NIM : 1805015090
Distribusi Sampel
A. Pendahuluan
Biostatistik adalah data atau informasi yang berkaitan dengan masalah
kesehatan. Statistik kesehatan sangat bermanfaat untuk kepentingan administratif, seperti
merencanakan program pelayanan kesehatan, menentukan alternatifpenyelesaian masalah
kesehatan, dan melakukan analisis tentang berbagai penyakit selama periode waktu
tertentu. Statistik kesehatan dikenal dengan istilah “biostatistik”. Biostatistik terdiri dari
dua kata dasar yaitu bio dan statistik. Bio berarti hidup, sedangkan statistik adalah
kumpulan angka-angka. Sehingga secara harfiah biostatistik adalah kumpulan angka-
angka tentang kehidupan.
Sampel Populasi
Nilai karakteristik Statistik Parameter
Mean Xbar µ (dibaca miu)
Standar deviasi S/SD ∑ (dibaca sigma atau
Tho)
Jumlah unit n N
2. Apabila populasi berdistribusi normal distribusi sampel harga mean juga akan
berdistribusi normal, maka berlaku persamaan Z
Z=x-µ
SE
Standar Deviasi/SD
Disebut juga Simpangan Baku. Ukuran sebaran statistik yang paling lazim. SD
mengukur bagaimana nilai-nilai data tersebar atau Rata-rata jarak penyimpangan
titik-titik data (nilai-nilai observasi) diukur dari nilai rata-rata data tersebut.
Nilai SD biasanya berada dalam kisaran +_
Standard Error/SE
Standard Error adalah standar deviasi dari rata-rata. Jika kita hitung nilai standar
deviasi dari tiga buah nilai rata-rata, maka nilai standar deviasi dari nilai rata-rata
tersebut disebut sebagai standard error.
n–1
1.) Standard Error of Mean
Standard Error (SE) dalam beberapa referensi disebut juga dengan
Standard Error of Mean (SEM) adalah estimasi dari standar deviasi
yang didapat dari mean-mean dari sejumlah sampel yang
menggambarkan populasi
SEM = SD(dari Mean)/√n = SE
2.) Standard Error of proporsi/prosentase
SE juga dapat dihubungkan dengan prosentase atau proporsi
Dalam hal ini, jumlah sampel akan dipengaruhi oleh nilai standard error,
tetapi jumlah variasinya ditentukan oleh nilai dari prosentase atau
proporsi dalam populasi itu sendiri sehingga tidak dibutuhkan estimasi
dari SD
Jika p mewakili 100% maka 100 – p adalah nilai yang lainnya. Dengan
demikian,
Rumus yang digunakan adalah
SE Prosentase = p(100 – p)
√ n
Margin Error
Dalam suatu survey atau polling, kadang tidak digunakan Standard Error
tetapi Margin of error
Margin Error adalah suatu tingkat ketidaksesuaian hasil statistik dengan
kenyataan di lapangan
Margin of Error ini dapat menunjukkan keakuratan dalam suatu
penelitian/poling/ survei
Margin of Error = Critical value * Standard error
Critical value diambil dari nilai skor z, misalnya untuk tingkat kepercayaan
95% maka didapat nilai skor Z adalah 1.96 (didapat dari tabel distribusi
normal)
Estimasi
A. Pendahuuluan
Pengertian estimasi dalam statistik adalah suatu mode untuk memperkirakan nilai
populasi dengan memakai nilai sampel tertentu. Definisi estimasi statistik juga berarti
kegiatan penarikan suatu kesimpulan statistik yang berawal dari hal-hal yang bersifat umum
kepada hal-hal yang bersifat khusus. Nilai penduga disebut dengan estimator, sedangkan
hasil estimasi disebut dengan estimasi secara statistik
Sampel populasi
Statistik Parameter
C. Bentuk Estimasi
1. Estimasi titik(point)
Secara umum, ada dua bentuk estimasi yang biasa digunakan:
1. Estimasi Titik (point estimation) mengandung perhitungan angka tunggal untuk
mengestimasi nilai parameter
2. Estimasi selang (interval estimation) metode yang memberikan hasil
perhitungan nilai berupa nilai jangkauan untuk mengestimasi nilai parameter
Contoh :
Bila kita ingin mengetahui persentase penduduk suatu kota yang menderita keratitis.
