Konsep dan Aplikasi Analisis

Univariat
Statistik Deskriptif
dr. Henry M.F. Palandeng, M.Sc, FISPH, FISCM
Bagian Ilmu Kedokteran Komunitas
Fakultas Kedokteran – UNSRAT
2018
Tujuan pembelajaran:

1. Mampu menjelaskan ‘descriptive statistic’

2. Mampu melakukan analisis ‘descriptive statistic’
3. Mampu menyajikan data ‘descriptive statistic’
4. Mampu melakukan inferensi ‘descriptive statistic’
Outline

• Penelitian Ilmiah
• Penelitian deskriptif
• ‘Descriptive statistic’
• Klasifikasi cara penyajian
• Jenis pengukuran
• Pengenalan SPSS
Penelitian Ilmiah

• Proses dalam penelitian ilmiah harus memenuhi langkah antara lain:

• Masalah
• Tinjauan teori
• Pengujian fakta
• Kesimpulan
 Observasi
Pengukuran Penelitian
Intervensi

Statistic Statistics
Penelitian Ilmiah

• Tahapan penelitian
• Penemuan – identifikasi masalah
• Desain riset (Jenis dan Desain Penelitian)
• Sampling
• Pengumpulan data
• Pemrosesan dan analisis data
• Kesimpulan dan laporan
Penelitian Ilmiah

• Klasifikasi
• Berdasarkan tujuan
• Berdasarkan karakteristik masalah atau metode
• Berdasarkan strategi
• Berdasarkan tingkat eksplanasi
• Deskriptif
• Komparatif
• Asosiatif
• Berdasarkan sifat dan jenis data
Main branch of statistics

Descriptive Inferential
Descriptive statistics
What is “descriptive statistic”

• Statistik berperan sebagai alat bantu menentukan kebijakan

• Statistik adalah sekumpulan konsep yang digunakan untuk
mengumpulkan dan menginterpretasi data tentang bidang kegiatan
tertentu dan mengambil kesimpulan dalam situasi yang ada
ketidakpastian dan variasi
What is “descriptive statistic”

• Persepsi keliru: statistik hanya berkaitan dengan angka2 / grafik yang

membosankan?
• Sebagai disiplin ilmu, statistik meliputi berbagai metode dan konsep
yang penting dalam semua penyelidikan yang melibatkan
pengumpulan data; dengan cara eksperimentasi & observasi,
pengambilan inferensi/ yang disimpulankan dengan menganalisis
data
Statistik deskriptif (= inductive)

Berasal dari kata to describe artinya

melukiskan, menggambarkan, menerangkan, mendeskripsikan;
keadaan suatu kelompok, tanpa menarik kesimpulan apapun
tentang populasinya (kelompok besarnya).
Statistik deskriptif

• Gambaran kejadian atau keadaan yang diukur dalam bentuk frekuensi

daripada observasi, serta dapat mengetahui penyebaran suatu
masalah atau penyakit dalam populasi sesuai dengan variabel waktu,
tempat, dan orang
Penelitian Deskriptif

• Penelitian tentang frekuensi dan distribusi suatu penyakit pada

manusia atau masyarakat menurut karakteristik orang yang
menderita, tempat kejadian, dan waktu terjadinya
*Budiman Chandra
• Penelitian yang dilakukan untuk mengetahui nilai variabel mandiri
(independen) tanpa membuat perbandingan atau penghubung
dengan variabel yang lain
*Nasir, Muhith, Ideputri
Metode Penelitian Deskriptif

• Suatu metode penelitian yang dilakukan dengan tujuan utama

membuat gambaran atau deskripsi tentang suatu keadaan secara
objektif.
• Digunakan untuk memecahkan masalah atau menjawab permasalahan
• Langkah/tahapan penelitian: pengumpulan data, klasifikasi,
pengolahan/analisis data, membuat kesimpulan, dan laporan
Tahapan kegiatan statistik:

Mengumpulkan
data

Analisis
Menyajikan data
interpretasi

Mengolah data
Apa yang dideskripsikan...

