TUGAS BIOSTATISTIK

Dosen Pengajar: Kramitasari Yanra Katimenta, Ners.,M.Kep

Untuk Memenuhi Tugas Mata Kuliah Biostatistik

Di Susun Oleh :
SEPTYA FLORENSA
(2017.C.09a.0910)

YAYASAN EKA HARAP PALANGKA RAYA

SEKOLAH TINGGI ILMU KESEHATAN
PRODI SARJANA KEPERAWATAN
TAHUN 2020/2021
Tugas Meresum :
1. Distribusi Sampling
2. Estimasi
3. Statistic Inferensial
Resuman :
1) Distribusi Sampling
Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi
probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari
suatu ukuran sampel tertentu yang dipilih dari populasi, dan probabilitas
terjadinya dihubungkan dengan setiap rata-rata hitung sampel. Sedangkan
menurut Sudjana, Distribusi Sampling merupakan kumpulan nilai-nilai statistika
yang sejenis lalu disusun dalam suatu daftar sehingga terdapat hubungan antara
nilai statistik dan frekuensi statistika. (Sudjana, 2001 :87) Distribusi Sampling
terdiri dari:
1. Distribusi Sampling Rata-rata
2. Distribusi Sampling Proporsi
3. Distribusi Sampling Selisih Rata-rata
4. Distribusi Sampling Selisih Proporsi
1. Jenis-jenis distribusi sampling
1. Distribusi Sampling Rata-rata
Bila sampel berukuran n diambil dari populasi berukuran N, maka nilai
harapan dan standar diviasi distribusi sampling rata-rata adalah :
μ x́ =μx

σ N −n
σ x́ =
√
√ n N −1
Apabila N cukup besar dibandingkan n atau untuk populasi yang tak
terbatas, berlaku :
μ x́ =μx
σ
σ x́ =
√n
Bila n besar (secara empiris > 30) maka berlaku dalil limit pusat yaitu
distribusi peluang rata-rata akan mengikuti distribusi normal.
2. Distribusi Sampling Proporsi
 Misalnya dalam populasi berukuran N terdapat peristiwa E sebanyak x,
maka proporsi (parameter) E adalah : P = X / N. bila diambil sampel berukuran n
dari populasi tersebut, maka statistik proporsi (p) akan mengikuti distribusi
Binomial :
μ x/ n=P

p (1− p) N −n
σ x/ n=
√ n √N −1

Bila n besar dan N cukup besar disbanding n, maka distribusi sampling p

bias didekati dengan distribusi Normal, yaitu dengan :
μ x/ n= p

p (1− p)
σ x/ n=
√ n
2) Estimasi (Pendugaan)
Estimasi (pendugaan/penaksiran) yaitu pengukuran terhadap nilai parameter
(populasi) yang diketahui berdasar informasi dari sampel.
Dengan penduga, dapat diketahui seberapa jauh suatu parameter populasi
yang tidak diketahui berada disekitar sampel. Sehingga perlu dilakukan
pendugaan antara hasil perhitungan sampel terhadap parameter populusinya.
Table 2
Parameter dan Pendugaannya
Parameter (θ) Penduga σ ¿
μ (rata-rata populasi) x́ atau ^μ
P (proporsi) ^p
σ 2 (varians) S 2
atau ^S2
σ (simpangan baku) S atau ^S
r (koefisien korelasi) P atau r^
b (koefisien regresi) B atau b^

1. Ciri-ciri penduga yang baik

1. Tidak Bias (Unbiased).
Suatu penduga dikatakan tidak bias kalau rata-rata penduga sampel akan
sama dengan nilai parameter yang diduganya.
2. Efisien (Efficient estimator).
 Dikatakan efisien jika penduga memiliki varians yang lebih kecil
dibandingkan dengan penduga lainnya. Dua buah penduga dapat
dibandingkan efisiensinya dengan menggunakan efisien relative (relative
efficiency).
3. Konsisten.
Jika ukuran sampel cenderung bertambah maka penduga akan mendekati
nilai parameternya. Jika besarnya sampel menjadi tak hingga, maka
penduga konsisten harus dapat member suatu penduga titik yang sempurna
terhadap parameternya.
^
∈ ( θ−θ ) → 0 jika n →

