Presentasi Biostatistika

BIOSTATISTIKA
- MANENDRA MUHTAR – S2 PEMINATAN BIOSTATISTIKA

ANGKATAN 2019
- MIFTAHUL ARSYI – S2 PEMINATAN BIOSTATISTIKA
ANGKATAN 2019
Mengapa Diperlukan Biosta2s2ka?
• Untuk menjelaskan berbagai fenomena/masalah
kesehatan masyarakat, diperlukan alat bantu statistik
Mengapa Diperlukan Biostatistika?
Determinan Kesehatan
(Berdasarkan Dahlgren & Whitehead)
Contoh Aplikasi Biostatistika
Variabel Independen Variabel Dependen
Perilaku memelihara
kesehatan gigi:
(1: Waktu sikat gigi salah,
Makan manis sering
2: Waktu sikat gigi salah,
Karies:
Makan manis jarang (1: Ada Karies
3: Waktu sikat gigi benar, 2: Tidak Karies)
Makan manis sering
4: Waktu sikat gigi benar,
Makan manis jarang)
Variabel Kovariat
1. Jenis kelamin
2. Pendidikan orangtua
3. Status ekonomi
4. Daerah domisili
5. Persepsi tentang Penyakit Gigi Contoh Analisis Hubungan
6. Pemanfaatan Pelayanan Perilaku Memelihara Kesehatan
7. Pembiayaan Gigi dengan Kejadian Karies
8. Akses ke Fasilitas Kesehatan
(Badruddin, 2015)
Contoh Aplikasi Biostatistika
Statistik Vital
1. Perkawinan
2. Kematian
3. Kelahiran
4. Migrasi
Induksi Vs Deduksi
• Induksi: Dari khusus (sampel) -> umum (populasi)
-> Contoh BAB IV/ Hasil
• Deduksi: Dari umum (populasi) -> khusus (sampel)
-> Contoh BAB II/ Tinjauan Pustaka
Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Populasi dan Sampel
Sampel MENGENERALISASI Populasi
x̄ µ Mean/ Rata-Rata
r ρ Korelasi
S σ Standar Deviasi
p π Proporsi

Populasi dan Sampel
Populasi Statistik Deskriptif parameter
Statistik Inferensia
Sampel Statistik Deskriptif sta$s$k
Ke$dak pas$an =
kemungkinan

Jenis Variabel, Menurut Sifatnya
1. Numerik UMUR:
4, 5, 11, 15, 16, 18, 22, 30, 32, 40, 44, 73, 81,
Hasil pengukuran/ penghitungan 82
KATEGORI UMUR:
2. Kategorik 1. Balita (4,5)
Hasil pengelompokan 2. Kanak Kanak (11)
3. Remaja Awal (15,16)
4. Remaja Akhir (22)
5. Dewasa Awal (30,32)
6. Dewasa Akhir (40,44)
7. Lansia (73, 81, 82)

Skala Variabel
(Numerik)
1. Interval: Melihat beda, urutan, dan besar perbedaan (TIDAK melihat
kelipatan). Contoh: Suhu
2. Rasio: Melihat beda, urutan, besar perbedaan, DAN kelipatan. Contoh:
Tinggi Badan, Berat Badan
(Kategorik)
3. Nominal: Antar kategori sederajat (hanya melihat beda). Contoh: Jenis
Kelamin, Agama
4. Ordinal: Antar kategori ada Engkatan. Contoh: Tingkat Pendidikan, Stadium
Penyakit

Variabel Independen dan Dependen
• Variabel Independen (X) X Y
Faktor risiko
Merokok Kanker
• Variabel Dependen (Y)
Outcome
Data
Tipe: PerhaKkan:
• Rutin vs Ad Hoc Definisi Operasional
• Primer vs Sekunder • Cara mengumpulkan
• Individu vs Agregat • Instrumen yang digunakan
• Berkelompok vs Berpasangan • Siapa yang mengumpulkan
• Metode pengumpulan

Ukuran Pusat (Nilai Tengah/ Central
Tendency)
1. Mean (Data Numerik)
• Nilai Rata-rata
• Keunggulan: Melibatkan Seluruh Data
• Kelemahan: Dipengaruhi Angka Esktrim
Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes ; https://www.onlinemathlearning.com/population-mean.html ;

Youtube: Khan Academy
Tendency)
2. Median (Data Numerik) = Q2
• Nilai Rata-rata
• Keunggulan: Tidak Dipengaruhi Angka Esktrim
Contoh (Jmlh Data Ganjil): n= 11
Contoh (Jmlh Data Genap): n= 12

2 2 3 5 5 6 6 7 8 8 9 11
Q2 = 6 + 6/ 2 = 6
¼ (12+1) = ¼* 13 = 3,25
0,25 * (5-3) = 1/2

Q1 = 3 + ½ = 3,5
Tendency)
3. Modus (Data Numerik) Contoh:
• Nilai yang paling sering muncul 2 2 3 4 5 6 6 7 8 8 96
• Terkadang tidak ada modus Modus? : 2, 6, 8
• Bisa ada 1, Bisa ada > 1 modus
Contoh:
9, 10, 10, 10, 12, 13, 14, 98
Modus: 10
Median: 11
Mean: 22

Tendency)
4. Proporsi/ Persentase (Kategorik)
• Data dalam bentuk persentase (%)

