DISUSUN OLEH:
KELOMPOK 2
TAHUN 2021
i
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat
dan karunia-Nya dantidak lupa shalawat serta salam kepada junjungan kita Nabi Muhammad
SAW. Sehingga penulis dapat menyelesaikan makalah “Ruang Lingkup Statistik” untuk
memenuhi tugas mata kuliah Statistika Kesehatan.
Penulis menyadari bahwa makalah ini masih terdapat kekurangan baik tulisan maupun
informasi yang ada di dalamnya. Kami berterima kasih kepada Bapak Ns. Gajali Rahman,
S.Kep, M.Kep atas bimbingannya dalam menulis dan menyusun makalah ini, sehingga penulis
dapat membuat makalah sesuai dengan kaidah dalam membuat karya tulis.
Makalah ini masih banyak terdapat banyak kekurangan, kami sangat mengharapkan
kepada para pembaca untuk menyampaikan kritik dan saran yang sifatnya membangun demi
kebaikan dan kesempurnaan makalah selanjutnya. Semoga makalah ini dapat selalu
bermanfaat bagi pembaca dan atas kekurangan dalam makalah ini kami mohon maaf. Terakhir
tidak lupa kami mengucapkan terima kasih.
Penulis
ii
DAFTAR ISI
iii
DAFTAR GAMBAR
iv
BAB I
PENDAHULUAN
B. Rumusan Masalah
Adapun rumusan masalah dalam makalah ini, antara lain :
“Bagaimana ruang lingkup dalam statistic?”
C. Tujuan Penulisan
Tujuan pembuatan makalah ini, antara lain :
1. Mahasiswa dapat menguasai konsep dasar statistik
2. Mahasiswa mengetahui ruang lingkup statistik
3. Mahasiswa dapat menguasai statistik deskriptif
4. Mahasiswa dapat menguasai statistik inferensial
5
D. Manfaat Penulisan
Manfaat dari makalah ini dapat dijabarkan menjadi dua bagian yaitu manfaat teoritis
dan manfaaat praktis, yang dapat diuraikan sebagai berikut :
1. Manfaat praktis
a. Bagi mahasiswa
Sebagai referensi dan bahan pengembangan ilmu pengetahuan metodologi
sebagai bekal utama pengumpulan data pembentukan skripsi.
b. Bagi kelompok
Sebagai bentuk kontribusi kelompok terhadap perkembangan ilmu pengetahuan
dan pemenuhan tugas kuliah mata ajar metodologi.
2. Manfaat teoritis
a. Bagi dunia Pendidikan
Makalah ini diharapkan dapat dimanfaatkan sebagai sumber informasi dan
referensi yang berkaitan dengan pendidikan metodologi serta membantu
mahasiswa maupun peneliti yang melakukan kegiatan ilmiah.
E. Sistematika penulisian
Adapun sistematika penulisan makalah ini yaitu sebagai berikut.
1. Makalah ini diawali dengan halaman judul, kata pengantar, dan daftar isi.
2. BAB I yang merupakan pendahuluan dibagai menjadi beberapa sub-bab yang
terdiri dari latar belakang, rumusan masalah, tujuan, manfaat, sistematika penulisan
3. BAB II yang merupakan pembahasan dibagi menjadi beberapa sub-bab seperti
konsep dasar statistik, ruang lingkup statistik, statistik deskriptif, statistik inferensial
4. BAB III yang merupakan penutup dibagi menjadi beberapa sub-bab yaitu kesimpulan
dan saran-saran.
5. Makalah diakhiri dengan daftar pustaka.
6
BAB II
TINJAUAN PUSTAKA
2. Elemen Statistik
Meskipun statistik bisa diterapkan pada hampir semua aspek kehidupan, namun
ada beberapa elemen yang biasa terdapat dalam suatu persoalan statistik, yaitu:
a. Populasi
Masalah dasar dari persoalan statistik adalah menentukan populasi data.
