.
Data kontinum, merupakan data yang bervariasi menurut tingkatan dan ini diperoleh dari hasil
pengukuran. Data ini dibagi menjadi data ordinal, data interval dan data ratio.
Sumber Data
Sumber data yang dihimpun langsung oleh peneliti disebut sumber primer, sedangkan apabila
melalui tangan kedua disebut sumber sekunder.

Metode dan Instrumen Pengumpulan Data
Metode pengumpulan data ialah teknik atau cara-cara yang dapat digunakan oelh peneliti untuk
mengumpulkan data. Contoh ; angket, wawancara, pengamatan, ujian (tes), dokumentasi, dsb.
Instrumen pengumpulan data adalah alat bantu yang dipilih dan digunakan oleh peneliti dalam
kegiatannya mengumpulkan data agar kegiatan tersebut menjadi sistematis dan dipermudah
olehnya. Contoh : kuesioner, daftar cocok (checklist), skala (scale), pedoman wawancara (interview
guide), lembar pengamatan atau panduan pengamatan (observation sheet/schedule), soal ujian dsb.








Mata Kuliah Biostatistika Widyagama Husada

5
No Jenis Metode Jenis Instrumen
1.




2.


3.





4.


5.
Angket
(questionnaire)



Wawancara
(Interview)

Pengamatan/observasi
(observation)




Ujian atau tes (test)


Dokumentasi
a. Angket (questionnaire)
b. Daftar cocok (checklist)
c. Skala (scala)
d. Inventori (inventory)

a. Pedoman wawancara (interview guide)
b. Daftar cocok (checklist)

a. Lembar pengamatan
b. Panduan pengamatan
c. Panduan observasi (observation sheet atau
observation schedule)
d. Daftar cocok (checklist)

a. Soal ujian
b. Inventori (inventory)

a. Daftar cocok (checklist)
b. Tabel



VARIABEL DAN SKALA PENGUKURAN VARIABEL
Variabel
Kalau ada pertanyaan tentang apa yang anda teliti, maka jawabannya berkenaan dengan
variabel penelitian. Jadi variabel penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa
saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut,
kemudian ditarik kesimpulannya.
Secara teoritis variabel dapat didefinisikan sebagai atribut seseorang, atau obyek, yang
mempunyai variasi antara satu orang dengan yang lain atau satu obyek dengan obyek yang lain. Tinggi,
berat badan, sikap, motivasi, kepemimpinan dll merupakan atribut-atribut dari setiap orang. Berat,
bentuk, ukuran, dan warna merupakan atribut-atribut dari setiap obyek. Dikatakan variabel karena ada
variasinya. Misalnya berat badan dapat dikatakan variabel, karena berat badan sekelompok orang itu
bervariasi antara satu orang dengan orang lain. Variabel yang tidak ada variasinya bukan dikatakan
sebagai variabel. Untuk dapat bervariasi, maka penelitian harus didasarkan pada sekelompok sumber
data atau obyek yang bervariasi.

Macam-macam variabel
a. Variabel independen : Disebut juga variabel bebas. Merupakan variabel yang mempengaruhi
atau yang menjadi sebab perubahan atau timbulnya variabel dependen.
b. Variabel dependen : Disebut juga variabel terikat. Variabel terikat merupakan variabel yang
dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas.
Mata Kuliah Biostatistika Widyagama Husada

6
c. Variabel moderator : Adalah variabel yang mempengaruhi (memperkuat atau memperlemah)
hubungan antara variabel independen dengan dependen. Variabel ini bisa disebut juga dengan
variabel independen kedua. Misal hubungan perilaku suami dan isteri akan semakin baik (kuat)
kalau mempunyai anak, dan akan semakin renggang kalau ada pihak ketiga ikut mencampuri.
Disini anak sebagai variabel moderator yang memperkuat hubungan, dan pihak ketiga
merupakan variabel moderator yang memperlemah hubungan.
d. Variabel intervening : Variabel yang secara teoritis mempengaruhi hubungan antara variabel
independen dengan dependen menjadi hubungan yang tidak langsung dan tidak dapat diamati
dan diukur. Variabel ini merupakan variabel penyela/antara yang terletak diantara variabel
independen dan dependen, sehingga variabel independen tidak langsung mempengaruhi
berubahnya atau timbulnya variabel dependen.

Skala pengukuran Variabel
Maksud dari skala pengukuran variabel ini adalah untuk mengklasifikasikan variabel yang akan diukur
supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah penelitian selanjutnya.
Jenis skala pengukuran ada empat, yaitu :
1. Skala/data nominal
2. Skala/data ordinal
3. Skala/data interval
4. Skala/data ratio

SKALA NOMINAL
Merupakan skala yang paling sederhana, fungsi bilangan hanya sebagai simbol untuk
membedakan sebuah karakteristik yang satu dengan karakteristik lainnya. Ciri-cirinya adalah: Tidak ada
bilangan pecahan, angka yang tertera hanya label saja, tidak mempunyai urutan (ranking), tidak
mempunyai nilai nol mutlak.
Contoh Data nominal :
a. Jenis kulit : Hitam = 1; kuning = 2; putih = 3,maka angka (1), (2), dan (3) hanya sebagai label saja.
b. Suku daerah : Jawa = 1; Madura = 2; Bugis = 3, dll
c. Agama : Islam =1, Kristen =2, Katolik = 3, Hindu = 4, Budha = 5

SKALA ORDINAL
Skala ordinal adalah skala yang didasarkan atas ranking, diurutkan dari jenjang yang lebih tinggi
sampai jenjang terendah atau sebaliknya, namun jarak antara satu data dengan data lain tidak sama.


Mata Kuliah Biostatistika Widyagama Husada

7
Contoh Data ordinal :
a. Mengukur ranking kelas : IPK 3,2 ranking I; IPK 2,8 ranking II; IPK 2,5 ranking III. Jarak antar IPK
tidak sama.
b. Mengukur juara : Indonesia 10 emas (1), malaysia 7 emas (2), Thailand 5 emas (3) perolehan
emas tidak sama.
c. Keteladanan : tingkat (1), tingkat (2), tingkat (3) dst
d. Status sosial : kaya (1), sederhana (2), miskin (3)
e. Dll

SKALA INTERVAL
Skala interval merupakan skala yang menunjukkan jarak antara satu data dengan data yang lain,
dimana jarak antar data adalah sama tetapi tidak mempunyai nilai nol (0) absolut/mutlak.
Contoh :
Skala termometer, walaupun ada nilai 0
o
C, tetapi tetap ada nilainya.

SKALA RATIO
Skala ratio merupakan skala yang jarak antar datanya sama, dan mempunyai nilai nol
absolut/mutlak.
Contoh :
Skala tentang berat badan, tinggi badan, dan volume. Berat 0 kg berarti tidak ada beratnya, panjang 0 m
berarti tidak mempunyai panjang (Bandingkan dengan 0
o
C pada data interval!).
Data ratio dapat dirubah kedalam data interval dan ordinal. Data ratio juga dapat dijumlahkan atau
dibuat perkalian secara aljabar. Misalnya 2 m + 3 m = 5 m. Kalau dalam data interval penjumlahannya
tidak seperti dalam data ratio. Misalnya air 1 gelas dengan suhu 100
o
C + air 1 gelas suhu 10
o
C maka
suhunya tidak menjadi 110
o
C.
Contoh lainnya, umur manusia tidak memiliki angka nol atau negatif. Data ratio adalah data yang paling
teliti.

oooOOOooo







Mata Kuliah Biostatistika Widyagama Husada

8








2
PENYAJIAN DATA



5





Mata Kuliah Biostatistika Widyagama Husada

9
PENYAJIAN DATA
Dr. Ru


Data populasi atau data sampel yang sudah terkumpul, jika digunakan untuk keperluan informasi, baik
berupa laporan atau analisis lanjutan dalam penelitian hendaknya diatur, disusun, disajikan dalam
bentuk yang jelas dan komunikatif dengan penyajian data yang lebih menarik.

Ada tiga cara penyajian data, yaitu :
1. Textual
Berupa tulisan atau narasi, dan hanya dipakai untuk data yang jumlahnya kecil serta memerlukan
suatu kesimpulan sederhana.
2. Tabulasi / Tabel
Berupa bentuk tabel yang terdiri dari beberapa baris dan beberapa kolom, yang digunakan untuk
memaparkan sekaligus beberapa variabel hasil observasi, survei, atau penelitian sehingga mudah
dibaca dan dimengerti.
3. Diagram / grafik
Data dipresentasikan dalam bentuk diagram atau grafik seperti diagram batang, garis, gambar,
peta dan lain-lain.

Jenis tabel penyajian data
JENIS TABEL
1. Biasa
2. Kontigensi
3. Distribusi frekwensi
a. Relatif
b. Kumulatif
c. Kumulatif Relatif

TABEL BIASA
Tabel biasa sering dipakai untuk bermacam keperluan bidang ekonomi, sosial, budaya, dll untuk
menginformasikan data dari hasil penelitian atau hasil penyelidikan.
Contoh :



Mata Kuliah Biostatistika Widyagama Husada

10
JUDUL TABEL
...................................................................
JUDUL KOLOM

JUDUL BARIS
Sel Sel Sel
Sel Sel Sel
Sel Sel Sel
Sumber : ................................................
Catatan: ................................................

Keterangan tabel :
1. Judul tabel ditulis di atas, simetris dengan sumbu Y dengan huruf kapital tanpa penggalan kata.
2. Judul kolom ditulis singkat, jelas, dan diupayakan jangan memutus kata.
3. Sel-sel merupakan tempat penulisan angka-angka atau data
4. Catatan ditulis di bagian kiri bawah berguna untuk mencatat hal-hal penting dan perlu diberikan.
5. Kata sumber untuk menjelaskan dari mana data tersebut dikutip, kalau tidak ada berarti pelopor
ikut didalamnya.

TABEL KONTIGENSI
Tabel kontigensi digunakan khusus untuk data yang terletak antara baris dan kolom berjenis variabel
kategori. Contoh :
TABEL 1
Distribusi Lima Besar Negara Peraih Medali Olimpiade Athena 2001
Negara Emas Perak Perunggu Total
AS 9 5 5 19
Rusia 6 7 6 19
China 5 5 5 15
Perancis 4 5 4 13
Inggris 4 4 3 11
Sumber : Jawa Pos

TABEL DISTRIBUSI FREKWENSI

Distribusi frekwensi adalah penyusunan suatu data mulai dari terkecil sampai terbesar yang membagi
banyaknya data ke dalam beberapa kelas.
Kegunaan :
Memudahkan dalam penyajian data, mudah dipahami dan mudah dibaca
Untuk perhitungan membuat grafik statistik
Distribusi frekwensi terdiri dari dua yaitu :
1. Distribusi frekwensi kategori
Mata Kuliah Biostatistika Widyagama Husada

11
2. Distribusi frekwensi numerik
Distribusi frekwensi kategori ialah distribusi frekwensi yang pengelompokan datanya disusun berbentuk
kata-kata atau distribusi yang penyatuan kelas-kelasnya didasarkan pada data kategori (kualitatif).
Distribusi frekwensi numerik ialah distribusi frekwensi yang penyatuan kelas-kelasnya disusun secara
interval dan didasarkan pada angka-angka (kuantitatif).
a) Contoh Distribusi Frekwensi Kategorik
TABEL 2
Distribusi Frekwensi Penderita Hipertensi
Jenis Hipertensi Frekwensi
Hipertensi Ringan
Hipertensi Sedang
Hipertensi Berat
234
112
56
Jumlah 402

b) Contoh Distribusi Frekwensi Numerik

TABEL 3
Distribusi Frekwensi Tekanan Darah Sistolik
TD Sistolik Frekwensi
120 - 140
141 - 160
161 - 180
181 - 200
201 - 220
52
40
21
15
10
Jumlah 138

TEKNIK MEMBUAT DISTRIBUSI FREKWENSI
Langkah-langkah :
1. Urutkan data dari terkecil sampai terbesar
2. Hitung jarak atau rentangan (R)
Rumus : R = data tertinggi data terendah
3. Hitung jumlah kelas (K) dengan rumus Sturges :
Rumus : Jumlah kelas (K) = 1 + 3,3 log n
n = jumlah data
4. Hitung panjang kelas interval (P)
Rumus : P = Rentangan ( R)
Jmlh.kelas ( K )
5. Tentukan batas data terendah atau ujung data pertama, dilanjutkan menghitung kelas interval.
Caranya menjumlahkan ujung bawah kelas ditambah panjang kelas (P) dan hasilnya dikurangi 1
sampai pada data akhir.
Mata Kuliah Biostatistika Widyagama Husada

12
6. Buat tabel sementara (tabulasi data) dengan cara dihitung satu demi satu yang sesuai dengan
urutan interval kelas.
Contoh tabel data :

Interval Rincian Frekwensi ( f )






Jumlah

7. Membuat tabel distribusi frekwensi dengan cara memindahkan semua angka frekwensi (f)

Contoh Distribusi Frekwensi :
Diketahui nilai ujian akhir kuliah statistika di Akbid Widyagama Husada tahun 2006 yang diikuti oleh
70 mahasiswa, diperoleh data :
70,70,71,60,63,80,81,81,74,74,66,66,67,67,67,68,76,76,
77,77,77,80,80,80,80,73,73,74,74,74,71,72,72,72,72,83,
84,84,84,84,75,75,75,75,75,75,75,75,78,78,78,78,78,79,
79,81,82,82,83,89,85,85,87,90,93,94,94,87,87,89
a) Urutkan data dari terkecil hingga terbesar :
60,63,
66,66,67,67,67,68,
70,70,71,71,72,72,72,72,73,73,74,74,74,74,74,
75,75,75,75,75,75,75,75,76,76,77,77,77,78,78,78,78,78,79,79,
80,80,80,80,80,81,81,81,82,82,83,83,84,84,84,84,
85,85,87,87,89,89,
90,93,94,94.
b) Hitung jarak atau rentangan (R)
R = data tertinggi data terendah
= 94 60 = 34
c) Hitung jumlah kelas (K) dengan Sturges:
K = 1 + 3,3 Log 70
K = 1 + 3,3 (1,845)
K = 1 + 6,0885
= 7,0887 dibulatkan menjadi 7
d) Hitung panjang kelas interval (P)
Mata Kuliah Biostatistika Widyagama Husada

13
P = Rentangan (R)
Jmlh.Kelas (K)
P = 34 / 7
P = 4,857 dibulatkan menjadi 5
e) Tentukan batas kelas interval panjang kelas (P)
60 + 5 = 65 - 1 = 64
65 + 5 = 65 - 1 = 69
70 + 5 = 65 - 1 = 74
75 + 5 = 65 - 1 = 79
80 + 5 = 65 - 1 = 84
85 + 5 = 65 - 1 = 89
90 + 5 = 65 - 1 = 94

f) Buat tabel sementara dengan cara dihitung satu demi satu ( melidi) yang sesuai dengan urutan
interval kelas.

