dr. Dian Isti Angraini, M.P.

H
Bagian IKM-
IKM-IKKOM FK UNILA
2014
 Definisi


Kumpulan data baik bilangan maupun
nonbilangan yg disusun dalam tabel atau
diagram untuk melukiskan Persoalan atau
fenomena yang terjadi di suatu negara/ tempat
Metode penarikan kesimpulan dalam situasi
dimana terjadi ketidakseragaman (variasi) dan
ketidakpastian (probabilitas)
 Definisi (2)


 Biostatistik:
: Metode statistik yang diterapkan pada ilmu-ilmu
terkait kesehatan, seperti kedokteran dan kesehatan
masyarakat, untuk membantu memahami tentang
karakteristik populasi, dan hubungan/ pengaruh
variabel pada populasi
 Statistik:
: Cabang matematika terapan yang berurusan dengan
pengumpulan, analisis, dan interpretasi data, dan
penggunaan teori probabilitas untuk menaksir
parameter populasi
 Kegunaan Biostatistika


 Biostatistik berguna untuk memberikan informasi tentang:
1.Karakteristik populasi
Berapa persen dari populasi yang menderita TB paru?
Berapa rata-rata tekanan darah sistolik populasi obes ?
2.Hubungan/ pengaruh variabel pada populasi
Apakah merokok berhubungan dengan peningkatan risiko
penyakit jantung koroner (PJK)?
Apakah pemberian metilprednisolon dapat mengurangi
mortalitas pasien dengan tetanus?
Informasi itu berguna untuk membantu mengambil
keputusan, membuat perencanaan, atau memecahkan
masalah
KONSEP BERPIKIR STATISTIKA


 RUANG LINGKUP

Statistik Deskriptif

Perumusan Perencanaan
Masalah Program
Statistik Sampling

Statistik Rancob
Pengumpulan
Informasi
R Penarikan
Kesimpulan
D Implementasi
Program

Pengolahan Evaluasi
& Analisis Program

Statistik Inferensial
PEMBAGIAN BESAR STATISTIKA


STATISTIK DESKRIPTIF


Statistika Deskriptif: statistika yang menggunakan
data pada suatu kelompok untuk menjelaskan atau
menarik kesimpulan mengenai kelompok itu saja
Cth :
Untuk menggambarkan karakteristik penduduk
diperlukan data seperti: umur, jenis kelamin, status
perkawinan, dsb
STATISTIK INFERENSIAL


Statistika yang menggunakan data dari suatu
sampel untuk menarik kesimpulan mengenai
populasi dari mana sampel tersebut diambil
Cth :
 Untuk menganalisa hubungan pertambahan
berat badan Ibu hamil dengan berat lahirdi daerah
Cibinong diambil sampel di RSUD Cibinong
 PENGELOMPOKKAN LAIN


 Statistika Parametrik:
 Menggunakan asumsi mengenai populasi
 Membutuhkan pengukuran kuantitatif dengan
level data interval atau rasio
 Statistika Nonparametrik (distribution-free statistics
for use with nominal / ordinal data):
 Menggunakan lebih sedikit asumsi mengenai
populasi (atau bahkan tidak ada sama sekali)
 Membutuhkan data dengan level serendah
rendahnya ordinal (ada beberapa metode untuk
nominal)
Macam Metode Penelitian

Penelitian dasar

Penelitian
Berdasarkan Tujuan
pengembangan
Penelitian
(R&D)

Penelitian terapan

Macam Metode
Penelitian
Penelitian
eksperimen

Berdasarkan tingkat
kealamiahan tempat Penelitian survei
penelitian

Penelitian
naturalistik
 Penelitian dasar


 Bertujuan mengembangkan teori
 Tidak memperhatikan kegunaan langsung yang
bersifat praktis
 Umumnya dilakukan pada laboratorium dengan
kondisi terkontrol dengan ketat
 Penelitian Pengembangan


 Merupakan jembatan antara penelitian dasar dengan
penelitian terapan
 Tujuan : menemukan, mengembangkan dan
memvalidasi suatu produk
 Penelitian Terapan


 Tujuan : menerapkan, menguji, dan mengevaluasi
kemampuan suatu teori yang diterapkan dalam
memecahkan masalah-masalah praktis.
Pen dasar
Pen terapan
Penemuan dan
pengembangan ilmu Ilmu dr pen dasar digunakan
untuk memecahkan masalah
 Penelitian Eksperimen


 Dilakukan dalam laboratorium
 Ada perlakuan yang diberikan
 Tidak alamiah/ natural  kondisi terkontrol dalam
lab, sehingga tidak ada pengaruh dari luar
 Digunakan untuk mencari pengaruh treatment
(perlakuan) tertentu.
 Contoh : pengaruh pemberian ekstrak buah
mengkudu terhadap kadar gula darah tikus putih
 Penelitian Survei


