oleh:

Dr. V. Budi Kidarsa

 MACAM DATA

1. Data primer
Dikumpulkan langsung oleh peneliti
sendiri sesuai dengan kebutuhannya
2. Data sekunder
Dikutip dari orang atau lembaga lain.
Sering tidak lengkap
 NILAI TENGAH

1. Mean
2. Median
3. Modus
 METODE STATISTIKA

1. Statistika deskriptif
• Untuk memperoleh gambaran keadaan
kesehatan berdasarkan pengamatan yg
nyata
• Meliputi: pengumpulan, pengolahan,
analisa dan penyajian data
• Menjelaskan variabel yang diteliti tanpa
melakukan generalisasi ke populasi
 METODE STATISTIKA

2. Statistika inferensial / analitik / induktif

• Untuk menarik kesimpulan tentang ciri-
ciri populasi yg dinyatakan dalam
parameter populasi melalui perhitungan
statistik sampel (generalisasi)
• Menguji hipotesa
• Menyimpulkan secara umum, maka
sampel harus cukup jumlahnya dan
teknik pengambilan sampel yang benar
 POPULASI DAN SAMPEL

Populasi: kumpulan semua individu

dalam suatu batasan tertentu
Populasi studi: kumpulan individu yang
diukur/diamati ciri-cirinya
Sampel: sebagian dari populasi studi
Unit dasar: individu dalam populasi studi
 GENERALISASI

Cara pengambilan dan besar sampel

sangat penting dalam suatu penelitian
karena hasil yang didapat dari SAMPEL
digunakan untuk menafsirkan keadaan
POPULASI
 RANDOM SAMPLING

1. Simple random sampling

2. Stratified random sampling
3. Cluster random sampling
4. Probability proportionate to size
 JUMLAH SAMPEL

KATEGORIK: n = z2. p . q / E2

NUMERIK: n = z2 . S2 / E2

Z = tingkat kepercayaan
p = proporsi / prevalensi
q=(1–p)
E = presisi
S = standard deviasi
 KESALAHAN SAMPLING
1. SAMPLING ERROR:
Sampel diambil hanya dari SEBAGIAN populasi
hingga hasilnya tdk sama dgn SELURUH populasi
2. NON-SAMPLING ERROR:
Kesalahan pada sampel sama dengan kesalahan
pada populasi
Batasan variabel kurang jelas
Jawaban responden salah
Kesalahan pengolahan data
Kesalahan alat ukur
3. BIAS
Perbedaan antara keadaan sesungguhnya pada
populasi dgn hasil dari sampel. Terjadi karena
pengambilan sampel yang non-random
Bagaimana membuktikan bahwa
keterpaparan terhadap suatu faktor risiko
benar menimbulkan akibat sebagaimana
yang diduga

merokok Ca paru
MEBUKTIKAN HUBUNGAN
(ASSOSIASI)

1. Assosiasi statistik
Uji hipotesis
2. Assosiasi epidemiologik
Relative risk
Odds ratio
Attributable risk
 UJI HIPOTESIS

1. Tetapkan hipotesis nol (Ho)

(tidak ada hubungan / perbedaan)
2. Pilih uji statistik yg akan digunakan
(hitung p-value)
3. Tentukan batas kemaknaan (α= 0,05)
4. Keputusan: bandingkan p-value dgn α
‰ p-value < α Ho ditolak
‰ p-value > α Ho gagal ditolak (diterima)
 BATAS KEMAKNAAN
(Significance level)

1. α (alpha)
ƒ Merupakan kriteria batas penerimaan /
penolakan hipotesis nol
ƒ Disebut juga kesalahan tipe 1 (α)
karena menolak Ho padahal Ho benar
ƒ Untuk menentukan apakah perbedaan
antara nilai statistik dan nilai di
populasi benar berbeda atau hanya
karena kebetulan
 BATAS KEMAKNAAN
(Significance level)