Jika ukuran sampel bertambah tak hingga, maka distribusi penduga akan
mengecil menjadi suatu garis tegak lurus diatas parameter yang
sebenarnya dengan probabilitas sama dengan 1.
4. Cukup (Sufficient estimator).
Dikatakan pendugaan yang cukup apabila mencakup seluruh informasi
yang terkandung di dalam sampel.
2. Jenis-jenis pendugaan
1. Berdasarkan Cara Penyajiannya
a) Pendugaan tunggal (point estimator)
Pendugaan tunggal adalah pendugaan yang terdiri dari satu nilai saja.
Pendugaan tunggal memberikan nilai yang kemungkinan besar
berbeda dari nilai parameter sebenarnya.

2
S−
∑ x2
n( n−1)
b) Pendugaan interval
Pendugaan interval adalah pendugaan yang mempunyai dua nilai
sebagai pembatasan/daerah pembatasan. Dugaan dinyatakan dalam
suatu daerah yang dibatasi oleh dua nilai. Pada pendugaan ini
digunakan tingkat keyakinan (confidence) terhadap daerah yang nilai
sebenarnya/parameternya akan berada.
X́ −Z α / z σ x́ < μ< x́ + Z α / z σ x́
2. Pendugaan Berdasar Jenis Parameternya
 a) Pendugaan rata-rata
Yaitu untuk menentukan interval rata-rata sampel yang memuat
parameter rata-rata populasi.
b) Pendugaan proporsi
Yaitu untuk menentukan interval nilai proporsi sampel yang dapat
memuat parameter proporsi populasi atau belum diketahui.
c) Pendugaan varians
Yaitu pendugaan dari varians populasi yang tidak diketahui.
d) Pendugaan simpangan baku
Yaitu pendugaan dari simpangan baku populasi (parameter) yang
tidak diketahui.
3. Pendugaan interval untuk rata-rata
Untuk membuat pendugaan interval harus ditentukan dahulu besarnya
koefisien/tingkat keyakinan.
Ada tiga rumus pendugaan interval rata-rata
1. Untuk sampel besar (n > 30)
Dari populasi tak terbatas/populasi terbatas yang pengembalian sampel
dilakukan dengan pengembalian (with replacement).
σ α
x́ Z α / z < μ< x́|Z α / z
√n √n
2. Populasi terbatas, tanpa pengembalian (without replacement)
σ N −n σ H −n
x́−Z α / z
n √ N −1
< μ< x́ +Z α / z
√
√ n H−1
3. Sampel kecil (n > 30) dari populasi o tidak diketahui, dengan
pengembalian.
S S
x́ t α / z < μ< x́|t α / z
√n √n
4. Pendugaan interval untuk proporsi
Pendugaan proporsi sangat penting, missal untuk penelitian untuk
mengetahui berapa presentasinya.

