Statistik berasal dari kata state yang artinya negara. Dalam pengertian yang paling sederhana
statistik artinya data. Secara umum statistic adalah suatu disiplin ilmu yang mempelajari
metode dan prosedur pengumpulan, prnyajian, analisa, dan penyimpulan suatu data mentah,
agar menghasilkan informasi yang lebih jelas untuk keperluan suatu pendekatan ilmiah
(scientific inferences) , dan dapat dikelompokkan menjadi dua bagian yaitu statistic deskriptif
dan inferensial. Dalam pengertian yang lebih luas, statistik dapat diartikan sebagai kumpulan
data dalam bentuk angka maupun bukan angka yang disusun dalam bentuk tabel (daftar) dan
atau diagram yang menggambarkan (berkaitan) dengan suatu masalah tertentu.
Umumnya suatu data diikuti atau dilengkapi dengan keterangan-keterangan yang berkaitan
dengan suatu peristiwa atau keadaan tertentu. Kata statistik juga menyatakan ukuran atau
karakteristik pada sampel seperti nilai rata-rata, dan koefisien korelasi.
Menurut undang-undang RI no. 7 tahun 1960, statistic adalah keterangan berupa angka-angka
yang memberikan gambaran yang wajar dari seluruh cirri-ciri kegiatan dan keadaan masyarakat
Indonesia.
Jenis-jenis Statistik
Berdasarkan jenisnya, statistik dibedakan menjadi dua, yaitu statistik deskriptif dan statistik
inferensial.
1. Statistik deskriptif
Statistic deskriptif adalah statistik yang berkenaan dengan metode atau cara
mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data.
Statistik deskriptif mengacu pada bagaimana menata atau mengorganisasi data,
menyajikan, dan menganalisis data. Menata, menyajikan, dan menganalisis data dapat
dilakukan misalnya dengan menentukan nilai rata-rata hitung dan persen / proposisi.
Cara lain untuk menggambarkan data adalah dengan membuat tabel, distribusi
frekuensi, dan diagram atau grafik (Sugiyono, 2006).
Statistik deskriptif hanya dipakai terbatas pada pengumpulan, penyajian, analisa data
dalam bentuk narasi, tabulasi, atau diagram serta perhitungan presentase, nilai rata-
rata, standar deviasi dan lain-lain dari data sampel, tanpa perlu adanya peramalan dan
pembuktian statistic terhadap kelompok data yang lebih luas atau populasi.
2. Statistik inferensial (induktif)
Statistik inferensial adalah statistik yang berkenaan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakterisktik atau
ciri dari suatu populasi. Dengan demikian dalam statistik inferensial dilakukan suatu
generalisasi (perampatan atau memperumum) dan hal yang bersifat khusus (kecil) ke
hal yang lebih luas (umum). Oleh karena itu, statistik inferensial disebut juga statistik
induktif atau statistik penarikan kesimpulan. Pada statistik inferensial biasanya
dilakukan pengujian hipotesis dan pendugaan mengenai karakteristik (ciri) dari suatu
populasi, seperti mean dan Uji t (Sugiyono, 2006).
Selain metode dan prosedur statistic yang dipakai seperti pada statistic deskriptif, juga
disertai dengan pembuktian secara statistic bahwa data sampel yang sedang diteliti ini,
apakah betul-betul berasal dan sudah mewakili ciri-ciri kelompok data yang lebih luas
dengan cara melakukan estimasi, test hipotesis dan prediksi etrhadap parameter
populasi.
3. Statistik Parametrik dan Non-Parametrik
a. Statistika parametrik
Ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data
menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka
data harus dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya
dilakukan transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg
statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t
(1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA
parametrik), dll.
b. Statistika non-parametrik
Statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter populasi, baik
normal atau tidak). Statistika non-parametrik biasanya digunakan untuk melakukan
analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal
tidak menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-
square test, Median test, Friedman Test, dll.
