Modul 2 - Biostatistik Dasar Kebidanan Edit

KT
BA
MUSAD
I
Prodi Kebidanan
Semester 04
Metode Penelitian dan

Biostatistik
Australia Indonesia
Partnership for Health
System Strengthening
(AIPHSS)
http://m
edicine.dundee.ac.uk/sites/medicine.dundee.ac.uk/fil
es/DEBU_0.jpg
Modul 2
Biostatistik Dasar Kebidanan
Pusdiklatnakes, Badan PPSDM

Kesehatan Kementrian Kesehatan
Republik Indonesia
2013 Hak cipta © Badan PPSDM Kesehatan,
Kemenkes RI, 2013
Kode : Kebidanan/Bd.404/IV/2013
METODE PENELITIAN DAN BIOSTATISTIK DASAR
Modul 2
BIOSTATISTIK DASAR KEBIDANAN
Penulis :
Hariyanti
Siti Aminah W
PENDIDIKAN JARAK JAUH PENDIDIKAN TINGGI KESEHATAN
Pusdiklatnakes, Badan PPSDM Kesehatan
Kementrian Kesehatan Republik Indonesia
2013
Hak ©cipta Pusdiklatnakes, Badan PPSDM Kesehatan, Kemkes RI, 2013
Modul Pendidikan Jarak Jauh, Pendidikan Tinggi Kesehatan
Pendahuluan
Selamat berjumpa pada mata kuliah Metode Penelitian Dan Biostatistik Dasar bagi
mahasiswa para mahasiswa calon Ahli Madya Kebidanan.
Bidan merupakan salah satu profesi kesehatan yang selalu berkembang mengikuti
kemajuan ilmu dan teknologi, sehingga saudara yang akan mencapai gelar Ahli Madya
Kebidanan harus memahami tentang Biostatistik Dasar. Dengan memiliki pemahaman
ini, saudara diharapkan dapat memberikan kontribusi terhadap kemajuan keilmuan dan
profesi Bidan.
Mata kuliah Metode Penelitian dan Biostistik Dasar memiliki dua modul, yaitu Modul 1
berjudul Konsep Dasar Penelitian Kebidanan dan Modul 2 berjudul Biostatistik Dasar
Kebidanan. Modul yang akan saudara pelajari saat ini adalah modul yang kedua yaitu
Biostatistik Dasar Kebidanan. Pada modul 2 ini terdiri dari tiga kegiatan belajar, yaitu :
Kegiatan Belajar 1 : Konsep dasar biostatistik
Kegiatan Belajar 2 :Uji Hipotesis
Kegiatan Belajar 3 :Analisa dan Penyajian Data.
Dengan mempelajari modul 2 ini, saudara diharapkan memiliki pemahaman tentang
cara menganalisa data dengan baik sehingga dapat mengaplikasikan pada tempat
saudara melaksanakan pelayanan kebidanan serta dapat memberikan informasi yang
otentik kepada klien dan pihak lain yang membutuhkan data ataupun informasi secara
akurat.
3 Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul
Untuk mempelajari modul 2 ini dibutuhkan alokasi waktu 8 jam.
Proses pembelajaran untuk materi Biostatistik Dasar Kebidanan yang akan saudara
ikuti sekarang ini dapat berjalan dengan lebih lancar, bila mengikuti langkah-langkah
sebagai berikut :
1. Pahami lebih dulu konsep dasar biostatistik
2. Kemudian kerjakan semua soal latihan yang ada dan lakukan penilaian ber-
dasarkan kunci jawaban.
3. Berlatihlah dengan sungguh-sungguh secara mandiri maupun berkelompok
dengan teman-teman.
4. Bila saudara menemui kesulitan, silahkan hubungi instruktur/pembimbing
atau fasilitator yang mengajar mata kuliah ini.
Baiklah saudara mahasiswa D3 Kebidanan Pendidikan Jarak Jauh selamat mengikuti
pembelajaran ini dan semoga saudara sukses.memahami materi ini untuk bekal
bertugas di pelayanan kebidanan yang akan memberikan kontribusi terhadap
penelitian kebidanan dengan baik.
4
Kegiatan Belajar I
Konsep Dasar Biostatistik

5 5 Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul
Setelah mempelajari kegiatan belajar 1 ini, saudara diharapkan mampu memahami
TUJUAN
tentang konsep dasar biostatistik. Pembelajaran
Umum
1. Menjelaskan pengertian statistik
TUJUAN
2. Menjelaskan fungsi statistik
3. Mengidentifikasi ruang lingkup statistik
Pembelajaran Khusus
4. Menjelaskan tahapan statistik
5. Mengidentifikasi jenis data
6. Mengidentifikasi variabel dan pengukurannya
1. pengertian statistik POKOK

