Hildagardis Meliyani Erista Nai, S.KM.,M.P.H.

A. Pengumpulan data
B. Pengolahan data
C. Penataan data
D. Penyajian data
E. Analisis / interpretasi data
 Pengumpulan data

TAHAPAN KEGIATAN STATISTIKA

Pengolahan data

Penataan data

Penyajian data

Analisis/interpretasi Data
  Penelitian  mendapat DATA  informasi
pengambilan keputusan.

Penggumpulan Penggolahan Analisis/

Penataan data Penyajian Data
data Data Interpretasi Data
1) Persiapan
üMenentukan dan merumuskan tujuan penelitian secara baik
üMenentukan metode yang digunakan.
üMenentukan teknik pengumpulan data.
ü Menyusun pedoman daftar pertanyaan yang dapat menjawab
tujuan.
ü Menentukan sasaran
ü Menentukan tempat dimana data dikumpulkan dan jumlah
responden.
ü Menentukan siapa pelaksana pengumpulan data.

2) Pelaksanaan : pengumpulan data

Sumber data :
a) Primer : langsung melakukan pengumpulan
data ke lapangan
b) Sekunder : rekam medik di RS; Sur vei
D e m o g r a f i d a n Ke s e h a t a n I n d o n e s i a ;
publikasi ilmiah
Metode pengumpulan data :
a) Primer : sampling survei atau langsung menemui
penderita yang datang ke RS.
Sampling survei : mebutuhkan waktu, biaya, dan
tenaga dengan jumlah besr

a) Sekunder : catatan medik yang ada di Rumah Sakit

Teknik pengumpulan data
1.Wawancara
• Data yang bersifat fakta : karakteristik (umur, jenis
kelamin), tingkat pendidikan, status pekerjaan,
sikap, pendapat, pengalaman
• Menggunakan Kuesioner /panduan
wawancara/angket
Pe r t a ny a a n t e r t u l i s y a g d i a j u k a n ke p a d a
responden. Jawaban diisi oleh
pewawancara/responden sesuai dengan daftar
isian yang ada.
3. Pengamatan
4. Pemeriksaan : lab, fisik, radiologi, USG, CT scan
Pedoman teknik pengumpulan data
ü tentukan variabel-varibel penelitian sesuai
tujuan ;
ü menyusun daftar pertanyaan (kuesioner):
§ perhatikan bahasa yang digunakan sesuai dengan
jenjang pendidikan responden.
§ perhatikan tipe dan bentuk pertanyaan.
Tipe dan bentuk pertanyaan:

Pertanyaan tertutup : terdiri dari beberapa pilihan jawaban

dan responden memilih yang sesuai dengan kondisinya
Contoh jawaban : “Ya” dan “Tidak” ;
Tidak setuju/setuju/sangat setuju

Pertanyaan terbuka : responden dapat leluasa menceritakan

hal-hal yg dimaksud dalam pertanyaan.
Contoh : wawancara mendalam atau diskusi kelompok
terarah
Menyusun daftar pertanyaan (lanjutan):
§ tidak menyinggung perasaan
§ pertanyaan tidak mendua
§ tidak menanyakan hal-hal yang sekiraya responden
sudah lupa/ harus berpikir keras.
§ pertanyaan tidak mengharuskan respoden
menghitung
§ pertanyaan tidak menggiring
§ panjang pertanyaan
§ urutan pertanyaan
§ prinsip pengukuran : uji validitas dan reliabilitas
Validitas (sahih)= alat ukur mengukur apa yang hendak diukur.
reliabilitas= alat ukur mempunyai keajegan setiap kali
dipakai/pengukuran berulang ulang hasilnya sama
 Sebelum data disajikan, harus diolah dan ditata
terlebih dahuluPengolahan Data.
 Pengolahan data : suatu proses penataan data
dalam persiapan untuk disajikan agar orang
dapat memahami hasil penelitian/survei.
 Pengolahan data :
1. Editing atau memeriksa data
2. Coding atau memberi kode
3. Tabulating atau penyusunan data
1) Memeriksa data (editing)
 Data diperiksa dari angket, panduan wawancara
atau catatan-catatan pada alat ukur.
 Memeriksa data yang telah dikumpulkan.
 Melakukan koreksi bila ada kesalahan pengisian.
 Bila data benar-benar tidak dapat diperbaiki/amat
sulit diwawancarai maka dapat diabaikan sejauh
jumlahnya tidak mengganggu jumlah sampel yang
sudah ditetapkan.
 Setelah selesai pemeriksaan, barulah alat ukur yang
syah dihitung.
2) Memberi kode (coding)
 Variabel diberi kode terutama data klasifikasi.
 Mis: jenis kelamin : u/ laki-laki = 1; perempuan = 2
 ini diterapkan pada input data SPSS.

