BAB 3

STATISTIK DESKRIPTIF

Dosen Pengampu :
Dr. Marsidi, ST., MT

Makalah ini disusun untuk memenuhi tugas mata kuliah Analisa Data

Disusun oleh :
Kelompok 3

ERVINA 2210266P
EVI PERMISA 2210258P
FITRIYANI 2210259P
IWAN SETIA BUDI 2210257P
KAMALIZA 2210260P

PROGRAM STUDI ILMU KEPERAWATAN

STIKES CITRA DELIMA BANGKA BELITUNG
TAHUN AJARAN 2022/2023

i
 KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan hidayah-Nya, Kami dapat
menyelesaikan tugas makalah yang berjudul "Statistik Deskriptif" dengan tepat waktu.
Makalah disusun untuk memenuhi tugas Mata Pelajaran Analisa Data. Selain itu, makalah
ini bertujuan menambah wawasan tentang Statistik Deskriptif dan Program Aplikasi SPSS
bagi para Agar dan juga bagi kami sebagai penulis. Kami mengucapkan terima kasih kepada
dosen pengampu mata pelajaran analisa data yaitu Bapak Dr Marsidi, ST., MT atas
bimbingan, saran dan motivasinya. Ucapan terima kasih juga disampaikan kepada semua
pihak yang telah membantu diselesaikannya makalah ini. Kami menyadari makalah ini
masih jauh dari sempurna. Oleh sebab itu, saran dan kritik yang membangun diharapkan
demi kesempurnaan makalah ini.

Pangkalpinang, 13 Maret 2023

Tim Penyusun

ii
 DAFTAR ISI

COVER……………………………………………………………………………… i
KATA PENGANTAR...............................................................................................................
DAFTAR ISI.............................................................................................................................
BAB I PENDAHULUAN..........................................................................................................
BAB II PEMBAHASAN...........................................................................................................
BAB III PENUTUP.................................................................................................................
DAFTAR PUSTAKA

iii
 BAB I

PENDAHULUAN

Secara etimologis kata statistik berasal dari kata status (bahasa latin) yang mempunyai p
ersamaan arti dengan kata state (bahasa inggris) atau kata stat (bahasa belanda), dan yang dala
m bahasa Indonesia diterjemahkan menjadi Negara. Pada mulanya, kata statistic diartikan seb
agai kumpulan bahan keterangan (data),baik yang dalam bentuk wujud angka (data kuantitati
f) maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan keg
unaan yang besar bagi suatu negara. Namun ,pada perkembangan selanjutnya,arti kata statisti
k hanya di batasi pada kumpulan bahan keterangan yang berwujud angka (data kuantitatif) da
n yang tidak berwujud angka (data kualitatif).

Pada hakekatnya statistik adalah suatu kerangka teori-teori dan metode-metode yang tel
ah dikembangkan untuk melakukan pengumpulan,analisis, dan pelukisan data sampel guna m
emperoleh kesimpulan-kesimpulan yang bermanfaat.

Statistik Deskriptif merupakan dasar bagi statistik analitis ( ujihipotesis). Yang

merupakan salah satu kegunaan statistik deskriptif ini adalah agar kita mengetahui
katakteristik data yg kita miliki Dan Langkah Pertama dalam melakukan uji Hipoteis apapun
adalah dengan mengetahui karakteristik data yang kita miliki.

Tujuan Pembelajaran

1. Agar Mampu memasukkan data dengan benar

2. Agar mampu melakukan perubahan data dari skala pengukuran numerik ke kategorik
3. Agar mampu membuat dan mendeskripsikan tabel dan grafik variabel kategoril
4. Agar mampu membuat dan mendeskripsikan ukuran pemusatan dan penyebaran
vairabel numerik
5. Agar mampu melakukan uji normalitas Kolmogrov-Smirnov dan Shpairo-Wilk
6. Agar mampu menyajikan Rerata geometrik dan interval kepercayaan
Agar mampu melakukan analisa deskriptif rate.