• Menyediakan kesimpulan sederhana mengenai sampel dan

pengukuran yang dilakukan
• Menggambarkan secara sederhana melalui gambar, grafik, dsb
• Membentuk dasar analisis data kuantitatif
• Tujuannya adalah memberikan simpulan terhadap sampel,
membedakan dengan data yang digunakan untuk suatu populasi
Frekuensi distribusi

• Statistik deskriptif yang mengidentifikasi adanya perbedaan dalam

frekuensi dan distribusi kasus.
• Data-data yang lengkap dan akurat tersebut dapat digambarkan
menjadi sebuah gambaran yang informatif dan jelas.
Metode Penelitian Statistik

• Tujuan utama: membuat gambaran atau deskripsi tentang suatu

keadaan secara objektif.
• Digunakan untuk memecahkan atau menjawab permasalahan yang
sedang dihadapi pada situasi sekarang
• Dilakukan dengan langkah pengumpulan data, klasifikasi,
pengolahan/analisis data, membuat kesimpulan, dan laporan
Bidang yang diteliti

• Pelayanan kesehatan
• Menelaah kasus tunggal
• Mengadakan perbandingan
• Melihat hubungan antara suatu gejala dengan peristiwa yang mungkin akan
timbul dengan munculnya gejala tersebut
Contoh

• Mengadakan perbaikan dan peningkatan program-program

pelayanan kesehatan.
• Penelitian mengenai masalah metode pemberantasan penyakit
menular
Pembagian statistik

• Statistik deskriptif: Merupakan kegiatan mulai dari pengumpulan

data sampai mendapatkan informasi dengan jalan menyajikan dan
menganalisis data yang telah terkumpul atau sengaja dikumpulkan

• Statistik inferens: disebut juga statistik induktif; yaitu kumpulan cara

atau metode yang dapat menggeneralisir nilai dari sampel menjadi
nilai populasi. Dengan metode statistik inferens, informasi yang telah
dikumpulkan dapat menjadi suatu pengetahuan baru !
 Pemilahan statistik

Statistik
Parametrik

Statistik
Uji Statistik
Inferensial
Statistik
Statistik non-
parametrik
Statistik
Deskriptif
 Statistik deskriptif (1)
• Statistik deskriptif ialah statistik yang mengumpulkan,
menyusun, menyajikan, dan menjelaskan karakteristik dari
sekumpulan data.
• Statistik deskriptif tidak mempunyai hipotesis dan tidak bersifat
analitik
• Parameter yang diukur ialah:
• Nilai tengah: mean (rerata), median, modus
• Nilai minimum dan maksimum
• Pengukuran dispersi : standard deviation (SD, = simpang
baku), standard error (SE), varians, koefisien variasi, rentang
(range), skewness, kurtosis
Statistik deskriptif (2)

Contoh:
1. Ingin diketahui gambaran perilaku ibu menyusui di suatu
wilayah tertentu
2. Ingin diketahui rerata dan simpang baku (Standard
Deviation, SD) berat badan bayi baru lahir di daerah
perkotaan
3. Ingin diketahui rerata dan SD kadar kolesterol LDL dari
penderita2 yang mengalami infark jantung akut
4. Ingin diketahui proporsi mahasiswa FK yang merokok
 Question needed to be answered

WHO WHEN WHERE

Usia Desa – Kota Musim
Jenis kelamin Lokal – Nasional Musiman
Pekerjaan Global – Internasional Siklus
Agama Tropis – subtropis Sekuler
Pendidikan Geografis dsb
Status perkawinan Topografis
Adat istiadat dsb
Sosial ekonomi
Kebiasaan
Gaya hidup
dsb
 TINGKAT KEPUASAN PASIEN
UNIVERSAL COVERAGE
TERHADAP PELAYANAN
KESEHATAN DI PUSKESMAS
TUMINTING MANADO TAHUN
2016
Who

• Menggambarkan siapa atau populasi mana yang menderita penyakit

atau mengalami masalah kesehatan, siapa yang memiliki risiko tinggi
terkena penyakit, bagaimana gambaran identitas orang tersebut.
• Contoh: usia
• Hubungan antara faktor usia dan frekuensi penyakit
• Hubungan antara usia, jenis kelamin, dan frekuensi penyakit
Where

• Merupakan variabel penting dalam penelitian deskriptif karena dapat

menyebabkan perbedaan pada angka kesakitan dan kematian di
masyarakat atau kelompok masyarakat menurut tempat tinggalnya.
Perbedaan tempat ini dapat bersifat internasional, nasional atau
lokal.
When

