Nama : Popi Yulia Santisa

NIM : 1905073
TUGAS MATRIKULASI BIOSTATISTIK KELAS A

1. Skala pengukuran pada :

a. Sikap dikategorikan (Sikap positif dan sikap negatif) : Nominal
b. Berat badan bayi (BBLR dan BBLN) : Ordinal
c. Status gizi (Baik, kurang,buruk) : Ordinal
d. Kadar kolesterol : Ratio
e. Tingkat sosial ekonomi : Ordinal
f. Penghasilan : Interval
g. Jumlah pengunjung puskesmas per bulan : Ratio

(Referensi: materi matrikulasi biostatistik oleh DR. Mitra, SKM, MKM)

2. a. Pengertian Data :
- Menurut Luknis Sabri dan Sutanto.P.H (2010) : “ Data adalah bentuk jamak
(plural) dari dotum. Data adalah himpunan angka yang merupakan nilai dari unit
sampel kita sebagai hasil mengamati/mengukurnya “
Jenis-jenis data :
1. Menurut sifatnya :
- Data kualitatif : data yang tidak berbentuk angka atau data yang
dikategorikan menurut kualitas obyek yang dipelajari. Contoh :
Keadaan Gizi Balita disuatu desa
- 50 Balita : Baik
- 20 Balita : Sedang
- 5 Balita : Buruk
- Data kuantitatif : data yang dapat dinyatakan dalam bentuk angka.
Contoh : jumlah penderita HIV, Tinggi badan 175 cm
Data Kuantitatif dibagi 2 lagi menjadi Data Kontinyu yaitu data
numeric yang bias diukur sekecil-kecilnya seperti BB, TB dan Data
Diskrit yaitu Data yang diperoleh dari cara menghitung dalam bentuk
angka bulan seperti jumlah total ibu hamil 10 orang
2. Menurut sumbernya :
- Data internal : data yang bersumber dari keadaan/ kegiatan suatu
organisasi/ kelompok. Contoh : jumlah PNS di Dinas Kesehatan
Kabupaten Bengkalis
- Data eksternal : data yang bersumber dari luar suatu organisasi/
kelompok. Contoh : Persepsi Masyarakat tentang pelayanan
kesehatan di RS
3. Menurut cara memperolehnya
 - Data primer : data yang dikumpulkan dan diolah sendiri oleh suatu
organisasi/kelompok. Contoh : prevalensi balita stunting pada Desa
Sebangar dengan cara mengukur tinggi badan anak umur 2-5 tahun.
- Data sekunder : data yang diperoleh dari pihak lain contoh data
penilitian orang lain yang digunakan
- Data tersier : data sekunder yang telah dipublikasikan oleh pihak lain.
Contoh : data penilitian orang yang sudah dijadikan jurnal
4. Menurut waktu pengumpulannya
- Data cross section : data yang dikumpulkan pada suatu periode
tertentu. Contoh : Jumlah penderita HIV AIDS pada bulan Agustus
2019 di Kabupaten Bengkalis
- Data time series (berkala) : data yang dikumpulkan dari waktu ke
waktu. Contoh : Data hasil serro Survey HIV/AIDS dari Tahun 2010 sd
2016 di kab. bengkalis
5. Menurut cara menyusun angkanya
- Data Nominal : disusun berdasarkan penggolongan/ kategori.
Contoh : jenis kelamin, pekerjaan
- Data Ordinal : disusun berdasarkan tingkatan. Contoh : status gizi,
pendidikan
- Data Interval : terdapat jarak yang sama di antara hal-hal yang
diselidiki. Contoh : IP
- Data Rasio : terdapat nilai nol mutlak. Contoh : kadar Hb, jumlah
pengunjung
6. Menurut bentuk angkanya
- Data tunggal : data yang angka-angkanya tidak dikelompok-
kelompokkan. Contoh data tentang umur pasien penderita HIV AIDS
pada Bulan Agustus 2019, umur 24 thn 2 org, 25 thn 1 org, 26 thn 3
orang
- Data kelompok : data yang tiap-tiap unitnya terdiri dari sekelompok
angka. Contoh : data tentang penderita HIV AIDS pada Bulan Agustus
2019adalah 20-35 th = 8, 36-49 th = 20, 31-35 th = 2, 36-40 th = 3

b. Pengertian variabel

- Variabel didefinisikan sebagai “ something that may vary or differ ” (Brown,

1998:7). Definisi lain yang lebih detil mengatakan bahwa variabel “ is simply
symbol or a concept that can assume any one of a set of values ” (Davis,
1998:23). Definisi pertama menyatakan bahwa variabel ialah sesuatu yang
berbeda atau bervariasi, penekanan kata sesuatu diperjelas dalam definisi
kedua yaitu simbol atau konsep yang diasumsikan sebagai seperangkat nilai-
nilai
- Menurut Luknis Sabri dan Sutanto.P.H (2010): Variabel adalah suatu sifat yang
akan diukur atau di amati yang nilainya bervariasi antara satu objek ke objek
lainnya
 c. Pengertian Populasi dan sampel

Populasi berarti keseluruhan dari subyek/ obyek yang diteliti (Sabar,2007)

Sampel berarti sebagian dari subyek populasi yang diteliti, tetapi harus mewakili
populasi ( Sabar, 2007)

