PRAKTISI KESEHATAN
STATISTIKA UNTUK
PRAKTISI KESEHATAN
IBNU FAJAR
ISNAENI DIN
ASTUTIK PUDJIRAHAJU
ISMAN AMIN
B. RUDY SUNINDYA
AAG. ANOM ASWIN
SUGENG IWAN
STATISTIKA UNTUK PRAKTISI KESEHATAN
Oleh: Ibnu Fajar
Isnaeni Din
Astutik Pudjirahaju
Isman Amin
B. Rudy Sunindya
AAG. Anom Aswin
Sugeng Iwan
Edisi Pertama
Cetakan pertama, 2009
ISBN: 978-979-756-
1. Kesehatan I. Judul
KATA SAMBUTAN
Direktur Politeknik Kesehatan Depkes. Malang
Direktur
Poltekkes Depkes Malang
Bentuk dan format buku ini dibuat sedemikian rupa sesuai dengan
kepraktisannya sehingga mudah dibawa, dipelajari didiskusikan dan
diterapkan dalam perkuliahan dan dalam rangka penyelesaian tugas akhir
baik Proposal maupun Karya Tulis Ilmiah, Skripsi, dan lain sebagainya.
Kemudahan buku ini karena disertai contoh-contoh dalam bidang yang
viii Statistika untuk Praktisi Kesehatan
spesisfik. Isi buku ini merupakan teori praktis contoh aplikasi sesuai
bidangnya.
Penyusun
DAFTAR ISI
-oo0oo-
BAB I
PERANAN STATISTIKA
DALAM PENELITIAN
a. Penyusunan Model
Suatu penelitian pada dasarnya dimulai dari adanya per-
masalahan. Gambaran permasalahan yang akan diteliti kadang-
kadang masih belum jelas. Untuk itu masalah penelitian perlu
dirancang dengan baik dan jelas, agar mempermudah dalam penen-
tuan populasi, penarikan sampel, pengumpulan data, pengolahan &
analisis sampai pada penarikan kesimpulan.
b. Perumusan Hipotesis
Perumusan hipotesis secara umum ada 2 yaitu untuk uji
perbedaan dan uji hubungan. Pada dasarnya merupakan turunan
dari model matematik. Maka dipertimbangkan pengambilan keputus-
an (penolakan/penerimaan) hipotesis tersebut didasarkan pada teori
probabilitas yang merupakan dasar dari metode statistika.
-oo0oo-
BAB II
DATA PENELITIAN
Baik pada sensus ataupun survey banyak cara yang dapat di-
tempuh untuk mengumpulkan data yaitu:
1. Mengadakan penelitian langsung ke lapangan/laboratorium
2. Dengan mewawancarai/mengukur/mengamati obyek secara lang-
sung, sehingga mendapatkan data primer.
3. Mengumpulkan data dari sebagian atau seluruhnya data yang telah
dicatat atau dikumpulkan oleh orang lain atau Lembaga lain,
sehingga kita mendapatkan data sekunder.
Jenis Data
a. Menurut Skala pengukuran data:
• Skala Nominal
Disebut juga skala klasifikasi merupakan skala data yang
paling rendah tingkatannya, di mana angka digunakan hanya untuk
mengklasifikasikan (penggolongan) obyek. Sifat yang dimiliki hanya
sifat membedakan antara variasi obyek tersebut. Sebagai contoh
skala nominal adalah: nama kota, jenis kelamin, suku bangsa, dan
lain-lain.
• Skala Ordinal
Merupakan skala data yang lebih tinggi tingkatannya dari
skala nominal. Sifat skala data ini tidak hanya membedakan tetapi
juga antara variasi ada tingkatan misalnya dari rendah, sedang
sampai tinggi. Sebagai contoh skala ordinal adalah tingkat pen-
didikan, tingkat sosial ekonomi (pendapatan), dan lain-lain.
Data Penelitian 9
• Skala Interval
Merupakan skala data yang tidak hanya mempunyai sifat
membedakan dan tingkatan saja, tetapi juga mempunyai sifat
adanya jarak (interval) antara tingkatan obyek yang satu dengan
yang lain. Unit pengukuran dan titik nol dari skala interval ini adalah
arbitrer, oleh karena itu ukuran ini tidak memberikan informasi
tentang jumlah absolut atribut yang dimiliki suatu obyek (tidak
mempunyai nol mutlak). Sebagai contoh skala interval adalah
temperatur/suhu
• Skala Rasio
Merupakan skala data yang tidak hanya mempunyai sifat
membedakan, tingkatan dan jarak (interval) saja, tetapi juga
mempunyai sifat adanya jumlah absolut atribut yang dimiliki obyek
tersebut. Informasi tentang jumlah absolut tersebut diperoleh
karena pengukurannya dilakukan dari titik nol sejati. Dengan kata
lain skala rasio mempunyai nol mutlak). Sebagai contoh skala rasio
adalah Berat badan, tinggi badan, Kadar glukosa darah.
Skala Pengukuran
Sifat
Nominal Ordinal Interval Rasio
Membedakan Ada Ada Ada Ada
Tingkatan Tdk Ada Ada Ada Ada
Interval /Jarak
Tdk Ada Tdk Ada Ada Ada
yang Sama
Adanya Nol Mutlak
Tdk Ada Tdk Ada Tdk Ada Ada
/Kelipatan
b. Menurut Sifatnya:
• Data Kuantitatif adalah data yang dinyatakan dalam bentuk angka
(jumlah) dan dapat diukur besar kecilnya, Contoh: Tinggi badan,
Berat badan, tahan hidup lampu neon, dan lain-lain.
10 Statistika untuk Praktisi Kesehatan
X1
X2
Construct
X3
X4
Sumber: Louise H. Kidder & Charles B. Judd. 1986. Research Methods In Social Relations
5th edition. New York; Holt, Rinehart and Winston.
Secara Internal
1. Spearman Brown (Split Half)
2. Kuder Richardson (Kr 20)
3. Kr 21
4. Analisis Varians Hoyt (Anova Hoyt)
5. Alfa Cronbach
No. soal
total
Res 1 2 3 4 5 6 7 8 9 10
1. 1 3 2 1 3 2 3 1 3 3
2. 3 4 5 3 4 5 4 3 4 4
3. 2 3 2 2 3 2 3 2 3 3
4. 4 2 5 4 2 5 3 4 4 2
5. 3 3 3 3 3 3 2 3 3 3
6. 2 5 2 2 5 2 2 2 3 5
7. 5 4 5 5 4 5 4 5 5 4
8. 4 3 4 4 3 4 3 4 4 3
9. 3 2 3 3 2 3 3 3 4 2
10. 3 2 4 3 2 4 3 3 4 2
11. 4 5 3 4 5 3 3 4 3 5
12. 3 4 2 3 4 2 2 3 3 4
13. 2 3 2 2 3 2 2 2 3 3
14. 1 2 2 1 2 2 1 1 2 2
15. 2 2 1 2 2 1 1 2 1 2
Keterangan:
Untuk mengertahui apakah kuesdioner yang kita pakai sudah valid atau
tidak, maka setiap item ssoal dikrelasikan dengan totalnya, dengan
menggunakan rumus sebagai berikut:
Data Penelitian 15
nΣX.Y − ΣX.ΣY
r=
{nΣX − (ΣX) 2 }{nΣY 2 − (ΣY ) 2 }
2
nΣX .Y − ΣX .ΣY
r =
2
{nΣX − (ΣX ) 2 }{nΣY 2
− ( ΣY ) 2 }
15 . 1366 − 42 . 445
r =
{15.(136) − (42)2 }.{15.(14201) − (445) 2 }
r = 0,73
df Tingkat
signifikansi
5% 1%
1 0,997 0,999
13 0,514 0,641
15 0,482 0,606
n Tingkat signifikansi
5% 1%
3 0,997 0,999
15 0,514 0,641
17 0,482 0,606
Data Penelitian 17
5. Apabila nilai r hitung > r tabel maka soal no. 1 valid, sedangkan bila
r hitung < r tabel maka soal no 1 tidak valid (harus diganti).
⎛ k ⎞⎛⎜ Σs 2i ⎞
⎟
α =⎜ ⎟ 1− 2
⎝ k − 1 ⎠⎜⎝ s i ⎟
⎠
Di mana:
-oo0oo-
18 Statistika untuk Praktisi Kesehatan
BAB III
TEKNIK PENGUMPULAN DATA
Alat ukur yang memiliki Validitas baik sedang reliabilitas kurang baik
Alat ukur yang memiliki Validitas tidak baik sedang reliabilitas baik
Alat ukur yang memiliki Validitas tidak baik dan reliabilitas tidak baik
22 Statistika untuk Praktisi Kesehatan
1. Pengamatan (Observasi)
Suatu perbuatan jiwa yang aktif dan penuh perhatian untuk
menyadari adanya rangsangan atau gejala nyata. Pada pengumpulan
data dengan teknik observasi/pengamatan ini alat bantu yang digunakan
adalah: Daftar Cek, alat pemotret, alat perekam dan alat mekanik lain.
2. Wawancara
Suatu teknik pengumpulan data dimana peneliti mendapatkan
keterangan dari responden secara lisan melalui bercaka-cakap dengan
berhadapan muka dengan responden. Dalam pelaksanaan wawancara
pada umumnya dibantu dengan alat bantu kuesioner walaupun ada juga
yang tanpa menggunakan alat bantu.