2. fungsi statistik
Materi
3. ruang lingkup statistik
4. tahapan statistik, data, variabel dan penguku-
rannya.
Uraian Materi
Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul
6
Apakah saudara pernah terfikir bahwa kegiatan pelaporan kesehatan ibu dan anak
yang setiap bulan saudara kerjakan adalah merupakan kegiatan statistik? Dan
bagaimanakah dari data yang setiap bulan saudara kirimkan tersebut menjadi informasi
penting untuk penetapan kebijakkan kesehatan
ibu dan anak?
Apakah saudara dapat menjawab pertanyaan di atas dengan tepat? Apabila saudara
masih ragu-ragu, mari kita simak uraian materi berikut!
A. Pengertian Statistik
Kata statistik berasal dari bahasa Latin yaitu status dan dalam bahasa Inggris yaitu
state yang berarti negara atau untuk menyatakan hal-hal yang berhubungan dengan
ketatanegaraan. Pada awalnya statistik hanya berkaitan dengan sekumpulan angka
mengenai penduduk suatu daerah atau negara dan pendapatan masyarakat, ter-
masuk pula, kumpulan angka yang dibutuhkan oleh pemerintah dalam menyelesaikan
beberapa masalah. Namun, seiring dengan perkem- bangan zaman, statistik berkem-
bang ke seluruh aspek kehidupan, misalnya produk industri, teknologi, informasi, bisnis,
hukum dan termasuk penelitian-penelitian pada hampir seluruh cabang ilmu, seperti
ekonomi, sains, pertanian, sosial, pendidikan, kesehatan dan lain-lain.
Dalam arti sempit statistik dapat diartikan sebagai data, tetapi dalam arti luas statistik
dapat diartikan sebagai alat. Statistik adalah sekumpulan konsep dan metode yang
digunakan untuk mengumpulkan dan menginterpretasi data tentang bidang kegiatan
tertentu dan mengambil kesimpulan dalam situasi dimana ada ketidakpastian dan
variasi. Biostatistik merupakan suatu cabang ilmu dari statistik yang berhubungan
dengan cara pengumpulan, kompilasi, pengolahan, dan interpretasi fakta-fakta
numerik yang berhubungan dengan kehidupan manusia yaitu mulai dari kelahiran,
sehat, sakit sampai kematian. Biostatistik atau istilah lainnya statistika kesehatan
adalah data atau informasi yang berkaitan dengan masalah kesehatan.
Berdasarkan definisi di atas, bila dikaitkan dengan kegiatan pelaporan kesehatan ibu
dan anak yang
rutin saudara lakukan, saudara tel-
Tentunya saudara sangat sering ah menerapkan ilmu biostatistik
melaksanakan KB safari tersebut dalam bidang pekerjaan saudara.
dan akseptornyapun pasti cukup Coba saudara telaah, setiap ke-
banyak. Nah, sekarang pasti sauda- giatan yang sauadara kerjakan
ra mengerti mengapa KB safari misalnya melakukan pemeriksaan
menjadi program pilihan pemerin- ibu hamil, menolong persalinan,
tah. melakukan imunisasi pada bayi, dan lain-lain, semuanya saudara catat dalam buku
pelaporan yang
Silahkan jawab pada kotak di bawah ini :
kemudian dikirimkan ke puskes-
........................................................................ mas. Data yang terkumpul di Pusk- esmas
tersebut diteruskan ke Dinas
........................................................................
Kesehatan. Selanjutnya data diolah
..................................................................
menjadi informasi tingkat kabupat- en maupun provinsi. Dari informasi
Iya benar, pemerintah memperoleh yang ada, stake holder menjadikan
informasi yang bersumber dari data informasi tersebut sebagai dasar
akseptor KB yang saudara kirim- dalam pengambilan keputusan atau
kan dan melalui proses pengolahan membuat kebijakkan. Jadi tanpa
data diperoleh data agregat yang saudara sadari, saudara secara ru-
sangat rendah tentang penggu- tinitas telah melakukan tahapan
naan KB oleh PUS. Sehingga pe- statistik dalam bidang pelayanan
merintah harus menggalakan pro- kesehatan ibu dan anak. Dan masih
gram KB safari.tersebut. Dengan banyak contoh kegiatan saudara
demikian pemerintah khususnya dalam bekerja yang menggunakan
Kementerian Kesehatan menggu- ilmu statistik ini.
nakan data tersebut sebagai dasar memilih program KB safari. KB safari adalah salah
satu kebijakkan un- B. Fungsi Biostatistik
tuk meningkatkan peserta akseptor KB yang dampaknya adalah pada Seberapa sering
saudara melaksanakan
penurununan AKI dan AKB. Ilustrasi program KB Safari di tempat kerja
di atas menggambarkan salah satu saudara? Dan mengapa program
fungsi statistik dalam bidang kese- KB Safari menjadi program pilihan
hatan. pemerintah yang harus dilaksanakan?
7
Berikut akan diuraikan fungsi statistik lainnya dalam bidang kesehatan yaitu antara
lain :
1. Untuk menggambarkan status
kesehatan
Status kesehatan suatu Negara salah satunya tergambar pada Angka Kematian Ibu
(AKI) dan Angka Kematian Bayi (AKB). Un- tuk memperoleh AKI dan AKB ini, maka
diperlukan tahapan kegiatan statistik yang meliputi pengumpulan, pengolahan,
penyajian, analisis data sampai data tersebut dapat diinterpre- tasikan.
2. Untuk monitoring dan evaluasi
program kesehatan
a. Analisis perbandingan yaitu dengan membandingkan wilayah satu dengan wilayah
lainnya. Misaln- ya saudara ingin membandingkan pencapaian pertolongan persalinan
oleh tenaga kesehatan di wilayah kerja Puskesmas X, maka saudara akan mem-
bandingkan dari data yang tersedia antara wilayah di Puskesmas X tersebut. Dari
analisis perbandingan ini maka saudara akan men- elusuri lebih jauh penyebab
8 tidak
tercapainya pertolongan persalinan oleh tenaga kesehatan di Puskesmas X
tersebut yang selanjutnya dapat dijadikan sebagai dasar dalam pengambilan
keputusan atau penetapan kebijakkan kesehatan.
b. Analisis kecenderungan yaitu dengan menganalisis waktu, misalnya Angka Ke-
matian Bayi (AKB) sejak 10 tahun yang lalu sampai sekarang tidak menunjukkan
perubahan yang bermakna.
c. Untuk perencanaan program kesehatan. Data dan hasil analisisnya dapat di-
jadikan dasar atau bahan acuan dalam perencanaan program kesehatan yang akan
datang.
d. Untuk membuat penelitian. Seperti telah dibahas dalam modul sebelumnya, bahwa
masalah penelitian harus didasarkan pada fakta atau bukti autentik yang terjadi di
lapangan, sehingga adanya kumpulan data ini sangat penting sebagai latar belakang
hal yang akan diteliti.
C. Ruang Lingkup Statistik
Mungkin pernah terbesit pertanyaan dalam pikiran saudara ketika menghadapi
banyaknya kom- plikasi kehamilan atau persalinan, misalnya sebagian besar ibu hamil
mengalami anemia, dan sebagian besar juga ibu yang bersalin di tempat saudara
mengalami Ke- tuban Pecah Dini (KPD). Mengapa demikian? Apakah ada hubungan
anemia dengan kejadian KPD?
Untuk menjawab pertanyaan di atas, saudara harus mempunyai pemahaman tentang
jenis atau ruang lingkup statistik yang sesuai dengan tujuan penelitian yang akan
saudara capai.
Baiklah, mari kita pelajari jenis atau ruang lingkup statistik di bawah ini.
Berikut saudara dapat melihat ruang lingkup statistik melalui gambar di bawah ini :
Gambar 1. Jenis Statistik
Saudara dapat amati bahwa statistik dibedakan menjadi dua, yaitu
statistik deskriptif dan
9 Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul 9
statistik inferensial. Selanjutnya statistik inferensial dibedakan menjadi statistik
parametrik dan non parametrik. Statistik deskriptif adalah statistik yang digunakan untuk
menggambarkan atau menganalisis suatu hasil penelitian, tetapi tidak digunakan
untuk membuat kesimpulan yang lebih luas (generalisasi/infer- ens). Jadi statistik
deskriptif hanya berfungsi menguraikan atau men- erangkan keadaan atau fenomena.
Berikut contoh-contoh pernyataan yang termasuk dalam cakupan statistik deskriptif.
1. Sekitar 50% ibu hamil di Pusk- esmas A mengalami hiperem- esis pada sampai usia
kehamilan trimester 2.
2. Tingkat kepatuhan ibu hamil dalam mengkonsumsi zat besi cukup rendah, hal ini
disebabkan hampir 80% ibu mengeluh mual pada saat meminum zat
Deskriptif
besi.
Statistik
Parametrik
Baik, coba buatlah pernyataan jenis statistik deskriptif berdasarkan ka-
Inferensial
sus pada kotak dialog di atas!
Nonparametrik
........................................................................
........................................................................
..................................................................
..................................................................
.................................................................
Iya benar, apabila saudara menjawab sebagai berikut :
1. 60% ibu hamil di Polindes Desa
X menderita anemia.
2. 40% ibu yang bersalin di Polindes Desa X mengalami KPD.
Baiklah, kita lanjutkan ke jenis statistik inferensial. Statistik inferensial adalah statistik
yang digunakan untuk menganalisis data sampel, dan hasilnya akan digener-
alisasikan (diinfererensikan) untuk populasi di mana sampel diambil. Misalnya dalam
penelitian tentang survey soasial ekonomi (SUSENAS), dilakukan pengambilan sampel
sesuai dengan blok sensus yang ter- pilih. Hasil-hasil yang didapatkan pada sampel
penelitian SUSENAS tersebut merupakan gambaran sosial ekonomi Indonesia. Dengan
metode statistik inferensial kita juga dapat mengevaluasi informasi yang telah kita
kumpulkan menjadi suatu pengetahuan baru, seperti kita ingin mengetahui apa saja
fak- tor risiko yang dapat menurunkan risiko penyakit jantung koroner, bagaimana
efektifitas suatu vaksin baru pencegah flu burung, dan sebagainya. Berikut ini
contoh-contoh pernyataan topik kebidanan yang termasuk dalam cakupan statistik
inferensial.
10 1.
Penatalaksanaan IMD akan mempengaruhi keberlangsun- gan asi ekslusif.
2. Perilaku menikah usia dini akan berdampak pada terjadinya kanker serviks.
Baik, silahkan saudara merumus- kan pernyataan sesuai dengan kasus di atas dalam
lingkup statistik inferensial !
.....................................................................
.....................................................................
.....................................................................
Iya benar, bila saudara menjawab sebagai berikut :
“Anemia pada ibu hamil berpen- garuh terhadap kejadian KPD” atau “Ada hubungan
anemia pada ibu hamil dengan kejadian KPD”.
Kita lanjutkan ke jenis statistik berikutnya. Berdasarkan bentuk distribusi data, maka
statistik dibagi dua yaitu statistik parametrik dan statistik non parametrik. Statistik
parametrik digunakan untuk menganalisis data interval atau rasio, yang diambil dari
populasi yang berdistribusi normal. Statistik parametrik biasanya menggunakan jumlah
sampel yang cukup besar. Sedangkan statistik non parametr-
ik, digunakan untuk menganalisis data nominal dan ordinal dari populasi yang bebas
distribusi dan jumlah sampel relatif kecil. Untuk lebih jelas saudara akan pelajari pada
kegiatan belajar tiga karena sangat berkaitan dengan uji statistik yang akan digunakan.
D. Tahapan Statistik
Seperti telah disinggung pada pengertian statistik, maka saudara sudah dapat
mempekirakan kegiatan atau tahapan statistik meliputi apa saja. Tahapan statistik
meliputi pengumpulan data, pengolahan data, analisa data dan penyajian data.
Tahapan pertama yaitu pengumpulan data. Hal-hal yang perlu diperhatikan dalam
pengumpulan data adalah jenis data yang sangat tergantung pada tujuan penelitian,
cara pengambilan data yang juga dipengaruhi oleh jenis datanya, dan alat ukurnya,
dapat beupa kuesioner, angket, lembar observasi, dan lain-lain.
Tahapn ke dua yaitu pengolahan data. Pengolahan data ini juga terdiri dari lima
tahapan, yaitu editing, coding, processing, cleaning dan transforming. Editing
merupakan kegiatan memeriksa kelengkapan isi kuesioner. Editing ini sebaiknya
dilakukan di
lapangan, sehinnga bila terjadi kesalahan atau keti- dak jelasan bisa langsung bertemu
kembali dengan respondennya untuk memberikan klarifikasi atau melengkapi
kuesioner. Coding merupakan kegiatan mengkode ulang dari bentuk huruf ke bentuk
angka yang tujuannya memudahkan dalam pengolahan data. Process- ing adalah
kegiatan memindahkan data dari kuesioner ke computer. Cleaning alah kegiatan
pengecek- kan kembali setelah data dientri ke computer. Dan transforming yaitu
kegiatan mengubah isi data ke dalam bentuk lain.
Tahapan statistik ke tiga adalah analisis data, yaitu memberi arti/ makna data. Analisis
data ini meliputi analisa univariat, analisa bivariat, dan analisa multivariate. Yang
akan dibahas pada modul ini hanya sampai analisis bivariat dengan uji statistik
terbatas.
Tahapan statistik terakhir adalah penyajian data, yaitu kegiatan menyajikan data hasil
analisis/ pengolahan yang tujuannya agar menarik dan mudah dipahami. Penyajian
data ini bisa berupa narasi, tabel ataupun grafik.
E. Data
suai dengan kebutuhan. Namun
Data adalah bentuk jamak dari da- tum. Data merupakan himpunan angka-angka yang
berasal dari hasil pengamatan atau pengukuran. Data merupakan keterangan-ket-
erangan tentang suatu hal, dapat berupa sesuatu yang diketahui atau anggapan
(asumsi) yang perlu diuji kebenarannya. Data setelah diproses akan menjadi sebuah
informasi. Data yang baik memenuhi syarat up to date, misalnya data
juga mempunyai kekurangan yaitu apabila data yang dikumpulkan cukup banyak dan
sasarann- ya adalah masyarakat, maka akan membutuhkan waktu, tenaga dan biaya
yang cukup besar. Sebalikn- ya, pengumpulan data sekunder mempunyai keuntungan
dalam hal waktu, tenaga dan biaya yang relatif kecil, tetapi sering kali datanya tidak
lengkap atau data yang dibutuhkan tidak tersedia.
rekam medis maksimal adalah 5
Berdasarkan bentuknya, ma- tahun ke belakang, data KLB setiap
cam-macam data dapat digambar- hari harus terpantau, dan lain-lain.
kan pada gambar berikut: Syarat data lainnya adalah akurat. Yang dikatakan akurat bila
suatu
Kualitatif /
data memenuhi kaidah validitas
Katagorik
dan reliabilitas. Validitas adalah data yang diperoleh dengan alat
Jenis Data ukur yang sebenarnya/terstandar, sedangkan reliabilitas adalah data
Kuantitatif
Diskrit
yang konsisten, maksudnya adalah
/ Numerik
meskipun diukur berulang-ulang, hasilnya tetap sama.
Kontinum
Menurut sumbernya, data dapat
Gambar 2. Jenis Data
dibagi menjadi data primer dan data sekunder. Data primer adalah data yang
diperoleh langsung
Berdasarkan bentuknya, data dike-
dari responden, sedangkan data
lompokkan menjadi dua, yaitu data
sekunder adalah data yang diper-
kualitatif/katagorik dan data kuan-
oleh dari data yang sudah dido-
titatif. Data kualitatif/katagorik ada-
kumentasikan atau dipublikasikan.
lah data yang berbentuk kalimat,
Data primer mempunyai keuntun-
kata atau gambar. Sedangkan data
gan data yang dikumpulkan se-
kuantitatif/numerik adalah data
12
yang berbentuk angka, atau data kualitatif yang diangkakan (skor- ing). Data kuantitatif
dapat dikelompokkan menjadi dua yaitu data diskrit d an data kontinum. Data diskrit
adalah data yang diperoleh dari hasil menghitung atau mem- bilang. Misalnya jumlah
ibu hamil ada 20 orang, bayi 10 orang, dan seterusnya. Sedangkan data kontinum
diperoleh dari hasil mengukur, misalnya tinggi badan adalah data yang diperoleh
dengan cara mengukur tinggi badan menggunakan satuan meter, berat badan adalah
data yang diperoleh dengan cara menimbang, Hb adalah data yang diperoleh dengan
mengukur kadar Hb, dan lain sebagainya.
F. Variabel
Pengaruh anemia terhadap perdarahan post partum. Dari topik tersebut,
manakah variabel penelitiannya?
Tentunya saudara dapat menjawab pertanyaan di atas, dan topik ini telah dipelajari
pada Modul 1.
Marilah kita simak uraian materi tentang variabel berikut ini.
Menurut Hartch dan Farhady dalam Sugiyono (2009), variabel didefi-
13 nisikan sebagai atribut seseorang, atau obyek, yang mempunyai variasi antara satu
orang dengan yang lain atau satu obyek dengan obyek yang lain. Tinggi badan, berat
badan, sikap, motivasi, kepemi- mpinan, disiplin kerja, merupakan atribut-atribut dari
setiap orang. Berat, ukuran, bentuk, dan war- na merupakan atribut-atribut dari obyek.
Dinamakan variabel karena sifatnya bervariasi. Misalnya berat badan dikatakan
variabel, karena berat badan sekelompok orang itu bervariasi antara satu orang den-
gan yang lain. Demikian juga motivasi, persepsi dapat juga dikatakan sebagai variabel
karena motivasi dan persepsi pada sekelompok orang pasti akan berbeda-beda.
Variabel yang tidak ada variasinya bukan dikatakan sebagai variabel.
Kerlinger dalam buku Sugiyono (2009) menyatakan variabel sebagai konstruk
(constructs) atau sifat yang akan dipelajari. Kerlinger juga menyatakan bahwa variabel
dapat dikatakan sebagai suatu sifat yang diambil dari suatu nilai yang berbeda
(different values). Dengan demikian variabel itu merupakan suatu yang bervariasi.
Ber- dasarkan pengertian-pengertian di atas, maka dapat dirumuskan bahwa variabel
adalah suatu sifat yang akan diukur atau diamati yang nilainya bervariasi. Variabel
mempunyai ciri-ciri antara lain :
G. Pengukuran mempunyai nama, merupakan sifat suatu objek pengamatan, mempu-
nyai definisi operasional, dapat diukur, dan nilainya bervariasi.
Berbicara tentang pengukuran tidak dapat terlepas dari instrumen atau alat ukur.
Instrumentasi adalah proses pemilihan atau metode alat ukur yang tepat dalam rangka
Sekarang bagaimana jawaban saudara dari topik penelitian yang tertera pada kotak
dialog di atas?
pembuktian kebenaran hipotesis. Sedangkan pengukuran merupakan kegiatan
lanjutan dari instrumentasi dalam mengungkap kes-
..................................................
eluruhan realitas kebenaran.
dan............................................
Pengukuran dapat di bagi menja-
.......................................................
di dua yaitu, pengamatan kualitatif dan pengamatan kuantitatif. Pen-
Iya benar, bila saudara menjawab anemia dan perdarahan pot partum. Mengapa
demikian?
gamatan kualitatif ialah penetapan atau identifikasi terhadap adanya (atau tidak
adanya) nilai nominal variabel tertentu pada suatu sub-
Coba saudara telaah kembali, ane-
yek. Pengamatan kuntitatif ialah
mia merupakan hasil pengukuran
penetapan atau identifikasi besar
dari kadar Hb dan hasilnya pada
kecilnya (magnitude) nilai variasi
sekolompok ibu hamil bervariasi,
suatu variabel atau kuantifikasi ter-
ada yang anemia dan ada yang ti-
hadap variasi nilai dari suatu varia-
dak anemia. Sehingga anemia dika-
bel. Pengukuran kualitatif maupun
takan sebagai variabel. Demikian
kuantitatif, keduanya harus berpi-
juga perdarahan post partum mer-
jak pada kaidah pokok penguku-
upakan hasil pengamatan terhadap
ran, yaitu objektivitas, validitas dan
jumlah perdarahan setelah persa-
reliabilitas. Tiga kaidah ini yang
linan dan hasilnya bervarisi, ada
merupakan petunjuk bagi peneliti
yang dikatagorikan perdarahan
untuk mendekatkan data hasil pe-
post partum dan ada yang normal,
nelitiannya dengan realitas yang
sehingga perdarahan post partum
sesungguhnya.
juga dikatakan sebagai variabel.
Objektivitas berarti bahwa pengukuran yang dilakukan benar-benar terbebas dari
bias peneliti, sehingga menghasilkan data menurut
14
“apa adanya”. Bias di sini dapat berupa kecondongan pada perkiraan atau harapan
peneliti, maupun kecondongan pada kenyataan umum (yang biasa terjadi). Validitas
mempertanyakan “apakah pengukuran yang dilakukan benar-benar mengukur apa
yang memang dikehen- daki untuk diukur, atau adakah ket- ergayutan antara metode
dan alat ukur dengan obyek ukur. Contoh, kalau kita akan mengukur kekuatan otot,
apakah pengukuran yang kita lakukan benar-benar mengukur kekuatannya dan bukan
ketahan- annya atau derajat kontraksinya. Reliabilitas akan mempertanyakan akurasi,
konsistensi atau stabili- tas pengukuran. Data yang relia- bel berarti data yang
benar-benar mencerminkan nilai yang sesungguhnya dari variabel yang diukur.
Karena kemutlakan yang demikian sukar terjadi, maka secara lebih re- alistis dikatakan,
bahwa reliabilitas pengukuran ditentukan oleh kese- dikitan terjadinya skor yang salah.
Mari kita simak kasus berikut :
Si “A” memiliki berat badan 68 kg pada saat ditimbang dengan menggunakan
timbangan standar penelitian. Di sebuah mall si “A” melakukan penimbangan dan
hasilnya beratnya adalah 75 kg. Karena kurang percaya dengan
15 hasilnya,si A melakukan penimbangan lagi di timbangan yang sama di mall
tersebut dan beratnya tetap 75 kg.
Contoh di atas menggambarkan timbangan di mall memiliki reliabilitas yang baik
(hasilnya selalu konsisten), tetapi validitas buruk (tidak mengukur hal yang
sebenarnya).
Dalam pengukuran ada yang dise- but skala ukur atau tingkat pengukuran variabel,
yaitu sifat variabel yang diukur, apakah merupakan skala nominal, ordinal, interval
ataukah rasio. Skala nominal merupakan pengukuran yang paling lemah tingkatannya
dan digunakan untuk mengelompokkan atau mengklasifikasikan dan hanya berfungsi
sebagai pembeda. Con- toh data dengan skala ukur nominal adalah agama, suku
bangsa, dan lain-lain. Skala ukur ordinal adalah skala ukur yang berjenjang atau
berbentuk peringkat. Mis- alnya data pendidikan orang tua dikatagorikan menjadi SD,
SLTP, SLTA dan Perguruan Tinggi. Ska- la ukur interval adalah skala dengan kriteria
mempunyai jarak yang sama, tetapi tidak mempunyai nilai nol absolute (mutlak). Pada
skala ini, walaupun datanya nol, tetapi masih mempunyai nilai. Misalnya nol derajat
Celcius, ternyata masih ada nilainya. Skala ukur rasio ada-
lah skala ukur yang jaraknya sama
contoh data dengan skala ukur ra- dan mempunyai nilai nol absolut.
sio. Bila nol meter maka tidak ada Skala ukur rasio ini merupakan ska-
panjangnya, demikian juga bila nol la yang tertinggi. Hasil penguku-
kg tidak ada beratnya. ran panjang (M), berat (Kg) adalah
Tabel 1. Skala Ukur
No Sifat Skala Nominal Ordinal Interval Ratio
1.2.3.4.
16 Pengelompokkan pengamatan Ya YaYaYaUrutan pengamatan dapat dilakukan
Tidak
Ya YaYaJarak antara kelompok dapat ditentukan

