MAKALAH

“BIOSTATISTIK DAN KEPENDUDUKAN’’

Disusun Oleh:

NAMA: NURISLAMIA RAMADHANI

NIM: (14120210057)

KELAS: B3

JURUSAN KESEHATAN MASYARAKAT

FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS MUSLIM INDONESIA

MAKASSAR

ANGKATAN 2021
 DAFTAR ISI

KATA PENGANTAR………………………………………………………………………………………………………….i

DAFTAR ISI………………………………………………………………………………………………………………………ii

BAB I PENDAHULUAN

A. Latar Belakang…………………………………………………………………………………………………..1
B. Rumusan Masalah………………………………………………………………………………………………1
C. Tujuan ……………………………………………………………………………………………………………….1

BAB II PEMBAHASAN

A. Statistic deskriptif ……………………………………………………………………………………………..2

B. Probabilitas………………………………………………………………………………………………………..3
C. Estimasi………………………………………………………………………………………………………………4
D. Uji statistic………………………………………………………………………………………………………….5
E. Sampling……………………………………………………………………………………………………………..5

BAB III PENUTUP

A. Kesimpulan…………………………………………………………………………………………………..6

DAFTAR PUSTAKA………………………………………………………………………………………………………………
1O
 KATA PENGANTAR

Puji dan syukur selalu kita panjatkan kepada Allah SWT. Yang telah melimpahkan
rahmat hidayah dan inayah-nya kepada kita, sehingga saya dapat menyelesaikan makalah ini
yang berjudul “BIOSTATISTIK DAN KEPENDUDUKAN”. Ini dalam bentuk maupun
isinya sederhana. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk
maupun pedoman bagi pembaca dan penulis meningkatkan kependudukan.

Harapan saya semoga makalah ini membantuh menambah pengetahuan dan

pengalaman bagi para pembaca, sehingga saya dapat memperbaiki bentuk maupun isi
makalah ini sehingga kedepannya lebih baik.

Tujuan saya menulis makalah ini yang utama untuk memenuhi tugas dari dosen
saya Dr. Nur Ulmy Mahmud, S.K.M.,Kes. Dalam mata kuliah DASAR ILMU
KESEHATAN MASYARAKAT

Makalah ini saya akui masih banyak kekurangan karena pengalaman yang saya
miliki sangat kurang. Oleh kaena itu saya harapkan kepada para pembaca untuk memberikan
masukan yang bersifat membangun untuk kesempurnaan makalah ini.

Makassar, 3 November

Penyusun

BAB I

PENDAHULUAN

A. LATAR BELAKANG MASALAH

Masalah kependudukan merupakan hal paling mendasar dalam pembangunan.
Dalam nilai universal, penduduk merupakan pelaku dan sasaran pembangunan
sekaligus yang menikmati hasil pembangunan. Dalam kaitan peran penduduk
tersebut, kualitas mereka perlu ditingkatkan melalui berbagai sumber daya yang
melekat, dan perwujudan keluarga kecil yang berkualitas, serta upaya untuk
menskenario kuantitas penduduk dan persebaran kependudukan.
B. RUMUSAN MASALAH
Pada makalah ini akan dibahas mengenai Biostatistik Dan Kependudukan
 Statistic deskriptif
 Probabilitas
 Estimasi
 Uji statistic
 Sampling

C. TUJUAN PENULISAN
Melalui makalah ini, penulis bertujuan untuk memberikan sedikit pemahaman
tentang Biostatil Dan Kependudukan kepada pembaca dan mampu bermanfaat
dalam menjalani kehidupan sehari-hari.

BAB II

PEMBAHASAN

1. Statistik

Statistik merupakan salah satu cabang dari ilmu matematika yang di

dalamnya mempelajari suatu pengukuran, observasi dan analisis. Statistik

mempunyai arti dasar yaitu suatu data ringkasan yang berbentuk angka. Sebagai

contoh kecil adalah mengenai data tentang penduduk, data tentang guru-guru
atau data tentang mahasiswa di perguruan tinggi. Dalam arti yang lebih dalam,

statistik adalah suatu ilmu yang mempelajari mengenai bagaimana cara

mengumpulkan data, mengolah data, menyajikan data dan menganalisi data

dengan mempertimbangkan unsur ketidakpastian berdasarkan konsep

probabilitas.(Hilgers et al., 2019)

Statistik dalam hal ini juga bisa digunakan dalam pengambilan keputusan,

berdasarkan data-data yang bisa dipertanggungjawabkan tentunya. Lebih jelas

lagi bahwa statistik ini mampu untuk memuaskan suatu teori dan metode dalam

perkembangan suatu ilmu riset. Dalam ilmu riset tidak terlepas dari ilmu statistik,

oleh karena itu statistik dan riset sangat erat kaitannya, sehingga tidak bisa

dipisahkan.(Hilgers et al., 2019)

Semakin berkembang pesatnya suatu ilmu, maka aplikasi statistik hadir

dalam kebutuhan teknik-teknik yang beraneka ragam untuk permasalahan yang

berbeda. Statistik selalu memberikan alternatif solusi dalam melakukan

peramalan, sebagai dasar perencanaan dan pengujian hipotesis, yang

bermanfaat dalam riset berkaitan dengan pengambilan keputusan dalam

memecahkan suatu permasalahan penelitian. Untuk keperluan riset, statistik

mampu menyediakan metode pengumpulan data, pengolahan data, penyajian

data, metode analisis data dan pengujian hipotesis serta metode ramalan

interval. (Hilgers et al., 2019)

Statistik sendiri berasal dari kata “status” dalam bahasa latin, yang sama

artinya dengan kata “state” (bahasa inggris) yang berarti adalah negara. Awal

mula suatu kata statistik, diartikan mengenai suatu kumpulan keterangan yang
berupa angka ataupun non angka tetapi memiliki arti yang penting dan berguna

untuk negara. Setelah berkembangnya suatu ilmu, maka statistik dijadikan

sebagai kumpulkan keterangan yang hanya berupa angka dan memberikan

gambaran mengenai keadaan, peristiwa atau gejala tertentu.(Hilgers et al., 2019)

Dalam pengertian di atas, bisa diambil contoh adalah mengenai statistik

penduduk, statistik pendidikan, statistik perdagangan, statistik tenaga kerja dan

sebagainya. Sebagai contoh penjabarannya adalah pada statistik penduduk,

sebagai bentuk kumpulan keterangan berupa angka yang berkaitan dengan

kegiatan di bidang kependudukan. Misalnya dalam lingkup jumlah penduduk,

rata-rata umur penduduk, angka kelahiran, angka kematian dan yang lainnya.

