MODUL

BIOSTATISTIK KESEHATAN
BOISTATISTIK UNTUK KEPERAWATAN

DOSEN PENGAMPU

HARDIANTO DG.S SKM. M.Kes

PROGRAM DIPLOMA III KEPERAWATAN

AKPER SAWERIGADING PEMDA LUWU
TAHUN 2020

1
 KEGIATAN BELAJAR 1
KONSEP BIOSTATISTIK

1. Definisi
Statistik secara sempit diartikan sebagai data.
Arti luas diartikan sebagai alat. Alat untuk analisis,
dan alat untuk membuat keputusan. Statistik
digunakan untuk membatasi cara-cara ilmiah
untuk mengumpulkan, menyusun, meringkas, dan
menyajikan data penyelidikan.

2. Ruang lingkup statistik

a. Statistik deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk mengambarkan
atau menganalisis suatu statistik hasil penelitian tetapi tidak digunakan
untuk membuat kesimpulan yang lebih luas (generalisasi/inferensial).
Penelitian tidak bermaksud untuk membuat suatu kesimpulan terhadap
populasi dari sampel yang diambil, statistik yang digunakan adalah statistik
deskriptif.
b. Statistik inferensial
Statistik inferensial adalah statistik yang digunakan untuk menganalisis
data sampel, dan hasilnya akan digeneralisasikan untuk populasi dimana
sampel diambil. Terdapat dua jenis statistik inferensial yaitu statistik
parametrik dan statistik non parametrik. Statistik parametrik digunakan
untuk menganalisis data yang berbentuk interval dan rasio sedangkan
statistik non parametrik biasanya digunakan untuk menganalisis data yang
berbentuk nominal dan ordinal.
Statistik parametrik mensyaratkan bahwa distribusi data normal dan
variansi data harus sama sedangkan statistik non parametrik tidak
memerlukan syarat distribusi data normal dan variansi sama.
Berikut ini adalah skema pembagian statistik.

2
 Gambar. 1 Jenis Statistik
3. Tipe Variabel
Variabel penelitian merupakan suatu atribut atau suatu nilai dari orang, objek
atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan ditarik kesimpulan.
Berdasarkan jenisnya variabel penelitian antara lain:
a. Variabel Independent
Variabel independent sering disebut sebagai variabel bebas. Variabel
bebas merupakan variabel yang mempengaruhi atau menjadi sebab
perubahan atau timbulnya variabel dependent.
b. Variabel Dependent
Variabel dependent sering disubut sebagai variabel terikat. Variabel terikat
merupakan variabel yang dipengaruhi atau yang menjadi akibat karena
adanya variabel bebas.
c. Variabel Moderator
Variabel moderator merupakan variabel yang mempengaruhi (memperkuat
atau memperlemah) hubungan antara variabel infependent dengan
dependent. Variabel ini disebut juga sebagai variabel independent ke dua.
d. Variabel Intervening
Variabel intervening adalah variabel yang secara teoritis mempengaruhi
hubungan antara variabel independent dan variabel depandent, tetapi tidak
dapat diamati atau diukur.
e. Variabel Kontrol

3
 Variabel kontrol merupakan variabel yang dikendalikan atau dibuat
konstant sehingga hubungan variabel dependent dan independent tidak
dipengaruhi oleh faktor luar yang tidak diteliti.
Contoh:
Variabel bebas Variabel terikat
Kepatuhan Perawat Kejadian Infeksi
pencegahan infeksi pada pasien Post
Op

Variabel Luar :
Karakteristik Perawat
1. Tingkat pendidikan
2. Pengetahuan
3. Ketrampilan

4. Sumber Data Kesehatan

Data primer : merupakan data yang dikumpulkan oleh peneliti yang digunakan
untuk menjawab tujuan dari penelitian secara spesifik. Data primer dapat
diperoleh dari kegiatan survei, penelitian dilapangan.
Data skunder : merupakan data yang telah tersedia atau telah dikumpulkan
oleh orang atau lembaga tertentu, misal biro pusat statistic. Data sekunder
dapat diperoleh dari catatan laporan dinas kesehatan sebagai kegiatan
surveilans di dinas kesehatan.
5. Skala Pengukuran
Untuk menentukan teknik statistik mana yang akan digunakan untuk menguji
hipotesis maka harus diketahui terlebih dulu macam-macam data dan bentuk
hipotesis. Macam data dalam penelitian seperti pada gambar berikut:
Kualitatif Nominal
Jenis Data Kategorikal
Ordinal
Kuantitatif
Interval
Numerik
Ratio
Gambar 2. Jenis data

4
Skala pengukuran:
a. Skala deskrit / Nominal
Skala deskrit atau nominal adalah data yang hanya dapat digolongkan
secara terpisah atau secara kategorik.
Contoh
Jenis kelamin (laki-laki-perempuan)
b. Skala Ordinal
Data ordinal adalah data yang berbentuk rangking atau peringkat. Dimana
jarak antara satu rangking dengan rangking yang lainnya belum tentu
sama.
Contoh
Tingkat pendidikan (SD, SMP, SMA, PT)
c. Skala Interval
Data interval adalah data yang jaraknya sama tetapi tidak mempunyai nilai
nol (0) absolut/mutlak.
Contoh
Suhu
d. Skala Rasio
Data rasio adalah data yang jaraknya sama dan mempunyai nilai nol
mutlak.
Contoh
Berat badan
6. Metode Pengumpulan Data
Menurut Nan Lin, ada 4 metode pengumpulan data antara lain;
a. Metode observasi
Metode observasi adalah suatu metode pengumpulan data yang dilakukan
oleh peneliti untuk mencatat kejadian atau peristiwa dengan
menyaksikannya.
b. Metode dokumentasi
Metode dokumentasi dilakukan jika tidak mungkin bagi peneliti untuk
melakukan kontak dengan pelaku atau subjek penelitian.
c. Metode survei

5
 Survei merupakan suatu metode pengumpulan data yang mengunakan
instrumen kuesioner atau wawancara untuk mendapatkan tanggapan dari
responden yang disampel.
d. Metode eksperimen
Merupakan metode dengan melakukan perlakuan.
7. Syarat Alat Ukur
Syarat alat ukur yang baik seharusnya memenuhi validitas dan reliabilitas dari
pengukuran.
Validitas
Validitas merupakan kesesuaian antara alat dan apa yang di ukur.
Reliabilitas
Reliabilitas merupakan hasil beberapa kali pengukuran tetapi hasil tetap sama.

LATIHAN

1. Apa yang anda ketahui tentang statistik deskriptif dan statistik inferensial..?
2. Sebutkan jenis statistik inferensial..?
3. Apa syarat mengunakan statistik para metrik…?
4. Apa ciri-ciri skala data rasio, interval, ordinal dan nominal.
5. Carilah contoh skala data rasio, interval, ordinal dan nominal masing-masing
10.
6. Rubahlah data dibawah ini ke dalam data rasio, interval, ordinal dan nominal..?
Data jumlah hari tidak masuk kerja perawat selama 1 tahun.

5 4 5 7 10 25 23 2 3 3 3 20 21 12
6 1 6 6 11 15 34 12 2 3 4 19 22 13
12 3 7 4 12 16 22 21 2 4 12 18 12 12
15 2 4 5 13 15 23 14 3 2 13 17 13 13
16 23 3 5 14 16 12 13 3 2 14 11 14 14
2 3 4 4 13 15 14 15 4 9 15 16 15 15

6
 KEGIATAN BELAJAR 2
PENYAJIAN DATA
A. Pengertian

Setiap penelitian dapat disajikan dalam berbagai bentuk. Prinsip dasar penyajian
data adalah bagai mana data dapat komunikatif dan lengkap dalam arti data yang
disajikan dapat menarik perhatian pihak lain untuk membaca dan mudah
memahami.
Beberapa penyajian data antara lain penyajian data dengan table, grafik, diagram
lingkaran dan pictogram.
B. Jenis Penyajian tabel dan kegunaannya
1. Tabel
Penyajian data dalam bentuk table banyak digunakan karena lebih efisien dan
cukup komunikatif. Ada 2 macam table, yaitu table biasa dan table distribusi
frekuensi.
Setiap table berisi judul table, judul setiap kolom, nilai data dalam setiap
kolom, dan sumber data darimana data tersebut diperoleh. Table dapat
disajikan berdasarkan skala data (table data nominal, table data ordinal , dan
table data interval.
a. Contoh table data nominal
Tabel 1. Distribusi Frekuensi Karakteristik Subjek Penelitian
Berdasarkan Variabel Penelitian
Variable n %
Kejadian Infeksi
Infeksi 23 32,86
Tidak infeksi 47 67,14
Kepatuhan Pencegahan Infeksi
Patuh 40 57,14
Tidak patuh 30 42,86
Pendidikan
≤ D1 14 20,00
≥ D3 56 80,00
Pengetahuan
Baik 53 75.71
Kurang 17 24,29
Ketrampilan
Baik 41 58,57
Kurang 29 41,43
Sumber; data penelitian

7
Table 1. Menunjukan bahwa sebagian besar subjek penelitian tidak mengalami
kejadian infeksi 67,14%, patuh melakukan pencegahan infeksi 57,14%,
pendidikan ≥ D3 80%, pengetahuan baik 75,71%, dan ketrampilan 58,57%.
Berdasarkan persentase rata-rata ketrampilan perawat mencuci tangan,
memakai sarung tangan dan mengunakan alat terlihat pada table berikut:

b. Contoh table data ordinal

Table 2 Tingkat kepuasan kerja pegawai
Aspek kepuasan kerja skor kepuasan Tingkat kepuasan
Gaji 37,58 Kurang puas
Intensif 57,18 Cukup puas
Transportasi 68,60 Puas
Perumahan 48,12 Kurang puas
Hubungan kerja 54,00 Cukup Puas
Sumber: data biro kepegawaian

c. Contoh table data interval

Table 3. distribusi frekuensi nilai pelajaran statistic 150 mahasiswa.

No kelas Kelas interval Frekuensi
1 10-19 1
2 20-29 6
3 30-39 9
4 40-49 31
5 50-59 42
6 60-69 32
7 70-79 17
8 80-89 10
9 90-99 2
Jumlah 150

Hal-hal yang diperhatikan dalam table distribusi frekuensi

 Tabel distribusi mempunyai sejumlah kelas. Kelas interval tergantung
penyaji yang diinginkan
 Pada setiap kelas mempunyai kelas interval
 Setiap kelas interval mempunyai frekuensi
 Tabel merupakan ringkasan baris.

d. tabel distribusi komulatif

Table distribusi frekuensi nilai pelajaran statistic 150 mahasiswa.
Frekuensi
No kelas Kelas interval Frekuensi
komulatif

8
 1 10-19 1 1
2 20-29 6 7
3 30-39 9 16
4 40-49 31 47
5 50-59 42 89
6 60-69 32 121
7 70-79 17 138
8 80-89 10 148
9 90-99 2 150
Jumlah 150

e. Tabel distribusi relatif

Table distribusi frekuensi nilai pelajaran statistic 150 mahasiswa.
Frekuensi
No kelas Kelas interval Frekuensi
relative (%)
1 10-19 1 0,67
2 21-29 6 4,00
3 30-39 9 6,00
4 40-49 31 20,67
5 50-59 42 28,00
6 60-69 32 21,33
7 70-79 17 11,33
8 80-89 10 6,67
9 90-99 2 1,33
Jumlah 150

f. Cara membuat table DISTRIBUSI

Dalam penataan data ke dalam table distiribusi frekuensi bila datanya
sedikit sebaiknya disajikan dalam bentuk distribuasi tunggal, sebaliknya
bila jumlah data cukup banyak maka perlu disajikan dalam bentuk
distribusi kelompok (Distribusi Frekuensi).
1. Distribusi Tunggal
Bila jumlah data yang diperoleh pada pengumpulan data jumlahnya
sedikit , maka penataannya dapat dilakukan dalam bentuk table distribusi
tunggal.
Contoh :
Pada penelitian tentang berat badan pada 20 penderita diabetes 38
mellitus didapatkan hasil sebagai berikut :
40, 45 , 50, 42, 42, 52, 50, 45, 40, 52, 44, 42, 44, 46, 46, 41, 42, 48, 44.40

9
 Dari data diatas hanya diketahui bahwa berat badan penderita tidak
sama, tetapi tidak dapat diperoleh gambaran yang jelas tentang berat
badan tersebut sehingga sulit dilakukan penelitian lebih lanjut. Untuk
memperoleh gambaran yang lebih jelas maka perlu disususn secara
berurutan mulai yang terkecil sampai yang terbesar atau sebaliknya
sehingga hasilnya tampak sebagai berikut :
40, 40, 40, 41, 42, 42, 42, 42, 44, 44, 44, 45, 45, 46, 46, 48, 50, 50, 52, 52.
Dengan penyusunan data seperti diatas, selain diketahui berat badan
penderita tidak sama, juga diketahui pula berat badan terbesar dan
terkecil, tetapi dengan penyusunan seperti ini tidak diketahui berapa orang
yang mempunyai badan tertentu yang jumlahnya terbanyak.
Untuk mengetahui hal tersebut maka perlu disusun sedemikian rupa
sehingga penderita yang mempunyai berat badan yang sama disatukan
dan jumlahnya dinyatakan dalam frekuensi( f ).
Tabel Distribusi frekuensi Berat badan Penderita DM
Berat Badan
Frekuensi ( f )
(BB)
40 3
41 1
42 4
44 3
45 2
46 2
48 1
50 2
52 2
Jumlah 20

Disitribusi di atas disebut distribusi tunggal atau distribusi tidak

dikelompokkan (Ungrouped frequency Distribution). Dari table di atas,
selain diketahui berat badan penderita tersebut tidak sama, berat terkecil
34
40 kg dan terbesar 52 kg, juga diketahui frekuensi terbanyak adalah 42 kg.
2. Distribusi Frekuensi Kelompok
Dalam praktek sering kita diperhadapkan dengan data yang jumlahnya
banyak. Untuk mengatasi masalah tersebut maka perlu dikelompokkan,
dengan demikian metode yang digunakan adalah Grouped Frequency
Distribution.