Wawancara terstruktur:
• Pertanyaan tersusun rapi.
• Pewawancara tidak pengalaman dan paham.
3. Angket
Merupakan teknik pengumpulan data melalui Formulir yang berisi
pertanyaan dan diajukan secara tertulis pada sekumpulan orang untuk
mendapatkan keterangan tentang masalah yang akan ditelitinya.
24 Statistika untuk Praktisi Kesehatan
Contoh:
1. Berapa jumlah anak Saudara:
a. tidak punya
b. 1 – 2 orang
c. 2 orang
4. Pengukuran
Teknik pengumpulan data dimana peneliti melakukan pengukuran
(mengukur) orang/obyek mengenai sesuatu hal dengan mempergunakan
Alat Ukur kemudian dicatat.
-oo0oo-
26 Statistika untuk Praktisi Kesehatan
BAB IV
TEKNIK PENGOLAHAN DATA
1. Editing
Merupakan kegiatan memeriksa kembali kuesioner (daftar per-
tanyaan) yang telah diisi pada saat pengumpulan data. Kegiatan-kegiatan
yang dapat dilakukan meliputi:
a. Memeriksa apakah semua jawaban responden dapat dibaca
b. Memeriksa apakah semua pertanyaan yang diajukan kepada
responden telah dijawab.
c. Memeriksa apakah hasil isian yang diperoleh sesuai dengan tujuan
yang ingin dicapai oleh peneliti.
d. Memeriksa apakah masih ada kesalahan-kesalahan lain yang
terdapat pada kuesioner.
28 Statistika untuk Praktisi Kesehatan
2. Coding
Merupakan kegiatan merubah data ke dalam bentuk yang lebih
ringkas dengan menggunakan kode-kode tertentu. Sebagai salah satu
contohnya adalah:
Variabel Tingkat Pendidikan : ……………kode: A
Sekolah Dasar : .…....1
Sekolah Menengah Pertama : ……..2
Sekolah Menengah Umum : ……..3
Dengan demikian apabila kita memiliki Responden dengan Pendidikan
Sekolah Menengah Umum, maka kita tidak perlu menuliskan keseluruhan
tetapi cukup dengan kode A3.
3. Pemasukan data
Setelah data diedit dan dilakukan pemberian kode (coding)
langkah selanjutnya adalah pemasukan data. Apabila kita menggunakan
komputer untuk pengolahan data, maka kita cukup membuat file dan
memasukkan satu persatu ke dalam file data komputer sesuai dengan
paket program Statistik komputer yang digunakan. Software program
statistik yang sering digunakan antara lain: SPSS, Microstat, EpiInfo,
Systat, Minitab, SAS, atau program Excell, Lotus dan lain lain.
4. Tabulasi Data
Adalah proses pengolahan data yang bertujuan untuk membuat
tabel-tabel yang dapat memberikan gambaran statistik.
Kelemahan:
• Bila Sampel & Pertanyaan Æ
Maka Baris & kolom
• Kesalahan membaca
b. Kartu Tabulasi
• Buat Kartu Tabulasi
• Menggolongkan/mengelompokkan Kartu menurut Kategori Æ
Menghitung jumlah Kartu sesuai kategori.
c. Komputer
• Lebih cepat dan tepat
• Paket program:
SPSS, Excell, SAS, MYSTAT, SYSTAT, Epi Info, dan lain-lain
• Bisa Langsung analisis diskriptif & inferensial (Uji Statistik)
No Nama Variabel/Pertanyaan
Ket
Kode Responden 1 2 3 4 . .
1
2
.
.
.
100
∑= ∑= ∑= ∑=
∑ => jumlahkan masing-masing jawaban
30 Statistika untuk Praktisi Kesehatan
Contoh:
Kode 0 = 2
Kode 1 = 12
Kode 2 = 26
Kode 3 = 60
-------------------- +
100ds.
Contoh:
Analisis Kolom
Analisis Baris
JENIS Efektifitas
KONTRASEPSI Baik Sedang Gagal
A 60 % 41,67 % 25 %
B 40 % 58,33 % 75 %
JUMLAH 100 % 100 % 100 %
-oo0oo-
32 Statistika untuk Praktisi Kesehatan
BAB V
TEKNIK PENYAJIAN DATA
Contoh:
Pengumpulan data yang dilakukan di Rumah Bersalin A di Kota
Malang Tahun 2000 menunjukkan bahwa dari 80 Ibu hamil yang
berkunjung ke Rumah Bersalin A di Kota Malang 48% berasal dari Kota
34 Statistika untuk Praktisi Kesehatan
Pasuruan, 34% berasal dari Kota Blitar dan sisanya sebesar 18% berasal
dari Kota Malang.
JUDUL TABEL
Judul Kolom
Judul Baris Sel-sel Sel-sel Sel-sel
Sel-sel Sel-sel Sel-sel
Sel-sel Sel-sel Sel-sel
Sumber: .....................................
Keterangan Tabel:
Jumlah
Contoh:
Diketahui nilai ujian akhir Statistika di Jurusan Gizi – Politeknik
Kesehatan Depkes Malang Tahun 2008 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
( 60 + 5 ) = 65 - 1 = 64
( 65 + 5 ) = 70 - 1 = 69
( 70 + 5 ) = 75 - 1 = 74
( 75 + 5 ) = 80 - 1 = 79
( 80 + 5 ) = 85 - 1 = 84
( 85 + 5 ) = 90 - 1 = 89
( 90 + 5 ) = 95 - 1 = 94
6. Buat tabel sementara (tabulasi data) dengan cara dihitung satu demi
satu yang sesuai dengan urutan interval kelas.
Jumlah Mahasiswa
Nilai Ujian Statistika n (%)
60 – 64 2 2,857
65 – 69 6 2,571
70 – 74 15 21,429
75 – 79 20 28,571
80 – 84 16 22,857
85 – 89 7 10,000
90 – 94 4 5,714
Jumlah 70 100,00
Teknik Penyajian Data 39
Contoh:
Suatu penelitian dilakukan untuk mempelajari hubungan antara
Tingkat Konsumsi Zat Besi (Fe) dengan Status Anemia Ibu Hamil. Tabel
silang dari kedua variabel tersebut dapat disajikan menggunakan
persentase pada total baris (Tabel 5) atau menggunakan persentase
pada total kolom (Tabel 6).
Status Anemia
Tingkat Konsumsi
Tidak Anemia Anemia
Zat Besi
n % n %
Di Atas RDA 1 5,88 0 0
Normal 4 23,53 2 8,69
Defisit Tingkat Ringan 7 41,18 4 17,39
Defisit Tingkat Sedang 4 23,53 6 26,09
Defisit Tingkat Berat 1 5,88 11 47,83
Jumlah 17 100,00 23 100,00
Status Anemia
Tingkat Konsumsi Jumlah
Tidak Anemia Anemia
Zat Besi
n % n % n %
Di Atas RDA 1 100,00 0 0 1 100,00
Normal 4 66,67 2 33,33 6 100,00
Defisit Tingkat 7 63,64 4 36,36 11 100,00
Ringan
Defisit Tingkat 4 40,00 6 60,00 10 100,00
Sedang
Defisit Tingkat Berat 1 8,33 11 91,67 12 100,00
1. Histogram
Histogram adalah grafik yang menggambarkan suatu distribusi
frekuensi dengan bentuk beberapa segi empat. Langkah-langkah mem-
buat histogram:
1. Buatlah absis dan ordinat
Absis adalah sumbu mendatar (X) menyatakan nilai Ordinat adalah
sumbu tegak (Y) menyatakan frekuensi
42 Statistika untuk Praktisi Kesehatan
60 – 0,5 = 59,5
(64 + 65) x ½ = 64,5
(69 + 70) x ½ = 69,5
(74 + 75) x ½ = 74,5
(79 + 80) x ½ = 79,5
(84 + 85) x ½ = 84,5
(89 + 90) x ½ = 89,5
(94 + 95) x ½ = 95,5
59,5
60 – 64 64,5 2
65 – 69 69,5 6
70 – 74 74,5 15
75 – 79 79,5 20
80 – 84 84,5 16
85 – 89 89,5 7
90 – 94 95,5 4
Jumlah 70
Teknik Penyajian Data 43
25
20
Frekuensi
15
10
0
Nilai statistik
2. Poligon Frekuensi
Poligon frekuensi adalah grafik garis yang menghubungkan nilai
tengah tiap sisi atas yang berdekatan dengan nilai tengah jarak frekuensi
mutlak masing-masing. Pada dasarnya pembuatan grafik poligon sama
dengan histogram, hanya cara membuat batas-batasnya yang berbeda.
Perbedaan antara histogram dan poligon adalah: (1) Histogram meng-
gunakan batas kelas sedangkan poligon menggunakan titik tengah, dan
(2) Grafik histogram berwujud segi empat sedang grafik poligon ber-
wujud garis-garis atau kurva yang saling berhubungan satu dengan yang
lainnya.