Penerapan ilmu statistika begitu banyak diterapkan dalam berbagai disiplin

ilmu-ilmu, (Hilgers et al., 2019)diantaranya yaitu :

a. Bidang ilmu alam (contohnya bidang astronomi, bidang biologi)

b. Bidang ilmu sosial (contohnya bidang sosiologi, bidang psikolog)

c. Bidang bisnis, industri dan ekonomi.

d. Sensus penduduk, dalam hal ini adalah pemerintahan untuk berbagai macam

tujuan tertentu.

e. Dalam jajak pendapat atau polling (contohnya dalam pemilihan umum)

f. Dalam jajak cepat (contohnya dalam perhitungan cepat hasil pemilu) atau

quick count.

g. Bidang komputasi yaitu statistika dapat pula diterapkan dalam pengenalan

pola maupun kecerdasan buatan.

2. Tujuan dari Statistik

a. Menjelaskan Hubungan Antar Variabel

Dalam data kuantitatif, setelah data dikumpulkan, kemudian data

tersebut di olah dan disajikan, untuk pengambilan keputusan dalam suatu

organinsasi. Oleh karena itu diperlukan kemampuan untuk menyaring jumlah

yang besar tersebut agar dapat menjabarkan hubungan antar variabel dalam

pengambilan keputusan. Sebagai contoh mengenai kebutuhan analisis

statistik dalam menjelaskan hubungan antar variabel, jika ada seorang

enterpreneur, dengan mengumpulkan data pendapatan dan biaya dapat

membandingkan hasil pengembalian investasinya dalam satu periode dengan

data dari periode-periode sebelumnya. (Hilgers et al., 2019)

b. Membuat Keputusan Lebih Baik

Seseorang bisa menggunakan dan memberdayakan ilmu statistik dalam

alat bantu sehingga menghasilkan keputusan yang lebih baik dari kondisi

ketidakpastian sebelumnya.

c. Mengatasi Perubahan-Perubahan

Globalisasi memungkinkan terjadinya perubahan dalam berbagai hal.

Tetapi data statistik dapat membantu dalam mengatasi perubahan yang

terjadi.

d. Membuat Rencana dan Ramalan-ramalan

Perencanaan adalah serangkaian tindakan yang akan dilakukan di masa

yang akan datang, dengan didasari perkiraan tentang kejadian-kejadian atau

hubungan-hubungan di masa yang akan datang. Sehingga diperlukan proses

atau teknik peramalan untuk memperoleh perkiraan tentang masa depan.

Prosedur statistik ini dapat membantu meningkatkan proses peramalan

(forecasting).(Hilgers et al., 2019)

3. Tahapan-tahapan Statistik

Dalam ilmu statistik, ada beberapa tahapan-tahapan sebagai metode yang

harus dipahami dengan baik,(Hilgers et al., 2019) yaitu sebagai berikut :

a) Pengumpulan Data

b) Penyusunan Data

c) Penyajian Data

d) Analisis Data

e) Interpretasi Data

Kelima tahapan di atas, akan dijabarkan rangkaiannya secara jelas sebagai

berikut ini (Hilgers et al., 2019):

a) Pengumpulan Data (Collection of Data)

Tahap pertama dalam kegiatan statistik adalah mengumpulkan data,

dalam hal ini ada dua cara, pertama data bisa dikumpulkan dengan cara

sensus, dan kedua dengan cara penentuan sampel.

1) Data Sensus

Data sensus adalah cara pengumpulan data dengan meneliti semua

anggota secara keseluruhan sebagai obyek dari riset tersebut. Cara

sensus ini dibentuk sebagai pencatatan data secara menyeluruh, tanpa

terkecuali. Dalam hal ini, semua anggota yang dijadikan objek dalam

penelitian dinamakan populasi.

Semua anggota atau dalam hal ini adalah populasi, yang menjadi
objek penelitian, dalam pengumpulan data menggunakan cara sensus

tentu memerlukan waktu yang banyak, tenaga dan biaya yang tidak sedikit,

terlebih apabila populasi besar. Hal itu merupakan salah satu kelemahan

apabila menggunakan cara sensus, tetapi cara sensus juga mempunyai

kelebihan yaitu hasil penelitian yang diperoleh akan menghasilkan data

(nilai) yang sesungguhnya.

2) Data Sampel

Data sampel adalah cara mengumpulkan data dengan mengambil

sebagian dari semua anggota, sehingga dalam hal ini sampel adalah

bagian dari populasi. Cara sampel ini menjadikan obyek penelitian adalah

sebagain kecilnya saja, dengan memilih dan mencatat sebagian dari

semua anggota. Untuk cara data sampel ini, akan menghasilkan data

perkiraan (estimate value), yang nantinya bisa ditaksir atau diperkirakan

karakteristik dan sifat yang sesungguhnya dari bagian populasi yang diteliti.

Dalam menghasilkan nilai taksiran yang baik, maka sampel tersebut

harus memiliki sifat representatif, artinya adalah data tersebut bisa

mencerminkan atau mewakili dari populasinya. Bagaimana cara

memperoleh data yang representatif? Jawabannya adalah dengan suatu

metode atau cara yanag bisa ditempuh, yaitu dengan metode penarikan

sampel, yang akan lebih detail di bahas pada statiatsika inferensial.

Berdasarkan pengambilan anggota dalam objek penelitian hanya

sebagian dari populasi, maka pengumpulan data ini menjadi lebih

diandalkan, karena hemat secara biaya, tenaga dan waktu. Adapun

kelemahannya adalah jika sampel tersebut tidak representatif, sehingga

kesimpulan menjadi tidak sesuai dengan kenyataan atau penelitian

tersebut bias.

b) Penyusunan Data (Organization of Data)

Dalam penyusuan data ini, merupakan proses lanjutan dari tahap yang

pertama. Setelah data dikumpulkan, maka data tersebut disusun dengan rapi

supaya mudah untuk dibaca secara visual. Dalam tahapan ini, ada tiga cara

yang bisa digunakan, yaitu dengan mengedit, dengan mengklarifikasi dan

dengan tabulasi data.

Tahapan edit data artinya data diperiksa kembai mengenai daftar

pertanyaan yang sudah diisi. Gunanya untuk mengetahui apakah daftar

pertanyaan tersebut sudah diisi dengan sesuai atau belum, tentunya

disesuaikan dengan tema dalam penelitian tersebut.

