BIOSTATISTIK

I. Defenisi Biostatistik
Statistik berasal dari kata state (Yunani) yaitu Negara dan digunakan untuk
urusan negara. Berdasarkan uraian ini dapat dinyatakan bahwa statistik adalah
rekapitulasi dari fakta yang bentuk angka-angka disusun dalam bentuk tabel dan diagram
yang mendeskripsikan suatu permasalahan. Adapun jenis tabel, yaitu tabel biasa, tabel
kontingensi dan tebel distribusi frekuensi , sedangkan jenis diagram, yaitu diagram
batang, diagram garis atau grafik, diagram lambing, lingkaran, diagram pastel, diagram
peta dan diagram pancar.
Menurut Webster Dictionary, statistik dalam arti sempit diartikan sebagai
ringkasan berbentuk angka, sedangkan dalam arti luas merupakan ilmu yang mempelajari
cara pengumpulan, pengolahan, penyajian dan analisa data serta pengambilan
kesimpulan atas hasil survey.
Statistik dapat diartikan sebagai salah satu disiplin ilmu yang mempelajari cara
pengumpulan, pengolahan, penyajian dan analisis data, termasuk cara pengambilan
kesimpulan dengan memperhitungkab ketidakpastian berdasarkan konsep probabilitas
(kemungkinan terjadi).
Menurut Undang-Undang Nomor 16 Tahun 1997 tentang Statistik, statistik
merupakan data yang diperoleh dengan cara pengumpulan, pengolahan, penyajian dan
analisis serta sebagai sistem yang mengatur keterkaitan antar unsure dalam
penyelenggaraan statistik.
Biostatistik merupakan penerapan ilmu statistik dibidang kesehatan yang dapat
digunakan untuk mengukur fakta-fakta mengenai masalah kesehatan, misalnya nilai rata-
rata berat badan bayi baru lahir, rerata produktivitas kerja pegawai puskesmas, presentase
keberhasilan program KB, ramalan kemampuan mahasiswa memprediksi kejadian KLB
suatu penyakit dan sebagainya. Untuk memperoleh sejumlah informasi yang menjelaskan
masalah untuk ditarik kesimpulan yang benar, harus melalui beberapa proses, yaitu
proses pengumpulan informasi, pengolahan informasi dan proses penarikan kesimpulan.
Setiap proses membutuhkan pengetahuan tersendiri yang disebut statistik.
Statistik merupakan salah satu cara untuk pengambilan kebijakan dan keputusan.
penggunaan statistik adalah hal yang penting dalam ilmu kesehatan masyarakat untuk
membantu member bobot, ukuran atau patokan data dalam mengambil sebuah ukuran
kesehatan.
Statistik kesehatan ialah data atau informasi yang berkaitan dengan masalah
kesehatan. Statistik kesehatan sangat bermanfaat untuk kepentingan administratif, seperti
merencanakan program pelayanan kesehatan, menentukan alternatif penyelesaian
masalah kesehatan dan melakukan analisis tentang berbagai penyakit selama periode
waktu tertentu serta untuk mementukan penyebab timbulnya penyakit baru yang belum
diketahui atau untuk menguji manfaat obat bagi penyembuhan penyakit tertentu setelah
hasil uji klinik dinyatakan berhasil.
Tujuan statistik dibidang kesehatan, antara lain:
1. Menyederhanakan data, sehingga data tersebut bisa menghasilkan informasi.
2. Menjawab masalah yang ada dalam masyarakat.
3. Menbuktikan suatu dugaan yang belum terjadi dengan penelitian.
4. Membantu seseorang didalam pengembangan daya kritik dalam suatu kegiatan
pengambilan keputusan dengan cara kuantitatif.

Berdasarkan aktivitasnya statistik dibagi menjadi dua, yaitu sebagai berikut:

1. Statistik Deskriptif
Statistik deskriptif adalah statistik yang menggambarkan kegiatan berupa
pengumpulan, penyusunan, pengolahan dan penyajian data dalam bentuk tabel,
grafik dan diagram yang memberikan gambaran mengenai keadaan atau peristiwa
secara jelas dan ringkas. Statistik deskriptif bekerja dalam pengumpulan data,
penyederhanaan angka-angka pengamatan yang diperoleh (meringkas dan
menyajikan), serta melakukan pengukuran pemusatan dan penyebaran data untuk
memperoleh informasi yang berguna dan mudah dipahami.
Fungsi dari statistik deskriptif sebagai berikut:
a. memperoleh gambaran tentang data
b. membicarakan penyusunan data ke dalam daftar-daftar atau jadwal,
pembuatan grafik-grafik, dan lain-lain yang sama sekali tidak berkaitan
dengan penarikan kesimpulan.
 c. memberikan informasi data yang dimiliki dan tidak bermaksud untuk
menguji hipotesis.
d. menarik inferensi yang digeneralisasikan untuk populasi atau data yang
lebih besar.
e. menyajikan dan menganalisis data agar lebih bermakna dan komunikatif
disertai penrhitungan yang meperjelas karakteristik data.