TABEL 4
Distribusi Frekwensi Nilai Ujian Statistik
Akbid Widyagama Husada Tahun 2006

Nilai Interval Rincian Frekwensi (f)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
II
IIII I
IIII IIII IIII
IIII IIII IIII IIII
IIII IIII IIII I
IIII II
IIII
2
6
15
20
16
7
4
Jumlah 70

g) Buat tabel distribusi frekwensi dengan cara memindahkan semua angka frekwensi (f)

TABEL 5
Distribusi Frekwensi Nilai Ujian Statistik
Akbid Widyagama Husada Tahun 2006

Nilai Interval Frekwensi (f)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70
Mata Kuliah Biostatistika Widyagama Husada

14


BENTUK-BENTUK DISTRIBUSI FREKWENSI :
1. Distribusi Frekwensi Relatif
2. Distribusi Frekwensi Kumulatif
a. Distribusi Frekwensi Kumulatif (Kurang Dari), dan
b. Distribusi Frekwensi Kumulatif (Atau Lebih)
3. Distribusi Frekwensi Kumulatif-Relatif
a. Distribusi Frekwensi Kumulatif-Relatif (Kurang Dari), dan
b. Distribusi Frekwensi Kumulatif-Relatif (Atau Lebih)

1. Distribusi Frekwensi Relatif
Adalah distribusi frekwensi yang nilai frekwensinya dinyatakan dalam bentuk angka presentase
(%) atau angka relatif.
Teknik :
Membagi angka distribusi frekwensi mutlak dengan jumlah keseluruhan distribusi frekwensi (n)
dikalikan 100% atau dengan rumus:

f
relatif kelas-i
= f
mutlak kelas-i
x 100%



n

f
relatif kelas-1
= 2/70 x 100% = 2,857%
f
relatif kelas-2
= 6/70 x 100% = 2,571%
f
relatif kelas-3
= 15/70 x 100% = 21,429%
f
relatif kelas-4
= 20/70 x 100% = 28,571%
f
relatif kelas-5
= 16/70 x 100% = 22,857%
f
relatif kelas-6
= 7/70 x 100% = 10,000%
f
relatif kelas-7
= 4/70 x 100% = 5,714%









Mata Kuliah Biostatistika Widyagama Husada

15
TABEL 6
Distribusi Frekwensi dengan Distribusi Frekwensi Relatif

Nilai Interval f (mutlak) f (relatif)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
2,857%
2,571%
21,429%
28,571%
22,857%
10,000%
5,714%
Jumlah 70 100 %

2. Distribusi Frekwensi Kumulatif
Distribusi frekwensi kumulatif ( f
kum
) ialah distribusi frekwensi yang nilai frekwensinya (f)
diperoleh dengan cara menjumlahkan frekwensi demi frekwensi.
Tabel distribusi frekwensi kumulatif ( f
kum
) dapat dibuat berdasarkan tabel distribusi frekwensi
mutlak.
Ada dua distribusi frekwensi kumulatif ( f
kum
) , yaitu :
1. distribusi frekwensi kumulatif ( f
kum
) kurang dari / ( kurang dari )
2. distribusi frekwensi kumulatif ( f
kum
) atau lebih / ( atau lebih )
Contoh :
TABEL 7
DISTRIBUSI KUMULATIF (KURANG DARI)
Nilai Ujian Statistik Akbid Widyagama Husada Tahun 2006

Nilai f
kum

Kurang dari 60 0
Kurang dari 65 2
Kurang dari 70 8
Kurang dari 75 23
Kurang dari 80 43
Kurang dari 85 59
Kurang dari 90 66
Kurang dari 95 70









Mata Kuliah Biostatistika Widyagama Husada

16
TABEL 8
DISTRIBUSI KUMULATIF (ATAU LEBIH)
Nilai Ujian Statistik Akbid Widyagama Husada Tahun 2006

Nilai f
kum

60 atau lebih 70
65 atau lebih 68
70 atau lebih 62
75 atau lebih 47
80 atau lebih 27
85 atau lebih 11
90 atau lebih 4
95 atau lebih 0































Mata Kuliah Biostatistika Widyagama Husada

17












3
PENYAJIAN DATA SECARA GRAFIS




















Mata Kuliah Biostatistika Widyagama Husada

18


PENYAJIAN DATA SECARA GRAFIS



FUNGSI GRAFIK STATISTIK
Data statistik dapat disajikan dalam bentuk tabel atau grafik. Penyajian data dalam bentuk grafik
umumnya lebih menarik perhatian dan mengesankan. Penyajian data statistik secara grafis mempunyai
berbagai fungsi. Grafik atau diagram seringkali digunakan dalam iklan dengan maksud agar konsumen
memperoleh kesan yang mendalam terhadap ciri-ciri produk yang diiklankan. Kegiatan produksi lebih
mudah dilihat dan dipelajari secara visual bila dinyatakan dalam angka-angka dan digambarkan secara
grafis. Bagi orang awam grafik atau diagram ini terasa lebih langsung dan cepat dimengerti, seperti kata
pepatah a picture can talk more than a thousand words.
Pada hakekatnya grafik dan tabel seyogyanya digunakan secara bersama-sama. Grafik statistik
lebih mudah dan menarik dibanding tabel statistik. Selain itu, grafik dapat melukiskan suatu peristiwa
secara lebih mengesankan dan tidak membosankan. Namun demikian, penyajian secara grafis hanyalah
bersifat aprosimatif. Angka-angka yang pasti dan rinci tentang suatu peristiwa dimuat dalam tabel. Oleh
karena itu, analisis dan interpretasi data umumnya dilakukan terhadap data yang terdapat dalam tabel
statistik.

JENIS GRAFIK STATISTIK
1. Diagram garis
Diagram garis sering disebut juga peta garis (line chart) atau kurva (curve), merupakan bentuk
penyajian yang paling banyak dipakai dalam berbagai laporan perusahaan maupun penelitian ilmiah.
Data statistik dapat diklasifikasikan atas ciri-ciri kronologis, geografis, kuantitatif maupun kualitatif.
Salah satu bentuk data yang dapat diklasifikasi secara kronologis adalah data deret berkala (time series).
Sebagian besar distribusi data dapat diklasifikasi secara kuantitatif dalam bentuk distribusi frekuensi.
Hasil kedua cara klasifikasi tersebut dapat digambarkan secara visual dalam bentuk kurva.
Sedangkan data yang diklasifikasikann berdasarkan geografis maupun kualitatif, jarang digambarkan
dalam bentuk kurva. Data demikian dapat digambarkan dengan peta balok (bar chart) atau bentuk peta
lainnya.




Mata Kuliah Biostatistika Widyagama Husada

19
2. Kurva distribusi frekuensi
Penggambaran grafik sebuah distribusi frekuensi umumnya dilakukan berdasarkan data
kuantitatif yang terdapat dalam tabel distribusi frekuensi. Data yang terdapat dalam tabel distribusi
frekuensi tersebut digambarkan dalam bentuk diagram kolom yang dinamakan histogram frekuensi.
Diagram kolom atau histogram frekuensi ini harus dibedakan dengan diagram balok yang lebih umum
dalam penggambaran peristiwa secara visual.

3. Peta balok (bar chart)
Peta balok dapat disusun secara vertikal maupun mendatar. Jika dapat diklasifikasi secara
kronologis, maka peta balok sebaiknya disusun secara vertikal. Penyusunan peta balok secara vertikal
sering digunakan untuk data yang dapat diklasifikasi secara kuantitatif. Misalnya data tentang penduduk
yang diklasifikasi berdasarkan umur sering disajikan dalam peta balok secara vertikal. Namun demikian,
untuk lebih menarik maka data tersebut juga dapat disajikan dalam bentuk piramida penduduk.
Piramida tersebut merupakan salah satu variasi dari peta balok yang disusun secara mendatar.

4. Diagram lingkar (pie diagram)
Diagram lingkar ini menarik, namun memiliki sisi kelemahan dalam hal tujuan untuk
perbandingan antara sektor-sektor yang terdapat dalam lingkarannya. Penyajian berbagai data yang
besarnya berbeda (ekstrim) dalam diagram yang sama, merupakan suatu prosedur yang meragukan.
Mengingat lingkaran terdiri dari 360 derajat, maka 3,6 derajat berarti menggambarkan persentase
sebesar 1%.

5. Piktograf (pictograph)
Piktograf atau piktogram adalah penyajian data yang digambarkan oleh simbol yang relevan
dengan jenis datanya sehingga lebih menarik untuk dilihat. Perbandingan secara visual diperoleh
dengan cara menggunakan sejumlah simbol/icon yang sama besarnya dan disusun untuk membantu
diagram balok.



6. Peta statistik (statistical map)
Jenis peta ini digunakan untuk menggambarkan distribusi geografis dari sebuah peta. Bentuk
peta statistik ini beragam dan tidak mudah untuk digambarkan secara bebas.

BEBERAPA PERATURAN UMUM TENTANG PENGGAMBARAN GRAFIK

Mata Kuliah Biostatistika Widyagama Husada

20
1. Pemilihan jenis grafik
Jenis grafik statistik yang akan disajikan oleh pembuat laporan harus dipilih agar dapat
menyajikan gambaran mengenai suatu data secara efektif bagi pembaca. Jika dilihat dari fungsinya,
setiap jenis grafik statistik memiliki kelebihan-kelebihan khusus. Namun demikian, grafik yang baik harus
bersifat sederhana dan jelas. Grafik yang rumit biasanya disajikan untuk orang yang sangat mengerti
permasalahan atau yang sangat mahir dalam ilmu statistik.
Pemilihan jenis grafik yang akan disajikan oleh pembuat laporan tidak dapat semata-mata
diserahkan pada kebijakan penggambar grafik, kecuali bila pembuat laporan yakin bahwa penggambar
memiliki pengetahuan yang baik tentang data yang disajikan, tujuan penyajian, dan kemampuan
pembaca dalam menarik kesimpulan dari grafik.

2. Nama (titel), skala sumbu, sumber dan catatan
Kegunaan serta pengaturan nama, sumber dan catatan dalam sebuah tabel berlaku juga untuk
grafik statistik. Nama grafik dapat diletakkan di atas atau di bawah gambar grafik. Meski demikian
banyak statistisi berpendapat bahwa peletakan nama di atas grafik akan lebih efektif jika dibandingkan
dengan di bawah grafik. Skala mendatar dan vertical dalam peta garis, diagram kolom, dan peta balok
sebenarnya memiliki kesamaan dalam arti dengan nama kolom dan kompartemen dalam tabel statistik.

3. Skala dan garis kisi-kisi
Jarak yang sama pada skala grafik sebenarnya menyatakan jarak nilai yang sama pula. Nilai skala
bertujuan memberi gambaran yang aproksimatif tentang jumlah kuantitatif, sedangkan jumlah yang
eksak dan rinci secara seksama harus dibaca dari tabel statistiknya.
Garis kisi-kisi harus digambarkan secara lebih tipis dari pada garis skalanya. Peta garis umumnya
memiliki garis kisi-kisi baik yang bersifat mendatar maupun vertikal. Peta kolom hanya membutuhkan
garis kisi-kisi yang mendatar. Peta balok mendatar membutuhkan garis kisi-kisi vertikal. Pada beberapa
penyajian grafik, garis kisi-kisi demikian dapat juga tidak digambarkan sama sekali atau hanya
digambarkan secara sebagian saja.

4. Pemberian tekanan pada penggambaran grafik
Penekanan tentang suatu peristiwa yang tertentu dalam penyajian grafik dapat dilakukan
dengan cara memberi warna yang berbeda, tanda silang, atau garis yang berbeda. Garis dalam peta
yang sama juga dapat dibedakan dengan menggunakan warna yang berbeda, garis terputus-putus, garis
padat (solid line) atau garis tebal. Garis padat lebih memberi tekanan dari pada garis terputus-putus,
sedangkan garis tebal lebih menarik perhatian dari pada garis yang tipis.


