BIOSTATISTIK

STATISTIK DESKRIPTIF (DESCRIPTIVE STATISTICS)

Disusun oleh :
Kelompok 2
CYNTIA CLARA
DWI NUR CANDRA
DESWINTA HUTABARAT
ELVINA DELVIANTARI
ERIKA ALMIRA DELPHINIA

PROGRAM STUDI ILMU KEPERAWATAN

STIKES PAYUNG NEGERI
PEKANBARU
2019
 KATA PENGANTAR

Penulis mengucapkan puji syukur atas kehadirat Allah Swt, yang

memberikan nikmat serta hidayah-Nya terutama nikmat kesehatan dan
kesempatan sehingga dapat menyelesaikan makalah ini yang berjudul ruang
lingkup keperawatan keluarga. Makalah ini tidak tersusun dengan sempurna dan
masih terdapat kekurangan - kekurangan dalam penulisannya. Maka penulis
mengharapkan kritik dan saran dari pembaca agar dapat menyelesaikan makalah
ini dengan baik dan benar, bahkan bisa tersusun dengan sempurna.
Makalah ini disusun agar pembaca dapat memperluas ilmu
pengetahuannya. Mudah - mudahan makalah yang sederhana ini bisa dipahami
bagi siapapun yang membacanya, dengan pemahaman yang di dapatkan pembaca
dari makalah ini tentunya penulis akan memperbanyak ilmu pengetahuan agar
bisa menyelesaikan makalah berikutnya dengan sempurna tanpa ada kesalahan,
demi peningkatan mutu pendidikan kita bersama. Akhirnya penulis mengucapkan
terima kasih atas perhatian, kritik, serta saran yang akan pembaca berikan kepada
penulis nantinya.

Pekanbaru, 26 Maret 2019

Kelompok 2

1
Biostatistik
 DAFTAR ISI

KATA PENGANTAR ............................................................................. i

DAFTAR ISI ............................................................................................ ii
BAB I PENDAHULUAN ......................................................................... 3
A. Latar Belakang ............................................................................... 3
B. Rumusan Masalah .......................................................................... 4
C. Tujuan ............................................................................................ 4
BAB II PEMBAHASAN .......................................................................... 5
A. Penyajian Data ............................................................................... 5
a. Langkah Statistik Deskriptif .............................................. 5
b. Cara Penyajian Data ........................................................... 5
c. Manfaat Penyajian Data ..................................................... 13
d. Prosedur Penyajian Data .................................................... 14
e. Macam- Macam Penyajian Data ........................................ 15
B. Ukuran Statistik ............................................................................. 16
a. Ukuran Pemusatan / Sentral Terdensi ................................ 17
b. Ukuran Variasi ................................................................... 18
c. Ukuran Disperse/Penyebaran ............................................ 19
d. Ukuran Kecondongan/Skweness ........................................ 22
e. Ukuran Keruncingan/ Kurtosis ......................................... 24
f. Rata – Rata Geometrik ....................................................... 25
BAB III PENUTUP .................................................................................. 26
A. Simpulan ....................................................................................... 26
B. Saran ............................................................................................... 26
DAFTAR PUSTAKA

2
Biostatistik
 BAB I
PENDAHULUAN

A. Latar Belakang
Secara umum statistic dapat dibedakan menjadi dua , yaitu statistic
deskriptif dan statistic inferensial. Ada banyak definisi tentang statistic yang
dikemukakan oleh ahli statistic, yaitu :

1. Statistic deskriptif adalah teknik statistic yang digunakan untuk

meringkas informasi dari data yang telah tersedia (Blair and
Taylor, 2008).
2. Statistic deskriptif adalah semua yang menjelaskan data pada
sampel , termasuk mean,median, standar deviasi, dan histogram.
Statistic deskriptif bermaksud menjelaskan kepada pembaca
tentang data yang tersedia (Harris and Taylor,2008).
3. Statistic deskriptif adalah jenis statistic yang digunakan untuk
menjelaskan atau mengkarakteristikan data dengan
meringkasnya agar lebih dipahami (understandable) tanpa
kehilangan atau memutarbalikkan informasi. Umumnya
menggunakan table,charts,frequency,percentage, dan ukuran
tendensi sentral untuk menjelaskan karakteristik dasar dari
sampel (Munro,2005).
4. Statistic deskriptif adalah statistic yang terdiri dari prosedur
untuk meringkas dan menjelaskan karakteristik penting dari
seperangkat pengukuran. Jika pengukuran tersebut di terapkan
pada populasi , maka kita cukup menggambarkan kesimpulan
berdasarkan statistic deskriptif (Mendenhall et al.,2009).
5. Statistic deskriptif adalah digunakan untuk meringkas dan
menggambarkan karakteristik dari satu data atau untuk
mengidentifikasi pola-pola satu set data. Bidang tersebut dikenal
sebagai statistic deskriptif atau analisis data eksploratif
(eksplorartory data analysis) yang didefinisikan sebagai cabang

3
Biostatistik
 dari statistic yang menjelaskan isi data atau membuat gambaran
berdasarkan data (Chernick and Friis,2003).

