Penyajian Data

3.1 Aturan-aturan dasar dalam pembentukan grafik

3.3.1

Judul dan kunci

Semua grafik harus dianggap sebagai unit informasi yang lengkap. Judul harus memberi

informasi kepada pembaca mengenai sifat data yang di jelaskan: judul harus ringkas,
informative, dan berkaitan dengan informasi yang terkandung dalam grafik. Untuk grafik yang
mengandung dua plot kunci yang di jelaskan symbol dari tiap plot tersebut harus di berikan.
3.3.2

Sumbu
Sumbu merupakan komponen penting dalam pembentukan grafik, karena sumbu

menjelaskan dasar ruang (gambar) dari penyajian data. Grafik tersusun dari berbagai rangkaian
data yang menjelaskan hubungan (biasanya) antara suatu variabel acak. Untuk menjamin
penyajian data yang optimal, pemilihan kisaran nilai-nilai numeric pada tiap sumbu merupakan
suatu hal yang penting. Pemilihan ini ditunjukkan di sini dalam suatu contoh dari pustaka ilmiah,
yang secara grafis menyajikan efek-efek cairan biologis terhadap pelekatan pathogen saluran
kemih Staphylococcus epidermis berkrlanjutan dari bahan silikon ( untuk pembaca yang tidak
terlalu mengenal tipe penelitihan, pembaca cukup memahami bahwa karena infeksi yang terkait
dengan penggunaan peralatan peralatan medis, seperti kateter yang menyebabkan morbiditas
dan kemungkinan mortalitas pasien maka penting untuk mengindentifikasi dan memahami
proses pelekatan mikroba).Kisaran numeric dari sumbu-sumbu grafik harus dipilih dan diberi
label dengan hati-hati untuk menjamin kejalasan penyajian data.

Gambar 3.1 pelekatan isolate Staphylococcus epidermidis hidrofobik (batang hitam) dan
hidrofilik (batang putih) pada (a) kateter peritoneal poliuretan yang diberi perlakuan sebelumnya
dengan larutan salin yang didapar dengan fosfat, (b) kateter peritoneal poliuretan yang diberi
perlakuan sebelumnya dengan dialisat keluaran buatan, (c) kateter peritoneal silikon yang diberi
perlakuan sebelumnya dengan larutan salin didapar dengan fosfat, (d) kateter peritoneal silikon
yang diberi perlakuan sebelumnya dengan dialisat keluaran buatan (dari Gorman et al., 1997 a,
diproduksi kembali dengan izin dari penerbit Kluwer).

3.3.3

Estimasi Variabilitas
Dalam kondisi tertentu, misalnya ketika penulis ingin menampilkan perbedaan-perbedaan

statistik dalam dua rangkaian data, estimasi variabilitas data penting untuk dimasukkan dalam
grafik. Dalam melakukan hal tersebut, pertama-tama dokumentasikan dasar matematis dari
variabilitas yang diplotkan, misalnya
Tabel 3.1 Biaya bulanan praktik dokter umum untuk tiga tipe bentuk sediaan yang mengandung
suatu obat yang dirancang untuk pengobatan kardiovaskular
Tipe bentuk sediaan
Lepas lambat
Koyo transdermal
Tabel konversional

Biaya bulanan rerata

3000
6500
3800

8000
6000
Biaya bulanan rerata ()

4000
2000
0
Lepas berkelanjutan

6000

5000
Biaya bulanan rerata ()
4000

3000
Lepas berkelanjutan

Gambar 3.2 biaya bulanan pada praktik dokter umum untuk tiga tipe bentuk sediaan
yang mengandung suatu obat yang dirancang untuk pengobatan penyakit kardiokviskular
(data ini diambil dari tabel 3.1)
simpangan baku, kesalahan baku, dan kedua, pastikan bahwa garis kesalahan tidak tumpang
tindih satu sama lain karena ini akan membingungkan pembaca.

