Konsep dasar, pengorganisasian dan menampilkan data

Biostatistik telah muncul sebagai salah satu disiplin ilmu yang paling penting dalam
beberapa dekade terakhir. Perkembangan cepat dalam biostatistik telah dialami selama
bebrapa dekade terakhir karena kemajuan interaktif di bidang statistik, ilmu komputer, dan
ilmu kehidupan. Proses pengembangan dalam biostatistik terus berlanjut untuk menjawab
tantangan baru karena adanya data baru dan meningkatnya permintaan akan biostatistik
dengan latar belakang yang kuat untuk menghadapi kebutuhan. Biostatistik berurusan dengan
merancang studi, menganalisis data dan mengembangkan teknik statistik dengan fokus
khusus pada kebutuhan di bidang ilmu kehidupan yang luas termasuk kesehatan masyarakat,
ilmu biomedis, kedokteran, ilmu biologi, keddokjteran komunitas, dll. Definisi kerja
biostatistik menyatakan biostatistik sebagai disiplin yang berhbungan dengan pengumpulan,
organisasi, peringkasan, dan analisis data di bidang ilmu biologi, kesehatan, dan medis
termasuk ilmu kehidupan lainnya. Kadang-kadang biostatistik didefiniskan sebagai cabang
statistik yang berhubungan dengan data yang berkaitan dengan makhluk hiodup, namun
karena perkembangan yang cepat di bidang statistik, ilmu komputer dan ilmu kehidupan
secara interaktif, peran dan ruang lingkup biostatistik telah diperluas untuk sebagian besar
selama dekade terakhir. Meskipun terdapat perbedaan pada tingkat lanjutan dari aplikasi
statistik dan biostatistik karena tantangan baru ini, komponen fundamental dari keduanya
dapat didefiniskan untuk mencakup prosedur dengan prinsip –prinsip panduan yang serupa.
Pada tahap saat ini kejutan informasi di setiap sektor, kita perlu mencapai keputusan optimal
menggunakan data yang tersedia. Informasi yang dugunakan untuk membuat keputusan
melalui proses statistik disebut data. Keputusan tentang masalah yang mendasarinya harus
dibuat atas dasar kumpulan data yang relatif kecil untuk digeneralisasi untuk seluruh populasi
yang diminati. Disini, istilah populasi digunakan dengan eaning spesifik dan domain detined.
Sebagai contoh, jika seorang peneliti ingin mengetahui pravelensi sebuah penyaakit yang
terjadi pada anak-anak berusia di bawah 5 tahum di sebuah kota kecil, maka populasi terdiri
dari setiap anak berusia di bawah 5 tahun yang berada dikota kecil tersebut. Pada
kenyataannya, sulit untuk melakukan studi pada seluruh populasi karena biaya, waktu, dan
tenaga terampil yang dibutuhkan untuk mengumpulkan data. Di bawah keadaan ini, populasi
diwakili secara statistik oleh satu set yang lebih kecil untuk membantu eksprimen untuk
memberikan informasi yang diberikan. Pada tahap ini, peneliti menghadapi dua tantangan:
(1) Untuk menemukan nilai-nilai yang merangkum fakta-fakta dasar tentang karakteristik
populasi yang tidak diketahui seperti yang dicari dalam penelitian,
(2) Untuk memastikan bahwa nilai-nilai yang diperoleh menjadi ciri sampel. Dapat
ditujukan memiliki dukungan statistik yang memadai untuk menggeneralisasi temuan
untuk domain atau lebih khusus populasi dari mana sampel diambil. Dua kriteria ini
menggambarkan fondasi penting dari statistik dan biostatistik.
Data yang diperoleh dari eksperimen atau survei diantara subjek dapat memberikan
informasi yang berguna mengenai alasan yang mendasari alasan yang mendasari variasi
tersebut yang mengarah pada temuan penting bagi pengguna, peneliti, dan pembuat
kebijakan. Dengan menggunakan teknik biostatistik, kami mencoba memahami hbungan
yang mendasarinya dan tingkat variasi yang disebabkan oleh risiko potensial atau faktor
prognostik. Identifikasi risiko potensial atau faktor prognostik yang terkait dengan penyakit,
kemanjuran pengobatan, hubungan antara faktor prognostik dan status bertahan hidup, dll.
Beberapa contoh yang dapat dianalisis dengan menggunakan teknik biostatistik.
Mari kita pertimbangkan bahwa seorang peneliti ingin mengetahui tentang pravelensi
diabetes di komunitas perkotaan. Ada dua tipe utama dibetes mellitus, diabetes mellitus
tergantung insulin (IDDM) atau diabetes mellitus yang tidak tergantung insulin (NIDDM)
atau diabetes tipe 2. Jenis pertama dapat terjadi di kalangan anak muda, tetapi jenis lain
biasanya terjadi di antara populasi yang relatif lebih tua. Untuk mengetahui pravelensi
penyakit, kita harus mendefinisikan populasi yang tinggal di komunitas sebagai populasi
penelitian. Akan sulit untuk melakukan penelitian pada seluruh populasi karena pengumpulan
sampel glukosa darah dari masing-masing populasi akan memakan waktu yang sangat lama,
akan sangat mahal, akan dan sejumlah besar tenaga terampil dengan latar belakang yang
sesuai untuk mengumpulkan sampel darah harus terlibat. Selain itu, tingkat nonresponse akan
mengakibatkan sangat tinggi di bias dalam estimasi tingkat prevalensi. Dengan demikian,
survei sampel akan menjadi pilihan yang lebih baik dalam situasi ini mengingat kendala
mendesak. Untuk melakukan survei, daftar rumah tangga di masyarakat adalah penting, dan
kemudian kami dapat mengumpulkan data dari populasi. Hal ini jelas bahwa hasilnya
mungkin menyimpang dari nilai populasi sebenarnya karena penggunaan sampel atau
sebagian penduduk untuk fi nd prevalensi diabetes mellitus. Representasi dari nilai populasi
yang tidak diketahui oleh perkiraan dari data sampel adalah keprihatinan biostatistik penting
untuk suatu percobaan. Contoh yang sama adalah jika kita ingin fi nd apakah faktor-faktor
tertentu menyebabkan penyakit atau tidak.