Secara umum statistic deskriptif adalah menyajikan, dan

memberikan penjelasan atau gambaran tentang karakteristik dasar
dari sampel berdasarkan data yang telah tersedia. Statistic deskriptif
umumnya dilakukan di awal analisis data sebelum statistic
inferensial dilakukan. Beberapa analisis data menggunakan statistic
deskrptif di antaranya : perhitungan tendensi sentral (mean,median
dan mode), standar deviasi,varian, proporsi, rasio,rate dan lain-lain.

B. Rumusan masalah
Bagaimana pembuatan statistic deskriptif ?
C. Tujuan
1. Tujuan Umum
Untuk mengetahui tentang statistic deskriptif
2. Tujuan Khusus
a. Mahasiswa mampu menjelaskan tentang Penyajian Data (penyajian
data, cara penyajian data, manfaat penyajian data, prosedur
penyajian data, macam- macam penyajian data).

b. Mahasiswa mampu menjelaskan tentang Ukuran Statistik (ukuran

pemusatan / sentral terdensi, ukuran variasi, ukuran
disperse/penyebaran, ukuran kecondongan/ skweness, ukuran
keruncingan/ kurtosis, rata – rata geometrik).

4
Biostatistik
 BAB II
PEMBAHASAN

A. Penyajian Data
a. Langkah Statistik Deskriptif
Definisi lengkap statistic deskriptif adalah metode –metode yag
berkaitan dengan pengumpulan dan penyajian suatu gugus data
sehingga menaksir kualitas sata berupa jenis variabel,ringkasan
statistic (mean,median,modus,standar deviasi,ets), distribusi, dan
representasi bergambar (grafik), tanpa rumus probabilistic apapun.

b. Cara Penyajian Data

Data yang dikumpulkan baik yang berasal dari populasi maupun yang
berasal dari sampel perlu diatur atau disajikan dalam bentuk tertentu yaitu:
Batang
Garis
Diagram Lambang (simbol)
Lingkaran (pastel)
Peta (kartogram)
Pencar (titik)
Penyajian Data
Biasa
Distribusi frekuensi
Tabel Distribusi frekuensi relatif
Distribusi frekuensi kumulatif
Distribusi frekuensi relatif-kumulatif

5
Biostatistik
 Histogram Gejala letak Median
Poligon Kuartil
Ogive (azaiv) Desil
Keadaan kelompok Persentil
Simbangan baku
Angka baku Gejala Pusat Rata-rata hitung
Rata-rata ukur
Rata-rata
harmonik
Mode
Gambar 3.1: Bentuk Penyajian Data

a) DIAGRAM

Penyajian data dalam akan lebih menjelaskan laporan secara visual.

Untuk maksud itu, pertama-tama diuraikan diagram batang.
1. Diagram Batang

Diagram batang sangat cocok untuk menyajikan data yang bebrbentuk

kategori atau atribut, dan data tahunan yang tahunannya tidak terlalu banyak.
Untuk menggambarkan diagram batang diperlukan sumbu tegak dan sumbu
datar yang berpotongan tegak lurus. Sumbu tegak maupun sumbu datar dibagi
menjadi beberapa skala bagian yang sama. Pada bagian bawah sumbu datar
dituliskan atribut atau waktu dan pada sumbu tegak dituliskan kuantum atau
nilai data.
2. Diagram Garis

Diagram garis sangat cocok untuk menyajikan data yang berbentuk

serba terus atau berkesinambungan. Misalnya jumlah penduduk setiap tahun,
produksi suatu pabrik setiap tahun, dan sebagainya. Untuk menggabar diagram
garis diperlukan sumbu tegak dan sumbu datar yang berpotongan tegak lurus.
Sumbu tegak maupun sumbu datar dibagi menjadi beberapa skala bagian yang

6
Biostatistik
 sama. Pada bagian sumbu datar dituliskan atribut atau waktu danpada sumbu
tegak dituliskan kuantum atau nialai data.
3. Diagam Lambang

Diagram lambang sangat cocok untuk menyajikan data kasar sesuatu

hal dan sebagai alat visual bagi orang awam. Setiap satuan yang dijadikan
lambang disesuaikan dengan macam datanya. Misalnya untuk data jumlah
manusia dibuatkan gambar orang. satu gambar orang menyatakan sekian jiwa
tergantung kebutuhannya. Kelemahannya ilah jika data yang dilaporkan tidak
penuh (bulat) sehingga lambangnyapun menjadi tidak utuh.
4. Diagram Lingkaran dan Diagram Pastel

Diagram lingkarana sangat cocok untuk menyajikan data yang

berbentuk kategori atau atribut dalam presentasi. Untuk membuat diagram
lingkaran, maka lingkaran dibagi-bagi menjadi beberapa sektor. Setiap sektor
melukiskan kategori data yang lebih dahulu diubah ke dalam derajat dengan
menggunakan busur derajat.