Ukuran Variasi
Ukuran yang menunjukkan apakah datanya homogen (Tidak bervariasi), atau heterogen
(Bervariasi)
1. Range
Nilai tertinggi – Nilai terendah
Contoh:
9, 10, 10, 10, 12, 13, 14, 98
Modus: 10
Median: 11
Mean: 22
Range: 89

Ukuran Variasi
2. Varian dan Standar Deviasi
• Varian: ukuran seberapa jauh sebuah
kumpulan bilangan tersebar.
• Standar Deviasi: Variasi data terhadap

MEAN/ RATA-RATA
Contoh:
2, 2, 3, 3 0, 0, 5, 5
µ: 2,5 µ: 2,5
VARIASINYA BAGAIMANA?
BEDA
Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes, http://makemeanalyst.com/explore-your-data-variance-and-standard-deviation/, Youtube:
Khan Academy
Ukuran Variasi
2, 2, 3, 3 0, 0, 5, 5
µ = 2,5 µ = 2,5
σ2 = 0,25 σ2 = 6,25
S = 0,5 S = 2,5
Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes; http://makemeanalyst.com/explore-your-data-variance-and-standard-deviation/ ;

Youtube: Khan Academy
Ukuran Variasi
Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes; Youtube: Khan Academy
Ukuran Variasi
3. Koefisien Variasi
• Ukuran yang digunakan untuk membandingkan variasi data pada dua/> kelompok data yang
berbeda
Contoh:
• Kelas A Mean: 50 kg, dengan St Dev: 10 kg
• Kelas B Mean: 80 kg, dengan St Dev: 12 kg
CV A: 10/50 * 100%: 20%

CV B: 12/80 * 100%: 15%
VARIASI Kelas A > VARIASI Kelas B

Ukuran Skewness/ Kemencengan
Kemencengan:
Skewness/ SE < 2 : Normal
Skewness/ SE > 2: MENCENG

Ukuran Kurtosis
• MesokurDc Kurtosis = 0, Distribusi normal
• LeptokurtoDc Kurtosis > 0, Runcing
• PlatykurtoDc Kurtosis < 0, Flat

Penyajian Data
• Tabel
Sumber: Li Y, Zhang YE, Yang R, Zhang Q, Zou J, Kang D. Associations of social and behavioural factors with early
childhood caries in Xiamen city in China. International journal of paediatric dentistry. 2011 Mar;21(2):103-11.
Penyajian Data
Grafik
Variabel kategorik
• Batang (Bar), digunakan untuk menampilkan jumlah/proporsi pada satu atau
lebih kelompok
• Lingkaran (Pie), digunakan untuk menampilkan proporsi pada 1 kelompok (per
1 pie)
Variabel numerik
• Garis (Line), digunakan untuk menggambarkan tren menurut waktu
• Tebar (Scatter), digunakan untuk menampilkan korelasi 2 variabel kontinyu
Sumber: Li Y, Zhang YE, Yang R, Zhang Q, Zou J, Kang D. Associations of social and behavioural factors with early
childhood caries in Xiamen city in China. International journal of paediatric dentistry. 2011 Mar;21(2):103-11.
Penyajian Data
Grafik - Bar
Sumber: Riskesdas 2018

Penyajian Data
Grafik - Histogram
Sumber: https://online.stat.psu.edu/stat500/book/export/html/539/
Penyajian Data
Grafik - Pie
Penyajian Data
Grafik - Line
Penyajian Data
Grafik - Scatter
Sumber: University of Florida, https://bolt.mph.ufl.edu/6050-6052/unit-1/case-q-q/scatterplots/

Penyajian Data
Boxplot
40
30
20
10
0
plasebo drug
Penyajian Data
Stem & Leaf
Data:
44, 46, 47, 49, 63, 64, 66, 68, 68,
72, 72, 75, 76, 81, 84, 88, 106
Probabilitas
• Munculnya kejadian tertentu diantara keseluruhan kejadian yang mungkin terjadi
• Nilai probabilitas/ peluang : 0-1
• Contoh:
0 = Peluang laki-laki hamil
1 = Peluang manusia wafat
Probabilitas
1. Hukum Penjumlahan
1A. Perisitiwa Mutually Exclusive: 2 peluang yang tidak mungkin terjadi bersama-sama
Contoh:
Peluang dadu muncul 4 atau 5
= 1/6 + 1/6 = 2/6
Peluang dadu muncul 4 dan 5

=0
Probabilitas
1. Hukum Penjumlahan
1B. PerisiFwa Non Mutually Exclusive: 2 peluang yang bisa jadi terjadi bersama-sama
p (a atau b) = p(a) + p(b) – p(a dan b)