 Digunakan untuk mendapatkan data dari tempat
tertentu yang alamiah (bukan buatan)
 Perlakuan dalam pengumpulan data, misalnya
dengan menyebarkan kuesioner, tes, wawancara
terstruktur dsb
 Perlakuan tidak seperti dalam eksperimen
 Penelitian Naturalistik


 Meneliti pada tempat yang alamiah
 Penelitian tidak membuat perlakuan
 Peneliti dalam mengumpulkan data bersifat emic,
yaitu berdasarkan pandangan dari sumber data,
bukan pandangan peneliti
Permasalahan - Penelitian


 HIPOTESIS PENELITIAN


Pernyataan sebagai jawaban sementara atas
pertanyaan penelitian, yang harus diuji
validitasnya secara empiris.
Tidak semua penelitian memerlukan
hipotesis
Pen survei, studi eksploratif dan studi
deskriptif  tidak memerlukan hipotesis
 Syarat Hipotesa yang baik


1. Dinyatakan dalam bentuk kalimat deklaratif yang
jelas dan sederhana, tidak bermakna ganda
2. Mempunyai landasan teori yang kuat
3. Menyatakan hubungan antara satu variabel
tergantung dengan satu atau lebih variabel bebas.
4. Hipotesis memungkinkan diuji secara empiris
5. Rumusan hipotesis harus bersifat khas dan
menggambarkan variabel-variabel yang diukur.
 Jenis Hipotesis


1.Hipotesis nol (Ho) adalah hipotesis yang menunjukkan
tidak ada perbedaan antar kelompok atau tidak ada
hubungan antara variabel atau tidak ada korelasi antar
variabel.
Contoh : Perawatan dengan obat Anti retroviral tidak
mempunyai efek untuk meningkatkan kualitas hidup
penderita HIV
2. Hipotesis alternatif (Ha) adalah hipotesis kebalikan dari
hipotesis nol, yang akan disimpulkan bila hipotesis nol
ditolak.
Contoh : Perawatan dengan obat Anti retroviral
mempunyai efek untuk meningkatkan kualitas hidup
penderita HIV
Populasi dan Sampel


 Populasi


 Populasi dalam penelitian  sejumlah besar subyek
yang mempunyai karakteristik tertentu
 Dibagi menjadi 2 yaitu:
a. Populasi target
b. Populasi terjangkau/ sumber
 Populasi target


 Populasi yang merupakan sasaran akhir penerapan
akhir penelitian
 Bersifat umum
 Pada penelitian klinis  karakteristik demografis
(usia, JK) dan karakteristik klinis (sehat, DM,
pneumonia, dll)
 Contohnya : penelitian pemberian TABURIA dengan
kejadian diare pada bayi usia 1-2 tahun  populasi
target adalah bayi berusia 1-2 tahun  pada
populasi inilah hasil penelitian kelak diterapkan.
 Populasi terjangkau


 Populasi target yang dapat dijangkau oleh peneliti
 Bagian dari populasi target yang dibatasi oleh
tempat dan waktu
 Contoh; pop target: bayi berusia 1-2 tahun yang
menderita diare
 Pop terjangkau  bayi berusia 1-2 tahun yang
menderita diare yang berobat di puskesmas Kedaton
pada tahun 2012.
 Dari populasi terjangkau ini  dipilihlah SAMPEL
penelitian --. Subyek yang langsung akan diteliti.
 Sampel


 Bagian (subset) dari populasi yang dipilih dengan cara
tertentu hingga dianggap dapat mewakili populasinya.
Pada populasi dengan jumlah sedikit, sampel di random.
(Random artinya adalah setiap anggota populasi punya
kesempatan yang sama untuk terpilih)
 Sampel yang dikehendaki/ subyek terpilih:
 bagian dari populasi terjangkau yang
direncanakan untuk diteliti langsung
 memenuhi kriteria pemilihan (inklusi dan
eksklusi)
 Sampel (2)


Subyek yang benar diteliti:
 mengikuti penelitian dari awal sampai
selesai
 merupakan bagian dari subyek terpilih
dikurangi dengan drop out, loss to follow up
dll
 hasil penelitian merupakan hasil penelitian
pada kelompok ini
 Sampel (3)


1. Homogen (karakter hampir sama)
 sampel yang diambil jumlahnya sedikit
Cth : air laut, untuk mengetahui rasa laut cukup
diambil sampel air laut sedikit.
2. Heterogen (karakter berbeda-beda)
 sampel yang diambil lebih banyak
cth: untuk mengetahui berat badan siswa. Ada
rumus mengambil jumlah sampel yang dapat
dipertanggungjawabkan
Mengapa menggunakan
sampel?


