ANOVA
Prof. Bhisma Murti1
Sunarto2
SEBAB AKIBAT
Mempengaruhi
Perlakuan obat antianemi Hb
kelompok dibagi menjadi 3 (gr/dl)
(Kontrol/ Dosis rendah/ Dosis tinggi)
Jumlah
remaja
Apakah kedua data tersebut sama?
(yakni, perbedaan mean antar kelompok) (yakni, variasi nilai pengamatan di dalam
masing-masing kelompok)
Masalah
Penelitian
Batas atas
Oneway ANOVA dapat digunakan
untuk menguji berbagai masalah
peneliti, misalnya:
Kruskal- Oneway
Wallis ANOVA
Post-Hoc Test
Post-hoc test adalah uji
statistik yang dilakukan
pasca ANOVA, yang bertujuan
untuk menguji signifikansi
statistik perbedaan mean
pasangan-pasangan kelompok
(pair-wise comparison):
1. Bonferroni
2. Scaheffe
3. Sidak dll.
1. Plasebo/control
2. Obat anti-anemia dosis
rendah
3. Obat anti-anemia dosis
tinggi
Masalah
Penelitian
1. Apakah obat anti-anemia baru
efektif untuk meningkatkan
kadar hemoglobin sehingga
orang dengan anemia
menjadi tidak anemia?
Dosis Rendah
Dosis Rendah
Dosis Tinggi
Dosis Tinggi
-10.600
-14.000
-.3400
.2123
.2123
.2123
<0,001
<0,001
0,294
-1.610
-1.950
-.890
-.510
-.850
.210
Post Hoc Test
1. Terdapat perbedaan mean hemoglobin yang
secara statistik signifikan antara plasebo dan
obat anti-anemia baru dosis rendah (p<0.001)
ataupun dosis tinggi (p<0.001). Dengan kata
lain, obat anti-anemia baru dosis rendah
ataupun tinggi efektif untuk meningkatkan
kadar hemoglobin pada perempuan dengan
anemia.
Penurunan Jenis
No. BB Formula
1 10 A
2 11 A
3 12 A
4 13 A
5 14 A
6 6 B
7 9 B
8 8 B
9 5 B
10 7 B
11 13 C
12 10 C
13 11 C
14 12 C
15 10 C
Descriptives
Oleh:
Sunarto, SKM, M.Kes.
Sebab akibat
Mempengaruhi
Asupan Serat Kolesterol
(gr/hr) (mg/dl)
Ada hubungan
antara asupan serat dengan kolesterol
Ada Hubungan
antara kadar Hb dengan nilai Biostatistik
Semakin erat jarak Skeater diagram atau
antar titik” semakin Visualisasi: diagram tebar
kuat hubungannya dan 100
sebaliknya. Jika
hubungan sempurna
titik” akan membuat 90
sebuah satu baris. Jika
titik” tersebut
dipaksakan menjadi 1 80
baris dinamakan
regresi dan garis nya
disebut garis regresi. 70
Untuk mengetahui
keeratan hubungan
antara titik” dapat 60
Diagram Tebar HB
Keterangan
Ada kecenderungan X : kadar hb
bahwa semakin tinggi kadar Hb, Y : nilai
akan semakin tinggi nilai Biostatistik
Diagram Tebar
Ada kecenderungan
bahwa semakin tinggi kadar Hb,
akan semakin tinggi nilai Biostatistik
Pola hubungan yg linier
kekuatan hubungan, terlihat dari
titik-titik merapat Hub. kuat
titik-titik menyebar Hub. lemah
Berkisar antara 0 – 1 (1 decimal) da dibedakan
antara Positif dan negative.
(+) jika semakin tinggi x maka y naik
(-) jika semakin tinggi x makan y turun
misalnya hubungan antara asupan serat dan
kolestrol. Semakin tinggi asupan serat maka
semakin rendah/turun kadar kolesterol (-)
Apakah kecenderungan
tersebut bermakna?