3.2 Tipe-tipe grafik dan plot

Ada beberapa grafik atau plot yang umum digunakan untuk menampilkan data ilmiah, da tipetipe ini dapat dibagi lagi menjadi beberapa kategori utama, yaitu :
a. Grafik atau plot yang digunakan untuk menjelaskan hubungan antara suatu variabel tetap
(bebas) dan suatu variabel terikat (dependen)
b. Grafik-grafik yang digunakan untuk menyejikan distribusi data dalam bentuk gambar

3.2.1 Grafik dan plot yang digunakan untuk menggambarkan hubungan antara variabel
tetap (bebas) dan variabel terikat
Kategori ini umumnya digunakan dalam ilmufarmasi dan ilmu pengetahuan terkait: contohcontohnya ditujukan ditujukan dalam Tabel 3.2. Ada berbagai variasi format yang dapat
digunakan untuk memplot hubungan antara data, termasuk grafif garis, grafik pencar dan grafik
batang. Penulis mempunyai pilihan akhir untuk format grafik, akan tetapi perlu diingat bahwa
grafik yang dipilih harus menyajikan data dengan lancer dan jelas tanpa kesalahan yang tidak
semestinya.
Beberapa tipe grafik digunakan secara spesifik untuk menyajikan tipe datatertentu.
Sebagai contoh, plot lancar umumnya digunakan untuk menampilkan korelasi antara rangkaian
data. Data matematis dan praktis mengenai korelasi antara rangkaian data. Dasar matematis dan
praktis mengenai korelasi akan dijelaskan dalam Bab 12; pada tahap ini cukuplah untuk
mengemukakan bahwa plot pencar digunakan untuk menunjukkan adanya (atau tidak adanya)
suatu hubungan linier. Sebuah contoh diberikan dalam Gambar 3.4, yang

menunjukkan

(kurangnya) hubungan antara tegangan kekuatan regangan akhir sten ureter poliuretan 9suatu
ukuran ketahanan sten terhadap kerapuhan) dan durasi implantasi secara secara in vivo pada
pasien. Ketiadaan suatu hubungan linier yang signifikan antara kedua variabel acak ini
merupakan

indikasi

korelasi

yang

rendah.

Sebaliknya, diagram lingkaran umumnya digunakan untuk menyajikan data dalam bentuk
persentase. Diagram ini berbentuk lingkaran. Daerah total lingkaran menyatakan 100persen,
yaitu frekuensi total, dan grafik dibagi menjadi bagian-bagian menurut proporsi rangkaian data.
Sebuah contoh diagram lingkaran, ini menggambarkan biaya peresepan yang terkait dengan
empat antibiotik. Dalam lingkaran terutama digunakan untuk menampilkan data kualitatif;
namun, banyak penulis yang lebih memilih untuk menggunakan diagram-diagram batang untuk
tujuan ini karena diagram ini lebih mudah dibuat dan dapat menampilkan data kuantitatif
(misalnya rerata dan simpangan baku).

Tabel 3.2 Contoh-contoh farmasetik mengenai rangkaian data terikat dan bebas
4

Variabel terikat (sumbu y)

Respon analitis, misalnya internitas fluoresens,

Variabel bebas (sumbu x)

Konsentrasi analit

absorbansi radiasi ultraviolet, penghamburan

cahaya
Konsentrasi obat dalam cairan biologis setelah

Waktu

pemberian suatu bentuk sediaan

Konsentrasi obat dalam bentuk sediaan setelah

Waktu

penyimpanan
Tekanan yang dibutuhkan untuk

kecepatan geser sampel farmasetik

mempertahankan kecepatan geser

Kekerasan tablet

Kekuatan penekanan selama pembuatan

(c)

Kerja yang dibutuhkan untuk pengeluaran dari spuit (N mm)

Konsentrasi HEC (%b/b)

Gambar 3.3 Efek konsentrasi hidrosietilselulosa (hydroxyethylcellulose, HEC) terhadap kerja

yang dibutuhkan untuk mengeluarkan formulasi periodontal bioadhesif dari sebuah spuit: (a)
grafik pencar, (b) grafik garis, (c) grafik batang. Lingkaran/batang biru, formulasi yang
mengandung 5% b/b polivinilpirolidon (polyvinylpyrrolidone, PVP) dan 1% b/b polikarbofil
(polycarbophil, PCP); lingkaran/batangmerah, formulasi yang mengandung 10% b/b PVP dan
1% b/b PCP; lingkaran/batang hijau, formulasi yang mengandung 20% b/b PVP dan 1% b/b PCP
(data diambil dari Jones et al., 1996)

3.2.2 Grafik yang digunakan untuk menjelaskan distribusi data dengan gambar
Sering kali, data ilmiah menggambarkan suatu distribusi, misalnya tinggi pria dalam
suatu daerah geografis tertentu. Prosedur-prosedur berbeda digunakan untuk penyajian grafis dari
data ini, prosedur yang paling umum adalah distribusi frekuensi dan distribusi frekuensi
kumulatif, histogram dan tampilan batang dan daun. Penggunaan prosedur-prosedur ini
dijelaskan dalam bagian berikut.

