25%+5%
50%
+5%
75%
+5%
2
Analisis Deskriptif
Analisis yang menggambarkan suatu data yang akan
dibuat baik sendiri maupun secara kelompok.
ΣΧ𝑖 Contoh 2.
𝑥ҧ = Dekan Fitkes ingin membagikan uang kepada lima orang pegawai
𝑛 administrasi untuk keperluan hadiah lebaran: Dodi Rp 5 juta, Tuti Rp 10
Keterangan: juta, Tati Rp 6 juta, Deni Rp 5.5 juta, dan Endah Rp 4.5 juta Berapakah
rata-rata uang yang diterima kelima orang tersebut?
𝑥ҧ = Mean
Jawab:
ΣΧ𝑖 = jumlah tiap data
5 𝑗𝑢𝑡𝑎 + 10 𝑗𝑢𝑡𝑎 + 6 𝑗𝑢𝑡𝑎 + 5,5 𝑗𝑢𝑡𝑎 + 4,5 𝑗𝑢𝑡𝑎 31 𝑗𝑢𝑡𝑎
𝑛 = jumlah data 𝑥ҧ = =
5 5
= 6,2 𝑗𝑢𝑡𝑎
Jadi, rata-rata uang yang diterima kelima pegawai sebesar Rp 6,2 juta
Nb:
Kelebihan mean melibatkan seluruh observasi dan tidak terlalu terpengaruh dengan banyaknya data Kelemahan mean adalah sangat terpengaruh oleh data ekstrim
(data yang nilainya sangat tinggi atau sangat rendah dengan data yang lain)
4
4
2. Median
Median (Me) ialah nilai tengah yang membagi data menjadi dua bagian yaitu 50 % data diatas median dan 50% data dibawah median Median
dibagi menjadi dua perhitungan, yaitu median data tunggal dan median data kelompok.
Mencari median data tunggal dengan cara mengurutkan data tersebut dari data terkecil sampai data terbesar atau sebaliknya dari data
terbesar sampai data terkecil, kemudian posisi median dicari dengan rumus:
Nb:
Kelebihan median tidak terpengaruh oleh data ekstrim
Kelemahannya terpengaruh dengan banyaknya data.
5
5
3. Mode/Modus
Mode atau disingkat dengan (Mo) ialah nilai dari data yang mempunyai frekuensi tertinggi baik data
tunggal maupun data distribusi atau nilai yang sering muncul dalam kelompok data.
Menghitung mode dengan data tunggal dilaku- kan sangat sederhana, yaitu dengan cara mencari nilai
yang sering muncul di antara sebaran data Ukuran ini sering dipakai untuk rata-rata data kualitatif
Misalnya sebagian besar penyakit AIDS di Amerika disebabkan oleh hubungan bebas, pada umumnya
masyarakat Jepang bekerja keras, sebagian besar rakyat Indonesia bercocok tanam dan lain-lain.
Penggunaan mode bagi data kualitatif maupun data kuantitatif dengan cara menentukan frekuensi
terbanyak di antara data yang ada.
Contoh
Diketahui data berat badan pasien yang periksa kehamilan di rumah bersalin Delima Cimahi selama
sehari. Di dapatkan data sebagai berikut (dalam Kg): 40, 60, 60, 65, 72; 60, 70, 60, 80, dan 90
Jawab: nilai Mode berat badan pasien, yaitu pada nilai 60 karena muncul 4 kali. Artinya pasien yang
periksa kehamilan di rumah bersalin Delima paling banyak mempunyai berat badan 60 Kg.
Nb:
Kelebihan median tidak terpengaruh oleh data ekstrim
Kelemahannya terpengaruh dengan banyaknya data.
