LBM 4

Step 1

Biostatistik : penerapan metode statistic untuk memecahkan masalah dibidang ilmu biologi dan
kesehatan baik dasar maupun terapan

Statistik deskriptif : statistic yang membahas mengenai pengumpulan, pengolahan, penyajian

dan perhitungan nilai-nilai dari suatu data yang digambarkan dalam table atau diagram dan
tidak menyangkut penarikan kesimpulan

Statistik inferensial : statistic yang mempelajari bagaimana pengambilan kesimpulan, yang

terdiri dari parametric dan non parametrik

Parametrik : statistik yang digunakan untuk menganalisis data interval atau rasio yang diambil
dari populasi yang berdistribusi normal

Non parametric : statistic yang digunakan untuk menganalisis data nominal dan ordinal dari
populasi yang bebas berdistribusi

STEP 2

1. Apa saja konsep penting seputar biostatistik?

2. Apa perbedaan statistic deskriptif dan statistic inferensial?
3. Apa saja hal yang perlu diperhatikan dalam uji statistic?
4. Apa saja jenis kesalahan data dalam analisis?
5. Apa saja Syarat parametric dan non paramterik?
6. Apakah keuntungan dan kerugian uji statistic?
7. Apa saja factor yang mempengaruhi kekuatan uji statistic?
8. Bagaimana cara uji normalitas dan uji homogenitas?
9. Sebutkan macam – macam uji hipotesa?

STEP 3
1. Apa saja konsep penting seputar biostatistik?
Fungsi biostatistik :
- Memecahkan masalah penelitian yang berkaitan dengn kehidupan melalui
pengolahan, penyajian analisis
- Untuk menganalisis sampel dari suatu populasi
- Menguji validitas dan reliabilitas suatu instrumen penelitian
- Menguji hipotesis

Statistik mempunyai kegunaan :

- Berperan dalam uji hipotesis

- Penyusunan model teoritis
- Penyusunan rancangan penelitian
- Penentuan sampel penelitian
- Pengolahan dan analisis data

2. Apa perbedaan statistic deskriptif dan statistic inferensial?

a. Deskriptif :
berfungsi untuk memberikan gambaran dari objek ynag diteliti berasal dari sampel yang
dibuat kesimpulan.
Statistik deskriptif hanya memberi data tanpa kesimpulan. Dalam bentuk table, grafik
atau diagram yang berisi ukuran pemusatan dan penyebaran.
Ada 2 macam :
Kategorik : dianalisis scr deskriptif untuk variable kategorik, hasilnya berupa frekuensi
dan persentase yang disajikan dalam bentuk table dan grafik
Numerik : untuk variable numeric, hasilnya berupa ukuran pemusatan (mean dan
median) dan ukuran penyebaran (standard deviasi dan minimum – maximum).
Jika sebaran data normal = mean – median, kalau tidak normal = standard deviasi dan
min-max)
 Mean : rata rata hasil pengukuran
Median : hasil pengukuran yang berada ditengah
Modus : hasil pengukuran yang paling sering muncul
Range : selisih hasil pengukuran terbesar dan terkecil
Varian : jumlah kuadrat dari selisih hasil pengukuran dengan mean dibagi jumlah
sampel, dikurang 1
Standar deviasi : akar dari varian yang berguna untuk mengukur suatu variasi dari
sebuah data. Mengukur seberapa jauhnya penyebaran data yang tidak sesuai dgn rata-
rata.
Standar error : angka yang berlebih dari rata-rata yang seharusnya

b. Inferensial :
Metode untuk menguji suatu populasi yang berdasarkan sampel data.
Dicek uji homogenitas dan normalitas  berdasarkan type data (interval atau rasio atau
nominal atau numeric)

3. Apa saja hal yang perlu diperhatikan dalam uji statistic?

- Besar sampel : semakin besar semakin kuat generalisasinya
- Variabilitas dari hasil yang diteliti : makin kurang variabilitasnya maka makin kuat
inferensinya
- Representativitas sampel : makin tinggi maka makin tinggi kekuatan ujinya

4. Apa saja jenis kesalahan data dalam analisis?

Kesalahan type 1 :
Kesalahan bila menolak hipotesis nol (alfa). Menolak H nol yang seharusnya benar.
Contoh : Tidak ada hubungan (H nol)

Kesalahan type 2 :
Kesalahan bila menerima H nol yang seharusnya ditolak.
Contoh : pengobatan yang semakin memperparah luka

5. Apa saja Syarat parametric dan non paramterik?

Parametrik :
Jumlah sampel besar (mewakili populasi)
Sampel diambil scr random
Sampel berdistribusi normal
Data berskala interval atau rasio
 Non parametric :
Sampel kecil
Berskala nominal atau ordinal
Berskala interval atau rasio, tetapi tdk memenuhi syarat parametric

6. Apakah keuntungan dan kerugian uji statistic?

Parametrik :
-keuntungan :
Ketelitian lebih tinggi
Bisa menguji hipotesis
Pertanggungjawabannya lebih tinggi karena tingkat sensitifitasnya lebih tinggi
-kekurangan :
Distribusi harus normal

Non parametrik :
-keuntungan :
Lebih mudah dikerjakan dan mudah dimengerti
Pengujian statistic dilakukan langsung pada pengamatan yang nyata
-kekurangan :
Tdk bisa digunakan untuk prediksi
Tingkat efisiensinya lebih rendah

7. Bagaimana cara uji normalitas dan uji homogenitas?

Uji normalitas :
- Chi Square
Cocok untuk data dgn banyak angka besar (n > 30).
Signifikansi uji, nilai X2 hitungdibanding X2 tabel = X2 hitung < X2 tabel maka H nol
diterima dan H a ditolak. X2 > X2 tabel maka Ha diterima H nol ditolak

- Kolmogorov-Smirnov
Data berskala interval atau rasio
Untuk sampel besar

- Shapiro Wilk
Sampel <30
Uji homogenitas :
1.
8. Sebutkan macam – macam uji hipotesa?