Tujuan mendasar adalah untuk mempelajari dasar-dasar tentang dua aspek utama dari
statistik:
(i) statistik deskriptif dan
(ii) statistik inferensial. Statistik deskriptif penawaran dengan organisasi,
summarization, dan deskripsi dari data menggunakan teknik statistik sederhana,
sedangkan statistik inferensial menghubungkan tindakan statistik deskriptif dari
set yang lebih kecil data, yang disebut sampel, dengan tubuh yang lebih besar dari
data, yang disebut populasi dari mana data set yang lebih kecil diambil. Selain itu,
teknik inferensial memperhitungkan teknik analisis akun untuk mengungkap
hubungan yang mendasari yang mungkin ada dalam populasi berdasarkan analisis
dari data sampel.

Dalam buku ini, langkah-langkah dasar dan teknik yang meliputi isu-isu utama berikut akan
dibahas:
1. Statistik deskriptif: ini akan membahas organisasi, summarization, dan analisis data.
2. Statistik inferensial: ini akan membahas teknik untuk mencapai keputusan tentang
karakteristik data penduduk dengan menganalisis data sampel. Sampel pada dasarnya adalah
bagian perwakilan kecil dari populasi. Untuk memahami mekanisme yang mendasari untuk
mengatasi isu-isu tentang statistik inferensial, kita perlu konsep dasar probabilitas. Beberapa
konsep dasar penting dari probabilitas dan probabilitas distribusi termasuk dalam buku ini
untuk pemahaman menyeluruh biostatistik.
1.2 Beberapa Konsep Dasar statistika
Statistik, sebagai subjek, dapat definisikan sebagai studi tentang koleksi, organisasi,
summarization, analisis data, dan pengambilan keputusan tentang tubuh data yang disebut
penduduk atas dasar hanya sebagian wakil dari data yang disebut sampel. Ada penggunaan
lain dari statistik istilah dalam tunggal dan statistik dalam indera jamak. Statistik istilah
didefinisikan sebagai nilai yang mewakili ukuran deskriptif yang diperoleh dari pengamatan
sampel, dan statistik digunakan dalam arti jamak.