• Merupakan variabel penelitian terkait dengan perubahan meterologi,

migrasi penduduk, bencana alam, program kesehatan dsb.
• Menurut waktu, penyakit dapat terjadi dalam suatu periode tertentu,
baik periode yang panjang maupun pendek.
Statistik deskriptif

Survey

Case Study

Comparative Study

Correlation Study

Prediction Study

Evaluation Study
Jenis Penelitian Deskriptif

• Penelitian deskriptif yang dilakukan

Survey terhadap suatu objek yang

biasanya cukup banyak dalam
jangka waktu ttt

Case • Meneliti suatu permasalahan

melalui suatu kasus yang terdiri
Study dari unti tunggal
Jenis Penelitian Deskriptif

• Membandingkan persamaan dan

Comparative perbedaan sebagai fenomena untuk
mencari faktor atau situasi yg
study menyebabkan timbulnya suatu peristiwa

Correlation • Penelitian hubungan antara dua variabel

pada suatu situasi atau sekelompok
Study subjek
Jenis Penelitian Deskriptif

• Memperkirakan kemungkinan
Prediction munculnya suatu gejala
berdasarkan gejala lain yang sudah
study muncul dan diketahui sebelumnya

Evaluation • Menilai suatu program yang

sedang atau sudah dilakukan
study
Statistik Analitik (inferens = deductive)

Dengan meneliti sebagian populasi, (sampel) menarik kesimpulan

tentang kelompok yg lebih besar (populasi).
(a). Melakukan generalisasi.
(b). Membuat ramalan/prediksi.
(c). Membuat estimasi/perkiraan.
Statistik inferensial
• Definisi: statistik yang mengolah data dari
sampel (bagian dari populasi) dan berdasarkan
itu membuat kesimpulan (inference) mengenai
populasi.

• Tujuan: membandingkan variabel antar

kelompok dan bersifat analitik → berusaha
mengetahui adakah perbedaan yang bermakna
antar kelompok
 Statistik inferensial

Contoh:
1. Ingin diketahui apakah rerata berat badan bayi baru lahir di daerah
perkotaan lebih tinggi dari rerata berat badan bayi yang lahir di pedesaan

2. Ingin diketahui apakah obat A atau B yang lebih efektif menurunkan kadar
asam urat pada penderita hiperurisemia
Kelebihan Penelitian Deskriptif

• Mudah dilakukan dan membutuhkan lebih sedikit biaya

• Dapat memberikan gambaran mengenai distribusi dan pola penyakit,
serta kecenderungan kejadian suatu jenis penyakit menurut
karakteristik orang, tempat, dan waktu
• Kendala pada masalah etika sangat sedikit
Kelebihan Penelitian Deskriptif

• Dapat memberikan informasi mengenai hal penting dan faktor risiko

untuk membandinkan prevalensi suatu penyakit dan dapat
memberikan informasi guna menyusun suatu hipotesis untuk diuji
melalui studi analitik
• Memberikan informasi dasar untuk keperluan perencanaan,
pelayanan, dan evaluasi program pelayanan kesehatan pada
masyarakat
Kekurangan Penelitian Deskriptif

• Tidak dapat digunakan untuk uji etiologi hipotesa karena tidak ada
kelompok kontrol atau pembanding
• Tidak dapat menentukan adanya asosiasi atau hubungan antara
faktor risiko dan masalah kesehatan atau penyakit
Data in Descriptive statistics
DATA

• Himpunan angka-angka yang merupakan nilai dari unit sampel

sebagai hasil pengamatan atau pengukuran
• Sumber data:
• Data primer
• Data sekunder
DATA

• Jenis data:
• Data diskrit; adalah data yang sifatnya terputus-putus, nilainya bukan
merupakan pecahan (angka utuh).
• Contoh: data tentang jumlah penduduk, kendaraan dan sebagainya
• Data kontinyu; adalah data yang sifatnya sinambung atau kontinyu, nilainya
bisa berupa pecahan.
• Contoh:
• Data kwalitatif
• Data kwantitatif
• Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan merupakan pecahan (angka utuh). Contoh data diskrit adalah data tentang jumlah penduduk, kendaraan dan sebagainya,
• Data kontinyu adalah data yang sifatnya sinambung atau kontinyu, nilainya bisa berupa pecahan. Contoh data kontinyu adalah data tentang hasil panen padi, panjang jalan, berat sapi dan sebagainya.

