Puji syukur kehadirat Allah SWT, karena berkat rahmat, karunia dan
hidayahNya, buku Dasar Statistik untuk Kesehatan ini dapat terselesaikan. Statistik
merupakan salah satu cabang ilmu Pengetahuan yang sangat diperlukan dalam suatu
kegiatan Penelitian. Usaha-usaha yang dilakukan dalam rangka pengambilan Keputusan
dan menentukan kebijakan perlu di dukung oleh hasil penelitian yang akurat.
Dalam Buku ini akan dipelajari tentang bagaimana cara menyelesaikan
Masalah-Masalah probabilitas sebagai alat pengambil keputusan, alat-alat statistik yang
dibutuhkan untuk melakukan pengkajian terhadap masalah yang dihadapi. Serta sebagai
dasar berpikir selanjutnya dalam mencari terobosan baru (policy) guna memecahkan
masalah yang dihadapi.
Adapun isi dari Buku Dasar Statistik Untuk Kesehatan ini adalah sebagai berikut
: Teori probabilitas, Distribusi Probabilitas Diskret, Teori Keputusan, Metode dan
Distribusi Sampling, Hipotesa, Uji Chi Kuadrat, Korelasi, Analisis Regresi, Uji t, dan
Anova..
Buku Dasar Statistika Untuk Kesehatan ini untuk membekali kompetensi
mahasiswa, namun demikian. Dengan adanya buku ini di harapkan kepada mahasiswa
agar lebih mudah dan mengerti didalam pemahaman materi - materi yang ada, karena di
susun menggunakan bahasa yang sederhana, dan mudah – mudahan dapat
mengaplikasikan dalam kehidupan sehari – hari.
Ucapan Terima Kasih Penulis sampaikan kepada semua pihak yang telah
membantu proses penyelesaian buku ini. Kritik dan saran bersifat membangun dalam
penyempurnaan buku ini sangat penulis harapkan. Semoga Buku ini membawa manfaat
kepada pembaca. Aamiin.
Penulis
DAFTAR ISI
Kata pengantar ................................................................................................................. i
Daftar isi ........................................................................................................................... ii
DAFTAR PUSTAKA
LAMPIRAN
BAB 1
KONSEP DASAR PROBABILITAS
A. PENDAHULUAN
Contoh:
Seluruh mahasiswa STIKes Surya Mitra Husada harus memiliki sertifikat
Bahasa Inggris. Di kota Kediri sendiri banyak terdapat tempat kursus Bahasa
Inggris diantaranya Mozaik, Mahesa, Elfas dll. Maka akan muncul kebingungan
dalam memilih tempat kursus. Untuk menentukan pilihan biasanya mahasiswa
akan bertanya kepada teman-teman, mereka kursus dimana? Dari ratusan
mahasiswa mungkin anda bertanya hanya pada 20 orang mahasiswa. Yang
paling banyak diminati anda akan memilih tempat tersebut untuk kursus.
Dari contoh tersebut dapat dilihat bahwa keputusan diambil hanya dari beberapa
contoh atau sampel dari populasi keseluruhan.
2. Pengertian Probabilitas
Lind (2002) dalam mendefinisikan probabilitas sebagai :
“Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi dimasa
mendatang. Probabilitas dinyatakan anatara 0 sampai 1 atau dalam persentase”
b. Hasil (Outcome)
Suatu Hasil dari sebuah percobaan. Dalam Hasil ini semua Kejadian akan
dicatat atau dalam artian seluruh peristiwa yang akan terjadi dalam sebuah
percobaan. Misalnya dalam mengikuti ujian semester maka hasil yang akan
diperoleh ada mahasiswa yang lulus dan ada yang tidak lulus. Ada yang
lulus memuaskan ada yang tidak memuaskan.
c. Peristiwa (Event)
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau
kegiatan.
Contoh :
Tabel 1.1 Tabel peristiwa
Percobaan Pertandingan Sepak Bola antara
Prodi IKM dan Prodi IKP
STIKes SMH
Hasil Prodi IKM menang,
Prodi IKM kalah,
Seri, tidak ada yang menang dan
tidak ada yang kalah
Peristiwa Prodi IKM Menang
B. PENDEKATAN PROBABILITAS
Untuk menentukan tingkat probabilitas suatu kejadian, maka ada tiga pendekatan
yaitu pendekatan klasik, pendekatan relatif dan pendekatan subjektif.
1. Pendekatan Klasik
Diasumsikan bahwa semua peristiwa mempunyai kesempatan yang sama
untuk terjadi (equally likely).
Probabilitas suatu peristiwa kemudian dinyatakan sebagai rasio antara
jumlah kemungkinan hasil dengan total kemungkinan hasil (rasio peristiwa
terhadap hasil).
Probabilitas =
Contoh :
Pada kegiatan mahasiswa belajar semua hasil ada yang sangat memuaskan,
memuaskan dan terpuji. Jumlah hasil ada 3 dan hanya 1 peristiwa yang
terjadi, maka probabilitas setiap peristiwa 1/3.
Pada suatu percobaan hanya 1 peristiwa yang terjadi, dan peristiwa lain
tidak mungkin terjadi pada waktu yang bersamaan maka dikenal sebagai
peristiwa saling lepas.
2. Pendekatan Relatif
Probabilitas suatu keadian tidak dianggap sama, tergantung dari beberapa
banyak suatu kejadian terjadi, yang dinyatakan sebagai berikut :
Contoh :
Dari Kegiatan belajar mahasiswa dapat dilihat hasilnya pada Wisuda Sarjana
Sarjana STIKes SMH tahun 2015 sebanyak 800 orang mahasiswa. 500 orang
lulus dengan memuaskan, 200 orang dengan sangat memuaskan dan 100
orang dengan predikat terpuji. Maka probabilitas lulus memuaskan adalah
500/800 = 0.625; lulus dengan sangat memuaskan 200/800 = 0.25 dan lulus
dengan terpuji 100/800 = 0.125.
3. Pendekatan Subjektif
Yang dimaksud dengan pendekatan subjektif adalah menentukan
besarnya probabilitas suatu peristiwa didasarkan pada penilaian pribadi dan
dinyatakan dalam derajat kepercayaan.
Contoh :
Menurut pengamat politik, Jokowi akan menang dalam Pemilu Indonesia
tahun 2019.
BAB 2
KONSEP DASAR DAN HUKUM PROBABILITAS
A. Hukum Penjumlahan
Hukum penjumlahan menghendaki peristiwa yang saling lepas (mutually
exclusive) yaitu apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat
terjadi pada saat bersamaan.
Hukum ini dilambangkan sebagai :
Contoh :
Berikut adalah kegiatan unit mahasiswa untuk tiga sekolah tinggi kesehatan di xediri
dengan jumlah total sebanyak 200 kegiatan.
Penyelesaian :
Dari data diatas diketahui bahwa :
Probabilitas Kegiatan A = P (A) = 120/200 = 0.60
Probabilitas Kegiatan B = P (B) = 80/200 = 0.40
D
Gambar 2.1 Kejadian bersama
Penjumlahan probabilitas dengan adanya unsur kegiatan bersama, maka rumus
penjumlahan dirumuskan kembali menjadi sebagai berikut :
Dimana :
P (A atau D) : probabilitas terjadinya A atau D atau A dan D bersma-sama
P (A) : probabilitas terjadinya A
P (D) : probabilitas terjadinya D
P (AD) : probabilitas terjadinya A dan D bersama-sama
A B
Gambar 2.2 Kejadian saling lepas
Oleh sebab itu, untuk peristiwa yang saling lepas, probabilitas kejadian A atau B
yang Dinyatakan P (A atau B)
Sehingga :
P (A atau B) = P (A) + P (B)
Contoh :
Cobalah hitung beberapa probabilitas kegiatan mahasiswa yang meliputi kegiatan A dan
kegiatan B disebut P(AB) dan probabilitas kejadian untuk sekolah kesehatan X, Y, dan
Z di sebut P(CDE)
Tabel 2.1 Probabilitas Kegiatan di Sekolah kesehatan
Sekolah Tinggi Kesehatan
Kegiatan Jumlah
X (C) Y (D) Z (E)
Kegiatan ( A ) 30 50 40 120
Kegiatan ( B ) 40 39 10 80
Jumlah 70 80 50 200
Penyelesaian :
Probabilitas kejadian A dan B adalah kejadian yang saling lepas, maka P(AB) = 0. maka
hukum penjumlahan untuk peristiwa saling lepas adalah :
P (A atau B) = P(A) + P(B) – P(AB)
= 0.6 + 0.4
= 1.0
probabilitas kejadian ketiga Sekolah Tinggi Kesehatan juga merupakan kejadian saling
lepas, maka hukum penjumlahannya adalah :
P (C atau D atau E) = P (C) + P (D) + P (E) – P(CDE)
= 0.35 + 0.40 + 0.25 – 0
= 1.0
probabilitas P(C atau D atau E) = P(C) + P (D) + P(E) – P(CDE)
= 0.35 + 0.40 +0.25 – 0
= 1.0
probabilitas P(C atau D)
P (C atau D) = P (C) + P(D) – P(CD)
= 0.35 + 0.40
= 0.75
B. Hukum Perkalian
A
B
Contoh :
Hasil penelitian di jakarta menunjukkan bahwa 60 % dari usaha kecil dan
menengah (UKM) tidak berbadan hukum, sedang sisanya berbadan hukum.
