PENDAHULUAN
1.1
Latar Belakang
Pada kenyataannnya sangatlah sulit untuk mendapatkan sampel yang memenuhi asumsi
mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah sebatas menedekati
tertentu. Oleh karena itu, kemudian dikembangkan suatu teknik inferensi yang tidak memerlukan
uji asumsi-asumsi tertentu memgenai distribusi sampelnya,dan juga tidak memerlukan uji
hipotesis yang berhubungan dengan parameter populasinya. Teknik ini dikenal dengan parametri
bebas distribusi atau statistika non parametrik.
Sedangkan Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata
lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi
normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan
dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih
dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
Dalam dunia statistika banyak cara mengumpulkan data sebagai dasar dalam melakukan
penelitian. Pengumpulan data ini dilakukan agar peneliti dapat memperoleh data-data yang
dibutuhkan, mencari hubungan dari variabel-variabel yang diteliti, memprediksi masa depan dan
sebagainya untuk kebutuhan penelitian.
Metode Statistika Non Parametrik pengambilan kesimpulan dapat ditarik tanpa
memperhatikan bentuk distribusi populasi. Sedangkan Penelitian Survei, disgunakan untuk
pengambilan data dari suatu populasi dengan menggunakan media kuesioner sebagai alat
pengumpul data yang pokok. Statistika menggunakan metode penelitian survei dalam
mengumpulkan data sebagai dasar penelitian dan menggunakan Statistika Non Parametrik untuk
mengatasi pemecahan data yang memiliki ukuran sampel kecil dan asumsi-asumsi yang kurang
dimiliki oleh peneliti.
Ini digunakan agar pendapat dari suatu populasi tersebut dapat diolah sebagai data statistik dan
kita dapat memprediksi masa depan dan sebagainya seperti yang disebutkan di atas.
1.2.
Rumusan Masalah
1.
2.
3.
4.
1.3.
Tujuan Makalah
1.
2.
3.
4.
1.4.
Manfaat Makalah
Manfaat penulisan makalah ini adalah untuk
BAB II
FAKULTAS KEDOKTERAN UISU
PEMBAHASAN
2.1.
pengolahan atau penganalisaannya, dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisaan yang dilakukan.
2.2.
inferensia. Statistika deskriptif adalah statistik yang berkenaan dengan metode atau cara
mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data. Statistik deskriptif
mengacu pada bagaimana menata atau mengorganisasi data, menyajikan, dan menganalisis data.
Menata, menyajikan, dan menganalisis data dapat dilakukan misalnya dengan menentukan nilai
rata-rata hitung dan persen / proposisi. Cara lain untuk menggambarkan data adalah dengan
membuat tabel, distribusi frekuensi, dan diagram atau grafik.
Sedangkan pengertian Statistik inferensial adalah statistik yang berkenaan dengan cara
penarikan kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan
karakterisktik atau ciri dari suatu populasi. Dengan demikian dalam statistik inferensial
dilakukan suatu generalisasi (perampatan atau memperumum) dan hal yang bersifat khusus
(kecil) ke hal yang lebih luas (umum). Oleh karena itu, statistik inferensial disebut juga statistik
induktif atau statistik penarikan kesimpulan. Pada statistik inferensial biasanya dilakukan
pengujian hipotesis dan pendugaan mengenai karakteristik (ciri) dari suatu populasi, seperti
mean dan Uji t.
Statistika inferensia ada dua macam, yaitu statistika parametrik dan statistika non
parametrik. Suatu hipotesis statistika merupakan pernyataan tentang fungsi peluang dari suatu
atau lebih peubah acak. Hipotesis dikatakan sederhana apabila pernyataan menunjukkan ciri
populasi secara lengkap. Bila tidak, hipotesis dikatakan majemuk. Hipotesis yang dipelajari yaitu
FAKULTAS KEDOKTERAN UISU
hipotesis nol (H0) dan hipotesis yang merupakan konklusi apabila hipotesis nol ditolak adalah
hipotesis tandingan (H1).