3
 BAB II

PEMBAHASAN

2.1 Pengertian Statistik Deskriptif

Hasan (2004:185) menjelaskan: Analisis deskriptif adalah merupakan bentuk analisis data
penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sample. Analisa
deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah
apakah hipotesis penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H0)
diterima, berarti hasil penelitian dapat digeneralisasikan. Analisis deskriptif ini
menggunakan satu variabel atau lebih tapi bersifat mandiri, oleh karena itu analisis ini
tidak berbentuk perbandingan atau hubungan. Selanjutnya Hasan (2001:7) menjelaskan :
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik mempelajari cara
pengumpulan data dan penyajian data sehingga muda dipahami. Statistik deskriptif hanya
berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai
suatu data
atau keadaan atau fenomena. Dengan kata statistik deskriptif berfungsi menerangkan
keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistik deskriptif (jika ada)
hanya ditujukan pada kumpulan data yang ada. Didasarkan pada ruang lingkup
bahasannya statistik deskriptif mencakup :
1. Distribusi frekuensi beserta bagian bagiannya seperti :
a. Grafik distribusi (histogram, poligon, frekuensi, dan ogif);
b. Ukuran nilai pusat (rata-rata, median, modus, kuartil dan sebagainya);
c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan
sebagianya);
d. Kemencengan dan keruncingan kurva.
2. Angka indeks.
3. Times series/deret waktu atau berkala.
4. Korelasi dan regresi sederhana.
Suryoatmono (2004:18) menyatakan: Statistika Deskriptif adalah statistika yang
menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan
mengenai kelompok itu saja
1. Ukuran Lokasi: mode, mean, median, dll
2. Ukuran Variabilitas: varians, deviasi standar, range, dll
4
 3. Ukuran Bentuk: skewness, kurtosis, plot boks
Pangestu Subagyo (2003:1) menyatakan: Yang dimaksud sebagai statistika deskriptif
adalah bagian statistika mengenai pengumpulan data, penyajian, penentuan nilai-nilai
statistika, pembuatan diagram atau gambar mengenai sesuatu hal, disini data yang
disajikan dalam bentuk yang lebih mudah dipahami atau dibaca. Sudjana (1996:7)
menjelaskan: Fase statistika dimana hanya berusaha melukiskan atau mengalisa
kelompok yang diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau
kelompok yang lebih besar dinamakan statistika deskriptif.
2.2 Memasukkan Data
Manfaat dari langkah memasukkan data SPSS dengan benar yaitu bisa mengolah data
yang dimasukkan kedalam SPSS. Pada latihan memasukkan data yang akan dipelajari
cara memasukkan data nominal, ordinal, dan numerik serta variabel dengan tipe string.
Contoh kasus :

Terdapat dua langkah utama yang harus dilakukan yaitu mengisi bagian variabel view
dan mengisi data view.
1. Mengisi variabel view
 Buka program SPSS

5
 Aktifkan variabel view (ada di kiri bawah) akan terlihat tampilan sebagai berikut.

Pada tampilan Variable View akan didapatkan Name, Type, Width, Decimals,
Label, Values, Column Width, Alignment, dan Measures.
- Name kata yang mewakili nama variabel. Biasanya diisi dengan kata yang
mudah diingat yang berkaitan dengan nama variabelnya, misalnya "sex" untuk
variabel jenis kelamin.
- Type adalah tipe data. Pilihan yang paling umum adalah numeric (karena
semua proses uji dalam SPSS bisa dilakukan dalam bentuk numeric) dan
string (kalau data dalam bentuk huruf/kata/kalimat). Variasi lain yangnsering
digunakan adalah adalah tanggal (date).
- Width jumlah digit data yang mau dimasukkan.
- Decimals jumlah digit di belakang titik.
- Labels penjelasan rinci dari kolom name. Misalnya, dalam kolom name Anda
ketik sex, labels-nya adalah jenis kelamin responden'.
- Values kode yang Anda berikan jika variabel merupakan variabel kategorik
(nominal dan ordinal). Misalnya kode 1 untuk kategori perempuan dan kode 2
untuk laki-laki.
- Column Width lebar kolom.
- Alignment pilihan tampilan variabel (rapat kiri, kanan, atau tengah)

6
- Measures skala pengukuran variabel (nominal, ordinal, scale). Dalam program
SPSS, variabel interval dan rasio disebut sebagai variabel scale.
Dari kasus yang diberikan, Anda diminta untuk memasukan empat variabel, yaitu
nama (string), jenis kelamin (kategorik nominal), nilai (kategorik ordinal), dan
umur (numerik).
a. Pengisian Variable View untuk variabel nama.
 Name isi dengan mengetik nama.
 Type isi dengan mengaktifkan pilihan String. Width isi dengan 15 (untuk
keseragaman). Pemilihan lebar kolom tergantung dari berapa karakter
nama terpanjang.
 Decimals tidak aktif.
 Labels isi dengan nama responden.
 Values tidak diisi.
 Column Width 15 (untuk keseragaman).
 Alignment terserah Anda.
 Measures tidak aktif.
b. Pengisian Variable View untuk variabel jenis kelamin.
 Name ketik sex.
 Type pilih Numeric.
 Width terserah Anda.
 Decimals pilih 0.
 Labels isi dengan jenis kelamin responden.
 Values klik kotak kecil berwarna ungu pada sisi kanan kolom Values,
akan terlihat tampilan sebagai berikut.

7
 Ketik 1 pada kotak Value.
 Ketik perempuan pada kotak value label.
 Klik add.
 Ketik 2 pada kotak Value.
 Ketik laki-laki pada kotak Value Label.
 Klik Add.
 Proses telah selesai.
Akan terlihat tampilan sebagai berikut.

 Klik OK.
c. Pengisian Variable View untuk variabel umur.
 Name isi dengan umur.
 Type isi dengan mengaktifkan pilihan Numeric.
 Width terserah Anda.n
 Decimals isi dengan dua (2).
 Labels isi dengan umur responden
 Values tidak diisi (karena variabel umur tidak mempunyai
kategori).
 Column Width terserah Anda.
 Alignment terserah Anda.
 Measures pilih scale.

8
 d. Pengisian Variabel view untuk variabel nilai
Untuk keseragaman, beri kode 1 untuk nilai buruk, kode 2 untuk nilai
sedang, dan kode tiga untuk nilai baik. Proses pengisian variabel sudah selesai.
Tampilannya adalah sebagai berikut.