10

40
 Untuk membuat membuat table distribusi frekuensi dikelompokan dalam
bentuk kelas interval. Langkah-langkah yang dilakukan adalah sebagai
berikut :
a. Susunlah data terlebih dahulu berdasarkan urutan besar-kecilnya.
b. Tentukakan Rentang (Range) kelas yang diperoleh dari selisih angka
tertinggi dan angka terendah dari data yang dikumpulkan.
Range = Angka tertinggi – Angka terendah.
c. Tentukkan banyaknya kelas (kelompok) yang dibutuhkan dengan
menggunakan aturan Sturges(1926) yang dikenal dengan rumus :
K = 1 + 3,3 log n
K = Banyaknya Kelas/Kelompok
n = Banyaknya Data/Pengamatan
d. Tentukan interval kelas/kelompok dengan menggunakan rumus :
e. I = R/K I = Interval kelas
f. Pilih data terkecil dari yang dikumpulkan untuk digunakan sebagai
ujung bawah dari kelas pertama, atau angka yang lebih kecil dengan
syarat selisih dari data yang paling kecil tidak boleh lebih besar dari nilai
interval kelas ( i ).
g. Bila satu kelompok dengan kelompok berikutnya berupa angka satuan
maka maka perbedaanya adalah 1 dan bila berupa angka dengan satu
decimal maka selisihnya adalah 0,5.
Contoh :
Nilai Ujian mata kuliah statistic pada 80 mahasiswa Akper sebagai
berikut :
49 48 74 81 98 87 80 80 84 90 70 91 93 82 78 70 71 92 38 79
81 74 73 68 72 85 51 65 93 83 96 90 35 83 73 74 43 86 68 56
93 76 71 90 72 67 75 80 91 61 72 79 97 91 88 81 70 74 99 56
80 59 71 77 63 75 60 83 82 60 67 89 63 76 63 88 70 66 88 95
Sebaiknya data disusun terlebih dahulu berdasarkan urutan besar
kecilnya. Lalu ditentukan rangenya, Rentang(Range) untuk data di atas
adalah 64 yang diperoleh dari :
Range = 99 – 35 = 64

11
 Langkah selanjutnya adalah menentukkan jumlah kelas yang
dibutuhkan dengan menggunakan rumus Sturges diperoleh jumlah kelas
adalah :
K = 1 + 3,3. Log 80
= 1 + 3,3. 1,9031
= 1 + 6,3
= 7,3 Banyaknya kelas adalah 7 – 8 kelas.
Panjang kelas intervalnya adalah Nilai Range(R) dibagi dengan
banyaknya Kelas (K). Bila nilai K-nya adalah 7 maka akan diperoleh nilai
interval/panjang kelas 9 - 10.
Dengan diperolehnya nilai-nilai diatas maka selanjutnya kita dapat
membuat table distribusi frenkuensi kelompok. Sebagai ujung bawah
interval kelas pertama dipilih angka 31 sehingga tabelnya sebagai
berikut :
Tabel Disatribusi frekuensi Nilai Ujian Startistik Mahasisiwa.
Kelas/Kelompok(Nilai) Frekuensi(f)
31 – 40 2
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
91 – 100 12
Jumlah 80

3. Beberapa Istilah
Dalam table distribusi frekuensi kelompok dikenal beberapa istilah
antara lain :
a. Ujung Bawah (UB) adalah Angka yang terdapat disebelah kiri kelas
interval
b. Ujung Atas (UA) adalah Angka yang terdapat di sebelah kanan .
c. Batas Kelas Bawah (Lower limmit) adalah angka Ujung Bawah
dikurangi 0,5.

12
 d. Batas Kelas Atas (Upper limmit) aadalah angka Ujung Atas
ditambah 0,5
e. Panjang/Interval kelas adalah Selisih antara dua Ujung Bawah kelas
berurutan.
f. Titik tengah/Tanda Kelas Wakil dalam kelas interval.
Titik tengah = ½ ( Ujung Bawah + Ujung Atas ).
2. Grafik
a. Grafik garis
Grafik biasanya digunakan untuk menunjukan perkembagan suatu
keadaan atau trend peningkatan atau penurunan sesuatu. Hal ini akan
nampak secara visual melalui garis dalam grafik.
Contoh
karakteristik kejadian ISPA pada anak berdasarkan umur dapat dilihat pada
gambar berikut:

14
13
12 12 12

10

8 8 8 8
Jumlah

7
6 6 6
5 5
4 4

2 2

0 0
12 13 14 15 16 17 18
Usia (Bulan)
ISPA Kontrol

Gambar 5. Distribusi Frekuensi Kejadian ISPA menurut Umur

Gambar 5 menunjukkan bahwa pada kasus, puncak kejadian ISPA terjadi
pada usia 15 bulan sedangkan pada kontrol puncak kejadian ISPA terjadi
pada usia 16 bulan. Usia yang relatif rendah frekuensi kejadian ISPA terjadi
pada usia 12 bulan.

13
 b. Grafik batang
Grafik batang biasanya disajikan untuk membandingkan dua karakteristik
dari subjek.
Contoh

45
41
40

35 35
35

30
30

25
25
24
Jumlah Bayi
20 18
17

15
12

10
7 7

5
1

0
Air the/gula Susu Formula Air Tajin Nasi Buah Susu/Biskuit

Ya 12 41 7 7 17 24
Tidak 30 1 35 35 25 18

Ya Tidak

3. Diagram
Diagram pie biasanya digunakan untuk mengabarkan berdasarkan proporsi.
Misal jenis kelamin.
Contoh

Umur Bayi

15, 19%
43, 53%
23, 28%

0-6 Bulan 7-9 Bulan 10-12 Bulan

LATIHAN

14
Latihan susunlah data tersebut dibawah ini dalam table distribusi frekunsi

1 2 2
5 4 5 7 25 2 3 3 3 21 12
0 3 0
1 3 1 1
6 1 6 6 15 2 3 4 22 13
1 4 2 9
1 1 2 2 1
3 7 4 16 2 4 12 12 12
2 2 2 1 8
1 1 2 1 1
2 4 5 15 3 2 13 13 13
5 3 3 4 7
1 2 1 1 1 1
3 5 16 3 2 14 14 14
6 3 4 2 3 1
1 1 1 1
2 3 4 4 15 4 9 15 15 15
3 4 5 6

1. Sajikan data tesebut dalam bentuk distribusi frekuensi

2. Setelah data tersaji dalam distribusi frekuensi buat data dalam bentuk
gambar?

15
 KEGIATAN BELAJAR 3, 4 dan 5
UKURAN TERNDENSI SENTRAL

I. DATA TUNGGAL

A. MEAN

Mean merupakana teknik penjelasan kelompok yang didasarkan atas nilai

rata-rata dari kelompok yang dimaksud. Rata-rata didapat dengan
menjumlahkan data seluruh individu dalam kelompok kemudian dibagi dengan
jumlah individu yang ada pada kelompok tersebut.
Range adalah nilai yang mewakili himpunan atau kelompok data. Nilai rata-
rata umumnya cenderung terletak di tengah suatu kelompok data yang
disusun menurut besar kecilnya nilai.
Rumus

mean=
∑ Xi
n
Keterangan
Mean = rata-rata
∑ = Jumlah
Xi = nilai x ke I sampai ke n
N = jumlah individu

Contoh soal

Suatu penelitian dilakukan di Poliklinik penyakit Dalam tentang hasil tekanan

darah 10 pasien hipertensi. Hasil penelitian adalah sebagai berikut:

90, 120, 160, 60, 180, 190, 90, 180, 70, 160.
Berdasarkan data tersebut berapa rata-rata tekanan darah pasien hipertensi
tersebut.

mean=
∑ (90+ 120+ 160+ 60+ 180+ 190+ 90+ 180+ 70+ 160)
10

16
 Mean = 130 mmHg.

B. MEDIAN
Median adalah satu teknik penjelasan kelompok yang didasarkan atas nilai
tengah dari kelompok data yang telah disusun urutannya dari yang terkecil
sampai yang terbesar, atau sebaliknya dari yang terbesar ke terkecil.

Rumus:
Banyaknya data Ganjil
n+1
Median=
2
Rumus:
Banyaknya data Genap

Median = n/2 + n/2+1

2
Contoh :
Hasil pengukuran berat badan balita yang ditimbang pada posyandu A
adalah : 9 7 12 10 14 8 10, maka letak mediannya adalah (7 + 1 )/2 = 4,
berarti posisi median ada pada urutan ke-4 adalah 10.
Agar lebih jelas dapat dilihat sebagai berikut :
Posisi median data ke : 1 2 3 4 5 6 7
BB Balita : 7 8 9 10 10 12 14
Bila data yang diperoleh banyaknya genap, misalnya 8 orang, maka
posisi median terletak pada posisi ke-4 dan ke-5. Didapatkan dari ½.8 dan ½.8
+ 1.
Posis median data ke : 1 2 3 4 5 6 7 8
BB Balita : 7 8 9 10 10 12 14 15
Median terletak pada posisi ke-4 dan ke-5 sehingga medianya sama
dengan ( 10 + 10 )/2 = 10.

C. MODUS

Modus merupakan nilai yang sering muncul.

Contoh :
Berat badan bayi yang ditimbang di Posyandu mawar sebagai berikut :
6 4 10 7 10 12 11 6 10 5 9

17
 Bila dilihat data di atas maka modusnya adalah 10, namun bila kita hitung
rata-ratanya kita akan memperoleh 8,2.
Oleh karena itu, bila kita akan menentukan nilai tengah menggunakan modus
sebaiknya data yang kita peroleh diubah menjadi distribusi frekuensi

II. DATA BERKELOMPOK

Menghitung central tendensi pada data berkelompok.
A. MEAN
Untuk menghitung mean dari data bergolong maka terlebih dahulu data
tersebut disusun menjadi tabel sebingga perhitungan akan lebih mudah.
Rumus

Mean=
∑ f i Nt i
∑ fi
Keterangan
Mean = nilai tengah
fi = jumlah data/sample
Nti = nilai tengah kelas interval (tanda kelas)
f i Nt i = Hasil perkalian antara fi pada tiap interval data dengan tanda kelas
Nti . Tanda kelas (Nti) adalah rata-rata dari nilai terrendah dan tertinggi setiap
interval data.

Dilakukan penelitian di rumah sakit terhadap 60 perawat mengenai

kemampuan perawat dalam penanganan pencegahan infeksi. Data hasil
penelitian adalah sebagai berikut:
N
Kemampuan No Kemampuan No Kemampuan No Kemampuan
o
1 50 16 55 31 87 46 56
2 45 17 55 32 90 47 47
3 35 18 55 33 91 48 80
4 55 19 65 34 55 49 87
5 55 20 78 35 55 50 86
6 55 21 78 36 55 51 87
7 65 22 76 37 65 52 55
8 78 23 75 38 78 53 67
9 78 24 74 39 78 54 68
10 76 25 67 40 76 55 66
11 75 26 68 41 75 56 56
12 74 27 67 42 74 57 47
13 67 28 56 43 67 58 80
14 68 29 47 44 68 59 87
15 67 30 80 45 67 60 96

18
 Table penolong

Kelas Interal F Nt f.Nt

Berapa nilai mean untuk data tersebut diatas..?

B. MEDIAN
Untuk menghitung nilai median pada distribusi kelompok yang pertama adalah
tentukan letak kelas median dengan cara :
Kelas median = n/2 , n = banyaknya data
Rumus Median pada data kelompok adalah sebagai berikut:

1
Median=b+ p
2
F ( )
n−f

Keterangan
Median = nilai tengah data berkelompok
b = batas bawah, dimana median berada
n = banyaknya data
P = panjang kelas interval
f = jumlah semua frekuensi sebelum kelas interval
F = frekuensi kelas median

Berdasarkan data diatas berapa median..?

19
C. MODUS
Modus merupakan nilai yang sering muncul. Untuk menghitung nilai modus
pada tabel distribusi frekuensi terlebih dahulu tentukan dimana letak kelas
modus. Letak kelas modus ditentukan dengan melihat kelas yang frekuensinya
terbanyak.
Rumus yang digunakan dalam modus adalah sebagai berikut:

bi
mod us=b+ p
( )
b i + b2

Keterangan
b = batas bawah kelas interval dengan frekuensi terbanyak
p = panjang kelas interval
b1 = frekuensi pada kelas modus (frekuensi pada kelas interval terbanyak)
dikurang frekuensi kelas interval terdekat sebelumnya.
b2 = frekuensi kelas modus dikurangi frekunsi kelas interval berikutnya.

Latihan
Berdasarkan data pada mean tersebut diatas berapa modus..?

20
 UKURAN DISPERSI

A. RENTANG
Rentang merupakan range (jarak) data yang terbesar dengan data yang
terkecil.
Rumus
R=x t −x r
Keterangan
R= rentang
Xt = data terbesar dalam kelompok(Nilai Maximum)
Xr = data terkecil dalam kelompok.(Nilai minimum)
Contoh
Suatu penelitian dilakukan di RS. A. hasil tekanan darah 10 pasien hipertensi.
Hasil penelitian adalah sebagai berikut:
90, 120, 160, 60, 180, 190, 90, 180, 70, 160.
Berdasarkan data tersebut berapa rentang tekanan darah pasien hipertensi
tersebut.
Jawab
Datat terbesar = 190
Data terkecil = 60

R = 190 – 60 = 130.

B. VARIANS
Varians merupakan jumlah kuadran semua deviasi nilai-nilai individu terhadap
rata-rata kelompok.

Rumus

∑ ( x 1−π )2
s=
n−1
Keterangan
S= Varians
n= jumlah sampel

21
 xi = hasil pengamatan
π = nilai rata-rata kelompok
Contoh
Suatu penelitian dilakukan di RS. A tentang hasil berat badan 10 perawat.
Hasil penelitian adalah sebagai berikut:

60, 70, 65, 80, 70, 65, 75, 80, 70, 75.
Berdasarkan data tersebut berapa variansi berat badan perawat tersebut.
Jawab
π = 60 + 70 + 65 + 80 + 70 + 65 + 75 + 80 + 70 + 75= 710/10 = 71.

Dengan mengunakan tabel bantu

No Nilai Xi- π Xi- π 2

1 60
2 70
3 65
4 80
5 70
6 65
7 75
8 80
9 70
10 75
710 0 390

390
s= =43 , 3
10−1

Jadi variansi untuk data diatas 43,3.

C. SIMPANGAN BAKU (Standard deviasi)

1. Data tunggal

Simpangan baku (standart deviasi) merupakan akar dari variansi.

