Gabungan PPT Biostat

PENGANTAR
BIOSTATISTIK
Capaian Pembelajaran
Tujuan Umum
•Mahasiswa mampu memahami aplikasi variabel
penelitian dan jenis data dalam statistik
Tujuan Khusus
•Mahasisaw mamapu memahami Konsep
variabel
•Mahasisaw mamapu memahami Jenis data
Apa itu Variabel??
Variabel
• Variabel = Karakteristik yang melekat pada
populasi, bervariasi antar satu orang dengan
peneliti lainnya dalam penelitian.
• Penelitian pada dasarnya adalah mengukur
variabel pada subyek penelitian  instrumen yang
valid dan reliabel
• Variabel sebagai kunci dalam suatu penelitian  uji
statistik
• Variabel penelitian dikembangkan dari teori dan
hasil penelitian sebelumnya.
Variabel
Confounding
Terikat Bebas
(perancu)
Antara Kontrol Luar

Variabel terikat
• Variabel akibat = variabel dependen
• variabel yang akan berubah akibat pengaruh atau
perubahan yang terjadi
• Variebl yang menjadi fokus utama penelitian
• Variabel yang akan menentukan Uji data
Variabel Bebas
• Variabel sebab = variabel independen
• Karakteristik dari subjek yang dengan keadannya
menyebabkan perubahan pada variabel lainnya.
• Umumnya bagian dari faktor yang mempengaruhi
penelitian tetapi yang menjadi fokus penyebab
untuk pengambilan data.
Variabel Confounding
Variabel lain yang berhubungan baik dengan variabel independen
maupun variabel dependen
Variabel ini akan mempengaruhi hubungan antara variabel

independen dan variabel dependen  diidentifikasi di teori (bab 2)
Variabel ini bisa tidak dikendalikan  hanya menjadi konsep saja
Variabel ini dikendalikan (variabel kontrol)  agar tidak terjadi BIAS

dalam penelitian
Variabel Antara
• Variabel yang berdasarkan kejadian sebab akibat
• Variabel yang berada di antara variabel
independen dan variabel dependen
• Variabel yang mempengaruhi variabel terikat
• Variabel bebas mempengaruhi variabel terikat
motivasi kinerja kepuasan

Variabel Luar
• Variabel yang tidak diteliti namun secara substansi
dapat mempengaruhi variabel dependen atau
variabel independen
Skema variabel
Variabel Variabel
Variabel Bebas
Antara Terikat
Variabel
Variabel luar Variabel luar
Confounding
Variabel
Kontrol
Ingat!
Tidak semua penelitian mencatumkan variabel
antara dan variabel luar, kebanyakan penelitian
langsung mencantumkan variabel dependen,
variabel terikat, atau dengan variabel perancu
• Statistik  angka/data.
• statistik  suatu prosedur atau metode
pengumpulan data, pengolahan data, analisis
data dan penyajian data.
• Statistik pada penelitian  cara ilmiah untuk
mendapatkan data dengan tujuan dan kegunaan
tertentu.
• Statistik adalah bidang ilmu yang mempelajari:
 Pengumpulan, pengelolaan, peringkasan dan
analisis data
 Menggambarkan penarikan kesimpulan tentang
populasi berdasarkan sampel .
• Data merupakan bentuk jamak dari datum, yang
mempunyai arti kurnia, pemberian atau penyajian.
Secara definitif dapat diartikan sebagai berikut :
Kumpulan angka
Apa saja jenis data??

• Data diskrit • Kuantitatif • NOIR
• Data • Kualitatif
Kontinyu
Skala
Bentuk Sifat
Pengukuran
Nominal
• Data nominal adalah tingkatan data paling rendah menurut
tingkat pengukurannya.
• Skala ini mempunyai ciri: kategori data bersifat mutually
exclusive (satu objek masuk hanya pada satu kelompok saja)
dan hanya ada unsur pembedaan.
• contohnya: jenis kelamin, tempat tinggal, misalnya terdapat
data tentang berat badan bayi, selanjutnya dikategorikan
dalam BBLR bila BBL < 2500 gr dan non BBLR bila BBL >
2500 gr. Hb ibu hamil bila < 11 gr/dl dikategorikan anemia,
bila > 11 gr/dl dikategorikan non anemia.
Ordinal
• Data ordinal adalah data yang selain mengandung unsur
pembedaan juga memiliki unsur urutan (order = urut).
• Kategori dalam skalaordinal tidak hanya untuk
membedakan satu dengan lainnya, tetapi juga memiliki
tingkatan (tinggi – rendah) walaupun belum jelas jarak
(selisih) tingkatannya.
• Contohnya: kategori pengetahuan (baik, sedang, kurang),
jarak (jauh, sedang, dekat), tekanan darah (tinggi, normal,
rendah), dan penskalaan sikap individu yaitu: sikap Sangat
Setuju (5), Setuju (4), Netral (3), Tidak Setuju (2), Sangat
Tidak Setuju (1) dan sebagainya.
Interval
• Data interval adalah data yang selain mengandung
unsur pembedaan dan urutan juga memiliki sifat
interval (selangnya bermakna). Disamping itu data ini
memiliki ciri angka nolnya tidak mutlak, antara nilai
angka yang satu dengan lainnya jaraknya jelas, dan
tidak dapat dikenai operasi matematis (pembagian,
pengurangan, perkalian, dan penejumlahan).
• Contohnya: tekanan darah, skor pengetahuan, suhu
badan, indeks prestasi,
• Kuesioner dengan skala likert/gutman yang diskorkan
Rasio
• Rasio adalah skala pengukuran paling
tinggi dan nilai sesungguhnya.
Merupakanukuran yang cermat. Secara
umum, skala rasio sama dengan interval,
namun memiliki nilai nol mutlak dan dapat
dikenai operasi matematis.
• Contohnya: tinggi badan, berat badan, jarak
rumah, penghasilan, kepadatan lalat, waktu
TERIMA
KASIH
• Statistik  angka/data.
• statistik  suatu prosedur atau metode pengumpulan
data, pengolahan data, analisis data dan penyajian data.
• Statistik pada penelitian  cara ilmiah untuk
mendapatkan data dengan tujuan dan kegunaan
tertentu.
• Statistik adalah bidang ilmu yang mempelajari:
 Pengumpulan, pengelolaan, peringkasan dan analisis
data
 Menggambarkan penarikan kesimpulan tentang populasi
berdasarkan sampel .
• Statistika  cabang ilmu matematika terapan yang terdiri
dari teori dan metoda mengenai bagaimana cara
mengumpulkan, mengukur, mengklasifikasi, menghitung,
menjelaskan, mensintesis, menganalisis, dan menafsirkan
data yang diperoleh secara sistemati
• Statistika  sekumpulan prosedur dalam :
– Mengumpulkan data
– Meringkas data
– Mengolah data
– Menyajikan data
– Menarik kesimpulan dan interpretasi data
berdasarkan kumpulan data dan hasil analisisnya
Peran Statistik
Dalam Penelitian
• Alat untuk menghitung besarnya anggota sampel

yang diambil ddari suatu populasi.jumlah sampel
lebih dapat dipertanggungjawabkan.
• Alat untuk menguji validitas dan reliabilitas
instrumen. Sebelum instrumen digunakan untuk
penelitian, maka harus diuji validitas dan reliabilitas
terlebih dahulu.
Lanjutan . . .
• Teknik-teknik untuk menyajikan data, sehingga data

lebih komunikatif, misal grafik, diagram, tabel dll.
• Alat untuk analisis data seperti menguji hipotesis
penelitian yang diajukan.
Perlu Statistik untuk
Uji validitas dan reliabilitas
Instrumen
Perlu Perlu Perlu Perlu