Mata Kuliah Biostatistika Widyagama Husada

21
HISTOGRAM
Histogram adalah grafik yang menggambarkan suatu distribusi frekwensi dengan bentuk segi
empat / batang.
Cara membuat grafik :
Contoh :

TABEL 9
Distribusi Frekwensi Nilai Ujian Statistik
Akbid Widyagama Husada Tahun 2006

Nilai Interval Frekwensi (f)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70


1. Buatlah absis dan ordinat.
Absis : sumbu mendatar ( X ), menyatakan nilai
Ordinat : sumbu tegak ( Y ), menyatakan frekwensi
2. Beri nama pada masing-masing sumbu
3. Buatlah skala pada absis dan ordinat
4. Buatlah batas kelas dengan cara:
a. Ujung bawah interval kelas dikurangi 0,5
b. Ujung atas interval kelas pertama ditambah ujung bawah interval kelas kedua dan
dikalikan setengah.
c. Ujung kelas atas ditambah 0,5, perhitungan sebagai berikut :
60 0,5 = 59,5
(64+65) x = 64,5
(69+70) x = 69,5
(74+75) x = 74,5
(79+80) x = 79,5
(84+85) x = 84,5
(89+90) x = 89,5
(94+95) x = 95,5
5. Membuat tabel distribusi frekwensi untuk membuat histogram sbb:

Mata Kuliah Biostatistika Widyagama Husada

22
TABEL 10
Distribusi Frekwensi Nilai Ujian Statistik
Akbid Widyagama Husada Tahun 2006

Nilai Interval Batas Kelas Frekwensi (f)

60 64
65 69
70 74
75 79
80 84
85 89
90 94
59,5
64,5
69,5
74,5
79,5
84,5
89,5
95,5

2
6
15
20
16
7
4
Jumlah 70





6. Membuat grafik histogram :

20-
18-
16-
14-
12-
10-
8 -
6 -
4 -
2 -
0

59,5 64,5 69,5 74,5 79,5 84,5 89,5 94,5
Grafik 1 : Histogram
Nilai Ujian Statistik Akbid Widyagama Husada Tahun 2006



Mata Kuliah Biostatistika Widyagama Husada

23
POLIGON FREKWENSI

Poligon frekwensi adalah grafik garis yang menghubungkan nilai tengah tiap sisi atas yang berdekatan
dengan nilai tengah jarak frekwensi mutlak masing-masing. Pada dasarnya pembuatan grafik poligon
sama dengan histogram. Perbedaannya :
1. Histogram menggunakan batas kelas sedangkan poligon menggunakan titik tengah,
2. Grafik histogram berwujud segi empat sedangkan grafik poligon berwujud garis-garis atau kurva
yang saling berhubungan satu dengan yang lainnya.
Cara pembuatan :
1. Buatlah titik tengah kelas, caranya :
(60+64) x = 62
(65+69) x = 67
(70+74) x = 72
(75+79) x = 77
(80+84) x = 82
(85+89) x = 87
(90+94) x = 92

2. Buat tabel distribusi frekwensi untuk membuat grafik

TABEL 11
Distribusi Frekwensi Nilai Ujian Statistik
Akbid Widyagama Husada Tahun 2006

Nilai Interval Titik tengah Frekwensi (f)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
62
67
72
77
82
87
92
2
6
15
20
16
7
4
Jumlah 70








Mata Kuliah Biostatistika Widyagama Husada

24


3. Buat grafik poligon frekwensi dan keterangan lengkap

20-
18-
16-
14-
12-
10-
8 -
6 -
4 -
2 -
0
62 67 72 77 82 87 92

Grafik 2 : Poligon
Nilai Ujian Statistik Akbid Widyagama Husada Tahun 2006


OGIVE
Ogive adalah distribusi frekwensi kumulatif yang menggambarkan diagramnya dalam sumbu
tegak dan mendatar atau eksponensial. Pembuatan grafik ogive tidak jauh berbeda dengan pembuatan
grafik poligon.
Perbedaan :
1. Ogive menggunakan batas kelas sedangkan poligon menggunakan titik tengah
2. Grafik ogive menggambarkan distribusi kumulatif tipe kurang dari dan distribusi kumulatif
atau lebih
Persamaan :
Keduanya mempunyai gambar grafik berwujud garis-garis atau kurva yang saling menghubungkan satu
titik dengan titik yang lain.
Kegunaan :
Grafik ogive berguna bagi sensus penduduk yang ingin mengetahui perkembangan kelahiran dan
kematian bayi, perkembangan harga saham, dll
Cara menggambar grafik :
Grafik ogive diambil dari tabel distribusi kumulatif kurang dari dan distribusi kumulatif atau lebih
Contoh :
Mata Kuliah Biostatistika Widyagama Husada

25
TABEL 12
DISTRIBUSI KUMULATIF (KURANG DARI)
Nilai Ujian Statistik Akbid Widyagama Husada Tahun 2006

No Nilai Frekw. kum
1 Kurang dari 60 0
2 Kurang dari 65 2
3 Kurang dari 70 8
4 Kurang dari 75 23
5 Kurang dari 80 43
6 Kurang dari 85 59
7 Kurang dari 90 66
8 Kurang dari 95 70

Grafik ogive distribusi kumulatif kurang dari :

80-
70-
60-
50-
40-
30-
20-
10-
0
60 65 70 75 80 85 90 95

TABEL 13
DISTRIBUSI KUMULATIF (ATAU LEBIH)
Nilai Ujian Statistik Akbid Widyagama Husada Tahun 2006

Nilai f
kum

60 atau lebih 70
65 atau lebih 68
70 atau lebih 62
75 atau lebih 47
80 atau lebih 27
85 atau lebih 11
90 atau lebih 4
95 atau lebih 0





Mata Kuliah Biostatistika Widyagama Husada

26
Grafik ogive distribusi kumulatif atau lebih :

80-
70-
60-
50-
40-
30-
20-
10-
0
60 65 70 75 80 85 90 95

DIAGRAM
Diagram adalah gambaran untuk memperlihatkan atau menerangkan sesuatu data yang akan disajikan.

DIAGRAM BATANG
Kegunaan diagram batang adalah untuk menyajikan data yang bersifat kategori atau data distribusi.
Cara menggambar :
Diperlukan sumbu tegak (vertikal) dan sumbu mendatar (horizontal) yang berpotongan tegak
lurus.
Buat skala pada sumbu tegak maupun sumbu mendatar dengan skala nilai yang sama. Skala
antara sumbu tegak dengan sumbu mendatar boleh dibuat tidak sama disesuaikan dengan
penampilan diagramnya.
Apabila diagram dibentuk berdiri (tegak lurus), maka sumbu mendatar digunakan untuk
menyatakan atribut atau waktu, sedangkan nilai data dituliskan pada sumbu tegak.
Letak batang satu dengan lainnya harus terpisah dan serasi mengikuti tempat diagram yang ada.

Penyajian data berbentuk diagram batang banyak modelnya, a.l diagram batang satu komponen atau
lebih, diagram batang dua arah, diagram batang 3D, dll.







Mata Kuliah Biostatistika Widyagama Husada

27
Contoh :
1. Diagram perkembangan jumlah penduduk desa X tahun 2001 - 2006





















2. Diagram kunjungan pasien rawat jalan puskesmas X trimester I tahun 2006

















DIAGRAM GARIS
Diagram garis digunakan untuk menggambarkan keadaan yang serba terus-menerus. Misalnya
pergerakan nilai tukar rupiah terhadap dollar, pergerakan suhu tubuh pasien setiap jam, dsb. Cara
menggambar diagram baris pada prinsipnya sama dengan menggambar diagram batang.
2001 2002
2003 2004 2005 2006
wanita
pria
12
12
13
12
15
10
12
15
12
12
11
15
10
20
30
40
Jan Feb
Mar
Pria
Wanita
27
36
34
32
18
34
Mata Kuliah Biostatistika Widyagama Husada

28
Th 1995
Contoh :
Diagram garis perkembangan suhu tubuh penderita X :
31,4
30,7
31,2 31,2
30,8
30,6
30,4 30,4
30,6
29,8
30
30,2
30,4
30,6
30,8
31
31,2
31,4
31,6
1 2 3 4 5 6 7 8 9


DIAGRAM LAMBANG
Diagram lambang (simbul) adalah diagram yang menggambarkan simbul-simbul dari data
sebagai alat visual untuk orang awam. Misalnya data tentang angkatan kerja disimbulkan dengan
gambar orang, hutan produksi dengan gambar pohon, dll.
Contoh
Diagram Luas hutan di pulau Jawa

















DIAGRAM LINGKARAN / PIE DIAGRAM

Diagram lingkaran digunakan untuk penyajian data berbentuk kategori, dinyatakan dengan persentase.
Cara membuat :
Ubahlah setiap nilai data kedalam derajat
54.322
42.154
31.432
Th 1996 Th 1997
Mata Kuliah Biostatistika Widyagama Husada

29
HT ringan;
234
HT sedang;
112
HT berat; 56
HT ringan; 234
HT sedang; 112
HT berat; 56
Buat lingkaran ( 360
o
), lalu bagilah lingkaran tersebut menjadi beberapa bidang dimana setiap
bidang menggambarkan kategori data.

Contoh :
TABEL 14
Distribusi Frekwensi Penderita Hipertensi
Jenis Hipertensi Frekwensi
Hipertensi Ringan
Hipertensi Sedang
Hipertensi Berat
234
112
56
Jumlah 402

Hipertensi ringan : 234 / 402 x 360
o
= 209,5
o

Hipertensi sedang : 112 / 402 x 360
o
= 100,3
o

Hipertensi berat : 56 / 402 x 360
o
= 50,2
o









DIAGRAM PIE
Mirip dengan diagram lingkaran, disajikan dalam bentuk tiga dimensi.
Contoh :










Mata Kuliah Biostatistika Widyagama Husada

30
DIAGRAM SCATTER / PENCAR / TITIK
Diagram scatter / sebar / titik / pencar adalah diagram yang menunjukkan gugusan titik-titik
setelah garis koordinat sebagai penghubung dihapus. Biasanya diagram ini digunakan untuk
menggambarkan titik-titik data korelasi atau regresi yang terdiri dari variabel bebas dan variabel terikat.

Contoh diagram berikut ini menunjukkan adanya hubungan variabel X dan Y :








Hubungan Linear Positif ( r = +1)









Hubungan Linear Negatif ( r = -1)









Tidak ada hubungan ( r = 0 )

oooOOOooo

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
. . .
. . ..
. .
.
Mata Kuliah Biostatistika Widyagama Husada

31





















4
PENGUKURAN
TENDENSI SENTRAL





















Mata Kuliah Biostatistika Widyagama Husada

32
PENGUKURAN TENDENSI SENTRAL



Untuk menggambarkan sifat sekumpulan data dari suatu hasil pengamatan, maka dapat dicari suatu
bilangan yang dapat mewakili, yakni ukuran tendensi pusat / sentral.
Ukuran ini disebut juga dengan ukuran lokasi.

Pengukuran tendensi sentral (gejala pusat), terdiri dari :
1. Mean
2. Median
3. Modus



Rata-rata hitung (disingkat rata-rata) adalah suatu bilangan/nilai tunggal yang dipergunakan untuk
mewakili nilai sentral (nilai pusat) dari sebuah distribusi. Namun karena ditampilkan dalam suatu
nilai tunggal menyebabkan diperolehnya gambaran yang tidak lengkap tentang kelompok data yang
dihadapi sehingga dapat menimbulkan kesalahan interpretasi. Hal ini disebabkan karena dua atau
lebih distribusi data mungkin saja memiliki nilai pusat yang sama, namun mempunyai variasi data
yang berbeda.
Contoh :
Kelompok data A memiliki set data : 30 30 30 30 30 x
A
= 30
Kelompok data B memiliki set data : 30 20 10 40 50 x
B
= 30
Kelompok data C memiliki set data : 80 20 60 0 -10 x
C
= 30
Jadi kelompok data A, B, dan C mempunyai nilai pusat sama, tapi jika diamati, kelompok data A nilai
pusatnya (x
A
= 30) mewakili kelompok data dengan tepat.
Kelompok data B, nilai pusatnya tidak dapat mewakili secara tepat karena data bervariasi ( 30 20
10 40 50 ), sedangkan kelompok data C ( 80 20 60 0 -10 ) , datanya paling bervariasi
dibandingkan A dan B.







