KEPERAWATAN KOMUNITAS

KONSEP BIOSTATISKTIK DALAM PELAYANAN

KESEHATAN
Dosen :
Dr. Yessy Dessy Arna,S.Kp. M.Kep.,Sp.Kom

Disusun oleh :
Efadwi Rusdiana (P27820416080)
Kelas : III-A

POLTEKKES KEMENKES SURABAYA

PRODI D-III KEPERAWATAN SIDOARJO
TAHUN 2018/2019
 KONSEP BIOSTATISTIK DALAM PELAYANAN KESEHATAN

A. PENGERTIAN BIOSTATISTIK
Biostatistik adalah data atau informasi yang berkaitan dengan masalah kesehatan.
Statistik kesehatan sangat bermanfaat untuk kepentingan administratif, seperti
merencanakan program pelayanan kesehatan, menentukan alternatif penyelesaian
masalah kesehatan, dan melakukan analisis tentang berbagai penyakit selama periode
waktu tertentu. Statistik kesehatan dikenal dengan istilah “biostatistik”. Biostatistik
terdiri dari dua kata dasar yaitu bio dan statistik. Bio berarti hidup, sedangkan statistik
adalah kumpulan angka-angka. Sehingga secara harfiah biostatistik adalah kumpulan
angka-angka tentang kehidupan.
Dalam Statistika Kesehatan data yang dibutuhkan lebih banyak menjurus pada
perencanaan, pelaksanaan & penilaian program kesehatan, yang termasuk di dalamnya :
Morbiditas (frekuensi dan penyebab kesakitan), Statistik Rumah sakit (jumlah pasien,
lama perawatan, dll), Statistik Pelayanan (imunisasi, kesehatan gigi, KB, dll)
Biostatistik Kesehatan adalah sekumpulan konsep dan metode yang digunakan untuk
mengumpulkan dan menginterpretasi data tentang bidang kesehatan dan mengambil
kesimpulan dalam situasi dimana ada ketidakpastian dan variasi.
Statistik dipakai dalam masalah-masalah kesehatan, baik dalam rencana, aplikasi,
evaluasi, maupun monitoring. Statistik menjadi penting karena setiap pencatatan
permasalahan kesehatan diperlukan untuk melakukan perbaikan.

B. Ruang lingkup Statistika Kesehatan

1. Mortalitas

Untuk mengetahui ukuran jumlah kematian (umumnya, atau karena akibat yang
spesifik) pada suatu populasi, skala besar suatu populasi, per dikali satuan. Mortalitas
khusus mengekspresikan pada jumlah satuan kematian per 1000 individu per tahun,
hingga rata rata mortalitas sebesar 9.5 berarti pada populasi 100.000 terdapat 950
kematian per tahun.

2. Fertilitas
 Berpearan untuk mengetahui jumlah ukuran kelahiran pada perubahan penduduk.
3. Morbiditas

Berfungsi sebagai pengukur derajat kerasnya penyakit, meratanya penyakit, jumlah

kasus pada populasi, dan insiden penyakit pada suatu wilayah.
4. Pelayanan Kesehatan

Statistik dapat berperan sebagai alat untuk melakukan pengkajian data (assessment),
merumuskan diagnose, membuat perencanaan kesehatan (intervensi), melaksanakan
kegiatan bidang kesehatan (implementasi) dan membuat suatu penilaian bidang
kesehatan (evaluasi).
5. Demografi

Berfungsi menganalisa statistik dan matematik terhadap jumlah penduduk, komposisi

penduduk, komponen-komponen variasi, dan perubahannya erat kaitannya dengan
masalah kesehatan.
6. Lingkungan

Menjelaskan sifat-sifat statistika suatu sistem dalam kesetimbangan termodinamika.

Fungsi ini bergantung pada suhu dan parameter-parameter lainnya, seperti volum dan
tekanan gas.
7. Gizi

Menjelaskan bagaimana prosentase status gizi di suatu wilayah. Bagaimana

penggunakan makanan yang dikonsumsi secara normal melalui proses digesti,
absorpsi, transportasi, penyimpanan, metabolisme, dan pengeluaran zat – zat yang
tidak digunakan untuk mempertahankan kehidupan.