Tahapan mengklarifikasi adalah data dipisahkan berdasarkan sifat-sifat

yang dimiliki oleh data tersebut. Dan tahapan ketiga yaitu tabulasi data,

artinya data dikelompokkan sesuai dengan sifat dan kaidah data tersebut,

dan disusun secara distribusi frekuensi, sehingga data tersebut akan mudah

untuk ditarik kesimpulan.

c) Penyajian Data (Presentation of Data)

Tahap penyajian data artinya data yang telah disusun, bisa disajikan

dan disebarluaskan dengan mudah secara visual. Dalam hal ini penyajian

data bisa dengan tabel, diagram, grafik ataupun yang lainnya.

d) Analisis Data (Analysis of Data)

Setelah data dikumpulkan, kemudian disusun dan disajikan, langkah

berikutnya adalah di analsisis. Dalam analisis data disini, digunakan untuk

memperoleh gambaran secara keseluruhan dari data yang sudah

dikumpulkan.

e) Interpretasi Data (Interpretation of Data)

Suatu data secara keseuluruhan tersebut setelah memperoleh

gambaran, maka perlu di interpretasikan dengan baik, agar memperoleh

suatu kesimpulan yang benar.

4. Kegunaan dan Fungsi Statistik

Statistik itu sendiri memiliki fungsi sebagai alat yang bisa mempermudah,

terutama dalam pelaku ekonomi dan bisnis, dan khususnya dalam pengambilankeputusan.
Sebagai alat bantu tersebut, statistik bisa digunakan dalam

mengumpulkan data, menyusun data, mengolah data, menyajikan data sehingga

menampilkan suatu keputusan yang benar. Dalam hal ini maka kegunaan dan

fungsi statistik adalah sebagai berikut :

a) Statistik bisa dijadikan sebagai pelaku ekonomi dan bisnis, dengan alih

membantu membuat keputusan dalam memperoleh suatu gambaran

mengenai peritiwa, atau keadaan yang umum maupun khusus.

b) Statistik juga bisa bermanfaat dalam perkembangan dunia bisnis dan

ekonomi dari waktu ke waktu, mengenai kejadian atau peritiwa yang akan

dan sedang terjadi.

c) Statistik bisa digunakan untuk menyusun beberapa laporan, tentunya

dengan data kuantitatif secara ringkas, jelas dan terarah.

d) Statistik juga bisa mengetahui apakah ada gejala dalam ekonomi dan bisnis

yang berhubungan dengan gejala atau kejadian yang lainnya.

e) Terpenting adalah statistik bisa digunakan dalam menganalisis pengujian,

dengan menarik kesimpulan yang berarti dalam pengambilan keputusan

pada kejadian ekonomi dan bisnis, dan bisa meramalkan beberapa hal yang

akan terjadi di masa yang akan datang, dengan di pertanggung jawabkan

secara ilmiah.

Di negara Indonesia dalam menangani masalah-masalah yang berkaitan

dengan statistik, pemerintah membentuk Badan Pusat statistik (BPS), yaitu suatu

lembaga pemerintah non departemen, dimana bertanggungjawab langsung

kepada Presiden. Peranan yang harus dijalankan oleh BPS adalah sebagai

berikut:

a) Menyediakan kebutuhan data bagi pemerintah dan masyarakat, dalam hal ini,

data didapatkan dari sensus atau survei yang dlakukan sendiri oleh

departemen atau lembaga pemerintah lainnya sebagai data sekunder.

b) Membantu kegiatan statistik departemen, lembaga pemerintah atau institusi

lainnya dalam membangun sistem perstatistikan nasional.

c) Statistik juga mengembangkan dan mempromosikan standar teknis dan

metodologi statistik serta menyediakan pelayanan pada bidang pendidikan

dan pelatihan statistik.

d) Membangun kerjasama dengan intitusi nasional dan negara lain untuk

kepentingan perkembangan satistik Indonesia

5. Peran Komputer dalam Statistik

Komputer dapat secara efisien digunakan pada setiap operasi pengolahan

yang memiliki satu atau lebih karakteristik, yaitu sebagai berikut:

a. Jumlah input yang besar

Semakin besar jumlah data yang harus diolah untuk menghasilkan informasi

yang diperlukan, pengolahan dengan komputer menjadi semakin ekonomis

 dibandingkan dengan alat bantu lain.

b. Proyek yang repetitif

Terkait dengan biaya dalam menyiapkan tugas, yang paling ekonomis

adalah menggunakan komputer untuk proyek-proyek yang berulang.

c. Diperlukan kecepatan tinggi dalam pengolahan

Semakin besar kebutuhan akan informasi tepat waktu, maka semakin besar

nilai komputer dibandingkan dengan metode-metode lainnya.

d. Diperlukan ketepatan yang besar

Pengolahan komputer akan cukup tepat jika tugas yang harus dilaksanakan

sudah disiapkan dengan matang.

e. Mengolah hal-hal kompleks yang memerlukan bantuan elektronik

Dalam beberapa situasi yng melibatkan jumlah besar variabel yang

berinteraksi, maka tidak ada alternatif lain selain komputer.

Dalam dunia komputer, ada beberapa program atau aplikasi yang bisa

digunakan dalam membantu statistik, antara lain Minitab, SPSS, STATA, SAS,

EVIEWS dan SEM yang tersedia secara luas dan mudah di dapatkan. Aplikasi

atau program tersebut digunakan dalam menganalisis statistik dari data yang

kecil sampai data yang besar atau banyak. Disamping itu, ada beberapa paket

spreadsheet seperti Microsoft Excel dan Quatropro yang mempunyai

kemampuan analisis statistik bersifat umum dan terbatas.

Statistik itu sendiri dapat dibedakan menjadi dua macam, yaitu statistik

deskriptif dan statistik Inferensial. Adapun penjabarannya adalah :

a) Statistik Deskriptif

Statistika deskriptif bisa dikenal juga sebagai statistik deduktif, artinya

statistika yang tingkat kegunaannya mencakup cara-cara mengumpulkan

data, menyusun atau mengatur data, mengolah data, menyajikan data dan

menganalisis data angka. Dalam hal ini agar bisa memberikan gambaran

yang teratur, ringkas dan jelas, mengenai keadaan, peristiwa atau gejala

tertentu sehingga dapat ditarik pengertian atau makna tertentu.

Dengan kata lain, bahwa statistika deskriptif ini hanya menggambarkan

atau mendeskripsikan karakteristik atau sifat-sifat yang dimiliki oleh

sekelompok atau serangkaian data (baik itu data sampel maupun data

populasi), tanpa melakukan generalisai (yaitu menarik suatu kesimpulan

umum berdasarkan informasi data sampel yang dikenakan kepada populasi

induknya).

Statistik deskriptif menjadi bagian cabang yang terpenting dari ruang

lingkup statitsik, karena dapat digunakan secara terus menerus dalam bidang

ekonomi, bisnis ataupun yang lain. Statistik deskriptif merupakan sekumpulan

prosedur dasar atau sebagai metode dalam beberapa hal berikut ini :

1) Mengumpulkan data

2) Mengorganisasikan data

3) Menyajikan data

4) Menganalisis data

5) Menginterpretasikan data

Kelima dasar tersebut menjadi poin dalam hal menganalisis dan menafsirkan,

tetapi tidak terdapat dalam menarik kesimpulan secara umum.

