Biostatistik Inferensial
Penyusun,
URAIAN MATERI:
RINGKASAN :
Penggunaan metode statistik untuk memecahkan masalah kesehatan yang
unsur utamanya adalah manusia dikenal dengan Biostatistik. Biostatistika
merupakan ilmu terapan dari statistika dalam bidang biologi.
RUANG LINGKUP BIOSTATISTIK :
Bidang Medis
Bidang Kependudukan
Kesehatan Lingkungan
Keselamatan dan Kesehatan Kerja
Kesehatan Reproduksi
Epidemiologi
Gizi Masyarakat
Pendidikan Kesehatan dan Ilmu Perilaku
Administrasi Kebijakan Kesehatan
TEST/LATIHAN :
1. Jelaskan definisi tentang Ilmu Statistika?
2. Jelaskan pengertian dan tujuan Biostatistik
3. Jelaskan peranan statistik dalam penelitian
TUGAS:
Manfaat apa yang saudara dapatkan sebagai mahasiswa setelah mempelajari
konseo dan teori biostatistik inferensial, Jelaskan secara essay.
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
4. Statisik Untuk Kedokteran dan Kesehatan, M.Sopiyudin Dahlan, 2017.
5. Besar Sampel dan Pengambilan Sampel, M.Sopiyudin Dahlan, 2017.
6. Yuantari, C dan Handayani, S, Buku Ajar Biostatistik Deskriptif dan
Inferensial, 2016.
7. Mawarni, A, Buku Ajar Biostatistik Inferensial, FKM-UNDIP, 2017
8. Hulu, V & Rohana, S, Analisis Data Statistik Parametrik Aplikasi SPSS
dan STATCAL (Sebuah Pengantar Untuk Kesehatan), 2019.
URAIAN MATERI:
Penelitian yang dilakukan dengan teknik pengumpulan data melalui alat ukur
kuesioner, biasanya responden selalu memiliki jawaban yang berbeda-beda.
Penggunaan skala ukur berkaitan dengan jenis data yang digunakan. Secara
umum skala ukur yang digunakan dalam penelitian-penelitian kesehatan terdiri
dari skala nominal, skala ordinal, skala interval dan skala rasio. Berikut
penjelasan masing-masing skala ukur tersebut.
Setelah data dikumpulkan dari lapangan melalui kegiatan penelitian, maka data
yang kumpulkan tersebut diproses dengan teknik pengolahan dan analisis data.
Secara umum analisis data penelitian terdiri dari analisis univariat, bivariat dan
multivariat.
1. Analisis univariat merupakan analisis yang bertujuan untuk mengetahui
distribusi frekuensi pada setiap variabel penelitian. Analisis univariat hanya
mendeskripsikan masing-masing variabel penelitian. Menurut (Gunarto, M,
2018) bahwa analisis univariat dilakukan jika yang dianalisis hanya satu
variabel. Ukuran nilai-nilai statistik deskriptif yang digunakan pada analisis
ini adalah ukuran pemusatan data (misalnya rerata, median dan modus),
ukuran penyebaran data (misalnya range, simpangan baku dan varians),
serta melalui tabel distribusi frekuensi, grafik atau histogram.
2. Analisis bivarat. Pada analisis ini digunakan untuk menguji hubungan antara
dua variabel, yaitu hubungan antara masing-masing variabel independen
dengan variabel dependen. Menurut (Gunarto, M, 2018) pada teknik analisis
bivariat digunakan jika terdapat dua variabel yang akan dianalisis.
ANALISIS STATISTIKA
• STATISTIKA
RINGKASAN:
Beberapa istilah dan simbol yang digunakan dalam biostatistik inferensial yaitu,
skala pengukuran, sumber data, teknikpengumpulan data, pengolahan data,
analisa data, statistik parametrik, statistik non parametrik dan tahapan analisa
dalam statistik inferensial mulai dari analisis univariat, bivariat dan multivariat.
TEST/LATIHAN:
1. Uraikan klasifikasi data beserta contohnya
2. Jelaskan skala data dan berikan contohnya
3. Jelaskan beberapa metode dalam pengumpulan data
4. Jelaskan beberapa jenis penyajian data
5. Jelaskan prosedur pengolahan data
TUGAS :
Analisislah masing-masing metode dalam pengumpulan data, jelaskan
kelemahan & kelebihannya.
URAIAN MATERI:
• Error tipe II, Keputusan uji menyatakan tidak ada perbedaan yang pada
hakikatnya ada perbedaan
Nilai α adalah sama dengan nilah proporsi luas daerah penolakan terhadap
keseluruhan luas kurva. Berdasarkan table di atas α diartikan sebagai sebagai
kekeliruan untuk menolak hipotesis ternyata hipotesis tersebut benar. Besarnya
α ditentukan oleh peneliti. Lazimnya untuk penelitian social cebderung
menggunakan α 0,10 sampai dengan 0,05 atau lebih besar dari angka tersebut.
Pada uji satistik non parametrik dan anova selalu menggunakan uji dua sisi,
namun nilai α tidak perlu dibagi dua. Oleh karea itu pada saat melihat tabel dan
penentuan daerah penolakan digunakan satu sisi sebelah kanan, karena dalam
uji non parametrik dan anova ini tidak dikenal angka negatif.
TEST/LATIHAN:
1. Sebutkan hal pokok yang perlu dipahami dalam biostatistik inferensial
2. Jelaskan konsep test kemaknaan
3. Sebutkan contoh uji beda non parametric
TUGAS:
Jelaskan perbedaan test kemaknaan 5%, 10%
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
URAIAN MATERI:
RINGKASAN :
Uji yang akan dibahas dalam bab ini adalah uji parametrik dan nonparametrik.
