Definisi statistik

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.

1. Croxton dan Cowden.

Statistik adalah metode untuk mengumpulkan, mengelola serta menyajikan, dan
menginterpretasikan data yang berwujud angka-angka.
2. Anderson Dan Bancroft.
Statistik adalah ilmu dan seni perkembangan serta metode paling efektif untuk
pengumpulkan, pentabulasian serta dan penginterpretasikan data kuantitatif
sedemikian rupa, sehingga akan memungkin kesalahan dalam kesimpulan dan estimasi
dapat diperkirakan dengan penggunaan penalaran induktif yang didasarkan pada
matematik probailitas(peluang).
3. Prof. Dr. Sudjana, M.A., M.Sc.,
 Statistik Adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,
pengolahan penganalisisannya, serta penarikan kesimpulan berdasarkan kumpulan data
dan penganalisasan yang dilakukan.
4. Steel dan Torrie.
Statistik adalah metode yang memberikan cara cara untuk menilai ketidaktentuan dari
penarikan kesimpulan yang bersifat induktif.
5. J.Supranto
memberikan 2 arti statistik iyalah :
Dalam arti sempit, Statistik adalah data ringkasan yang berbentuk (kuantitatif).
Dalam arti luas, Statistik adalah ilmu yang mempejari cara pengumpulan , penyajian ,
serta analisa data , dan pengambilan kesimpulan secara umum berdasarkan hasil dari
penelitian yang menyeluruh
6. Drs. Djawanto.
Statistik adalah kumpulan angka-angka yang berhubungan dengan atau melukiskan
suatu persoalan.

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

A. Statistik Dalam Penilaian Kinerja Program K3

Tujuan dan manfaat statistik dalam penerapan K3 adalah digunakan untuk menilai
‘OHS Performance Programs’. Dengan menggunakan statistik dapat memberikan
masukan ke manajemen mengenai tingkat kecelakaan kerja serta berbagai faktor
yang dapat digunakan sebagai dasar untuk mencegah menurunnya kinerja K3.
Konkritnya statistik dapat digunakan untuk :
• Mengidentifikasi naik turunnya (trend) dari suatu timbulnya kecelakaan kerja
• Mengetahui peningkatan atau berbagai hal yang memperburuk kinerja K3
• Membandingkan kinerja antara tempat kerja dan industri yang serupa (T-Safe
Score)
• Memberikan informasi mengenai prioritas pengalokasian dana K3
• Memonitor kinerja organisasi, khususnya mengenai persyaratan untuk penyediaan
sistim/tempat kerja yang aman
B. Jenis-jenis penerapan Statistik dalam Aspek K3
1. Ratio Kekerapan Cidera (Frequency Rate)
Frekwensi Rate digunakan untuk mengidentifikasi jumlah cidera yang menyebabkan
tidak bisa bekerja per sejuta orang pekerja. Ada dua data penting yang harus ada
untuk menghitung frekwensi rate, yaitu jumlah jam kerja hilang akibat kecelakaan
kerja (Lost Time Injury /LTI) dan jumlah jam kerja orang yang telah dilakukan (man
hours).

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:

Frekwensi Rate = (Jumlah cidera dgn hilang waktu kerja x 1,000,000) /

Total Person-hours Worked

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 ?

Frekwensi Rate = 46 x 1,000,000 / 1,150,000 = 40

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

F = 60 x 1.000.000/ 1.900.000 = 31,58 

Artinya : dalam setahun terjadi kira-kira 32 kecelakaan pada setiap 1.000.000 jam
manusia

2. Ratio Keparahan Cidera (Severity Rate)

Indikator hilangnya hari kerja akibat kecelakaan kerja untuk per sejuta jam kerja
orang.
Rumus : 

Severity Rate = ( Jumlah hari kerja hilang x 1,000,000)/ Total Person-hours

Worked

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.

Frekwensi Rate = ( 5 x 1,000,000) / 365,000 = 13,70

Severity Rate = (175 x 1,000,000) / 365,000 = 479

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?