Untuk itu kita ambil sample sebanyak 100 orang yang berkunjung ke Rumah Sakit Mata
dan ternyata terdapat 5 orang yang menderita penyakit keratis. Dari hasil tersebut dibuat
taksiran bahwa 5% penduduk kota tersebur menderita keratis dengan perhitungan sebagai
berikut ;
Proporsi (p) = x/n
X= jumlah penderita keratitis yang ditemukan
n=besarnya sample
p=5/100
2.) Estimasi Titik Proporsi Sampel (p) terhadap Proporsi Populasi (P)
Jika seorang peneliti ingin mengetahui prosentase/proporsi penduduk suatu kota yang
menderita hepatitis B. Untuk itu diambillah sampel sebesar 500 penduduk yang
berkunjung ke poli penyakit dalam rumah sakit umum daerah tersebut. Ternyata
didapatkan 3 orang menderita hepatitis B. Dengan demikian, proporsi penderita hepatitis
B di RSUD tersebut adalah: p = x/n p = 3/500 = 0.006 = 0.6%
Atau
Di mana:
CI 99% Z ½ α = ± 2.575
CI 95% Z ½ α = ± 1.96
CI 90% Z ½ α = ± 1.645
CI 80% Z ½ α = ± 1.28
F. Distribusi Student T
Ketika jumlah sampel tidak besar, dua aspek yang dapat berubah :
1) Standard deviasi sampel (s) , yang tunduk pada variasi sampel, mungkin tidak dapat
diandalkan untuk mengestimasi nilai standard deviasi populasi (σ)
2) Ketika distribusi di populasi tidak normal maka distribusi sample dari mean mungkin
juga tidak normal
3) Ketika jumlah sampel tidak besar, umumnya kurang dari 30, sehingga Standard
deviasi sampel (s) mungkin lemah untuk diandalkan mengestimasi nilai standard
deviasi populasi (σ), maka σ tidak diketahui
4) Oleh karena itu, distribusi sampel diasumsikan berdistribusi seperti distribusi student
t
5) Untuk menentukan nilai t diperlukan nilai degree of freedom (df) dan nilai α
SE = s/√n
Rumus umumnya menjadi: df = n – 1
A. Pendahuluan
Sebelum kita melakukan uji statisik dua kelompok data, kita perlu perhatikan apakah dua
kelompok data tersebut berasal dari dua kelompok yang independen atau berasal dari dua
kelompok yang dependen / pasangan. Dikatakan kedua kelompok data dependen bila data
kelompok yang satu tidak tergantung dari data kelompok kedua, misalnya
membandingkan mean tekanan darah sistolik orang desa dengan orang kota. \tekanan
darah orang kota independen (tidak tergantung) dengan orang desa . Dilain pihak, kedua
kelompok data dikatakan dependen f pasangan bila kelompok data yang dibandingkan
datanya saling mempunyai ketergantungan, misalnya data berat badan sebelum dan
sesudah mengikuti program diet berasal dari orang yang sama (data sesudah dependen /
tergantung dengan data sebelum) Berdasarkan karakteristik data tersebut maka uji beda
dua mean dibagi dalam dua kelompok, yaitu uji beda dua mean independen dan uji beda
mean dependen.
B. Independent T Test
Tujuan : untuk mengetahui perbedaan mean dua kelompok data independen Syarat /
asumsi yang harus dipenuhi:
1. Data berdistribusi normal / simetris
2. Kedua kelompok data independen
3. Variabel yang dihubungkan berbentuk numerik dan katagori ( dengan hanya dua
kelompok)
Prinsip pengujian dua mean adalah melihat perbedaan variasi kedua kelompok data.
Oleh karena itu dalam pengujian ini diperlukan informasi apakah varian kedua kelompok
yang diuji sama atau tidak. Bentuk varian kedua kelompok data akan berpengaruh pada
nilai standar eror yang akhirnya akan membedakan rumus pengujiannya.
Untuk melakukan uji beda rata-rata dua sampel independen dapat terjadi pada
beberapa kondisi. Kondisi pertama adalah dimana nilai varians populasi diketahui
sedangkan kondisi kedua dimana nilai varians tidak diketahui.
Berikut merupakan statistik uji yang digunakan dengan kondisi varians populasi
diketahui:
Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus
berdistribusi normal, observasi sampel dilakukan secara independen, σ1 dan
σ2 diketahui.
Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak
diketahui. Statistik uji yang cocok digunakan adalah nilai t statistik dengan
formula sebagai berikut:
Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata antara
dua kelompok sampel yang tidak berhubungan. Jika ada perbedaan, rata-rata
manakah yang lebih tinggi. Data yang digunakan biasanya berskala interval atau
rasio.
Contoh kasus:
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan
nilai ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas.
Penelitian dengan menggunakan sampel sebanyak 20 responden yang diambil dari
kelas A dan kelas B. Dalam uji ini jumlah kelompok responden yang diambil tidak
harus sama, misalnya kelas A sebanyak 8 orang dan kelas B sebanyak 12 orang.
Data-data yang didapat sebagai berikut:
Keterangan: Tabel di atas telah dirubah kedalam bentuk baris (double klik pada
output independen sample t test, kemudian pada menu bar klik pivot, kemudian
klik Transpose Rows and Columns)
C. Paired T Test
Tujuan : Untuk menguji perbadaan antara dua kelompok data yang dependen Contoh
kasus: . Apakahadaperbedaantingkatpengetahuanantarasebelumdansesudahdilakukan
pelatihan r Apakah ada perbedaan berat badan antara sebelum dan sesudah mengikuti
program diet Syarat: 1. Distribusi data normal 2. Kedua kelompok data dependen f pair 3.
Jenis variabel: numerik dan katagori (dua kelompok)
Z=
Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus
berdistribusi normal, observasi sampel dilakukan secara independen, σ1 dan
σ2 diketahui.
Paired sample t test merupakan uji beda dua sampel berpasangan. Sampel
berpasangan merupakan subjek yang sama namun mengalami perlakuan yang
berbeda.
CONTOH KASUS
No Sebelu Sesudah
m
1 67 68
2 75 76
3 81 80
4 60 63
5 80 82
6 75 74
7 71 70
8 68 71
9 80 82
10 78 79
11 71 78
12 80 77
13 65 69
14 57 67
15 78 68
PENYELESAIAN
HASIL
Hipotesis
Nilai t hitung adalah sebesar -1.031 degan sig 0.320. Karena sig > 0.05 maka
dapat disimpulkan bahwa Ho diterima, artinya rata-rata penjualan sebelum dan
sesudah kenaikan BBM adalah sama (tidak berbeda). dengan demikian dapat
dinyatakan bahwa kenaikan harga BBM tidak mempengaruhi jumlah penjualan
sepeda motor di kabupaten A.