Tidak
Tidak
Ya YaPerbandingan antara kelompok

Tidak
Tidak
Tidak
Ya
Skala ukur dari yang terendah sampai tertinggi yaitu nominal, ordinal, interval dan rasio.
Skala ukur tertinggi dapat dapat di ubah menjadi skala ukur yang lebih rendah dengan
cara mengelompokkan, sebaliknya skala ukur yang rendah tidak dapat diubah menjadi
skala ukur yang tinggi. Misalnya kita mengumpulkan data umur ibu hamil dari 10 orang
dengan skala ukur rasio, maka contoh hasilnya yaitu : 27, 25, 19, 28, 37, 17, 39, 26, 29,
30. Data tersebut dapat kita jadikan skala ukur ordinal dengan cara mengelompokkan.
Sebagai contoh data umur ibu hamil tersebut dikelompokkan menjadi ibu hamil
dengan umur reproduksi sehat dan umur ibu hamil risiko tinggi (<20 tahun dan >35
tahun). Sehingga bila kita hitung jumlah untuk masing-masing kelompok diperoleh 6
orang ibu hamil dengan umur reproduksi sehat dan 4 orang umur ibu hamil rsiko tinggi.
Rangkuman
Dari uraian di atas dapat disimpulkan bahwa biostatistika atau statistika kesehatan
adalah data atau informasi yang berkaitan dengan masalah kesehatan. Biostatistik
sangat kerap digunakan dalam bidang kesehatan termasuk di pelayanan kebidanan,
yang berfungsi sebagai dasar dalam pengambilan keputusan atau penetapan
kebijakkan. Jenis statistik yang digunakan sangat tergantung pada tujuan penelitian
yang akan dicapai. Hal utama yang mebedakan jenis statistik
17 deskriptifdan statistik inferensial adalah pada statistik destkriptif tidak ada kegiatan
mengeneralisasi dari sampel ke populasi, namun pada statistik inferensial generalisasi
dari sampel ke populasi mutlak dilakukan. Penggu- naan data dan penentuan variabel
penelitian juga sangat dipengaruhi oleh tujuan penelitian yang ditetapkan oleh peneliti,
begitu juga penentuan skala ukur akan tergantung pada hipotesis yang ditetapkan oleh
peneliti.
TUJUAN Pembelajaran Khusus

Kegiatan Belajar II
Uji Hipotesis
Setelah mempelajari kegiatan belajar 2 ini, saudara diharapkan mampu melakukan uji
TUJUAN
hipotesis. Pembelajaran Umum
1. Menjelaskan pengertian hipotesis dan uji hi-

potesis
2. Menjelaskan jenis hipotesi
3. Menjelaskan kesalahan pengambilan keputu-
san dan tingkat kemaknaan
4. Menentukan jenis uji statistik
5. Mengidentifikasi perbedaan substansi/klinis
dengan statistik
6. Menjelaskan prosedur hipotesis
7. Melakukan aplikasi uji hipotesis dengan kasus
Kegiatan Belajar II
Uji Hipotesis
POKOK Materi
1. Pengertian hipotesis dan uji hipotesis,
2. Jenis hipotesis
3. Kesalahan pengambilan keputusan dan
tingkat kemaknaan,
4. Jenis uji statistik,
5. Perbedaan substansi/klinis dengan statistik,
6. Prosedur hipotesis,
7. Aplikasi uji hipotesis dengan kasus.
Uraian Materi
Baiklah, kini saudara akan belajar tentang penarikan kesimpulan terhadap parameter
populasi melalui pengujian hipotesis. Pada modul 1, telah dibahas sedikit tentang
hipotesis ini. Dan sekarang marilah kita bahas kembali tentang uji hipotesis lebih
detail.
Dalam statistik, hipotesis dapat diartikan sebagai pernyataan statistik tentang
parameter populasi. Statistik adalah ukuran-ukuran yang dikenakan
, dan parameter
pada sampel (x= rata-rata; s= standar deviasi;
s2 = varians) adalah
ukuran-ukuran yang dikenakan pada populasi (μ = rata-rata; σ = standar deviasi; σ2 =
varians). Pengujian hipotesis dapat berguna untuk mem- bantu tentang pengambilan
keputusan terhadap hipotesis yang diajukan, seperti adanya perbedaan atau
hubungan dua variabel tersebut cukup meyak- inkan untuk ditolak atau tidak ditolak.
Keyakinan ini didasarkan pada besarnya peluang untuk memperoleh hubungan
tersebut secara kebetulan (by chance). Semakin kecil peluang adanya kebetulan,
semakin besar keyakinan bahwa hubungan tersebut memang ada. Sebagai contoh,
seorang peneliti masalah tindakan kebidanan, apakah manajemen aktif kala III
memberikan dampak pada pencegahan perdarahan
25 postpartum? Untuk menjawab pertanyaan ini, maka perlu dilakukan pengujian
hipotesis. Dengan pengujian hipotesis akan diperoleh suatu kesimpulan secara
probabilistik tentang apakah manajemen aktif kala III memberikan dampak pada
pencegahan perdarahan post partum atau sebaliknya.
Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel (data hasil
penelitian) dengan nilai hipotesis (nilai populasi) yang diajukan. Peluang untuk
diterima dan ditolaknya suatu hipotesis tergantung besar kecilnya perbedaan antara
nilai sampel dengan nilai hipotesis. Bila perbedaan tersebut cukup besar, maka peluang
untuk menolak hipotesis juga besar. Sebaliknya bila perbedaan tersebut kecil, maka
peluang untuk menolak hipotesis menjadi kecil. Jadi semakin besar perbedaan antara
nilai sampel dengan nilai hipotesis, semakin besar untuk menolak hipotesis. Dan kesim-
pulan yang didapat dari hasil pengujian hipotesis ada dua kemungkinan, menolak
hipotesis dan menerima hipotesis (gagal menolak hipotesis).
A. Pengertian Hipotesis
adalah merupakan hipotesis, dan
Hipotesis berasal dari kata hupo dan thesis. Hupo a
rtinya semen-
untuk megetahui jawabannya harus dibuktikan melalui uji hipotesis.
tara/lemah kebenarannya dan thesis artinya pernyataan/teori. Dengan demikian
erarti
hipotesis b
B. Jenis Hipotesis
pernyataan sementara yang perlu
Jenis hipotesis dapat dilihat pada diuji kebenarannya. Untuk menguji
bagan berikut : kebenaran sebuah hipotesis digunakan pengujian yang disebut uji
Hipotesis Nol (Ho)
hipotesis.
Hipotesis
Dalam kehidupan kita sehari-hari, tanpa kita sadari bahwa hipotesis