Secara umum ada tiga bentuk hipotesis:
1.
H0 : = 0
H1 : 0
2.
H0 : 0
H1 : > 0
3.
H0 : 0
H1 : < 0
Data kuantitatif adalah data yang diukur dalam suatu skala numerik (angka). Data
Data interval, yaitu data yang diukur dengan jarak di antara dua titik pada skala yang
sudah diketahui. Sebagai contoh: IPK mahasiswa (interval 0 hingga 4); usia produktif (interval
15 hingga 55 tahun); suhu udara dalam Celcius (interval 0 hingga 100 derajat).
FAKULTAS KEDOKTERAN UISU
2)
Data rasio, yaitu data yang diukur dengan suatu proporsi. Sebagai contoh: persentase
jumlah pengangguran di Propinsi Sumatera Utara; tingkat inflasi Indonesia pada tahun 2000;
persentase penduduk miskin di Sumatera Utara; pertumbuhan ekonomi Sumatera Utara
b.
Data kualitatif, adalah data yang tidak dapat diukur dalam skala numerik. Namun karena
dalam statistik semua data harus dalam bentuk angka, maka data kualitatif umumnya
dikuantifikasi agar dapat diproses. Kuantifikasi dapat dilakukan dengan mengklasifikasikan data
dalam bentuk kategori. Data kualitatif dapat dibedakan menjadi:
1)
Data nominal, yaitu data yang dinyatakan dalam bentuk kategori. Sebagai contoh,
Industri rumah tangga, dengan jumlah tenaga kerjanya 1-4 orang, yang diberi kategori 1.
b)
Industri kecil, dengan jumlah tenaga 5-19 orang, yang diberi kategori 2.
c)
Industri menengah, dengan jumlah tenaga kerja 20-100 orang, yang diberi kategori 3.
d)
Industri besar, dengan jumlah tenaga kerja lebih dari 100 orang, yang diberi kategori 4.
Angka yang menyatakan kategori ini menunjukkan bahwa posisi data sama derajatnya.
Dalam contoh di atas, angka 4 tidak berarti industri besar nilainya lebih tinggi dibanding industri
kecil yang angkanya 1. Angka ini sekedar menunjukkan kode kategori yang berbeda.
2)
Data ordinal, yaitu data yang dinyatakan dalam bentuk kategori, namun posisi data tidak
sama derajatnya karena dinyatakan dalam skala peringkat. Sebagai contoh, dalam skala likert.
Berdasarkan cara perolehannya data kuantitatif dibedakan menjadi data diskrit dan
data kontinu. Data-data yang diperoleh dari hasil menghitung atau membilang termasuk dalam
data diskrit, sedangkan data-data yang diperoleh dari hasil mengukur termasuk dalam data
kontinu.
Menurut sumbernya kita mengenal data intern dan data ekstern. Data intern adalah
data yang diperoleh dari perusahaan atau instansi yang bersangkutan. Sedangkan data ekstern
diperoleh dari luar instansi atau perusahaan tersebut. Data ekstern dibedakan menjadi data primer
dan data sekunder. Data primer adalah data yang dikeluarkan oleh badan sejenis. Sedangkan data
FAKULTAS KEDOKTERAN UISU
lainnya termasuk data sekunder. Semua data-data yang beru dikumpulkan dan belum pernah
diolah disebut sebagai data mentah.
tinggi atau terlalu rendah mengenai suatu ciri populasi dikatakan berbias. Untuk menghindari
kemungkinan bias ini perlu dilakukan pengambian contoh acak atau contoh acak sederhana.
Contoh acak sederhana didefinisikan sebagai contoh yang dipilih sedemikian rupa sehingga
setiap himpunan bagian yang berukuran n dari populasi mempunyai peluang terpilih yang sama.
Penyajian Data
Suatu data yang telah diperoleh dan telah diolah, maka dilakukan interpretasi dan penyajian
data tersebut. Secara garis besar ada dua macam cara penyajian data dalam statistika yaitu:
a.
- Daftar kontingensi
b.
