KONSEP DASAR

STATISTIKA
Linda Riski S, SKM, M.Si.
Prodi Gizi UNSIKA 2021

Statistika-Linda Riski S, SKM, M.Si. 1

Definisi Statistika

▪ Statistik : data yang diperoleh dengan cara pengumpulan, pengolahan,

penyajian, dan analisis serta sebagai sistem yang mengatur keterkaitan
antarunsur dalam penyelenggaraan statistik;
▪ Data : informasi yang berupa angka tentang karakteristik (ciri-ciri khusus)
suatu populasi.
▪ Statistika : pengetahuan yang berkaitan dengan metode, teknik atau cara
untuk mengumpulkan data, mengolah data, menyajikan data,
menganalisis data dan menarik kesimpulan atau menginterpretasikan
data.

Statistika-Linda Riski S, SKM, M.Si. 2

 Statistika Deskriptif dan Inferensial

Statistika-Linda Riski S, SKM, M.Si. 3

Source: luminousmen.com
 Jenis Data

Cara Waktu
Sifat Sumber
memperoleh pengumpulan

Kuantitatif Kualitatif Internal Primer Cross section

Kontinyu External Sekunder Time Series

Diskrit
Statistika-Linda Riski S, SKM, M.Si. 4
Skala Ukuran Data

Skala Sifat
pengukuran Membedakan Ada urutan/ Ada interval Ada titik nol
tingkatan yang punya arti
Nominal √
Ordinal √ √
Interval √ √ √
Rasio √ √ √ √

Statistika-Linda Riski S, SKM, M.Si. 5

 Populasi dan Sampel

Statistika-Linda Riski S, SKM, M.Si. 6

Source: https://online.stat.psu.edu/stat200/book/export/html/21
Teori Probabilitas
Linda Riski S, SKM, M.Si.

Statistika-Linda Riski S, SKM, M.Si. 7

Teori Probabilitas

Pengambilan sampel yang tidak bias dan dalam

yang cukup besar, tetap tidak dapat
menggambarkan keadaan populasi secara tepat

Statistika-Linda Riski S, SKM, M.Si. 8

Teori Probabilitas
Teori Peluang

• Peluang besar → Hipotesis diterima

• Peluang kecil → Hipotesis ditolak

Nilai Peluang:
0≤P≤1

Pendekatan klasik

Klasifikasi
Pendekatan frekuensi relatif

Pendekatan subjektif

Statistika-Linda Riski S, SKM, M.Si. 9

Pendekatan Klasik/ Apriori/ Teoritis

• Pendekatan terhadap suatu kejadian berdasarkan

logika sebelum peristiwa terjadi, contoh: jenis
kelamin suatu kelahiran (laki-laki/perempuan).

• Probabilitas suatu event adalah jumlah hasil yang 𝑃(𝑒) = 𝑛/𝑁

diharapkan terjadi pada sejumlah event (n) dibagi
dengan jumlah semua kemungkinan yang dapat
terjadi (N).

Statistika-Linda Riski S, SKM, M.Si. 10

Pendekatan Frekuensi Relatif
• Awal mula digunakan untuk menghitung besarnya kerugian asuransi jiwa
berdasarkan data statistic kelahiran dan kematian → relative frequency relative of
occurrence, ciri-cirinya:

1. Peluang terjadinya suatu event di masa yang akan datang ditentukan oleh
frekuensi event tsb di masa lampau.

2. Jika suatu peristiwa terjadi berulang-ulang dalam jumlah banyak, maka akan
menjadi stabil dan mendekati peluang relatifnya

Untuk mendapatkan peluang dengan ketepatan tinggi diperlukan jumlah percobaan

yang cukup banyak
Statistika-Linda Riski S, SKM, M.Si. 11
Pendekatan Subjektif

• Peluang ditentukan berdasarkan intellectual guess

• Paling flexible dan subjektif

• Digunakan pada peristiwa yang sering terjadi

Statistika-Linda Riski S, SKM, M.Si. 12

 Hubungan beberapa kejadian (event)
• Peluang terjadinya event sebagai hasil dari
1 atau beberapa percobaan, mempunyai
hubungan sbb:

1. Kejadian yang saling eksklusif

2. Kejadian yang tidak saling eksklusif

3. Kejadian independent, t/d: a) event Independents events

marginal, b) event gabungan, c) event

bersyarat

4. Kejadian dependen, t/d: a) event

marginal, b) event gabungan, c) event
bersyarat

Statistika-Linda Riski S, SKM, M.Si. 13

 Mutually Exclusive Event
• Hubungan saling eksklusif: peluang
Contoh
terjadinya event hanya 1 dari semua event
yang dapat dihasilkan (event marginal/tanpa • Seorang dokter memberikan obat INH pada 5
syarat) pasien dengan penyakit yg sama, selama 6
bulan. Besarnya peluang penderita ke-2 atau
• Pada percobaan yang menghasilkan event A ke-5 untuk sembuh sbb:
dan event B, kita ingin mengetahui besarnya 𝑃(2 𝑎𝑡𝑎𝑢 5) = 𝑃(2) + 𝑃(5)
peluang A atau B yang disebut hukum 1 1
= +
penjumlahan (additional law): 5 5
2
=5
= 0,4
𝑃(𝐴 𝑎𝑡𝑎𝑢 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Statistika-Linda Riski S, SKM, M.Si. 14

