BIOSTATISTIKA

Disusun oleh
Frans Umbu Datta
Fakultas Kedokteran Hewan
Universitas Nusa Cendana
 TEXTBOOKS
 Biostatistics, A Foundation for Analysis in
the Health Sciences by Daniel,W.W. (2009)-
ebook telah dibagikan kepada mahasiswa
untuk dibaca dan dipelajari terutama contoh2
soal yang relevan dg bahan kuliah
 Statistics for Veterinary and Animal Science by
Petrie, A. and Watson, P. (2013)-Online Book
 Bagian Pertama
PENDAHULUAN
 1.1 Pendahuluan
 1.2 Beberapa Konsep Dasar
 1.3 Ukuran dan Skala Ukuran
 1.4 Pengumpulan contoh dan Statistika Inferensial
1.5 Metode Ilmiah dan Perancangan Percobaan
 1.6 Komputer dan Analisis Data Biostatistika
 1.7 Ringkasan
 Dampak Pembelajaran
Setelah menyelesaikan materi bab ini Anda mampu:
 Memahami apa itu Statistika
 Biostatistika: Pemanfaatan Statistika di bidang Ilmu-Ilmu Biologi dalam arti luas
seperti Biologi, Biologi Molekuler, Bioteknologi, Ilmu Kesehatan, Kedokteran,
kedokteran hewan, dll.
 Menjelaskan berbagai metode pengumpulan data
 Memahami beberapa definisi kunci yang meliputi:
Populatsi vs. Contoh (Sample) Data primer dan data
sekunder
• Data kualitatif dan data kuantitatif Data Time Series vs. Cross-
Sectional data .Variabel

 Menjelaskan perbedaan statistika deskriptif dari stat.

Inferensial
 Menjelaskan berbagai metode penarikan contoh
(sampling methods)
 Apa yang hendak dicapai mahasiswa
mempelajari Biostatistika?

 Mempelajari cara mengorganisasikan dan

meringkas data; inilah tujuan dari mempelajari
statistika deskriptif
 Mempelajari cara menarik simpulan tentang
populasi (sekumpulan data atau obyek
penelitian yang besar) dengan mengambil
contoh berupa sebagian kecil saja dari data
tersebut. Inilah yang ingin dicapai
menggunakan statistika inferensial
Dua tahap Pemanfaatan Statistika

