STATISTIK KESEHATAN Daswel
STATISTIK KESEHATAN Daswel
net/publication/369949441
CITATIONS READS
4 5,292
8 authors, including:
All content following this page was uploaded by Rahmawati Rahmawati on 12 April 2023.
Penulis :
Darwel
Musdalifah Syamsul
Pratiwi Ramlan
Mohammad Ardani Samad
Rizma Adlia Syakurah
Nurmulia Wunaini Ngkolu
Pratiwi Puji Lestari
Rahmawati
STATISTIK KESEHATAN: TEORI DAN
APLIKASI
Darwel
Musdalifah Syamsul
Pratiwi Ramlan
Mohammad Ardani Samad
Rizma Adlia Syakurah
Nurmulia Wunaini Ngkolu
Pratiwi Puji Lestari
Rahmawati
Penulis :
Darwel
Musdalifah Syamsul
Pratiwi Ramlan
Mohammad Ardani Samad
Rizma Adlia Syakurah
Nurmulia Wunaini Ngkolu
Pratiwi Puji Lestari
Rahmawati
ISBN : 978-623-8004-86-7
Redaksi :
Jl. Pasir Sebelah No. 30 RT 002 RW 001
Kelurahan Pasie Nan Tigo Kecamatan Koto Tangah
Padang Sumatera Barat
Website : www.globaleksekutifteknologi.co.id
Email : globaleksekutifteknologi@gmail.com
i
DAFTAR ISI
ii
4.2.2 Distribusi Frekuensi Kelompok .................................................... 35
4.2.3 Distribusi Frekuensi Kumulatif..................................................... 37
4.3 Penyajian Data Statistik ............................................................................... 38
4.3 Ukuran Gejala Pusat ....................................................................................... 41
BAB 5 UJI BEDA BERPASANGAN .............................................................47
5.1 Pendahuluan ...................................................................................................... 47
5.2 Tujuan Uji Beda Berpasangan .................................................................. 47
5.3 Hipotesis Uji Beda Berpasangan ............................................................. 48
5.4 Ruang Lingkup Uji Beda Berpasangan ................................................ 49
5.5 Uji Beda Berpasangan secara Statistik ................................................ 49
5.6 Alternatif Uji-t Dependen / Uji Wilcoxon........................................... 51
5.7 Uji Beda Berpasangan dengan SPSS ..................................................... 55
5.8 Alternatif Uji Beda Berpasangan dengan SPSS ............................... 61
BAB 6 UJI ANOVA ............................................................................................67
6.1 Pengantar ............................................................................................................. 67
6.2 Klasifikasi Anova .............................................................................................. 68
6.3 Anova Satu Arah ............................................................................................... 68
6.3.1 Prosedur Uji Hipotesis Anova Satu Arah : ..................................... 68
6.4 Anova Dua Arah................................................................................................ 79
BAB 7 ANALISIS DATA PROPORSI .........................................................88
7.1 Definisi Proporsi Pada Data Analisis .................................................... 88
7.2 Perhitungan dan Estimasi Data Proporsi dari Tabel
2x2 (Contingensy Table)............................................................................. 88
7.3 Menghitung Beda Proporsi 2 Sample .................................................. 90
7.4 Uji Hipotesis Dua Proporsi Sampel ....................................................... 91
7.5 Contoh Kasus Uji Hipotesis Beda Proporsi dalam
Kebidanan .......................................................................................................... 93
BAB 8 REGRESI LOGISTIK ..........................................................................97
8.1 Pendahuluan ...................................................................................................... 97
8.2 Analisis Regresi Logistik.............................................................................. 97
8.3 Estimasi Parameter Model Regresi Logistik .................................... 99
8.4 Uji Model Regresi Logistik .......................................................................... 100
8.4.1 Uji Signifikansi secara keseluruhan(Capitalize Each
Word) .......................................................................................................... 100
8.4.2 Uji Signifikansi Secara Individual................................................. 101
8.4.3 Uji Kesesuaian Model .......................................................................... 102
8.5 Contoh Penelitan Regresi Logistik ......................................................... 103
BIODATA PENULIS
iii
DAFTAR GAMBAR
iv
DAFTAR TABEL
v
BAB 1
PENGANTAR STATISTIK KESEHATAN
Oleh Darwel
1.1 Pendahuluan
Statistik berasal dari bahasa latin yaitu status yang berarti
negara. Pada awalnya statistik hanya menyangkut urusan-urusan
negara namun sekarang statistik modern sudah digunakan hampir di
seluruh aspek kehidupan manusia seperti angka-angka tentang situasi
ekonomi, politik, sosial, pendidikan, budaya dan penduduk.
Menurut Jule-Kendal statistik adalah fakta dalam angka.
Biostatistika adalah aplikasi statistika dalam bidang kehidupan
(Kesehatan, kedokteran, pertanian, psikologi, pendidikan dan lain-lain).
Statistika modern adalah metode untuk pengumpulan, pengolahan,
penyajian dan interpretasi data sehingga didapatkan kesimpulan
(informasi) untuk pengambilan keputusan dalam situasi
ketidakpastian. Statistik adalah sekumpulan konsep dan metode yang
digunakan untuk mengumpulkan dan menginterpretasi data tentang
bidang kegiatan tertentu dan mengambil kesimpulan dalam situasi
dimana ada ketidakpastian dan variasi, hal itu berarti :
a. Statistik tidak semata-mata berkaitan dengan susunan angka-angka
yang mebosankan dan kadang-kadang diselingi dengan sederetan
grafik
b. Metodologi dan teori statistik modern telah membuat lompatan
yang jauh lebih maju daripada hanya sekadar kompilasi grafik dan
tabel-tabel angka
c. Statistik meliputi berbagai metode dan konsep yang sangat penting
dalam semua penyelidikan yang melibatkan pengumpulan data
dengan cara eksperimentasi dan observasi, kesimpulan dengan
menganalisis data.
Darwel 1
tahun 1777 - 1853 Karl Friedrich memperkenalkan taori normal curve
of error, tahun 1822 - 1911 Francis Galton memperkenalkan Korelasi –
Regresi, tahun 1857-1936 Karl Pearson mengenalkan Jurnal
Biomertika, tahun 1900 mulai dikenal uji Chi Square (x2), pada abad ke
20 William S Gosset memperkanlkan distribusi “t” dan Sir Ronald
Fissher memperkenalkan distribusi “F“. Penggunaan statistika pada
masa sekarang sudah sangat menyeluruh dan menyentuh semua
bidang ilmu pengetahuan seperti bidang astronomi, biologi, psikologi
bahkan linguistika.
Darwel 2
1.4 Kegiatan Statistik Modern
1.4.1 Data
Data atau datum adalah kumpulan fakta dari hasil pengukuran
suatu variabel/karakteristik. Fakta adalah suatu hal yang menjadi
kenyataan dan apa yang sebenarnya terjadi/ berlangsung saat itu.
Contoh : Variabel: Berat badan Data : 60, 65, 68, Variabel : Jenis
kelamin Data : L, P, P
1. Sumber data
a. Data primer
Data yang secara langsung diperoleh oleh peneliti dari
sumber informasi
Contoh : survei, observasi dan eksperimen
a) Sudah berapa kali ibu melahirkan ? 2 kali
b) Berapa umur ibu saat hamil pertama ? 25 th
c) Berapa kali ibu merasakan pergerakan janin dalam
sehari ? 20 kali
d) Berapa orang anak yang sudah ibu lahirkan? 2 orang
e) Apakah bapak/ibu punya jamban? Ya/ tidak
f) Apa sumber air bersih yang digunakan? Sugali/
PDAM/ sungai, dan lain-lain
g) Apakah limbah sudah diolah sesuai dengan prosedur
yang ditetapkan? Sudah/ belum
Keuntungan : Sesuai dengan kebutuhan dan keinginan.
Kelemahan : Butuh waktu, biaya dan tenaga
b. Data sekunder
Data yang diperoleh dari suatu instansi, badan, lembaga,
institusi dan sebagainya. Biasa digunakan untuk
memperkaya latar belakang penelitian dan kepustakaan
pada KTI/ skripsi.
