Biostatistik
Metode statistik yang diterapkan pada ilmu-ilmu terkait
kesehatan, seperti kedokteran dan kesehatan
masyarakat, untuk membantu memahami tentang
karakteristik populasi, dan hubungan/ pengaruh
variabel pada populasi
Fungsi Biostatistik
Perencanaan program pelayanan kesehatan
Penyelesaian masalah kesehatan
Analisis berbagai penyakit selama periode waktu
tertentu (time series analysis)
Menentukan penyebab timbulnya penyakit baru
yang belum diketahui
Menguji manfaat obat bagi penyembuhan penyakit
(setelah hasil uji klinik dinyatakan berhasil)
Secara administratif dapat untuk memberi
penerangan tentang kesehatan kepada masyarakat
Data Statistik
Data kuantitatif
Berbentuk bilangan, Co : 45,7 kg, 7 anak Data Menurut Skala Ukur
Data kualitatif Nominal
Brbtk kategori, Co : sembuh, sakit, , gagal sifatnya hanya untuk membedakan antar
kelompok, co : jenis kelamin, jurusan di PT.
Data kuantitatif Ordinal
Data diskrit selain memiliki sifat nominal, juga
Hasil dari menghitung/membilang menunjukkan peringkat, co : tingkat
Co : Kab. A sudah membangun 85 gedung pendidikan, ranking
sekolah. Interval
Data kontinyu selain memiliki sifat data ordinal, juga memiliki
Hasil pengukuran sifat interval antar observasi dinyatakan dalam
Co : Tinggi badan si Z 167 cm. unit pengukuran yang tetap, co : nilai
Rasio
Sumber Data selain memiliki sifat data interval, skala rasio
Data intern memiliki angka 0 (nol) dan perbandingan
Data yg diambil dr sumber sendiri antara dua nilai mempunyai arti., co : suhu, BB
Data ekstern
Data yg diambil dr sumber lain sbg data Jenis Data Menurut Waktu Pengumpulannya
pembanding Cross sectional data
Data ektern primer dan sekunder data yang dikumpulkan pada waktu tertentu
yang sama atau hampir sama
Populasi dan Sampel Co : jumlah mahasiswa gizi Unida Gontor
Populasi : seluruh obyek penelitian 2015/2016
Sampel : data yg diambil dari populasi Time series data
Sampel harus representatif sgl karakteristik populasi data yang dikumpulkan selama kurun
harus tercermin dlm sampel yg diambil waktu/periode tertentu
Co : jumlah pasien DM tahun 2010 - 2016
Data dan Variabel
Data Cara Penyajian Data
1. Tabel
Tabel satu arah (one-way table)
1
Tabulasi silang (lebih dari satu arah (two-way Frekuensi yang digunakan (salah satu
table), dst.) diatas)masing-masing kelas digambarkan
Tabel Distribusi Frekuensi sebagai titik.
2. Grafik Setiap titik dihubungkan oleh garis lurus.
Batang (Bar Graph), untuk
perbandingan/pertumbuhan Diagram Area
Lingkaran (Pie Chart), untuk melihat Diagram area merupakan penyajian grafik dengan absis
perbandingan (dalam persentase/proporsi) X variabel dan ordinat Y frekuensi data dari variabel
Grafik Garis (Line Chart), untuk melihat tersebut.
pertumbuhan Diagram umur responden berat badan bayi di RS X
Grafik Peta, untuk melihat/menunjukkan lokasi dibuat dengan menampilkan tabel bantuan distribusi
frekuensi tunggal.
Prosedur Penggunaan Tabel & Grafik
Diagram Scatter
Diagram scatter (scatter diagram) merupakan
metode presentasi secara grafis untuk
menggambarkan hubungan antara dua variabel
kuantitatif.
Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan pada
sumbu vertikal.
Pola yang ditunjukkan oleh titik-titik yang ada
menggambarkan hubungan yang terjadi antar
Distribusi Frekuensi variabel.
Merupakan tabel ringkasan data yang menunjukkan
frekuensi/banyaknya item/obyek pada setiap kelas Scatter Plot
yang ada. Diagram plot titik antara umur responden (X) dengan
Tujuan: mendapatkan informasi lebih dalam tekanan Hb ibu hamil (Y). Dipakai untuk mengetahui
tentang data yang ada yang tidak dapat secara pola hubungan kedua variabel tersebut.
cepat diperoleh dengan melihat data aslinya.
Pola Hubungan pada Diagram Scatter
Distribusi Frekuensi Relatif
Merupakan fraksi atau proporsi frekuensi setiap
kelas terhadap jumlah total.
