STATISTIK

DESKRIPTIF

LAILI NUR HIDAYATI

TUJUAN PEMBELAJARAN

1. Pengertian statistik
2. Manfaat statistik
3. Pengertian data dan variabel
4. Jenis data dan skala pengukuran
5. Perbedaan statistik diskriptif dan inferensial
STATISTIK

 Statistik dalam arti sempit berarti

angka/data.
 Sedangkan dalam arti luas statistik
sebagai suatu prosedur atau metode
pengumpulan data, pengolahan
data, analisis data dan penyajian
data.
 Sedangkan penelitian adalah cara
ilmiah untuk mendapatkan data
dengan tujuan dan kegunaan tertentu
Statistik dan Statistika

 Statistik : nilai-nilai ukuran data

yang mudah dimengerti.

 Statistika : ilmu yang berkaitan

dengan cara pengumpulan,
pengolahan, analisis dan penarikan
kesimpulan atas data.
 PERAN STATISTIK
Peran statistik dalam suatu penelitian
dimulai dari tahap awal sampai dengan
akhir penelitian.
Adapun perannya:
a. Alat untuk menghitung besarnya sampel
yang akan diteliti
b. Alat untuk menguji validitas dan
reliabilitas instrumen
c. Alat untuk pengolahan data
d. Alat untuk analisis data
e. Alat untuk penyajian data
 MANFAAT STATISTIK
a. Mengukur status kesehatan masyarakat dan
mengetahui permasalahan kesehatan
b. Membandingkan status kesehatan di satu tempat
dengan tempat lain, atau membandingkan status
kesehatan waktu lampau dengan saat sekarang
c. Evaluasi dan monitoring kegagalan dan
keberhasilan program kesehatan yang sedang
dilaksanakan
d. Keperluan estimasi tentang kebutuhan pelayanan
kesehatan
e. Perencanaan program kesehatan
f. Keperluan Research dan publikasi masalah-
masalah kesehatan
Data statistik

 Datayang diperoleh melalui

penelitian harus akurat, artinya
data yang dihasilkan harus
memenuhi kriteria: valid,
reliabel dan obyektif.
KEVALIDAN DATA

 Valid
artinya
ketepatan/kecermatan
pengukuran, artinya ketepatan
antara data yang
sesungguhnya terjadi pada
obyek dengan data yang dapat
dikumpulkan oleh peneliti.
RELIABILITAS DATA

 Reliabelmenunjukkan
kekonsistensian pengukuran,
artinya pengukuran diulang-
ulang akan mendapatkan hasil
yang sama.
OBYEKTIVITAS DATA

 Objektif menunjukkan derajat

persamaan persepsi antar
orang.
 Jadi misalkan orang tertentu
melihat bahwa obyek itu
berwarna putih, maka orang
lainpun akan menyatakan
sama, yaitu putih.
DATA & VARIABEL

Data merupakan kumpulan angka/huruf hasil

dari penelitian terhadap sifat/karakteristik
yang kita teliti.
Isi data pada umumnya bervariasi (misalnya
data berat badan dalam suatu kelompok
orang ada yang beratnya 60 kg, 50 kg, 75 kg
dst) sehingga muncul istilah variabel.

Jadi variabel merupakan karakteristik yang

nilai datanya bervariasi dari suatu
pengukuran ke pengukuran berikutnya.
Sumber Data
VARIABEL DATA

Menurut skala
pengukurannya, variabel
dibagi empat jenis, yaitu
 nominal,
 ordinal,
 Interval,
 rasio.
DATA NOMINAL

Nominal, variabel yang hanya dapat

membedakan nilai datanya dan tidak tahu nilai
data mana yang lebih tinggi atau rendah.

Contoh; jenis kelamin, suku dll. Jenis kelamin

laki-laki tidak lebih tinggi dibandingkan
perempuan. Suku Jawa tidak dapat dikatakan
lebih baik/lebih buruk dari suku sunda.
=> Dengan ilustrasi ini dapat dijelaskan bahwa
variabel nominal, nilai datanya sederajat
DATA ORDINAL

variabel yang dapat membedakan

nilai datanya dan juga sudah
diketahui tingkatan lebih tinggi atau
lebih rendah, tapi belum diketahui
besar beda antar nilai datanya.

Contoh pendidikan, pangkat, stadium

penyakit dll.
 DATA INTERVAL
Interval, variabel yang dapat dibedakan,
diketahui tingkatannya dan diketahui juga besar
beda antar nilainya, namun pada variabel interval
belum diketahui kelipatan suatu nilai terhadap
nilai yang lain dan pada skala interval tidak
mempunyai titik nol mutlak.