Pengolahan data
Setelah data kuantitatif diperoleh, maka dilakukan pengolahan data dan pengujian beberapa
hipotesis. Pengolahan data yang dilakukan adalah mencari ukuran pemusatan data, dalam hal ini
adalah mean dan mencari ukuran penyebaran data dalam hal ini variance dan simpangan baku.
Setelah itu, baru dilakukan pengujian normalitas, homogenitas dan uji hipotesis. Ketika data
terdistribusi normal maka dapat dilakukan pengujian parametik dan sebaliknya ketika data tidak
terdistribusi normal maka dapat dilakukan pengujian nonparametik
2.3.
yang sering digunakan antara lain distribution-free statistics dan assumption-free test. Dari
istilah-istilah ini, dengan mudah terlihat bahwa metode statistik nonparametrik merupakan
metode statistik yang dapat digunakan dengan mengabaikan segala asumsi yang melandasi
metode statistik parametrik, terutama yang berkaitan dengan distribusi normal.
Prosedur nonparametrik atau bebas-distribusi sekarang ini semakin banyak digunakan
karena data yang disajikan tidak dalam sebagai nilai pada kontinu tetapi dalam skala ordinal
sehingga wajar menyajikannya dalam bentuk rang. Pada statistika nonparametrik dapat
digunakan untuk menganalisis data yang berskala ordinal dan nominal.
Skala ordinal yaitu lambang lambang bilangan hasil pengukuran menunjukkan urutan
atau tingkatan obyek yang diukur menurut karakteristik yang dipelajari. Sedangkan skala
nominal adalah skala yang merupakan kategori atau kelompok dari suatu subyek. Misal, variabel
jenis kelamin responden dikelompokkan menjadi dua, yaitu L dan P, masing masing diberi
kode 1 dan 2.
Kebanyakan statistik uji nonparametrik menggunakan konsep count dan rank dalam
perhitungannya. Untuk pengujian dengan sampel berukuran kecil, tiap pengujian memiliki tabel
FAKULTAS KEDOKTERAN UISU
pembanding masing masing. Tabel eksak dari tiap tabel pembanding ini belum tentu mudah
untuk dibuat. Untuk pengujian dengan ukuran contoh yang besar, beberapa statistik uji
nonparametrik memiliki sebaran asimtotik yang biasanya normal baku atau chi-kuadrat.
e.
Beberapa uji statistik parametrik dapat dipakai untuk menganalisi persoalan serupa tetapi
menuntut pemenuhan sejumlah asumsi yang hampir tidak mungkin diwujudkan.
f. Uji statistik nonparametrik mudah dilakukan meskipun tidak terdapat komputer (dapat
dianalisa secara manual). Analisis data dapat diselesaikan hanya dengan menggunakan kalkulator
tangan. Oleh karena itu, metode nonparametrik pantas disebut teknologi tepat guna yang masih
dibutuhkan di negara negara berkembang (dan terbelakang).
g. Pada umumnya para peneliti dengan dasar matematika yang kurang merasakan bahwa konsep
dan metode nonparametrik mudah dipahami.
Selain kelebihan metode nonparametrik diatas, ditemukan pula kelemahan dari metode ini, yaitu:
a. Fleksibilitas terhadap skala pengukuran variabel kadang kadang mendorong peneliti
memilih
metode
nonparametrik,
meskipun
situasinya
memungkinkan
untuk
menggunakan metode parametrik. Karena didasarkan asumsi yang lebih sedikit, metode
nonparametrik secara statistik kurang kuat dibandingkan metode parametrik.
b. Jika asumsi untuk metode parametrik terpenuhi, dengan ukuran sampel yang sama,
metode nonparametrik kurang memiliki kuasa dibandingkan metode parametrik.
c. Penyederhanaan data dari skala rasio atau interval ke dalam ordinal atau nominal
meskipun merupakan pemborosan (detail) informasi yang sudah dikumpulkan.
d. Meski konsep dan prosedur nonparametrik sederhana, tetapi pekerjaan hitung
menghitung bisa membutuhkan banyak waktu jika ukuran sampel yang dianalisis besar.