2. Rank Spearman
(Uji Non Parametrik)
No. Hb Nilai xy X2 Y2
(x) (y)
1. 13,7 90,3 1237,1 187,7 8154,1
2. 12,6 85,0 1071,0 158,8 7225,0
3. 11,7 80,3 939,5 136,9 6448,1
4. 10,8 70,8 764,6 116,6 5012,6
5. 9,5 71,0 674,5 90,3 5041,0
6. 8,0 60,2 481,6 64,0 3624,0
7. 8,5 63,0 535,5 72,3 3969,0
8. 9,8 70,5 690,9 96,0 4970,3
9. 8,9 65,6 583,8 79,2 4303,4
10. 11,0 70,9 779,9 121,0 5026,8
Uji r Pearson 104,5 727,6 7758,5 1122,7 53774,3
ΣX ΣY ΣXY ΣX2 ΣY2
{ΣXY} - { ( Σ X ) * ( Σ Y ) / n }
r =
2 2 2 2
√ {(ΣX ) - (ΣX) /n} * {(ΣY ) - (ΣY) /n}
Asumsi
Uji r Pearson
Kedua variable yg dihubungkan
berdistribusi normal
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
HB ,138 10 ,200* ,967 10 ,846
NILAI ,273 10 ,034 ,922 10 ,410
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
HB NILAI
N 10 10
Normal Parametersa,b Mean 10.450 72.760
St d. Deviation 1.847 9.627
Most Extreme Absolute ,138 ,273
Differences Positive ,138 ,273
Negat ive -,092 -,107
Kolmogorov-Smirnov Z ,435 ,862
As ymp. Sig. (2-tailed) ,992 ,448
a. Test distribution is Normal.
b. Calculated from data.
Contoh:
Suatu penelitian dengan tujuan untuk
mengetahui hubungan antara kadar Hb
dengan nilai Biostatistik
Pertanyaan:
1. Apakah ada hubungan antara kadar
Hb dengan nilai Biostatistik? Peneliti
menghendaki CI: 95%.
a. Berapa koefisien korelasi?
b. Apa makna nilai koefisien
korelasi?
c. Berapa p value?
d. Apa keputusan uji tersebut?
e. Apa kesimpulan uji tersebut?
No. Hb Nilai xy X2 Y2
(x) (y)
1. 13,7 90,3 1237,1 187,7 8154,1
2. 12,6 85,0 1071,0 158,8 7225,0
3. 11,7 80,3 939,5 136,9 6448,1
4. 10,8 70,8 764,6 116,6 5012,6
5. 9,5 71,0 674,5 90,3 5041,0
6. 8,0 60,2 481,6 64,0 3624,0
7. 8,5 63,0 535,5 72,3 3969,0
8. 9,8 70,5 690,9 96,0 4970,3
9. 8,9 65,6 583,8 79,2 4303,4
Uji r Pearson 10. 11,0 70,9 779,9 121,0 5026,8
104,5 727,6 7758,5 1122,7 53774,3
ΣX ΣY ΣXY ΣX2 ΣY2
{ΣXY} - { ( Σ X ) * ( Σ Y ) / n }
r =
r = 0.969
df = n-1
Jika hasilnya (-)
tetep ditulis
p = … ? (gunakan tabel r Pearson) misalnya
–0,969.
Correlations jika p value
kurang dari
NILAI 0,01 artinya ada
HB Pearson Correlation ,969** hubungan yang
Sig. (2-tailed) ,000 signifikan
antara kadar hb
N 10 dan nilai
NILAI Pearson Correlation 1,000 (p<0,01)
Sig. (2-tailed) ,
N 10
**. Correlation is significant at the 0.01 level
(2-tailed).
{7758,5} - {(104,5) (727,6)/10}
r=
√ {(1122,7) - (104,5)2/10} {53774,3- (727,6)2/10}
r = 0.969
Contoh soal:
1. Suatu penelitian dengan tujuan untuk
mengetahui hubungan antara jumlah
pemilikan buku dengan nilai Biostatistik
pada Mhs Smt V FKM UDINUS th. 2003.
Hasil penelitian adalah sbb:
Pertanyaan:
Apakah ada hubungan antara antara jumlah
pemilikan buku dengan nilai Biostatistik
Hasil Uji Normality sbb:
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Jumlah pemilikan buku ,284 10 ,022 ,913 10 ,352
Nilai Biostatistik ,273 10 ,034 ,922 10 ,410
a. Lilliefors Significance Correction
Correlations
Nilai
Biostatistik
Jumlah pemilikan buku Pearson Correlation ,909**
Sig. (2-tailed) ,000
N 10
Nilai Biostatistik Pearson Correlation 1,000
Sig. (2-tailed) ,
N 10
**. Correlation is s ignificant at the 0.01 level (2-tailed).
Keputusan = ditolak atau diterima
kesimpulan = ada hubungan atau
tidak
jadi jika hipotesis di tolak maka
kesimpulannya ada hubungan
CATATAN
Kalau sig nya 0,000 artinya lebih kecil
dari 0,01 (p value)
R mendekati 1 = kuat hubungannya
R mendekati 0 = lemah hubungannya
Pakai table pearson
Rank Spearman
Oleh:
Sunarto, SKM, M.Kes.