Bank sebagai lembaga pembiayaan dengan memperhatikan aspek kehati-hatian
memberikan probabilitas 80 % kepada UKM berbadan hukum masih
mempunyai kesempatan sebesar 20 % untuk mendapatkan kredit. Hitunglah
beberapa persen probabilitas UKM mendapat kredit dari Bank ?
Penyelesaian :
Kegiatan B (0,4) Y
Kegiatan A (0,6) Y
Teorema ini dikembangkan oleh Thomas Bayes pada abad ke-18. Bayes
seorang pendeta, bertanya apakah Tuhan ada dengan memperhatikan fakta-fakta yang
ada di bumi. Jadi bila Tuhan ada, maka ada fakta sebagai ciptaan Tuhan. Apabila fakta
dilambangkan P(A1) untuk suatu fakta dan P(A2) untuk fakta lain, sedang keberadaan
Tuhan dinyatakan dengan P(B), maka teorema Bayes dinyatakan sebagai :
( )
( ) ( )
Secara sederhana dapat kita lakukan dengan mengurut ketiga bank sebagai
berikut:
Dari uraian diatas dapata kita ketahui bahwa terdapat 6 cara mengurutkan nama
sekolah kesehatan tersebut tersebut, namun apabila jumlah sekolah kesehatan
tersebut tersebut 50 buah sekolah kesehatan, tentu kita akan kewalahan dalam
mengurutkan. Maka dapat dilakukan dekat pendekatan faktorial, Apabila
sekolah kesehatan berjumlah tigas maka cara mengurutkan nama Sekolah
Kesehatan Tersebut :
3! = 3 X 2 X 1 = 6
B. PERMUTASI
Digunakan untuk mengetahui sejumlah kemungkinan susunan (arrangement)
jika terdapat satu kelompok objek. Pada permutasi ini kita berkepentingan
dengan susunan atau urutan dari objek, permutasi dirumuskan sebagai berikut:
dimana :
P : Jumlah permutasi atau cara Objek disusun
n : Jumlah total objek yang disusun
r : Jumlah objek yang digunakan pada saat bersamaan, jumlah r dapat
sama dengan n atau lebih lebih
! : tanda dari faktorial
Contoh :
Dari 20 Kelas di STIKes Surya Mitra Husada, ingin dikelompokkan menjadi
beberapa kelompok. Jika satu kelompok terdiri dari 5 kelas, ada berapa susunan
kelompok yang dapat dibuat ?
Jabab :
C. COMBINASI
Kombinasi digunakan apabila kita tertarik pada berapa cara sesuatu diambil
dari keseluruhan objek tanpa memerhatikan urutannya. Misalnya ada 10 Sekolah
Kesehatan dan kita hanya akan mengambil 3 Sekolah Kesehatan, maka ada
beberapa kombinasi bank yang dapat diambil tanpa memperhatikan urutan atau
susunannya. Dirumuskan sebagai berikut :
Contoh :
Ada 5 orang siswa mendaftar sebagai pembawa acara dalam suatu kegiatan
hiburan. Pihak penyelenggara hanya akan memilih 2 orang yang dapat dijadikan
pasangan. Ada berapa kombinasi pasangan yang dapat dipilih oleh panitia ?
BAB 4
KARAKTERISTIK DISTRIBUSI KURVA NORMAL
Bila X suatu pengubah acak normal dengan nilai tengah , dan standar deviasi
, maka persamaan kurva normalnya adalah :
-1/2(x-)/2,
untuk -< X <
√
Jenis-jenis probabilitas normal sangat dipengaruhi oleh nilai rata-rata hitung dan
standar deviasinya, maka distribusi probabilitas kurva normal diantaranya.
a. Distribusi probabilitas dan kurva Normal dengan dan berbeda.
1. Mesokurtik
Kurva normal ini mempunyai = Md dan Mo yang sama, namun
berbeda
2. Platykurtik
Nilai semakin tinggi dan kurva semakin pendek. Nilai tinggi
menunjukkan bahwa nilai data semakin menyebar dari nilai tengahnya
().
3. Leptokurtik
Nilai semakin rendah dan kurva semakin runcing. Nilai rendah ini
menunjukan data semakin mengelompokkan pad nilai tengahnya ()
Dimana :
Z = skor Z atau nilai normal baku
X = NIlai dari suatu pengamaan atau pengukuran
μ = Nilai rata-rata hitung suatu Distribusi
σ = stndar deviasi suatu distribusi
Contoh :
Sudah merupakan pedagang buah di pusat pasar medan. Setiap hari membeli
300 kg jeruk. Probabilitas buah laku dijual adalah 80 % dan 20 % tidak laku
atau busuk. Berapa probabilitas buah sebanyak 250 kg laku dan tidak busuk
?
Jawab :
n = 300; probabilitas laku p = 0,8 dan q = 0,2
μ = np = 300 x 0,80 = 240
σ = = 6,93
Contoh:
Ada tiga orang mahasiswa yang akan memilih mata kuliah pada semester genap
tahun 2015/2016. Mata kuliah tersebut adalah Biostasistika (BSTK) dan Aplikasi
Komputer (Aplikom). Ketiga mahasiswa tersebut bebas memilih mata kuliah mana
yang akan diikuti, bisa memilih BSTK semua, BSTK dan Aplikom atau Aplikom
semua. Berikut adalah kemungkinan dari ketiga pilihan mahasiswa tersebut.
dari tabel dapat dilihat kemungkinan mahasiswa tidak memilih BSTK sama sekali
ada satu kejadian, mahasiswa hanya satu yang memilih BSTK ada 3 kejadian, ada 2
mahasiswa yang memilih BSTK ada 3 kejadian. Mahasiswa ada 3 orang yang
memilih BSTK ada 1 kejadian. Dari ke 8 kejadian tersebut kita dapat menyusun
distribusi probabilitas sebagai berikut :
B. Variabel Acak/Random
a. Variabel Acak
Variabel acak didefenisikan sebagai sebuah ukuran atau besaran yang
merupakan hasil suatu percobaan atau kejadian yang terjadi secara acak atau
untung-untungan dan mempunyai nilai yang berbeda-beda.
Contoh:
Petani menimbang berat setiap semangka yang telah dipanen. Dari lima
semangka beratnya berturut-turut 3.56; 3.80; 2.79; 3.60 dan 4.05 kg. Maka
penimbangan berat adalah percobaan acak dan nilai berat setiap semangka
adalah variabel acak.
√
Dimana:
2 : Varians
: Standar deviasi
X : Nilai suatu kejadian
: Nilai rata-rata hitung distribusi probabilitas
P(X) : Probabilitas suatu kejadian X
∑ : Lambang operasi penjumlahan
Contoh:
Hitunglah nilai rata-rata hitung, Standar deviasi dan Varian pada kasus pilihan
tiga mahasiswa pada mata kuliah Biostatistika pada contoh terdahulu?
Penyelesaian :
Tabel 5.3 tabel probabilitas
X P(x) x.P(x) X-P (x-p)2 (x-r)2 – P(x)
0 0,125 0,000 -1,500 2,250 0,281
1 0,375 0,375 -0,500 0,250 0,094
2 0,375 0,750 0,500 0,250 0,094
3 0,125 0,375 1,500 2,250 0,281
1,500 2 0,750
Contoh:
PT Sari Buah Lestari mengirim buah-buah segar setiap harinya kepada sebuah
swalaya terkenal di kota Kediri. Dengan jaminan kualitas buah yang segar, 80%
buah yang dikirim lolos seleksi oleh swalayan tersebut. PT Sari Buah Lestari
mengirim 10 buah Melon setiap harinya
Permintaan:
a. Berapa probabilitas 10 buah diterima
b. Berapa probabilitas 8 buah diterima
c. Berapa probabilitas 7 buah diterima
Penyelesaian:
a. probabilitas 100 buah diterima semua
n = 10 p = 0,8
r = 10 q = 0,2
E. Distribusi probabilitas Hipergeometrik
Dalam distribusi binomial diasumsikan bahwa peluang suatu kejadian tetap atau
konstan atau antar-kejadian saling lepas.