Contoh :
a) Data kematian bayi di puskesmas x
b) Data jumlah cakupan air bersih di kelurahan x
c) Data jumlah rumah sehat di prop x
d) Data jumlah PUS yang diambil dari BKKBN
e) Data jumlah pengguna napza yang didapat dari BNN
Darwel 3
Keuntungan : data sudah tersedia, siap untuk di analisis
dan tidak membutuhkan waktu yang lama.
Kelemahan : belum tentu cocok dengan kebutuhan penelitian,
seringkali variabel yang tersedia kurang, pengumpulan data
tidak bisa dikontrol.
c. Data tertier
Data yang sudah dipublikasikan dan biasanya digunakan
untuk pembanding di bab pembahasan KTI/ skripsi.
Contoh :
a) Data dari jurnal
b) Data dari artikel
c) Data dari KTI
d) Data dari skripsi
e) Data dari thesis
f) Data dari disertasi
Keuntungan : mudah diperoleh, mudah diakses, tidak
butuh biaya yang besar.
Kelemahan : terkadang tidak sesuai dengan kebutuhan, ada
kemungkinan kadaluarsa.
2. Jenis data
a. Data kuantitatif
Data dalam bentuk bilangan (numerik) yang diperoleh dari
hasil menghitung/ mengukur dan bisa dijumlahkan
Contoh : umur, tinggi badan, jumlah balita yang telah
mendapatkan imunisasi
b. Data kualitatif
Data yang diperoleh dari melihat sifat dan merupakan data
keterangan (bukan bilangan)
Contoh :
a) Pernyataan terhadap KB (keluarga berencana) : setuju,
kurang setuju, tidak setuju;
b) Agama : Islam, Kristen, Hindu dan lain-lain
c. Data diskrit
Data yang berbentuk bilangan bulat yang diperoleh dari hasil
menghitung
Darwel 4
Contoh :
a) Jumlah anak dalam keluarga
b) Jumlah penderita penyakit tb paru
c) Jumlah kecelakaan dijalan raya,
d) Jumlah kk yang punya jamban keluarga
e) Jumlah kematian.
d. Data kontinu
Data yang diperoleh dari hasil mengukur dan merupakan
bilangan pecahan.
Contoh : Berat badan : 60,5 kg; Kadar hb darah : 13,5 gram %,
Tinggi badan : 162,5 cm; kadar debu di udara
3. Penggolongan data untuk analisis
a. Data numerik/ numerical : data dalam bentuk angka
Contoh : tinggi badan dalam angka ( 165 cm, 170 cm)
b. Data katagorik/ katagorikal : data yang dikelompokkan
Contoh : tinggi badan (tinggi dan rendah)
Darwel 5
banyak akan melelahkan hingga kualitas data akan menurun;
secara umum lama wawancara jangan lebih dari 1,5 jam.
2. Angket
Adalah pertanyaan tertulis yang ditujukan kepada responden
sesuai dengan daftar pertanyaan yang diterima.
Keuntungan : biaya relatif murah, tidak membutuhkan
banyak tenaga, dapat di ulang.
Kerugian : jawaban tidak spontan, banyak terjadi non-respon
yaitu tidak mengembalikan daftar pertanyaan yang diterima, ada
pertanyaan yang tidak dijawab, pengiriman kembali daftar
pertanyaan terlambat, jawaban tidak di isi oleh responden, tidak
dapat digunakan pada responden yang buta aksara untuk
mengatasi non respon dapat dilakukan kunjungan rumah atau
pengiriman ulang angket.
3. Pengamatan (observasi)
Merupakan salah satu cara pengumpulan data yang biasa
digunakan pada studi kualitatif tetapi dapat juga pada studi
kuantitatif terutama untuk membuktikan kebenaran jawaban
responden.
Misal pengamatan kondisi sarana air bersih keluarga, kondisi
lingkungan rumah sakit.
4. Pemeriksaan
a) Dapat berupa pemeriksaan laboratorium
b) Pemeriksaan fisik, pemeriksaan radiologi
c) Pemeriksaan darah
d) Pemeriksaan kualitas air dan lain-lain.
Darwel 6
4. Cleaning
Proses pembersihan data setelah data di entry ke dalam computer
Kegunaan masing-masing
1) Agar mudah dirujuk
2) Keterangan, agar didapat keterangan yang lengkap
3) Sumber, agar jangan dianggap plagiat dan memudahkan
untuk merujuk kembali
Darwel 7
Jenis Tabel
1) Tabel induk (master table)
2) Tabel text
i. Tabel ditribusi frekuensi
ii. Tabel distribusi frekuensi relatif
iii. Tabel distribusi frekuensi kumulatif
iv. Tabel silang
c. Grafik (Gambar)
1. Seperti tabel, gambarpun perlu dilengkapi dengan
judul (menjawab What, Who, Where, When)
2. Nomor
3. Keterangan (key)
4. Sumber (kalau gambar tersebut kutipan)
5. Berbeda dengan tabel, gambar sudah ditentukan
peruntukannya sesuai jenis data
Darwel 8
DAFTAR PUSTAKA
Darwel 9
BAB 2
PROBABILITAS
Oleh Musdalifah Syamsul
2.1 Pendahuluan
Dalam kehidupan sehari-hari manusia sulit untuk
mengetahui dengan pasti apa yang akan terjadi pada waktu yang
akan datang, baik dalam jangka pendek maupun jangka panjang
yang sering disebut sebagai ketidakpastian. Ketidakpastian ini terjadi
karena keterbatasan manusia itu sendiri dalam dunianya untuk
mengukur menghitung, menalar, meramal suatu hal baik yang akan
dating maupun yang ada di depan mata. Sudah sejak awal zaman,
ketidakpastian diantisipasi manusia dengan berbagai cara yakni
dengan cara ada yang bersifat prophecy dan supranatural, ada pula
yang lebih rasional dengan mempelajari periodisitas (pengulangan)
gejala alam untuk mengurangi tingkat ketidakpastian itu mungkin
menjadi faktor pemicu dinamika roda kehidupan itu sendiri.
Ketidakpastian itu seringkali menjadi sumber kesulitan, tetapi juga
sekaligus merupakan blessing.
Teori probabilitas dapat dikatakan merupakan salah satu ilmu
untuk mengukur ketidakpastian hingga ke tingkat yang lebih terarah
dan mudah diprediksi. Teori probabilitas digunakan bukan hanya
untuk hal yang bersifat praktis, namun untuk hal-hal yang teoritis
ketika model matematis tidak dapat lagi disusun secara komprehensif
untuk memecahkan suatu masalah. Dalam dunia pendidikan yang
umumnya memerlukan pertimbangan yang lebih singkat dan
pragmatis sangat mengandalkan konsep-konsep teori probabilitas.
Statistika merupakan wajah dari teori probabilitas yang dikembangkan
berdasarkan teori probabilitas. Dalam penggunaanya, hasil pengukuran
statistika sudah dapat dianggap memadai. Tetapi untuk memahami apa
yang ada di balik hasil penghitungan statistika tersebut memerlukan
pemahaman mengenai model probabilitas yang digunakan.
Musdalifah Syamsul 10
2.2 Teori Probabilitas
Probabilitas adalah suatu nilai yang digunakan untuk mengukur
tingkat terjadinya suatu kejadian yang acak yang sering disebut dengan
peluang atau kemungkinan bahwa sesuatu akan terjadi. Konsep
probabilitas memiliki peranan yang penting dalam kehidupan sehari-
hari, yakni dimulai dari bidang ilmiah, bidang pemerintahan, bidang
usaha atau industri, sampai pada masalah-masalah kecil seperti masuk
kantor atau tidak karena awan tebal yang kemungkinan akan hujan
deras dan banjir.
Probabilitas biasanya dinyatakan dengan bilangan desimal
(seperti 0,50, 0,20 atau 0,89) atau bilangan pecahan seperti 5/100,
20/100, 75/100. Nilai dari probabilitas berkisar antara 0 sampai
dengan 1. Jika semakin dekat nilai probabilitas ke nilai 0, maka semakin
kecil juga kemungkinan suatu kejadian akan terjadi. Jika semakin dekat
nilai probabilitas ke nilai 1, maka semakin besar peluang suatu kejadian
akan terjadi.
