Soal

1. Macam – macam uji statistik !

2. Jelaskan Jenis – jenis variabel!
3. Jelaskan syarat parametrik!
4. Faktor- faktor apa saja yang harus dipertimbangkan dalam pengambilan sampling?
5. Bagaimana cara menghitung besar sampel?
6. Jelaskan jenis jenis skala pengukuran data!
7. Sebutkan kelebihan dan kekurangan metode langsung
8. Jelaskan kriteria objektif dan definisi operasional!eko

Jawaban

1. Analisis data dilakukan dalam dua bentuk yakni :

Analisis Deskriptif : statistika yang menggunakan data pada suatu kelompok untuk
menjelaskan atau menarik kesimpulan mengenai kelompok itu saja

Distribusi Frekuensi Data Kuantitatif

- Terlebih dulu cari harga max dan min.
Selisihnya disebut Range = R
- Tentukan jumlah kelas dan interval kelas
Rumus Sturgess :
M =1 + 3.3logN
M= jumlah kelas, N=jumlah data (observasi)
 1. NILAI RATA-RATA HITUNG (MEAN)

contoh :

2. MEDIAN (Md)
 Nilai yang membagi distr  2 sama besar
- n ganjil : median pada urutan ke (n+1) / 2
contoh diatas : (9+1) / 2 = 5 Md = 61
- n genap : median pada urutan diantara ke n / 2 dan (n/2) + 1
mis = 59 60 60 60 60 61 62 66 75 76
Md = (60+61) / 2 = 60,5 kg

3. MODUS (Mo)
 Nilai yang sering muncul
Mis contoh diatas Mo= 60

Varian : parameter ukuran penyebaran data, variabilitas

nilai terhadap mean
V (S²) = ∑(x-µ)²
n-1
Standar Deviasi : simpangan baku, akar varian
S = √v = √S²
Koefisien Varian : rasio SD terhadap mean dalam persen. S
µ

Analisis Analitik : statistika yang menggunakan data dari suatu sampel untuk menarik
kesimpulan mengenai populasi dari mana sampel tersebut diambil

• Statistika Parametrik:

à Menggunakan asumsi mengenai populasi

à Membutuhkan pengukuran kuantitatif dengan level data interval atau rasio

 Uji korelasi dan Regresi Linier

Digunakan untuk melihat hubungan antara 2 variabel yg berjenis numerik
 UJI t berpasangan
 Uji Anova

• Statistika Nonparametrik (distribution-free statistics for use with nominal / ordinal

data):

à Menggunakan lebih sedikit asumsi mengenai populasi (atau bahkan tidak ada sama
sekali)

à Membutuhkan data dengan level serendah rendahnya ordinal (ada beberapa metode
untuk nominal)

 UJI CHI-SQUARE (2X2)

 Tujuan : Untuk menguji perbedaan proporsi antara 2 atau lebih kelompok.
Kelompok yang dibandingkan pada variabel independen
Variabel yang dihubungkan kategorik dengan kategorik
 UJI – Mc NEMAR
Menguji hipotesis yang sifatnya perbandingan untuk dua sampel berhubungan.
Menguji keefektifan suatu intervensi tertentu sebelum dan sesudah perlakuan
(signifikansi perubahan).
Digunakan pada penelitian dengan rancangan “pre test dan post test”.
 Uji Mann-Whitney
Digunakan untuk mengetahui ada atau tidaknya perbedaan dari dua sampel yg
independen.
Merupakan uji non parametrik yang menjadi alternatif dari uji-t (uji parametrik).
Data berskala nominal atau ordinal.
Disebut juga uji U, karena statistik yg digunakan untuk menguji hipotesis nolnya
disebut U.

Sumber : Kuliah Pakar Biostatistika oleh Adhar Arifuddin, S.KM,M.Kes.