Dalam dunia nyata, jarang terjadi hal demikian. Suatu kejadian sering terjadi
tanpa pemulihan dan nilai setiap kejadian adalah berbeda atau tidak konstan.
Distribusi dengan tanpa pemulihan dan probabilitas berbeda adalah Distribusi
Hipergeometrik.
Pada kasus dimana terjadi percobaan tanpa pengembalian pada populasi yang
terbatas, dan jumlah sampel terhadap populasinya lebih 5%, distribusi
hipergeometrik lebih tepat digunakan. Distribusi hipergeometrik dinyatakan sebagai
berikut:
Dimana:
P (r) : Nilai probabilitas hipergeometrik dengan kejadian r sukses
N : Jumlah populasi
S : Jumlah sukses dalam populasi
r : Jumlah sukses yang menjadi perhatian
n : Jumlah sampel dari populasi
C : Simbol kombinasi
Contoh :
Seorang penjual kelapa muda baru mendapat kiriman 20 buah kelapa yang 5
diantaranya sudah terlalu tua. Jika seseorang mengambil 2 buah kelapa secara acak,
tentukanlah peluang bahwa :
a. Kelapa yang terambil kedua-duanya adalah kelapa tua
b. Kelapa yang terambil kedua-duanya adalah kelapa muda
c. Kelapa yang terambil salah satunya adalah kelapa tua
Jawab :
Diketahui :
N = 20
S = 15
n=2
a. r = 2
b. S = 5
r=2
c. r = 1
dimana
P(X) : Nilai probabilitas distribusi poisson
μ : Rata-rata hitung dari jumlah nilai sukses; dimana μ = n.p
e : Bilangan konstan = 2,71828
X : Jumlah nilai sukses
P : probabilitas sukses suatu kejadian
! : Lambang faktorial
Contoh soal :
1. Jumlah mobil yang memasuki gerbang jalan tol dalam setiap menit diketahui
berdistribusi Poisson. Jika rata-rata jumlah mobil yang memasuki gerbang tol
permenitnya adalah 3 buah mobil tentukan peluang bahwa antara jam 10.00
sampai 10.01 terdapat dua mobil yang memasuki gerbang tol tersebut.
2. Survei Komnas PA pada tahun 2015, menunjukkan bahwa dari 8.564 siswa SMP
berusia 13-14 tahun, sebanyak 90% sudah terpapar iklan rokok dan 41% dari
yang sudah terpapar rokok tersebut akhirnya mencoba untuk merokok. Apabila
diambil 20 siswa SMP di DKI Jakarta secara acak, maka hitunglah peluang:
a. Tidak ada siswa yang tidak merokok
b. Lebih dari 5 siswa yang merokok.
3. Pada tahun 2014, sebuah kota di pedalaman Watampone, diperoleh data bahwa
rata-rata terdapat 2,5 orang albino per 175 orang. 525 orang diambil sebagai
sampel percobaan. Dengan menggunakan pendekatan Possion, tentukanlah
peluang:
a. Didapat tidak ada yang albino.
b. Terdapat ada albino.
BAB 6
TEORI KEPUTUSAN
Setiap hari kita harus mengambil keputusan, baik keputusan yang sederhana maupun
keputusan jangka panjang. Untuk membantu dalam pengambilan keputusan, ilmu
statistika telah mengembangkan cabang statistika baru yaitu teori keputusan statistika.
Ilmu ini berkembang sejak tahun 1950-an yang sebenarnya telah dipelopori sejak abad
ke-18 oleh pendeta Thomas Bayes.
Contoh:
Keputusan yang diambil suatu perusahaan atau Universitas Swasta:
Barang dan jasa apa yang akan diproduksi,
Metode apa yang dipakai untuk memproduksi,
Untuk siapa barang dan jasa di produksi,
Bagaimana strategi pemasaran dan promosinya,
Apakah perusahaan membutuhkan tenaga pemasaran,
dan lain-lain.
1. Elemen-elemen Keputusan
Kepastian (certainty): informasi untuk pengambilan keputusan tersedia dan
valid.
Risiko (risk): informasi untuk pengambilan keputusan tidak sempurna, dan ada
probabilitas atas suatu kejadian.
Ketidakpastian (uncertainty): suatu keputusan dengan kondisi informasi tidak
empurna dan probabilitas suatu kejadian tidak ada.
Konflik (conflict): keputusan di mana terdapat lebih dari dua kepentingan.
Setiap keputusan dalam atatistika mempunyai tiga elemen atau komponen penting
1. Pilihan atau alternatif yang terjadi bagi setiap keputusan.
2. States of nature yaitu peristiwa atau kejadian yang tidak dapat dihindari atau
dikendalikan oleh pengambil keputusan.
3. Hasil atau payoff dari setiap keputusan.
Contoh:
Beberapa metode dalam statistika yang digunakan untuk pengambilan keputusan dalam
keadaan berisiko:
SAHAM OL BAIK OL
P= 0,5 BURUK Perhitungan EV Nilai EV
P = 0,5
Aventis 444.444 277.778 (444.444x0,5) + (277.778x0,5) 361.111
Nilai OL untuk alternatif terbaik adalah nol, maka kondisi baik adalah Soho = 0 dan
kondisi terburuk Aventis = 0. nilai OL terendah adalah untuk Soho maka dapat
direkomendasikan untuk dibeli oleh investor.
Contoh :
Berikut adalah deviden yang dibagikan oleh tiga perusahaan yang ada di
BEJ yaitu Aventis, Kimia Farma dan Soho. Deviden dibedakan dalam
krisis, normal dan Boom.
a. Kriteria Laplace
1. EV (Aventis) = 1/3 X 1.180 + 1/3 X 488 + 1/3 X 250 = 639
2. EV (Kimia Farma) = 1/3 X 2.000 + 1/3 X 1.356 + 1/3 X 300 =
1.219
3. 3. EV (Soho) = 1/3 X 4.463 + 1/3 x 1.666 + 1/3 x 185 = 2.015
188
Boom (0,63) 0
836
2000
2880 1372 Boom (0,63)
2880 4463
Boom (0,63)
BAB 7
METODE DAN DISTRIBUSI SAMPLING
Populasi Sampel
Gambar 7.1 Populasi sampel
Dari table diatas terlihat bahwa jumlah sample setiap stratumnya didasarkan pada
jumlah proporsi persentsae setiap stratum terhadap jumlah totalnya.
b. Disproporsional
Pada Sampel Strata Disproporsional, ukuran sampel yang diambil dari setiap
subpopulasi (strata) sama besarnya, yang berbeda adalah pecahan
samplingnya. Strategi pengambilan sample sama dengan proporsional.
Perbedaanya ialah terletak pada ukuran sample yang tidak proporsional
terhadap ukuran unit sampling karena untuk kepentingan pertimbangan
analisa dan kesesuaian.
Sebagai contoh apabila akan dipilih 5 perusahaan reksadana, maka perusahaan mana
yang akan menjadi sampel dengan menggunakan metode sistematis, beberapa
langkah yang harus dilakukan adalah:
a. memberikan nomor urutan misalnya dari aset terbesar sampai terkecil atau
sebaliknya
b. jumlah populasi misalnya 59, dan jumlah sampel 5, maka jarak antara sampel
adalah 12
c. nomor sampel adalah 1, 13, 25, 37, dan 49 (setiap sampel berjarak secara
sistematis yaitu 12)
Salah satu cara menentukan ukuran sampel yang di kembangkan oleh Isaac
dan Michael dengan menggunakan pendekatan statistic untuk tingkat
Kesalahan 1%, 5%, dan 10% adalah sebagai berikut :
2. Dengan Rumus
Contohnya: Jika jumlah perlakuan ada 4 buah, maka jumlah ulangan untuk
tiap perlakuan dapat dihitung:
Distribusi sampel dari rata-rata hitung sampel dan populasi adalah suatu distribusi
probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari
suatu ukuran sampel tertentu yang dipilih dari populasi, dan probabilitas terjadinya
dihubungkan dengan setiap rata-rata hitung sampel.
c. Hubungan antara standar deviasi sampel x dan proporsi pada kondisi sampel
terbatas
√ √
d. Hubungan standar deviasi sampel x dan proporsi pada kondisi sampel tidak
terbatas
√
√ √
3. Nilai Z
1. Nilai Rata-rata
√ √
3. Nilai Z
√
A. Hipotesis
Hipotesa adalah suatu pernyataan mengenai nilai suatu parameter populasi yang
dimaksudkan untuk pengujian dan berguna untuk pengambilan keputusan. Hipotesa
sebenarnya disusun berdasarkan data, akan tetapi karena data tersebut dihasilkan dari
sample yang mempunyai probabilitas, sehingga hasilnya bisa saja benar dan mungkin
saja salah. Oleh sebab itu sebuah hipotesa sebelum menjadi keputusan haruslah diuji
terlebih dahulu dengan menggunakan data observasi.
