Pertemuan 1

Dr. Ir. Rahayu Astuti, M.Kes

STATISTIK DESKRIPTIF
Statistika adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan atau penganalisaannya dan penarikan kesimpulan
berdasarkan kumpulan data dan penganalisaan yang dilakukan.
Statistika juga merupakan sekumpulan konsep dan metode yang digunakan
untuk melakukan pengumpulan data, pengolahan, analisis dan menginterpretasikan
data tentang bidang kegiatan tertentu serta mengambil kesimpulannya.
 sehingga disebut juga metode statistik
Biostatistik  ilmu statistik (statistika) yang diterapkan dalam ilmu-ilmu
biologi/kesehatan

KEGIATAN STATISTIKA :
Kegiatan statistik meliputi: pengumpulan, pengolahan, penyajian, analisis dan
penyimpulan data. Di bawah ini disajikan bagan untuk melihat 4 tahap kegiatan
statistik dalam suatu proses penelitian.

Kegiatan dalam setiap tahap kegiatan statistik

Pengolahan data Penyajian data

Manual Elektronik Tulisan Tabel Grafik

Pengumpulan data Analisis data

Primer Sekunder Tersier Deskriptif Analitik

Kesimpulan
Spesifik Umum

Gambar 1
1. Pengumpulan data
Pengumpulan data dapat dilakukan dengan cara : wawancara, observasi,
angket, pengukuran. Sedangkan alat yang digunakan untuk pengumpulan data :
kuisioner, cek list, alat-alat ukur.

2. Pengolahan data
Secara ideal ada 4 tahap yaitu:
a). Editing : yaitu kegiatan melakukan pengecekan isian formulir atau kuisioner
apakah jawaban yang ada di kuisioner sudah lengkap, jelas, relevan, konsisten
b). Koding : yaitu kegiatan merubah data berbentuk huruf menjadi data berbentuk
angka/ bilangan. Kegunaan dari koding adalah untuk mempermudah pada saat
analisis data dan juga mempercepat pada saat entry data.

R. Astuti 1
 c). Processing : yaitu kegiatan memproses data agar dapat dianalisis, dengan cara
meng-entry data ke paket program komputer.
d). Cleaning : yaitu pembersihan data merupakan kegiatan pengecekan kembali
data yang sudah di-entry apakah ada kesalahan atau tidak. Kesalahan tersebut
dimungkinkan terjadi pada saat kita meng-entry ke komputer.

3. Analisis data
a). Analisis univariat : yaitu analisis yang menjelaskan/ mendeskripsikan
karakteristik masing-masing variabel
b). Analisis bivariat : yaitu menganalisis hubungan 2 variabel
c). Analisis multivariate : yaitu menganalisis atau menghubungkan beberapa
variabel dengan satu variabel. Misalnya faktor mana yang paling besar
pengaruhnya terhadap satu variabel dependen.

4. Penyajian data
Yaitu kegiatan yang dilakukan agar supaya data yang telah diolah dan dianalisis
dapat dimengerti oleh orang lain. Data dapat disajikan dalam bentuk : tekstular,
tabular, grafikal

MACAM-MACAM STATISTIKA:

1. STATISTIKA DESKRIPTIF
Yaitu metode statistika yang digunakan untuk menggambarkan /menyajikan dan
analisis data yang telah dikumpulkan.
Kegiatan: pengumpulan data – pengolahan data – penyajian data – analisis data
(mean, SD, persentase dll).

2. STATISTIKA INFERENSIAL/ANALITIK/INDUKTIF
Yaitu metode statistika yang dapat menggeneralisir nilai-nilai dari sampel yang
sengaja dikumpulkan menjadi nilai populasi.
Atau metode statistika yang digunakan untuk mengetahui (menarik kesimpulan)
tentang sebuah populasi berdasarkan suatu sampel.
Kegiatan: analisis data, yaitu estimasi/uji hipotesis dan penarikan kesimpulan
(dengan menggunakan sampel)

Pada statistik deskriptif  kegiatannya hanya menggambarkan/mendeskripsikan

data tanpa melakukan generalisasi pada populasi
Pada statistik deskriptif mempelajari:
- Cara penyajian data
- Cara meringkas data dan menjelaskan data

Pada Statistik analitik  kegiatannya sudah melakukan generalisasi pada populasi

R. Astuti 2
PERANAN DALAM PENELITIAN

Peranan statistika dalam penelitian tentunya sesuai dengan pengertian

statistika yaitu suatu metode yang digunakan untuk mengumpulkan data, mengolah,
menganalisis serta menyajikan data dan pengambilan keputusan. Dengan demikian
peranan dalam penelitian juga dalam pengumpulan data, pengolahan dan analisis data.
Juga untuk menguji validitas dan reliabilitas instrument.
Secara skematis dapat dilihat pada bagan berikut :

Teori/ Fakta
konsep
Masalah

Tinjauan Pustaka
- Identifikasi variabel
- Kerangka Teori
- Kerangka Konsep

Hipotesis
Generalisasi

Verifikasi
- Disain
- Populasi, Sampel
- Instrumen
- Pengumpulan data
- Pengolahan data
Peranan statistika
- Analisis data

Kesimpulan

Bagan 1. Bagan alur penelitian dan peranan statistika

R. Astuti 3
 DATA, VARIABEL
DAN SKALA PENGUKURAN
PENGERTIAN DATA
Data berasal dari kata Latin yaitu “datum”. Bentuk jamak dari kata datum
adalah “data”. Jadi dalam menyatakan data kita sebetulnya sudah berkata bentuk
jamaknya, sehingga untuk selanjutnya tidak perlu menyatakan data-data, sudah cukup
menyatakan “data” saja. Data adalah suatu himpunan/kumpulan angka yang berasal
dari hasil pengukuran individu atau hasil penelitian.