Populasi
Populasi Istilah memiliki sangat spesifik makna dalam statistik yang mungkin merujuk
kepada populasi manusia atau penduduk set kemungkinan terbesar dari nilai-nilai yang kita
perlu melakukan kajian. Untuk melakukan studi tentang bayi yang hidup dalam masyarakat
pedesaan tertentu, semua bayi di masyarakat yang merupakan penduduk bayi dari masyarakat
yang pada waktu tertentu. Dalam hal ini, populasi dapat berubah dari waktu ke waktu. Jika
kita menggeser tanggal referensi waktu kita dengan 3 bulan, maka populasi bayi di komunitas
yang sama akan berubah selama 3 bulan sebelum tanggal baru karena masuknya bayi yang
baru lahir tambahan selama 3 bulan sebelum tanggal baru, pengucilan kematian bayi selama 3
bulan sebelum tanggal baru, dan pengecualian dari beberapa bayi yang akan berusia lebih
dari 1 tahun selama periode 3 bulan sebelumnya saat studi baru karena mereka tidak dapat
dianggap sebagai bayi. Sebuah populasi nilai-nilai adalah de fi didefinisikan sebagai koleksi
semua nilai yang mungkin di spesifik yang fi waktu ed studi dari suatu variabel acak yang
kami ingin melakukan penelitian. Jika populasi terdiri dari fi Jumlah xed nilai, maka populasi
disebut sebagai fi populasi nite dan di sisi lain jika populasi adalah de fi ned untuk memiliki
suksesi tak berujung nilai-nilai, maka itu disebut sebagai di fi populasi nite. Oleh karena itu,
populasi adalah kumpulan dari semua kemungkinan entitas, elemen, atau individu, di mana
kita ingin melakukan studi di tertentu yang fi waktu ed dan ingin menarik kesimpulan tentang
tujuan dari studi itu. Dapat dicatat bahwa semua pengukuran karakteristik elemen atau
individu yang studi dilakukan berupa populasi nilai-nilai yang karakteristik atau variabel. usia
di bawah 5 tahun dalam sebuah komunitas. Kemudian, semua di bawah 5 anak-anak di
masyarakat

Ukuran populasi ( N)
Ukuran populasi adalah jumlah total subjek atau elemen dalam populasi, biasanya
dilambangkan dengan N. Pada contoh sebelumnya, jumlah anak-anak usia di bawah 5 tahun
di masyarakat adalah ukuran populasi dari daerah penelitian.

Sampel adalah didefinisikan sebagai bagian mewakili populasi yang perlu dipelajari dalam
rangka untuk mewakili karakteristik populasi. Pengumpulan data sampel adalah salah satu
tugas utama yang menggunakan beberapa baik langkah ned untuk memastikan keterwakilan
sampel untuk mewakili populasi dari mana sampel diambil.
Contoh: Pada contoh hipotetis populasi anak usia di bawah 5 tahun di sebuah komunitas yang
dilakukan untuk mempelajari prevalensi penyakit, semua anak-anak usia di bawah 5 tahun
termasuk dalam populasi untuk memperoleh respon mengenai status yang penyakit di antara
anak-anak. Jika hanya beberapa dari anak-anak dari populasi yang dipilih untuk mewakili
semua anak-anak di de yang fi populasi
ned, maka disebut sampel.

Ukuran sampel ( n)
Jumlah individu, mata pelajaran, atau elemen yang dipilih dalam sampel disebut ukuran
sampel dan biasanya dilambangkan dengan n.

Parameter
Parameter adalah untuk mewakili setiap deskriptif ukuran karakteristik atau diperoleh dari
data populasi. Parameter merupakan fungsi dari nilai populasi.
Contoh: Prevalensi penyakit jantung dalam suatu populasi, berat rata-rata pasien yang
menderita diabetes dalam de fi populasi ned, rata-rata jumlah hari menderita musiman fl u
oleh anak-anak usia di bawah 5 tahun pada populasi, dll.

Statistik
Statistik adalah untuk mewakili setiap deskriptif ukuran karakteristik atau diperoleh dari data
sampel. Dengan kata lain, statistik merupakan fungsi dari pengamatan sampel. Contoh:
Prevalensi penyakit jantung dihitung dari pengamatan sampel, berat rata-rata pasien yang
menderita diabetes yang diperoleh dari pengamatan sampel, rata-rata jumlah hari menderita
musiman flu oleh anak-anak usia di bawah 5 tahun dihitung dari pengamatan sampel, dll
Data Kami telah menggunakan data istilah dalam pembahasan sebelumnya kami beberapa
kali yang menunjukkan bahwa data adalah salah satu istilah yang paling banyak digunakan
dalam statistik. Dalam cara paling sederhana mungkin, kami de fi Data ne sebagai bahan
baku statistik. Data mungkin kuantitatif atau kualitatif di alam. Data kuantitatif dapat
dihasilkan dari dua sumber: (i) pengukuran: suhu, berat badan, tinggi, dll, dan (ii) jumlah:
jumlah pasien, jumlah peserta, jumlah kecelakaan, dll data kualitatif mungkin muncul dari
atribut menunjukkan kategori elemen seperti jenis darah, tingkat pendidikan, kebangsaan, dll.