B. Pengujian Hipotesis
Pengujian hipotesa adalah prosedur yang didasarkan pada bukti sampel yang dipakai
untuk menentukan apakah hipotesa merupakan suatu pernyataan yang wajar dan oleh
karenanya tidak ditolak, atau hipotesa tersebut tidak wajar dan oleh karena itu harus
ditolak.
Situasi
Keputusan H0 Benar H0 Salah
Terima H0 Keputusan tepat (1 – α) Kesalahan Jenis II (β)
Tolak H0 Kesalahan Jenis I (α) Keputusan tepat (1 – β)
D. Prosedur Pengujian Hipotesa
Langkah 1. Merumuskan Hipotesa
(Hipotesa nol (H0) dan Hipotesa Alternatif (H1))
Langkah 2. Menentukan Taraf Nyata
(Probabilitas menolak hipotesa)
Langkah 3. Menentukan Uji statistik
(Alat uji statistik, uji Z, t, F, χ2 dan lain-lain)
Langkah 4. Menentukan Daerah Keputusan
(Daerah di mana hipotesa nol diterima atau ditolak))
Langkah 5. Mengambil Keputusan
Contoh:
1. Rata-rata penyebaran penyakit flu singapura tidak sama dengan 13,17%, maka
H0 : μ = 13,17%
H1 : μ≠ 13,17%
Contoh :
Waktu rata-rata yang diperlukan permahasiswa untuk mendaftar ulang pada semester ganjil di
suatu perguruan tinggi adalah 20 menit dengan simpangan baku 5 menit. Suatu prosedur
pendaftaran baru yang menggunakan mesin antrian sedang dicoba. Bila sample 12 mahasiswa
memerlukan waktu pendaftaran rata-rata 8 menit dengan simpangan baku 3,2 menit dengan
system baru tersebut, ujilah hipotesis yang menyatakan bahwa rata-ratanya sekarang tidak sama
dengan 20 menit. Gunakan α = 5%.
BAB 9
MENGUJI HIPOTESA RATA-RATA SAMPEL BESAR
Ada Tiga hal yang terkait dengan pengujian hipotesa rata-rata dan porposi sample besar
yaitu:
a. Proses pengujian hipotesa, dimana pengujiannya tetap mengikuti 5 langkah
b. Yang diuji dalam hal ini adalah rata-rata populasi dan proporsi dari populasi
c. Sample besar. Sample besar adalh sample yang berjumlah 30 atau lebih.
Dengan menggunakan sample besar diharapkan akan mendekati distribusi
normal sehingga dapat digunakan nilai dan uji Z.
Langkah 1
Merumuskan hipotesa. Hipotesa yang menyatakan bahwa rata-rata penyebaran penyakit
flu singapura sama dengan 13,17% merupakan hipotesa nol, dan hipotesa alternatifnya
adalah rata-rata penyebaran penyakit flu singapura tidak sama dengan 13,17%. Hipotesa
tersebut dapat dirumuskan sebagai berikut:
H0 : µ = 13,17%.
H1 : µ ≠ 13,17%.
Langkah 2
Menentukan taraf nyata. Taraf nyata sudah ditentukan sebesar 5%, apabila tidak ada
ketentuan dapat digunakan taraf nyata lain. Taraf nyata 5% menunjukkan probabilitas
menolak hipotesa yang benar 5%, sedang probabilitas menerima hipotesa yang benar
95%. Nilai kritis Z dapat diperoleh dengan cara mengetahui probabilitas daerah
keputusan H0 yaitu Zα/2 = α/2 – 0,5/2 = 0,025 dan nilai kritis Z dari tabel normal
adalah 1,96.
Langkah 3
Melakukan uji statistik dengan menggunakan rumus Z. Dari soal diketahui bahwa rata-
rata populasi = 13,17%, rata-rata sampel 11,39% dan standar deviasi 2,09%. Mengingat
bahwa standar deviasi populasi tidak diketahui maka diduga dengan standar deviasi
sampel, dan standar error sampel adalah Sx = s/√n sehingga nilai Z adalah
Langkah 4
Menentukan daerah keputusan dengan nilai kritis Z=1,96
Langkah 5
Mengambil Keputusan. Nilai uji Z ternyata terletak pada daerah menolak H0. Nilai uji Z
= –5,11 terletak disebelah kiri –1,96. Oleh sebab itu dapat disimpulkan bahwa menolak
H0, dan menerima H1, sehingga pernyataan bahwa hasil rata-rata investasi sama dengan
13,17% tidak memiliki bukti yang cukup kuat.
dimana:
Z = Nilai uji Z
p = Proporsi sampel
P = Proporsi populasi
N = jumlah sampel
√
Di mana:
x1-x2 : Standar deviasi selisih dua populasi
1 : Standar deviasi populasi 1
2 : Standar deviasi populasi 2
n1 : Jumlah sampel pada populasi 1
n2 :Jumlah sampel pada populasi 2
Di mana:
S x1-x2 : Standar deviasi selisih dua populasi
s1 : Standar deviasi populasi 1
s2 : Standar deviasi populasi 2
n1 : Jumlah sampel pada populasi 1
n2 :Jumlah sampel pada populasi 2
Contoh soal :
1. Manajer pemasaran suatu produk kesehatan menyatakan tidak ada perbedaan
volume penjualan rata-rata setiap bulan antara Pasar I dan Pasar II. Untuk
membuktikan pernyataan tersebut diambil sampel mengenai volume penjualan
selama 12 bulan terakhir di kedua pasar tersebut dan diperoleh informasi bahwa
volume penjualan setiap bulan di Pasar I adalah 236 unit dengan standar deviasi 20
unit. Sedangkan volume penjualan setiap bulan pada periode tersebut di Pasar II
adalah 200 unit dengan standar deviasi 30 unit. Dengan menggunakan tingkat
signifikansi 5%, apakah sampel mendukung pernyataan bahwa tidak terdapat
perbedaan volume penjualan di kedua pasar tersebut.
2. Empat puluh karyawan di PT. A dan 36 karyawan di PT. B dipilih secara random
sebagai sampel untuk menguji dugaan bahwa upah rata-rata per hari di PT. A lebih
tinggi daripada upah rata-rata per hari di PT. B. Berdasarkan sampel tersebut
diperoleh informasi bahwa besarnya upah rata-rata per hari di PT. A adalah $80,0
dengan standar deviasi $1,6 dan di PT. B adalah $78,2 dengan standar deviasi $2,1.
Dengan = 5%, apakah sampel mendukung dugaan bahwa upah rata-rata per hari
di PT. A lebih tinggi daripada upah rata-rata per hari di PT. B.
Pada sampel kecil yaitu kasus dimana jumlah sampel kurang dari 30, maka nilai standar
deviasi (s) berfluktuasi relatif besar, sehingga nilai uji Z tidak bersifat normal. Oleh
karena itu, untuk sebaran distribusi sampel kecil dikembangkan suatu distribusi khusus
yang dikenal sebagai distribusi t atau t-student. Nilai distribusi t dinyatakan sebagai
berikut
dimana:
t = Nilai distribusi t
= nilai rata-rata populasi
x = nilai rata-rata sampel
s = standar deviasi sampel
n = jumlah sampel
CIRI DISTRIBUSI F
1. Distribusi F lebih mirip dengan distribusi t, yaitu mempunyai “keluarga”
distribusi F.
df(29,28)
df(20,7)
df(5,5)
Pada gambar di atas terlihat bahwa distribusi dengan derajat bebas pembilang 5
dan penyebut 5 yang ditulis df(5,5) mempunyai distribusi F yang berbeda
dengan distribusi df(20,7) dan df(29,28).
4. Distribusi F juga memerlukan syarat yaitu: (a) populasi yang diteliti mempunyai
distribusi yang normal, (b) populasi mempunyai standar deviasi yang sama, dan
(c) sampel yang ditarik dari populasi bersifat bebas serta diambil secara acak.
Contoh :
1. Seorang peneliti ingin mengetahui apakah dengan pemberian aspirin mampu
meredakan rasa sakit dalam waktu rata-rata 15 menit. Sehingga dilakukan
pengambilan sample pada 10 pasien. Ujilah apakah pendapat dari peneliti tersebut
benar.