3) Menyusun data (Tabulating)

 Diperlukan alat-alat, pensil, kertas, penggaris,
kalkulator, mesin ketik, komputer.
 Jika dilakukan dengan tangan (manual) bisa memakai
metode tally
 Menggunakan komputer lebih cepat.
 Data yang terkumpul harus diringkas agar
mudah disajikan dan dianalisis untuk kemudian
disimpulkan.
 Tabulasi data dapat dianggap sebagai penataan data
apabila sudah disusun secara array atau berurutan (tally
telah dihilangkan).
 Data mentah/raw score/rawa data : data yang belum
disusun secara berurutan (belum diolah)
Misal : berat badan mahasiswa Program Transfer STIKes
Panti Rapih:
50 47 55 48 51 49 54 53 47 45 48 53 53 59 57 59 64
62 64 64 66 53 53 61 53
1) Distribusi frekuensi

2) Distribusi frekuensi relatif

3) Distribusi frekuensi kumulatif (tidak

dipelajari pada program transfer)
Ø Distribusi frekuensi adalah susunan data angka menurut
besarnya (kuantitatif) atau menurut kategorinya (kualitatif).
Ø Susunan data angka menurut besarnya disebut distribusi
frekuensi kuantitatif. Cth: berat badan, tinggi badan, kadar
kolesterol.
Ø Susunan data menurut kategorinya disebut distribusi
frekuensi kualitatif. Cth : jenis pekerjaan, jenis kelamin,
pendidikan, dan status perkawinan.
Ø Jika nilainya sangat bervariasi dan jumlah observasi banyak,
maka besar nilai dapat dikelompokkan.
Contoh :
Kita mengadakan penelitian tentang berat badan (kg) 24
orang penderita DM yang dirawat di RS “X” dengan hasil
sebagai berikut : 40, 60, 45, 50, 53, 70,
43,65,67,42,55,52,50,43,60,45,40,52,53,43,70,65,55,60

Urutkan data berat badan tersebut :

40,40,42,43,43,43,45,45,50,50,52,52,53,53,55,55,60,50,60,
65, 65,67,70,70
 Tabel Distribusi Frekuensi Berat Badan Penderita DM di Rumah
Sakit “X”
Berat badan (kg) Frekuensi (f)
40 2
42 1
43 3
45 2
50 2
52 2
53 2
55 2
60 3
65 2
67 1
70 2
Jumlah 24
Informasi yang diperoleh:
-Berat badan penderita DM beragam
-Berat badan terkecil adalah 40 kg dan terbesar 70 kg
-Berat badan dengan jumlah terbanyak adalah 43 kg dan 60 kg
 Bila distribusi frekuensi dihitung dalam bentuk
proporsi atau persentase.
 Dapat mengetahui persentase suatu
kelompok terhadap seluruh pengamatan.
 Perubahan data kuantitatif menjadi persentase
dilakukan dengan membagi frekuensi (f)
dengan jumlah seluruh observasi (N) dan
dikalikan 100.
 Rumus : frekuensi relatif (%) = (f/N)x100
 Contoh soal: jika data dikelompokkan
Kita ingin mengetahui distribusi umur 20 orang penderita Ca mammae
yang dirawat di suatu RS selama satu tahun

Tabel Distribusi Frekuensi Relatif Berat Badan Penderita di Rumah Sakit “X

Umur Frekuensi (f) Frekuensi relatif (%)

