BIOSTATISTIK

(STATISTIK DESKRIPTIF)

DISUSUN OLEH :
Kelompok 7 :
Putri Wulan Sari 16.3.0.1.0093
Rasidah 16.3.0.1.0095
Reza Fahlefi 16.3.0.1.0094
Sri Reno 16.3.0.1.0097
Suci Desrianti 16.3.0.1.0098

PROGRAM STUDI ILMU KEPERAWATAN

STIKes PAYUNG NEGERI
PEKANBARU
2019
 KATA PENGANTAR

Penulis mengucapkan syukur kehadirat Allah Swt, hanya karena izin-

Nya makalah ini dapat diselesai tepat pada waktunya. Shalawat dan salam
penulis ucapkan kepada jujungan Nabi Muhammad saw beserta keluarganya,
para sahabatnya dan seluruh insan yang dikehendakinya. Penulisan makalah
ini bertujuan untuk memenuhi tugas Biostatistik. Materi di dalam makalah ini
menguraikan tentang statistik deskriptif.
Penulis mengucapkan terima kasih kepada dosen Biostatistik. Berkat
bimbingan beliau penulis dapat menyelesaikan makalah ini. Penulis
menyadari bahwa makalah ini masih banyak terdapat kekurangan baik dari
segi penyusunan bahasa maupun aspek lainnya. Jadi, penulis mengharapkan
kritik dan saran dari pembaca.
Penulis berharap makalah ini dapat bermanfaat dan membuka
wawasan pembaca, sehingga dapat memahami dan pembaca dapat
mengaplikasikan ilmu yang diperoleh dari makalah ini.

Pekanbaru,30 September 2019

Kelompok 7

i
 DAFTAR ISI

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

DAFTAR ISI ............................................................................................ ii
BAB I PENDAHULUAN ........................................................................ 1
A. Latar Belakang .............................................................................. 1
B. Tujuan Penulisan ........................................................................... 2
BAB II PEMBAHASAN .......................................................................... 3
A. Penyajian Data .............................................................................. 3
B. Ukuran Statistik.............................................................................. 9
BAB III PENUTUP .................................................................................. 19
A. Kesimpulan ................................................................................... 19
B. Saran. .............................................................................................. 19
DAFTAR PUSTAKA ............................................................................... 20

ii
 BAB I
PENDAHULUAN

A. Latar Belakang
Statistika deskripti f adalah tehnik yang digunakan untuk
mensarikan data dan menampilkannya dalam bentuk yang dapat
dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi dari
penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata,
dihitung dan ditampilkan dalam bentuk tabel dan grafik. Statistika
deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian
fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di
dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang
bisa diterima secara ilmiah? Statistik merupakan suatu alat pengukuran
yang berhubungan dengan keragaman pada karakteristik objek-objek yang
berbeda .
Dengan Statistik deskriptif, kumpulan data yang diperoleh akan
tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari
kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika
deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data,
serta kecenderungan suatu gugus data. Terdapat dua metode dasar dalam
statistik deskriptif, yaitu numerik dan grafis.
1. Pendekatan numerik dapat digunakan untuk menghitung nilai statistik
dari sekumpulan data, seperti mean dan standar deviasi. Statistik ini
memberikan informasi tentang rata-rata dan informasi rinci tentang
distribusi data.
2. Metode grafis lebih sesuai daripada metode numerik untuk
mengidentifikasi pola-pola tertentu dalam data, dilain pihak,
pendekatan numerik lebih tepat dan objektif. Dengan demikian,
pendekatan numerik dan grafis satu sama lain saling melengkapi,
sehingga sangatlah bijaksana apabila kita menggunakan kedua metode
tersebut secara bersamaan.

1
B. Tujuan
1. Tujuan Umum
1. Untuk mengetahui tentang Biostatistik Deskriptif
2. Tujuan Khusus
a. Mahasiswa mampu menjelaskan tentang penyajian data statistik
deskriptif.
b. Mahasiswa mampu menjelaskan tentang ukuran statistik deskriptif.