3. Uji statistik yang dapat digunakan dalam analisa bivariat :

Uji Non
Uji Parametrik
Parametrik
Variabel 1 Variabel 2 (jk distribusi data
(jk distribusi data
normal)
tidak normal)
Kategorik Kategorik Uji Chi Square Uji Fisher Exact
Numerik Kategorik ( 2
kelompok tidak Uji T Independen Man Whitney
berpasangan)
Numerik Kategorik ( 2 Uji Tanda (Sign
kelompok Uji T Dependen Test)
berpasangan) Wilcoxon
Numerik Kategorik ( lebih
dari 2 Uji Anova Khuskal Wallis
kelompok)
Numerik Numerik Uji Korelasi Pearson
Uji Spearman
Uji Regresi
(sumber : materi kuliah matrikulasi biostatistik DR. Mitra, SKM,MKM)
Uji ini digunakan sangat tergantung pada :
a) Jenis Variabel yang akan dianalisis
b) Jenis Data apakah Dependen atau Independen
c) Jenis Distribusi data populasinya apakah mengikuti distribusi normal atau
tidak
 4. Tingkat kepercayaan atau disebut juga confidence level atau risk level
didasarkan pada gagasan yang berasal dari Teorema Batas Sentral ( Central
Limit The orem ). Gagasan pokok yang berasal dari teorema tersebut ialah
apabila suatu populasi secara berulangulang ditarik sampel, maka nilai rata-rata
atribut yang diperoleh dari sampel-sampel tersebut sejajar dengan nilai populasi
yang sebenarnya. Lebih lanjut, nilai-nilai yang diperoleh tersebut yang berasal
dari sampel-sampel yang sudah ditarik didistribusikan secara normal dalam
bentuk nilai benar / nyata. Bentuk nilai-nilai tersebut akan menjadi nilai-nilai
sampel yang lebih tinggi atau lebih rendah jika dibandingkan dengan nilai
populasinya. Dalam suatu distribusi normal, sekitar 95% nilai-nilai sampel
berada dalam dua simpangan baku ( standard deviation )dari nilai populasi
sebenarnya. Dengan kata lain, jika tingkat kepercayaan sebesar 95% dipilih,
maka 95 dari 100 sampel akan mempunyai nilai populasi yang sebenarnya
dalam jangkauan ketepatan sebagaimana sudah dispesifikasi sebelumnya. Ada
kalanya bahwa sampel yang kita peroleh tidak mewakili nilai populasi yang
sebenarnya.Tingkat kepercayaan berkisar antara 99% yang tertinggi dan 90%
yang terendah

Interval Kepercayaan ( Confidence Interval ) / Margin of Error, Interval

kepercayaan yang sering juga disebut margin of error merupakan nilai yang
mencerminkan kurang atau lebih, misalnya interval kepercayaan 5 dan 50%
mempunyai makna bahwa sampel yang kita pilih akan menjawab pertanyaan-
pertanyaan yang kita berikan dalam kisaran antara 45% (50% - 5%) dan 55%
(50% + 5%).Dalam menentukan ukuran sampel kita dapat menggunakan salah
satu dari pertimbangan tersebut. Jika kita menggunakan secara bersamaan,
maka angka tersebut diatas mempunyai makna bahwa kita yakin sebesar 95%
persentase benar dari populasi yang ada ialah antara 45% dan 55%. Tingkat
kepercayaan ditentukan berdasarkan ukuran sampel yang kita inginkan. Jika kita
ingin tingkat kepercayaan tinggi, maka sampel yang diperlukan semakin besar.
Sebaliknya jika tingkat kepercayaan rendah maka sampel akan semakin kecil.
Semakin tinggi tingkat keyakinan (confidence level) maka semakin besar
intervalnya. Sebaliknya semakin rendah tingkat keyakinan, maka semakin kecil
intervalnya. Idealnya kita ingin memperoleh akan sebenarnya (nilai populasi
sebenarnya) yang berarti interval kepercayaannya (confidence interval) kecil.

5. Hipotesis nol (H0) adalah hipotesis yang menyatakan tidak adanya hubungan tau
pengaruh antara variabel satu dengan variabel lain.
Hipotesis alternatif (Ha) adalah hipotesis yang menyatakan hubungan atau
pengaruh antara variabel satu dengan variabel lain.
Contoh :
Ho : Tidak ada perbedaan kreativitas antara anak yang diberi keleluasaan dan
anak yang dikekang dalam keluarga.
 Ha : Ada perbedaan kreativitas antara anak yang diberi keleluassaan dan anak
yang dikekang dalam keluarga  Hipotesis Two Tail
Atau
Kreativitas anak yang diberi keleluasaan lebih tinggi daripada kreativitas
anak yang dikekang Hipotesis one tail sisi kanan/ positif
Atau
Kreativitas anak yang dikekang lebih tinggi daripada kreativitas anak yang
diberi keleluasaan  hipotesis one tail ke kiri/ negative

6. Diketahui : kunjungan kasus ISPA = 400

Kunjungan kasus Diare = 600
Jumlah kunjungan = 2000
600
a. Proporsi kunjungan diare = = 0,3
2000
b. Ratio kunjungan pasien ISPA dan kunjungan pasien Diare = 400 : 600 = 2 : 3
65
7. a. Insidens PJK pada kelompok perokok = = 0,0325
2000

20
b. Insidens PJK pada kelompok bukan perokok = = 0,005
4000

65 x 3980
c. Kuatnya hubungan : OR = = 6,68
20 x 1935

Interpretasi : Kelompok perokok mempunyai kecenderungan untuk menderita

PJK sebesar 6,68 kali lebih besar dibandingkan dengan kelompok bukan
perokok.

650 x 350
8. OR = = 4,79
50 x 950

Interpretasi : Perokok mempunyai kecenderungan untuk menderita kanker paru

sebesar 4,79 kali lebih tinggi dibandingkan dengan yang bukan perokok.