41 - 45 2 10
46 - 50 2 10
51 - 55 1 5
56 - 60 5 25
61 - 65 4 20
66 - 70 1 5
71 - 75 5 25
Jumlah 20 100
• Persentase terbesar adalah 25% yang terletak pada kelompok umur 56 - 60
tahun dan kelompok umur 71-75 tahun
• Persentase terkecil adalah 5% yang terletak pada kelompok umur 51-55 tahun
dan 66-70 tahun.
 Untuk penyusunan laporan hasil penelitian
 Sederhana dan jelas agar mudah dibaca 
penilaian atau perbandingan, dll.
 Disesuaikan dengan tujuan yang hendak dicapai.
 Berupa :
1) tulisan
2) tabel
3) grafik
 Data disajikan dalam bentuk teks atau narasi.
 Gambaran umum tentang kesimpulan hasil
pengamatan.
 Misal: persepsi masyarakat terhadap program
pelayanan kesehatan pada masyarakat.
 Membosankan bagi pembaca sehingga perlu
dikombinasi dengan tabel atau dengan grafik
atau diagram.
 Dibentuk dengan menghubungkan sejumlah
kolom dan sejumlah baris.
 Tabel univariat, berisi hanya satu variabel
 Tabel bivariat (tabel silang/tabel kontingensi),
berisi dua variabel
Contoh Tabel Univariat

Tingkat pendidikan Absolut (n) Relatif (%)

SD 12 24,0
SMP 8 16,0
SMA 17 34,0
PT 13 26,0
Total 50 100,0
Tabel Bivariat atau tabel silang atau tabel kontingensi
 Disusun berdasarkan banyaknya baris dan kolom.
 Tabel yang melibatkan dua variabel yang disilangkan.
 Dapat mengetahui kaitan atau hubungan dua
variabel  memberikan gambaran hasil penelitian.
 Digunakan juga dalam perhitungan statistika
inferensial untuk pengujian hipotesis.
 Dalam menyajikan data dengan tabel silang, perlu
memperhatiakan jenis analisis dan persennya
 “persen kolom dan analisis baris” dan
“ persen baris dan analisis kolom”
“ Persen kolom dan analisis baris”
Tabel Silang (persen kolom dan analisis baris) Jumlah Balita menurut Status Gizi
dan Kejadian Diare di Kecamatan X Tahun .....
Kejadian diare Jumlah

Status gizi Diare Tidak Diare

n % n % n %

Baik 3 6,0 9 18,0 12 12,0

Kurang 18 36,0 25 50,0 43 43,0

Buruk 29 58,0 16 32,0 45 45,0

Jumlah 50 100,0 50 100,0 100 100,0

Cara membaca tabel di atas (interpretasi):

• Di antara balita yang berstatus gizi baik, lebih banyak yang tidak diare (18,0%)
dibandingkan dengan jumlah yang diare (6,0%) sedangkan balita yang berstatus
gizi buruk lebih banyak yang diare (58,0%) daripada yang tidak diare (32,0%).
• Berdasarkan tabel tersebut dapat disimpulkan bahwa ada kemungkinan balita
yang mengalami diare menderita gizi buruk.
“ Persen baris dan analisis kolom”
Tabel Silang (persen baris dan analisis kolom) Jumlah Bayi menurut Status BBLR
dan Kebiasaan Merokok Ibunya di Kecamatan X Tahun....
Status Bayi Jumlah
Merokok
BBLR Normal

n % n % n %

Ya 20 80,0 5 20,0 25 100,0

Tidak 10 66,7 5 33,3 15 100,0

Jumlah 30 75,0 10 25,0 40 100,0

Cara membaca tabel di atas (interpretasi):

• Di antara bayi berat lahir rendah (BBLR) lebih banyak pada yang ibunya
merokok (80,0%) dibanding dengan yang tidak merokok (66,7%) sedangkan bayi
berat lahir normal lebih banyak pada mereka yang ibunya tidak merokok
(33,3%) dibandingkan dengan mereka yang merokok (20,0%).
• Ada kemungkinan ibu yang merokok bayinya akan BBLR.
Tabel Bivariat atau tabel silang atau tabel kontingensi
 Ta b e l i n i d a p a t d i n a m a k a n s e s u a i d e n g a n
banyakanya baris dan banyaknya kolom.
 Contoh :
1) Tabel dengan 2 baris dan 2 kolom disebut
tabel 2 x 2.
2) Tabel dengan 2 baris dan 3 kolom disebut
tabel 2 x 3
3) Tabel dengan 3 baris dan 3 kolom disebut
tabel 3 x 3
Tabel Kontingensi 2 x 2
Judul Kolom Jumlah