C. JENIS-JENIS BIOSTATISTIK
 Statistik secara umum dibagi menjadi dua jenis yaitu statistic deskriptif dan
statistik inferensial.
a. Statistik Deskriptif
Kegiatan mulai dari pengumpulan data, pengolahan, sampai mendapatkan
informasi dengan jalan menyajikan dan analisis data yang telah terkumpul. Tujuan dari
statistik deskriptif adalah memberikan gambaran tentang keadaan yang berkaitan
dengan penyakit atau masalah kesehatan berdasarkan data yang telah dikumpulkan.
Untuk data numerik informasi yang diberikan berupa perhitungan nilai tengah (mean,
median, modus), nilai variasi. Sedangkan untuk data kategori informasinya adalah
nilai proporsi/persentase.
b. Statistik Inferensial /statistik Induktif
Tujuan dari statistik inferensial adalah untuk menarik kesimpulan cirri-ciri
populasi berdasarkan data yang diperoleh melalui sampel. Statistik inferensial
merupakan kumpulan cara atau metode yang dapat mengeneralisasikan nilai-nilai dari
sampel dikumpulkan menjadi nilai populasi. Hal ini dilakukan dengan menggunakan
teori estimasi atau uji hipotesis.

D. PENGERTIAN DATA
Menurut Luknis Sabri dan Sutanto. P.H (2010). Data adalah bentuk jamak (plural)
dari kata dotum, data adalah himpunan angka yang merupakan nilai dari unit sampel kita
sebagai hasil mengamati/mengukurnya.
Sutanto (2007). Mengemukakan data adalah merupakan kumpulan angka/huruf
hasil dari penelitian terhadap staf/karakteristik yang akan kita teliti. Data merupakan
materi mentah yang membentuk semua laporan riset (Dempsey, 2002). Jadi dari
pengertian di atas dapat saya simpulakan bahwa Data adalah sekumpulan informasi yang
biasanya berbentuk angka yang dihasilkan dari pengukuran atau penghitungan.

E. JENIS-JENIS DATA
a. Jenis Data Menurut Cara Memperolehnya
a) Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian
oleh peneliti perorangan maupun organisasi. Contoh : Mewawancarai langsung
penonton bioskop 21 untuk meneliti preferensi konsumen bioskop.
b) Data Sekunder
 Data sekunder adalah data yang didapat tidak secara langsung dari objek
penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh
pihak lain dengan berbagai cara atau metode baik secara komersial maupun non
komersial. Contohnya adalah pada peneliti yang menggunakan data statistik hasil
riset dari surat kabar atau majalah.
b. Macam-Macam Data Berdasarkan Sumber Data
a) Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada
suatu organisasi secara internal. Misal : data keuangan, data pegawai, data
produksi, data kujungan pasien.
b) Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang
ada di luar organisasi. Contohnya adalah data jumlah penggunaan obat pada
pasien, tingkat kepuasan pasien, dan lain sebagainya klasifikasi data berdasarkan
jenis datanya
a) Data kualitatif
Data Kualitatif adalah data yang berbentuk kualitas, seperti penyataan
terhadap KB yang dikategorikan menjadi tiga kategori yaitu : setuju, kurang
setuju, tidak setuju). Berbentuk kata-kata atau pengkategorian. Dalam mengolah
data mengunakan komputer, kategori tersebut harus dilakuka proses “coding”
terlebih dahulu. Misalkan : untuk setuju di beri kode 2, kurang setuju diberi kode
1 dan tidak setuju diberi kode 0. Data Kualitatif disebut juga dengan data
kategori.