2. Statistik Inferensial
Statistik inferensial merupakan statistik yang berkaitan dengan analisis
data untuk menarik kesimpulan yang general untuk seluruh subjek tempat data
diambil. Statistik inferensial juga menganalisis data serta mengambil keputusan
(berkaitan dengan estimasi parameter dan pengujian hipotesis).
Statistik inferensial atau statistik induk adalah bagian dari statistik yang
memepelajari penafsirang dan penarikan kesimpulan yang berlaku secara umum
dari data sampel yang tersedia.. Statistik inferensial berkaitan dengan pendugaan
populasi dan pengujian hipotesis dari suatu data atau fenomena yang berfungsi
meramalkan dan mengontrol keadaan. Penarikan kesimpulan merupakan
generalisasi dari suatu populasi berdasarkan data yang ada.

II. Tahapan Statistik

1. Pengumpulan Data
a. Sumber Data
1) Data primer, yaitu data yang diperoleh dari proses pengumpulan yang
dilakukan sendiri langsung oleh peneliti dari sumber datanya yaitu subjek
yang diteliti.
2) Data sekunder, yaitu data yang diperoleh institusi yang telah
mengumpulkan datanya, jadi tidak langsung ke subjek penelitian atau dari
referensi orang lain atau berdasarkan buku cetak, media elektronik, jurnal
dan biro pusat statistik.
b. Instrumen Pengumpulan Data
 1) Kuesioner, yaitu daftar pertanyaan yang diberikan kepada orang lain
yang bersedia memberikan respon sesuai dengan permintaan pengguna.
2) Wawancara, yaitu suatu cara pengumpulan data yang digunakan untuk
memperoleh informasi langsung dari sumbernya secara lebih mendalam.
3) Observasi, yaitu pengamatan secara langsung ke objek penelitian untuk
melihat dari dekat kegiatan yang dilakukan.
4) Tes, yaitu serangkaian pertanyaan atau latiihan yang digunakan untuk
mengukur keterampilan pengetahuan, kemampuan, atau bakat yang
dimiliki oleh individu atau kelompok.
5) Dokumentasi ditujukan untuk memperoleh data langsung dari tempat
penelitian, meliputi buku-buku yang relevan, peraturan-peraturan,
laporan kegiatan, foto-foto, film documenter serta data yang relevan
dengan penelitian.

2. Pengolahan Data
Pengolahan data merupakan salah satu rangkaian kegiatan penelitian setelah
pengumpulan data. data yang masih mentah (raw data) perlu diolah sehingga
menjadi informasi yang dpat digunakan untuk menjawab tujuan penelitian.
Terdapat 4 tahapan dalam pengolahan data yaitu:
a. Editing (penyuntingan data)
Editing merupakan kegiatan untuk melakukan pengecekan isian formulir
atau kuesioner apakah jawaban yang ada sudah:
1) Lengkap, yaitu semua pertanyaan sudah terisi jawabannya.
2) Jelas, yaitu jawaban pertanyaan apakah cukup jelas terbaca.
3) Relevan, yaitu jawaban yang tertulis apakah relevan dengan
pertanyaan.
4) Konsisten, yaitu apakah antara beberapa pertanyaan yang
berkaitan isi jawabannya konsisten.
b. Coding (pengkodean data)
Coding merupakan kegiatan mengubah data berbentuk huruf menjadi data
berbentuk angka/bilangan. Kegunaan dari coding adalah untuk
 mempermudah pada saat analisi data dan juga mempercepat pada saat
entry data.
c. Entry (memasukkan data)
Entry merupakan kegiatan memasukkan data ke dalam program computer
atau software computer setelah semua kuesioner terisi penuh dan benar
serta sudah melewati pengkodean.
d. Cleaning (pembersihan data)
Cleaning merupakan kegiatan pengecekan kembali data yang sudah di-
entry apakah ada kesalahan atau tidak dengan cara mengetahui missing
data, mengetahui variasi data dan mengetahui konsistensi data.