Secara umum populasi bisa didefinisikan sebagai sekumpulan data yang
mengidentifikasi suatu fenomena. Populasi dalam statistik tidak hanya terbatas
pada masalah-masalah manusia atau bisnis, namun dapat lebih luas
cakupannya. Seperti populasi ayam di suatu daerah, populasi bakteri ‘X’ di
suatu laboratorium dan seterusnya. Juga populasi bisa sedemikian besarnya
7
hingga bisa dikatakan tak terbatas, seperti populasi oksigen di dunia, populasi
plankton di lautan dan sebagainya.
b. Sampel
Sampel bisa didefinisikan sebagai sekumpulan data yang diambil atau
diseleksi dari suatu populasi. Pengambilan sampel dilakukan karena dalam
praktek banyak kendala yang tidak memungkinkan seluruh populasi diteliti.
Kendala tersebut bisa karena situasi, waktu, tenaga, biaya dan sebagainya.
Sebagai contoh, tidak mungkin akan diteliti semua bakteri “X” yang ada di
seluruh dunia; atau akan menghabiskan banyak waktu dan biaya jika seluruh
pekerja wanita di Indonesia dijadikan objek penelitian. Oleh karena itu,
pengambilan sampel (contoh) data pada banyak kasus statistik merupakan
suatu kebiasaan dan karenanya metode pengambilan sampel menjadi bagian
penting dari statistik.
c. Variabel
Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus
diketahui. Hanya satu atau beberapa karakteristik populasi yang perlu
diketahui, yang disebut sebagai variabel. Seperti untuk meneliti kepuasan
pekerja, variabel yang dianggap relevan bisa berupa usia pekerja, gender
pekerja, penghasilan pekerja dan lainnya. Namun, variabel seperti status
pekerja, asal pekerja atau tempat tinggal pekerja bisa saja dianggap tidak
relevan dan tidak perlu dianalisis.
8
Data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data
kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan
matematika atau statistika.
b. Data Sekunder
Data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang
telah ada (peneliti sebagai tangan kedua). Data sekunder dapat diperoleh dari
berbagai sumber seperti Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan
lain-lain.
Sedangkan data berdasarkan tipe skala pengukurannya dapat dibagi menjadi tiga,
yaitu:
a. Data Nominal
Data yang diperoleh melalui pengelompokkan obyek berdasarkan kategori tertentu.
Perbedaan kategori obyek hanya menunjukan perbedaan kualitatif. Walaupun data
nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki
urutan atau makna matematis sehingga tidak dapat dibandingkan. Logika perbandingan
“>” dan “tidak dapat digunakan untuk menganalisis data nominal. Operasi matematika
seperti penjumlahan (+), pengurangan (-), perkalian (x), atau pembagian (:) juga tidak
dapat diterapkan dalam analisis data nominal. Contoh data nominal antara lain: Jenis
kelamin yang terdiri dari dua kategori yaitu: (1) Laki-laki; (2) Perempuan Angka (1)
untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang
digunakan untuk membedakan dua kategori jenis kelamin. Angkaangka tersebut tidak
memiliki makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar
dari angka (1), karena laki-laki tidak memiliki makna lebih besar dari perempuan.
Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2)
9
Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data
tentang jenis kelamin.
b. Data Ordinal
Data yang berasal dari suatu objek atau kategori yang telah disusun secara berjenjang
menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang dapat diurutkan
mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun demikian, jarak atau
rentang antar jenjang yang tidak harus sama. Dibandingkan dengan data nominal, data
ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal berlaku
perbandingan dengan menggunakan fungsi pembeda yaitu “>” dan “.
c. Data Rasio
Data yang menghimpun semua sifat yang dimiliki oleh data nominal, data ordinal, serta
data interval. Data rasio adalah data yang berbentuk angka dalam arti yang
sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat
diterapkannya semua bentuk operasi matematik (+,–,x,:). Sifat-sifat yang membedakan
antara data rasio dengan jenis data lainnya (nominal, ordinal, dan interval).