Contohnya variabel suhu, kalau suatu benda

suhunya 0 derajat, ini tidak berarti bahwa benda
tersebut tidak punya panas (tidak mempunyai
nilai nol mutlak)
 DATA RASIO
Rasio, variabel yang paling tinggi skalanya, yaitu
bisa dibedakan, ada tingkatan, ada besar beda
dan ada kelipatannya serta ada nol mutlak.
Contoh berat badan, tinggi badan dll.
Misal A beratnya 30 kg dan B beratnya 60 kg.
 Dalam hal ini dapat dikatakan bahwa A lebih
ringan dari B, selisih berat antara A dan B
adalah 30 kg, berat b dua kali lebih tinggi dari
berat A.
 Berat 0 kg, ini berarti tidak ada berat (tidak
ada bendanya) sehingga ada nol mutlak.
KELOMPOK DATA

Dalam analisis seringkali

digunakan pembagian
data/variabel menjadi dua
kelompok yaitu
1. data katagorik
2. data numerik.
DATA KATAGORIK

Katagorik (kualitatif), merupakan

data hasil
pengklasifikasian/penggolongan
suatu data.
Cirinya: isinya berupa kata-kata.
Contoh: sex, jenis pekerjaan,
pendidikan.
DATA NUMERIK

Numerik (kuantitatif), merupakan variabel

hasil dari penghitungan dan pengukuran.
Cirinya: isi variabel berbentuk angka-angka.
Variabel numerik dibagi menjadi dua
macam: Diskrit dan Kontinyu.
 Diskrit merupakan variabel hasil dari
Penghitungan. Misalnya jumlah anak,
jumlah pasien tiap ruang.
 Kontinyu merupakan hasil dari
pengukuran, misalkan tekanan darah, Hb
dll
Variabel katagorik pada umumnya berisi variabel
yang berskala nominal dan ordinal. Sedangkan
variabel numerik berisi variabel yang berskala
interval dan rasio.
 Dalam analisis statistik, seringkali data numerik
diubah ke dalam data katagorik dengan cara
dilakukan pengelompokan/pengklasifikasian.
 Misalnya variabel berat badan data riilnya
merupakan data numeric, namun bila
dikelompokkan menjadi kurus (<50 kg), sedang
(50-60 kg) dan gemuk (>60 kg) maka jenis
variabelnya sudah berubah menjadi katagorik.
Jenis-Jenis Statistika
Jenis-Jenis Statistika

 Statistika deskriptif: metode yang

berkaitan dengan pengumpulan dan
penyajian data.

 Statistika inferensi: metode yang

berkaitan dengan analisis sampel
untuk penarikan kesimpulan tentang
karakteristik populasi.
 PERBEDAAN STATISTIK
DESKRIPTIF DAN INFERENSIAL
 Statistik deskriptif hanya terbatas pada
menyajikan data bentuk tabel, diagram,
grafik, dan besaran lain
 Sedangkan statistik inferensial selain
mencakup statistik deskriptif juga mampu
dipakai untuk melakukan estimasi dan
penarikan kesimpulan terhadap populasi
dari sampelnya.
 Untuk sampai pada penarikan kesimpulan
statistik inferensia melalui tahap uji
hipotesis dan uji statistik
STATISTIK DESKRIPTIF

 Statistik deskriptif adalah metode-metode yang berkaitan

dengan pengumpulan dan Penyajian suatu gugus data sehingga
memberikan informasi yang berguna (Ronald E. walpole)
 TUJUAN analisis statistic deskriptif untuk menjelaskan atau
mendeskripsikan karakteristik masing-masing variabel yang
diteliti

 Statistika deskriptif memberikan informasi hanya mengenai

data yang dipunyai dan sama sekali tidak
menarik inferensia atau kesimpulan apapun tentang data
tersebut
 Statistika deskriptif dapat dibedakan dari statistik inferensia
karena statistika deskriptif bertujuan untuk meringkas suatu
gugus data, bukan untuk menggunakan gugus data untuk
mempelajari dan menarik kesimpulan pada populasi yang lebih
besar.
STATISTIK DESKRIPTIF
PENYAJIAN DATA DGN TABEL

 Menyajikan statistik menurut group sesuai keperluan

penelitian
 Tampilan tabel jelas dan ringkas

Kunci dalam membuat Tabel

 Tabel harus memberikan informasi yang dapat
dimengerti oleh pembaca
 Terdapat perbedaan penyajian: kategorik vs numerik
PENYAJIAN Tabel → DATA
KATEGORIK
Data 1
Tabel frekuensi
Tabel Kontingensi
PENYAJIAN Tabel → DATA
NUMERIK
Tabel distribusi frekuensi
Kelompok
Data 2