P (a dan b) = p(a) * p(b)
Contoh:
Ada 21 mahasiswa (9 Promkes, 12 KARS).
9 mhs promkes = 3 pria, 6 wanita
12 mhs KARS= 4 pria, 8 wanita
Total 7 pria dan 14 wanita
Dipilih 1 mhs, peluang dia:

a) Mhs KARS dan Promkes = 0 (Tidak Mungkin, Mutually Exc)
b) Mhs Promkes atau Kars = 1 (Pas^, Mutually Exc)
c) Mhs KARS atau Pria = peluang KARS + peluang pria – peluang (KARS dan pria) = 12/21 + 7/21 – (12/21 *
7/21) = 15/21
d) Mhs Promkes dan Wanita = peluang promkes * peluang wanita = 9/21 * 14/21 = 6/21
Probabilitas
2. Hukum Perkalian
2A. Peluang Independen/ Bebas: Suatu peluang yang tidak tergantung peluang lain
P (a dan b) = p(a) * p(b)
Contoh:
Ø Mhs Promkes dan Wanita = peluang promkes * peluang wanita = 9/21 * 14/21 = 6/21
Ø Peluang lulus Epid tidak tergantung Peluang lulus Kepstrat
Misalkan Peluang lulus Epid 0,8 ; Peluang lulus Kepstrat = 0,9
Peluang lulus Epid & Kepstrat = 0,8 * 0,9 = 0,72
Probabilitas
2. Hukum Perkalian
2B. Peluang Bersyarat/ Kondisional: Suatu peluang yang terjadi dengan syarat peluang lain sudah terjadi
P (a dan b) = p(a) * p(b\a)
p(b\a) ? = peluang b dengan syarat a sudah terjadi
Contoh:
Ø Ditarik 2 kartu AS (total ada 4 AS) dari satu set (ada 52 kartu), peluang ditarik dua kali Kartu AS berapa?
Ø Peluang 1 = 4/52
Ø Peluang 2 = 3/51
Ø Peluang 1*2 = 4/52 * 3/51 = 1/221
Probabilitas
3. Kombinasi 4. Permutasi
• Pengambilan sampel tanpa memerhatikan • Pengambilan sampel dengan memerhatikan
urutan urutan
• Contoh: • Contoh:
Dari 4 mhs FKM dipilih 2 utk riset Dari 4 mhs FKM dipilih 2 utk riset
4C2 = 4! / 2! (4-2)! = 6 kemungkinan 4P2 = 4! / (4-2)! = 12 kemungkinan
ABCD ABCD
1. AB 1. AB 7. BA
2. AC 2. AC 8. CA
3. AD 3. AD 9. DA
4. BC 4. BC 10. CB
5. BD 5. BD 11. DB
6. CD 6. CD 12. DC
Probabilitas dan Odds
Sumber:
- Boston University School of Public Health https://sphweb.bumc.bu.edu/otlt/mph-
modules/bs/bs704_confidence_intervals/BS704_Confidence_Intervals10.html#:~:text=Probabilities
%20always%20range%20between%200,not%20occurring%20is%201%2DY
- https://www.near-death.com/psychology/synchronicity/the-odds-of-my-adcs-occurring-by-
chance.html
Contoh Aplikasi Probabilitas dan Odds Sumber:
- Materi dr. Pandu Riono, Ph.D
• Probabilitas seseorang yang merokok +/ exposed, terjadi event (Ya BBLR)= 30/74 = 0,40
• Probabilitas seseorang yang merokok +/ exposed, Adak terjadi event (Tidak BBLR)= 44/74 = 0,60
• Probabilitas seseorang yang Adak merokok -/ unexposed, terjadi event (Ya BBLR)= 29/115 = 0,25
• Probabilitas seseorang yang Adak merokok -/ unexposed, Adak terjadi event/ outcome (Tidak BBLR)= = 86/115 = 0,75
Merokok Tdk Merokok
• Odds(YA BBLR|merokok +) = (30/74 / 44/74) = 30/44 = 0,68 ATAU 2:3 BBLR 40% 25%
Tdk BBLR 60% 75%
• Odds(YA BBLR|merokok-) = (29/115 / 86/115) = 29/86 = 0,34 ATAU 1:3
• Odds RaAo: 0,68/ 0,34= 2,02
• Odds BBLR pada merokok 2 kali lebih Anggi dibandingkan odds BBLR pada
Adak merokok
Variabel Random/ Random Variable = Diskret dan Kontinu
A) B)
Sumber: Youtube: Khan Academy

A) Probability Distribution Function ->
Discrete

B) Probability Density FuncNon -> ConNnuous

B) Probability Density Function -> Continuous

Distribusi Probabilitas
1. Distribusi Binomial
• Distribusi dari peluang yang mungkin terjadi
• Mencari peluang pada var. kategorik, dengan peluang besar (p>0,05)
Sumber: hDps://socs.binus.ac.id/2018/12/08/distribusi-peluang-binomial/ ,
hDps://www.near-death.com/psychology/synchronicity/the-odds-of-my-adcs-occurring-by-
chance.html
CONTOH:
Lempar koin 5 kali (n=5), outcomenya Heads (H) atau Tails (T)
Probabilitas Heads= 0,5
Probabilitas Tails = 0,5
Probabilitas X (X= # heads setelah 5 lemparan)?