TEST/LATIHAN:
URAIAN MATERI:
ANALISIS BIVARIAT
Setelah diketahui karakteristik masing-masing variabel dapat diteruskan
analisis lebih lanjut. Pada analisis univariat, misalnya ada dua variabel : jenis
pembayaran berobat dan kepuasan pasien, kita hanya melakukan
pendeskripsian sendiri-sendiri untuk variabel jenis pembayaran dan kepuasan
pasien. Untuk variabel jenis pembayaran akan diketahui berapa persen yang
berobat dengan biaya sendiri dan berapa persen yang dibiayai askes. Begitu
juga untuk variabel kepuasan pasien, akan diketahui berapa persen yang puas
dan berapa persen yang tidak puas.
Apabila diinginkan analisis hubungan antara dua variabel, dalam contoh diatas
berarti kita ingin mengetahui hubungan jenis pembayaran dengan kepuasan
pasien, maka analisis dilanjutkan pada tingkat bivariat. Pada analisis bivariat
kita dapat mengetahui apakah ada perbedaan kepuasan pasien antara pasien
dengan membayar sendiri dengan pasien dengan biaya askes. Kegunaan
analisis bivariat bisa untuk mengetahui apakah ada hubungan yang siginifikan
antara dua variabel, atau bisa juga digunakan untuk mengetahui apakah
ada perbedaan yang signifikan antara dua atau lebih kelompok(sampel).
Tujuan Bivariat:
Mengetahui hubungan antara satu variabel dengan variabel lain
5.1 Perbedaan Substansi/Klinis dan Perbedaan Statistik
RINGKASAN:
Perlu dipahami/disadari bagi peneliti bahwa berbeda bermakna/signifikan
secara statistik tidak berarti (belum tentu) bahwa perbedaan tersebut juga
bermakna dipandang dari segi substansi/klinis. Seperti diketahui bahwa
semakin besar sampel yang dianalisis akan semakin besar menghasilkan
kemungkinan berbeda bermakna. Dengan sampel besar perbedaan-perbedaan
sangat kecil, yang sedikit atau bahkan tidak mempunyai manfaat secara
substansi/klinis dapat berubah menjadi bermakna secara statitik. Oleh karena
itu arti kegunaan dari setiap penemuan jangan hanya dilihat dari aspek statistik
semata, namun harus juga dinilai/dilihat kegunaannya dari segi klinis/substansi.
TUGAS:
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
Materi ini menjelaskan tentang konsep konsep estimasi, bentuk estimasi. Dan
ciri-ciri estimasi yang baik dalam biostatistik inferensial. Melalui pertemuan ini
diharapkan mahasiswa mampu memahami konsep dasar estimasi.
METODE PEMBELAJARAN: Ceramah dan Diskusi
URAIAN MATERI:
ESTIMASI/PENDUGAAN/PERKIRAAN
Estimasi atau pendugaan atau perkiraan adalah suatu metoda , dimana kita
dapat menduga nilai/ karakteristik (parameter) populasi dari hasil sampel
(statistik). Estimasi atau pendugaan terbagi dua yaitu: estimasi titik dan estimasi
interval.
Pada bab ini akan mempelajari bagaimana cara melakukan pendugaan
parameter populasi berdasarkan statistik yang dihitung dari sampel. Cara
pengambilan kesimpulan tentang parameter yang pertama kali akan dipelajari
ialah sehubungan dengan cara-cara menaksir harga parameter. Harga
parameter yang sebenarnya tetapi tak diketahui itu akan ditaksir berdasarkan
statistik sampel yang diambil dari populasi yang bersangkutan. Penduga yang
baik adalah merupakan penduga tidak bias, harapan penduga sama dengan
yang diduga. Disamping itu penduga yang efisien, bila ada lebih dari satu
penduga maka yang mempunyai variasi paling kecil. Penduga yang konsisten
bila sampel diambil makin besar maka akan mendekati sesungguhnya. Adapun
simbol θ adalah penduga populasi. Berikut secara ringkas ditampilkan symbol
parameter di populasi dan nilai statistik pada sampel.
PARAMETER (POPULASI) STATISTIK (SAMPEL)
Rerata Populasi (µx) Rerata Sampel (X)
Varian Populasi (σx )
2
Varian Sampel (Sx2)
Standar Deviasi Populasi (σx ) Standar Deviasi Sampel (Sx)
atau
ˆ x z1 / 2 SE
Untuk data kategorik pendekatannya selalu ke kurva normal dan symbol
pendugaan parameter proporsi yaitu π dengan ulasan sebagai berikut:
Dalam analisis univariabel maka X = np
Simpangan baku npq
Standar Error :
pq
SE
n
Rumus umum:
ˆ p Z1/ 2 SE
atau
p.q
ˆ p Z1/ 2
n
6.3 PENDUGAAN PARAMETER POPULASI DENGAN SAMPEL BESAR
Bila pada suatu populasi diambil sampel acak yang besar, maka statistik θ akan
mempunyai distribusi normal, sehingga dapat ditansformasi menjadi distribusi
normal standar.
0,2 x0,8
ˆ 0,2 1.96 0,2 0,11
50
=0,20,11={0,09 ; 0,31}……CI 95%
Hal ini berarti : 95% dapat diyakini bahwa proporsi perokok di Prodi Kesehatan
Masyarakat FFIKes USM-Indonesia berada antara 9% sampai dengan 31%.