MEAN (RATA-RATA)
Mata Kuliah Biostatistika Widyagama Husada

33
Bila digambarkan dalam bentuk kurva :









Jika kita hanya melihat kelompok data dari nilai pusat saja, maka akan dapat diperoleh penafsiran yang
salah. Oleh karena itu, agar kita bisa menginterpretasikan secara lengkap tentang kelompok data,
memerlukan :
1. nilai pusat dari suatu distribusi data
2. besaran yang dapat menggambarkan ukuran variasi

UKURAN VARIASI
Adalah ukuran yang menyatakan seberapa jauh nilai pengamatan yang sebenarnya menyimpang atau
berbeda dengan nilai pusatnya.
Variasi = ciri penting dari data
Ilustrasi kegunaan variasi :
- Suatu industri biskuit, bila biskuit produksinya mempunyai ukuran diameter yang mempunyai
variasi berlebihan, maka akurasi dari mesin yang digunakan dikatakan rendah
- Nilai ujian penerimaan calon pegawai, tidak dikehendaki variasi yang kecil karena akan
menyulitkan dalam menentukan calon yang lebih baik dibanding calon lain.
Oleh karena itu, variasi penting untuk diketahui dan diukur. Ukuran variasi akan dibahas tersendiri
dalam modul ini.
Kembali lagi ke bahasan rata-rata hitung, rata-rata hitung bisa digunakan untuk menilai rata-rata sampel
(disimbulkan x dibaca eks bar) dan rata-rata populasi (disimbulkan dibaca myu atau mu).
Sesuai dengan kondisi datanya, rata-rata hitung dapat dihitung dengan 4 macam cara, yaitu:

1. Untuk data yang tidak tersusun (ungrouped data) dapat dihitung dengan:
a. metode tanpa pembobotan (unweighted)
b. metode pembobotan (weighted)
2. Untuk data yang tersusun (grouped data) dapat dihitung dengan:
a. metode panjang (long method)
C
B
A
x
Antara A, B, dan C memiliki nilai pusat yang
sama tetapi penyebaran (variasi)nya berbeda.
Penyebaran (variasi) data A lebih kecil dari B
Penyebaran (variasi) data B lebih kecil dari C
Mata Kuliah Biostatistika Widyagama Husada

34
b. metode pendek (short cut method)

Tabel berikut ini bisa sebagai pegangan Anda :
Bentuk data
Data yang berasal dari :
Populasi Sampel
U
N
G
R
O
U
P
E
D

(
T
d
k

b
e
r
k
e
l
o
m
p
o
k
)


UNWEIGHTED

=

X =

WEIGHTED


=

x =
G
R
O
U
P
E
D

(
B
e
r
k
e
l
o
m
p
o
k
)



LONG METHOD

=

x =

SHORT CUT METHOD

= t0+( ) i

X = t0+( ) i

Catatan:
(myu) : rata-rata populasi
X ( X bar ) : rata-rata sampel
W : faktor penimbang
N = f : banyaknya anggota populasi yang diamati
n = f : banyaknya anggota sampel yang diamati
f : frekwensi
i : Interval
: jumlah
t
0
: Titik tengah ke-0
d = tanda angka meningkat atau menurun
fX = X
1
+ X
2
+ X
3
+ ..+ X
n

Sf = f
1
+ f
2
+ f
3
+ + f
n

W = W
1
+ W
2
+ W
3
+ ..+ W
n

XW = X
1
W
1
+ X
2
W
2
+ X
3
W
3
+ + X
n
W
n


RATA-RATA TIDAK DITIMBANG (TANPA PEMBOBOTAN/UNWEIGHTED MEAN)
Contoh:
1. Apabila ada 6 orang mahasiswa Akbid WG mengikuti tes perbaikan mempunyai nilai masing-
masing: 80,70,90,50,85,60. Carilah nilai rata-ratanya?
Jawab: x = 80+70+90+50+85+60 = 435 = 72,5
6 6
X
N
X
n
X W
W W
X W
f X
f
f d
f
f X
f
f d
f
Mata Kuliah Biostatistika Widyagama Husada

35
2. Dari hasil pengukuran tinggi badan pada 10 orang mahasiswa, didapatkan data TB masing-
masing mahasiswa yaitu 171, 168, 158, 172, 165,158,169, 178, dan 163 cm, berapa TB rata-rata
mahasiswa tersebut?
Jawab : x = (171+168+158+172+165+158+169+164+178+163) / 10
= 166,6 cm

Perhatikan :
Dari kedua contoh di atas terlihat bahwa angka rata-rata (72,5 dan 166,6 ) merupakan titik pusat bagi
kelompok nilai variabel. Sebagian nilai variabel berada di bawah nilai rata-rata, dan sebagian lainnya
berada di atas nilai rata-rata. Simpangan (deviasi) yang terjadi antara titik pusat (nilai rata-rata) dengan
setiap nilai variabel dapat berupa simpangan negatif dan simpangan positif. Bila dijumlahkan,
simpangan negatif dan simpangan positif nilainya selalu nol (0).

( X x ) = 0 atau ( X ) = 0
Contoh :
Dari contoh no.1 diatas :
Diketahui nilai rata-rata x = 72,5; Jumlah siswa yg ikut tes = 6
Nilai ujian (X)
X - x
80 7,5
70 - 2,5
90 17,5
50 - 22,5
85 12,5
60 - 12,5
Jumlah 0


RATA-RATA DITIMBANG (DENGAN PEMBOBOTAN / WEIGHTED MEAN)
Dalam perhitungan rata-rata tidak ditimbang, setiap variabel di dalam kelompok diberikan
timbangan yang sama. Artinya, tidak ada perbedaan tingkat kepentingan antara masing-masing variabel.
Dalam kenyataannya tidaklah demikian halnya. Misalkan keberhasilan seseorang di dalam pekerjaan
tentu dipengaruhi oleh beberapa faktor seperti ketrampilan, kemampuan, pengalaman kerja pada
bidangnya, dan lain-lain. Karenanya, angka rata-rata tidak ditimbang (unweighted) sangat kasar (crude)
dan lemah.
Untuk mengatasi hal ini, setiap perhitungan angka rata-rata hendaknya disertakan faktor
penimbang yang menunjukkan tingkat kepentingan dari masing-masing variabel. Dengan demikian, hasil
perhitungannya dapat menjadi lebih akurat.

Mata Kuliah Biostatistika Widyagama Husada

36
Contoh :
1. Hasil ujian UTS biostatistik mahasiswa Akbid Widyagama semester V dengan nilai rata-rata 65,9.
Sedangkan hasil UAS dengan rata-rata 71,2. Berapa weighted mean hasil ujian semester bila untuk
UTS diberi nilai bobot = 1 dan UAS diberi nilai bobot=2?
Jawab :
Rumus

x =

X W X.W
65,9
71,2
1
2
65,9
142,4
Jumlah W = 3 X W = 208,3

Jadi x = 208,3 / 3 = 69,4
Nilai weighted mean hasil ujian semester adalah 69,4
2. Sebuah penelitian dilakukan di suatu daerah dengan mengambil 5 daerah survei mengenai hasil
produksi rata-rata padi kering per Ha, memberikan informasi sbb:

Tabel 1
Hasil Produksi Padi Kering
5 daerah survei
Daerah survei Jumlah Desa Produksi rata-rata
(kwintal/ha)
1
2
3
4
5
20
30
10
5
35
65,80
62,03
37,00
48,00
46,97
Jumlah 100

Carilah hasil produksi padi kering rata-rata ke-100 desa tersebut!
Jawab :
Dalam contoh ini desa merupakan faktor penimbangnya yang akan dipakai untuk menghitung rata-rata:
Produksi rata-rata
(kwintal/ha)
Jumlah Desa
(W)
X.W
65,80
62,03
37,00
48,00
46,97
20
30
10
5
35
1.316,00
1.860,00
370,00
240,00
1.643,95
Jumlah W = 100 XW = 5.430,85
W
X W
Mata Kuliah Biostatistika Widyagama Husada

37

x =

= 5.430,85 / 100 = 54,31 Kwintal / ha

RATA-RATA DENGAN METODE PANJANG (DATA KELOMPOK)
Secara teknis pada dasarnya metode ini sama dengan metode rata-rata ditimbang (weighted).
Bedanya adalah pada rata-rata ditimbang, X adalah nilai variabel. Sedangkan pada metode panjang, X
adalah nilai tengah dari interval kelas dan nilai penimbangnya adalah frekwensi dari masing-masing
interval kelas.
Contoh :
Diketahui: Nilai ujian statistik mahasiswa Akbid Widyagama tahun 2006 yang diikuti oleh 70 orang
tertera dalam tabel di bawah ini. Berapakah rata-rata kelompok nilai statistik tersebut?

Tabel 2
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006

Nilai interval f (frekwensi)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70

Langkah-langkahnya :
a) Buatlah tabel dan susunlah data dengan menambah kolom :

Tabel 3
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006








Nilai interval Titik tengah (X) Frekwensi (f) Jumlah ( f.X)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
62
67
72
77
82
87
92
2
6
15
20
16
7
4
124
402
1.080
1.540
1.312
609
368
f = 70 f.X = 5.435
W
X W
Mata Kuliah Biostatistika Widyagama Husada

38
b) Hitunglah nilai rata-rata dengan rumus:



c) Jadi, rata-rata nilai statistiknya adalah:
5.435 / 70 = 77,643

RATA-RATA DENGAN METODE PENDEK (DATA KELOMPOK)
Cara lain untuk menghitung rata-rata data kelompok adalah dengan metode pendek.
Rumusnya adalah :



Contoh :
Kita pakai kembali soal di atas: Nilai ujian statistik mahasiswa Akbid Widyagama tahun 2006 yang diikuti
oleh 70 orang tertera dalam tabel di bawah ini. Berapakah rata-rata kelompok nilai statistik tersebut?
Tabel 4
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006

Nilai interval f (frekwensi)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70












x =


X = t
0
+( ) i
f d
f
f X
f
Mata Kuliah Biostatistika Widyagama Husada

39
Langkah-langkahnya:
a. Buatlah tabel baru dan susunlah data seperti berikut:
Tabel 5
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006












b. Pilihlah satu dari titik tengah sembarang, misalnya t
0
= 72 kemudian berilah angka 0 pada kolom d
c. Urutkan nilai titik tengah yang lebih kecil dari t
0
dengan angka -1, -2, dst pada kolom d dan nilai titik
tengah yang lebih besar dengan angka 1,2,3,4, dst.
d. Hitung nilai rata-ratanya.
Jadi, nilai rata-ratanya adalah :




= 72 + (79 / 70) 5 = 77,643


SIFAT DARI NILAI RATA-RATA
Beberapa hal yang perlu dipahami tentang sifat dan penggunaan nilai rata-rata adalah:
1. Mean / rata-rata digunakan pada variabel yang berskala rasio atau memiliki data numerik,
misalnya: berat badan, umur, tekanan darah, dsb
2. Nilai mean dapat dimanipulasi secara matematik, sehingga dapat digunakan untuk keperluan
analisis statistik lebih lanjut.
3. Kelemahan dari mean sebagai ukuran rata-rata adalah mean sangat dipengaruhi oleh nilai-nilai
ekstrim, baik terlalu rendah maupun terlalu tinggi. Setiap ada perubahan nilai dari setiap individu
mempengaruhi besarnya mean, tetapi tidak berarti besar mean harus sama dengan nilai setiap
individu.


Nilai
interval
Titik tengah
(t
0
)
Frekwensi
(f)
d Jumlah
( f.d)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
62
67
72*
)

77
82
87
92
2
6
15
20
16
7
4
-2
-1
0
1
2
3
4
-4
-6
0
20
32
21
16
f = 70

X = t
0
+( ) i
f d
f
Mata Kuliah Biostatistika Widyagama Husada

40
Contoh:
X = 8, 10, 15, 20, 17
X = (8+10+15+20+17) / 5 = 70/5 = 14
Bilamana salah satu dari angka-angka itu diganti, misalkan 8 diganti dengan 50, maka angka rata-
rata menjadi:
X = (50+10+15+20+17) / 5 = 112/5 = 22,4
Apa yang terlihat disini adalah bahwa penggantian salah satu variabel (angka 8) dengan variabel
lain (angka 50) atau yang lebih ekstrim akan mengubah angka rata-rata demikian besarnya ( dari 13
menjadi 22,4 )
Untuk mengatasi kelemahan-kelemahan di atas, maka didalam perhitungan rata-rata hitung dari
kelompok data yang berada dalam kondisi di atas dipergunakan metode rata-rata hitung yang
diubah (modified mean). Pada metode ini angka ekstrim tidak diikutsertakan dalam perhitungan.
Contoh :
X = 50 , 10, 15, 20, 17
X = (10+15+20+17) / 4 = 62 / 4 = 15,5





Median (Me) adalah nilai yang ada di tengah dari suatu kelompok data di mana nilai-nilai yang
diobservasi disusun dalam suatu array (diurutkan dari nilai terendah sampai nilai yang tertinggi). Median
dibagi menjadi dua perhitungan, yaitu median data tunggal dan median data kelompok.
Rumus untuk mencari median:


n = jumlah data

Contoh :
A. DATA TUNGGAL
1) Data ganjil
Diketahui data: 65, 70, 90, 40, 35, 45, 70, 80, dan 50 n = 9
Langkah-langkah:
a) urutkan data dari data terkecil sampai data terbesar:
35, 40, 45, 50, 65, 70, 70, 80, 90
b) Carilah posisi median dengan rumus: Median = (9+1) = 5 posisi median pada data ke-5
c) Carilah data ke-5 pada data yang telah urut tadi :
M E D I A N
Median = ( n + 1 )
Mata Kuliah Biostatistika Widyagama Husada

41
35, 40, 45, 50, 65, 70, 70, 80, 90


2) Data genap
Diketahui data: 50, 65, 70, 90, 40, 35, 45, 70, 80, dan 50 n = 10
Langkah-langkah:
d) urutkan data dari data terkecil sampai data terbesar:
35, 40, 45, 50, 50, 65, 70, 70, 80, 90
e) Carilah posisi median dengan rumus: Median = (10+1) = 5,5 posisi median pada data ke-
5,5
f) Carilah data ke-5,5 pada data yang telah urut tadi :
35, 40, 45, 50, 50 65, 70, 70, 80, 90


B. DATA KELOMPOK
Contoh :
Tabel 6
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006

Nilai interval f (frekwensi)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70

NB. Jangan lupa kuasai dulu cara membuat tabel distribusi frekwensi yang telah diajarkan pada kuliah
sebelumnya!