P (X=0) , 0 HEADS
(T T T T T) = (½ * ½ *½ * ½ * ½) = 1/32
P (X=1) , 1 HEADS
(H T T T T) = (½ * ½ *½ * ½ * ½) = 1/32
(T H T T T) = (½ * ½ *½ * ½ * ½) = 1/32
(T T H T T) = (½ * ½ *½ * ½ * ½) = 1/32
(T T T H T) = (½ * ½ *½ * ½ * ½) = 1/32
(T T T T H) = (½ * ½ *½ * ½ * ½) = 1/32
Total = 5/32
Lempar koin 5 kali (n=5), outcomenya Heads (H) atau Tails (T)
px = ½ 2 = 1/4
Probabilitas X (X= # heads setelah 5 lemparan)? qn-x = ½ 3 = 1/8
P (X=2) , 2 HEADS 10 * 1/4 * 1/8 = 10/32
(H H T T T) = (½ * ½ *½ * ½ * ½) = 1/32 n=5
(H T H T T) = (½ * ½ *½ * ½ * ½) = 1/32 x=2
(H T T H T) = (½ * ½ *½ * ½ * ½) = 1/32
(H T T T H) = (½ * ½ *½ * ½ * ½) = 1/32 5!
(T H H T T) = (½ * ½ *½ * ½ * ½) = 1/32 (5-2)! 2!
(T H T H T) = (½ * ½ *½ * ½ * ½) = 1/32 5 * 4 * 3!
(T H T T H) = (½ * ½ *½ * ½ * ½) = 1/32 3! * 2
(T T H H T) = (½ * ½ *½ * ½ * ½) = 1/32
(T T H T H) = (½ * ½ *½ * ½ * ½) = 1/32 5*4
(T T T H H) = (½ * ½ *½ * ½ * ½) = 1/32 2
= 10
Total = 10/32
Lempar koin 5 kali, outcomenya Heads (H) atau Tails (T)
P (X=0) , 0 HEADS
Total: 1/32 = 0,03125
P (X=1) , 1 HEADS
Total = 5/32 = 0,15625
P (X=2) , 2 HEADS
Total = 10/32 = 0,3125
P (X=3) , 3 HEADS
Total = 10/32 = 0,3125
P (X=4) , 4 HEADS
Total = 5/32 = 0,15625
P (X=5) , 5 HEADS
Total = 1/32 = 0,03125 TOTAL LUAS DAERAH = 0,03125 + 0,15635 + 0,3125 +0,3135 + 0,15625 + 0,03125 = 1
CONTOH LAIN Distribusi Binomial
Tembak bola basket 6 kali (n=6), outcomenya Point (P) atau Miss (M)
Probabilitas Point= 0,3 (p/ peluang sukses = bola masuk)
Probabilitas Miss = 0,7 (q/ peluang gagal = bola Fdak masuk)
Probabilitas X (X= # Point MASUK setelah 6 tembakan)?

P (X=0) , 0 Point
(M M M M M) = (0,7 * 0,7 *0,7 * 0,7 * 0,7) = 0,117649
P (X=1) , 1 Point
(P M M M M) = (0,3 * 0,7 * 0,7 * 0,7 * 0,7) = 0,050421
(M P M M M) = (0,7 * 0,3 * 0,7 * 0,7 * 0,7) = 0,050421
(M M P M M) = (0,7 * 0,7 * 0,3 * 0,7 * 0,7) = 0,050421
(M M M P M) = (0,7 * 0,7 * 0,7 * 0,3 * 0,7) = 0,050421
(M M M M P) = (0,7 * 0,7 * 0,7 * 0,7 * 0,3) = 0,050421
Total = 0,302526

Tembak bola basket 6 kali (n=6), outcomenya Point (P) atau Miss (M)
Probabilitas Point= 0,3 (p/ peluang sukses = bola masuk)
Probabilitas Miss = 0,7 (q/ peluang gagal = bola tidak masuk)
Probabilitas X (X= # Point MASUK setelah 6 tembakan)?

P (X=0) , 0 Point = 0,117649
P (X=1) , 1 Point = 0,302526
P (X=2) , 2 Point = 0,324135
P (X=3) , 3 Point = 0,18522
P (X=4) , 4 Point = 0,059535
P (X=5) , 5 Point = 0,010206
P (X=6) , 6 Point = 0,000729

Expected Value/ EV (Prakiraan Nilai)
• In statistics and probability analysis, the expected value is calculated by multiplying
each of the possible outcomes by the likelihood each outcome will occur and then
summing all of those values
• The EV of a random variable gives a measure of the center of the distribution of the
variable.
• Essentially, the EV is the long-term average value of the variable.
• Because of the law of large numbers the average value of the variable converges to
the EV as the number of repetitions approaches infinity.
EV
Sumber: Youtube: Khan Academy, https://www.investopedia.com
• In statistics and probability analysis, the expected value is calculated by multiplying each of the
possible outcomes by the likelihood each outcome will occur and then summing all of those values
• The EV of a random variable gives a measure of the center of the distribution of the variable.
• Because of the law of large numbers the average value of the variable converges to the EV as the
number of repetitions approaches infinity.
X = Lempar koin 6 kali, outcomenya Heads (H)
atau Tails (T)
EV
• In statistics and probability analysis, the expected value is calculated by multiplying each of the
possible outcomes by the likelihood each outcome will occur and then summing all of those values
• The EV of a random variable gives a measure of the center of the distribution of the variable.
µ EV = 3
Expected value/ Rata-rata/ nilai paling
memungkinkanEVadalah : 3 HEADS
Expected Value bisa juga = n*p (Untuk Distribusi Binomial)
X = Lempar koin 6 kali, outcomenya Heads (H)
atau Tails (T)
Expected value/ Rata-rata/

nilai paling memungkinkan
adalah : n*p = 6 * 0,5 =3
HEADS
Sumber: Youtube: Khan Academy, https://www.onlinemathlearning.com/binomial-probability-distribution.html