Sebagai contoh mata uang koin Rp. 100.-mempunyai dua sisi.
Sisi pertama bergambar rumah Minangkabau (RM), dan sisi lain
bergambar gunung wayah (GW). Jika koin tersebut kita lemparkan ke
atas sekali maka ada kemungkinan keluar RM dan ada pula
kemungkinan keluar (GW). Kemungkinan keluar RM = Kemungkinan
keluar GW. Setiap sisi mempunyai probabilitas keluar ½. Jumlah
probabilitas RM adalah 1. Hal ini merupakan hokum dalam probabilitas
dari masing-masing elemen pasti.
Teori probabilitas merupakan model matematika untuk studi
keacakan dan ketidakpastian. Konsep probabilitas menempati
peran penting dalam proses pengambilan keputusan. Sebagian
besar keputusan yang dibuat dalam menghadapi ketidakpastian.
Model matematika dalam teori probabilitas memungkinkan kita
untuk membuat prediksi tentang fenomena massal tertentu dari
informasi yang tidak lengkap yang berasal dari teknik sampling. Ini
adalah teori probabilitas yang memungkinkan untuk melanjutkan
dari statistik deskriptif ke statistik inferensial. Bahkan, teori
probabilitas adalah sebagai alat yang paling penting dalam statistik
inferensial.
Musdalifah Syamsul 11
2.3 Pendekatan Probabilitas
1) Pendekatan klasik
Konsep dasar pendekatan klasik dari peluang adalah
setiap peristiwa yang bakal terjadi dari suatu eksperimen
mempunyai kesempatan sama untuk terjadi (equally likely
outcomes). Sebagai contoh, eksperimen pengetosan uang
logam akan terdapat salah satu dari dua peristiwa yang bakal
terjadi, ialah muka angka atau gambar, masing-masing
mempunyai kesempatan sama untuk muncul. Demikian pula
pengetosan sebuah dadu yang berbentuk kubus akan terdapat
enam kesempatan sama untuk muncul, masing-masing adalah
muka 1, 2, 3, 4, 5, dan 6. Besarnya peluang akan muncul muka
dadu bernomor genap adalah sebesar , karena terdapat tiga
yang mungkin muncul genap dari seluruh peristiwa yang ada.
Contoh lain probabilitas munculnya kepala ketika sebuah
koin dilemparkan sekali. Koin mempunyai dua kemungkinan
sama besar, yaitu kepala dan ekor (dengan asumsi koin ideal,
koin tidak menggelinding atau berdiri tegak). Maka
probabilitas dari munculnya kepala adalah satu cara dari dua
cara tersebut adalah ½.
2) Pendekatan frekuensi
Pendekatan frekuensi mengenai peluang itu sering
diinterpretasikan sebagai frekuensi relative terhadap
banyaknya proses yang dilakukan berulang-ulang dalam
jumlah besar di bawah kondisi yang sama. Bila sekeping uang
logam rupiah yang masih baik atau uang logam tersebut masih
bersifat equally likely, kemudian ditos 10 kali, maka bisa
terjadi bahwa yang muncul 6 kali muka yang bergambarkan
garuda dan 4 kali muka yang bertuliskan angka. Peluang muka
gambar dalam hal ini 0,6 sedangkan peluang muka angka 0,4.
Tetapi, bila eksperimen itu dilakukan n kali dalam jumlah besar
dengan syarat tersebut di atas, maka munculnya muka gambar
dan angka akan mendekati bilangan yang sangat besar. Jadi bila
n bertambah besar, mendekati tak hingga, maka kita
mendapatkan peluang gambar dan angka mendekati 0,5.
Peluang atau frekuensi relative suatu kejadian yang
muncul a kali dalam suatu eksperimen yang dilakukan
Musdalifah Syamsul 12
sebanyak n kali adalah ; nilai yang didekati oleh bila n menjadi
tak hingga disebut limit frekuensi relative dan ditulis dengan
lambang : ( ) Perlu ditekankan di sini bahwa pendekatan
tersebut hanya berlaku apabila dalam hal n cukup besar. Jika
kita hanya mengetos uang logam sebanyak 10 kali, tak dapat
secara tepat akan muncul muka gambar 5 kali dan angka 5 kali
juga. Tetapi, bila eksperimen itu dilakukan sebanyak kali, maka
dapat diharapkan bahwa munculnya gambar dan angka akan
dekat sekali ke 50%.
Pendekatan frekuensi relative dari peluang itu tak dapat
diterapkan secara langsung terhadap masalah penting lainnya
dalam pengertian peluang. Sebagai contoh, masalah peluang
sepasang kenalan baru muda-mudi akan melaksanakan
perkawinan dalam tempo setahun yang akan datang. Peluang
yang diinterpretasikan sebagai frekuensi relative itu disebut a
posteriori atau peluang empiric.
3) Pendekatan subjektif
Para ahli personalistika memandang peluang sebagai
ukuran percaya diri, terutama untuk suatu kejadian khusus dan
atau suatu proposisi (pernyataan), misalnya percaya bahwa si
X tetap akan menjadi pimpinan setahun mendatang.
Pendekatan subjektif menitik beratkan peluangnya di antara 0
dan 1 terhadap suatu peristiwa, sesuai dengan derajat
kepercayaan akan terjadinya peristiwa itu. Setiap orang dapat
berbeda derajat kepercayaannya terhadap suatu peristiwa,
karena tergantung nilai, pengalaman, sikap, dan lain-lain,
sesuai dengan apa yang ia miliki baik berbentuk data kualitatif
maupun kuantitatif. Akan tetapi, seseorang harus benar-benar
berhati-hati dan konsisten dalam memberikan besarnya nilai
peluang terhadap suatu peristiwa, kalau tidak, ia akan
kehilangan arah dalam memberikan 5 kesimpulan. Di dalam
statistika derajat keyakinan (level of confidence) itu
merupakan hal penting dalam memberikan keputusan secara
statistika.
Musdalifah Syamsul 13
2.4 Konsep Penting Dalam Probabilitas
Konsep penting yang pertama adalah eksperimen statistic atau
acak. Di dalam statistik, istilah ini umumnya mengacu pada setiap
proses observasi atau pengukuran yang mempunyai lebih dari satu
hasil yang mungkin dan di mana ada ketidakpastian tentang hasil mana
yang benar-benar akan terwujud. Contoh, pelemparan sekeping mata
uang logam, pelemparan sepasang mata dadu, dan pengambilan sebuah
kartu dari tumpukan kartu merupakan contoh eksperimen. Dalam hal
ini, ada asumsi yang tersirat bahwa dalam melakukan semua
eksperimen tersebut telah dipenuhi beberapa syarat, misalnya, bahwa
mata uang logam atau mata dadu itu wajar. Hasil dari eksperimen
semacam itu dapat berupa gambar atau angka jika mata uang logam
dilemparkan, atau salah satu dari angka-angka 1, 2, 3, 4, 5, atau 6 jika
mata dadu dilemparkan. Hasil-hasil tersebut belum diketahui sebelum
eksperimen dilakukan.
Tujuan dari eksperimen-eksperimen semacam itu adalah untuk
menetapkan sebuah dalil (misalnya, berapa banyak gambar yang
mungkin akan diperoleh dalam satu kali pelemparan, katakanlah, 1.000
mata uang logam?) atau untuk menguji dalil bahwa mata uang logam
tersebut wajar (misalnya, apakah anda akan menganggap sebuah mata
uang logam itu tidak wajar apabila anda memperoleh hasil 70 gambar
dalam pelemparan sebuah mata uang logam sebanyak 100 kali).
a. Ruang Sampel
Ruang sampel adalah himpunan semua hasil yang mungkin
dari fenomena random. Secara umum ruang sampel dapat ditulis
dalam huruf Greek (Yunani) Ω (omega). Elemen-elemen Ω ,
secara umum ditulis dengan dan disebut sebagai titik-titik
sampel atau hasil (outcome). Himpunan semua hasil yang
mungkin diperoleh dari suatu eksperimen disebut populasi atau
ruang sampel. Konsep ruang sampel pertama kali 7
diperkenalkan oleh Von Mises, seorang pakar matematika dan
sekaligus insinyur berkebangsaan Austria, pada tahun 1931.