Statistic K3
Angka LTI diperoleh dari catatan lama mangkirnya tenaga kerja akibat kecelakaan
kerja. Sedang jumlah jam kerja orang yang terpapar diperoleh dari bagian absesnsi
atau pembayaran gaji. Bila tidak memungkinkan, angka ini dihitung dengan
mengalikan jam kerja normal tenaga kerja terpapar, hari kerja yang diterapkan dan
jumlah tenaga kerja keseluruhan yang beresiko.
Rumus:
Contoh:
Organisasi dengan tenaga kerja 500 orang, jumlah jam kerja yang telah dicapai
1,150,000 juta jam kerja orang. Pada saat yang sama cidera yang menyebabkan
hilangnya waktu kerja sebanyak 46. Berapa frekwensi ratenya ?
Nilai frekwensi rate 40 berarti, bahwa pada periode orang kerja tersebut terjadi
hilangnya waktu kerja sebesar 40 jam per-sejuta orang kerja.
Angka ini tidak mengindikasikan tingkat keparahan kecelakaan kerja. Angka ini
mengindikasikan bahwa pekerja tidak berada di tempat kerja setelah terjadinya
kecelakaan kerja.
Contoh 2
Suatu perusahaan dengan karyawan 1000 tenaga kerja, yang kegiatannya 50
minggu dengan 40 jam perminggu, mengalami 60 kecelakaan dalam setahun. Akibat
kecelakaan tersebut tenaga kerja tidak masuk kerja 5% dari seluruh waktu
kerjanya. Berapa frekwensi ratenya ?
Besarnya jam manusia hilang = 1000 x 50 x 40 = 2.000.000
Tidak masuk kerja 5% = 0,05 x 2.000.000 = 100.000
maka total Jam manusia hilang sesungguhnya : 2.000.000-100.000 = 1.900.000
Contoh:
Sebuah tempat kerja telah bekerja 365,000 jam orang, selama setahun telah terjadi
5 kasus kecelakaan kerja yang menyebabkan 175 hari kerja hilang. Tentukan rate
waktu kerja hilang akibat kecelakaan kerja tersebut.
Nilai severity rate 479 mengindikasikan bahwa selama kurun waktu tersebut berarti,
pada tahun tersebut telah terjadi hilangnya waktu kerja sebesar 479 hari per sejuta
jam kerja orang.
Contoh 2
Angka-angka untuk menghitung frekwensi kecelakaan diketahui: jumlah hari -hari
hilang 1200 sebagai akibat 60 kecelakaan Hitung Beratnya kecelakaan?
Artinya: setiap tahun kira-kira 0,63 hari (sehari) hilang pada setiap 1000 jam
manusia
Contoh:
Organisasi dengan tenaga kerja 500 orang, jumlah jam kerja yang telah dicapai
1,150,000 juta jam kerja orang dan Lost Time Injury-nya (LTI) sebesar 46. Misalkan
dari laporan Kecelakaan Kerja selama 6 bulan diperoleh informasi sbb:
Dengan demikian,
Rerata Hilangnya Waktu kerja = 690 / 46 = 15
Dari informasi contoh diatas manajemen akan lebih jelas memperoleh informasi
bahwa organisasi mempunyai hilang waktu kerja kecelakaan sebesar 40 tiap sejuta
jam kerja orang dengan rata-rata menyebabkan 15 hari tidak masuk kerja. Dengan
informasi ini cukup bagi manajemen untuk membuat keputusan untuk pencegahan
lebih lanjut.
4. Incidence Rate
Incidence rate digunakan untuk menginformasikan kita mengenai prosentase jumlah
kecelakaan yang terjadi ditempat kerja
Rumus:
Contoh:
Frekwensi Rate : Severity Rate : FSI
2 125 0,5
4 250 1,0
8 500 2,0
Nilai FSI ini dapat kita jadikan rangking kinerja antar bagian di tempat kerja.