Statistik deskriptif terfokuskan dalam membahas mengenai cara

mengumpulkan data, menyederhanakan angka yang diamati atau diperoleh,

dalam hal ini meringkas dan menyajikan. Statistik juga melakukan pengukuran

pemusatan dan penyebaran data, guna memperoleh gambaran atau informasi

yang lebih menarik dan mudah dipahami.(Hilgers et al., 2019)

Statistik deskriptif ini memiliki beberapa kegunaan, khususnya dalam

penelitian bidang ilmu sosial(Hilgers et al., 2019), adalah sebagai berikut :

1). Dengan adanya statistik, maka pengumpulan data yang diperoleh akan

tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari

kumpulan data yang ada.

2). Dengan adanya statistik, memungkinkan peneliti menyajikan ataupun

menggambarkan datanya dengan teknik grafik maupun teknik numerik.

3). Statistik juga memungkinkan peneliti mengukur dua karakteristik dari

setiap respondennya dan selanjutnya meneliti hubungan di antara kedua

karakteristik (variabel) tersebut.

4). Statistik deskriptif memegang peranan penting dalam persiapan analisis

data. Analisis ini dilakukan sebelum peneliti menerapkan statistikainferensial terhadap

data penelitiannya. Istilah lain yang digunakan untuk

tahap persiapan ini adalah exploratory data analysis(Hilgers et al., 2019).

b) Statistik Inferensial

Kebalikannya dengan statistik deduktif, maka statistik inferensial juga

bisa dikenal sebagai statistik induktif. Statistika inferensial adalah ilmu statistik

yang menyediakan aturan atau suatu metode yang digunakan untuk

meramalkan, menaksir, dan mengambil suatu kesimpulan yang bersifat

umum. Statistika inferensial bertujuan sebagai alat praduga dari parameter

populasi dan pengujian hipotesis. (Hilgers et al., 2019)

 Teori peluang memegang peranan penting dalam statistika Inferensial.

Statistika inferensial sifatnya lebih mendalam dan merupakan tindak lanjut dari

statistika deskriptif. Statistika deskriptif merupakan dasar dari ilmu statistik

secara keseluruhan. Oleh karena itu untuk dapat mempelajari atau memahami

statistik inferensial, seseorang harus terlebih dahulu mempelajari statistika

deskriptif dengan baik.

Statistika inferensial akan membahas bagaimana cara menganalisis

data dengan pengambilan kesimpulan. Statistika inferensial menjadi sebuah

metode yang berkaitan dengan analisis sebagian data, bahkan sampai ke

peramalan atau penaksiran dalam menarik kesimpulan di keseluruhan data

yang akan di teliti. Sebagian data dalam variabel dinamakan dengan sampel,

kemudian untuk data secara keseluruhan dinamakan dengan populasi.

Pada statistika inferensial ini akan selalu ada pendugaan parameter,

ada penduga hipotesis dan menguji hipotesis tersebut sampai menemukan

kesimpulan yang berlaku secara umum. Ini dinamakan statistik induktif karena

informasi bisa di tarik kesimpulan dengan data sebagian saja yang dianggap

sudah mewakili data secara keseluruhan.(Hilgers et al., 2019)

c) Statistika Parametrik dan Nonparametrik

Statistika inferensial dibagi menjadi dua macam, yaitu statistik

parametrik dan statistik non parametrik. Untuk statistika parametrik

merupakan bagian dari statistika inferensial yang mempertimbangkan nilai

dari satu atau lebih parameter populasi. Sehubungan dengan kebutuhan

inferensialnya, pada umumnya statistika parametrik membutuhkan data yang

berskala pengukuran minimal interval. Selain itu, penurunan prosedur dan

penetapan teorinya berpijak pada asumsi spesifik mengenai bentuk distribusi

populasi yang biasanya diasumsikan normal.(Hilgers et al., 2019)

Statistika nonparametrik merupakan bagian dari statistika inferensial,

yang tidak selalu memperhatikan suatu nilai dari satu atau lebih parameter

populasi. Pada umunya, suatu validitas dalam statistik inferensial ini tidak

selalu bergantung pada peluang yang spesifik dari populasi itu sediri. Statistik

non parametrik ini mampu menyediakan suatu metode yang bisa

menganalisis data berdistribusi yang tidak di asumsikan berdistribusi normal.

Dalam hal ini data yang sering digunakan dalam statistik non parametrik

adalah yang berskala ukur nominal dan ordinal.(Hilgers et al., 2019)

2. Probabilitas

Probabilitas atau peluang adalah cara untuk mengungkapkan pengetahuan atau

kepercayaan bahwa suatu kejadian akan berlaku atau telah terjadi. Konsep ini telah
dirumuskan dengan lebih ketat dalam matematika, dan kemudian digunakan secara lebih luas
tidak hanya dalam matematika atau statistika, tetapi juga keuangan, sains dan filsafat.

Sekarang ini, kurikulum yang digunakan di Universitas Muhammadiyah Surakarta adalah

KTSP yaitu kurikulum operasional yang disusun dan dilaksanakan oleh masing-masing
satuan pendidikan dengan mempertimbangkan kebutuhan-kebutuhan yang diperlukan oleh
dosen dan peserta didik, salah satu materi yang diberikan adalah probabilitas. Menurut
Soedibjo (2005) peluang adalah suatu cara untuk menyatakan kesempatan terjadinya
peristiwa.(Astuti et al., 2015)

Saat belajar matematika, kesalahan mempelajari suatu konsep terdahulu akan

berpengaruh terhadap pemahaman konsep berikutnya karena matematika merupakan
pelajaran yang terstruktur. Hudojo (2005: 3) menyatakan bahwa matematika berkenaan
dengan ide-ide atau konsep- konsep abstrak yang terstruktur secara hirarkis dan penalaranya
deduktif. Begitu juga pada materi peluang. Konsep materi pada peluang pada awalnya di
perkenalkan di tingkat SMP/MTS, dan kemudian konsep selanjutnya diajarkan pada tingkat
SMA/MA. Dengan adanya konsep baru yang diajarakan, siswa seringkali melakukan
kesalahan dalam mengerjakan soal dengan konsep yang belum pernah diterima pada jenjang
sebelumnya tersebut. Fenomena ini juga terjadi di Universitas Muhammadiyah Surakarta
yang menggunakan kurikulum KTSP. Berdasarkan hasil wawancara dengan guru bidang
studi matematika yang dilakukan peneliti, didapatkan informasi bahwa banyak mahasiswa
semester IV mendapatkan nilai kurang memuaskan dalam materi probabilitas yang diajarkan.
Hal ini dikarenakan para mahasiswa kebingungan dalam membedakan menggunakan rumus
antara permutasi dan kombinasi.(Astuti et al., 2015)