 Lebih murah
 Lebih mudah
 Lebih cepat
 Lebih akurat  pengukuran atau pemeriksaa pada
subyek yang lebih sedikit lebih teliti dan akurat
dibanding populasi yang besar
 Mewakili populasi  PILIH dengan CARA yang
BENAR; inferensi hasilnya dapat dilakukan dengan
tingkat kesalahan yang ditetapkan
 Lebih spesifik  data pasien lebih homogen
 KELOMPOK KARAKTERIST CONTOH
SUBYEK IK

POPULASI
TARGET


Dibatasi karakt
klinis &
demografis
Pasien DM tipe
2
Validitas
eksternal II Pasien DM tipe
POPULASI Dibatasi oleh 2 di RSUAM
TERJANGKAU tempat & tahun 2011 (400
Validitas waktu orang)
eksternal I SAMPEL
Dipilih secara
YANG 100 pasien DM
random dr pop
DIKEHENDAK tipe 2
terjangkau
I
Validitas
internal Subyek yg
SUBYEK
menyelesaikan 95 pasien DM
YANG BENAR
prosedur tipe 2
DITELITI
penelitian
 Validitas interna


Menunjukkan apakah hasil penelitian bebas
dari kesalahan acak, bias, dan perancu
(confounding)
Apakah hubungan yang didapatkan benar-
benar hanya dipengaruhi oleh variabel-
variabel yang diteliti
Faktor yang berperan penting  ketepatan
desain, seleksi subyek dan pengukuran
 Validitas eksterna


Menunjukkan berapa baik hasil penelitian
tersebut dapat diterapkan pada kelompok
yang lebih luas
Sampel  populasi terjangkau  populasi
target
Validitas eksterna baik BILA validitas interna
baik
 Kriteria inklusi


 Karakteristik umum subyek penelitian pada
populasi target dan populasi terjangkau
 Harus relevan dengan masalah penelitian
 Kendala  memperoleh kriteria yang sesuai
 Pertimbangan ilmiah “dikorbankan” karena
alasan ‘praktis”.
 Misal; diagnosis pasti ulkus duodenum dgn
endoskopi  alat tdk tersedia  diagnosis
berdasarkan klinis dan radiologis
 Kriteria eksklusi


 Kriteria eksklusi BUKAN kebalikan inklusi
 Merupakan kriteria yang ditetapkan untuk mengeluarkan
subyek dari penelitian.
 Keadaan yang biasanya menjadi kriteria eksklusi:
a. Terdapat keadaan atau penyakit lain yang
mengganggu pengukuran dan interpretasi
b. Terdapat keadaan yang mengganggu jalannya
penelitian (domisili tdk tetap)
c. Hambatan etis
d. Subyek menolak berpartisipasi
 Contoh kriteria inklusi-eksklusi


HUBUNGAN ANTARA POLA MAKAN DENGAN
STATUS GIZI BALITA

Kriteria Inklusi
a. Orang tua atau ibu balita bersedia menjadi responden
b. Orang tua atau ibu balita dapat berkomunikasi dengan
baik
c. Balita berusia 6 bulan s.d. 5 tahun
Kriteria Eksklusi
a. Balita dengan cacat kongenital
b. Balita yang sakit diare atau infeksi selama ± 2 minggu
sebelum pengambilan data.
 Cara pemilihan sampel
A. Probability Sampling


1.Simple Random Sampling
2.Systematic Sampling
3.Stratified Random Sampling
4.Cluster Sampling
5.Multistage Sampling

B. Non Probability Sampling

1.Consecutive Sampling
2.Convenient Sampling
3.Purposive / Judgmental Sampling
 Simple random sampling


 Pemilihan subyek secara acak
 Masing-masing subyek memiliki peluang sama
dan independen untuk terpilih menjadi sampel
 Dapat dilakukan dengan pengembalian atau
tanpa pengembalian (plg banyak digunakan)
 Hitung jumlah subyek dalam populasi  pilih
sampel sesuai jumlahnya secara acak atau
dengan bantuan tabel angka random
 Simple random sampling (2)


Keuntungan pencuplikan random:
1. Memungkinkan peneliti mengetahui besarnya
sampling error penelitian
2. Memberikan sampel yang secara rata-rata
representatif terhadap populasi
Kerugiannya:
a. Peneliti harus mempunyai daftar subyek 
dokumentasi tdk ada/ lengkap di negara
berkembang
b. Membutuhkan perencanaan lebih matang dan
biaya lebih besar terutama jika populasi besar
 Systematic sampling