b) Data kuantitatif
Data Kuantitatif. Data dalam bentuk bilangan (numerik), misalnya :
jumlah balita yang mendapatkan imunisasi, Berat Badan Bayi. Diperoleh dengan
cara menghitung maupun mengukur. Data Kuantitatif disebut juga dengan data
numerik.
d. Pembagian Jenis Data Berdasarkan Sifat Data
a) Data literal
Data Literal (diskrit) adalah data yang berbentuk bilangan bulat,
misalnya : Jumlah anak dalam keluarga, jumlah penyakit TBC, jumlah
kecelakaan jalan raya. Diperoleh dengan cara menghitung.
b) Data kontiyu
 Data Kontinyu adalah data yang berbentuk rangkaian data, nilainya
berbentuk desimal. Misalnya : Tinggi Badan, Berat Badan, Tekanan Darah.
Diperoleh dengan cara mengukur.
e. Jenis-jenis Data Menurut Waktu Pengumpulannya
a) Data Cross Section
Data cross-section adalah data yang menunjukkan titik waktu tertentu.
Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT. angin
ribut bulan mei 2004, dan lain sebagainya.
b) Data Time Series / Berkala
Data berkala adalah data yang datanya menggambarkan sesuatu dari
waktu ke waktu atau periode secara historis. Contoh data time series adalah data
perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun 2004
sampai 2006, jumlah kematian akibat penyakit DM dari bulan januari ke bulan
maret tahun 2006, dll

F. SKALA DATA
a. Nominal : jenis data yang hanya merupakan simbol tanpa menunjukkan tingkatan
apapun. Misal pada KTP digit ke-5 adalah jenis kelamin dengan ketentuan 1=laki-laki
dan 0=perempuan. Walaupun berwujud angka tidak berarti 1 > 0.
b. Ordinal : jenis data yang menunjukkan rank tertentu tetapi tidak dapat dilakukan
operasi aritmetika. Misal jenjang pendidikan SMA=3, SMP=2 dan SD=1. Namun
demikian bukan berarti SMA=SMP+SD. Angka rank tersebut hanya menunjukkan
bahwa SMA > SMP.
c. Interval : jenis data yang menunjukkan rank (tingkatan) dalam bentuk bilangan utuh
(bulat) dan dapat dilakukan operasi aritmetika. Misal, penanggalan dalam kalender.
d. Rasio : merupakan jenis data dengan derajat tertinggi dalam bentuk pecahan. Jenis
data ini untuk semua variabel yang mempunyai nilai satuan pengukuran. Misal, berat
badan

G. CARA PENGUMPULAN DATA

Pengumpulan data dilakukan untuk memperoleh informasi yang dibutuhkan dalam
rangka mencapai tujuan penelitian. Tujuan yang diungkapkan dalam bentuk hipotesis
merupakan jawaban sementara terhadap pertanyaan penelitian.metode pengumpulan data
bisa dilakukan dengan cara:
a. Wawancara
Menurut Prabowo (1996) wawancara adalah metode pengambilan data dengan
cara menanyakan sesuatu kepada seseorang responden, caranya adalah dengan
bercakap-cakap secara tatap muka.Pada penelitian ini wawancara akan dilakukan
dengan menggunakan pedoman wawancara.
Menurut Patton dalam proses wawancara dengan menggunakan pedoman
umum wawancara ini, interview dilengkapi pedoman wawancara yang sangat umum,
serta mencantumkan isu-isu yang harus diliput tampa menentukan urutan pertanyaan,
bahkan mungkin tidak terbentuk pertanyaan yang eksplisit.
Pedoman wawancara digunakan untuk mengingatkan interviewer mengenai
aspek-aspek apa yang harus dibahas, juga menjadi daftar pengecek (check list)
apakah aspek-aspek relevan tersebut telah dibahas atau ditanyakan. Dengan pedoman
demikian interviwer harus memikirkan bagaimana pertanyaan tersebut akan
dijabarkan secara kongkrit dalam kalimat Tanya, sekaligus menyesuaikan pertanyaan
dengan konteks actual saat wawancara berlangsung (Patton dalam poerwandari,
1998).
b. Observasi
Disamping wawancara, penelitian ini juga melakukan metode observasi.
Menurut Nawawi & Martini (1991) observasi adalah pengamatan dan pencatatan
secara sistimatik terhadap unsur-unsur yang tampak dalam suatu gejala atau gejala-
gejala dalam objek penelitian.
Dalam penelitian ini observasi dibutuhkan untuk dapat memehami proses
terjadinya wawancara dan hasil wawancara dapat dipahami dalam konteksnya.
Observasi yang akan dilakukan adalah observasi terhadap subjek, perilaku subjek
selama wawancara, interaksi subjek dengan peneliti dan hal-hal yang dianggap
relevan sehingga dapat memberikan data tambahan terhadap hasil wawancara.
Menurut Patton (dalam Poerwandari 1998) tujuan observasi adalah
mendeskripsikan setting yang dipelajari, aktivitas-aktivitas yang berlangsung, orang-
orang yang terlibat dalam aktivitas, dan makna kejadian di lihat dari perpektif
mereka yang terlihat dalam kejadian yang diamati tersebut.
Macam-Macam Observasi
a) Observasi Partisipatif
 Peneliti mengamati apa yang dikerjakan orang, mendengarkan apa yang
diucapkan dan berpartisipasi dalam aktivitas yang diteliti.