2. Variabel independen Variable ini sering disebut sebagai Variabel Stimulus,

Predictor, Antecedent, Variabel Pengaruh, Variabel Perlakuan, Kausa, Treatment,
Risiko, atau Variable Bebas.
Dalam SEM (Structural Equation Modeling) atau Pemodelan Persamaan Struktural,
Variabel Independen disebut juga sebagai Variabel Eksogen. Variabel Bebas adalah
variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya
variabel Dependen (terikat). Dinamakan sebagai Variabel Bebas karena bebas dalam
mempengaruhi variabel lain.
Variabel dependen Sering disebut sebagai Variabel Out Put, Kriteria, Konsekuen,
Variabel Efek, Variabel Terpengaruh, Variabel Terikat atau Variabel Tergantung.
Dalam SEM (Structural Equation Modeling) atau Pemodelan Persamaan Struktural,
Variabel Independen disebut juga sebagai Variabel Indogen. Variabel Terikat
merupakan Variabel yang dipengaruhi atau yang menjadi akibat karena adanya
variabel bebas. Disebut Variabel Terikat karena variabel ini dipengaruhi oleh variabel
bebas/variabel independent.
Variabel Moderator adalah variabel yang mempengaruhi (Memperkuat dan
Memperlemah) hubungan antara Variabel Bebas dan Variabel Terikat. Variabel
Moderator disebut juga Variabel Independen Kedua
Variabel Intervening adalah Variabel yang secara teoritis mempengaruhi hubungan
antara Variabel Bebas dengan Variabel Terikat, tetapi Tidak Dapat Diamati dan
Diukur. Variabel ini merupakan variabel Penyela/Antara yang terletak diantara
Variabel Bebas dan Variabel Terikat, sehingga Variabel Bebas tidak secara langsung
mempengaruhi berubahnya atau timbulnya Variabel Terikat.
Variabel Kontrol adalah Variabel yang dikendalikan atau dibuat konstan sehingga
hubungan variabel bebas terhadap variabel terikat tidak dipengaruhi oleh factor luar
 yang tidak diteliti. Variabel Kontrol sering dipakai oleh peneliti dalam penelitian yang
bersifat membandingkan, melalui penelitian eksperimental

Sumber :Ahmad W. Pratiknya (2007). Dasar – Dasar Metodologi Penelitian

Kedokteran dan Kesehatan, Jakarta, Raja Grafindo Persada

3. Jumlah sampel minimal 30

Distribusi sampel diambil dari dari distribusi populasi yang terdistribusi secara normal
Sampel diperoleh secara random (mewakili populasi)
Skala pengukuran harus kontinyu (rasio/interval)atau skala nominal yang diubah
menjadi proporsi

Sumber : Kuliah Pakar Biostatistika oleh Adhar Arifuddin, S.KM,M.Kes.

4. Ada 4 faktort yang harud diperhatikan dalam pengambilan sampel

1) Derajat keseragaman (degree of homogeneity) dari populasi. Makin seregaman
populasi itu, makin kecil sampel yang dapat diambil. Apabila populasi seragam
sempurna (completely homogeneous), maka satu satuan elemen saja dari sepuluh
populasi itu sudah cukup representative untuk diteliti. Sebaliknya apabila populasi itu
amat tidak sempurna (completely heterogeous), maka hanya elemen lengkaplah yang
dapat memberikan gambaran representative.
2) Presisi (Precision) yang dikehendaki dari peneliti. Makin tinggi tingkat presisi yang
dikehendaki, makin besar sampel yang harus diambil.
3) Rencana Analisa. Adakalanya besarnya sampel sudah mencukupi sesuai dengan
presisi yang dikehendaki, tetapi kalau dikaitkan dengan kebutuhan analisa, maka
jumlah sampel tersebut kurang mencukupi.
4) Tenaga, biaya dan waktu. Kalau mengingat presisi yang tinggi maka jumlah sampel
harus besar, tetapi terbatasnya dana, tenaga dan waktu, maka tidak mungkin untuk
mengambil sampel yang besar dan ini berarti presisi akan menurun.