Merupakan sistem pencuplikan random
Bukan random murni
Pemilihan subyek secara random hanya satu
kali yaitu ketika memilih subyek pertama
Pemilihan subyek berikutnya tidak secara
random, tetapi secara berurutan sesuai
dengan interval yang telah ditentukan.
 Systematic sampling (2)
Contoh:


Populasi sejumlah N, sampel yang
diinginkan sejumlah n.
Interval yang digunakan untuk memilih
secara sistematis adalah k=N/n
Peneliti memilih secara random subyek
pertama di antara subyek 1 dan k, misal
nomor 4.
Selanjutnya peneliti memilih subyek nomer
4+k, 4+2k, 4+3k, 4+4k, dst
Stratified random sampling


 Teknik pencuplikan dengan membagi populasi
target dalam strata (subpopulasi) menurut
karakteristik tertentu yang dianggap penting oleh
peneliti
 Strata berdasarkan area geografis, status
sosioekonomi, umur, JK, status gizi, dll
 Pencuplikan dari masing-masing strata, biasanya
secara random
 Hasilnya dapat digabungkan menjadi satu sampel
yang terbebas dari variasi untuk setiap strata.
 Stratified random sampling (2)


Ada 2 jenis:
1. Proportionate stratified random sampling
2. Disproportionate stratified random sampling

Keuntungan:
1. Kelompok dari populasi yang dipandang penting oleh
peneliti dapat terwakili secara proporsional
2. Peneliti dapat memperoleh sampel yang representatif
3. Peneliti dapat memperkirakan sampling error
 Cluster sampling


Sampel dipilih secara acak pada kelompok
individu dalam populasi yang terjadi secara
alamiah
Contohnya: wilayah  kabupaten,
kecamatan, kelurahan, dst
Cara ini sangat efisien bila populasi tersebar
luas sehingga tidak mungkin membuat
daftar seluruh populasi tersebut
Keuntungan: menghemat biaya  cukup
mengamati klaster-klaster terpilih
 Cluster sampling (2)


Kerugiannya:
1. Kurang teliti
2. Peneliti tidak mengetahui persis jumlah subyek
3. Tidak mengetahui probabilitas masing-masing
subyek untuk terpilih
4. Bias pada analisis data
 Multi-stage sampling


Merupakan pencuplikan bertingkat
Unit pencuplikan dipilih secara random di
tiap tingkat  multi stage random sampling
Bila unit pencuplikan merupakan klaster 
multi stage random cluster sampling
Contoh: meneliti status gizi bayi
Propinsi Lampung  Kabupaten Lampung
Tengah  Puskesmas  Posyandu
Multi-stage sampling (2)


Keuntungan:
1. Lebih mudah dilakukan daripada teknik satu
tingkat  kerangka pencuplikan dibuat terpisah
antar tingkat
2. Dengan biaya yang sama, pencuplikan bertingkat
menghasilkan sampel lebih besar dan lebih efisien
dibandingkan pencuplikan random sederhana.
 Consecutive sampling


 Pemilihan subyek  subyek yang datang secara
berurutan dan memenuhi kriteria pemilihan 
dimasukkan dalam penelitian sampai jumlah subyek
yang diperlukan terpenuhi.
 Merupakan jenis non-probability sampling yang paling
baik dan seringkali termudah
 Sebagian besar pen klinis (termasuk uji klinis) dilakukan
dgn teknik ini
 Disarankan waktu pemilihan subyek jangan telalu
pendek  agar hasilnya menyerupai probability
sampling
 Convenient sampling


 Sampel diambil tanpa sistematika tertentu
 Cara termudah dan terlemah
 Jarang dapat mewakili populasi terjangkau apalagi populasi
target
 Contoh: meneliti pasien hipertensi di puskesmas sebanyak 100
orang
- 1 minggu pertama dpt 10 org
- 1 bulan berikutnya cuti
- 2 mg berikutnya 12 org
- Krn dinas luar  cuti 1 mg
- 2 mg berikutnya pengambilan data hanya pada pukul
10.00-12.00
 Purposive sampling


 Pencuplikan sampel dengan tujuan eksplisit tertentu
 Berdasarkan pertimbangan subyektif dan praktis 
responden dapat memberikan jawaban yang
memadai untuk menjawab pertanyaan penelitian.
 Pen kuantitatif bertujuan  mendapatkan sampel
yang memiliki karakteristik tertentu atau mendapat
kelompok penelitian yang sebanding dalam
karakteristik ttt  data yg diperoleh dpt dianalisis
dgn valid
 Purposive sampling (2)