b) Observasi Terus Terang atau Tersamar

Peneliti berterus terang kepada narasumber bahwa ia sedang melakukan
penelitian.
c) Observasi tak Berstruktur
Dilakukan dengan tidak Berstruktur karena fokus penelitian belum jelas

c. Angket atau Kuesioner (Questionnaire)

Angket atau kuesioner merupakan suatu teknik pengumpulan data secara tidak
langsung (peneliti tidak langsung bertanya jawab dengan responden). Instrumen atau
alat pengumpulan datanya juga disebut angket berisi sejumlah pertnyaan-pertanyaan
yang harus dijawab atau direspon oleh responden. Responden mempunyai kebiasaan
untuk memberikan jawaban atau respon sesuai dengan presepsinya.
Kuesioner merupakan metode penelitian yang harus dijawab responden untuk
menyatakan pandangannya terhadap suatu persoalan. Sebaiknya pertanyaan dibuat
dengan bahasa sederhana yang mudah dimengerti dan kalimat-kalimat pendek
dengan maksud yang jelas. Penggunaan kuesioner sebagai metode pengumpulan data
terdapat beberapa keuntungan, diantaranya adalah pertanyaan yang akan diajukan
pada responden dapat distandarkan, responden dapat menjawab kuesioner pada
waktu luangnya, pertanyaan yang diajukan dapat dipikirkan terlebih dahulu sehingga
jawabannya dapat dipercaya dibandingkan dengan jawaban secara lisan, serta
pertanyaan yang diajukan akan lebih tepat dan seragam
Macam-Macam Kuisioner
a) Kuesioner tertutup
Setiap pertanyaan telah disertai sejumlah pilihan jawaban. Responden hanya
memilih jawaban yang paling sesuai.
b) Kuesioner terbuka
Dimana tidak terdapat pilihan jawaban sehingga responden haru
memformulasikan jawabannya sendiri.
c) Kuesioner kombinasi terbuka dan tertutup
Dimana pertanyaan tertutup kemudian disusul dengan pertanyaan terbuka.
d) Kuesioner semi terbuka
Pertanyaan yang jawabannya telah tersusun rapi, tetapi masih ada kemungkinan
tambahan jawaban.
H. PENYAJIAN TABEL DISTRIBUSI FREKUENSI
a. Distribusi Frekuensi data Tunggal
Data tunggal dinyatakan dalam bentuk daftar bilangan atau dalam bentuk tabel
distribusi frekuensi. Tabel distribusi frekuensi tunggal merupakan cara untuk
menyusun data yang relatif sedikit. Perhatikan contoh data berikut.
5, 4, 6, 7, 8, 8, 6, 4, 8, 6, 4, 6, 6, 7, 5, 5, 3, 4, 6, 6
8, 7, 8, 7, 5, 4, 9, 10, 5, 6, 7, 6, 4, 5, 7, 7, 4, 8, 7, 6
Nilai Frekuensi