Pembuktian Expected Value = n*p (Untuk Distribusi Binomial)

Pembuktian Expected Value = n*p (Untuk Distribusi Binomial)

Pembuk=an Expected Value = n*p (Untuk Distribusi Binomial)

X = Lempar koin 100 kali,
outcomenya Heads (H) atau
Tails (T)
EV = 100 * 0,5 =50
EV

2. Distribusi Poisson
• Mencari peluang diskrit, dengan peluang kecil <<< (p < 0,05), dan jumlah trial (n) banyak >>>
• Pada keadaan demikian distribusi binomial tidak mampu menentukan peluang variabel diskrit tersebut
Sumber: Hastono, S.P., 2017. Statistik kesehatan.

Distribusi Poisson -> Penurunan Rumus
Sumber: Youtube: Khan Academy, https://www.onlinemathlearning.com/binomial-distribution.html

Distribusi Poisson -> Penurunan Rumus
Sumber: Hastono, S.P., 2017. Statistik kesehatan, Youtube: Khan Academy

Rumus Distribusi Normal
3. Distribusi Normal
• Mencari peluang pada var. numerik (distribusi KONTINU) -> PROBABILITY DENSITY FUNCTION
Sumber: https://www.investopedia.com/terms/n/normaldistribution.asp
Penurunan Rumus Distribusi Normal
Sumber: https://www.youtube.com/watch?v=cTyPuZ9-JZ0, https://www.youtube.com/watch?v=8Y0eKBsGp2M

(Teori John Herschel (1850) & James Clerk Maxwell (1860)
Sumber: hDps://www.youtube.com/watch?v=cTyPuZ9-JZ0, hDps://www.youtube.com/watch?v=8Y0eKBsGp2M

Sumber:
https://www.youtube.com/watch?v=cTyPuZ9-
JZ0,
https://www.youtube.com/watch?v=8Y0eKBs
Gp2M
(Teori John Herschel (1850) & James Clerk
Maxwell (1860)
Sumber: https://www.youtube.com/watch?v=cTyPuZ9-JZ0,
https://www.youtube.com/watch?v=8Y0eKBsGp2M
Sumber: hDps://www.youtube.com/watch?v=cTyPuZ9-JZ0,
hDps://www.youtube.com/watch?v=8Y0eKBsGp2M
Sumber: hDps://www.youtube.com/watch?v=cTyPuZ9-JZ0,
hDps://www.youtube.com/watch?v=8Y0eKBsGp2M
Sumber: Youtube: Khan Academy, https://www.investopedia.com/terms/n/normaldistribution.asp

3. Distribusi Normal • Normal distribu8on, also known as the Gaussian
distribu8on, is a probability distribu5on that is
symmetric about the mean, showing that data near
the mean are more frequent in occurrence than data
far from the mean
• The term "bell curve" is used to describe a graphical

depic8on of a normal probability distribu5on, whose
underlying standard devia5ons from the mean create
the curved bell shape.
• The mean refers to the average of all data points in

the data set or sequence and will be found at the
highest point on the bell curve.
• A standard devia5on is a measurement used to

quan8fy the variability of data dispersion, in a set of
given values around the mean.
• For a normal distribu8on, 68% of the observa5ons are

Sumber: - hDps://www.investopedia.com/terms/n/normaldistribu]on.asp , - within +/- one standard devia5on of the mean, 95%
hDps://www.investopedia.com/terms/b/bell- are within +/- two standard devia5ons, and 99.7% are
curve.asp#:~:text=The%20term%20%22bell%20curve%22%20is,given%20val within +- three standard devia5ons.
ues%20around%20the%20mean.
Sumber: https://www.investopedia.com/terms/n/normaldistribution.asp ;
https://analystprep.com/cfa-level-1-exam/quantitative-methods/key-properties-normal-
distribution/
Sumber Table Z:
https://www.conversion uplift.co.uk/glossary-
of-conversion-marketing/z-score/
SE = UNTUK PREDIKSI RENTANG
KEPERCAYAAN RATA-RATA DI POPULASI!!!
Sampling
Distribution =
Standard Error of
The Mean (SE/ SEM)
Sumber:
Youtube Khan
Academy
Distribusi Sampling (Untuk n =2)
Sampling
Distribution =
Standard Error of
SEM: Spop / akar n The Mean (SEM)
Distribusi Sampling (Untuk n =3)
Sampling
DistribuLon =
SEM: Spop / Standard Error of
akar n The Mean (SEM)
Perbandingan Distribusi Sampling
Perbandingan
Distribusi
Sampling (2)
Sampling Web:hNps://onlinestatbook.com
Distribution = /stat_sim/sampling_dist/
Standard Error of
The Mean (SEM) Mean: 16.02
Mean + 1.96* SE: 16.02 + 1.96* 2.95:
16.02 + 5.78 = 21.80
Mean - 1.96* SE: 16.02 - 1.96* 2.95:

16.02 - 5.78 = 10.24
Mean (95% CI):

16.02 (10.24 – 21.80)
Mean: 16.02
Mean + 1.96* SE: 16.02 + 1.96* 1.32:
16.02 + 2.59 = 18.61
Mean - 1.96* SE: 16.02 - 1.96* 1.32:

16.02 – 2.59 = 13.43
Mean (95% CI):

16.02 (13.43 – 18.61)
Estimasi
• Perkiraan nilai populasi berdasarkan data sampel
Sumber:
Menghitung Estimasi Interval
Materi (Tergantung pada Interval kepercayaan dan Besar sampel)
Dr. Besral,
S.KM.,
M.Sc
. Estimasi
Data Numerik Data Kategorik
Interval
Rata-rata Proporsi
p (1 - p )
..%CI = P ± Z (a / 2 )
Standar Deviasi Standar Deviasi n
populasi diketahui populasi tidak
diketahui
d SD
CI = c ± Za / 2 CI = c ± t(a / 2,df = n -1)
n n
Hal-89
Sumber:
Estimasi Interval terhadap µ di populasi
Materi bila Std.deviasi populasi diketahui
Dr. Besral,
S.KM., . v Rata-rata ‘urid acid’ dari 100 sampel Lansia adalah 5.9
M.Sc mg/100ml. Bila standar deviasi di populasi diketahui
sebesar 1.5 mg/100 ml, Hitunglah estimasi interval terhadap
kadar ‘uric acid’ pada populasi Lansia.
§ Pada tingkat kepercayaan 90%
= 5.9 + (1.64)(1.5/Ö100)
= 5.9 + 0.246
5.654< µ <6.146 mg/100 ml

= 5.9 - (1.96)(1.5/Ö100)< µ <5.9 + (1.96)(1.5/Ö100)
= 5.9 – 0,294 < µ < 5.9 + 0,294
5.606 < µ <6.194 mg/100 ml

5.9 - (2.58)(1.5/Ö100)< µ <5.9 + (2.58)(1.5/Ö100)
5.51< µ <6.29 mg/100 ml
Semakin besar tingkat kepercayaan, semakin lebar estimasi interval,

à Semakin sulit untuk mendeteksi
Hal-90 adanya perbedaan
CONTOH PENGUNAAN
DISTRIBUSI PROBABILITAS UNTUK
UJI Z (1)
Lempar koin 5 kali, outcomenya Heads (H) atau Tails (T)
Probabilitas Heads= 0,5 REMINDER!!!
P (X=0) , 0 HEADS DIMULAI DARI SINI

Total: 1/32 = 0,03125
P (X=1) , 1 HEADS
Total = 5/32 = 0,15625
P (X=2) , 2 HEADS
Total = 10/32 = 0,3125
P (X=3) , 3 HEADS
Total = 10/32 = 0,3125
P (X=4) , 4 HEADS
Total = 5/32 = 0,15625
P (X=5) , 5 HEADS
Total = 1/32 = 0,03125 TOTAL LUAS DAERAH = 0,03125 + 0,15635 + 0,3125 +0,3135 + 0,15625 + 0,03125 = 1
Sumber:
Youtube Khan
Academy
Sumber Table Z:
https://www.conversion uplift.co.uk/glossary-
of-conversion-marketing/z-score/
Artinya p value (Untuk 2-tailed)
p value = 0.003 : The probability of geYng a result like this OR MORE
EXTREME THAN THIS is 0,3%: (mean 1,05, SD: 0,5). IF WE ASSUME THE
NULL HYPOTHESIS WAS TRUE.
Sumber:
hgps://www.researchgate.net/publica$on/318873062_Th
e_Efficient_Randomness_Tes$ng_using_Boolean_Func$o
ns/figures?lo=1&utm_source=google&utm_medium=orga
nic
Sumber:
Youtube Khan
Academy
Artinya p value (Untuk 1-tailed)
p value = 0.0015 : The probability of getting a result like this OR LOWER
THAN THIS is 0,15%: (mean 1,05, SD: 0,5). IF WE ASSUME THE NULL
HYPOTHESIS WAS TRUE.
Sumber:
https://www.researchgate.net/publication/318873062_T
he_Efficient_Randomness_Testing_using_Boolean_Functi
ons/figures?lo=1&utm_source=google&utm_medium=org
anic
Contoh Soal Distribusi Normal (dengan Z)
• Diketahui umumnya rata-rata BB mahasiswa adalah 60 kg dan Standar
Deviasi = 7kg.
• Bila diambil sampel 25 responden, hitung peluang rata-rata BB sampel
tersebut:
DIANTARA 55,8 kg HINGGA 64,2 kg
• Z = 55,8-60 / 7/√25
Z= -3
• Z = 64,2-60 / 7/√25
Z= +3
• Peluang Rata-rata BB sampel diantara 55,8

-> 64,2 kg adalah 99,7%
Contoh Soal Distribusi Normal (dengan Z)
• Diketahui umumnya rata-rata BB mahasiswa adalah 60 kg dan Standar Deviasi =
7kg.
• Bila diambil sampel 25 responden, hitung peluang rata-rata BB sampel tersebut:
Lebih dari 64 kg
• Z = 64-60 / 7/√25
Z= 2,86, luas area: 0,4979
p = 0,5 - 0,4979 = 0,0021
(Lihat tabel Z), dan arsir
• Peluang Rata-rata BB sampel lebih dari

64 kg adalah 0,21%
Contoh Membandingan 2 Populasi (dengan Z)
Sumber: Youtube Khan