Sebuah eksperimen pelemparan dua mata uang logam
yang wajar. Misalkan H menyatakan gambar dan T menyatakan
angka. Jadi, kita akan mendapatkan hasil-hasil sebagai berikut :
HH, HT, TH, TT, dimana HH berarti gambar pada pelemparan
pertama dan gambar pada pelemparan kedua, HT berarti
Musdalifah Syamsul 14
gambar pada pelemparan pertama dan angka pada pelemparan
kedua, dan sebagainya. Dalam contoh ini, keseluruhan hasil, atau
ruang sampel atau populasi, adalah 4. Tidak ada lagi hasil yang
secara logika mungkin diperoleh. Titik Sampel Setiap anggota,
atau hasil, di dalam ruang sampel atau populasi disebut titik
sampel. Dalam contoh 4.2, masing-masing hasil, yaitu HH, HT,
TH, TT merupakan titik sampel.
b. Kejadian
Suatu kejadian (event) adalah himpunan bagian dari ruang
sampel. Karena Ω adalah himpunan bagian dari Ω maka Ω adalah
suatu kejadian dan disebut kejadian universal Contoh, kejadian
A adalah peristiwa munculnya satu gambar dan satu angka
dalam eksperimen pelemparan mata uang logam. Kita ketahui
bahwa hanya hasil HT dan TH saja yang termasuk dalam
kejadian A. Misalkan B adalah kejadian bahwa dua gambar
muncul dalam pelemparan dua buah mata uang logam. Jadi, jelas
bahwa hanya hasil HH saja yang termasuk kejadian B.
c. Aturan Penghitungan
Apabila kita ingin mengaitkan peristiwa A dalam ruang
sampel S dengan bilangan real P(A), maka yang dimaksud
bilangan P(A) itu adalah sesuai dengan interpretasi frekuensi
relative a/n dengan n cukup besar. Aturan demikian disebut
fungsi himpunan peluang, disingkat menjadi fhp. Berikut ini
beberapa aturan penghitungan yang memberikan sifat-sifat
penting lainnya terhadap fungsi himpunan peluang.
Teorema 1, untuk setiap peristiwa A, P (A) = 1 - P (Ac ).
Teorema 2, P( )
Teorema 3, jika peristiwa-peristiwa A dan B sedemikian hingga ,
maka ( ) ( )
Teorema 4, untuk setiap peristiwa A, ( ) .
Teorema 5, jika A dan B merupakan dua peristiwa sebarang,
maka ( ) ( ) ( ) ( )
Teorema 6, jika A, B, dan C adalah tiga peristiwa sebarang, maka
()()()()() ()()()
Musdalifah Syamsul 15
2.5 Probabilitas Kejadian Majemuk (A u B) DAN (A n
B)
Dengan mengingat pengetahuan mengenai teori himpunan
bahwa bila A dan B dua himpunan dalam himpunan semesta S,
gabungan dari A dan B adalah himpunan baru yang anggotannya terdiri
atas anggota A atau anggota B, atau anggota keduanya ditulis A u B = {x
є A atau x є B}.
Banyaknya anggota himpunan A u B adalah
n (A u B) = n(A) + n(B) – n (A n B)
Contoh
1. Kita ambil satu kartu secara acak dari satu set kartu bridge yang
lengkap. Bila A = kejadian terpilihnya kartu AS dan B = kejadian
terpilihnya kartu wajik, hitunglah P(A u B)
Jawab
P(A) = 4/52 P(B) = 13/52 P(A n B) = 1/52
Musdalifah Syamsul 16
(kartu AS dan Wajik)
Maka, P(A u B) = P(A) + P(B) – P(A n B)
= 4/52 + 13/52 – 1/52
= 16/52
Musdalifah Syamsul 17
berlaku A n B = Ø, A dan B dikatakan dua kejadian saling lepas atau
saling bertentangan, atau saling terpisah (mutually exclusive). Hal ini
menunjukkan bahwa peristiwa A dan peristiwa B dua kejadian
saling lepas, P(A n B) = P(Ø) = 0, sehingga probabilitas kejadian A u B
dirumuskan sebagai berikut
Rumus:
P(A u B) = P(A) + P(B)
Contoh
1. Bila A dan B dua kejadian saling lepas, dengan P(A) = 0.3 dan
P(B) = 0.25, tentukanlah P(A u B)
Jawab
Karena A dan B saling lepas, berlaku :
P(A u B) = P(A) + P(B)
= 0.3 + 0.25 = 0.55
Rumus:
P(A u B u C) = P(A) + P(B) + P(C)
Musdalifah Syamsul 18
Rumus:
P(A1 u A2 u A3 u, …, u An) = P(A1) + P(A2) + P(A3) + … +
P(An)
= Σ P(A)
P(A) = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4),
(2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6)}
= 18/36 = 1/2
Musdalifah Syamsul 19
P(B) = {(1,5), (1,6), (2,5), (2,6), (3,5), (3,6), (4,5), (4,6), (5,5), (5,6),
(6,5), (6,6)}
= 12/36 = 1/3
Maka diperoleh
P(A n B) = P(A) . P(B)
= 1/2 . 1/3 = 1/6
Rumus:
P(A n B n C) = P(A) . P(B) . P(C)
Rumus:
P(A1 n A2 n A3 n, …, n An) = P(A1) . P(A2) . P(A3) … P(An)
Musdalifah Syamsul 20
Maka diperoleh
A = {(m,m,m), (m,m,b), (m,b,m), (m,b,b)} = 4/8 = 1/2
B = {(m,m,m), (m,m,b), (b,m,m), (b,m,b)} = 4/8 = 1/2
C = {(m,m,m), (m,b,m), (b,m,m), (b,b,m)} = 4/8 = 1/2
P(A n B) = (m,m,m) = 1/8
Sehingga
P(A n B n C) = P(A) . P(B) . P(C)
= 1.2 . 1/2 . 1/2 = 1/8
Musdalifah Syamsul 21
DAFTAR PUSTAKA
Musdalifah Syamsul 22
BAB 3
POPULASI DAN SAMPLING
Oleh Pratiwi Ramlan
3.1 Populasi
Secara umum, populasi adalah sekelompok organisme dari
spesies yang sama dan mempunyai karakteristik yang sama.
Kelompok tersebut hidup dalam jangka waktu tertentu, pada wilayah
geografis yang sama, dan dapat berkembang biak sesama organisme
tersebut.
Definisi populasi lainnya adalah jumlah penduduk suatu
kelompok atau suatu wilayah, termasuk hewan, tumbuhan atau
manusia dalam suatu ruang atau daerah. Dalam penelitian, disebutkan
bahwa populasi adalah bidang umum yang meliputi objek atau subjek
dengan jumlah dan karakteristik tertentu yang perlu dikaji dan ditarik
simpulannya (Amirullah, 2019).
Oleh karena itu kita dapat mengambil kesimpulan bahwa
konsep populasi ialah sekelompok objek (organisme, manusian, gejala,
peristiwa atau objek) dengan lokasi dan karakteristik yang sama
(Zulkarnaen, 2014).
3.1.1 Definisi Populasi Menurut Para Ahli
Berikut di paparkan beberapa pengertian populasi dari
beberapa ahli agar dapat lebih memahami tentang populasi ;
a. Suharsimi Arikunto
Populasi merupakan sumber data yang sangat penting, yang
menunjukkan jumlah total subjek atau sampel kajian.
b. Sugiyono
Menurut Sugiyono, populasi merupakan domain umum yang
memiliki karakter tertentu dari suatu subjek atau objek.
c. Margono S.