Sr = 1.200 x 1000 /1.900.000 = 0.63

Artinya: setiap tahun kira-kira 0,63 hari (sehari) hilang pada setiap 1000 jam
manusia

3. Rerata Hilangnya Waktu Kerja (Average Time Lost Rate/ALTR)

Ukuran indicator ini sering disebut juga ‘Duration Rate’ digunakan untuk
mengidikasikan tingkat keparahan suatu kecelakaan. Dengan penggunaan ALTR
yang dikombinasikan denga Frekwensi Rate akan lebih menjelaskan hasil kinerja
program K3. ALTR dihitung dengan membagi jumlah hari yang hilang akibat
kecelakaan dengan jumlah jam kerja yang hilang (LTI).
Rumus: 

Average Time Lost Rate = (Number of LTI x 1,000,000) / Total Person-

hours Worked Atau Average Time Lost Rate = ( Frekwensi Rate) / Severity
Rate

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:

10 kasus hilang waktu kerja dalam 3 hari sekali = 30

8 kasus hilang waktu kerja dalam 6 hari sekali = 48
12 kasus hilang waktu kerja dalam 14 hari sekali = 168
4 kasus hilang waktu kerja dalam 20 hari sekali = 80
10 kasus hilang waktu kerja dalam 28 hari sekali = 280
2 kasus hilang waktu kerja dalam 42 hari sekali = 84
Total keseluruhan = 690 hari kerja hilang

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: 

Incidence Rate = ( Jumlah Kasus x 100) / Jumlah tenaga kerja terpapar

Contoh : Masih melanjutkan kasus diatas

Incidence Rate = ( 46 x 100 ) / 500 = 9,2%

5. Frequency Severity Indicator (FSI)

Frequency Severity Indicator adalah kombinasi dari frekwensi dan severity rate.
Rumus:

FSI = ( Frekwensi Rate x Severity Rate) / 1,000

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: 

Safe-T Score =(Frekwensi Rate Sekarang – Frekwensi Rate Sebelumnya ) /

( ( Frekwensi Rate Sebelumnya)/ Juta jam kerja orang sekarang))

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

Tahun ini -15 kasus kecelakaan

10,000 jam orang kerja
Frekwensi Rate = 1,500

========================
Lokasi B
-------------------------------------------------
Tahun lalu – 1000 kasus kecelakaan
1000,000 jam orang kerja
Frekwensi Rate = 1,000

Tahun ini – 1,100 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.

6. Pemantauan Dengan Grafik Statistik (Control Chart Technique)

Fluktuasi kejadian dalam statistik merupakan hal yang biasa, yang menjadi
pertanyaan dalam hal ini apakah fluktuasi kejadian tersebut masih dalam rentang
sesuai ketentuan yang ditetapkan ataukah keluar dari rentang yang ditetapkan.
Dengan dasar ini kita dapat menggunakan statistik untuk aplikasi pengendalian
suatu aspek K3. Dengan diketahuinya batas-batas rentang (batas atas dan batas
bawah) yang ditentukan dapat memberikan informasi kepada pengelola, bahwa
suatu aspek K3 tersebut terkendali atau tidak terkendali. Contoh penggunaan
statistik untuk pengendalian aspek K3 dapat dilihat di lampiran.

Aspek-aspek K3 yang dapat ditetapkan batas-batasnya meliputi:

• Hasil pengamatan perilaku tidak selamat, Frekwensi rate, Severity rate, FSI, Dll

Contoh penerapan Chart Control ini dapat dilihat pada lampiran.

Setelah data-data dihitung, kemudian dibuatlah grafik (chart), apabila ditemukan
dari salah satu aspek K3 yang melewati batas-batas yang ditentukan, maka hal ini
merupakan informasi untuk pengelola.

7. Safety Sampling (Survey K3)

Yang dimaksud Safety Sampling adalah mendapatkan data dengan cara observasi ke
 lapangan. Sebelum dilakukan observasi, terlebih dahulu ditetapkan apa yang mau
diobservasi. Setelah itu tulis semua elemen yang akan menjadi obyek obaservasi.
Misalnya observasi cara kerja/perilaku yang tidak selamat, maka sebelumnya kita
tentukan jenis aktifitas apa saja yang tergolong '‘unsafe-act'’ Baru setelah ditentukan
maka dilakukanlah observasi dengan turun dilakukan. Setiap hasil observasi/temuan
harus dicatat dalam bentuk turus sehingga nantinya memudahkan membuat
prosentase hasil pengamatan.

Untuk mendapatkan hasil pengamatan yang akurat maka masing-masing aspek

amatan perlu divalidasi, dengan kata lain dihitung jumlah amatan minimum sehingga
hasil amatan tersebut merupakan hasil yang akurat. Untuk menentukan jumlah
amatan yang representatif digunakan rumus sebagai berikut:

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