TINJAUAN TEORI
2.1. ESTIMASI
2.1.1.
DEFINISI
Estimasi atau pendugaan adalah suatu proses yang menggunakan sampel
statistik untuk menduga atau menaksir parameter populasi yang tidak
diketahui. Estimasi merupakan pernyataan mengenai parameter populasi
yang tidak diketahui berdasarkan informasi dari sampel, dalam hal ini
sampel random, yang diambil dari populasi tempat sampel berasal. Jadi
dengan pendugaan tersebut, keadaan parameter populasi dapat diketahui.
Estimasi adalah suatu metode untuk memperkirakan nilai populasi
(parameter) dengan menggunakan nilai sampel (statistik). Taksiran dalam
praktik sehari-hari sifat populasi jarang diketahui oleh sebab itu digunakan
nilai-nilai statistik (nilai sampel). Nilai statistik yang digunakan untuk
menduga disebut estimator (penduga). Selain penduga parameter,
dikenal juga penduga statstik yaitu nilai-nilai atau angka-angka yang
diperoleh dari penduga parameter.
Teori estimasi memegang peran yang sangat penting dalam statistika
inferensial karena teori estimasi bersama-sama dengan pengujian hipotesis
merupakan dasar statistika inferensial yang dilandasi oleh teori peluang.
Dalam metode statistika, teori estimasi digunakan untuk menaksir
parameter populasi seperti rata-rata atau proporsivariabel tertentu yang
terdapat dalam populasi melalui perhitungan statistik sampel karena
perhitungan langsung pada seluruh populasi tidak mungkin dilakukan.
Di bidang kedokteran, teori estimasi digunakan untuk menaksir
banyaknya penderita penyakit tertentu di masa yang akan datang,
yang lebih kecil mempunyai peluang yang besar untuk lebih mendakati
nilai parameternya.
Misalnya, kita akan menaksir rata-rata populasi melalui statistik ratarata dan median sampel. Dari distribusi rata-rata sampel diperoleh
kesalahan baku sebesar 1,03 , sedangkan kesalahan baku median
sebesar 1,64 maka dikatakan bahwa rata-rata merupakan estimator
yang lebih efisien dibandingkan median.
3. Konsisten
Bila besarnya sampel bertambah maka hampir dapat dipastikan bahwa
nilai statistik sampel akan lebih mendekati nilai parameter populasi,
estimator demikian disebut konsisten. Ini berarti bahwa dengan
estimator yang konsisten maka ketepatan akan meningkat dengan
sampel yang besar. Oleh karena itu, bila kita ingin meningkatkan
ketepatan
estimasi
terhadapap
parameter
populasi
dengan
maka
penambahan
jumlah
tidak
akan
2.2.2.
= 0,5 g%
10
8,6 g% 10,6 g%
Berdasarkan nilai estimasi selang tersebut, dapat diartikan :
Kalau diambil berulang kali sampel yang besar 100, maka 95%
dari mean sampel tersebut berada pada 8,6 g% sampai dengan 10,6
g%.
Dengan estimasi selang kita mengakui bahwa dengan confident
interval 95%, 90% atau 99% kebenaran estimasi ini terbukti.
Dengan kata lain, sejatinya diakui kemungkinan (peluang) salah
adalah 100% - 95% = 5% atau 10% atau 1% di kenal sebagai
(alfa)
estimasi
dapat
dilakukan
11
= 3/
= 0,3
interval konfidensi : x 1, 96 x
= 14 1,96 x 0,3
= 14 0,588
Dari hasil tersebut dapat disimpulkan bahwa kita 95% percaya bahwa
tingkat kesembuhan obat tersebut terletak antara 13,4 hari dan 14,6 hari.