6
6
Σ𝐹𝑀
𝑢=
Σ𝐹
Keterangan:
𝑢 = rata-rata data observasi
𝛴 = Jumlah
𝐹 = Frekuensi
𝑀= nilai tengah
7
Contoh 7
Berikut ini data observasi mengenai berat badan ibu hamil di Desa X
Contoh:
Diketahui bahwa rata-rata berat badan mahasiswa 60 Kg dengan standar deviasi 5 Kg, maka jika distibusi datanya normal maka dapat dihitung :
- 68% mahasiswa = 60 ± 1 × 5 kg = 55 Kg sampai 65 Kg
- 95% mahasiswa = 60 ±2 × 5 Kg = 50 Kg sampai 70 Kg
- 99% mahasiswa = 60 ±3 × 5 Kg = 45 Kg sampai 65 Kg
11
11
2. Ukuran Variasi (Dispersi) Contoh :
a. Range Data tekanan darah diastol masyarakat kota dan masyarakat desa di
daerah Bandung
Range (rentangan) adalah data tertinggi
dikurangi data terendah. Range ini biasa Masyarakat Kota: 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
digunakan untuk skala interval dan rasio Masyarakat Desa: 80, 80, 75, 95, 75, 70, 95, 60, 85, 60
dari variabel kontinu. Kelemahan Range
Langkah-langkah menjawab:
ialah tidak dapat digunakan apabila ada
data ekstrim. Urutkan dulu kemudian dihitung rentangannya
Rumus: Masyarakat Kota: 50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Masyarakat Desa: 60, 60, 70, 75, 75, 80, 80, 85, 95, 95
R= data tertinggi - data terendah Rentangan Masyarakat Kota: 100-50 50
Rentangan Masyarakat Desa : 95-60 = 35
Kesimpulan:
Berdasarkan data terlihat bahwa tekanan darah masyarakat kota lebih
bervariasi dibandingkan dengan tekanan darah masyarakat desa (karena
rangenya lebih besar)
b. Rentang antar kuartil/Interquartil Range (IR) Interquartil Range Q2= ½ (n+1) 12
12
yang meliputi 50% pada bagian tengah distribusi. Kelebihan IR, tidak Q2= ½ (7+1)
dipengaruhi oleh ekstrim skore. Kelemahan IR, perhitungan ini hanya
menghitung 50% dari data yang ada dan data yang berada di kanan Q2= ½ (8) = 4
ataupun kiri tidak diperhitungkan. Perhitunganinitidak bisa Berarti letak Q2 di posisi urutan 4 yaitu angka 5 tahun
menggambarkan keseluruhan distribusi dan juga tidak bisa
Q3 = ¾ (n+1)
menggambarkan variasi yang sesungguhnya. Rumusnya:
Q3 = ¾ (7+1)
IR: Q3-Q1 Q3 = ¾ (8) = 6
Berarti letak Q3 di posisi urutan 6 yaitu angka 7 tahun
Untuk data tidak berkelompok Menentukan letak Q1 dan Q2:
Q1= ¼ (n+1)
Menghitung nilai Q1, Q2, dan Q3 apabila jumlah
Q2= ½ (n+1)= median
data genap :
Q3= ¾ (n+1)
Q1, Q2, dan Q3 = Ns + [Ku (Nq-Ns)]
Menghitung nilai Q1 dan Q2: Q1 dan Q3 apabila jumlah data ganjil :
Ns: nilai sebelum Q3 dan Q1
Misalnya ada data umur anak (dalam tahun) : 7, 5, 6, 2, 8, 4, 4.
Pertama urutkan data menjadi : 2, 4, 4, 5, 6, 7, 8 Ku: kekurangan unit untuk mencapai letak Q3 dan Q1
Q1= ¼ (n+1) Nq: nilai dimana Q3 dan Q1 berada
Q1= ¼ (7+1)
Q1= ¼ (8) = 2
Berarti letak Q1 di posisi urutan 2 yaitu angka 4 tahun
Rentang antar kuartil (IR)= 8-4,75 = 3,25. 13
13
Letak Q1 = (1 x 67)/4
= 16,75 (terletak antara kelas ke-1 dan ke-2)
Letak Q3 = (3 x 67)/4
= 50,25 (terletak antara kelas 4 dan 5)
Nilai Q1 = 19,5+ [10 (16,7-2)]/23
= 19,5+6,4
=25,9
Nilai Q3 = 39,5+ [10 (50,25-40)]/11
= 39,5 +9,3
= 48,8
Rentang antar kuartil (IR) = 48,8 – 25,9 = 22,9
15
15
D. Desil (Decile)
Desil merupakan data yang sudah disusun menjadi distribusi dan dibagi menjadi 10 bagian yang sama. Perhitungan desil
prinsipnya sama dengan perhitungan kuartil, dengan menghitung desil kita akan mendapatkan informasi yang lebih teliti
dibandingkan dengan kuartil.
Umur f Fkums
10-19 2 2
20-29 23 25
30-39 15 40
40-49 11 51
50-59 9 60
60-69 5 65
70-79 2 67
Jumlah 67
Letak D2 = (2 x 67)/10
= 13,4 (terletak antara kelas ke-1 dan ke-2)
Nilai D2 = 19,5 + [10 (13,4 – 2)]/23
= 19,5 + 4,96
= 24,5
19
19
e. Persentil (Percentile)
Persentil merupakan distribusi dibagi 100 bagian yang sama dengan cara demikian kita mendapatkan 99 bagian yang
sama. Dengan menggunakan percentil kita dapat mengetahui posisi rata-rata dan mengetahui pada jenjang keberapa
posisi rata-rata tersebut.