2
 BAB II
PEMBAHASAN

A. Penyajian Data
1. Langkah statistik deskriptif
a. Memahami masalah dan jawaban yyang diperlukan.
b. Mengumpulkan data yang sesuai dengan masalah dan tujuan.
c. Menata data mentah ke dalam distribusi frekuensi.
d. Menyajiakn data distribusi secara grafik.
e. Menarik kesimpulan mengenai permasalahan.

2. Cara penyajian data

Data populasi atau sample yang sudah terkumpul selanjutnya diatur,
disusun dan disajikan dalam bentuk yang jelas dan komunikatif. Secara
umum terdapat beberapa cara penyajian data statistik, yaitu dengan
menggunakan Narasi, Tabel, Grafik dan Diagram. Cara-cara penyajian
Data Statistik tersebut secara skematik dapat digambarkan sebagai berikut:
a. Tabel
1. Tabel Biasa
Penyajian data statistik ataupun data hasil penelitian dengan
menggunakan tabel lebih efisien dan komunikatif, sehingga banyak
digunakan. Setiap tabel berisi Judul Tabel, Judul Tiap Kolom,
Nilai. Data dalam Setiap Kolom, dan Sumber Data dari mana data
tersebut diperoleh.
2. Tabel Distribusi Frekuensi
Yaitu penyusunan suatu data dalam bentuk kelompok mulai dari
yang terkecil sampai ke yang terbesar berdasarkan kelas-kelas
interval atau kategori tertentu. Tabel Distribusi Frekuensi disusun
bila jumlah data yang akan disajikan cukup banyak sehingga tidak
akan efektif dan kurang komunikatif bila disajikan dengan tabel
biasa.

3
 3. Tabel Silang (Cross Tabulation)
Merupakan Tabel Distribusi Frekuensi yang disajikan dengan dua
variable atau lebih sekaligus dalam satu tabel.
b. Grafik
Grafik adalah lukisan pasang surutnya suatu keadaan (turun naiknya
hasil statistik) dengan garis atau gambar.
1. Histogram (Batang)
2. Poligon (garis
c. Diagram
Merupakan gambaran untuk memperlihatkan atau menerangkan
sesuatu data yang akan disajikan. Contoh macam-macam penyajian
data dengan Diagram:
1. Diagram Batang (Bar Chart)
2. Diagram Lingkaran (Pie Chart)
3. Diagram Garis (Line Chart)

3. Manfaat penyajian data

Teknik penyajian ini penting karena pembaca akan memahami
maksud dari hasil laporan penelitian/kegiatan yang dibuatnya. Tenaga
kesehatan umumnya sering berhadapan dengan bentuk penyajian data yang
bermacam macam, sehingga diperlukan suatu cara untuk menyajikan data
yang dapat memberikan informasi yang lengkap dengan bentuk yang
paling sederhana. Berikut manfaat dari statistik deskriptif:
a. Komunikasi
Satatistik dapat digunakan sebagai alat untuk melakukan komunikasi
atau alat penghubung dari beberapa pihak. Dari data statistik yang
dihasilkan beberapa pihak tersebut dapat mengambil sebuah
keputusan.
b. Deskripsi
Statistik dapat digunakan sebagai alat untuk menyajikan,
menggambarkan atau mengilustrasiakan data dalam bentuk tabel,

4
 ganbar dan diagram, sehungga orang mudah memahaminya.
Contohnya hasil produksi dalam satu periode laporan keuangan,
laporan tingkat kecelakaan lalu lirtas dijalan tol dan lain sebagainya.
Semua informasi tersebut dapat disajikan dalam bentuk tabel, gambar
dan diagram
c. Regresi
Statistika dapat digunakan sebagai alat untuk meramalkan atau
memprediksi terhadap (variabel tidak bebas).
d. Korelasi
Statistik dapat digunakan sebagai alat untuk menentukan sebrapa kuat
hubungan antara dua data dalam suatupenelitian. Misalnya biaya
promosi berhubungan dengan tingkat penjualan
e. Komparasi Statistik dapat digunakan sebagai alat untuk
membandingkan data dua kelompok atau lebih. (Ir. Syofian Siregar,
Statistika Deskriptif untuk Penelitian.