 Statistika Desktiptif
Mengumpulkan, menyajikan, dan menguraikan
data
 Statistika inferensial : menarik simpulan
dan/atau membuat keputusan tentang
populasi berdasarkan data yang diperoleh
menggunakan teknik “sampling”
 Sebagian besar isi buku teks ini adalah ttg
Statistika Inferensial
 Konsep-Konsep Dasar
 Data: bahan baku statistika adalah data; dan data
dalam hal ini adalah angka.
 Ada dua macam data yang kita kenal berdasarkan
cara memperolehnya yaitu data yang diperoleh
dengan cara menghitung (jumlah mhsw FKH
angkatan ke 11; jumlah penduduk kota Kupang,
jumlah kambing di kabupaten Kupang) dan data yang
diperoleh dengan cara mengukur (contoh: data berat
badan dan tinggi badan mahasiswa FKH Angkatan
11, berat badan ayam potong di kandang percobaan
FKH, suhu badan pasien, dll.
 Konsep-Konsep
 Statistika: ilmu yang mempelajari cara-cara
mengumpulkan, menyajikan, menganalisis dan
menginterpretasi (memberi makna) dan
membuat simpulan tentang data dan
mengkomunikasikannya dengan orang lain
 Data primer: data yang dikumpulkan langsung
oleh peneliti dan bukan diperoleh dari lembaga
yang telah ada dan memiliki data tersebut.
Contoh: data berat badan kambing di Kel.
Oesapa Selatan yang ditimbang oleh mhsw
FKH Undana semester I pada tahun 2020.
 Konsep-konsep (lanjutan)
 Data sekunder: Catatan yang secara rutin
dimiliki oleh lembaga-lembaga tertentu. Contoh:
data penduduk diperbarui sewaktu-waktu; data
populasi ternak kambing di kelurahan Oesapa
Selatan Tahun 2019; data kepemilikan anjing di
kota Kupang (utk memudahkan pencegahan
rabies misalnya), dll.
 Konsep-Konsep/Istilah umum
(lanjutan)
 Berdasarkan sumbernya data dikelompokan
atas data internal dan data eksternal.
 Data internal: data yang dimiliki oleh lembaga
dan dikumpulkan oleh mereka sebagai bahan
laporan misalnya.
 Data eksternal yaitu data yang bersumber dari
luar lembaga tertentu (eksternal): misalnya
artikel jurnal, prosiding konferensi, dll.
 Peneliti/observer/researcher/surveyor adalah
orang yang melakukan penelitian.
 Konsep (lanjutan)
 Enumerator adalah orang yang telah terlatih
oleh peneliti utama agar terampil dalam
melakukan survey dan membantu peneliti untuk
memperoleh data yang akurat, lengkap dan
terpercaya
 Responden adalah orang-orang yang akan
dibuhungi untuk diwawancarai (ditanya
sejumlah pertanyaan sehubungan dengan
judul penelitian kita.
 Konsep-Konsep (lanjutan)
 Survey adalah upaya untuk mendapatkan data atau informasi
menggunakan berbagai cara seperti Daftar Pertanyaan baik
untuk wawancara (interview) responden secara langsung atau
dikirimkan untuk diisi oleh responden.
 Percobaan adalah suatu cara riset yang berbeda dari survei
dimana semua kondisi telah diatur sedemikian rupa (dikontrol)
sehingga sesuai dengan rancangan eksperimen yang dibuat
sebelumnya.Dalam survey tanpa kontrol oleh peneliti
 Percobaan adalah upaya mendapatkan data baik di
laboratorium maupun di lapangan tetapi sifatnya sangat
terkontrol dibanding survey yang lebih luwes baik wilayah
maupun kontrol terhadap faktor-faktor yang berpengaruh atau
ada hubungannya dengan percobaan
 Konsep-konsep (lanjutan)
 Riset (penelitian) adalah upaya ilmiah yang
dilakukan untuk mempelajari suatu gejala
atau ciri atau karakteristik tertentu.
 Langkah-langkah riset pada umumnya
dimulai dari perancangan penelitian ( berupa
penetapan kerangka contoh, metode
pengumpulan data, metode analisis data,
hingga pengambilan simpulan yang sahih
(valid) berdasarkan contoh hasil
pengamatan (survey atau eksperimen).
 Variabel
 Definisi variabel:
 Ketika mengamati suatu obyek, manusia,
barang, pohon, hewan apa saja, benda apa
saja di alam sekitar kita, budaya, masing-
masing mereka memiliki karakteristik tertentu
yang menjadi dasar kita untuk mempelajarinya
dan memberinya label (tanda) yang kemudian
disebut variabel. Contoh variabel pada hewan
adalah: tinggi badan, berat badang, tekanan
darah, denyut jantung , dll.
 Statistika Deskriptif

 Mengumpulkan data
 Survey, Observasi,
Percobaan (Experiments)

 Menyajikan data
 Diagram dan grafik

 Memahami karakteristik data

 Rata-rata contoh (Mean) = x i

n
 Jenis-jenis variabel
 Variabel kuantitatif:  Variabel kualitatif:
 Variabel yang variabel yang tidak
datanya diperoleh dapat dikuantitatifkan
dalam bentuk angka tetapi
dan diperoleh dg menggambarkan
cara mengukur atau sifat, keadaan yang
menghitung dapat dikelompokkan
atau dikategorikan
seperti sakit atau
sehat, dll.
 Sumber data

Primer Sekunder
(Kumpul data) Kompilasi

Cetak atau elektronik

Pengamatan Survey

Eksperimen
 Langkah-langkah Merancang
Survey
 Mendefinisikan masalah
 Mengemukakan tujuan penelitan/survey?
 Menetapkan populasi yang dikehendaki
 Menyusun pertanyaan-pertanyaan untuk
survey (Daftar Pertanyaan-Questionnaire-
Kuesioner), pertanyaan tdk ambigu dan jelas
dg syarat2 sbb:
 Gunakan definisi yg umum digunakan/dipahami
definitions
 Batasi jumlah pertanyaan pd hal-hal yang penting
saja
 Langkah2 survei
(continued)