 Pen kualitatif  pencuplikan teoritis  bukan
mendapatkan sampel yang mewakili seluruh variasi
tetapi memperoleh pemahaman yang lebih
mendalam ttg kasus yg sedang dianalisis dan dan
memudahkan pengembangan kerangka dan konsep
analisis yang digunakan.
 Contoh: mengetahui pendapat ibu tentang ASI
eksklusif dan susu formula  sampelnya ibu yang
memberikan ASI eksklusif dan sufor di posyandu
Melati
 Kekurangan  kurang representatif
 Proporsi (P)


 Proporsi adalah perbandingan yang pembilangnya merupakan bagian dari
penyebut
 Proporsi digunakan untuk melihat komposisi suatu variabel dalam populasi
 Rumus:

Proporsi : x / (x+y) x k

Contoh:
Proporsi Mhs wanita =
Jumlah Mahasiswa wanita
------------------------------------------ k
Jumlah Mahasiswa wanita + pria

-Proporsi Mahasiswa berprestasi

-Proporsi Mahasiswa hafal Al Qur’an
 Ratio


 Ratio adalah perbandingan dua bilangan yang tidak saling tergantung
 Ratio digunakan untuk menyatakan besarnya kejadian
 Rumus:
Ratio: (x/y) k
Ratio dapat juga dinyatakan sebagai perbandingan
 Ratio x : y = 1 : 2
 Contoh:
Sex ratio =
jumlah pria
---------------------- k
jumlah wanita
Pria : Wanita = x : y
 Rate


 Rate adalah perbandingan suatu kejadian dengan jumlah
penduduk yang mempunyai risiko kejadian tersebut
 Rate digunakan untuk menyatakan dinamika dan kecepatan
kejadian tertentu dalam masyarakat
 Rumus:
Rate: (x/y) k
X: angka kejadian
Y: populasi berisiko
K: konstanta (angka kelipatan dari 10)
 Contoh:
Campak → berisiko pada balita
Diare → berisiko pada semua penduduk
Ca servik → berisiko pada wanita
 Mean (x)


 Mean adalah teknik penjelasan kelompok yang
didasarkan atas nilai rata-rata dari kelompok
tersebut.
 Rata-Rata (mean) ini didapat dengan menjumlahkan
data seluruh individu dalam kelompok itu,
kemudian dibagi dengan jumlah individu yang ada
pada kelompok tersebut.
 Standar Deviasi (SD)


 = simpangan baku
 suatu ukuran yang menggambarkan tingkat
penyebaran data dari nilai rata-rata.
 mengukur bagaimana nilai-nilai data tersebar.
 rata-rata jarak penyimpangan titik-titik data diukur
dari nilai rata-rata data tersebut.
 Rumus:
 Standar Deviasi (2)


 standar deviasi mempunyai satuan ukuran yang sama
dengan satuan ukuran data asalnya.
 Standar Deviasi merupakan teknik statistik yg digunakan
untuk menjelaskan homogenitas kelompok.
 Simpangan baku merupakan variasi sebaran data.
 Semakin kecil nilai sebarannya berarti variasi nilai data
makin sama
 Jika sebarannya bernilai 0, maka nilai semua datanya
adalah sama.
 Semakin besar nilai sebarannya berarti data semakin
bervariasi.
 Standar Deviasi (3)


 standard deviation (SD) memang merupakan cerminan dari
rata-rata penyimpangan data dari mean.
 SD dapat menggambarkan seberapa jauh bervariasinya
data.
 Jika nilai SD jauh lebih besar dibandingkan
nilai mean, maka nilai mean merupakan representasi yang
buruk dari keseluruhan data.
 Sedangkan jika nilai SD sangat kecil dibandingkan
nilai mean, maka nilai mean dapat digunakan sebagai
representasi dari keseluruhan data
 Standar Deviasi (4)


 wilayah data yang berada di antara +/- 1 simpangan
baku akan berkisar 68.2%, wilayah data yang berada
di antara +/- 2 simpangan baku akan berkisar 95.4%,
dan wilayah data yang berada di antara +/- 3
simpangan baku akan berkisar 99.7%
 Standar Error (SE)
 = kesalahan baku

 Standar error adalah standar deviasi dari rata-rata.
 Bila kita mempunyai beberapa kelompok data, misalnya
tiga kelompok, maka kita akan mempunyai tiga buah nila
rata-rata.
 Bila kita hitung nilai standar deviasi dari tiga buah nilai
rata-rata tersebut, maka nilai standar deviasi dari nilai
rata-rata tersebut disebut nilai standar error.
 Simbol standar error untuk sampel adalah atau kadang-
kadang ditulis SE.
 Rumus menghitung nilai standar error adalah sebagai
berikut:
 SE (2)


 SE merupakan nilai yang mengukur seberapa tepat
kah nilai mean yang kita peroleh.
 Dengan kata lain, SE menjawab pertanyaan
“seberapa dekatkah nilai rata-rata asupan energi 100
orang mahasiswa FK yang kita punya dibandingkan
dengan rata-rata asupan energi seluruh mahasiswa
FK ?
 Distribusi Normal


