Heru Santoso Wahito Nugroho

BIOSTATISTIKA
Untuk Mahasiswa Diploma 3 Kebidanan

Disusun Sebagai Bahan Ajar Bagi Mahasiswa Program Studi Diploma III Kebidanan Kampus Magetan Jurusan Kebidanan Politeknik Kesehatan Kemenkes Surabaya Tahun Akademik 2011/2012

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

Mata Kuliah Semester Tahun Akademik Penulis

: Biostatistika :V : 2011/2012 : Heru Santoso Wahito Nugroho, S.Kep, Ns, M.M.Kes

Telah disahkan sebagai bahan ajar bagi mahasiswa Program Studi Diploma III Kebidanan Kampus Magetan, Jurusan Kebidanan, Politeknik Kesehatan Kemenkes Surabaya.

Surabaya, 1 September 2011 Ketua Jurusan Kebidanan Poltekkes Kemenkes Surabaya

Hj. Klanting Kasiati, S.Pd, A.Md.Keb, M.Kes NIP. 19640430 198503 2 003

Mengetahui Direktur Poltekkes Kemenkes Surabaya

DR.Ir.H. Bambang Guruh Irianto, AIM, MM NIP. 19580109 198010 1001

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

ii

Pemahaman tentang biostatistika mutlak diperlukan bagi tenaga kesehatan profesional. Penguasaan biostatistika ini diperlukan sebagai prasyarat untuk dapat melakukan penelitian ilmiah dalam bidang kesehatan dengan baik. Untuk itu, referensi-referensi mengenai biostatistika masih sangat diperlukan hingga saat ini.

Buku sederhana ini diharapkan dapat digunakan sebagai salah satu sumber pembelajaran biostatistika, terutama bagi para mahasiswa kesehatan. Isi di dalamnya ini sengaja disusun secara ringkas dan memuat pokok-pokok penting dari biostatistika dan juga memuat contoh-contoh aplikatif dengan harapan supaya mudah dipahami oleh para pembaca.

Penulis menyampaikan terimakasih yang sebesar-besarnya kepada para pembaca atas perhatian yang diberikan kepada buku ini. Atas segala kekurangan yang ada, penulis mohon maaf dan mengharapkan masukan dari para pembaca untuk dapat memperbaiki kekurangan-kekurangan tersebut.

Magetan, September 2011

Heru Santoso Wahito Nugroho

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

iii

Isi Halaman Judul Halaman Pengesahan Kata Pengantar Daftar Isi Bagian 1 Konsep Dasar Statistika Umum Pengertian Statistika Kegunaan Statistika Ruang Lingkup Statistika Pengertian dan Jenis Data Variabel dan Skala Pengukuran Referensi Bagian 2 Pengumpulan dan Pengolahan Data Pengumpulan Data Pengolahan Data Referensi Bagian 3 Analisis Data Pemilihan Model Analisis Data Statistika Deskriptif Sebagai Alat Analisis Data Statistika Inferensial Sebagai Alat Analisis Data Referensi Bagian 4 Penyajian Data Penyajian Data Secara Tekstular Penyajian Data Secara Tabular Penyajian Data Secara Grafikal Referensi

Halaman i ii iii iv 1 1 2 2 3 6 7 8 8 15 18 19 19 20 32 35 36 36 37 42 53

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

iv

Pengertian Statistika
Secara etimologis statistika berasal dari Bahasa Romawi yaitu States, yang berarti Negara, Negarawan. Diartikan demikian, karena statistika kala itu banyak digunakan untuk urusan negara seperti pajak, jumlah penduduk dan lain-lain. Muncullah berbagai jenis statistika misalnya statistika kependudukan, statistika kelahiran, statistika pendidikan dan sebagainya. Pada saat itu statistik hanya digunakan untuk mendukung keseluruhan aktivitas kenegaraan. Dewasa ini statistika telah berkembang menjadi ilmu yang berdiri sendiri. Statistika mempelajari hal-hal yang berhubungan dengan data, serta sifat-sifat data. Kegiatan statistika adalah pengumpulan data, pengolahan data, penyajian dan analisa data, penarikan kesimpulan, serta pembuatan keputusan yang didasarkan atas data yang diperoleh. Data diperoleh dari fakta, yaitu peristiwa yang benar-benar terjadi atau bekas-bekasnya ada. Kegunaan data adalah memberikan informasi kepada yang membutuhkan, selanjutnya informasi ini dapat memberikan perubahan pada manusia. Jadi statistika adalah ilmu yang mempelajari pengumpulan, pengolahan, penyajian, dan analisa data, serta penarikan kesimpulan. Langkah-langkah tersebut harus berurutan dan berkesinambungan Beberapa pengertian senada mengenai statistika adalah sebagai berikut: 1. Suatu teknik yang digunakan untuk mengumpulkan data, menganalisa data dan menyimpulkan dan mengadakan penafsiran data yang berbentuk angka (Marguerrite F. Hall) 2. Ilmu dan seni guna mengembangkan dan menerapkan metoda yang paling efektif untuk mengumpulkan, mentabulasi, menginterpretasikan data kuantitatif sedemikian rupa sehingga kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan dengan menggunakan penalaran induktif matematika probabilitas (Anderson & Bancrofi) berdasarkan