(60 + 64) x ½ = 62
(65 + 69) x ½ = 67
44 Statistika untuk Praktisi Kesehatan
(70 + 74) x ½ = 72
(75 + 79) x ½ = 77
(80 + 84) x ½ = 82
(85 + 89) x ½ = 87
(90 + 94) x ½ = 92
3. Ogive
Ogive adalah distribusi frekuensi kumulatif yang menggambarkan
diagramnya dalam sumbu tegak dan mendatar atau eksponensial. Pada
dasarnya pembuatan grafik ogive tidak jauh berbeda dengan pembuatan
grafik poligon. Perbedaannya, (1) Ogive menggunakan batas kelas (batas
nyata) sedangkan poligon menggunakan titik tengah, (2) pada grafik
ogive menggambarkan distribusi frekuensi kumulatif kurang dari dan
distribusi frekuensi kumulatif atau lebih, serta distribusi frekuensi
kumulatif secara meningkat dengan menggunakan batas kelas (batas
nyata), sedangkan poligon mencantumkan nilai frekuensi tiap-tiap
variabel. Persamaannya, antara ogive dan poligon terletak pada gambar
Teknik Penyajian Data 45
25
20
Frekuensi
15
10
0
57 62 67 72 77 82 87 92 98
Nilai Statistik
1. Grafik Ogive diambil dari tabel distribusi kumulatif kurang dari dan
distribusi frekuensi kumulatif atau lebih, sebagai berikut:
46 Statistika untuk Praktisi Kesehatan
TABEL 9 TABEL 10
DISTRIBUSI KUMULATIF (KURANG DISTRIBUSI KUMULATIF (ATAU
DARI) LEBIH)
Nilai Ujian Akhir Statistika Nilai Ujian Akhir Statistika
Mahasiswa Jurusan Gizi – Politeknik Mahasiswa Jurusan Gizi – Politeknik
Kesehatan Depkes Malang Tahun Kesehatan Depkes Malang Tahun
2008 2008
Nilai fkum Nilai fkum
Kurang dari 60 0 60 Atau Lebih 70
Kurang dari 65 2 65 Atau Lebih 68
Kurang dari 70 8 70 Atau Lebih 62
Kurang dari 75 23 75 Atau Lebih 47
Kurang dari 80 43 80 Atau Lebih 27
Kurang dari 85 59 85 Atau Lebih 11
Kurang dari 90 66 90 Atau Lebih 4
Kurang dari 95 70 95 Atau Lebih 0
80
70
60
Frekuensi
50
40
30
20
10
0
60 65 70 75 80 85 90 95
Nilai Statistik
80
60
Frekuensi
40
20
0
59.5 64.5 69.5 74.5 79.5 84.5 89.5 94.5
Nilai Statistik
Jumlah
No. Tingkat Pendidikan Responden
n %
1 SD 58 19.86
2 SMP 76 26.03
3 SMA 123 42.12
4 PERGURUAN TINGGI 35 11.99
Total 292 100
b. Lakukan blocking pada data sel yang diinginkan (misal pada pada
sel SD sampai dengan 35) pada file excell.
c. Klik pada insert, chart, pilih jenis grafik yang diinginkan.
d. Klik next, pilih Column. Klik next, pilih Title ada beberapa pilihan:
• Chart Title untuk memberi judul grafik Æ ketik Distribusi
Tingkat Pendidikan Responden.
• Ketik pada (X) axis (keterangan sumbu X) Æ Tingkat
Pendidikan.
• Ketik pada (Y) axis (keterangan sumbu Y) Æ Jumlah.
140
123
120
100
76
80
Jumlah 58
(orang) 60
35
40
20
0
SD SMP SMA PERGURUAN
TINGGI
Tingkat Pendidikan
56
60
50 42.8 42.8
(Millions)
35.3 32.7
40 34.8 32.8
30.4
30.7 27.4
30 26.4
16.7
20 9.8 13.8
4
10 3.4
0
Af. Am. E.Med. Eu. S.E. As W
Negara
2.5
2
Tingkat Inflasi (%)
1.5
0.5
0
Ja. Feb. Mar. April Mei Jun Jul Augs Sep Okt Nov Des
Bulan
3. Diagram Lambang
Diagram lambang atau dikenal dengan diagram simbol adalah
suatu diagram yang menggambarkan simbol-simbol dari data sebagai
alat visual untuk orang awam. Misal, data angkatan kerja digambarkan
orang, hutan produksi digambarkan pohon, data listrik digambarkan bola
lampu, kayu digambarkan batangan, dan lain-lain.
data, maka pada pie chart, frekuensi data dinyatakan dalam besar irisan
yang ada pada diagram. Pie chart sebenarnya mirip dengan histogram.
IUD
Suntik 27.00%
11.80%
Kondom Lain-lain
4.40% 2.90%
Pil
53.90%
IUD
Suntik 27%
12%
Kondom Lain-lain
4% 3%
Pil
54%
5. Diagram Pencar
Diagram pencar atau disebut juga diagram titik (diagram sebaran)
adalah diagram yang menunjukkan gugusan titik-titik setelah garis
54 Statistika untuk Praktisi Kesehatan
Y
..........
..........
..........
..........
..........
..........
X
Hubungan Linier Positif (r = +1)
Y
..........
..........
..........
..........
..........
..........
X
Hubungan Linier Negatif (r = -1)
..........
........... ..........
.......... .......... ..........
.......... .......... ..........
.......... .......... ..........
.......... ..........
..........
X
-oo0oo-
56 Statistika untuk Praktisi Kesehatan
BAB VI
TEKNIK SAMPLING
• Keuntungan:
− Estimator yang tdk bias.
− Pelaksanaan mudah
58 Statistika untuk Praktisi Kesehatan
• Kelemahan:
− Sampel mengumpul di satu tempat atau menyebar.
− Kesulitan membuat Sample Frame
• Kelemahan:
− Sulit diperoleh cluster dengan heterogenitas yang benar-
benar sama, sehingga estimator dari sampel ini bias.
− untuk generalisasi kurang baik
2. Purposive Sampling
• Didasarkan pada pertimbangan/kriteria peneliti sesuai maksud
dan tujuan.
• Cara ini cocok untuk studi kasus.
Contoh Penelitian tentang disiplin kerja bidan di suatu Rumah
Sakit, maka dicari bidan dengan kriteria tertentu.
3. Quota Sampling
• Didasarkan pada teknik pemilihan sampel dengan ciri-ciri
tertentu sampai pada jumlah tertentu yang diinginkan (kuota)
60 Statistika untuk Praktisi Kesehatan
Contoh:
Sampel diambil dengan pertimbangan peneliti sebanyak 30
orang, karena dianggap cukup
4. Sampling Jenuh
• Adalah Sensus artinya seluruh Populasi diteliti.
• Teknik ini dilakukan karena jumlah populasi sedikit yakni
kurang dari 30
5. Snowball Sampling
• Teknik ini merupakan teknis sampling yang mula-mula kecil,
kemudian sampel yang terpilih disuruh mencari lagi sampel lain.
Zα 2 .ρ .q
n = (Populasi infinit)
d2
N .Zα 2 .ρ.q
n = (Populasi Finit)
d 2 (N − 1) + Zα 2 .ρ.q
Teknik Sampling 61
Keterangan:
N = Besar Populasi.
P = estimator proporsi populasi.
Q = 1 – p.
Zα = harga kurva normal sesuai α (tingkat kepercayaan).
d = beda antara proporsi di sampel dengan di populasi.
N = besar sampel.
Contoh
Di suatu propinsi diketahui prevalensi Anemia pada Ibu hamil 60 %.
Suatu Penelitian ingin dilakukan di kecamatan tersebut, berapa
besarnya sampel yang harus diambil bila diinginkan perbedaan
proporsi di populasi dengan di sampel tidak lebih dari 5 %
Jawab
Diketahui:
Jawaban
Diketahui:
Z α = 1,96 d = 0,05
62 Statistika untuk Praktisi Kesehatan
= 217,76 balita
Contoh
Dari 5000 keluarga transmigrasi ingin dilakukan penelitian tentang
perilaku di bidang kesehatan masyarakat. Berapa sampel yang
diperlukan bila kesalahan hasil sampel tidak melebihi 5 % dari
populasinya, pada tingkat kepercayaan 95 %
Jawab
Misalkan perubahan tingkah laku di bidang kesehatan setelah
keluarga yg ditransmigrasikan ke pemukiman yang baru mengalami
perubahan sebesar 50 %, maka
Zα 2 .σ 2
n = (Populasi Infinit)
dx 2
N .Zα 2 .σ 2
n= (Populasi Finit)
dx 2 (N − 1) + Zα 2 .σ 2
Keterangan:
N = Besar Populasi
σ = standard deviasi Æ σ 2 = varians.
Zα = harga kurva normal sesuai α (tingkat kepercayaan).
Teknik Sampling 63
Contoh Soal:
Untuk mengetahui manfaat OAD (Obat Anti Diabetic) tertentu
terhadap penurunan kadar gula darah. Andaikata σ 2 penurunan gula
darah tidak diketahui namun kepustakaan menyatakan bahwa penurunan
tsb mempunyai rentang 100 mg % dan yang kita menghendaki d = 10
mg %, berapa sampel yang diperlukan ?
Jawab
σ = Rentangan /4 = 100 mg % /4 = 25 mg %
σ 2 = (25)2 mg % = 625 mg %
α = 0,05 Z α = 1,96.