• Data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya
memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set
tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2)
dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak
memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai
Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga
seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat,
demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal.
• Data Ordinal bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk
mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki
sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki
urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju
sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5,
kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran
dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan
Kendall Tau.
• Data interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini
memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran
menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan
6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa
E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data
interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial
Regression, dan Multiple Regression.
• Data ratio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran rasio
(data rasio). Data rasio, yang diperoleh melalui pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan
titik nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang
pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali
pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C
dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C
adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg.
Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan
sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan
yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis
pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel (data) interval, dan variabel (data) rasio.
Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya.
Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel
interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran rasio
seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya
Skala Pengukuran

• Sifat yang diukur/diamati yang nilainya bervariasi antara satu objek

ke objek lainnya
• Contoh: berat badan, tinggi badan dll
• Skala pengukuran variabel:
• Skala Nominal
• Skala Ordinal
• Skala Interval
• Skala Ratio

• Skala nominal disebut juga skala kategori, tidak ada tumpang tindih misal:
agama, jenis kelamin,
 Interval Suhu Badan
Numerik/
Kuantitatif/
Kontinyu
Kadar Gula
Rasio Darah

Rendah
Skala Ordinal Normal
Pengukuran Tinggi
Kategorik/
Kualitatif
Laki-laki
Nominal Perempuan

Rate Survival Rate

 Sifat skala pengukuran:
Sifat skala Nominal Ordinal Interval Ratio

Persamaan
pengamatan/pengelomp ya ya ya ya
okkan, klasifikasi bisa

Urutan tertentu, urutan

Tidak ya ya ya
pengamatan bisa

Jarak antara kelompok

Tidak Tidak ya ya
dapat ditentukan
Perbandingan antar
kelompok (ada titik nol Tidak Tidak Tidak ya
mutlak)
Simpulan Numerik/interpretasi

• Distribusi Frekuensi:
• Susunan data angka menurut besarnya (kuantitas) atau menurut kategorinya
(kualitas)
• Nilai tengah
• Nilai yang dianggap mewakili kelompok data tsb
• Mean, Median, Modus, geometric mean, harmonic mean
• Mean dipengaruhi nilai ekstrim (kecil maupun besar)
Simpulan Numerik/interpretasi

• Nilai letak (posisi): kwartil, desil, Persentil

• Nilai-nilai variasi:variasi & deviasi nilai dapat ditunjukkan, yi:
• Range (minimum, maksimum)
• Rata-rata Deviasi (mean deviation)
• Varian
• Standar deviasi
• Koefisien varian
Perhitungan-perhitungan Statistik Deskriptif
dari suatu agregate = Kumpulan Data

1. Nilai-nilai Central tendency = Nilai tengah.

2. Nilai-nilai Variability = Sebaran.
3. Skewness = Kemiringan = Kecondongan.
4. Kurtosis = Kerampingan.
1. NILAI TENGAH

• Mean = Rerata = Rata-rata hitung

• Median = Rata-rata median.
• Mode = Modus = Rata-rata mode.

Yang kurang diperhitungkan:

• Geometric Mean.
• Harmonic Mean.
• Quadratic Mean.
MEAN (Rerata)

1. Suatu nilai yg paling dikenal, umum digunakan, mudah dihitung,

mudah dipahami.
2. Semua agregate (kumpulan data) punya mean.
3. Semua angka digunakan utk menetapkan besar mean.
4. Dapat diperlakukan secara aljabar.
5. Sangat dipengaruhi angka (nilai) ekstrim!
6. ∑(x-Mean) = 0
RUMUS MEAN

Σx
Mean = ----------
n

x1 + x2 + x3 + …….. + xn
Mean = ---------------------------------------
n
Contoh :
Sampel lima mahasiswa ditanya berapa
jumlah saudara kandungnya (n = 5)

A=5 B=4 C=2 D=6 E=3

∑ x 5+4+2+6+3
Mean = ------------- = ---------------- = 4
n 5
Dipengaruhi oleh nilai Ekstrim.