Judul baris
Jumlah
Tabel Kontingensi 2 x 3
Judul Kolom Jumlah

Judul baris
Jumlah
Tabel Kontingensi 3 x 3
Judul Kolom Jumlah

Judul baris

Jumlah
 Tabel yang lengkap :
1) Nomor tabel
2) Judul tabel
3) Isi judul
4) Judul kolom dan judul baris
5) Nomor dan judul kolom
6) Sel daftar
7) Catatan atau sumber
 Contoh skema umum tabel

Tabel Silang (persen baris dan analisis kolom) jumlah bayi menurut status BBLR dan
kebiasaan merokok ibunya
Box Heading

Spanner Heading Spanner Heading

Subsumed Subsumed Subsumed Subsume Subsumed Subsum

Heading Heading Heading d Heading ed
Heading Heading
(1) (2) (3) (4) (5) (6) (7)
 Judul Tabel
Catatan Pendahuluan

Judul Judul Kolom Jumlah

Kompartemen
Sel

Judul baris
Badan Tabel

Catatan kaki :
Sumber :
 Memberikan informasi mengenai gambaran situasi yang telah
t e r j a d i m e l a l u i g a m b a r a n a g re g a t d a n d a t a s e p e r t i
perkembangan, perbandingan, peramalan, atau proyeksi dan
juga memberi petunjuk sebagai dasar analisis lebih lanjut.
 Manfaat grafik :
1. Membandingkan beberapa variabel, beberapa kategori
dalam variabel atau satu variabel pada waktu dan tempat
berbeda.
2. Meramalkan perubahan yang terjadi dengan berjalannya
waktu.
3. Mengetahui adanya hubungan dua variabel atau lebih.
4. Memberikan penerangan kepada masyarakat.
Ketentuan dalam penyajian grafik:
a. Judul yang singkat, jelas, dan lengkap
b. Grafik terdiri dari dua sumbu , horisontal yang
disebut absis atau sumbu X dan sumbu
vertikal yang disebut ordinat atau sumbu Y.
c. Skala tertentu
d. Grafik harus diawali dari titik nol
e. Nomor gambar
f. Catatan kaki dan sumber
1. Histogram
2. Frekuensi poligon
3. Ogive
4. Grafik garis (line diagram)
5. Grafik batang (bar diagram)
6. Grafik pinca (pie diagram)
7. Grafik tebar (scatter diagram)
8. Grafik peta (map diagram)
9. Grafik model (piktogram)
10. Boxplot
11. Kurva
 Menyajikan data kontinue atau data ukur.
 Pada histogram, batang-batang saling
melekat/berhimpitan.
 Tinggi batang menyatakan frekuensi yang terdapat dalam
kelas interval yang bersangkutan .
 Menggunakan 2 sumbu, sumbu mendatar (sumbu x)
menyatakan interval kelas dan sumbu vertikal (sumbu Y)
menyatakan frekuensi.
 Pedoman Pembuatan Histogram
1) Buat tabel distribusi frekuensi.
2) Gunakan tepi kelas
3) Tidak ada kelas terbuka dalam distribusi
 Digunakan untuk data kontinu atau data ukur
seperti pada histogram.
 Dibuat dengan menghubungkan puncak-puncak
dari balok-balok histogram.
 Keuntungan: dapat membandingkan penyebaran
beberapa masalah yang digambarkan.
 Menggunakan data kontinu dan berbentuk frekuensi
kumulatif.
 Perpotongan garis ogive pada frekuensi kumulatif ≤ dan
frekuensi kumulatif ≥ merupakan nilai yang tepat untuk
letak dan besarnya nilai median.
Kelompok f Relatif Relatif
umur Kumulatif ≤ kumulatif ≥
Bayi 5 5 100
Baduta 10 15 95
Batita 15 30 85
Balita 35 65 70
Remaja 20 85 35
Dewasa 10 95 15
Lansia 5 100 5
 Menggunakan data kontinu dan berbentuk frekuensi
kumulatif.
 Perpotongan garis ogive pada frekuensi kumulatif ≤ dan
frekuensi kumulatif ≥ merupakan nilai yang tepat untuk
letak dan besarnya nilai median.