Zα 2 .σ 2 (1,96) 2 x625
n= = = 24 orang.
dx 2 (10) 2
• Selama 6 bulan penderita DM yang memenuhi syarat 100 (n), maka
dipilih 24 dari 100 secara random.
• Kemudian kita pilih random sistematik dengan interval pengambilan
100/24 = 5.
• Misal random pertama jatuh pada nomor 7, maka nomor sampel
berikutnya adalah,7+5=12, 12+5=17, dst.
Contoh soal
Mengetahui perbedaan serum creatinin pada penderita ginjal
menahun dengan orang normal. Andaikata kita tidak mengetahui
besarnya σ 2 namun kepustakaan ada rentangan 0,15 mg %. Selanjut-
nya digunakan α = 0,05 dan d = 0,01 mg %, berapa besar n ?
64 Statistika untuk Praktisi Kesehatan
Jawaban
σ = Rentangan /4 = 0,15 mg % /4 = 0,0375 mg %.
σ 2 = (0,0375)2 = 0,00141
α = 0,05 Z α = 1,96.
Zα 2 .σ 2 (1,96) 2 x0,00141
n= = = 108,33 = 108 orang.
dx 2 (0,01) 2
2. Rumus Besar sampel untuk uji hipotesis
2
⎛ (Zα + Zβ )S ⎞
n = 2⎜⎜ ⎟
⎟ (Data kontinyu)
⎝ x1 − x 2 ⎠
Contoh:
Seorang mahasiswi kebidanan Poltekkes Malang Progsus
Pelayanan ingin meneliti tentang perbedaan kejadian diare antara bayi
yang lahir normal dengan yang lahir sectio caesaria.
Jawab:
Diketahui
P1 =
Proporsi diare pada kelompok sectio caesaria = 0,7
Q1 =
1–P1: proporsi tidak diare pada kelompok Sectio Caesaria
=
0,3
P2 =
Proporsi diare pada kelompok persalinan normal = 0,2
Q2 =
1–P2: proporsi tidak diare pada kelompok persalinan
normal = 0,8
P1-P2 = Selisih proporsional minimal yang dianggap bermakna =
0,5
P + P2 0,7 + 0,2
P = Proporsi total = 1 = = 0,45
2 2
Q = 0,55
3,55
n1 = n 2 = = 15 responden.
0,25
Contoh:
Seorang peneliti ingin mengetahui perbedaan kadar Placenta
Growth Factor (PGF) antara ibu hamil normal dengan ibu hamil yang
mengalami pre eklampsia. Dari studi pendahuluan diketahui bahwa
simpang baku gabungan adalah sebesar 40.
66 Statistika untuk Praktisi Kesehatan
Jawab:
a. Menentukan rumus besar sampel.
Penelitian diatas adalah penelitian analitik numerik tidak
berpasangan. Dengan demikian, rumus besar sampel yang dipilih
adalah:
2
⎛ (Zα + Zβ )S ⎞
n1 = n 2 = 2⎜⎜ ⎟
⎟
⎝ x1 − x 2 ⎠
b. Menghitung besar sampel.
Kesalahan tipe I = 5%, hipotesis satu arah, Z α =1,64, kesalahan
tipe II = 10%, maka Z β =1,28. selisish minimal yang dianggap
bermakna ( x1 − x 2 ) = 20; simpang baku gabungan = 40.
2 2
⎛ (Zα + Zβ )S ⎞ ⎛ (1,64 + 1,28)x 40 ⎞
n1 = n 2 = 2⎜⎜ ⎟ = 2⎜
⎟ ⎟ = 69.
⎝ x1 − x 2 ⎠ ⎝ 20 ⎠
-oo0oo-
BAB VII
ESTIMASI (PENAKSIRAN)
s N −n
X ± Zα x Æ n ≥ 30
n N
s N −n
X ± t (α ,dk =n −1) x Æ n<30
n N
Estimasi (Penaksiran) 69
s
X ± Zα x Æ n ≥ 30
n
s
X ± t (α ,dk =n −1) x Æ n<30
n
Keterangan:
p (1 − p ) N − n
p ± Zαx Æ n ≥ 30
N N
p (1 − p ) N − n
p ± t (α ,dk =n −1) x Æ n<30
N N
Contoh soal:
Dari 3750 orang diambil sampel sebanyak 25 orang dan rata-2
tinggi badan 168 cm, simpangan baku = 4,5 cm. Berapa perkiraan rata-
rata tinggi badan di populasi bilamana kita inginkan besarnya konfidende
limits sebesar 95 %.
Jawab:
s N −n
X ± t (α = 0,025,dk = 24) x
n N
4 ,5 3750 − 25
168 ± 2.064 x
25 3750
70 Statistika untuk Praktisi Kesehatan
Contoh:
Diketahui dari 400 sampel bayi lahir cukup umur di suatu propinsi,
rata-rata berat badan lahir = 3250 gram dengan simpangan baku s =
250 gram. Populasi bayi tidak diketahui. Berapa perkiraan rata-rata berat
badan populasi bila confidence interval 95 %.
Jawab:
s
X ± Zα x
n
2500
3250 ± 1,96 x
400
Jadi perkiraan rata-rata berat badan lahir bayi populasi terletak pada
3225,5 – 3274,5 gram pada confidence interval 95%.
-oo0oo-
BAB VIII
TEKNIK ANALISIS DATA
1. Penataan
Untuk penyajian data dalam bentuk tabel dapat dilakukan dengan
tabel distribusi frekuensi yang hanya melibatkan satu variabel dan tabel
silang dengan 2 atau lebih variabel.
Efektifitas
Jenis Kontrasepsi Jumlah
Baik Sedang Gagal
A 18 5 2 25
B 12 7 6 25
Jumlah 30 12 8 50
Analisis Kolom
Efektifitas
Jenis Kontrasepsi Jumlah
Baik Sedang Gagal
18 5 2 25
A
(72%) (20 %) (8 %) (100%)
12 7 6 25
B
(48 %) (28 %) (24 %) (100%)
Teknik Analisis Data 73
Analisis Baris
Efektifitas
Jenis Kontrasepsi
Baik Sedang Gagal
18 5 2
A
(60%) (41,67 %) (25 %)
12 7 6
B
(40 %) (58,33%) (75 %)
30 12 8
Jumlah
(100 %) (100%) (100%)
2. Peringkasan
a. Ukuran Nilai Tengah
1. Mean
2. Median
3. Modus
b. Ukuran Penyebaran
1. Banyak Data
2. Rentang
3. Standard Deviasi – Varians
4. Koefisien Variasi
74 Statistika untuk Praktisi Kesehatan
c. Penggambaran
1. Grafik Titik
2. Grafik Garis
3. Diagram Batang (Bar Diagram)
4. Diagram Lingkaran (Pie Diagram)
5. Histogram
6. Piktogram
7. Ogive
8. Poligon Frekuensi, dan lain-lain
Peringkasan
Skala Data Penataan Penggambaran
Ukuran Ukuran
Tengah Penyebaran
Disparitas Grafik Batang
Nominal Tabel Modus frekuensi Grafik Peta
masing2 katagori Grafik Pie
Grafik Batang
Modus
Ordinal Tabel Rentang Grafik Peta
Median
Grafik Pie
Histogram
Rentang
Modus Poligon
Interval Varians
Tabel Median Ogive
/Rasio Std.Deviasi
Mean Grafik Garis
Dll
Scatter
Keadaan Sebenarnya
Kesimpulan
Benar Salah
Tdk Membuat Kesalahan Tipe Ii
Terima Ho
Kesalahan (β)
Kesalahan Tipe Ii Tdk Membuat
Tolak Ho
(α) Kesalahan
Pengertian α Dan β
• α adalah besarnya peluang menolak Ho pada sampel, padahal
dalam populasi Ho benar α = 0,05 (signifikansi atau tingkat
kepercayaan) artinya setiap 100 kali menolak Ho ada 5 kali menolak
Ho yang benar
• β adalah besarnya peluang menerima Ho yang salah β = 0,2 Î 1- β
= power uji artinya penelitian ini mempunyai kekuatan 80 % untuk
mendeteksi perbedaan itu, jika perbedaan di populasi memang ada.
1. Tujuan Uji
Dalam uji hipotesis pada dasarnya ada 2 tujuan yang ingin dicapai
yaitu Uji perbandingan (perbedaan) dan Uji hubungan (korelasi).
Walaupun demikian ada yang menyebutkan uji hubungan berbeda
dengan uji pengaruh. Penulis lebih cenderung memasukkan uji
pengaruh mengelompokkan ke dalam uji hubungan (korelasi). Oleh
karena itu untuk pemilihan uji kita hanya menentukan apakah
termasuk Uji beda ataukah uji hubungan (korelasi).
2. Jenis data
a. Menurut Skala pengukuran data:
• Skala Nominal
• Skala Ordinal
• Skala Interval
• Skala Rasio
b. Menurut Sifatnya:
• Data Kuantitatif
• Data Kualitatif Dan
• Data Semi Kuantitatif
ada juga 2 sampel yang saling bebas. Untuk kedua kasus tersebut
statistik ujinya berbeda.