Contoh berikut: Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data
rasio. Benda yang panjangnya 1 meter berbeda secara nyata dengan benda yang
panjangnya 2 meter sehingga dapat dibuat kategori benda yang berukuran 1 meter dan
2 meter (sifat data nominal). Ukuran panjang benda dapat diurutkan mulai dari yang
terpanjang sampai yang terpendek (sifat data ordinal). Perbedaan antara benda yang
panjangnya 1 meter dengan 2 meter memiliki jarak yang sama dengan perbedaan antara
benda yang panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang
dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan
nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya
2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter
yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak
berlaku untuk jenis data nominal, data ordinal, ataupun data interval.
10
pengolahan data, analisa data secara univariat atau deskripsi (berupa frekuesi dan
persentase, mean, median, modus, standar deviasi dan lain sebagainya) dan
penyajian data. Namun perlu diingat bahwa dalam statistik deskriptif tidak
dilakukan uji hipotesa atau uji statistik.
2. Statistik inferensial yaitu metode staistik yang bertujuan untuk membuat ramalan,
tafsiran atau dugaan tentang adanya pengaruh atau hubungan diantara variabel
yang diteliti. Misalnya pengaruh dukungan suami terhadap tingkat kecemasan
istri dalam bersalin. Hal ini dapat dilakukan melakukan pengumpulan data
terhadap variabel dukungan suami dan variabel tingkat kecemasan istri dalam
bersalin, selanjutknya dilakukan pengolahan data. Kemudian akan dilakukan uji
hipotesa atau dugaaan apakah terdapat pengaruh dukungan suami terhadap
tingkat kecemasan istri dan tahap penyajian data.
C. Statistik Deskriptif
1. Pengertian
Statistik Deskriptif adalah statistik yang tingkat pekerjaannya mencakup
cara-cara menghimpun, menyusun atau mengatur, mengolah, menyajikan dan
menganalisis data angka, agar dapat memberikan gambaran yang teratur,
ringkas dan jelas mengenai suatu gejala, peristiwa atau keadaan. Sedangkan
menurut Shater & Zhang (2012) bahwa Descriptive Statistics adalah cabang
statistik yang mencakup pengorganisasian, penampilan dna penjelasan data.
Statistik deskriptif antara lain : Distribusi Frekuensi Analisis Pemusatan Data
(Central Tendency Analysis), dan Penyimpang / Standar Deviasi.
Analisa Deskriptif dilakukan degan pengujian hipotesis deskriptif. Hasil
analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau
tidak. Jika hipotesis nol (H0) diterima, berarti hasil penelitian dapat
digeneralisasikan. Analisis deskriptif ini menggunakan satu variabel atau lebih
bersifat mandiri, oleh karena itu analisiini tidak berbentuk perbandingan atau
hubungan.
Statistik Deskriptif atau statistik deduktif adalah bagian dari statistik
yang mempelajari cara pengumpulan data dan penyajian data sehingga mudah
dipahami. Statistik deskriptif hanya berhubungan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau
11
fenomena. Dengan kata statistik deskritif berfungsi menerangkan keadaan,
gejala, atau persoalan.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup :
a. Distribusi frekuensi beserta bagian-bagiannya seperti :
1) Grafik distribusi (histogram, poligon frekuensi, dan ogif)
2) Ukuran nilai pusat (rata-rata, kuartil dna sebagainya)
3) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi,
simpangan baku, dan sebagainya)
4) Kemencengan dan keruncingan kurva.
b. Angka indeks
c. Times series / deret waktu atau berkala
d. Korelasi dan regresi sederhana.
Statistika Deskriptif adalah statistika yang menggunakan data pada suatu
kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu
saja.
a. Ukuran lokasi : mode, mean, median, dll
b. Ukuran Variabilitas : varians, deviasi standar, range, dll
c. Ukuran Bentuk : skewness, kurtosis, plot boks
2. Jenis Data
a. Berdasarkan banyaknya data yang diambil, dibedakan menjadi
1) Data Sensus
Data sensus adalah cara pengumpulan data dengan meneliti semua
anggota secara keseluruhan sebagai objek dari riset tersebut. Cara
sensus ini dibentuk sebagai pencatatan data secara menyeluruh,
tanpa terkecuali. Dalam hal ini, semua anggota yang dijadikan
objek dalam penelitian dinamakan populasi.