x x x x
x
n
−Z α / z
√ n
n
1
√n x
< p< <|Z α / z
n
n
√n
1
n √
3. Statistik Inferensial
Statistik inferensial adalah teknik analisis data yang digunakan untuk
menentukan sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel
dengan hasil yang akan didapat pada populasi secara keseluruhan. Jadi statistik
inferensial membantu peneliti untuk mencari tahu apakah hasil yang diperoleh dari
suatu sampel dapat digeneralisasi pada populasi. Sejalan dengan pengertian
statistik inferensial menurut Creswell, Muhammad Nisfiannoor berpendapat bahwa
statistik inferensial adalah metode yang berhubungan dengan analisis data pada
sampel untuk digunakan untuk penggeneralisasian pada populasi. Penggunaan
statistic inferensial didasarkan pada peluang (probability) dan sampel yang dipilih
secara acak (random).
1. Konsep statistik inferensial:
1. Standard Error
Peluang setiap sampel sangat identik dengan populasinya sangat kecil (nill)
meskipun inferensi populasi didapat dari informasi
sampel.Penerapan random sampling tidak menjamin karakteristik sampel
sama persis dengan populasi. Variasi prediksi antara mean
disebut sampling error. Sampling error ini tidak bisa dihindari dan ini
bukan kesalahan peneliti. Yang menjadi persoalah adalah apakah error
tersebut semata-mata hasil sampling error atau merupakan perbedaan yang
bermakna yang akan pula ditemukan pada papulasi yang lebih besar.
Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi
normal yang besarnya berbeda-bedadan error tersebut cenderung
membentuk kurva normal yang menyerupai lonceng. Faktor utama yang
mempengaruhi standard error adalah jumlah sampel. Semakin banyak
sampelnya, semakin kecil standard errornya. Ini menunjukkan
bahwasampel penelitian semakin akurat bila banyak sampelnya. Faktor
utama yang mempengaruhi standard error adalah jumlah sampel. Semakin
banyak sampelnya, semakin kecil standard error meannya yang berarti
bahwa semakin kecil standard error-nya, semakin akurat mean sampel
untuk dijadikan estimator untuk mean populasinya.
2. Pengujian Hipotesis
Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti
mengevaluasi hasil penelitian terhadap apa yang ingin dicapai sebelumnya.
Misalnya, kita ingin menerapkan program baru dalam pelajaran membaca.
Pada rencana penelitian dikemukanan hipotesis penelitian yang
memprediksi perbedaan skor siswa yang menjalni program baru tadi
dengan proglam lama, dan hipotesis nol (0), yang memprediksikan skor
kedua kelompok tidak akan berbeda. Setelah data dihitung mean dan
standar deviasinya dan hasilnya menunjukkan skor siswa dengan program
baru lebih tinggi (berbeda secara signifikan) daripada siswa yang mengikuti
program lama, maka hipotesis penelitian diterima dan hipotesis nol ditolak.
Yang berarti bahwa program baru tersebut efektif untuk diterapkan pada
program membaca. Intinya, pengujian hipotesis adalah proses evaluasi
hipotesis nol, apakah diterima tau ditolak.
3. Uji Signifikansi
Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua skor.
Signifikansi merujuk pada tingkat statistik dari probabilitas dimana
dengannya kita bisa menolak hipotesis nol. Uji signifikansi dilakukan
dengan menentukan tingkat probabilitas praseleksi yang dikenal dengan
tingkat signifikansi (α). Tingkat probailitas ini dijadikan dasar untuk
menolak atau tidak menolak hipotesis nol. Standar yang digunakan
umumnya 0,05 kesempatan (5 dari 100). Adapula yang menggunakan 0.01.
Semakin kecil nilai probabilitasnya, semakin kecil pula kemungkinan
temuan tersebut diperoleh karena disebabkan oleh peluang.
2. Jenis-jenis Statistik Inferensial
Terdapat dua jenis statistik inferensial:
1. Statistik Parametrik; yaitu teknik yang didasarkan pada asumsi bahwa data
yang diambil mempunyai distribusi normal dan menggunakan data interval
dan rasio.
2. Uji-t
Uji-t digunakan untuk menentukan apakah 2 kelompok skor memiliki
perbedaan yang signifikan di tingkat probabilitas pilihan. Contohnya, Uji-
 t dapat digunakan untuk membandingkan skor membaca pada laki-laki dan
skor membaca pada perempuan di sekolah A. Strategi dasar Uji-t adalah
membandingkan perbedaan nyata antara mean kelompok (X1-X2)
menentukan apakah ada perbedaan yang diharapkan berdasarkan peluang.
Uji-t  terdiri dari:
Uji-t untuk sampel independen digunakan untuk menentukan apakah ada
perbedaan yang signifikan antara dua sampel independen. Sampel
independen ditentukan tanpa adanya pemadanan jenis apapun. Software
SPSS dapat digunakan untuk uji-t.
Uji-t untuk sampel non-independen digunakan untuk membandingkan dua
kelompok terpilih berdasarkan beberapa kesamaan.
Uji ini juga digunakan untuk membandingkan performansi kelompok
tunggal dengan pretest dan posttest atau dengan dua perlakuan berbeda.
3. Analisis Varians (ANOVA)
Dalam Educational Research (2008), Cresswell mengartikan ANOVA
sebagai teknik statistik yang digunakan untuk perbedaan yang ada pada
lebih dari dua kelompok data. Adapun jenis analisis varians, yakni:
1. ANOVA sederhana (satu arah) digunakan untuk menentukan apakah
skor dari dua kelompok atau lebih memiliki perbedaan secara
signifikan pada tingkat probabilitasnya. Misalnya,pengukuran prestasi