Sumber : Suryabrata, S. 2005. Metodologi Penelitian. Jakarta : PT. RajaGrafindo

Persada.

5. Terdapat banyak rumus untuk menghitung besar sampel minimal sebuah penelitian,
namun pada artikel ini akan disampaikan sejumlah rumus yang paling sering
dipergunakan oleh para peneliti.

Rumus Sampel Penelitian Cross-sectional

Untuk penelitian survei, biasanya rumus yang bisa dipakai menggunakan proporsi
binomunal (binomunal proportions). Jika besar populasi (N) diketahui, maka dicari
dengan menggunakan rumus berikut:

Rumus Sampel Cross Sectional

Dengan jumlah populasi (N) yang diketahui, maka peneliti bisa melakukan
pengambilan sampel secara acak).

Namun apabila besar populasi (N) tidak diketahui atau (N-n)/(N-1)=1 maka besar
sampel dihitung dengan rumus sebagai berikut :

Rumus Lemeshow

Keterangan :
n = jumlah sampel minimal yang diperlukan
= derajat kepercayaan
p = proporsi anak yang diberi ASI secara eksklusif
q = 1-p (proporsi anak yang tidak diberi ASI secara eksklusif
d = limit dari error atau presisi absolut
Jika ditetapkan =0,05 atau Z1- /2 = 1,96 atau Z2
1- /2 = 1,962 atau dibulatkan menjadi 4, maka rumus untuk besar N yang diketahui
kadang-kadang diubah menjadi:

Penyederhanaan Rumus Lemeshow

Misalnya, kita ingin mencari sampel minimal untuk suatu penelitian mencari faktor
determinan pemberian ASI secara eksklusif. Untuk mendapatkan nilai p, kita harus
melihat dari penelitian yang telah ada atau literatur. Dari hasil hasil penelitian
Suyatno (2001) di daerah Demak-Jawa Tengah, proporsi bayi (p) yang diberi
makanan ASI eksklusif sekitar 17,2 %. Ini berarti nilai p = 0,172 dan nilai q = 1 – p.
Dengan limit dari error (d) ditetapkan 0,05 dan nilai Alfa = 0,05, maka jumlah sampel
yang dibutuhkan sebesar:

Contoh Rumus Sampel Cross Sectional

= 219 orang (angka minimal)

Jika tidak diketemukan nilai p dari penelitian atau literatur lain, maka dapat dilakukan
maximal estimation dengan p = 0,5. Jika ingin teliti teliti maka nilai d sekitar 2,5 %
(0,025) atau lebih kecil lagi.

Pelajari Juga Rumus Slovin

Rumus Sampel Penelitian Case Control dan Kohort

Rumus yang digunakan untuk mencari besar sampel baik case control maupun kohort
adalah sama, terutama jika menggunakan ukuran proporsi. Hanya saja untuk
penelitian khohor, ada juga yang menggunakan ukuran data kontinue (nilai mean).

Besar sampel untuk penelitian case control adalah bertujuan untuk mencari sampel
minimal untuk masing-masing kelompok kasus dan kelompok kontrol. Kadang
kadang peneliti membuat perbandingan antara jumlah sampel kelompok kasus dan
kontrol tidak harus 1 : 1, tetapi juga bisa 1: 2 atau 1 : 3 dengan tujuan untuk
memperoleh hasil yang lebih baik. Adapun rumus yang banyak dipakai untuk mencari
sampel
minimal penelitian case-control adalah sebagai berikut:

Rumus Sampel Case Control dan Kohort

Pada penelitian khohor yang dicari adalah jumlah minimal untuk kelompok exposure
dan non-exposure atau kelompok terpapar dan tidak terpapar. Jika yang digunakan
adalah data proporsi maka untuk penelitian khohor nilai p0 pada rumus di atas sebagai
proporsi yang sakit pada populasi yang tidak terpapar dan p1 adalah proporsi yang
sakit pada populasi yang terpapar atau nilai p1 = p0 x RR (Relative Risk).