MACAM DATA
Ditinjau dari jenis data maka terdapat bermacam-macam data antara lain:
* Berdasarkan cara mendapatkan data:
a). Data diskrit: yaitu data yang berbentuk bilangan bulat (diperoleh dengan cara
menghitung)
Contoh: - jumlah tempat tidur di RS 100 buah
- jumlah akseptor KB 30 orang
- jumlah mahasiswa keperawatan di kelas ini 40 orang
b). Data kontinyu: yaitu data yang dapat merupakan rangkaian data, dan nilainya
dapat dalam bentuk desimal (diperoleh dengan cara mengukur).
Contoh: - tinggi badan mahasiswa 155,3 cm
- berat badan 60,8 kg
- suhu tubuh 36,8 oC

*Berdasarkan bentuk datanya:

a). Data kualitatif: yaitu data dalam bentuk kualitas atau berhubungan
dengan mutu. Atau data hasil dari penggolongan/pengklasifikasian (katagorik).
Contoh: - pernyataan terhadap KB: setuju, kurang setuju, tidak setuju.
- pendidikan: tinggi, menengah, rendah
- status gizi: baik, kurang, buruk
b). Data kuantitatif: yaitu data dalam bentuk bilangan/angka (numerik)
Contoh: - jumlah anak balita: 25 anak.
- tinggi badan 167,2 cm
- kadar hemoglobin 12,0 gr/dl

*Berdasarkan sumber data yaitu:

a). Data primer: yaitu data yang dikumpulkan oleh peneliti sendiri atau
data yang diperoleh langsung dari subyek penelitian
b). Data sekunder: yaitu data yang diambil dari suatu sumbe, misalnya Puskesmas,
Rumah Sakit, Kelurahan dll.
c). Data tersier: yaitu data yang diperoleh dari hasil penelitian atau laporan-laporan
yang berupa kesimpulan-kesimpulan.

R. Astuti 4
VARIABEL
Variabel adalah suatu sifat yang akan diukur atau diamati yang nilainya
bervariasi antara satu obyek dengan obyek lainnya atau dengan kata lain variabel
adalah suatu sifat/karakteristik yang mempunyai variasi nilai.

Macam variabel:
1. a). Variabel katagorik/ kualitatif: variabel hasil dari penggolongan
atau pengklasifikasian.
Contoh: - jenis kelamin (laki-laki, perempuan)
- tingkat pendidikan (SD,SLTP, SLTA, PT)
- status perkawinan (kawin, belum kawin, janda/duda)
b). Variabel numerik/kuantitatif: variabel hasil penghitungan/pengukuran dan
berbentuk bilangan/angka (numerik)
Contoh: - jumlah bayi lahir
- tinggi badan

2. a). Variabel diskrit: yaitu variabel yang nilainya dinyatakan dalam bentuk
bilangan bulat dan hasil dari penghitungan
Contoh: - jumlah anak balita dalam keluarga
- jumlah anggota keluarga
- jumlah pasien di kelas VIP
b). Variabel kontinyu: yaitu variabel yang nilainya bisa dalam bentuk desimal,
dan hasil dari pengukuran.
Contoh: - tekanan darah
- suhu tubuh
- kadar hemoglobin

3. a). Variabel dependent/ var. terikat/ akibat/ respon

Yaitu variabel yang tergantung/ terpengaruh oleh variabel lain

b). Variabel independent/ var. bebas/ sebab/ sebab

Yaitu variabel yang mempengaruhi/ menjadi sebab dari variabel lain
variabel x variabel y
(variabel independent) (variabel dependent)

SKALA PENGUKURAN
Dalam mengumpulkan nilai dari variabel perlu juga diketahui skala
pengukuran dari variabel tersebut. Skala ada 4 macam yaitu skala nominal, ordinal,
interval dan rasio.

1. Skala Nominal
Merupakan skala pengukuran yang paling lemah tingkatannya. Terjadi bila
pengukuran terhadap variabel tersebut hanya dapat membedakan satu pengamatan
dengan pengamatan yang lain. Setiap obyek akan masuk kedalam salah satu
kelompok/ kategori.Tidak mungkin ada tumpang tindih (over lapping). Nomor
yang diberikan kepada obyek tidak mempunyai besaran, jadi hanya sekedar label.