Sumber Data
Bahan baku statistik dapat dikumpulkan dari berbagai sumber. Secara luas, sumber data yang
dikelompokkan dalam hal apakah data sedang dikumpulkan oleh salah melakukan studi baru
atau bereksperimen atau dari sumber yang ada sudah dikumpulkan oleh beberapa organisasi
lain sebelumnya. Dengan kata lain, data yang dapat dikumpulkan untuk Waktu pertama
dengan melakukan studi atau percobaan jika tujuan dari penelitian ini tidak dapat ful diisi atas
dasar data dari sumber yang ada. Dalam beberapa kasus, tidak ada kebutuhan untuk
melakukan sebuah studi baru atau percobaan dengan mengumpulkan satu set baru data karena
penelitian serupa mungkin telah dilakukan sebelumnya tetapi beberapa analisis, diperlukan
untuk tujuan sebuah studi baru, tidak mungkin dilakukan sebelumnya. Dapat dicatat di sini
bahwa sebagian besar data yang dikumpulkan oleh lembaga yang berbeda tetap belum
dianalisis. Oleh karena itu, kita dapat mengklasifikasikan sumber data sebagai jenis berikut:

Data utama: Data primer mengacu pada data yang dikumpulkan waktu pertama oleh salah
melakukan studi baru atau percobaan yang belum dianalisis sebelumnya. Data primer dapat
dikumpulkan dengan menggunakan baik studi observasional untuk memperoleh langkah-
langkah deskriptif atau studi analitis untuk menganalisis hubungan yang mendasari. Kami
dapat melakukan survei atau studi eksperimental untuk mengumpulkan data primer
tergantung pada tujuan penelitian. Data dapat dikumpulkan dengan menggunakan kuesioner
atau jadwal melalui observasi, wawancara, sumber-sumber lokal, telepon, internet, dll Angket
mengacu pada serangkaian pertanyaan yang disusun secara berurutan diisi oleh responden
dan jadwal terdiri dari pertanyaan atau pernyataan fi diisi oleh enumerator dengan
mengajukan pertanyaan atau mengamati item yang diperlukan di tempat yang tersedia.

Data sekunder: Data sekunder mengacu pada satu set data yang dikumpulkan oleh orang lain
waktu di masa lalu. Oleh karena itu, data sekunder tidak mewakili tanggapan diperoleh pada
waktu saat ini bukan dikumpulkan oleh orang lain di masa lalu untuk ful fi lling spesifik fi
tujuan c yang mungkin berbeda atau tidak dari yang dari peneliti atau pengguna. Sumber data
tersebut meliputi data dikumpulkan, disusun dan diterbitkan oleh instansi pemerintah, catatan
rumah sakit, pendaftaran vital (dikumpulkan dan disusun oleh kedua organisasi pemerintah
dan non-pemerintah), sumber internet, website, catatan internal organisasi yang berbeda,
buku, artikel jurnal, dan lain-lain

Tingkat Pengukuran
Tingkat pengukuran didasarkan pada empat kriteria yang dibahas di atas. Tingkat atau
skala
pengukuran dibahas di bawah ini:
1. Nominal: Nominal ukuran skala yang digunakan untuk mengidentifikasi nama atau
label dari Categories. Urutan, jarak, dan rasio pengukuran tidak bermakna, dan
dengan demikian hanya dapat digunakan untuk mengidentifikasi fi kation dengan
 nama atau label dari berbagai kategori. Data Nominal mengukur karakteristik
kualitatif data diungkapkan oleh berbagai kategori. Contoh: jenis kelamin (pria atau
wanita), kategori penyakit (kronis akut atau), tempat tinggal (pedesaan atau
perkotaan), dll
2. Urut: Data ordinal memenuhi kedua identifikasi fi kation dan ketertiban kriteria, tetapi
jika kita mempertimbangkan interval dan rasio antara pengukuran, maka tidak ada
interpretasi berarti dalam kasus data ordinal. Contoh: Tingkat pendidikan responden
(tidak sekolah, primer tidak lengkap, lengkap primer, tidak lengkap, lengkap sekunder
menengah, perguruan tinggi, atau lebih tinggi), status penyakit (berat, sedang,
normal), dll.
3. Selang: data interval memiliki sifat lebih baik dari data nominal dan ordinal. Selain
mengidentifikasikan ketertiban, data interval memiliki properti tambahan bahwa
perbedaan antara pengukuran skala interval bermakna. Namun, ada batasan dari data
interval karena fakta bahwa tidak ada titik awal yang benar (nol) dalam hal data skala
interval. Contoh: suhu, tingkat IQ, peringkat pengalaman, skor dalam sebuah
kompetisi, dll. Jika kita mempertimbangkan data suhu, maka suhu nol adalah
sewenang-wenang dan tidak berarti tidak adanya suhu setiap menyiratkan bahwa suhu
nol tidak nol mutlak. Oleh karena itu, setiap rasio antara dua nilai suhu oleh Celsius
atau Fahrenheit timbangan tidak bermakna.
4. Perbandingan: Data rasio adalah tingkat tertinggi dari pengukuran dengan prop-
optimal erties. Rasio antara pengukuran bermakna karena ada titik awal (nol).
Rasiosatis skala semua empat kriteria termasuk nol mutlak menyiratkan bahwa tidak
hanya perbedaan antara dua nilai, tetapi juga rasio dua nilai juga bermakna. Contoh:
umur, tinggi, berat, dll