Statistik Instrumen Statistik Statistik
Menentukan Pengumpulan Menyajikan Menganalisa

Masalah Berteori Data
Sampel Data data
Kesimpulan
Pembahasan
Dan Saran
Ruang lingkup
Statistika matematik
• statistika teoritis yang lebih berorientasi kepada
pemahaman model dan teknik-teknik statistika
secara matematis teoritis.
Statistika terapan
• statistika yang lebih berorientasi kepada
pemahaman intuitif atas konsep dan teknik-teknik
statistika serta penggunaannya di berbagai bidang
Deskriptif Inferensial
• Mengumpulkann • Kesimpulan data

data • Cara mengeneralisir
• Menyajikan tabel, nilai sampel menjadi
grafik,dan tekstular nilai populasi
• Menginformasikan • Evaluasi informasi
data menjadi
• Menganalisis data pengetahuan baru
Deskriptif
• Data disajikan dalam bentuk :

– Ukuran Lokasi (Central Tendency): mode, mean,
median, dll
– Ukuran Variabilitas/Dispersi: varians, deviasi standar,
range, dll
– Ukuran Bentuk: skewness, kurtosis, plot boks
– Penyajian tabel dan grafik
• Contoh di tujuan penelitian:
– Mengidentifikasi gambaran pelaksanaan timbang
terima menggunakan SBAR
– Mengidentifikasi gambaran tingkat pengetahuan
Inferensial
• Tujuan dari statistik pada dasarnya adalah melakukan

deskripsi terhadap data sampel, kemudian
melakukan inferensi terhadap populasi data berdasar
pada informasi (hasil statistik deskriptif) yang
terkandung dalam sampel.
• Prakteknya kedua bagian statistik tersebut digunakan
bersama-sama, umumnya dimulai dengan statistik
deskriptif lalu dilanjutkan dengan berbagai analisis
statistik untuk inferensi
Analisis Data
Univariat
• Menganalisis 1 variabel
Bivariat
• Menganalisis hubungan/perbandiingan 2 variabel
• Hubungan reward terhadap kinerja perawat
Multivariat
• Menganalisis hubungan/perbandingan/pengaruh beberapa
variabel (minimal 3 untuk variabel bebas)
• Contoh : analisis faktor-faktor yang mempengaruhi penjadwalan
dinas perawat
Pengantar Data
16/7/18 Rahimul Yakin 1

Skala pengukurannya Dalam analisis
 Nominal  membedakan nilai  Kategorik

dan tidak tahu data mana yg
lebh tinggi  numerik
 Ordinal  membedakan nilai
dan sudah tau tingkatannya yg
mn lebih tinggi
Sumber data
 Interval  dpt dibedakan,
diketahui tingkatnya dan • Data primer
diketahui beda besarnya • Data sekunder
 Ratio  dpt dibedakan, ada
tingkatan, ada besar beda dan
ada kelipatan
Jenis Data
Jenis Data
Sifat Skala Nomin Ordinal Interval Ratio
al
1 Persamaan pengamatan
(pengelompokkan), klasifikasi Ya Ya Ya Ya
pengamatan dapat dilakukan
2 Urutan tertentu, urutan pengamatan
Tidak Ya Ya Ya
dapat dilakukan
3 Jarak antara kelompok dapat
Tidak Tidak Ya Ya
ditentukan
4 Perbandingan antara kelompok (titik
Tidak Tidak Tidak Ya
nol mutlak)
Cth:
1. Nominal: jenis kelamin, agama
2. Ordinal: status ekonomi, pendidikan, dst
3. Interval: px A temp 38 C dan px B temp 39 C. suhu badan px B > dr pd px A
(38+39 ≠ 77 C)
4. Ratio: barang A 60 kg dan B 30 kg, ratio barang A adalah 2 kali barang B (60+30 =
90 kg)
Pengantar Pengolahan Data
 Rangakaian kegiatan penelitian setelah
pengumpulan data  pengolahan data
 Agar analisis penelitian menghasilkan
informasi yang benar, paling tidak ada 4
tahapan dalam pengolahan data yg harus
dilalui:
◦ editing
◦ Coding
◦ Processing
◦ cleaning

Editing
 Kegiatan pengecekan isian form atau
kuesioner apakah jawaban yg ada di
kuesioner sudah:
◦ lengkap
◦ Jelas
◦ Relevan
◦ Konsisten

Coding
 Kegiatan merubah data berbentuk huruf
menjadi data angka/bilangan, misal
◦ 1: SD
◦ 2:SLTP
◦ 3:SLTA
◦ Atau 1 : Laki-laki dan 2 : Perempuan

Processing
 Setelah melewati tahap diatas maka
berikutnya yaitu entry data ke program
komputer.

Cleaning data
 Pengecekan kembali data yg sudah di
entry apakah ada kesalahan atau tidak.
 Cara cleaning data:
◦ Missing data
◦ Variasi data
◦ Konsistensi data

Mengetahui Missing Data
 Cara mengetahui missing data dengan
cara list data.
 Cth ada 100 responden dengan dua
variabel yaitu jenis kelamin dan pendidikan
Jenis kelamin Jumlah Pendidikan Jumlah
Laki-laki 40 SD 40
Perempuan 60 SLTP 10
SLTA 30
Total 100 PT 15
Total 95

Mengetahui Variasi Data
 Dengan mengetahui variasi data maka
dapat mengetahui apakah data yg di entry
benar atau salah
Pendidikan Jumlah
1 40
2 30
3 20
4 6
7 4
Total 100

Mengetahui Konsistensi Data
1. Membandingkan dua tabel
KB Jumlah Using KB Jumlah
Ya 20 Suntik 5
Tidak 80 Pil 5
Total 100 Kondom 4
IUD 10
Total 24
Dari tabel diatas terlihat ketidakkonsistenan anatara

jumlah peserta KB dengan Total pengguna KB.
Seharusnya jumlahnya sama 20 orang.