Academy Academy
P value < alpha/ 0.05 !!!!
Utk p value kritis (p = 0.05), nilai Z nya 1.65 SEMENTARA yg ditemukan x – mu
(atau x1 – x2) di data adalah 1.91…
Z/ 1= x – mu / SD yg LEBIH DI KANAN dibanding nilai
x – mu = Z * SD kritis
x – mu = 1.65 * 0.617
x – mu = 1.02 (UNTUK Z di p value kritis tsb) MAKA h0 DITOLAK
CONTOH PENGUNAAN
UJI t (2)
Sumber:
Menghitung Estimasi Interval
Materi (Tergantung pada Interval kepercayaan dan Besar sampel)
Dr. Besral,
S.KM.,
M.Sc
. Estimasi
Data Numerik Data Kategorik
Interval
Rata-rata Proporsi
p (1 - p )
..%CI = P ± Z (a / 2 )
Standar Deviasi Standar Deviasi n
populasi diketahui populasi tidak
diketahui
d SD
CI = c ± Za / 2 CI = c ± t(a / 2,df = n -1)
n n
Hal-102
Uji t digunakan ketika tidak standar deviasi populasi tidak diketahui !!
Maka harus diprediksi dengan standar deviasi sampel, maka perlu
kompensasi LEBIH LEBAR!!!
Sumber:
• http://www.z-table.com/t-value-table.html
• https://subscription.packtpub.com/book/big-data-and-business-intelligence/9781784390150/2/ch02lvl1sec20/z-test-vs-t-test
Tabel t
Link Tabel t:
https://www.dummies.com/education/math/statistics/how-to-
use-the-t-table-to-solve-statistics-problems/
Rumus Uji t Untuk Perbandingan 2 Rata-Rata
Contoh soal uji t membandingkan 2 kelompok
Kalkulator p value dari t score dan df

• https://www.socscistatistics.com/
pvalues/tdistribution.aspx
Tabel t
Link Tabel t:
https://www.dummies.com/education/math/statistics/how-to-
use-the-t-table-to-solve-statistics-problems/
CONTOH PENGUNAAN
UJI F (3)
Uji F ANOVA (Analysis of Variance)
• Sb= Varians BETWEEN (antar kelompok)
• Sw = Varians WITHIN (pada masing-masing

kelompok)
Contoh soal ANOVA (Analysis of Variance)
F table (Nilai F hitung> F tabel , h0 ditolak)
Tabel F:
https://www.statology.org
/how-to-read-the-f-
distribution-table/
http://www.socr.ucla.edu/
Applets.dir/F_Table.html
CONTOH PENGUNAAN
UJI X (4)
2
Uji X2 (Chi-Square)
https://www.youtube.com/watch?v=HwD7ekD5l0g (Youtube jbstats), https://id.pinterest.com/pin/633811347532337636/

Contoh Chi-Square
16.7 % 21.4 % 25 %
21 % 21 % 21 %
83.3 % 78.6 % 75 %
79 % 79 % 79 %
Sumber: Youtube Khan Academy, hgps://s4be.cochrane.org/blog/2013/07/08/qmp-medical-sta$s$c-tutorials-chi-

squared-and-t-tests/
REGRESI
https://www.alpharithms.com/simple-linear-regression-modeling-502111/
https://www.reneshbedre.com/blog/linear-regression.html
Sumber:
Analitik Komparatif Numerik
Departemen Membandingkan Rerata Variabel Dependent
IKGMP FKG
Variabel independen ?
UI
1 kelompok 2 kelompok > 2 kelompok
Independen Berpasangan Independen Berpasangan

/ berkelompok /Paired
Independent GLM Repeated

1 sample t-test T-test Paired T-test 1-way ANOVA measure
Normal Skewness /
(Parametrik) SE:
Tes Normalitas : Shapiro-Wilk (n≤50) atau Kolmogorov-Smirnov (n>50) <2 normal
Tdk Normal-
>2 tidak
(NonParametrik) normal
One sample Mann-Whitney U Wilcoxon Kruskal-Wallis Friedman

Nonparametrik
Analitik Komparatif Kategorik
Sumber:
Departemen Membandingkan Proporsi (%) antara Variabel Dependen
IKGMP FKG
Variabel independent ?
UI
1 kelompok 2 kelompok > 2 kelompok
Independen Berpasangan Independen Berpasangan
Continuity McNemar Pearson Cochran’s Q

Binomial Correction Chi-Square
(tabel 2x2) (tabel >2x2)
Tidak ada
Expected count < 5; ≥ 20% cells
Ada
Fisher Exact Test Mann-Whitney, apabila tdk bisa

dijadikan tabel 2x2
Sumber: Analisis Mul?variat
Departemen
IKGMP FKG
UI
Kerangka Konsep Etiologik Kerangka Konsep Prediktif

X Y A
B Y
A C
B
C
Var. Terikat Kategorik Var. Terikat Numerik Var. Terikat Kategorik Var. Terikat Numerik
Regresi Linear Regresi Linear