Untuk data yang tidak berkelompok :
Posisi percentil (Pp) pada data ke p(n+1)/100
P = 1, 2, 3, 4.....99
n = jumlah pengamatan
Nilai Pp= Ns + [Ku (Np-Ns)
Ns : Nilai sebelum Pp
Ku: kekurangan unit untuk mencapai Pp
Np : nilai dimana Pp berada
20
Contohnya: 20
Bila anak mempunyai umur yang terletak pada persentil 30% (𝑝𝑥𝑛)
𝑥ҧ =
maka berapakah umur anak tersebut? Berapakah 100
p= percentil ke 1, 2, 3.4.99
Posisi P5 = 30 (15+1)/100
n= jumlah data
= 4,8 atau 4+ 0,8 ( antara angka urut ke-4 dan ke-5)
Nilai Pp
Nilai P5 = 4 + [0,8 (5-4)]
= 4,8 tahun 𝑖(𝑥 − 𝐹𝑘𝑢𝑚 )
𝑃𝑝 = 𝑁𝑠 +
𝑓
Ns = nilai pengamatan sebelum Pp
I = interval kelas
Fkum = frekuensi kumulatif lebih kecil dari batas atas
gggggggggggsebelum Pp
F = frekuensi dimana Pp berada
21
21
Hb (gr%) f Fkum Jika kita ingin menentukan bahwa batas anemia adalah 11 gr%
maka dapat dihitung jenjang persentilnya (percentile Rank)
7-8 4 4 dengan cara :
9-10 6 10 - Kurangkan 11 dengan tepi atas kelas dimana nilai tersebut
11-12 20 30 berada yaitu (11-10,5) = 0,5
13-14 15 45 - Bagilah 0,5 dengan interval kelas= 0,5/2= 0,25
15-16 5 50 - Kalikan 0,25 dengan frekuensi kelas dimana Hb 11 gr%
Jumlah 50 berada, 0,25 x 20= 5
- Tambahkan hasil nomor 3 dengan Fkum kelas sebelumnya;
5+10=15
- Bagilah hasil nomor 4 dengan n. (15/50) x 100= 30
Kesimpulan:
Hb 11 gr% terletak pada jenjang percentil 30 atau 30% dari 50
orang ibu hamil dengan Hb kurang dari 11 gr%.
22
22
Σ(𝜒 − 𝜇)
𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 ∶ 𝑀𝐷 =
𝑛
Σ(𝜒 − 𝜒)ҧ
𝑆𝑎𝑚𝑝𝑒𝑙 ∶ 𝑀𝐷 =
𝑛
Simpangan rata-rata bermanfaat untuk mengeta variasi yang terjadi dalam satu kelompok pengamatan atau
membandingkan tingkat variabilitas dua kelompok atau lebih
Contoh: 23
23
Ada dua kelompok ibu hamil yang masing-masing lima orang mempunyai berat badan sebagai berikut:
Kelompok A Kelompok B
Berat badan mean selisih Berat badan mean selisih
40 50 10 25 50 40
45 5 35 15
50 0 55 5
55 5 60 10
60 10 75 35
250 30 250 105
Kelompok A : Kelompok B :
𝜒ҧ = 50 𝜒ҧ = 50
X - 𝜒ҧ = 30 X - 𝜒ҧ = 105
MD = 30/5 = 6 MD = 105/5 = 21
Dari hasil perhitungan diatas dapat disimpulkan bah variabilitas kelompok B lebih tinggi dibanding dengan
kelompok A (3.5 kali lebih besar)
24
24
g. Standard Deviation
Standard deviation (simpangan baku) adalah suatu nilai yang menunjukkan tingkat (derajat) variasi kelompok data atau
ukuran standar penyimpangan dari reratanya, stándar deviasi melihat variasi data yang sama satuannya Simbol simpangan
baku populasi (o atau on) sedangkan untuk sampel (s. sd atau 𝜎𝑛−1 ).