Menurut Budiyono (2008: 42) jenis-jenis kesalahan umum yang dilakukan siswa dalam
menyelesaikan soal-soal matematika antara lain kesalahan konsep, kesalahan menggunakan
data, kesalahan intepretasi bahasa, kesalahan teknis,dan kesalahan penarikan kesimpulan.
Rendahnya kemampuan matematika dapat dilihat dari penguasaan siswa terhadap materi.
Salah satunya adalah siswa kesulitan untuk menyelesaikan masalah matematika pada soal
cerita materi peluang. (Astuti et al., 2015)

Berdasarkan hasil penelitian yang dilakukan oleh Ulifa (2014) didapatkan bahwa
siswa melakukan lima macam kesalahan antara lain kesalahan dalam menafsirkan konsep
materi terkait, kesalahan dalam memahami dan mencermati perintah soal, kesalahan karena
tidak melanjutkan proses penyelesaian, kesalahan dalam menyelesaikan soal, dan kesalahan
siswa yang tidak bisa membagi waktu dalam menyelesaikan soal. Selanjutnya, Sahriah, dkk
(2012) menyatakan bahwa siswa melakukan kesalahan konseptual dan prosedural. Kesalahan
konseptual yang berupa kesalahan tidak menyamakan penyebut, kesalahan konsep perkalian
silang, kesalahan tidak memfaktorkan, siswa salah menafsirkan prinsip pencoretan.
Kesalahan prosedural yang dilakukan siswa adalah berupa kesalahan tidak menuliskan
variabel, kesalahan penjumlahan atau kesalalahan perkalian atau keasalan pembagian,
kesalahan tidak menyederhanakan, kesalahan tidak menjawab soal, kesalahan menuliskan
tanda dan kesalahan memfaktorkan.(Astuti et al., 2015)

Hasil Penelitian Komarudin (2016) menganalisis tentang kesulitan siswa dalam proses
pemecahan masalah matematika pada materi peluang berdasarkan high order thinking dan
pemberian scaffolding. Berdasarkan analisis, kesalahan yang dilakukan oleh siswa dalam
mengerjakan soal pemecahan masalah matematika materi peluang berdasarkan langkah Polya
dihasilkan dalam proses memahami masalah sebesar 100%, menyusun rencana 81%,
melaksanakan rencana 81% dan memeriksa kembali solusi sebesar 100%. Tipe kesalahan
yang paling sering dilakukan oleh siswa dalam mengerjakan soal pemecahan masalah
matematika materi peluang antara lain, dalam proses memahami masalah yaitu kesalahan
dalam menentukan apa yang diketahui dan ditanyakan, dalam proses menyusun rencana yaitu
tidak menuliskan langkah-langkah yang digunakan dalam menyelesaikan masalah serta siswa
menuliskan langkah yang digunakan dalam menyelesaikan masalah tetapi tidak sesuai dengan
permasalahan, kesalahan dalam melaksanakan rencana yaitu tidak menuliskan rumus yang
digunakan, kesalahan dalam menentukan kesimpulan yaitu tidak menuliskan kesimpulan
yang diberikan, kesalahan dalam memeriksa kembali solusi yaitu tidak melakukan
perhitungan ketika memeriksa kembali solusi. Hasil Penelitian Muhamad Porwanto (2014)
tentang kesalahan siswa dalam menyelesaikan masalah matematika bentuk soal cerita materi
peluang. Siswa mengalami beberapa kesalahan yaitu kesalahan konsep, kesalahan prinsip dan
kesalahan operasi siswa menyelesaikan soal cerita materi peluang. (Astuti et al., 2015)

3. Estimasi

Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai populasi
dengan memakai nilai sampel.(Nielsen, 2009)

• Estimator adalah Nilai penduga/ suatu statistik (median, modus, rerata, varian, deviasi
standard, proporsi dll.) sampel yang digunakan untuk mengestimasi suatu
parameter(median,modus, rerata, varian, deviasi standard, proporsi dll.) populasi.

• Estimate adalah nilai (value) tertentu dari estimator.

 Konsep Dasar Estimasi Interval Mean Populasi

Estimasi Interval (Interval estimation) adalah suatu interval yang menyatakan selang
dimana suatu parameter populasi mungkin berada.(Nielsen, 2009)

Estimasi Interval

• Adalah suatu estimasi terhadap parameter populasi dengan memakai range (interval nilai)

• Hasil merupakan sekumpulan angka dan akan lebih objektif

• Menyatakan berapa besar tingkat kepercayaan bahwa interval yang terbentuk memang
mengandung nilai parameter yang diduga

• Peneliti bebas menentukan interval kepercayaan (90%, 95%, 99%)

• Semakin besar tingkat kepercayaan yang diberikan, semakin tinggi tingkat kepercayaan
bahwa parameter populasi yang diestimasi terletak dalam interval yang terbentuk, namun
penelitian menjadi semakin tidak teliti.(Nielsen, 2009)

Interval Kepercayaan dan Daerah Penolakan

• Interval kepercayaan 99% : interval mulai dari titik 10 s/d 100 (range sebesar 90)–
kemungkinan bahwa parameter populasi (misal 50) akan berada pada interval yang terbentuk
semakin besar.

• Interval kepercayaan 95% : interval yang terbentuk mengecil (25–75) dengan range 50.

• Interval kepercayaan 90% : interval semakin mengecil (40– 60) dengan range 20.

• Semakin kecil/sempit interval kepercayaan, maka kemungkinan bahwa parameter akan

berada pada interval yang akan terbentuk akan semakin kecil (range sempit), namun
ketelitiannya semakin tinggi(Nielsen, 2009)

Interval Kepercayaan dan Daerah Penolakan

• Ketelitian bisa dikaitkan dengan alpha (daerah penolakan)

• Misal, apabila ditetapkan interval kepercayaan sebesar 95% maka alpha sebesar 5% (100%-
95%).

– Artinya bahwa diberikan toleransi untuk melakukan kesalahan sebanyak 5 kali dalam 100
kali percobaan.

• Interval kepercayaan 90% (alpha 10%) diberikan toleransi untuk melakukan kesalahan
sebanyak 10 kali dari 100 kali percobaan.