 Non-Mutually Exclusive Event
• Terdapat Sebagian dari 2 event yang bergabung 𝑃(𝑤𝑎𝑛𝑖𝑡𝑎 𝑎𝑡𝑎𝑢 𝑑𝑜𝑘𝑡𝑒𝑟)
→ terdapat 2 fraksi yang mengandung event A = 𝑃(𝑤𝑎𝑛𝑖𝑡𝑎) + 𝑃(𝑑𝑜𝑘𝑡𝑒𝑟) − 𝑃 𝑑𝑜𝑘𝑡𝑒𝑟 𝑤𝑎𝑛𝑖𝑡𝑎
dan event B
= 2/4 + 2/4 – ¼
𝑃(𝐴 𝑎𝑡𝑎𝑢 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵) = 0,75
• Contoh: bila perekrutan nakes dan mengadakan
seleksi pada 4 orang pelamar yang t/d dokter laki-
laki, dokter wanita, laki-laki bukan dokter dan
wanita bukan dokter, maka masing-masing
memiliki peluang:
Peluang wanita = 2/4
Peluang laki-laki = 2/4
Peluang dokter = 2/4
Peluang dokter wanita = ¼
Peluang dokter laki-laki = ¼
Berapa besar peluang wanita atau dokter utk lulus
perekrutan?

Statistika-Linda Riski S, SKM, M.Si. 15

 Peluang Independen
• Bila terjadi suatu event tidak berpengaruh terhadap peluang terjadinya event yang lain

Marginal • Event tunggal yang stabil & tidak terganggu

Event jumlah trial

• Peluang ≥2 event yg terjadi secara bersamaan/

Joint Event
berturut-turut & merupakan hasil kali dari 𝑃𝐴𝐵 = 𝑃(𝐴) 𝑥 𝑃(𝐵)
peluang marginal masing-masing event →
HUKUM PERKALIAN

Conditional • Suatu event mempunyai hubungan bersyarat

bila suatu event itu terjadi setelah event lain.
𝑃 𝐵/𝐴 = 𝑃(𝐵)
Event

Statistika-Linda Riski S, SKM, M.Si. 16

 Peluang Dependen
• Bila terjadinya beberapa event bergantung pada beberapa event lain.
Teori Bayes

Conditional • Event tunggal terjadi setelah terjadinya event 𝑃 𝐵/𝐴 = 𝑃(𝐵𝐴) /𝑃(𝐴)
Event lain

Joint Event • Peluang ≥2 event yg terjadi secara bersamaan/ 𝑃𝐵𝐴 = 𝑃(𝐵/𝐴) 𝑥 𝑃(𝐴)
berturut-turut

Marginal • Jumlah semua peluang event gabungan

Event

Statistika-Linda Riski S, SKM, M.Si. 17

Permutasi & Kombinasi

Permutasi Kombinasi
• ialah peluang yg terjadi pd sejumlah individu • ialah kumpulan individu tanpa
yg disusun dg memperhatikan bentuk memperhatikan susunan dan urutannya
susunan atau urutan • Kombinasi lengkap
• Permutasi lengkap: n!
• Kombinasi Sebagian:
• Permutasi Sebagian:

• Jumlah permutasi = N!/ X! x Y x …

Statistika-Linda Riski S, SKM, M.Si. 18

Teori Estimasi
Linda Riski S, SKM, M.Si.

Statistika-Linda Riski S, SKM, M.Si. 19

Pendahuluan
Probability
Theory

Probability
Scientific distribution Sampling
methods Central distribution
Hypothesis
testing limit
theorem

Analysis toolbox

• Descriptive statistics
▪ Faktor yang mempengaruhi estimasi: waktu dan • Statistical estimation
informasi • Statistical inference

▪ Fungsi: untuk menaksir parameter populasi

melalui perhitungan statistic sampel

Statistika-Linda Riski S, SKM, M.Si. 20

Teori Estimasi dalam Kesehatan

▪ Perkiraan penyakit tertentu di masa depan

▪ Perkiraan jumlah pengunjung

▪ Menaksir prognosa suatu penyakit

Statistika-Linda Riski S, SKM, M.Si. 21

Estimator dan estimit

▪ Estimator: statistic sampel yang

digunakan untuk menaksir parameter
populasi.

▪ Estimit: angka atau nilai yang digunakan

untuk menaksir parameter populasi.

Statistika-Linda Riski S, SKM, M.Si. 22

Kriteria estimator yang baik

Tidak bias Efisien

Konsisten

Statistika-Linda Riski S, SKM, M.Si. 23

Macam-macam estimasi

Titik estimasi
Est. rata-rata
Interval
1 populasi
estimasi
Est. proporsi
Estimasi
Est. perbedaan
rata-rata
2 populasi
Est. perbedaan
proporsi

Statistika-Linda Riski S, SKM, M.Si. 24

Titik Estimasi

Statistika-Linda Riski S, SKM, M.Si. 25

 Interval Estimasi Rata-Rata

• Populasi terbatas, deviasi standar diketahui, sampel besar (n>30)

• Populasi terbatas, deviasi standar tidak diketahui, sampel besar (n>30)
• Populasi terbatas, deviasi standar tidak diketahui, sampel kecil (n<30)
• Populasi tak terhingga deviasi standar diketahui sampel kecil (n<30)
• Populasi tak terhingga deviasi standar tak diketahui dan sampel besar (n>30)
• Populasi tak terhingga deviasi standar tak diketahui dan sampel besar (n<30)

Statistika-Linda Riski S, SKM, M.Si. 26