 Uji Daftar Pertanyaan

 pilot test (ujicoba) pd kelompok kecil
 Uji kejelasan dan panjangnya kuesioner
 Tentukan ukuran contoh (sample) dan pilih
metode penarikan contoh (sampling methods)
 Pilihlah contoh (lembaga, orang, hewan,
kawasan/wilayah tertentu,dll.) dan
laksanakan survey
 Jenis Pertanyaan
 Pertanyaan tertutup. Pilih dari sejumlah pertanyana
yang telah ditetapkan sebelumnya
Misalnya: Apa bidang ilmu responden. Bidang ilmu:
kedokteran hewan atau Ilmu Peternakan; Biologi
 Pertanyaan terbuka (Open-end Questions)
 Respondent boleh menjawab singkat tetapi dapat juga
menambah penjelasan seperlunya.
 Contoh: Mengapa Anda memilih beternak kambing dan dan
sudah berapa lama Anda beternak?
 Pertanyaan2 demografik (kependudukan)

Jenis kelamin: Laki-laki/Perempuan

 Populasi dan contoh (sample)

 Populasi adalah kumpulan item atau individu

yang menjadi perhatian kita untuk diteliti
 Contoh: jumlah anjing di seluruh daratan Flores
 Semua mahasiswa FKH di Undana

 Contoh (sample) adalah subset (bagian) dari

populasi
 Contoh: Anjing yang diduga mengidap rabies di beberapa
Kabupaten di Flores yang pemiliknya telah
diwawancarai/dihubungi
 Mahasiswa FKH yang berjenis kelamin perempuan dengan tinggi
badan > 150 cm
 Populasi vs. Contoh
Populasi (huruf- Contoh: sejumlah huruf yang
huruf dalam alfabet) dipilh secara acak dari alfabet

a b cd b c
ef ghi jkl m n g i n
o pq rs t uv w o r u
x y z y
 Mengapa harus menarik
contoh?

 Lebih hemat waktu dibanding sensus

 Lebih murah biaya pelaksanaannya

dibanding sensus

 Dimungkinkan untuk mendapat contoh yang

memiliki sifat/karakter/kualitas/atribut yang
sama dengan yang dimiliki populasi (contoh
dengan presisi tinggi)
 Beberapa contoh teknik
penarikan contoh

Contoh

Contoh dengan
Contoh yang bukan probabilitas (Probability
probabilitas (Non- Samples)
Probability Samples)
Acak
sederhan Sistematik
Berdasarkan a (simple
penilaian
Random)
saja Klaster
(Judgement)
Sebisanya saja Stratifikasi (Cluster)
(Convenience) (Stratified)
 Penarikan contoh (sampling)
 Item-item contoh dipilih berdasarkan pada
peluang (probabilitas) yang diketahui
sebelumnya.Yang dimaksud probabilitas dalam
hal ini adalah “berapa” banyaknya contoh yang
diambil yang dinilai dapat menggambarkan ciri
populasi dapat ditentukan berdasarkan
informaasi yang kita miliki tentang populasi.
 Contoh acak sederhana

 Setiap individu atau unsur atau anggota dari

populasi memiliki peluang yang sama (equal
chance) untuk dipilih menjadi contoh
 Pemilihan mungkin dengan atau tanpa
penggantian.
 Contoh dapat ditarik dengan cara
menggunakan Random Number Generator
pada komputer atau dengan cara lotere atau
Tabel Angka Acak di buku2 statistika.
 Contoh yang ditarik dengan cara
stratifikasi
 Populasi dibagi ke dalam sub-kelompok yang
disebut strata (tingkatan) berdasarkan kriteria
yang diketahui/ciri umumnya
 Tahap kedua yi melakukan penarikan contoh
secara acak sederhana dari tiap kelompok
 Tahap 3, contoh dari tiap kelompok digabung jadi satu

