KONSEP DASAR

EPIDEMIOLOGI
BIOSTATISTIKA

DAN
BIOSTATISTIKA

Program Studi TLM

Fakultas Farmasi
Institut Kesehatan Medistra
Lubuk Pakam
Epidemiologi dan Pada matematika, kita menuliskan dua
Statistik variable sebagai suatu fungsi
F(X) = 210 - X
Hubungan antara
VARIABEL Bila dimisalkan, F(X) = detak
jantung maks dan X = usia

DEPENDEN INDEPENDEN

MATEMATIKA

HR = 210 - X
OUT ME
CO
EPIDEMIOL
OGI
EXPOSU
RE
Pengertian Statistik UU RI No.7 th 1960

༝ Keterangan berupa angka yang memberikan

gambaran yang wajar dari seluruh ciri-ciri
kegiatan atau keadaan masyarakat Indonesia
༝ Statistika diartikan sbg metode atau alat
bantu untuk mengembangkan ilmu
pengetahuan melalui aktivitas berupa
pengumpulan, pengolahan, penyajian dan
analisis data yg dilanjutkan dengan penarikan
kesimpulan atas ciri yg diamati.
PENGERTIAN BIOSTATISTIK

༝ Biostatistika merupakan ilmu terapan dari

statistika dlm bidang kesehatan.

༝ Statistika adalah cabang ilmu matematika yg

banyak digunakan dalam pengambilan keputusan
dan berkembang berdasarkan teori peluang.

༝ Ruang lingkup biostatistik: Medis, Kependudukan,

kesehatan lingkungan, kesehatan kerja,
administrasi kesehatan dan gizi.
KEGUNAAN STATISTIK DI BIDANG KESEHATAN

❑ Menentukan ada & besarnya masalah kesehatan

masyarakat
❑ Mengukur peristiwa penting / vital event yg
terjadi dimasyarakat
❑ Menentukan prioritas masalah dan memilih alternatif
pemecahan masalah kesehatan secara efisien
❑ Membuat perencanaan program kesehatan
❑ Dokumentasi untuk mengadakan perbandingan
dimasa datang
❑ Mengadakan penelitian masalah kesehatan yang
belum diketahui atau menguji kebenaran suatu
masalah
❑ Memberikan penerangan terhadap kesehatan
masyarakat
STATISTIK DAN STATISTIKA

SERANGKAIAN DATA :
STATISTIKA ANGKA :
9 12 15 17 25
- MEAN
- MEDIAN
VARIABEL DAN KATEGORI
: - MODUS

A 🡪 B - VARIAN
STATISTIK - SIMPANG BAKU

VAR. INDEPENDENT DAN

DEPENDENT HSL UJI HIPOTESIS:
- HUBUNGAN
- BEDA
- PENGARUH
 1. Konsep Statistika

STATISTIKA :
Kegiatan untuk : KEGUNAAN
• mengumpulkan data
• menyajikan data
• menganalisis data dengan metode
?
tertentu bank data atau penyedia atau sumber
suatu data. Data tersebut dapat dibaca,
• menginterpretasikan hasil analisis dianalisis maupun diolah untuk
menjelaskan suatu keadaan. Misalkan
Melalui fase suatu penelitian ilmiah memerlukan
data. Data tersebut akan diambil secara
dengan carastatistika
sampling.

STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan

dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
2. Statistika & Metode Ilmiah

METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.

LANGKAH-LANGKAH DALAM METODE ILMIAH :

1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis

1. Mengumpulkan dan mengolah data, menguji hipotesis,

atau menjawab pertanyaan

1. Mengambil kesimpulan
INSTRUMEN

SAMPEL

SIFAT DATA PERAN STATISTIKA

VARIABEL

METODE ANALISIS
Akurasi dan Presisi Metode

Akurasi rendah Akurasi tinggi Akurasi tinggi Akurasi rendah

Presisi tinggi Presisi tinggi Presisi rendah Presisi rendah

10
Uji Akurasi: Ukuran yang menunjukkan derajat
kedekatan hasil analis dengan kadar analit yang
sebenarnya.

• Biasanya dinyatakan dalam persen perolehan

kembali (% recovery)
• Dapat dilakukan melalui pebandingan hasil
analisis antara metode yang divalidasi dengan
metode standar 🡺 uji t 🡺 harus tidak
berbeda makna
• Dapat dilakukan metode adisi standar
terhadap blanko atau sampel.
Uji Akurasi: Ukuran yang menunjukkan derajat kedekatan
hasil analis dengan kadar analit yang sebenarnya.