R. Astuti 5
 Ciri : - isinya dapat dibedakan
- nilainya sederajat (antara kategori tidak dapat diketahui tingkat
perbedaannya.
Contoh : - jenis kelamin (laki-laki ; perempuan)
- agama (Islam, Kristen dll)
- suku bangsa (Jawa, Sunda, Betawi, dll)

2. Skala Ordinal
Apabila pengukuran terhadap variabel tersebut dapat membedakan serta
mengurutkan (order = urutan = ranking). Antara kategori dapat diketahui tingkat
perbedaannya. Jadi dari kelompok yang sudah ditentukan dapat diurutkan menurut
besar kecilnya. Nomor yang diberikan kepada obyek mempunyai besaran, yang
dapat diurutkan.
Ciri : - dapat dibedakan
- ada tingkatan
- belum ada jarak/ besar beda
Contoh : - Status ekonomi : baik, sedang, kurang
- status gizi : baik, kurang, buruk
- tingkat pendidikan : SD, SLTP, SLTA, PT

3. Skala Interval
Apabila pengukuran terhadap variabel tersebut dapat membedakan, mengurutkan,
serta melihat besar beda antara nilai variabel. Jadi pada skala interval dapat
ditentukan jarak dari urutan kelompok tersebut.
Ciri : - dapat dibedakan
- ada tingkatan
- ada jarak/ besar beda
- belum ada kelipatan
Contoh: - Suhu badan (0C) (pasien A: 36,00C ; pasien B: 37,50C, jarak: 1,50C)
Pada skala interval tidak dapat dikaitkan kelipatannya secara mutlak. Subyek
yang bersuhu 50 0C tidak dua kali lebih panas daripada subyek yang bersuhu
25 0C. Hal ini karena tidak ada nilai nol mutlak. Seperti diketahui bahwa 0 0C
adalah 32 0 Fahrenheit.

4. Skala Rasio
Apabila pengukuran terhadap variabel tersebut dapat membedakan, mengurutkan,
memperlihatkan besar beda, serta juga dapat memperlihatkan kelipatannya. Jadi
disini terdapat nilai nol mutlak.
Ciri : - dapat dibedakan
- ada tingkatan
- ada jarak/ besar beda
- ada kelipatan
Contoh : - berat badan
- tinggi badan
Pada skala rasio arti kelipatan disini yaitu bila subyek A mempunyai berat badan
60 kg dan subyek B mempunyai berat badan 30 kg maka subyek A berat badannya
2 kali subyek B.

R. Astuti 6
SOAL
1. Apa yang dimaksud dengan data kuantitatif, berikan contohnya!
2. Apa yang dimaksud dengan data kualitatif, berikan contohnya!
3. Berilah contoh variable diskrit berikut datanya.
4. Berilah contoh variable kontinyu berikut contohnya.
5. Jelaskan pengertian skala pengukuran nominal, dan berilah contohnya.
6. Jelaskan pengertian skala pengukuran ordinal, dan berilah contohnya.
7. Jelaskan pengertian skala pengukuran interval, dan berilah contohnya.
8. Jelaskan pengertian skala pengukuran rasio, dan berilah contohnya.

Daftar Pustaka

1. Budiarto. Biostatistika untuk kedokteran dan kesehatan masyarakat. EGC. Jakarta.

2002
2. Dawson B, Trapp RG. Basic and Clinical Biostatistics. Third Edition. McGraw-
Hill International Editions. Lange Medical Books, The McGraw-Hill Companies.
2001.
3. Daniel, Wayne W; Cross, Chad L. Biostatistics. A Foundation for Analysis in The
Health Science. Tenth Edition. John Wiley & Sons, Inc., Hokoben, New Jersey.
2013.
4. Le, Chap T; Eberly Lynn E. Introductory Biostatistics. Second Edition. John
Wiley & Sons, Inc., Hokoben, New Jersey. 2016.
5. Rosner, Bernard. Fundamentals of Biostatistics. Eighth Edition. Cengange
Learning, Boston, USA. 2016.
6. Sabri dan Hastomo. Statistika kesehatan. PT Raja Grafindo Persada. Jakarta. 2006.
7. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures.
Third Edition. Chapman & Hall/CRC. Florida. 2004.

R. Astuti 7
Pertemuan 2
Dr. Ir. Rahayu Astuti, M.Kes

PENYAJIAN DATA
STATISTIK DESKRIPTIF
Merupakan kegiatan mulai dari pengumpulan data sampai kepada
mendapatkan informasi dengan jalan menyajikan dan analisa data yang telah
terkumpul atau sengaja dikumpulkan.
Kegiatan: pengumpulan data – pengolahan data – penyajian data – analisis data (mean,
SD, persentase dan lain-lain).

Pada statistik deskriptif  kegiatannya hanya menggambarkan/mendeskripsikan

data tanpa melakukan generalisasi pada populasi
Pada statistik deskriptif mempelajari:
- Cara penyajian data
- Cara meringkas data dan menjelaskan data

PENYAJIAN DATA : Data dapat disajikan dalam bentuk :

- Tekstular, tabular, grafikal

Tipe data

Data kuantitatif Data kualitatif

(skala interval/rasio) (skala nominal/ordinal)

Diagram garis Tabel kontingensi

Diagram tebar Diagram batang

Steam and leaf Diagram Pie

Distribusi frekuensi Pictogram

Kurtogram
Histogram Poligon Ogive
garis

R. Astuti 1
Pada cara meringkas data dan menjelaskan data yaitu menggambarkan data yang
meliputi distribusi frekuensi data, dan untuk data kuantitatif menggambarkan letak
data (central tendency/ukuran pemusatan), variasi data dan bentuk data.