3. Analisis data
a. Analisis Univariat
Analisis univariat merupakan analisis yang menjelaskan atau
mendeskripsikan karakteristik masing-masing variabel yang diteliti. Data
yang diperoleh dari hasil pengumpulan dapat disajikan dalam bentuk tabel
distribusi frekuensi, ukuran tendensi dentral atau grafik. Jika data
mempunyai distribusi normal, maka mean dapat digunakan sebagai
ukuran pemusatan dan standar deviasi sebagagi ukuran penyebarannya.
Jika data tidak terdistribusi normal maka menggunakan median sebagai
ukuran pemusatan dan minimum-maksimum sebagai ukuran
penyebarannya.
Terdapat beberapa istilah yang ada dalam analisis univariat yaitu:
1) Proporsi, merupakan suatu pecahan dimana pembilang dicakup
dalam penyebut dan penyebutnya sendiri tidak mesti merupakan
penduduk yang terancam dan dinyatakan dalam persen.
2) Rate, merupakan perubahan dari suatu jumlah satuan tertentu per
unit perubahan waktu.
3) Ratio, merupakan suatu angka pecahan atau perbandingan, dimana
pembilang tidak tercakup dalam penyebut.
 4) Mean, merupakan nilai rata-rata yang dihitung dengan
menjumlahkan hasil pengamatan dibagi dengan jumlah
pengamatn.
5) Median, merupakan nilai tengah dari suatu distribusi frekuensi.
6) Modus, merupakan pengamatan yang frekuensinya terbanyak.
7) Standar Deviasi, merupakan ukuran yang dapat dipakai untuk
mengetahui tingkat penyebaran nilai-nilai (data) terhadap rata-
ratanya.
b. Analisis Bivariat
Analisis bivariat merupakan analisis untuk mengetahui interaksi dua
variabel, baik berupa komparatif. asosiatif, maupun korelasi. Pada analisis
bivariat terdapat uji parametrik dan non parametric. Adapun langkah-
langkah penentuan uji statistik yaitu:
1) Identifikasi variabel
2) Identifikasi skala pengukuran variabel
3) Tentukan jenis uji hipotesis
4) Identifikasi jumlah kelompok
5) Identifikasi pasangan atau tidak pasangan
6) Identifikasi persyaratan uji parametrik atau non parametrik
Uji parametrik terdapat beberapa syarat yaitu
 skala pengukuran variabel, harus berupa variabel
numeric
 distribusi atau sebaran data harus normal
 varians data: kesamaan varian tidak menjadi syarat uji
pada kelompok berpasangan, varians boleh sama boleh
tidak pada uji 2 kelompok berpasangan, varians harus
sama pada uji lebih dari 2 kelompok berpasangan.
Jika data dengan skala numeric tidak memenuhi persyaratan
untuk uji parametrik (misalnya sebaran data tidak normal) atau
skala data dalam bentuk kategorik (ordinal dan nominal) maka
dilakukan uji non parametrik.
 c. Analisis Multivariat
Analisis multivariate digunakan untuk mengetahui hubungan lebih dari
satu variabel independen dengan satu variabel dependen. Pada analisis
multivariate, terdapat beberapa uji multivariat yang sering digunakan
yaitu ANOVA (analysis of varian) yang digunakan untuk mengetahui
perbedaan antar hal dengan jumlah kelompok atau perlakuan lebih dari
dua macam dan skala pengukuran numerik, regresi berganda (multiple)
yang dipakai untuk memprediksi nilai variabel terikat bila variabel bebas
yang jumlahnya lebih dari satu telah diketahui serta variabel bebas dan
terikat dalam regresi berganda harus berskala numerik dan regresi logistik
yang dipakai untuk mengetahui faktor yang paling dominan
mempengaruhi variabel terikat serta uji regresi logistik dipakai bila
variabel bebas berskala numerik dan nominal serta variabel terikat berupa
nominal dikotomi.

4. Penyajian Data
Penyajian data dapat dilakukan ke dalam tampilan yang sistematis untuk
keperluan penganalisisan sehingga memberikan informasi yang bermakna. Untuk
menghasilkan gambaran data yang komunikatif dan informatif maka data harus
disajikan sesuai dengan kebutuhan.
Penyajian data merupakan salah satu kegiatan dalam membuat laporan
hasil penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai
dengan tujuan yang diinginkan. Penyajian data harus dengan sederhana agar
mudah dipahami oleh pembaca dan pengamat, sehingga dapat dilakukan
penilaian atau perbandingan dan bisa sebagai pedoman dalam mengambil
keputusan atau kebijakan dalam penyelesaian suatu masalah.
Penyajian data disesuaikan dengan data yang tersedia dan tujuan yang
hendak dicapai. Beberapa cara penyajian data :
1. Tulisan (Textular Presentation)
 Penyajian data dalam bentuk tulisan merupakan gambaran umum
tentang kesimpulan hasil pengamatan yang bertujuna untuk memberikan
informasi saja, biasanya penyajian data ini banyak dipakai dalam bidang
sosial, ekonomi, psikologi, serta berperan sebagai laporan hasil peelitian
kualitatif. Misal mengetahui presepsi masyarakat tentang suatu produk yang
dipasarkan atau penerimaan, pendapat serta kepercayaan masyarakat
terhadap pelayanan kesehatan, maupun terhadap keberadaan keberadaan
petugas kesehatan yang terdapat didaerah.