 Menggambarkan data diskrit atau data dengan skala
nominal yang menggambarkan perubahan dari waktu ke
waktu atau dari satu tempat ke tempat lain.
 Menyajikan data diskrit atau data dengan skala nominal
maupun ordinal.
 Gambar balok dapat berbentuk vertikal (kata pendek)
ataupun horizontal (kata panjang).
 Untuk mengadakan perbandingan beberapa variabel
dalam waktu dan tempat yang sama atau satu variabel
dalam waktu dan tempat yang berbeda.
 Menyajikan data diskrit atau data dengan skala nominal
dan ordinal (data kategori).
 Luas 1 lingkaran adalah 360 derajat.
 Proporsi data yang akan disajikan dijadikan dalam bentuk
derajat.
 Cara menggambar grafik :
1. Ubahlah frekuensi setiap komponen menjadi persen.
2. Ubahlah persen menjadi derajat dengan cara :
persen x 360
3. Gambarkan setiap komponen sesuai dengan derajat
yang dihasilkan
 Grafik pencar dihasilkan dari titik-titik koordinat.
 Menggambarkan hubungan dua macam variabel yang
diperkirakan ada hubungan. Sumbu Y= variabel terikat ;
sumbu X = variabel bebas.
 Untuk menggambarkan grafik pencar dapat dilakukan
dengan menentukan titik-titik pertemuan antara dua
variabel yang berpasangan yang disebut titik koordinat
dan dari berbagai titik koordinat tersebut dihubungkan
sehingga membentuk grafik garis.
 (1) X dan Y (2) X dan Y (3) X dan Y tidak
(4) X dan Y tidak
berkorelasi positif berkorelasi negatif berkorelasi
linear
 Menggunakan map atau peta suatu daerah/negara
 Permasalahan ditunjukan langsung di peta.
 Mis, hendak menggambarkan prevalensi balita gizi kurang,
batas desa, lokasi, dan lain-lain.
 Prevalensi tinggi digambarkan dengan warna gelap
daripada prevalensi sedang , dst.
 Grafik yang digambar menyerupai bentuk aslinya
 Contoh : gambar jantung penyakit jantung
gambar orangjumlah penduduk
 1 gambar mewakili jumlah tertentu. Mis, 1 orang
menggambarkan 10 juta
• Digunakan untuk data numerik.
• Dalam boxplot digambar berdasarkan nilai posisi (dalam kuartil).
1. Garis tengah adalah nilai Q2 (quartil 2) atau median.
2. Garis bawah adalah nilai Q1 (quartile 1).
3. Garis atas kotak adalah nilai Q3 (quartil 3).
• Tali (wisker) batas bawah adalah nilai sama dengan Q1 sebanyak 11/2 (Q3-Q2)
dan batas atas tidak lebih dari 1 ½ (Q3-Q1).
• Tanda bintang adalah nilai yang menjadi nilai pencilan (outlier) sedangkan
lingkaran kecil merupakan kandidat pencilan.
 Bentuk kurva:
vBerdasarkan simetris
vBerdasarkan tinggi puncak
vBerdasarkan jumlah puncak
vBerdasarkan bentuk
 Dikatakan kurva simetris
bila kurva dapat dibagi
menjadi dua bagian yang
sama dan sebangun.
 Kur va dihasilkan dari
distribusi teoritis atau
dihasilkan dari
pengamatan yang sangat
banyak.
Ciri-ciri kurva normal:
1) Grafik terletak di atas
absis.
2) S i m e t r i s b e r b e n t u k
lonceng.
3) Dihasilkan dari jumlah
obser vasi yang sangat
banyak.
4) Mempunyai satu puncak.
5) D i h a s i l k a n d a r i d a t a
kontinue.
6) Luas kur va = 1,0 atau
100%.
7) B i l a k a k i k u r v a
diperpanjang maka tidak
akan menyentuh absis.
8) L u a s 1 S D = 6 8 % ; 2 S D
95,5%, dan 3 SD 99,7%
dari seluruh kurva.
 Gambar : Kurva Distribusi Normal