Caranya:
a) Cari setengah dari total frekwensi ( n ) . 70 = 35
b) Jumlahkan frekwensi ( jf ) mulai dari interval kelas pertama dan seterusnya hingga mencapai
jumlah yang mendekati nilai n tadi 2+6+13 = 23 ( Nilai ini harus lebih kecil atau sama
dengan n ) 23 < 35, sehingga letak mediannya dikelas interval ke-4


Median
Median = (50+65) = 57,5
Mata Kuliah Biostatistika Widyagama Husada

42

Nilai interval f (frekwensi)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70

c) Cari batas bawah kelas median (Bb) Bb = (74 + 75) = 74,5


d) Hitung panjang kelas interval (P) 75 sampai 79 = 5
e) Carilah banyaknya frekwensi kelas median (f) f = 20
f) Hitung nilai median dengan rumus :





Hasilnya : Median = 74,5 + 5 = 77,5

















Nilai interval f (frekwensi)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70
Interval ke-4

Median = Bp+P.
(
1
/
2
n-jf )
f
(
1
/
2
70 - 23 )
20
frekwensi kelas
median (f)
Mata Kuliah Biostatistika Widyagama Husada

43
Cara praktis :

Tandailah (Bp, P, Jf dan f) pada tabel di atas :
Nilai interval f (frekwensi)
60 64
65 69
70 74 Bp = 74+1/2 = 74,5
75 79 P = 5
80 84
85 89
90 94
2
6
15
20 f = 20
16
7
4
Jumlah n = 70

g) Hitung nilai median dengan rumus :





Hasilnya : Median = 74,5 + 5 = 77,5







Modus kurang dikenal dibandingkan dengan mean dan median. Dalam suatu distribusi frekwensi bisa
terdapat dua atau lebih modus, tetapi dapat juga tidak ada modus. Beberapa hal yang perlu dipahami
tentang modus adalah:
1) Modus tidak dipengaruhi oleh adanya nilai ekstrim dalam suatu distribusi frekwensi.
2) Modus digunakan baik pada data yang bersifat kuantitatif maupun kualitatif, dan berskala rasio,
interval, ordinal maupun nominal.
3) Bila ada satu modus disebut unimodal, dua modus disebut bimodal, dan bila ada tiga modus atau
lebih disebut multimodal.
Modus ( Mo ) adalah nilai dari beberapa data yang mempunyai frekwensi tertinggi atau nilai yang sering
muncul dalam kelompok data.
Jf = 2+6+15 = 23

Median = Bp+P.
(
1
/
2
n - Jf )
f
(
1
/
2
.70 - 23 )
20
MODUS / MODE
Mata Kuliah Biostatistika Widyagama Husada

44
Modus ada dua macam : 1) Modus data tunggal, 2) Modus berdistribusi (berkelompok)

1. Modus Data Tunggal
Menghitung modus dengan data tunggal dilakukan dengan cara mencari nilai yang sering muncul
diantara sebaran data. Penggunaan modus bagi data kualitatif maupun data kuantitatif dengan
cara menentukan frekwensi terbanyak diantara data yang ada.
Contoh:
Diketahui nilai UAS untuk pelajaran statistika bagi 10 mahasiswa adalah: 40, 60, 60, 65, 72, 60,
70, 60, 80, dan 90 modus nilai UAS yaitu pada nilai 60 karena muncul 4 kali.

2. Modus Berdistribusi
Menghitung modus berdistribusi dapat menggunakan rumus:

Mo = Bp + P








Contoh :
Tabel 7
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006

Nilai interval f (frekwensi)
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah 70

Langkah-langkah menjawab:
a) Carilah jumlah frekwensi (f) modus yang terbanyak, yakni 20. Nilai modus terletak di kelas
interval ke-4.
b) Carilah batas bawah kelas modus (Bp)
Bp = (74+75) = 74,5
c) Hitunglah panjang kelas modus (P) P = 75 sampai 79 = 5
F1
F1 + F2
Keterangan:
Mo = Nilai modus
Bp = Batas bawah kelas yang
mengandung nilai modus.
P = Panjang kelas nilai modus
F1 = Selisih antara frekwensi modus (f)
dengan frekwensi sebelumnya (fsb)
F2 = Selisih antara frekwensi modus (f)
dengan frekwensi sesudahnya (fsd)
Mata Kuliah Biostatistika Widyagama Husada

45
d) Carilah (F1) yaitu selisih antara frekwensi modus dengan frekwensi sebelumnya.
F1 = f f
sb
= 20 15 = 5
e) Carilah (F2) yaitu selisih antara frekwensi modus dengan frekwensi sesudahnya.
F2 = f f
sd
= 20 16 = 4
f) Hitung modus dengan rumus :

Mo = Bp + P


Mo = 74,5 + 5 = 77,278

Cara praktis :
Tandailah (Bp, P, F1 dan F2) pada tabel berikut:
Nilai interval f (frekwensi)
60 64
65 69
70 74 Bp = 74+1/2 = 74,5
75 79 P = 5
80 84
85 89
90 94
2
6
15
20
16
7
4
Jumlah n = 70

Hitung modus dengan rumus :

Mo = Bp + P


Mo = 74,5 + 5 = 77,278


HUBUNGAN ANTARA RATA-RATA, MEDIAN DAN MODUS
1. Apabila distribusi dari sekelompok data adalah simetris, maka rata-rata, median, dan mode akan
berada pada satu titik dibawah titik puncak dari kurva.

F1
F1 + F2
5 + 4
5
f
F1 = 20 -15 = 5
F2 = 20 -16 = 4
F1
F1 + F2
5 + 4
5
Mata Kuliah Biostatistika Widyagama Husada

46
Gambar :








2. Bila distribusinya menceng (skewed), baik negatif maupun positif, maka ketiganya akan
terpencar. Modus tetap berada di bawah titik puncak, rata-rata ditarik ke arah nilai ekstrim, dan
median berada di antaranya.
Gambar :















oooOOOooo











X = Me = Mo
X < Me < Mo
Negatif menceng ke
kanan.
Mo < Me < X
Positif menceng ke
kiri
Mata Kuliah Biostatistika Widyagama Husada

47










5
MENGHITUNG NILAI
PENYEBARAN (DISPERSI),
KEMENCENGAN (SKEWNESS) DAN
PERUNCINGAN (KURTOSIS)



























Mata Kuliah Biostatistika Widyagama Husada

48
MENGHITUNG NILAI PENYEBARAN (DISPERSI),
KEMENCENGAN (SKEWNESS) DAN PERUNCINGAN (KURTOSIS)




DISPERSI
Ukuran dispersi (penyebaran) merupakan ukuran tentang derajat pemencaran (degree of scatter)
dimana terdapat kecenderungan bagi setiap nilai variabel untuk berpencar di sekitar nilai rata-rata.
Ukuran penyebaran sering pula disebut sebagai ukuran variasi atau variabilitas.
Dispersi merupakan suatu karakteristik yang selalu harus diperhitungkan di dalam menganalisis data
dalam sebuah frekwensi distribusi. Dengan menilai dispersinya, kita bisa mengetahui apakah
pemencaran dari nilai-nilai variabel di sekitar rata-rata itu sifatnya kompak atau menyebar.
Contoh :
Ilustrasi pemencaran yang kompak (mengumpul) :









Ilustrasi pemencaran yang menyebar:










Jenis dan Sifat Nilai Penyebaran
a. Minimum dan Maximum
Minimum dan maximum adalah besar data terendah dan data tertinggi dari hasil pengukuran /
pengumpulan data.
Dari nilai maximum dan minimu tadi dapat kita ketahui range data. Range adalah perbedaan
antara nilai Min dan nilai Max.


Rata2
Rata2
Mata Kuliah Biostatistika Widyagama Husada

49
Contoh :
Tabel 1
Denyut Istirahat saat istirahat 50 orang dewasa
(kali per menit)

64 96 80 84 68 92 80 100 76 84
72 60 72 84 76 76 80 104 100 72
80 84 80 88 96 76 92 92 88 68
80 88 76 72 64 68 72 56 68 80
64 76 60 80 88 84 84 88 96 92

Nilai Maximum dari data diatas = 104
Nilai Minimum dari data diatas = 56
Range = Max Min
= 104 56
= 48
b. Standar Deviasi
Standar Deviasi adalah suatu nilai yang menunjukkan tingkat / derajat variasi dari kelompok
data.
Simbol Standar deviasi dari populasi adalah
n
atau , sedangkan simbol standar deviasi dari
sampel adalah Sd atau
n-1
atau s

1) Standar Deviasi sampel untuk data tunggal :

n-1
= atau s =


Standar deviasi (sd) populasi untuk data tunggal:
n
n
x
x
2
2
n
) (
atau
n
x
2







X
2
-
n - 1
X)
2

n
x
2

n - 1
Mata Kuliah Biostatistika Widyagama Husada

50

Contoh data tunggal:
Diketahui nilai UTS statistika mahasiswa Akbid WG :
No X X
2

1 75 5625
2 70 4900
3 80 6400
4 85 7225
5 60 3600
6 75 5625
7 100 10000
8 90 8100
9 95 9025
10 75 5625
n=10 X = 805 X
2
= 66125

Maka Standar deviasinya adalah :


=


=

=

Cara lain :

No

X

x = (X-x )

x
2

1 75 -5,5 30,25
2 70 -10,5 110,25
3 80 -0,5 0,05
4 85 4,5 20,25
5 60 -20,5 420,25
6 75 -5,5 30,25
7 100 19,5 380,25
8 90 9,5 90,25
9 95 14,5 210,25
10 75 -5,5 30,25
n=10 X = 805 0 X
2
= 1322,5

x = 80,5



66125 -
(805)
2

10
10 - 1
66125 64802,5
9
146,9 = 12,12
Mata Kuliah Biostatistika Widyagama Husada

51



Maka = = 146,9 = 12,12


2) Data majemuk (dikelompokkan) :
Standar deviasi dari sampel untuk data distribusi:

1
1
) . (
.
2
2
1
f
f
x f
x f
n
atau
1
.
2
f
x f
sd
Standar deviasi dari populasi untuk data distribusi:
f
f
x f
x f
n
2
2
) . (
.
atau
f
x f
2
.


Contoh :
Diketahui data distribusi seperti tabel berikut ini :
Tabel 6
DISTRIBUSI FREKWENSI
Nilai Statistik Akbid Widyagama tahun 2006









1
1
) . (
.
2
2
1
f
f
x f
x f
n
=
1 70
1 70
) 5435 (
425385
2


Nilai
interval
Titik tengah
(X)
Frekwensi
(f)
f.X X
2
f. X
2

60 64
65 69
70 74
75 79
80 84
85 89
90 94
62
67
72
77
82
87
92
2
6
15
20
16
7
4
124
402
1.080
1.540
1.312
609
368
3844
4489
5184
5929
6724
7569
8464
7688
26934
77760
118580
107584
52983
33856
f = 70 f.X =
5.435
f. X
2
=
425385
1322,5
9
Mata Kuliah Biostatistika Widyagama Husada

52

69
69
2953225
425385
1 n
=
69
07 , 3396
= 64 , 49 = 7,045 (sampel)

Jadi, standar deviasi nilai statistika dari 70 mahasiswa sebesar 7,045.

c. Koefisien Variasi (KV)
Koefisien Variasi adalah perbandingan antara standar deviasi dengan harga mean dan dinyatakan
dengan persen (%).
Fungsi :
Mengetahui variasi data atau sebaran data dari nilai rata-ratanya. Semakin kecil nilai koefisien
variasinya maka data semakin seragam (homogen). Sebaliknya bila semakin besar nilai koefisien
variasinya maka data semakin beraneka ragam (heterogen).