Pada data kuantitatif :

Data kuantitatif
(skala interval/ rasio)

Ukuran pemusatan Variasi Bentuk

Mean Range Skewness

Mean Deviasi
Median Kurtosis

Standard deviasi
Modus
Varians

Koefisien variasi

Distribusi frekuensi

Pada data kualitatif :

Data kualitatif
(skala nominal/ordinal)

Median

Modus

R. Astuti 2
PENYAJIAN DATA STATISTIK
Tujuan Penyajian Data
- Membandingkan dua angka atau lebih
- Menunjukkan distribusi subyek menurut nilai atau kategori variabel tertentu
- Menampilkan perubahan nilai suatu variabel tertentu menurut waktu
- Menunjukkan hubungan antara 2 variabel
Penyajian data harus dapat meringkas data, sehingga dapat menggambarkan informasi,
sederhana, lugas dan komunikatif.

Data dapat disajikan dengan berbagai macam cara:

A. Tekstular/Tulisan: Penyajian data dengan narasi (kalimat)
B. Tabel: Distribusi frekuensi, distribusi relatif, tabel silang dan lain-lain.
C. Grafik/Diagram: Bar, histogram, poligon, box plot, scatter plot, line, pie, dll
Pemilihan bentuk didasarkan pada tujuan penyajian

PENYAJIAN DATA

Penyajian Tujuan Jenis

Tulisan Memberikan keterangan Narasi
secara TULISAN
Tabel Memberikan keterangan - Master table (Summary table)
berbentuk ANGKA - Tabel silang (Cross-tab)
- Tabel distribusi frekuensi
Grafik Memberikan keterangan - Histogram
untuk melihat - Poligon
PERBANDINGAN atau - Ogive
TREND - Bar/batang
- Line/garis
- Box plot
- Scatter plot
- Steam-and-leaf

Penyajian dalam bentuk TULISAN

Tujuan :
- Memberikan keterangan dari keseluruhan prosedur, hasil-hasil, dan
kesimpulan-kesimpulan yang dibuat dengan menggunakan tulisan (text).
- Tidak dapat mencakup banyak gambaran statistik karena tidak efektif
Contoh:
Daerah Jawa-Madura dibagi menjadi 5 daerah, yaitu DKI Jakarta 560 km2,
Jawa Barat 46.317 km2, Jawa Tengah 34.206 km2, dan Jawa Timur (termasuk
Madura) seluas 47.922 km2.
(tidak informatif, terlalu banyak angka)

R. Astuti 3
 Penyajian dalam bentuk TABEL
Tujuan:
- Menyajikan suatru aggregate dari data numerik di dalam suatu bentuk tabel,
dimana data disusun dalam baris dan kolom sedemikian rupa sehingga dapat
memberikan gambaran atau perbandingan.

Tabel yang baik harus sederhana dan self-explanatory

Jenis-jenis Tabel
a). Tabel Induk (Master Table)
b) Tabel Tunggal, Tabel Distribusi Frekuensi:
- Tabel distribusi frekuensi relatif (%)
- Tabel distribusi frekuensi kumulatif
- Tabel distribusi relatif kumulatif (%)
c) Tabel Silang (Cross Table)

TABEL INDUK
- Tabel induk (Summary table) menyajikan semua data yang tersedia secara
terperinci, sehingga pembaca dapat memperoleh setiap informasi yang
diinginkan

TEKNIK PEMBUATAN TABEL

Judul
- Apakah tabel telah memiliki judul?
- Apakah judul sudah menggambarkan isi tabel, termasuk subyek, orang, tempat
dan waktu?
- Apakah judul tabel telah didahului oleh Tabel # ?
Baris dan Kolom
- Apakah tiap baris dan kolom telah memiliki judul yang jelas?
- Apakah satuan ukuran telah dicantumkan?
- Apakah kategori yang digunakan sesuai dengan data?
- Apakah jumlah total baris dan kolom telah ada?
Catatan kaki
- Apakah tiap kode, singkatan dan simbol telah dijelaskan?
- Apakah semua eksklusi telah dijelaskan?
- Jika data bukan data primer, apakah sumber data telah dicantumkan?

TABEL TUNGGAL, TABEL DISTRIBUSI FREKUENSI

- Distribusi frekuensi relatif (%)
-
Tabel 1. Berat Badan Bayi Pengunjung Puskesmas X, Januari 2015
Berat Badan (kg) Jumlah bayi Persentase (%)
(frekuensi) (frekuensi relatif)
3.0 – 3.9 2 8
4.0 – 4.9 7 28
5.0 – 5.9 10 40
6.0 – 6.9 5 20
7.0 – 8.0 1 4
Jumlah 25 100

R. Astuti 4
TABEL DISTRIBUSI FREKUENSI KUMULATIF
- Distribusi frekuensi kumulatif
- Distribusi frekuensi kumulatif relatif (%)

Tabel 2. Berat Badan Bayi Pengunjung Puskesmas X, Januari 2014

Berat Badan Jumlah bayi Frekuensi Frekuensi Kumulatif

(kg) (frekuensi) Kumulatif Relatif (%)
3.0 – 3.9 2 2 8
4.0 – 4.9 7 9 36
5.0 – 5.9 10 19 76
6.0 – 6.9 5 24 96
7.0 – 8.0 1 25 100
Jumlah 25

TABEL SILANG
- Untuk menyajikan data/informasi seringkas dan seefisien mungkin
- Berfungsi sebagai data/informasi untuk topik yang akan didiskusikan dalam
text
- Merupakan tabel silang dari 2 (dua) atau lebih variabel yang terkait