• Maka interval kepercayaan 95% akan lebih teliti dibanding interval 90% (alpha 0.10).
(Nielsen, 2009)

4. Uji Statistic

Dalam pengujian hipotesis, yang diuji adalah hipotesis nol (null hypothesis; H0),
meskipun yang kita susun adalah hipotesis alternatif (Ha). Penentuan teknik analisis statistik
untuk pengujian hipotesis ditentukan oleh skala/jenis data (nominal, ordinal, atau
interval/rasio). Untuk jenis data nominal atau ordinal, menggunakan statistik non-parametrik.
Untuk data interval/rasio dapat menggunakan statistik parametrik apabilamemenuhi asumsi
normalitas; bila asumsi normalitas tidak terpenuhi, maka harus menggunakan statistik non-
parametrik dengan menurunkan/ mengubah jenis datanya (menjadi ordinal atau nominal).
Hipotesis juga harus ditentukan apakah bersifat berarah (directional hypothesis; one-tail
hypothesis) atau tidak berarah (non-directional hypothesis; two-tail hypothesis).
Hipotesis berarah maksudnya hipotesis secara spesifik menyatakan “lebih tinggi”, “lebih
rendah”, “positif”, “negatif”, dsb; sedangkan hipotesis tidak berarah menyatakan “ada
hubungan”, “ada pengaruh”, “ada perbedaan”, dsb. Ada atau tidaknya arah hipotesis ini akan
menentukan keputusan untuk menerima atau menolak H0.(Statistik et al., 2019)

 Perlu uji normalitas

Apabila kedua variabel memiliki jenis data yang berbeda, maka gunakan jenis data
yang paling rendah (ubah data). Misal, hubungan jenis data
interval dan jenis data ordinal, maka gunakan korelasi Spearman (ubah data interval
menjadi data ordinal). Pengecualian untuk data interval dan
data nominal dikotomi, misal hubungan inteligensi dan jenis kelamin; maka gunakan
korelasi point biserial (variasi dari korelasi Pearson, untuk
data berisi 0 dan 1). (Statistik et al., 2019)
Hipotesis asosiatif hanya menunjukkan adanya hubungan korelasional tanpa
menunjukkan kausalitas/sebab-akibat/pengaruh.(Statistik et al., 2019)

Membandingkan koefisien korelasi dari dua kelompok berbeda

Contoh: hubungan penerimaan teman sebaya dan prestasi pada remaja laki-laki dan remaja
perempuan.

Pada penelitian di atas akan diperoleh 2 koefisien korelasi dari 2 kelompok berbeda, yaitu
korelasi di remaja laki-laki dan korelasi di remaja perempuan. Langkah berikutnya, tentukan
signifikansi pada masing-masing korelasi. Bila hanya salah satu korelasi yang signifikan
(misal, hubungan penerimaan teman sebaya dan prestasi pada remaja laki-laki), maka dengan
mudah kita dapat katakan hubungan penerimaan teman sebaya dan konsep diri hanya terjadi
pada remaja laki-laki, dan tidak terjadi hubungan kedua variabel pada remaja perempuan.
Namun, apabila kedua korelasi signifikan, yang harus dilakukan selanjutnya adalah
menentukan apakah perbedaan kedua korelasi tersebut signifikan, sehingga kita dapat
katakan hubungan kedua variabel pada remaja laki-laki lebih besar (atau lebih kecil)
dibandingkan pada remaja perempuan. Apabila tidak ditemukan perbedaan nilai korelasi
yang signifikan, maka dapat dikatakan bahwa kedua korelasi sama besar. (Statistik et al.,
2019)

Langkah yang dilakukan menurut Field (2009):

1. Agar dapat dibandingkan, ubah masing-masing r menjadi zr dengan formula:

Formula di atas dapat dihitung dengan bantuan Ms. Excel dengan function “=fisher(r)”,
dimana r adalah nilai korelasi yang akan diubah

menjadi zr.

2. hitung perbedaan z antara kedua r (zdiff), dengan formula:

Dimana: zr1 = nilai z dari korelasi di kelompok 1; zr2 = nilai z dari korelasi di kelompok 2;

N1 = jumlah anggota kelompok 1; N2 = jumlah anggota kelompok 2.

3. untuk taraf signifikansi 5%, maka dapat dikatakan signifikan bila zdiff > 1,96. Abaikan
apabila diperoleh nilai negatif, karena negatif hanya

menunjukkan bahwa nilai korelasi kedua (r2) lebih besar dari korelasi pertama (r1).

Contoh:

Diketahui korelasi pada 52 remaja laki-laki, rlaki-laki = -0,506; sedangkan korelasi pada 51
remaja perempuan, rperempuan = -0,381; kedua korelasi ini signifikan pada taraf 5% (p <
0,05). Oleh karena itu perlu diketahui manakah hubungan yang lebih besar, meskipun dari
angka korelasinya diketahui

hubungan pada remaja laki-laki lebih besar. Dengan kata lain, ingin diketahui apakah
ditemukan perbedaan nilai korelasi yang signifikan diantara

kedua kelompok.

1. ubah masing-masing r menjadi zr.

rlaki-laki = -0,506  zr = -0,557

rperempuan = -0,381  zr = -0,401

2. Diperoleh nilai zdiff sebesar = -0,768.

3. Dengan zdiff sebesar = 0,768 (abaikan nilai negatif) maka dapat dikatakan tidak ada
perbedaan yang signifikan pada taraf signifikansi 5% (zdiff < 1,96). Artinya korelasi yang
terjadi pada remaja laki-laki sama seperti korelasi pada remaja perempuan.(Statistik et al.,
2019)

 perlu uji homogeneity/equality of variances

Hipotesis komparatif digunakan untuk:

1. membandingkan 2 atau lebih kelompok subjek dalam satu variabel tertentu.

2. membandingkan satu variabel tertentu dari 2 waktu berbeda pada sebuah
kelompok subjek.Pertimbangan jenis data berdasarkan variabel yang
dibandingkan. Hipotesis komparatif digunakan pada penelitian komparatif
(membandingkan kelompok subjek sudah terkategorisasi) maupun penelitian
eksperimen (membandingkan beberapa perlakuan). Untuk analisis statistik
yang digunakan juga ditentukan oleh banyaknya yang diperbandingkan (2
atau lebih dari 2).(Statistik et al., 2019)

Pengujian hipotesis kausal menggunakan analisis regresi. Jenis analisis regresi

ditentukan oleh:

1. jenis data DV

2. jumlah IV yang terlibat

Tujuan regresi adalah menghasilkan persamaan regresi dan mengetahui besarnya

kontribusi IV (sendiri ataupun bersama-sama).

 perlu uji normalitas

 perlu uji linearitas.