Rumus

2
∑ ( x 1−π 2)
s=
√ n−1

Contoh

22
Suatu penelitian dilakukan di RS A. tentang berat badan 10 perawat. Hasil
penelitian adalah sebagai berikut:
60, 70, 65, 80, 70, 65, 75, 80, 70, 75.
.
Berdasarkan data tersebut berapa variansi berat badan perawat tersebut.
Jawab
π = 60 + 70 + 65 + 80 + 70 + 65 + 75 + 80 + 70 + 75= 710/10 = 71

Dengan mengunakan tabel bantu

No Nilai xi- π xi- π 2

1 60
2 70
3 65
4 80
5 70
6 65
7 75
8 80
9 70
10 75
710 0 390

390
s= =43 , 3
10−1

Jadi variansi untuk data diatas 43,3.

Maka simpangan baku

Sd = √ s2
Sd = √ 43,3=6 ,58
2. Data kelompok

Rumus : S2 =

Contoh:
Dilakukan penelitian di rumah sakit terhadap 60 perawat mengenai
kemampuan perawat dalam penanganan pencegahan infeksi. Data hasil
penelitian adalah sebagai berikut:
N Kemampuan No Kemampuan No Kemampuan No Kemampuan

23
 o
1 50 16 55 31 87 46 56
2 45 17 55 32 90 47 47
3 35 18 55 33 91 48 80
4 55 19 65 34 55 49 87
5 55 20 78 35 55 50 86
6 55 21 78 36 55 51 87
7 65 22 76 37 65 52 55
8 78 23 75 38 78 53 67
9 78 24 74 39 78 54 68
10 76 25 67 40 76 55 66
11 75 26 68 41 75 56 56
12 74 27 67 42 74 57 47
13 67 28 56 43 67 58 80
14 68 29 47 44 68 59 87
15 67 30 80 45 67 60 96

Berapa variansi dari data tersebut.

a. Buat terlebih dahulu tabel distribusi frekuensi data di atas
b. Hitung nilai rata-ratanya
c. Kurangi nilai tengah masing-masing kelas dengan nilai rata-rata
d. Kuadratkan hasil pengurangan pada point c
e. Kalikan frekuensi masing-masing kelas dengan hasil point d

Tabel penolong
Interval nilai fi Nti (Nti- π (Nti- π )2 fi.(Nti- π )2
)

Jumlah n= ..... ...............

Jawab....................
3. KWARTIL, DESIL, DAN PERSENTIL

a. KWARTIL

Data yang telah disusun menjadi suatu distribusi kita bagi menjadi
empat bagian yang sama atau kuartil(K). Hal ini menunjukkan bahwa kuartil
pertama disebut K₁ merupakan 25% dari seluruh distribusi . K₂ mendapatkan
50%, dan K₃ merupakan 75% dari seluruh distribusi.

24
 Berbeda dengan range yang hanya memperhatikan dua nilai terbedar
dan terkecil maka pada kuartil dibagi menjadi 4 bagian dengan beberapa
kelebihan :
a. Kuartil menggunakan 50% bagian tengah hingga tidak dipengaruhi oleh
nilai ekstrim seperti range.
b. Posisi K₁, K₂, dan K₃ dapat dihitung
c. K₂ sama dengan median hingga dapat dihitung deviasi terhadap median
d. Pada kuartil, distribusi dengan kelas interval terbuka dapat dapat dihitung
dispersinya.
Selisih antara K₁ dan K₃ disebut rentang antar kuartil (interquartil range) yang
sama dengan 50% bagian tengan dari seluruh distribusi sedangkan setengah
dari rentang antar kuartil disebut simpangan kuartil(quartile deviation)
Cara perhitungan :
Untuk menghitung rentang antar-kuartil, tentukan dahulu letak K₁ dan K₃
dengan menggunakan rumus sebagai berikut :
Untuk data yang tidak dikelompokkan :

K₁ = ¼ (n + 1) dan K₃ = ¾( n + 1)

Kemudian hitung nilai K₁ dan K₃ dengan menggunakan rumus :

K₁ dan K₃ = L + b(S – L)

L = Nilai sebelum K₁ dan K₃

b = Kekurangan unit untuk mencapai letak K₁ dan K₃
S = Nilai dimana K₁ dan K₃

Contoh : 74
Misalnya , kita ingin mengetahui nilai rentang-kuartil kolestaerol dara dari
sepuluh orang penderita hipertensi sebagai berikut :
Kolesterol : 150, 152, 160, 165, 167, 169, 171, 174, 174, 593
Data ke- : 1 2 3 4 5 6 7 8 9 10 88

Maka :
Letak K₁ = ¼ (10 + 1)
= 2,75 berarti leyak K₁ antara data ke 2 dan 3
K₃ = ¾ (10 + 1)

25
 = 8,25 berarti leyak K₃ antara data ke 8 dan 9
Nilai K₁ = 152 +0,75(160-152)
= 158
K₃ = 174 +0,25(175-174)
= 174,25
Rentang antar-kuartil = K₃ - K₁
= 174,25 – 158
= 16,25
Untuk data yang dikelompokkan :
Untuk menghitung rentang antar-kuartil pada data yang dikelompokkan
digunakan rumus sebagai berikut :
Letak kuartil diubah menjadi jumlah unit dengan rumus sebagai berikut :

X = (K x n)/4

Untuk nilai kuartil digunakan rumus sebagai berikut :

Kĸ = L + i ( x – fkum)/f

L = batas bawah kelas dimana kuartil berada

i = interval kelas
x = letak kuartil
fkum = Frekuensi kumulatif sebelum kuartil
f = Frekuensi dimana kuartil berada
Contoh :
Misalkan kita ingin mengetahui rentang-kuartil penderita hepatitis yang dirawat
dirumah sakit A pada tahun 2008. Hasil distribusi umur disajikan pada table
berikut :
Umur F Fkum
10 – 19 2 2
20 – 29 23 25
30 – 39 15 40
40 – 49 11 51
50 – 59 9 60
60 – 69 5 65
70 – 79 2 67
Jumlah 67

26
 Penyelesaian :
Letak Kuartil : K₁ = 1(1 x 67)/4
= 16,75 Terletak pada kelas ke 2
K₃ = (3 x 67)/4
= 50,25 terletak pada kelas ke 4
Nilai kuartil K₁ = 19,5 + 10(16,75 – 2)/ 23
= 19,5 + 6,4
= 25,9
K₃ = 39,5 + 10(50,25 – 40)/11
= 39,5 + 9,3
= 48,8
Rentan anatar kuartil = 48,8 – 25,9 = 22,9

Deviasi Kuartil (Quartil Deviation)

Deviasi kuartil ialah ukuran disperse berdasarkan rentang antar kuartil dengan
median sebagai posisi tengah. Deviasi kuartil merupakan setengah selsish
antara K₃ dan K₁.
Rumus :
DK = (K₃ - K₁)/2

Median atau K₂ dapat dihitung dengan rumus sebagai berikut :

K₂ = (K₃ + K₁)/2

b. Desil (Decile)
Bila data yang kita susun menjadi distribusi dan bagi menjadi sepuluh
bagian yang sama disebut desil. Prinsip perhitungan sama dengan prinsip
perhitungan kuartil. Dengan menghitung desil kita akan mendapatkan
informasi yang lebih teliti disbanding dengan kuartil.
Rumus untuk data yang tidak dikelompokkan :
Letak Dd = Data ke d(n + 1)/10
d=123456789
Rumus : Nilai Dd = L + b( S – L)

L = Nilai sebelum Dd
S = Nilai dimana Dd berada
B = Kekurangan unit untuk mencapai Dd

27
Untuk data yang dikelompokkan :

Letak Dd pada data ke x = (d x n)/10

D = Desil ke 1 2 3 4 5 6 7 8 9
n = Jumlah pengamatan:
Rumus :

Nilai Dd = L + i ( x – fkum)/f

L = batas bawah kelas dimana desil berada

i = interval kelas
x = letak desil
fkum = Frekuensi kumulatif sebelum Desil
f = Frekuensi dimana desil berada

3. Presentil(Precentile)
Presentil ialah suatu distribusi dibagi menjadi 100 bagian yang sama,
dengan cara demikian kita akan memperoleh 99 bagian yang sama.
Cara perhitungan :
a. Untuk data yang tidak dikelompokkan :
 Tentukan Letak presentil :
Pp = Data ke p(n + 1)/100

p = 1, 2, 3,…….99
n = Jumlah pengamatan
 Hitung Nilai Pp :
Nilai Pp = L + b( S – L)

L = Nilai sebelum Pp
S = Nilai dimana Pp berada
b = Kekurangan unit untuk mencapai Pp

b. Untuk Data yang dikelompokkan :

 Tentukan Letak presentil dengan mengubahnya menjadi unit (n) :

x = (p x n)/100

p = 1, 2, 3,…….99
n = Jumlah penhamatan
 Hitung Nilai Pp :

28
 Nilai Pp = L + i ( x –
fkum)/f
L = batas bawah kelas dimana presenti berada
i = interval kelas
x = letak desil
fkum = Frekuensi kumulatif sebelum kelas presentil
f = Frekuensi dimana precentil berada
Contoh :
1) Pemeriksaan BB 15 orang penderita jantung koroner dengan hasil
sebagai berikut :
45 46 47 48 50 51 54 55 56 57 59 60 61 63 65
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Bila penderita dikatakan mempunyai berat badan yang terletak pada
presenti 30%, maka berapak berat badan penderita tersebut :
Letak P₃₀ = 30 (15 + 1) 100
= 4,8 atau 4 + 0,8
Nilai P₃₀ = 48 + 0,8 (50 – 48)
= 94,6 kg
2) Pada pemeriksaan Hb terhadap 50 orang wanita hamil diperkirakan
30% mengalami anemia. Hb berapakah yang dianggap anemia.
Hasil pemeriksaan telah disusun dalam table distribusi sebagai berikut
Ditribusi kadar Hb
Hb gr% F fkum
7–8 4 4
9 – 10 6 10
11 – 12 20 30
13 – 14 15 45
15 - 16 5 50
50
Letak P₃₀ = (30 x 50) 100
= 15 unit berarti antara kelas 2 dan 3
Nilai P₃₀ = 10,5 + 2 ( 15 – 10)/20
= 11 gr%

1. Simpangan rata-rata(Mean Deviation)

29
 Simpangan atau deviasi rata-rata merupakan ukuran yang sangat
penting disbanding ukuran disperse yang dibahas sebelumnya. Simpangan
rata-rata merupakan dasar dari dua ukuran dispersi yang sangat penting
dalam statistic yaitu varians dan simpangan baku.
Rumus :

MD (Sampel) = ∑ lXi –χl

n

LATIHAN
Dilakukan penelitian di rumah sakit terhadap 60 perawat mengenai
kemampuan perawat dalam penanganan pencegahan infeksi. Data hasil
penelitian adalah sebagai berikut:
N
Kemampuan No Kemampuan No Kemampuan No Kemampuan
o
1 50 16 55 31 87 46 56
2 45 17 55 32 90 47 47
3 35 18 55 33 91 48 80
4 55 19 65 34 55 49 87
5 55 20 78 35 55 50 86
6 55 21 78 36 55 51 87
7 65 22 76 37 65 52 55
8 78 23 75 38 78 53 67
9 78 24 74 39 78 54 68
10 76 25 67 40 76 55 66
11 75 26 68 41 75 56 56
12 74 27 67 42 74 57 47
13 67 28 56 43 67 58 80
14 68 29 47 44 68 59 87
15 67 30 80 45 67 60 96

1. Buatlah tabel distribusi frekuensi data tersebut

2. Hitunglah nilai kuartil. Desil 5 dan presntil 80
3. Lakukan wawancara pada 15 orang teman anda tentang umur dan berat
badannya.
4. Hitunglah nilai range, varians, standar deviasi, kuartil, Desil 5, dan
Presentil 75 data hasil wawancara anda.

30
 KEGIATAN BELAJAR 6
PROBABILITAS

   
A. Definisi Probabilitas

Harga angka yang menunjukkan seberapa besar kemungkinan

suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin terjadi.
Contoh 1:
Sebuah mata uang logam mempunyai sisi dua (H & T) kalau mata uang
tersebut dilambungkan satu kali, peluang untuk keluar sisi H adalah ½.
Contoh 2:
Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut
satu kali adalah 1/6 (karena banyaknya permukaan dadu adalah 6)

Rumus : P (E) = X/N

P: Probabilitas
E: Event (Kejadian)
X: Jumlah kejadian yang diinginkan (peristiwa)
N: Keseluruhan kejadian yang mungkin terjadi
Di dalam suatu pabrik ada 30 wanita dan 70 laki-laki. Sehabis makan
siang yang disediakan pabrik akan ditanyakan “apakah makanan tadi cukup
baik”. Untuk itu akan di undi (di acak) siapa orang yang akan ditanyakan
pendapatnya. Probabilitas akan terambil seorang buruh wanita adalah 30/100-
> P (0,3)
Probabilitas yang rendah menunjukkan kecilnya kemungkianan suatu
peristiwa akan terjadi.

B.     Pendekatan
Konsep-konsep probabilitas tidak hanya penting oleh karena terapan-
teranpannya yang langsung pada masalah-masalah kesehatan akan tetapi
juga karena probabilitas adalah dasar dari sampel-sampel
dan inferences tentang populasi yang dapat dibuat dari suatu sampel.
PENDEKATAN PERHITUNGAN PROBABILITAS Ada 3 (tiga) pendekatan

31
 konsep untuk mendefinisikan probabilitas dan menentukan nilai-nilai
probabilitas, yaitu :(1). Pendekatan Klasik(2). Pendekatan Frekuensi Relatif,
dan(3). Pendekatan Subyektif
1.  Pendekatan Klasik
Pendekatan klasik didasarkan pada banyaknya kemungkinan-
kemungkinan yang dapat terjadi pada suatu kejadian. “Jika
ada a banyaknya kemungkinan yang dapat terjadi pada kejadian A,
dan b banyaknya kemungkinan tidak terjadi pada kejadian A, serta
masing-masing kejadian mempunyai kesempatan yang sama dan saling
asing”. Probabilitas bahwa akan terjadi Aadalah P(A) = a / (a+b)
2. Pendekatan Frekuensi Relatip (Emperical Approach)
Nilai probabilitas ditentukan atas dasar proporsi dari kemungkinan
yang dapat terjadi dalam suatu observasi atau percobaan. Tidak ada
asumsi awal tentang kesamaan kesempatan, karena penentuan nilai-nilai
probabilitas didasarkan pada hasil obserbasi dan pengumpulan data.
Misalkan berdasarkan pengalaman pengambilan data
sebanyak N terdapata kejadian yagng bersifat A. Dengan demikian
probabilitas akan terjadi Auntuk data adalah P(A) = A /N
3. Pendekatan Subyektip (Personalistic Approach)
Pendekatan subyektip dalam penentuan nilaiprobabilitas adalah tepat
atau cocok apabila hanya ada satu kemungkinan kejadian terjadi dalam
satu kejadian. Dengan pendekatan ini, nilai probabilitas dari suatu kejadian
ditentukan berdasarkan tingkat kepercayaan yang bersifat individual
dengan berlandaskan pada semua petunjuk yang dimilikinya.