Menurut Margono S, arti populasi adalah semua data yang
dilihatpeneliti dalam ruang lingkup dan periode waktu tertentu.
d. Ismiyanto
Ismiyanto menjelaskan bahwa populasi ialah informasi atau
data penelitian yang bisa disediakan atau diperoleh dari subjek
Pratiwi Ramlan 23
penelitian (benda, manusia atau suatu hal lainnya) dari jumlah
total subjek penelitian.
e. Mohammad Nazir
Mohammad Nazir menjelaskan populasi adalah sekelompok
individu yang memiliki karakter dan sifat yang ditetapkan oleh
peneliti, yang mana karakter itu yang dinamakan variabel.
f. Nawawi H
Berdasarkan pendapat Hadari Nawawi menjelaskan bahwa
populasi adalah objek penelitian secara total yang meliputi
benda-benda, manusia, tumbuhan, hewan, gejala dan peristiwa
serta hasil pengujian yang merupakan sumber data dan
menujukkan ciri-ciri khusus di penelitian.
Pratiwi Ramlan 24
- Ada varians, yaitu distribusi individu dalam suatu populasi
- Ukuran populasi atau kepadatan termasuk dalam parameter
penting, seperti kelahiran dan kematian sangat
berpengaruh.
- Susunan genetik juga mempengaruhi populasi.
Pratiwi Ramlan 25
1. Natalitas/Jumlah kelahiran maksimal, adalah repropduksi
maksimal atau angka kelahiran dalam kondisi optimal ketika
faktor-faktor fisiologis tidak berpengaruh.
2. Natalitas ekologi, adalah pertambahan jumlah kelompok
atau populasi atau angka kelahiran dikarenakan situasi
lingkungan khusus.
3.2 Sampel
Sampel sejatinya dapat dikatakan sebagai rangkaian yang lebih
kecil dari jenis data penelitian, serta diambil dari jumlah kelompok
yang lebih besar yaitu populasi setelah melewati proses seleksi yang
sudah ditetapkan. Unsur-unsur ini di ketahui menjadi unit sampling,
pengamatan atau titik sampel.
Disisi lain, menetapkan sampel merupakan cara atau langkah
yang efektif ketika melaksanakan suatu penelitian seperti pada
berbagai kasus, membutuhkan biaya yang besar, belum lagi waktu
Pratiwi Ramlan 26
yang dibutuhkan lebih lama untuk melakukan penelitian dengan
menggunakan seluruh populasi dan oleh karena itu penelitian dengan
menggunkana sampel dapat memberikan pengetahuan atau informasi
yang bisa digunakan pada setiap anggota populasi (Puteri, 2020).
Sampel merupakan sebagian anggota populasi yang akan
diteliti, dapat juga dianggap sebagai perwakilan dari populasi dan
hasilnya pun mewakili seluruh anggota populasi yang diteliti (Alwi,
2015). Jenis dan ukuran sampel adalah determinan baik tidaknya
sampel yang digunakan.
3.2.1 Pengertian Sampel Menurut Para Ahli
Berikut pengertian sampel dari beberapa ahli :
a. Arikunto (2002), sampel adalah bagian yang representatif
dari populasi yang menjadi bahan peneltian.
b. Sugiyono (2006), sampel merupakan dari populasi dengan
karakteristik dan jumlah dari populasi tersebut.
c. Soehartono (2004), sampel adalah sebagian anggota
populasi yang akan mewakili seluruh populasi untuk diteliti.
Pratiwi Ramlan 27
tepat. Kesalahan estimasi standar yang rendah, memiliki desain
sampel yang ideal. Tetapi tidak semua jenis rencana
pengambilan sampel menunjukkan akurasi perkiraan , dan
bahkan, jika menggunakan sampel dengan ukuran sama bisa
menimbulkan kesalahan yang tidak sama.
Pratiwi Ramlan 28
probabilistik, dan pengambilan sampel non-acak, yang juga disebut
pengambilan sampel non-propababilitas.
a. Probability Sampling, terdiri dari :
1. Sampel acak (Random sampling) merupakan metode atau
teknik pengambilan sampel yang menggunakan aturan
probabilistik untuk menentukan unsur sampel. Teknik ini
menawarkan kemungkinan yang sama dengan setiap
anggota populasi yang dijasikan sampel. Misalnya, jika
populasi memiliki 100 anggota populasi dan sampel
memiliki 50, maka masing-masing anggota memiliki peluang
50/100 untuk dipilih sebagai sampel.
2. Pengambilan Acak Sederhana (Simple Random Sampling)
Adalah metode pengambilan sampel kejadian menggunakan
tabel angka acak atau undian. Tabel bilangan acak adalah
tabel yang dihasilkan komputer yang terdiri dari kolom dan
baris yang berisi bagaimana pilihanbebas. Pengambilan
sampel sederhana dapat dilakukan dengan prinsip
pengambilan sampel dengan atau tanpa pengembalian.
Keuntungan penentuan sampel dengan menggunakan
teknik ini adalah bias yang ditimbulkan oleh pemilihan
anggota sampel dapat diatasi dan kesalahan standar dapat
dihitung. Kelemahannya adalah tidak adanya jaminan
bahwa tiap sampel yang diperoleh secara random
merupakan representasi yang baik dari populasi.
3. Systematic random sampling (Pengambilan acara secara
sistematis)
Ini adalah metode pemindaian yang dilakukan dengan cara
berurutan secara berkala. Misalnya, ketika mengambil 100
sampel secara acak dari 500 populasi, peluang terpilihnya
adalah 1/5. Digit 1 sampai 5 diambil dari interval pertama
dan digit berikutnya dipilih dari interval berikutnya.
Keuntungan penentuan sampel menggunakan teknik secara
sistematic random sampling adakan lebih praktis dan
ekonomis di bandingkan dengan pengambilan sampel acak
sederhana. Namun memiliki kelemahana yaitu tidak dapat
digunakan untuk studi heterogen karena tidak bisa
menangkap variasi populasi yang heterogen.
Pratiwi Ramlan 29
4. Stratified random sampling (Pengambilan acara dengan
tingkatan)
Ini adalah metode penentuan sampel dengan
mengklasifikasikan pada level tertentu, dengan setiap level
memiliki jumlah sampel yang sama. Keuntungan penentuan
sampe menggunakan metode ini adalah variabilitas populasi
dapat diwakili oleh sampel, sehingga populasi dapa
diperkirakan secara akurat. Kelemahannya, bagaimanapun,
dalam populasi penelitian harus ada data dan informasi
yang cukup tentang variasi populasi.
5. Area/cluster sampling (Pengambilan acak berdasarkan area)
Ini merupakan metode penentuan sampel untuk setiap area.
Setiap daerah mengumpulkan jumlah yang sama.
Keuntungan penentuan sampel menggunakan tek ini adalah
variabilitas populasi dapat diwakili oleh sampel, sehingga
populasi dapat diperkirakan lebih akurat. Kelemahannya
adalah perlu dipecah menjadi bebrapa wilayah tertentu
sehingga memakan waktu yang lama (Arieska & Herdiani,
2018).
Pratiwi Ramlan 30
4. Kuota Sampling
Merupakan teknik pengumpulan sampel yang memiliki
batas tertentu sampai terpenuhi jumlah atau kuota yang
ditetapkan oleh peneliti. Ketika jumlah sampel yang telah di
tetapkan sudah terpenuhi, maka berhenti untuk mencari
sampel lain. Contohnya, jumlah pendaftar haji hanya
200.000 jiwa dari 200 juta jiwa penduduk Indonesia.
5. Sampling Jenuh
Merupakan metode penentuan sampel dengan menjadikan
seluruh populasi menjadi sampel. Berbeda dengan sensus
yang mempunyai skala yang besar, sampel jenuh memiliki
skala yang lebih kecil. Misalnya sampling jenuh untuk guru
di SMAN 1 sebanyak 35 org, semua populasi guru di SMAN 1
dijadikan sampel karena jumlahnya sedikit.
6. Sampling Sistematis
Merupakan metode penentuan sampel dengan memberikan
nomor urut kepada semua anggota populasi, diberikan
secara berurutan/sistematis. Dari 1 sampai 100 orang
menghitung, dan yang menyebutkan angka ganjil adalah
terpilih menjadi sampel.