b) TABEL

1. Tabel Biasa

Tabel biasa sangat cocok untuk menyajikan data yang terdiri atas
beberapa variabel dengan beberapa kategori. Bentuk umum suatu tabel biasa
adalah sebagai berikut:
TABEL 3.1
…………………………………………………..
…………………………………………….
……………………………………

A B e F
c D

7
Biostatistik
 g h I j K

Keterangan:

Judul Tabel: ditulis di atas, di tengah-tengah, dengan huruf besar,

jangan dilakukan pemisahan suku kata atau kalimat sehingga setiap garis
melukiskan pernyataan lengkap. Judul tabel melukiskan secara singkat tentang
apa, macam atau klasifikasi, di mana, kapan, dan bila perlu cantumkan satuan
data yang digunakan.\
A sampai f adalah judul kolom, g sampai k adalah judul baris. Judul
kolom dan judul baris sebaiknya jangan memutuskan kata, g sampai k disebut
juga dengan badan daftar. Pada badan daftar inilah nilai-nilai data dituliskan.
Sumber data dituliskan di bagian kanan bawah tabel.
Selain hal-hal di atas, yang perlu diperhatikan adalah: nama-nama
sebaiknya disusun menurut abjad, waktu diurutkan secara kronologis misalnya
tahun 1990, 1991,… dan seterusnya, kategori ditulis menurut lajimnya
misalnya laki-laki dulu baru perempuan, besar dulu baru kecil, untung dulu
baru rugi, dan seterusnya.
2. Tabel Distribusi frekuensi

a. Pendahuluan

Tabel distribusi frekuensi sangat cocok untuk menyajikan data dalam

beberapa kelompok.
Sebelum membuat tabel distribusi frekuensi terlebih dahulu diberikan
istilah-istilah yang digunakan dengan contoh sebuah tabel distribusi frekuensi
berikut ini.
TABEL 3.7
NILAI DP3 UNTUK 34 PNS

8
Biostatistik
 NILAI DP3 f
48 - 54 1
55 - 61 2
62 - 68 7
69 - 75 12
76 - 82 7
83 - 89 3
90 – 967 2
34

Nilai 48 - 54 disebut kelas interval. Urutan kelas interval disusun mulai

data terkecil sampai data terbesar. Urutan kelas interval pertama (48 - 54)
disebut kelas interval pertama. Dan urutan kelas interval kedua (55 - 61)
disebut kelas interval kedua. Demikian seterusnya. Semua kelas interval
berada di kolom kiri. Sedangkan nilai yang berada di kolom kanan adalah nilai
frekuensi yang disingkat f. f = 1 berarti pegawai yang mempunyai nilai
antara 48 sampai 54 adalah satu orang. Nilai-nilai di kiri kelas interval
(48,55,62,69,76,83 dan 90) disebut ujung bawah kelas. Nilai 48 disebut ujung
bawah kelas pertama, nilai 55 disebut ujung bawah kelas kedua. Demikian
seterusnya. Nilai-nilai di kanan kelas interval (54,61, 68,75,82,89, dan 96)
disebut ujung atas kelas. Nilai 54 disebut ujung atas kelas pertama, nilai 61
disebut ujung atas kelas kedua. Demikian seterusnya. Selisih positif antara tiap
dua ujung bawah berurutan disebut panjang kelas interval, yang disingkat
dengan p. dalam tabel tersebut p = 55 - 48 = 7. Semua p sama besarnya, dalam
tabel tersebut p = 7. Jika ujung kelas dikurangi 0,5 atau 0,05 atau 0,005
(tergantung ketelitian data yang digunakan) dan ujung atas kelas ditambah ,5
atau 0,05 atau 0,005, maka nilai tersebut dinamakan batas kelas. Dalam tabel
tersebut, batas kelasnya adalah 47,50 - 54,50. Dan seterusnya.
b. langkah-langkah Membuat Tabel Distribusi Frekuensi

9
Biostatistik
 1) Urutkan data dari yang terkecil ke data terbesar

2) Hitung rentang yaitu dari data tertinggi dikurang data terendah dengan

rumus:

R = data tertinggi - data terendah

3) Hitung banyak kelas dengan aturan Sturges yaitu:

Banyak kelas = 1 + 3,3 log n

n = banyaknya data, hasil akhirnya dibulatkan. Banyak kelas paling

sedikit 5 kelas dan paling banyak 15 kelas, dipilih menurut
keperluannya.

4) Hitung panjang kelas interval dengan rumus:

P = rentang/banyak kelas

5) Tentukan ujung bawah kelas interval pertama. Biasanya diambil data

terkecil atau data yang lebih kecil dari data terkecil tetapi selisihnya

harus kurang dari panjang kelas yang telah didapat.

6) Selanjutnya kelas interval pertama dihitung dengan cara

menjumlahkan ujung bawah kelas dengan p tadi kurang 1. Demikian

seterusnya.

7) Nilai f dihitung dengan menggunakan tabel penolong sebagai berikut:

TABEL 3.8
PENOLONG

10
Biostatistik
 Nilai Tabulasi f

8) Pindahkan nilai f ke tabel distribusi frekuensi.