58 57 50 56 44 59 43 52 55 49
43 43 49 55 58 48 46 42 44 48
40 40 42
Data 3

58 57 50 56 44 59 43 52 55 49 43 43 49
55 58 48 46 42 44 48 40 40 42 69 69
79 80 75 70 68 69 70 67 65 77 69 67
76 73 65
Ilustrasi Data 2
Tabel Ringkasan
PENYAJIAN
GRAFIK
 PENYAJIAN GRAFIK

Grafik lebih cepat mengungkapkan

informasi dibandingkan dengan
tulisan
Pada umumnya terdapat dua tipe
grafik :
Kategorik: deskripsi
Numerik: bentuk sebaran
PENYAJIAN DATA DG GRAFIK
→ DATA KATEGORIK
PIE CHART
BAR CHART
PENYAJIAN DATA DG GRAFIK
→ DATA NUMERIK
HISTOGRAM

 Sebuah grafik dari suatu sebaran frekuensi

 Bisa distribusi dari frekuensi-nya atau frekuensi relatif-
nya

Digunakan untuk melihat distribusi dari data:

 Melihat ukuran penyebaran dan ukuran pemusatan data
 Melihat adanya data outlier
 Mendeteksi ada bimodus/tidak
Histogram –
Mengukur bentuk sebaran
 Kembali ke Ilustrasi—Data 2
 Berdasasarkan tabel sebaran frekuensi tersebut maka tampilan
histogramnya sebagai berikut

 Sebagian besar berusia kurang dari 50 tahun, sedangkan frekuensi

paling banyak berada pada usia 44 tahun. Bentuk sebaran tidak
simetrik, terdapat dua kelompok usia (kurag dari 50 tahun dan lebih
dari 50 tahun) → bimodus
Deskripsi data numerik
 TujuanMendeskripsikan data
→ Mengetahui karakteristik
data sesederhana mungkin
tetapi memiliki pengertian
yang dapat menjelaskan data
secara keseluruhan
 DataNumerik memiliki pusat
dan keragaman:
→ Ukuran pemusatan
→ Ukuran penyebaran
Ukuran pemusatan

 Definisi: merupakan suatu gambaran

(informasi) yang memberikan penjelasan
bahwa data memiliki satu (mungkin lebih)
titik nilai dimana dia memusat atau
terkumpul
Beberapa Ukuran:
 Mean (rataan/rata-rata/rerata)
 Modus
 Nilai tengah(
Ukuran penyebaran

Definisi : suatu ukuran untuk memberikan

gambaran seberapa besar data menyebar
dalam kumpulannya.

Beberapa Ukuran:
 Wilayah (Range)
 Jarak Antar Kuartil (Interquartile Range)
 Ragam (Variance)
 Simpangan Baku (Standard Deviation)
 dll
Kapan Statistik Deskiptif
Diaplikasikan?
Analisa Univariat
Analisa Univariat adalah analisa yang
mempelajari kasus-kasus dengan
variabel tunggal dengan
memfokuskan pada tiga karakteristik:
Distribusi,
Tendensi Sentral, dan
Ukuran Dispersi.
Distribusi

 Distibusi adalah ringkasan frekuensi dari data individual

atau data berkelompok untuk sebuah variabel.
 Distribusi yang paling sederhana adalah dengan
menentukan nilai-nilai yang ingin dicari dari variabel
yang dipelajari dan jumlah sampel yang memiliki nilai
tersebut.
 Misalnya, dalam menghitung distribusi jenis kelamin
subjek-subjek dalam satu penelitian berarti kita
menhitung persentase subjek yang laki-laki dan subjek
yang perempuan.
Tendensi Sentral / Ukuran
Pemusatan
 Tendensi Sentral atau dikenal juga dengan istilah
Ukuran Pemusatan adalah penjabaran data yang
berulang atau berpusat pada nilai-nilai tertentu secara
kuantitatif .
 Tendensi sentral adalah cara untuk mencari nilai tengah
dari satu gugus data, yang telah diurutkan dari nilai
yang terkecil sampai yang terbesar atau sebaliknya,
yang terbesar sampai yang terkecil.
 Tendensi Sentral / Ukuran
Pemusatan
 Arithmetic mean (rata-rata hitung) - jumlah seluruh nilai dibagi jumlah data dalam
observasi.
 Median – nilai tengah yang memisahkan data yang tinggi dan yang rendah.
 Mode – nilai yang paling sering muncul dalam observasi.
 Geometric mean - akar pangkat n dari hasil perkalian setiap pengamatan.
 Harmonic mean – rata-rata hitung untuk data yang memiliki rasio yang berbeda.
 Weighted mean – rata-rata hitung yang memberikan bobot tertentu pada data
tertentu.
 Truncated mean – rata-rata hitung setelah beberapa proporsi data yang paling tinggi
dan paling rendah dibuang.
 Midrange – rata-rata hitung dari nilai maksimum dan nilai minimum dari gugus data.
 Midhinge – rata-rata hitung dari dua kuartil..
 Trimean – rata-rata hitung dari median dan dua kuartil.
 Winsorized mean – rata-rata hitung dimana nilai yang paling extrim diganti oleh nilai
yang dekat dengan median.
Ukuran Dispersi