Dengan sampel yang besar, maka fluktuasi S2 tidak akan terlalu besar, artinya
nilai-nilai S2 tidak akan terlalu berbeda antara sampel yang satu dengan
sampel yang lain. Sehingga variasi σ 2 dari populasi dapat didekati dengan
variasi dari sampel, yaitu S2, karena S2 merupakan penduga yang baik untuk
σ2. Dalam hal ini, apapun distribusi populasinya, normal atau tidak normal,
maka statistik:
Dalam hal sampel yang kita ambil jumlahnya kecil, ternyata distribusi dari
statistik tersebut merupakan distribusi student yang ditulis t yaitu :
Contoh soal :
s
x t1/ 2
df n
50
210 2.064 x 210 20.64
25
μ= 210 ± 20,64
μ= { 189.36 ; 231.64} gr/dl………CI 95%
Maka dapat diartikan : 95% dapat dipercaya bahwa rata-rata kadar kolesterol
pada penderita PJK berada antara kisaran 189.36 sampai dengan 231.64 gr/dl
RINGKASAN:
Materi yang disajikan pada bab ini meliputi : populasi dan sampel, cara
menduga yang baik, pendugaan titik, pendugaan interval, pendugaan
parameter populasi dengan sampel besar dan kecil.
TEST/LATIHAN:
Rata-rata tekanan darah sistolik untuk 100 orang sehat didapatkan 73 mmHg
dan simpangan baku 11,6 mmHg. Hitunglah µ pada 95% confiden interval.
TUGAS:
1. Kadar Hb laki-laki dewasa normal diketahui 15gr/100ml dengan standar
deviasi 2 gr. Dari penelitian terhadap kelompok kerja tertentu diperoleh 25
orang pekerja tersebut dengan kadar HB = 16,0 gr/100ml. Tentukan berapa
kadar HB di populasi pekerja tersebut pada CI 95% dan bandingkan hasilnya
dengan kadar Hb laki-laki dewasa. Apa interpretasi saudara.
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
4. Statisik Untuk Kedokteran dan Kesehatan, M.Sopiyudin Dahlan, 2017.
5. Besar Sampel dan Pengambilan Sampel, M.Sopiyudin Dahlan, 2017.
6. Yuantari, C & Handayani, S, Buku Ajar Biostatistik Deskriptif dan
Inferensial, 2016.
7. Mawarni, A, Buku Ajar Biostatistik Inferensial, FKM-UNDIP, 2017
8. Hulu, V & Rohana, S, Analisis Data Statistik Parametrik Aplikasi SPSS
dan STATCAL (Sebuah Pengantar Untuk Kesehatan), 2019.
URAIAN MATERI:
UJI HIPOTESIS/SIGNIFICANCE TESTING (TEST KEMAKNAAN)
Pengujian hipotesis membantu pengambilan keputusan dalam menolak atau
menerima suatu hipotesis yang diajukan. Keyakinan menolak atau menerima
berdasarkan pada besarnya peluang untuk memperoleh hubungan secara
kebetulan. Prinsip uji hipotesis adalah melakukan perbandingan nilai sampel
atau data hasil penelitian dengan nilai hipotesis atau nilai populasi yang
diajukan.
Hipotesis nol (Ho) menyatakan bahwa tidak ada perbedaan kejadian diantara
dua kelompok atau tidak ada hubungan antara satu variabel dan variabel yang
Tanda tidak sama dengan, menunjukkan uji hipotesis berlangsung dua arah,
yaitu sebelah kiri dan sebelah kanan yang artinya bahwa daerah dan titik kritis
ada disebelah kiri dan sebelah kanan.
Secara sistematis ujia satu arah baik kanan maupun kiri serta uji dua arah
ditampilkan sebagai berikut :
z=
t=
RINGKASAN:
Pada bab hipotesis akan membahas tentang pengertian hipotesis dan prinsip
pengujiannya, bentuk uji hipotesis, identifikasi kesalahan pengambilan
keputusan, tingkat kemaknaan dalam pengujian hipotesis serta jenis-jenis
pengujian hipotesis.
TEST/LATIHAN:
Kepala Puskesmas di suatu kecamatan melaporkan bahwa rata-rata berat bayi
saat lahir tahun lalu adalah 3200 gram dengan standar deviasi 300 gram.
Kepala Puskesmas Sehat ingin menguji apakah ada perbedaan rata-rata berat
bayi tahun lalu dengan saat ini, untuk menguji hal tersebut diambil sampel
sebanyak 100 bayi dan diperoleh rata-rata beratnya 3265 gram. Buktikan
apakah ada perbedaan rata-rata berat bayi tahun lalu dengan saat ini (α : 5%)
TUGAS:
Berdasarkan hasil survei di suatu kota, dilaporkan bahwa 25% remaja merokok.
Saat ini dilakukan survei pada 250 remaja, ternyata ditemukan 100 remaja
merokok. Buktikan apaka persentase remaja merokok tahun ini lebih banyak
dibandingkan tahun lalu!