Rumus :
100% x
x
sd
KV

Contoh :
Nilai ujian statistika mahasiswa akbid sebagai berikut :
Kelas A : Kelas B :
Nilai rata-rata = 75 Nilai rata-rata = 85
Standar deviasi = 5,4 Standar deviasi = 4,2
Berapa koefisien varian masing-masing?
Jawab:
100% x
A kelas
x
sd
KV = 7,2% 100% x
75
5,4

100% x
B kelas
x
sd
KV = 4,94% 100% x
85
4,2


KEMENCENGAN (SKEWNESS)
Ukuran kemencengan (skewness) yang diberi simbol Sk merupakan ukuran tentang derajat
kesimetrisan dari sebuah sebaran (distribusi). Dapat pula disebut sebagai ukuran keseimbangan atau
ketidakseimbangan pada kedua sisi nilai sentral. Keadaan ini disebut juga: asimetris.
Ada dua macam bentuk asimetris : Negatif dan Positif.
Mata Kuliah Biostatistika Widyagama Husada

53
Asimetris Negatif : Bila kemencengan memberat kearah kiri, atau ekornya terletak di sebelah kiri.


Gambar :






Asimetris positif : Bila kemencengan memberat ke arah kanan, atau ekornya berada di sebelah kanan.
Gambar :







Untuk mengetahui derajat ketidaksimetrisan sebuah model, digunakan ukuran kemiringan yang
ditentukan oleh koefisien kemiringan PEARSON tipe pertama dan tipe kedua. Bila koefisien bernilai
positif maka kurva mengalami kemiringan ke kanan (positif) dan sebaliknya. Apabila koefisien bernilai 0
(nol) maka kurva berbentuk simetris.
Rumus :

Tipe Pertama:

Kemiringan =



Tipe kedua:

Kemiringan =


0 100 200 300 400
0
10
20
Number of Music CDs
F
r
e
q
u
e
n
c
y
Number of Music CDs of Spring 1998 Stat 250 Students
50 55 60 65 70 75 80 85 90 95 100
0
10
20
30
grades
P
e
r
c
e
n
t
X - Mo
Sd
3( X Me )
Sd
Mo = Modus
Me = Median
Sd = Standar deviasi
x = rata-rata
Mata Kuliah Biostatistika Widyagama Husada

54
Rasio kemiringan dapat digunakan untuk menguji kenormalan distribusi suatu data. Rasio kemiringan
didapatkan dari nilai skewness / standard error skewness. Bila rasio kemiringan berada di antara -2
sampai dengan +2, maka distribusi data adalah normal.
Contoh:
Daftar angka pada tabel 1 adalah denyut jantung saat istirahat dalam kali per menit dari setiap pasien.
Tabel 1
Denyut Istirahat saat istirahat 50 orang dewasa
(kali per menit)

64 96 80 84 68 92 80 100 76 84
72 60 72 84 76 76 80 104 100 72
80 84 80 88 96 76 92 92 88 68
80 88 76 72 64 68 72 56 68 80
64 76 60 80 88 84 84 88 96 92


PERUNCINGAN (KURTOSIS)
Ukuran peruncingan (Kurtosis) yang diberi notasi Kt, merupakan ukuran tentang derajat peruncingan
dari sebuah sebaran. Dua buah sebaran bisa memiliki rata-rata yang sama, tetapi yang satu dapat lebih
runcing dibandingkan yang lain.
Menurut derajat peruncingannya, sebuah sebaran dapat dibedakan menjadi 3 jenis, yaitu:
1. Leptokurtic : Apabila puncak sebaran adalah runcing
2. Mesokurtic : Apabila puncak sebaran adalah normal
3. Platykurtic : Apabila puncak sebaran adalah datar
















Platykurtic
Mesokurtic
Leptokurtic
Mata Kuliah Biostatistika Widyagama Husada

55










MENGHITUNG
KUARTIL, DESIL, PERSENTIL











Mata Kuliah Biostatistika Widyagama Husada

56
MENGHITUNG KUARTIL, DESIL, PERSENTIL

Kuartil
Kuartil ialah nilai atau angka yang membagi data dalam empat bagian yang sama, setelah disusun
dari data yang terkecil sampai data terbesar atau sebaliknya dari data terbesar sampai data terkecil. Ada
tiga bentuk kuartil, yaitu :
1) Kuartil Pertama ialah nilai dalam distribusi yang membatasi 25% frekuensi di bagian atas dan
75% frekuensi di bagian bawah distribusi
2) Kuartil Kedua ialah nilai dalam distribusi yang membatasi 50% frekuensi di bagian atas dan 50%
di bawahnya
3) Kuartil Ketiga ialah nilai dalam distribusi yang membatasi 75% frekuensi di bagian atas dan 25%
frekuensi bagian bawah
Ketiga kuartil ini dapat digambarkan sebagai berikut :
Nilai Frekuensi Keterangan

Posisi K
1


Posisi K
2


Posisi K
3


25%
50%
K1

K2

K3

75%
50%

Angka kecil








Angka besar

Gambar 1: Posisi Kuartil Pertama, Kedua, dan Ketiga

1) Mencari Kuartil Bentuk Data Tunggal
Mencari kuartil data tunggal dengan cara pertama menyusun atau mengurutkan data tersebut
dari data terkecil sampai data terbesar atau sebaliknya,kemudian posisi kuartil dicari dengan rumus:
K
1
= (n + 1); K
2
= (n + 1); K
3
= (n + 1);

Dimana: n = jumlah data

Contoh 1:
Diketahui data : 65; 70; 90; 40; 35; 45; 70; 80; dan 50
Langkah-langkah menjawab :
75%
25%
Mata Kuliah Biostatistika Widyagama Husada

57
a) Urutkan data terkecil sampai data terbesar (sebaiknya)
35 90
40 80
45 70
50 atau model 70
65 65
70 50
70 45
80 40
90 35
b) Hitunglah dan carilah posisi kuartil pertama, kuartil kedua, dan kuartil ketiga dengan rumus :
K
1
= (n + 1) = (9 + 1) = 2,5 artinya K
1
terletak pada posisi nilai ke-2,5
Menemui gejala semacam ini nilai K
1
diselesaikan dengan cara :
K
1
= data ke-2 + data 0,5 (data ke-3 data ke-2)
= 40 + 0,5 (45 40) = 42,5 Jadi, posisi K
1
menunjukkan nilai 42,5
K
2
= (n + 1) = (9 + 1) = 5 artinya K
2
terletak pada posisi nilai ke-5, yaitu menunjukkan nilai 65
K
3
= (n + 1) = (9 + 1) = 7,5
K
3
= data ke-7 + data 0,5 (data ke-8 data ke-7)
= 70 + 0,5 (80 - 70) = 7,5 Jadi posisi K
3
menunjukkan nilai 75
c) Gambar posisi K
1;
K
2;
dan K
3
35 90
40 80
Posisi K
1
= 42,5 Posisi K
3
= 75
45 70
50 atau model 70
Posisi K
2
= 65 Posisi K
2
= 65
70 50
70 45
Posisi K
3
= 75 Posisi K
1
= 42,5
80 40
90 35

2) Mencari Kuartil Bentuk Kelompok
Mencari kuartil berbentuk data kelompok dibuat susunan distribusi frekuensi terlebih dahulu,
dalam hal ini semata-mata untuk mempermudah perhitungan. Proses mencari kuartil hampir sama
dengan proses mencari median, kalau median mencari nilai tengah dari gugusan (kelompok) data
sedangkan kuartil mencari nilai yang membagi data kelompok dalam empat bagian yang sama.
Mata Kuliah Biostatistika Widyagama Husada

58
Caranya urutkan terlebih dahulu mulai data terkecil sampai data terbesar atau sebaliknya,
kemudian menghitung rentangan (R), jumlah kelas (K) dan panjang kelas interval (P). Akhirnya buatlah
distribusi frekuensi dilanjutkan mencari nilai kuartil dengan rumus :

K
1
= Bb + P
f
) Jf - n (

K
2
= Bb + P
f
) Jf - n (

K
3
= Bb + P
f
) Jf - n (

Keterangan :
K
1;
K
2;
dan K
3
= Nilai Kuartil
Bb = Batas bawah kelas sebelum Nilai Kuartil
akan terletak
P = Panjang kelas Nilai Kuartil
n = Jumlah data
f = Banyaknya frekuensi kelas Kuartil
Jf = Jumlah dari semua frekuensi kumulatif
Sebelum kelas Kuartil

Contoh 1 : Diketahui data sebagai seperti Gambar 43

TABEL 1
DISTRIBUSI FREKUENSI
Nilai Ujian Statistik Mahasiswa Akbid WGH 2006
No. Nilai Kelas Interval

Frekuensi
(f)
1.
2.
3.
4.
5.
6.
7.
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
n = f = 70

Langkah-langkah menjawab:
a) Carilah kelas interval yang mengandung K
1;
K
2;
dan K
3
terlebih dahulu untuk mencari posisi
kuartil dengan rumus :
(1) K
1
= . n = . 70 = 17. Dengan demikian K
1
terletak di dalam kelas interval ke-3, yaitu:
70 - 74.
(2) K
2
= . n = . 70 = 35. Dengan demikian K
2
terletak di dalam kelas interval ke-4, yaitu:
75 79.
(3) K
3
= . n = . 70 = 52,5. Dengan demikian K
3
terletak di dalam kelas interval ke-5, yaitu:
80 84.
b) Carilah batas bawah kelas kuartil (Bb)
Bb
K1
= (69 + 70) = 69,5
Bb
K2
= (74 + 75) = 74,5
Bb
K3
= (79 + 80) = 79,5


Mata Kuliah Biostatistika Widyagama Husada

59
c) Hitunglah panjang kelas kuartil (P)
P
K1
yaitu 70 sampai 74 = 5
P
K2
yaitu 75 sampai 79 = 5
P
K3
yaitu 80 sampai 84 = 5
d) Carilah banyaknya frekuensi kelas kuartil ( f )
f
K1
= 15
f
K2
= 20
f
K3
= 16
e) Carilah jumlah dari semua frekuensi kumulatif di bawah kelas kuartil (Jf)
Jf
K1
= 2 + 6 = 8
Jf
K2
= 2 + 6 + 15 = 23
Jf
K2
= 2 + 6 + 15 + 20 = 43
f) Hitunglah Kuartil dengan rumus:

K
1
= Bb + P
f
) Jf - n (
= 69,5 + 5.
15
) 8 - .70 (
= 72,667

K
2
= Bb + P
f
) Jf - n (
= 74,5 + 5.
20
) 23 - 70 . (
= 77,5

K
3
= Bb + P
f
) Jf - n (
=79,5 + 5.
16
) 43 - 70 . (
= 82,469
g) Berilah makna atau arti dari K
1;
K
2;
dan K
3
:
(1) Arti dari K
1
bahwa terdapat 25% mahasiswa mendapatkan nilai ujian statistik = 72,67
(2) Arti dari K
2
bahwa terdapat 50% mahasiswa mendapatkan nilai ujian statistik = 77,5
(3) Arti dari K
3
bahwa terdapat 75% mahasiwa mendapatkan nilai ujian statistik = 82,47















Mata Kuliah Biostatistika Widyagama Husada

60
No Nilai Kelas Interval Frekuensi (f)
1.

2.

3.

4.

5.

6.

7.
60 64

65 69

70 74 P = 5

75 79 P = 5

80 84 P = 5

85 89

90 94
2
Jf=2+6=8 (K
1
)
6

15 f = 15 (K
1
)

20 f = 20 (K
2
)

16 f = 16 (K
3
)

7

4

n = f = 70
Contoh keterangan rumus :
Bb
K1
= (69 + 70) = 69,5 Jf
K1
= 2 + 6 = 8
Bb
K2
= (74 + 75) = 74,5 Jf
K2
= 2 + 6 + 15 = 23
Bb
K3
= (79 + 80) = 79,5 Jf
K2
= 2 + 6 + 15 + 20 = 43


Contoh 2 : Diketahui data umur karyawan UD AINUL HAYAT Surabaya
Pertanyaan : carilah K
1
dari data sebagai berikut:

TABEL 2
DISTRIBUSI FREKUENSI
Umur Karyawan UD AINUL HAYAT Surabaya
No. Nilai Kelas Interval
Umur Karyawan
Frekuensi
(f)
1.
2.
3.
4.
5.
6.
7.
15 17
18 20
21 23
24 26
27 29
30 31
32 33
3
5
7
8
9
6
2
n = f = 40


Langkah-langkah menjawab:
a) Carilah kelas interval yang mengandung K
1
, untuk mencari posisi kuartil dengan rumus : K
1 =
. n
= . 40 = 10. Dengan demikian K
1
terletak di dalam kelas interval ke-3, yaitu: 21 23.
b) Carilah batas bawah kelas kuartil : Bb
K1
= (20 + 21) = 20,5
c) Hitunglah panjang kelas kuartil : P
K1
= 21 sampai 23 = 3
d) Carilah banyaknya frekuensi kelas kuartil : f = 7
e) Carilah jumlah dari semua frekuensi kumulatif di bawah kelas kuartil : Jf
K1
= 3 + 5 = 8
Mata Kuliah Biostatistika Widyagama Husada

61
f) Hitunglah Kuartil (K
1
) dengan rumus:
K
1
= Bb + P
f
) Jf - n (
= 20,5 + 3.
7
) 8 - .40 (
= 21,357 21 tahun
g) Berilah makna atau arti dari K
1
:
Arti dari K
1
bahwa terdapat 25% karyawan UD.AINUL HAYAT Surabaya berumur 21 tahun.

DESIL
Desil atau disingkat (Ds) ialah nilai atau angka yang membagi data yang menjadi 10 bagian yang sama,
setelah disusun dari data terkecil sampai data terbesar atau sebaliknya.
Cara mencari desil hampir sama dengan mencari nilai kuartil. Bedanya hanya pada pembagian saja.
Kalau kuartil data dibagi empat bagian yang sama, sedangkan desil data dibagi menjadi 10 bagian yang
sama. Harga-harga desil ada sembilan bagian, yaitu
1
Ds sampai
9
Ds .