4. Jumlah sampel
Jumlah sampel harus dibedakan dengan besar sampel. Jumlah
sampel lebih mengarah pada kelompok yang ada pada sampel yang
menjadi sasaran penelitian, sedangkan besar sampel lebih mengarah
pada banyaknya elemen atau anggota pada sampel tersebut.
Variabel
Statistik uji
Independen Dependen
Chi Square
Nominal Nominal
(Exact Fisher)
Nominal Uji T Independen,
Numerik
(Dikotom) Berpasangan
Nominal
Numerik Anova
(> 2 Nilai)
Numerik Numerik Regresi/Korelasi
78 Statistika untuk Praktisi Kesehatan
Variabel
Statistik uji
Independen Dependen
Chi Square
Nominal Nominal
(Exact Fisher)
Uji T Independen,
Nominal (Dikotom) Numerik
Berpasangan
Nominal
Numerik Anova
(> 2 Nilai)
Numerik Numerik Regresi/Korelasi
-oo0oo-
BAB IX
UJI CHI KUADRAT (χ²)
U
ji ini digunakan untuk menguji perbedaan frekuensi antara dua
kelompok independen. Skala pengukuran data minimal ber-
skala nominal. Secara umum uji tentang perbedaan ini sama
artinya dengan uji hubungan antara dua buah variabel yang berskala
nominal atau ordinal yang dapat dihitung frekuensinya. Hubungan
tersebut dapat kita jelaskan dengan contoh sebagai berikut:
( Oij - Eij )²
χ² = ∑
Eij
Keterangan:
Oij = Jumlah observasi pada kasus-kasus yang dikategorikan
dalam baris ke-1 dalam kolom ke-j
Eij = Jumlah kasus yang diharapkan yang dikategorikan dalam
baris ke-1 dalam kolom ke-j.
Untuk uji chi kuadrat dengan derajad kebebasan lebih besar dari 1
(table dengan baris lebih dari 2 dan atau kolom lebih dari 2) maka uji ini
dapat dilakukan jika:
a. Jumlah sel dengan frekuensi yang diharapkan kurang dari 5 tidak
boleh lebih dari 20 % dari jumlah seluruhnya, dan atau
b. Tidak satu sel pun boleh memiliki frekuensi yang diharapkan kurang
dari 1.
Selanjutnya
1. Kalau persyaratan itu tidak terpenuhi dengan data yang ada, maka
peneliti harus menggabungkan kategori-kategori yang berdekatan,
sehingga meningkatkan harga-harga Eij dalam berbagai sel.
Kemudian hasil penggabungan tersebut dilihat kembali apakah
persyaratan tersebut sudah memenuhi apa belum, kalau sudah
memenuhi dilanjutkan dengan menerapkan chi kuadrat sehingga
hasilnya dapat berarti.
2. Bila penggabungan kategori tersebut jumlah selnya mencapai 2 x 2,
syarat penggunaan chi kuadrat terpenuhi, maka penggunaan rumus
chi kuadrat sebaiknya menggunakan Yate’s correction, dengan
rumus sebagai berikut:
2
( [ Oij - Eij ] 0,5 )
χ2 = ∑ Eij
Keterangan:
N [(a .d − b .c ) − 1 2 N ]
2
χ2 =
(a + b )(c + d )(a + c )(b + d )
5. Perhitungan
a. Jika baris > 2 dan atau kolom > 2 dan chi kuadrat memenuhi
syarat maka gunakan rumus:
( Oij - Eij )²
χ² = ∑ Eij
Atau
Uji Chi Kuadrat (χ2) 83
N [(a .d − b .c ) − 1 2 N ]
2
χ2 =
hit
(a + b )(c + d )(a + c )(b + d )
6. Kesimpulan:
Apabila χ² hitung lebih besar dari χ² table, Ho ditolak maka dapat
disimpulkan ada hubungan antara dua variable kategorik pada α
yang sesuai.
Contoh 1.
Suatu penelitian ingin mengetahui hubungan merokok dengan
kejadian kanker paru-paru. Dua kelompok masing-masing 100 orang
diteliti sebagai kelompok kasus dan kelompok control. Data yang
diperoleh sebagai berikut:
Tidak
Merokok Jumlah
Merokok
Kanker 75 35 110
Tidak Kanker 25 65 90
Jumlah 100 100 200
Jawab:
1. Hipotesis:
H0: Tidak ada hubungan antara merokok dengan kejadian kanker
H1: Ada hubungan merokok dengan kejadian kanker
2. Uji statistic yang sesuai dengan uji chi kuadrat ( χ ²)
3. Tingkat signifikansi ( α ) = 0.05
Titik kritis χ ² (0,05 ; 1) = 3,84
84 Statistika untuk Praktisi Kesehatan
4. Kriteria pengujian:
Ho ditolak bila χ ² hitung > 3,84
5. Perhitungan
Tidak
Merokok Jumlah
Merokok
Kanker 75 (a) 35 (b) 110
Tidak Kanker 25 (c) 65 (d) 90
Jumlah 100 100 200
N [(a .d − b .c ) − 1 2 N ]
2
χ2 =
(a + b )(c + d )(a + c )(b + d )
3.042.000.000
χ2 =
99.000.000
χ 2 = 30.72
6. Kesimpulan
Karena χ2 hitung > 3,84 maka Ho ditolak, dan dapat disimpulkan
bahwa ada hubungan antara merokok dengan kanker paru-paru.
Contoh 2
Sebuah penelitian dilakukan untuk mengetahui apakah variable kejadian
infeksi ada hubungannya dengan konsentrasi vaksin yang diberikan. Hasil
pengamatan terhadap 420 balita didapatkan data sebagai berikut
Uji Chi Kuadrat (χ2) 85
Kejadian infeksi
Konsentrasi Jumlah
Ya Tidak
Rendah 128 85 213
Normal 66 78 144
Tinggi 26 37 63
Jumlah 220 200 420
Jawab:
1. hipotesis:
Ho : tidak ada hubungan antara variable konsentrasi vaksin
dengan kejadian infesksi.
H1 : ada hubungan antara variable konsentrasi vaksin dengan
kejadian infesksi.
( Oij - Eij )²
χ² = ∑
Eij
χ 2 = 10,63
hit
6. Kesimpulan:
Karena nilai χ² hitung > dari 5,99 maka Ho ditolak, dapat
disimpulkan terdapat hubungan antara konsentrasi vaksin dengan
kejadian infeksi pada α = 0,05
χ2
c =
χ2 + n
m −1
c maks = m
m C maks
2 0.77
3 0.816
4 0.866
5 0.894
6 0.913
7 0.926
8 0.935
9 0.943
10 0.949
Semakin dekat harga Chit kepada Cmaks semakin besar derajat asosiasinya
χ2
c = 2
χ +n
30,72
c = =0,36
30,72 + 420
Kalau dibandingkan nilai Chit = 0,36 dengan nilai Cmaks = 0,707 tampak
cukup besar derajat asosiasinya
-oo0oo-
88 Statistika untuk Praktisi Kesehatan
BAB X
FISHER‘S EXACT TEST
U
ji ini merupakan komparasi proporsi dari 2 kelompok sampel.
Dalam penyajiannya uji ini berbentuk tabel 2 x 2 yg umumnya
mempunyai sampel kecil. Uji ini digunakan apabila penggunaan
chi-square test tidak memenuhi syarat yaitu masih ada sel dengan
frekuensi yang diharapkan kurang dari 5 lebih dari 20 % dari sel yang
ada.
Langkah-Langkah Pengujian
1. Tentukan Hipotesis:
Ho: tidak terdapat perbedaan proporsi antara 2 kelompok.
H1: terdapat/ ada perbedaan proporsi antar 2 kelompok.
2. Digunakan uji Eksak Fisher
3. Tentukan tk. significancy ( α ) dan besar sampel yg ada.
4. Kriteria pengujian:
a. Ho ditolak apabila harga uji statistik p < α (cara I)
b. Ho ditolak apabila nilai C atau D ≤ harga kritis tabel (cara II)
5. Cara perhitungan:
90 Statistika untuk Praktisi Kesehatan
Cara 1:
Tabel kontingensi 2 X 2
+ - Jumlah
Kel I A B A+B
Kel II C D C+D
Jumlah A+C B+D N
( A + B )! (C + D )! ( A + C )! (B + D )!
p =
N ! A!B !C !D !
Apabila dalam sel tabel terdapat nilai 0, maka harga p langsung bisa
dihitung dengan rumus tersebut. Namun jika tidak ada sel yg
mempunyai nilai 0, maka harga dicari pada semua kemungkinan
tabel yang ada.
Cara 2:
Contoh:
Seorang peneliti ingin mengetahui apakah ada perbedaan proporsi
pasien yg menderita kanker paru-paru akibat kebiasaan merokok. Dari
pengumpilan data diperoleh hasil:
Jawab:
1. Tentukan Hipotesis:
Ho: tidak terdapat perbedaan proporsi kanker antara merokok
dengan tidak merokok.
Hi: ada/terdapat perbedaan proporsi kanker antara merokok
dengan tidak merokok.
2. Digunakan uji eksak Fisher
3. Tentukan tingkat signifikansi ( α = 0,05) dan besar sampel = 19.
4. Kriteria pengujian:
a. Ho ditolak apabila harga uji statistik p < α (Cara I)
b. Ho ditolak apabila niai C atau D < harga kritis tabel (cara II).