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
4. Statisik Untuk Kedokteran dan Kesehatan, M.Sopiyudin Dahlan, 2017.
URAIAN MATERI:
Uji ini digunakan untuk menguji data yang saling independen (tidak
berpasangan) tujuanya yaitu untuk mengetahui ada atau tidaknya perbedaan
rerata antara dua buah data. Adapun syarat yang harus dipenuhi yaitu:
a. Data berdistribusi normal
b. Data dipilih secara acak
c. Data yang digunakan dengan skala interval/rasio
Dalam pengujian t-test dua sampel saling bebas atau dua sampel tidak
berpasangan/independen dapat dilakukan dengan 2 cara untuk memperoleh t-
hitung berdasarkan sama atau tidak sama jumlah sampel yaitu:
1. Varian populasi tidak diketahui, ukuran sampel sama dan varians
diasumsikan sama
Digunakan jika ukuran sampel (n) sama dan varian dianggap sama. Dengan
menghitung nilai t sebagai berikut :
Langkah-Langkah Uji:
1. Pastikan data dipilih secara acak dan berdistribusi normal
2. Tentukan apakah varian homogen atau heterogen
3. Tuliskan Ha dan Ho
4. Cari t-hitung atau z-hitung berdasarkan rumus yang sesuai
5. Tentukan taraf signifikan
6. Cari t tabel atau z tabel dimana df tergantung pada rumus yang dipilih
7. Tentukan kriteria pengujian kapan Ho diterima atau ditolak
8. Bandingkan t-hitung dengan t-tabel
9. Buatlah kesimpulan
Contoh:
Suatu penelitian terhadap kadar kolesterol dari Sampel yang diambil dari 20
orang penderita PJK dan 15 Orang penderita DM asumsi kedua populasi
mempunyai varian sama didapatkan :
X1(PJK)=215mg/dl S1(PJK)=50mg/dl
X2(DM)=230mg/dl,S2(DM)=45mg/dl
Penyelesaian:
1) Ho : Tidak ada perbedaan kadar kolesterol pend PJK dan DM
Ha : ada perbedaan kdr kolesterol PJK dan DM
2) batas kritis alfa =0,05
3) Uji statistik: uji t independen /tidak berpasangan (pooled t test)
215 230 15
t 0,9375
(50 2 x19) (452 x14) 1 1 16
20 15 2 20 15
a. Hipotesis
Ho : Ppost = Ppre ; tidak ada perbedaan pengetahuan antara sebelum dan
setelah dilakukan penyuluhan
Ha : Ppost > Ppre ; ada peningkatan pengetahuan setelah dilakukan
penyuluhan dibanding sebelumnya
b. Nilai α
α = 5%
d. Perhitungan Rumus :
No Pre Post d (post-pre) d2
1 30 34 4 16
2 29 29 0 0
3 26 29 3 9
4 29 32 3 9
5 28 28 0 0
6 32 32 0 0
7 30 33 3 9
8 28 28 0 0
9 28 29 1 1
10 26 30 4 16
11 29 30 1 1
12 27 27 0 0
JUMLAH 19 61
t=
t = 3,27
e. Df/db/dk Df = N – 1 = 12 – 1 = 11
f. Nilai tabel Nilai tabel pada tabel t distribusi student
Uji dua sisi, α = 5%, df = 11, nilai t tabel = 2,718
g. Menggunakan rumus t hitung = 3,27 > t table = 2,718 ; berarti Ho ditolak,
Ha diterima
h. Kesimpulan ada peningkatan pengetahuan setelah dilakukan penyuluhan
dibanding sebelumnya, pada α = 5%.
TEST/LATIHAN:
Penelitian terhadap pengetahuan 20 dokter terhadap penyakit Flu burung
didapatkan rata-rata skor pengetahuan 85 dan simpangan baku 12.
Penelitian yang samajuga dilakukan terhadap 25 orang bidan yang bertugas di
rumah sakit didapat rata-rata skor 78 dan simp baku 15.
Apakah kesimpulan dari peneliti pada α= 0,05
TUGAS:
Seorang dokter kebidanan ingin melihat efek pemberian tablet fe (zat besi)
terhadap ibu hamil. Untuk itu telah diambil secara random 10 bumil dan
memeriksa Hb sebelum pemberian fe dan sesudahnya. Data sebagai berikut :
No Kadar HB Sebelum Diberikan Tablet Kadar HB Sebelum Diberikan Tablet Fe
Fe
1 8.7 12
2 9.4 11.5
3 8.5 11.0
4 7.9 10.5
5 10 10
6 9.5 10.5
7 9.0 11.5
8 8.9 11
9 10 9.5
10 10.5 12,5
Pertanyaan :
Apa kesimpulan dokter tadi terhadap hasil pemberian fe terhadap ibu hamil
pada α= 0,05
Untuk ini dicari perbedaan rata rata dari sampel sebelum dan sesudah
pemberian tablet fe, selanjutnya dilakukan uji hipotesis untuk sampel
berpasangan.
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
Materi ini menjelaskan tentang uji beda lebih dari dua mean atau uji anova.
Analisis of varians (ANOVA)/uji anova digunakan jika ingin menguji rata-rata
kelompok lebih dari atau sama dengan tiga. Dalam analisis anova hanya
digunakan hipotesis dua arah yaitu apakah ada perbedaan rata-rata. Melalui
pertemuan ini diharapkan mahasiswa mampu memahami konsep dasar dan
menerapkan uji beda lebih dari dua mean/anova.
METODE PEMBELAJARAN: Ceramah dan Diskusi
URAIAN MATERI:
Terdapat 4 metode diet dan 3 golongan usia peserta program diet Berikut data
rata-rata penurunan berat peserta keempat metode dalam tiga kelompok umur.
Berdasarkan gambar di atas terlihat bahwa ada empat metode (kolom). Dari
empat metode itu dilakukan oleh beberapa orang tapi tiap metode dilakukan
oleh orang yang berbeda. Pada tabel diatas terlihat data diperoleh dari sampel
yang berbeda perlakuan antar kelompok karen itu kita hanya bisa
membandingkan antar metode tapi tidak bisa membandingkan antar orang
karena setiap orang tidak melakukan metode yang sama oleh karena itu
dikatakan satu arah saja.
Konsep uji Anova secara sederhana :
Adanya Varian populasi kalau asumsi ketiga obat tidak berbeda. (σ2 )
Varian ini dapat diestimasi melalui dua sumber yaitu :
σ2 between mean= σ2 B
σ2 within group= σ2 W
2b
F 2
w
Rumus Grand Mean & Varian :
Grand mean:
{n1 x1 n2 x2 ..... nk xk }
xˆ
n1 n2 ....nk
Varian betwen:
2 2 2
B
2 1 1
{n ( x x ) n (
2 2x x ) ...n (
k kx x )}
k 1
Varian within:
2
{s 2
1 (n1 1) s22 (n2 1)....sk2 (nk 1)}
N k
W
Contoh:
Ada tiga jenis obat yaitu obat A, B dan C yang diukur kemampuan obat tersebut
dalam menyembuhkan penyakit. Rata-rata dan standar deviasi ketiga obat
tersebut beserta jumlah masing-masing obat adalah :
Obat A Obat B Obat C
4 5 3
5 6 4
4 5 2
6 7 3
5 6 4
5 3
3
Xa: 4.8 Xb: 5.7 Xc: 3.1
Sa:0.84 Sb: 0.82 Sc;0.69
n=5 n=6 n=7
RINGKASAN:
Analisis of varians (ANOVA) uji anova digunakan jika ingin menguji rata-rata
kelompok lebih dari atau sama dengan tiga. Dalam analisis anova hanya
digunakan hipotesis dua arah yaitu apakah ada perbedaan rata-rata.