Satu sisi Hipotesis Alternatif (Ha)
ini sering kita lakukan. Misalnya

Dua sisi
ketika kita akan berangkat kerja dengan cuaca hujan, dimana daer-
Gambar 3. Jenis Hipotesis
ah yang kita lewati adalah rawan banjir. Maka kita akan menduga-duga apakah saat
ini tergenang
Hipotesis Nol (Ho) adalah hipote-
banjir atau tidak yang dapat
sis yang menyatakan tidak ada
menghambat perjalanan menuju
perbedaan kejadian antara kedua
tempat kerja. Sehingga bila kita in-
kelompok. Atau hipotesis yang
gin mengetahui banjir atau tidak,
menyatakan tidak ada hubungan
maka harus di buktikan dengan
antara variabel satu dengan vari-
mendatangi jalan menuju tempat
abel lain. Berikut contoh hipotesis
kerja tadi. Demikian juga di ke-
nol:
bidanan, mungkin saudara pernah
a. Tidak ada perbedaan berat menduga-duga tentang mengapa
badan bayi antara bayi yang sebagian besar ibu hamil mender-
dilahirkan dari ibu yang ane- ita anemia. Dan pemikiran sauda-
mia dengan bayi yang dilahir- ra akan berkembang ke arah yang
kan dari ibu yang tidak anemia. perlu digali, misalnya apakah karena pola makan yang
tidak baik atau
b. Tidak ada hubungan berat
ibu hamil ini tidak mau meminum
badan bayi dengan anemia
zat besi yang diberikan oleh petu- gas. Pemikiran-pemikiran tersebut
26
Hipotesis Alternatif (Ha) merupakan pernyataan terbalik dari hipotesis nol, yaitu
hipotesis yang menyatakan ada perbedaan kejadian antara kedua kelompok. Atau
hipotesis yang menyatakan ada hubungan antara variabel satu dengan variabel lain.
Berikut contoh hipotesis alternatif :
a. Ada perbedaan berat badan bayi antara bayi yang dilahirkan dari ibu yang anemia
dengan bayi yang dilahirkan dari ibu yang tidak anemia.
b. Ada hubungan berat badan bayi
dengan anemia
Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah (one
tail) atau dua arah (two tail). Hipotesis alternatif satu sisi adalah bila hipotesis alter-
natifnya menyatakan adanya perbedaan dan ada pernyataan yang mengatakan hal
yang satu lebih tinggi/rendah daripada hal yang lain. Sebagai contoh, berat badan
27 bayidari ibu hamil anemia lebih kecil dibandingkan berat badan bayi dari ibu hamil
yang tidak anemia. Hipotesis alternatif dua sisi adalah hipotesis alternatif yang hanya
menyatakan perbedaan tanpa melihat apakah hal yang satu lebih tinggi/rendah dari
hal yang lain. Sebagai contoh, berat badan bayi dari ibu hamil yang anemia berbeda
dibandingkan berat badan bayi dari ibu hamil yang tidak anemia.
C. Kesalahan Pengambilan Keputusan
dan Tingkat Kemaknaan
Dalam pengujian hipotesis kita selalu dihadapkan suatu kesalahan pengambilan
keputusan. Hal ini disebabkan karena hampir seluruh penelitian menggunakan sampel
dan sangat sulit bahkan tidak mungkin melakukan observasi pada seluruh populasi.
Ada dua jenis kesalahan pengambilan keputusan dalam uji statistik, yaitu kesalahan
tipe I (α) dan kesalahan tipe II (β).
Tabel 2. Kesalahan Pengambilan Keputusan
Populasi
Keputusan Ho benar
Ho salah Tidak menolak Ho
Menolak Ho
Benar (1-α)
Kesalahan Tipe I (α)
Kesalahan Tipe II (β)
Benar (1-β)
Kesalahan tipe I (α) merupakan kesalahan menolak Ho, padahal sesungguhnya Ho
benar. Artinya menyimpulkan adanya perbedaan, padahal sesungguhnya tidak ada
perbedaan. Peluang kesalahan tipe I adalah α atau sering disebut tingkat
signifikansi/tingkat kemaknaan (significance level). Sebaliknya, peluang untuk tidak
membuat kesalahan tipe I adalah 1-α, yang disebut dengan tingkat kepercayaan (con-
fidence level). Dalam melakukan uji hipotesis nilai α (alpha) inilah yang digunakan untuk
menentukan apakah hipotesis nol ditolak atau gagal ditolak. Jadi Tingkat kemaknaan
atau nilai α dapat diartikan sebagai batas maksimal kita salah menyatakan adanya
perbedaan. Penen- tuan nilai α tergantung dari tujuan dan kondisi penelitian. Nilai α
yang sering digunakan adalah 10%, 5%, atau 1%. Untuk bidang kesehatan masyarakat
biasanya 5%, namun bila untuk pengujian obat-obatan atau penelitian klinik batas toler-
ansi kesalahan harus lebih kecil yaitu 1% karena mengandung risiko yang fatal.
Kesalahan tipe II (β) merupakan kesalahan tidak menolak Ho, padahal sesungguhnya
Ho salah. Artinya menyimpulkan tidak ada perbedaan, padahal sesungguhnya ada
perbedaan. Peluang untuk tidak membuat kesalahan tipe II adalah
28 sebesar 1-β, dan dikenal sebagai tingkat kekuatan uji (power of the test). Kekuatan
erupakan peluang untuk menolak Ho ketika Ho memang salah.
uji (power of the test) m
Atau dengan kata lain, kemampuan untuk mendeteksi adanya perbedaan bermakna
antara kelompok-kelompok yang diteliti ketika perbedaan-perbedaan itu memang ada.
D. Jenis Uji Statistik
Pengujian hipotesis sangat berhubungan dengan distribusi data populasi yang akan
diuji. Bila distribusi data populasi yang akan diuji berbentuk normal/simetris, proses
pengujian dapat digunakan dengan pendekatan uji statistik parametric. Sebaliknya bila
distribusi data populasi yang akan diuji berbentuk tidak normal atau tidak diketahui
distribusinya, dapat digunakan pendekatan uji statistik non parametric.
Kenormalan suatu data dapat dilihat juga dari jenis variabelnya, bila variabelnya
berjenis numeric/kuantitatif biasanya distribusi datanya mendekati normal/simetris,
sehingga dapat digunakan statistik parametric. Sedangkan bila jenis vatiabelnya
katagorik/kualitatif, bentuk distribusinya tidak normal,
sehingga jenis statistik yang dig- inakan adalah statistik non parametric. Selain itu
jumlah data yang dianalisis juga menentukan jenis uji statistik yang digunakan, bila jum-
lah datanya besar maka uji statistik parametric yang digunakan, namun bila jumlah
datanya kecil (<30) cenderung digunakan uji statistik non parametrik.
E. Perbedaan substansi/klinis dengan
statistik
Perlu dipahami bagi peneliti bahwa berbeda bermakna/signifikan secara statistik tidak
berarti bahwa perbedaan tersebut juga bermakna menurut subsatansi/klinik. Seper- ti
diketahui bahwa semakin besar sampel yang dianalisis akan semakin besar
menghasilkan kemungkinan berbeda bermakna. Dengan sampel besar
perbedaan-perbedaan sangat kecil bahkan tidak mempunyai manfaat secara sub-
stansi/klinis dapat berubah menjadi bermakna secara statistik. Oleh karena itu arti
kegunaan dari setiap penemuan jangan hanya dilihat dari aspek statistik semata,
namun harus juga dinilai kegunaannya dari segi klinis/substansi. Sebagai contoh
peneliti melakukan penelitian tentang pengaruh berat badan ibu hamil terhadap berat
badan bayi yang dilahirkannya. Secara statistik
hasil uji hipotesis
akan mengahsil- kan hubungan yang signifikan antara berat badan ibu hamil dengan
berat badan bayinya, namun secara substansi/klinis tidak demikian karena berat
badan bayi yang paling tepat adalah dengan mengukur tinggi fundus uteri saat hamil,
bukan berat badan ibu.
.
F. Prosedur Hipotesis
Langkah-langkah dalam pengujian hipotesis dapat adalah berikut ini :
1. Menetapkan hipotesis
Sauadara dapat menetapkan hipotesis nol (Ho) dan hipotesis alternatifnya (Ha)
berdasarkan hipotesis penelitian yang saudara buat. Sebagai contoh :
Ho : P1 = P2 (Tidak ada perbedaan berat badan bayi antara bayi yang dilahirkan dari
ibu yang anemia dengan bayi yang dilahirkan dari ibu yang tidak anemia)
Ha : P1 ≠ P2 (ada perbedaan berat badan bayi antara bayi
yang dilahirkan dari ibu yang anemia dengan bayi yang dilahirkan dari ibu yang tidak
anemia)
2. Menentukan uji statistik yang
sesuai
Ada beragam jenis uji statistik yang dapat digunakan. Setiap uji statistik mempunyai
persyaratan tertentu yang harus dipenuhi. Oleh karena itu, harus digunakan uji
statistik yang tepat sesuai dengan data yang diuji. Jenis uji statistik sangat tergantung
pada :
a. Jenis variabel yang akan di-
analisis
b. Jenis data apakah dependen
atau independen
c. Jenis distribusi data popu-
lasinya
Sebagai gambaran, jenis uji statistik untuk mengetahui perbedaan rata-rata akan
berbeda dengan uji statistik yang digunakan untuk mengetahui proporsi/persentase.
Uji beda rata-rata menggunakan uji T atau
30 anova sedangkan uji statistik untuk mengetahui perbedaan proporsi digunakan uji kai
kuadrat.
3. Menentukan tingkat kemak-
naan
Seperti telah dibahas di atas, bahwa penentuan nilai α (alpha) tergantung pada tujuan
penelitian. Untuk bidang kesehatan masyarakat termasuk pelayanan kebidanan
biasanya menggunakan nilai α 5%.
4. Penghitungan uji statistik
Penghitungan uji statistik adalah menghitung data sampel ke dalam uji hipotesis yang
sesuai. Misalnya, kalau ingin menguji perbedaan proporsi antara dua kelompok, data
hasil pengukuran dimasukkan ke rumus uji kai kuadrat. Dari hasil perhitungan tersebut
kemudian dibandingkan dengan nilai populasi untuk mengetahui apakah ditolak atau
gagal menolak hipotesis.
5. Keputusan Uji Statistik
Hasil pengujian statistik akan menghasilkan dua kemungk-
inan keputusan, yaitu menolak hipotesis nol dan gagal menolak hipotesis nol.
Keputusan uji statistik dapat menggunakan dua pendekatan, yaitu pendekatan klasik
dan pendekatan probablistik.
Pendekatan klasik adalah keputusan uji statistik yang dilakukan dengan cara
membandingkan nilai perhitungan uji statistik dengan nilai pada tabel. Nilai tabel
yang dilihat sesuai dengan jenis distribusi uji yang kita lakukan. Besarnya nilai tabel
sangat tergantung dari nilai alpha (α) yang kita gunakan dan juga tergantung pada arah
hipotesisnya, satu sisi (one tail) atau dua sisi (two tail). Kriteria dalam memutuskan
apakah hipotesis nol ditolak atau gagal ditolak adalah :
• Bila nilai perhitungan uji statistk lebih besar dibandingkan nilai tabel (nilai perhitungan
> nilai tabel), maka keputusannya Ho ditolak.
• Bila nilai perhitungan uji statistk lebih kecil dibandingkan nilai tabel (nilai perhitungan <
nilai tabel), maka keputusan-
nya Ho gagal
ditolak. Pendekatan probabilistik adalah keputusan uji statistik dengan cara
membandingkan nilai P dengan nilai alpha (α). Ketentu- an yang berlaku adalah
sebagai berikut :
• Bila nilai P < nilai α, maka keputusannya Ho ditolak
• Bila nilai P > nilai α, maka keputusannya Ho gagal ditolak
Nilai P merupakan nilai yang menunjukkan besarnya peluang salah menolak Ho dari
data penelitian. Harapan kita nilai P adalah sekecil mungkin. Den- gan nilai P kecil, kita
yakin bahwa adanya perbedaan pada hasil penelitian menunjukkan pula adanya
perbedaan di populasi.
G. Aplikasi Uji Hipotesis dengan Kasus
Baiklah, setelah mempelajari konsep uji hipotesis di atas, marilah kita berlatih
menerapkan uji hipotesis. Dalam aplikasi uji hipotesis ini kita hanya akan membahas
atau melakukan latihan pada uji beda rata-rata satu sampel. Tujuan pengujian pada
ujian beda rata-rata satu sampel adalah mengetahui perbedaan rata-rata populasi
den-
gan rata-rata data sampel peneli-
darah sistolik wanita tian. Berdasarkan ada tidaknya nilai
dewasa normal ada- σ (baca : tho), maka jenis uji beda
lah 120 mmHg den- rata-rata satu sampel dibagi dua
gan standar deviasi 30 jenis :
mmHg. Seorang pe-
1. Bila nilai σ diketahui, digunakan
uji Z, rumusnya :
neliti telah melakukan pengukuran tekanan darah ibu hamil sebanyak 49 orang. Dari
hasil
Z =