1) Mencari Desil bentuk tunggal
Mencari desil data tunggal dengan cara mengurutkan data tersebut dari data terkecil sampai data
terbesar atau sebaliknya. Kemudian posisi desil dicari dengan rumus :
Posisi Ds
1
= 1/10 (n+1)
Posisi Ds
2
= 2/10 (n+1)
Posisi Ds
3
= 3/10 (n+1)
Posisi Ds
4
= 4/10 (n+1)
Posisi Ds
5
= 5/10 (n+1)
Posisi Ds
6
= 6/10 (n+1)
Posisi Ps80 = 7/10 (n+1)
Posisi Ds
8
= 8/10 (n+1)
Posisi Ds
9
= 9/10 (n+1)
n = jumlah data

Contoh :
Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, 75, dan 50
Pertanyaan : Carilah letak Ds
2
dan Ds
7

Langkah menjawab:
a) Urutkan data terkecil hingga data terbesar



b) Hitunglah dan carilah posisi Desil (Ds
2
dan Ds
7
) dengan rumus:
No. Urut data 1 2 3 4 5 6 7 8 9 10
Data 35 40 45 50 65 70 70 75 80 90
Mata Kuliah Biostatistika Widyagama Husada

62
1). Posisi Ds
2
= 2/10 (n+1) = 2/10 (10+1) = 2,2. Artinya Ds
2
terletak pada posisi data ke-2,2.
Apabila menemukan gejala semacam ini maka Ds
2
dicari dengan cara:
Ds
2
= data ke-2 + data 0,2 . (Data ke-3 Data ke-2)
= 40 + 0,2 (45 40 ) = 41
Jadi, Posisi Ds
2
berada pada nilai 41

2). Posisi Ds
7
= 7/10 (n+1) = 7/10 (10+1) = 7,7. Artinya Ds
7
terletak pada posisi data ke-7,7.
Apabila menemukan gejala semacam ini maka Ps80

dicari dengan cara:
Ds
7
= data ke-7 + data 0,7 . (Data ke-8 Data ke-7)
= 70 + 0,7 (75 70 ) = 73,5
Jadi, Posisi Ds
7
berada pada nilai 73,5

2) Mencari Desil bentuk kelompok
Mencari desil bentuk kelompok dibuat susunan distribusi frekwensi terlebih dahulu, supaya
mempermudah perhitungan. Caranya urutkan terlebih dahulu mulai data terkecil sampai data
terbesar atau sebaliknya, kemudian menghitung rentangan (R), jumlah kelas (K) dan panjang kelas
interval (P). Akhirnya buatlah distribusi frekwensi dilanjutkan dengan mencari nilai desil dengan
rumus :


x - ke data
Ds = Bb +
f
jf)
10
n
(x
P


Keterangan :
Ds = Nilai Desil
Bb = Batas bawah kelas sebelum nilai desil akan terletak
P = Panjang kelas nilai desil
n = Jumlah data
f = Banyaknya frekwensi kelas desil
jf = Jumlah dari semua frekwensi kumulatif sebelum kelas desil





Mata Kuliah Biostatistika Widyagama Husada

63
Contoh:
Diketahui data sebagai berikut :
TABEL 3
DISTRIBUSI FREKUENSI
Nilai Ujian Statistik Mahasiswa Akbid WGH 2006
No. Nilai Kelas Interval

Frekuensi
(f)
1.
2.
3.
4.
5.
6.
7.
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
n = f = 70

Pertanyaan : Carilah Ds
8
?
Langkah-langkah menjawab:
a) Carilah kelas interval yang mengandung Ds
8
terlebih dahulu untuk mencari posisi Ds
8
dengan
rumus:
Posisi Ds
8
= 8/10 x n = 8/10 x 70 = 56, dengan demikian ditemukan bahwa posisi Ds
8
terletak di
dalam kelas interval ke-5 yaitu antara 80-84.
b) Carilah batas bawah kelas desil : Bb = (79+80) = 79,5
c) Hitunglah panjang kelas desil : P = 80 84 5
d) Carilah banyaknya frekwensi kelas desil f = 16
e) Carilah jumlah dari semua frekwensi kumulatif di bawah kelas desil
jf = 2+6+15+20 = 43
f) Hitunglah Desil (Ds
8
) dengan rumus :

x - ke data
Ds = Bb +
f
jf)
10
n
(x
P

= 79,5 + 5
16
43)
10
70
(8

= 83,56
g) Jadi Ds
8
= 83,56 artinya ditemukan 80% dari nilai ujian statistik paling sedikit mendapatkan nilai
83,56 dan sisanya 20% mendapatkan nilai lebih dari 83,56.



Mata Kuliah Biostatistika Widyagama Husada

64
PERSENTIL

Persentil atau disingkat dengan (Ps) adalah nilai yang membagi data yang menjadi 100 bagian yang
sama, setelah disusun dari data terkecil sampai data terbesar atau sebaliknya. Cara mencari persentil
hampir sama dengan mencari nilai desil. Bedanya kalau desil data dibagi 10 bagian yang sama,
sedangkan persentil data dibagi 100 bagian yang sama.
Harga-harga persentil ada 99 bagin, yaitu Ps
1
sampai Ps
99


1) Mencari persentil bentuk tunggal
Mencari persentil data tunggal dengan cara mengurutkan data tersebut dari data terkecil sampai
data terbesar atau sebaliknya. Kemudian posisi persentil dicari dengan rumus:

Posisi Ps
X
= data ke-x / 100 (n+1)

Contoh :
Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, 75, dan 50
Pertanyaan : Carilah letak Ps
20
dan Ps
80

Langkah menjawab:
c) Urutkan data terkecil hingga data terbesar



d) Hitunglah dan carilah posisi Desil (Ps
20
dan Ps
80
) dengan rumus:
1). Posisi Ps
20
= 20/100 (n+1) = 20/100 (10+1) = 2,2. Artinya Ps
20
terletak pada posisi data ke-2,2.
Apabila menemukan gejala semacam ini maka Ps
20
dicari dengan cara:
Ps
20
= data ke-2 + data 0,2 . (Data ke-3 Data ke-2)
= 40 + 0,2 (45 40 ) = 41
Jadi, Posisi Ps
20
berada pada nilai 41

2). Posisi Ps
80
= 80/100 (n+1) = 80/100 (10+1) = 8,8. Artinya Ps
80
terletak pada posisi data ke-8,8.
Apabila menemukan gejala semacam ini maka Ps
80
dicari dengan cara:
Ps
80
= data ke-8 + data 0,8 . (Data ke-9 Data ke-8)
= 70 + 0,8 (80 75) = 79
Jadi, Posisi Ps
80
berada pada nilai 79


No. Urut data 1 2 3 4 5 6 7 8 9 10
Data 35 40 45 50 65 70 70 75 80 90
n = jumlah data
x = 1 - 99
Mata Kuliah Biostatistika Widyagama Husada

65
2) Mencari persentil bentuk kelompok
Mencari persentil berbentuk data kelompok dibuat susunan distribusi frekwensi terlebih dahulu
agar mempermudah perhitungan. Cara mencari persentil adalah urutkan terlebih dahulu mulai data
terkecil sampai data terbesar atau sebaliknya, kemudian menghitung rentangan (R), jumlah kelas (K)
dan panjang kelas interval (P). Akhirnya buatlah distribusi frekwensi dilanjutkan dengan mencari
nilai persentil dengan rumus :


x - ke data
Ps = Bb +
f
jf)
100
n
(x
P x = 1 - 99

Keterangan :
Ps = Nilai Persentil
Bb = Batas bawah kelas sebelum nilai desil akan terletak
P = Panjang kelas nilai desil
n = Jumlah data
f = Banyaknya frekwensi kelas desil
jf = Jumlah dari semua frekwensi kumulatif sebelum kelas desil

Contoh:
Diketahui data sebagai berikut :
TABEL 4
DISTRIBUSI FREKUENSI
Nilai Ujian Statistik Mahasiswa Akbid WGH 2006
No. Nilai Kelas Interval

Frekuensi
(f)
1.
2.
3.
4.
5.
6.
7.
60 64
65 69
70 74
75 79
80 84
85 89
90 94
2
6
15
20
16
7
4
n = f = 70

Pertanyaan : Carilah Ps
80
?
Langkah-langkah menjawab:
a) Carilah kelas interval yang mengandung Ps
80
terlebih dahulu untuk mencari posisi Ps
80
dengan
rumus:
Mata Kuliah Biostatistika Widyagama Husada

66
Posisi Ps
80
= 80/100 x n = 80/100 x 70 = 56, dengan demikian ditemukan bahwa posisi Ps
80

terletak di dalam kelas interval ke-5 yaitu antara 80-84.
b) Carilah batas bawah kelas persentil : Bb = (79+80) = 79,5
c) Hitunglah panjang kelas persentil : P = 80 84 5
d) Carilah banyaknya frekwensi kelas persentil f = 16
e) Carilah jumlah dari semua frekwensi kumulatif di bawah kelas persentil
jf = 2+6+15+20 = 43
f) Hitunglah persentil (Ps
80
) dengan rumus :

x - ke data
Ps = Bb +
f
jf)
100
n
(x
P
= 79,5 + 5
16
43)
100
70
(80

= 83,56
g) Jadi Ps
80
= 83,56 artinya ditemukan 80% dari nilai ujian statistik paling sedikit mendapatkan nilai
83,56 dan sisanya 20% mendapatkan nilai lebih dari 83,56.

oooOOOooo

























Mata Kuliah Biostatistika Widyagama Husada

67


















7
RATE DAN RATIO



























Mata Kuliah Biostatistika Widyagama Husada

68
RATE DAN RATIO
Dr. Rudy Joegijantoro


PENGERTIAN RATE DAN RATIO

Pengukuran terhadap peristiwa penting yang terjadi di masyarakat (vital event), dan pengukuran
terhadap jumlah kesakitan yang terjadi di masyarakat, diperlukan suatu alat pengukur yang disebut Rate
dan Ratio.
RATIO atau disebut juga proporsi yang menyatakan bagian dari suatu populasi, misalnya suatu
populasi = n terdiri dari kelompok a dan b, bila kita ingin menyatakan proposi kelompok a terhadap b,
maka kita harus menghitung dengan mempergunakan rumus a/(n-a) untuk menyatakan proporsi.

Contoh:
Jumlah pasien di rumah sakit A adalah 150 orang dengan jenis kelamin laki-laki 90 orang dan wanita
60 orang, berapa ratio pasien laki-laki terhadap pasien wanita, dan bila dihitung maka proporsinya
adalah 90/(150-90) = 1,5, atau dengan kata lain jumlah pasien laki-laki di rumah sakit A lebih banyak 1,5
kali dibandingkan dengan pasien wanita.
Sebaliknya dengan RATE dipergunakan untuk menyatakan frekuensi distribusi suatu kejadian atau
suatu keadaan yang terjadi pada populasi yang sedang diobservasi, misalnya jumlah kematian penduduk
pada tahun 1990 di negara B adalah 3000 orang dengan total penduduk seluruhnya 3.000.000 orang,
bila dihitung maka angka kematian atau Crude Death Rate adalah 3000 / 3.000.000 x 1000 = 1 orang per
1000 penduduk.

Pengukuran Terhadap Vital Event

Pengukuran terhadap peristiwa penting dalam kehidupan masyarakat sehari-hari seperti jumlah
kelahiran hidup dan jumlah kematian, sering disebut sebagai Vital Statistic. Hal ini penting dilakukan
untuk mengetahui status kesehatan suatu masyarakat atau negara, sebab kematian oleh penyakit
tertentu, umur harapan hidup dan juga dipakai sebagai baseline data untuk perencanaan dan
pengembangan program pelayanan kesehatan di masa mendatang.

CRUDE DEATH RATE
Merupakan angka kematian kasar atau jumlah seluruh kematian selama tahun berjalan dibagi jumlah
penduduk pertengahan tahun atau midyear population di suatu tempat atau negara.

Mata Kuliah Biostatistika Widyagama Husada

69

Rumus :
CDR = Total seluruh kematian selama tahun berjalan
Total seluruh penduduk pertengahan tahun / midyear population

Contoh :

Total seluruh kematian penduduk Indonesia tahun 1990 sebanyak 17.308.680 orang dan jumlah
penduduk Indonesia pertengahan tahun 1990 sebanyak 178.440.000 orang, berapa CDR tahun 1990?
Perhitungan :

CDR = 17.308.680 x 1000 = 9,7 per 1000 penduduk
178.440.000

CDR penduduk Indonesia tahun 1990 adalah 10 orang per 1000 penduduk. Angka CDR tergantung dari
komposisi seks dan umur penduduk, bila komposisi penduduk terdiri dari banyak orang berumur lanjut,
maka CDR akan lebih tinggi. Sebaliknya jika komposisi penduduk banyak yang berumur muda, maka CDR
akan lebih kecil.

SPECIFIC DEATH RATE

Merupakan angka kematian yang ditujukan kepada penyebab kematian seperti kolera, tetanus dll atau
kelompok masyarakat seperti umur, seks, pekerjaan, dan status sosial, atau periode seperti hari,
minggu, bulan dan tahun.
Rumus :


Spesific Death Rate
(Oleh sebab tertentu)




Contoh :

Bila jumlah kematian oleh sebab penyakit tetanus di Indonesia pada tahun 1990 sebanyak 180.000,
berapa Spesific Death Rate per 1000 penduduk?




X 1000
Jumlah kematian (oleh sebab
tertentu) dalam tahun berjalan
= x 1000
Jumlah penduduk pertengahan
Tahun/midyear population
Mata Kuliah Biostatistika Widyagama Husada

70
Perhitungan :

Spesific Death Rate
(karena sebab tetanus)



CRUDE LIVE BIRTH RATE
Merupakan angka kelahiran kasar atau jumlah seluruh kelahiran hidup selama tahun berjalan
dibagi jumlah penduduk pertengahan tahun / midyear population di suatu tempat/negara.