Lain-lain
Penisilin
Kuinolon

Aminoglikosida

Gambar 3.4 Diagram lingkaran mengenai pola peresapan empat antibiotic disebuah rumah sakit
umum: golongan penisilin (daerah biru) 39%; golongan aminoglikosida (merah) 24%; golongan
kuinolon (hijau) 21%; lain-lain (ungu) 16%.
3.2.2.1 Distribusi Frukuensi

Seperti yang telah digambarkan, dasar pembentukan distribusi frekuensi meliputi

pengumpulan data (pengamatan), pengolahan data baik ke dalam ketegori diskret ataupun
kategori yang ditentukan dan penyajian data tersebut, misalnya dalam bentuk table atau grafik.
Distribusi frekuensi umumnya digunakan untuk mencari tahu bentuk dari distribusi data.

3.2.2.2 Histogram
Distribusi frekuensi dari suatu rangkaian data yang dapat disajikan dengan baik
menggunakan sebuah histogram. Histogram tampak menyerupai diagram batang, keduanya
tersusun atas serangkaian persegi panjang, berdasarkan sumbu X adalah interval kelas
(menggunakan batas kelas), sumbu Y adalah frekuensi masing-masing kelas. Namun, histogram
terutama digunakan untuk menyajikan distribusi frekuensi secara grafis, dan sebagai tambahan ,
batang-batang individual menempel (bergabung) satu sama lain untuk membentuk suatu
tampilan data kontinu.
Tabel 3.5 Kejadian efek samping yang berhubungan dengan penggunaan klinis suatu obat
antihipertensi baru pada 80 pasien: sebuah contoh distribusi frekuensi yang menggunakan
variabel diskret (jumlah efek samping).
Efek samping
1
2
3
4
5

Jumlah (frekuensi) pasien

12
20
24
12
12

Series 1
40
30
20
Frekuensi 10
0

Berat badan (mg)

Gambar 3.5 Histogram berat 210 tablet yang disisihkan dari sebuah bets produksi (data berasal
dari Tabel 3.5)

3.2.2.3 Pembentukan distibusi frekuensi dan histogram

Ada beberapa hal yang harus diingat untuk penyajian data yang optimal sebagai suatu
distribusi frekuensi:
a. Mula-mula nilai terbesar dan terkecil dalam rangkaian data yang dikumpulkan, juga
kisaran data, harus ditentukan.
b. Kisaran data selanjutnya harus dibagi kedalam sejumlah interval yang sesuai, disebut
interval kelas.
c. Dalam histogram , koneksi matematis penting untuk dilakukan guna mengatasi interval
kelas yang memiliki ukuran berbeda.
d. Setelah interval kelas dipilih, jumlah (frekuensi) pengamatan yang termasuk dalam tiap
interval dicatat. Hasilnya merupakan suatu distribusi frekunsi.
3.2.2.4 Distribusi frekuensi kumulatif
Metode lain untuk penyajian grafis data dapat berupa suatu distibusi frekuensi kumulatif.
Dalam metode ini, data khususnya disajikan dalam bentuk frekuensi total dari semua
pengamatan yang kurang dari batas atas kelas dari suatu interval kelas. Hal ini dapat dengan
mudah diistilahkan sebagai distribusi frekuensi kumulatif kurang dari. Sebagai alternatif yang
lain, data dapat disajikan dalam bentuk frekuensi total dari pengamatan pengamatan yang lebih
besar dari atau yang sama dengan batas bawah kelas dari suatu interval tertentu, yaitu distribusi
frekuensi kumulatif lebih dari. Sebuah contoh dri tiap-tiap tipe distribusi frekuensi komulatif
ini di tampilkan dibawah ini, menggunakan data yang disajikan dalam tabel 3.7.
Tabel 3.7 Data distribusi frekuensi kumulatif yang menggambarkan berat dari 210 tablet yang di
pilih dari suatu bets produksi.
Berat tablet (mg)

Frekuensi

kumulatif Berat tablet (mg)

<290,05
<291,05
<292,05
<293,05
<294,05
<295,05

(kurang dari)
0
2
4
8
14
22

<290,05
<291,05
<292,05
<293,05
<294,05
<295,05

Frekuensi
(lebih dari)
210
208
206
202
196
188

kumulatif

<296,05
<297,05
<298,05
<299,05
<300,05
<301,05
<302,05
<303,05
<304,05
<305,05
<306,05
<307,05
<308,05
<309,05
<310,05