       C.    Hukum Probabilitas
1.  Hukum Pertambahan
Asas perhitungan probabilitas dengan berbagai kondisi yang harus
diperhatikan:
1. Hukum Pertambahan
Terdapat 2 kondisi yang harus diperhatikan yaitu:     
a.  Mutually Exclusive (saling meniadakan)
Rumus: P (A U B) = P (A atau B)= P (A) + P (B)

32
 Contoh:
Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali
sebuah dadu adalah:
P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6
b. Non Mutually Exclusive (dapat terjadi bersama)
-   Peristiwa Non Mutually Exclusive (Joint)
Dua peristiwa atau lebih dapat terjadi bersamasama (tetapi tidak
selalu bersama)
Contoh penarikan kartu as dan berlian
P (A U B) =P(A) + P (B) – P(A ∩B)

               Non Mutually Exclusive

Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A
dan peristiwa B. Akan tetapi karena ada elemen yang sama dalam
peristiwa A dan B, gabungan peristiwa A dan B perlu dikurangi
peristiwa di mana A dan B memiliki elemen yang sama.
Dengan demikian, probabilitas pada keadaan di mana terdapat elemen
yang sama antara peristiwa A dan B maka probabilitas A atau B adalah
probabilitas A ditambah probabilitas B dan dikurangi probabilitas elemen
yang sama dalam peristiwa A dan B.
2. Hukum Perkalian
Terdapat dua kondisi yang harus diperhatikan apakah kedua peristiwa
tersebut saling bebas atau bersyarat.
a.  Peristiwa Bebas (Independent)
Apakah kejadian atau ketidakjadian suatu peristiwa tidakmempengaruhi
peristiwa lain.

33
 Contoh:
Sebuah coin dilambungkan 2 kali maka peluang keluarnya H
padalemparan pertama dan pada lemparan kedua saling bebas.
P(A ∩B) = P (A dan B) = P(A) x P(B)
Contoh soal 1:
Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk
kedua kalinya adalah:
P (5 ∩ 5) = 1/6 x 1/6 = 1/36
Contoh soal 2:
Sebuah dadu dan koin dilambungkan bersama-sama, peluang keluarnya
hasil lambungan berupa sisi H pada koin dan sisi 3 pada dadu adalah:
P (H) = ½, P (3) = 1/6
P (H ∩ 3) = ½ x 1/6 = 1/12

b.  Peristiwa tidak bebas (Hk. Perkalian)

Peristiwa tidak bebas > peristiwa bersyarat (Conditional Probability).
Dua peristiwa dikatakan bersyarat apabila kejadian atau ketidakjadian
suatu peristiwa akan berpengaruh terhadap peristiwa lainnya.
Contoh:
Dua buah kartu ditarik dari set kartu bridge dan tarikan kedua tanpa
memasukkan kembali kartu pertama, maka probabilitas kartu kedua
sudah tergantung pada kartu pertama yang ditarik.
Simbol untuk peristiwa bersyarat adalah P (B│A) -> probabilitas B
pada kondisi A
P(A ∩B) = P (A) x P (B│A)
Contoh soal:
Dua kartu ditarik dari satu set kartu bridge, peluang untuk yangtertarik
keduanya kartu as adalah sebagai berikut: Peluang as I adalah 4/52 -> P
(as I) = 4/52
Peluang as II dengan syarat as I sudah tertarik adalah 3/51
P (as II │as I) = 3/51
P (as I ∩ as II) = P (as I) x P (as II│ as I)
= 4/52 x 3/51 = 12/2652 =1/221

34
 LATIHAN SOAL
1. Seorang Direktur Rumah sakt mengatakan bahwa dari 1000 pasien yang
pernah dirawat terdapat 150 orang yang tidak puas dengan pelayanan rumah
sakit Pada suatu hari kita bertemu dengan salah seorang pasien. Berapa
probabilitasnya bahwa pasien tersebut tidak puas ?
Penyelesaian :
Dik      : n = 1000
              x = 150
Jika A adalah nasabah yang tidak puas, maka :
P(A) = 150 / 1000 = 0.15 atau 15%
Jasdi probabilitas bahwa kita bertemu dengan pasien yang tidak puas adalah
15%.

2. Peluang seorang mahasiswa lulus statistik 2/3, dan peluang lulus anatomi 4/9.
Bila peluang lulus paling sedikit satu mata kuliah 4/5 berapakah peluangnya
lulus dalam kedua mata kuliah?
Penyelesaian :
Misalkan A menyatakan kejadian lulus biostatistik dan B kejadian lulus anatomi
maka menurut teorema 1
P(AΩB) = P(A) + P(B)-P(AUB)
= 2/3 + 4/9 – 4/5
= 14/45
 
3. Pada penarikan satu kartu dari satu set kartu bridge, peluang akan  terambil
kartu as atau berlian.
Penyelesaian :
 P (as) = 4/52
 P (berlian) = 13/52
 Ada sebuah kartu as dan berlian : P (as ∩ berlian) = 1/52
 P (as U berlian) = P (as) + P (berlian) - P (as ∩ berlian)
P (as U berlian) = P (as) + P (berlian) - P (as ∩ berlian) = 4/52 + 13/52  – 1/52
= 16/52 k

35
4. Berapakah probabilitas dan pelemparan dua dadu menghasilkan 7 dan 11.

Penyelesaian :
Dengan melemparkan dadu menghasilkan 7 berarti kedua dadu itu
permukaannya berjumlah 7. Sekarang dadu pertama dapat memperlihatkan 6
perbedaan cara dan sesuai dengan setiap cara yang mana dadu pertama
memperlihatkan, yang kedua dapat memperlihatkan dalam 6 cara. Kedua dadu
itu dapat memperlihatkan 6 x 6 = 36 cara.
Jumlah 7 dapat diperlihatkan dalam 6 cara yang berbeda (yaitu 1+6, 2+5, 3+4,
4+3, 5+2, 6+1) . Sehingga Probabilitas untuk memperoleh hasil dengan
jumlah 7 adalah P1 = 6/36
Jumlah 11 yang mungkin dihasilkan adalah 5 + 6, 6 + 5 adalah dua cara yang
berbeda. Jadi probabilitas hasil 11 adalah:P2 = 2/36
Jadi probability untuk menghasilkan 7 dan 11 adalah P=P1+P2 = 6/36 +2/36 =
8/36

1. Berapa banyak kemungkinan susunan ketua,sektetaris,dan bendahara jika di

pilih dari10 orang adalah……
A.120                               D.720
B.360                               E.1000
C.480
Pembahasan:
Perhatikan bahwa dalam kasus ini urutn diperhatikan,yaitu jika A terpilih
sebagai ketua dan B sebagai sekretaris berbeda dengan jika B terpilih sebagi
ketua dan A sebagai sekretaris.Demikian,kasus ini merupakan permutasi 3
unsur dari 10 yang tersedia,yaitu
10P3  =  10!

(10-3)!
= 10!
7!
= 10x9x8x7
          8!
=10x9x8
= 720
Jawaban : D

36
 LATIHAN SOAL
Piihlah salah satu jawaban yang benar!!!

1. Dalam kantong I terdapat 5 kelereng merah dan 3 kelereng putih. Dalam

kantong II terdapat 4 kelereng merah dan 6 kelereng hitam. Dari setiap
kantong diambil satu kelereng secara acak. Peluang terambilnya kelereng
hitam dari kantong II adalah….
A.39/40                                           D.9/2
B.9/13                                             E.9/40
C.1/2
2. A, B,C, dan D akan foto secara berdampingan. Peluang A dan B selalu
berdampingan adalah….
A. 1                                                D.1/2
B.1/6                                               E.2/3
    C.1/3
  
3. Sebuah kotak berisi 5 bola merah, 4 bola biru, dan  3 bola kuning. Dari dalam
kotak diambil 3 bola sekaligus secara acak, peluang terambil 2 bola merah
dan 1 bola biru adalah….
A.1/10                                                                     D.2/11
B.5/36                                                                     E.4/11
C.1/6                                                                                                                                      
4. Dalam satu populasi keluarga dengan tiga orang anak, peluang keluarga
tersebut mempunyai paling sediki dua anak laki-laki adalah….
A1/8                                                                        D.1/2                                                                    
B.1/3                                                                       E.3/4
C. 1/4
5. Dua buah dadu dilempar bersama-sama. Peluang munculnya jumlah mata
dadu 9 atau 10 adalah….
A.5 / 6                                                                    D.9/ 36
B. 7 /36                                                                   E. 11/ 36
C. 2/6
6. Sebuah dompet berisi 5 keping uang logamlima ratusan dan 2 keping ratusan
rupiah. Dompet yang lain berisi   1 keping lima ratusan  dan 3 keping ratusan
rupiah.Jika sebuah uang logam diambil secara acak dar1 salah satu
dompet,peluang untuk mendapatkan uang logam ratusan rupiah
adalah…………..
A.3 /56                                                                    D.29 / 56

37
 B.6 / 28                                                  E.30/ 56
C.8/28
7. Suatu kelas terdiri dari 40 orang.Peluang seorang siswa lulus tes Matematika
adalah 0,4 .Peluang  seorang siswa lulus fisika adalah 0,2.Banyaknya siswa
yang lulus tes matematika atau fisika adalah……orang
A.6                                                      D.24
B.7                                                      E.32
C.14
8. 2 kotak. Kotak 1 berisi 3 bola merah dan 2 bola putih, kotak II berisi 3 bol hijau
dan 5 bola biru.Dari masing-masing kotak diambil 2 bola sekaligus secara
acak .Peluang  terambinya 2 bola merah dari kotak 1 dan 2 bola biru dari
kotak II adalah………………….
A.1 /10                                                                    D.3 / 8
B.3 / 28                                                                   E.57 / 110
C. 4/ 15 
9. Suatu kelas terdiri dari 40 siswa,25 siswa gemar Bisoatatistik ,21 siswa gemar
Riset dan 9 gemar bisotatisik dan Riset Peluang seorang tidak gemar
bisotatisik maupun Riset adalah……………….
A.25/40                                               D.4/40
B.12/40                                               E.3/40
C.9/40
10. Dalam sebuah kotak terdapat 5 kelereng berwarna merah 4 kelereng biru 2
kelereng putih.Jika d  di ambil 3 kelereng sekaligus  peluang terambil 3
kelereng merah adalah………
A.2/33                                                 D.9/33
B.3/33                                                 E.12/33
C. 4/33

38
 KEGIATAN BELAJAR 7.
LATIHAN-LATIHAN

1. Suatu penelitian dilakukan di puskesmas cempaka terhadap penderita

diabetes militus. Berdasarkan hasil penelitian diperoleh hasil bahwa dari 20
pasien yang menderita diabetes seorang petugas gizi puskesmas memberi
terapi kalori sebagai berikut;

Nama pasien Gula darah Terapi kalori

Pariyani 160 1000
Dewi 141 1400
Nila 155 1000
Elida 140 1300
Lusi 159 2000
Suni 150 1500
Rosita 150 1400
Dedy 185 2000
Diah 145 1100
Idrus 150 1200
Ria 144 1300
Johan 180 1400
Misna 145 1500

Hitunglah Mean, Median dan modus gula darah dan terapi kalori untuk data
tunggal.
Mean...?
Median..?
Modus..?

2. Suatu penelitian yang dilakukan terhadap kadar gula darah penderita

diabetes. Berdasarkan hasil penelitian diperoleh data sebagai berikut:

Nama pasien Gula darah

Pariyani 160
Dewi 141
Nila 155
Elida 140
Lusi 159
Suni 150
Rosita 150
Dedy 185
Diah 145
Idrus 150
Ria 144
Johan 180
Misna 145
Pertanyaan

39
 1. Berapa range dari data diatas..?
2. Berapa variansi data diatas..?
3. Berapa standart deviasi dari data diatas..?

3. Suatu penelitian dilakukan untuk mengetahui varitas berat badan mahasiswa.

Berdasarkan hasil penelitian diperoleh hasil sebagai berikut:

No Nama Berat badan X1- µ X1- µ2

1 Pariyani 60
2 Dewi 41
3 Nila 55
4 Elida 40
5 Lusi 59
6 Suni 50
7 Rosita 50
8 Dedy 85
9 Diah 45
10 Idrus 50
11 Ria 44
12 Johan 80
13 Misna 45
Jumlah

Pertanyaan
1. Berapa range..?
2. Berapa variansi berat badan..?
3. Berapa standart defiasi berat badan…?

4. Kasus 2; suatu penelitian dilakukan di rumah sakit sardjito untuk mengetahui

tentang lama perawatan pasien fraktur. Berdasarkan hasil penelitian diperoleh
hasil sebagai berikut:;

No Lama dirawat No Lama dirawat No Lama dirawat

1 4 11 23 21 22
2 10 12 22 22 21
3 12 13 22 23 3
4 14 14 21 24 8
5 15 15 17 25 12
6 27 16 18 26 13
7 32 17 14 27 23
8 32 18 12 28 27
9 5 19 10 29 29
10 6 20 9 30 34
jika interval kelas yang diinginkan 5 ?
Pertanyaan (waktu 25 menit, skor nilai 30)
a. Berapa kuartil ke 3 dari kasus 2 ?
b. Berapa desil ke 4 dari kasus 2 ?
c. Berapa persentil ke 70 dari kasus 2?