Dalam praktik, kita sering menemukan besarnya deviasi standar populasi
yang tidak diketahui. Dalam hal ini, deviasi standar populasi dapat
diperkirakan berdasarkan perhitungan deviasi standar sampel dengan
rumus berikut :
=s= (
x = x (
)
)(
Interval Estimasi = x Z (s /
) x (
)(
12
Contoh :
Sebuah daerah yang terdiri dari 500 KK. Seorang dokter Puskesmas ingin
menaksir besarnya pendapatan per bulan per KK. Untuk itu diambil
sampel 50 KK dan diperoleh rata-rata penghasilan Rp 150.000,00 per
bulan dengan deviasi standar 25.000
Deviasi standar populasi tidak diketahui dan besarnya populasi terbatas
maka untuk menghitung interval konfidensi digunakan rumus :
N = 500 dianggap populasi terbatas
n = 50
s = 25.000
x =
X (
)
)
13
Contoh :
Dari hasil penelitian mahasiswa terhadap 100 orang yang ditimbang berat
badannya diperoleh rata-rata berat badan = 45 kg dengan standar deviasi
() = 22 kg. Dengan CL 95% (z = 1,96), maka :
= 45 1,96 x 22/
sampel berulang kali maka 95% nilai rata-rata berat badan terletak antara
40,68 kg sampai dengan 49,31 kg.
Rumus besar sampel untuk estimasi rata-rata
n=(Z
x )2
Contoh :
Tentukan besar sampel (n) yag harus diambil untuk meneliti waktu ratarata yang digunakan kader dalam melakukan penimbangan balita, jika
digunakan tingkat kepercayaan 95% dengan kesalahan duga (E) tidak lebih
dari 0,08 menit dan simpangan baku (s) 0,7 menit
1 = 95%, z /2 = 1,96 (tabel Z)
E= 0,08
S= 0,7
n=(Z
x )2
n = (1,96 x
)2
n = 294,1225 = 295
jadi besar sampel minimum yang harus diambil adalah 295 orang.
14
2.3.2.
Contoh :
Dari penelitian terhadap 100 orang secara acak diperoleh bahwa 7%
pengunjung Puskesmas adalah penderita DM. Dengan tingkat kepercayaan
90% berapa perkiraan proporsi penderita DM ?
p = 0,07, q = 1 0,07 = 0,93
SE =
= 0,025
)2
15
Contoh:
Tentukan besar sampel (n) yang harus diambil untuk mengetahui proporsi
balita gizi kurang dengan tingkat kepercayaan 99% dan kesalahan yang
mungkin terjadi tidak lebih dari 0,09
1 = 99%, z /2 = 2,58
E = 0,09
n= (
)2
n = 205,44 = 206
jadi besar sampel minimum harus diambil adalah 206 orang.
2.4. STATISTIK DESKRIPTIF
2.4.1.
DEFINISI
Merupakan suatu metode untuk memaparkan hasil-hasil penelitian yang
telah kita lakukan dalam bentuk statistik popular yang sederhana, sehingga
setiap orang dapat lebih mudah mengerti dan mendapatkan gambaran yang
jelas mengenai hasil penelitian. Statistika deskriptif adalah metode-metode
yang berkaitan dengan pengumpulan dan penyajian suatu gugus data
sehingga memberikan informasi yang berguna.
Statistika deskriptif hanya memberikan informasi mengenai data yang
dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun
tentang gugus induknya yang lebih besar. Contoh statistika deskriptif yang
sering muncul adalah, tabel, diagram, grafik, dan besaran-besaran lain di
majalah dan koran-koran. Dengan Statistika deskriptif, kumpulan data
yang diperoleh akan tersaji dengan ringkas dan rapi serta dapat
memberikan informasi inti dari kumpulan data yang ada. Informasi yang
16
dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan
data, ukuran penyebaran data, serta kecenderungan suatu gugus data
2.4.2.
FREKUENSI DISTRIBUSI
Pada suatu penelitian atau survey, seringkali terdapat data-data hasil
penelitian yang jumlahnya cukup besar dan membingungkan, sehingga
untuk
memudahkan
pengolahan
data,
kita
harus
melakukan
17
Tabel 1.1
No.
Tinggi Badan
150 154
20
155 159
35
160 164
25
165 169
15
170 174
Total
100
18
95
96
97
98
midpoint
99
99,5
Tinggi Badan
cf
fr (%)
150 - 154
20
20
20
155 159
35
55
35
160 164
25
80
25
165 169
15
95
15
170 174
100
n = 100
19
Series 1
15
Column1
Column2
10
5
0
150 154
155 159
160 164
165 169
170 174
Series 1
20
Column1
15
Column2
10
5
0
150 - 154 155 - 159 160 - 164 165 - 169 170 - 174
20
2.4.3.