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

3. Pengetahuan yang berhubungan dengan

cara-cara pengumpulan fakta,

pengolahan serta penganalisaannya, penarikan kesimpulan, penyajian dan publikasi dari data-data yang berbentuk angka (Sujana)

Kegunaan Statistika
Kegunaan statistika adalah: - Memberikan gambaran tentang suatu obyek dengan lengkap dan ringkas - Membandingkan kejadian satu dengan kejadian lainnya dengan beracuan pada waktu dan tempat - Membuat ramalan pada kejadian yang sama pada masa yang akan datang

Ruang lingkup statistika

Statistika mencakup statistika deskriptif dan statistika inferensial. Statistika deskriptif bertujuan menggambarkan suatu ciri penduduk, masyarakat, organisasi pada situasi tertentu, berdasarkan data yang diperoleh. Kegiatan yang dilakukan meliputi pengumpulan, pengolahan, penyajian, dan analisis data, serta penyimpulan, namun tidak digunakan untuk membuat kesimpulan yang lebih luas (generalisasi/ inferensi). Statistika deskriptif digunakan untuk penelitian pada populasi atau pada sampel, tetapi tidak bermaksud untuk membuat kesimpulan terhadap populasi tempat sampel diambil. Contoh dari statistika deskriptif adalah statistika ibu hamil di wilayah Kabupaten M. Dalam hal ini, dilakukan langkah-langkah pengumpulan data sampai dengan penarikan kesimpulan, namun hanya sampai dengan mendeskripsikan atau menggambarkan hasil yang diperoleh.

Statistika inferensial adalah statistika yang digunakan untuk menganalisis data sampel, dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi tempat sampel diambil. Dengan kata lain, statistika inferensial bertujuan menaksir secara umum suatu populasi dengan menggunakan sampel, termasuk di dalamnya teori Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 2

penaksiran dan pengujian teori. Kegiatan yang dilakukan adalah pengumpulan data, pengolahan data, penyajian dan penyimpulan data, diikuti dengan tindak lanjut yaitu melakukan generalisasi untuk populasi. Nilai-nilai yang ditentukan dari sampel dinamakan statistik, sedangkan nilai-nilai yang ditentukan dari populasi dinamakan parameter.

Selanjutnya statistika inferensial dibagi menjadi statistika parametrik dan non parametrik. Statistika parametrik digunakan untuk menganalisis data berskala interval dan rasio yang diambil dari populasi yang berdistribusi normal. Sedangkan statistika non parametrik digunakan untuk menganalisis data berskala nominal dan ordinal dari populasi yang bebas distribusi (tidak harus berdistribusi normal), serta data berskala interval dan rasio yang tidak berdistribusi normal.

Contoh dari statistika inferensial adalah: kegiatan statistika untuk membuktikan bahwa kekurangan gizi pada ibu hamil dapat menyebabkan kelahiran bayi prematur. Dalam hal ini dilakukan langkah-langkah mulai dari pengumpulan data hingga penarikan kesimpulan pada sampel, lalu dilanjutkan dengan melakukan generalisasi untuk populasi.

Pengertian dan Jenis Data

Data adalah bentuk jamak dari datum. Data hasil penelitian dikelompokkan menjadi dua yaitu data data kualitatif dan data kuantitatif. Data kualitatitif adalah hasil observasi atau pengukuran yang berbentuk kata, kelompok, atau kategori. Contoh data kualitatif adalah: Keramahan bidan terhadap konsumen, jenis kelamin bayi baru lahir, warna rambut, ketajaman penglihatan, golongan darah, dan sebagainya. . Data kuantitatif adalah hasil observasi atau pengukuran yang berbentuk angka, atau data kualitatif yang sudah diangkakan (melalui proses scoring). Contoh dari data kuantitatif adalah: tinggi badan, berat badan, jumlah anak, tekanan darah, dan sebagainya. Data kuantitatif dibedakan menjadi data diskrit (jika memiliki nilai diskrit) dan data kontinyu (jika memiliki nilai kontinyu). Contoh dari data diskrit adalah jumlah anak, Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 3