2) Data Sampel
Data sampel adalah cara mengumpulkan data dengan mengambil
sebagian dari semua anggota, sehingga dalam hal ini sampel
adalah bagian dari populasi. Untuk cara data sampel ini +, akan
menghasilkan data perkiraan (estimate value), yang nantinya bisa
ditaksir atau diperkirakan karakteristiknya dna sifat yang
sesungguhnya dari bagian populasi yang diteliti.
12
b. Berdasarkan jenis cara pengumpulannya, dibedakan menjadi :
1) Pengamatan (observasi), yaitu cara pengumpulan data dengan terjun
dan melihat langsung ke lapangan terhadap objek yang diteliti
(populasi). Pengamatan ini disebut juga penelitian lapangan.
2) Penelusuran literatur, yaitu cara pengumpulan data dengan
menggunakan sebagian atau seluruh data yang telah ada. Cara ini
disebut juga pengamatan tidka langsung.
3) Pengamatan kuesioner (angket), yaitu cara pengumpulan data
dengan menggunakan daftar pertanyaan/ angket atau daftar isian
terhadap objek yang diteliti (populasi)
4) Wawancara (interview), yaitu cara pengumpulan daya dengan
langsung mengadakan tanya-jawab kepada objek yang diteliti atau
kepada perantara yang mengetahui persoalan dari objek yang
diteliti.
13
baris dan bagian kolom tabel berisikan n baris maka didapatkan
tabel kontingensi berukuran m x n.
4) Tabel korelasi, yaitu tabel yang menunjukkan atau memuat adanya
korelasi (hubungan) antara data yang disajikan.
b. Grafik data atau diagram data, yaitu penyajian data dalam bentuk gambar-
gambar. Grafik data sebenarnya merupakan penyajian data secara visual
dari tabel. Grafik dapat dibedakan atas beberapa jenis, yaitu :
1) Piktogram, yaitu grafik data yag menggunakan gambar atau lambang
dari data itu sendiri dengan skala tertentu.
2) Grafik batang atau balok, yaitu grafik data berbentuk persegi panjang
yang lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai
data yang bersangkutan. Grafik batang apat berupa batang dapat
berupa grafik tunggal, berganda atau komponen berganda.
3) Grafik garis, yaitu grafik data berupa garis, diperoleh dari beberapa
ruas garis yang menghubungkan titik-titik pada bilangan. Pada garis
horizontal (sumbu X) ditempatkan bilangan yang sifatnya tetap
(seperti tahun dan ukuran-ukuran ). Pada garis tegak (sumbu Y)
ditempatkan bilangan yang sifatnya berubha-ubah.
4) Grafik lingkaran, yaitu grafik data berupa lingkaran yang telah dibagi
menjadi juring-juring sesuai dengan data tersebut. Bagian dari
keseluruhan data dinyatakan dalan persen.
5) Kartograam atau peta statistik, yaitu grafik data berupa peta yang
menunjukkan kepadatan penduduk, curah hujan, hasil pertanian hasil
pertambangan, dan sebagainya.
14
3. Diagram Alur Statistik Deskriptif
Diagram alur statistic deskriptif digambarkan sebagai berikut:
16
D. Statistik Inferensial
1. Pengertian
Statistik inferensial atau juga dikenal dengan statistic induktif, statistic
lanjut, statistic mendalam adalah statistik yang dapat digunakan untuk mencoba
menarik kesimpulan (conclussion) yang bersifat umum, dari sekempulan data yang
telah disusun dan diolah (Amirotus Sholikhah, 2016). Selain untuk menarik
kesimpulan, statistik inferensial juga dapat digunakan untuk penyusunan atau
pembuatan ramalan (prediciton), penafsiran (estimation), dan sebagainya
(Amirotus Sholikhah, 2016).