Populasi
dibagi 4
strata

contoh
 Penarikan contoh secara
sistematik
 Tetapkan jumlah contoh (: n)
 Bagi populasi N ke dalam kelompok2 individu k
dimana : k = N/n
 Acak sederhana dari tiap kelompok

 Pilih tiap individu ke k selanjutnya

N = 64
n=8 Kel. pertama
k=8
 Contoh yang ditarik berdasarkan
klaster
 Populasi dibagi kedalam sejumlah klaster, setiap klaster
adalah wakil dari populasi.
 Secara acak sederhana, beberapa klaster dipilih untuk
dijadikan sub-populasi dimana contoh adalah semua
anggota dari sub-populasi yang terpilih tadi . Bila msh
amat banyak satuannya perlu diacak lg untuk contoh
yang lebih kecil jumlahnya.

Populasi
dibagi ke
dalam 16 Klaster yang
terpilih secara acak
klaster
 Definisi Kunci:

 Suatu populasi adalah keseluruhan koleksi

atau kumpulan satuan/unit “sesuatu” yang
dimintai untuk dipelajari
karakteristiknya/kualitasnya/atributnya.
 Parameter adalah ukuran menyeluruh yang
menjadi ciri/karakteristik dari populasi. Rata-rata
populasi unitnya adalah µ
 Contoh adalah sebagian dari dari populasi sample
yang diambil untuk dianalisis
 Statistik adalah keseluruhan ukuran yang menjelaskan
mengenai contoh (sample).Rata-rata contoh (mean) = Ȳ
 Definisi Kunci (lanjutan)
 Cara untuk memahami populasi adalah mengidentifikasi
ciri-cirinya dan ciri-cirinya yang telah diidentifikasi itu
disebut variabel.
 Contoh :populasi kambing memiliki ciri-ciri yang bersifat kategori
misalnya jenis kelamin (jantan/betina), yang bersifat diskrit misalnya
jumlah kambing per kabupaten di NTT, yang bersifat kontinyu misalnya
rata-rata berat badan kambing di kacang di NTT .
 Data (contoh/sampel) yang dikumpulkan dalam
berbagai jenis ini merupakan nilai-nilai dari variabel
yang mencirikan populasi karena itu contoh yang
diambil tersebut harus “sebanyak mungkin” jumlahnya
dan “sebaik mungkin” cara memperolehnya sehingga
ciri-ciri populasi benar-benar terwakilkan dalam contoh
yang diambil
 Apa arti “sebanyak mungkin” dan “sebaik
mungkin” dalam pengambilan contoh (sampling)

 Sebanyak mungkin artinya jika populasinya

sangat besar ukurannya maka ukuran
contoh/sampel yang diambil haruslah cukup
besar pula. Yang disebut besar di sini
ditentukan oleh beberapa dasar pertimbangan
yaitu:
• a.minimal 5% dari populasi sehingga prinsip
keterwakilan (representativeness) contoh dapat
diwujudkan.
 Apa arti “sebanyak mungkin” dan “sebaik
mungkin” dalam pengambilan contoh (sampling)

b.biaya, waktu, kemampuan peneliti

mengumpulkan sampel dalam jumlah besar
dan praktis atau tidaknya mengambil sampel
dalam jumlah besar apabila populasi itu
memiliki ciri-ciri yang nilainya dan distribusinya
relatif homogen. Dalam penelitian bidang
eksakta apalagi dalam penelitian sosial, banyak
populasi yang anggotanya memiliki
ciri/karakteristik yang cukup mirip baik dalam
nilai maupun sebaran (distribusi) menurut
waktu dan wilayah.
 Apa arti “sebanyak mungkin” dan “sebaik
mungkin” dalam pengambilan contoh (sampling)
(lanjutan)