Asupan Serat Kolesterol
(gr/hr) (mg/dl)
Hipotesis:
Ada hubungan
antara asupan serat dengan kolesterol
4. 6 ∑ di 2
rs = 1 - ------------
3
n –n
Rumus
1. 6 ∑ di 2
rs = 1 - ------------
n3 – n
No x Peringkat x y Peringkat y di di 2
(rx – ry)
n ∑ di 2
Contoh:
No. SGOT (x) Kolesterol HDL (y)
Subyek
1 5.7 40
2 11.3 41.2
3 13.5 42.3
4 15.1 42.8
5 17.9 43.8
6 19.3 43.6
7 21 46.5
2
No x Pering y Pering di di
kat x kat y (rx – ry)
1 5.7 1 40 1 0 0
2 11.3 2 41.2 2 0 0
3 13.5 3 42.3 3 0 0
4 15.1 4 42.8 4 0 0
5 17.9 5 43.8 6 -1 1
6 19.3 6 43.6 5 1 1
7 21 7 46.5 7 0 0
2
n=7 ∑ di = 2
No x Pering y Pering di di 2
kat x kat y (rx – ry)
1 5.7 1 40 1 0 0
2 11.3 2 41.2 2 0 0
3 13.5 3 42.3 3 0 0
4 15.1 4 42.8 4 0 0
5 17.9 5 43.8 6 -1 1
6 19.3 6 43.6 5 1 1
7 21 7 46.5 7 0 0
n=7 ∑ di 2= 2
6 (2)
rs = 1 - ------------ = 0.9643
73 – 7
6 (2)
rs = 1 - ------------ = 0.9643
73 – 7
Kesimpulan sama kayak r
p = 0.001 pearson
Kesimpulan:
Ho ditolak
Ada hubungan antara SGOT dgn Kolesterol HDL
Latihan:
Nonparametric Correlations
Correlations
UMUR DENYUT
Spearm an's rho UMUR Correlation Coeffici ent 1.000 -.983**
Sig. (2-tailed) . .000
N 9 9
DENYUT Correlation Coeffici ent -.983** 1.000
Sig. (2-tailed) .000 .
N 9 9
**. Correlation is s igni ficant at the .01 level (2-tailed).
Frek. Lalulintas CO (ppm)
(mobil/ jam)
(x) (y)
100 8.8
110 9.5
110 9.2
125 9.2
150 10.0
170 11.5
180 10.6
190 11.8
200 12.0
Nonparametric Correlations
Correlations
MOBIL CO
Spearm an's rho MOBIL Correlation Coeffici ent 1.000 .945**
Sig. (2-tailed) . .000
N 9 9
CO Correlation Coeffici ent .945** 1.000
Sig. (2-tailed) .000 .
N 9 9
**. Correlation is s ignificant at the .01 level (2-tai led).
CATATAN
Semakin tinggi sgot semakin tinggi
kolestrol
Masing masing data x dan y dibuat
ranking dimulai dari 1 sampai
seterusnya
Setelah itu dicari selisih peringkatnya.
Dan dikuadratkan
Jika ada nilai x atau y sama untuk
peringkatnya di rata”
Regresi
Oleh:
Sunarto, SKM, M.Kes.
Asupan Serat Kolesterol
(gr/hr) (mg/dl)
Hipotesis:
Ada hubungan
antara asupan serat dengan kolesterol
Hipotesis:
Ada hubungan
antara asupan serat dan asupan lemak dengan kolesterol
Tujuan Uji
Ada Hubungan
antara kadar Hb dengan nilai Biostatistik
Kadar Hb Nilai
(Independen Variabel) (Dependen Variabel)
Independen Variabel
Skala: Numerik (Ratio, interval) Bisa kategorik
Dependen Variabel
Skala: Numerik (Ratio, interval)
Visualisasi:
100
90
80
70
60
NILAI
50
7 8 9 10 11 12 13 14
Diagram Tebar
Ada kecenderungan HB
bahwa semakin tinggi kadar Hb,
akan semakin tinggi nilai Biostatistik
Diagram Tebar
Ada kecenderungan
bahwa semakin tinggi kadar Hb,
akan semakin tinggi nilai Biostatistik
Pola hubungan yg linier
kekuatan hubungan, terlihat dari
titik-titik merapat Hub. kuat
titik-titik menyebar Hub. lemah
Contoh:
Berapa nilai seseorang, bila kadar Hb nya
sebesar 9.3 ?