Lanjut…
2. Membuat tabel silang
Umu Jumlah anak
r 0 1 2 3 4 5 6 7
15 1 2 2
16 1 2 1
17 2 2 1
18 3
Ada 2 responden dengan umur 15 tahun mempunyai 7

orang anak (tidak mungkin umur 15 dengan anak
jumlahnya 7?), kemungkinan ada kesalah entry data.

Tugas (Pengukuran, pengumpulan
dan penyajian data)
Seorang mhs tingkat akhir PSIK FK ULM
ingin melakukan penelitian terkait dengan
karakteristik dan motivasi belajar
mahasiswa th 2018. Anda diminta
bantuannya untuk mengisi kuesioner
berikut ini:

Tugas
1. Nomor identitas: ……………(no urut absen)
2. Jenis kelamin:
3. Gol.darah:
4. Usia:
5. Pendidikan terakhir bapa:
6. Ras (suku):
7. Jumlah saudara kandung:
8. Tinggi badan:
9. Berat badan:
10. IPK terakhir:
11. Motivasi kuliah biostat (skor 1-10) skor 1 rendah
dan 10 tinggi.

Tugas
No. Sex Usia Didik Suku Jmlh TB BB IPK Moti
ortu /ras saud vasi
terak ara
hir
1
2
3
…..

Jawablah pertanyaan berikut ini:
 Tentukan jenis data/variabel dan skala
pengukuran untuk setiap variabel
 Sajikan data variabel dengan grafik sesuai dengan
jenis datanya
 Hitunglah mean, median, SD variabel usia, TB, BB
 Mana yg lebih bervariasi antara uumur, BB dan
TB?
Var Usia BB TB
Mean
Median
SD
CoV ………%^ …..% ……..%

Konsep Uji Statistik
Konsep
 Uji statistik dilakukan untuk menentukan apakah
perbedaan/hubungan yang terlihat pada sampel
benar-benar ada atau kebetulan ada akibat
pengambilan sampel saja
 Hasil uji statistik berupa: “probabilitas peneliti
memperoleh hasil seperti pada sampel atau lebih
ekstrim jika hipotesis nol benar”
 Atau …..
Konsep
 Probabilitas hasil penelitian sejalan dengan

hipotesis nol”
 Jika p besar maka H0 diterima, jika p kecil
H0 ditolak
 Besar kecilnya probabilitas ditentukan oleh
a, - probabilitas peneliti untuk menolak H0
jika di populasi H0 benar
Konsep
 Jika peneliti menolak H0:
 Dapat terjadi kesalahan tipe 1 (a), peneliti salah mengambil
kesimpulan karena sebenarnya di populasi hipotesis nol
benar (tidak ada hubungan)
 Jika peneliti menerima H0:
 Dapat terjadi kesalahan tipe 2 (b), peneliti salah mengambil
kesimpulan karena di populasi hipotesis nol salah (ada
hubungan)
 Signifikan statistik TIDAK SAMA dengan signifikan secara
substansi
 Perbedaan yang kecil dapat signifikan secara statistik karena
penggunaan sampel yang besar
Contoh
 Pagi hari di rumah, saya berkata
kepada istri: “Saya akan mengajar di
PGT sampai dengan jam 12 siang”
 Telepon seseorang kepada istri saya:
“Saya bertemu dg suamimu di
Starbuck Plaza Indonesia jam 12.05
siang tadi”
 Apakah 2 pernyataan sama
benarnya?
Contoh
 Pagi hari di rumah, saya berkata kepada istri: “Saya
akan mengajar di Parasitologi UI sampai dengan jam 12
siang”
 Telepon seseorang kepada istri saya: “Saya bertemu dg
suamimu di Starbuck Plaza Indonesia jam 12.05 siang
tadi”
 Pengujian: “Jika suami saya mengajar
sd jam 12 di Parasitologi UI, berapa
besar kemungkinannya dia berada di
Starbuck Plaza Indonesia jam 12.05?”
Contoh
siang”
 HIPOTESIS NOL
tadi”  HASIL PENELITIAN
 Pengujian: “Jika suami saya mengajar sd jam 12 di
Parasitologi, berapa besar kemungkinannya dia berada
di Starbuck Plaza Indonesia jam 12.05?”  UJI
STATISTIK
Contoh
Parasitologi UI, berapa besar kemungkinannya dia
berada di Starbuck Plaza Indonesia jam 12.05?”  UJI
STATISTIK
  Kemungkinannya kecil
  Jadi dari 2 pernyataan harus ada satu yang salah
  Jika observasi BENAR, maka pernyataan ke 1 salah
  Jadi suami tidak mengajar sampai dengan jam 12
 Sama seperti uji statistik
  Niali p kecil  harus ada 1 pernyataan yg salah
  Jika observasi BENAR, maka H0 salah (ditolak)
  Jadi ada beda/hubungan
Contoh
siang”
tadi”
Parasitologi UI, berapa besar kemungkinannya dia
berada di Starbuck Plaza Indonesia jam 13.00?”
 Kemungkinannya BESAR
 Kedua pernyataan benar
 Sama seperti uji Statistik
 Nilai p besar  H0 benar, observasi benar
 Gagal tolak H0
Contoh: Efek besar sampel pd
uji statistik
Kebiasaan Penyakit Jantung Koroner

minum teh Jumlah
Ya Tidak
Ya 12 88 100
Tidak 10 90 100
Jumlah 22 178 200
c2 = 0,20 p=0,6513
Penelitian di atas dilakukan dengan sampel 100 orang yang memiliki

kebiasan minum the & 100 orang yang tidak memiliki kebiasaan minum
teh.
Contoh: Efek besar sampel pd
uji statistik
Kebiasaan Penyakit Jantung Koroner

minum teh Jumlah
Ya Tidak
Ya 240 1760 2000
Tidak 200 1800 2000
Jumlah 440 3560 4000
c2 = 4,09 p=0,0432
Penelitian di atas memiliki proposi kejadian PJK yang sama dengan