3 1
4 7
5 6
6 10
7 8
8 6
9 1
10 1
b. Distribusi Frekuensi data Kelompok
Tabel distribusi frekuensi data kelompok digunakan untuk menyusun data yang
memiliki kuantitas yang besar dengan mengelompokkan ke dalam interval-interval
kelas yang sama panjang.
Perhatikan contoh data hasil nilai pengerjaan tugas Matematika dari 40 siswa
kelas XI berikut ini.
75 70 75 60 65 60 45 55 75 70
60 65 60 55 65 65 65 80 75 85
80 75 65 65 75 80 65 65 75 65
80 65 70 75 75 65 85 85 65 75
untuk menyajikan data di atas dalam bentuk Tabel Distribusi Frekuensi maka perlu
ditempuh langkah-langkah sebagai berikut:
a) mengurutkan data dari yang terkecil sampai yang terbesar
b) Menentukan banyak kelas ( n )
c) Menghitung rentang data
Caranya yaitu data terbesar dikurangi data terkecil. berdasarkan tabel di atas:
Data terbesar = 85 dan Data terkecil = 45
maka rentang = 85 – 45 = 40
 Menentukan Jumlah Klas Interval untuk menentukan Klas Interval ditentukan
dengan rumus Sturges K= 1 + 3,3 log n
K = jumlah klas nterval
log= logaritma
n = jumlah data
karena datanya terdiri 40 siswa maka :
K = 1 + 3,3 log(40)
K = 1 + 3,3 . 1,60
K = 1 + 5,29
K = 6,29 dapat dibulatkan menjadi 6 atau 7
d) Menghitung panjang kelas
Panjang kelas = rentang di bagi jumlah kelas
40 : 6 = 6,67 atau dibulatkan menjadi 7
e) Menentukan batas bawah kelas pertama , diambil dari data terkecil dikurangi
No
Kelas Interval Tally Frekuensi
Interval
1 45 – 51 |
2 52 – 58 ||
3 59 – 65 ||||| ||||| ||||| ||
4 66 – 72 |||
5 73 – 79 ||||| |||||
6 80 – 86 ||||| ||
Jumlah
f) Menyusun Klas Interval dan memasukan data menggunakan tally

jika frekuensi sudah di temukan, kolom tally dihilangkan saja, sehingga menjadi tabel
distribusi frekuensi.

No Kelas Interval Frekuensi

1 45 – 51 1
2 52 – 58 2
3 59 – 65 17
4 66 – 72 3
5 73 – 79 10
6 80 – 86 7
Jumlah 40
c. Tabel Distribusi Frekuensi Relatif
penyajian data frekuensi dalam persen (%) cara membuatnya mengubah frekuensi
menjadi persentase. misalnya data berikut akan disajikan dalam tabel distribusi
frekuensi relatif
No Interval Kelas Interval Frekuensi
1 45 – 51 1
2 52 – 58 2
3 59 – 65 17
4 66 – 72 3
5 73 – 79 10
6 80 – 86 7
Jumlah 40

Maka hasinya akan seperti berikut:

No Interval Kelas Interval Frekuensi Relatif (%)
1 45 – 51 2,5
2 52 – 58 5
3 59 – 65 42,5
4 66 – 72 7,5
5 73 – 79 25
6 80 – 86 17,5
Jumlah 100

2,5 dari 1 di bagi 40 lalu di kali 100%

 5 dari 2 di bagi 40 lalu di kali 100%
42,5 dari 17 di bagi 40 lalu di kali 100%
7,5 dari 3 di bagi 40 lalu di kali 100%
25 dari 10 di bagi 40 lalu di kali 100%
d. Tabel Distribusi Frekuensi Kumulatif
Tabel ini menunjukan jumlah observasi yang menyatakan kurang dari nilai
tertentu. untuk memulai pernyataan kurang dari, digunakan batas bawah kelas interval
ke-2 misalnya tabel berikut akan disajikan dalam tabel distribusi kumulatif

No Kelas Interval Frekuensi

1 45 – 51 1
2 52 – 58 2
3 59 – 65 17
4 66 – 72 3
5 73 – 79 10
6 80 – 86 7
Jumlah 40

Maka data tabel distribusi frekuensi kumulatif

Kurang dari Frekuensi Kumulatif

Kurang dari 52 1
Kurang dari 59 3
Kurang dari 66 20
Kurang dari 73 23
Kurang dari 80 33
Kurang dari 87 40
I. MEAN, MEDIAN, MODUS, DEVIASI STANDART
a. Mean
Mean atau rata-rata hitung adalah nilai yang diperoleh dari jumlah sekelompok
data dibagi dengan banyaknya data. Rata-rata disimbolkan dengan x.
a) Rata-Rata untuk Data Tunggal

Keterangan:

ẋ = mean

n= banyaknya data

Contoh Rataan Data tunggal

Hitunglah nilai rata-rata dari nilai ujian matematika kelas 3 SMU berikut ini: 2, 4,
5, 6, 6, 7, 7, 7, 8, 9.