xσ
μ pengukuran tersebut diperoleh rata-rata 130 mmHg. Peneli- ti ingin menguji apa-
n−
Bila nilai σ tidak diketahui, digu-
kah tekanan darah ibu nakan uji t, rumusnya :
hamil berbeda dengan tekanan darah wanita dewasa normal?
s
nP enyelesaian :
Tekanan darah sistolik normal (μ) = 120 mmHg
Standar deviasi populasi (σ) = 30 mmHg
Tekanan darah sistolik sampel
(x) = 130 mmHg
Jumlah sampel (n) = 49
Proses pengujian :
1) Menetapkan hipotesis
Ho : μ = 120
Tidak ada perbedaan rata-ra-
− μ
32 Z=1,96 t = x df ; n-1
Keterangan :
x = rata-rata data sampel
μ = rata-rata populasi
σ = standar deviasi data populasi
s = standar deviasi data sampel
n = jumlah sampel yang diteliti
Marilah kita berlatih dengan kasus berikut :
Soal 1. Diketahui bahwa tekanan
ta tekanan darah sistolik
5) Keputusan uji statistik wanita dewasa normal dengan tekanan darah sistolik ibu
hamil
Setelah diperoleh nilai statistik, selanjutnya adalah menentukan keputusan Ha : μ ≠
120
uji statistik yaitu menolak
Ada perbedaan rata-rata tekanan darah sistolik wanita dewasa normal dengan
tekanan sistolik darah ibu hamil
Ho atau gagal menolak Ho. Seperti telah dibahas di atas bahwa ada dua cara untuk
menentukan keputusan uji statistik tersebut, yaitu dengan pendekatan klasik atau
pendekatan probablistik.
2) Menetepkan tingkat kemak-
Sebelum latihan menggu- naan nakan kedua pendekatan tersebut, saya akan men- α =
5%
jelaskan tentang kurve distribusi normal terlebih dahulu. Silahkan perhatikan kurve di
3) Pemilihan uji statistik
bawah ini :
Berdasarkan data pada kasus maka akan membandingkan rata-rata tekanan darah
pada wanita dewasa normal dengan tekanan darah ibu hamil dan standar deviasi
populasi diketahui, sehingga digunakan pendekatan uji Z.
4) Perhitungan uji statistik
Z =

xσ
μ n
20
33 − Z =
130

− 120 = 3,2

49
-Z 0,0 Z
Nilai probabilistas/peluang pada kurve di atas terentang pada 0 – 1 dan memiliki enam
nilai Z yaitu 1Z, 2Z, 3Z, -1Z, -2Z dan -3Z. Sehingga setengah kurve nilai proba-
bilitasnya adalah 0,5. Tanda positif dan minus hanya untuk menunjukkan arah pada
kurve.
Baiklah marilah kita berlatih menggunakan kurve dan tabel distribusi normal.
a. Pendekatan klasik
Berdasarkan Ha yang kita tetapkan, berarti kita melakukan uji hipotesis dua sisi (two
tail). Sehingga alpha (α) yang kita tetapkan harus dibagi dua, yaitu semula 0,05 (5%)
menjadi 0,025. Un- tuk mencari nilai Z di tabel kurva normal harus diketahui nilai
peluangnya, yaitu 0,05-0,025=0,475, maka nilai tabel kurva normalnya
34 adalahZ=1,96. Silahkan lihat gambar berikut :
Setelah memperoleh nilai Z tabel (1,96), maka kita bandingkan dengan nilai Z hasil
perhitungan (Z hitung = 2,33). Terlihat bahwa Z hitung lebih besar dari Z tabel (2,33 >
1,96). Maka keputusannya adalah Ho ditolak, artinya secara statistik ada perbedaan
yang signifikan rata-rata tekanan darah sistolik wanita dewasa normal dengan tekanan
darah sistolik ibu hamil.
b. Pendekatan probabilistik
Pada pendekatan ini kita harus mencari nilai P untuk dibandingkan dengan nilai α.
Caranya hampir sama dengan di atas yaitu dengan melihat tabel kurve distribusi
normal.. Dari nilai Z hitung = 2,33 kita konver- si ke nilai peluang menjadi 0,4901. Lihat
cara penggunaan tabelnya.
Setelah nilai peluang dari tabel diketahui, maka nilai p nya adalah 0,5- 0,4901=0,0099.
Namun perlu diketahui bahwa nilai peluang pada kurva normal merupakan nilai one
35 tail.
Sehingga pada latihan ini, karena bentuk Ha yang ditetapkan adalah two tail,
maka nilai P harus dikalikan 2, dan hasilnya adalah 2 x 0,0099 = 0,0198. Jadi nilai p =
0,0198. Selanjutnya kita bandingkan dengan α yang telah ditetapkan yaitu 0,05. Karena
nilai p lebih kecil dari α (0,0198 < 0,05), sehingga kita memutuskan Ho ditolak.
Dengan demikian dapat disimpulkan bahwa pada α 5% secara statistik tekanan darah
sistolik pada ibu hamil berbeda dibandingkan dengan tekanan darah wanita dewasa
normal.
Soal 2. Diketahui bahwa tekanan darah sistolik wanita dewasa normal adalah 120
mmHg. Peneliti tidak mengetahui standar deviasi populasi serta hanya mengambil 25
sampel ibu hamil, maka standar deviasi populasi diperkirakan memakai standar
deviasi sampel, dan didapatkan standar deviasi sampel 20 mmHg dan rata-rata
tekanan darah sistolik ibu hamil 130 mmHg. Lakukan uji hipotesis untuk data tersebut.
Penyelesaian :
Tekanan darah sistolik normal (μ) = 120 mmHg
Standar deviasi sampel (s) = 30 mmHg
Tekanan darah sistolik sampel (
x) = 130 mmHg
Jumlah sampel (n) = 25
Proses pengujian :
1) Menetapkan hipotesis
Ho : μ = 120
Tidak ada perbedaan ra-
ta-rata tekanan
darah sistolik wanita dewasa normal dengan tekanan darah sistolik ibu hamil
Ha : μ ≠ 120
Ada perbedaan rata-rata tekanan darah sistolik wanita dewasa normal dengan
tekanan sistolik darah ibu hamil
2) Menetapkan tingkat kemak-
naan α = 5%
3) Pemilihan uji statistik
Berdasarkan data pada kasus maka akan membandingkan rata-rata tekanan darah
pada wanita dewasa normal dengan tekanan darah ibu hamil dan standar deviasi
populasi tidak diketahui, sehingga digunakan pendekatan uji t.
t =
s
df = n-1 → 25 – 1 = 24
x − n μ
lom menunjukkan nilai alpha (yang
t
30
= 130

− 25 120 = 67,1

nantinya digunakan untuk mencari nilai p. Perhatikan nilai alpha, semakin ke kanan,
semakin kecil. Angka dalam tabel menunjukkan 5) Keputusan uji statistik
nilai t tabel yang digunakan untuk
Hasil t = 1,67 dan df = 24, kemudian dicari nilai p den-
mengkonversi nilai t hitung. Jadi berapa nilai p pada soal latihan ini?
gan menggunakan tabel
Hasil t hitung diperoleh t=1,67, se- distribusi t. Lihat cara mem-
hingga nilai ini bila kita letakkan peoleh nilai p pada tabel
pada tabel dengan df 24, terletak distribusi t :
di antara nilai 1,318 dan 1,711. Se-
Tabel t terdiri dari kolom dan baris. Baris menunjukkan nilai DF dan ko-
lanjutnya kita lihat tabel ke atas ke kolom alpha. Terlihat bahwa nilai
t hitung = 1,67 berada diantara
p > 0,10. Kemudian kita banding- nilai alpha 0,10 dan 0,05. Sehingga
kan dengan nilai alpha yang trlah nilai p nya adalah lebih kecil dari
ditetapkan yaitu 0,05, dan terbukti 0,10 dan lebih besar dari 0,05 atau
bahwa nilai p lebih besar dari nilai dapat ditulis 0,05 < p < 0,10.
alpha. Maka dapat kita simpulkan
Karena tabel t merupakan jenis tabel untuk one tail, maka nilai p yang didapat harus
dikalikan dua, sehingga hasilnya adalah = 2 x 0,05 < p < 0,10 = 0,10 < p < 0,20. Jadi
nilai
bahwa Tidak ada perbedaan yang bermakna rata-rata tekanan darah sistolik wanita
dewasa normal dengan tekanan darah sistolik ibu hamil (p>0,10).
37
Rangkuman
Uji hipotesis merupakan salah satu cara dalam menarik kesimpulan terhadap
parameter populasi. Sehingga prinsip dari uji hipotesis ini adalah membandingkan
antara nilai sampel (data hasil penelitian) dengan nilai hipotesis (nilai populasi) yang
diajukan. Dalam uji hipotesis ini
38 selalu dihadapkan pada dua kesalahan, yaitu kesalahan tipe I (α) dan kesalahan
tipe II (β) dan tidak mungkin dapat dielakkan, namun dapat diminimalisir, sehingga
dalam melakukan uji hipotesis harus mengikiti prosedur atau kaidah secara benar.
TUJUAN
Setelah Pembelajaran Umum
mempelajari kegiatan belajar 3 ini, saudara diharapkan mampu melakukan analisa dan
penyajian data. 1. Menganalisis nilai tengah
2. Menganalisis nilai letak TUJUAN

3. Menganalisis nilai variasi
Pembelajaran Khusus
4. Melakukan perhitungan uji kai kuadrat
5. Melakukan perhitungan fisher exact
6. Mengidentifikasi jenis penyajian data
1. pengertian nilai tengah
POKOK
2. nilai letak,
3. nilai variasi,
Materi
4. uji kai kuadrat,
5. uji fisher exact
6. penyajian data.
Kegiatan Belajar III
Analisa dan Penyajian Data

Uraian Materi
A. Analisa Data
Dalam modul 1 telah dibahas tentang analisa data yang meliputi analisa univariat dan
analisa bivariat. Tujuan analisa data adalah untuk memberi makna data, agar orang
lain tahu informasi yang kita olah. Analisa univariat bertujuan untuk mendeskripsikan
masing-masing variabel. Metode yang digunakan pada analisis univariat ini adalah nilai
tengah, nilai letak dan nilai variasi. Sedangkan pada analisa bivariat bertujuan untuk
mengetahui hubungan atau perbedaan antara variabel. Pada analisis bivariat ini akan
dibatasi pada uji kai kuadrat dan fisher exact.
1. Nilai Tengah
Tentunya saudara sudah sangat terbiasa dengan menuliskan angka-angka yang
diwakili oleh nilai rata-rata. Ketika saudara diminta untuk menyebutkan jumlah ke-
lahiran per tahun setiap bulannya, pastinya saudara tidak akan menyebutkan jumlah
kelahiran setiap bulannya, tetapi saudara akan menyebutkan rata-rata jumlah ke-
lahiran per bulan. Dengan demiki-
45 an sebenarnya saudara setiap saat telah menggunakan nilai tengah ini. Jadi apakah
nilai tengah itu?
........................................................................
.....................................................................
.................................................................
.................................................................
Iya benar, apa bila saudara menjawab nilai tunggal yang dapat mewakili keseluruhan
nilai yang terdapat dalam kelompok data. Macam-macam nilai tengah yaitu rata-rata
hitung (mean), median dan modus.
a. Rata-rata hitung (mean)
Rata-rata hitung atau nama lainnya adalah mean merupakan ukuran nilai tengah yang
paling sering digunakan untuk menganalisis data. karena seringnya digunakan maka
rata-rata hitung sering hanya dise- but rata-rata atau mean. S
imbol yang digunakan
untuk rata-rata populasi adalah μ (mu) dan untuk rata-rata sampel digunakan simbol
x. Rata-rata hitung ialah jumlah semua hasil pengamatan (∑x) dibagi dengan
banyaknya pengamatan (n). Misalnya kalau kita mempunyai
n pengamatan yang terdiri dari x1,
maka sangat tidak tepat menggu- x2, x3 ..........xn, maka nilai rata-rata
nakan mean. adalah :