APLIKASI
Dua
sampel
berhubungan
TEST PARAMETRIK
saling Uji T
TEST
NONPARAMETRIK
Sign Test
Wilcoxon Signed-Rank
Uji Z
Dua
sampel
Mann-whitney U test
tidak Uji T
berhubungan
Uji Z
Chi-square test
Kolmogorov-Smirnov
Test
Beberapa
Walt-Wolfowitz runs
Freidman test
sampel
Kendall W test
berhubungan
Cochrans Q
Beberapa sampel tidak Uji ANOVA (Uji F)
Kruskal-Wallis test
berhubungan
Chi-square test
Median test
Macam
Data
NOMINA
BENTUK HIPOTESA
1 sampel Komparatif 2 sampel
Binomial
Dependen
sampel
Independen Depende
Independen
McNemar
Fisher
n
Cochran
Chi-square
Exact
L
ChiORDINAL
square
Run test
Koefisien
Kontingensi (C)
Chi-square
Sign test
Median
Median
Korelasi Sparman
test
Extention
Rank
Kruskal-
Korelasi
Wallis
Tau
Wilcoxon Mann
Matched
Whitney
Pairs
test
Friedman
U
Kolmogorov
-Smirnov
10
Kendal
Wald
Wolfowitz
Uji Tanda
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak
kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi yang
relevan untuk diuji.
Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya bersifat
binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan tanda, yaitu
positif dan negatif. Ini mengapa ia disebut uji tanda.
Uji tanda banyak digunakan karena uji ini paling mudah untuk dilakukan pengujiannya
dan tidak memakan waktu yang lama. Pengerjaan pengujian ini terbilang cukup mudah. Apabila
setiap nilai pengamatan memiliki nilai lebih besar dari nilai rataannya maka diganti dengan tanda
(+). Sedangkan, apabila setiap nilai pengamatan memiliki nilai kurang dari nilai rataannya maka
diganti dengan tanda (-). Dan, apabila nilai pengamatannya sama dengan nilai rataannya maka
nilai pengamatan tersebut harus dibuang.
Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis nolnya beserta
dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta nilai proporsi peubah
binomial X-nya. Kemudian melakukan penghitungan Z hitung (apabila jumlah sampel lebih dari
30) dengan nilai n merupakan jumlah data pengamatan setelah dibandingkan dengan nilai
rataannya dan nilai x adalah jumlah data pengamatan dengan tanda (+). Dengan begitu nilai Z
akan didapat dan nilai P (proporsi)nya dapat ditentukan. Keputusan H0 akan ditolak apabila nilai
P yang didapat lebih kecil atau sama dengan nilai taraf nyatanya.
11
b.
Uji Rang-Tanda
Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan saat ini disebut
sebagai uji rang-tanda Wilcoxon. Uji ini memanfaatkan baik tanda maupun besarnya selisih. Uji
rang-tanda Wilcoxon digunakan untuk kasus dua sampel yang dependen bila skala ukur
memungkinkan kita menentukan besar selisih yang terjadi, jadi bukan sekedar hasil pengamatan
yang berbeda saja.
Uji rang-tanda Wilcoxon cocok digunakan bila kita dapat mengetahui besarnya selisih
antara pasangan-pasangan harga pengamatan X1 dan Y1 berikut arah selisih yang bersangkutan.
Apabila kita dapat menentukan besarnya setiap selisih, maka kita dapat menetapkan peringkat
untuk masing-masing selisih itu. Melalui penyusunan peringkat selisih selisih inilah uji
Wilcoxon memanfaatkan informasi tambahan yang tersedia.
Asumsi :
-
Asumsikan bahwa populasi perbedaan pasangan nilai pengamatan kedua sampel adalah
Hipotesis
Uji satu sisi :
a. Ho : W (+) = W (-)
b. Ho : W (+) = W (-)
12
Hi : W (+) W (-)
W (+) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda positif.