Regresi Logistik Regresi Linear
Etiologik Etiologik
Etiologik Etiologik
Sumber:
Perbedaan bermakna secara Statistik
Materi
Dr. Besral,
vs. bermakna secara Substansi
S.KM.,
M.Sc Kebiasaan PJK n
§ Tidak ada hubungan minum teh
minum teh Ya Tidak
dengan PJK
Ya 12 (12%) 88 100
§ Namun, jika sampelnya Tidak 10 (10%) 90 100
Jumlah 22 178 200
ditingkatkan 20 kali lipat, ada
c2 = 0,20 p=0,6513
hubungan bermakna
§ Peneliti perlu
mempertimbangkan apakah
perbedaan kejadian penyakit Kebiasaan PJK n
jantung koroner sebesar 2% minum teh Ya Tidak
bermakna dari segi kesehatan Ya 240 (12%) 1760 2000
Tidak 200 (10%) 1800 2000
masyarakat?
Jumlah 440 3560 4000
c2 = 4,09 p=0,0432 120
Sumber:
Perbedaan bermakna secara Statistik
Materi
Dr. Besral,
vs. bermakna secara Substansi
S.KM.,
M.Sc
§ Kesembuhan obat A lebih Sembuh
tinggi dari obat B (60% vs Obat Ya TidakTotal Proporsi yang sembuh
40%) sig 0.004 Obat A 60 40 100 60.0% Obat A
Obat B 40 60 100 40.0% Obat B
100 100 200 P-value: 0.004
§ Dengan sampel yang lebih
kecil…
§ Tidak cukup bukti untuk Sembuh

menyimpulkan bahwa Obat Ya TidakTotal Proporsi yang sembuh
kesembuhan obat A lebih
tinggi dari B (60% vs 40% Obat A 12 8 20 60.0% Obat A
tidak berbeda) sig 0.172 Obat B 8 12 20 40.0% Obat B
20 20 40 P-value: 0.172
121
TERIMA KASIH
THANK YOU
DANKE
DANKJEWEL
GRACIAS
OBRIGADO
MERCI
XIE XIE

Presentasi Biostatistika

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Presentasi Biostatistika

Diunggah oleh

Hak Cipta:

Format Tersedia

BIOSTATISTIKA

- MANENDRA MUHTAR – S2 PEMINATAN BIOSTATISTIKA

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sampel Statistik Deskriptif sta$s$k

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes ; https://www.onlinemathlearning.com/population-mean.html ;

Contoh (Jmlh Data Genap): n= 12

0,25 * (5-3) = 1/2

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

• Standar Deviasi: Variasi data terhadap

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes; http://makemeanalyst.com/explore-your-data-variance-and-standard-deviation/ ;

CV A: 10/50 * 100%: 20%

VARIASI Kelas A > VARIASI Kelas B

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

• LeptokurtoDc Kurtosis > 0, Runcing

• PlatykurtoDc Kurtosis < 0, Flat

Sumber: Materi Dr. Drs. Sutanto Priyo Hastono, M.Kes

Sumber: Riskesdas 2018

Sumber: University of Florida, https://bolt.mph.ufl.edu/6050-6052/unit-1/case-q-q/scatterplots/

Peluang dadu muncul 4 dan 5

p (a atau b) = p(a) + p(b) – p(a dan b)

Dipilih 1 mhs, peluang dia:

p(b\a) ? = peluang b dengan syarat a sudah terjadi

Merokok Tdk Merokok

• Odds RaAo: 0,68/ 0,34= 2,02

Sumber: Youtube: Khan Academy

Sumber: Youtube: Khan Academy

Sumber: Youtube: Khan Academy

Sumber: Youtube: Khan Academy

Probabilitas X (X= # heads setelah 5 lemparan)?

Probabilitas X (X= # Point MASUK setelah 6 tembakan)?

Sumber: Youtube: Khan Academy

Probabilitas X (X= # Point MASUK setelah 6 tembakan)?

Sumber: Youtube: Khan Academy

Expected value/ Rata-rata/

Sumber: Youtube: Khan Academy, https://www.onlinemathlearning.com/binomial-probability-distribution.html

Sumber: Youtube: Khan Academy

Sumber: Youtube: Khan Academy

Sumber: Youtube: Khan Academy

EV = 100 * 0,5 =50

Sumber: Youtube: Khan Academy, https://www.investopedia.com

Sumber: Hastono, S.P., 2017. Statistik kesehatan.

Sumber: Youtube: Khan Academy, https://www.onlinemathlearning.com/binomial-distribution.html

Sumber: Hastono, S.P., 2017. Statistik kesehatan, Youtube: Khan Academy

Sumber: https://www.youtube.com/watch?v=cTyPuZ9-JZ0, https://www.youtube.com/watch?v=8Y0eKBsGp2M

Sumber: hDps://www.youtube.com/watch?v=cTyPuZ9-JZ0, hDps://www.youtube.com/watch?v=8Y0eKBsGp2M

Sumber: Youtube: Khan Academy, https://www.investopedia.com/terms/n/normaldistribution.asp

• The term "bell curve" is used to describe a graphical

• The mean refers to the average of all data points in

• A standard devia5on is a measurement used to

• For a normal distribu8on, 68% of the observa5ons are

Mean - 1.96* SE: 16.02 - 1.96* 2.95:

Mean (95% CI):

Mean - 1.96* SE: 16.02 - 1.96* 1.32:

Mean (95% CI):

§ Pada tingkat kepercayaan 95%

§ Pada tingkat kepercayaan 99%