Distribusi frekuensi relatif merupakan tabel
ringkasan dari sekumpulan data yang
menggambarkan frekuensi relatif untuk masing-
masing kelas.
2
# UKURAN PEMUSATAN(CENTRAL
TENDENCY)
Tujuan analisis distribusi frekuensi mengetahui
kecenderungan memusat atau menyebarnya nilai-
nilai dalam suatu distribusi.
Analisis distribusi frekuensi hanya menggunakan 2
perangkat analisis :
Ukuran pemusatan (central tendency)
Ukuran penyebaran (dispertion)
Ukuran Pemusatan
Mean - Median - Modus
Mean
Mean atau rataan adalah jumlah seluruh data
(sum) dibagi dengan banyaknya data.
Sangat terpengaruh jika ada nilai ekstrim
= mean untuk sampel
= mean untuk populasi
N : jumlah data populasi
n : jumlah data sampel
3
Perhitungan Mean untuk Data Kelompok
Data berkelompok / bergolong : data yang telah
digolongkan dalam distribusi frekuensi.
Contoh Soal
Ada 10 balita dengan BB sebagai berikut Hitung
mean, median, modus dari data di atas.
Median
Median adalah nilai yang tepat berada di tengah- Nama BB
tengah sekelompok data setelah data kita diurutkan Ana 14,5 kg
menurut besarnya. Ani 20,3 kg
Tidak dipengaruhi nilai ekstrim Tito 13,9 kg
Tobi 16,0 kg
Perhitungan Median untuk Data Tak Berkelompok
Tio 12,9 kg
Urutkan data mulai dr yg terkecil sampai yg trbesar
Merry 19,2 kg
Md = (n + 1)
keterangan : Pampam 13,4 kg
Md = median Ita 17,7 kg
n = jumlah data Iman 14,5 kg
Median untuk data ganjil terletak di tengah Michael 18,1 kg
Median untuk data genap rerata dari 2 data yang
berada di tengah
= 157,5 cm
Modus
4
Q3 dari data TB di atas
= 162,45 cm
Desil
Skala Pengukuran
Skala pengukuran interval mean, median,
dan modus dapat digunakan.
Data sedikit mean
Data banyak dibuat data
berkelompok kmd dihitung mean,
median, modus
Skala pengukuran data berupa ordinal
median dan modus
Skala pengukuran nominal modus D4 dari data TB di atas
Range/Nilai Kisar
Perbedaan nilai yang terbesar dengan yang terkecil
Ditentukan hanya oleh 2 nilai pengamatan
Tidak tergantung pada banyaknya pengamatan
5
Sukar dipercaya karena pengaruh nilai ekstrim 165-169 5 167 9,6 48
Fluktuasinya sangat besar 170-174 3 172 14,6 43,8
Perhitungan jarak hanya menggunakan 2 nilai TOTAL 50 284,8
ekstrim dan tidak memperhatikan nilai diantaranya.
Oleh krn itu, digunakan istilah QUARTIL (Q) untuk
mengetahui nilai antara yang tdk diperhitungkan
tsb.
Skewness
Ukuran kemiringan distribusi frekuensi
Distribusi simetris Mean = Median = Modus
Range Semi Antar Kuartil (RSAQ) Distribusi tidak simetris Mean Median
Range = jarak antara 2 titik yang di ujung Modus
Semi = nilai pertengahan dari jarak tersebut
Kuartil = nilai-nilai ujungnya adalah Q1 dan Q3
Desil Range
B. Hukum Perkalian
Peristiwa bebas (independen)
Dua peristiwa dikatakan bebas bila kejadian
atau ketidakjadian suatu peristiwa tidak
mempengaruhi peristiwa lain.
Contoh : sebuah koin dilambungkan 2x maka
peluang keluarnya angka pd lemparan pertama dan pd
pelemparan kedua saling bebas
8
Permutasi Variabel acak diskret
Variabel acak yg memiliki nilai yg dpt
dicacah (countable)
Variabel acak kontinu
Variabel acak yg memiliki nilai tak
hingga banyaknya sepanjang interval yg
P = jumlah permutasi tdk terputus
n = banyaknya oburk
r = jumlah anggota pasangan Variabel diskrit
Pada permutasi urutan dipentingkan Distribusi Binomial
Distribusi Poisson
Contoh Variabel kontinu
Ada 3 cara efektif untuk pengobatan pasien DM Distribusi Normal
yaitu diet (D), obat (O), dan suntik insulin (I). Ada Distribusi t
berapa carakah dapat diobati seseorang yg
menderita DM jk kpd masing2 pasien hanya ada 2 Distribusi Binomial
macam terapi yg diberikan? Disebut juga Bernoully Law contohnya pada
Jawab : untuk pengobatan ini urutan diperlukan sebuah eksperimen yg menghasilkan 2
karena seseorang yg mendapat terapi diet dan obat peristiwa yaitu A dan bukan A
akan berbeda dg yg mendapat obat dulu baru diet P (A) = = peluang terjadinya peristiwa A. Maka
distribusi binomial ini biasanya percobaan yg
dilakukan diulang-ulang dan pada tiap
percobaan itu = P(A) tetap harganya.