Menggunakan dummy coding. Dummy coding (kode 1 - 0) perlu dibuat untuk IV

berjenis ordinal/nominal karena linear regression hanya digunakan untuk IV berjenis scale
(interval/rasio). Dummy coding adalah membuat (seolah-olah) variabel baru (disebut
‘variabel dummy’) yang hanya berisi data 1 atau 0, dimana variabel baru ini berjumlah = k 1;
dimana k = jumlah kelompok. Misal “pengaruh jenis kelamin terhadap kesejahteraan
psikologis”, maka untuk jenis kelamin ‘variabel dummy’-nya hanya 1 (= k – 1 = 2 – 1),
dimana saat input data tuliskan 1 (= laki-laki) atau 0 (=perempuan). Dummy coding ini hanya
berlaku untuk IV berbentuk dikotomi. Untuk IV berbentuk politomi, dummy coding
dibuat banyak. Misal “pengaruh suku bangsa (Jawa, Sunda, Minang, dan Batak)
terhadap kesejahteraan psikologis”, karena k = 4, maka perlu dibuat 3 variabel dummy.
Berikut caranya(Statistik et al., 2019):

Suku d1 d2 d3

Jawa 1 0 0

Sunda 0 1 0

Minang 0 0 1

Batak 0 0 0

Oleh karena itu, jangan hanya membuat 1 variabel input data untuk suku
bangsa, tapi buatlah 3 variabel dummy (d1, d2, dan d3). Bila subjek bersuku
Jawa, maka input datanya pada ketiga variabel tersebut: 1, 0, 0; Sunda = 0, 1, 0,
dsb. (Statistik et al., 2019)

Langkah dummy coding ini berlaku untuk simple regression dan multiple
regression, bila salah satu atau beberapa IV-nya berbentuk
ordinal/nominal(Statistik et al., 2019).

Membandingkan koefisien regresi dari dua kelompok berbeda.

Persamaan regresi:

- Simple linear regression: Y = b0 + b1X; dimana Y adalah DV dan X adalah IV.

- Multiple linear regression: Y = b0 + b1X1 + b2X2; dimana Y adalah DV, X1

adalah IV pertama, dan X2 adalah IV kedua.

Contoh: pengaruh psychological well-being terhadap konsep diri pada remaja

laki-laki dan remaja perempuan.

Pada penelitian di atas akan diperoleh 2 koefisien regresi (b) dari 2 kelompok
berbeda, yaitu koefisien regresi psychological well-being di remaja laki-laki dan
korelasi di remaja perempuan. Langkah berikutnya, tentukan signifikansi pada
masing-masing koefisien regresi. Bila hanya salah satu koefisien regresi yang
signifikan (misal, pengaruh psychological well-being pada remaja laki-laki),
maka dengan mudah kita dapat katakan psychological well-being terhadap
konsep diri hanya ada pada remaja laki-laki, dan tidak ada pengaruhnya pada
remaja perempuan. Namun, apabila kedua koefisien regresi signifikan, yang
harus dilakukan adalah menentukan apakah perbedaan kedua koefisien regresi
tersebut signifikan, sehingga kita dapat katakan bahwa pengaruh psychological
well-being pada remaja laki-laki lebih besar (atau lebih kecil) dibandingkan pada
remaja perempuan. Apabila tidak ditemukan perbedaan nilai koefisien regresi
yang signifikan, maka dapat dikatakan bahwa pengaruh psychological well-being
pada kedua kelompok sama besar. (Statistik et al., 2019)

5. Sampling

1. Pengertian Sampling

Sampling ialah cara penelitian yang tidak menyeluruh. Dengan kata

lain, hanya elemen sampel yang diteliti. Elemen ialah sesuatu yang menjadi
obyek penyelidikan. Seluruh elemen disebut populasi, sedangkan sebagian
elemen dari populasi merupakan sampel. Bila seluruh elemen populasi diteliti
satu per satu, maka cara pengumpulan data seperti ini disebut sensus. Hasil
sensus merupakan data sebenarnya yang disebut parameter.Sedangkan hasil
sampling disebut perkiraan/estimasi. (1384 ,‫)رازی‬

Tujuan melakukan sampling ialah untuk membuat kesimpulan mengenai

karakteristik populasi dari sampel yang diambil. (1384 ,‫)رازی‬

2. Keuntungan dan Alasan Menggunakan Metode Sampling

Beberapa keuntungan menggunakan metode sampling (1384 ,‫)رازی‬:

a. Hasil pemeriksaan sampel sangat obyektif dan dapat dipertahankan

(objective and defensible). Walaupun yang diperiksa hanya sebagian
dari populasi, tetapi pemilihan sampel dilakukan sedemikian rupa
 sehingga hasilnya dapat mewakili populasi dari mana sampel tersebut
berasal.
b. Metode sampling memungkinkan untuk menentukan banyaknya
elemen sampel (sample size) sebelum pemeriksaan dilakukan, yang
mana penentuan tersebut dilakukan secara obyektif
c. Metode sampling memungkinkan untuk memperkirakan besarnya
kesalahan sampling (sampling error), yang mana memberikan
gambaran berapa selisih antara nilai perkiraan sampel dengan
parameter populasi.
d. Metode sampling merupakan metode yang paling tepat untuk
mengambil kesimpulan tentang data dalam jumlah yang banyak (large
mass of data) bila dibandingkan dengan pemeriksaan secara
menyeluruh. Hal ini disebabkan karena pemeriksaan yang menyeluruh
sering membosankan petugas sehingga kurang teliti bahkan sering
keliru. Kesalahan yang ditimbulkan sering disebut sebagai
nonsampling error, yaitu kesalahan yang bukan disebabkan oleh
sampling. Kesalahan ini sukar dikontrol.
e. Metode sampling dapat menghemat biaya, tenaga, dan waktu.
f. Metode sampling memungkinkan untuk mengadakan evaluasi yang
obyektif, misalnya besarnya kesalahan (error) yang diperoleh dari
sampel dapat digunakan untuk memperkirakan kesalahan yang terjadi
pada populasi dengan tingkat keyakinan tertentu. (1384 ,‫)رازی‬
Sedangkan beberapa alasan mengapa kebanyakan penelitian ilmiah
melakukan sampling untuk mengambil kesimpulan tentang suatu
populasi adalah(1384 ,‫)رازی‬:

a. Bila jumlah elemen yang akan diselidiki bersifat infinitive (tak terbatas
jumlahnya atau dapat dianggap tak terbatas jumlahnya), penyelidikan seluruh
elemen tidak mungkin dilaksanakan.

b. Di bidang industri, tes yang dilakukan kebanyakan bersifat destruktif

(merusak), sehingga tidak mungkin seluruh produk diselidiki.
c. Dalam suatu hal, memang kadang-kadang tak perlu seluruh anggota populasi
diteliti, yaitu jika obyek yang diselidiki bersifat homogen.

d. Bila tidak diperlukan ketelitian yang mutlak atau bila hasil penelitian segera
dibutuhkan, maka penelitian berdasarkan sampel akan bisa menghemat biaya,
tenaga, dan waktu.

e. Bila nonsampling error yang besar tak dapat dihindarkan, penelitian sebagian
elemen mungkin memberikan hasil yang lebih baik daripada penelitian seluruh
elemen, karena nonsampling error lebih mudah dikontrol dalam ruang yang lebih
sempit. (1384 ,‫)رازی‬

3. Penentuan Besarnya Sampel

Dalam menentukan besarnya sampel ada beberapa faktor yang perlu

dipertimbangkan, yaitu (1384 ,‫)رازی‬:

a. Derajat keseragaman dari populasi.