Pratiwi Ramlan 31
DAFTAR PUSTAKA
Pratiwi Ramlan 32
BAB 4
STATISTIK DESKRIPTIF
Oleh Mohammad Ardani Samad
4.1 Pendahuluan
Statistik deskriptif adalah metode yang digunakan untuk
mencari informasi dan menampilkannya dalam struktur yang dapat
dirasakan oleh semua orang. Ini termasuk jalannya pengukuran
pengungkapan suatu keganjilan. Pengukuran dasar, seperti titik tengah,
ditentukan dan ditampilkan sebagai tabel dan diagram. Pengukuran
grafis dapat memberikan informasi yang sangat besar pada peristiwa
keanehan yang tidak jelas dan mengidentifikasi koneksi yang ada di
dalamnya. Namun, mungkinkah wawasan ekspresif pada titik mana
pun memberikan hasil yang benar secara logis?. Pengukuran adalah
perangkat estimasi yang terhubung dengan keragaman kualitas
berbagai objek. (Hilgers, Heussen and Stanzel, 2019)
Item yang tidak jelas tidak membahas populasi item yang
memiliki sorotan terukur melalui pemeriksaan. Bagaimanapun,
varietas dapat merupakan hasil dari varietas yang berbeda (karena
diacak atau terkontrol). Dalam ilmu material, yang khawatir
tentang ekstraksi dan rencana kondisi numerik, tidak ada banyak
ruang untuk varians tidak teratur. Dalam pengukuran,
kebimbangan seperti itu dapat ditampilkan. Hubungan terukur
berikut adalah hubungan yang masuk akal dari tingkat perubahan
stokastik pasti. (Sudjana, 1989)
Statistika deskriptif bisa dikenal juga sebagai statistik deduktif,
artinya statistika yang tingkat kegunaannya mencakup cara-cara
mengumpulkan data, menyusun atau mengatur data, mengolah data,
menyajikan data dan menganalisis data angka. Dalam hal ini agar bisa
memberikan gambaran yang teratur, ringkas dan jelas, mengenai
keadaan, peristiwa atau gejala tertentu sehingga dapat ditarik
pengertian atau makna tertentu. (Johnson, 2010)
Dengan kata lain, bahwa statistika deskriptif ini hanya
menggambarkan atau mendeskripsikan karakteristik atau sifat-
sifat yang dimiliki oleh sekelompok atau serangkaian data (baik itu
≤ 45,5 3 ≥ 40,5 40
≤ 50,5 9 ≥ 45,5 37
≤ 55,5 19 ≥ 50,5 31
≤ 60,5 31 ≥ 55,5 21
≤ 65,5 36 ≥ 60,5 9
≤ 70,5 40 ≥ 65,5 4
2)Diagram Lingkaran
Contoh diagramnya sebagai berikut:
b. Median
Median adalah suatu nilai tengah dari banyak kumpulan
data. Artinya median sendiri bisa diartikan sebagai nilai yang
membagi porsinya sedemikian rupa menjadi dua bagian,
sehingga rangkaian tersebut, nilainya bisa yang lebih kecil, bisa
juga sama dengan nilai median, kemudian setengahnya
tersebut pasti mempunyai nilai yang sama dengan, bisa juga
nilainya lebih besar dibanding nilai median tersebut. (Arif Tiro,
1990)
Bisa disimpulkan bahwa nilai dari median adalah skor
nilai yang membagi suatu distribusi frekuensi menjadi dua
sama besar nilainya, sehingga 50 % obyek yang diteliti pasti
berada pada bawah nilai median, kemudian sisanya adalah
terletak di atas nilai median. Dalam hal ini median bisa juga
dinamakan dengan rata-rata karena ternyata yang menjadi
dasar yaitu letak variabel bukan nilai. Nilai dari median untuk
data tunggal itu tidak tersusun. Adapun langkah awal
menentukan median adalah menyusun data menjadi bentuk
tersusun menurut besarnya, baru kemudian ditentukan nilai
tengahnya (skor yang membagi distribusi menjadi dua sama
besar). Jika jumlah frekuensi ganjil, maka menentukan median
akan mudah yaitu skor yang terletak di tengah barisan skor
yang telah tersusun. Apabila jumlah frekuensi genap, maka
median merupakan rata- rata dari dua skor yang paling dekat
dengan median. (Johnson, 2010)
Contoh : distribusi frekuensi yang berjumlah ganjil
859174327
c. Modus
Modus berasal dari kata mode, yang artinya merupakan
nilai variabel (atribut), yang mana mempunyai suatu frekuensi
tertinggi dari sekumpulan distribusi frekuensi. Modus juga bisa
digunakan tidak hanya pada data kuantitatif, tetapi juga data
kualitatif. Modus berarti dianggap sebagai nilai, yang mana
menunjukkan nilai terkonsentrasi dari sekumpulan data. (Hilgers,
Heussen and Stanzel, 2019)
Contoh :
X F
5 2
4 6
3 4
2 2
1 1
90 3
85 5
70 6
65 6
60 6
55 4
50 1
45 1
5.1 Pendahuluan
Dalam suatu penelitian, peneliti sering kali ingin mengetahui
apakah pada dua populasi berbeda atau populasi yang sama terdapat
perbedaan yang signifikan dari variabel yang diuji. Apabila sampel
berasal dari populasi yang sama dan saling bergubungan, maka akan
sulit menentukan analisis statistik apa yang digunakan. Misalnya,
peneliti ingin mengetahui apakah terdapat perbedaan berat badan bayi
yang dikandung berdasarkan riwayat hipertensi ibu hamil atau apakah
terdapat perbedaan kepatuhan protokol kesehatan pada masyarakat
dengan latar belakang kesehatan dan non-kesehatan. Untuk menarik
kesimpulan terkait populasi (masyarakat dengan latar belakang
kesehatan dan non-kesehatan), maka diperlukan uji hipotesis dengan
membandingan nilai rata-rata kedua kelompok. Pendekatan yang
dilakukan yaitu melalui uji beda mean atau uji-t.
Uji beda atau uji-t termasuk dalam uji statistik
parametrik untuk menguji kebenaran atau kepalsuan hipotesis nol.
Hasil uji-t berupa kesimpulan yang menyatakan bahwa tidak ada
perbedaan yang signifikan diantara dua rata-rata (mean) sampel
yang diambil secara acak dari populasi yang sama (Mendrofa,
2016). Pengujian hipotesis dengan uji t dapat dilakukan pada 1
sampel dan 2 sampel. Uji-t dengan 2 sampel dapat dibagi menjadi
uji beda rata-rata 2 sampel bebas (independent) dan uji beda rata-
rata 2 sampel berpasangan (dependent) yang akan dibahas lebih
lanjut oleh penulis dalam bab ini.
Dengan df = n – 1
d (debar) = rata-rata selisih/deviasi pengukuran pertama
dan kedua
S = standar deviasi dari nilai d
n = jumlah sampel
Keterangan :
T : jumlah jenjang / rangking yang terkecil
Untuk nilai Z tabel diperoleh dari Zα/2 = Z0,05/2 = Z0,025 = 1,96 yang
merupakan perpotongan α baris 0,02 dengan α kolom 0,005 pada tabel
Z (Mau Belajar, 2020). Nilai Zα tidak mengalami perubahan atau tetap
berapun jumlah sampelnya (Hasnawati, Sambara and Asni, 2014).
Sehingga Z hitung < Z tabel, maka Ho diterima artinya tidak
terdapat perbedaan yang signifikan antara pengukuran tekanan darah
rutin terhadap kepatuhan minum obat X pada pasien hipertensi
sebelum dan sesudah intervensi.
Interpretasi:
Berdasarkan analisis didapatkan bahwa rata-rata
tingkat pengetahuan responden mahasiswa sebelum
menggunakan metode pembelajaran FGD adalah 67,50
(95% CI: 60,17-74,83) dengan standar deviasi 16,529.
Skor terendah adalah 30 dan skor tertinggi adalah 90.