Contoh :
Jadi terapi yg dpt dilakukan : DO, DI, OD, OI, ID, IO Dalam pelemparan mata uang sebanyak n kali
dengan probabilitas keluar gambar kepala
(H)=1/2 atau gambar ekor (T) =1/2 maka
probabilitas memperoleh X kali keluar H
Jika p(H) =(1/2) = probabilitas keluar gambar H
Bila probabilitas keluar gambar H=p dan
q=probabilitas keluar gambar T maka q=1-p
C = jumlah kombinasi
n = banyaknya oburk Ciri-Ciri Distribusi Binomial
r = jumlah anggota pasangan Setiap percobaan hanya memiliki 2 peristiwa
Pada permutasi urutan tidak dipentingkan (sukses-gagal)
Probabilitas suatu peristiwa adl tetap, tidak
Contoh : berubah untuk setiap perubahan
3 orang pasien digigit ular dan dibawa ke Percobaannya bersifat independen
Puskesmas. Di Puskesmas hanya tersedia 2 dosis Jumlah atau banyaknya percobaan yg merupakan
anti racun ular. Berapa kemungkinan pasangan yg komponen percobaan binomial harus tetap
akan diberikan 2 dosis obat tsb
Jawab : 2 org yg berpasangan A dan B = B dan A. Probabilitas yang mungkin terjadi
Jadi di sini urutan tdk ada artinya
# DISTRIBUSI PROBABILITAS
Kunci aplikasi probabilitas dalam statistik
adalah memperkirakan terjadinya p=probabilitas keluar H (probabilitas sukses
peluang/probabilitas yang dihubungkan dengan keluar H)
terjadinya peristiwa tersebut dalam beberapa q=probabilitas gagal keluar H
keadaan. q=1-p
Jika kita mengetahui keseluruhan probabilitas
dari kemungkinan outcome yang terjadi,
seluruh probabilitas kejadian tersebut akan = jumlah kombinasi yang mungkin
membentuk suatu distribusi probabilitas. dapat terjadi dari n kali percobaan
9
Probabilitas seorang bayi tidak diimunisasi polio adalah Ciri-Ciri Distribusi Poisson
0,2 (p). Pada suatu hari di Puskesmas "X" ada 4 orang Terjadinya event sangat jarang dalam periode
bayi. Hitunglah peluang dari bayi tersebut 2 orang pendek
belum imunisasi polio. Jadi, di dalam kejadian binomial Event yang independen
ini dikatakan b (r=2, n=4, p=0,2 q= 0,8) Probabilitas setiap periode selalu konstan
Untuk terjadinya beberapa event dalam
Katakanlah bayi tersebut A,B,C,D. Dua orang periode pendek hampir mendekati nol
tidak diimunisasi mungkin adalah A&B, A&C,
A&D, B&C, B&D, C&D. Distribusi poison sering digunakan pada
penelitian operasional untuk menentukan
probabilitas peristiwa yang jarang terjadi dalam
periode pendek.
Distribusi Poison
Distribusi ini digunakan pada n yang kecil. Oleh
karena itu sering disebut hukum nilai kecil.
Percobaan yg menghasilkan variabel random X yg
menyatakan banyaknya outcome selama interval
waktu tertentu atau dalam area atau luas
tertentu dinamakan percobaan Poisson.
Contoh:
X : banyak hari-hari sekolah tutup karena
bencana alam dalam setahun
X : banyaknya penundaan pertandingan bola Diketahui bahwa disuatu daerah terdapat 1,5%
karena hujan dalam semusim pertandingan anak balita yang menderita gizi kurang.kita
X : banyak tikus per hektar ambil sampel sebanyak 300 anak. Berapa
probabilitas untuk mendapatkan anak dengan
gizi kurang?