Tabel 3. Kelahiran hidup dan kelahiran mati menurut

penolong persalinan di Kab. X Tahun 2014
Penolong Kelahiran Total
persalinan Mati Hidup
Bidan 20 600 620
Dukun 70 1000 1070
Total 90 1600 1690

Catatan: Tabel tersebut kurang baik, perlu dibuat persentase nya

ANALISIS MENGGUNAKAN TABEL SILANG

Dalam suatu penelitian atau penyajian data, selain data yang dinyatakan dalam
angka (data numeric), dapat pula bentuk kategorik. Data hasil menghitung jumlah
pengamatan diklasifikasikan dalam beberapa kategori. Data seperti ini disebut data
kategorik (kualitatif), misalnya jenis kelamin yang dikategorikan menjadi laki-laki
dan perempuan, status anemia yang dikategorikan anemia dan tidak anemia, status
merokok yang dikategorikan menjadi merokok ringan, sedang dan berat. Dalam
bidang kesehatan seringkali disajikan hubungan variabel kategorik dengan variabel
kategorik. Pada pertemuan ini tidak membahas uji statistiknya tetapi bagaimana
menganalisis secara deskriptif tabel silang.

1. Penyajian dalam persen terhadap baris

Misalnya kita akan menganalisis hubungan pendidikan formal dengan
pengetahuan pasien. Pembuatan persentase pada analisis tabel silang harus
diperhatikan supaya tidak salah dalam interpretasinya. Pada jenis penelitian survei

R. Astuti 5
dengan rancangan cross sectional atau kohort, pembuatan persentasenya berdasarkan
nilai variabel independent.

Tabel 4. Distribusi pasien menurut tingkat pendidikan dan pengetahuan

Pengetahuan
Pendidikan Rendah Tinggi Jumlah
n % n % n %
SD 25 50,0 25 50,0 50 100,0
SMP 16 40,0 24 60,0 40 100,0
SMU 10 33,3 20 66,7 30 100,0
PT 5 20,0 20 80,0 25 100,0
Jumlah 56 38,7 89 61,3 145 100,0

Pada contoh tersebut variabel independent adalah pendidikan dan variabel

dependentnya adalah pengetahuan. Pada Tabel 4 dapat dilihat bahwa persentasenya
berdasarkan masing-masing kelompok tingkat pendidikan (persentase menurut baris).
Pada Tabel 4 menunjukkan bahwa dari 50 pasien yang berpendidikan SD, sebanyak
25 orang (50,0%) pasien mempunyai pengetahuan tinggi. Dari 40 pasien yang
berpendidikan SMP, ada sebanyak 24 (60,0%) yang berpengetahuan tinggi. Dari 30
pasien yang berpendidikan SMU sebanyak 20 (66,7%) yang berpengetahuan tinggi;
sedangkan dari 25 pasien yang tingkat pendidikannya PT sebanyak 20 (80,0%) yang
berpengetahuan tinggi. Dari data tersebut terlihat ada kecenderungan bahwa semakin
tinggi tingkat pendidikannya akan semakin tinggi pengetahuannya.

2. Penyajian dalam persen terhadap kolom

Pada penelitian kasus kontrol (cases-control) pembuatan persentasenya
berdasar variabel dependennya atau menurut kolom.

Tabel 5. Distribusi pasien menurut kasus kanker paru dan status merokok
Kanker paru
Status merokok Kanker paru Tidak Kanker paru Total
N % n % n %
Merokok 75 75,0 30 30,0 105 52,5
Tidak merokok 25 25,0 70 70,0 95 47,5
Jumlah 100 100,0 100 100,0 200 100,0

Pada Tabel 5 terlihat bahwa dari 100 pasien penderita kanker paru, terdapat 75
orang (75,0%) yang merokok; sedangkan dari 100 pasien yang tidak menderita kanker
paru sebanyak 30 orang (30,0%) yang merokok.

2. Penyajian dalam persen terhadap total

Pada penyajian data yang tidak memperhatikan jenis rancangan dalam
penelitian, tetapi hanya ingin melihat bagaimana persentase masing-masing variabel
dan persentase dalam sel tabel terhadap totalnya maka digunakan tersentase terhadap
total.

R. Astuti 6
 Tabel 6. Distribusi responden menurut kejadian diare dan
ada tidaknya sumber air bersih

Kejadian diare
Sumber air Diare Tidak Diare Total
bersih N % n % n %
Ada 10 5,0 110 55,0 120 60,0
Tidak ada 65 32,5 15 7,5 80 40,0
Jumlah 75 37,5 125 62,5 200 100,0

Pada Tabel 6 terlihat bahwa dari 200 responden, yang diare hanya sebanyak 75
responden (37,5%) dan sisanya tidak diare; yang punya sumber air bersih lebih
banyak yaitu 120 responden (60,0%) sisanya yang 40,0% tidak punya sumber air
bersih. Dari seluruh responden yang diteliti, responden yang punya sumber air bersih
dan tidak diare sebanyak 55,0% dan yang punya sumber air besih dan terkena diare
hanya sebanyak 5%. Sebaliknya yang tidak punya sumber air bersih terkena diare
32,5%.
Tabel 6 jika disajikan dalam analisis persentase menurut baris adalah sebagai berikut:

Tabel 7. Distribusi responden menurut kejadian diare dan

ada tidaknya sumber air bersih

Kejadian diare
Sumber air Diare Tidak Diare Total
bersih N % n % n %
Ada 10 8,3 110 91,7 120 100,0
Tidak ada 65 81,2 15 18,8 80 100,0
Jumlah 75 37,5 125 62,5 200 100,0

Pada Tabel 7 terlihat bahwa responden yang mempunyai sumber air bersih
sebanyak 120 orang, sebanyak 110 orang (91,7%) diantaranya tidak diare dan hanya
10 (8,3%) yang terkena diare. Sedangkan pada responden yang tidak punya sumber
air bersih, sebagian besar yaitu 65 orang (81,2%) terkena diare, sisanya tidak terkena
diare.