31
52
82
114
150
174
183
190
198
201
205
207
209
210
210

<296,05
<297,05
<298,05
<299,05
<300,05
<301,05
<302,05
<303,05
<304,05
<305,05
<306,05
<307,05
<308,05
<309,05
<310,05

179
158
128
96
60
36
27
20
12
9
5
3
1
0
0

3.2.2.5 Plot batang dan daun

Walaupun histrogram dan distribusi frekuensi umumnya digunakan untuk penyajian data,
metode-metode ini juga mempunyai beberapa kurangan. Misalnya, kualitas informasi yang
ditampilkan tergantung pada pemilihan interval kelas oleh pelaksananya. Pemilihan interval yang
kurang tepat ini dapat berakibat terbentuknya ringkasan data yang tidak mencukupi. Lagi pula,
dalam histogram tempat data dikelompokkan, nilai-nilai numerik individual dari tiap data akan
hilang. Satu metode yang tidak memiliki kekurangan ini adalah plot batang dan daun. Dalam
pendekatan ini, tiap data secara numerik dibagi menjadi dua bagian, disebut sebagai batang dan
daun. Batang tersusun dari bilangan bulat yang diatur secara vertikal, daun-daun dibentuk
dengan menambahkan suatu unit pada bilangan bulat. Berlawanan dengan pengaturan vertikal
batang, daun-daun diatur horizontal, melekat pada bilangan bulat induk. Pembentukan plot
batang dan daun lebih lanjut dijelaskan menggunakan data yang disajikan dalam Tabel 3.8 yang
menampilkan tekanan darah sistolik dari suatu kelompok yang terdiri atas 30 pria yang berusia
antara 40dan 50 tahun.
Langkah pertama dalam pembentukan plot batang dan daun melibatkan pemilihan
batang, yang merupakan struktur utama plot. Bilangan -bilangan bulat yang dipilih untuk batang
biasanya terdiri dari angka-angka pertama data.
Tabel 3.8 tekanan darah sistolik (mmHg) dari 30 pria berusia 40-50 tahun
145

148

133

171

144

158

165
124
149
154

156
158
160
161

138
150
142
168

154
178
125
131

140
157
164
120

146
138
175
162

Contohnya, untuk nilai pertama dalam tabel 3.8 (145 mmHg), batang yang sesuai adalah 14 dan
utuk data terakhir dalam tabel, yakni 162 mmHg, batang nya menjadi 16. Nilai nilai batang
kemudian diatur secra vertikal dengan urutan meningkat.
Untuk melengkai plot batang dan dau, angka terakhir dari tiap nomor ( daun )
ditempatkan secara horizontal melekat pada pengelompokan batang yang terkait. Plot batang
yang telah dilengkapi untuk data dalam tabel 3.8 ditunjukan dalam gambar 3.9. plot batang telah
memberikan gambaran visual dari dangkaian data. Tentu saja, dapat diamati bahwa data tersebut
agak simetris. Memperkirakan bentuk (simetri) dari rangkain data adalah salah satu kegunaan
utama dari plot batang dan daun.
Sebelum meninggalkan konsep plot batang dan daun, ada dua hal yang perlu diperhatikan lebih
jauh:
a. Pemilihan nilai numerik untuk batang tergantung pada kisaran ukuran kelompok data.
Contohnya, batang yang berkaitan dengan data yang disajikan dalam tabel 3.4 yang
mempunyai rentang 290,2_ 308,5mg adalah 209,291,292 mg. dan daun daunnya
merupakan angka desimal. Sehingga, batang dari nilai 290,2 adalah 290 dan daunnya
adalah 0,2mg.
b. Dalam contoh yang berhubungan dengan tabel 3.8. pemilihan batang telah memastikan
interval kelas adalah 10mmHg. Dalam kondisi tertentu, interval kelas dapat dibagi lagi
untuk mendapatkan suatu pemahaman yang lebih baik terhadap distribui data dalam batas
batas yang lebih kecil.sekali lagi, dengan menggunakan data yang disajikan tabel 3.8. plot
batang dan daun dapat digambar kembali dengan mencangkup interval kelas yang lebih
kecil, misalnya 5mmHg ( Gambar 3.10).
Batang
12
13
14
15
16
17