P[ (µ-σ ) < x < (µ+σ )]= 0,682 = 68,2%

P[ (µ-2σ ) < x < (µ+2σ )]= 0,954= 95,4%
P[ (µ-3σ ) < x < (µ+3σ ) = 0,997= 99,7%
 Kurva ini bersifat simetris
tetapi kurva simetris belum
tentu kurva normal.
(penjelasan pada statsitik
induktif)
 Hanya memiliki satu puncak
sehingga bersifat unimodal.
 Disebut juga kurva miring.
 Kemiringan ditentukan oleh
kaki kurva.
 Bila kaki kurva terletak di
sebelah kanan maka
dikatakan miring/menceng
ke kanan (skew positive).
 Bila kaki kurva terletak di
kiri maka disebut kur va
m i r i n g / m e n c e n g ke k i r i
(skew negative).
 Kurva miring ke kanan terjadi
bila dalam suatu distribusi
frekuensi, nilai yang kecil
memiliki frekuensi yang besar
dan semakin besar nilai yang
dihasilkan maka semakin kecil
frekuensinya.
 Kurva miring ke kiri terjadi
bila nilai yang kecil mempunyai
f re k u e n s i y a n g ke c i l d a n
semakin besar nilai yang
dihasilkan semakin besar pula
frekuensinya.
 Berdasarkan kurva yang simetris
dan kur va normal, maka tinggi
rendahnya atau runcing datarnya
bentuk kurva, disebut kurtosis.
 Kurtosis atau tinggi rendahnya
kurva tersebut diberi nama
berbeda.
a) Kur va leptokurtik : kur va
simetris dengan puncak yang
tinggi dan runcing.
b) Kur va mesokur tik: kur va
yang tidak terlalu runcing dan
juga tidak terlalu datar.
c) Kurva platikurtik : kurva yang
simetris dengan puncak yang
rendah.
a. Kurva Unimodal=kurva dengan satu puncak.
b. Kurva Bimodal = kurva dengan dua puncak.
c. Kurva multimodal = kurva dengan banyak puncak.
Kurva bentuk J dan L merupakan fenomena yang banyak
terdapat dalam dunia ekonomi, kesehatan masyarakat,
kedokteran, industri, dan fisika.
 Analisis sederhana : ukuran nilai tengah dan
dispersi  analisis kompleks
 Nilai tengah : mean, median, modus
 Dispersi (ukuran penyimpangan=ukuran
variasi) : rentang (range); deviasi rata-rata
(mean deviation); deviasi standard (standard
deviation); varians
 DATA HARUS DIURUTKAN TERLEBIH
DAHULU
 Memudahkan penyajian
UKURAN • Mean atau penjelasan data
PEMUSATAN • Median terutama data yang
(nilai tengah) terdiri dari banyak
• Modus
observasi.

ANALISIS
DESKRIPTIF • Range
• Kuartil
• Desil
• Persentil Membandingkan
UKURAN data
PENYEBARAN • Mean deviasi
• Standar deviasi
• Varian
• Koefisien variasi
*Tidak semua dipelajari
Mean data tunggal
Ø Jumlah semua hasil pengamatan (∑x) (sigma x)
dibagi dengan banyaknya pengamatan (n)
Ø Simbol : rata-rata populasi μ (myu); rata-
rata sampel (x bar)
Ø Rumus:
Contoh soal:
Hasil pengukuran berat badan 10 orang penderita
diabetes mellitus yang dirawat di suatu rumah
sakit sebagai berikut: 65 kg, 60kg, 55kg, 70kg, 53kg,
61kg, 64kg, 75kg, dan 50kg. Hitunglah rata-rata
dari berat badan penderita DM!
Contoh soal jumlah pengamatan ganjil
1). Ingin mengukur Hb 5 orang wanita hamil yang datang
ke bagian kebidanan Rumah Sakit A dan akan menentukan
nilai mediannya.
Kadar Hb disusun teratur = 8,9,10,11,12
Posisi median terletak pada (5+1) / 2 = 3 (ini letak /
posisi median bukan nilai median)

Posisi median : 1 2 3 4 5
Kadar Hb (mg%): 8 9 10 11 12
Nilai median = 10mg%
Contoh soal: jumlah pengamatan genap

