KONSEP DASAR

BIOSTATISTIK
PENDAHULUAN
Biostatistika yaitu penerapan metode statistik dalam memecahkan
permasalahan dalam bidang biologi: mencari deskripsi suatu variable, mencari
hubungan antar variable, menentukan perbedaan respon akibat perlakuan yang
diberikan
ISTILAH DI DALAM STATISTIKA
Populasi, himpunan atau kumpulan dari semua obyek yang akan diteliti
Sampel, himpunan bagian dari populasi.
Sensus, adalah cara mengumpulkan data dimana seluruh anggota populasi
diamati satu per satu secara keseluruhan
Sampling, adalah cara mengumpulkan data dimana yang diselidiki adalah
elemen sampel dari suatu populasi
Parameter, adalah suatu besaran yang menyatakan kondisi dari populasi. Misal :
rata-rata (μ), variansi (Ծ²), simpangan baku (Ծ)
Statistik, adalah suatu besaran yang menyatakan kondisi dari sampel. Misal
rata-rata (ẋ), variansi (S²), simpangan baku (S).
DATA
Data adalah sesuatu yang diketahui atau dianggap, meskipun belum tentu benar. Data dapat
digunakan untuk menggambarkan suatu keadaan atau persoalan. Data yang telah diolah disebut
dengan informasi
Syarat sebuah data :
1. Harus obyektif (sesuai dengan keadaan sebenarnya)
2. Harus bisa mewakili (representative)
3. Harus memiliki tingkat ketelitian yang tinggi (standar error harus kecil)
4. Harus tepat waktu (up to date)
5. Harus relevan
JENIS DATA
1. Berdasarkan sumber : data primer ; data sekunder
2. Berdasarkan jenis : Numerik (kuantitatif) ; kategorik (kualitatif)
3. Berdasarkan sifat angka : data kontinu ; data diskrit
4. Berdasarkan bentuk angka : data tunggal ; data kelompok
5. Berdasarkan waktu pengumpulan : data seketika ; data urutan waktu
SKALA PENGUKURAN
Nominal : Jenis kelamin, jenis pekerjaan, agama
Ordinal : kepuasan kerja (puas – tidak puas), motivasi (rendah sedang tinggi)
Interval : temperature suhu
Rasio : skor ujian, berat badan (kg), gaji (Rp)
VARIABEL, DATA, INFORMASI
Variabel : Karakteristik subjek yang memiliki variasi atribut atau nilai
Contoh :
Jenis kelamin: laki-laki, perempuan
Kadar gula darah: 110, 111, 112, .....400, 401, 402 mg/dl
Data : Kumpulan angka kuantitatif hasil pengukuran variabel, biasanya belum memiliki
makna.
Contoh :
Subjek A: Seks= laki-laki, TB= 170cm, BB=90kg, TDS= 150mmHg
Subjek B: Seks= perempuan, TB=165cm; BB=55kg, TDS=120mmHg
Informasi : Hasil analisis data sehingga memiliki makna yang berguna untuk membuat
keputusan
Contoh : Rata-rata Tekanan darah populasi penderita obesitas : 150mmHg, populasi
overweight= 140mmHg, populasi normal= 120mmHg
KEGUNAAN BIOSTATISTIK
Memberikan informasi tentang :
1. Karakteristik populasi
2. Hubungan / pengaruh variable pada populasi
Contoh :
Apakah merokok berhubungan dengan peningkatan risiko penyakit jantung koroner (PJK)?
Apakah pemberian metilprednisolon dapat mengurangi mortalitas pasien dengan tetanus?

berguna untuk membantu mengambil keputusan, membuat perencanaan, atau

memecahkan masalah
JENIS STATISTIK
Statistik deskriptif : berkenaan dengan pengumpulan, pengolahan, dan
penyajian sebagian atau seluruh data (pengamatan) tanpa pengambilan
kesimpulan. Contoh : Prevalensi TB paru pada populasi 1% ; Rata-rata tekanan
darah sistolik populasi obes 150 mmHg
Statistik inferensi : mempunyai batasan menginterpretasikan data angka yang
diolah sebelumnya pada statistik deskriptif contoh : Merokok meningkatkan
risiko sebesar 7 kali untuk mengalami PJK ; Pemberian metilprednisolon
menurunkan kematian pasien dengan tetanus sebesar 20%
STATISTIK INFERENSI
1. Uji hipotesis – menguji signifikansi statistik tentang beda/ hubungan/
pengaruh variable. Contoh :
a. Apakah pemberian probiotik mempercepat episode diare pada balita dengan signfikan
secara statistik?
b. Apakah penggunaan telepon seluler > 10 tahun berhubungan dengan peningikatan risiko
neuroma otak dengan signifikan secara statistik?

2. Estimasi (penaksiran) – menaksir besarnya beda/ kekuatan hubungan/

pengaruh variable. Contoh :
a. Berapa hari lebih pendek episode diare pada balita yang diberi probiotik?
b. Berapa besar peningkatan risiko neuroma otak pada pengguna telepon seluler >10
tahun?
STATISTIK INFERENSI
1. Statistik parametrik : Prosedur pengujian hipotesis dan estimasi dengan
menggunakan parameter mean dan asumsi normalitas distribusi frekuensi.
Contoh : Uji T, uji paired T-test, Uji F (Anova)
2. Statistik nonparametric : Prosedur pengujian hipotesis dan estimasi tanpa
menggunakan parameter mean maupun asumsi normalitas distribusi
frekuensi (distribution-free statistics). Contoh : Uji Chi Kuadrat, Mann-
Whitney, Wilcoxon, Kruskal-Wallis
NILAI P
Nilai p (p value) adalah probabilitas untuk menarik kesimpulan SALAH bahwa
terdapat beda/ hubungan/ pengaruh sebesar atau lebih besar daripada yang
teramati, ketika Ho benar (tidak ada beda/ hubungan/ pengaruh)
Nilai p menunjukkan besarnya peran peluang (kebetulan. Makin kecil nilai p,
makin kecil beda/ hubungan/ pengaruh yang teramati terjadi karena kebetulan
NILAI P
Hasil uji statistik ditunjukkan oleh nilai p. Jadi lihatlah selalu nilai p dari uji
statistik apapun Nilai p menunjukkan signifikansi statistik.
Signifikansi statistik mengandung makna konsistensi temuan ketika temuan itu
diulangi berkali -kali.
Contoh: Probiotik bisa memperpendek lama diare sebesar 3 hari dengan
p=0.002. Artinya, jika penelitian ini diulangi 1000 kali, maka anda akan
menemukan 998 kali di antaranya memberikan kesimpulan yang sama dengan
kesimpulan anda. Temuan itu baik karena menunjukkan konsistensi
PERLU DIPERHATIKAN
Jangan sekali kali mengebiri p=0.002 menjadi p <0,05, yang artinya secara
statistik signifikansi pada ∝ = 0,05.
TERIMA KASIH