penelitian pada slide sebelumnya, tetapi jumlah sampel ditingkatkan 10
kalinya, perhatikan akibatnya pada hasil uji statistik
Hal yang perlu dipertimbangkan
 Two tail vs one tail hypothesis testing
 Tergantung tujuan penelitian
 Pada one tail, hati-hati membaca output
komputer (yg pada umumnya 2 tail)
 Parametric vs non parametric
 Parametrik lebih powerful dalam hal generalisasi
 Non parametrik lebih tegar terhadap asumsi
distribusi dan normalitas
Hal-hal yang Perlu Diperhatikan
 Validitas
 Tergantung cara pengambilan sampel
 Tergantung cara pengontrolan
confounder & effect modifier
 Masalah missing values & outliers
 Presisi
 Tergantung besar & distribusi sampel
 Penting untuk dilaporkan
Hal-hal yang Perlu Diperhatikan
 Analisis Multivariat
 Dilakukan untuk mengontrol confounder
& effect modifier
 Jika confounder & effect modifier sudah
dapat dikontrol pada tahap desain,
analisis dapat lebih sederhana (non
multivariat)
 Prinsip: model parsimonius (valid,
precise & simple)
Skala Pengukuran Variabel
 Kontinyu
 Umumnya diperoleh dengan cara
mengukur
 Hasil ukur tergantung ketepatan alat,
jumlah desimal tak terhingga (kontinyu)
 Dibagi menjadi:
 Interval: interval sama, tidak ada 0 mutlak
 Rasio: rasio sama, ada 0 mutlak
Skala Pengukuran Variabel
 Kategori
 Merupakan penggolongan
 Ukuran pasti
 Dibagi menjadi:
 Nominal: tidak ada perbedaan tingkat
 Ordinal: ada beda tingkat
Pedoman Pemilihan Uji Statistik
Pertanyaan Penelitian pada Tiap
Desain Analisis
 Desain 1: Bagaimana kuat hubungan
antara var. dependen dg independen
 Desain 2: Apakah ada perbedaan skor var.
dependen menurut kelompok pada var.
independen
 Desain 3: Apakah skor pd var independen
berkaitan dg kategori yg dibentuk oleh var
dependen
 Desain 4: Apakah frekuensi kejadian pada
var. dependen bekaitan dg frekuensi
kejadian pada var. independen
Desain 1: Dependen Kontinyu,
Independen Kontinyu
Desain 2: Dependen Kontinyu,
Independen Kategori
Desain 3: Dependen Kategori,
Independen Kontinyu
Desain 4: Dependen Kategori,
Independen Kategori
ICHSAN RIZANY, S.KEP.,NS.,M.KEP
PROGRAM STUDI ILMU KEPERAWATAN
FAKULTAS KEDOKTERAN
UNIVERSITAS LAMBUNG MANGURAT
Pokok Bahasan
1.Konsep uji hipotesis
Tingkat kemaknaan dan daerah penolakan
Keputusan Statistik
Kesalahan dalam pengambilan keputusan
Uji one-tailed dan two-tailed

KONSEP HIPOTESIS
Hipotesis berasal dari 2 kata, yaitu “hypo” yang artinya “di
bawah” dan “thesa” yang artinya “kebenaran”.
• Pernyataan dari hubungan yang diperkirakan antara dua

variabel atau lebih (Polit, 2010).
• Jawaban sementara tentang hubungan dua atau lebih
variabel, atau dalil sementara yang kebenarannya akan
dibuktikan dalam penelitian (Burn & Grove, 2009).
FUNGSI HIPOTESIS
Memprediksi jawaban untuk pertanyaan

penelitian
Memberikan arah dan saran yang dapat

memperjelas suatu penelitian
Menginduksi berpikir kritis, memfasilitasi

pemahaman & interpretasi data.
Mengurangi kemungkinan bahwa hasil palsu

akan disalahartikan.
(Polit, 2010)
HIPOTESIS YANG BAIK
1. Merupakan dugaan terhadap keadaan
variabel mandiri, perbandingan keadaan
variabel pada berbagai sampel dan
merupakan dugaan tentang hubungan 2
variabel atau lebih.
2. Dinyatakan dalam kalimat yang jelas
3. Dapat diuji dengan data yang dikumpulkan
dengan metode-metode ilmiah
(Sugiyono, 2014)
KARAKTERISTIK UJI HIPOTESIS
1. Hipotesis harus didasarkan pada alasan-
alasan yang dapat dibenarkan
2. Hipotesis sering mengikuti dari temuan
penelitian sebelumnya
3. Hipotesis disimpulkan dari teori
(Polit, 2010)
Coba cocokan!
Ha H0
Hb H1
H0 Ho
H1 Ha
TIPE HIPOTESIS
Hipotesis Nol vs Hipotesis Penelitian
Hipotesis Nol/Null hypothesis (Ho)

• Pernyataan yang menyatakan bahwa tidak
ada hubungan antara variabel independen
dan dependen
Hipotesis Penelitian/ substantif/ ilmiah/
alternative (H1/Ha)
• Pernyataan dari hubungan yang diharapkan
antara variabel.
(Polit, 2010)
Contoh HIPOTESIS
Null hypothesis (Ho):
 Tidak terdapat hubungan antara independen variabel dan dependen
variabel
 “Tidak ada hubungan kepuasan perawatan terhadap
pelaksanaan timbang terima di RSUD”
Alternate hypothesis (Ha/H1) :

 Ada/terdapat hubungan antara variabel independen dan dependen
 “Ada hubungan kepuasan perawatan terhadap
pelaksanaan timbang terima di RSUD”
1. Hipotesis Deskriptif
Merupakan dugaan tentang nilai suatu
variabel mandiri, tidak membuat
perbandingan atau hubungan.
Contoh:
 Daya tahan termometer merk X = 1000
pengukuran
 Kinerja perawat di RS X rendah
 Gaya kepemimpinan kepala ruangan RS X
telah mencapai 70% dari yang diharapkan
(Sugiyono, 2014)
2 .Hipotesis Komparatif
Merupakan pernyataan yang menunjukkan
dugaan nilai dalam satu variabel atau lebih
pada sampel yang berbeda.
Contoh :
Ho : Tidak terdapat perbedaan daya tahan
termometer antara merk X dan merk Y
Ha : Daya tahan termometer merk X lebih tinggi
dibandingkan merk Y.
3. Hipotesis Hubungan (Asosiatif)
suatu pernyataan yang menunjukkan
dugaan tentang hubungan antara dua
variabel atau lebih.
Contoh
Ho : Tidak adanya hubungan antara gaya
kepempinan kepala ruangan dengan
kinerja perawat.
Ha : Ada hubungan gaya kepempinan kepala
ruangan dengan kinerja perawat.
• Hipotesis secara diuji melalui analisis statistik.
• Analisis statistik tidak memberikan bukti, hanya
mendukung kesimpulan bahwa hipotesis mungkin benar
(atau tidak)
(Polit, 2010)
Arah Uji Hipotesis
Satu arah (one tail)
• Ha = adanya perbedaan dan ada pernyataan yang mengatakan hal
yang satu lebih tinggi/rendah dari hal yang lain.
• Contohnya Berat badan bayi dari ibu hamil yang merokok lebih kecil
dibandingkan berat badan bayi dari ibu hamil yang tidak merokok.
Dua arah (two tail)
• Ha = hanya menyatakan perbedaan/hubungan tanpa melihat apakah
hal yang satu lebih tinggi/rendah dari hal yang lain.
• Contohnya: Berat badan bayi dari ibu hamil yang merokok berbeda
dibandingkan berat badan bayi dari ibu yang tidak merokok.
• Atau dengan kata lain : Ada perbedaan berat badan bayi antara mereka
yang dilahirkan dari ibu yang merokok dibandingkan dari mereka yang
tidak merokok.
Tipe Hipotesis
Direksional vs Non Direksional
Hipotesis Direksional
• Hipotesis yang menyatakan keberadaan
dan arah yang diharapkan dari
hubungan antara variabel.
Hipotesis Non Direksional