Data : 2, 3, 2, 1, 2, 2

Mean(1) = (2+3+2+1+2+2) / 6 = 2

Data : 2, 3, 2, 1, 2, 2, 14

Mean(2) = (2+3+2+1+2+2+14) / 7 = 4
2. MEDIAN

1. Suatu nilai posisi.

2. Nilai paling di tengah dari suatu array.
3. Rumus posisinya = (n+1)/2.
4. Tidak dipengaruhi oleh nilai ekstrim.
5. Dipengaruhi oleh banyaknya n.
• Contoh : Kumpulan data : 2, 3, 4, 5, 6.
• Posisi median = (5+1)/2 = 3
• Nilai Median = 4
Data : 2, 3, 4, 5, 6.

Posisi Median = (5+1) / 2 = 3

Nilai Median = 4

Data : 2, 3, 4, 5, 14  Median = 4

Data : 2, 3, 4, 5, 6, 7  Median = 4.5

( Nilai Median dipengaruhi jumlah n ).

3. MODUS = MODE

Mode ialah nilai yg paling sering muncul

dalam suatu agregate (kumpulan data).

1,2,2,2,3,5 Mode = 2
3,3,7,8,12,16
3,3,4,5,6,7,7,
4,6,8,10,13,15,17
1,2,2,2,3,5 Mode = 2
3,3,7,8,12,16 Mode = 3
3,3,4,5,6,7,7, Mode = 3 dan 7
4,6,8,10,13,15,17 Mode = Tidak ada.
Hitunglah Mean, Median, Mode

Data : 6, 4, 5, 5, 4, 4, 2, 3, 2, 3.
 ∑x 6+4+5+5+4+4+2+3+2+3.
Mean = -------- = ----------------------------------
n 10
Mean = 3.8

Median  Posisi = (n+1) /2 = 11/2 = 5.5

Array : 2,2,3,3,4,4,4,5,5,6 Median = 4

Median
Mode = 4
(2). VARIABILITAS
Range.

Mean Deviation.

Variance = Varians

Standard Deviation = Simpang baku = s.

Standard Error = SE.

Coefficient of Variation = COV.

Quartiles, Quintiles, Deciles, Percentiles.

1. RANGE

• Merupakan nilai Variabilitas yang paling sederhana.

• Range ialah selisih antara nilai yang (TERBESAR - TERKECIL)
• Range sering menyesatkan, karena untuk dua kumpulan data atau
lebih dapat mempunyai nilai Range yg SAMA

1, 3, 2, 4, 7, 16 Range = 16 – 1 = 15
23,25,28,37,38 Range = 38 – 23 = 15
2. MEAN DEVIATION
Merupakan deviasi (penyimpangan) dg mean :

x x-mean (x-mean)2
----------------------------------------------------------
2 2-4 = - 2 4
3 3-4 = -1 1
4 4-4 = 0 0
5 5-4 = 1 1
6 6-4 = 2 4
------------- ------------ ---------------
Mean = 4 0 10
n=5
2. MEAN DEVIATION.
Merupakan deviasi (penyimpangan) dg mean :

x | x-mean |
-------------------------------- Dipakai harga mutlak.
2 2-4 = 2 Mengabaikan tanda (-).
3 3-4 = 1
4 4-4 = 0
5 5-4 = 1
6 6-4 = 2
------------- ------------
Mean = 4 6 M.D. = 6/5 = 1.2
n=5
 3. V A R I A N C E.
Kuadrat penyimpangan x dg mean :

∑(x – Mean) 2 10

Var = ------------------- = ---------- =2.5

n–1 5-1
4. STANDARD DEVIATION (SIMPANG BAKU).

Merupakan ukuran Variabilitas yg terbaik.

Nilainya setaraf dg nilai sebenarnya.
Besarnya = akar dari Variance.

∑(x – mean) 2
s = √ { ---------------- }
n–1
5. STANDARD ERROR.

SE ialah SD dibagi akar n.

SD s
SE = ---------- = -----------
√n √n
6. COEFFICIENT OF VARIATION.
COV ialah SD dibagi Mean x 100%.
s
COV = --------- (100%)
Mean

Suatu ukuran Variabilitas Relatif.