Jika nilai p adalah data kontinue (misalnya rata-rata berat badan, tinggi badan, IMT
dan sebagainya) atau tidak dalam bentuk proporsi, maka penentuan besar sampel
untuk kelompok dilakukan berdasarkan rumus berikut:

Rumus Sampel Case Control dan Kohort 2

Contoh kasus, misalnya kita ingin mencari sampel minimal pada penelitian tentang
pengaruh pemberian ASI eksklusif dengan terhadap berat badan bayi. Dengan
menggunakan tingkat kemaknaan 95 % atau Alfa = 0,05, dan tingkat kuasa/power 90
% atau ß=0,10, serta kesudahan (outcome) yang diamati adalah berat badan bayi yang
ditetapkan memiliki nilai asumsi SD=0,94 kg, dan estimasi selisih antara nilai mean
kesudahan (outcome) berat badan kelompok tidak terpapar dan kelompok terpapar
selama 4 bulan pertama kehidupan bayi (U0 – U1) sebesar 0,6 kg (mengacu hasil
penelitian Piwoz, et al. 1994), maka perkiraan jumlah minimal sampel yang
dibutuhkan tiap kelompok pengamatan, baik terpapar atau tidak terpapar adalah:

Contoh Hitung Sampel Case Control dan Kohort

= 51,5 orang atau dibulatkan: 52 orang/kelompok

 Pada penelitian khohor harus ditambah dengan jumlah lost to follow atau akalepas
selama pengamatan, biasanya diasumsikan 15 %. Pada contoh diatas, maka sampel
minimal yang diperlukan menjadi n= 52 (1+0,15) = 59,8 bayi atau dibulatkan menjadi
sebanyak 60 bayi untuk masing-masing kelompok baik kelompok terpapar ataupun
tidak terpapar atau total 120 bayi untuk kedua kelompok tersebut.

Penelitian Eksperimental
Menurut Supranto J (2000) untuk penelitian eksperimen dengan rancangan acak
lengkap, acak kelompok atau faktorial, secara sederhana dapat dirumuskan:
(t-1) (r-1) > 15

dimana : t = banyaknya kelompok perlakuan

j = jumlah replikasi

Contohnya: Jika jumlah perlakuan ada 4 buah, maka jumlah ulangan untuk tiap
perlakuan dapat dihitung:

(4 -1) (r-1) > 15

(r-1) > 15/3
r>6

Untuk mengantisipasi hilangnya unit ekskperimen maka dilakukan koreksi dengan

1/(1-f) di mana f adalah proporsi unit eksperimen yang hilang atau mengundur diri
atau drop out.