ƒ α = 0,05 (5%) artinya jika dilakukan

pengujian hipotesa 100 kali, maka akan
terdapat 5 pengujian yang hasilnya
terletak di luar daerah penerimaan
ƒ Makin besar derajat kemaknaan, maka
makin sempit daerah penerimaan
hipotesis, sehingga makin besar pula
peluang untuk menolak hipotesis yang
benar
 BATAS KEMAKNAAN
(Significance level)

2. p-value (degree of uncertainty)

ƒ Peluang terjadinya pengambilan sampel
di luar batas penerimaan
ƒ p>0.05 artinya dari 100 kali ambilan
sampel ada 5 yang terletak diluar batas
penerimaan
ƒ Disimpulkan: perbedaan hanya terjadi
karena kebetulan, jadi variabel yang
dibandingkan tdk berbeda bermakna
 BATAS KEMAKNAAN
(Significance level)

3. β (beta)
ƒ Disebut juga false negative: menerima
Ho padahal Ho salah.
ƒ Daerah penerimaan Ha disebut power
of the test = 1 - β
 VARIABEL MENURUT SIFAT

1. Kategorik / Kualitatif / Non-parametrik:

hasil dari pengklasifikasian

2. Numerik / Kuatitatif / parametrik:

ƒ Diskrit (bilangan bulat): hasil penghitungan
ƒ Kontinu (bisa desimal): hasil pengukuran
 VARIABEL MENURUT SKALA UKUR
Skala ratio
Nilainya mempunyai batas dan interval yg tegas serta
mempunyai titik 0 mutlak (mis: panjang badan, berat badan,
usia, persentase; panjang 4 cm adalah 2 kali dari 2 cm)
Skala interval
Nilainya mempunyai jarak yg sama antara titik berde-
katan tapi tdk memiliki titik nol mutlak (mis: suhu, IQ; orang
ber IQ 120 tidak berarti 2 kali lebih pandai dari IQ 60)
Skala ordinal
Menggolongkan nilai menurut tingkatan/strata tanpa memper-
hatikan jarak antara tingkatan satu dgn yg lain (mis: tingkat
pendidikan, sosial-ekonomi, stadium kanker)
Skala nominal
Menggolongkan nilai menurut kriteria tertentu dimana gol satu
dgn yg lain tdk saling berkesinambungan (mis: golongan
darah, jenis kelamin, suku bangsa)
 JENIS UJI HIPOTESIS
JENIS HIPOTESA
SKALA 2 KELOMPOK > 2 KELOMPOK
PENGU TDK KORE
KURAN BERPA TDK BERPA BERPA LATIF
BERPA
SANGAN SANGAN SANGAN
SANGAN
McNemar Chi Square Cochran Chi Square Koefisien
Marginal Fisher Fisher kontigensi
NOMINAL
Homogenity Kolmogorov- Kolmogorov Lambda
Smirnov Smirnov
McNemar Chi Square Cochran Chi Square Somers ‘d
Marginal Fisher Fisher Gamma
Homogenity Kolmogorov- Kolmogorov
ORDINAL
Smirnov Smirnov
Wilcoxon Mann- Friedman Kruskal - Spearman
Whitney Wallis
NUMERIK Uji t Uji t tidak Anova Anova Pearson
(interval & berpasangan berpasangan
ratio)
 PENYAJIAN DATA

1. Tekstular
Narasi dalam bentuk tulisan tentang hasil
penelitian
2. Tabular
Dalam bentuk angka yang disusun teratur
dalam kolom dan baris
3. Grafikal
Bentuk gambar lebih menarik dan mudah
difahami, biasanya utk presentasi
 MACAM-MACAM GRAFIK

1. Untuk data kategorik

ƒ Bar diagram
ƒ Pie diagram
ƒ Pareto

z Untuk data numerik

ƒ Histogram
ƒ Frekuensi poligon
ƒ Ogive
ƒ Line diagram
 BUKU RUJUKAN

1. Budiarto E. Biostatistika, untuk kedokteran

dan kesehatan masyarakat. EGC, 2001.
2. Sastroasmoro S, Ismael S. Dasar-dasar
metodologi penelitian klinis. Jakarta:
Binarupa Aksara, 1995.