Contoh :

1. Seorang direktur Sebuah Rumah Sakit memberikan informasi tentang

kelengkapan prasarana dan sarana yang ada di Rumah sakit “ Rumah
sakit kita sudah dilengkapi dengan sarana yang lengkap mulai dari
ruang anak, ruang kebidanan, ruang Penyakit Dalam, VIP, poly umum
dan poli Penyakit Dalam, Poli Kebidanan, Poli Anak, Poli THT, Poli
Jantung, UGD, Kamar Operasi, Ruang Rontsen, Laboratorium,
UTDRS, dll. Serta Tenaga yang kesehatan dan Non Kesehatan yang
lebih dari cukup untuk memberikan pelayanan yang terbaik kepada
pasien sehingga pelayanan yang diberikan bisa memuaskan kepada
masyarakat”
2. Suatu Penelitian Kualitatif dilakukan untuk mengetahui tingkat
pengetahuan dan penerapan PHBS dirumah tangga di Kecamatan X.
Dimana Hasil Penelitiannya menyatakan bahwa masyarakat sudah tau
tentang PHBS namun implementasi/penerapan dalam rumah tangga
yang masih rendah.

2. Tabel (Table Presentation)

Penyajian data dalam bentuk tabel adalah penyajian data dalam
bentuk angka yang disusun secara teratur dalam kolom dan baris. Tabel
yang lengkap terdiri dari : nomor tabel, judul tabel, catatan pendahuluan,
badan tabel, catatan kaki dan sumber data.
 Nomor tabel dibuat untuk memudahkan dalam mencari kembali
bila dalam suatu data banyak disajikan dalam bentuk tabel, dan judul
diberikan secara singkat, jelas, dan konsisten dalam menjelaskan isi tabel.
Sumber data ditulis dengan lengkap apabila mengambil data orang lain.
Bentuk tabel bermacam-macam, namun yang banyak digunakan
adalah tabel berdasarkan fungsi, tabel kontingensi dan tabel berdasarkan
penyusunan judul baris. Tabel derdasarkan fungsi terdiri dari :
1. Tabel Sinopsis
Berisi semua variabel yang akan dikumpulkan dan ditulis dalam kolom
dan baris dalam urutan yang sama. Tabel sinopsis penting dalam
perencanaan suatu penelitian.
Contoh tabel Sinopsis:

2. Tabel Induk
Berfungsi sebagai referensi dalam penelitian atau laporan
3. Tabel Keja
Tabel yang menggambarkan beberapa variabel secara rinci.
Digunakan untuk pembahasan lebih mendalam terhadap hasil
penelitian, megadakan perbandingan antar variabel atau untuk
memberikan gambaran tentang adanya hubungan antara dua variabel.
Dari tabel teks ini dapat dibuat tabel silang.
Tabel kontingensi disusun berdasarkan banyaknya baris dan kolom
yang disajikan untuk memberikan gambaran hasil penelitian. Tabel ini
 dinamakan sesuai dengan banyak baris dan kolom sehingga dikenal
dengan tabel 2x2 atau 2x3 dan lain-lain.
Contoh:
Tingkat Pendidikan Responden berdasarkan jenis kelamin

Jenis Tingkat Pendidikan

K
e
l
Jml
a SD SMP SMA
m
i
n
Laki-laki 25 20 15 60
Perempuan 20 12 8 40
Jumlah 45 32 23 100

Sedangkan berdasarkan penyusunan judul baris dapat disusun dengan :

Menurut abjad, geografis, berdasarkan perkembangan waktu,
berdasarkan besarnya angka, berdasarkan kelaziman, dan berdasarkan
tingkatan.

3. Grafik (Graphical or Diagram Presentation)

Selain dapat disajikan dalam bentuk tabel, data juga dapat
disajikan dalam bentuk diagram. Diagram adalah gambar yang menyajikan
data secara visual yang biasanya berasal dari tabel yang telah dibuat
sebelumnya. Diagram masih memiliki kelemahan, yaitu tidak dapat
memberikan gambaran data secara mendetail. Penyajian data dalam bentuk
diagram atau grafik biasanya lebih menarik karena data disajikan dalam
bentuk visual. Bentuk diagram yang sering digunakan diantaranya adalah
diagram garis, diagram batang, diagram lingkar, diagram peta,

2.1. Diagram Garis

Diagram garis adalah penyajian data dalam bentuk garis yang
menggambarkan perkembangan dan perubahan suatu keadaan. Biasanya
diagram garis digunakan untuk menyajikan data berdasarkan pengatmatan
dari waktu-kewaktu secara berurutan. Sumbu horisontal (mendatar)
menunjukkan waktu pengamatan, sedangkan sumbu vertikal (tegak)
menunjukkan nilai data pengamatan untuk suatu waktu tertentu. Berikut
contoh diagram Garis

2.2 Diagram Batang

Diagram batang adalah penyajian data dalam bentuk persegi
panjang tegak atau persegi panjang mendatar. Pada umumnya, diagram
batang digunakan untuk menggambarkan perkembangan data dari suatu
obyek tertentu. Ada dua jenis Diagram batang yaitu
 1). Diagram Batang Tegak.