x=
xxx . ...321 + + + xn n
b. Median
Nilai tengah selanjutnya adalah Contoh : lima orang ibu hamil
median. Median adalah nilai ten- diperiksa kadar Hb-nya dan hasilnya
gah dari kelompok data yang telah adalah : 12, 14, 10, 13, 11, maka rata-
diurutkan (dari terkecil ke terbesar rata kadar Hb ibu hamil tersebut adalah
atau sebaliknya). Dengan kata lain :
median adalah nilai paling tengah
= 113101412
+ + + + 5
setelah data diurutkan. Nilai median disebut juga nilai letak. Posisi median adalah
= 12
:
Sifat dari mean adalah :
Nilai median adalah nilai pada posisi tersebut. Sebagai contoh lima 1) Merupakan
wakil dari keseluruhan
kadar Hb ibu hamil di atas bila dis- nilai
usun menurut besar kecilnya nilai, 2) Mean sangat dipengaruhi nilai
maka didapatkan susunan sebagai ekstrem, baik ekstrem kecil maupun
berikut,, 10, 11, 12, 13, 14. ekstrem besar 3) Nilai mean berasal dari semua nilai
Posisi median :, artinya nilai obser-
pengamatan
vasi ke-3 adalah letak median dan
4) Digunakan pada data kuantitatif
nilai mediannya adala 12g%.
5) Dapat dimanipulasi secara aljabar
Sifat median adalah dipengruhi oleh jumlah pengamatan, namun
Dengan demikian dapat kita sim-
tidak dipengaruhi oleh nilai pen-
pulkan bahwa kelebihan dari nilai
gamatan; sering digunakan pada
mean adalah benar-benar merupa-
distribusi yang miring; terpengaruh
kan wakil dari data pengamatan
oleh fluktuasi sampling, digunakan
karena nilai mean berasal dari ke-
pada data yang bersifat kuantitatif
seluruhan nilai pengamatan, se-
atau kwalitatif berskala ratio, inter-
dangkan kekurangannya adalah
val dan ordinal. Dengan demikian
nilai mean ini sangat dipengaruhi
bila kita jumpai data yang mempu-
nilai ekstrem, sehingga bila data
nyai nilai ekstrem, maka nilai ten-
kita mengandung nilai ekstrem,
gah yang tepat digunakan adalah
46
median, karena median tidak terpengaruh oleh nilai ekstrem.
c. Modus
Modus merupakan salah satu ukuran nilai tengah yang dinyatakan dalam frekuensi
terbanyak dari data kualitatif maupun data kuantitatif. Modus dapat pula dinyatakan
sebagai puncak dari suatu kurva. oleh karena itu, kita mengenal unimodal bila
puncaknya satu, bimodal bila puncaknya dua, dan mutimodal bila puncaknya lebih dari
dua. Perhitungan Modus dapat dilakukan untuk data distribusi frekuensi yang tidak
dikelompokkan maupun distribusi frekuensi yang dikelompokan. Sebagai contoh, dari
hasil pengamatan kadar Hb pada 10 ibu hamil diperoleh 10, 9, 11, 12, 9, 12, 11, 10, 9,
10.
Dari pengamatan di atas ditemui nilai 10 g% sebanyak tiga kali. Dengan demikian nilai
modus adalah 10.
Sifat modus adalah dalam seperangkat data, modus bisa tidak ada atau bisa lebih dari
satu; tidak dipengaruhi bilangan ekstrem; perhitungan modus tidak didasarkan pada
seluruh nilai pengamatan, tetapi didasarkan pada individu yg berada pada titik tempat
terjadinya pemusatan yang
terbanyak; tidak
dapat digunakan pada penghitungan aljabar lebih lanjut ; digunakan pada data kualitatif
dan kuantitatif.
Nilai tengah juga dapat menggambarkan distribusi kelompok data. Saudara tentu masih
ingat dengan kaitannya statistik parametric dan non parametric. Pada jenis statistik
tersebut distribusi data merupakan syarat mutlak yang membedakan kedua jenis
statistik tersebut. Dikatakan data berdistribusi normal bila nilai mean = median = modus.
Sedangkan bila mean > median > modus, maka kurve miring ke kanan, dan bila mean <
median < modus, maka kurve miring ke kiri.
2. Nilai Letak
Di atas saudara telah mempelajari nilai median. Median ini merupakan salah satu nilai
letak/posisi. Untuk mendapatkan nilai letak ini kita harus mengurutkan nilai terkecil
sampai terbesar, kemudian kita dapat membagi pengamatan men-
jadi beberapa bagian. Pembagian pengamatan ini disebut sebagai nilai letak/posisi.
Posisi pengamtan yang umum dipakai adalah median, kwartil, desil dan persentil.
Median adalah nilai yang membagi data menjadi dua bagian yang sama. Sehingga
data berada pada 50% di bawah median dan 50% berada di atas median. Cara
memperoleh nilai median ini saudara sudah mempelajarinya pada nilai tengah.
Kwartil merupakan nilai yang mem- abgi data menjadi empat bagian yang sama, yaitu
masing-msing 25%. Karena itu ada 3 kwartil (kwartil I/kwartil bawah, kwartil II /kartil
tengah, dan Kwartil 3/kwartil atas). Rumus untuk mencari posisi kwartil adalah :
Keterangan :
Q ; Kwartil
i : urutan kwartil
n : Jumlah data
Nilai kwartil adalah pada posisi kwarti tersebut., sebagai contoh lima kadar Hb ibu hamil
yaitu 13,11, 14, 10, 12. Carilah kwartil 2 nya.
Langkah pertama yang sudara lakukan adalah mengurutkan data
48 dari
terkecil ke terbesar yaitu 10, 11, 12, 13, 14. Selanjutnya carilah posisi kwartil 2
untuk data tersebut.
Maka kwarti 2 terletak pada urutan data ke-3, dan nilai kwartil 2 adalah 12.
Coba saudara cari nilai kwartil 3 !
Iya benar, apabila saudara menjawab sebagai berikut :
Maka kwartil 3 berada pada urutan data ke 4,5, sehingga nilai kwaril 3 ini adalah berada
diantara urutan data ke 4 dan ke 5, yaitu:
13 + 0,5 (14-13) = 13,5
Mengapa demikian?
Perhatikan bahwa data yang berada pada urutan ke 4 adalah 13, namun yang
ditanyakan adalah urutan ke 4,5, sehingga posisi ke 4,5 yang tepat adalah selisih
urutan ke 4 dan ke 5 dikalikan dengan ketepatan urutan posisinya yaitu 0,5. Dan
bagaimana saudara menginter-
........................................................................
.....................................................................
.................................................................
.................................................................
preasikan nilai kwarti 2 dan kwartil 3 tersebut?
Iya tepat, bila saudara menjawab sebagai berikut :
Nilai kwartil 2 adalah 12 gr%, artinya 50% ibu hamil mempunyai kadar Hb di bawah
12 gr% dan 50% di atas 12 gr%.
Nilai kwartil 3 adalah 13,5 gr%, artinya 75% kadar Hb ibu hamil di bawah 13,5 gr% dan
25% di atas 13,5 gr%.
Coba perhatikan kurve di bawah ini :
49
Baiklah, silahkan saudara cari nilai desil 5 pada soal yang sama yaitu data kadar Hb
pada lima ibu hamil yaitu : 10, 11, 12, 13, 14, dan interpretasikan!
Perhatikan bahwa nilai kwartil membagi data menjadi empat bagian yang sama.
Sehingga kwartil 1 membatasi 25% ke bawah dan 75% ke atas, kwartil 2 membatasi
50% ke bawah dan 50% ke atas, dan kwartil 3 membatasi 75% kebawah dan 25% ke
atas
Jawab :
........................................................................
.....................................................................
.................................................................
.................................................................
Jadi desil 5 berada pada urutan data ke- 3, dan nilai desil 5 adalah 12 gr%, artinya kadar Hb ibu
hamil 50% berada di bawah 12 gr% dan 50% di atas 12 gr%.
Nilai letak selanjutnya adalah desil. Desil merupakan nilai yang membagi data
pengamatan menjadi 10 bagian yang ama. Sehingga desil terdiri dari des sil 1 sampai
dengan 9. Pada prinsipnya cara mencari nilai desil ini sama dengan nilai kwartil, hanya
pembaginya menjadi 10 bagian. Demikian juga cara mengin- terpreatsikannyapun
sama seperti kwartil, masing-masing ruang yang dibatasi oleh desil 1 sampai dengan 9
mempunyai nilai 10%.
Rumus untuk mencari posisi desil adalah sebagai berikut :
Penyelesaian :
Jadi persentil 50 berada pada urutan data ke-3, dan nilai persentil 50 adalah 12 gr%, artinya
kadar Hb ibu hamil 50% berada di bawah 12 gr% dan 50% di atas 12 gr%.
Nilai letak berikutnya adalah persentil. Persentil adalah nilai yang membagi data
pengamatan menjadi 100 bagian yang sama. Sehing- ga persentil terdiri dari persentil
1 sampai dengan persentil 99.
Rumus untuk mencari posisi persentil adalah sebagai berikut :
Baiklah, silahkan saudara cari nilai persentil 50 pada soal yang sama yaitu data kadar
Hb pada lima ibu hamil yaitu : 10, 11, 12, 13, 14, dan interpretasikan!
Coba saudara perhatikan dari hasil contoh nilai letak di atas diperoleh bahwa nilai
median pada soal adalah 12, kemudian kwartil 2 = 12, desil 5 = 12, dan persentil 50 =
12. Dengan demikian dapat disimpulkan sebagai berikut :
3. Nilai Variasi
Tahukah saudara, bahwa nilai variasi sangat penting, karena tanpa nilai variasi
interpretasi dapat menjadi salah. Mari kita simak kasus berikut :
Benarkah kesimpulan tersebut? Coba saudara buktikan dengan melihat data
mentahnya. Nah, ternyata data yang saudara dapa- tkan di Puskesmas A adalah 12,
12, 12, 12, 12, dan puskesmas B adalah 10, 11, 12, 13, 14. Coba hitung rata-rata dari
data tersebut untuk masing-masing puskesmas !
Betul, masing-masing diperoleh nilai rata-rata 12 gr%, tapi kalau dilihat row datanya
dari kedua puskesmas tersebut, ternyata berbeda. Pada Puskesmas A betul bila din-
yatakan tidak ada ibu hamil yang mengalami anemia, namun pada Puskesmas B,
kesimpulan tersebut tidak benar, karena masih terdapat
Hb Hb ibu hamil
ibu hamil Puskesmas A
Puskesmas B
x= 12 gr%
x = 12 gr%
Hb ibu hamil pada kedua puskesmas di atas sama.... Artinya tidak ada ibu hamil yang anemia
ibu hamil yang mempunyai kadar
ta-rata, varian, standar deviasi dan Hb kurang dari 12 gr%.
koefisien variasi. Dalam modul ini
Mengapa demikian?
yang akan dibahas adalah varian dan standar deviasi saja, karena
Coba cermati bahwa informasi di
ke dua nilai varian ini yang paling
atas hanya menyampaikan nilai ra-
umum digunakan dalam statistik.
ta-rata saja tanpa ada nilai variasinya. Nah, itulah yang menyebabkan interpretasi
terhadap informasi yang disampaikan salah. Kalau kita telaah lagi, pada puskesmas B
datanya terentang pada 10 sampai
Varian adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai data
terhadap rata-rata hitung. Varian menggunakan sym- bol S2.
14, artinya data disini cukup bervariasi yaitu ±2, sedangkan data pada puskesmas A
tidak ada variasinya.
Rumus :
Maka nilai variasi ini sangat penting memberikan informasi teruta-
Varian = S 2
∑
= ( xx i
−
n
−1
)
2
ma apabila digunakan untuk membandingkan.