2). Ingin mengukur Hb 6 orang wanita hamil yang datang ke

bagian kebidanan Rumah Sakit A dan akan menentukan nilai
mediannya.
Kadar Hb disusun teratur = 8,9,10,11,12, 13
Posisi median terletak pada= ½ n dan (½ n +1) =½ (6)
dan (½(6) + 1) = 3 dan 4

Posisi median : 1 2 3 4 5 6
Kadar Hb (mg%): 8 9 10 11 12 13
Median antara posisi ke-3 dan ke-4 sehingga
Median = (10 + 11 ) / 2 = 11,5mg%
§ Nilai yang paling banyak ditemui di dalam suatu
pengamatan atau nilai yang paling sering muncul.
§ Dalam suatu grafik kurva dinyatakan dalam bentuk
puncak tertinggi
§ Tidak ada nilai yang lebih banyak diobservasi 
tidak ada modus.
§ Ditemui satu modus  unimodal
§ ada dua modus  bimodal
§ lebih dari tiga modus  multimodal
Contoh soal 1:
Jika dilakukan observasi berat badan sejumlah orang
dewasa dan memperoleh data sebagai berikut:
52, 53, 55, 55, 55, 56, 57, 60, 62, 62 (kg)
Nilai modus = 55 (sebagian besar berat badan orang
dewasa dalam pengamatan tersebut adalah 55 kg).
Hubungan mean, median, dan modus adalah sebagai
berikut :
1. Pada distribusi simetris, ketiga nilai (mean,
median, dan modus) sama besarnya.
2. Nilai median selalu terletak antara mean dan
modus pada distribusi yang menceng.
3. Jika nilai mean lebih besar daripada nilai median
dan modus, maka dikatakan distribusi menceng
ke kanan.
4. Bila nilai mean lebih kecil daripada nilai median
dan modus, maka distribusi menceng ke kiri.
 Nilai rata-rata saja kadang bisa salah interpretasi.
 Dispersi atau ukuran variasi atau ukuran
penyimpangan ialah ukuran terhadap
penyimpangan-penyimpangan dari nilai tengah.
 Dengan memahami dispersi dapat mengerti bahwa
bagaimana berpencarnya data kuantitatif.
 Ukuran-ukuran penyebaran adalah range, kuartil,
desil, persentil, deviasi rata-rata (mean
deviation), standar deviasi, varians, dan
koefisien variasi.
Kegunaan dispersi:
1. Untuk menilai sejauh mana ketepatan nilai
tengah sebagai wakil dari distribusinya.
2. Untuk perhitungan-perhitungan statistik lebih
lanjut, guna mendapatkan informasi yang lebih
jelas dan mendalam tentang data yang diperoleh.
ü Nilai yang menunjukkan perbedaan nilai
pengamatan yang paling tinggi dengan nilai
yang paling rendah dari data yang telah
tersusun secara berurutan.
ü Contoh : ukuran BB 5 orang (kg) :48, 52, 56,
62, 67
Range = 67 kg – 48 kg = 17 kg
ü Range hanya melibatkan nilai terbesar dan
nilai terkecil tanpa melibatkan nilai-nilai lain
dalam distribusi.
ü Range hanya melibatkan dua nilai (terbesar
d a n t e r ke c i l ) s e h i n g g a r a n g e s a n g a t
dipengaruhii oleh adanya nilai ekstrem.
§ Apabila sekumpulan data yang diatur secara
berurutan kemudian dibagi 4 bagian urutan data
sama besar, maka 4 bagian yang sama seperti ini
disebut kuartil.
§ Kuartir pertama disebut K1merupakan 25% dari
seluruh distribusi.
§ Kuartil kedua disebut K2 merupakan 50% dari
seluruh distribusi.
§ Kuartis ketiga disebut K3 merupakan 75% dari
seluruh distribusi.
 Selisih antara K3 – K1 disebut rentang antar-
kuartil (jarak kuartil) yang sama dengan 50%
bagian tengah dari seluruh distribusi.
 Setengah dari rentang antar kuartil disebut
simpangan kuartil.

1 2 3 4
K1 K2 K3
25% 25%
 Untuk menghitung rentang antar-kuartil, tentukan
dahulu letak K3 dan K1.