6. Safe-T Score
Safe T score adalah nilai indikator untuk menilai tingkat perbedaan antara dua
kelompok yang dibandingkan. Apakah perbedaan pada dua kelompok tersebut
bermakna atau tidak. Dalam statistik biasanya disebut sebagai t-test. Perbedaan ini
dinilai untuk membandingkan kinerja suatu kelompok dengan kinerja sebelumnya.
Hasil perbedaan ini dapat dijadikan apakah terjadi perbedaan yang mencolok atau
tidak. Selanjutnya dapat dipakai untuk menilai kinnerja yang telah kita lakukan.
Rumus:
Interpretasi :
Score positif dari Safe T Score mengindikasikan jeleknya record kejadian, sebaliknya
score negatif menunjukkan peningkatan record terdahulu. Interpretasi dari Score ini
selengkapnya sebagai berikut:
• Safe T Score diantara +2.00 dan –2.00, artinya tidak ada perbedaan atau
perbedaan tidak bermakna.
• Safe T Score lebih besar atau sama dengan +2.00 menunjukkan menurunnya
performance/kinerja K3, atau ada sesuatu yang salah.
• Safe T Score lebih kecil atau sama dengan -2.00 menunjukkan membaikknya
performance/kinerja K3, atau ada sesuatu yang baik dan perlu dipertahankan.
Contoh :
Lokasi A
-----------------------------------
Tahun lalu
10 kasus kecelakaan
10,000 jam orang kerja
Frekwensi Rate = 1,000
========================
Lokasi B
-------------------------------------------------
Tahun lalu – 1000 kasus kecelakaan
1000,000 jam orang kerja
Frekwensi Rate = 1,000
Frekwensi rate untuk lokasi A meningkat 50%, sedang pada B hanya 10%. Apakah
ada sesuatu yang salah dari salah satu atau kedua data ini ?
Jawab:
Frekwensi Rate Sekarang – Frekwensi Rate Sebelumnya
Safe-T Score = -----------------------------------------------------------------
Frekwensi Rate Sebelumnya
Juta jam kerja orang sekarang
Lokasi A
Safe-T Score = (1,500 – 1,000)/ akar dari ( 1000/0.01) = 500/ 317 = Safe-T Score
= +1,58
Artinya peningkatan 50% jumlah kasus pada lokasi A termasuk peningkatan yang
tidak bermakna
Lokasi B
Safe-T Score = 1,100 – 1,000/ akar dari ( 1000/0.01) = 100/ 317 =Safe-T Score =
+3,17
Artinya peningkatan 10% jumlah kasus pada lokasi ini ada perbedaan yang
bermakna, artinya ada sesuatu yang salah, yang perlu mendapat perhatian.
N = 4 (1 – P) / Y2 (P)
Keterangan:
N = Jumlah keseluruhan pengamatan yang dibutuhkan
P = Prosentase dari unsafe observation
Y = derajat akurasi yang diinginkan (biasanya 10% atau 5%)
Contoh:
Dari hasil survey awal ditemukan 126 jumlah observasi ditemukan 32 amatan unsafe
act, dengan demikian % unsafe act = 32 x 100/126 = 0,254. Untuk mengetahui
jumlah amatan yang sebenarnya untuk hasil yang akurat, maka dimasukkanlah ke
dalam rumus sebagai berikut:
N = 4 (1 – P) / Y2 (P)
N = 4 (1 – 0,25) / 0,102 (0,25)
= 3/0,0025 = 1,200 (jumlah observasi yang
sebaiknya dilakukan)
http://www.gurupendidikan.com/pengertian-statistik-lengkap-menurut-para-ahli/
http://definisipengertian.com/2012/pengertian-definisi-statistik-menurut-para-ahli/
http://andryzsafer.blogspot.com/2014/02/mengenal-statistik-kecelakaan-kerja.html