Keterangan :
Jadi apakah nilai variasi itu?
S2 = varian
........................................................................
Xi = data ke i .....................................................................
.................................................................
rata-rata
x=
.................................................................
n = jumlah data
Iya benar, apabila saudara menjawab nilai variasi adalah nilai yang menyatakan
seberapa jauh peny-
Sebagai contoh, kita masih gu-
impangan nilai-nilai data dengan
nakan data kadar Hb ibu hamil,
nilai-nilai pusatnya. Atau dengan
yaitu 10,11, 12, 13, 14. Carilah nilai
kata lain nilai yang menunjukkan
variannya!
bagaimana bervariasinya data di
Penyelesaian : dalam kelompok data terhadap nilai rata-ratanya.
2( 1210 ) 2
)1214()1213()1212()121( 2 15
− 5,2 Macam-macam
nilai variasi cukup banyak, yaitu range, deviasi ra-
51 S = − + − + − 2 + − 2 + − 2 =
Jadi diperoleh nilai varian 2,5, art-
nis katagorik. Dasar dari uji kai inya rata-rata simpangan data dari
kuadrat adalah membanding- nilai pusatnya adalah sebesar 2,5.
kan frekuensi yang diamati den-
Standar deviasi adalah akar dari
gan frekuensi yang diharapkan.
varian. Rumus :Rumus :
DevSt
.
= SS 2
== ∑ (
X
2
) − ( ∑ nX ) 2
n
χ
− 1 2 =∑ ( O − E E )2
dengan
Coba saudara cari berapa nilai stan-
Keterangan :
dar deviasi pada contoh di atas?
X2 = Kai Kuadrat /chi square
O = frekuensi pengamatan
Penyelesaian :
(observasi)
( ) ( 15 141312110
2
)
2222141312110 +
2
−
S=
= 6,1 E = frekuensi harapan (ekspet- ed) df = derajat kebebasan

k = jumlah kolom dalam tabel
b = jumlah baris dalam tabel
frekuensi harapan dapat dicari dengan menggunakan rumus :
Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul 52 + 5 + 4.
++++−+ Uji Kai
Kuadrat / Chi Square

Dalam kegiatan belajar 2, saudara telah mempelajari uji hipotesis, dan yang telah
saudara kerjakan adalah uji hipotesis beda rata-rata. Saat ini saudara akan
mempelajari uji beda proporsi yang bertujuan untuk menguji perbedaan
proporsi/persentase antara dua/lebih sampel penelitian. Uji yang dipakai adalah kai
kuadrat yang merupakan salah satu uji statistik non parametrik.
Uji kai kuadrat digunakan untuk mengetahui hubungan atau perbedaan variabel yang
berje-
Coba saudara perhatikan rumus untuk memperoleh frekuensi harapan untuk
masing-masing cel.
Variabel II
Variabel I Total P Q X
a b a+b Y c d C+d Total a+c b+d n
Dalam menggunakan uji kai kuadrat/chi square, ada beberapa syarat yang harus
dipenuhi, yaitu :
1. Tidak ada sel dengan nilai
obsereved y ang bernilai nol
2. Sel yang mempunyai expected count kurang dari 5, maksimal 20 %
3. Tidak menggunakan tabel 2
X 2 bila n < 2
4. Chi Square tidak dipakai bila n antara 20 s/d 40 dengan nilai E (Expected) < 5
53
Seperti dalam uji beda rata-rata pada saat membuat keputusan statistik, pada uji kai
kuadrat juga menggunakan tabel distribusi kai kuadrat. Baiklah, agar saudara lebih
paham, mari kita terapkan dalam kasus berikut :
Sebuah penelitian bertujuan untuk mengetahui hubungan status menikah dengan keja-
dian ca servik. Dari 195 wanita yang menikah ada 50 orang menderita ca servik, dan
dari 180 wanita yang tidak menikah 25 orang menderita ca. Servik. Lakukan uji
hipotesis dengan α = 0.05?
Penyelesaian :
Agar lebih mudah, maka data pada kasus sebaiknya kita tu- angkan ke dalam tabel
agar mudah dilakukan perhitungan.
Ca. Serviks
Status Menikah Total ya tidak Ya
50 145 195 Tidak 25 155 180 Total 75
300 375
Perlu diperhatikan dalam mema- sukan kasus kedalam tabel, variabel dependen
selalu diletakan di kolom, sedangkan variabel independen pada baris. Demikian juga
pada saat pemberian kode pada variabel harus sejalan dengan hipotesis penelitian.
Hal ini agar tidak terjadi kesaahan dalam perhitungan nilai OR dan interpre- tasinya.
Misalnya hipotesis penelitiannya adalah bahwa wanita yang menikah lebih berisiko
terkena ca. serviks dibandingkan dengan wanita yang tidak menikah. Ber- dasarkan
hipotesis tersebut, maka pemberian kodenya adalah sebagai berikut :
Kode 1 untuk variabel ca serviks yang dikatagorikan positif (berisiko)
Kode 2 untuk variabel ca serviks yang dikatagorikan negatif
Selanjutnya pemberian kode untuk variabel independennya adalah
Kode 1 untuk yang berstatus menikah (berisiko)
Kode 2 untuk yang berstatus tidak
54 menikah. Selanjutnya kita mengikuti langkah-langkah prosedur penelitian, yaitu:
1) Menetapkan hipotesis statistik
Ho ; P1 = P2
Tidak ada hubungan status menikah dengan kejadian ca. serviks.
Ha : P1≠ P2
Ada hubungan satatus menikah dengan kejadian ca.serviks
2) Menetapkan uji statistik
Saudara dapat melihat bahwa jenis variabelnya adalah katagorik, sehingga kita memi-
lih uji statistik kai kuadrat.
3) Menetapkan tingkat kemak-
naan
Karena ini bukan merupakan penelitian klinis maka alpha (α) yang ditetapkan adalah
5%
Status Menikah Ca. Serviks Total
χ
ya tidak Ya 50 145 195 Tidak 25 155 180 Total 75 300 375 Rumus : 2 =∑
O − E
( E )2
Sebelum dimasukan ke rumus kai kuadrat, kita cari terlebih dahulu nilai harapan
untuk masing-masing sel, yaitu sebagai berikut :
Berdasarkan nilai harapan, terliihat bahwa tidak ada nilai harapan yang kurang dari 5,
maka uji kai kuadrat dapat dilakukan. Perhitungannya sebagai berikut :
55
5) Keputusan uji statistik
Hasil kai kuadrat kita bandingkan dengan tabel distribusi kai kuadrat.
Pendekatan klasik
Pendekatan klasik yaitu kita membandingkan nilai x hitung dengan x tabel. Berdasarkan
α yang ditetapkan yaitu 5% dan df=1, maka diperoleh nilai x tabel sebesar = 3,841.
Sedangkan x hitung yang diperoleh adalah 8,1. Karena x hitung lebih besar dari x tabel
(8,1 > 3,841), maka kepuotusannya Ho ditolak, artinya secara statistik ada hubungan
status menikah dengan kejadian ca serviks.
Pendekatan Probabilistik
Pada pendekatan ini kita akan membandingkan nilai p dengan α (5%). Berdasarkan
tabel distribusi kai kuadrat, dengan x hitung 8,1, maka diperoleh nilai p diantara 0,01
dan 0,001. Sehingga nilai p adalah (0,01 + 0,001)/2 = 0,0055. Perlu diin- gat hipotesis
yang ditetapkan
adalah dua sisi sehingga nilai p harus dikalikan dua. Jadi nilai p nya adalah 2 x 0,0055
= 0,011. Selanjutnya nilai p ini kita bandingkan dengan α, karena nilai p lebih kecil dari
nilai α (0,011 < 0,05), maka keputusan statisti- knya adalah Ho ditolak, artinya secara
statistik ada hubungan yang bermakna antara status menikah dengan kejadian ca
serviks.
5. Uji Fisher Exact
Saudara telah mengetahui persyaratan dari penggunaan kai kuadrat. jadi ketika
persyaratan tidak terpenuhi, maka solusinya adalah apabila tabelnya lebih dari 2x2,
maka dilakukan peng- gabungan katagori, tetapi apabila tabel yang kita buat sudah
merupakan tabel 2x2, maka digunakan uji fisher exact.
Rumus Uji Fisher Exact yaitu :
Hasil penghitungan uji fisher exact langsung dibandingkan dengan nilai α yang
ditetapkan.
Agar lebih jelas, mari kita berlatih dengan kasus di bawah ini :
Di Puskesmas Melati dilakukan penelitian terhadap 13 wanita usia subur yang
menggunakan KB. Dari 13 wanita tersebut 5 WUS menggunakan AKDR dan 8 WUS
ber KB suntik. Dari WUS yang menggunakan KB AKDR, ada 1 WUS positif ca uterus,
dan dari WUS yang berKB suntik 3 orang juga menderita Ca uterus. Lakukan uji
hipotesis dengan α = 0.05?
Penyelesaian : 1.
Menetapkan hipotesis
Ho ; P1 = P2
Tidak ada hubungan jenis KB dengan kejadian ca. uterus.
Ha : P1≠ P2
Ada hubungan jenis KB dengan kejadian ca. uterus.
2. Menetapkan uji statistik
Uji statistik beda proporsi
3. Menetapkan α = 5%
4. Perhitungan uji statistik
Jenis KB Ca. Uterus Total
ya tidak AKDR 1 4 5 Suntik 3 5 8
Total 4 9 13
Sekarang mari kita cari nilai E untuk masing-masing sel.
Coba saudara perhatikan nilai frekuensi yang diperoleh dari tabel 2x2 di atas, yaitu 3
sel (75%) mempunyai nilai harapan kurang dari 5. Artinya uji kai kuadrat tidak bisa
dilakukan, maka alternatifnya adalah uji fisher exact.
Dalam menghitung uji fisher exact, kita harus melakukan perhitungan pada seluruh
kombinasi data yang ada. Baik, kita mulai dari tabel yang sudah tersedia.
Kombinasi data pertama 1 4 5 3 5 8 4 9 13
5! 8!
P=
Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul 58 1! 4! Kombinasi
data kedua 0 5 5 4 4 8 4 9 13
Kombinasi data ketiga
2 3 5 2 6 8 4 9 13
Kombinasi data keempat 3 2 5 1 7 8 4 9 13
Kombinasi data kelima
4 1 5 0 8 8 4 9 13
Maka nilai p = 0,39+0,097+0,39+0,11+0,0069= 0,9939.
4! 9!
3!
= 0,39
5!
5! 8! 4! 9!
P= 0! 5! 4!
= 0,097
4!
5! 8! 4! 9!
P= 2! 3! 2!
= 0,39
6!
5! 8! 4! 9!
P= 3! 2! 1!
= 0,11
7!
5! 8! 4! 9!
P= 4! 1! 0!
= 0,0069
8!
5. Keputusan uji statistik
Selanjutnya adalah membandingkan dengan nilai α. Karena nilai p lebih besar dari
nilai α, maka ho gagal ditolak, artinya tidak ada hubungan antara jenis KB dengan ca.
uterus.
B. Penyajian Data
Baiklah, setelah data di analisa atau diolah, saudara harus mampu menyajikan data
dengan baik, agar mudah dibaca dan dipahami. Secara umum sajian data dapat
dibagi dalam tiga bentuk, yaitu tulisan (tex-
tular), tabel (tabular) dan gambar/ grafik (diagram).
Tulisan (Textular). Penyajian data dalam bentuk tulisan sebenarnya merupakan
gambaran umum tentang kesimpulan hasil pengamatan. dalam bidang kesehatan,
penyajian dalam bentuk tulisan hanya digunakan untuk memberi informasi.
Contoh seorang bidan memberikan informasi tentang pelayanan kebidanan yang
meningkat tajam sejak adanya program jampersal. “Program jampersal memberikan
dampak pada peningkatan pelayanan kebidanan mencapai 100%, namun kendala
utama adalah belum dipersiapkannya penambahan tenaga kesehatan yang kompeten
guna melayani kebutuhan masyarakat akan pelayanan kebidanan”.
Tabel (tabular). Penyajian dalam bentuk tabel merupakan penyajian data dalam
bentuk angka yang disusun secara teratur dalam kolom dan baris. Penyajian ini
banyak digunakan dalam penulisan lapo- ran hasil penelitian dengan mak- sud agar
orang mudah memperoleh gambaran rinci tentang hasil penelitian yang telah
dilakukan.
59 Suatu tabel yang lengkap terdiri dari (1) nomor tabel, (2) judul tabel, (3) catatan
pendahuluan, (4) badan tabel, (5) catatan kaki, dan (6) sum- ber data. Bila tabel yang
disajikan lebih dari satu maka hendaknya diberi nomor agar mudah untuk mencari
kembali bila dibutuhkan. nomor tabel biasanya ditempat- kan di atas sebelah kiri sejajar
dengan judul tabel. Setiap tabel yang disajikan harus diberi judul karena dari judul
tabel orang dapat mengetahui tentang apa yang disajikan. Kalimat pada judul tabel
harus singkat, jelas, dan berisi keterangan tentang apa, dimana, dan bi- lamana. judul
harus konsisten dan menggambarkan isi tabel.
Jenis tabel antara lain tabel induk (master tabel), tabel distribusi frekuensi, dan tabel
silang. Tabel induk adalah tabel yang berisikan semua hasil pengumpulan data yang
masih dalam bentuk data mentah. Tabel distribusi frekuensi adalah tabel yang berisi
susunan data angka menurut besarnya (kuantitas) atau menurut ketegorinya
(kwalitas). Tabel silang adalah tabel yang berisi data dari dua variabel atau lebih.
Berikut akan ditampilkan contoh-contoh tabel. Untuk contoh tabel master, lihat pada
tugas ekhir pembelajaran.
Contoh tabel distribusi frekuensi atau tabel hasil analisa univariat :
Tabel 1. Distribusi Kejadian Ruptur Pereineum, Anemia dan BBLdi Puskesmas
Kecamatan C Periode Juli – Desember 2010
Variabel Persen
Ruptur Perineum
Ya 65 60,7
Tidak 42 39,3
Anemia
Ya 69 64,5
Tidak 38 35,5
BBL
Ya 61 57
Tidak 46 43
Contoh tabel silang atau tabel hasil analisa bivariat dengan menggunakan uji statistik
kai kuadrat.
60
Tabel 2. Distribusi Kejadian Ruptur Pereineum Berdasarkan Anemia dan BBL di
Puskesmas Kecamatan C Periode Juli – Desember 2010
Nilai
Variabel n Ruptur Perineum
OR
P
Ya Tidak
n%n%
Anemia
Ya 69 49 71 20 29 0,006 3,37
Tidak 38 16 42,1 22 57,9
BBL
Ya 61 34 55,7 27 44,3 0,307 0,61
Tidak 46 31 67,4 15 32,6
Gambar/grafik (diagram). Grafik merupakan salah satu bentuk penyajian data
statistik yang banyak dilakukan dalam berbagai bidang, karena penyajian dalam bentuk
grafik lebih menarik dan lebih mudah dipahami. serta hal-hal yang kurang jelas dalam
tabel akan lebih jelas bila disajikan dalam bentuk grafik bahkan dengan grafik orang
akan lebih mudah mengin- gat. misalnya untuk mengetahui kecenderungan dan
mengadakan perbandingan.
Dalam penyajiannya, bentuk grafik dapat bermacam-macam, yaitu berdasarkan
bentuknya dan berdasarkan fungsinya.
Berdasarkan bentuknya, grafik
61 dapat dibagi menjadi 1. Histogram
Histogram adalah grafik yang digunakan untuk menyajikan data kontinu. Gambaran
grafik ini antara batang tidak berselah. Saudara masih ingat data kontinu? Iya, data
kontinu adalah data yang diperoleh dari hasil pengukuran, misalnya tekanan dara,
suhu, tinggi badan, dan sebagainya. Berikut akan ditampilkan contoh histogram :
2. Poligon
Poligon dipergunakan untuk menyajikan suatu distribusi frekuensi dari data yang
continue. Permukaan area frekuensi poligon sama luasnya dengan histogram. Grafik ini
dipergunakan untuk membandingkan sejumlah distribusi frekuensi pada sebuah
gambar. Contoh grafik polygon yaitu :
3. Grafik batang (bar diagram)
Yang dimaksud grafik batang ialah grafik yang berbentuk batang. Digunakan untuk
menyajikan data diskrit atau data dengan dengan skala nominal maupun ordinal. Grafik
ini banyak digunakan di sarana pelayanan kesehatan karena pembuatannya mudah
dan sederhana. Contoh :
62
4. Grafik lingkaran (pie diagram)
Grafik Lingkaran merupakan grafik yang disajikan dalam bentuk lingkaran. Lingkaran
dapat digambarkan dalam 3 dimensi sehingga menyerupai kue karena itu disebut pie
diagram. contoh :
5. Grafik garis (line diagram)
Grafik garis merupakan penyajian data dalam bentuk garis. Tujuannya adalah untuk
mengetahui trend atau kecenderungan. Agar lebih jelas maka di sini akan diberikan
contoh-contoh tentang macam- macam grafik garis.
contoh : perbandingan presentase
penurunan angka kematian ibu dan angka kematian bayi dibawah ini merupakan contoh
grafik garis lurus.
Grafik Presentase penurunan kematian ibu dan anak
6. Grafik titik-titik (diagram pencar
= scattered diagram) Grafik pencar atau scattered diagram dihasilkan dari titik- titik
kordinat dan merupakan grafik kolerasi atau grafik kecenderungan karena digunakan
untuk mengetahui hubungan antara dua variabel yang berpasangan.
Contoh diagram tebar :
140000
120000
100000
80000
60000
40000
200000
0 20000 40000 60000 80000 100000 Beginning salary