Daun
0
1
0
0
0
1

4
3
2
4
1
5

5
8
4
4
2
8

8
5
6
4

6
7
5

8
8
8

9
8

Gambar 3.9 plot batang dan daun untuk data yang diberikan dalam tabel 3.8 mengenai
tekanan darah sistolik 30 pria yang berusia 40-50 tahun. Gambar ini menggunakan
interval kelas sebesar 10mmHg.
3.2.3 Morfologi umum dari kurva frekuensi
Penggunaan metode-metode grafis untuk gambaran visual data frekunsi. Distribusi
memiliki kemiripan bentuk namun, penting bagi pembaca untuk memahami bahwa distribusi
frekuensi dapat memiiki sejumlah morfologi yang berbeda. Bentuk dari distribusi frekuensi
secara lansung memengaruhi pemilihan metode statistik yang dapat diterapkan pada data.
Apabila distribusi berasal dari ukuran sampel yang besar dan diplotkan menggunakan
interval kelas yang terbatas, sejumlah morfologi yang berbeda dapat berbentuk. Bentuk bentuk
disribusi dapat dikelompokkan dengan cara-cara berikut:
a. Bentuk disribusi dapat berupa unimodal (satu puncak), binomal (dua puncak) atau
multimodal.
b. Untuk distribusi-distribusi unimodal, apakah simetris atau asimetris (distribusi yang
miring)? Suatu contoh yang penting dari distribusi yang simetris, distribusi unimodal,
adalah distribusi normal.
c. Untuk distibusi-disribusi asimetris, apakah distribusi miring ke kiri (positif) atau ke
kanan (negatif).

100
S
100
frekuensi
50
0
0
5
10
15
Jumlah blastospora C.albicans yang melekat pada tiap sel epitalial bukal
Gambar 3.6 efek perlakuan menggunakan klorheksidin glukonat ( 0,005% v/v) terhadap
lekatan blastospora candida abicans pada sel-sel epitelial bukal secara invitro. Lingkaran
orange mewakili pelekatan blastopora hidup setelah mendapatkan perlakuan dengan

klorheksidin glukonat; lingkaran hitam mewaliki pelekatan kontrol blastospora hidup

( diberi perlakuan dengan air terdeion) (dapat diambil dari gormon et al, 1996)
3.2.3.1 Kecondongan dan kurtoris
Dua lagi istilah penting yang digunakan untuk menjelaskan berbagai distribusi frekuensi
adalah kecondongan dan kurtoris. Kecondongan digunakan untuk mengukur derajat asimetri
suatu distribusi. Ada beberapa metode yang dapat digunakan untuk menghintung kecondongan .
metode pertama, dikenal dengan koefisien kencondongan pertama Pearson, adalah sebagai
berikut.
Kecondongan = (rerata-modus)/ simpangan baku
Karena renata dan modus sama dalam distribusi normal, koefisien kecondongan distribusi
normal sama dengan nol.
Metode lain untuk memperkirakan asimetri (kecondongan), yang menghindari penggunaan
modus, dikenal dengan istilah koefisien kecondongan kedua Pearson, dan dinyatakan sebagai
berikut .
Kecondongan = 3 (rerata-modus)/ simpangan baku
Ukuran lain dari kecondongan, meliputi koefisien momen dari kecondongan juga digunakan
dalam statik, tetapi ukuran ini lebih kompleks dn di luar cakupan dari teks ini.
Kurtosis adalah karakterisasi dari kerapatan pengamata-pengamatan yang terdapat dalam daerahdaerah berbeda dari suatu distribusi.
a. Distribusi normal terstandar adalah suatu distribusi frekuensi terdefinisi dan dijelaskan
sebagai mesokurtik.
b. Jika bentuk pucak dari kurva normal adalah datar, yaitu data telah digeser dari pusat dan
ekor ke daerah bahu kurva, distribusi ini disebut platikurtik.
c. Kurva platikurtik adalah kurva dengan daerah pusat diperpanjang dan kerapata ekor
ekor meningkat.
Kesimpulan
Dalam bab ini berbagai metode untuk penyajian grafis data ilmiah telah dijelaskan. Tipe
grafik yang dipilih pada dasarnya adalah pilihan penulis yang melakukan studi: namun , diluar
dari piihan yang dibuat, grafik harus menyajikan data secara akurat. Penjelasan yang cukup harus
terdapat pada setiap grafik untuk menjamin interpretasinya oleh ilmuwan-ilmuwan yang lain.
Selain itu, bab ini memperkenalkan konsep distribusi frekuensi dan plot-plot terkait serta
pembentukanya. Penggunaan dan interpretas distribusi frekuensi merupakan aspek statistik
terpadu dan akan dilanjuntakan dalam bab berikutnya.