 Ukuran dispersi adalah ukuran variasi atau seberapa

jauh nilai tersebar datu dengan lainnya dari gugus data.
 Aplikasi ukuran dispersi yang sering digunakan adalah
standar deviasi.
 Ukuran dispersi biasanya digunakan bersamaan dengan
tendensi sentral untuk mempelajari distribusi data.
Ukuran Dispersi

 Range (Jangkauan Data) – interval terkecil yang

memuat semua data. Didapat dengan mencari selisih
nilai maksimum dengan nilai minimum.
 Standar deviasi – menunjukkan seberapa jauh deviasi
data pada suatu gugus dari nilai tengahnya.
 Varians – menunjukkan seberapa jauh penyebaran satu
nilai dengan nilai yang lain pada gugus data.
 Kuartil & Jangkauan antar kuartil – memecahkan data
menjadi empat bagian yang rata.
Contoh Kasus
Tendensi Sentral

 Rata-rata(Mean)
 Median
 Mode
Rata-Rata

 Data tidak dikelompokkan

x=
 x Adalah jumlah seluruh
n nilai dalam pengamatan
(Σx) dibagi dengan
banyaknya pengamatan (n)
1014
x= = 67,60
15
Rata-Rata

 Data yang dikelompokkan

x=
 fNt
n

x=
 1007.5
= 67.17
15
Median

 Mencari nilai tengah dari data yang sudah diurut yang

akan membagi data dalam dua bagian.
 50% data berada dibawah median, 50% data berada
diatas median.

M e = (n + 1) / 2
Median

 Data tidak dikelompokkan

M e = (n + 1) / 2
M e = (15 + 1) / 2 = 8
Median
 Data yang dikelompokkan

( )
M e = M e' + i M e'' − f kum / f
Median

( )
M e = M e' + i M e'' − f kum / f

M e = 60 + 10(7,5 − 6 ) / 1 = 75
Mode / Modus

 Merupakan nilai yang paling sering muncul dalam gugus

data.

 Data tidak dikelompokkan

Mode / Modus

 Data yang dikelompokkan

M o = LMo + [d1 /( d1 + d 2 )]i

Mode / Modus

M o = LMo + [d1 /( d1 + d 2 )]i

M o = 81 + [2 /( 2 + 1)]5 = 84,3
Ukuran Dispersi

 Rentang
 Kuartil
 Jangkauan Antar Kuartil
 Persentil
 Jumlah & Interval Kelompok
 Standar Deviasi
Rentang

 Merupakan ukuran dispersi yg merupakan selisih nilai

maksimum dan minimum.

Rentang = data terbesar – data

terkecil

R = 95 - 26 = 69
Kuartil
Jangkauan Antar Kuartil

 Merupakan selisih antara q1 dan q3 yang

merupakan titik tengah dari seluruh distribusi

Dq = (q3 − q1 ) / 2
 Deviasi Kuartil
Dq = (87 − 46 ) / 2 = 20,5

Dq = (q3 + q1 ) / 2
Dq = (87 + 46 ) / 2 = 66,5
 Median
Persentil
Jumlah & Interval Kelompok

 Menentukan banyaknya kelompok

m = 1+ 3,3 log n

m = 1 + 3,3 log 15 = 4,8811  5

 Menentukan Interval Kelompok
i = R/m
R = Xmax - Xmin
Data diatas memiliki 5
R = 95 - 26 = 69 kelompok dengan interval 14
i = 69 / 5 = 13,8  14
Standar Deviasi

 Data tidak dikelompokkan

X = 67,6
 ( X − X ) 2
=7409,6

SD = ( X − X ) 2
SD = 7409,6 / 15 = 22,23
Standar Deviasi

 Data yang dikelompokkan

X = 67,6
SD = f ( Nt − X ) 2 / n
SD = 7789,75 / 15 = 22,79
Koefisien Variasi

 Untuk membandingkan 2 kelompok dengan variabel

yang sama tetapi nilai yang berbeda.

KV = ( SD / X ) x100%