63
7. Grafik peta (maap diagram)
Grafik ini merupakan peta, biasa terdapat pada instansi yang mempunyai wilayah kerja,
seperti puskesmas, desa, dan kecamatan Grafik ini digunakan untuk hal- hal sebagai
berikut: 1. batas desa 2. lokasi, misalnya puskesmas, kantor desa atau kantor
kecamatan 3. grafik peta ini dapat juga digunakan untuk menyatakan letak suatu
produksi daerah atau tempat permukiman penduduk. 4. dan lain-lain contoh :
Rangkuman
Analisa data merupakan kegiatan memberi makna/arti agar menjadi sebuah informasi
penting yang bermanfaat. Analisa univariat adalah adalah kegiatan mendeskripsikan
setipa variabel. Metode yang digunakan adalah nilai tengah, nilai letak dan nilai variasi.
Dalam membandingkan antara kelompok, kurang tepat, apabila hanya menggunakan
nilai tengah saja, karena tidak mendapatkan gambaran tentang sebaran datanya.
Dengan nilai tengah juga dapat melihat distribusi suatu
64 data
apakah berdistribusi normal atau tidak. Analisa bivariat adalah metode yang
digunakan untuk mengetahui hubungan atau perbedaan antara variabel. Metode yang
digunakan adalah uji beda proporsi yang terdiri dari uji kai kuadrat atau fisher exact.
Selanjutnya setelah didapatkan hasil analisis, maka perlu disajikan secara menarik dan
mudah dipahami, dimana penyajian data ini mencakup tekstular, tabular dan diagram.
Daftar Pustaka
Budiarto, Eko. 2002. Biostatistika untuk Kedokteran dan Kesehatan Masyarakat.
Jakarta : EGC.
Hasan Iqbal. 2008. Pokok-pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta :
Bumi Aksara.
Hastono, Sabri. 2011. Statistik Kesehatan. Jakarta : Rajawali Pers.
Masyhuri, Zainuddin. 2008. Metodologi Penelitian Pendekatan Praktis dan Aplikatif.
Bandung : Refika Aditama.
Sugiyono. 2009. Statistika untuk Penelitian. Bandung : Alfabeta.
Sastroasmoro, Ismail. 2010. Dasar-dasar Metodologi Penelitian Klinis. Jakarta :
Sagung seto.
Murti Bhisma. 1996. Penerapan Metode Statistik Non-Parametrik Dalam Ilmu-Ilmu
Kesehatan. Jakarta : Gramedia Pustaka Utama.
79
Tabel I. Distribusi Normal
PROBABILITAS DIBAWAH KURVA NORMAL
(Arsir Tengah)
- Z 0,0 Z
81
Tabel II. Distribusi t
83
Tabel III. Distribusi Kai Kuadrat
dk/ a (probabilitas) / Nilai-p / p-value df 0,99 0,95 0,90 0,5 0,1 0,05 0,01 0,001
1 0,002 0,004 0,016 0,455 2,25 2,706 3,841 6,635 10,83 2 0,02 0,103 0,211 1,386
4,605 5,991 9,21 13,82 3 0,115 0,352 0,584 2,3 2,366 6,251 7,815 11,35 16,23 4 0,297
0,711 1,064 3,357 7,779 9,488 13,28 18,47 5 0,554 1,145 1,61 4,351 9,236 11,07 15,81
20,52 6 0,872 1,635 2,204 5,348 10,65 12,59 16,81 22,46 7 1,239 2,167 2,833 6,346
12,02 14,07 18,48 24,32 8 1,646 2,733 3,49 7,344 13,36 15,51 20,09 26,13 9 2,088
3,325 4,168 8,343 14,68 16,92 21,67 27,88 10 2,558 3,94 4,865 9,342 15,99 18,31
23,21 29,59 11 3,053 4,575 5,578 10,34 17,28 19,68 24,73 31,26 12 3,571 5,226 6,304
11,34 18,55 21,03 26,22 32,91 13 4,107 5,892 7,042 12,34 19,81 22,36 27,69 34,53 14
4,66 6,571 7,79 13,34 21,06 23,69 29,14 36,12 15 5,229 7,261 8,547 14,34 22,31 25
30,58 37,7
20 8,26 10,58 12,44 19,34 28,41 31,41 37,57 43,32 30 14,95 18,49 20,6 29,34 40,26
43,77 50,89 59,7 40 22,16 26,51 29,05 39,34 51,81 55,75 63,69 73,4 50 29,71 34,76
37,69 49,34 63,17 67,51 76,15 86,66 60 37,49 43,19 46,46 59,34 74,4 79,08 88,38
99,61
85

Modul 2 - Biostatistik Dasar Kebidanan Edit

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 2 - Biostatistik Dasar Kebidanan Edit

Diunggah oleh

Hak Cipta:

Format Tersedia

KT

Metode Penelitian dan

Pusdiklatnakes, Badan PPSDM

Konsep Dasar Biostatistik

1. pengertian statistik POKOK

Ya YaYaJarak antara kelompok dapat ditentukan

Ya YaPerbandingan antara kelompok

TUJUAN Pembelajaran Khusus

1. Menjelaskan pengertian hipotesis dan uji hi-

Dalam kehidupan kita sehari-hari, tanpa kita sadari bahwa hipotesis

ini sering kita lakukan. Misalnya

− 25 120 = 67,1

2. Menganalisis nilai letak TUJUAN

Analisa dan Penyajian Data

ma apabila digunakan untuk mem- bandingkan.

= 6,1 E = frekuensi harapan (ekspet- ed) df = derajat kebebasan

Kuadrat / Chi Square

Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul

Anda mungkin juga menyukai

Modul 2 - Biostatistik Dasar Kebidanan Edit

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 2 - Biostatistik Dasar Kebidanan Edit

Diunggah oleh

Hak Cipta:

Format Tersedia

​ ​KT

Metode Penelitian dan

Pusdiklatna​kes​, ​Ba​dan PPSDM

Konsep Dasar Biostatistik

1. pengertian statistik ​POKOK

Ya YaYa​Jarak antara kelompok dapat ditentukan

Ya Ya​Perbandingan antara kelompok

TUJUAN ​Pembelajaran Khusus

1. Menjelaskan pengertian hipotesis dan uji hi-

Dalam kehidupan kita sehari-hari, tanpa kita sadari bahwa hipotesis

ini sering kita lakukan. Misalnya

− ​25 120 ​= 67,1

2. Menganalisis nilai letak ​ TUJUAN

Analisa dan Penyajian Data

ma apabila digunakan untuk mem- bandingkan.

= ​6,1 ​E = frekuensi harapan (ekspet- ed) ​df = derajat kebebasan

Kuadrat / Chi Square

Kegiatan Belajar 1 Kegiatan Belajar 2 Kegiatan Belajar 3 Tes Akhir Modul

Anda mungkin juga menyukai

KT

Pusdiklatnakes, Badan PPSDM

1. pengertian statistik POKOK

Ya YaYaJarak antara kelompok dapat ditentukan

Ya YaPerbandingan antara kelompok

TUJUAN Pembelajaran Khusus

− 25 120 = 67,1

2. Menganalisis nilai letak TUJUAN

= 6,1 E = frekuensi harapan (ekspet- ed) df = derajat kebebasan