PENYAJIAN DALAM BENTUK GRAFIK

# Grafik haruslah sederhana dan self explanatory
# Bagian-bagian grafik : Nomor, Judul, Aksis (sumbu x), Ordinat (sumbu y), Plotting
data, Legend/keterangan, Sumber

TEKNIK PEMBUATAN GRAFIK

Judul
- Apakah grafik telah memiliki judul?
- Apakah judul sudah menggambarkan isi tabel, termasuk subyek, orang, tempat
dan waktu?
- Apakah judul grafik telah didahului oleh Grafik # ?
-

R. Astuti 7
Aksis
- Apakah tiap aksis sudah diberi tanda label dengan singkat dan jelas?
- Apakah satuan ukuran telah dijelaskan pada label aksis?
- Apakah skala aksis sudah jelas?
- Apakah skala aksis sesuai dengan data yang ada?
- Apakah sumbu y mulai dari nol?

GRAFIK: HISTOGRAM
* Dipergunakan untuk menyajikan suatu distribusi frekuensi dari data yang continue
* Langkah-langkah:
- Membuat batas kelas yang sebenarnya (real limit) untuk tiap-tiap kelas
interval
Contoh:
Kelas interval frekuensi batas kelas
7–9 9 6,5 – 9,5
10 – 12 8 9,5 – 12,5
13 – 15 4 12,5 – 15,5

- Kelas interval digambarkan dengan sumbu horizontal dan frekuensi dengan

sumbu vertikal. Tiap kelas digambarkan dalam bentuk bar vertikal.
- Kelas terendah digambarkan paling kiri pada sumbu horizontal
- Skala frekuensi harus dimulai dengan angka nol (0)
- Untuk data tidak berkelompok, setiap nilai harus dianggap sebagai interval

Tabel 8. Distribusi Tinggi Badan Mahasiswa

Universitas X Januari 2018

Tinggi Badan Jumlah Batas Kelas Titik Tengah

(cm) (frekuensi)
150 – 154 20 149,5 – 154,5 152
155 – 159 35 154,5 – 159,5 157
160 – 164 25 159,5 – 164,5 162
165 – 169 15 164,5 – 169,5 167
170 – 174 5 169,5 – 174,5 172
Jumlah 100 -

Dari Tabel 8 bisa dibuat histogramnya, dengan cara :

1). Pada sumbu X adalah tinggi badan mahasiswa dengan menuliskan titik pada batas
kelas. Sumbu Y adalah banyaknya mahasiswa yang tinggi badannya sesuai batas
kelas.
2). Kemudian buatlah kotak tiap batas kelas sesuai jumlah mahasiswa dengan batas
kelas tinggi badan tersebut.
3). Ciri histogram kotaknya adalah berimpit, yang jelas berbeda dengan diagram
batang.
4). Ingat batas atas kelas interval 1 akan sama dengan batas bawah kelas interval 2.
Batas atas kelas interval 2 akan sama dengan batas bawah kelas interval 3 dst.
COBA DIBUAT YA

R. Astuti 8
Contoh ; HISTOGRAM

2
Fre-
kuensi
1

0
22.5 25.0 27.5 30.0 32.5 35.0 37.5 40.0 42.5

UM UR ( tahun )

Gambar 1. Distribusi Umur Peserta Pelatihan KB

di Semarang Tahun 2019
POLIGON
* Dipergunakan untuk menyajikan suatu distribusi frekuensi dari data yang kontinue
* Permukaan area frekuensi poligon sama luasnya dengan histogram
* Dipergunakan untuk membandingkan sejumlah distr.frekuensi pada sebuah gambar
* Langkah-langkah:
- Membuat titik-titik tengah kelas interval yang berada pada bagian atas bar
histogram. Kemudian titik ini dihubungkan membentuk garis yang disebut
frekuensi poligon.
- Frekuensi poligon harus tertutup di kedua ujungnya, sebab merupakan area
diagram dan harus sama luasnya dengan bar histogram.

Contoh POLIGON

2
Fre-
kuensi
1

0
22.5 25.0 27.5 30.0 32.5 35.0 37.5 40.0 42.5

UMUR ( tahun )

Gambar 2. Distribusi Umur Peserta Pelatihan KB

di Semarang Tahun 2019
Pada gambar 2, poligon  lihat kurvanya

R. Astuti 9
OGIVE
* Sebuah penyajian grafik frekuensi kumulatif dari sebuah aggregate data yang telah
dikelompokkan dalam sebuah tabel distribusi frekuensi.

* Contoh: Buat kurva OGIVE dari data Tinggi Badan dari 100 orang laki-laki
Caranya : Untuk membuat OGIVE dari frekuensi kumulatif kurang dari ()
1). Sumbu X adalah adalah titik tengah kelas interval tinggi badan.
2). Sumbu Y adalah banyaknya orang (dengan Frekuensi kumulatif  ) yang tinggi
badannya sesuai dengan titik tengah kelas interval tinggi badan pada sumbu X
3). Hubungkan titik-titiknya.