100
90
80
70
60
NILAI
50
7 8 9 10 11 12 13 14
HB
Y=a+bx
a = intercept
= nilai awal
= besarnya nilai y,
Hasil Bisa (-) dan (+)
bila variable x bernilai 0
b = slope
= besarnya perubahan nilai variable y
bila nilai variable x berubah sebesar
satu unit (satuan)
= koefisien regresi
Untuk menghitung koefisien a & b
Digunakan “ Least Square method”
{ΣXY} - { ( Σ X ) . ( Σ Y ) / n }
b =
No. Hb Nilai xy X2 Y2
{(ΣX2) - (ΣX)2/n} (x) (y)
1. 13,7 90,3 1237,1 187,7 8154,1
2. 12,6 85,0 1071,0 158,8 7225,0
a= y–bx 3. 11,7 80,3 939,5 136,9 6448,1
4. 10,8 70,8 764,6 116,6 5012,6
5. 9,5 71,0 674,5 90,3 5041,0
6. 8,0 60,2 481,6 64,0 3624,0
b =
{(ΣX2) - (ΣX)2/n}
a = 19.764
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 19.981 4.821 4.145 .003
HB 5.051 .455 .969 11.101 .000
a. Dependent Variable: NILAI
Persamaan regresi:
Nilai = 19.764 + 5.051 Hb
Artinya:
Setiap kenaikan kadar Hb 1 gr/dl akan
mengakibatkan peningkatan nilai
sebesar 5.051
Persamaan regresi:
Nilai = 19.764 + 5.051 Hb
Coefficients
Variabel B Interpretasi
LILA ibu 0.077 Setiap kenaikan LILA ibu 1 cm akan meningkatkan
Z-Skore BB/TB sebesar 0.077
Coefficients
Pertanyaan:
1. Buat persamaan garis regresi, hasil penelitian tersebut?
a. Berapa b?
b. Berapa a?
c. Buat persamaan garis regresi?
CATATAN
Regresi punya kelebihan : bias buat
mengetahui pengaruh, hubungan dan
memprediksi variable x dan y
X = 1 regresi sederhana
X > 1 regresi ganda
Independen = bisa numeric dan
kategorik
Dependen = numeric
CATATAN
Persamaan garis linier
Y = a + bx
Keterangan : a = intercept, b = koefisien
regresi/ slope atau kemiringan
(+) = x meningkatkan y
(-) = menurunkan y
pengaruh
CATATAN
Y bar = rata rata y sigma Y/n
X bar =rata rata x sigma x/n
Setiap variable punya b
Unstamdarised = koefisien korelasi
untuk memaknai
Analisis Data Katagorikal
Oleh:
Sunarto, SKM, M.Kes.
Poltekkes Kemenkes Semarang
Asupan Energi Wasting
(kurang/ cukup) (wasting/ Tdk wasting)
Y
an a
r
ap
a
P
Tidak
Y
an a
r
ap
a
P
Tidak
Y
a
Paparan
Tidak
Sunarto
Jurusan Gizi, Poltekkes Kemenkes Smg
1
Konsep Rancangan Sampel
2. Uji Hipotesis
Estimasi 2
z P(1 P)
Proporsi n 1 / 2
2
d
Estimasi
z 2
2
Rata-rata n 1 / 2
2
d
3
Besar sampel estimasi proporsi:
z 2
P(1 P)
n 1 / 2
2
d
P=Estimasi proposi
d=simpangan mutlak
z=nilai z pada derajat kepercayaan 1-/2
4
Z (1-/2)
Derajat kepercayaan
yang sering digunakan :
90% (Z=1,64),
95% (Z=1,96),
99% (Z= 2,58).
Besar sampel estimasi proporsi:
z2
P(1 P)
n 1 / 2
2
d
Digunakan untuk estimasi proposi
Tidak tepat digunakan untuk uji hipotesis
Asumsi desain: populasi tak terbatas dan sampel
SRS
6
Besar sampel estimasi proporsi:
z2
P(1 P)
n 1 / 2
2
d
Contoh penggunaan:
Survei cakupan imunisasi
Survei prevalensi gizi kurang di masyarakat
Penelitian prevalensi hipertensi di masyarakat
7
Besar sampel estimasi proporsi:
Contoh
Contoh:
Suatu survei dilakukan untuk mengetahui
prevalensi diare pada Balita di Kota Semarang.
Berapa jumlah sampel yang diperlukan untuk survei
ini?
Untuk menghitung jumlah sampel,peneliti perlu
tahu:
Perkiraan prevalensi diare di Kota Semarang
Simpangan yang dapat diterima
Derajat kepercayaan
8
Besar sampel estimasi proporsi:
Contoh
Misalkan:
Diketahui prevalensi diare di Kota Smg 15% (Hasil Penelitian)
9
Besar sampel estimasi proporsi:
Contoh
10
Besar sampel estimasi rata-rata,
z 2
2
n 1 / 2
2
d
Digunakan untuk estimasi rata-rata
Tidak tepat digunakan untuk uji hipotesis
Asumsi desain: populasi tak terbatas dan metode
sampel SRS
11
Besar sampel estimasi rata-rata,
z2
2
n 1 / 2
2
d
Contoh penggunaan:
Survei kadar Hb bumil
Survei retinol serum darah di masyarakat
Penelitian sistolik orang dewasa di masyarakat
12
Besar sampel estimasi rata-rata,
Contoh:
Suatu penelitian dilakukan untuk mengetahui rata-
rata tek. Darah sistolik orang dewasa di Kota Smg
Asumsi yang digunakan:
Rata-rata tek. Darah sistolik 120 mmHg (Hasil Penelitian)
Simpang baku dari penelitian sebelumnya
(referensi) 20 mmHg
Simpangan mutlak 5 mmHg
Derajat kepercayaan 95%
Berarti peneliti 95% yakin bahwa rata-rata tek.