Membandingkan dua agregate dg unit beda.
Menetapkan apakah data Normal.
 COEFFICIENT OF VARIATION.
Varuiabel TB Mean = 160 Cm, s=8 Cm.
Variabel BB Mean = 55 Kg, s=11 Kg.

COV TB = (8/160)x100% = 5 %.
COV BB = (11/55)x100% = 20 %
Kesimpulan : BB lebih bervariasi dp TB.

COV = < 30%  distribusi data NORMAL.

Data : 6, 4, 5, 5, 4, 4, 2, 3, 2, 3.

Hitunglah : Range.
Mean Deviation.
Variance.
Standard Deviation.
Standard Error.
Coefficient of Variation.
Data : 6, 4, 5, 5, 4, 4, 2, 3, 2, 3.

Array : 2, 2, 3, 3, 4, 4, 4, 5, 5, 6

(1). Range = 6 – 2 = 4.

(2). Mean Deviation :

x I x – Mean I Mean = 3.8
-------------------
2 1.8
2 1.8
3 0.8
3 0.8 10.4
4 0.2 (2). Mean Deviation = ------- = 1.04
4 0.2 10
4 0.2
5 1.2
5 1.2
6 2.2
-----------------
10.4
x Ix – MeanI (x – Mean) 2
----------------------------------------------
2 1.8 3.24
2 1.8 3.24
3 0.8 0.64
3 0.8 0.64 15.60
4 0.2 0.04 (3). Variance = -----------
4 0.2 0.04 10 - 1
4 0.2 0.04
5 1.2 1.44 = 1.733
5 1.2 1.44
6 2.2 4.84
----------------- ----------
10.4 15.60
(4). Standard Deviation
s = √ variance = √ 1.733 = 1.316

s 1.316
(5). Standard Error = --------- = ---------- = 0.416
√n √ 10

s
(6). Cov = --------- (100%) = 34.646 %
Mean
 7.(1). QUARTILES.
Ialah NILAI-NILAI yg membagi suatu array menjadi
EMPAT bagian SAMA BESAR.

n+1 2(n+1) n+1

Posisi Q1 = -------- Q2 = --------- = ----------
4 4 2

3(n+1)
Q3 = -----------
4
 7. (2) QUINTILES.
Ialah NILAI-NILAI yg membagi sebuah array
menjadi LIMA bagian SAMA BESAR.

Ada Quintile(1), Quintile(2),

Quintile(3), Quintile(4).
n+1 2(n+1)
Posisi Quintile(1) = -------- Quin(2)= --------
5 5
 7.(3). DECILES.
Ialah NILAI-NILAI yg membagi senuah array
menjadi SEPULUH bagian SAMA BESAR.

n+1 2(n+1)
Posisi D1 = ---------- D2 = ------------
10 10

5(n+1) n+1
Posisi D5 = ----------- = ----------- Ini Posisi APA?
10 2
 7. (4). PERCENTILES.
Ialah NILAI-NILAI yg membagi sebuah array
Menjadi SERATUS bagian SAMA BESAR.

n+1 2(n+1)
Posisi P1 = ---------- P2 = ------------
100 100
50(n+1) n+1
P50 = -------------- = --------- Ini Posisi APA ?
100 2
Hitunglah : Quartiles, Quintiles, Deciles,
dan Percentiles data di bawah .

Data : 6, 4, 5, 5, 4, 4, 2, 3, 2, 3.

Array : 2, 2, 3, 3, 4, 4, 4, 5, 5, 6
(1). Quartiles. n+1
Posisi Q1 = ---------- = 11 / 4 = 2.75
4
Array : 2, 2, 3, 3, 4, 4, 4, 5, 5, 6

x : 1 = 0.75 : 1
x = 0.75 Q1 = 2.75
(1). Quartiles. 3(n + 1)
Posisi Q3 = ---------- = 33 / 4 = 8.25
4
Array : 2, 2, 3, 3, 4, 4, 4, 5, 5, 6

Q1 = 2.75
Q2 = 4
Q3 = 5.25
(3). SKEWNESS = KEMIRINGAN.
Nilai-nilai Skewness tidak perlu dihitung.
Cukup dinyatakan :
1. Tidak miring = Normal = Simetris.
2. Skewed to the right.
3. Skewed to the left.
 Coefficient of Skewness.