TUGAS:
Sebuah penelitian tentang perbedaan kemampuan siswa dalam mempelajari
matematika yang didasarkan pada pengelompokan siswa menurut jenis
pekerjaan orang tua, diperoleh data sebagai berikut:
Peg. Negeri dan ABRI Guru Tani Buruh tani
70 80 75 65
60 85 80 70
75 75 80 75
65 90 80 60
65 85 70 60
90 75 75 75
85 85 70 75
90 95 60 75
75 90 75 70
70 100 95 65
POKOK BAHASAN : Uji Beda Satu dan Uji Beda Dua Proporsi
URAIAN MATERI:
UJI BEDA SATU DAN UJI BEDA DUA PROPORSI
Uji beda proporsi disebut juga uji beda data kategori. Konsep uji ini adalah :
Skala nominal, ordinal……data kategorikal
Misal : Jenis kelamin: laki & wanita…terdiri dari 2 (dua0 kategori dan Golongan
darah, O,A, B, AB terdiri dari 4 (empat) kategori
Secara deskriptif :
Laki-laki….45 %
Wanita……55 % yang diperhitungkan adalah persentase/
proporsi
Secara deskriptif laki-laki proporsinya 0.45
Distribusi data proporsi :
Pendekatan data proporsi ke distribusi Normal:…..didalam distribusi
normal dikenal parameter nya μ dan σ atau kalau sampel ada X dan S
Untuk data proporsi
Mean = np
Sim baku (S)= √n p (1-p) = √npq
Distribusi Sampling Data Proporsi
CLT
π = Pp Distribusi N(0,1)
0.3 x0.7
0.3 1.96
50
π = 0,30 ± 0.13
π = { 0.17 ; 0.43 } ..CI 95%
Artinya : 95% dapat dipercaya bahwa proporsi/persentase perokok di populasi
mahasiswa berada antara 17% sampai dengan 43%
Uji Hipotesis satu Proporsi dan Populasi
Dari contoh diatas didapat p=0.30. Kalau pada masyarakat umum perokok ada
25% (π = 0.25) apa kesimpulan peneliti pada α= 0.05 ?
Dilakukan uji hipotesis
Ho p=π Ha p≠π
α= 0.05
Uji statistik ……Uji Z
p p
Z
SE (1 )
n
0.3 0.25
Z 0.816
0.25 x 0.75
50
1 1
SE p' (1 p ' ){ }
n1 n2
Ho p1=p2 Ha p1≠ p2
α= 0.05
Uji statistik….Uji Z
p1 p2
Z
1 1
p ' (1 p ' )( )
n1 n2
15 35 50
p' 0.4
50 75 125
0.3 0.47 0.17
Z 1.88
1 1 0.09
0.4 x0.6( )
50 75
Pvalue =0.03
2xpv = 0.06……..pv>α……..Ho …diterima
Kesimpulan : tidak ada perbedaan proporsi perokok mahasiswa kesehatan
masyarakat dan mahasiswa ekonomi.
Estimasi perbedaan dua proporsi
RUMUS :
{ 1 2 } ( p1 p2 ) Z1/ 2 SE
RINGKASAN:
Materi ini menjelaskan tentang uji beda satu proporsi dan uji beda dua proporsi.
Tujuan dan kegunaan uji ini adalah untuk menguji perbedaan proporsi
pernyataan / pendapat anggapan / standar / ketentuan baku / peraturan dengan
data hasil kenyataan di lapangan. Melalui pertemuan ini diharapkan
mahasiswa mampu memahami konsep dasar dan menerapkan uji beda satu
proporsi dan uji beda dua proporsi.
TEST/LATIHAN:
Menurut pendapat pakar bahwa masyarakat yang mengikuti program keluarga
berencana baik secara mandiri atau ikut program pemerintah tidak melebihi
85% dari keseluruhan masyarakat. Pendapat tersebut diuji dengan mengambil
sampel 6800 masyarakat yang diidentifikasi keikutsertaannya terhadap program
keluarga berencana. Berdasarkan penelitian diperoleh data, bahwa sebanyak
5824 ikut program keluarga berencana dan 976 orang tidak ikut program
keluarga berencana. Selidikilah dengan α = 5%, apakah pendapat pakar
tersebut di atas benar ?
Penyelesaian :
a. Hipotesis:
Ho : π = 85% ; proporsi peserta keluarga berencana tidak beda dengan 85%
Ha : π ≠ 85%; proporsi peserta keluarga berencana beda dengan 85%
b. Nilai α = 5%
c. Rumus statistik penguji
TUGAS:
Bayi yang sudah diimunisasi di Kecamatan Baru sebanyak 467 bayi dari total
542 bayi, sedangkan di Kecamatan Suka sebanyak 571 bayi telah diimunisasi
dari total 642 bayi. Selidikilah dengan α = 5%, apakah proporsi bayi yang telah
diimunisasi kedua kecamatan tersebut sama ?
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
4. Statisik Untuk Kedokteran dan Kesehatan, M.Sopiyudin Dahlan, 2017.
5. Besar Sampel dan Pengambilan Sampel, M.Sopiyudin Dahlan, 2017.
6. Yuantari, C & Handayani, S, Buku Ajar Biostatistik Deskriptif dan
Inferensial, 2016.