• Hipotesis yang tidak menetapkan arah
hubungan antara variabel
(Polit, 2010)
Contoh HIPOTESIS
Direksional vs Non Direksional
Dilakukan penelitian untuk mengetahui tentang risiko jatuh
pasien berdasarkan umur.
a. Pasien yang lebih tua lebih berisiko mengalami penurunan
dibandingkan pasien yang lebih muda  (Directional)
b. Ada hubungan antara usia pasien dan risiko jatuh (Non
Directional)
c. Pasien Tua, semakin besar berisiko bahwa dia akan jatuh
(Directional)
d. Pasien yang lebih tua berbeda dari yang lebih muda sehubungan
dengan risiko jatuh (Non Directional)
e. Pasien yang lebih muda cenderung kurang berisiko jatuh dari
pasien yang lebih tua (Directional)
f. Risiko jatuh meningkat dengan usia pasien  (Directional)
Kesalahan pengambilan keputusan dalam hipotesis
1.Kesalahan tipe alpha

• Kesalahan menolak Ho padahal sesungguhnya Ho benar.
• Artinya: menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada
perbedaan.
• Peluang kesalahan tipe satu (I) adalah atau sering disebut Tingkat signifikansi
(significance level).
• Sebaliknya peluang untuk tidak membuat kesalahan tipe I adalah sebesar 1-α,
yang disebut dengan Tingkat Kepercayaan (confidence level).
1.Kesalahan tipe beta

• Kesalahan tidak menolak Ho padahal sesungguhnya Ho salah.
• Artinya menyimpulkan tidak ada perbedaan padahal sesungguhnya ada
perbedaan.
• Peluang untuk membuat kesalahan tipe kedua (II) ini adalah sebesar β. Peluang
untuk tidak membuat kesalahan tipe kedua (II) adalah sebesar 1-β, dan dikenal
sebagai Tingkat Kekuatan Uji (power of the test).
INGAT!
• Tingkat kepercayaan (α) yang sering digunakan dalam pengujian

statistik adalah 0,01, 0,05, dan 0,10 . Dimasukkan dalam rumus
maka:
• 95% atau (1-α) = 0,95
• 90% atau (1-α) = 0,90.
• 99% atau (1-α) = 0,99
• CATATAN: SEMAKIN TINGGI hasil tingkat kepercayaan MAKA tingkat
ketelitian SEMAKIN lebih tinggi
• Tingkat signifikansi  Jika disebutkan bahwa tingkat kepercayaan
yang digunakan adalah 95 persen atau (1- α) =0,95, maka tingkat
signifikansinya adalah 5 persen (α =0,05)
Hipotesis bermakna?
Lihat tingkat kepercayaan dan Tingkat Signifikansi
0,1 0,05 0,01

(10%) (5%) (1%)
Ingat!
• Untuk meminimalkan kesalahan dalam pengujian hipotesis dikehendaki nilai β dan 1-β kecil
atau (1-β) besar. Sedangkan hal ini sulit dicapai karena bila α makin kecil nilai β akan semakin
besar. Berhubung harus dibuat keputusan menolak atau tidak menolak Ho maka harus
diputuskan untuk memilih salah satu saja yang harus diperhatikan yaitu α atau β yang
diperhatikan. Pada umumnya untuk amannya dipilih nilai α
• Tingkat kemaknaan, atau sering disebut dengan nilai α, merupakan nilai yang menunjukkan
besarnya peluang salah dalam menolak hipotesis nol. Nilai α merupakan batas toleransi peluang
salah dalam menolak hipotesis nol. nilai α merupakan nilai batas maksimal kesalahan menolak
Ho. Nilai α dapat diartikan pula sebagai batas maksimal kita salah menyatakan adanya
perbedaan.
Perlu diketahui!
Titik Kritis
Keputusan
Pengambilan keputusan
• Pahami nilai – p didapatkan dari hasil uji

Lanjutan . . .
• t hitung < t tabel maka tidak signifikan  Ho diterima

• t hitung ≤ -t tabel atau t hitung > t tabel maka Ho ditolak dan
Ha diterima
Soal
• Kasus 1: Hasil uji t didapatkan bahwa p = 0,04 maka hasilnya?Bermakna

atau tidak?
• Kasus 2:
• Pengaruh pemberian edukasi rawat luka terhadap pemahaman pasien
• Hipotesis?
• p- value= 0,052
• Kesimpulannya: ???
• Kasus 3 :
• Hubungan penjadwalan dinas perawat terhadap kepuasan
• Hipotesis?
• p- value= 0,023
• Kesimpulannya: ???
• Kasus 2  one tail (+ & +)
• Ho=tidak ada peningkatan pemahaman pasien dengan edukasi X
• Ha= ada peningkatan pemahaman pasien dengan edukasi X
•
• Kasus 3  hampir jarang one tail tetapi bisa (+ & +)
• Ho= tidak ada peningkatan kepuasan Dengan penjadwalan dinas
perawat
• Ha= ada peningkatan kepuasan Dengan penjadwalan dinas
perawat
• A = 0,1 ?  p value < alpha= bermakna
• Kasus 4  hampir jarang one tail tetapi bisa (- & +)
• Ho= tidak ada penurunan tingkat strees Dengan motivasi
• Ha= ada penurunan tingkat strees Dengan motivasi
• A = 0,1 ?  p value < alpha= bermakna
2
Capaian Pembelajaran
Mahasiswa mampu memamahi dan merumuskan :
1. Ukuran pemusatan (nilai Rata-rata hitung,
Median, Modus, Kuartil Desil dan Persenti)
2. Memahami kelebihan dan kekurangan ukuran
pemusatan
3. Ukuran penyebaran
SKEMA
Ukuran data
Ukuran Ukuran
Ukuran letak
Pemusatan penyebaran
data
data data
Mean Median Jangkauan
Jangkauan
Median Kuartil
antar kuartil
Simpangan
Modus Desil
rata-rata
Simpangan
Persentil Baku
atau ragam
4
Ukuran Pemusatan
• Ukuran Pemusatan menunjukkan di mana suatu data
memusat atau suatu kumpulan pengamatan memusat
(mengelompok)
• Pada umumnya data akan memusat pada nilai-nilai :