 Suatu data membentuk distribusi normal jika jumlah data
di atas dan di bawah mean adalah sama.
 Distribusi normal berupa kurva berbentuk lonceng
setangkup yang melebar tak berhingga pada kedua arah
positif dan negatifnya.
 Distribusi normal dipengaruhi oleh dua parameter, yaitu
mean dan standar deviasi.
 Mean menentukan lokasi pusat statistik dan standar
deviasi menentukan lebar dari kurva normal.
Rumus umum distribusi normal :
Distribusi Normal (2)

 Ciri-ciri kurva normal :

1.Bentuk kurva normal

Menyerupai lonceng (genta/bel).

Merupakan suatu poligon yang dilicinkan yang mana ordinat (sumbu tegak)
merupakan frekuensi dan absisnya (sumbu alas) memuat nilai variabel.

Simetris.

Luas daerah merupakan nilai rata-rata (mean).

Luas daerah sebelah kiri dan kanan mendekati 50%.

Memiliki satu modus (disebut juga bimodal).
2.Daerah kurva normal

Merupakan ruangan yang dibatasi daerah kurva dengan absisnya (sumbu alas).

Luas daerah biasanya dinyatakan dalam persen atau proporsi.
Distribusi Normal (3)

 Luas area 100%

 68% area penyebaran antara satu standar deviasi
 95% area penyebaran antara dua standar deviasi
 99% area penyebaran antara tiga standar deviasi
 Bila data di luar 3 SD, data terlalu ekstrim (data
terlalu besar atau terlalu kecil)  data tsb benar atau
tidak?
 Distribusi Normal (4)


 Kurva normal menggambarkan daerah penerimaan
dan penolakan Ho.

 Jika pengujian dua arah / sisi, maka gambarnya

sebagai berikut :
 Nilai p value


 Merupakan salah satu kriteria uji untuk
memutuskan apakah menolak H0 atau menerima H0.
 Definisi p-value adalah tingkat keberartian terkecil
sehingga nilai suatu uji statistik yang sedang diamati
masih berarti
 P-value dapat pula diartikan sebagai besarnya
peluang melakukan kesalahan apabila kita
memutuskan untuk menolak H0
 Nilai p value (2)


 Penentuan terima atau tolak Ho tidak lagi
berdasarkan pada batas wilayah penolakan.
 Berdasarkan cukup atau tidaknya bukti yang ada
dari sampel.
p – value
Nilai α terkecil berdasarkan
sampel (nilai statistik) yang masih
menghasilkan penolakan bagi Ho
 Nilai p value (3)


 Misalnya suatu penelitian menggunakan R =0,05
Penelitian tersebut dikatakan bermakna apabila nilai
p value < R (0,05)
 Interval Kepercayaan (IK)


 Merupakan kriteria uji lain untuk memutuskan apakah
menolak H0 atau menerima H0.
 IK atau interval kepercayaan yakni rentang nilai pada
populasi yang dihitung dengan dasar satu statistik yang
diperoleh pada sampel
 Interval kepercayaan (IK) menunjukkan taksiran rentang
nilai pada populasi yang dihitung dengan nilai yang
diperoleh pada sampel.
 IK yg lazim digunakan IK 95% atau IK 99%
 Semakin besar sampel  IK semakin sempit  semakin
akurat datanya
 IK (2)


 Derajat atau interval kepercayaan umumnya
diperoleh dengan nilai rata-rata atau estimasi
ditambah dan dikurang oleh standar error yang
dikalikan nilai alpha (95 % Derajat
kepercayaan=estimate ± (1.96 X s.e))
 Hubungan p value dan IK


1. Nilai p dengan IK menghasilkan kesimpulan yang konsisten. Bila
nilai p menghasilkan kesimpulan yang bermakna, maka IK akan
memberikan kesimpulan yang bermakna juga. Begitu juga sebaliknya.
Hanya saja, informasi yang diberikan keduanya berbeda.
2. Konsistensi nilai p dengan nilai IK
Umumnya, interpretasi p value didasarkan pada apakah nilainya lebih kecil
dari batasan baku (threshold values), yaitu 0.05. batasan ini biasanya
a. Bila pada uji hipotesis komparatif perhitungan nilai p < 0,05 (“secara
statistik bermakna”) maka pada perhitungan IK, nilai 0 tidak akan
tercakup di dalam nilai intervalnya (“secara statistik bermakna”)
b. Bila pada perhitungan rasio odds atau risiko relatif perhitungan
nilaip < 0.05, maka pada perhitungan IK, nilai 1 tidak akan tercakup di
dalam intervalnya.
3. Nilai p memberikan informasi peluang untuk memperoleh hasil yang
diobservasi bila hipotesis nol benar, sedangkan IK memberikan informasi
perkiraan rentang nilai parameter pada populasi
 Odds Ratio (OR)