3. Tabel Distribusi Frekuensi Kumulatif

Tabel Distribusi Frekuensi Kumulatif ialah distribusi frekuensi biasa

yang niali frekuensi kumulatifnya (fkum) didapat dengan jalan menjumlahkan
frekuensi demi frekuensi. Tabel distribusi frekuensi kumulatif ada dua macam
yaitu: kumulatif kurang dari dan kumulatif atau lebih.
4. Daftar Distribusi Frekuensi Kumulatif relatif

Darftar distribusi Frekuensi Kumulatif Relatif ialah apabila nilai fkum

dalam frekuensi kumulatif diubah dalam persen (%).

c) HISTROGRAM

Histrogram ialah penyajian data distribusi frekuensi yang diubah

menjadi diagram batang. Untuk menggambarkan histogram dipakai sumbu
mendatar yang menyatakan batas-batas kelas interval dan sumbu tegak yang
menyatakan frekuensi absolut atau frekuensi relatif.

d) POLIGON FREKUENSI

Poligon frekuensi ialah gambar garis yang menghubungkan tengah-

tengah tiap sisi atas yang berdekatan dengan tengah-tengah jarak frekuensi
absolut masing-masing. Jika daftar distribusi frekuensi mempunyai kelas-kelas
interval yang berbeda, maka tinggi diagram tiap kelas harus disesuaikan.
Untuk ini, ambil panjang kelas yang sama yang terbanyak terjadi sebagai
satuan pokok. Tinggi untuk kelas-kelas lainnya digambarkan sebagai
kebalikan dari panjang kelas dikalikan dengan frekuensi yang diberikan.

11
Biostatistik
 e) OGIVE (OZAIV)

Ogive ialah distribusi frekuensi kumulatif yang digambarkan

diagramnya dalam sumbu tegak dan mendatar. Ogive "kurang dari" ialah
diagram dari distribusi frekuensi kumulatif kurang dari. Dan Ogive "atau lebih
ialah diagram dari distribusi frekuensi kumulatif atau lebih.

f) RINGKASAN

Data yang dikumpulkan perlu disusun atau disajikan dalam bentuk

tertentu. Bentuk-bentuk penyajian data meliputi: (1) diagram yang terdiri atas
diagram batang, diagram garis, diagram lambang (simbol) diagram lingkaran
(pastel), diagram peta (kartogram), dan diagram pencar (titik); (2) tabel yang
terdiri atas tabel biasa, tabel distribusi frekuensi, tabel distribusi frekuensi
relatif, tabel frekuensi kumulatif, dan distribusi frekuensi relatif kumulatif; (3)
histrogram; (4) poligon frekuensi; (5) ozaiv.
Diagram batang sangat cocok untuk menyajikan data yang berbentuk
kategori atau atribut, dan data tahunan yang tahunannya tidak terlalu banyak.
Diagram garis sangat cocok untuk menyajikan data yang berbentuk serba terus
atau berkesinambungan. Diagram lambang sangat cocok untuk menyajikan
data kasar sesuatu hal dan sebagai alat visual bagi orang awam. Setiap satuan
yang dijadikan lambang disesuaikan dengan macam datanya. Diagram
lingkaran sangat cocok untuk menyajikan data yang berbentuk kategori atau
atribut dalam presentase. Bila diagram lingkaran ini digambar perspektifnya
menjadi gambar tiga dimensi, maka diagramnya disebut diagram pastel.
Diagram peta (kartogram) sangat cocok untuk menyajikan data yang ada
hubungannya dengan tempat kejadian. Salah satu contoh yang terkenal yaitu
peta hasil bumi, hasil ternak, hasil perkebunan yang terdapat dalam buku peta
bumi. Diagram pencar sangat cocok untuk menyajikan data yang terdiri atas
dua variabel.
Tabel biasa sangat cocok untuk menyajikan data yang terdiri atas
beberapa variabel dengan beberapa kategori. Tabel distribusi frekuensi sangat
ocok untuk menyajikan data dalam beberapa kelompok. Tabel distribusi

12
Biostatistik
 frekuensi relatif nilai frekuensi (f) dinyatakan dalam persen (%) yang
disingkat f (%) atau f(rel). Tabel frekuensi kumulatif ialah distribusi frekuensi
biasa yang nilai frekuensi kumulatifnya (fkum) didapat dengan jalan
menjumlahkan frekuensi demi frekuensi. Tabel distribusi frekuensi kumulatif
ada dua macam yaitu: kumulatif kurang dari dan kumulatif atau lebih. Daftar
Distribusi Frekuensi Kumulatif relatif ialah apabila nilai (fkum) dalam
frekuensi kumulatif diubah dalam persen (%).
Histrogram ialah penyajian data distribusi frekuensi yang diubah
menjadi diagram batang.
Ogive ialah distribusi frekuensi kumulatif yang diagramnya dalam
sumbu tegak dan mendatar. Ogive "kurang dari" ialah diagram dari distribusi
frekuensi kumulatif kurang dari. Dan ogive "atau lebih" ialah diagram dari
distribusi frekuensi kumulatif atau lebih.