Mean - Mode
Coef of Skewness = -----------------------
s
1. NORMAL = SIMETRIS.

1. Kurvanya berbentuk lonceng, simetris.

2. Sebagian besar nilai-nilai berkumpul di tengah.
3. Nilai-nilai ekstrim kecil & besar sama banyak.
4. Coefficient of skewness = 0.
5. Nilai Mean = Median = Mode.
6. Luas wilayah ki & ka Mean = 50%.
7. COV = < 30 %.
2. SKEWED TO THE RIGHT.

1.Nilai-nilai ekstrim besar lebih banyak.

2.Nilai Mean > Median > Mode.
3.Coefficient of skewness = Positif.
Mean - Mode
4.Coef of skewness = --------------------
SD
3. SKEWED TO THE LEFT.

1. Nilai-nilai ekstrim kecil lebih banyak.

2. Nilai Mean < Median < Mode.
3. Coefficient of skewness = Negatif.
Mean - Mode
Coeff of Skewness = --------------------
SD
(4). KURTOSIS = PEAKNESS =
KERAMPINGAN.
1. Nilai-nilai Kurtosis tidak perlu dihitung.
2. Cukup dinyatakan dengan :
1. Mesokurtic = Normal = Simetris.
2. Leptokurtic = Ramping.
3. Platykurtic = Gemuk.
Mean- Median- Modus

• Pada distribusi yang simetris ketiga nilai ini sama

• Nilai Median selalu terletak antara Modus dan Mean pada distribusi
yang menceng
• Bila nilai Mean lebih besar dari nilai Median dan Modus maka
dikatakan distribusi menceng ke kanan (skew to the right)
Dementia Epidemic in Asia Pacific 13,7  64,7 M
Cost of AD in Asia Pacific: 60.4 billion US$ (Wimo et al,
2006b). Higher than Malaria, Tetanus, Breast Cancer etc

Incidence: 4.3 million/year (2005)  19.7 million/year (2050)

Sajian Statistik
Sajian Statistik

• Data disajikan agar dapat diambil informasi (kumpulan data)

• Pengumpulan data berguna untuk mendapatkan informasi dan
selanjutnya dengan metode statistik inferens dapat dikembangkan
teori atau ilmu baru (pengetahuan baru)
• Sajian data:
• Tulisan (tekstular)
• Tabel (tabular)
• Gambar / grafik (diagram)
Klasifikasi cara penyajian

• Penyajian data dalam bentuk tulisan atau

Tekstular karangan memberikan gambaran statistik

• Penyajian agregat dari data berbentuk angka

Tabular tersusun singkat dan jelas dalam baris-baris dan
kolom sehingga memberikan perbandingan

Grafik atau
• Metode untuk memperlihatkan data kuantitatif
diagram atau dengan menggunakan sistem koordinat
gambar
Tekstular Tabular Grafik
Master Histogram

Paragraf Table Frekuensi poligon

Diagram garis

Text table: Diagram tebar

distribusi frekwensi,
distribusi relatif, Diagram pinca (pie
diagram)
distribusi kumulatif,
Narasi tabel silang (cross
tabulasi / Box Whisker plot
kontingensi tabel)
Pareto chart dll
Tekstular

• Jumlah anak di bawah usia lima tahun (balita) di desa Tandengan

adalah sebanya 800 orang, yang terdiri dari 420 perempuan dan 380
laki-laki. Dari 420 balita perempuan, 100 anak tergolong gizi baik, 120
anak dengan gizi cukup, sisanya adalah gizi buruk. 30% dari balita
laki-laki tergolong gizi baik, 20% gizi cukup dan sisanya tergolong gizi
buruk
Tabel

Tabel 8. Lama penderita HIV sampai menunjukkan gejala sakit

No. Lama rata-rata N Persentase (%)

1. Langsung menunjukkan gejala sakit 12 10,2

2. Dibawah 1 tahun 27 23,1

3. Kurang lebih 5-10 tahun 75 64,1

4. 11-15 tahun 3 2,6

Jumlah 117 100

 Grafik atau diagram atau gambar

Hasil Penelitian
Gambar 3. Distribusi Responden
menurut Program Studi
Gambar 13. Distribusi Responden tentang
Pengetahuan HIV/AIDS
 Smoking: Increased Coronary Artery Disease
(CAD) Mortality
12