Statistik inferensial adalah statistik yang berhubungan dengan pendugaan
populasi dan pengujian hipotesis dari suatu data atau keadaan atau fenomena.
Dalam hal ini, statistik inferensial berfungsi untuk mengontrol dan meramalkan
keadaan atau kejadian (Nilda M. Janna, 2020).
Statistik inferensial merupakan kegiatan merangkum dari semua metode
atau cara yang berkaitan dengan analisis sebagian data, kemudian dapat ditarik
kesimpulan ataupun peramalan tentang keseluruhan data induk dari suatu populasi
tersebut (M. Dahri, 2020)
17
Hal-hal yang berhubungan dengan statistik inferensial adalah :
a. Melakukan penafsiran tentang karakteristik populasi dengan menggunakan
data yang diperoleh dari sample
b. Membuat prediksi atau ramalan tentang masalah untuk masa yang akan
datang
c. Menentukan ada tidaknya hubungan anta karakteristik
d. Menguji hipotesis
e. Membuat kesimpulan secara umum mengenai populasi
Jika salah satu asumsi diatas tidak terpenuhi, seperti jika data tidak
cukup banyak, namun tidak bisa berdistribusi normal, atau tipe data adalah
nominal atau ordinal, maka metode statistik nonparametric dapat
18
digunakan. Contoh dari statistika parametric antara lain : uji-t, uji-z, serta
korelasi pearson.
Kelemahan
a) Populasi harus memiliki varian yang sama
b) Variable-variabel yang diteliti harus dapat diukur setidaknya dalam
skala interval.
c) Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi
harus normal dan bervarian sama, dan harus merupakan kombinasi
linear dari efek-efek yang ditimbulkan.
19
c) Statistik non-parametrik dapat digantikan data numeric (nominal) dengan
jenjang (ordinal).
d) Pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata
Kelemahan :
4. Jenis Variabel
a. Variable diskrit (discreet variable)
Variable diskrit adalah variable yang berupa data pengkategorian atau
membedakan atau mengelompokkan jenis tertentu. Data jenis ini disebut data
nominal atau data dikotomik. Misalnya : data dikotomik 1 untuk kategori benar
dan 0 dan untuk kategori salah. Data dikotomi ini seringkali digunakan
mahasiswa untuk mengkategorikan jawaban benar dans alah dari tes-tes jenis
objek semisal pilhan ganda (Multiple hoicce Question (MCQ). Contoh lainnya
adalah symbol 1 untuk pria dan 2 untuk wanita. Angka 1 0, atau 1 2 hanya
merupakan label untuk penanda kategori. Jadi bukan berarti bahwa angka 2
lebih tinggi nilainya dari 1 dan 0. Data tersebut bersifat tetap (Setara) dan tentu
tidak dapat digunakan dalam operasi hitung.
Selain itu, data yang termasuk dalam variable diskrit (data distrit) adalah
data bilangan bulat. Bilangan bulat adalah bila bilangan yang tidak dalam
bentuk pecahan/decimal. Misalnya jumlah penjualan mobil tahun 2016 adalah
300 buah. Data tersebut selalu bulat. Jadi tidak ada 2,5 mobil.
3) Data Rasio
Data rasio merupakan data pengukuran yang paling kompleks dan
tentu dapat digunakan dalam operasi hitung angka dalam data rasio
merupakan angka yang sesungguhnya, bukan hanya sebagai simbol.
apabila Ada angka 0 berarti memang angka 0 yang sebenarnya atau
mutlak. contoh dari data ini adalah data hasil pengukuran/ perhitungan
massa, panjang dan waktu. misalnya, data berat badan, berat badan a
mempunyai berat 45 kg, B mempunyai berat 90 kg. Jika dilihat
menggunakan skala rasio berat badan a a adalah setengah dari berat
badan B.