siswa berdasarkan tingkat ekonominya (tinggi, sedang, dan rendah),
dimana tingkat ekonomi sebagai variabel kelompok dan tingkat
ekonomi sebagai variabel dependennya.
2. Multi comparison adalahpengujian yang melibatkan perhitungan
bentuk istimewa dari uji-t. Setiap kali uji signifikansi dilakukan,
tingkat probabilitasnya kita terima. Misalnya, kita setuju kalau hasil
yang akan didapatakan muncul hanya 5 kali kesempatan pada setiap
100 sampel. Hasil tersebut dikatakan bermakna dan bukan sekedar
karena peluang semata.
3. ANOVA Multifaktor
Seperti pembahasan kelompok sebelumnya, desain factorial digunakan
untuk meneliti dua variabel bebas atau lebih serta hubungan di antara
 variabel tersebut, maka ANOVA multifaktor adalah jenis analisis
statistik yang paling sesuai. Hasilan alisisnya adalah rasioF terpisah
untuk setiap variabel bebas dan satu rasio F untuk interaksi. Misalnya,
kita ingin mengetahui apakah gender dan tingkat ekonomi (tinggi,
sedang, dan rendah) mempengaruhi prestasi mahasiswa. ANOVA
multifaktor memungkinkan kita untuk menghitung kedua variabel
bebas (gender dan tingkat ekonomi) dan variabel terikat (prestasi; IPK,
skor bahasa, skor matematika, dsb)
4. Analysis of Covariance (ANCOVA)
Analisis ini model ANOVA yang digunakan dengan cara berbeda
dimana variabel bebas dihitung dengan memperhatikan rancangan
penelitian. Bila penelitian memiliki 2 variabel bebas atau lebih, maka
uji jenis inilah yang cocok digunakan melalui dua cara yakni: (1)
sebagai teknik pengendalian variabel luar (extraneous variable) serta
sebagai alat untuk meningkatkan kekuatan uji statistik. ANCOVA bisa
digunakan pada penelitian kausal komparatif maupun penelitian
ekperimental yang melibatkan kelompok yang sudah ada dan
kelompok yang dibentuk secara acak, dan (2) ANCOVA digunakan
untuk memperkuat uji statistic dengan memperkecil varians dalam
kelompok (error). Kekuatan yang dimaksudkan adalah kemampuan uji
signifikansi untuk mengenali temuan riset sebenarnya, yang
memungkinkan penguji menolak hipotesis 0 (nol) yang salah.
4. Regresi Jamak
Regresi jamak digunakan pada data berbentuk rasio dan interval. Regresi
jamak menggabungkan variabel yang diketahui secara terpisah untuk
memprediksi (misalnya, hubungan antara) criteria dalam persamaan
(rumus) prediksi atau dikenal dengan Multiple Regression Equation.
Regresi jamak merupakan prosedur analisis untuk penelitian eksperimental,
kausal komparatif, dan korelasional karena teknik ini tidak hanya untuk
menentukan apakah ada hubungan antar variable tetapi juga untuk
mengetahui besar (kuatnya) hubungan tersebut. Salah satu jenis regresi
jamak adalah step-wise analysis yang memungkinakn kita memasukkan
 atau mengeluarkan variabel utama (predicator) ke dalam persamaan regresi
tahap demi tahap. Regresi jamak juda menjadi dasar analisis jalur yang
bertujuan untuk mengidentifikasi tingkat interaksi variabel utama satu sama
lain dan berkontribusi pada variabel terikat. Sementara dalam Emzir (2011)
dikatakan bahwa regresi jamak merupakan perluasan dari regresi dan
prediksi sederhana dengan penambahan beberapa variabel. Kekuatan
prediksi akan semakin terdukung dengan penambahan variabel.
5. Korelasi
Menurut Cohen, dkk., Teknik korelasi digunakan untuk mengetahui tiga
hal pada dua variabel atau dua set data. Pertama, “Apakah ada hubungan
antara dua variabel atau set data”. Bila jawabannya “ya”, maka dua hal
berikutnya perlu kita cari yakni; “Bagaimana arah hubugan tersebut”; dan
“Apa yang menjadi ukurannya?” Hubungan yang dimaksudkan adalah
kencenderungan dua variabel atau set data berbeda secara konsisten.
Dalam Solusi Mudah dan Cepat Menguasai SPSS 17.0 unruk Pengolahan
Data Statistik (Wahana Komputer, 2009) dikatakan analisis korelasi
dilakukan untuk menunjukkan keeratan hubungan kausal antara variabel-
variabel. Jenis-jenis analisis korelasi, yaitu: Korelasi sederhana, yaitu ,
korelasi parsial, dan uji distance.
6. Statistik Non-parametrik
Statistik nonparametrik adalah jenis statistic inferensial yang tidak
mengharuskan data berdistribusi normal dan jenis data yang digunakan
adalah data nominal dan ordinal.
1. Chi Square
Chi Square adalah suatu ukuran menyangkut perbedaan yang
terdapat di antara frekwensi pengamatan dengan frekwensi
teoritis/frekwensi harapan yang dinyatakan dengan simbol 2.
Statistik nomparametrik yang digunakan untuk menanalisis data
yang berupa frekwensi atau persentase serta yang berbentu prporsi
yang bisa dikonversi menjadi persentase. Chi square digunakan
untuk membandingkan frekwensi yang muncul pada kategori atau
kelompok berbeda.
 Dikenal dua kategori, yaitu; true category adalah apabila orang atau
objek bersifat bebas pada setiap penelitian (laki-laki dan
perempuan), dan artificial category yakni kategori yang secara
operasional diartikan sebagai peneliti itu sendiri. Contohnya,
mencari hubungan antara gender dengan keterampilan membaca
pada sekolah A. Karena adanya variabel nominal (gender dan
keterampilan membaca), maka data tersebut dianalisis dengan
statistik nonparametrik dengan menggunakan teknik chi square.

