BIOSTATISTIK/Ibu Efi /31 Oktober 2016

PROBABILITY SAMPLING DAN DISTRIBUSI

Statistik
1. Deskriptif , hanya bermaksud menyajikan data, tidak dipengaruhi oleh jumlah sampel dan
populasi
2. Inferensial
- Menggambarkan populasi yang sudah digambarkan oleh sampel
- Hasilnya mampu menyimpulkan populasi
- Kesimpulan yang diambil tidak bisa 100%. Terdapat taraf nyata dan taraf kesalahan

peluang
Populasi N Sampel n

Peluang : kemungkinan sebuah kejadian tertentu dengan angka numerik.

SAMPLING
 Kajian tentang sampel
a. Ukuran sampel (sampel size)
b. Tehnik memilih sample
c. Distribusi (penyebaran)
 Ukuran sample
a. Statistik (rumus-rumus), lebih objektif dibanding non statistik
b. Non statistik
 Karena ada kendala : biaya, waktu, akses
 Subyektifitasnya tinggi
 Tidak disarnkan untuk digunakan

Ukuran sampel dengan statistik harus dilihat dari :

1. Tujuan penelitian
 Hubunga antar variabel
 Komparasi antar kelompok
Bila menggunakan desaign : clinical trial, experimental
2. Rancangan penelitian
3. Tingkat akurasi, presisi, unsur power (ada kalkulator on line)

BuKu : Designing Clinical Rescearch, Third Ed

TEHNIK MEMILIH SAMPLING

1. Probability
 Melibatkan unsur peluang ketika memilih anggota populasi yang dijadikan sampel
 Sampel bersifat random
 Peluang untuk dijadikan sampel harus sama antara satu dengan yang lain
 Harus membuat sampling frame (daftar nama anggota populasi)
Tehniknya :
a. Sederhana (simple random sampling)
 Bisa mengambil tabel bilangan acak (digital)
 Bisa dikocok seperti ibu-ibu arisan
b. Stratifikasi (proporsional random sampling)
 c. Cluster (terkait area, jumlah custom minimal yag diambil 2 area)
Multi stage sampling
Exp : kecamatan kelurahan ( 2 stage cluster sampling
d. Systematic, memilih angka acak pertama (1 kali saja)
Exp : angka acak pertama 415 ( N= 10000 ; n = 200 beda 5) maka sampelnya 15, 420,
425,dst

2. Non probability

Distribusi , melahirkan rumus-rumus untuk statistik inferensial

HIPOTESIS TESTING DAN STATISTTICAL SIGNIFICANCE

Statistik Inferensial
1. Estimasi Parameter
Ex : mau menduga tinggi seseorang
 Bila menduga dalam bentuk 1 angka point estimate. Ex : tb 160
 Bila menduga dalam rentang interval estimate/confident interval
2. Pengujian Hipotesis Parameter
Hipotesis : Di uji secara empirik membandingkan antara dugaan yang dirumuskan secara teoritik
dengan fakta empirik melalui statistik. Apabila sesuai bearti hipotesis diterima
a. Komparasi
b. Korelasional
Parametrik (lebih power)
Pengujian Hipotesis :
Non Parametrik

Pembeda
1. Skala ukur data
Untuk parametrik ; interval dan rasio
Non parametrik ; tidak membatasi skala ukur (boleh nominal, ordinal, interval, rasio)

2. Distribusi data
Parametrik = harus normal
Non parametrik = tidak dipedulikan ( non normal )

Komparatif :
Parametrik ; t independent, t related, Anova
Non parametrik : man whitney, wilcoxon, kruskal wallis, fried

Corelational :
Parametrik ; pearson
Non parametrik ; spearman rank, gamma, dll

Timbal balik = korelasi

Predictive ; regresi β : koefisien regresi

Buku : nonparametric (Gregori)

Louise Marston khususnya comparing meal (minggu depan bab 9)