40
 KEGIATAN BELAJAR 8 dan 9
POPULASI DAN SAMPEL
A. Populasi
      Seperti halnya penelitian-penelitian dalam bidang yang lain, penelitian dalam
bidang psikologi yang menggunakan pendekatan kuantitatif ditujukan untuk
memperoleh kesimpulan dengan meneliti sekelompok kecil dalam daerah yang
sempit namun yang hasil penelitiannya dapat digeneralisasikan ke sekelompok
besar dalam wilayah yang luas. Kelompok besar dan wilayah yang menjadi
lingkup penelitian dinamakan sebagai populasi. Populasi dapat terdiri atas
pimpinan perusahaan, pimpinan yayasan, kepala sekolah, guru, mahasiswa,
siswa atau lembaga seperti perusahaan, kampus, fakultas, sekolah, atau juga
benda-benda mati seperti bangunan gedung, buku-buku, peralatan kantor,
fasilitas belajar, dan lain-lain. Populasi tidak hanya terdiri dari orang tetapi juga
benda-benda mati. Populasi yang terdiri dari orang-orang biasa disebut sebagai
subyek penelitian dan populasi yang bukan orang disebut obyek penelitian.
Subyek penelitian yang diminta untuk memberikan penjelasan mengenai obyek
yang sedang diteliti disebut sebagai responden. Populasi juga bukan sekedar
jumlah yang ada pada obyek atau subyek penelitian, namun meliputi keseluruhan
dari karakteristik yang dimiliki oleh subyek atau obyek tersebut. Dalam penelitian
ilmu sosial maupun psikologi, populasi sering kali dikaitkan dengan jumlah
keseluruhan orang (responden) yang ada dalam ruang lingkup penelitian. 
 
B. Sampel
      Sampel merupakan bagian dari populasi yang mewakili populasi tersebut .
Sampel penelitian harus mencerminkan populasinya. Semua karakteristik yang
ada dalam populasi juga terdapat dalam sampel. Dalam penelitian kuantitatif data
yang dianalisis biasanya merupakan data dari sampel. Hal ini dilakukan karena
banyaknya atau besarnya populasi yang tidak memungkinkan untuk melakukan
penyelidikan terhadap populasi. Namun kesimpulan yang didapatkan dari analisis
data sampel akan digeneralisasikan untuk populasi. Untuk itu sampel penelitian
yang dipilih harus representatip yaitu sampel yang benar-benar mencerminkan
populasinya. Generalisasi hasil penelitian dari sampel ke populasi mengandung

41
banyak resiko yang dapat memungkinkan adanya ketidaktepatan atau kekeliruan
karena sampel yang dipilih tidak mencerminkan populasi secara tepat. Apabila
makin tidak sama karakteristik sampel dengan populasi maka semakin besar
kemungkinan ketidaktepatan atau kekeliruan dalam generalisasi. Penarikan
sampel merupakan langkah yang sangat penting dalam penelitian. Kesalahan
dalam menentukan sampel akan menimbulkan penyimpangan atau bias.
Penelitian yang bias hasilnya tidak akan memberikan arti dan juga dapat
membahayakan, karena kesimpulan dari hasil penelitian tidak dapat
menggambarkan keadaan yang sesungguhnya yang dapat keliru dan
menyesatkan. Untuk itu teknik penarikan sampel sangat penting peranannya
dalam penelitian.
C. Menentukan Besarnya Sampel
       Dalam penelitian kadang-kadang seorang peneliti pemula diperhadapkan
pada pertanyaan berapa banyak sampel yang harus dipilih agar dapat
mencerminkan populasinya. Semakin banyak sampel yang digunakan dalam
penelitian maka semakin mencerminkan keadaan populasinya. Jumlah sampel
yang digunakan tergantung dengan keadaan populasi. Apabila keadaan populasi
memiliki karakteristik yang sama atau homogen, maka jumlah sampel yang
diambil dapat lebih kecil. Namun apabila keadaan populasi adalah heterogen
maka sampel yang diambil harus benar-benar representatip (Arikunto, 2005:91).
      Penentuan jumlah sampel sangat penting dalam penelitian. Agar hasil
penelitian lebih baik, maka diperlukan sampel yang baik pula yaitu sampel yang
representatip, Ada beberapa rumus-rumus yang dapat digunakan dalam
menghitung besarnya sampel, antara lain: 
1. Dengan rumus Stephen Isaac & Willian B. Michael (1981:92)
      S = X2 . N . P (1-P)
    d2 (N-1) + X2 . P (1-P)
Keterangan:
S = Jumlah Sampel
N = Jumlah Populasi
P = Proporsi dalam populasi (P = 0,50)
d = Ketelitian / derajad ketetapan (0,05)
X2 = Nilai table chisquare untuk  tertentu (X2 =3,841 taraf signifikansi 95 %) 
      Berdasarkan rumus di atas, Isaac dan Michael (1981:193) melakukan
penghitungan penentuan jumlah sampel terhadap jumlah populasi antara 10 -
100000 yang diringkaskan dalam tabel berikut ini: 

42
 Tabel 1. Penentuan Jumlah Sampel Berdasarkan Rumus
Isaac dan Michael dengan Taraf Signifikansi 95 %
N S N S N S
10 10 220 140 1200 219
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 105 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 100000 384

2. Dengan rumus Yamame (Rakhmat, 1999:82)

                              N
    n = 
                               N.d2 + 1 

43
      Keterangan:
      n = Jumlah sampel
      N = Jumlah Populasi
      d = Derajat ketetapan  
Contoh:
Dilakukan penelitian di SMP Negeri 10 Palopo. Yang menjadi populasi dalam
penelitian ini ialah keseluruhan siswa kelas VIII SMP Negeri 10 Palopo dengan
jumlah sebanyak 150 orang. Maka jumlah sampel yang harus dipilih berdasarkan
rumus Yamame dengan derajad ketetapan 5%, yaitu sebagai berikut: 
N
    n = 
                               N.d2 + 1 

                  150

   n = 
                               150.(0,05)2 + 1 

             150

   n = 
                                1,375 
                   n =  109,09= 109 

Jadi besarnya sampel yang dipilih sebanyak 109 orang.

D. Tekhnik Sampel
Sebelum jauh melangkah mengenal bagaimana cara pengambilan sample
dan cara menentukan besar sample. Kita harus memahami bagaimana sample itu
sendiri. Sebenarnya banyak cara yang dapat dilakukan dalam kerangka sampling.
Penentuan cara pengambilan sampling lebih tergantung oleh peneliti itu sendiri,
tetapi hal yang penting disini adalah bagaimana sample itu dapat mewakili dari
populasi yang akan diteliti.
Mengapa dalam penelitian dilakukan sample dari populasi? Beberapa alas
an untuk melakukan sampling antara lain menghemat tenaga, waktu, biaya,
materi dan lainnya. Biasanya meneliti semua populasi biasannya akan
menghadapi kendala meski hasilnya akan lebih baik daripada sampling. Tetapi
jika sampelnya tepat dan akurat, benar-benar mewakili atau representative maka
kesimpulan akan sama dengan meneliti populasi. Untuk itu perlu yang perlu
diperhitungkan dalam sample adalah bagaimana cara pengambilan sample? Dan

44
bagaimana menentukan jumlah sample? Harapan dari ini salah satunya adalah
bagaimana sample dapat mewakili dari populasi (representative). Dalam konteks
ini dikenal dengan cara pengambilan sample secara random dan non random.
Disamping itu dikenal beberapa cara penentuan besar sample.
Dalam melakukan penentuan besar sample yang penting diingat adalah
bagaimana hipotesisnya dan desain penelitiannya? Pemilihan pengunaan rumus
besar sample akan sedikit banyak ditentukan oleh pola hipotesisnya dan desain
yang ada dalam penelitian. Pada prinsipnya roh yang ada dalam penelitian adalah
hipotesis. Dan salah satu instrument yang dapat digunakan dalam penentuan
pengujian hipotesis adalah dengan uji statistic. Penerapan uji statistic dalam
penelitian tidak akan lepas dari tipe hipotesis yang ada karena hipotesis akan
cenderung menentukan uji statistic yang tepat untuk digunakan. Selain itu yang
penting diingat adalah skala data dari hasil pengumpulan penelitian (skala
nominal, ordinal, interval, dan skala rasio). Pada prinsipnya cara pengambilan
sample ada dua yang dikenal yaitu dengan cara random dan cara non random.
1. Simpel Random
Sampling
Pengambilan sampel acak sederhana menekankan sistem pengambilan
sampel yang didasarkan pada angka (bilangan) yang muncul. Keadaan ini
dapat dilakukan dengan memberi nomor dari seluruh populasi yang ada
sebelum dilakukan pengambilan sampel.
Langkah-langkah.
a. Menentukan nomer untuk setiap individu dalam populasi.
b. Melakukan proses acak (dapat dilakukan dengan tabel bilangan acak)
untuk mendapatkan n angka antara 1 dan N.
Misalnya
Suatu penelitian dilakukan di stikes Ahmad yani jika diketahui
mahasiswa stikes ahmad yani 200 mahasiswa sedangkan besar sampel
yang diingikan 20 mahasiswa, bagaimana mengambil 20 mahasiswa
dari 200 mahasiswa ahmad yani?
Langkah
1. Memberi label (nomer) untuk setiap mahasiswa.

45
 2. Lakukan proses acak. Proses acak dapat memanfaatkan bilangan
random. Misal
121 021 476 356
4 1 1 7
026 6513 4323 0123
5
111 4535 9564 1433
3
546 4334 0095 3432
2
435 0015 0056 3221
3
354 0228 0547 2300
9
211 0238 6568 1231
8
411 4227 3228 1232
7

3. Melakukan pemilihan nomer bisa dengan menyamping ke kanan

atau kebawah.
4. Nomer 121 dianggap sebagai sampel pertama. Sampel ke dua dan
seterusnya dapat dilakukan dengan cara memilih ke samping kanan
atau ke bawah.

Kelebihan pengambilan sampel acak sederhana.

- Memberikan dasar probabilitas terhadap banyak teori statistik
- Mudah dipahami
Kelemahan pengambilan sampel acak sederhana
- Menetapkan semua populasi dengan memberi nomer (angka) sebelum
dilakukan pemilihan sampel.
- Sub-klaster dalam populasi memungkinkan untuk terpilih semua.
- Individu yang terpilih memungkinkan sangat tersebar.

2. Systematic Sampling

46
Pengambilan sampel sistematik lebih meghemat waktu dan lebih sederhana.
Pengambilan sampel ini lebih menekankan pada sistem interval dari hasil
proses random. Dalam beberapa riset yang dikerjakan oleh LSM sering
mengambil sampel dengan sistematik.
Langkah-langkah:
1. Memberi angka (nomer) untuk seluruh populasi yang akan dilakukan
sampel.
2. penentuan angka dapat didasarkan pada proporsi sub-klaster yang
memiliki proporsi subjek terbanyak kemudian sampai terkecil.
3. Menentukan interval sampel. Interval sampel dapat ditentukan dengan
cara membagai seluruh populasi dengan sampel yang diingikan. i=
populasi/besar sampel.
4. Melakukan proses acak untuk interval pertama.
5. Hasil acak pada interval pertama dianggap sebagai sampel no 1 untuk
sampel no 2 dan dipilih pada interval ke dua, untuk sampel no 3 dipilih
pada interval ke tiga dan sterusnya.

Contoh kasus.
Suatu penelitian dilakukan di RSU A. Yang dianggap sebagai populasi adalah
perawat. Jika seluruh perawat di RSU A. adalah sebagai populasi (300
perawat) sedangkan sampel yang diingikan sebesar 30 perawat. Bagaimana
mengambil 30 perawat dari 300 perawat yang ada di RSU A?
Langkah penyelesaian.
1. Memberi label (nomor) urut pada setiap perawat di RSU A.
2. Pemberian nomor urut didasarkan pada bangsal yang memiliki jumlah
perawat terbanyak kemudian diikuti bangsal yang memiliki perawat
terbanyak ke dua dan seterusnya sampai sejumlah 300 perawat.
3. Menentukan interval. Interval diperoleh dengan cara 300:30 = 10.
interval yang ada adalah 10.
4. Melakukan proses random untuk 10 subjek pertama. Misal yang
diperoleh angka 3. angka 3 dianggap sebagai sampel no 1.

47
 Untuk memilih sampel no 2 dan seterusnya dicari angka kelipatan 3 yaitu
13 adalah sampel ke 2, 23 adalah sampel ke 3, 33 adalah sampel ke 4 dan
seterusnya.

3. Stratifikasi Sampling
Pengambilan sampel acak stratifikasi adalah suatu proses pemilahan terhadap
populasi ke dalam beberapa strata yang saling pisah. Pengambilan sampel
dengan stratifikasi lebih menekankan dan memperhatikan sub-klaster yang
ada. Pembagian sub-klaster dapat didasarkan pada karakteristik atau tipe dari
populasi.

Populasi (seluruh rumah sakit)

RS tipe A RS tipe B RS tipe C RS tipe D

Sampel Sampel Sampel Sampel

Langkah-langkah
1. Menentukan populasi sasaran.
2. Menentukan sub-klaster yang dapat didasarkan pada karakteristik populasi.
Ini lebih sering dikenal dengan alokasi sampling. Cara alokasi yang paling
sering adalah dengan Alokasi Proposional.
3. Melakukan proses random (acak) untuk setiap sub yang didasarkan pada
karakteristik populasi.
4. jumlah Sampel yang terambil untuk setiap sub-klaster adalah sama.
5. Melakukan pengambilan sampel stratifikasi
Contoh kasus
Suatu penelitian dilakukan di Palopo tentang kepatuhan perawat melaksakan
pecegahan infeksi. Yang dianggap sebagai populasi adalah semua perawat

48
 yang berada di rumah sakit di Palopo baik rumah sakit swasta atau
pemerintah. Jika seluruh perawat yang bekerja di Palopo ada 200 sedangkan
sampel yang dibutuhkan sebesar 20 bagaimana cara memilih 20 perawat dari
200 perawat yang ada diwilayah Kota Palopo?
Langkah penyelesaian.
- Menentukan populasi
- Melakukan alokasi sampel. Dengan cara memisahkan berdasarkan
karakteristik sampel. Dalam kasus ini dikategorikan menjadi rumah sakit
tipe A, tipe B, tipe C dan tipe D.
- Menetapkan jumlah sampel untuk setiap sub-klaster. Dimana untuk setiap
subklaster terambil 5 sampel.
- Melakukan acak untuk setiap sub klaster.
4. Cluster Sampling
Pengambilan sampel klaster dapat didefinisikan sebagai setiap perencanaan
pengambilan sampel yang mengunakan suatu rangka yang terdiri dari klaster-
klaster unit pencacahan. Biasanya populasi dibagi menjadi beberapa klaster
yang saling pisah dan tuntas. Berbeda dengan strata, klaster harus sehomogin
mungkin.

Kab. A Kab B

Kab C Kab D
Acak sederhana/sistematic

Kec

Contoh kasus.
Suatu penelitian dilakukan untuk mengetahui cakupan imunisasi anak
sekolah di provinsi Sulawesi Selatan. Jika sampel yang dibutuhkan sebesar
200 anak sedangkan seluruh populasi 2.000 anak di Sulawesi selatan.