c. Manfaat Penyajian Data

1. Memberi gambaran yang sistematis tentang peristiwa-peristiwa yang
merupakan hasil penelitian atau observasi
2. Data lebih cepat ditangkap dan dimengerti
3. Memudahkan dalam membuat analisis data
4. Membuat proses pengambilan keputusan dan kesimpulan lebih tepat ,
cepat dan akurat.

d. Prosedur Penyajian Data

Dala prosedur penyajian data secara singkat dapat dilakukan dengan
cara :
1. Verifikasi
2. Pengorganisasin data
3. Pencarian kembali
4. Transformasi
5. Penggabungan

13
Biostatistik
 6. Pengurutan
7. Perhitunga /kalkulasi
8. Ekstraksi data untuk membentuk informasi
9. Pembentukan pengetahuan
Selain itu juga dapat dijelaskan bahwa pengolahan data meliputi :
1. Editing
2. Tabulasi
Data yang sudah diolah agar mudah dibaca dan dipahami oleh orang lain
perlu ditampilkan ke dalam bentuk bentuk tertentu yang disebut dengan
prosedurnpenyajian data.

e. Macam- Macam Penyajian Data

Setiap peneliti harus dapat menyajikan data telah diperoleh baik yang
diperoleh melalui observasi , wawancara,kuesioner (angket ) maupun
dokumentasi. Prinsip dasar penyajian data adalah komunikatif dan
lengkap dalam arti data yang disajikan dapat menarik pihak lain untuk
membacanya dan mudah memahami isinya.
Macam macam penyajian data :
1. Tabel
Bertujuan untuk memberikan informasi dan gambaran mengenai jumlah
secara terperinci sehingga memudahkan pengolah data dalam menganalisis
data tersebut
2. Grafik
Pembuatan grafik pada hakikatnya merupakan kelanjutan dari pembuatan
table distribusi frekuensi karena pembuatan grafik itu haruslah didasarkan
pada table distribusi frekuensi.

B. Ukuran Statistic
a. Ukuran Pemusatan / Sentral Terdensi

14
Biostatistik
 Ukuran Pemusatan /Tendensi sentral (central tendency)

Sentral tendensi mencakup tig a perhitungan ,yaitu mean, median, dan

mode. Di mana mean adalah nilai rata-rata , median adalah nilai tengah
serta mode atau modus adalah nilai yang paling sering muncul (Merril and
Timmreck,2006).

1. Nilai rata-rata (Mean)

Mean atau rerata atau average adalah hasil penjumlahan semua nilai
observasi dibagi dengan banyaknya observasi. Adapun rumusannya adalah
sebagai berikut (Blair and Taylor,2008) :

Contoh 1 :

Seorang peneliti melakukan pengukuran hemoglobin (hb) terhadap

delapan pasien yang sedang diraaat di rumah sakit. Hasil pengukurannya sebagai
berikut :

Pasien A B C D E F G H
Hb 12 11 10 11 14 9 8 11
Berdasarkan data tersebut maka nilai mean dapat dihitung menggunakn rumus
diatas :
𝟏𝟐 + 𝟏𝟏 + 𝟏𝟎 + 𝟏𝟏 + 𝟏𝟒 + 𝟗 + 𝟖 + 𝟏𝟏 = 𝟏𝟎, 𝟕𝟓
𝒙=
𝟖

Contoh 2 :
Seorang peneliti melakukan survey terhadap 10 pasien praoperasi. Peneliti ingin
mengetahui skor rata-rata kecemasan pasien tersebut :
Tabel 7.1 data survey kecemasan pada pasien praoperasi .
Skor kecemasan Frekuensi (f1) f1x1
(x1)
15 2 30
16 4 64
17 3 51

15
Biostatistik
 18 1 18
19 2 38
20 3 60
22 4 88
23 2 46

24 4 96
25 2 50
26 1 26
n = 26 𝜀𝑓1𝑥1 = 523
Jadi skor mean kecemasan pasien pra operasi adalah : 523/26 = 20,12
2. Median
Median adalah nilai yang membagi data set ke dalam dua bagian yang
sama sehingga banyaknya nilai yang lebih besar atau sama dengan median
adalah sama dengan jumlah nilai yang kurang atau sama dengan median.
Jika jumlah observasi ganjil (odd), maka urut terlebih dahulu mulai dari
yang terkecil atau mulai dari yang terbesar. Nilai yang tengah-tengah
adalah nilai median.
Rumusnya adalah sebagai berikut (Blair and Taylor,2008):
Md = n+1
2
Contoh :
Seorang peneliti melakukan pengukuran hemoglobin (hb) terhadap
delapan pasien yang sedang dirawat di rumah sakit. Hasil pengukurannya
sebagai berikut :
Pasien A B C D E F G
Hb 12 11 10 11 14 9 8

Berdasarkan data tersebut di atas, maka nilai mediannya dapat dihitung

dengan :