4. Prosedur penyajian data

Setelah data dikumpulkan kemudian diolah, pelaksanaan pengolaan data
sebagai berikut:
a. Editing atau memeriksa data
Data diperiksa dari daftar angket, panduan wawancara atau catatan-
catatan pada alat ukur. Mungkin terjadi kekeliruan pengisian, seperti
halnya salah menulis umur, tinggi atau berat badan atau mungkin juga
jumlah keluarga. Hal seperti dapat diperbaiki. Tetapi kalau pengisian
gagal, karena responden tidak dpat dijumpai, buta aksara demikian
rupa sehingga amat sulit di wawancarai, maka hal seperti itu di
abaikan. Tentu saja bila jumlah nya amat sedikit dan tidak terlalu
mengganggu dibanding jumlah sampel yang telah di tetapkan. Setelah
selesai pemeriksaan, barulah alat ukur yang sah di hitung.

5
 2. Tabulating atau penyusun data
Untuk menyusun data diperlukan alat-alat, pensil, kertas, penggaris,
kalkulator, mesin ketik atau sekaligus komputer. Kalau dilakukan
dengan tangan (manual) bisa memakai metode tally. Sebagai contoh
dapat dilihat pada tabel.
Jenis penyakit Garis tally Jumlah
Diare IIII IIII IIII IIII 20
Kulit IIII IIII IIII 15
Anemia IIII IIII 10
Lain-lain IIII IIII IIII

5. Macam penyajian data

Berikut bentuk-bentuk penyajian data statistika yang dapat dilakukan yaitu
dengan:
a. Menyajikan data dalam bentuk diagram
1. Diagram Garis
Penyajian data statistik dengan menggunakan diagram berbentuk
garis lurus disebut diagram garis lurus atau diagram garis. Diagram
garis biasanya digunakan untuk menyajikan data statistik yang
diperoleh berdasarkan pengamatan dari waktu ke waktu secara
berurutan.
Contoh: Berikut simulasi diagram garis, kamu dapat mengubah-
ubah diagram garis yang ada.
2. Diagram Batang
Diagram batang umumnya digunakan untuk menggambarkan
perkembangan nilai suatu objek penelitian dalam kurun waktu
tertentu. Diagram batang menunjukkan keterangan-keterangan
dengan batang-batang tegak atau mendatar dan sama lebar dengan
batang-batang terpisah Berikut simulasi diagram batang, kamu
dapat mengubah-ubah diagram batang yang ada.
3. Diagram Lingkaran

6
 Diagram lingkaran adalah penyajian data statistik dengan
menggunakan gambar yang berbentuk lingkaran. Bagian-bagian
dari daerah lingkaran menunjukkan bagian-bagian atau persen dari
keseluruhan. Untuk membuat diagram lingkaran, terlebih dahulu
ditentukan besarnya persentase tiap objek terhadap keseluruhan
data dan besarnya sudut pusat sektor lingkaran. Perhatikan contoh
berikut ini. Berikut simulasi diagram lingkaran, kamu dapat
mengubah-ubah diagram lingkaran yang ada
b. Penyajian Data dalam Bentuk Tabel Distribusi Histogram, Poligon dan
Ogive
1. Distribusi Frekuensi Tunggal
Data tunggal seringkali dinyatakan dalam bentuk daftar bilangan,
namun kadangkala dinyatakan dalam bentuk tabel distribusi
frekuensi. Tabel distribusi frekuensi tunggal merupakan cara untuk
menyusun data yang relatif sedikit.
2. Distribusi Frekuensi Kelompok
Data yang berukuran besar (n > 30) lebih tepat disajikan dalam
tabel distribusi frekuensi kelompok, yaitu cara penyajian data yang
datanya disusun dalam kelas-kelas tertentu. Langkah-langkah
penyusunan tabel distribusi frekuensi adalah sebagai berikut:

a. Langkah ke-1 menentukan Jangkauan (J) = Xmax – Xmin.