• Rata-rata hitung, Median dan Modus
• Rata-rata hitung
•
• Jumlah semua nilai data
• Rata-rata hitung = ------------------------------------
• Banyaknya data
5
Ukuran Pemusatan Rata-rata hitung
• Pada data yang tidak dikelompokkan
• n
X i
X i 1
n
• contoh : 5 8 4 7 9
• _ 5+8+4+7+9
• X = ----------------------- = 6,6
• 5
6
Rata-rata hitung Ukuran Pemusatan
• Tabel 1
Kelas Batas Kelas ttk tengah f x.f

1 20 – 29 24,5 4 98
2 30 – 39 34,5 7 241,5
3 40 – 49 44,5 8 356
4 50 – 59 54,5 12 654
5 60 – 69 64,5 9 580,5
6 70 – 79 74,5 8 596
7 80 - 89 84,5 2 169
50 2695
7
Ukuran Pemusatan
• Untuk data yang dikelompokkan
• Rata-rata hitung :
•
X 
 x. f
f
•_
• X = 2695 / 50 = 53,9
8
Median Ukuran Pemusatan

• Median adalah nilai yang berada di tengah,
yang membagi dua jumlah data sama banyak
(setelah data diurut).

1. Data diurut dari nilai kecil ke besar
2. Tentukan posisi median = (n+1)/2
3. Tentukan nilai median
• Contoh : data : 9 5 7 8 4 5
1. Sort data : 4 5 5 7 8 9
2. Posisi median = (6+1)/2 = 3,5
3. Nilai median pada posisi 3,5 adalah 6
9
Median Ukuran Pemusatan

• Pada data yang dikelompokkan
 (n / 2)  F 
Md  B   .i
 fm 
• Md : Nilai Median
• B : Tepi batas bawah kelas median
• F : frekuensi kumulatif sebelum kelas median
• fm : frekuensi pada kelas median
• i : interval kelas median
• Contoh : Lihat tabel blkng cara penghitungan md
• Md = 49,5 + [( 25 – 19) / 12] x 10

• Md = 54,5
10
Cara penghitungan median

frek kum kurang frek x ttk
kelas Batas kelas frek ttk tngh dr tepi bts bwh tngh
1 20-29 4 24,5 0 98
2 30-39 7 34,5 4 241,5
3 40-49 8 44,5 11 356
4 50-59 12 54,5 19 654
5 60-69 9 64,5 31 580,5
6 70-79 8 74,5 40 596
7 80-89 2 84,5 48 169
50 50 2695
Md = 49,5 + [( 25 – 19) / 12] x 10
Md = 54,5
11
Modus Ukuran Pemusatan
• Modus adalah nilai yang paling sering muncul.
Pada data yang dikelompokkan
 d1 
Mo  B   .i
 d1  d 2 
• Mo = Nilai Modus
B = Tepi Batas Bawah kelas modus
d1= beda frekuensi antara kelas modus dg kelas sebelumnya
d2 = beda frekuensi antara kelas modus dg kelas sesudahnya
i = interval kelas modus
12
Modus Ukuran Pemusatan
• Contoh : Lihat tabel 1

• Tentukan kelas modusnya (kelas yg memiliki frekuensi
terbesar) : 50 – 59
• d1 = 12 – 8 = 4
• d2 = 12 – 9 = 3
• Mo = 49,5 + [4 / (4+3)] 10 = 55,21

13
Ukuran Kelebihan Kekurangan

Pemusatan Plus Minus Rata-rata hitung, Median dan Modus
1. Mempertimbangkan 1. Peka atau mudah
• semua nilai terpengaruh oleh nilai
Rata-rata hitung 2. Dapat menggambarkan ekstrim
mean populasi 2. Kurang baik unutk data
3. Cocok untuk data heterogen
homogen (rasio)
1. Tidak terpengaruh oleh 1. Tidak mempertimbangkan
data ekstrim semua nilai
Median 2. Cocok untuk data 2. Kurang dapat
heterogen ( nominal) menggambarkan mean
populasi
1. Tidak terpengaruh oleh 1. Kurang menggambarkan
Modus nilai ekstrim mean populasi
2. Cocok untuk data 2. Modus bisa lebih dari satu
homogen/heterogen
3. Open ended data
14
Ukuran Letak
• Kuartil : membagi data menjadi 4 bagian sama banyak.
• Q1 Q2 Q3
• 1. Data diurut (dari kecil ke besar)
• 2. Tentukan posisi (letak) kuartil = LK
• Posisi Qi adalah [i(n+1) / 4] i = 1, 2, 3
• 3. Tentukan nilai kuartil = NK = Qi
• NK = NKB + (LK – LKB) x (NKA-NKB)
• NKB : Nilai kuartil yg berada di bawah letak kuartil

• NKA : Nilai kuartil yg berada di atas letak kuartil
• LKB : Letak data yg berada di bawah letak kuartil
•
15
Kuartil Ukuran letak
• Contoh :
• Data : 5 7 3 9 11 9
• Tentukan nilai Q1 !
1. Data diurut : 3 5 7 9 9 11
2. Posisi (Letak) Kuartil 1
• LK1 = [1(6+1) / 4] = 1,75
3. Nilai kuartil 1 = Q1
• Q1 = 5 + (1,75 -1) x (5-3) = 6,5
• Latihan : Tentukan Q3 !
16

1. Tentukan kelas yg terdapat letak Qi.
2. Tentukan nilai Qi
•
 (i / 4)n  F 
• Qi  B   .c i = 1,2,3
 f 
• Qi = Nilai kuartil ke – i
• B = Tepi batas bawah kelas kuartil
• n = jumlah frekuensi
• F = frekuensi kumulatif sebelum kelas kuartil
• f = frekuensi pada kelas kuartil
• c = interval kelas kuartil
17
• Contoh : data dari tabel 1

• Tentukan Q3 !
1. Tentukan kelas yg terdapat letak Q3 :

• (3/4 x 50) = 37,5 yaitu kelas : 60 - 69
• 2. Tentukan Nilai Q3 :
• Q3 = 59,5 + [ (37,5 – 31)/9 ] x 10 = 66,72

18
Desil Ukuran letak
• Desil : membagi data menjadi 10 bagian sama banyak
• D1 D2 D3 D4 D5 D6 D7 D8 D9
• Cara menecari nilai desil, prinsipnya sama dg cara

mencari nilai kuartil. Bedanya pada menentukan posisi
(letak) desil (LD) yaitu :
• LD = i (n+1) / 10 i = 1, 2, 3, …., 10
19
Desil Ukuran letak