10
Jadi suatu distribusi merupakan distribusi
normal dengan =0 dan 2 =1 atau N(, 2)
N(0,1)
LATIHAN
1. Peluang mahasiswa merokok 0,2. Bila diambil sampel Distribusi normal digunakan sebagai patokan dalam
sebanyak 8 mahasiswa. Hitung peluang : mengambil suatu kesimpulan berdasarkan hasil
a. Tidak ada mahasiswa yang merokok sampel yang diperoleh.
b. 2 mahasiswa merokok Pengukuran sampel digunakan untuk menafsirkan
c. Kurang dari 3 mahasiswa merokok parameter populasi.
Distribusi normal sangat sesuai dengan distribusi
d. Paling banyak 3 mahasiswa merokok
empiris, sehingga dapat dikatakan bahwa semua
kejadian alami akan membentuk distribusi ini.
Karena alasan inilah sehingga distribusi ini dikenal
sebagai distribusi normal dan grafiknya dikenal
2. Diketahui peluang balita menderita gizi buruk di sebagai kurva normal atau kurva Gauss.
Depok 2 % (0,02). Bila diambil sampel 150 balita. Hitung
peluang: Kurva Gauss
a. Ada 3 balita menderita gizi buruk
b. Ada < 6 balita menderita gizi buruk
c. Ada > 4 balita menderita gizi buruk
d. Paling banyak 5 balita menderita gizi buruk.
Contoh Soal
Z=nilai dalam bentuk z-score (z value). Mengukur Dari hasil penelitian terhadap 200 orang dewasa
perbedaan antara nilai X dan dlm SD diperoleh rerata kadar glukosa darah sewaktu 145
= nilai rata-rata populasi mg% dgn SD 30 mg%. htg probabilitas mndapatkn
= SD populasi seorang dg kadar glukosa darah >165 mg%
Xi- = Z Z = 165 - 145 = 0,66
30
11
Pada tabel 0,6 dilihat pada kolom dan nilai 0,06 pada
baris (lihat lampiran tabel Z) diperoleh nilai 0,2454, nilai Distribusi t
tersebut adl luas area antara 145 s.d. 165 mg%. Maka Kurva distribusi t bentuknya agak melebar pada
P>165 mg% adl 0,5 0,2454 = 0,2546. ekor kurvanya dan bentuknya sangat
dipengaruhi oleh angka derajat kebebasannya
Hasil produksi dari pabrik bola lampu merk X (degree of freedom). Semakin besar degree of
memiliki daya tahan () sebesar 900 jam pakai dan freedom (df=n-1) maka distribusi t tersebut
standar deviasi () 50 jam. Asumsi daya tahan selanjutnya akan menjadi distribusi normal (Z)
lampu pijar memiliki distribusi normal, maka Distribusi t disebut juga distribusi student
hitunglah berapakah probabilitas lampu pijar yang
a. Daya tahan antara 875-950 jam Ciri-Ciri Distribusi t
b. <850 jam Sampel yang diuji berukuran kecil (n<30)
c. >980 jam Penentuan nilai tabel dilihat dari besarnya
d. Kurang dari 800 jam dan lebih dari 950 jam tingkat signifikan () dan besarnya derajat
a. P Antara 875-950 jam bebas (db)
x = rata-rata sampel
= rata-rata populasi
s= standar deviasi
n= jumlah sampel
12
TUGAS
1. Sebagai contoh aplikasi distribusi normal, dilakukan suatu evaluasi thd pengobatan TB
menggunakan Rifampicin dengan rata-rata kesimpulan 200 hari dan standar deviasinya sebesar 10.
Berapakah probabilitas kesembuhan antara 190 dan 210?
P = 68,26%
2. Suatu penelitian dilakuakn untuk mengetahui kadar hemoglobin (Hb) ibu hamil. Diambil sebanyak
100 ibu hamil dan diperoleh rata-rata kadar Hb 10,5 g/dl, dengan standar deviasi 5,0 g/dl.
a. Hitunglah probabilitas akan mendapatkan seorang ibu hamil dari 100 orang tersebut
memiliki kadar Hb>11,5 g/dl
b. Hitunglah probabilitas akan mendapatkan seorang ibu hamil dari 100 orang tersebut
memiliki kadar Hb serendah-rendahnya 8,5 g/dl
c. Hitunglah probabilitas akan mendapatkan seorang ibu hamil dari 100 orang tersebut
memiliki kadar Hb antara 9-13,5 g/dl
Jawab =
a) = 0,0793
P = 42,07%
b) = 0,1554
P = 65,54%
c)
P = 34,36%
13