Keterangan:
Xi : masing-masing data
𝜇 : rata-rata populasi
𝑥ҧ : rata-rata
n : jumlah sampel
N : jumlah populasi
25
25
Contoh: Misalnya:
Data Berat Badan Anak di Rumah Sakit sebagai berikut Ibu hamil di desa A: rata-rata berat badanya 70 Kg denga standar
20 Kg, 25 Kg dan 30 Kg deviasi 5 Kg
Cara mencari standar deviasi Ibu hamil di desa B: rata-rata berat badanya 70 Kg denga standar
deviasi 10 Kg
20 + 25 + 30 75
𝑥ҧ = = = 25𝑘𝑔 Kesimpulan dari kasus diatas adalah berat badan ibu hamil di
3 3
desa B lebih bervariasi dibandingkan dengan berat badan ibu
Σ(20 − 25)2 + (25 − 25)2 + (30 − 25)2 hamil di desa A karena standar deviasi berat badan ibu hamil di
𝑠= desa B lebih besar (di desa A berat badan ibu hamil ada yang 65
3−1
Kg dan ada yang 75 Kg, sedangkan di desa B berat badan ibu
hamil ada yang 60 Kg dan ada yang 80 Kg.
Σ25 + 0 + 25
𝑠=
2
𝑠 = 25
𝑠=5
26
h. Standar Deviasi data Berkelompok 26
2
Σ𝑓(𝑥𝑖 − 𝑥ҧ )
𝑠𝑑 =
Σ𝑓 − 1
i. Variance 27
Variance (varians) adalah kuadrat dari simpangan baku Fungsinya untuk mengetahui tingkat penyebaran atau variasi data.
Simbol Varians Populasi (o" atau ") sedangkan untuk Sampel (S atau )
Contoh :
Standar deviasi (s) = 12,12, maka Varians (S) = 146.9
Standar deviasi (s) = 7,045, maka Varians (S) = 49.64
Contoh:
Ada 10 ibu hamil diukur berat badan dan kadar Hbnya kemudian didapatkan hasil sbb:
Mean BB ibu = 60 Kg
Mean Kadar Hb ibu = 10 gr%
Standar deviasi BB ibu = 10 Kg Stándar deviasi kadar Hb ibu = 2 gr%
Dari data diatas kalau berdasarkan standar deviasi, berat badan ibu stándar deviasinya lebih besar Lebih Varas daripada stándar deviasi
kadar Hb ibu, hal ini tidak bisa disimpulkan bahwa berat badan ibu lebih bervariasi daripada kadar Hb ibu, karena rata-ratanya berbeda,
dengan demikian untuk melihat mana yang lebih bervariasi harus dicari koefisien variasinya:
10
k𝑣𝐵𝐵𝑖𝑏𝑢 = 𝑥100% = 16,7%
60
2
𝑘𝑣𝐻𝑏𝑖𝑏𝑢 = 𝑥100% = 20%
10
Kesimpulan: Berdasarkan hasil koefisien variasi, ternyata kadar Hb ibu hamil lebih bervariasi dibandingkan dengan berat badan ibu hamil.
28
28
Jadi kesimpulannya, perhitungan range memiliki kemampuan untuk menghitung sangat terbatas karena tidak selalu
range dapat digunakan. Hanya di saat-saat yang mendukung saja. Sedangkan semi interquartil range memiliki
kemampuan untuk menghitung semua jenis variability.
Analisis Univariat data jenis kategorik 29
29
Kesimpulan data tersebut adalah sebagian besar yaitu 30 orang (60%) ibu hamil berpendidikan SMU.
2. Ukuran variasi data kategorik 30
30
Ukuran variasi untuk data kategorik adalah proporst (persentase). Jadi dalam melihat variasi data kategorik atau
membandingkan mana yang lebih bervariasi pada data berjenis kategorik hanya melihat persentase dimana semakin
data tersebut heterogen maka data tersebut semakin bervariasi, sedangakn sebaliknya jika data itu homogen maka
kurang bervariasi.
Contoh
Data jenis kelamin dari 50 mahasiswa yang ada di perguruan tinggi X
Kesimpulan data diatas adalah jenis kelamin mahsiswa keperawatan lebih homogen (homogen ke perempuan).
sedangkan jenis kelamin mahasiswa kesehatan masyarakat lebih keterogen Jadi mahasiswa kesehatan masyarakat jenis
kelaminnya lebih bervariasi dibandingkan jenis kelamin mahasiswa keperawatan.
31
31
Latihan Kasus
1. Lakukan pengumpulan data seluruh mahasiswa satu kelas yang meliputi
data; umur, latar belakang sekolah, berat badan, jenis kelamin, suhu badan,
tempat tinggal, tinggi badan, golongan darah, tekanan darah, status,
jumlah anggota keluarga, pekerjaan orang tua.
2. Khusus variabel numerik, hitunglah mean, median, mode, stándar deviasi?
3. Khusus variabel numerik hitung range, desil, percentil, kuartil?
4. Khusus variabel numerik tentukan mana yang paling bervariasi?