16
Biostatistik
 1. Mengurutkan angka di atas mulai dari yang terkecil atau sebaliknya
mulai dari angka terbesar seperti berikut ini :

8,9,10,11,11,12,14

2. Memasukkan ke rumus :
Md = 7+1 = 4
2
Jadi nilai mediannya adalah skor atau angka ke 4 setelah angka diurut dari terkecil
ke terbesar atau sebaliknya. Maka mediannya adalah 11. Apabia jumlah
observasinya genap (even),maka mediannya adalah penjumlahan dua nilai
observasi yang ditengah-tengah dibagi dua.
3. Mode
Nilai mode adalah data set yang memunculkan nilai yang memiliki
frekuensi paling tinggi atau nilai yang paling sering muncul (Blair and
Taylor,2008).
Contoh :
Seorang peneliti melakukan pengukuran hemoglobin (Hb) terhadap
delapan pasien yang sedang dirawat di rumah sakit. Hasil
pengukurannya sebagai berikut :

Pasien A B C D E F G H
Hb 12 11 10 11 14 9 8 11
Berdasarkan data tersebut di atas, maka nilai mode adalah 11 karena merupakan
nilai dengan frekuensi paling banyak.

a. Ukuran Variasi
UkuranVariabilitas:
a. Statistik yang digunakan untuk menunjukkan derajat variabilitas
distribusi. Variabilitas adalah variasi atau keaneka ragaman angka-
angka dalam suatu distribusi yang ditunjukkan dengan jauh dekatnya

17
Biostatistik
 jarak angka terkecil dari angka terbesar merata tidaknya frekuensi
angka angka yang ada banyaknya macam angka yang terdapat dalam
distribusi
Jenis distribusi:
Distribusi heterogen adalah distribusi yangpenyebaran angka-angkanya
luas dan beraneka ragam,sehingga semakin besar variabilitas distribusinya.
Distribusi homogeny adalah distribusi yang penyebaran angka-angkanya
sempit dan kurang beraneka-ragam,sehingga semakin kecil variabilitasnya.
Dalam statistika dikenal tiga macam ukuran variabilitas,yaitu:
1.Jarak Sebaran / Range adalah selisih antara angka yang tertinggi dan
angka yang terendah JS=Xterbesar–Xterkecil
Apabila jarak antara skor terbesar dari skor terkecil sangat jauh berarti
sebarannya besar; jika sempit berarti variasi angka dalam distribusi tidak
besar.LihatTabel2:JS=40–9=31.

b. DeviasiRata-Rata/Mean Deviasi adalah rata-rata penyimpangan angka

dari mean dalam suatu distribusi,diambil nilai
absolut/mutlak/positif penyimpangan angka dari mean=selisih antara
angka bersangkutan dan mean, yaitu x=(X-M)
Untuk menentukan harga rata rata adalah membagi jumlah dengan
banyaknya angka yang dijumlahkan (N),sehingga rumusan deviasi rata-
rata adalah:
MD=Σ|x|atauMD= f X-M
NN
Untuk mencari Mean Deviasi harus diketemukan Mean lebih
dahulu,kemudian ditentukan berapa besarnya penyimpangan tiap-tiap nilai
dari Mean.
Misal nya : jika seorang mempunyai IQ110,sedang Mean IQ dari
groupnya=100,maka deviasi IQy bs adalah 110-100 = + 10 . Jika orang
lain dalam group itu mempunyai IQ85 ,maka deviasi IQ orang adalah 85-
100=-15-->(15).

18
Biostatistik
 Deviasi yang bertanda plus menunjukkan deviasi diatas mean,sedang
yang bertanda minus menun–jukkan deviasi dibawah mean,tetapi dalam
perhitungan mean deviasi tanda minus ditiadakan.Dalam statistic deviasi
diberi symbol dengan huruf-huruf kecil,seperti x, y, d, dsb.Rumusnya : x =
X- M atau y =Y-M,dst.

c. Varians : adalah jumlah kuadrat deviasi angka/nilai dibagi oleh N-1,

yang diberi simbol : s² s² = f(X-M)² /(N1)(Saifuddin Aswar, 1996:
39) jumlah kuadrat deviasi nilai adalah sebesar 286, sehingga varians
distribusi adalah: 286/100-1 = 2,89
Rumus yang lebih mudah : s² = fX² -( fX)² /N N-1
(Saifuddin Aswar, 1996: 39) Lihat Tabel 31, telah diketemukan harga fX
= 640 dan fX² = 4382,sehingga :
s² = 4382–640² /100 = 4382-4,096= 44,22 100-1 99
Standar Deviasi : adalah akar pangkat dua dari varians, yang diberi simbol
s. Dalam contoh ini besarnya deviasi standar adalah :
s= fX² –( fX)²/N = 4382–640² /100
N-1 99
6,903. Rumus lain: SD = √Σf X² -[Σ fX]²

b. Ukuran Disperse/Penyebaran
Selain ukuran gejala pusat, terdapat ukuran lain yaitu ukuran
dispersi atau ukuran vasiasi yang mengisyaratkan keseragaman data. Nilai
numerik ukuran ini tidak pernah negatif (selalu positif). Apabila nilai
ukuran ini diperoleh sama dengan nol (0), hal ini menunjukkan bahwa data
yang kita miliki keadaannya seragam sempurna (tidak ada variasi, atau
semua bilangan nilai numeriknya sama). Oleh karena itu makin jauh nilai
numerik ukuran ini dari nol (0), makin tidak seragam keadaan data
tersebut. Terdapat bebeapa ukuran variasi yang biasa digunakan, yang juga
akan diuraikan di sini, adalah; rentang (range), varians (variance),
simpangan baku (standar deviation), koefisien variasi (koeficient of