2. Mengisi data view

Aktifkan Data View, lalu isilah sesuai dengan data pada kasus yang diberikan. Jika
sudah selesai, simpan file dengan nama latihan entri (File→Save As→latihan Entri). Bila
Anda mengisi dengan benar, pada Data View, Anda akan memperoleh hasil sebagai
berikut.

9
 Bila yang anda pilih pada menu view adalah view label maka tampilan yang akan
tampil adalah sebagai berikut.

2.3 Melakukan Recording Data

Manfaat nya anda harus terampil melakukan perubahan (recoding) karena data awal mungkin
perlu perubahan untuk keperluan tertentu. Anda melakukannya jika ingin melakukan
perubahan dari skala pengukuran numerik ke skala kategorik atau penggabungan sel (ingat
penggabungan sel sebagai alternatif untuk uji Chi square yang telah dibahas di Bab I).
Dari data yang telah diperoleh pada latihan 1, Anda ingin mengategorikan umur responden
menjadi tiga kelompok, yaitu responden yang berumur < 20 tahun, 20-22 tahun, dan >22
tahun (dalam hal ini, Anda merubah variabel numerik menjadi ordinal.
Bagaimana langkah yang dilakukan dengan program SPSS?
1. Buka file latihan entri.
2. Aktifkan Data View.
3. Lakukan langkah-langkah berikut ini:
 Transform, Recode, into Different Variables. As a te e
 Masukkan variabel umur ke dalam Input Variable.
 Ketik umur 1 ke dalam Output Variable.
 Ketik 'klasifikasi umur' ke dalam label.
10
  Klik kotak Change. Setelah proses ini, Anda akan melihat tampilan sebagai
Berikut.

 Klik Old and New Values.

 Isilah kotak Old Value dan kotak New Value (selanjutnya ikuti logika).
Logikanya adalah:
- Semua data < 20 tahun diubah menjadi kode 1.
- Semua data 20-22 tahun diubah menjadi kode 2.
- Semua data > 22 tahun diubah menjadi kode 3.
Dengan logika tersebut, isilah Old Value dan New Value sebagai berikut:
- Old Value: range lowest through 19, New Value: 1, klik Add.
- Old Value: range 20 through 22, New Value: 2, klik Add.
- Old Value: 23 through highest, New Value: 3, klik Add.
Sampai tahap ini, Anda akan memperoleh tampilan sebagai berikut.

11
  Proses telah selesai, klik kotak continue.
 Klik Ok dan lihatlah hasilnya.
Apakah sudah ada kolom baru (dengan nama umur_1) dan nilai-nilai
yang ada pada kolom tersebut? Bila anda melakukan proses secara
benar, pada data view akan terdapat kolom baru dengan variabel baru
bernama umur_1.

Selanjutnya lakukan lah pengisian variabel view untuk variabel umur_1. Bila pada value anda
mengisi sebagai berikut: kode 1 untuk < 20 tahun; kode 2 untuk 20-22 tahun; kode 3 untuk
>22 tahun, maka pada data view, anda akan melihat tampilan sebagai berikut.

12
2.4 Membuat Deskripsi Variabel Kategorik
Kasus :
Seorang peneliti ingin mengetahui prevalensi katarak pada warga berusia minimal enam
puluh tahun. Dengan kesalahan generalisasi 5%, prevalensi katarak berdasar penelitian
sebelumnya 20%, dan presisi ditetapkan sebesar 5%, diperlukan 256 subjek. Data telah
dikumpulkan dan disimpan dengan nama file deskriptif kategorik.sav. Analisis apakah
yang digunakan untuk mengetahui prevalensi katarak?
Jawab
Penelitian ini merupakan penelitian deskriptif kategorik. Analisis yang digunakan
adalah jumlah, persentase, dan interval kepercayaan dari persentase.
Bagaimana langkah yang dilakukan dengan program SPSS?
1. Buka file deskriptif kategorik.
2. Lakukan proses sebagai berikut.
 Analyze, Descriptive statistics, Frequencies.
 Masukkan variabel katarak ke dalam kotak Variable(s).
 Aktifkan Displays Frequency Tables.

13
Akan terlihat tampilan sebagai berikut.

 Klik kotak Charts.

 Pilih bar pada chart type.
 Pilih Percentages pada Chart Values.
Akan terlihat tampilan sebagai berikut :

 Klik Continue. Proses selesai, klik OK.

14
 Output SPSS :

Interpretasi Hasil
Dari output pertama, Anda mengetahui jumlah total subjek sebanyak 256 dan tidak ada data
yang missing. Katarak dalam jumlah dan persentase dapat diketahui pada output kedua.
Visualisasi dalam bentuk grafik disajikan pada output ketiga.
Hasil analisis tidak disertai oleh nilai interval kepercayaan. Untuk memperolehnya, kita
hitung dengan menggunakan rumus sebagai berikut.
IK95% p±1,96√ √p(1-p)/n
p = proporsi pada sampel penelitian
n=jumlah subjek
Dengan proporsi pada sampel (p)= 0,254 dan jumlah subjek (n)=256, nilai
interval kepercayaan 95% adalah sebagai berikut.
IK95% p±1,96√p(1-p)/n
15
IK95%=0,254±1,96/0,254(1-0,254)/256
IK95% =0,254±0,053317
IK95% minimal = 0,254-0,053=0,201
K95% maksimal = 0,254+0,053=0,307
Cara Melaporkan
Penelitian deskriptif kategorik disajikan dalam jumlah dan persentase. Laporan akan lebih
baik bila disertai dengan nilai interval kepercayaan (tabel 3.3.1).