Darah sistolik di populasi berkisar 115-125 mmHg
13
Besar sampel estimasi rata-rata,
2 2
1,96 20
n 2
5
n 64
14
Masalah
Estimasi tidak hanya pada satu variabel, misal
Survei Kesehatan Ibu dan anak
Hitung sampel untuk masing-masing variabel
(kesehatan ibu, kesehatan anak), ambil jumlah sampel
yang terbesar
Jumlah sampel adalah jumlah sampel yang bisa
diambil datanya, bukan rumah atau orang yang
perlu didatangi
Contoh: untuk mendapatkan sampel 100 balita,
mungkin pewawancara harus datang ke 1000 rumah
tangga (asumsi populasi balita 10%)
15
CATATAN
Menggunakan rumus p1 dan p2
P1 = proporsi sakit berisiko /terpapar
P2 = proporsi sakit tidak berisiko/tidak
terpapar
16
Terima kasih
17
Besar Sampel
untuk Penelitian Uji Hipotesis
Sunarto
Jurusan Gizi
Poltekkes Semarang
Perhitungan Besar Sampel utk
Uji Hipotesis
Uji beda
proporsi
n
z
1 / 2 2P (1 P ) z1 P1 (1 P1 ) P2 (1 P2 )
2
( P1 P2 ) 2
rata
(independent) z 1 / 2 z1 (22
trt 2
con / r )
n
1 2 2
2 z1 / 2 z1 2
Uji beda rata-
rata (paired)
n
1 2 2
CATATAN
Uji beda proporsi untuk data kategorik
Contoh
P1 = proporsi westing pada kelompok asupan kurang
P2 = proporsi westing pada kelompok asupan cukup
Jika p1 = p2 tidak ada hubungan
Derajat kepercayaan tidak sama dengan kekuatan uji
Kekuatan uji Yang biasa digunakan 80 dan 90
Uji beda rata rata = menggunakan hasil penelitian
terdahulu.
Z (1-/2)
Derajat kepercayaan
yang sering digunakan :
90% (Z=1,64),
95% (Z=1,96),
99% (Z= 2,58).
z1-
Besar sampel uji hipotesis beda
proporsi
n
z 1 / 2 2 P (1 P ) z1 P1 (1 P1 ) P2 (1 P2 )
2
( P1 P2 ) 2
Haemoglobin BBL
(Anemi/ Normal) (BBLR/ normal)
Hipotesis:
Ada Perbedaan proporsi bayi BBLR
antara kelompok Bumil Anemi dan Bumil Normal
P1 dan P2 pada eksperimen,
kohort & cross-sectional
Keluaran Total
Sebab
+ -
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d
P1 = a/(a+b)
P2 = c/(c+d)
Tabulasi Silang
Utk. Desain Kohort dan crossectional
Tabel 5.
Distribusi Pasien Anak
menurut Perlakuan dan Kategori Nyeri
di RS “X” Semarang tahun 2005
Keluaran Total
Sebab
+ -
+ a b a+b
- c d c+d
Total a+c b+d a+b+c+d
P1 = a/(a+c)
P2 = b/(b+d)
Untuk Desain Kasus Kontrol:
1. Tanpa maching
Tabel 5.
Distribusi bayi menurut status peningkatan Z Score
dan Kategori pola asuh di Kec. Pedurungan tahun 2000
Kontrol Total
Kurang Bagus
Kasus Kurang 2 10 12 (80%)
Bagus 1 2 p1
3 (20%)
Total 3 (20%) 12 (80%) 15 (100%)
p2
Contoh P1 dan P2
Desain kasus-kontrol
P1: Proporsi ibu anemia pada BBLR
P2: Proporsi ibu anemia pada non BBLR
Anemi P1 P2
Tdk BBLR Total
Tdk Anemi BBLR Anemi Tdk Anemi
Total (100%) (100%) (100%) Anemi P1
Tdk Anemi
Total P2 (100%)
Besar sampel uji hipotesis beda
proporsi
n
z 1 / 2 2 P (1 P ) z1 P1 (1 P1 ) P2 (1 P2 )
2
( P1 P2 ) 2
n
1,96 2 * 0,2(1 0,2) 0,84 0,3(1 0,3) 0,1(1 0,1)
2
(0,3 0,1) 2
n 62 / kelompok
Desain kohort
Sampel
Dg efek - : efek +
1. FR +
efek –
efek +
2. FR -
efek –
Contoh Kohort
n
1,96 2 * 0,2(1 0,2) 0,84 0,3(1 0,3) 0,1(1 0,1)
2
(0,3 0,1) 2
n 62 / kelompok
n
1,96 2 * 0,7(1 0,7) 0,84 0,8(1 0,8) 0,6(1 0,6)
2
(0,8 0,6) 2
n 82 / kelompok
n=
z 1-/2 (1+ 1/k)P(1 - P) + z 1- P1 (1 - P1 ) + ( P 2 (1 - P 2 ))/k
2
2
( P1 - P 2 )
P
P1 kP2
(1 k )
.