49
 Bagaimana mengambil 200 anak dari 2.000 anak di wilayah Sulawesi
Selatan?
Langkah penyelesaian.
1. Menentukan Kabupaten. Kabupaten disini merupakan kabupaten yang
berada diwilayah provinsi Sulawesi Selatan.
2. Melakukan pemilihan kecamatan untuk masing-masing kabupaten (5
kabipaten/kota). Pemilihan dapat dilakukan dengan acak sederhana
atau sistematic.
3. Memilih Desa untuk masing-masing kecamatan yang terpilih.
4. Memilih sekolah untuk masing-masing Desa yang terpilih.
5. Memilih kelas untuk masing-masing desa yang terpilih.
6. Memilih anak untuk masing-masing kelas yang terpilih.
Nonprobability/Nonrandom Sampling atau Sampel Tidak Acak
Seperti telah diuraikan sebelumnya, jenis sampel ini tidak dipilih
secara acak. Tidak semua unsur atau elemen populasi mempunyai
kesempatan sama untuk bisa dipilih menjadi sampel. Unsur populasi yang
terpilih menjadi sampel bisa disebabkan karena kebetulan atau karena
faktor lain yang sebelumnya sudah direncanakan oleh peneliti.
1. Convenience Sampling atau sampel yang dipilih dengan
pertimbangan kemudahan.
Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali
berdasarkan kemudahan saja. Seseorang diambil sebagai sampel karena
kebetulan orang tadi ada di situ atau kebetulan dia mengenal orang
tersebut. Oleh karena itu ada beberapa penulis menggunakan istilah
accidental sampling – tidak disengaja – atau juga captive sample (man-
on-the-street) Jenis sampel ini sangat baik jika dimanfaatkan untuk
penelitian penjajagan, yang kemudian diikuti oleh penelitian lanjutan yang
sampelnya diambil secara acak (random). Beberapa kasus penelitian yang
menggunakan jenis sampel ini, hasilnya ternyata kurang obyektif.
2. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan
tertentu. Seseorang atau sesuatu diambil sebagai sampel karena peneliti
menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi

50
 yang diperlukan bagi penelitiannya. Dua jenis sampel ini dikenal dengan
nama judgement dan quota sampling.
Judgment Sampling
Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang
paling baik untuk dijadikan sampel penelitiannya.. Misalnya untuk
memperoleh data tentang bagaimana satu proses produksi direncanakan
oleh suatu perusahaan, maka manajer produksi merupakan orang yang
terbaik untuk bisa memberikan informasi. Jadi, judment sampling umumnya
memilih sesuatu atau seseorang menjadi sampel karena mereka
mempunyai “information rich”.
Dalam program pengembangan produk (product development), biasanya
yang dijadikan sampel adalah karyawannya sendiri, dengan pertimbangan
bahwa kalau karyawan sendiri tidak puas terhadap produk baru yang akan
dipasarkan, maka jangan terlalu berharap pasar akan menerima produk itu
dengan baik. (Cooper dan Emory, 1992).
3. Quota Sampling
Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara
proposional, namun tidak dipilih secara acak melainkan secara kebetulan
saja.
Misalnya, di sebuah kantor terdapat pegawai laki-laki 60% dan
perempuan 40% . Jika seorang peneliti ingin mewawancari 30 orang
pegawai dari kedua jenis kelamin tadi maka dia harus mengambil sampel
pegawai laki-laki sebanyak 18 orang sedangkan pegawai perempuan 12
orang. Sekali lagi, teknik pengambilan ketiga puluh sampel tadi tidak
dilakukan secara acak, melainkan secara kebetulan saja.
4. Snowball Sampling – Sampel Bola Salju
Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang
populasi penelitiannya. Dia hanya tahu satu atau dua orang yang
berdasarkan penilaiannya bisa dijadikan sampel. Karena peneliti
menginginkan lebih banyak lagi, lalu dia minta kepada sampel pertama
untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel.
Misalnya, seorang peneliti ingin mengetahui risiko tertular penyakit AIDS
pada Penderita HIV/AIDS. Peneliti cukup mencari satu orang Penderita

51
 AIDS dan kemudian melakukan wawancara. Setelah selesai, peneliti tadi
minta kepada Penderita AIDS tersebut untuk bisa mewawancarai teman
Penderita AIDS lainnya. Setelah jumlah Penderita AIDS yang berhasil
diwawancarainya dirasa cukup, peneliti bisa mengentikan pencarian
Penderita AIDS lainnya.Hal ini bisa juga dilakukan pada pencandu narkotik,
para gay, atau kelompok-kelompok sosial lain yang eksklusif (tertutup)
Sampel Size
Sebelum kita melangkah ke besar sampel dalam penelitian kesehatan kita
harus memahami metode/desain, dan hipotesis dari penelitian itu sendiri. Metode
dan hipotesis merupakan salah satu sebagai penunjuk arah kita mengunakan
perhitungan besar sampel yang mana yang tepat untuk hipotesis dan desain
penelitian. Hipotesis yang banyak dikenal adalah hipotesis satu sampel dan dua
sampel sedang desain yang biasa digunakan di dalam dunia kesehatan adalah
cross sectional, case control, kohort dan exsperimen.
Keberadaan hipotesis dan desai penelitian dapat memberikan arah untuk
kita menentukan mengunakan perhitungan besar sampel yang tepat untuk
penelitian yang dimaksud. Banyak rumus perhitungan besar sampel dalam dunia
kesehatan tetapi kita harus memilih rumus yang sesuai dengan hipotesis dan
desain dalam penelitian yang dimaksud.
Untuk ilustrasi hipotesis antara lain: hipotesis untuk proporsi satu sampel,
hipotesis untuk proporsi dua sampel, hipotesis untuk odd rasio pada desain case
control, hipotesis untuk relatif risk pada desain kohort, hipotesis untuk mean satu
sampel pada penelitian eksperimen, dan hipotesis dua mean untuk dua sampel
pada penelitian eksperimen.
Adanya hipotesis-hipotesis tersebut memberikan arah kemana kita akan
memilih rumus besar sampel yang tepat untuk penelitian yang akan dilakukan.
Sampel yang biasa dikenal dalam dunia penelitian antara lain sampel independen
dan sampel dependent. Jauh sebelum masuk ke analisis kita harus paham
mengenai pengujian satu sampel atau dua sampel. Selain itu kita juga harus
memahami apakah sampel itu bersifat dependent atau independent. Salah satu
hal yang berarti dari kita mengetahui bentuk sampel apakah satu sampel atau dua
sampel atau sampel independent atau sampel dependent bertujuan untuk memilih
uji statistik yang tepat sesuai dengan data.

52
 Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai
tertentu berbeda secara nyata atau tidak dengan rata-rata sebuah sampel. Nilai
tertentu pada umumnya adalah sebuah nilai parameter untuk mengukur populasi.
Sedangkan pada uji dua sampel adalah ingin mengetahui apakah ada perbedaan
rata-rata (mean) antara dua populasi dengan melihat rata-rata data sampelnya.
Sampel Independent maksudnya tidak ada kaitanya antara pengamatan pada
satu variabel dengan pengamatan pada variabel lainnya, sedangkan sampel
dependent memberi maksud ada kaitan antara pengamatan pada satu variabel
dengan pengamatan pada variabel lainnya.
LATIHAN
1. Seorang peneliti ingin mengetahui ada tidaknya bakteri E. Sakazaki pada susu
formula bayi. Untuk itu ia memeriksa 50 susu formula bayi dari berbagai merek.
Apa yang menjadi populasi dan sampel penelitian tersebut?
2. Seorang petugas laboratorium ingin menyelidiki pencemaran air di Sungai
Mahakam,tentukanlah populasi dan sampel dari pencemaran air di Sungai
Mahakam tersebut?
3. Seorang peneliti ingin mengetahui tingkat kepuasan pasien BPJS terhadap
pelayanan di Rumah sakit. Tentukanlah populasi dan sampel dari penelitian
tersebut!
4. Buatkanlah permasalahan dalam bidang kesehatan yang terkait dengan
populasi dan sampel?
5. Seorang peneliti ingin mengetahui factor risiko terjadinya penyakit diare di
Wilayah kerja Puskesmas A. Jumlah penderita diare selama setahun di
Puskesmas tersebut sebanyak 200 orang. Hitunglah berapa besar sampel
dengan menggunakan rumus pada taraf kesalahan 5%.
6. Tentukan sebuah populasi penelitian dan buatlah sampling frame-nya.
7. Bila yang ingin diteliti adalah sejumlah perawat yang ada di Rumah Sakit yaitu
sebanyak 350 orang dengan menggunakan rumus Slovin (alpha =0.05), tentukan
jumlah sampel yang dibutuhkan agar refresentatif.
8. Jumlah pasien yang sedang dirawat di Rumah sakit A sebanyak 500 orang
yang dirawat dimasing-masing ruangan yaitu ruang VIP sebanyak 50 orang,
Kelas I sebanyak 100 orang kelas II sebanyak 125 orang dan kelas III

53
 sebanyak 225 orang, tentukan tekhnik sampling yang tepat serta hitunglah
besar sampel yang dibutuhkan.
9. Seorang peneliti ingin mengetahui hubungan tingkat pendidikan dengan kinerja
perawat di Rumah sakit A, tentukan variable dan jenis variebel penelitian
tersebut ?

KEGIATAN BELAJAR ke 10
MERUMUSKAN HIPOTESIS

A. Pengertian
Menurut epistemologi hipotesis berasal dari kata hipo dan tesis. Hipo artinya
belum sedangkan tesis artinya dalil. Jadi hipotesis itu belum dalil atau masih
calon dalil. Untuk menjadi dalil harus didukung oleh data dengan kata lain
harus dibuktikan secara empiris melalui penelitian. Jika terbukti didukung oleh
data maka hipotesis itu menjadi dalil dan jika tidak didukung oleh data maka
tidak terbukti dan tidak benar yang dihipotesiskan.

B. Jenis Hipotesis

1. Hipotesis deskriftif
Hipotesis ini mempunyai sifat menyatakan eksistensi, ukuran, atau
distribusi dari kasus-kasus.
Contoh
Rata-rata banyaknya anak dari keluarga-keluarga di provinsi Sulawesi
Selatan adalah 4 orang.
2. Hipotesis Hubungan
Hipotesis ini mempunyai sifat assosiatif (hubungan) antara satu variabel
dengan variabel satunnya, dimana syarat yang diperlukan adalah ada 2
variabel yang terkait.
Contoh
Ada hubungan antara kepuasan kerja dengan produktivitas.
Contoh ini menghubungkan variabel kepuasan kerja dengan variabel
produktivitas. Hipotesis ini dapat dibuat dalam bentuk kalimat: ” jika
kepuasan kerja tinggi, maka produktivitas tinggi.

54
 3. Hipotesis Sebab
Hipotesis ini mempunyai ciri satu variabel sebagai sebab sedangkan satu
variabel sebagai akibat.
Contoh
”Kepuasan kerja adalah penyebab produktivitas” atau ” produktivitas kerja
berpengaruh terhadap produktivitas”.
Pada contoh ini variabel kepuasan kerja sebagai sebab sedangkan
produktivitas sebagai akibat. Hal ini dimungkinkan variabel kepuasan kerja
terjadi terlebih dahulu, baru kemudian disusul oleh variabel produktivitas.
4. Hipotesis Perbandingan
Hipotesisi ini bertujuan melihat perbandingan antara satu variabel dengan
variabel yang lainnya.
Contoh
”Ada perbedaan orang desa dan kota dalam memilih alat kontrasepsi”
Pada contoh ini menunjukan ada perbedaan memilih pasta gigi antara
wanita dan pria.
Hipotesis Statistika: suatu proses untuk menentukan apakah dugaan tentang
nilai parameter/karakteristik populasi didukung kuat oleh data sampel atau
tidak
Alur dalam pengujian hipotesis:
DATA (KUANTITATIF)  HIPOTESIS  PENGUJIAN  DECISION RULE
 KEPUTUSAN  KESIMPULAN
Dalam statistika, dikenal 2 macam hipotesis:
1. Hipotesis nol (H0), berupa suatu pernyataan tidak adanya perbedaan
karakteristik/parameter populasi (selalui ditandai dengan tanda =)
2. Hipotesis alternatif (H1), berupa suatu pernyataan yang bertentangan
dengan H0.
Ingat, yang diuji dalam hipotesis adalah parameter, maka notasi yang
digunakan dalam hipotesis statistika adalah parameter  (untuk nilai tengah),
 (untuk simpangan baku), dan p (untuk proporsi).
Contoh:

55
 Suatu obat baru lebih baik dari obat yang selama ini digunakan jika
persentase orang yang sembuh setelah meminum obat baru ini lebih dari
60%.
Dalam permasalahan ini, maka dapat dibentuk hip statistik:
H0 : p = 0,6 (obat baru tidak lebih baik)
H1 : p > 0,6 (obat baru lebih baik)
Terdapat 2 tipe hipotesis:
1. Hipotesis satu arah (atau hipotesis satu sisi)
Jika hipotesis alternatif menunjukkan tanda > atau <. Hal ini dikarenakan
si peneliti atau si perancang hipotesis, menginginkan suatu perubahan
satu arah, misalnya apakah meningkat, apakah terjadi penurunan, dan
sebagainya.
Contoh: sebuah perusahaan rokok menyatakan bahwa kadar nikotin rata-
rata rokok yang diproduksinya tidak melebihi 2,5 miligram (tidak melebihi
berarti kurang dari, berarti satu arah saja, H1 :  < 2,5).
2. Hipotesis dua arah (atau hipotesis dua sisi)
Jika hipotesis alternatif menunjukkan tanda .
Misalkan H0 :  = 20, lawan H1 :   20
Ini berarti hipotesis alternatifnya memiliki dua definisi,
H1 :  > 20 dan/atau H1 :  < 20. Hal ini dikarenakan si peneliti
menginginkan suatu perbedaan, yaitu apakah berbeda atau tidak (entah
berbeda itu meningkat, atau menurun).
Contoh: sebuah pabrik sereal ingin mengetes unjuk kerja dari mesin
pengisinya. Mesin tersebut dirancang untuk mengisi 12 ons setiap
boksnya. (karena hanya ingin menguji apakah rata-rata mesin pengisi
tersebut dapat mengisi 12 ons setiap boksnya atau tidak, H 0 :  = 12, dan
H1 :   12)
C. Cara Menguji Hipotesis
Daerah penolakan hipotesis
Daerah penolakan merupakan suatu daerah dalam distribusi sampling.
Distribusi sampling meliputi semua harga yang mungkin dimiliki oleh satatistik
tes di bahwa Ho. Daerah penerimaan
hipotesis nol

56
Untuk satu sisi

Daerah penerimaan hipotesis (Ho)

0 Penolakan Ha 1
Gambar daerah penolakan hipotesis untuk 1 sisi
Letak daerah penolakan hipotesis dipengaruhi oleh sifat hakikat H alternatif
yang menunjukan arah perbedaan yang diprediksikan, maka akan muncul
suatu tes yang disebut satu sisi (one tailed test). Jika hipotesis alternatif tidak
menunjukan arah perbedaan yang diprediksikan, maka digunakan tes dua sisi
(two tailed test). Test satu sisi dan dua sisi berbeda dalam letak penolakan
hipotesis, tetapi tidak berbeda dalam besarnnya. Dalam tes satu sisi daerah
penolakan sepenuhnya ada di suatu ujung (sisi) distribusi sampling. Dalam tes
dua sisi daerah penolakan itu terdapat pada kedua ujung (sisi) distribusi
samplingnya.