2.5 Membuat Deskripsi Variabel Numerik

Kasus :
Seorang peneliti ingin mengetahui indeks masa tubuh (IMT) remaja di sebuah desa.
Dengan kesalahan generalisasi 5%, simpang baku IMT berdasar penelitian sebelumnya 1,8
dan presisi ditetapkan sebesar 0,5, diperlukan 50 subjek. Data telah dikumpulkan dan
disimpan dengan nama file deskriptif numerik.sav. Analisis apakah yang digunakan?

Jawab
Penelitian ini merupakan penelitian deskriptif numerik. Analisis yang digunakan adalah
rerata, simpang baku, dan interval kepercayaan dari rerata.
Bagaimana langkah-langkahnya dengan SPSS?
1. Buka file deskriptif numerik.
2. Lakukan proses sebagai berikut. -
1. Analyze, Descriptive Statistics, Explore.
2. Masukkan IMT ke dalam kotak Dependent List.
Akan terlihat tampilan sebagai berikut.

16
 Klik kotak Statistics pilih Descriptives, Confidence Interval For Mean 95% dan
percentiles.
Akan terlihat tampilan sebagai berikut.

3. Proses telah selesai, klik Continue, klik OK.

Bagaimana hasilnya :

17
Interpretasi Hasil
Pada Bagian Descriptives anda mengetahui parameter ukuran pemusatan
(Mean dan median) serta ukuran penyebarannya (Standarstandar deviation, minimum-
maksimum, skewness kurtosis dan persentil).

Cara melaporkan
Pelaporan Penelitian Deskriptif numerik bergantung pada sebaran data. Bila
Normal, pilih rerata dan simpangan baku sebagai ukuran pemusatan dan penyebaran
(Tabel 3.4.1) Bila tidak normal, pilih median dan persentil sebagai ukuran pemusatan
dan penyebaran (Tabel3.4.2). Pembahasan mengenai cara mengetahui sebarandibahas
pada latihan 5.

18
2.6 Latihan 5 : Membuat Deskripsi Variabel Numerik
Anda harus terampil melakukan dan menginterpensikan, apakah suatu data memiliki
distribusi normal atau tidak. Penyajian data dan uji hipotesis bergantung pada normal
tidaknya data. Untuk penyajian data, bila distribusi normal gunakan rerata dan simpangan
baku. Bila distribusi tidak normal gunakan median dan persentil untuk uji hipotesis. bila
distribusi normal gunakan parametrik. Bila distribusi tidak normal gunakan uji non
parametrik

Kasus
Anda melakukan Penelitian dan sudah mengumpulkan da memasukkan data ke SPSS.
Salah satu variabel yang anda ukur adalah variabel umur. Anda ingin mengetahui
apakah variabel umur berdistribusi normal.
Ingatlah kembali tabel berikut yang sudah anda pelajari pada BAB II

19
Bagaimana mengetahui distribusi data normal atau tidak dengan menggunakan SPSS?
 Buka File : normalitas
 Lihat Variabel View, bacalah keterangan variabel ang ada pada file tersebut
 Lihat data View
 Analyze, Descriptive Sattistics, Explore
 Masukkan variabel usia ke dalam Dependent List

20
 Pilih Bath pada Display
 Biarkan kotak Sattictics Sesuai default SPSS. Pilihan ini akan memberikan
Output deskripsi variabel
 Aktifkan Kotak Plots, aktifkan factor levels together pada Box plats (untuk
menampilkan box plat), Aktifkan histogram pada descriptive (ntuk menampilkan
histogram), dan normality Plots with test (untuk meaampilkan plot dan uji
normalitas)

Akan terlihat Tampilan Sebagai berikut :

21
22
23
24
 Interpretasi Hasil
1). Menilai distribusi data Secara Descriptif ( menghitung dan melihat):
Menghitung koefesien varian
Menghitung rasio skewness
Menghitung rasion kurtosis
Melihat histogram
Melihat normal Q-Q plot
Melihat Detrened normal Q-Q plot dan
Melihat box plot
2). Menilai Distribusi data secara analitis : Uji Kolmogorov-Smirnov atau Shapiro- Wilk