 ukuran asosiasi paparan (faktor risiko) dengan
kejadian penyakit; dihitung dari angka kejadian
penyakit pada kelompok berisiko (terpapar faktor
risiko) dibanding angka kejadian penyakit pada
kelompok yang tidak berisiko (tidak terpapar faktor
risiko)
 Odds adalah peluang terjadinya suatu kejadian
dibandingkan peluang tidak terjadinya kejadian
tersebut.
 OR (2)

outcome
Exposure
(+) (-)
(+) a b

(-) c d

 OR = odds of disease in exposed group

odds disease in unexposed group
= a/b
c/d
= ad/bc
 OR, RR, HR


 OR = melihat kans/ kemungkinan terjadinya outcome
 RR = melihat insiden outcome setelah expsoure
 HR = laju, kecepatan menemui hazard (satuan
waktu)  pada survival analysis
 Contoh


Angka Limfosit

Variabel Rendah Normal p OR 95% CI

n (%) n (%)

Status Gizi

a. Kurang 5 (62,5%) 3 (37,5%) 0,192 2,65 -1,14 s.d. 1,94

b. Baik 27 (38,57%) 43 (61,43%) 1

Angka Limfosit

Variabel Rendah Normal P OR 95% CI

n (%) n (%)

Asupan Vitamin C

a. Kurang 27 (48,21%) 29 (51,79%) 0,039* 3,16 1,93-2,34

b. Cukup 5 (22,73%) 17 (77,27%) 1

 Klasifikasi Jenis Data


•kualitatif
Sifat •Kuantitatif

•Primer
Sumber •Sekunder

Cara •Sensus
memperoleh •Sampling

Waktu •Cross section

pengumpulan •Time series
Klasifikasi Jenis Data (2)


 Menurut Sifatnya

• Bukan “angka”: nominal &

ordinal
Kualitatif • Jenis pekerjaan, tgl&tempat
lhr, tingkat pendidikan

• Berupa angka:interval & rasio

• Umur, tinggi badan, berat
Kuantitatif badan


Variabel penelitian
 VARIABEL PENELITIAN


Kandungan
Tunggal Vs Agregat
Dimensi

Celah
Variabel Diskret Vs Kontinyu
Pengamatan

Deskripsi Independen Vs
Penelitian Dependen
Definisi & jenis variabel


Variabel: karakteristik subyek penelitian yang berubah
dari satu subyek ke subyek lain.

Jenis variabel dalam penelitian:

a. Variabel bebas
b. Variabel tergantung
c. Variabel antara
d. Variabel luar
e. Variabel perancu
 Variabel bebas


 Independent variable
 Predictor
 Risiko
 Determinan
 Kausa

 Variabel yang mempengaruhi variabel lain

 Variabel yang apabila ia berubah mengakibatkan
perubahan pada variabel lain
 Variabel tergantung


 Dependent variable
 Efek
 Hasil
 Outcome
 Respons
 Event

 Variabel yang dipengaruhi oleh variabel lain

 Variabel yang berubah akibat perubahan variabel bebas
 Variabel antara


Terletak di antara variabel bebas dan variabel
tergantung
Dipengaruhi oleh variabel bebas
Mempengaruhi variabel tergantung
 Variabel luar


 Variabel yang berada di luar variabel bebas dan
tergantung
 Ikut diperhitungkan dalam penelitian berdasarkan alasan
teoritis
 Bisa dianalisis sebagai variabel bebas terhadap variabel
tergantung atau variabel bebas itu sendiri
 Bisa berhubungan dengan variabel bebas saja, variabel
tergantung saja, atau tidak berhubungan dengan variabel
bebas ataupun tergantung
 Biasanya berupa data sosiodemografi, sosioekonomi,
edukasi, dsb.
 Variabel perancu


 Confounding variable
 Merupakan variabel yang mempengaruhi variabel
bebas dan variabel tergantung
 TIDAK terletak di antara variabel bebas dan variabel
tergantung
 Mempengaruhi validitas penelitian
 Mempengaruhi interpretasi hasil penelitian 
membawa pada kesimpulan yang salah.
 Variabel ini harus dikontrol
 Variabel perancu (2)


Cara mengontrol variabel perancu:
1. Mengidentifikasi setiap variabel perancu
2. Menyingkirkan variabel perancu