Penolaka Penolaka
n n
hipotesis hipotesis
nol nol

Daerah penerimaan hipotesis (Ho)

0 1
Gambar daerah penolakan hipotesis untuk 2 sisi

Langkah-langkah dalam penentuan penerimaan dan penolakan hipotesis

1. Melakukan pernyataan mengenai hipotesis
Pada prinsipnya statistik menguji hipotesis nol. Hipotesis sering dinyatakan
Ho = μ1≠ μ2
Ha = μ1= μ2
2. Melakukan pengujian hipotesis
Pengujian hipotesis disesuaikan dengan pemilihan uji statistik yang akan
digunakan untuk pengujian hipotesis. Beberapa hal yang ikut berperan
dalam penentuan uji statistik antara lain:

57
 a. Skala data yang dihasilkan dari pengumpulan data
b. Metode yang digunakan
c. Distribusi dan variansi data
d. Bentuk hipotesis
3. Menentukan tingkat signifikansi
Tingkat signifikansi yang umum digunakan untuk menentukan apakah
hipotesis diterima atau ditolak antara lain tingkat signifikansi 10%, 5%, dan
1%.
4. Menentukan daerah penolakan dan penerimaan hipotesis
Daerah penolakan/penerimaan hipotesis didasarkan pada signifikansi yang
diinginkan. Daerah penolakan dapat melalui satu sisi atau dua sisi
tergantung dari arah hipotesis.
5. Membuat keputuhan hipotesis
Keputusan penerimaan dan penolakan hipotesis didasarkan dari
perbandingan nilai hitung uji yang digunakan dengan standart tabel (sesuai
dengan uji yang digunakan) atau dapat dilakukan dengan membandingkan
taraf signifikansi yang diinginkan berdasarkan nilai alfa (α).

D. Penelitian tanpa hipotesis

Tidak selalu penelitian mesti akan diikuti oleh hipotesis penelitian. Biasanya
penelitian yang tidak diikuti dengan hipotesis itu penelitian yang bersifat
deskriptif dan evaluatif. Penelitian ini lebih menekankan pada aspek evaluasi
pelaksanaan dan tidak melakukan pendugaan terhadap sesuatu.

LATIHAN
Tentukan hipotesis nol dan alternatifnya!
1. Rata-rata curah salju di Danau Toba selama bulan Februari 21,8 cm.
2. Banyaknya staf dosen di suatu PT yang menyumbang dalam suatu acara
pengumpulan dana sosial tidak lebih dari 20%.
3. Secara rata-rata anak-anak di Desa A, berangkat dari rumah ke sekolah
menempuh jarak tidak lebih dari 6,2 km.
4. Di tahun mendatang, sekurang-kurangnya 70% dari mobil baru termasuk
dalam kategori kompak dan subkompak.

58
5. Dalam pemilu mendatang, proporsi yang memilih calon lama adalah 0,58.
6. Di Rumah Sakit X, rata-rata hasil pemeriksaan GDS pasien Diabetes Mellitus
sekurang-kurangnya 340 gram

KEGIATAN BELAJAR 11
UJI SATU POPULASI
PENGANTAR
Uji statistik untuk satu populasi dimaksudkan untuk melakukan pengujian
hipotesis pada satu populasi. Pengujian hipotesis ini biasa sering disebut
pengujian hipotesis deskriptif.
Statistik parametrik yang dapat digunakan untuk menguji hipotesis diskriftif bila
datanya berbentuk interval atau rasio adalah uji t-test 1 sampel. Uji t digunakan
bila simpangan baku populasi tidak diketahui.

Rumus
Rumus yang biasa digunakan adalah
π − μ0
t=
s
√n
Contoh:
Seorang peneliti ingin melakukan suatu penelitian mengenai tinggi badan
mahasiswa yang mengikuti mata kuliah Statistika. Untuk itu dilakukan suatu
penelitian terhadap sepuluh mahasiswa yang mengikuti mata kuliah tsb.
Mhs ke- 1 2 3 4 5 6 7 8 9 10
TB (cm) 185 150 156 171 160 160 165 171 166 150
Ujilah hipotesis:
a. Apakah tinggi badan mahasiswa tersebut adalah 155 cm?
b. Apakah tinggi badan mahasiswa tersebut di atas 155 cm?
c. Apakah tinggi badan mahasiswa tersebut di bawah 155 cm?
Penyelesaian:
a. H0 :  = 155 vs H1 :   155

59
 x̄ = 163,40
s = 10,69

x̄−μ 163,40−155
t= s/ √ n = 10,69/ √10 = 2,48
t0,025(9) = 2,262
t > t0,025 (9)
Keputusan: tolak H0, terima H1
b. H0 :  = 155
H1 :  > 155
t0,05(9) = 1,833
t > t0,05(9)
Keputusan: tolak H0, terima H1
c. H0 :  = 155
H1 :  < 155
-t0,05(9) = -1,833
t > -t0,05(9)
Keputusan: terima H0
Contoh:
Ingin diketahui apakah ada perbedaan rata-rata kadar kolesterol penderita
hipertensi dgn kadar kolesterol orang dewasa normal, yaitu 200 g/100 ml.
Untuk maksud tsb diambil 25 orang sampel penderita hipertensi dan
diperoleh kadar rata-rata kolesterolnya= 220 gr/100 ml dgn std= 63 gr/100 ml,
lakukan uji pada alfa=0,05
Penyelesaian
1. Ho: µ = 200 Ha: µ ≠ 200
2. Titik Kritis t pada α = 0,05 dan df=24 ttabel = 1,711
3. Ho ditolak bila thitung > ttabel (1,711)
Ho diterima bila thitung < 1,711
4. 220 – 200
t hitung = --------------- = 1,59
63/ √25
5. Karena nilai t-hitung < t-tabel  Ho diterima

60
 6. Kesimpulan: tidak ada perbedaan yang bermakna antara kadar kolesterol
penderita hipertensi dengan kadar kolesterol orang dewasa normal.

Uji Z digunakan bila simpangan baku populasi diketahui.

Rumus :

x̄−μ
Z= σ /√n

Contoh kasus
Suatu penelitian dilakukan di Akper Sawerigading terhadap 10 mahasiswa
terhadap berat badan mahasiswa. Seorang peneliti menduga bahwa berat badan
mahasiswa Akper Sawerigading= 65 kg.
Ujilah hipotesis peneliti tersebut dengan uji beda mean.
Berdasarkan hasil penelitian diperoleh hasil sebagai berikut:
No BB MHS
1 68
2 63
3 46
4 62
5 64
6 47
7 59
8 44
9 50
10 67
Penyelesaian
1. Menentukan Hipotesis
Ho; Berat badan mahasiswa Aksapel adalah 65 Kg
Ha: Berat badan mahasiswa Aksapel tidak sama dengan 65 kg

2. Menentukan daerah penerimaan hipotesis

Alfa = 0,05

3. Perhitungan
4. Hasil
5. Kesimpulan
6. Arti

61
62
 KEGIATAN BELAJAR 12

UJI STATISTIK 2 POPULASI

UJI CHI SQUARE

1. Pengantar
Dalam kerangka pengunaan uji chi square, terdapat beberapa uji chi square
diantarannya uji chisquare untuk goognes of fit dan uji chi square untuk
independensi. Uji statistik chi square dapat digunakan untuk menguji hipotesis
bila data populasi terdiri dari 2 atau lebih kelas dan data berbentuk nominal.
Sampel independensi biasanya digunakan dalam penelitian yang mengunakan
pendekatan survey, sedangkan sampel yang berpasangan sering di gunakan
dalam penelitian eksperimen.
2. Uji Chi-Sguare
o Dibuat oleh Karl Pearson (1899)
o Sering disebut Pearson’s Chi-Square
o Digunakan untuk :
o Goodness of Fit & Test for Independence
o Rumus :
 ² =  ( O – E )²
o E
Keterangan :
O = Frekuensi Observasi E= Frekuensi nilai harapan (Expected
frecuency)
Syarat Uji Chi-Square :
• Jumlah Sampel Harus Cukup Besar (n>30)
• Pengamatan harus independen(unpaired)
• Skala nominal/ordinal
• Min 80 % dari sel mempunyai nilai E >5
• Salah satu atau kedua variabel mempunyai kategori > 2(bukan tabel 2x2)

63
a. Chi Square uji kesesuaian
Sebuah uang logam dilemparkan sebanyak 100 kali. Hasilnya adalah 58
kali muncul sisi muka dan 42 kali sisi belakang. Ujilah hipotesis bahwa
uang logam itu simetris dengan memakai taraf signifikansi α = 0,05 dan α =
0,01
n = banyaknya lemparan = 100
p = propabilitas muncul sisi muka = ½ dan
q = probabilitas munculnya sisi belakang yaitu 1-p = 1 - ½ = ½
Frekuensi HARAPAN munculnya sisi muka = n x p = 100 X ½ = 50
Frekuensi HARAPAN munculnya sisi belakang = n x q = 100 X ½ = 50
Penyelesaian
Ho : P(muka) = P(belakang) = ½
Ha : P(muka) ≠ P(belakang)
α = 0,05 dan α = 0,01
Kategori kejadiannya ada dua yaitu munculnya sisi muka dan munculnya sisi
belakang, maka k = 2. Degree of Freedom (df) nya adalah k-1 = 2-1 = 1.
Nilai kritis χ2 untuk α = 0,05 dan df = 1 adalah 3,841 dan α = 0,01 adalah
6,635 (lihat tabel)
² =  ( O – E )²
E
² = ( 58 – 50 )² + ( 42 – 50 )²
50 50
² = 1,28 + 1,28 = 2,56

• Pada α = 0,05; nilai χ2 hit = 2,56 < 3,841

• Pada α = 0,01; nilai χ2 hit = 2,56 < 6,635
• Kesimpulannya Ho TIDAK DITOLAK (diterima) artinya UANG LOGAM ITU
SIMETRI
• Karena besar kecilnya nilai χ2 pada dasarnya menunjukkan kesesuaian
antara frekuensi yang diobservasi dengan frekuensi yang diharapkan,
maka seringkali uji χ2 disebut UJI KEBAIKAN SUAI (Goodness of Fit)

64
 b. Chi square (uji independensi)
 Uji Chi-Square kebebasan dua faktor.
 Uji hipotesis mengenai ada / tidaknya hubungan (asosiasi) atau kaitan
antara dua faktor.
 Misal : Apakah Prestasi Belajar Mahasiswa Dalam Mata Kuliah Statistika
Ada Hubungannya Dengan Ketepatan Waktu Penyelesaian Karil ?
 Jika TIDAK ADA HUBUNGAN antara dua faktor itu, maka dikatakan
bahwa dua faktor itu SALING BEBAS atau INDEPENDEN. Lebih tepatnya
INDEPENDEN secara statistik.
 Hipotesis nya selalu menyatakan bahwa kedua faktor saling bebas /
independen (tidak terikat, tidak berkaitan, tidak berhubungan).
Df = (c – 1)(r – 1)
• Kemaknaan pada uji chi-square ditentukan berdasarkan nilai alpha yang
dipilh dan derajat kebebasan.
• Suatu hasil uji dikatakan bermakna apabila nilai ² hitung lebih besar
dibandingkan dengan nilai ² pada tabel(Bergantung pada nilai alpha dan
Degree of Freedom)

Contoh :
• Penelitian ingin membuktikan hubungan sosial ekonomi(sosek) ibu hamil
dengan ANC kemudian diambil sampel100 ibu hamil yang terdiri dari 30
sosek, 30 sosek sedang dan 40 sosek tinggi.Dari ibu yang soseknya
rendah 10 ibu periksa hamil(melakukan ANC), yang sosek edang 15 ibu
periksa hamil dan yang soseknya tinggi 35 periksa hamil.
Pertanyaan:
Hitung proporsi/persentase melakukan ANC pada masing-masing sosek.
Ujilah apakah ada perbedaan proporsi ANC diantara 3 sosek tersebut.
ANC
SOSEK YA (+) TIDAK (-) JUMLAH
RENDAH 10 20 30
SEDANG 15 15 30
TINGGI 35 5 40
JUMLAH 60 40 100

65
 Penyelesaian :
1. RUMUSKAN HIPOTESIS :
 Ho: ΠR= ΠS= ΠT(Proporsi melakukan ANC antara ke-3sosek sama)
 Ha: ΠR ≠ ΠS ≠ ΠT (Ada perbedaan proporsi melakukan ANC antara ke-3
sosek)
Proporsi
 Ibu Yang Soseknya :
 Ø Rendah : 10/30 X 100 % = 33,3% Anc
 Ø Sedang : 15/30 X 100 % = 50% Anc
 Ø Tinggi : 35/40 X 100 % = 47,5% Anc
 Tentukan Nilai Observasi Dan Ekspectasinya

 X² = (10-18)² + (20-12)² + (15-18)² + (15-12)²+ (35-24)²+ (5-16)²

18 12 18 12 24 16
 = 3,5556 + 5,333 + 0,5 + 0,75 + 5,0417 + 7,5625 = 22,7431
 Df = (3-1) (2-1) = 2
 Lihat X² pada tabel maka = 5.99
 Dengan α = 0,05 maka : X² hit > X² tab berarti Ho ditolak
 Kesimpulan : Ada perbedaan yang signifikan proporsi ANC diantara 3
kelompok sosek bumil.