2) Diagram Batang Mendatar

2.3 Diagram Lingkaran

Diagram lingkaran adalah gambaran grafik informasi kuantitatif
menggunakan lingkaran dimana dapat menunjukkan kontribusi dari masing-
masing informasi yang disajikan. contohnya dapat dilihat pada gambar di
bawah ini
III. Jenis Data

Data dalam statistik (juga dalam analisis data untuk riset) berdasarkan tingkat
pengukurannya (level of measurement) dapat dibedakan dalam empat jenis yaitu :
1. Data kualitatif (qualitative data) atau data non metrik.
Data kualitatif secara sederhana dapat disebut data hasil kategorisasi (pemberiaan kode)
untuk isi data yang berupa kata, seperti jenis kelamin dan tempat tinggal. Data kualitatif
mempunyai ciri tidak dapat dilakukan operasi matematika, seperti penambahan,
pengurangan, perkalian, dan pembagian.
Data kualitatif dapat dibagi menjadi dua :
• Data Nominal
 Merupakan data yang paling rendah dalam level pengukuran data dan hanya
menghasilkan satu kategori. Misalnya tempat tinggal, jenis kelamin.
• Data Ordinal
Levelnya lebih tinggi daripada data nominal dan ada tingkatan (preferensi) data. Misal
data tentang sikap seseorang terhadap produk tertentu, ada sikap yang "suka", "tidak
suka", "sangat suka", dan lainnya. Di sini tidak dapat disamakan derajatnya, dalam arti
"suka" dianggap lebih tinggi dari "tidak suka", namun lebih rendah dari "sangat suka",
dan lainnya.
Dalam riset pemasaran, data ordinal berperan penting dalam, khususnya dalam
mengidentifikasi perilaku seorang konsumen, bagaimana ia mempunyai persepsi dan
bagaimana ia bersikap terhadap suatu atribut produk.
2. Data kuantitatif (quantitative data) atau data metrik.
Data kuantitatif dapat disebut data berupa angka dalam arti sebenarnya. Jadi, berbagai operasi
matematika dapat dilakukan pada kuantitatif. Data kuantitatif dapat dibagi menjadi :
• Data Interval
Data interval menempati level yang penukuran data yang lebih tinggi dari data
ordinal karena selain dapat bertingkat urutannya, juga urutan tersebut dapat
dikuantitatifkan. Seperti pengukuran temperatur, di mana suhu 400 C adalah dua kali lebih
panas dari suhu 800 C. Contoh yang lain Indeks Prestasi dari mahasiswa, sistem
penanggalan Jawa/Masehi.

• Data Rasio
Data rasio adalah data dengan tingkat pengukuran paling tinggi diantara jenis data
lainnya. Data rasio bersifat angka dalam arti sesungguhnya dan dapat dioperasikan secara
matematika. Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol
dalam arti sesungguhnya. Misal penjualan sepatu di toko BERSIH 20 pasang, itu adalah
benar - benar riil dan dapat dijumlahkan dengan 13 pasang sepatu yang terjual di toko
MURAH. Atau jika penjualan adalah 0, berarti memang tidak ada satu pasang sepatupun
yang terjual.
 SUMBER: http://finance-jurnal./2014/11/jenis-data-statistik.html

A. Jenis DataDalamStatistik dan Penelitian

Data menurut jenisnya dapat dikelompokkan menjadi dua yaitu data kualitatif dan data
kuantitatif.

1. Data Kualitatif.

Yaitu data yang berbentuk kategorisasi, karekteristik berbentuk kalimat, kata-kata atau
gambar. Data kualitatif merupakan data yang menunjukkan kualitas sesuatu, oleh karena itu
data kualitatif sering menunjukkan kualitas sesuatu baik manusianya, benda-benda, maupun
suatu variabel tertentu seperti motivasi, minat dan lainnya. Contoh data kualitatif: siswa itu
rajin, motivasi belajarnya rendah dan sebagainya. Data ini biasanya didapat dari wawancara atau
pengamatan dan bersifat subjektif sebab data tersebut dapat ditafsirkan berbeda oleh orang lain
yang juga melakukan pengamatan.