No. Waktu No. Waktu
1 9 6 10
2 13 7 9
3 18 8 11
4 20 9 14
5 21 10 16
BAB 11
UJI CHI-KUADRAT
A. Statistika nonparametrik:
Statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau
bebas distribusi, sehingga tidak memerlukan asumsi terhadap populasi yang akan diuji
Uji goodness of fit dikembangkan oleh Karl Pearson pada tahun 1900 dan ada yang
menyebutnya dengan uji keselarasan. Rumus yang dikembangkan oleh Pearson adalah:
dimana:
X2 = nilai chi-Kuadrat
fo = Frekuensi yang diperoleh
fe = frekuensi yang diharapkan
Uji keselarasan adalah untuk menguji seberapa tepatkah frekuensi yang teramati
(observed frequencies, fo) cocok atau sesuai dengan frekuensi yang diharapkan
(expected frequencies, fe). Uji keselarasan dimaksudkan apakah ada kecocokan atau
kesesuaian antara harapan dengan kenyataan.pada uji ini ada dua hal penting
a. frekuensi yang diharapkan sama, apabila setiap data pengamatan nilai frekuensi
yang diharapkan sama
b. frekuensi yang diharapkan tidak sama
D. Uji keselarasan dengan Frekuensi Harapan sama
Hasil perdagangan saham perusahaan obat pada minggu pertama 2016 adalah sebagai
berikut:
Tabel 11.1 Saham perusahan obat
No Perusahaan Prosentase Perubahan Harga
1 Abbot 4
2 Aventis 10
3 Afifarma 56
4 Actavis -3
5 BioFarma 3
6 Bintang toedjo 29
7 Combiphar -3
8 Dexa Medica 9
9 Henson Farma 10
10 Darya Varia 7
1. Menentukan hipotesa
Hipotesa yang disusun adalah hipotesa nol (H0) dan hipotesa alternatif (H1). Hipotesa
nol, H0, menyatakan bahwa tidak ada perbedaan antara nilai atau frekuensi observasi
atau teramati dengan nilai atau frekuensi harapan. Sedangkan hipotesa alternatif, H1,
menyatakan bahwa ada perbedaan antara nilai atau frekuensi teramati dengan nilai atau
frekuensi yang diharapkan. Hipotesa selanjutnya dinyatakan sebagai berikut:
H0 : fo = fe
H1 : fo ≠ fe
Untuk kasus ini, nilai n adalah kategori atau sampel yaitu 10, sedang k adalah variabel,
dimana k= 1, jadi derajat bebasnya adalah df= 10 - 1= 9. Setelah menemukan nilai df
dan taraf nyata, maka dapat dicari nilai kritis chi-kuadrat dengan menggunakan tabel
chi-kuadrat sebagai berikut:
T a r a f Nyata
Df 0,1 0,05 0.02 0.01
1 2.706 3.841 5.412 6.635
2 4.605 5.991 7.824 9.210
3 6.251 7.815 9.837 11.345
…
7 12.017 14.067 16.622 18.475
8 13.362 15.507 18.168 20.090
Contoh Soal:
Ada keyakinan bahwa apabila IPK tinggi. maka akan mendapatkan penghasilan
tinggi. Berdasarkan keyakinan tersebut. Nani dari YESS tahun 2015 melakukan
penelitian terhadap 751 sarjana dari berbagai Sekolah Tinggi Kesehatan yang bekerja
disektor Kesehatan di Jawa Timur.
Berikut adalah hasilnya
Dari data tersebut. apakah keyakinan adanya hubungan antara IPK dengan tingkat
penghasilan dapat dibenarkan?
Fo Fe (fo-fe)2 /fe
22 26 0,64
67 67 0,00
127 120 0,45
31 33 0,16
80 86 0,40
161 153 0,44
31 28 0,40
73 71 0,04
122 127 0,20
8 5 1,96
17 13 1,52
15 22 2,49
χ2 = ∑ (fo - fe)2 /fe 8,68
1. Hipotesa. H0: tidak ada hubungan antara acara tingkat penghasilan dengan IPK. H1
ada hubungan antara tingkat penghasilan dengan IPK.
2. Menentukan nilai kritis. df= (c - 1)(r - 1)= (3 - 1)(4 - 1) = 6 dengan taraf nyata 5%
adalah 12.596
3. Nilai chi-kuadrat hitung = 8.68 < dari chi-kuadrat tabel 12.596, dengan demikian H0
diterima dan H1 ditolak. Jadi tidak ada hubungan antara tingkat penghasilan dengan
IPK
BAB 12
DATA STATISTIK
A. Pengertian Statistik
Pada awal mulanya kata statistik di gunakan oleh Gottfriet Achmenwall (1719
– 1772). Kemudian Dr. E.A.W. Zimmerman memperkenalkan kata statistic ke
negeri Inggris, selanjutnya kata statistic itu di populerkan oleh Sir Jhon Sinclaer.
Secara etimologi kata statistic berasal dari bahasa Italia “statista” yang berarti
negarawan atau ahli kenegaraan. Karena sejak dahulu kala statistic hanya di
gunakan untuk kepentingan Negara saja.
Kita sering mendengar statistik dan statistika itu sama dalam artian pasti
berhubungan dengan angka. Statistik adalah kumpulan data mengenai suatu
permasalahan sehingga dapat memberikan suatu gambaran dari permasalahan
tersebut. Statistika adalah suatu metode ilmiah yang mempelajari teknik
pengumpulan data, penghitungan, penggambaran, pengaturan data di sertai
pengaturan kesimpulan yang valid dari penganalisaan yang di lakukan serta
pembuatan keputusan secara rasional.
Berdasarkan tingkat atau tahapan kegiatan, statistic dapat di bagi menjadi dua
golongan, yaitu :
1. Statistik Deskriptif atau statistik deduktif
Yaitu kegiatan statistik yang di mulai dari menghimpun data, menyusun
atau mengatur data, mengolah data, menyajikan dan mengolah data guna
memberikan gambaran tentang suatu gejala, peristiwa atau keadaan.
2. Statistik Inferensial atau statistic induktif
Yaitu statistic yang menyediakan aturan atau cara yang dapat di gunakan
untuk menarik kesimpulan (conclusion), membuat ramalan (forecast) dan
penaksiran (estimation) dsb.
B. Data Statistik
Data adalah segala fakta dan angka yang dapat dijadikan bahan untuk
menyusun suatu informasi (Suharsimi Arikunto, 2002). Data merupakan materi
mentah yang membentuk semua laporan penelitian (Dempsey dan Dempsey, 2002).
Data berbentuk jamak sedangkan bentuk tunggalnya adalah datum. Jadi data
sama dengan datum-datum. Data statistik ialah data yang berwujud angka, namun
tidak semua angka di sebut data statistik. Suatu angka atau bilangan di sebut data
statistik bila angka itu menunjukkan suatu ciri dari suatu penelitian yang bersifat
agregatif yaitu pencatatan yang di lakukan lebih dari satu kali pada satu individu
serta mencerminkan suatu kegiatan dalam bidang tertentu.
Pengenalan jenis-jenis data statistic sangat penting, karena menyangkut pilihan
instrument pengumpul data yang akan di gunakan dan menentukan pilihan teknik
analisis yang akan digunakan.
Dari sudut pandang statistic data dapat dibagi menjadi dua yaitu :
1. Data kualitatif
Data yang dinyatakan bukan dalam bentuk angka. Contohnya adalah Jenis
kelamin (laki-laki, perempuan), program studi (ilmu kesehatan masyarakat,
ilmu pendidikan ners, kebidanan, analist, dsb). Data kualitatif dapat diolah
dan dianalisis dengan statistik tetapi harus diubah kedalam data kuantitatif.
2. Data kuantitatif
Data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Misalnya
tinggi badan, kadar gula darah, kadar kolesterol, nilai ujian.
1. Observasi
Observasi merupakan metode pengumpulan data yang palin galamiah dan paling banyak
digunakan tidak hanya dalam dunia keilmuan, tetapi juga dalam berbagai aktivitas
kehidupan. Secara umum, observasi berarti pengamatan, penglihatan. Sedangkan secara
khusus, dalam dunia penelitian, observasi adalah mengamati dan mendengar dalam
rangka memahami, mencari jawaban, mencari bukti terhadap fenomena sosial
keagamaan (perilaku, kejadian-kejadian, keadaan, benda, dan simbol-simbol tertentu)
selama beberapa waktu tanpa mempengaruhifenomena yang diobservasi, dengan
mencatat, merekam, memotret fenomena tersebut guna penemuan data analisis.
2. Wawancara
Wawancara adalah percakapan langsung dan tatap muka (face to face)dengan maksud
tertentu. Percakapan itu dilakukan oleh dua pihak, yaitu pewawancara (interviewer)
yang mengajukan pertanyaan dan yang diwawancarai (interviewee) yang memberikan
jawaban atas pertanyaan itu. Maksud mengadakan wawancara secara umum adalah
untuk menggali struktur kognitif dan dunia makna dari perilaku subjek yang diteliti.