7. Mawarni, A, Buku Ajar Biostatistik Inferensial, FKM-UNDIP, 2017
8. Hulu, V & Rohana, S, Analisis Data Statistik Parametrik Aplikasi SPSS
dan STATCAL (Sebuah Pengantar Untuk Kesehatan)
URAIAN MATERI:
UJI CHI-SQUARE (X2)
Uji chi square sering disebut juga sebagai uji kai kuadrat. Uji ini merupaka salah
satu uji statistik nonparametrik. Uji chi square berguna untuk menguji hubungan
atau pengaruh dua buah variabel nominal dan mengukur kuatnya hubungan
anatara variabel satu dengan variabel nominal lainnya. (C=coefisien
contingency).
Chi square mempunyai ketentuan sebagai berikut:
1. Nilai chi square tidak pernah negatif, karena selisih dari frekuensi
pengamatan dan frekuensi harapan dikuadratkan.
2. Ketajaman dari distribusi chi square tidak tergantung pada ukuran sampel
tetapi tergantung pada banyaknya kategori yang digunakan.
3. Distribusi chi square bersifat menceng kanan (nilai positif), semakin
meningkat jumlah derajat bebas maka semakin mendekati distribusi normal.
(O E ) 2
X
2
E
Dimana:
X2 = nilai chi square
O = frekuensi yang diperoleh/diamati
E = Frekuensi yang diharapkan,
Penyelesaian :
Ho: Tidak ada perbedaan proporsi perokok antara mahasiswa FFIKes, FE, dan FP
Ha: Ada perbedaan proporsi perokok antara mahasiswa FFIKes, FE, dan FP
α = 0,05
Uji statistik Uji X2
Untuk data yang sudah ada didalam tabel untuk mencari nilai expected dari sel
E sel = (tot baris x tot kolom): grand totat ----- ini dikerjakan sesuai dengan df
Df (degree of freedom)/derajat bebas= (b-1) ( k-1)
Dari tabel (3x2) diatas maka didapat df =(3-1)x (2-1)=2
Untuk tabel tersebut:
E sel b1 k1 = (75x100)/250=30
E sel b2 k1 = (100x100)/250=40
TEST/LATIHAN:
1. Seorang pemilik pabrik berpendapat bahwa proporsi barang yang rusak,
yang berasal dari 3 buah mesn yaitu mesin A, B, dan C adalah sama. Untuk
menguji pendapat tersebut diambil 200 sampel acak yang terdiri dari 40
sampel produk mesin A, 40 sampel produk mesin B, dan 120 sampel produk
mesin C. Ternyata 5 sampel produk mesin A rusak, 15 sampel produk mesin
B rusak, dan 20 sampel produk mesin C rusak. Dengan menggunakan taraf
nyata 5%, ujilah pendapat pemilik pabrik itu.
2. Suatu penelitian ingin mengetahui apakah ada perbedaan antara proporsi
orang tua siswa di empat kota yaitu Medan, Lubuk Pakam, Tebing Tinggi dan
Langkat yang setuju dengan penyuluhan tentang Program Kebiasaan
Mencuci Tangan Pakai Sabun (CTPS) di sekolah menengah umum.
Respons 500 orang tua siswa yang diambil secara acak dari masing-masing
kota adalah sebagai berikut:
TUGAS:
Dari suatu penelitian pada penderita penyakit jantung koroner dengan variabel
pendidikan dan kebiasaan merokok. Hasilnya disusun seperti tabel di bawah ini
Pendidikan Perokok Tidak Perokok Total
Tidak Sekolah 9 16 25
SD 15 7 32
SMP 12 12 24
SMA 1 8 9
Pergurun Tinggi 0 10 10
Total 37 63 100
Pertanyaan:
a. Dengan memakai α = 0,05, ujilah dengan menggunakan kai kuadrat
b. Apakah kesimpulan dari penelitian di atas?
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
4. Statisik Untuk Kedokteran dan Kesehatan, M.Sopiyudin Dahlan, 2017.
5. Besar Sampel dan Pengambilan Sampel, M.Sopiyudin Dahlan, 2017.
6. Yuantari, C & Handayani, S, Buku Ajar Biostatistik Deskriptif dan
Inferensial, 2016.
7. Mawarni, A, Buku Ajar Biostatistik Inferensial, FKM-UNDIP, 2017
8. Hulu, V & Rohana, S, Analisis Data Statistik Parametrik Aplikasi SPSS
dan STATCAL (Sebuah Pengantar Untuk Kesehatan)
POKOK BAHASAN : Uji Korelasi dan Regresi Linier Sederhana dan Penerapannya
URAIAN MATERI:
UJI KORELASI DAN REGRESI LINIER SEDERHANA
12.1 Korelasi Product Moment
Uji Korelasi Product Moment Kegunaan uji ini adalah untuk menyatakan ada
atau tidaknya hubungan antara variabel X dengan variabel Y. Atau untuk
menilai hubungan antara 2 (dua) variabel numerik. Untuk menyatakan besarnya
sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam
persen. Dengan syarat sebagai berikut:
Data berdistribusi Normal
Variabel yang dihubungkan mempunyai data linear.
Variabel yang dihubungkan mempunyai data yang dipilih secara acak.
Variabel yang dihubungkan mempunyai pasangan yang sama dari subyek
yang sama pula (variasi skor variabel yang dihubungkan harus sama).
Variabel yang dihubungkan mempunyai data interval atau rasio.