W (-) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda negative
3. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung perbedaannya (di = Xi Yi).
4. Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari peringkat 1
untuk perbedaan terkecil hingga peringkat n untuk perbedaan terbesar. Bila terdapat perbedaan
nilai pasangan yang sama, perbedaan pasangan nilai yang sama di beri peringkat rata-ratanya .
untuk beda nol, tidak diperhatikan.
5. Bubuhkan tanda kepada peringkat yang sudah dibuat itu: positif atau negative sesuai dengan
tanda perbedaan nilai pengamatan aslinya.
6. Hitung banyaknya di yang bertanda positif (disebut W+) dan negative (disebut W_).
7. Statistik uji peringkat bertanda Wilcoxon ialah W. M yang dipakai ialah W+ atau W_ yang
nilainya lebih kecil :
8. W+ = Ri (Semua peringkat positif) dan
Hipotesa nol ditolak apabilai nilai W+, W-, atau W lebih kecil atau sama dengan nilai di tabel
yang sesuai.
c.
Uji Jumlah-rang
Uji ini dilakukan apabila ingin menguji kesamaan rataan dua distribusi yang kontinu yang jelas
tidak normal dan sampelnya bebas.
Menguji
Tandingan
H0
H1
Hitunglah
13
1 = 2
1 < 2
1 > 2
Misalkan n1 banyaknya pengamatan dalam sampel yang lebih kecil, dan n2 banyaknya
pengamatan dalam sampel yang lebih besar. Urutkanlan n1 dan n2 pengamatan dari kecil ke
besar dan beri peringkat. Bila terdapat yang seri, maka pengamatan tersebut diganti dengan
dengan rataan rangnya jika keduanya dapat dibedakan (tidak seri).
Jumlah rang yang berasal dari n1 pengamatan dalam sampel yang lebih kecil dinyatakan
dengan w1. Dan w2 merupakan jumlah rang yang berasal dari n2 pengamatan dalam sampel
yang lebih besar.
Apabila nilai w1 sudah ditemukan maka nilai w2 dapat dicari. Seperti rumus dibawah ini,
w1 + w2 =
w2 = - w1
Untuk pengujian ekasisi, hipotesis nol 1 = 2 ditolak dan diterima tandingannya 1 < 2
apabila w1 kecil dan w2 besar. Begitu pula, tandingan 1 > 2 dapat diterima jika w1 besar dan
w2 kecil. Untuk pengujian dwisisi, tandingan 1 2 diterima bila minimum dari w1 dan w2
cukup kecil.
d.
jumlah rang (dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan untuk
menguji hipotesis nol bahwa k sampel bebas berasal dari populasi yang sama. Diperkenalkan
oleh W.H. Kruskal dan W.A. Wallis pada tahun 1945, uji ini merupakan padanan cara
nonparametrik untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila si pencoba
ingin menghindari bahwa sampel berasal dari populasi normal.
14
Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi anggapan
k kenormalan dari data. Analisis yang digunakan berdasarkan Rij yaitu ranking data, bukan data
itu sendiri.
Langkah langkah uji Kruskal - Wallis :
1.
2.
3.
4.
kebebasan v = k-1
5. Melakukan perhitungan uji kruskal wallis
Dengan ni merupakan jumlah data pengamatan disetiap sampel dan ri merupakan jumlah rang
dalam satu sampel data pengamatan.
6. Bila nilai h jatuh dalam daerah kritis pada tabel, dengan derajat kebebasan v = k 1,
tolak H0 pada taraf nyata. Dan terima H0 jika tidak jatuh dalam daerah kritis pada tabel.
15
uji anova (ketika kelompok yang kita bandingkan lebih dari 2). Berbeda dengan statistik
parametrik, dalan non parametrik ada uji Kruskall wallis yang sebaiknya digunakan.
2.4.
Uji Parametrik
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi hasil
16
b.
Penggunaan metode statistik parametrik mengikuti prinsip-prinsip distribusi normal. Prinsipprinsip dari distribusi normal adalah:
A. Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi
populasi yang diasumsikan terdistribusi secara normal.