Mari kita Lakukan Interpensi hasil satu demi satu

1. Menilai distribusi data secara deskriptif (menghitung dan melihat)
Dengan output pada bagian Descriptives, marilah kita hitung beberapa parameter utuk
menentukan normalitas distribusi data berdasarkan koefesien varian, rasio skewness, dan
rasio kurtosis
a. Menghitung koefesien varian
Koefesien varian = (simpangan baku/rerata) x 100% = (5,79/39,84) x 100% = 14,5%
b. Menghitung rasio Skewness
Rasio Skewness = Skewness/ standar error of skewness = 0,569/0,141 = 4,04
c. Menghitung rasio kurtosis
Rasio kurtosis = kurtosis. Standar error of kurtosis = 0,429/0,281 = 1,44
25
d. Menilai histogram
Pada output diperoleh histogram sebagai berikut, dengan melihat hitogram, tampak
bahwa distribusi data cenderung miring ke kiri
e. Melihat Q-Q plot
Secara teoritis, Suatu Set data dikatakan mempunyai distribusi normal apabila data
tersebar di sekitar garis. Terlihat bahwa data menyebar di sekitar garis, akan tetapi
terdapat beberapa data yang letaknya jauh dari garis. Kemungkinan besar, distribusi
data tidak normal.
f. Melihat de9trended normal Q-Q
Secara teoritis, suatu set data dikatakan mempunyai distribusi normal apabila data
tersebar di sekitar garis (angka norl). Terlihat bahwa banyaksekali data yang letaknya
jauh dari garis. Kemungkinan besar distribusi data tidak normal
g. Melihat Box plot

Kotak besar mengandung 50% data yaitu dari persentil 25 sampai

pensentil 75 garis tebal pada tengah kotak median (persentil 50). Wilayah ini
dinamakan hspread. Data 1,5hspread disebut whisker. Nilai lebih dari 1,5 hspread
dianamakan data outlier (diberi tanda o). Nilai lebih dari 3 hspread dinamakan data
ekstream (diberi tanda *), Secara umum teoritis suatu data dikatakan berdistribusi
normal bila :
1. Nilai Median ada di tengah-tengah kotak.
2. Nilai Whisker terbagi secara simetris ke atas dan ke bawah dan
3. Tidak ada nilai ekstrem atau outlier.

Dari output, terlhat bahwa median terleatak agak kebawah kotak, whisker
realtif simetris, terdapat outlier. Menurut data yang ditmpilkan box plot kemingkinan
besar distribusi data yang tidak normal.

26
 2. Menilai distribusi data secara analitis
Untuk mengetahui apakah distribusi data mempunyai distribusi normal atau
tidak secara analitis, kita menggunakan uji Kolmogorov-Smirnov atau Sapiro-Wilk.
Uji Kolmogorove-Smrnov direkomendasikan untuk sampel yang besar (lebih dari
50), Sedangkan Shapiro-Wilk untuk sampel yang sedikit (Kurang atau sama dengan
50). Namun, pakar statistik DouglasAltman lebih merekomendasikan penggunaan
Shapiro Wilk tdak tergantung pada jumlah subjek
Pada Uji normalitas, diperoleh nilai p<0,001 akrena nilai p < 0,05 maka anda
mengambil kesimpulan bahwa “ distribusi umur tidak normal”.

Pelomik Uji Normalitas

Pada Data yang sedang kita bahas (umur responden), kesimpulan dari berbagai
metode tidak sama. Perhatikan tabel 3.5.2 berikut:

Keterangan : * dalam menginterpretasi histogram dan plots, beberapa

pengamat mungkin mempunyai intrpretasi yang berbeda sehingga kesimpulan
yang berbeda

 Keunggunaln dan kelemahan metode

Koefisien Varian adalah cara yang palin sederhana karena dapat dilakukan
dengan perhitungan sederhana. Nilai 30% koefesien vairan adalah nilai yang
27
 cukup moderat untukmemprediksi sebaran data. Logikanya, jika rerata suatu
data adalah 100 dan simpangan bakunya 30, maka nilai 95% subjek berada di
antara rerata ±25 atau 100-2x30 + 60 sampai dengan 100 + 2 x 30 = 160.
Kefisien nilai varian 50% adalah batas maksimal suatu data berdistribusi
normal. Logikanya, jika rerata suatu data adalah 100 dan simpangan baku 50,
maka nilai 95% subjek berada di antara rerata ±25 atau 100-2x50 = 0 samapai
dengan 100+2x50 = 200. Koefesien vairan lebih dari 50% menunjukan data
berdistribusi tidak normal karena batas bawahnya akan menghasilkannilai
negatif. Suatu nilai yang tidak mungkin.
Kelemahan koefesien vairan hanya berlaku pada data yang berilai
positif atau negatif, ia tidak berlaku untuk data campuran.Selain itu koefesien
varian tiidak menggambarkan bentuk (Shape)
Untuk Menggambarkan bentuk kita dapat menggunakan rasio
Skewness ( kemiringan)dan kurtosis (ketinggian) . Nilai anatara-2 sd 2
mengambarkan sebaran dta normal, Namun salah seorang Statistik Douglas
ALTman tidak merekomendasikannya. Altman lebih merekomendasikan
metode visual ayitu histogram dan normal plot. Dari kedua metodeia lebih
merekomendasikan plot.
Kelemahan mettode grafik karena bersifat subjektif. Akibatnya,
Penilaian atar orang mungkin berbeda. Metode analitik adalah solusi untuk
mengatas subektivitas. Uji statistik berpatokan pada nilai p. Jika lebih besar
dari 0,05 maka sebaran data normal.
Uji Statistik tidak tanpa kelemahan. Ia sangat dipengaruhi jumlah
subjek. Pada subjek yang relatif banyak, nilai p cenderung bermakna karena
power besar. Sebaliknya, pada subjek kecil, nilai p cenderung tidak bermakna
karena power kecil
Kesimpulannya, Tidak ada satau metode pun yang lebih unggul
daipada metode lain. Masing-masing ada keuntungan dan kelemahannya