92 Statistika untuk Praktisi Kesehatan
5. Perhitungan:
Cara 1:
Tabel kontingensi 2 X 2
( A + B )! (C + D )! ( A + C )! (B + D )!
p =
N ! A! B ! C ! D !
10! 9! 14 !5!
p =
19! 10! 9! 14! 5!
p = 0,0108
Cara 2:
6. Kesimpulan:
Karena nilai p < α (cara 1) dan nilai C ≤ harga kritis 5 ( α = 0,05)
(cara 2) ,maka Ho ditolak, dapat disimpulkan bahwa terdapat
perbedaan proporsi kanker antara pasien merokok dan pasien tidak
merokok.
-oo0oo-
94 Statistika untuk Praktisi Kesehatan
BAB XI
KORELASI SPEARMAN
Cara perhitungan:
a. Nilai masing-masing variabel (X dan Y) diganti dengan ranking dari
terkecil (nomor 1) sampai terbesar yaitu N.
b. Bila ada ties rankingnya merupakan rata-ratanya.
c. Hitung (di) dan ∑ di2 , di mana “di “ merupakan selisih ranking X
dan ranking Y yg sesuai pasangan.
d. Hitung nilai Γs dengan rumus sebagai berikut:
6Σdi 2
Uji Statistik : Γs = 1 −
n3 − n
e. bila ada ties dan proporsi ties besar, maka rumus uji statistik yg
digunakan adalah:
96 Statistika untuk Praktisi Kesehatan
n3 − n
∑ xi − ∑Txi
2
=
12
2 n3 − n
∑ yi =
12
− ∑Tyi
dimana
t 3 −t
T =
12
(n − 2)
t = Γs
1 − Γs 2
Korelasi Spearman 97
Z = Γs 1 − Γs
Contoh Soal:
Kepala Puskesmas di suatu kecamatan Sumenep ingin meneliti
apakah ketrampilan kader pada saat pelatihan kader ada korelasi
(hubungan) dengan ketrampilan kader saat kegiatan Posyandu. Oleh
karena itu beliau memberikan nilai (score) pd penampilan para Kader Gizi
dengan menggunakan skala 0-100. Dari beberapa sampel kader yg
mengikuti suatu penelitian diperoleh data sebagai berikut:
Ujilah apakah ada korelasi antara ketrampilan kader gizi pada saat
pelatihan dan pada saat kegiatan di Posyandu pada α = 0,01.
Jawab:
1. Ho: p = 0 (tidak ada korelasi)
Hi: p ≠ 0 (ada korelasi)
2. Digunakan uji koefisien korelasi rank spearman
3. Taraf signifikansi 0,01 dengan besar sampel 8. Gunakan tabel
Spearman. Titik kritis Γs untuk n = 8 dan α = 0,01 adalah 0,833.
4. Kriteria pengujian:
Ho ditolak apabila nilai Γs > 0,833
5. Perhitungan Γs:
6Σ(2,5)2
Γs = 1 −
83 − 8
Γs = 1 − 0,03 = 0,97
6. Kesimpulan:
Karena Γs hitung (0,97) > Γs tabel (0,833) maka Ho ditolak p ≠ 0.
Dapat disimpulkan bahwa terdapat korelasi (hubungan) yang tinggi
Korelasi Spearman 99
-oo0oo-
100 Statistika untuk Praktisi Kesehatan
BAB XII
WILCOXON SIGNED RANK
TEST
U
ji Wilcoxon Signed Rank ini merupakan suatu uji untuk
membandingkan pengamatan sebelum dan setelah perlakuan.
Uji ini dipergunakan untuk menguji hipotesis perbedaan antara
2 pengamatan, dengan ketentuan:
Cara perhitungan:
a. Hitung perbedaan 2 nilai pengamatan dari n pasangan data
b. Bila pebedaan (d) = 0, tidak diperhitungkan
c. Buatlah rangking pada setiap beda pasangan data dari yang terkecil
sampai terbesar tanpa memperhatikan tandanya., Bila terdapat nilai
yang sama (ties), maka nilai rankingknya adalah rata-ratanya.
d. Buatlah kolom di kanan rangking dengan tanda positif (+) dan tanda
negative (-) pada ranking yang telah dibuat.
102 Statistika untuk Praktisi Kesehatan
dimana
n (n + 1)
μ=
4
n (n + 1)(2n + 1)
σ =
24
Langkah–langkah Pengujian
1. Tentukan Hipotesis:
Ho: Tidak ada perbedaan ……. antara sebelum dan sesudah ….
Hi: Ada perbedaan …. antara sebelum dan Sesudah ……
2. Gunakan uji wilcoxon signed rank
3. Tingkat signifikansi 0,05
4. Titik Kritis pada tabel wilcoxon dengan n dan α yang sesuai
5. Pengujian:
Bila n < 25
Ho ditolak bila T terkecil < T tabel wilcoxon
Bila n ≥ 25
Ho ditolak bila Z-hitung > Z1 – ( α /2) atau t _hitung < -Z α /2.
6. Perhitungan Uji.
7. Kesimpulan Pengujian.
Wilcoxon Signed Rank Test 103
Contoh:
Seorang Mahasiswa Keperawatan Depkes Malang akan melakukan
penelitian dengan tujuan ingin mengetahui skor Motorik Kasar Anak
Balita sebelum dan sesudah diberikan permainan di Rumah Pintar Kota
Malang. Berdasarkan hasil penelitian didapatkan hasil sebagai berikut:
Ujilah apakah ada perbedaan skor motorik kasar sebelum dan sesudah
permainan anak Balita di Rumah Pintar di kota Malang pada α = 0,05.
Jawab:
1. Tentukan Hipotesis:
Ho : Tidak ada perbedaan skor motorik kasar Balita antara sebelum
dan sesudah mendapat permainan
Hi : Ada perbedaan skor motorik kasar Balita antara sebelum dan
sesudah mendapat permainan
2. Gunakan uji wilcoxon signed rank
3. Tingkat signifikansi 0,05
4. Titik Kritis pada tabel wilcoxon dengan n = 10 dan alpha 0,05 = 8
104 Statistika untuk Praktisi Kesehatan
5. Kriteria Pengujian:
Bila n < 25
Ho ditolak bila T terkecil < 8
6. Perhitungan Uji
7. Kesimpulan Pengujian
Karena nilai T - = 2 < T tabel.
-oo0oo-
BAB XIII
U-MANN WHITNEY
U
ji statistik dalam analisis statistika dibagi dalam 2 bagian yaitu
uji statistik parametrik dan uji statistik non parametrik. Uji
statistik parametrik memerlukan persyaratan distribusi sampel,
skala data kuantitatif, sedangkan uji statistik non parametrik tidak
memerlukan persyaratan demikian.
Uji ini bisa digunakan sebagai alternatif Uji t test untuk 2 sampel bebas
bila persyaratan tidak terpenuhi.
4. Kriteria pengujian:
Ho ditolak bila U hitung > U tabel untuk n2 = 9-20
Ho ditolak bila p value < α untuk n 1 & n2 ≤ 8
5. Menghitung statistik uji
Cara:
U −μ
Z =
σ
dimana
U-Mann Whitney 107
n1xn 2
μ=
2
n1xn 2 (n1 + n 2 + 1)
σ =
12
dimana
n1xn 2
μ=
2
⎧ n1xn 2 ⎫ ⎪⎧ N 3 − N ⎫⎪
σ = ⎨ ⎬⎨ − ∑T ⎬
⎩ N (N − 1) ⎭ ⎪⎩ 12 ⎪⎭
dimana
t 3 −t
T =
12
Dimana:
Contoh Soal:
Seorang Perawat melakukan penelitian dengan tujuan untuk
mengetahui perbedaan Skor Motorik Kasar Balita antara yang diasuh oleh
Ibu Balita dengan Baby Sister. Dari hasil pengumpulan data terhadap 10
Balita masing-masing kelompok diperoleh hasil sebagai berikut:
108 Statistika untuk Praktisi Kesehatan
Ibu 50 70 80 80 90 90 91 95 95 98
BS 20 30 40 50 50 60 60 90 91 91
Jawab:
1. Menyusun hipotesis
Ho : Tidak ada perbedaan skor motorik kasar antara balita yang
diasuh oleh Ibu balita dan Baby Sister.
H1 : Ada perbedaan skor motorik kasar antara balita yang diasuh
oleh Ibu balita dan Baby Sister.
2. Jenis uji statistik yang tepat digunakan adalah U-Mann Whitney
karena membandingkan 2 kelompok sampel bebas dan data berupa
skor.
3. Tingkat signifikansi ( α ) = 0,05 Æ 27
4. Kriteria pengujian:
Ho ditolak bila U hitung > U tabel untuk n2 = 9-20
5. Menghitung statistik uji.
6. Kesimpulan
Tidak ada beda skor motorik kasar Balita yang diasuh oleh Ibu Balita
dengan Baby Sister pada α = 0,05
-oo0oo-
110 Statistika untuk Praktisi Kesehatan
BAB XIV
ANALISIS VARIAN RANKING
SATU ARAH
KRUSKAL-WALLIS
U
ji ini analog uji anova satu arah, digunakan bila:
dimana:
H
Ho =
∑T
1−
N 3 −N
dimana:
T = t3 – t
t = jumlah nilai-nilai yang sama pada rank tertentu.