Dari hasil analisis dapat disimpulkan bahwa 95% rata-
rata tingkat pengetahuan responden mahasiswa
sebelum menggunakan metode pembelajaran FGD
adalah 60,17 sampai 74,83. Sementara rata-rata tingkat
pengetahuan responden mahasiswa setelah
menggunakan metode pembelajaran FGD adalah 92,50
(95% CI: 88,24-96,76) dengan standar deviasi 9,605.
Skor terendah adalah 65 dan skor tertinggi adalah 100.
Dari hasil analisis dapat disimpulkan bahwa 95% rata-
rata tingkat pengetahuan responden mahasiswa
sebelum menggunakan metode pembelajaran FGD
adalah 88,24 sampai 96,76.
6.1 Pengantar
Analysis of variance (ANOVA) atau Analisis Variansi (ANAVA)
adalah teknik statistik yang dikembangkan dan diperkenalkan
pertama kali oleh Sir. R. A. Fisher. ANOVA dapat digunakan sebagai
perluasan dari uji-t independen yang penggunaannya tidak terbatas
kepada pengujian perbedaan dua buah rata-rata populasi, namun dapat
juga untuk menguji perbedaan tiga atau lebih populasi sekaligus.
Sebagai gambaran misalkankita ingin mengetahui apakah ada
perbedaan nilai mahasiswa fakultas kesehatan masyarakat, fakultas
ekonomi dan fakultas Matematika. Untuk dapat melaksanakan maksud
ini, kita memiliki tiga perangkat skor nilai statistik ketiga kelompok
mahasiswa, yaitu nilai mahasiswa fakultas kesehatan masyarakat,
fakultas ekonomi dan fakultas Matematika reratanya berturut-turut
tujuan kita yaitu ingin menguji perbedaan rata-rata pada tahap
probabilitas (keberartian) tertentu. Apakah seperti yang sudah
diketahui bahwa Uji-t independen tidak dapat digunakan untuk
menguji perbedaan dari rata-rata ketiga perangkat itu secara
sekaligus tetapi hanya dapat diatasi dengan cara melakukan sejumlah
pengujian perbedaan rata-rata secara berulang-ulang.
ANAVA atau ANOVa adalah sinonim dari analisis varians
terjemahan dari analysis of variance, diketahui banyak orang
menyebutnya dengan anova. Anova adalah bagian dari metoda analisis
statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Setiawan, 2019).
Uji Anova mempunyai asums seperti dibawah (Donald dalam
(Anna Maria Sirait, 2001))
1. Indvidu- indivdu dalam sampel harus diambil secara acak
secara terpisah satu sama lain dari masng-masng populasnya
(sampel bersifat independent).
2. Distrbusi gejala yang dselidiki dalam masing-masing populasi
itu adalah normal. Jika belum diketahui apakah sampel telah
Contoh soal
Penelitian ingin melihat apakah ada perbedaan peningkatan
pengetahuan pada metode penyuluhan dengan beberapa metode,
yakni metode ceramah, metode visual dan metode audio visual.
maka diperoleh nilai seperti pada tabel di bawah ini. :
No Ceramah (X1) Ceramah Ceramah dengan
denganAudio (X2) Audio visual (x3)
1 7 6 7
2 9 7 10
3 6 7 9
4 8 8 8
5 8 6 9
6 7 6 10
7 7 7 7
8 9 6 7
9 8 7 7
10 7 9 10
Penyelesaian
1. Menentukan hipotesis yakni hipotesis Null dan Hipotesis
Alternatif (Ho dan Ha)
Ho : Tidak ada perbedaan peningkatan pengetahuan antara
metode penyuluhan dengan menggunakan metode ceramah,
JKA= + =+ -
JKA= + + -
JKA= + + -
JKA= 577,6+476,1+705,6- 1748.03
JKA= 11.74
Sumber Varian Jumlah Kuadrat (JK) Derajat Bebas Kuadrat Rerata F Hit F Tabel
Antar Kelompok - A-1 =
Sumber Varian Jumlah Kuadrat (JK) Derajat Bebas Kuadrat Rerata F Hit F Tabel
Antar Kelompok 11.74 2 5.87 4.8 3.33
Dalam Kelompok 44,97 27 1.23 -
Total 56,71 29
JKT =
JKA = (
JKA = 113625 -113422,5
JKA =202,5
JKB = (
JKB = 116145 -113422,5
JKB =2722,5
F Hit =
F Tabel =
F Hitung > F Tabel Maka Ha diterima artinya ada perbedaan pengetahuan siswi Kelas 11 dan Kelas 12.
Model Edukasi dengan Kelas siswi
F Hit =
Perbedaan proporsi selalu antara 1,0 dan 1,0. Ini sama dengan
nol ketika respons Y secara statistik independen dari variabel penjelas
X. Ketika X dan Y independen, maka tidak ada hubungan di antara
keduanya. Sangat tepat untuk menghitung perbedaan proporsi untuk
desain penelitian kohort, cross-sectional, dan eksperimental. Dalam
studi kasus-kontrol, tidak ada informasi tentang proporsi hasil (atau
penyakit) positif dalam populasi. Hal ini karena penyidik sebenarnya
memilih subjek untuk mendapatkan nomor tetap pada setiap tingkat
hasil (yaitu, kasus dan kontrol). Oleh karena itu, statistik perbedaan
proporsi tidak tepat untuk memperkirakan hubungan antara paparan
dan hasil dalam studi kasus kontrol. Tabel 3 mencantumkan perbedaan
estimasi proporsi untuk contoh studi cross-sectional, kohort, dan
eksperimental (Van Harrison et al., 2003; Sistrom and Garvan, 2004).
= 20+12
200+200
= 0.081 – p C
= 0.92
8.1 Pendahuluan
Regresi logistik pada metode penelitian khususnya bidang
kesehatan selalu dijadikan sebagai metode penelitian yang tepat untuk
menelaah faktor-faktor yang berhubungan dengan masalah kesehatan.
Sebagai contoh pada penelitian tentang gizi, sebagian besar penelitian
ini cenderung memperhatikan masalah ketidakseimbangan antara
asupan makanan dan aktivitas fisik, sementara faktor-faktor lainnya
yang berpengaruh seperti body image, gender, depresi dan lainnya yang
terintegrasi satu sama lain kurang diperhatikan sehingga digunakan uji
regresi logistik yang digunakan untuk mengetahui faktor yang paling
memiliki pengaruh pada kondisi status gizinya (Ruslie and Darmadi,
2012). Regresi logistik pada bidang kesehatan juga biasanya dipadukan
dengan uji Chi-square. Uji Chi-square adalah pengujian statistik yang
biasanya digunakan untuk mengetahui bagaimana hubungan antar
variabel dependen dan independen secara bivariat, sedangkan uji
regresi logistik adalah pengujian statistik untuk menilai variabel
independen apa saja yang paling mendominasi berpengaruh secara
multivariat. Ketika hasil uji regresi logistik diperoleh, maka dapat
disimpulkan bahwa variabel tersebut apakah memiliki risiko lebih
besar atau lebih kecil terhadap status kesehatan (Devi, 2010; Ruslie and
Darmadi, 2012).
Sehingga, Bab 8 ini mencoba membahas terkait regresi logistik
sebagai salah satu metode penelitian di bidang kesehatan pada
khususnya, dengan memberikan contoh hasil penelitian yang
dirangkum dalam satu Bab pembahasan regresi logistik ini.
Rahmawati 97
mengetahui pengaruh suatu variabel terhadap variabel lainnya.