1. Tentukan kelas yg terdapat letak Di.
2. Tentukan nilai Di
•
 (i / 10)n  F 
• Di  B   .c i=
1,2,3,4,5,6,7,8,9
 f 
• Di = Nilai desil ke – i
• B = Tepi batas bawah kelas desil
• F = frekuensi kumulatif sebelum kelas desil
• f = frekuensi pada kelas desil
• c = interval kelas desil
20
Persentil Ukuran letak
• Persentil : membagi data menjadi 100 bagian sama banyak.
• P1 P2 P3 P98 P99
• Cara menecari nilai persentil, prinsipnya sama dg cara

mencari nilai kuartil. Bedanya pada menentukan posisi
(letak) persentil (LP) yaitu :

• LP = i (n+1) / 100 i = 1, 2, 3, …., 100
21
Persentil Ukuran letak

1. Tentukan kelas yg terdapat letak Pi.
2. Tentukan nilai Pi
•
 (i / 100)n  F 
• Pi  B  
1,2,3,4,……,99 
.c i=
 f 
• Pi = Nilai persentil ke – i
• B = Tepi batas bawah kelas persentill
• F = frekuensi kumulatif sebelum kelas persentil
• f = frekuensi pada kelas persentil
• c = interval kelas persentil
22
Ukuran Penyebaran
• Ukuran Penyebaran menggambarkan
bagaimana suatu kelompok data menyebar
terhadap pusat data.
• Macam-macam ukuran penyebaran :

• > Jarak (Range)
• Jarak = Nilai terbesar – nilai terkecil
• > Deviasi rata-rata (MD)

MD 
 x
• N
23
Ukuran Penyebran
• > Deviasi Standar
•  x   
2
Untuk data populasi :

N
• Untuk data sampel :

 x  X 
2
s
n 1
24
Deviasi Standar
• Contoh :
• Data populasi : 25 3 7 2 5 8 22
(5  5)  (3  5)  (7  5)  (5  5) 2  (8  5) 2  (2  5) 2
=5 
6
 = 2,08
Data sampel : 5 3 7 5 8 2
X 5
(5  5) 2  (3  5) 2  (7  5) 2  (5  5) 2  (8  5) 2  (2  5) 2
s
6 1
s = 2,28
25
Deviasi Standar
Batas x f x.f (x-)² f.(x-)²
Kelas
20 – 29 24,5 4 98 864.36 3457.44
30 – 39 34,5 7 241,5 376.36 2634.52
40 – 49 44,5 8 356 88.36 706.88
50 – 59 54,5 12 654 0.36 4.32
60 – 69 64,5 9 580,5 112.36 1101.24
70 – 79 74,5 8 596 424.36 3394.88
80 - 89 84,5 2 169 936 1872.72
50 2695 13082
2695 13082
  53,9   16,17
50 50
26
Ukuran Penyebaran Relative

• Digunakan untuk membandingkan dua atau lebih
distribusi.
• Koefisien Variasi
• Untuk data populasi 

KV  x100%

• Untuk data sampel
s
KV  x100%
X
Numerik (rasio/interval)
• Jumlah, Mean, median, SD,
minimal -maksimal
Kategorik (nominal/ordinal)
• Persentase
• Jumlah
28
Soal Latihan
• Berikut Nilai UTS Statistika Ekonomi 15 mahasiswa D3
FEUI :
• 45 78 95 65 88 70 55 65 81 90 52 73 65 55 67
• Tentukan :
• 1.  2.  3. Md 4. Mo 5. KV
• 6. Q3 7. D6 8. P82
29
Soal Latihan
• Berikut data Berat badan 50 mhs D3 FEUI
Berat Badan (kg) Frekuensi
50 – 54 5
55 – 59 9
60 – 64 15
65 – 69 11
70 – 74 6
75 - 79 4
50
• Tentukan :
• 1.  2.  3. Md 4. Mo 5. Q3 6. D7 7. P15
soal
• Nilai UTS KDK 15 mahasiswa AJ adalah 70,80,60,40,100,
50,90,70, 30,80, 60, 50, 80, 90, dan 70.
• Tentukan nilai rata-ratanya sampAI DENGAN STANDAR
DEVIAS
• MEAN, MEDIAN, MODUS, RANGE, SD
SOAL
DATA FREKUENSI MO ME
11-20 5
21-30 3
31-40 8
41-50 7
51-60 4
61-70 9
Jumlah 36
UJI VALIDITAS DAN
RELIABILITAS
Vony J. Kiding
Biostatistika_PSIK_ULM
Click here to download this powerpoint template : Green Butterflies Free Powerpoint Template
For more : Microsoft Powerpoint Templates
Page 1
Kualitas Pengukuran
 Reliabilitas :
Menggambarkan seberapa jauh pengukuran yang
diperoleh dengan menggunakan instrumen
(termasuk kuesioner) jika diulangi akan
menghasilkan hasil yang sama
Validitas :
Menggambarkan seberapa jauh pengukuran yang
dilakukan mengukur nilai yang sebenarnya ingin
diukur (Gold Standar).
Page 2
Reliabilitas
1. Temporal/intra observer reliability
 Pengukuran pada subyek yang sama oleh orang

yang sama pada waktu yang berbeda
menghasilkan hasil yang sama
 Dapat diukur dengan test-retest correlation
coefficient
Page 3
2. Agreement/inter observer reliability
Marginal homogeneity:
Mengukur seberapa jauh 2 atau lebih
pengamat menghasilkan hasil yang sama
secara umum (distribusi tepi/marginal
distribution) pada saat mengelompokkan
individu yang sama. Diukur dengan Mc Nemar
test
Page 4
Kesesuaian/Agreement:
Mengukur seberapa jauh 2 atau lebih
pengamat setuju pada pengelompokkan
seluruh individu pada kelompok yang
diamati. Diukur dengan koefisien Kappa.
Page 5
3. Internal Consistency
• Digunakan untuk mengukur apakah sejumlah

pertanyaan/pengukuran mengukur hal yang
sama ---> Kuesioner
• Contoh: pengetahuan tentang pencegahan
HIV/AIDS diukur dengan 10 pertanyaan ya/tidak.
Pengetahuan diukur dengan menjumlahkan
pertanyaan yang dijawab secara benar. Internal
consistency menilai apakah 10 pertanyaan tsb
mengukur hal yang sama.
Page 6
Kuesioner
 Kuesioner mengukur sesuatu yang abstrak
seperti: kepuasan, kepercayaan, kinerja,
pengetahuan, sikap, dll.
 Pertanyaan dng jawaban > 2 option( Skala