Pembagian macam-macam wawancara yang dikemukakan oleh Patton (1980:197),
yaitu:
C. Penyajian Data
Data yang di kumpulkan dengan menggunakan teknik pengumpulan data baik dari
data sumber primer maupun sumber sekunder perlu di sajikan dalam bentuk yang jelas
sehingga mudah untuk di baca dan dianalisis. Distribusi (distribution) memiliki arti
pembagian atau pencaran. Frekuensi (frequency) berarti kekerapan atau keseringan. Jadi
distribusi frekuensi berarti pembagian nilai menurut kelompok atau kategori masing-
masing yang dimuat di dalam kolom dan lajur. Menurut bentuk datanya, distribusi
frekuensi dibagi menjadi 2, yaitu distribusi untuk data tunggal dan distribusi untuk data
kelompok. Ukuran gejala pusat adalah suatu ukuran yang digunakan untuk mengetahui
kumpulan data mengenai sampel atau populasi yang disajikan dalam tabel dan diagram,
yang dapat mewakili sampel atau populasi. Ada beberapa macam ukuran tendensi
sentral,yaitu rata-rata (mean), median, modus.
1. Pada Data tunggal
x
a. Rata-rata dapat di hitung : x
n
b. Varians dapat di hitung : 2
2 xi x
s
n 1
e. Pilih Ujung Kelas Interval Pertama, untuk ini bisa diambil sama dengan
data terkecil atau nilai data yang lebih kecil dari data terkecil tetapi
selisihnya harus kurang dari panjang kelas yang telah di tentukan.
Selanjutnya daftar diselesaikan dengan menggunakan harga-harga yang
telah di hitung.
a. Rata-rata dapat dihitung :
f x i
X
i
f
b. Varians dapat di hitung : i
x x
2
2 f i
i
s n 1
c. Modus :
f
Dimana : M o
b p 1
f f
1 2
e. Median
1 n F
M e
b p 2
f
med
F adalah jumlah semua frekuensi dengan tanda kelas < dari tanda kelas median
f adalah frekuensi median
f. Kuartil
i n 1
Letak K i
datake
4
in
F
4
K i
b p
f
Contoh soal :
1. Data dibawah ini adalah nilai ujian Biostatistika 50 mahasiswa suatu Perguruan
tinggi.
Interval nilai f
50 -54 5
55 – 59 10
60 – 64 7
65 – 69 15
70 – 74 6
75 – 79 4
80 - 84 3
Tentukan rata-rata, median, modus, dan kuartil
BAB 13
KORELASI BIVARIATE
A. Pengertian Korelasi
Apa sebenarnya korelasi itu? Korelasi merupakan teknik analisis yang
termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of
association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada
sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur
kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik
pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai
sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman.
Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan
asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi
jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi
pengaruh, maka kedua variabel tersebut disebut independen.
Korelasi (correlation) dalam ilmu statistic berarti hubungan antara dua variable
atau lebih. Hubungan antara dua variable di sebut korelasi bivariate (bivariate
correlation). Contohnya hubungan antara pengetahuan mengenai bahaya merokok
dengan perilaku merokok. Korelasi lebih dari dua variable di sebut multivariate
correlation.
B. Koefisien Korelasi
Dalam kehidupan sehari-hari sering kita menjumpai dua peubah atau lebih
yang bergantung. Sebagai contoh, kita mungkin menemukan sesuatu hal yang
memperlihatkan adanya suatu pertambahan pada peubah X yang dibarengi dengan
pertambahan pada peubah Y. Bila dapat ditunjukkan perubahan pada satu peubah
yang berhubungan dengan peubah lain, maka kedua peubah itu dapat dikatakan
berkorelasi. Korelasi dikatakan positif apabila penambahan pada peubah X akan
menyebabkan penambahan pada variable Y, sebaliknya korelasi dikatakan negatif
jika penambahan pada peubah X menyebabkan berkurangnya variable Y. Korelasi
erat antara dua peubah tidak harus berarti suatu sebab akibat. Korelasi yang berarti,
mungkin menunjukkan kemungkinan semacam itu bagi peneliti, tetapi petunjuk atau
fakta yang mendukung dari sumber lain harus diketemukan sebelum simpulan yang
menyangkut sebab-akibat dijamin.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel
(kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data
harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala
ordinal. Kuat lemah hubungan diukur menggunakan jarak (range) 0 sampai dengan
1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed).
Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika
nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud
dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi
antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0),
maka terdapat hubungan antara dua variabel tersebut. Jika koefesien korelasi
diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau
hubungan linear sempurna dengan kemiringan (slope) positif. Sebaliknya. jika
koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi
sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam
korelasi sempurna tidak diperlukan lagi pengujian hipotesis mengenai signifikansi
antar variabel yang dikorelasikan, karena kedua variabel mempunyai hubungan
linear yang sempurna. Artinya variabel X mempunyai hubungan sangat kuat dengan
variabel Y. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara
kedua variabel tersebut.
Korelasi dinyatakan dengan koefisien (r) dan merentang dari –1 sampai +1.
Koefisien 1, dengan tanda + atau -, menunjukkan korelasi sempurna antara dua
peubah. Sebaliknya, koefisien nol berarti tidak ada korelasi sama sekali. Jika
koefisien korelasi (r) dikuadratkan, didapat koefisien penentu (r2). Nilai ini dapat
digunakan sebagai taksiran untuk kekuatan antara kaitan antara dua peubah yang
berkorelasi. Koefisien penentu khususnya menaksir persentase keragaman X yang
berkaitan dengan (atau diterangkan oleh) keragaman Y – atau sebaliknya. Misal
diketahui korelasi sebesar –0.9786 menunjukkan suatu hubungan linier yang amat
baik antara X dan Y. Karena r2 = 0.9581 maka dapat dikatakan bahwa hampir 96%
dari variasi dalam Y disebabkan oleh hubungan linier dengan X.
Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan
antara dua variabel penulis memberikan kriteria sebagai berikut (Sarwono : 2006):
1: Korelasi sempurna
Jika angka signifikansi hasil penelitian ≤ 0,05, maka hubungan kedua variabel
signifikan.
Jika angka signifikansi hasil penelitian > 0,05, maka hubungan kedua variabel
tidak signifikan
Atau jika pengujian menggunakan penghitungan secara manual maka dapat
melihat table dengan kriteria sebagai berikut :
Jika nilai hitung hasil penelitian ≥ nilai tabel, maka hubungan kedua variabel
signifikan.
Jika nilai hitung hasil penelitian < nilai tabel, maka hubungan kedua variabel
tidak signifikan
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan
hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat
arah hubungan. Untuk melakukan interpretasi kekuatan hubungan antara dua
variabel dilakukan dengan melihat angka koefesien korelasi hasil perhitungan
dengan menggunakan kriteria sbb: a) Jika angka koefesien korelasi menunjukkan 0,
maka kedua variabel tidak mempunyai hubungan; b) Jika angka koefesien korelasi
mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat; c) Jika
angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan
semakin lemah; d) Jika angka koefesien korelasi sama dengan 1, maka kedua
variabel mempunyai hubungan linier sempurna positif; e)Jika angka koefesien
korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier
sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan
didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan
ketentuan sebagaimana sudah dibahas di atas. Interpretasi ini akan membuktikan
apakah hubungan kedua variabel tersebut signifikan atau tidak.
Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi,
yaitu searah dan tidak searah. Pada IBM SPSS hal ini ditandai dengan pesan two
tailed. Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi
positif, maka hubungan kedua variabel searah. Searah artinya jika variabel X
nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi negatif, maka
hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya
tinggi, maka variabel Y akan rendah. Dalam kasus, misalnya hubungan antara
kepuasan pelanggan dan loyalitas sebesar 0,86 dengan angka signifikansi sebesar
0,000 akan mempunyai makna bahwa hubungan antara variabel kepuasan
pelanggan dan loyalitas sangat kuat, signifikan dan searah. Sebaliknya dalam kasus
hubungan antara variabel pengetahuan dengan perilaku terhadap kebiasan merokok
sebesar -0,86, dengan angka signifikansi sebesar 0; maka hubungan kedua variabel
sangat kuat, signifikan dan tidak searah.
Contoh soal :
Misalnya ingin diketahui apakah terdapat hubungan antara nilai statistika dengan
nilai aplikasi komputer. Dengan hasil penelitian sebagai berikut :
No X Y ̅ ̅ ̅
̅
1 70 80 -0.2 12.2 -2.44
2 83 76 12.8 8.2 104.96
3 65 57 -5.2 -10.8 56.16
4 79 56 8.8 -11.8 -103.84
5 54 70 -16.2 2.2 -35.64
Total = 19.2
Dimana
̅
̅
Contoh soal :
Suatu penelitian dilakukan untuk mengatahui apakah ada hubungan tingkat
kelahiran hiperbilirubin dengan tingkat keteraturan ibu hamil dalam meminum obat.