Masalah dalam Penentuan Besar
Sampel
Jika hipotesis tidak fokus, misalnya:
Faktor-faktor yang berpengaruh pada kejadian
BBLR
P1 dan P2 variabel yang mana ? Yang dipake yang
utama, jika yang utama semua maka dihitung
semua dan diambil yang paling besar. Jika tidak
ada data p1 dan p2 dari jurnal tidak bisa dihitung
Solusi:
Pilih faktor utama saja, faktor lain dianggap
variabel control
Hitung sampel untuk tiap faktor utama
Perbedaan P1 dan P2 harus berdasarkan perbedaan
yang dianggap secara subtansi bermakna, bukan
hanya dari penelitian terdahulu saja
Contoh
n
z 1 / 2 z1 (
2 2
trt 2
con / r)
1 2 2
2
(20 1)10 2
(20 1)12 2
122
(20 1) (20 1)
n
1 2 2
15 * 1,96 1,28
2 2
n 2
24
(10)
= 1.0986 = 15.35
1. PENGERTIAN POPULASI
Populasi target
Populasi terjangkau
Populasi target
= Keseluruhan subyek yang ingin
ditarik kesimpulan oleh peneliti
melalui inferensi
INFERENS
= UJI
Dibatasi oleh: STATISTIK
Karakteristik klinis
Demografis
Populasi Terjangkau
= Himpunan subyek dari populasi
target yang digunakan sebagai
sumber pengambilan sample
Dibatasi oleh:
Waktu
Tempat
Contoh:
Judul Penelitian:
Pengaruh beberapa metode
pencegah nyeri terhadap intensitas
nyeri pada prosedur invasi pasien
anak di RS
Sampling unit
Unit yang ada di dalam kerangka
sampel disebut sebagai unit sampel
(sampling unit) atau unit elementer
(elementary unit).
KONSEP DASAR
PENGAMBILAN SAMPEL
1. Dengan probabilitas
2. Tanpa probabilitas
Bisa dilakukan
dengan
Kerangka sampel
Syarat Kerangka Sampel:
(sampling frame)
1. Up to date
2. Tiap unit sampling tercatat sekali
3. Dapat dilacak di lapangan
Bila unit elementer
Tdk dapat dipilih secara langsung,
Maka perlu dilakukan pengambilan
sampel secara bertahap
(multistage)
MULTISTAGE
1. Dipilih kecamatan
5. Kemanfaatan
BESAR SAMPEL
Sampel
harus representatif dari populasinya
Berapa besarnya?
Tergantung:
1. Biaya, waktu, dan tenaga
Yang tersedia
2. Jumlah variabel
3. Variasi variabel Derajat kepercayaan
4. Presisi (d)
yang sering digunakan :
5. Derajad kepercayaan
90% (Z=1,64),
95% (Z=1,96),
99% (Z= 2,58).
Perhitungan pada sampel :
rata-rata (x),
proporsi (p),
varians (s2),
dan standar deviasi (s)
statistik
JENIS METODE SAMPLING
Stratified sampling
Apakah area yang
akan disurvey Populasi tidak
relatif kecil? homogen, strata
yang berbeda?
Ya Tidak
Cluster sampling
Apakah kerangka
sampel tersedia? Tidak
Systematic random
Tidak Besar
Ya sampling
populasi
Ya diketahui?