Makin seragam suatu populasi, makin kecil sampel yang perlu diambil.
Sebaliknya, makin tidak seragam suatu populasi, makin besar sampel yang
harus diambil.
b. Presisi yang dikehendaki dari penelitian.
Makin tinggi presisi yang dikehendaki, sampel yang diambil harus makin
besar. Sebaliknya, kalau penelitian itu dapat mentoleransikan tingkat presisi
yang lebih rendah, sampel pun kemudian dapat

diperkecil.

c. Biaya, tenaga, dan waktu yang tersedia. (1384 ,‫)رازی‬

Makin besar biaya, tenaga, dan waktu yang tersedia akan makin besar juga
sampel yang dapat diambil. Tingkat kepresisian yang diperoleh juga menjadi
makin tinggi. Sebaliknya, kalau ketiga unsur tersebut sangat terbatas jumlahnya,
maka sampel yang dapat diambil pun akan sangat terbatas, sehingga tingkat
kepresisian yang diperoleh menjadi lebih rendah. (1384 ,‫)رازی‬

3. Cara Pengambilan Sampel

Pada dasarnya ada dua cara pengambilan sampel, yaitu (1384 ,‫)رازی‬:
 a. Random sampling

Suatu cara pengambilan sampel disebut random apabila seluruh elemen

dalam populasi diberi kesempatan yang sama untuk menjadi anggota sampel.
Pengambilan sampel seperti ini disebut juga probability sampling.

b.Nonrandom sampling

Suatu cara pengambilan sampel disebut nonrandom jika peneliti tidak

memberikan kesempatan yang sama pada anggota populasi untuk dijadikan anggota sampel.
Pengambilan sampel seperti ini disebut juga nonprobability sampling. (1384 ,‫)رازی‬

5. Kesalahan Dalam Penelitian

Ada dua macam kesalahan dalam penelitian yaitu (1384 ,‫)رازی‬:

a. Kesalahan nonsampling
Kesalahan nonsampling dapat timbul pada hampir setiap penelitian, baik penelitian
yang dilakukan berdasarkan sensus ataupun survei sampel.

Sebab-sebab timbulnya kesalahan ini antara lain(1384 ,‫)رازی‬:

• Populasi yang tidak jelas.

• Pertanyaan-pertanyaan yang tidak tepat.

• Adanya ketidaktepatan atau ketidakjelasan dalam definisi-definisi

variabel, kriteria, atau dalam pemakaian satuan-satuan ukuran.

• Kesalahan dalam pengumpulan dan pengolahan data.

b. Kesalahan sampling Pada umumnya kesalahan ini sering terjadi pada waktu menelaah
sampel yang akan dipakai sebagai dasar untuk membuat kesimpulan mengenai
populasi dari mana sampel itu diambil. Penelitian yang dilakukan terhadap sampel
yang diambil dari suatu populasi jika dibandingkan dengan penelitian terhadap
populasi itu sendiri jelas akan berbeda hasilnya. Perbedaan hasil penelitian inilah yang
dinamakan kesalahan sampling.(1384 ,‫)رازی‬
Penyimpangan-penyimpangan karena kesalahan sampling dan
penyimpangan-penyimpangan karena kesalahan nonsampling merupakan
penyimpangan total yang mungkin terdapat dalam suatu penelitian.
Penyimpangan-penyimpangan tersebut hams diperkecil. Kesalahan
sampling dapat diperkecil dengan pemakaian metode pengambilan
sampel yang tepat. Sedangkan kesalahan nonsampling dapat diperkecil
dengan perencanaan dan pelaksanaan penelitian yang lebih hati-hati dan
teliti.(1384 ,‫)رازی‬

BAB III
PENUTUP

KESIMPULAN
Biostatistik merupakan ilmu dasar dalam Ilmu Kesehatan Masyarakat yang
digunakan sebagai metode untuk mempelajari masalah kependudukan. Sampai kini
keilmuan yag diasuh oleh Departemen Biostatistik dan Kependudukan meliputi 3
bidang: Keilmuan Biostatistika, Keilmuan Informatika Kesehatan, dan Keilmuan
Kependudukan.
Departemen Biostatistik dan Kependudikan kini menyelenggarakan Program Sarjana
Kesehatan Masyarakat dan Program Magister Kesehatan Masyarakat. Program
Sarjana terdiri dari peminatan Biostatistika, Informatika Kesehatan, dan Manajemen
Informasi Kesehatan. Sedangkan peminatan Program Magister terdiri dari
Biostatistika dan Informatika Kesehatan.
Dalam penyelenggaraan pendidikan, Departemen Biostatistik FKM UI didukung oleh
17 staf akademik tetap dengan beragam keahlian. Staf akademik Departemen
Biostatistik telah mengembangkan berbagai penelitian yang telah diterbitkan dalam
jurnal nasional maupun internasional dan dipercaya untuk memegang beragam
jabatan baik di dalam lingkungan UI maupun organisasi lainnya.
 DAFTAR PUSTAKA

(Hilgers et al., 2019)Astuti, S. I., Arso, S. P., & Wigati, P. A. (2015). 済無 No Title No Title
No Title. Analisis Standar Pelayanan Minimal Pada Instalasi Rawat Jalan Di RSUD
Kota Semarang, 3, 103–111.

Hilgers, R.-D., Heussen, N., & Stanzel, S. (2019). Statistik, deskriptive (Issue 1).
https://doi.org/10.1007/978-3-662-48986-4_2900

Nielsen, P. (2009). Coastal and estuarine processes. In Coastal And Estuarine Processes (pp.
1–360). https://doi.org/10.1142/7114

Statistik, P., Analisis, U., & Penelitian, D. (2019). Statistik. April, 1–23.

)1384( .‫ ز‬.‫ ا‬.‫ م‬,‫رازی‬. No Title ‫الحاوی جلد بیستم‬.