• Persen perolehan kembali (% recovery)

Persyaratan untuk assay validation = 98-102%

• Dianjurkan menggunakan tiga macam

konsentrasi (80%, 100% dan 120%), masing-
masing 3 kali replikasi
• Adisi standar pada blanko/plasebo
UJI AKURASI: Ukuran yang menunjukkan derajat
kedekatan hasil analis dengan kadar analit yang sebenarnya
Rentang kesalahan yang diizinkan
Kadar Senyawa Rata-Rata
No
dalam Sampel (%) Recovery (%) Natrium Benzoat
1 100 98 - 101 Kalium Sorbat
2 >10 95 - 102 ≤ 1g/kg (0,1%)
3 >1 92 - 105
SNI 01-0222-1995
4 >0,1 90 - 108
5 >0,01 85 - 110
6 >0,001 80 - 115 Tartrazin
7 >0,0001 75 - 120 Sunset Yelow
8 >0,00001 70 - 125
Sumber: AOAC International 2002
≤ 200 mg/kg (0,02%)
SNI 01-0222-1995

Dimana: C1 = konsentrasi senyawa dalam sampel dan standar

C2 = konsentrasi senyawa dalam sampel
C3 = konsentrasi senyawa standar
 Uji Presisi: Ukuran yang menunjukkan kesesuaian hasil
bila metode dilakukan secara berulang pada sampel yang
diambil dari campuran yang homogen.

❖Kedekatan dari suatu seri pengukuran yang diperoleh

dari sampel yang homogen
❖Dihitung dalam bentuk persen RSD (relative standard
deviation)
❖ Meliputi:
- Repeatability
- Intermediate Precision
- Reproducibility
 Uji Presisi: Ukuran yang menunjukkan kesesuaian hasil
bila metode dilakukan secara berulang pada sampel
yang diambil dari campuran yang homogen.

• Dianjurkan menggunakan 3 macam konsentrasi berbeda, misal 80, 100 dan

120 % dari konsentrasi target
• Masing-masing konsentrasi dilakukan 3 replikasi
• Dapat dilakukan pada satu konsentrasi dengan 6 kali replikasi
• Dianjurkan juga dilakukan pada hari yang berbeda dan analisis yang berbeda
• Kriteria penerimaan: tergantung kategori analisis atau konsentrasi analit
• Contoh: RSD < 2% (kategori I)
Uji Presisi: Ukuran yang menunjukkan kesesuaian hasil bila metode dilakukan
secara berulang pada sampel yang diambil dari campuran yang homogen.

Persen RSD Uji Ripitabilitas Yang Diizinkan

Kadar Senyawa Natrium Benzoat

No Dalam Matriks RSD (%) Kalium Sorbat
(%) ≤ 1g/kg (0,1%)
1 100 1 SNI 01-0222-
2 >10 1,5 1995
3 >1 2
4 > 0,1 3
5 > 0,01 4 Tartrazin
6 > 0,001 6 Sunset Yelow
Sum7be AOAC 8 ≤ 200 mg/kg (0,02%)
r: I>nte0r,n0at0io0n1al, SNI 01-0222-1995
2002
8 > 0,00001 15
 3. Data

DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan,
status marital, tingkat
kepuasan kerja
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja,
jumlah gaji, usia, hasil
ulangan

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINA INTERVA
L L
ORDINAL RASIO
 4. Data

DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan

DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi
di antara data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi

DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender

DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku
 5. Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi

• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang

membahas parameter-parameter populasi; jenis data interval atau
rasio; distribusi data normal atau mendekati normal.

• Statistik NONPARAMETRIK : inferensi statistik membahas parameter-

parameter populasi; jenis data nominal atau ordinal; distribusi data
tidak
diketahui atau tidak normal

A.JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi

• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n

sampel atau beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik.

• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n

sampel di mana analisis antar variabel dilakukan bersamaan. Contoh :
pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi
oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi,
 5. Pengolahan Data

faktor sekolah.
 7. Penyajian Data

TABEL

GRAFIK
 8. Membuat Tabel

TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris

Kolom pertama : LABEL

KOLOM
Kolom kedua …. n : Frekuensi atau label
TABEL
BARIS Berisikan data berdasarkan kolom
Tabel Tabulasi Silang

Pendapat tentang sertifikasi

Asal Wilayah Sangat Perlu Tidak Tidak Sanga Jumlah
perlu tahu perlu t tdk
perlu
Jawa Barat
Jawa Tengah
Jawa Timur
NTT
Papua
Jumlah
 9. Membuat Grafik

GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci.

Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)

Jenis Grafik :
4
• Grafik Batang (Bar)
Sumbu tegak

3
• Grafik Garis (line)
2
• Grafik Lingkaran (Pie)
1
• Grafik Interaksi (Interactive)
0
Titik 1 2 3 4
pangkal
Sumbu datar
 10. Jenis Grafik

Grafik Batang (Bar) Grafik Garis (line)

Grafik lingkaran (pie) Grafik Interaksi (interactive)

 11. Frekuensi

FREKUENSI : banyaknya data untuk satu kelompok/klasifikasi

KELOMPOK FREKUENSI
Kelompok ke-1 f1 Pendidikan Frekuensi
Kelompok ke-2 f2
Kelompok ke-3 f3 S1 62
Kelompok ke-i fi S2 19
Kelompok ke-k fk S3 9

k 90
n = Σ fi
i=1

k
n = Σ fi = f1 + f2 + f3 +….. + fi + …… + fk
i=1
 12. Distribusi Frekuensi

DISTRIBUSI FREKUENSI : mengelompokkan data interval/rasio dan menghitung

banyaknya data dalam satu kelompok/klasifikasi

USIA FREKUENSI Membuat distribusi frekuensi :

20 5 1. Mencari sebaran (range) yakni selisih antara data paling besar
dengan data paling kecil) 🡪35 – 20 = 15
21 6 2. Menentukan banyak kelas dengan rumus k = 1 + 3,3 log n
22 13 □7
23 4 1.Menentukan panjang kelas dengan rumus
p = sebaran / banyak kelas 🡪15/7 = 2
24 7
25 7
KELOMPOK USIA FREKUENSI
26 7 20 – 21 11
27 5 22 – 23 17
28 3 24 – 25 14
29 4 26 – 27 12
30 15 28 – 29 7
31 3 30 – 31 18
33 5 32 - 33 5
35 1 34 - 35 1
 13. Ukuran Tendensi Sentral

RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan

RATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknya
n
Σ Xi
X= X1 + X2 + X3 + … + Xn i =1
n n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,
maka rata-rata hitung menjadi :
k
Σ Xifi
i =1
X = X1 f1 + X2 f2 + X3 f3 + … + Xkfk
k
f1 + f2 + f3 + … + fk
Σ fi
i =1
Cara menghitung :
Bilangan (Xi) Frekuensi (fi) Xi fi
70 3 210
695 = 69.5
63 5 315 Maka : X=
10
85 2 170
Jumlah 10 695
 14. Median

MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantu
memperjelas kedudukan suatu data.

Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?

Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,

maka rata-rata hitung = 6.55, median = 6
Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata hitung
dan median (kelompok 50% atas)

Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3,

maka rata-rata hitung = 6.55, median = 8
Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah median
(kelompok 50% bawah)

Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
 15. Modus

MODUS : bilangan yang paling banyak muncul dari sekumpulan bilangan,

yang fungsinya untuk melihat kecenderungan dari sekumpulan bilangan tersebut.

Contoh : nilai ulangan 10 10 8 7 7 6 5 5 5 5 4

Maka : s = 6 ; k = 3 ; p =2
rata-rata hitung = 6.55 ; median =
6 modus = 5 ; kelas modus = 5 - 7

Nilai Frekuensi
10 2
8 1 Nilai Frekuensi

7 2 8 – 10 3
5–7 7
6 1
2–4 1
5 4
Jumlah 11
4 1
- +
Jumlah 11 Mo X Me

Kurva positif apabila rata-rata hitung > modus / median

Kurva negatif apabila rata-rata hitung < modus / median
Latihan
Buatlah distribusi frekuensi dari data nilai
ujian Statistika berikut:
 Ogive Positif adalah kurva atau grafik
yang tersusun dari Tabel distribusi
frekuensi kumulatif kurang dari. Pada
Ogive Positif nilai dari grafik atau
bentuk grafik akan berbentuk
cenderung naik hingga nilai frekuensi
kumulatif terbesar paling bawah pada
tabel.

Hal tersebut terjadi karena nilai

frekuensi kumulatif kurang dari yang
cenderung naik dari kelas
sebelumnya.

Kurva pada ogive positive selalu

bergerak dari bawah ke atas.
 Ogive Negatif merupakan kurva atau grafik
yang tersusun dari data yang diperoleh pada
Tabel distribusi frekuensi kumulatif lebih dari.
Pada Ogive Negatif grafik akan cenderung
menurun kebawah hingga nilai frekuensi
kumulatif terkecil.

Hal tersebut akibat dari nilai frekuensi kumulatif

lebih dari yang selalu menurun atau mengecil
nilainya dari kelas sebelumnya.

Kurva Ogive Negatif selalu

bergerak dari atas ke
bawah.
 A

Ada 24 orang yang Hanya ada 5 orang yang

nilai ujian Statistikanya nilai ujian Statistikanya
kurang dari 63 lebih dari 73
 Statistics and numbers are no good unless
you have good people to analyse and then
interpret their meaning and importance.”
— Brendan Rodgers

TERIMA KASIH