Untuk itu dilakukan pengambilan data pada sebagian ibu hamil trisemester 3 di
puskesmas wilayah “X”. Kejadian hiperbilirubin dikategorikan menjadi 3 :
hiperbilirubin grade 1; 2 : hiperbilirubin grade 2; 1 : normal. Sedangkan tingkat
keteraturan dikategorikan menjadi : 3 : teratur, 2: cukup, dan 1 : tidak teratur. Dan
didapatkan data sebagai berikut :
(x) (y) Rank (x) Rank (y) (x – y) (x – y)2
3 1 9,5 3 6.5 42.25
2 2 5,5 7 -1.5 2.25
3 1 9,5 3 6.5 42.25
3 1 9,5 3 6.5 42.25
1 3 2 10 -8 64
2 2 5,5 7 -1.5 2.25
2 2 5,5 7 -1.5 2.25
1 3 2 10 -8 64
3 1 9,5 3 6.5 42.25
2 1 5,5 3 2.5 6.25
1 3 2 10 -8 64
Total 374
Sehingga
Contoh soal :
Jenis kelamin Laki-laki Perempuan Jumlah
Prestasi
Berhasil 100 (a) 72 (b) 172
Gagal 15 (c) 13 (d) 28
Jumlah 115 85 200
Langkah-langkah menghitung korelasi phi adalah :
a. Membuat table seperti contoh soal diatas dengan memberi tanda a,b,c,
dan d dan memasukkan kedalam rumus
√
b. Membuat hipotesis
H0 : tidak ada hubungan antara jenis kelamin dengan prestasi ( )
H1 : ada hubungan antara jenis kelamin dengan prestasi ( )
c. Penarikan kesimpulan dilakukan dengan membandingkan antara nilai
korelasi phi dengan table korelasi product moment.Dengan n = 200 di
dapatkan nilai table 1,38 sehingga terima H0, yang artinya tidak ada
hubungan antara jenis kelamin dengan prestasi belajar.
C 2
rumus untuk mencari chi-kuadrat adalah :
n
f
2
2 f
0 h
f h
Contoh soal :
Pemahaman agama Baik Cukup Kurang Jumlah
Pelaksanaan sholat
Baik 65 25 9 99
Sedang 35 55 10 100
Kurang 14 13 24 51
Jumlah 114 93 43 250
Contoh soal
Data berikut merupakanhasil penelitian yang dilakukan untuk menentukan
hubungan antara usia dengan denyut jantung (banyaknya denyut jantung per
menit) pada perempuan dari usia satu sampai 15.
Dari data pada table 14.1 dapat di buat diagram pencar yang dapat
memperlihatkan apakah variable yang di teliti dapat di analisis menggunakan
regresi linier atau tidak. Jika titik-titik point nya terletak atau membentuk garis
lurus, maka dapat dianggap bahwa regresi linier merupakan analisis yang tepat
yang dapat digunakan.
∑ ̅ ̅
∑ ̅
a y bx
̂
̂
̂
BAB 15
UJI BEDA BIVARIATE (PARAMETRIK)
Bila seorang peneliti ingin mengetahui apakah parameter dua populasi berbeda atau tidak,
maka uji statistik yang digunakan disebut uji beda dua mean. Umumnya, pendekatan yang
dilakukan bisa dengan distribusi Z (uji Z), ataupun distribusi t (uji t).
Uji Z dapat digunakan bila (1) standar deviasi populasi (σ) diketahui, dan (2) jumlah
sampelnya besar (> 30). Bila kedua syarat tersebut tidak terpenuhi, maka jenis uji yang
digunakan adalah uji t dua sampel (two sample t-test). Tes “t” adalah salah satu uji
statistik yang digunakan untuk mengetahui ada atau tidaknya perbedaan yang
significant (menyakinkan) dari dua buah mean sample (dua buah variable yang
dikomparatifkan).
Tes “t” dikembangkan oleh William Seely Gosset seorang konsultan statistik Irlandia
pada tahun 1915. Ia menggunakan samaran “student” dan huruf “t” pada istilah tes “t”
sehingga tes “t” juga dikenal dengan istilah “student t”.
Uji t pada satu populasi akan menguji apakah rata-rata populasi sama dengan suatu
harga tertentu. Sedangkan uji t dua sample akan menguji apakah rata-rata dua populasi
sama ataukah berbeda secara nyata.
Berdasarkan hubungan antar populasinya, uji t dapat digolongkan kedalam dua
jenis uji, yaitu Paired sample t-test, dan independent sample t-test.
Dependent sample t-test atau sering diistilakan dengan Paired Sampel t-Test, adalah
jenis uji statistika yang bertujuan untuk membandingkan rata-rata dua grup yang saling
berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah sampel dengan subjek
yang sama namun mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu
pengukuran sebelum dan sesudah dilakukan sebuah treatment. Syarat jenis uji ini adalah:
(a) data berdistribusi normal; (b) kedua kelompok data adalah dependen (saling
berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah numeric.
Sampel berpasangan (Paired sample) adalah sebuah sampel dengan subyek yangs ama
namun mengalami dua perlakuan atau pengukuran yang berbeda. Seperti seorang detailer
yang bekerja sebelumnya tanpa mendapat training, dengan sesudah ia mendapat training,
bagaimana efektifitas training tersebut terhadap kemampuan menjualnya, apakah ada
peningkatan atau tidak. Disini sampelnya tetap detailer yang sama, tapi mendapat dua
perlakuan berbeda, yaitu kondisi sebelum dan kondisi sesudah training.
Rumus yang di gunakan adalah
a. Paired sample t test untuk n < 30 sample
d
t
d
S
d
n
Contoh soal :
Untuk menghadapi persaingan dengan perusahaan Obat lain, Obat produksi DUTA
FARMA yang selama ini dikemas secara sederhana, akan diubah kemasannya.
Untuk itu, pada 15 daerah penjualan yang berbeda, dilakukan pengamatan dengan
mencatat penjualan Obat dengan kemasan lama (kemasan1). Kemudian kemasan
diganti dengan kemasan yang lebih atraktif (kemasan 2), dan kemudian mencatat
tingkat penjualan Obat dengan kemasan baru pada 15 daerah yang sama.
2. Membuat hipotesis
H0 : tidak ada perbedaan tingkat penjualan berdasarkan kemasan 1 dan
kemasan 2 ( µ1 = µ2 )
H1 : ada perbedaan tingkat penjualan berdasarkan kemasan 1 dan
kemasan 2 (µ1 ≠ µ2)
3. Membandingkan t hitung dengan t table
Mencari df (degree of freedom) atau derajat kebebasan = n-1
Df = 15 – 1
ttabel = 2,14
4. Memberikan kesimpulan
Karena nilai thitung < ttabel (tanpa memperhatikan tanda – karena pengujian dua
arah) maka H0 di terima sehingga tidak ada perbedaan penjualan berdasarkan
pergantian kemasan.
√ ( )( )
̅ = rata-rata sample 1
̅ = rata-rata sample 2
= standart deviasi sample 1
= standart deviasi sample 2
Independent sample t-test adalah jenis uji statistika yang bertujuan untuk
membandingkan rata-rata dua grup yang tidak saling berpasangan atau tidak saling
berkaitan. Tidak saling berpasangan dapat diartikan bahwa penelitian dilakukan untuk dua
subjek sampel yang berbeda. Prinsip pengujian uji ini adalah melihat perbedaan variasi
kedua kelompok data, sehingga sebelum dilakukan pengujian, terlebih dahulu harus
diketahui apakah variannya sama (equal variance) atau variannya berbeda (unequal
Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung < F-Tabel,
dan sebaliknya, varian data dinyatakan tidak sama (unequal variance) bila F-Hitung > F-
Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar error yang
Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled Varians:
2 n 1 s
2
n 1 s
2
1 1 2 2
s p
2
n 1 n 2
1 1
s s
p
n 1n 2
x 1
x 2
t dimana µ1 dan µ2 diasumsikan 0
1 2
s
Uji t untuk varian yang berbeda (unequal variance) menggunakan rumus Separated
Varians:
̅ ̅
Contoh soal :
Sehingga
Teknik analisis menggunakan uji “t” yaitu dengan mencari perbedaan yang
signifikan dari 2 buah rata-rata hanya akan effektif bila jumlah variabelnya adalah dua.
Apabila jumlah variabelnya lebih dari dua, maka penggunaan uji “t” tidak effektif lagi
karena langkah pengujiannya akan dilakukan satu persatu. Kemungkinan terjadinya
kesalahan juga sangat besar selain membutuhkan waktu yang lebih lama dan biaya yang
besar. Untuk mengatasi hal tersebut ada teknik komparasi yang menggunakan variable
lebih dari dua, yaitu Analysis of Variance atau ANOVA.