Dengan melakukan pengklasifikasian terhadap data kuantitatif

kita dapat mengubah data kuantitatif menjadi kualitatif. Dengan memberikan kategori-kategori terhadap
kuantitas tertentu kita mengubah data kuantitatif menjadi kualitatif. Misalkan saja data motivasi
belajar siswa yang diukur dengan menggunakan angket motivasi belajar akan menghasilkan
data kuantitatif berupa angka-angka skor motivasi belajar. Skor motivasi belajar tersebut dapat
diubah menjadi kualitas tentang motivasi belajar dengan menggunakan syarat-syarat tertentu,
misal saja kategori tersebut dibuat sebagai berikut:
Tabel 1.1

Contoh Konversi Data Kuantitatif Menjadi Data Kualitatif

Kategori Motivasi belajar

Persyaratan

> Rata-rata + Standar deviasi Tinggi

Rata-rata + Standar deviasi s/d Rata-rata –

Sedang
Standar deviasi

< Rata-rata – Standar deviasi Rendah

 Dengan mencari rata-rata dan standar deviasi dari skor motivasi belajar tersebut kita
dapat mengetahui kualitas dari motivasi belajar setiap sampel penelitian. Misalkan saja
setelah dihitung didapat rata- rata 29,4 dan standar deviasinya 4,4 sehingga motivasi belajar
tersebut menjadi;

Tabel 1.2

Contoh Konversi Data Kuantitatif Menjadi Data Kualitatif

Persaratan Kategori Motivasi belajar

> 33,8 Tinggi

25,0 s/d 33,8 Sedang

< 25,0 Rendah

Kita bisa mengatakan bahwa motivasi belajar tinggi jika saja skor motivasi belajarnya
diatas 33,8 ( > 33,8), motivasi belajar rendah jika skor motivasi belajarnya dibawah 25,0 ( <
25,0) dan selain itu dikatakan motivasi belajar kategori sedang.

2. Data Kuantitatif.

Yaitu data yang berbentuk angka atau data kualitatif yang diangkakan.

Contoh : skor ulangan Matematika Rudi 75, skor minat belajar andi 105, skor IQ Winda 135,
jumlah siswa laki di kelas X SMA 20 Medan adalah 23 orang.

Data kuantitatif dapat dikelompokkan menjadi dua kelompok besar, yaitu data diskrit dan data
kontinu. Data diskrit adalah data yang diperoleh dari hasil menghitung atau mencacah, data seperti
ini sering juga disebut dengan data nominal dan ordinal. Data kontinu adalah data yang diperoleh
dari hasil pengukuran. Data kontinu dapat dikelompokkan menjadi dua, yaitu data interval
dan Rasio.
 Berdasarkan skala ukurnya data kuantitatif dapat dibedakan menjadi data: nominal, ordinal,
interval dan rasio.

1. Data Nominal.

Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin, Nomos =
nama). Contoh; jenis kelamin mahasiswa fakultas Tarbiyah terdiri dari laki-laki dan perempuan,
laki-laki berjumlah 450 orang dan perempuan sebanyak 765 orang.

Tabel 1.3 Contoh Data Nominal

Jenis kelamin Skor/Bobot/kode

Laki-laki 1 2

perempuan 2 1
Pada tabel diatas diketahui bahwa untuk mahasiswa laki-laki diberikan bobot 1 dan perempuan
diberikan bobot 2, pemberian bobot boleh juga dilakukan sebaliknya hal ini menunjukkan
bahwa pemberian bobot hanya sekedar untuk pengkodean saja. Laki-laki diberikan bobot 1 bukan
menunjukkan bahwa laki-laki lebih dari perempuan, oleh sebab itu pemberian bobot dapat
dilakukan secara terbalik. Harus diingat, bahwasanya statistik adalah pendekatan kuantitatif,
sehingga data yang bersifat kualitatif harus diubah dalam bentuk numerik dengan cara
pemberian skor (skoring) atau agregat. Jurusan yang ada difakultas Tarbiyah, fakultas yang ada di
IAIN SU Medan, latar belakang pekerjaan orang tua mahasiswa merupakan contoh dari data
nominal lainnya.

Apabila penelitian yang dilakukan menghasilkan data nominal maka ukuran satatistik yang
tepat untuk menjelaskan keadaan data tersebut adalah modus, tabel distribusi frekuensi, baik
tabel distribusi frekuensi absolut maupun tabel distribusi frekuensi relatif. Sedangkan statistik
inferensial untuk pengujian hipotesis adalah statistik nonparametrik yaitu uji Chi kuadrat.
Berikut adalah cara menganalisa data nominal mengenai keadaan pegawai SMA Negeri 4 padang
sidimpuan Sumatera utara pada tahun ajaran 2009/2010.
Tabel 1.4

Keadaan Ketenagaan Personil SMA Negeri 4 Padang Sidimpuan

No Jenis tugas Lk Pr frekuensi %

1 Guru edukasi 4 3 7 orang 9,46%

2 Pegawai Administrasi 4 6 10 orang 13,51
%
3 Guru Agama Islam - 2 2 orang 2,70%
4 Guru Agama Kristen - 1 1 orang 1,35%
5 Guru bidang studi 18 36 54 orang 72,98
%