Jawab:

b) Rata-Rata untuk Data Berkelompok

 Keterangan :

fi = frekuensi

xi = nilai tengah

Nilai tengah adalah jumlah tepi bawah dan tepi atas di bagi 2:

Contoh :

b. Median
 Median adalah nilai data yang terletak di tengah setelah data diurutkan. Dengan
demikian, median membagi data menjadi dua bagian yang sama besar. Median (nilai
tengah) disimbolkan dengan Me.

a) Median untuk Data Tunggal

(a) Jika banyaknya data n ganjil

(b) Jika banyaknya data n genap

Keterangan:
Me = Median
n = jumlah data
x = nilai data
Contoh Median Data Tunggal
1. Tentukan median dari data berikut.
8,6,4,3,7,5,8,10,8,9,8,5
2. Sepuluh orang siswa dijadikan sampel dan dihitung tinggi badannya. Hasil
pengukuran tinggi badan kesepuluh siswa tersebut adalah sebagai berikut.
172, 167, 180, 171, 169, 160, 175, 173, 170, 165
Hitunglah median dari data tinggi badan siswa!
Jawab :
1. Data diurutkan : 3 4 5 5 6 7 8 8 8 8 9 10
N= 12 (genap)
 Jadi, mediannya adlah 7,5
Karena jumlah data genap, maka penghitungan median
menggunakan rumus median untuk data genap. Proses
penghitungannya adalah sebagai berikut.

Untuk melanjutkan penghitungan, kita harus terlebih dahulu

mengetahui nilai x5 dan x6. Kedua nilai data tersebut dapat diperoleh
dengan mengurutkan semua data. Hasil pengurutan adalah sebagai
berikut.

160, 165, 167, 169, 170, 171, 172, 173, 175, 180

Dari pengurutan tersebut diperoleh nilai x5 sama dengan 170

dan x6 sama dengan 171. Dengan demikian penghitungan median
dapat dilanjutkan.

b) Median untuk data berkelompok

Keterangan :

Tb = Tepi bawah kelas median (Batas bawah – 0,5)

F = Frekuensi kumulatif sebelum median

f = Frekuensi
 c = Panjang kelas

n = Jumlah frekuensi

Contoh

Letak kelas median: Setengah dari seluruh data = 30, terletak pada kelas ke-3
(jumlah 9-10)

Tb = 9 – 0,5 = 8,5

c =2

n = 80, f = 24

f = 5 (frekuensi kelas median)

F = 5 + 6 = 11
c. Modus
Modus adalah data yang paling sering muncul atau memiliki frekuensi
tertinggi. Modus dilambangkan dengan Mo. Beberapa kemungkinan tentang modus
suatu gugus data:
1. Apabila pada sekumpulan data terdapat dua modus, maka gugus data
tersebut dikatakan Bimodal.
2. Apabila pada sekumpulan data terdapat lebih dari dua modus, maka gugus
data tersebut dikatakan Multimodal.
3. Apabila pada sekumpulan data tidak terdapat modus, maka gugus data
tersebut dikatakan tidak mempunyai Modus.
a) Modus untuk data tunggal
Modus dari data tunggal adalah data yang paling sering muncul.
Contoh :
Tentukan modus dari data berikut !
4, 8, 7, 4, 6, 3, 6, 8, 6, 3
Jawab :
Data yang paling sering muncul adalah 6, maka Mo = 6
b) Modus untuk data berkelompok
 Keterangan :

Tb = Tepi bawah kelas modus

d1 = Selisih antara frekuensi modus dengan frekuensi sebelumnya

d2 = selisih antara frekuensi modus dengan frekuensi sesudahnya

c = Panjang kelas

Contoh

Kelas modul = kelas ke-4

Tb = 11-0.5 = 10.5

b1 = 7 – 5 = 2

b2 = 7 – 6 = 1

c=2
d. Deviasi Standart

Standar deviasi adalah nilai statistik yang dimanfaatkan untuk menentukan

bagaimana sebaran data dalam sampel, serta seberapa dekat titik data individu
ke mean atau rata-rata nilai sampel. Sebuah standar deviasi dari kumpulan data sama
dengan nol menandakan bahwa semua nilai dalam himpunan tersebut adalah sama.
Sedangkan nilai deviasi yang lebih besar menunjukkan bahwa titik data individu jauh
dari nilai rata-rata.