Jenis data yang tepat untuk digunakan pada ANOVA adalah nominal dan ordinal
pada variable independent nya atau variable bebasnya, sedangkan pada variable
terikatnya adalah data interval atau ratio. Dalam menggunakan anova harus memenuhi
asumsi dasarnya, agar kesimpulan yang diambil tidak menimbulkan kesalahan atau
kurang akurat. Adapun asumsi dasar yang harus terpenuhi adalah :
1. distribusi data harus normal, agar data berdistribusi normal dapat ditempuh
dengan cara memperbanyak jumlah sample dalam kelompok.
2. setiap kelompok hendaknya berasal dari populasi yang sama dengan variansi
yang sama pula. Bila banyaknya sample sama pada setiap kelompok pada setiap
kelompok maka kesamaan variansinya dapat diabaikan. Tapi bila banyaknya
sample pada masing-masing kelompok tidak sama maka kesamaan variansi
populasi sangat diperlukan.
3. Pengambilan sample dilakukan secara random.
Anova pada dasarnya terdiri dari dari dua kelompok. Pengelompokan di tentukan
dari jumlah variable bebasnya. Bila variable yang akan dianalisis terdiri dari satu
variable terikat dan satu varaibel bebas maka di sebut Analysis of Variance (ANOVA)
satu arah. Apabila variable yang akan dianalisis terdiri dari satu variable bebas dan lebih
dari satu variable terikat maka disebut ANOVA dua arah.
JKA n
x k
2
JKT x
N
Langkah-langkah dalam melakukan analisis Anova adalah :
1. Menghitung JKA, JKD, dan JKT (jumlah kuadrat)
2. Membuat hipotesis, misalnya
H0 : Kelima tablet memiliki waktu yang sama dalam mengurangi rasa sakit.
H1 : Terdapat tablet yang tidak memiliki waktu sama dalam mengurangi
rasa sakit.
3. Mencari Derajat Kebebasan dengan menggunakan Tabel F dimana dengan
derajat kebebasan ke-1 : df1=k-1 dan derajat kebebasan k-2 : df2=n-k.
4. Membuat ringkasan table Anova
s s 1
k 1
1
2
s
Galat JKD k(n-1) 2 JKD
s
k ( n 1)
Jumlah JKT nk-1
Contoh soal :
Dari 5 tablet sakit kepala yang diberikan kepada 25 orang dicatat berapa lama
tablet-tablet tersebut dapat mengurangi rasa sakit. Ke-25 orang itu dibagi secara
acak ke dalam 5 kelompok dan masing-masing diberi satu jenis tablet yang
berbeda yaitu tablet A, B, C, D dan E. Dalam pengujian ini ingin mengetahui
apakah kelima tablet tersebut sama lamanya dalam mengurangi rasa sakit.
4. Karena Fhitung lebih besar dari Ftabel maka H0 di tolak ada tablet yang memiliki
waktu yang tidak sama untuk meredakan sakit.
Dimana :
q = the student range statistic. q di peroleh dengan melihat table student range
statistic. kolom untuk jumlah kelompok atau perlakuan sehingga dalam hal ini k
= 5. Df = n – k sehingga 25 – 5 = 20. Sehingga dengan melihat table student
range statistic q = 4,23
k = kelompok
XA = XC XB ≠ XD XC = XE
XA = XD XB = XE
XA = XE
c. Interpretasi
1. Obat yang paling baik untuk meredakan sakit kepala adalah obat merk D
karena menyembuhkan lebih cepat daripada yang lainnya. Sedangkan Obat
merek B menyembuhkan yang paling lama di bandingkan obat merk lainnya.
2. Dari table 16.5 dapat diinterpretasikan sebagai berikut :
Obat A dan obat B memberikan waktu penyembuhan yang sama
Obat A dan obat C memberikan waktu penyembuhan yang sama
Obat A dan obat D memberikan waktu penyembuhan yang sama
Obat A dan obat E memberikan waktu penyembuhan yang sama
Obat B dan obat C memberikan waktu penyembuhan yang tidak sama
Obat B dan obat D membarikan waktu penyembuhan yang tidak sama
Obat B dan obat E membarikan waktu penyembuhan yang sama
Obat C dan obat D membarikan waktu penyembuhan yang sama
Obat C dan obat E membarikan waktu penyembuhan yang sama
Obat D dan obat E membarikan waktu penyembuhan yang tidak sama
DAFTAR PUSTAKA
Arikunto, Suharsimi. 2010. Prosedur Penelitian : Suatu Pendekatan Praktik. Edisi Revisi
2010. Jakarta : Rineka Cipta.
Cohran, W.G. 2005. Teknik Penarikan Sampel.Terj. Rudiansyah. Ed. 3. Jakarta :
Penerbit UI Press
Ghozali, Imam. 2011. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang
: BP Universitas Diponegoro
Gudono, 2011. Analisis Data Multivariate. Yogyakarta : BPFE
Gujarati, Damodar. 2006. Dasar-Dasar Ekonometrika.Jakarta : Erlangga.
Hartono. 2004. Statistik Untuk Penelitian. Yaogjakarta : Pustaka Pelajar
http://junaidichaniago.wordpress.com
Jan Jonker, Bartjan J.W. Pennink, Sari Wahyunil. 2011. Metodologi Penelitian.
Panduan Untuk Master Ph.D di bidang Manajemen. Jakarta : Salemba Empat
Neuman, W, L. (2006). Social Research Methods : Qualitative and Quantitative
Approaches. Sixth Edition, New York : Pearson International, Inc
Riduwan dan Sunarto. 2007. Statistika untuk penelitian. Bandung : Alfabeta
Santoso, Singgih. 2002. Statistik dengan SPSS. Jakarta : Elex media Komputindo.
Sarwono, Jonathan. 2006. Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta :
Graha Ilmu
Sugiyono. 2012. Metode Penelitian Kombinsasi. Bandung : Alfabeta
Usman Husaini dan R. Purnomo Akbar, 2000. Pengantar Statistika, Jakarta, Bumi
Aksara
Walpole, E Ronald, 1997. Pengantar Statistika Edisi Ke-3. Jakarta : Gramedia Pustaka
Utama
Dr. H. Sandu Siyoto,
S.Sos.,SKM.,M.Kes
Dr. H. Sandu Siyoto, S.Sos.,SKM.,M.Kes, lahir di
Desas Klagen Rejoso Nganjuk Jawa Timur 16
Februari 1970. Lulusan Pendidikan D-III Akademi
Penilik Kesehatan Surabaya (Dep. Kesehatan RI), S-1
pada Fakultas Sospol Unikad tahun 1996 dan Sarjana
Kesehatan Masyarakat di STIKes Majapahit tahun
2013 . Program Magister Ilmu Kesehatan Masyarakat
di Universitas Gadjah Mada Yogyakarta tahun 2001
dan Program Doktor Ilmu Kesehatan Masyarakat
Universitas Airlangga Surabaya Tahun 2013.
Beberapa pelatihan, workshop dan kursus baik
sebagai peserta maupun pembicara yang berkaitan
dengan aktifis prastis dan juga akademik telah diikuti
oleh penulis baik yang bersifat lokal, regional, nasional serta Internasional
(Singapura, Johor Malaysia, Melbounre, Hobart Tasmania,Taiwan, Philipina).
Beberapa hasil penelitian penulis sudah dipublikasikan dalam forum regional,
nasional bahkan internasional. Selain itu beberapa buku dan karya penulis juga
telah diterbitkan, diantaranya “Kesehatan Reproduksi “ (2013) yang ditulis
bersama Dr. Hasdiana, M.Kes, “Kledek Nganjuk” (2014) yang ditulis bersama
budayawan Dr. Purwadi, SS.,M.Hum, “Dasar-dasar Riset Keperawatan” ditulis
bersama Dr. Hasdianah Hasan Rohan, M.Si, Dr. Indasah, M.Kes.
Ratna Wardani, SSi., MM
Ratna Wardani, SSi., MM, lahir
di Kediri, Jawa Timur 6 Desember
1978. Lulusan S-1 Statistika Institut 10
Nopember Surabaya tahun 2001.
Program Magister Manajemen di
Universitas Airlangga Surabaya tahun
2006. Beberapa pelatihan, workshop
dan kursus baik sebagai peserta
maupun pembicara yang berkaitan
dengan aktifis prastis dan juga
akademik telah diikuti oleh penulis.
Beberapa hasil penelitian penulis sudah
dipublikasikan dalam forum regional dan nasional. Selain itu beberapa buku dan
karya penulis juga telah diterbitkan, diantaranya “Dasar-dasar Riset
Keperawatan” ditulis bersama Dr. Hasdianah Hasan Rohan, M.Si, Dr. Indasah,
M.Kes, Pengolahan dan Analisa Data di tulis bersama Niasari, SSi., M.Kes.