DAFTAR PUSTAKA
Cohen, Luis dkk. Research Method in Education. Sixth Edition. Routledge, New
York. 2007.
Cresswell, John W. Educational Research. Third Edition. New Jersey: Pearson
Education, Inc. 2008.
Emzir, Prof. DR., M.Pd. Metode Penelitian Pendidikan Kuantitatif dan Kualitatif.
Rajawali Press. Jakarta. 2011.
Spiegel, Murray R. dan Larry J. Stephens. Statistik. Edisi Ketiga. (Terjemahan oleh
Wiwit Kastawan ST, MT, M.Sc dan Irzam Harmein, ST). Erlangga. Jakarta. 2007
Nisfiannoor, Muhammad. Pendekatan Statistika Modern untuk Ilmu Sosial.
Salemba Humatika. Jakarta. 2009.
Wahana Komputer. Solusi Mudah dan Cepat Menguasai SPSS 17.0 unruk
Pengolahan Data Statistik. PT. Elex Media Komputindo. Jakarta. 2009.
John W. Creswell, Educational Researchs: Planning, Conducting, And Evaluating
Quantitative and Qualitative Research, (New Jersey, Pearson Education Inc, 2008.
Hal.326.
Muhammad Nisfiannoor. Pendekatan Statistika Modern untuk Ilmu Sosial.
Salemba Humatika. Jakarta.2009. Hal. 4.