1. Jelaskan sejarah penggunaan statistik dalam kesehatan oleh florence nightiangle 1859 ?

SEJARAH STATISTIK OLEH FLORENCE NIGHTIANGLE 1859

Statistik sebagai bidang telah memiliki sejarah panjang dan berwarna-warni. Siswa akan
mengenali beberapa nama terkemuka sebagai bidang yang mengembangkan identitas
matematisnya: Pearson, Fisher, Bayes, Laplace, dan lain-lain. Tetapi penting untuk
dicatat bahwa beberapa studi statistik paling awal didasarkan pada penyelesaian masalah
sosial dan politik.
Salah satu yang paling awal dari studi semacam itu dikembangkan oleh John Graunt yang
mengumpulkan informasi dari Bills of Mortality untuk mendeteksi, antara lain, dampak
dan asal mula kematian akibat wabah. Catatan paroki mendokumentasikan pembaptisan,
pernikahan, dan penguburan pada saat itu, sehingga penelitian Graunt melacak jumlah
kematian di paroki-paroki itu.
Nightingale (1858) paling sering diingat sebagai pendiri keperawatan modern. Dia sering
diwakili dalam lukisan sebagai "wanita dengan lampu," karena dia dikenal berjalan di
antara sisi ranjang memeriksa orang sakit dan terluka perang. Tapi Nightingale juga
seorang ahli statistik cerdik yang menggunakan statistik untuk menangkap kebutuhan di
rumah sakit selama Perang Krimea. Dia dikreditkan sebagai salah satu yang pertama
menggunakan "pie chart" (lebih akurat, "grafik kutub"). Nightingale menunjukkan
perbandingan dalam grafik kutub asli tentang perbedaan antara tentara yang meninggal
karena luka pertempuran ("merah" wedges dekat pusat) dan mereka yang meninggal
karena penyebab lain ("biru" wedges diukur dari pusat grafik) di atas. waktu. Hubungan
antara kelompok-kelompok ini mendorong upaya Nightingale untuk mendapatkan
pendanaan lebih lanjut untuk kondisi kebersihan rumah sakit sejak mereka yang
meninggal karena infeksi lebih banyak daripada mereka yang meninggal karena luka
pertempuran.

2. Apa yang dimaksud statistik deskriptif ?

STATISTIK DESKRIPTIF
Statistik deskriptif adalah metode untuk meringkas dan “mendidihkan” esensi dari
sekumpulan informasi sehingga dapat dipahami lebih mudah dan dari sudut pandang
yang berbeda. Kita hidup di dunia yang kaya dengan data; teknik statistik deskriptif
adalah cara untuk memahaminya. Menggunakan metode langsung ini memungkinkan
peneliti untuk mendeteksi pola numerik dan visual dalam data yang tidak segera terlihat.
3. Apa yang dimaksud statistic inferensial ?
STATISTIK INFERENSIAL
Statistik inferensial adalah hal yang berbeda sama sekali. Metode ini memungkinkan
Anda untuk membuat prediksi tentang sikap, perilaku, dan pola dalam skala besar
berdasarkan kumpulan kecil nilai “sampel”. Dalam kehidupan nyata, kita disajikan
dengan situasi yang tidak dapat memberi kita kepastian: Akankah metode pelatihan
nasional meningkatkan peringkat satis-faction pasien dari dokter mereka? Bisakah kita
 memprediksi skor kesehatan pekerja atau umur panjang dalam berbagai industri
berdasarkan posisi pekerjaan mereka? Statistik inferensial memungkinkan kita untuk
menyimpulkan atau membuat pengamatan tentang nilai yang tidak diketahui dari nilai
sampel yang diketahui. Tentunya, kita tidak dapat melakukan ini dengan kepastian
mutlak - kita tidak hidup di dunia yang benar-benar dapat diprediksi. Tetapi kita dapat
melakukannya dalam batas-batas kemungkinan tertentu. Mudah-mudahan, prosedur
statistik akan memungkinkan kita untuk lebih dekat dengan kepastian daripada yang bisa
kita dapatkan tanpa mereka.

4. Apa yang dimaksud dengan standar deviasi(SD) dan varians(VAR), berikan contohnya ?
DEVIASI STANDAR DAN VARIANSI
Standar deviasi (SD) dan varians (VAR) adalah ukuran dari disper skor dalam distribusi.
Artinya, langkah-langkah ini memberikan pandangan tentang sifat dan tingkat
penyebaran skor di sekitar mean. Jadi, bersama dengan mean, kemiringan, dan kurtosis,
ukuran dispersi (yaitu, SD dan VAR) memberikan cara keempat untuk menggambarkan
distribusi dari serangkaian skor. Dengan langkah-langkah ini, peneliti dapat memutuskan
apakah distribusi skor terdistribusi secara normal.
VAR adalah dengan definisi kuadrat dari SD. Secara konseptual, VAR adalah ukuran
global dari penyebaran skor karena ini merupakan penyimpangan rata-rata kuadrat. Jika
Anda menjumlahkan jarak kuadrat antara masing-masing skor dan nilai rata-rata
distribusi skor (yaitu, jika Anda mengkuadratkan dan menjumlahkan jumlah deviasi),
Anda akan memiliki ukuran global dari jumlah total variasi di antara semua skor. Jika
Anda membagi angka ini dengan jumlah skor, hasilnya adalah VAR, atau rata-rata jarak
kuadrat dari mean.
SD adalah akar kuadrat dari VAR. Jika Anda mengambil akar kuadrat rata-rata jarak
kuadrat dari mean, angka yang dihasilkan adalah deviasi standar. Artinya, ini mewakili
jarak standar antara mean dan setiap skor dalam distribusi (bukan rata-rata jarak kuadrat,
yang merupakan VAR). Kami menyebut ini sebagai standar karena kami membuat unit
standar dengan membaginya dengan jumlah skor, menghasilkan nilai yang telah
diketahui properti untuk ahli statistik dan peneliti. Kami tahu bahwa jika distribusi
terdistribusi secara normal, distribusi akan berisi sekitar enam unit SD, tiga di setiap sisi
rerata.
Baik SD dan VAR memberikan gambaran tentang sebaran penyebaran skor dalam suatu
distribusi. Jika SD kecil, skor akan lebih mirip dan sedikit menyebar. Jika besar, skor
akan sangat bervariasi dan menyebar lebih luas. Jadi, jika distribusi skor tes memiliki SD
dua, secara konseptual menunjukkan bahwa biasanya skor berada dalam dua poin dari
mean. Dalam kasus seperti itu, distribusi keseluruhan mungkin akan tampak cukup
"mengerut bersama-sama," dibandingkan dengan distribusi skor tes dengan SD 5,
tergantung pada kisaran skor.
Secara konseptual, SD adalah ukuran standar dari berapa banyak semua nilai dalam
distribusi bervariasi dari mean. Ukuran terkait adalah "rata-rata deviasi" (AD), yang
sebenarnya adalah mean dari semua nilai absolut dari skor deviasi (jarak antara masing-
masing skor dan mean). Jadi, dalam cara yang praktis, peneliti dapat melaporkan bahwa
skor tes prestasi rata-rata (terlepas dari tanda) di antara sekelompok siswa adalah dua
poin dari mean, misalnya.