66
 LATIHAN

1. Seorang manajer rumah

sakit ingin mengetahui apakah terdapat perbedaan antara laki-laki dan
perempuan dalam kedisiplinan bekerja. Kedisiplinan bekerja dalam kasus ini
diukur dengan kelengkapan absensi kehadiran kerja setiap hari selama 1
bulan. Jika asumsi kedisiplinan kerja dihitung dengan jumlah tidak pernah
absen dalam satu bulan dimana dalam satu bulan terdapat 26 hari kerja
efektif. Berdasarkan hasil pengamatan diperoleh data sebagai berikut:
ID Jenis kelamin Kedisiplinan ID Jenis Kedisiplinan
kelamin
1 Laki-laki 24 16 Perempua 23
n
2 Laki-laki 25 17 Perempua 24
n
3 Laki-laki 25 18 Perempua 23
n
4 Laki-laki 26 19 Perempua 23
n
5 Laki-laki 26 20 Perempua 23
n
6 Laki-laki 26 21 Perempua 23
n
7 Laki-laki 26 22 Perempua 26
n
8 Perempuan 24 23 Perempua 26
n
9 Perempuan 22 24 Laki-laki 25
10 Perempuan 23 25 Laki-laki 25
11 Perempuan 24 26 Laki-laki 26
12 Perempuan 23 27 Laki-laki 26
13 Perempuan 23 28 Laki-laki 26
14 Perempuan 23 29 Laki-laki 26
15 Perempuan 23 30 Laki-laki 26

2. Seorang peneliti ingin

mengetahui pengaruh pendapatan dgn status gizi balita lalu dipilih sampel
sebanyak 250 orang dari 3 golongan pendpatan kelrg, masing-masing
pendapatan tinggi 90 orang, menegah 90 orang dan rendah 70 orang.
Ternyata ditemukan sebanyak 150 bayi memiliki status gizi baik sisanya gizi

67
 buruk. Dari 150 orang yg memiliki gizi baik tersebut 50 berasal dari ekonomi
tinggi, 40 ekonomi menegah sisanya ekonomi rendah.
a. Buatlah Hipotesisnya
b. Uji Hipotesisi tersebut pada alpha = 0.05
c. Buat kesimpulan peneltiannya

KEGIATAN BELAJAR 13
KORELASI PERSON
1. Korelasi Pearson
Analisis korelasi person merupakan salah satu analisis uji statistik yang
tergolong kedalam statistik parametrik. Analisis korelasi pearson
mensyaratkan bahwa distribusi data normal dan variansi sama. Jika asumsi ini
tidak terpenuhi sebaiknya digunakan analisis yang lain untuk menguji hipotesis

yang bebentuk korelasio nol.

Skala data yang menyertai analisis korelasional biasanya dalam bentuk
interval atau rasio.
Analisis korelasi pearson mengisyaratkan atau digunakan untuk membuktikan
hipotesis yang sifatnya hubungan.
Rumus

r xy =
∑ xy
√∑ x2 y 2
Dimana
r xy = Korelasi antar variabel x dan y
X = (Xi – x)
Y = (Yi – Y)
n ∑ x i y i −( ∑ x i )(∑ y i )
r xy =
2
−( y i )2
√( n ∑ x −( x ) )(n ∑ y
i2 i i2 )

Kriteria Indeks kofiesien :

N INTERVAL KRITERIA

68
 O
1. 0,000 - 0,199 Sangat Lemah
2. 0,200 - 0,399 Rendah
3. 0,400 - 0,599 Cukup
4. 0,600 - 0,799 Kuat
5. 0,800 - 1,000 Sangat Kuat

2. Kasus Korelasi
Permasalahan yang sering terjadi dalam penelitian adalah bahwa peneliti
melupakan persyaratan untuk mengunakan analisis pearson. Jika dalam suatu
penelitian diperoleh bahwa distribusi data tidak normal dan variansi tidak sama
maka digunakan analisis yang lebih sederhana yaitu analisis kendall’s tau atau
analisis spearman.
Contoh kasus
Suatu penelitian dilakukan di Puskesmas Wara terhadap sepuluh subjek
penelitian untuk mengetahui ada tidak nya hubungan antara kebiasaan makan
sambal dengan kejadian diare. berdasarkan hasil penelitian diperoleh hasil
sebagai berikut:
No Frekuensi
Frekuensi (x-µ) (Y-µ)
makan X2 Y2 Xy
kejadian diare X Y
sambal
1 8 3
2 9 3
3 7 2
4 6 2
5 7 2
6 8 2
7 9 3
8 6 1
9 5 1
10 5 1
∑=70 ∑=20 0 0 20 6 10
µ =7 µ=2
Jawab

r xy =
∑ xy
√∑ x2 y 2

69
 10
r xy =
√20 . 6 =0,9129

Jika kita menggunakan rumus yang ke dua maka :

No Frekuensi Frekuensi X2 Y2 Xy
makan kejadian diare
sambal (X) (Y)
1 8 3
2 9 3
3 7 2
4 6 2
5 7 2
6 8 2
7 9 3
8 6 1
9 5 1
10 5 1
∑=70 ∑=20 510 46 150
µ =7 µ=2

n ∑ x i y i −( ∑ x i )(∑ y i )
r xy =
2
−( y i )2
√( n ∑ x −( x ) )(n ∑ y
i2 i i2 )
rxy = 10.150 – 70.20 .
√(10.510 – (70) )(10.46 – (20)2
2

rxy = 1500 – 1400 .

√(.5100 – 4900)(460 – 400)

rxy = 100 .
√(.200)(60)

rxy = 100 .
√(.12000)

rxy = 100 .
109,54

70
rxy = 0,9129 (Sangat Kuat)

71
 KEGIATAN BELAJAR 14
VITAL STATISTIK
ANGKA KELAHIRAN, ANGKA KESAKITAN
DAN ANGKA KEMATIAN

1. ANGKA KELAHIRAN

• Adalah salah satu tekhnik untuk menilai status kesehatan masyarakat

dalam kesatuan populasi tertentu
• Jenis statistik kelahiran :
– Angka kelahiran kasar /Crude Birth Rate (CBR)
– Angka Fertilisasi Umum /General Fertility Rate (GFR)
– Angka Fertilisasi Spesifik-Usia/ Age Specific Fertility Rate (ASFR)

a. Angka Kelahiran Kasar (CBR)

- Menggambarkan angka kelahiran hidup dalam satu tahun
- Paling Umum digunakan untuk menilai tingkat fertilisasi penduduk
- RUMUS :
CBR = Jumlah kelahiran hidup dlm 1 tahun X 100
Jumlah penduduk pertengahan tahun

b. Angka Fertilisasi Umum

- Yaitu angka kelahiran yang dikaitkan dgn tingkat “Reproduktivitas”
wanita dlm status mampu hamil
- Masa mampu hamil wanita 15 – 49 tahun
- RUMUS :
GFR = Jumlah kelahiran hidup dlm 1 tahun X 100
Jumlah Wanita Usia 15 – 49 tahun

c. Angka Specifik Kelahiran-Usia(ASFR)

- Lebih bersifat informatif dibanding angka fertilisasi umum, karena
fertilisasi wanita usia muda berbeda dgn fertilisasi wanita usia tua.
- RUMUS :

72
 ASFR = Jumlah kelahiran hidup dari wanita dgn usia t3 X 100
Jumlah Wanita dgn usia tertentu

2. ANGKA KESAKITAN

• Merupakan indikator yg penting dalam mengevaluasi tingkat kesehatan

masyarakat
• Terdapat 2 indikator angka kesakitan yaitu :
– INSIDENSI
– PREVALENSI
• Insidensi digunakan pd kasus-kasus BARU
• Prevalensi digunakan untuk penjumlahan kasus BARU dan LAMA

a. Insiden Rate (IR)

- Angka insidensi suatu penyakit adalah angka yg
menggambarkan kejadian atau timbulnya suatu penyakit (kasus baru)
dlm kurun waktu tetentu pada masyarakat.
- Menunjukkan CEPAT/TIDAKNYA penyebaran suatu penyakit
- RUMUS :
IR = Jumlah kasus baru suatu penyakit dlm 1 thn x 1000
Jumlah penduduk pertengahan tahun

b. Prevalence Rate

- Angka Prevalensi suatu penyakit adalah angka yg

menggambarkan jumlah penderita (kasus lama dan baru) suatu
penyakit tertentu dlm kurun waktu tetentu pada masyarakat.
- Ada 2 macam Angka Prevalensi :
- Point Prevalensi : Dihitung berdasarkan
kenyataan pada saat tertentu
- Periode Prevalensi : Dihitung berdasarkan
periode waktu tertentu
• RUMUS POINT PREVALENSI

73
Pt R = Jumlah Semua kasus (Lama & baru) pada suatu waktu tertentu x 100
Jumlah penduduk pada saat tertentu

• RUMUS PERIODE PREVALENSI

PR = Jumlah Semua kasus (Lama & baru) pd periode waktu tertentu x 100
Jumlah penduduk pada periode tersebut
c. Case Fatal Rate (CFR)

o Digunakan untuk mengevaluasi keberhasilan program pengobatan yg

dilakukan terhadap suatu wabah penyakit dlm masyarakat
- Menunjukan probabilitas kematian yg terjadi pada suatu wabah penyakit
tertentu.
- RUMUS :
CFR = Jumlah kasus mati pd pentakit tertentu x 100
Jumlah semua kasus penyakit tertentu

3. ANGKA KEMATIAN

- Adalah angka yang menggambarkan frekuensi relatif terjadinya kematian

dalam periode tertentu pada masyarakat tertentu.
- Beberapa Statistik Kematian :
o Angka Kematian kasar (CDR)
o Angka Kematian Spesifik (ASDR, CSDR)
 Angka kematian Ibu (MMR)
 Angka Kematian Bayi (IMR)

a. Angka Kematian Kasar (CDR)

- Adalah angka yang menggambarkan besarnya peristiwa
kematian secara umum dalam populasi tertentu dalam satu tahun
- RUMUS :

CDR = Jumlah kematian dalam 1 tahun X 1000

Jumlah penduduk pertengahan tahun

74
b. Angka Kematian Specifik
Terbagi 2 yaitu :
Angka Kematian spesifik - Umur (ASDR)
• RUMUS :
ASDR = Jumlah kematian menurut klp usia tertentu dlm 1 tahun X 1000
Jumlah penduduk usia klpk t3
Angka Kematian spesifik - Penyebab (CSDR)
• RUMUS :
CSDR = Jumlah kematian menurut kasus tertentu dlm 1 tahun X 1000
Jumlah penduduk yang mengalami kasus t3

c. Angka Kematian Ibu (MMR)

- Adalah angka yang menggambarkan besarnya peristiwa
kematian ibu karena proses persalinan dan nifas
- RUMUS :
MMR = Jumlah kematian ibu melahirkan/nifas dlm 1 tahun X 1000
Jumlah kelahiran hidup pertengahan tahun

d. Angka Kematian Bayi (IMR)

- Adalah angka yang menggambarkan besarnya peristiwa
kematian individu usia dibawah 1 thn
- RUMUS :
IMR = Jumlah kematian bayi usia < 1 dlm 1 tahun X 1000
Jumlah kelahiran hidup pertengahan tahun

75
 LATIHAN

1. Di Kec. A jumlah penduduk pertengahan tahun sebanyak

25.000 jiwa terdiri dari laki-2 10.000 jiwa dan wanita 15.000 jiwa. Dari 15.000
wanita terdapat 10.000 wanita usia 15-49 thn,250 diantaranya wanita usia 20 –
24 tahun. Selama 1 tahun terdapat 40 kelahiran hidup, 5 diantaranya dilahirkan
oleh wanita berusia 20 – 24 thn. Selain itu terjadi kematian ibu melahirkan
sebanyak 3 kasus dan bayi yang meninggal sebelum usia 1 tahun sebanyak 2
a. Hitunglah angka CBR, GFR, dan ASFR
b. Hitunglah angka MMR dan IMR
2. Jumlah pendududk yang menderita penyakit sebanyak
300 org, 100 diantaranya disebabkan oleh diare. Pada bulan juli – sept jumlah
kasus diare sebanyak 25 org dan pada bulan Desember terjadi kasus diare
sebanyak 75 kasus yang menyebakan kematian sebanyak 5 org dan 50 orang
diantaranya merupakan penderita baru . Jumlah kematian selama 1 tahun
sebanyak 20 orang. 8 kematian diantaranya adalah terjadi pada klpk usia 40-44
thn dimana jumlah klpk umur 40-44 thn adalah 1000 orang.
a. Hitunglah angka IR, PR, CFR
b. Hitunglah angka CDR, ASDR, ASDR

76
 KEGIATAN BELAJAR 15
REVIEW DAN LATIHAN
1. Sebutkan Cara Pengambilan Sampel dengan random...?
2. Aplikasikan bagaimana pengambilan sampel dengan mengunakan sistematik
random sampling..?
3. Suatu penelitian dilakukan di rumah sakit A untuk mengetahui hubungan
antara paritas ibu bersalin dengan tekanan darah.Dalam kasus ini diduga ibu
yang mempunyai paritas banyak lebih memungkinkan terjadi tekanan darah
yang lebih tinggi.
No Paritas Tekanan darah
1 3 120
2 4 120
3 2 120
4 1 110
5 3 130
6 4 140
7 6 140
8 7 160
9 4 140
10 7 180
11 5 130
12 4 130
13 5 140
14 3 120
15 4 130

Ujilah data tersebut dengan uji korelasi pearson.

4. Suatu penelitian dilakukan di rumah sakit Sayang Ibu untuk mengetahui risiko
pengunaan alat kontrasepsi terhadap kejadian ca servic. Berdasarkan hasil
penelitian diperoleh data sebagai berikut:

77
 No Kontrasepsi Ca servic
1 Ya Ya
2 Tidak Tidak
3 Ya Tidak
4 Ya Ya
5 Tidak Ya
6 Tidak Ya
7 Ya Tidak
8 Tidak Ya
9 Ya Ya
10 Tidak Ya
11 Ya Ya
12 Tidak Tidak
13 Tidak Ya
14 Ya Tidak
15 Tidak Ya
16 Tidak Tidak
17 Tidak Tidak

Berdasarkan hasil penelitian tersebut diatas, apakah peluang ibu yang

mengunakan kontrasepsi lebih besar terjadi ca servic....?

SELAMAT BERLATIH DI RUMAh

78