Nilai r terbesar adalah +1 dan r terkecil adalah –1. r = +1 menunjukkan
hubungan positip sempurna, sedangkan r = -1 menunjukkan hubungan
negatip sempurna.
r tidak mempunyai satuan atau dimensi. Tanda + atau - hanya menunjukkan
arah hubungan. Interpretasi nilai r adalah sebagai berikut:
r Interpretasi
0 Tidak Berkorelasi
0,01-0,20 Korelasi Sangat Rendah
0,21-0,40 Korelasi Rendah
0,41-0,60 Korelasi agak Rendah
0,61-0,80 Korelasi Cukup
0,81-0,99 Korelasi Tinggi
1 Korelasi Sangat Tinggi
c. Cari r hitung :
( X ).( Y ) (150).(31)
( XY ) (970)
r n 5 0.97
X 2
Y 2
150
2
31 2
( X ) . ( Y ) (4750) . (199)
2 2
n n 5 5
Langkah Uji:
1. Jumlahkan skor item-item di tiap variabel untuk mendapatkan skor total
variabel (misalnya cari skor total variabel X dengan menotalkan item-item
variabel X).
2. Lakukan rangking skor total x (rx) dan rangking skor total y (ry).
3. Cari nilai d yaitu selisih rx – ry .
4. Cari nilai d2 yaitu kuadrat d (selisih rx – ry).
Contoh:
Sebuah penelitian yang bertujuan untuk mengetahui hubungan antara
pengeluaran konsumsi (Y) dengan pendapatan keluarga (X). Untuk itu diambil
sampel acak sebanyak 10 keluarga untuk diwawancarai, dan dari hasil
penelitian itu diperoleh data sebagai berikut:
Konsumsi (Y) 5 6 8 9 10 12 12 14 15 20
Pendapatan (X) 6 8 10 12 13 17 20 22 24 28
Penyelesaian :
1. Persamaan regresi populasi akan diduga dengan persamaan regresi
sampelnya:
Xi Yi Xi2 Yi2 XiYi
6 5 36 25 30
8 6 64 36 48
10 8 100 64 80
n = 10
x = Σ Xi
n
= 160/10 = 16
Y = Σ Yi
N
= 111/10 = 11,1
RINGKASAN:
TEST/LATIHAN:
Sebuah sampel acak yang terdiri dari 6 pasangan data mengenai besarnya
pendapatan dan konsumsi bulanan dari 6 karyawan perusahaa swasta yang
bergerak di bidang pariwisata (dalam jutaa rupiah) adalah sebagai berikut:
Konsumsi 8 12 16 20 24 26
Pendapatan 7 9 12 14 13 15
TUGAS:
Survei hubungan berat badan dengan tekanan darah pekerja di perusahaan X
didapatkan data sebagai berikut :
BB: 50 56 70 64 66 75 74 79 80 85
TD: 115 130 125 130 135 135 140 136 145 145
Berdasarkan data tersebut hitunglah :
a. Korelasi berat badan dengan tekanan darah
b. Hitung persamaan garis regresi, bila ada seorang berat badan 80 kg
prediksikan tekanan darahnya
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.
4. Statisik Untuk Kedokteran dan Kesehatan, M.Sopiyudin Dahlan, 2017.
5. Besar Sampel dan Pengambilan Sampel, M.Sopiyudin Dahlan, 2017.
6. Yuantari, C & Handayani, S, Buku Ajar Biostatistik Deskriptif dan
Inferensial, 2016.
URAIAN MATERI:
1. REGRESI LOGISTIK SEDERHANA
Analisis regresi logistik adalah salah satu pendekatan model matematis yang
digunakan untuk menganalisis hubungan satu atau beberapa variabel
independen dengan sebuah variabel dependen katagorik yang bersifat
dikotom/binary. Variabel katagorik yang dikotom adalah variabel yang
mempunyai dua nilai variasi, misalnya sakit-tidak Sakit, bayi BBLR dan Normal,
merokok dan tidak merokok, dan lain-lain.
Perbedaan antara regresi linear dengan regresi logistik terletak pada jenis
variabel dependennya. Regresi linear digunakan apabila variabel dependennya
numerik , sedangkan regresi logistik diogunakan pada data yang dependennya
berbentuk katagorik yang dikotom.
Untuk memahami lebih jelas tentang regresi logistik coba kita lihat contoh
analisis penelitian yang mempelajari hubungan antara variabel umur dengan
kejadian penyakit jantung koroner. Pengamatan dilakukan pada 100 orang
sampel, didapatkan hasil :
No 1 2 3 4 5 6 7 8 9 10 11 … … 100
Umur 20 22 23 24 25 27 28 29 30 32 33 … … 70
PJK 0 0 1 0 0 1 0 1 1 0 0 … … 1
20 – 29 10 9 1 0,10
30 – 34 15 13 2 0,13
35 – 39 12 9 3 0,25
Pada tabel terlihat bahwa ada peningkatan proporsi kejadian jantung pada
kelompok umur semakin tua/lanjut. Kemudian kita coba sajikan data tersebut
dengan grafik dan hasilnya dapat dilihat pada grafik berikut:
Pada grafik terlihat jelas adanya peningkatan yang tidak linear antara proporsi
kejadian PJK dengan peningkatan umur. Diawali peningkatan yang
landai, kemudian meningkat tajam dan kemudian landai kembali, garis
tersebut menyerupai huruf S. Kalau kita cermati, pembuatan diagram tebar
tersebut merupakan cara untuk mendeteksi/mengetahui hubungan pada
analisis regresi linier, namun ada sedikit perbedaan hal dalam hal meringkas
variabel dependennya. Seperti kita ketahui bahwa pada regresi linier kita ingin
mengestimasi nilai mean variabel dependen berdasarkan setiap nilai variabel
independen. Nilai tersebut disebut sebagai mean kondisional yang
dinyatakan dengan E(Y/x), dengan Y sebagai dependen dan x sebagi
independen. E(Y/x) adalah nilai Y yang diharapkan berdasarkan nilai x.
misal Y variabel tekanan darah dan x variabel umur, maka untuk mengetahui
estimasi tekanan darah berdasarkan umu, dihitung rata-rata (mean) tekanan
Jawab:
Dengan model regresi logistik maka pada soal tersebut modelnya adalah:
P(X) = 1 .