B. Sampel diperoleh secara random, dengan jumlah sampel yang dianggap dapat mewakili
populasi.
C. Distribusi normal merupakan bagian dari distribusi probabilitas yang kontinyu
(continuous probability distribution). Implikasinya, skala pengukuran pun harus
kontinyu. Skala pengukuran yang kontinyu adalah skala rasio dan interval. Kedua skala
ini memenuhi syarat untuk menggunakan uji statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik dapat digunakan.
Namun, jika data tidak menyebar normal maka metode statistik nonparametrik dapat digunakan.
Apa yang dapat dilakukan jika data tidak menyebar normal, namun statistik parametrik ingin
tetap digunakan. Untuk kasus ini data sebaiknya ditransformasikan terlebih dahulu. Transformasi
data perlu dilakukan agar data mengikuti sebaran normal. Transformasi dapat dilakukan dengan
mengubah data ke dalam bentuk logaritma natural, menggunakan operasi matematik (membagi,
menambah, atau mengali dengan bilangan tertentu), dan mengubah skala data dari nominal
menjadi interval.
17
Sebelum menggunakan statistika nonparametrik ada beberapa konsep atau pengertian dasar yang
perlu diketahui. Hal ini sangat dibutuhkan dalam rangka memudahkan memahami proses, teknikteknik, dan prosedur yang tersedia. Selain itu, akan memudahkan pula manakala kita harus
memilih dan menggunakan teknik-teknik yang paling tepat serta sesuai dengan disain penelitian
yang dilaksanakan, sehingga tidak akan terjadi kesalahan dalam menginterpretasikan hasil-hasil
pengujiannya. Beberapa konsep dan pengertian-pengertian yang perlu dipahami antara lain:
a.
Obyek Penelitian : Merupakan suatu obyek yang kita teliti karakteristiknya. Misalnya,
penduduk seandainya semua orang yang menempati wilayah tertentu yang kita teliti.
b.
Variabel : Adalah karakteristik dari obyek penelitian yang memiliki nilai bervariasi.
Misalnya, jenis kelamin: laki-laki dan perempuan. Status ekonomi: tinggi, sedang, rendah.
c.
Variabel Bebas/Independent : Dalam hubungan antar dua atau lebih variabel, variable
bebas merupakan variabel yang dapat mempengaruhi variabel lainnya. Misalnya; variabel X
dengan variabel Y, yang menggambarkan variabel X mempengaruhi variabel Y, maka X disebut
variabel bebas.
d.
Variabel Tak Bebas/Dependent : Dalam hubungan antar dua atau lebih variabel, variable
tak bebas merupakan variabel yang dipengaruhi oleh variabel lainnya. Misalnya; variabel X
dengan variabel Y, yang menggambarkan variabel Y dipengaruhi oleh variabel X, maka Y
disebut variabel tak bebas.
e.
Data : fakta, baik berbentuk kualitatif maupun kuantitatif. Data kualitatif diperoleh
melalui pengamatan, misalnya pemilikan lahan petani di suatu desa cukup tinggi. Data kuantitatif
diperoleh melalui pengukuran.
f.
tertentu. Misalnya, berat badan secara kualitatif bisa dibedakan sebagai ringan, sedang, atau
berat, dan melalui proses pengukuran dengan cara menimbang kita dapat menyatakan berat
badan: 50 kg, 60 kg, 70 kg.
g.
aturan yang telah ditentukan dan disepakati. Dikenal 4 macam skala pengukuran yaitu: nominal,
ordinal, interval, dan rasio. Skala nominal hanya dipakai untuk membedakan, skala ordinal
FAKULTAS KEDOKTERAN UISU
18
mengisyaratkan adanya peringkat, skala interval menunjukkan adanya jarak yang tetap tetapi
tidak memiliki titik nol mutlak, dan skala rasio memiliki titik nol mutlak.
h.