Terdapat dua bentuk variabel dalam analisis regresi, yaitu variabel
bebas atau independen yang bersifat kategori, atau kontinyu, bahkan
bisa gabungan dari keduanya, sedangkan variabel dependen atau
terikat bersifat kategori. Variabel independen atau bebas adalah
variabel yang dapat diamati nilainya tetapi tidak dapat dikendalikan,
sementara variabel dependen adalah variabel yang memiliki nilai yang
bergantung pada variabel independen. Hubungan antara satu atau
lebih variabel dapat mudah dipahami dengan menggunakan model
regresi (Asyiah, 2008; Haloho et al., 2013). Model regresi linier adalah
model paling sederhana yang diperoleh dalam bentuk persamaan
(Suyono, 2015):
dimana:
Y = variabel dependen (nilai yang diprediksi)
X = variabel independen
𝛽0 = konstanta
𝛽1 = koefisien regresi yang memiliki nilai naik atau turun
𝜀 = galat acak
Rahmawati 98
Variabel terikat berskala biner pada regresi logistik
meggunakan peubah 𝑦𝑖 dalam dua katagori yaitu bernilai 0 dan 1,
sehingga peubah 𝑦𝑖 ini memiliki parameter π(x) yang mengikuti
sebaran Bernoulli, sebagai berikut (Agresti, 2007):
dimana:
𝜋𝑖 = peluang mengalami ke-i
𝑦𝑖 = peubah yang diacak ke-i berupa nilai 0 dan 1
Model regresi logistik dapat dilihat pada bentuk uji statistik
berikut (Agresti, 2007):
Rahmawati 99
penentuan parameter yang dapat memberi nilai pada estimasi dari
nilai 𝛽 bertujuan untuk memperoleh hasil maksimum dari fungsi
likelihood (Asyiah, 2008; Tampil et al., 2017).
Adapun fungsi likelihood pada model regresi logistik biner
dapat dilihat seperti berikut (Hosmer and Lemeshow, 2000):
dimana:
𝑦𝑖 = observasi pada variabel ke-i
𝜋(𝑥𝑖) = peluang untuk variabel prediktor ke-i
Pendekatan pada log likelihood digunakan agar
memudahkan dalam melakukan perhitungan yang dapat
didefinisikan sebagai berikut (Hosmer and Lemeshow, 2000):
Pembuatan pada turunan pertama L (𝛽) terhadap nilai 𝛽
Rahmawati 100
H0: bermakna β1 =β2 =···=β𝑖 =0 (model yang tidak berarti)
H1: bermakna paling sedikit koefisien dari 𝛽𝑖 = 0 (model yang
berarti)
𝑖 = 1, 2 , ···, p.
Adapun uji statistiknya yaitu uji G atau Likelihood Ratio Test
yang dijabarkan sebagai berikut:
Rahmawati 101
Dimana: :
𝑆𝐸(𝛽𝑖) = dugaan galat baku untuk koefisien 𝛽𝑖
𝛽𝑖 = nilai dugaan untuk parameter (𝛽𝑖)
Rahmawati 102
8.5 Contoh Penelitan Regresi Logistik
Contoh penelitian yang menggunakan regresi logistik sudah
sangat banyak, terutama pada penelitian di bidang Kesehatan.
Salah satu contoh penerapan regresi logistik yaitu penelitian yang
menggunakan ibu hamil untuk menghasilkan pengukuran risiko
anemia dengan status gizi ibu hamil dalam penelitian Suhardi and
Fadila (2016), yang dapat dijabarkan secara ringkas langkah-
langkah dalam penjabarannya agar mudah dipahami sebagai
berikut:
Status anemia ibu hamil sebagai variabel dependen
(respon), sedangkan status gizi sebagai variabel independen
(prediktor). Semua variabel tersebut kemudian memiliki dua skala
kategori yaitu kelompok ibu hamil yang kadar Hbnya normal dan
kelompok ibu hamil yang kadar Hb anemia (abnormal). Metode
Cyanmethemoglobin digunakan untuk menentukan status Hb ibu
hamil. Adapun ambang batas Hb ibu hamil dikatakan normal jika
hasil Hbnya 11,0 g/dl. Sementara dalam pengukuran status gizi
digunakan standar LILA (Lingkar Lengan Atas) dimana status gizi
dalam kondisi normal jika memiliki ukuran LILA= 23,5 cm dan
tidak normal (KEK), jika memiliki ukuran LILA <23,5 cm).
Rahmawati 103
Tabel 8.1 dapat dijelaskan bahwa skala dependen atau
respon (y) maupun skala independent atau prediktor (x) yaitu
kode 0 dan 1. Kedua skala tersebut digunakan untuk menghasilkan
odds ratio (OR) yang dapat lebih dipahami dalam Tabel 8.2.
Tabel 8.2 : Hasil observasi kondisi anemia dengan gizi ibu hamil
dan perolehan hasil analisis Odds Ratio (OR)
Rahmawati 104
dengan ibu hamil yang normal pada kategori gizi baik adalah 2,14
yang diperoleh dari hasil 51,7% : 24,3%, sedangkan pada gizi
kurang diperoleh hasil perbandingan 6,25 dari hasil 20,8% : 3,3%.
Hal ini dapat disimpulkan bahwa baik dalam keadaan gizi baik
maupun kurang memiliki peluang terjadinya risiko anemia. Akan
tetapi, risiko anemia cenderung lebih tinggi pada ibu hamil yang
memiliki status gizi kurang. Hal tersebut dapat dilihat pada
perbandingan risiko OR yang diperoleh yaitu 6,25:2,41 = 2,92 yang
menunjukkan bahwa ibu hamil dengan kondisi status gizi yang
kurang (KEK) 2,9 kali lebih tinggi memiliki risiko anemia dibanding
statu gizi normal. Rasio risiko ini sangat besar, hampir tiga kali
lipat, sehingga status gizi berperan penting dalam mempengaruhi
kesehatan ibu hamil yang tidak berisiko anemia.
Hasil OR kemudian dilakukan uji signifikansi dengan
menggunakan menggunakan Wald Test (W) terlihat bahwa hasil
koefisien pada regresi yaitu β1 1,073 atau OR 2,92 dan mempunyai
p-value 0,066. Hal tersebut menyimpulkan bahwa hasilnya
signifikan dalam taraf α = 10% (Tabel 8.3). Artinya, kasus anemia
ibu hamil berkaitan atau berpengaruh pada kondisi status gizinya.
Tabel 8.3 menunjukkan estimasi determinasi (R2), terlihat
bahwa hasilnya adalah 3,3% atau 4,7% yang diperoleh dari dua versi
hitungan R2. Sehingga disimpulkan bahwa kondisi anemia pada ibu
hamil tergantung pada status gizinya. Meksipun kecil dilihat dari nilai
sumbangannya, namun selama koefisien dari regresi β1 tidak
memperoleh angka nol yang secara statistik tetap terbukti secara
empiris.
Tabel 8.3 : Hasil analisis regresi logistik pada anemia ibu hamil
Rahmawati 105
bermakna (signifikan) pada taraf α = 10% atau p-value dengan nilai
yang diperoleh adalah 0,058. Hasil model analisis kontingensi
memperoleh nilai adjusted residualnya -1,90 dan 1,90, atau kisaran -
1,96 sampai 1,96 pada taraf uji dengan α = 5%.
Tabel 8.4 : Hasil analisis status anemia dengan status gizi ibu hamil
dari tabel kontingensi
Tabel 8.3 dan 8.4 menunjukkan bahwa kedua hasil analisis yaitu
analisis regresi logistik dan tabel kontingensi, keduanya
memperlihatkan adanya hubungan antara status anemia pada ibu
hamil dengan status gizinya. Hasil uji signifikansi untuk koefisien pada
regresi dan Chi-square untuk independensi terlihat hasil tingkat
signifikansi yang sama. Oleh karena itu, model regresi logistik berupa
statistic OR dalam penelitian dunia kesehatan, dalam hal ini peran
status gizi pada ilustrasi di atas dapat menentukan kesehatan ibu hamil
dan derajat risiko terjadinya anemia.
Rahmawati 106
DAFTAR PUSTAKA
Rahmawati 107
Tulong, M., Mongi, C., Mananohas, M., 2018. Regresi Logistik
Multinomial Untuk Menentukan Faktor-Faktor Yang
Mempengaruhi Pilihan Perguruan Tinggi Pada Siswa SMA
dan SMK di Pulau Karakelang Kabupaten Kepulauan Talaud.
dC 7, 90. https://doi.org/10.35799/dc.7.2.2018.21456
Rahmawati 108
BIODATA PENULIS
109
BIODATA PENULIS
110
BIODATA PENULIS
111
BIODATA PENULIS
112
BIODATA PENULIS
113
BIODATA PENULIS
114
BIODATA PENULIS
115
BIODATA PENULIS
116
View publication stats