Simple random
sampling
Cara Pengambilan Sampel:
Cara:
- Undian
- Tabel bilangan random
- Komputer
2. Sistematis Random Sampling
* Ada daftar populasi
* Pola anggota populasi
beraturan
* Sedikit homogen
Cara:
- Sampel pertama scr acak
- Sampel berikutnya diambil
secara sistematik dgn jarak N/n
Daftar
Populasi Sampel perama pilih acak, misal terpilih No.3,
berarti sampel pertama adalah No 3
1
2
3
Sampel kedua sampai terakhir adalah dipilih
4
5 secara sistematik loncat N/n, misal diambil n=8,
6 berarti sistematik= 25/8=3.1=3
7
8
9 Sampel no 2 6
10 Sampel no 3 9
11
12
Sampel no 4 12
13 Sampel no 5 15
14 Sampel no 6 18
15
Sampel no 7 21
16
17 Sampel no 8 24
18
19
20
21
22
23
24
25
3. Sampel Strata
(Stratified Random Sampling)
* Populasi heterogen
Cara:
- Populasi dibagi menurut strata
(dlm strata sehomogen
mungkin & antar strata
seheterogen mungkin)
- Besar sampel pd masing-
masing strata:
nh = Nh(n/N)
- Sampel diambil dgn metode
acak stratifikasi (stratified
random sampling)
Pengambilan sampel berstrata
Strata Puskesmas Jml Populasi
1. Pratama 50 50/350x80= 12 diambil random dari 50
2. Madya 100 100/350x80= 23 diambil random dari 100
3. Paripurna 200 200/350x80= 45 diambil random dari 200
Jumlah 350 (N) (n) = 80
n= 80
4. Klaster (Cluster Sampling)
* Populasi terbagi menurut
kelas
(dalam kelas seheterogen
mungkin & antar kelas
sehomogen mungkin)
* Tdk tersedia kerangka sample
Cara:
- Pilih sampel kelas dengan cara
acak atau dgn metode
probability proportional to size
(pps)
- Pada setiap kelas terpilih,
lakukan pemilihan sampel
secara random
Desa Jml Urutan
Populasi Akan diambil 4 desa,
maka ambil 4 no urut dari
1 100 1-100
2 100 101-200 no 1-8100 secara random
3 100 201-300
Misal terambil no. 7221,
4 100 301-400
5 100 401-500 4672, 3225, dan 850
6 100 501-600
Maka desa yang terpilih
7 100 601-700
8 100 701-800 adalah:
9 100 801-900 Desa no. 9, 20, 22, dan 25
10 100 901-1000
11 100 1001-1100 Akan diambil n=180
12 100 1101-1200
13 100 1201-1300 Desa Jml Pop
14 100 1301-1400
9 100100/2400x180=8
15 200 1401-1600
20 600600/2400x180=45
16 200 1601-1800
22 800800/2400x180=60
17 400 1801-2200
25 900900/2400x180=68
18 400 2201-2600
19 600 2601-3200 Total 2400 (N) (n) = 180
20 600 3201-3800
21 800 3801-4600
22 800 4601-5400
Pengambilan sampel desa dengan
23 900 5401-6300
Probability Proporsional to Size
24 900 6301-7200
25 900 7201-8100
Jml 8100
Pengambilan sampel random menurut desa
1. Purposive Sampling
Sampel ditentukan oleh
orang yang mengetahui
karakteristik populasi
2. Insidental Sampling
Sampel tdk terencana
Contoh : Data KLB
B. Pengambilan Sampel Secara tdk Acak
(Non probability sampling)
3. Quota Sampling
Pengumpul data menentukan
jumlah yang akan diambil
Pengumpulan data berhenti
setelah jumlah terpenuhi
4. Snowball Sampling
Pengambilan sampel dgn
cara sambung menyambung
informasi dari satu sampel ke
sampel yang lain.
CATATAN TAMBAHAN
• Klinis = pasien anak
• Demografi = rumah sakit
• Bagian dari populasi disebut sample
• Kecamatan puskesmas desa posyandu daftar
balita (dilakukan secara bertahap/ multistage)
• Semakin banyak variable dan variasi variable semakin
banyak juga sampel yang dibutuhkan
• Homogen = sampel sedikit
• Heterogen = sampel banyak
• Presisi = semakin ingin tepat semakin banyak sampel yang
dibutuhkan
• Derajat kepercayaan semakin tinggi semakin besar juga
nilai z nya
TERIMAKASIH
ATAS
PERHATIANNYA
Mohon maaf setulus hati
atas kesalahan saya
PENYAJIAN DATA (BERBAGAI
RAGAM) TABEL, GRAFIK,
NARASI,GAMBAR, DAN
KOMBINASI (PALING SERING
MUNCUL)
OLEH:
SUNARTO
Distribusi Frekuensi
Tabel 3.
Distribusi Balita menurut pemberian ASI dan Daerah di
Semarang tahun 2005 JUDULNYA HARUS JELAS
(APA DIMANA KAPAN BAGAIMANA)
Tabel 4.
Distribusi Pasien Anak
menurut Respon Intensitas Nyeri
di RS “X” Semarang tahun 2005.
Respon n % % Kumulatif
Intensitas Nyeri
Jumlah 36 100
CATATAN
Tabel 1.