19
Biostatistik
 variation), rentang antar kuartil (interquartiles ranges), dan indeks dispersi
(index of dispersion).
1. Rentang
Rentang pada suatu satuan data adalah selisih terbesar dan terkecil
dari suatu satuan data tersebut.
Contoh 8. IQ lima orang anggota keluarga adalah; 108, 112, 127, 118, dan
113. Tentukan rentangnya!
Jawab: Rentang dari 5 IQ tersebut adalah 127 – 108 = 19.
2. Varians (variance)
Rumus yang dipergunakan untuk menghitung varians, jika data berasal
dari populasi adalah:

2
 N 
  xi 
2  i 1 
N

 x1 -
N
 2  i 1
N
Sedangkan varians yang dihitung berdasarkan sampel dihitung dengan
2
rumus:  n 
  xi 
2  i 1 
n

 x1 -
n
s 2  i 1
n -1

3. Simpangan Baku (Standar Deviation)

Simpangan baku didefinisikan sebagai akar dari Varians. Oleh karena itu
rumus simpangan baku adalah:

  2
Untuk sampel adalah;

s  s2
Varians dan simpangan bau hanya boleh digunakan sebagai alat
pembanding keseragaman data, apabila data yang dibandingkan

20
Biostatistik
 keseragamannya itu berasal dari variabel yang sama dengan satuan
pengukuran (unit of measurement) yang sama pula.
Varians dan Simpangan Baku hanya valid digunakan sebagai ukuran
variasi untuk variabel yang memenuhi tingkat pengukuran sekurang-
kurangnya interval.

4. Indeks Dispersi atau Indeks Variasi Kualitatif (Index of Dispersion or

Index of Qualitative Variation)
Untuk mengukur keseragaman (variasi) data yang mempunyai tingkat
pengukuran nominal, digunakan Indeks dispersi dengan rumus:
2
 C  C 2
C.   f i  -  f i
ID   i 1 2 i 1
 C 
  f i  c - 1
 i 1 
Nilai numerik ID terbatas: 0  ID  1
ID = 0 menunjukkan bahwa data seragam sempurna. Keadaan ini terjadi
apabila semua frekuensi terdapat pada satu kategri dan kategori lainnya
frekuensinya sama dengan nol (0). ID=1 mengisyaratkan variasi maksimal.
Fenomenon ini terjadi jika frekuensi terbagi rata untuk semua kategori.
Contoh:
Hasil penelitian Mahasiswa di Desa X tentang jenis pekerjaan penduduk
disajikan dalam data sebagai berikut:
No. Kategori Pekerjaan Banyaknya
1. PNS 75
2. ABRI 9
3. Pedagang 38
4. Petani 142
5. Buruh 208
6 Pelajar/Mahasiswa 196
7. Lain-lain 81
Jumlah penduduk 15 tahun lebih 749

Untuk menghitung Indeks Dispersi diperlukan data:

21
Biostatistik
 No. Kategori Pekerjaan fi fi2
1. PNS 75 5625
2. ABRI 9 81
3. Pedagang 38 1444
4. Petani 142 20164
5. Buruh 208 43264
6 Pelajar/Mahasiswa 196 38416
7. Lain-lain 81 6561
Jumlah 749 115555

(7) (749 2 - 115555)

ID   0,926356637
(7492 ) (7 - 1)
Jika dijadikan persen, maka ID = 92,6356637%, dibulatkan ID = 92,6%.

c. Ukuran Kecondongan/ Skweness

Kecondongan suatu kurva dapat dilihat dari perbedaan letak mean, median dan
modusnya.
1. Jika ketiga ukuran pemusatan data tersebut berada
pada titik yang sama, maka dikatakan simetris atau
data berdistribusi normal.
2. Sedangkan jika tidak berarti data tidak simetris atau
tidak berdistribusi normal.
Ukuran kecondongan data terbagi atas tiga bagian,yaitu :
1. Kecondongan data ke arah kiri (ekornya condong
kiri/negatif) di mana nilai modus lebih dari nilai mean
(modus > mean).
2. Kecondongan data simetris (distribusi normal) di mana
nilai mean dan modus adalah sama (mean = modus).
3. Kecondongan data ke arah kanan (ekornya condong kanan/positif) di
mana nilai mean lebih dari nilai modus
(mean > modus).
Pada distribusi data yang simetris, mean, median dan modus bernilai
sama.