6. Titik kritis.
a. Bila k = 3 dan nj ≤ 5 Ætitik kritis Æ pada tabel O (Sidney
Siegel)
b. Bila k > 3 dan n > 5 maka distribusi H mendekati χ 2 dengan df
= k-1 Æ tabel χ 2.
7. Kriteria penolakan
a. Ho ditolak bila p ≤ α , untuk k=3 dan nj ≤ 5.
b. Ho ditolak bila H hit ≥ χ 2 tabel.
8. Uji perbandingan berganda Kruskall Wallis
ni ≠ nj
N (N + 1) ⎛⎜ 1 1 ⎞
⎟
R i − R j ≤ Ζ(1−[α / k (k −1)]) x⎜ + ' ⎟
12 n
⎝ i ni ⎠
ni = nj
k (N + 1)
R i − R j ≤ Ζ(1−[α / k (k −1)])
6
Contoh:
Ho: Tidak ada perbedaan pengaruh diet pada ke-3 kelompok.
H1: Paling sedikit ada 1 pasang kelompok yang berbeda.
Analisis Varian Ranking Satu Arah Kriskal Walis 113
⎧ 12 ⎛ k Rj2 ⎞ ⎫
H =⎨ ⎜
⎜ ∑n ⎟ ⎬ − 3(N + 1)
⎟
⎩ N (N + 1) ⎝ j =1 j ⎠ ⎭
⎧ 12 ⎛⎜ 124,5 2 492 79,5 2 ⎞⎟ ⎫
H =⎨ ⎜
+ + ⎬ − 3(23)
⎩ 22(23) ⎝ 7 7 8 ⎟⎠ ⎭
H = 10,38
H
Ho =
∑T
1−
N 3 −N
114 Statistika untuk Praktisi Kesehatan
10,38
Ho =
(3 − 3) + (2 2 − 2)
2
1−
223 − 22
Ho = 10,41
χ 2tabel = χ (2k −1);α ) = χ 22;0 ,05) = 5,99
H1 > χ 2 tabel Æ Ho ditolak.
Æ paling sedikit ada 1 pasang yang berbeda.
Ri − Ri '
λ=
{N (N + 1)} ⎛⎜ 1 1 ⎞
x ⎜ + ' ⎟⎟
12 ⎝ ni ni ⎠
N .k (k + 1)
= Ζα / k (k −1)
6
20.(3)(3 + 1)
= Ζ0 ,05 / 3(2)
6
240
= Ζ0 ,0083 = 2,41 40 = 15,24
6
R A − RB = 38,5 − 29,5 = 9
R A − RC = 38,5 − 52 = 13,5
RB − RC = 29,5 − 52 = 22,5 > 15,24
-oo0oo-
BAB XV
FRIEDMAN – TEST
(Uji Friedman Two Way Analysis
Varian By Rank)
U
ji ini merupakan analog uji anova 2 arah (statistik parametrik).
”Uji eksperimen blok acak lengkap”. Uji ini berada peringkat
berhadapan dengan K sampel yang berpasangan (n = harus
sama). Digunakan bila anova pada statistik parametrik tidak memenuhi
syarat (distribusi normal) atau berhadapan dengan data minimal ordinal.
Cara Perhitungan
1. Data disusun menurut baris untuk blok 2 & kolom 2 untuk perlakuan
(tabel 2 arah).
Perlakuan
Blok
1 2 3 k
1 X11 X12 X13 X1k
2 X21 X22 X23 X2k
. . . . .
. . . . .
b (n) Xb1 Xb2 Xb3 Xbk
Rj = 1 2 n [K (K + 1)]
⎧⎪ 12 k ⎫⎪
Xr 2 = ⎨
⎪⎩ b .k (k + 1)
∑ (Rj ) 2 ⎬ − 3b (k + 1)
j =1 ⎪⎭
3. Bila ada ties dlm satu blok, maka dicari rata2 rankingnya dengan
menggunakan rumus:
Xr 2
Xr 2 =
[
1 − ∑Ti / b .k (k 2 − 1 ]
dimana: Ti = ∑ ti³ - ∑ ti
ti = banyaknya nilai yg sama dlm pengamatan ke-i.
[Rj − Rj ] ≥ Ζ
'
α
k (k −1)
b .k (k + 1)
6
Langkah-langkah pengujian
1. Tentukan hipotesis:
Ho: semua sampel berasal dari populasi yang sama.
Hi: semua sampel tidak berasal dari populasi yang sama.
[Rj − Rj ] ≥ Ζ
'
α
k (k −1)
b .k (k + 1)
6
Contoh 1:
Suatu penelitian ingin menentukan apakah ada beda daya terima panelis
terhadap produk baru PMT ibu hamil yang telah dirancang oleh mhs
AkZiMa. Setelah dilakukan uji daya terima ternyata didapatkan score
daya terima sebagai berikut:
1 90 70 80
2 60 80 70
3 80 60 70
4 50 70 60
5 90 70 80
Jawab:
1. Ho : tidak ada perbedaan daya terima panelis terhadap ketiga
produk PMT Bumil.
Hi : ada perbedaan daya terima panelis terhadap produk PMT
Bumil.
2. Digunakan uji Xr² Friedman.
3. Taraf signifikansi 0,01 dengan n = 5 dan k = 3, dengan
menggunakan tabel N Buku Statistik Non Parametrik Karangan
Sidney Siegel.
4. Kriteria Pengujian: Ho ditolak bila nilai p pd hasil Xr²≤ α
5. Perhitungan:
Ranking
Panelis
A B C
1 90(3) 70(1) 80(2)
2 60(1) 80(3) 70(2)
3 50(1) 60(2) 70(3)
4 50(1) 70(3) 60(2)
5 90(3) 70(1) 80(2)
9 10 11
6. Kesimpulan:
Karena nilai p pd Xr2 (tabel N Sidney Siegel = 0,954 > α maka Ho
diterima, sehingga dapat disimpulkan bahwa ‘tidak ada perbedaan
daya terima panelis terhadap ketiga produk PMT Bumil tersebut
-oo0oo-
BAB XVI
ANALISIS KORELASI -
REGRESI
nΣX .Y − ΣX .ΣY
r =
{nΣX − (ΣX )2 }{nΣY 2 − (ΣY )2 }
2
1 Hipotesis
H0: ρ = 0
H1: ρ ≠ 0
2. Gunakan uji statistik t karena sampel kecil.
3. Tentukan taraf signifikansi 0,05 atau 0,01.
4. Tentukan nilai kritis (tabel t) dengan derajat bebas (df=n-2) dan
α = 0,05.
5. Kriteria penolakan H0.
H0 ditolak bila t hitung > t1-1/2α atau t hitung < -t1/2α.
122 Statistika untuk Praktisi Kesehatan
n −2
t =r
1−r2
Untuk sampel besar maka uji yang diguinakan adalah uji Z dengan
rumus sebagai berikut:
t
Ζ=
1
n −1
Y = a + bX
Analisis Korelasi - Regresi 123
dimana:
Y = Variabel terikat.
X = Variabel bebas.
a = Konstanta.
b = slope/gradien.
Contoh Soal:
Seorang Ahli gizi ingin meneliti apakah ada korelasi antara Berat
Badan Ibu Hamil dengan Berat badan lahir bayi di suatu kecamatan. Oleh
karena itu dia mengumpulkan data di Puskesmas selama beberapa hari.
Dari beberapa sampel ibu yang melahirkan diperoleh data sebagai
berikut:
Ujilah apakah korelasi antara Berat Badan Ibu dengan berat badan lahir
bayi yang dilahirkan pada α = 0,05.
Jawab:
1. H0: ρ = 0 (tidak ada korelasi).
H1: ρ ≠ 0 (ada korelasi)
2. Digunakan uji koefisien korelasi product moment (r) dan dilanjutkan
dengan uji t.
3. Taraf signifikansi 0,05 dengan besar sampel = 10, titik kritis 2,23.
4. Kriteria pengujian H0:
H0 ditolak apabila nilai t hitung > 2,23 atau t hitung < -2,23
5. Perhitungan r =
BB Ibu BB Bayi yg
Sampel X2 Y2 X.Y
(X) dilahirkan (Y)
1 45 3,0 2025 9,00 135,0
2 55 3,5 3025 12,25 192,5
3 48 2,8 2304 7,84 134,4
4 55 3,3 3025 10,89 181,5
5 40 2,5 1600 6,25 100,0
6 53 2,9 2809 8,41 153,7
7 60 3,8 3600 14,44 228,0
8 50 4,0 2500 16,00 600,0
9 56 3,6 3136 12,96 201,6
10 58 3,7 3364 13,69 214,6
Σ 520 33,1 27388 111,73 1741,3
Analisis Korelasi - Regresi 125
nΣX .Y − ΣX .ΣY
r =
{nΣX − (ΣX )2 }{nΣY 2 − (ΣY )2 }
2
r = 0,73
n −2
t =r
1−r2
10 − 2
t = 0,73
1 − (0,73)2
t = 2,57
6. Kesimpulan
Karena nilai t hitung (2,57) > t tabel (2,23) maka H0 ditolak ρ ≠ 0,
dapat disimpulkan terdapat korelasi (hubungan) yang kuat dan
positif antara Berat badan Ibu dengan berat badan lahir bayi pada
α = 0,05.