Unit Penelitian : satuan atau unit yang diteliti baik berupa individu maupun kelompok
yang dapat memberikan informasi tentang aspek-aspek yang dipelajari atau diteliti.
i.
Populasi : himpunan yang lengkap dan sempurna dari semua unit penelitian. Lengkap dan
sempurna, artinya harus ada pernyataan sedemikian rupa dalam mendefinisikannya populasi agar
tidak menimbulkan salah pengertian. Misalnya, kita menyebutkan bahwa populasi adalah
peternak ayam. Dalam kaitan ini, batasan populasi belum bisa menjelaskan; peternak ayam di
wilayah mana, apakah peternak ayam ras, broiler, atau ayam buras. Sehingga lebih baik
disebutkan misalnya , peternak ayam ras di desa X.
j.
Populasi Sampel : Misalnya kita ingin meneliti tentang pendapatan petani tembakau
Sampel : Adalah himpunan unit penelitian yang memberikan informasi atau data yang
diperlukan dalam penelitian. Jadi, sampel merupakan himpunan bagian dari populasi. Misalnya
dalam contoh di atas petani tembakau yang ada di kecamatan A, B, dan C merupakan populasi
sampel, dan sampelnya adalah hanya petani tembakau yang terpilih untuk diteliti setelah melalui
proses sampling.
l.
Sampling : Sampling adalah suatu proses memilih n buah obyek dari sebuah populasi
berukuran N.
m.
Validitas : Istilah validitas dipakai berkaitan dengan kriteria hasil pengukuran. Apakah
19
Misalnya untuk mengukur minat, sehingga kita memperoleh angka-angka skor untuk
menyatakan minatnya rendah, minatnya sedang, atau minatnya tinggi, alat pengukuran yang
menghasilkan skor-skornya tersebut sering dipermasalahkan.
20
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan
bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.
BAB III
PENUTUP
Demikian yang dapat kami paparkan mengenai materi yang menjadi pokok bahasan
dalam makalah ini, tentunya masih banyak kekurangan dan kelemahannya, kerena terbatasnya
pengetahuan dan kurangnya rujukan atau referensi yang ada hubungannya dengan judul makalah
ini.
21
Kami banyak berharap para pembaca yang budiman dapat memberikan kritik dan saran
yang membangun kepada kamidemi sempurnanya makalah ini dan penulisan makalah di
kesempatan-kesempatan berikutnya. Semoga makalah ini berguna bagi kami pada khususnya
juga para pembaca.
3.1.
Kesimpulan
3.2
Saran
Dalam penyelesaian makalah ini kami juga memberikan saran bagi para pembaca dan
mahasiswa/i yang akan melakukan pembuatan makalah berikutnya.
FAKULTAS KEDOKTERAN UISU
22
Beberapa poin diatas merupakan saran yang kami berikan apabila ada pihak-pihak yang ingin
melanjutkan penelitian terhadap makalah ini, dan demikian makalah ini disusun serta besar
harapan nantinya makalah ini dapat berguna bagi pembaca khususnya mahasiswa/i Fakultas
Kedokteran Universitas Islam Sumatera Utara Semester V/2015 dalam penambahan wawasan
dan ilmu pengetahuan.
DAFTAR PUSTAKA
1. Fardi, Adnan, dkk. Silabus dan Hand-Out Mata Kuliah Statistik. Padang : UNP; 2012.
2. Bogdan, Robert, C., Biklen, Sari, K. Qualitative Research in Education, an Introduction
toTheory and Methods, Third Edition, Boston, Allyn and Bacon; 1998.
3. Murti, Bhisma. Penerapan Metode Statistik Non Parametrik Dalam Ilmu-ilmu
Kesehatan. Jakarta: PT.Gramedia Pustaka Utama; 1996.
4. Sabri, L., Hastono, SP. Statistik Kesehatan.Edisi Revisi. Jakarta: Rajawali Pers; 2008
5. Siegel, Sidney. Statistik Non Parametrik Untuk Ilmu-ilmu Sosial. Jakarta: PT.Gramedia
Pustaka Utama; 1992.
23