39= x
6=N
21
= 39 = 6,50
6
16
65 69
32
60 64
160
55 59
240
50 54
176
45 49
88
40 44
40
35 39
32
30 34
22
Total
800=N
77
616
70 74
16
72
1152
65 69
32
67
2144
60 64
160
62
9920
55 59
240
57
13680
50 54
176
52
9152
45 49
88
47
4136
40 44
40
42
1680
35 39
32
37
1184
30 - 34
32
256
total
N = 800
fX = 43920
= 43920 = 54,90
800
23
2.4.3.2. Median
Menunjukkan letak angka paling tengah pada suatu deratan
angka observasi.
Rumus :
Data tunggal
Md =
) th
Data kelompok
Md = Lm + n/2 cf x w
fm
Md : median
Lm : true lower limit atau batas bawah
n : total observasi
cf : frekuensi komulatif
fm : frekuensi tertinggi
w : besarnya interval
2.4.3.3. Mode
Data tunggal
Merupakan angka yang paling banyak dijumpai dalam data
observasi
Data kelompok
Merupakan angka midpoint dari kelas dengan frekuensi
paling tinggi
2.4.4.
MENGUKUR DISPERSI
Penyebaran atau variasi dari data nilai mean desebut dispersi.
2.4.4.1. Range
Adalah selisih antara nilai paling tinggi dan paling rendah dalam
suatu set observasi.
Data tunggal
24
Data kelompok
Range = true upper limit true lower limit
Data tunggal
x2
Rumus: SD=
N
SD : standar deviasi
x2: jumlah semua
pengkuadratan
N
: number of cases
Data kelompok
deviasi
setelah
fx 2
Rumus: SD=
N
2.4.4.3. Percentile, deciles , quartiles
Percentiles
fi
utk data kelompok:
n/100N - fkb
Pn = L +
xi
fi
mengalami
proses
25
Decile
Rumus decile:
n/10N - fkb
Dn = L +
xi
fi
N = number of cases
Fkb = frekuensi kumulatif yg terletak dibawah skor atau
interval yg mengandung decile ke-n
fi = frekuensi aslinya
i
= interval class
Quartiles
Utk data tunggal
n/4N - fkb
Qn = L +
fi
xi
fi
26
= interval class
DEFINISI
Statistik inferensial adalah teknik analisis da
ta yang digunakan untuk menentukan sejauh mana kesamaan antara
hasil yang diperoleh dari suatu sampel dengan hasil yang akan didapat
pada populasi secara keseluruhan. Jadi statistik inferensial membantu
peneliti untuk mencari tahu apakah hasil yang diperoleh dari suatu sampel
dapat digeneralisasi pada populasisi. Sejalan dengan pengertian statistik
inferensial menurut Creswell, Muhammad Nisfiannoor berpendapat bahwa
statistik inferensial adalah metode yang berhubungan dengan analisis data
pada sampel untuk digunakan untuk penggeneralisasian pada populasi.
Penggunaan statistic inferensial didasarkan pada peluang (probability) dan
sampel yang dipilih secara acak (random).
Oleh
karena
itu,
statistika
inferensial
disebut
juga statistik
27
2.5.2.
Standard Error
Peluang setiap sampel sangat identik dengan populasinya sangat kecil
(nill)
meskipun
inferensi
sampel.Penerapan random
populasi
sampling tidak
didapat
dari
menjamin
informasi
karakteristik
Semakin
banyak
sampelnya,
semakin
kecil standard
Pengujian Hipotesis
Pengujian hipotesis adalah proses pengambilan keputusan dimana
peneliti mengevaluasi hasil penelitian terhadap apa yang ingin dicapai
sebelumnya. Misalnya, kita ingin menerapkan program baru dalam
pelajaran membaca. Pada rencana penelitian dikemukanan hipotesis
penelitian yang memprediksi perbedaan skor siswa yang menjalni
program baru tadi dengan proglam lama, dan hipotesis nol (0), yang
memprediksikan skor kedua kelompok tidak akan berbeda. Setelah data
dihitung mean dan standar deviasinya dan hasilnya menunjukkan skor
siswa dengan program baru lebih tinggi (berbeda secara signifikan)
28
Uji Signifikansi
Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua
skor. Signifikansi merujuk pada tingkat statistik dari probabilitas
dimana dengannya kita bisa menolak hipotesis nol. Uji signifikansi
dilakukan dengan menentukan tingkat probabilitas praseleksi yang
dikenal dengan tingkat signifikansi (). Tingkat probailitas ini
dijadikan dasar untuk menolak atau tidak menolak hipotesis nol.