b. Langkah ke-2 menentukan banyak interval (K) dengan rumus
"Sturgess" yaitu: K= 1 + 3,3 log n dengan n adalah banyak
data. Banyak kelas harus merupakan bilangan bulat positif
hasil pembulatan ke bawah.
c. Langkah ke-3 menentukan panjang interval kelas (I) dengan
menggunakan rumus:
I = J/K

7
 d. Langkah ke-4 menentukan batas-batas kelas. Data terkecil
harus merupakan batas bawah interval kelas pertama atau data
terbesar adalah batas atas interval kelas terakhir.
e. Langkah ke-5 memasukkan data ke dalam kelas-kelas yang
sesuai dan menentukan nilai frekuensi setiap kelas dengan
sistem turus.
3. Histogram
Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi
frekuensi dan disajikan dalam bentuk diagram yang disebut
histogram. Jika pada diagram batang, gambar batang-batangnya
terpisah maka pada histogram gambar batang-batangnya berimpit.
4. Poligon
Apabila pada titik-titik tengah dari histogram dihubungkan dengan
garis dan batang-batangnya dihapus, maka akan diperoleh poligon
frekuensi. Berdasarkan contoh di atas dapat dibuat poligon
frekuensinya.
5. Distribusi Frekuensi Kumulatif
Daftar distribusi kumulatif ada dua macam, yaitu sebagai berikut:
a. Daftar distribusi kumulatif kurang dari (menggunakan tepi
atas).
b. Daftar distribusi kumulatif lebih dari (menggunakan tepi
bawah).
Untuk lebih jelasnya, perhatikan contoh data berikut ini.
6. Ogive (Ogif)
Grafik yang menunjukkan frekuensi kumulatif kurang dari atau
frekuensi kumulatif lebih dari disebut poligon kumulatif. Poligon
kumulatif dibuat mulus, yang hasilnya disebut ogif. Ada dua
macam ogif, yaitu sebagai berikut:
a. Ogif frekuensi kumulatif kurang dari disebut ogif positif.
b. Ogif frekuensi kumulatif lebih dari disebut ogif negative.

8
B. Ukuran statistik
1. Ukuran pemusatan/sentral tendensi
Disebut ukuran gejala pusat atau tendensi sentral (central
tendency), karena nilai atau harga ukuran gejala pusat mampu memberi
gambaran tentang posisi atau letak pusat data atau nilai-nilai pengamatan,
baik dalam bentuk data terserak, maupun yang sudah dikelompokkan
dalam bentuk tabel distribusi frekuensi. Data yang disajikan dengan
ukuran-ukuran gejala pusat lebih mudah dibaca dibandingkan dengan data
yang masih dalam keadaan terserak. Posisi atau letak pusat data yang ada
dapat dilihat dari besarnya harga rata-rata, modus, median, kuartil, desil,
dan persentil.
1. Rata-Rata Hitung (Average atau Mean)
Terdapat dua rata-rata hitung yaitu rata-rata hitung untuk populasi
yang berukuran N dan rata-rata hitung untuk sampel berukuran n. Jika
yang dicari adalah rata-rata hitung untuk populasi, maka dapat
diperoleh dengan menggunakan rumus:

x i
 i 1

N
Contoh 1. Diperoleh data tentang nilai yang diperoleh 5 mahasiswa
pada mata kuliah statistika, yaitu; 30, 50, 60, 40, dan 60. Jika data
berasal dari populasi, hitunglah berapa nilai rata-rata nilai statistika
untuk 5 orang di atas.
Jawab: Karena data berasal dari populasi, maka rata-rata dapat dihitung
sebagai berikut:

30  50  60  40  60
  48
5

9
Jika yang dicari adalah rata-rata sample, maka rata-rata dapat diperoleh
dengan menggunakan rumus:
n

x i
x i 1

Contoh 2. Seorang pengamat makanan mengambil secara random

sebanyak 7 kaleng terhadap makanan kaleng yang bertujuan untuk
mengetahui kadar zat beracun (dalam prosen) yang terdapat dalam kaleng
tersebut. Data yang dikumpulkan dari 7 buah kaleng tersebut adalah: 1,8 ,
2,1 , 1,7 , 1,6 , 0,9 , 2,7 , dan 1,8. Hitunglah rata-rata sampel?
Jawab: karena data berasal dari sampel, maka dapat dihitung:

1,8  21,  1,7  0,9  2,7  1,8

x  1,8%
7
Rumus yang dipergunakan untuk menghitung rata-rata dari data bergolong
adalah:

X
 fx i i

f i

Adapun yang menjadi sifat dan penggunaan rata-rata hitung adalah:

a. Nilai numerik rata-rata hitung ditentukan secara ketat oleh bilangan-
bilangan yang menyusunnya.
b. Nilai numerik rata-rata hitung adalah unik.
c. Nilai Numerik rata-rata hitung sangat dipengaruhi oleh nilai ekstrim.
d. Rata-rata hitung hanya boleh dihitung (valid sebagai ukuran gejala
pusat) untuk variabel yang memenuhi tingkat pengukuran sekurang-
kurangnya interval,
e. Apabila dalam rentetan data yang dihadapi terdapat bilangan ekstrim,
tidak disarankan untuk menggunakan rata-rata hitung sebagai ukuran
gejala pusat, sebab bisa memberikan kesimpukan yang keliru.

10
f. Tidak disarankan untuk mengambil kesimpulan yang hanya didasarkan
kepada rata-rata hitung.

2. Median
Median merupakan suatu harga yang merupakan titik tengah dari
keseluruhan harga pada suatu satuan data. Oleh karena itu terdapat
50% data yang berada di bawah atau sama dengan nilai tersebut dan
terdapat 50% lagi data yang berada di atas atau sama dengan data
tersebut.
Contoh 3. Dari 5 orang mahasiswa yang mengikuti ujian statistik
diperoleh angka; 82, 93, 86, dan 79. Tentukan median jika data
tersebut berasal dari populasi.
Jawab: angka yang diperoleh harus disusun terlebih dahulu dari kecil
ke besar, sehingga diperoleh:
79 82 86 92 93
Jadi median dari data tersebut adalah : Me = 86
Contoh 4. Untuk mengetahui kadar nikotin yang terkandung di dalam
rokok, diambil sampel berukuran 6 (rokok) yang diperoleh data
(dalam miligram) sebagai berikut: 2,3 , 2,7 , 2,5 , 2,9 , 3,1 , dan 1,9.
Tentukan mediannya!
Jawab: Data diurutkan dari kecil ke besar, sehingga diperoleh:
1,9 2,3 2,5 2,7 2,9 3,1
Median terletak antara angka 2,5 dan 2,7, oleh karena itu median
ditentukan dengan cara:

2,5  2,7
Me   2,6 mi ligram
2

Untuk menghitung Median dari data bergolong, dipergunakan

rumus:

 1 n -F
Me  b  p  2 
 f 

11
 b = batas bawah, di mana median akan terletak
p = panjang kelas interval
F = jumlah semua frekuansi sebelum kelas interval
f = frekuensi kelas median
Adapun yang menjadi sifat-sifat dari penggunaan median adalah
sebagai berikut:
a. Nilai numerik median tidak ditentukan secara ketat oleh bilangan-
bilangan yang menyusunnya. Oleh karena itu, jika dalam rentetan
bilangan ada yang berubah nilai numeriknya, median belum tentu
berubah.
b. Median tidak dipengaruhi oleh nilai ekstrim, dan nilai median
adalah unik.
c. Median boleh dihitung (valid sebagai ukuran gejala pusat) untuk
variabel yang memenuhi skala pengukuran sekurang-kurangnya
ordinal.
Apabila dalam rentetan bilangan terdapat nilai ekstrim,
disarankan untuk menggunakan median sebagai pengganti rata-rata
hitung.

3. Modus
Modus didefinisikan sebagai bilangan yang paling banyak muncul
atau bilangan yang frekuensi kemunculannya paling besar dari sutau
satuan data. Modus tidak selalu dengan mudah diperoleh. Hal ini akan
terjadi jika dihadapkan pada suatu harga yang mempunyai frekuensi
kemunculan yang sama dengan yang lainnya.
Contoh 5. Jika diperoleh data tentang besarnya sumbangan yang
diberikan oleh tiap propinsi untuk pengungsian di Aceh yang
dinyatakan dalam juta, diperoleh data: 9, 10, 5, 9, 9, 7, 8, 6, 10, dan 11
juta, maka modus dalam hal ini adalah 9 juta.