Persamaan regresinya adalah:
10.(1741,3) − (520)(33,1)
b=
10.(27388) − (520)2
b = 0,057
Y = 0,3 + 0,057X
artinya: setiap kenaikan 1 satuan (kg) berat badan ibu akan
menaikkan berat badan lahir bayi sebesar 0,057 kg.
-oo0oo-
BAB XVII
UJI-T
U
ji statistik dalam Analisis statistika dibagi dalam 2 bagian yaitu
Uji statistik parametrik dan uji statistik non parametrik. Uji
statistik parametrik memerlukan persyaratan sebagai berikut:
d
th =
Sd
n
dimana
n
∑d i
d= i =1
n
Dan
n
∑ (d i − d )2
sd = i =1
n −1
6. Menarik kesimpulan
Apabila Hipotesis nol ditolak, maka berarti ada perbedaan antara
data sebelum dan setelah perlakuan/pengamatan.
Uji-T 129
Contoh:
Seorang Bidan di Desa ditugasi oleh Suatu Puskesmas untuk
memberikan PMT Pemulihan kepada Balita Gizi Kurang. Telah diambil
secara random 15 Balita dan data sebelum dan setelah pemberian PMT
tersebut adalah:
15, 6
dimana d = = 1, 04
15
25,18
dan sd = = 0,80
14
1, 04
th = = 5, 034
0,80
15
6. Kesimpulan
Karena t hitung (5,034) > t tabel (2,145) maka hipotesis nol ditolak,
maka berarti ada perbedaan antara Berat Badan sebelum dan
setelah pemberian PMT pemulihan.
z 1 2 3 4 5 6 7 8 9
0,0
…
1,9 0,475
4. Kriteria pengujian:
Ho ditolak jika z hitung (t hitung) > z tabel (t tabel) pada α yang
sesuai
Uji-T 133
X1 − X 2
Zh =
Sp ( 1 + 1 )
2
n1 n2
( n1 − 1).S1 + ( n2 − 1).S 2
2 2
Sp =
2
n1 + n2 − 2
n1 = besar sampel 1.
n2 = besar sampel 2.
a.2. Bila besar sampel < 30
X1 − X 2
th =
Sp ( 1 + 1 )
2
n1 n2
( n1 − 1).S1 + ( n2 − 1).S 2
2 2
Sp =
2
n1 + n2 − 2
n1 = besar sampel 1.
n2 = besar sampel 2.
X1 − X 2
Zh =
Sp ( 1 + 1 )
2
n1 n2
134 Statistika untuk Praktisi Kesehatan
X1 − X 2
Zh =
2 2
S1 S 2
+
n1 n2
X1 − X 2
th =
2 2
S1 S 2
+
n1 n2
6. Menarik kesimpulan
Apabila Hipotesis nol ditolak, maka berarti ada perbedaan antara 2
kelompok data tersebut.
Contoh:
Seorang Bidan di Desa di Suatu Puskesmas ingin mencoba 2
produk Makanan Formula kepada Balita Gizi Kurang selama 3 bulan.
Telah diambil secara random 11 Balita untuk Makanan jenis A dan 10
Balita untuk makanan jenis B. Data selengkapnya adalah:
Jawab:
1. Hipotesis
Ho : Tidak ada perbedaan antara BB Balita Kelompok A dan
Kelompok B.
H 0 : μ 2 = μ1
H1 : Ada perbedaan antara BB kelompok A dan Kelompok B
H1 : μ2 ≠ μ1
2. Jenis uji statistik yang tepat digunakan, sesuai dengan tujuan, jenis
sampel, jumlah sampel dan jenis data, maka ujinya adalah two
sample t test.
3. Tingkat signifikansi ( α ) =0,05 dan df = n1 + n2 -2 = 19, jadi titik
kritisnya t = 2,09.
4. Kriteria pengujian:
Ho ditolak jika t hitung > 2,09 atau – t hitung < - 2,09
5. Menghitung statistik penguji
Diketahui:
3, 22 − 3, 07 = 0,862
th =
0,158( 1 + 1 )
11 10
6. Kesimpulan
Karena t hitung (0,862) < t tabel (2,09) maka hipotesis nol diterima,
maka berarti tidak ada perbedaan antara Berat Badan kelompok A
dan kelompok B.
-oo0oo-
BAB XVIII
ANOVA SATU JALUR
(ONE WAY – ANALYSIS OF
VARIAN)
Tujuan dari uji Anova Satu Jalur ialah untuk membandingkan lebih
dari dua rata-rata. Sedangkan, gunanya untuk menguji kemampuan
generalisasi. Maksudnya, dari signifikansi hasil penelitian (Anova Satu
Jalur). Jika terbukti berbeda, berarti kedua sampel tersebut dapat
digeneralisasikan artinya (data sampel dianggap dapat mewakili
populasi).
Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi
atau varian itu asal-usulnya dari pengertian konsep “Mean Square” atau
Kuadrat Rerata (KR), rumus sistematisnya:
JK
KR =
db
A1 A2 A3 Ai Keterangan
Varian Dalam Group dapat juga disebut Varian Kesalahan (Varian Galat).
Lebih lanjut dapat dirumuskan:
JK A = ∑
(∑ X Ai )2 − (∑ X T )2 untuk dbA = A – 1
n Ai N
JK D = ∑ X T
2
−∑
(∑ X Ai )2 untuk dbD = N – A
n Ai
dimana:
( X ) ( X ) ⎡( X ) ( X ) ( X )
2 2
JKA = ∑ ∑ Ai − ∑ T = ⎢ ∑ A1 + ∑ A2 + ∑ A3
2 2 2⎤
⎥−
(∑XT )2
nAi N ⎢ nA1 nA2 nA3 ⎥ N
⎣ ⎦
JKD = ∑XT −∑
2 (∑XAi )2
nAi
⎡( X )2 ( X )2 ( X )2 ⎤
( 2 2
= ∑XA1 + ∑XA2 + ∑XA3 − ⎢
2
⎢ nA1
)
∑ A1 + ∑ A2 + ∑ A3 ⎥
nA2 nA3 ⎥
⎣ ⎦
Dalam
2 (∑XAi)2 N–A JK D - -
Group (D)
∑XT −∑ nAi dbD
Total
2 (∑XT )2 N–1 - - -
∑XT − N
Uji Chi Kuadrat (χ2) 141
15. Tentukan kriteria pengujian: Jika F Hitung ≥ F Tabel atau p value < α
maka tolak H0 berarti signifikan, dan Konsultasikan antara F Hitung
dengan F Tabel kemudian bandingkan.
16. Buat Kesimpulan.
Contoh:
Peneliti ingin mempelajari perbedaan prestasi belajar untuk Mata
Kuliah Dasar-dasar Statistika antara Mahasiswa Tugas Belajar, Izin
Belajar, dan Umum. Data diambil dari nilai Ujian Tengah Semester (UTS)
sebagai berikut:
Tugas (A1) = 6 8 5 7 7 6 6 8 7 6 7 = 11 orang
Belajar
Izin (A2) = 5 6 6 7 5 5 5 6 5 6 8 7 = 12 orang
Belajar
Umum (A3) = 6 9 8 7 8 9 6 6 9 8 6 8 = 12 orang
Langkah-langkah Penyelesaian:
1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal,
dan variannya homogen.
2. Hipotesis (Ha dan H0) dalam bentuk kalimat:
Ha : Terdapat perbedaan prestasi belajar yang signifikan antara
mahasiswa Tugas Belajar, Izin Belajar, dan Umum.
H0 : Tidak terdapat perbedaan prestasi belajar yang signifikan
antara mahasiswa Tugas Belajar, Izin Belajar, dan Umum.
3. Hipotesis (Ha dan H0) dalam bentuk statistik:
Ha : A1 ≠ A2 ≠ A3
H0 : A1 = A2 = A3
142 Statistika untuk Praktisi Kesehatan
JKD = ∑XT −∑
2 (∑X Ai )2
nAi
⎡ (73)2 (71)2 (90)2 ⎤
= (493 + 431 + 692) − ⎢ + + ⎥ = 1616 − 1579,53 = 36,47
⎣⎢ 11 12 12 ⎥⎦
dbD = N – A = 35 – 3 = 32
15. Kriteria pengujian: Jika F Hitung ≥ F Tabel atau p value < α maka tolak
H0 berarti signifikan.
Setelah dikonsultasikan dengan Tabel F kemudian dibandingkan
antara F Hitung dengan F Tabel ternyata F Hitung > F Tabel atau 6,61 > 3,30
maka tolak H0 berarti signifikan.
-oo0oo-
DAFTAR PUSTAKA
Walpole R.E (1995). Ilmu Peluang dan Statistika untuk Insinyur dan
Ilmuwan, Penerbit ITB Bandung.
Wijaya (2000). Statistika Non Parametrik (Aplikasi Program SPSS),
Alfabeta, Bandung.
Yamane, T (1973). Statistics, An Introductory Analysis, Third Edition,
New York: Harper & Row Publisher Inc.
-oo0oo-
TENTANG PENULIS