21
5. Skala Pengukuran
1) Skala Nominal
Skala nominal merupakan skala yang paling lemah/ rendah di antara skala
pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau
peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). skala
pengukuran nominal digunakan untuk mengklasifikasi objek, individual atau
kelompok dalam bentuk kategori.
Pemberian angka atau simbol pada skala nomial tidak memiliki maksud
kuantitatif hanya menunjukkan ada atau tidak adanya atribut atau
karakteristik pada objek yang diukur. Misalnya, jenis kelamin diberi kode 1
untuk laki-laki dan kode 2 untuk perempuan. Angka ini hanya berfungsi
sebagai label kategori, tanpa memiliki nilai intrinsik dan tidak memiliki arti
apapun. Kita tidak bisa mengatakan perempuan dua kali dari laki-laki. Kita
bisa saja mengkode laki-laki menjadi 2 dan perempuan dengan kode 1, atau
bilangan apapun yang kodenya berbeda antara laki-laki dan perempuan.
Karena tidak memiliki nilai instrinsik, maka angka-angka (kode-kode) yang
kita berikan tersebut tidak memiliki sifat sebagaimana bilangan pada
umumnya. Oleh karenanya, pada variabel dengan skala nominal tidak dapat
diterapkan operasi matematika standar( aritmatik) pengurangan,
penjumlahan, perkalian, dan sebagainya. Peralatan statistik yang sesuai
dengan skala nominal adalah peralatan statistik yang berbasiskan(
berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, chi
Square dan beberapa peralatan statistik non- parametrik lainnya.
2) Skala Ordinal
Kalau ordinal sering juga disebut dengan skala peringkat. Hal ini karena
dalam skala ordinal, lambang-lambang bilangan hasil pengukuran selain
menunjukkan perbedaan juga menunjukkan urutan atau tingkatan objek yang
diukur menurut karakteristik tertentu. Misalnya tingkat kepuasan seseorang
terhadap produk. bisa kita beri angka dengan 5= sangat puas,4 = puas,
3=Kurang puas,2= tidak puas dan 1= sangat tidak puas.
22
Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin
mengganti angka-angkanya, harus dilakukan secara berurut dari besar ke
kecil atau dari kecil ke besar. Maka, 1= sangat puas, 2= tidak puas, 3= puas
dstnya. Yang boleh adalah 1=Sangat puas, 2= puas,3= kurang puas dan
seterusnya tidak diperbolehkan.
Selain itu, angka perlu diperhatikan dari kata karakteristik skala ordinal
adalah meskipun nilainya sudah memiliki batas yang jelas tetapi belum
memiliki jarak( selisih). Kita tidak tahu berapa jarak kepuasan dari tidak puas
ke kurang puas. dengan kata lain juga, walaupun sangat puas kita beri angka
5 dan sangat tidak puas kita beri angka 1 ,kita tidak bisa mengatakan bahwa
kepuasan yang sangat puas lima kali lebih tinggi Dibanding kan yang sangat
tidak puas.
Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga
tidak dapat menerapkan operasi matematika standar seperti pengurangan,
penjumlahan, perkalian dan lainnya peralatan statistik yang sesuai dengan
skala ordinal juga adalah peralatan statistik yang berbasiskan jumlah dan
proporsi seperti modus, distribusi frekuensi Chi Square dan beberapa
peralatan statistik non- parametrik lainnya.
3) Skala Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala
nominal dan ordinal dengan ditambah karakteristik lain,yaitu berupa adanya
interval yang tetap. Dengan demikian skala interval sudah memiliki nilai
intrinsik, sudah memiliki jarak, tetapi jarak tersebut belum merupakan
kelipatan. pengertian “Jarak belum merupakan kelipatan” ini kadang-kadang
diartikan bahwa skala interval tidak memiliki nilai nol mutlak. Skala interval
ini sudah benar-benar angka dan dan kita sudah dapat menerapkan semua
operasi matematika serta peralatan statistik kecuali yang berdasarkan pada
rasio seperti koefisien variasi.