Tinggi badan (cm) Jumlah orang Frekuensi Frekuensi

kumulatif  kumulatif 
130 – 139 2 2 100
140 – 149 6 8 98
150 – 159 20 28 92
160 – 169 39 67 72
170 – 179 25 92 33
180 – 189 7 99 8
190 - 200 1 100 1
Total 100

BAR CHART (GRAFIK BATANG)

* Diagram/ grafik batang digunakan untuk menyajikan data kualitatif/ data kategorik
* Juga dipergunakan untuk menyajikan suatu frekuensi dari data diskrit
* Untuk membuatnya perlu sumbu datar dan sumbu tegak yang saling berpotongan
tegak lurus.
* Sumbu datar untuk menyatakan atribut , sumbu tegak untuk nilai data

Macam diagram batang :

1. Diagram batang tunggal

Gambar 2. Distribusi Pendidikan Ibu di Desa X Tahun 2019

R. Astuti 10
GRAFIK LINGKARAN (PIE)
* Grafik pie (pie chart) digunakan untuk membandingkan data dari beberapa
kelompok/ kategori/ data kualitatif dalam frekuensi relatif/ persentase.
* Setiap lingkaran dibagi dalam beberapa kategori yang terlebih dahulu persentase
diubah dalam bentuk derajat.
* Menghitung sudut untuk pie diagram:

Dengan menggunakan data pada tabel 5, dibagi dulu tiap sektor dalam bentuk derajat :

1530 250
SD = x360o  163o D3 = x360o  27o
3370 3370
1025 115
SMP = x360o  109o S1 = x360o  12o
3370 3370
450
SMA = x360o  48o
3370
Kemudian gambar dalam lingkaran yang hasilnya sebagai berikut :

D3 S1
8% 3% SD D3 S1 SD
SMA SMA 8% 3%
SD SMP SMP
13% 13% SD
45%
SMA 45% SMA
D3 D3
SMP
SMP S1 31% S1
31%

Contoh lain:
Golongan Frekuensi Persentase Persentase sudut
darah Relatif (%)
AB 10 33,3 33,3/100 x 3600 = 119,90
B 9 30,0 30,0/100 x 3600 = 108,00
O 11 36,7 36,7/100 x 3600 = 132,10
Total 30 100,0

R. Astuti 11
 O

36.7%

AB

33.3%

30.0%

Gambar 3. Distribusi mahasiswa peserta donor darah

di Universitas X menurut golongan darah Tahun 2018

BOX PLOT
* Digunakan untuk menyajikan data numerik
* Menggambarkan distribusi data (tunggal atau dua distribusi akan dibandingkan)
* Melibatkan 5 macam ukuran: minimum, maximum, median, quartil 1 dan quartil 3.
* Box dibagi oleh suatu garis yang menunjukkan median. Bagian atas box
menunjukkan quartil 1, bagian bawah menunjukkan quartil ke 3. Garis keatas
menunjukkan nilai terbesar, garis kebawah menunjukkan nilai terkecil.

Contoh: Box plot untuk variabel berat badan

Statistics

BB
N Valid 30
Missing 0
Mean 59.13
Median 60.00
Minimum 39
Maximum 75
Percentiles 25 51.50
50 60.00
75 66.75

80

70

60

50

40

30
N= 30

BB

R. Astuti 12
Pada box-plot terlihat kotak berwarna gelap dengan garis tebal horizontal di kotak
tersebut. Kotak tersebut memuat 50% data, atau mempunyai batas quartil 1 dan quartil
3 sedangkan garis tebal adalah median data berat badan yaitu 60,00 kg.
Quartil ke 1 adalah 51,50 kg dan quatil ke 3 adalah 66,75 kg
Garis paling atas menunjukkan nilai maximum yaitu 75,00 kg
Garis paling bawah menunjukkan nilai minimum yaitu 39,00 kg

Jika garis hitam atau media terletak persis ditengah boxplot maka distribusi data
adalah normal; jika berada disebelah atas maka distribusi miring kekiri dan jika
disebelah bawah maka distribusi miring kekanan.

DIAGRAM/ GRAFIK TEBAR (SCATTER PLOT)

* Digunakan pada data kuantitatif (skala interval/rasio)
* Dipergunakan untuk menyajikan sepasang pengamatan dari dua variabel untuk
memperlihatkan ada atau tidak adanya hubungan antara dua variabel.
* Tiap pasang pengamatan disajikan sebagai sebuah data diagram
* Skala vertikal pada scater tidak perlu dimuali dari nol (0), sebab bukan skala
frekuensi
Contoh: DIAGRAM TEBAR
Scatter-plot antara variabel umur dengan tinggi badan

190

180

170

160
TB

150
20 30 40 50

UMUR

Gambar 4. Hubungan Umur dan Tinggi Badan Mahasiswa

Peserta MK Biostatistik Universitas X Tahun 2016

Keterangan : Variabel indipendent (pada sumbu x) adalah : umur dan variabel

dependent (pada sumbu y) adalah : tinggi badan. Terlihat data tinggi badan menyebar
/ada kecenderungan meningkat dengan meningkatnya data umur. Namun ada satu
data (data pencilan) yaitu data ke 10 dimana umurnya 26 tahun tetapi tinggi badannya
185 cm.

