Statistik – Prodi Gizi Unsika - TA.

2022/2023

Konsep Dasar Statistik, Teori

Probabilitas, dan Teori Estimasi
Linda Riski Sefrina, SKM, M.Si.
E-mail: linda.riski@fkes.unsika.ac.id
Visi dan Misi Prodi
Visi Program Studi Gizi UNSIKA
Menjadi Program Studi yang inovatif , kompetitif dan unggul dalam upaya promotif dan
preventif pada peningkatan mutu kesehatan melalui gizi industri dan kuliner pada tahun
2035.
Misi Program Studi Gizi UNSIKA
1.Menyelenggarakan pendidikan gizi dengan mengoptimalkan upaya promotif dan preventif
pada peningkatan mutu kesehatan melalui gizi industri dan kuliner.
2.Melaksanakan penelitian dan pengabdian masyarakat yang muktahir dan tepat guna
dengan mengoptimalkan upaya peningkatan mutu kesehatan melalui gizi industri dan
kuliner.
3.Menjalin kerjasama untuk meningkatkan mutu lulusan, dan menjalin penelitian serta
pengabdian masyarakat bersama di bidang gizi.

Linda RS, SKM, M.Si. – Statistik -2

Kontrak Kuliah – Peraturan

Linda RS, SKM, M.Si. – Statistik -3

Konsep Dasar
Statistika

Linda RS, SKM, M.Si. – Statistik -4

Definisi
• Statistik adalah data yang diperoleh dengan cara pengumpulan, pengolahan, penyajian,
dan analisis serta sebagai sistem yang mengatur keterkaitan antarunsur dalam
penyelenggaraan statistik;
• Data adalah informasi yang berupa angka tentang karakteristik (ciri-ciri khusus) suatu
populasi.
• Statistika adalah pengetahuan yang berkaitan dengan metode, teknik atau cara untuk
mengumpulkan data, mengolah data, menyajikan data, menganalisis data dan menarik
kesimpulan atau menginterpretasikan data.

Linda RS, SKM, M.Si. – Statistik -5

Statistika Deskriptif dan Inferensial

Linda RS, SKM, M.Si. – Statistik -6

Jenis Data
Jenis Data

Cara
Sifat Sumber Waktu pengumpulan
memperoleh

Cross
Kuantitatif Kualitatif Internal Primer
section

Time
Kontinyu External Sekunder
Series

Diskrit
Linda RS, SKM, M.Si. – Statistik -7
Skala Ukuran Data

Skala Sifat
pengukuran
Membedakan Ada urutan/ Ada interval Ada titik nol yang
tingkatan punya arti
Nominal √

Ordinal √ √

Interval √ √ √

Rasio √ √ √ √

Linda RS, SKM, M.Si. – Statistik -8

Populasi dan Sampel

Linda RS, SKM, M.Si. – Statistik -9

Ukuran dalam Statistik

Linda RS, SKM, M.Si. – Statistik -10

Teori Probabilitas

Linda RS, SKM, M.Si. – Statistik -11

Pendahuluan

Pengambilan sampel yang tidak bias dan

dalam yang cukup besar, tetap tidak dapat
menggambarkan keadaan populasi secara
tepat

Linda RS, SKM, M.Si. – Statistik -12

Pendahuluan
Teori Peluang

• Peluang besar → Hipotesis diterima

• Peluang kecil → Hipotesis ditolak

Nilai Peluang:
0≤P≤1

Klasifikasi

Pendekatan Pendekatan Pendekatan

klasik frekuensi relatif subjektif

Linda RS, SKM, M.Si. – Statistik -13

Pendekatan Klasik/ Apriori/ Teoritis

• Pendekatan terhadap suatu kejadian berdasarkan logika sebelum peristiwa terjadi,

contoh: jenis kelamin suatu kelahiran (laki-laki/perempuan).
• Probabilitas suatu event adalah jumlah hasil yang diharapkan terjadi pada sejumlah
event (n) dibagi dengan jumlah semua kemungkinan yang dapat terjadi (N).

𝑃(𝑒) = 𝑛/𝑁

Linda RS, SKM, M.Si. – Statistik -14

Pendekatan Frekuensi Relatif
• Awal mula digunakan untuk menghitung besarnya kerugian asuransi jiwa berdasarkan
data statistic kelahiran dan kematian → relative frequency relative of occurrence, ciri-
cirinya:
1. Peluang terjadinya suatu event di masa yang akan datang ditentukan oleh frekuensi
event tsb di masa lampau.
2. Jika suatu peristiwa terjadi berulang-ulang dalam jumlah banyak, maka akan menjadi
stabil dan mendekati peluang relatifnya

Untuk mendapatkan peluang dengan ketepatan tinggi diperlukan

jumlah percobaan yang cukup banyak

Linda RS, SKM, M.Si. – Statistik -15

Hubungan beberapa kejadian (event)
• Peluang terjadinya event sebagai hasil dari
1 atau beberapa percobaan, mempunyai
hubungan sbb:
1. Kejadian yang saling eksklusif
2. Kejadian yang tidak saling eksklusif
3. Kejadian independent, t/d: a) event
marginal, b) event gabungan, c) event Independents events

bersyarat
4. Kejadian dependen, t/d: a) event marginal,
b) event gabungan, c) event bersyarat