12
Contoh 6. Dikumpulkan data terhadap 12 sekolah menengah umum
yang diambil secara acak untuk mengetahui banyaknya siswa di
sekolah tersebut yang diterima di PTN. Diperoleh data; 2, 0, 3, 1, 2, 4,
2, 5, 4, 0, 1, dan 4. Pada kasus ini terjadi dua bilangan yang frkeuensi
kemunculannya paling banyak yaitu 2 dan 4, dan kedua bilangan
tersebut adalah modus untuk data yang kita peroleh ini. Jika terjadi
pada suatu satuan data bermodus seperti ini disebut bimodal.

Contoh 7. Tidak terdapat modus pada satuan data yang diperoleh pada
contoh 3.
Untuk menghitung modus pada data bergolong dipergunakan
rumus:
 b 
Mo  b  p  1 
 b1  b2 

b = batas kelas interval dengan frekuensi terbanyak

p = panjang kelas interval
b1 = frekuensi pada kelas modus dikurangi frekwensi kelas
terdekat sebelumnya
b2 = frkuensi kelas modus dikurangi frekuensi kelas interval
berikutnya.

Adapun yang menjadi sifat-sifat dan penggunaan modus adalah

sebagai berikut:
a. Nilai numerik modus tidak unik (dalam sebuah rentetan data bisa
terdapat lebih dari sebuah modus).
b. Modus digunakan sebagai ukuran gejala pusat untuk variabel
dengan tingkat pengukuran sekurang-kurangnya nominal.

Dari sifat-sifat penggunaan ukuran gejala pusat berdasarkan

skala pengukuran, maka dapat digambArkan secara sederhana seperti
pada tabel 2.1. di bawah ini

13
 TABEL 2.1.
PENGGUNAAN UKURAN GEJALA PUSAT
BERDASARKAN SKALA PENGUKURAN DATA

Ukuran Gejala Pusat

M Median Modus
Skala Pengukuran e
a
n
Nominal V
Ordinal V V
Interval/Rasio V V V

2. Ukuran variasi
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
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.

14
 Contoh . 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 
 
N

 i 1
2
x1 -
N
 
2 i 1

Sedangkan varians yang dihitung berdasarkan sampel dihitung

dengan rumus:
2
 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
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)

15
 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.
5. Ukuran Kemiringan
Ukuran statistik ini mengisyaratkan keadaan bentuk kurva
distribusi data nilai-nilai sebuah variabel, apakah Simetri atau Miring
(kurvanya landai ke kiri atau ke kanan).
Salah satu rumus yang menyatakan kurva distribusi data adalah
koefisien kemiringan yang didasarkan kepada kuartil.

Q(1)  Q(3) - 2M
KK  ; - 1  KK   1
Q (3) - Q(1)
KK > 0; kurva miring positif (kurva landai ke kanan)
KK = 0; kurva simetri
KK < 0; kurva miring negatif (kurva landai ke kiri)

3. Ukuran disperse/penyebaran
Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap
nilai rata-ratanya. Rata-rata dari serangkaian nilai observasi tidak dapat di
interpretasikan secara terpisah dari hasil dispersi nilai-nilai tersebut sekitar
rata-ratanya. Makin besar variasi nilai Xi, makin kurang representatif rata-
rata distribusinya. Ukuran penyebaran suatu kelompok data terhadap pusat
data disebut dispersi atau variasi atau keragaman data. Dispersi data