DIAGRAM GARIS (LINE)

* Digunakan untuk menggambarkan data kuantitatif

R. Astuti 13
* Dapat menggambarkan suatu keadaan yang berurutan dalam skala waktu, misal
tahun, bulan, dan lain-lain.

Gambar 5. Banyaknya Pengunjung Puskesmas X Tahun 2017

Dengan memperhatikan gerak garis lurus kita dapat mempelajari bagaimana

fluktuasi atau naik turunnya pengunjung Puskesmas dari bulan ke bulan.

Contoh lain

Gambar 6. Peta Jumlah Kasus COVID-19 di Indonesia, data per 23 Maret 2020

STEAM AND LEAF PLOT

- Pada distribusi frekuensi data dikelompokkan dalam kelas interval sehingga
tidak dapat dilihat lagi nilai aslinya. Untuk kelemahan ini penyajian dalam
bentuk steam and leaf dapat menghilangkan kelemahan tersebut.
- Steam (batang) untuk menampilkan kelas interval
- Leaf (daun) untuk menampilkan nilai-nilai yang ada pada masing-masing
kelas interval

R. Astuti 14
Contoh:

Penyajian data umur dalam bentuk steam and leaf

UMUR Stem-and-Leaf Plot

Frequency Stem & Leaf
3.00 2 . 233
5.00 2 . 66789
10.00 3 . 0012333344
8.00 3 . 56668999
3.00 4 . 012
Stem width: 10
Each leaf: 1 case(s)

Batang Daun Frekuensi

2 2,3,3 3
2 6,6,7,8,9 5
3 0,0,1,2,3,3,3,3,4,4 10
3 5,6,6,6,8,9,9,9 8
4 0,1,2 3
Gambar 6. Umur mahasiswa Peserta MK Biostatistik
Universitas X Tahun 2015

Keterangan :
Pada baris 1 : Ada 3 data mahasiswa (frekuensi =3) yang mempunyai umur 2 (batang
= 2), yang berarti ada mahasiswa yang berumur 20-an sebanyak 3 orang. Kemudian
pada kolom daun didapat angka 2,3,3, yang berarti cabang dari 20-an tadi adalah 2, 3
dan 3 atau berarti umurnya adalah 22, 23, dan 23 tahun.

Pada baris 2 : Ada 5 mahasiswa ( frekuensi = 5 ) yang mempunyai umur 2 ( batang =

2), yang berarti ada mahasiswa yang berumur 20-an sebanyak 5 orang. Kemudian
pada kolom daun didapat angka 6,6,7,8,9 yng berarti cabang dari umur 20-an tadi
adalah 6,6,7,8,9 atau berarti umurnya adalah 26,26,27,28,29.

Dan seterusnya sampai pada baris ke 4 , yaitu ada 3 mahasiswa yang berumur
40,41,42 tahun

PICTOGRAM (diagram lambang)

- Diagram digambar sesuai dengan obyeknya
- Misalnya ingin menunjukkan jumlah penduduk dengan menggambar orang,
menggambarkan orang penyakit jantung langsung menggambarkan jantung.
Misalkan setiap penggambaran satu jantung menunjukkan 10 penderita

R. Astuti 15
 - Contoh:
2000  
2001    
2002      
Gambar 7. Jumlah Penderita Penyakit Jantung Koroner yang Dirawat
Di Rumah Sakit X Kabupaten Y Tahun 2015-2016
Keterangan:  = 10 penderita

KURTOGRAM (diagram peta )

Diagram yang menggunakan peta geografis tempat data terjadi.
Contoh :

Gambar 8. Peta Sebaran COVID 19 di Indonesia (per 23 Maret 2020)

Sumber : https://tirto.id/cek-peta-persebaran-covid-19-di-jateng-via- coronajatengprovgoid-eGb1

LATIHAN:

1. Catatlah data teman satu kelas anda, yang meliputi nama, umur, jenis kelamin, asal
daerah, jumlah anggota keluarga, agama. Kemudian sajikan data tersebut dalam
bentuk table dan diagram yang sesuai dengan jenis datanya kemudian deskripsikan
secara naratif.

R. Astuti 16
2. Menurut penelitian terhadap 500 orang lulusan SMU di kota Semarang yang lulus
tahun 2017 diperoleh data sebagai berikut :
255 orang diterima di perguruan tinggi negeri
135 orang diterima diperguruan tinggi swasta
45 orang diterima bekerja di kantor pemerintah dan swasta
65 orang masih menganggur
Buatlah diagram lingkaran untuk data diatas

Daftar Pustaka

1. Chernick, Michael R. The Essentials of Biostatistics for Physicians, Nurses, and

Clinicians. John Wiley & Sons, Inc., Hokoben, New Jersey. 2011.
2. Daniel, Wayne W; Cross, Chad L. Biostatistics. A Foundation for Analysis in The
Health Science. Tenth Edition. John Wiley & Sons, Inc., Hokoben, New Jersey.
2013.
3. Le, Chap T; Eberly Lynn E. Introductory Biostatistics. Second Edition. John Wiley
& Sons, Inc., Hokoben, New Jersey. 2016.
4. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures.
Third Edition. Chapman & Hall/CRC. Florida. 2004

R. Astuti 17