 Kesepakatan
Untuk kesepakatan, dalam bab-bab selanjutnya, metode analitis akan di pakai sebagai
metode untuk menguji normalitas data. Adapun alasan pemilihan kesepakatan ini
adalah :
1. Dibandingkan dengan menghitung nilai koefisin varian, rasio skewness dan
rasio kurtosis, uji kolmogorov-Smirnov maupun Shapiro-Wilk adalah uji yang
hasilnya Langsung tersedia pada keluara (output) . Walaupun sederhana,
Koefisien varian, raasioskewness dan kurtosis masih memerlukan perhitungan.
2. Dibandingkan dengan histogram dan plots, metode analitis lebih objektif. Jika
menggunakan plots atau histogram, mungkin saja interpretasi penulis dengan

28
embaca berbeda sehingga kesimpulan juga akan berbeda. Dengan demikian,
kesepakatan inikanmengurangi unsur subjektivitas pengamatan terhadap
histogram maupun plot

29
2.7 Latihan 6 : Transformaasi untuk Menormalkan Data

Manfaat
Anda harus trampil melakukan transformasi data untuk menormalkan distribusi data
yang tidak normal. Langkah ii adalah salah satu langkah penting untuk menentukan uji
hipotesis yang anda pilih (ingat kembali alur uji hipoesis untuk variable numerik Pada BAB I

KASUS
Penelitian mengukur densitas parasit pada pasien malaria. Peneliti Menguji Normalitas data
dan memperoleh bahwa data densitas parasit berdistribusi tidak normal (uji normalitas
p<0,05).

Selanjutnya, Peneliti mencoba menormalkan data dengan menggunakan fungsi log 10

30
 Bagaimana Prosedur SPSS untuk melakukan transformasi data jika yang dipilih
adalah melakukan transformasi dengan fungsi log?

1. Buka File rerata geometrik

2. Lakukan prosedur berikut ini
4. Transform, Compute Variable
5. Ketik log_densitas kedalam kotak target Variable
6. cari pilihanLG10 pada pilihan Funtions, kalau sudah ditemukan pindahkan ke
kotak Numerik Expresion dengan mengklik tanda panah. Terlihat ada spasi
setelah kata LG10 (i)
7. Pindahkan variable densitas ke spasi tersebut dengan mengklik tanda panah.
Terlihat variabele densitas mengisi spasi yang kosong tadi.

8. proses selesai Klik OK

Lihat pada data view. Pada data View terdapat Variable baru bernama Log_Densitas
yangmmerupakan hasil transformasivariable densitas parasit pada data view akan terlihat
tampila sebagai berikut :

31
Uji Normalitas variabel baru (Log_densitas)
Sekrang Lakukanlah uji Normalitas untuk variable Log_densitas dengan langkah-langkah uji
normalitas yang telah dibahas pada latihan 5

Bagaimana Hasilnya?
Berikut ini adalah hasil yang akan anda peroleh ( Sesuai kesepakatan, Uji
kolmogorove-Smirnov atau Sapiro-Wilk digunakan untuk mengetahui apakah distribusi data
normal atau tidak).

32
Interpretasi Hasil
Uji Normalitas menghasilkan nilai probability (p) lebih besar dari 0,05
kesimpulannya, variable Log_Densitas normal

Catatan :
1. Untuk Menormalkan Distribusi data, harsus di coba berbagai metode, sepertilogg10,
akar kuadrat, kuadarat, akar tiga dan lain-lain, Sifatnya coba-coba
2. Transformasi data agr normal

Cara melaporkan
Ada dua alternatif Penyajian data hasil Transformasi, yaitu dalam satuan hasil
transformasi dan rerata geometrik. Penyajian dalam satuan hasil transformasi adalah log
densitas2,99 dengan simpangan baku 0,63.
Keuntungan dari cra ini adalah mudah dalam arti kita dapat menyalinnya dari keluaran
(otput)SPSS. Kerugiannya tidak mudah, memahami angka dalam log. Dalam keseharian,
lebih mudah bagi kita untuk memahami dalam bentuk aslinya
Untuk ukuran Penyebaran, Kita tidak dapat menggunakan “simpangan Baku
geometrik” Karena secara matematis tidak ada. Yang dapat kita gunakan adalah interval
kepercayaan geometrik. Caranya adalah dengan mentransformasikan balik nilai interval
kepercayaan hasil transformasi. Karena nilai minimal IK95% hasil transformasi log10 adalah
2,8459, nilai Minimal IK 95% Geometriknya adalah 10 2,8459 = 701,29, Selanjutnya karena nilai
Maksimal IK 95% hasil transformasi log 10 adalah 3,1278, Niai Maksimal IK 95%
geometriknya adalah 103,1278 = 1342, 215
Dengan Demikian Kita dapat mendeskripsikan densitas parasit dalam bentuk rerata
geometrik (IK95%), yaitu 970 IK95% 701,29-1.342,22)
Lihat Tabel 3.6.1

33
34
2.8 Latihan 7 : Deskriptif Sensitivitas dan Spesifitas

Kasus
Seorang peneliti ingin mengetahui nilai diagnostik suatu alat pemeriksaan cepat (rapid test) un
tuk mendiagnosis infeksi bacterial vaginosis (BV). Dengan kesalahan generalisasi 5%, Sensiti
fitas yang di harapkan 80%, presisi 10%, dan prevalensi BV sebesar 30%, Penelitian memerlu
kan205 subjek. Penelitian telah dilakukan dan data telah disimpan pada file deskriptif diagnos
tik. Berapakah sensitifitas, Spesifitas, Nilai Duga Positif, dan nilai duga negatif rapid test terse
but?