Jumlah 26 48 74 orang 100 %

Dapat ditunjukkan bahwa untuk mengetahui berapa jumlah guru bidang studi dengan
jenis kelamin perempuan dapat dilakukan dengan cara menghitung, demikian juga untuk
mengetahui jumlah pegawai adminis- trasi sebanyak 10 orang dapat dilakukan dengan
menghitung langsung berapa jumlah pegawai administrasi di SMAN 4 Padang sidempuan tersebut.
Jumlah guru edukasi sebanyak 7 orang, pegawai administrasi 10 orang dikatakan dengan
frekuensi. Begitu juga dengan jumlah guru Agama Islam 2 orang, guru agama Kristen 1 orang
dan guru bidang studi sebanyak 54 orang merupakan frekuensi. Selain itu banyaknya guru
edukasi yang berjenis kelamin laki-laki 4 orang dan guru edukasi berjenis kelamin perempuan
sebanyak 3 orang dikatakan juga sebagai frekuensi, demikian juga untuk yang lainnya. Dari
frekuensi-frekuensi tersebut ( 7, 10, 2, 1 dan 54) terdapat frekuensi yang paling besar yaitu 54
orang yang dikatakan sebagai modus, berarti pada sekolah SMAN 4 Padang Sidempuan pegawai
yang paling banyak adalah pegawai dengan tugas sebagai guru bidang studi. Frekuensi-
frekuensi pada tabel diatas seperti 7, 10, 2, 1 dan 54 dikatakan sebagai frekuensi absolut
sedangkan persentase dari frekuensi tersebut dikatakan sebagai frekuensi relatif.
 2. Data Ordinal.

Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur
urutan (Order = urutan). Berikut merupakan contoh dari data ordinal.

Tabel 1.5

Tabel Sikap Mahasiswa Terhadap Kenaikan SPP

Variabel Sikap Skor yang mungkin

Sangat setuju 5 1
Setuju 4 2
Ragu-ragu 3 3
Kurang setuju 2 4
Tidak setuju 1 5

Tabel 1.6

Tabel Rangking Siswa

Nama Ranking

Ahmad jais 1
Sanusi haris 2
Faisal basri 3
Farid hasan 4
Teriana anisa 5

Pada data ordinal selain dilakukan pembobotan atau penskoran, urutan dari penskoran
tersebut juga memiliki arti atau makna. Posisi letak menentukan kedudukan kategori data. Jika
Ahmad jais mendapatkan ranking 1, itu berarti dia mendapatkan kedudukan rangking pertama
dari semua teman-temannya. Rangking tersebut tidak dapat di tukar ataupun dibolak balik
seperti pada contoh tabel 1.3 diatas. Namun pada data ordinal ini jarak antara tingkatan tidak
diketahui berapa intervalnya. Pada tabel rangking siswa diatas kita tidak dapat menentukan
berapa jarak antara ranking pertama dengan ranking kedua, ranking kedua dengan ranking
ketiga atau ranking keempat dengan ranking kelima. Bisa saja terjadi perbedaan jarak antara
ranking pertama - ranking kedua dengan jarak ranking kedua – ranking ketiga. Status sosial
masyarakat, golongan kepangkatan dosen dari IIIa sampai IVe, indeks prestasi mahasiswa juga
merupakan contoh data ordinal.

Apabila data hasil penelitian merupakan data ordinal maka perhitungan statistik yang tepat untuk
data ordinal adalah modus, median dan tabel distribusi frekuensi. Sedangkan untuk pengujian
hipotesis dan penarikan kesimpulan yang berhubungan dengan data ordinal dapat dilakukan dengan
menggunakan statistik nonparametrik seperti korelasi spearman rank.

3. Data Interval.

Data interval adalah data yang selain mengandung unsur penamaan dan urutannya juga
memiliki sifat interval atau selang, jaraknya bermakna, disamping itu, data ini memiliki ciri angka
dimana angka nol-nya tidak mutlak. Pada data interval selain data memiliki skor, memiliki urutan
juga memiliki interval yang jelas antara satu tingkatan data dengan yang lain- nya. Salah satu
contoh data interval yang paling sering digunakan dalam dunia pendidikan adalah skor
kecerdasan individu atau skor tes IQ sese- orang dan nilai yang diperoleh siswa pada mata
pelajaran tertentu.
Tabel 1.7
IQ Siswa
Variabel IQ siswa
110
114
111
135
120
115
110
 119