Distribusi Pengetahuan Ibu Hamil di Kab. Demak tahun 2015
Daerah n Pengetahuan
Kota 55 84.25 ± 6.54
Desa 45 77.00 ± 8.80
Total 100 80.24 ± 7.80
Distribusi Mean
Tabel 9:
Perbedaan Kadar Hb Menurut Tk. Konsumsi Fe
Pada Ibu Hamil di Kec. “X” Kota Semarang Tahun 2005
Tabel 5.
Distribusi Pasien Anak
menurut Perlakuan dan Kategori Nyeri
di RS “X” Semarang tahun 2005
Tabel 5.
Distribusi bayi menurut status peningkatan Z Score
dan Kategori pola asuh di Kec. Pedurungan tahun 2000
1 Kasus Kurang
2 Kontrol Kurang
8 Kontrol Bagus
9 Kasus Bagus
10 Kontrol Bagus
11 Kasus Kurang
12 Kontrol Bagus
13 Kasus Kurang
14 Kontrol Bagus
15 Kasus Kurang
16 Kontrol Bagus
17 Kasus Bagus
18 Kontrol Bagus
19 Kasus Bagus
20 Kontrol Bagus
2. Dengan matching
Tabel 5.
Distribusi bayi menurut status peningkatan Z Score
dan Kategori pola asuh di Kec. Tembalang tahun 2003
Kontrol Total
Kurang Bagus
Kasus Kurang 2 10 12 (80%)
Bagus 1 2 P1
3 (20%)
Total 3 (20%) 12 (80%) 15 (100%)
P2
Desain Kasus Kontrol dgn Matching
1 Kurang 1 Kurang
2 Bagus 2 Bagus
8 Kurang 8 Bagus
9 Kurang 9 Bagus
10 Kurang 10 Bagus
11 Kurang 11 Bagus
12 Kurang 12 Bagus
13 Kurang 13 Kurang
14 Kurang 14 Bagus
15 Bagus 15 Bagus
C. Grafik
Batang Sederhana
12,0
11,8
11,5
11,0
10,5
Mean Kadar Hb
10,1
10,0
9,5
Kurang (< 60%) Cukup (>=60%)
12
10
8
50 C
6
60 C
4 70 C
0
50 C 60 C 70 C
Batang Klaster
100
80
60
Aktif
40 Tdk aktif
20
0
Meningkat Tdk Meningkat
Pie Chart
2,8%
90
80
70
60
50
60 70 80 90 100
15
14
13
12
11
Kadar Hb
10
9
20 40 60 80 100 120
BATAS OUTLIYER
100
80
MEDIAN
60
40
BATAS OUTLIYER
20
N= 39
Kasus Kontrol
Kurang 29 (76.3%) 14 (36.8%) 43 (56.6%)
Bagus 9 (23.7%) 24 (63.2%) 33 (43.4%)
Kasus Kontrol
Kurang 29 (763%) 14 (36.8%) 43 (56.6%)
Bagus 9 (23.7%) 24 (63.2%) 33 (43.4%)
Kasus Kontrol
Kurang 29 (76.3%) 14 (36.8%) 43 (56.6%)
Bagus 9 (23.7%) 24 (63.2%) 33 (43.4%)
Kurang Bagus
Kurang Bagus
Kurang Bagus
Contoh Soal :
1. Suatu penelitian untuk melihat apakah ada perbedaan penurunan BB menurut jenis formula
yang diberikan.
No Penurunan BB Jenis Formula
1 10 A
2 11 A
3 12 A
4 13 A
5 14 A
6 6 B
7 9 B
8 8 B
9 5 B
10 7 B
11 13 C
12 10 C
13 11 C
14 12 C
15 10 C
Descriptives
𝑀𝑠_𝑏
F = 𝑀𝑠_𝑤
38,6
F= 2,1
F = 18,381
2. Suatu penelitian untuk melihat perbedaan kadar folat menurut jenis zat pembius yang
diberikan
No Kadar Folat Zat Pembius
1 243 A
2 251 A
3 275 A
4 291 A
5 347 A
6 206 B
7 210 B
8 226 B
9 249 B
10 255 B
11 241 C
12 258 C
13 270 C
14 293 C
15 328 C
JAWAB :
Sampel < 50, yang dilihat uji Shapiro
Nilai sig. Uji Shapiro untuk folat A nilai p = 0.455, folat B nilai p = 0.369, dan folat C
nilai p = 0,832 data berdistribusi normal (karena p > 0.05). Oleh karena itu, menggunakan
uji ANOVA
𝑀𝑠_𝑏
F = 𝑀𝑠_𝑤
𝑀𝑠_𝑏
F = 𝑀𝑠_𝑤
4264,875
F = 1113,993
F = 3,828