-(α + β1X1 + β2X2 + … + βiXi
1+e
RINGKASAN:
TEST/LATIHAN:
Apa perbedaan yang prinsip antara regresi linier sederhana dan regresi logistik
sederhana?
TUGAS:
1. Jelaskan makna dikotom dalam regresi logistik
2. Gambarkan model logistik
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
URAIAN MATERI:
POPULASI DAN SAMPEL
14.1 Populasi
Populasi dan sampel merupakan satu komponen yang sangat diperlukan.
Dalam menentukan populasi dan sampel penelitian, sudah barang tentu
haruslah sesuai dengan langkah-langkah yang ditentukan serta haruslah tepat
dan efisien. Kendala-kendala yang timbul selayaknya dapat diantisipasi oleh
peneliti. Oleh karenanya, dalam menentukan populasi dan sampel peneliti
hendaklah memperhatikan hal-hal yang memang berkaitan dengan populasi
dan sampel, sehingga didapatkan sampel yang tepat.
Populasi berasal dari kata bahasa inggris yaitu population, yang berarti jumlah
penduduk. Oleh karena itu, apabila disebutkan kata populasi, orang
kebanyakan menghubungkannya dengan masalah-masalah kependudukan. Hal
tersebut ada benarnya juga, karena itulah makna kata populasi sesungguhnya.
Kemudian pada perkembangan selanjutnya, kata populasi menjadi amat
populer, dan digunakan di berbagai disiplin ilmu.
Dalam metode penelitian kata populasi digunakan untuk menyebutkan
serumpun atau sekelompok objek yang menjadi sasaran penelitian. Oleh
karenanya, populasi penelitian merupakan keseluruhan (universal) dari objek
penelitian yang dapat berupa manusia, hewan, tumbuhan, udara, gejala, nilai,
peristiwa, sikap hidup, dan sebagainya, sehingga objek-objek ini dapat menjadi
sumber data penelitian.
1% 2,81 2,57
5% 1,96 1,64
10% 1,64 1,44
15% 1,44 1,28
20% 1,28 0,84
1. Deskripsi Kategori :
Parameter dari kepustakaan: Proporsi (P)
Contoh:
Meneliti prevalensi anemia di suatu daerah, maka nilai yang harus dicari adalah
prevalensi anemia (P) dari penelitian sebelumnya (kepustakaan).
Jika tidak ada, gunakan nilai P = 0,5 → besar sampel maksimal (P x Q = max)
Parameter yang ditetapkan peneliti: Presisi (d)
Contoh :
Prevalensi gizi buruk adalah 30% (kepustakaan). Peneliti menetapkan selisih
nilai yang akan diperoleh dg nilai sebenarnya yang masih bisa diterima adalah
5%. Presisi: 5%
Rumus :
Diketahui:
Prevalensi kebutaan = 5%
Peneliti menetapkan tk.kepercayaan 95%
α = 5% → Z1-α/2=1,96
Presisi (d) = 4%
Diketahui:
Prevalensi = 50%
Peneliti menetapkan tk.kepercayaan 95%
α = 5% → Z1-α/2=1,96
Presisi (d) = 10%
2. Deskripsi Numerik :
Parameter dari kepustakaan: SD (S)
Contoh:
Meneliti rerata kadar Hb wanita hamil di suatu daerah. Maka nilai yang harus
dicari adalah standar deviasi (S) dari penelitian sebelumnya (kepustakaan).
Jika dalam kepustakaan diperoleh kdr Hb = 10±2, maka nilai S = 2
Jika tidak ada, disarankan melakukan penelitian pendahuluan (10-20 subjek)
Parameter yang ditetapkan peneliti: Presisi (d)
Selisih yang masih bisa diterima antara rerata sesungguhnya.
Contoh:
jika peneliti menetapkan selisih yang masih bisa diterima sebesar 0,5 mg/dL,
maka presisinya = 0,5 mg/dl
Lakukan pilot studi pada 20 lansia di Medan. Dari 20 subjek ini peneliti
mendapatkan skor sebesar 70±30. S=30
TK = 95%, nilai presisi (d) = 10
RINGKASAN:
Materi ini menjelaskan tentang Uji yang akan dibahas dalam bab ini adalah
popu;asi dan sampel. Melalui pertemuan ini diharapkan mahasiswa mampu
memahami konsep dasar dan menerapkan konsep populasi dan sampel dalam
penelitian meliputi tehnik pengambilan sampel dan perhitungan besar sampel.
TUGAS:
1. Seorang peneliti ingin mengetahui berapa proporsi balita di daerah A yang
telah mendapat vaksinasi polio. Tingkat kepercayaan yang dikehendaki
sebesar 95% dan ketepatan absolut yang diinginkan sebesar 10%.
Berapakah besar sampel minimal yang diperlukan?
2. Dinas kesehatan kota Medan melakukan survei prevalensi infeksi
tuberkulosis pada anak balita di kota Medan. Berdasarkan hasil survei
prevalensi yang sudah dilakukan di kota lain, peneliti memperkirakan
prevalensi infeksi tuberkulosis sebesar 15% (data fiktif). Ketepatan absolut
yang diinginkan adalah 5% dari prevalensi sebenarnya. Tingkat kepercayaan
yang digunakan adalah 95%. Berapa jumlah balita yang dibutuhkan sebagai
sampel?
REFERENSI:
1. Luknis, S & Sutanto,P. Statistik Kesehatan, Salemba Medika, 2013.
2. Manton, R.F., et al Bimbingan Studi tentang Epidemiologi dan
Biostatistika, Jakarta, 2015.
3. Singgih Santoso, Menguasai Statistik Parametrik & Non Parametrik,
2015.