Likert ) ---> paling sering
“mis: Selalu, sering, kadang2, sering, tdk pernah”
 Pertanyaan dng jawaban hanya 2 option (Skala
Guttman)
“mis:
Click Ya
here to download Tidak”
this powerpoint template : Green Butterflies Free Powerpoint Template
Page 7
 Diukur dengan menggunakan koefisien
Cronbach Alpha
 Prinsip uji: membandingkan nilai cronbach

alpha dengan nilai konstanta (0,6)
Ketentuan :
bila Cronbach ≥ 0,6 -> kuesioner reliabel
bila Cronbach < 0,6 -> kuesioner tidak
reliabel
Page 8
Validitas
1. Content Validity
• Menggambarkan seberapa jauh kumpulan

variabel (item) yang menghasilkan indeks
komposit menggambarkan satu konsep
tertentu
• Contoh: kumpulan pertanyaan untuk
mengukur depresi
Penilaian content lebih judmental oleh expert
bukan statistik
Page 9
2. Criterion Validity
Menggambarkan seberapa jauh hasil satu

pengukuran sesuai dengan hasil pengukuran
lain dengan menggunakan instrumen yang
dianggap standar
Criterion validity dinilai dengan membandingkan
hasil satu pengukuran dengan pengukuran
menurut gold standard
Page 10
3. Construct Validity
• Menggambarkan seberapa jauh hasil satu
pengukuran sesuai dengan hasil pengukuran
lain yang secara teoritis menggambarkan
konsep yang diukur
• Contoh:
Untuk mengukur ‘pengetahuan’ ada 10 pertanyaan, apakah
ke 10 pertanyaan tadi betul-betul memiliki kontribusi? Atau
mungkin cukup dengan 8 pertanyaan saja atau adakah
pertanyaan yang tidak punya kontribusi sehingga tidak
perlu
Click ditanyakan?
here to download this powerpoint template : Green Butterflies Free Powerpoint Template
Page 11
• Prinsip uji validitas: melakukan korelasi skor
masing-masing pertanyaan dengan Skor Total.
• Keputusan : bila nilai r hitung(r komputer) > r
tabel  valid
bila nilai r hitung < r tabel  tidak valid
utk mencari r tabel : DF = n-2 alpha = 5 %

(0,05)
• Proses uji dilakukan berulang-ulang, berhenti
kalau semua variabel sudah valid.
Page 12
Page 13
Langkah SPSS
• Pengujian terhadap kuesioner tentang
Kinerja perawat dalam dokumentasi
penerapan standar asuhan keperawatan.
Kuesioner ini diisi oleh perawat.
• Perintah SPSS: Analyze > Scale >

Reliability…
Page 14
Page 15
Selanjutnya klik “OK”
LANGKAH 1:
Page 16
• LANGKAH 2  Mengeluarkan Variabel
knr2
• LANGKAH 3  Mengeluarkan variabel
knr22
• LANGKAH 4  mengeluarkan variabel
knr24
• LANGKAH 5  mengeluarkan variabel
knr23
Page 17
Penyajian & Interpretasi
Dari 24 variabel, ada 4 variabel yang tidak
valid, dan hanya ada 20 variabel yang
valid. Ke-20 variabel tersebut valid untuk
mengukur kinerja perawat dalam
dokumentasi penerapan standar asuhan
keperawatan dengan item-total koefisien
korelasi berkisar antara 0,466 sampai
0,840. (Semua pertanyaan Rhit >
Rtabel)
Page 18
Ke 20 variabel tersebut juga reliable
dalam mengukur Kinerja perawat
dalam dokumentasi penerapan
standar asuhan keperawatan dengan
Cronbach’s Alpha 0,940. (Cronbach’s
Alpha > 0,6)
Page 19
Sekian
&
Terima Kasih
Page 20

Gabungan PPT Biostat

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Gabungan PPT Biostat

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGANTAR

Antara Kontrol Luar

Variabel ini akan mempengaruhi hubungan antara variabel

Variabel ini bisa tidak dikendalikan  hanya menjadi konsep saja

Variabel ini dikendalikan (variabel kontrol)  agar tidak terjadi BIAS

motivasi kinerja kepuasan

Apa saja jenis data??

• Alat untuk menghitung besarnya anggota sampel

• Teknik-teknik untuk menyajikan data, sehingga data

Perlu Perlu Perlu Perlu

Menentukan Pengumpulan Menyajikan Menganalisa

• Mengumpulkann • Kesimpulan data

• Data disajikan dalam bentuk :

• Tujuan dari statistik pada dasarnya adalah melakukan

16/7/18 Rahimul Yakin 1

 Nominal  membedakan nilai  Kategorik

16/7/18 Rahimul Yakin 4

16/7/18 Rahimul Yakin 5

16/7/18 Rahimul Yakin 6

16/7/18 Rahimul Yakin 7

16/7/18 Rahimul Yakin 8

16/7/18 Rahimul Yakin 9

16/7/18 Rahimul Yakin 10

Dari tabel diatas terlihat ketidakkonsistenan anatara

16/7/18 Rahimul Yakin 11

Ada 2 responden dengan umur 15 tahun mempunyai 7

16/7/18 Rahimul Yakin 12

16/7/18 Rahimul Yakin 13

16/7/18 Rahimul Yakin 14

16/7/18 Rahimul Yakin 15

16/7/18 Rahimul Yakin 16

 Probabilitas hasil penelitian sejalan dengan

Kebiasaan Penyakit Jantung Koroner

Penelitian di atas dilakukan dengan sampel 100 orang yang memiliki

Kebiasaan Penyakit Jantung Koroner

Penelitian di atas memiliki proposi kejadian PJK yang sama dengan

1.Konsep uji hipotesis

Tingkat kemaknaan dan daerah penolakan

Kesalahan dalam pengambilan keputusan

Uji one-tailed dan two-tailed

• Pernyataan dari hubungan yang diperkirakan antara dua

Memprediksi jawaban untuk pertanyaan

Memberikan arah dan saran yang dapat

Menginduksi berpikir kritis, memfasilitasi

Mengurangi kemungkinan bahwa hasil palsu

Hipotesis Nol/Null hypothesis (Ho)

Alternate hypothesis (Ha/H1) :

Hipotesis Non Direksional

1.Kesalahan tipe alpha

1.Kesalahan tipe beta

• Tingkat kepercayaan (α) yang sering digunakan dalam pengujian

Lihat tingkat kepercayaan dan Tingkat Signifikansi

0,1 0,05 0,01

• Pahami nilai – p didapatkan dari hasil uji

• t hitung < t tabel maka tidak signifikan  Ho diterima

• Kasus 1: Hasil uji t didapatkan bahwa p = 0,04 maka hasilnya?Bermakna

Mean Median Jangkauan

• Pada umumnya data akan memusat pada nilai-nilai :

Ukuran Pemusatan Rata-rata hitung

• Pada data yang tidak dikelompokkan

Rata-rata hitung Ukuran Pemusatan

Kelas Batas Kelas ttk tengah f x.f

• Untuk data yang dikelompokkan