 Data yang tidak dikelompokkan/data tunggal

K3 = ¾ (n+1) dan K1= ¼ (n+1) n = 1,2,3

 Hitung nilai K3 dan K1 dengan rumus:

K3 dan K1 = L + b(S-L)
L = nilai sebelum K3 dan K1
b = kekurangan unit untuk mencapai letak K3 dan K1
S = nilai dimana K3 dan K1 berada
 Contoh :
Misalkan, kita ingin mengetahui nilai rentang antar-juartil kolesterol darah
dari 10 orang penderita hipertensi. Hasil pemeriksaan kolesterol darah
10 orang penderita hipertensi adalah sebagai berikut:

Kolester 150 152 160 165 167 169 171 174 175 593
ol
Dat ke 1 2 3 4 5 6 7 8 9 10

Letak K3 = ¾ (10+1) = 8,25 Letak K1 = ¼ (10+1)=2,75

antara data ke-8 dan 9 antara data ke-2 dan 3

Nilai K3 = 174 + 0,25 (175-174) K1= 152 + 0,75(160-152)

= 174,25 = 158
Rentang antar-kuartil = K3 – K1=174,25 – 158 = 16,25
 Persentil adalah suatu distribusi dibagi menjadi 100 bagian
yang sama dengan cara demikian kita mendapatkan 99
bagian yang sama.
 Menghasilkan 99 pembagi dan berturut-turut dinamakan
persentil 1,2,3......99. kode singkatan menjadi P1, P2, P3,....P99.
 Dengan persentil dapat diketahui posisi rata-rata dan pada
jenjang keberapa posisi tersebut.
 Contoh:
Pemeriksaan tinggi badan 10 orang calon mahasiswa
STPR dalam cm, adalah:
156 157 159 160 160 161 162 162 163 164
1 2 3 4 5 6 7 8 9 10
Bila seorang mahasiswa dikatakan mempunyai berat
badan yang terletak pada persentil 30%, maka
berapakah berat badan mahasiswa tersebut?
P30 = 30(1+10)/100=(30x11)/100=3,3
P30 terletak pada data ke = 3,3 = 3 + 0,3
Nilai P30 = 159 + 0,3( 160 -159)=159,3
V=S2 = varian
Xi = nilai data ke i sampel
ẋ = rata-rata sampel
n = jumlah pengamatan
X(kg)
48 9 81
52 5 25
56 1 1
62 5 25
67 10 100
285

48  52  56  62  67
  57 kg
5
ü Nilai penyebaran rata-rata di sekitar rata-rata hitung.
ü Apabila rata-rata hitung suatu data adalah 65 dan
SD = 2 berarti penyebaran data secara rata-rata di
atas rata-rata (65) adalah 67, 69,71 dst; dan di
bawah rata-rata adalah 63,61,59 dst.
ü Akar dari varian.
ü Disebut sebagai “simpangan baku.”
ü Merupakan patokan luas daerah di bawah
kurva.
ü Rumus :
ü Ke g u n a a n d a r i ko e f i s i e n v a r i a n a d a l a h
perbandingan anatra 2 pengamatan atau lebih.
ü Nilai yang lebih besar menunjukkan adanya variasi
pengamatan yang lebih besar.
ü Contoh : sur vei perilaku hidup sehat di kota X,
dihitung nilai koefisien varian dari glukosa darah dan
kadar kolesterol. Hasil menunjukkan nilai koefisien
varian dari glukosa darah adalah 36% sedangkan nilai
koefisien varian dari kolesterol adalah 18%. Ini
menunjukkan variasi glukosa darah lebih besar
dibandingkan kadar kolesterol.
1. B ud i a r t o E. 2012 . B i o s t a t i s t i k unt uk
Kedokteran dan Kesehatan Masyarakat.
Jakarta: Penerbit Buku Kedokteran EGC
2. H a s t o n o S P, S a b r i L . 2 0 1 0 . S t a t i s t i k
Kesehatan. Jakarta : PT Raja Grafindo
Persada
3. Machfoedz I. 2015. Bio Statistika Edisi Revisi
2015.Yogyakarta: Penerbit Fitramaya
4. Rachmat M. 2011. Buku Ajar Biostatistika
A p l i k a s i p a d a Pe n e l i t i a n Ke s e h a t a n .
Jakarta:Penerbit Buku Kedokteran EGC.