Pada tabel IQ siswa diatas dapat diketahui bahwa jarak antara IQ 110 dengan IQ 115
adalah 5 sama dengan jarak atau interval IQ 114 ke 119. Namun nilai 0 pada IQ diatas
tidaklah mutlak karena kita tidak bisa mengatakan bahawa jika seorang siswa memiliki IQ 0,
sama sekali tidak memiliki IQ sama sekali. Nilai siswa juga merupakan jenis data interval,
jika saja seorang siswa mendapatkan nilai 0 (nol) bukan berarti siswa tersebut tidak mempunyai
nilai. Akan tetapi ia tetap juga dikatakan memiliki nilai, hanya saja besar nilainya adalah nol.
Nilai nol pada data interval diatas tidak menunjukkan ketidak adaan tetapi hanya merupakan skor
perolehan semata. sedangkan jarak antara nilai siswa 70 ke nilai siswa 80 adalah sama dengan
jarak nilai siswa 75 ke nilai siswa 85, yaitu sama-sama 10. Dalam hal tersebut dikatakan bahwa
data interval memiliki interval yang sama antara satu data dengan yang lainnya.

4. Data Rasio

Data rasio adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna dan
angka nolnya mutlak, sehingga rasionya memiliki makna. Beberapa contoh dari data rasio adalah
jarak, berat badan, tinggi, pendapatan dan lainnya.

Tabel 1.9 Pendapatan Orang Tua Siswa

Pendapatan (Rp)
2.500.000

3.500.000

1.500.000

Pada tabel 1.8 diatas sifat datanya sama seperti pada data interval hanya saja data tersebut
memiliki nilai nol mutlak. Disebut angka nol- nya mutlak sebab memang tidak akan ada
pendapatan jika pendapatan itu nol rupiah. Nilai nol pada pendapatan berarti tidak menghasilkan
pen- dapatan sama sekali atau tidak ada pendapatan. Berbeda pada nilai siswa, jika seorang siswa
mendapat nilai nol berarti ia masih memiliki nilai hanya saja nilainya sebesar nol.
IV. Analisis Deskriptif

Analisis Diskriptif
bertujuan untuk memberikan deskripsi mengenai subjek penelitian berdasarkan data dari
variabel yang diperoleh dari kelompok subjek yang diteliti dan tidak dimaksudkan untuk
pengujian hipotesis. Sekalipun penelitian yang dilakukan bersifat inferensial, sajian keadaan
subjek dan data penelitian secara deskriptif tetap perlu diketengahkan lebih dahulu sebelum
pengujian hipotesis dilakukan.
Analisis data dengan menerapkan metode deskriptif dinyatakan sebagai analisisstatistik
sederhana atau yang paling sederhana. Akan tetapi, hasil analisis statistik deskriptif
tersebut dapat menjadi masukan yang sangat berhargauntuk para mengambil keputusan,
tergantung pada bentuk dan cara menyajikan hasil analisis tersebut. Pada tahap pertama,
analisis data dilakukan untuk mempelajari perbedaan antara fakta yang diobservasi dengan
apa yang diharapkan. Pada tahap pertama analisis data merupakan aktivitas ilmiah untuk
melakukan penilaian terhadap nilai/skor/ukuran variabel atau indikator yang
ditinjau, terutama variabel takbebas atau variabel tujuan atau indikator masalah yang
ditinjau. Hasil analisis ini dapat dipakai untuk menentukan ada atau tidaknya permasalahan.
Sebagaimana telah diketahui bahwa suatu permasalahan terjadi atau muncul apabila fakta
yang diobservasi tidak sesuai dengan apa yang diharapkan.

Contoh Kejadian Diare di Kabupaten X

Nomor Jenis Umur Kecamatan

Kelamin (th)
1 L 12 A
2. L 10 B
3 P 8 B
4 P 20 B
5 P 15 C
6 L 25 C
7 L 6 B
8 L 7 B
9 L 6 A
10 P 8 A
11 P 2 A
12 P 4 A
13 P 3 B
14 L 6 B
15 L 7 B
16 L 16 C
17 P 12 C
18 P 14 C
19 P 13 D
 20 P 29 D
21 L 30 D
22 L 50 A
23 L 4 A
24 L 6 B
25 L 7 B
26 L 4 C
27 P 5 C
28 P 16 D
29 P 17 A
30 L 30 B
31 L 50 C
32 L 16 D
33 L 8 A
34 L 6 C
35 L 7 C
36 P 4 B
37 P 12 B
38 P 10 A
39 P 8 A
40 L 6 C

Dari data diatas dapat dilakukan analisis data diskriptif

Variabel Frekuensi Persentase

Jenis Kelamin
Laki-laki 22 55
Perempuan 18 45
Kelompok Umur
Remaja 21 52,5
Dewasa 19 47,5
Kecamatan
A 11 27,5
B 13 32,5
C 11 27,2
D 5 12,5
Chart :

Jenis kelamin

0
1
kelompok umur

remaja
dewasa