4) Skala Rasio
Skala rasio adalah skala data dengan kualitas paling tinggi. pada skala
rasio, terdapat semua karakteristik skala nominal, ordinal dan skala interval
ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak
ini artinya adalah nilai dasar yang tidak bisa diubah meskipun menggunakan
23
skala yang lain. Oleh karenanya, pada skala rasio, pengukuran sudah
mempunyai nilai perbandingan/ rasio.
Pengukuran-pengukuran dalam skala rasio yang sering digunakan adalah
pengukuran tinggi dan berat. misalnya berat benda A adalah 30 kg,
sedangkan benda B adalah 60 kg. maka dapat dikatakan bahwa benda B dua
kali lebih berat dibandingkan benda A.
24
BAB III
PENUTUP
A. Kesimpulan
Statistik terbagi menjadi 2, yaitu : Statistik deskriptif dan statistik
inferensialStatistik deskriptif yaitu metode statistik yang bertujuan untuk membuat
deskripsi atau gambaran tentang suatu variabel penelitian, misalnya gambaran
pengetahuan ibu tentang diare. Hal ini dapat dilakukan melakukan pengumpulan data
terhadap variabel pengetahuan tentang diare melalui kuesioner, melakukan pengolahan
data, analisa data secara univariat atau deskripsi (berupa frekuesi dan persentase, mean,
median, modus, standar deviasi dan lain sebagainya) dan penyajian data. Namun perlu
diingat bahwa dalam statistik deskriptif tidak dilakukan uji hipotesa atau uji statistik.
Statistik inferensial yaitu metode statistik yang bertujuan untuk membuat
ramalan, tafsiran atau dugaan tentang adanya pengaruh atau hubungan diantara variabel
yang diteliti. Misalnya pengaruh dukungan suami terhadap tingkat kecemasan istri
dalam bersalin. Hal ini dapat dilakukan melakukan pengumpulan data terhadap variabel
dukungan suami dan variabel tingkat kecemasan istri dalam bersalin, selanjutnya
dilakukan pengolahan data. Kemudian akan dilakukan uji hipotesa atau dugaaan apakah
terdapat pengaruh dukungan suami terhadap tingkat kecemasan istri dan tahap
penyajian data.
B. Saran
Semoga makalah ini bermanfaat bagi kita semua, dengan adanya makalah ini kita
bisa mengetahui ruang lingkup statistik dan sebagai salah satu tenaga kesehatan dalam
masyarakat harus mampu menghadapi persaingan untuk bagian dari pemeliharaan
kesehatan dan memilih kemajuan ilmu pengetahun dan teknologi dibidang kesehatan
dalam kumpulan metode untuk mengumpulkan, menampilkan, menganalisis, dan
menggambarkan kesimpulan dari data tetapi tidak meninggalkan nilai- nilai budaya
dalam upaya untuk meningkatkan pelayanan kesehatan yang berkualitas.
25
DAFTAR PUSTAKA
Dahri, M (2020)., Jenis Variabel dan Skala Pengukuran, Perbedaan Statistik Deskriptif dan
Inferensial dan Statistik Parametrik dan Non-Parametrik., DOI : 10.31219/osf.io/dprtn
Hadi, Sutarto dkk. (2018). Statistika Inferensial Teori dan Aplikasinya. Banjarmasin: Rajawali
Press.
Hartanto. Dr. Dicky & Yuliani, Dr. Sri. (2019). Statistik Riset Pendidikan Dilengkapi Analisis
SPSS. Pekanbaru: Cahaya Firdaus Publishing and Printing
Hathaway ED. (2020). Average lifetime lost (ALL): a descriptive statistic for assessing disease
fatality with a Covid-19 example. J Epidemiol Community Health, 74: 976
Husnul, Nisak R.I. dkk. (2020). Statistik Deskriptif. Tanggerang: Unpam Press.
Nasution, Leni Masnidar. (2017). Statistik Deskriptif. Jurnal Hikmah, 14 (1), 49-55
Santoso, Singgih (2019)., Mahir Statistik Parametrik., PT Elex Media Komputindo : Jakarta
26