Rumus :

CLBR



Contoh :
Total seluruh kelahiran hidup penduduk Indonesia tahun 1990 sebanyak 5.406.732 orang, dan jumlah
penduduk Indonesia pertengahan tahun 1990 sebanyak 178.440.000 orang, berapa CLBR tahun 1990?

Jawab:

CLBR



PROPORTIONAL MORTALITY RATE

Dipakai untuk mengetahui proporsi kematian yang disebabkan oleh penyakit tertentu atau yang
terjadi pada umur tertentu.
Rumus:

Proportional
Mortality
Rate








180.000
= x 1000 = 1 per 1000 penduduk
178.440.000

Total seluruh kelahiran hidup dalam thn berjalan
= x 1000
Total seluruh penduduk pertengahan tahun

5.406.732
= x 1000 = 30,3 per 1000 penduduk
178.440.000


Jmlh kematian oleh sebab penyakit/umur tertentu
= x 1000
Total seluruh kematian oleh semua penyakit/umur
Mata Kuliah Biostatistika Widyagama Husada

71
Contoh:
Total seluruh kematian penduduk Indonesia tahun 1986 sebanyak 20.550.000 orang dan jumlah
kematian akibat penyakit malaria sebanyak 491.145 orang, berapa PMR malaria tahun 1986?

Jawab:

PMR
malaria



CASE FATALITY RATE
Merupakan persentase angka kematian oleh sebab penyakit tertentu yang dipakai untuk
menentukan derajat keganasan/kegawatan dari penyakit tersebut.


Rumus :

CFR




Contoh:
Jumlah kematian akibat kanker payudara di Rumah sakit A dilaporkan sebanyak 56 orang, dan
pasien yang dirawt dengan penyakit yang sama sebanyak 112 orang. Berapa CFR penyakit tersebut?
Jawab:

CFR



MATERNAL MORTALITY RATE
Jumlah kematian ibu oleh sebab kehamilan/melahirkan per 1000 kelahiran hidup.
Rumus :

MMR








491.145
= x 1000 = 23,9 per 1000 penduduk
20.550.000


Jmlh. Kematian akibat suatu penyakit
= x 100%
Jmlh. Seluruh kasus penyakit yang sama
56
= x 100% = 50%
112


Jmlh. Kematian ibu sebab hamil/melahirkan
Sampai 42 hari post partum.
= x 1000
Jmlh. Seluruh kelahiran hidup pada tahun
yang sama
Mata Kuliah Biostatistika Widyagama Husada

72
Contoh:
Jumlah kematian ibu oleh sebab kehamilan di negara Singapura dilaporkan hanya 1 orang pada tahun
1990, dengan jumlah seluruh kelahiran hidup sebanyak 49.864 orang. Berapa MMR tahun 1990?
Jawab:

MMR




INFANT MORTALITY RATE
Jumlah kematian bayi umur < 1 tahun per 1000 kelahiran hidup.

Rumus:

IMR




Contoh:
Hasil sensus penduduk di Jepang tahun 1990, dilaporkan jumlah kematian bayi < 1 tahun
sebanyak 5.616 orang dengan jumlah kelahiran hidup sebesar 1.227.900 orang, berapa IMR tahun
1990?
Jawab:

IMR



NEONATAL MORTALITY RATE
Jumlah kematian bayi umur < 28 hari per 1000 kelahiran hidup.
Rumus:

NMR








1
= x 1000 = 0,02 per 1000 penduduk
49.864 = 2 per 100.000 penduduk
Jumlah kematian bayi < 1 thn
= x 1000
Jumlah kelahiran hidup pd tahun
Yang sama
5.616
= x 1000 = 4,6 per 1000
1.227.900
Jumlah kematian bayi umur < 28 hari
= x 1000
Jumlah kelahiran hidup pd tahun
yang sama
Mata Kuliah Biostatistika Widyagama Husada

73
Contoh:

Hasil sensus penduduk di Jepang tahun 1990, dilaporkan jumlah kematian bayi umur 28 hari sebanyak
3.179 orang dengan jumlah kelahiran hidup sebesar 1.227.900 orang. Berapa NMR tahun 1990?

Jawab:


NMR


PERINATAL MORTALITY RATE

Jumlah kematian janin umur 28 minggu s/d umur 7 hari post partum per 1000 kelahiran hidup.

Rumus :


PMR



Contoh:
Hasil sensus penduduk di Jepang tahun 1990, dilaporkan jumlah kematian janin umur 28 minggu s/d 7
hari postpartum sebanyak 7.001 orang dengan jumlah kelahiran hidup sebesar 1.227.900 orang. Berapa
PMR tahun 1990?
Jawab:

PMR


STILL BIRTH RATE

Jumlah kematian janin umur 28 minggu atau lebih dan pada saat dilahirkan tidak ada tanda-tanda
kehidupan atau bernapas per 1000 kelahiran hidup.





3.179
= x 1000 = 2,6 per 1000
1.227.900


Jmlh. Kematian janin umur 28 mgg s/d 7 hr post partum
= x 1000
Jmlh. Kelahiran hidup pada tahun yang sama


7.001
= x 1000 = 5,7 per 1000
1.227.900
Mata Kuliah Biostatistika Widyagama Husada

74

Rumus:

Still Birth Rate


Contoh:
Hasil sensus penduduk di Jepang tahun 1990, dilaporkan jumlah kematian janin umur 28 minggu atau
lebih sebanyak 4.564 orang dengan jumlah kelahiran hidup sebesar 1.227.900 orang. Berapa Still Birth
Rate tahun 1990 ?
Jawab:

Still Birth Rate


EXPECTATION OF LIFE
Umur harapan hidup atau umur rata-rata seseorang untuk dapat hidup terus dalam menghadapi
resiko kematian yang terdapat di masyarakat pada waktu tertentu. Ada beberapa indikator umur
harapan hidup yang sering dipergunakan untuk mengukur status kesehatan atau keadaan sosio ekonomi
suatu negara. Umur harapan hidup pada umur 1 tahun dipergunakan sebagai indikator status
kesehatan, dan harapan hidup pada umur diatas 65 tahun dipergunakan untuk mengetahui tingkat
kesejahteraan masyarakat.

PENGUKURAN ANGKA KESAKITAN (MORBIDITAS)
Pengukuran angka kesakitan di masyarakat relatif lebih sulit dibandingkan dengan pengukuran
vital event , dan perlu diperhatikan beberapa hal yaitu jumlah orang yang sedang menderita sakit,
lamanya sakit berlangsung, jumlah orang yang pernah menderita sakit, dan jumlah penduduk yang
mempunyai resiko tinggi tertular penyakit.
Dikenal ada dua cara mengukur angka kesakitan pada masyarakat, yaitu:
1. INCIDENCE RATE
Merupakan frekwensi penyakit baru yang berjangkit dalam masyarakat disuatu
tempat/wilayah/negara pada waktu tertentu.
Rumus :

Incidence Rate




Jmlh. Kematian janin umur 28 mgg atau lebih dan lahir mati
= x 1000
Jmlh. Kelahiran hidup pada tahun yang sama


4.564
= x 1000 = 3,8 per 1000 penduduk
1.227.900


Jumlah kasus baru
= x 1000
Penduduk yang mempunyai resiko
tertular penyakit yang sama (population at risk)
Mata Kuliah Biostatistika Widyagama Husada

75
2. PREVALENCE RATE
Merupakan frekwensi penyakit lama dan baru yang berjangkit dalam masyarakat disuatu
tempat/wilayah/negara pada waktu tertentu. Bila prevalence rate ditentukan pada suatu saat,
misalnya pada Juli 2006, maka disebut sebagai Point prevalence rate, dan apabila ditentukan selama
suatu periode waktu tertentu misalnya 1 Januari 2006 hingga 31 Desember 2006, disebut sebagai
Periode prevalence rate.
Rumus:


Prevalence Rate





Contoh :

1 CD
2 CD R
3 CD
4 CD
5 CD
6 R




Keterangan :
CD = Hari timbulnya penyakit
R = Hari timbulnya relaps / kambuh
= Hari berakhirnya penyakit / mati
Population at risk = 300 orang
Pertanyaan :
1. Berapa point prevalence rate pada 1 Desember 2005?
2. Berapa incidence rate penyakit tersebut?
3. Berapa periode prevalence rate mulai 1 Des 2005 s/d 1 Agust 2006?
Jawab:
1. Kasus lama dan baru pada tanggal 1 Des 2005 adalah kasus no. 1,2,3 dan 6, jadi point prevalence
rate pada 1 Des 2005 adalah 4/300 x 1000 = 13 per 1000 penduduk.
2. Kasus baru selama 1 Des 2005 s/d 1 Agust 2006 adalah kasus no. 1,2,3,4, dan 5. Sedangkan
population at risk bukan 300 orang tetapi 294 orang, sehingga Incidence rate adalah 5 / 294 x
1000 = 17 per 1000 penduduk.


Jmlh orang yang menderita suatu peny.
(kasus baru dan lama) pd suatu saat /
Periode tertentu
= x 1000
Penduduk yang mempunyai resiko
tertular penyakit yang sama (population at risk)
1 Desember 2008 1 Agustus 2009
Mata Kuliah Biostatistika Widyagama Husada

76
3. Kasus lama dan baru pada tanggal 1 Des 2005 s/d 1 Agust 2006 adalah kasus no. 1,2,3,4,5 dan 6,
jadi periode prevalence rate pada 1 Des 2005 s/d 1 Agust 2006 adalah 6 / 300 x 1000 = 20 per
1000 penduduk.

ESTIMASI DAN PROYEKSI JUMLAH PENDUDUK
Ada beberapa cara untuk membuat estimasi dan proyeksi jumlah penduduk yaitu:
a. Component Method
Yaitu : Estimasi dan proyeksi jumlah penduduk dengan cara menghitung komponen natural
increase ditambah dengan proses migrasi penduduk.
Rumus :
Pt = Po + E
E = (kelahiran - kematian ) + ( Imigrasi - Emigrasi )

Contoh :
Pada tahun 2005, jumlah penduduk desa A adalah 1.200 orang. Menurut data kependudukan tahun
2006, jumlah kelahiran = 56 orang dan jumlah kematian = 30 orang. Jumlah penduduk yang pindah
ke kota lain = 100 orang, dan jumlah penduduk yang datang bermukim ke desa A = 200 orang.
Berapa jumlah penduduk Desa A pada tahun 2006?
Jawab:
Pt
2006
= Po + E
= 1.200 + ( 56-30) + (200-100)
= 1.200 + 26 + 100
= 1.326 orang

b. Mathematical Method
Ada 3 cara, yaitu:
1. Arithmatic Method
Dengan asumsi bahwa absolut increase jumlah penduduk setiap tahun kurang lebih sama.
Rumus:
P
t
= P
o
+ b.t






Mata Kuliah Biostatistika Widyagama Husada

77
2. Geometric Method
Dengan asumsi bahwa persentase jumlah penambahan atau pengurangan penduduk
atau persentase pertumbuhan penduduk selalu konstan dan berlangsung setiap tahun.
Rumus:
P
t
= P
o
( 1 + r )
t


3. Exponential Method
Dengan asumsi bahwa persentase jumlah penambahan atau pengurangan penduduk
selalu konstan secara matematik dan berlangsung setiap waktu.

Rumus :
P
t
= P
o
x e
r.t


Keterangan :
b = Absolute increase of Population size (Penambahan jumlah penduduk dihitung berdasarkan
jumlah penduduk sekarang dikurangi jumlah penduduk lampau, dibagi dengan lamanya
waktu berjalan).
r = Constant rate of growths (%)
e = Mathematical constant = 2,718

Contoh:
Jumlah penduduk Indonesia tahun 1990 adalah 179.247.800 orang, dengan absolute increase (b) =
1.887.800 orang per tahun. Persentase penambahan penduduk (r) = 1,06% per tahun. Berapa estimasi
dan proyeksi jumlah penduduk Indonesia
5 tahun (t) mendatang?
Jawab:
1). Arithmatic Method
Pt = Po + b.t
= 179.247.800 + (1.887.800 x 5)
= 188.686.800 orang

2) Geometric Method
Pt = Po ( 1 + r )
t

= 179.247.800 ( 1 + 0,00106)
5

= 189.325.720 orang
Mata Kuliah Biostatistika Widyagama Husada

78
3) Exponential Method
Pt = Po x e
r.t

= 179.247.800 x 2,718
(0,00106 x 5)
= 179.247.800 x 2,718
0,0053

= 189.003.160 orang

RATIO
Ratio Penduduk Menurut Sex dan Umur

a. Sex ratio
Merupakan perbandingan antara jumlah penduduk laki-laki dan wanita di suatu tempat /
populasi.
Rumus :
Sex Ratio

Contoh :
Penduduk Indonesia tahun 1990 terdiri dari 89.375.700 orang laki-laki dan 89.872.000 orang wanita.
Berapa sex ratio-nya?

Sex Ratio


b. Dependency ratio
Merupakan ratio antara jumlah penduduk umur tidak produktif dan umur produktif ditinjau
secara ekonomis. Kelompok penduduk yang dianggap tidak produktif adalah golongan umur 0 - 14
tahun dan umur > 65 tahun, sedangkan golongan umur produktif 15 - 64 tahun.
Rumus:


Dependency ratio




oooOOOooo


penduduk pria
= x 100
penduduk wanita
89.375.700
= x 100
89.872.000
umur tidak produktif
= x 100
umur yang produktif