 “Sebaik mungkin” artinya gunakanlah teknik

pengambilan contoh yang sesuai atau tepat
dengan tujuan penelitian dan peneliti memiliki
pengetahuan atau gambaran awal yang
memadai tentang populasi yang akan menjadi
sasaran penelitiannya. Dalam hal inilah
perlunya memahami secara baik sejumlah
metode pengambilan contoh seperti yang telah
dijelaskan sebelumnya yaitu acak sederhana,
stratifikasi atau klaster, dan seterusnya.
 Apa arti “sebanyak mungkin” dan “sebaik mungkin”

dalam pengambilan contoh (sampling) (lanjutan)

 Pemahaman awal peneliti tentang populasi

yang akan diteliti diperoleh dari berbagai
sumber yang mungkin ada misalnya data
sekunder, survei awal oleh peneliti sendiri dan
informan kunci di lokasi penelitian.
 Statistika Inferensial
 Statistika Inferensial adalah membuat
pernyataan tentang populasi dengan cara
menguji/menilai hasil analisis contoh.
_
Statistik (X) diketahui) dan
penyimpulan (inference) tentang
sesuatu variabel dalam populasi Parameter populasi (µ) tidak
dibuat atas dasar sampel (contoh diketahui tetapi dapat ditaksir
ini) (estimasi) berdasarkan
contoh

Sample
Population
 Statistika Inferensial
Lebih sederhananya adalah menarik simpulan
/membuat keputusan tentang populasi
berdasarkan hasil analisis data contoh

 Estimasi(menduga/menaksir)
 Menaksir rata-rata berat badan
seluruh ayam kampung di NTT
(populasi) berdasarkan rata-rata
berat ayam kampung yang datanya
dikumpul secara acak dari beberapa
kabupaten.
 Menaksir rata-rata kepemilikinan
sapi per kepala keluarga di NTT
 Stat. Inferensial (lnjut)
 Menguji hipotesis
 Misalnya berat rata-rata (dugaan) ayam kampung
jantan di NTT pada umur 1 tahun adalah 2 kg.
Berdasarkan contoh acak dari beberapa
kabupaten terpilih benarkah berat rata-rata ayam
kampung jantan di NTT = 2 kg?
 H0 : µ = 2 kg
Halternatif : µ ≠ 2 kg;
Catatan: µ baca myu adalah rata-rata populasi.
 Jenis Data
Data

Qualitative Quantitative
(Categorical) (Numerical)

Contoh:
 Status sehat/sakit
Discrete Continuous
 Benar/Salah Contoh Data Diskrit:
 Hidup/mati Contoh data kontinyu
 Jumlah bakteri dalam
(Kategori yang telah satu koloni
didefinisikan)  Berat badan
 Kematian anak ayam  Volume Bahan bakar
per kandang
(Variabel yang nilainya
(Variabel yang nilainya diperoleh dg cara
diperoleh dg cara mengukur)
dihitung)
Jenis Data (tambahan informasi)

 Data menurut urutan waktu (Time Series

Data)
 Data yang disusun secara kronologis

 Data potong silang (Cross Section Data)

 Data diamati berdasarkan titik waktu tertentu
yang ditetapkan.

 Email address collective smstr I-2015: Biostat:

vetaclass6@yahoo.com
Contoh data seri waktu dan data
potong silang

Nilai Ekspor kopi ( $1000’s)

selama 4 tahun di beberapa
provinsi di Indonesia (data fiktif)
2003 2004 2005 2006 Seri
NTT 435 460 475 490 waktu
NTB 320 345 375 395
Sulsel 405 390 410 395
Sulbar 260 270 285 280

Data potong
silang
 Pemahaman tentang berbagai notasi matematika
yang digunakan

 Di sini sengaja saya tambakan slide yang

terkait dengan berbagai notasi matematika yan
digunakan dalam Biostatistika, sebagai
salahsatu cabang Matematika.Mungkin hanya
pengulangan saja karena sebagian telah
diperoleh ketika di sekolah.
 Contoh-contoh Notasi Matematika yang Umum
digunakan dalam Biostatistika

Notasi Cara baca Penggunaan Statistika

1 α alfa
2 β beta
3 γ gamma
4 µ myu Rata-rata populasi atau nilai harapan
dalam Teori Peluang
5 Anda dapat menambahkan sendiri
setelah mempelajarinya lebih lanjut
6
7