10
Relative Risk (95% CI)a

6 5.4

3.7
4
1.7
2 1.0

0
Nonsmokers 1-14/Day 15-24/Day 25/Day
Fatal CAD Cigarettes/Day
Current
a The probability of an event (developing a disease) occurring in exposed people compared Smokers
with the probability of the event in
nonexposed people. Adjusted for age.
Willett et al. N Engl J Med. 1987;317(21):1303-1309.
 Smoking: Effect on Coronary Artery Disease

Progression of Existing Formation of New

Lesions Lesions
60 57 60

50 P=.002 50 P=.007

40 37 40 36

Patients (%)
Patients (%)

30 30
20
20 20

10 10

0 0
Nonsmokers Current Nonsmokers Current
Smokers Smokers

Waters et al. Circulation. 1996;94:614-621.

 Smoking: Increased Risk of Angina
5

4
Relative Risk (95% CI)a

3 2.6
2.0
2 1.6
1.0
1

0
Nonsmokers 1-14/Day 15-24/Day 25/Day
Cigarettes/Day
aThe probability of an event (developing a disease) occurring in exposed people compared
Current Smokers
with the probability of the event in nonexposed people. Adjusted for age.
Willett et al. N Engl J Med. 1987;317(1):1303-1309.
 Smoking: Increased Risk of Hemorrhagic Stroke

Nonsmokers <15 Cigarettes/day 15 Cigarettes/day

(n=20,339) (n=1914) (n=3265)
12

10
Relative Risk (95% CI)a

6
2.06 4.04
1.74
4 3.43 2.39 2.89
2

0
Total Hemorrhagic Intracerebral Subarachnoid
Stroke Hemorrhage Hemorrhage
aThe probability of an event (developing a disease) occurring in exposed people compared
with the probability of the event in nonexposed people.
Adjusted for age, exercise, alcohol consumption, body mass index, history of hypertension,
and history of diabetes.
Kurth et al. Stroke. 2003;34:2792-2795.
 Environmental Tobacco Smoke: Prevalence of Heart Disease
 Exposure to environmental tobacco smoke increases the risk of heart
disease among nonsmokers by 30%

0.20
Proportion With Major CAD

Light activea
0.15 Heavy passiveb

0.10

0.05 Light passivec

0
0 5 10 15 20
Years of Follow up

Adjusted for age, systolic blood pressure, diastolic blood pressure, total cholesterol, HDL cholesterol, FEV, height, preexisting CAD, body mass
index, triglycerides, white cell count, diabetes, physical activity, alcohol intake, and social class.
aLight active refers to men smoking 1-9 cigarettes a day. bHeavy passive refers to upper three quarters of cotinine concentration combined (0.8

to 14.0 ng/mL). cLight passive refers to lowest quarter of cotinine concentration among nonsmokers (0-0.07 ng/mL).
Whincup et al. BMJ. 2004;329:200-205.
 Environmental Tobacco Smoke:
Risk of Acute Myocardial Infarction (MI)
 Exposure to environmental tobacco smoke increased the risk
of non-fatal acute MI in a graded manner
4
Nonsmokers
Odds Ratio (95% CI)a

1
Never 1-7 8-14 15-21 22
0.75
aThe ratio of the oddsEnvironmental
of development of disease in exposed
Tobacco Smoke Exposurepersons
(Hoursto the
per odds of
Week)
development of disease in nonexposed persons. Adjusted for age, sex, region, physical activity,
and consumption of fruits, vegetables, and alcohol. Adapted from Teo et al. Lancet.
2006;368:647-658.
Tugas

• Buatlah masing – masing kelompok tutorial:

• Mencari 2 jurnal terbitan tahun 2018 dengan kata kunci ‘water quality’
• atau cite jurnal di google scholar dengan pengarang henry Palandeng
• Buatlah analisa univariate sesuai dengan kuliah yang sudah disajikan
• Dikumpulkan selambat-lambatnya Jumat, 10 Agustus 2018 pukul 11:59.59
melalui e-mail henrypalandeng@unsrat.ac.id
Terima Kasih