16
 digunakan untuk membandingkan penyebaran dua distribusi data atau
lebih. Beberapa jenis pengukuran Dispersi adalah sebagai berikut:
1. Jangkauan (Range) Selisih antara batas atas dari kelas tertinggi dengan
batas bawah dari kelas terendah.
2. Simpangan Rata-Rata (Mean Deviation) Jumlah nilai mutlak dari
selisih semua nilai dengan nilai rata-rata dibagi banyaknya data.
3. Varians (Variance) Rata-rata hitung deviasi kuadrat setiap data terhadap
rata-rata hitungnya.
4. Standar DeviasiAkar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
5. Jangkauan kuartil dan jangkauan persentil 10-90 Jangkauan
kuartil disebut juga simpangan kuartil atau semi antar kuartil atau
deviasi kuartil, sedangkan jangkauan persentil 10-90 disebut juga
rentang persentil 10-90.
6. Koefisien Variasi, disebut dispersi relatif, dapat digunakan untuk
membandingkan nilai-nilai besar dengan nilai-nilai kecil. Sedangkan
limabentuk dispersi sebelumnya tidak bisa.

4. Ukuran kecondongan/skweness
kewness merupakan ukuran yang menunjukkan bagaimana kemencengan
sebuah data terhadap rata-ratanya. Skewness juga bisa dikatakan sebagai
ukuran ketidaksimetrisan sebuah data.
1. Sk > 0 artinya kurva dikatakan menceng kanan (positif)
2. Sk = 0 artinya kurva normal
3. Sk < 0 artinya menceng kiri (negatif)

5. Ukuran keruncingan/kurtosis
Kurtosis merupakan ukuran yang menunjukkan bagaimana keruncingan
sebuah data di dalam distribusinya. Kurtosis biasa disebut juga sebagai
derajat keruncingan. Kurtosis dihitung dengan formula momen keempat
dari rata-rata.

17
 1. Nilai kurtosis = 3, artinya data memiliki distribusi normal
2. Nilai kurtosis > 3, artinya data memiliki distribusi leptokurtic (lebih
runcing)
3. Nilai kurtosis < 3 artinya data memiliki distribusi platikurtik (lebih
rata)

6. Rata-rata geometrik
Cara perhitungan rata – rata geometrik ada dua cara untuk data
tunggal. Selain data tunggal ada juga data berkelompok. Namun, saat ini
saya akan menjelaskan data tunggal. Cara pertama adalah dengan
mengalikan semua nilai yang ada, kemudian diakarkan dengan pangkat
jumlah n dalam kumpulan data tersebut. Dapat diterangkan dengan rumus:

Cara ini akan mudah dilakukan jika jumlah data tidak terlalu banyak.
Namun jika data sudah puluhan atau ratusan, tentu tidak akan mudah mengalikan
semua nilai di kumpulan data tersebut. Maka digunakanlah cara kedua yakni
dengan bantuan logaritma. Semua nilai pada data dilog-kan terlebih dahulu,
kemudian lakukan rumus rata – rata aritmatik. Rumusnya adalah sebagai berikut:

18
 BAB III
PENUTUP

A. Simpulan
Statistika deskripti f adalah tehnik yang digunakan untuk mensarikan
data dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap
orang ukuran gejala pusat atau tendensi sentral (central tendency), karena
nilai atau harga ukuran gejala pusat mampu memberi gambaran tentang
posisi atau letak pusat data atau nilai-nilai pengamatan, baik dalam bentuk
data terserak, maupun yang sudah dikelompokkan dalam bentuk tabel
distribusi frekuensi
B. Saran
Bagi mahasiswa calon perawat diharapkan dapat memahami tentang
konsep dasar statistik kesehatan agar bisa mengaplikasikannya dengan baik
pada saat membuat proposal ataupun skripsi nantinya.

19
 DAFTAR PUSTAKA

Budiarto, eko. 2002. Biostatika untuk kedokteran dan kesehatan masyarakat.

Jakarta : EGC.
Chandra, budiman 1995 Pengantar Statistik Kesehatan Jakarta: Buku Kedokteran
EGC.
Fajar, ibnu, dkk. 2009. Statistika Untuk Praktisi Kesehatan Yogjakarta: Graha
Ilmu.

Hasan m.iqbal. 2002. Pokok-pokok materi statistic 1. Jakarta : Pt. Bumi Aksara
Machfoedz, ircham 2010. Statistika Deskriptif Yogyakarta: Fitramaya.

20