Variabel dan Random Variabel

variabel didefinisikan sebagai ukuran karakteristik pada elemen. Unsur adalah unit
terkecil dimana data dikumpulkan. variabel dapat mengambil nilai apapun dalam spesifik
suatu fi ed berkisar untuk setiap elemen. Namun, ini de fi Definisi dari variabel tidak
mengungkapkan konsep yang mendasari variabel yang digunakan dalam statistik secara
memadai. Perlu dicatat bahwa data dalam statistik yang dikumpulkan melalui eksperimen
acak dari suatu populasi. Sampel yang dikumpulkan dari populasi melalui percobaan acak
disebut sampel acak. Pemilihan setiap nilai dalam sampel acak yang diambil dari populasi
tergantung pada kesempatan atau probabilitas ditugaskan untuk menarik setiap elemen
sampel.

Jenis Variabel Acak

A. Variabel Acak kuantitatif
Sebuah variabel acak kuantitatif adalah variabel acak yang dapat diukur dengan
menggunakan skala pengukuran. Nilai dari variabel kuantitatif diukur secara numerik
seperti kuantitas yang memberikan nilai dalam hal pengukuran atau jumlah. Contoh:
ukuran keluarga, berat badan, tinggi, pengeluaran untuk
perawatan medis, jumlah pasien, dll.

Jenis variabel acak kuantitatif

(1) Variabel acak diskrit
Sebuah variabel acak diskrit didefinisikan sebagai variabel acak yang hanya
membutuhkan nilai-nilai dihitung dari percobaan acak. Contoh: jumlah anak yang
pernah dilahirkan, jumlah anak obesitas di keluarga, dll
(2) Variabel acak terus menerus
 Sebuah variabel acak kontinu adalah de fi didefinisikan sebagai variabel acak
yang dapat mengambil nilai apapun dalam mengatakan bahwa variabel acak
kontinu dapat mengambil nilai dari satu atau lebih interval yang dihasilkan dari
percobaan acak. Contoh: tinggi, tingkat gula darah, berat badan, waktu menunggu
di rumah sakit, dll.
B. Variabel Acak Kualitatif
Nilai-nilai dari suatu variabel acak kualitatif diperoleh dari percobaan acak
dan mengambil nama, kategori dengan atau tanpa pemesanan bermakna atau atribut
yang menunjukkan ke mana kategori milik elemen. Contoh: jenis kelamin responden,
jenis rumah sakit, tingkat pendidikan, pendapat tentang kualitas
layanan perawatan medis, dll.

Jenis Variabel Acak Kualitatif

1. (Sebuah) Variabel kualitatif Nominal
Sebuah variabel acak nominal adalah variabel kualitatif yang menganggap
kategori non-peringkat dan saling eksklusif dari variabel. Sebuah variabel nominal
mengambil atribut seperti nama atau kategori yang digunakan untuk identifikasi fi
kation hanya tetapi tidak dapat dipesan atau peringkat. Contoh: jenis kelamin,
kebangsaan,tempat tinggal, golongan darah, dll
2. Variabel kualitatif Ordinal
Variabel ordinal adalah variabel kualitatif yang menganggap kategori
peringkat dan saling eksklusif dari variabel. Dengan kata lain, variabel ordinal
mengambil kualitatif pengamatan diklasifikasikan ke dalam berbagai kategori
eksklusif yang dapat peringkat. Hal ini memungkinkan untuk memesan atau
peringkat kategori variabel ordinal. Contoh: keparahan penyakit, tingkat kepuasan
tentang layanan kesehatan yang disediakan dalam suatu komunitas, tingkat
pendidikan, dll.

Pengorganisasian data
Setelah mengumpulkan data, tugas utama adalah untuk mengatur data sedemikian
rupa yang akan membantu kita untuk Informasi yang menarik untuk penelitian. Pengumpulan
data dari sumber primer atau sekunder dalam format yang membutuhkan teknik khusus untuk
mengatur data untuk menjawab pertanyaan-pertanyaan yang berkaitan dengan tujuan
penelitian atau percobaan.