Linda RS, SKM, M.Si. – Statistik -16

Mutually Exclusive Event
Contoh
• Hubungan saling eksklusif: peluang
• Seorang dokter memberikan obat INH
terjadinya event hanya 1 dari semua
pada 5 pasien dengan penyakit yg
event yang dapat dihasilkan (event sama, selama 6 bulan. Besarnya
marginal/tanpa syarat) peluang penderita ke-2 atau ke-5 untuk
• Pada percobaan yang menghasilkan sembuh sbb:
event A dan event B, kita ingin 𝑃(2 𝑎𝑡𝑎𝑢 5) = 𝑃(2) + 𝑃(5)
mengetahui besarnya peluang A atau B 1 1
yang disebut hukum penjumlahan = +
5 5
2
(additional law): =
5
= 0,4
𝑃(𝐴 𝑎𝑡𝑎𝑢 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Linda RS, SKM, M.Si. – Statistik -17

Non-Mutually Exclusive Event
• Terdapat Sebagian dari 2 event yang bergabung → terdapat
2 fraksi yang mengandung event A dan event B

𝑷(𝑨 𝒂𝒕𝒂𝒖 𝑩) = 𝑷(𝑨) + 𝑷(𝑩) − 𝑷(𝑨𝑩)

• Contoh: bila perekrutan nakes dan mengadakan seleksi pada

4 orang pelamar yang t/d dokter laki-laki, dokter wanita, laki-
𝑃(𝑤𝑎𝑛𝑖𝑡𝑎 𝑎𝑡𝑎𝑢 𝑑𝑜𝑘𝑡𝑒𝑟)
laki bukan dokter dan wanita bukan dokter, maka masing- = 𝑃(𝑤𝑎𝑛𝑖𝑡𝑎) + 𝑃(𝑑𝑜𝑘𝑡𝑒𝑟) −
masing memiliki peluang: 𝑃 𝑑𝑜𝑘𝑡𝑒𝑟 𝑤𝑎𝑛𝑖𝑡𝑎
Peluang wanita = 2/4
Peluang laki-laki = 2/4
= 2/4 + 2/4 – ¼
Peluang dokter = 2/4 = 0,75
Peluang dokter wanita = ¼
Peluang dokter laki-laki = ¼
Berapa besar peluang wanita atau dokter utk lulus
perekrutan?
Linda RS, SKM, M.Si. – Statistik -18
Pendekatan Klasik/ Apriori/ Teoritis
Bila terjadi suatu event tidak berpengaruh terhadap peluang terjadinya event yang lain

Linda RS, SKM, M.Si. – Statistik -19

Peluang Dependen
Bila terjadinya beberapa event bergantung pada beberapa event lain.

Linda RS, SKM, M.Si. – Statistik -20

Permutasi & Kombinasi
Permutasi Kombinasi
• ialah peluang yg terjadi pd sejumlah individu • ialah kumpulan individu tanpa memperhatikan
yg disusun dg memperhatikan bentuk
susunan dan urutannya
susunan atau urutan
• Kombinasi lengkap
• Permutasi lengkap: n!
• Kombinasi Sebagian:
• Permutasi Sebagian:

• Jumlah permutasi = N!/ X! x Y x …

Linda RS, SKM, M.Si. – Statistik -21

Teori Estimasi

Linda RS, SKM, M.Si. – Statistik -22

Pendahuluan

Linda RS, SKM, M.Si. – Statistik -23

Teori Estimasi
• Faktor yang mempengaruhi
estimasi: waktu dan informasi
• Fungsi: untuk menaksir parameter
populasi melalui perhitungan
statistic sampel

Linda RS, SKM, M.Si. – Statistik -24

Teori Estimasi dalam Kesehatan

Perkiraan penyakit tertentu di masa depan

Perkiraan jumlah pengunjung

Menaksir prognosa suatu penyakit

Linda RS, SKM, M.Si. – Statistik -25

Estimator dan Estimit
• Estimator: statistik sampel
yang digunakan untuk
menaksir parameter
populasi.
• Estimit: angka atau nilai
yang digunakan untuk
menaksir parameter
populasi.

Linda RS, SKM, M.Si. – Statistik -26

Kriteria Estimator yang Baik

Tidak bias Efisien

Konsisten

Linda RS, SKM, M.Si. – Statistik -27

Jenis Estimasi
Titik estimasi

Est. rata-rata
Interval
1 populasi
estimasi
Est. proporsi

Estimasi
Est.
perbedaan
rata-rata
2 populasi
Est.
perbedaan
proporsi
Linda RS, SKM, M.Si. – Statistik -28
Titik Estimasi

Linda RS, SKM, M.Si. – Statistik -29

Interval Estimasi Rata-rata
• Populasi terbatas, deviasi standar diketahui, sampel besar (n>30)
• Populasi terbatas, deviasi standar tidak diketahui, sampel besar (n>30)
• Populasi terbatas, deviasi standar tidak diketahui, sampel kecil (n<30)
• Populasi tak terhingga deviasi standar diketahui sampel kecil (n<30)
• Populasi tak terhingga deviasi standar tak diketahui dan sampel besar (n>30)
• Populasi tak terhingga deviasi standar tak diketahui dan sampel besar (n<30)

Linda RS, SKM, M.Si. – Statistik -30