Sumber:
1. Bhisma-Murti, Prinsip dan Metoda Riset Epidemiologi, Gadjah Mata
University Press,1997
2. Lemeshow, S. & David W.H.Jr, 1997. Besar Sampel dalam Penelitian
Kesehatan (terjemahan), Gadjahmada University Press, Yogyakarta
3. Snedecor GW & Cochran WG, Statistical Methods 6th ed, Ames, IA: Iowa
State University Press, 1967
4. Supranto, J. 2000. Teknik Sampling untuk Survei dan Eksperimen. Penerbit
PT Rineka Cipta, Jakarta.
6. Skala pengukuran data
Pengukuran Variabel Penelitian dapat dikelompokkan menjadi 4 Skala Pengukuran, yaitu :
1. Skala Nominal
Skala Nominal Adalah Suatu himpunan yang terdiri dari anggota – anggota yang
mempunyai kesamaan tiap anggotanya, dan memiliki perbedaan dari anggota himpunan
yang lain. Misalnya :
• Jenis Kelamin : dibedakan antara laki – laki dan perempuan
 • Pekerjaan : dapat dibedakan petani, pegawai, pedagang
• Golongan Darah : dibedakan atas Gol. 0, A, B, AB
• Ras : dapat dibedakan atas Mongoloid, Kaukasoid, Negroid.
• Suku Bangsa : dpt dibedakan dalam suku Jawa, Sunda, Batak dsb.
Skala Nominal, Variasinya tidak menunjukkan Perurutan atau Kesinambungan, tiap
variasi berdiri sendiri secara terpisah. Dalam Skala Nominal tidak dapat dipastikan
apakah kategori satu mempunyai derajat yang lebih tinggi atau lebih rendah dari
kategori yang lain ataukah kategori itu lebih baik atau lebih buruk dari kategori yang lain.
2. Skala Ordinal
Skala Ordinal Adalah skala variabel yang menunjukkan tingkatan – tingkatan. Skala
Ordinal Adalah Himpunan yang beranggotakan menurut rangking, urutan, pangkat atau
jabatan. Skala Ordinal adalah Kategori yang dapat diurutkan atau diberi peringkat. Skala
Ordinal adalah Skala Data Kontinum yang batas satu variasi nilai ke variasi nilai yang lain
tidak jelas, sehingga yang dapat dibandingkan hanyalah nilai tersebut lebih tinggi, sama
atau lebih rendah daripada nilai yang lain. Contoh :
• Tingkat Pendidikan : dikategorikan SD, SMP, SMA, PT
• Pendapatan : Tinggi, Sedang, Rendah
• Tingkat Keganasan Kanker : dikategorikan dalam Stadium I, II, dan III. Hal ini dapat
dikatakan bahwa : Stadium II lebih berat daripada Stadium I dan Stadium III lebih berat
daripada Stadium II. Tetapi kita tidak bisa menentukan secara pasti besarnya perbedaan
keparahan itu.
• Sikap (yang diukur dengan Skala Linkert) : Setuju, Ragu – ragu, Tidak Setuju. Dsb.
3. Skala Interval
Skala Interval Adalah Skala Data Kontinum yang batas variasi nilai satu dengan yang lain
jelas, sehingga jarak atau intervalnya dapat dibandingkan. Dikatakan Skala Interval bila
jarak atau perbedaan antara nilai pengamatan satu dengan nilai pengamatan lainnya
dapat diketahui secara pasti.
Nilai variasi pada Skala Interval juga dapat dibandingkan seperti halnya pada skala
ordinal (Lebih Besar, Sama, Lebih Kecil..dsb); tetapi Nilai Mutlaknya TIDAK DAPAT
DIBANDINGKAN secara Matematis, oleh karena itu batas – batas Variasi Nilai pada Skala
Interval bersifat ARBI BITRER(ANGKA NOL-nya TIDAK Absolut). Contoh :
• Temperature / Suhu Tubuh : sebagai skala interval, suhu 360 Celcius jelas lebih panas
daripada suhu 240 Celcius. Tetapi tidak bisa dikatakan bahwa suhu 360 Celcius 1½ kali
lebih panas daripada suhu 240 Celcius. Alasannya : Penentuan skala 00 Celcius Tidak
Absolut (=00 Celcius tidak berarti Tidak Ada Suhu/Temperatur sama sekali).
• Tingkat Kecerdasan,
• Jarak, dsb.
4. Skala Ratio = Skala Perbandingan.
Skala Ratio Adalah Skala yang disamping batas intervalnya jelas, juga variasi nilainya
memunyai batas yang tegas dan mutlak ( mempunyai nilai NOL ABSOLUT ). Misalnya :
• Tinggi Badan : sebagai Skala Ratio, tinggi badan 180 Cm dapat dikatakan mempunyai
selisih 60 Cm terhadap tinggi badan 120 Cm, hal ini JUGA dapat dikatakan Bahwa : tinggi
badan 180 adalah 1½ kali dari tinggi badan 120 Cm.
• Denyut Nadi : Nilai 0 dalam denyut nadi dapat dikatakan Tidak Ada Sama Sekali denyut
nadinya.
 • Berat Badan.

Sumber: Sugiyono. 2007. Statistik untuk Penelitian, Jakarta, Alfabeta

7.