Untuk cara menghitung standar deviasi, yang perlu dilakukan pertama-tama

adalah menghitung nilai rata-rata dari semua titik data. Rata-rata sama dengan jumlah
dari semua nilai dalam kumpulan data lalu dibagi dengan jumlah total titik data
tersebut. Setelah itu langkah berikutnya adalah menghitung penyimpangan setiap titik
data dari rata-rata. Caranya dengan mengurangkan nilai dari nilai rata-rata. Deviasi
setiap titik data akan dikuadratkan dan dicari penyimpangan kuadrat individu rata-
rata. Lalu nilai yang dihasilkan disebut sebagai varians. Sedangkan standar deviasi
adalah akar kuadrat dari varians.

Fungsi Standar Deviasi

Biasanya standar deviasi dimanfaatkan oleh para ahli statistik atau orang yang
berkecimpung dalam dunia tersebut untuk mengetahui apakah sampel data yang
diambil mewakili seluruh populasi. Sebab mencari data yang tepat untuk suatu
populasi sangat sulit untuk dilakukan. Maka dari itu perlu menggunakan sampel data
yang dapat mewakili seluruh populasi sehingga mempermudah untuk melakukan
penelitian atau suatu tugas. Sebagai gambaran, jika seseorang ingin mengetahui berat
badan anak laki-laki berusia 10-12 tahun di suatu sekolah, maka yang perlu
dilakukan adalah mencari tahu berat beberapa orang dan menghitung rata-rata serta
standar deviasinya. Dari perhitungan tersebut akan diketahui nilai yang dapat
mewakili seluruh populasi.

a) Cara Menghitung Standar Deviasi Secara Manual

Dalam menghitung standar deviasi, ada beberapa metode yang bisa

dimanfaatkan. Seperti menghitungnya secara manual, dengan kalkulator dan
Excel. Akan kami jelaskan satu per satu. Tetapi untuk pertama-tama kita bahas
cara yang manual. Untuk mengetahui cara menghitung standar deviasi maka ada
dua rumus yang harus diketahui, yakni rumus varian dan rumus standar deviasi.
Berikut adalah rumus yang bisa dipakai:

Rumus Varian

Rumus Standar Deviasi

Selain rumus di atas, juga ada versi lain yang bisa Anda gunakan. Walaupun
rumus berbeda, hasil akhirnya tetap sama. Berikut adalah rumusnya:

Rumus Varian 2
Rumus Standar Deviasi 2

Keterangan:

s2 : Varian

s : Standar deviasi

xi : Nilai x ke-i

ẋ: Rata-rata

n : Ukuran sampel

Contoh Soal

Dalam suatu kelas, tinggi badan beberapa siswa dijadikan sampel. Berikut
adalah data sampel tersebut:

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Dari data di atas, dapat diketahui jumlah data (n) = 10 dan (n – 1) = 9. Langkah
berikutnya adalah menghitung komponen untuk rumus varian. Anda bisa
menyusun tabel seperti gambar di bawah ini.
Berdasarkan tabel di atas, langkah selanjutnya seperti yang tertulis berikut:

Jika dimasukkan ke dalam rumus varian, maka menjadi seperti ini:

Sudah diketahui bahwa nilai varian adalah 30,32. Maka dari itu untuk cara
menghitung standar deviasi hanya perlu mengakarkuadratkan nilai varian
tersebut.

s = √30,32 = 5,51

Maka hasil standar deviasi dari contoh di atas adalah 5,51.

b) Cara Menghitung Standar Deviasi Data Berkelompok

Rumus Varian Data Berkelompok

Rumus Standar Deviasi Data Berkelompok

Contoh Soal

Dilakukan sebuah penelitian terhadap tinggi badan anak di suatu desa.