Ad.1. Mengidentifikasi setiap variabel perancu

- Yg paling tahu adalah peneliti  menguasai substansi
penelitian
- Studi literatur komprehensif, pengalaman dan logika
- Kerangka konsep  menyusun semua variabel yang
mungkin mempengaruhi baik yang diteliti ataupun tidak
 Variabel perancu (3)


Ad.2. Menyingkirkan variabel perancu
a. Pada tahap desain penelitian  lebih baik
dan lebih kuat
b. Pada tahap analisis data
 Variabel perancu (4)


Pada tahap desain penelitian
1. Restriksi: menyingkirkan variabel perancu dari setiap
subyek penelitian  kriteria inklusi dan eksklusi
2. Matching: proses menyamakan variabel perancu pada
kedua kelompok (individual matching dan frequency
matching)
3. Randomisasi=penempatan secara acak  kegiatan
seleksi dan penempatan seseorang ke dalam kelompok
tanpa bermaksud melakukan penempatan berdasarkan
kategori atau karakteristik apapun  dilakukan hanya
berdasarkan peluang
 Variabel perancu (5)


Pada tahap analisis data
1.Stratifikasi
 uji statistik menggunakan Mantel-Haenzel
 analisis variabel dibagi dalam strata
 bisa mengetahui suatu variabel merupakan
konfounding atau interaksi
2.Analisis multivariat
 analisis 2 atau lebih variabel bebas thd 1 variabel
tergantung
 Hubungan antar
variabel penelitian

Variabel
luar

Variabel Variabel
Variabel bebas
antara tergantung

Variabel Variabel perancu Variabel

luar luar

Variabel Variabel
luar luar
 Skala variabel


Skala pengukuran variabel penelitian:
1. Skala kategorikal
2. Skala numerik

Ad.1. Skala Kategorikal

a.Skala nominal
- hanya nama atau label variabel
- tidak mempunyai peringkat
- terdiri dari 2 yaitu dikotom (binomial) dan polikotom
- contoh: laki-laki-perempuan, sakit-sehat, golongan darah (A,
B, AB, O), Agama (Islam, kristen, katolik, hindu, budha)
 Skala Nominal


 Identifikasi – Klasifikasi
 Skala variabel (2)


b.Skala ordinal
- terdapat informasi peringkat tetapi jarak peringkat
tidak dapat dihitung dan dimanipulasi secara
matematis (tambah, bagi, kali)
- contoh:
^ derajat penyakit (ringan, sedang, berat)
^ sosioekonomi (rendah, menengah, tinggi)
^ status gizi (buruk, kurang, normal, lebih)
 Skala Ordinal


 Identifikasi‐Klasifikasi
 Urutan‐jenjang
 Skala variabel (3)


Ad.2. Skala numerik  terdapat informasi peringkat
kuantitatif yang lengkap dan dapat diukur
a.Skala interval
- tidak mempunyai nilai nol alami
- contoh : suhu (0*C ≠ 0*F)
b.Skala ratio
- mempunyai nilai nol alamiah
- contoh: kadar kolesterol, berat badan, penghasilan
 Skala Interval


 Identifikasi‐Klasifikasi
 Urutan‐jenjang
‐
 Selisih
 Skala Rasio
 Identifikasi‐Klasifikasi


 Urutan‐jenjang
‐
 Selisih
 Rasio (ada titik nol murni)
SKALA PENGUKURAN


KARAKTERISTIK
SKALA Klasifi- Nol
UKUR Jenjang Jarak
kasi Abs.
NOMINAL

ORDINAL


INTERVAL



RASIO




 Skala variabel (4)


Skala numerik juga dapat dibagi menjadi
a.Skala kontinu
- mempunyai nilai desimal
- contoh: kadar ureum, berat badan
b.Skala diskret
- tidak mempunyai nilai desimal
- contoh: jumlah anak, paritas, kehamilan


Definisi operasional
 Definisi operasional


 Penjelasan definisi dari variabel yang telah dipilih
oleh peneliti
 Mengacu pada kepustakaan
 Bisa dimodifikasi atau didefinisikan sesuai
keinginan peneliti asalkan dapat
dipertanggungjawabkan secara keilmuan
 DO bisa berbeda antara satu peneliti dengan peneliti
lain walaupun dlm judul yang sama
 DO merupakan acuan keseluruhan penelitian
 Referensi


 Murti, B. (2010). Desain dan Ukuran Sampel untuk
Penelitian Kuantitatif dan Kualitatif di Bidang
Kesehatan. Edisi 2. Gadjah Mada University Press:
Yogyakarta.
 Sastroasmoro, S., Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis. Edisi ke-4. CV Sagung
Seto: Jakarta.
 Sugiyono. (2011). Metode Penelitian Kuantitatif,
Kualitatif, R dan D. Penerbit Alfabeta : Bandung.
 Selamat meneliti

TERIMAKASIH….