Standar yang digunakan umumnya 0,05 kesempatan (5 dari 100).
Adapula yang menggunakan 0.01. Semakin kecil nilai probabilitasnya,
semakin kecil pula kemungkinan temuan tersebut diperoleh karena
disebabkan oleh peluang.
2.5.3.
x =
29
Variance dari mean sampel akan sama dengan variance populasi dibagi
besar ukuran sampel = n
x =
Standar deviasi dari mean sampel akan sama dengan standar deviasi
populasi di bagi akar dari besar ukran sampel = n
x =
2.5.4.
(x ) npo
Z=
Npo ( 1- po )
Contoh :
Seandainya kita ingin membuktikan klaim para gizi yang menyatakan
bahwa 75% dari anak pra sekolah di banyak negara menderita diet
defisiensi protein, untuk ini dilakukan sampel survei pada 206 orang anak
dari total 300 orang anak pra sekolah, apakah ada perbedaan bermakna
antara Ho = 0,75 dengan H1 < 0,75 dengan level of significance ( ) =
0,01.
Jawab :
a
Ho : p = 0,75
H1 : p # 0,75
30
Test statistik
(x ) npo
Z=
Npo ( 1- po )
Ho ditolak bila
Z -2,33 atau Z 2,33
Komputasi
x = 206
Z=
n = 300
po = 0,75
)(
= - 2,47
Kesimpulan
Ho tidak dapat diterima karena nilai Z < - 2,33 , atau dengan kata lain
tidak mendukung pernyataan ahli gizi bahwa 75% anak pra sekolah di
banyak negara menderita defisiensi protein.
31
Tabel 3.1
percobaan
Metoda
Total
Berhasil
19 (21,6)
31 (28,8)
50
Tidak Berhasil
41 (38,4)
49 (51,2)
90
Total
60
80
140
P = 50/140 = 0,36
Jumlah frekuensi berhasil atau tidak berhasil dari masing-masing metode
telah diketahui, dan ini disebut sebagai frekuensi observasi (o). Namun
disamping itu bila ingin mempergunakan proporsi keseluruhan (p) maka
kita juga harus mengetahui frekuensi harapan atau expected frequencies
(e) yaitu dengan cara menghitung sebagai berikut :
Metode A
Berhasil
: 60 x 0,36 = 21,6
: 80 x 0,36 = 28,8
X2 =
Perhitungan :
X2 =
32
Kesimpulan :
Dengan demikian Ho tidak dapat ditolak, atau dengan kata lain tidak ada
perbedaan yang bermakna antara metode A dan Metode B dalam
keberhasilannya mendeteksi kanker.
2.5.5.
X2 =
33
rumus :
X2 =
((
A+C
B+D
N= (A+C)+(B+D)
Rumus :
X2 = (
(
)(
)
)(
)(
2.6. HIPOTESIS
2.6.1.
DEFINISI
Pengujian hipotesis diawali dengan suatu pernyataan sementara yang
disebut hipotesis. Oleh karena itu, hipotesis secara umum dapat diartikan
sebagai kesimpulan sementara atau dugaan logis tentang keadaan populasi.
Hipotesis dapat ditentukan berdasarkan hasil penelitian atau pengalaman.
Misalnya, seorang dokter menyatakan bahwa penderita TBC di Indonesia
adalah 4% atau seorang dokter Puskesmas menyatakan bahwa rata-rata
jumlah pengunjung Puskesmas adalah 60 orang per hari.
34
35
2.
36
4.
5.
6.
2.6.3.
Tidak ada perbedaan berat badan bayi yang dilahirkan dari kelompok
ibu yang mengalami KEK (kurang energi kronik) dan normal ( tidak
KEK)
Tidak ada hubungan Lila (lingkar lengan atas) ibu dengan berat bayi
yang dilahirkan
37
Contoh :
Ada perbedaan berat badan bayi yang dilahirkan dari kelompok ibu
yang mengalami KEK ( kurang energi kronik ) dan normal (tidak
KEK)
Ada hubungan lila (lingkar lengan atas) ibu dengan berat badan bayi
yang dilahirkan.