Diperoleh data seperti di bawah ini.
Hitung varian dan standar deviasi data tersebut.

Berdasarkan contoh di atas kita sudah mengetahui interval dan frekuensi

tiap kelas interval (fi). Maka langkah selanjutnya adalah membuat tabel lagi untuk
mengetahui banyaknya data, titik tengah, fixi dan fixi^2. Berikut adalah tabelnya.

Dari tabel di atas, dapat kita hitung:

 Setelah itu kita bisa mengetahui varian data berkelompok dengan rumus
yang sudah ditulis di atas.

Sudah kita peroleh bahwa varian contoh di atas adalah 60,83. Sedangkan
untuk menghitung standar deviasi kita perlu mengakarkuadratkan angka varian.

s = √60,83 = 7,8 Jadi standar deviasi dari data berkelompok di atas adalah 7,8.

J. KURVA NORMAL DAN PENGGUNAANNYA

Distribusi normal atau Kurva Normal merupakan salah satu distribusi probabilitas
yang penting dalam analisis statistika. Distribusi ini memiliki parameter berupa mean dan
simpangan baku. Distribusi normal dengan mean = 0 dan simpangan baku = 1 disebut
dengan distribusi normal standar. Apabila digambarkan dalam grafik, kurva distribusi
normal berbentuk seperti genta (bell-shaped) yang simetris. Perhatikan kurva distribusi
normal standar berikut:

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga (‒∞) hingga
positif takhingga (+∞). Kurva normal memiliki puncak pada X = 0. Perlu diketahui
bahwa luas kurva normal adalah satu (sebagaimana konsep probabilitas). Dengan
demikian, luas kurva normal pada sisi kiri = 0,5; demikian pula luas kurva normal pada
sisi kanan = 0,5.

Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif

yang dilambangkan dengan notasi P (X<x). Sebagai contoh, P (X<1), apabila
diilustrasikan dengan grafik adalah luas kurva normal dari minus takhingga hingga X
=1.

Secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung

dengan menggunakan rumus:

Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal. Berikut
adalah tabel distribusi normal standar, untuk P (X < x), atau dapat diilustrasikan dengan
luas kurva normal standar dari X = minus takhingga sampai dengan X = x.
 Contoh penggunaan:
Hitung P (X<1,25)
Penyelesaian:Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya,
carilah angka 0,05 pada baris paling atas. Sel para pertemuan kolom dan baris tersebut
adalah 0,8944.
 Dengan demikian, P (X<1,25) adalah 0,8944.

K. STATISTIK ANALITIK DENGAN UJI STATISTIK PARAMETRIC DAN UJI

STATISTIK NON PARAMETIC
Berdasarkan jenisnya, secara umum statistik dibagi menjadi statistik parametrik dan statistik non-
parametrik.
a. Statistik Parametrik
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.
Contoh metode statistik parametrik :
a) Uji-z (1 atau 2 sampel)
b) Uji-t (1 atau 2 sampel)
c) Korelasi pearson
 d) Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :

1. Data dengan skala interval dan rasio
2. Data menyebar/berdistribusi normal

Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap
memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki
varian yang homogen.

Kelemahan :
1. Populasi harus memiliki varian yang sama.
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.

b. STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran
parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan
skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.
Contoh metode statistik non-parametrik :
a) Uji tanda (sign test)
b) Rank sum test (wilcoxon)
c) Rank correlation test (spearman)
d) Fisher probability exact test.
e) Chi-square test, dll
Ciri-ciri statistik non-parametrik :
1. Data tidak berdistribusi normal
2. Umumnya data berskala nominal dan ordinal
3. Umumnya dilakukan pada penelitian sosial
4. Umumnya jumlah sampel kecil

Keunggulan statistik non-parametrik:

1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti
jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal
karena sering dijumpai hasil pengamatan yang dinyatakan dalam data
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang
nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat
digunakan pada populasi berdistribusi normal.

Kelemahan statistik non-parametrik:

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik
parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil
dan umumnya membandingkan dua kelompok tertentu.