Jawab
Untuk menjawab pertanyaan tersebut, lakukan prosedur berikut
 Buka filedesktiptif_diagnostik
 Analize, Descriptive Statistics, Crosstabs.
 Masukkan indeks kedalam Row(s)
 Masukkan referance kedalam column(s).

 Proses telah selesai klik OK

 Akan di Peroleh Sebagai berikut

Rapid test “ Kultur Crosstabulation”

Count
Kultur Total
Positif Negatif

35
 Rapid T Positif 40 95 95
est
Negatif 10 110 110
Total 50 155 205
Gambar 3.7.2

Interpretasi Hasil

Kita dapat menghitung nilai sensitivitas,spesifitas, nilai duga positif dan nilai duga neg
atif berdasarkan tabel silang (Gambar 3.7.2)
 Sensitifitas = a/(a+c) = 40/50 = 0,80
 Spesifisitas = d/(b=d) = 100/155 = 0,645
 Nilai Duga positif = a/(a+b) = 40/95 = 0,421
 Nilai Duga negatif = d/(c+d) = 100/110 = 0,909
Nilai Interval kepercayaan dari masing-masing nilai diagnostik dapat dihitung den
gan menggunakan persamaan berikut.
IK95% = p±1,96√p(1-p)/n
P = proprsi pada sampel penelitian
N = Jumlah subjek
Dengan Menggunakan persamaan di atas, kita daat menghitungIK95% untuk
masing-masing parameter (tabel3.7.1)
Tabel 3.7.1 Nilai Diagnostik beserta interval kepercayaan 95%

Catatan :
Pembahasan lebih rinci mengenai penelitian diagnostik dapat dibaca pada buku Se
ri 5 (Penelitian Diagnostik dan buku Seri 15 ( Penelitian diagnostik: Topik Lanjuta
n)

36
2.9 Latihan 8 : Area Under the Curve (AUC)

KASUS
Seorang peneliti ingin mengetahui nilai prediksi skor yang dikembangkan pene
liti untk memprediksikan mortalitas akibat sepsis selama perawatan.
Dengan kesalahangeneralisasi 5% area under the curve (AUC) yang diharapkan 80
%, presisi 10%, dan insiden mortalitas 30%, penelitian memerlukan 205 subjek.
Penelitian telah dilakukan dan data telah disimpan pada file deskriptif AUC.
Berapakah nilai area under the curve (AUC) dari skor yang dikembangkan peneliti?
Jawab

Untuk menjawab pertanyaan tersebut, lakukan prosedur berikut

 Buka File deskriptif AUC

 Graph, ROC Curve
(Bergantung pada seri SPSS yang anda akan gnakan, ROC mungkin pada me
nu alayze).
 Masukkan indeks kedalam Test variable
 Masukkan referance kedalam State Variable
 Ketik angka 1 ke dalam Valua of State variable (Angka 1 adalah kode untuk
meninggal).
 Aktifkan ROC Curve, With Diagonal refeance Line, dan Standar Eror dan co
nfindance interval pada Display.

37
  Proses telah selesai. Klik OK
 Akan di peroleh hasil sebagai berikut

Interpretasi Hasil
Pada Case Processing Summary, kita mengetahui Insiden mortalitas yaitu seb
anyak 57 dari 200 subjek (28,5%).

38
 Interpretasi Hasil
Dari gambar ROC Curve dan Area Under the Curve, Kita memperoleh informasi secara visual
dan angka berpa nilai prediksi (AUC) dari Skor yang dikembangkan peneliti untuk mempredi
ksi mortalitas. Nilainya adlah 88,1% dengan IK95% antara 82,4% sampai 93,8%

Catatan
Pembahasan lebih rinci mengenai penelitian diagnostik dapat dibaca pada buku seri 5 (Penelit
ian Diagnostik) dan Buku Seri 15 (Penelitin Diagnostik : Topik Lanjutan)

39
3.10 Latihan 9 : Deskriptif Rate

Kasus
Seorang Peneliti ingin mengetahui gambaran mortality rate pasien flu burung berat yang d
irawat di sebuah unit perawatan intensif. Data telah terkumpul dengan jumlah pasiensebanyak
40 orang. Jawalah beberapa pertanyaan berikut
 Kapankah 50% Subjek mengalami kematian (mediansurvaival)?
 Kapankah 25% subjek mengalami kematian (kuartil tigas survival)?
 Kapankah 75% subjek mengalami kematian (kuartil satu survaival)?
 Buatlah tabel kehidupan (life tablel) dengan interval waktu satu hari.
Jawab
Bukalah file deskriptif rate. Ntk menjawab pertanyaan 1 sampai 3, Lakukanlah prosedur berik
ut:

Untuk menjawab pertanyaan tersebut, lakukan prosedur berikut

 Klik Analyze, Survaival, Kaplan-Meier

 Masukkan time ke dalam Time
 Masukkan meninggal ke dalam Status
 Klik Define Event
 Isi angka 1 pada Single Value. Klik Continue, Akan terlihat Tampilan sebagai berikut

 Klik Options
 Pilih Mean dan Median Survaival dan Quartiles
 Pilih Survaival pada Plat

40
  Continue. OK

Bagimana Hasilnya?
Barikut ini adalah hasil yang akan anda peroleh

Interpretasi hasil
Pada Case Processing Summary, Kita memperoleh Informasi bahwa dari 40 subjek,
sebanyak 35 orang mengalami event ( meninggal). Ada lima orang yang Censored (Sensor).
Sensor adalah subjek yang tidak meninggal samapai dengan akhir pengamatan atau subjek
yang lost follow up

Interpretasi Hasil
Pada Percentiles, Kita memperoleh informasi kapan sunjek penelitian tidak mengalami event
(survaival time). Median survival artinya waktu ketika lima puluh persen subjek tidak
meninggal. Persentil 25 artinya waktu ketika 25% subjek tidak meninggal. Persentil 75
artinya waktu ketika 75% subjek tidak meninggal waktunya masing-masing adalah Empat,
delapan, dan tiga hari

41
Interpretasi Hasil
Pada Survival Function, kita memperoleh informasi mortality rate data bentuk kurva
kaplan meler, Secara Visual, Kita bisa mengetahui time Survival (sumbu y)
Selanjutnya, kita bisa meminta perangkat lunak untuk mengubah grafik menjadi tabel.
Tabel tersebut dinamakan tabel kehidupan (life table).

Caranya adalah sebagai berikut :

 Analyze, Survival, Life Tables

 Masukkan time ke time. Ketikan 10 pada through dan 1 pada by pad Display Time
Interval. Artinya, kitahendak melihat life table dari waktu sampadi dengan 10 dengan
interval setiap satu hari. Angk-angka ini bisa kita isi sesuai dengan keinginan kita
 Masukkan meninggal kedalam status
 Klik Define Event
 Isi angka 1 pada single Value. Continue
 Akan terlihat tampilan sebagai berikut


42
  Proses telah selesai. Klik OK
 Akan terlihat sebagai berikut

Interpretasi Hasil
Tampilan Life Table pada output SPSS Lebih panjang dari pada gambar 3.9.7 enam
kolom yang ditampilkan pada gambar tersebut adalah informasi pasling penting. Kolom
pertama adalah interval waktu yang disetting setiap satu hari. Kolom kedua adalah Jumlah
subjek pada awal interval. Selanjutnya kolom ketigas adalah jumlah subjek yang hilang dari
pengamatan pada suatu interval. Kemudian, kolom ke empat adalah jumlah subjekberesiko
terjadinya kematian. Kolom ke lima memberikan informasi jumlahsubjek yang meninggal
pada suatu interval.

43
Akhirnya, kolom terakhir adalah proporsi kumulatif subjek yg survive pada akhir interval.
Jika kita jadikan kolom ke enam sebagai sumbu y dan kolom pertama sebagai sumbu x
, maka kita akan memperoleh grafik seperti gambar 3.9.5

Catatan :
Pembahasan lebih rinci mengenai penelitian survival dapat dibaca pada buku seri 4 (Analisa
Survival dengan Stata) atau buku Seri 11 (Analisa Survaival dengan SPSS)

44
 BAB III
PENUTUP

Statistika deskriptif adalah bagian statistika mengenai pengumpulan data, penyajian, pen
entuan nilai-nilai statistika, pembuatan diagram atau gambar mengenai sesuatu hal, disini dat
a yang disajikan dalam bentuk yang lebih mudah dipahami atau dibaca. Jenis teknik statistik
yang digunakan untuk menguji hipotesis deskriptif harus sesuai dengan jenis data atau variab
el berdasarkan skala pengukurannya, yaitu nominal, ordinal , atau interval/rasio.
Langkah-langkah statistika deskriptif yaitu Memasukkan Data, Melakukan Recording
Data, Membuat Deskripsi Variabel Kategorik, Membuat Deskripsi Variabel Numerik,
Mengetahui sebaran data numerik, Transformaasi untuk Menormalkan Data, Deskriptif Sens
itivitas dan Spesifitas, Area Under the Curve (AUC), Deskriptif Rate.
Setelah memahami makalah tentang Statistik Deskriptif, penyusun menarik kesimpulan b
ahwa penerapan statistik deskriptif yaitu memberi informasi yang terbatas pada data apa ada
nya. Oleh karenanya pemakai statistik deskriptif tidak dapat mengambil kesimpulan yang um
um atas data yang terbatas. Kesimpulan yang dapat diambil, terbatas atas data yang ada.

45
 DAFTAR PUSTAKA

Dahlan, M. Sopiyudin. (2014). Statistik Untuk Kedokteran Dan Kesehatan (Edisi 6). Seri
ke-1. Jakarta Timur: Epidemiologi Indonesia.
Masnidar Nasution, Leni. (2017). Statistika Deskriptif. Jurnal Hikmah, 14 (1), 49-54.

46