22
Biostatistik
 4. Ukuran Keruncingan/ Kurtosis
Keruncingan Distribusi Data Keruncingan distribusi data adalah derajat atau
ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi
normalnya data. Keruncingan distribusi data disebut juga kurtosis. Ada tiga
jenis derajat keruncingan Leptokurtis : Distribusi data yang puncaknya relatif
tinggi Mesokurtis : Distribusi data yang puncaknya normal iii. Platikurtis
Distribusi data yang puncaknya terlalu rendah dan terlalu mendatar.
Gambar II.

23
Biostatistik
 Gambar II.2: Grafik Keruncingan Distribusi Data

Kurtosis atau keruncingan adalah tingkat kepuncakan dari sebuah

distribusi yang biasanya diambil secara relatif terhadap suatu distribusi
normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga
macam, yaitu :
1. Leptokurtik, merupakan distribusi yang memiliki puncak relatif tinggi
(nilai keruncingan > 3)
2. Platikurtik, merupakan distribusi yang memiliki puncak hampir
mendatar (nilai keruncingan <3)
3. Mesokurtik, merupakan distribusi yang memiliki puncak sedang dan
tidak mendatar (Normal (nilai keruncingan = 3)
Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering
digunakan adalah koefisien kurtosis persentil.Koefisien keruncingan atau
koefisien kurtosis dilambangkan dengan α4 (alpha 4).

4. Rata – Rata Geometrik

Rata – Rata Geometrik merupakan rata-rata nilai / harga pengamatan
yang dihitung atas dasar akar banyaknya nilai/harga pengamatan dari hasil
perkalian seluruh data. Sajian rata-rata ukur akan lebih baik dibandingkan
rata-rata hitung jika merupakan data yang menunjukkan urutan perubahan
yang tetap atau hamper tetap. Misalnya, data kenaikan atau penurunan
sesuatu hal.
a) Rata-rata ukur data terserak
Untuk mencari rata-rata ukut dari data yang masih terserak
digunakan rumus sebagai berikut :

24
Biostatistik
 𝑁
Rata-rata ukur populasi ( G) G = √𝑌1 𝑌2 𝑌3 … 𝑌𝑁
Atau log G = log 𝑌1 + log 𝑦2 + log 𝑌3 + ⋯ + log 𝑌𝑁
N
b) Rata-rata ukur yang dikelompokkan
Untuk mencari rata-rata ukur dari data yang sudah dikelompokkan dapat
digunakan rumus sebagai berikut:
Rata-rata ukur populasi log G =
Keterangan:
Yi : nilai tengah kelas ke-i = 1, 2, 3, ...., k
fi : frekuensi kelas ke-i, dan fi + f2 + f3 + .... + fk = N
Rata-rata ukur sampel (YG ) log YG =
Keterangan:
Yi : nilai tengah kelas ke-i untuk i = 1, 2, 3, ....., k
fi : frekuensi kelas ke-i dan f1 + f2 + f3 + ..... + fk = n
Untuk penelitian sensus perhatikan contoh di bawah ini.
Hasil pengukuran terhadap pertambahan tinggi 60 tanaman lamtoro yang ada
di pekarangan penduduk Desa Minapadi setelah disusun dalam bentuk tabel
distribusi frekuensi.

25
Biostatistik
 BAB III
PENUTUP

A. Simpulan
Statistika dipelajari di berbagai bidang ilmu karena statistika adalah
sekumpulan alat analisis data yang dapat membantu pengambil keputusan
untuk mengambil keputusan berdasarkan hasil kesimpulan pada analisis data
dari data yang dikumpulkan. Selain itu juga dengan statistika kita bisa
meramalkan keadaan yang akan datang berdasarkan data masa lalu.
Statistika Deskriptif memberikan informasi yang terbatas, yaitu memberi
informasi yang terbatas pada data apa adanya. Oleh karenanya pemakai
statistik deskriptif tidak dapat mengambil kesimpulan yang umum atas data
yang terbatas. Kesimpulan yang dapat diambil, terbatas atas data yang ada.
Kegunaan mempelajari ilmu Statistik adalah:
1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.
2. Untuk Penaksiran (Forecasting)
3. Untuk Pengujian (Testing Hypotesa)

B. Saran
Pada perhitungan dengan menggunakan cara manual tentunya juga
diperlukan ketelitian dan kecermatan agar tidak terjadi kesalahan, untuk
memperkecil kesalahan kita bisa menggunakan cara statistic atau statistika
untuk menganalisis suatu masalah dalam suatu pelajaran mahasiswa.

DAFTAR PUSTAKA

26
Biostatistik
Statistika, (2000) kar. J. Supranto, jilid 1 Chap.6 edisi keenam, halaman
126
–145
Statistika, Teori dan Aplikasi (2001), Bab 05, kar. Wayan Koster, edisi
pertama, halaman 93-134
Bambang Kustituanto dan Rudy Badrudin, Statistika I, Seri Diktat Kuliah,
Penerbit Gunadarma, Jakarta, 1994
Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma,
Jakarta, 1994

27
Biostatistik