frekuensi kunjungan ANC dan sebagainya. Contoh dari data kontinyu adalah jarak tempuh puskesmas, tekanan darah, lama perdarahan, kecepatan Kala I persalinan. Penggolongan data kuantitatif yang umum diterapkan dalam penelitian adalah data nominal, ordinal, interval, dan rasio, sehingga banyak yang mengatakan bahwa data memiliki 4 macam skala yaitu data berskala nominal, ordinal, interval, dan rasio.

1. Skala nominal Ciri-ciri dari data berskala nominal adalah hanya memiliki kategori, namun tidak berjenjang, tidak berjarak tetap, dan tidak mengandung nilai 0 mutlak. Yang termasuk dalam skala nominal adalah semua data dikotomi (hanya 2 kategori) dan data bukan dikotomi yang tak berjenjang. Contoh skala nominal dikotomi adalah: gender (pria dan wanita), keberhasilan belajar mahasiswa bidan (lulus dan tidak lulus), tingkat pengetahuan kader posyandu (baik dan buruk), sikap terhadap KB pria (menerima dan menolak), insiden infeksi HIV (positif dan negatif), kejadian anemia ibu hamil (anemia dan tidak anemia). Contoh skala nominal bukan dikotomi adalah: jenis pekerjaan kader posyandu (tani, pedagang, IRT, PNS, dan karyawan swasta), agama ibu hamil (Katolik, Protestan, Islam, Hindu, dan Budha), jenis penyakit yang diderita ibu hamil (infeksi, neoplasma, dan degeneratif), gaya belajar kader desa siaga (auditorial, visual, dan kinestetikal), dan lain-lain.

2. Skala ordinal Ciri-ciri dari data berskala ordinal adalah memiliki kategori, berjenjang, tidak berjarak tetap, dan tidak mengandung nilai 0 mutlak. Data dikotomi tidak masuk skala ordinal. Contoh dari skala ordinal: keberhasilan belajar mahasiswa bidan (1= tidak lulus, 2= lulus melalui remidial, dan 3= lulus), tingkat pengetahuan kader posyandu (1= buruk, 2= kurang, 3= baik, dan 4= sangat baik), sikap terhadap KB pria (3= menolak, 2= netral, dan 3= menerima), kejadian anemia ibu hamil (1= anemia berat, 2= anemia sedang, 3= anemia ringan, dan 4= tidak anemia), Derajat Ca Cervix (1= Stadium IV, 2= Stadium III, 3= Stadium II, dan 4= Stadium I), dan sebagainya.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

3. Skala interval Ciri-ciri dari data berskala interval adalah memiliki kategori, berjenjang, berjarak tetap, dan tidak mengandung nilai 0 mutlak. Contoh dari skala interval adalah: tingkat pengetahuan kader posyandu berupa nilai mentah dengan skala 0-100, sikap terhadap KB pria berupa skor mentah dengan skala 0-80, suhu benda dalam derajat Celsius, dan sebagainya. Dalam ketiga contoh di atas terdapat angka 0, namun bukan nol yang mutlak/ absolut. Maksudnya nol dalam hal ini bukan berarti tidak ada memiliki sesuatu, tetapi hanya nol kesepakatan saja. Pada contoh pertama, jika didapatkan nilai pengetahuan nol, bukan berarti kader posyandu tersebut tidak memiliki pengetahuan sama sekali, namun telah disepakati bahwa jika seluruh item tes dijawab salah, maka skor yang didapatkan adalah nol. Demikian pula pada contoh kedua tentang sikap. Pada contoh ketiga, jika didapatkan suhu 0 derajat Celsius pada es, bukan berarti bahwa es tersebut tidak memiliki suhu, tetapi telah disepakati bahwa ketika air membeku menjadi es, air raksa pada thermometer Celsius tepat pada angka nol.

4. Skala rasio Ciri-ciri dari data berskala rasio adalah memiliki kategori, berjenjang, berjarak tetap, dan mengandung nilai 0 mutlak. Contoh dari skala rasio adalah: paritas, frekuensi pemeriksaan ANC, frekuensi denyut nadi permenit, tinggi badan balita dalam cm, berat badan remaja putri dalam kg, dan sebagainya. Pada contoh pertama, jika paritas nol berarti ibu tersebut memang tidak memiliki anak, pada contoh kedua jika frekuensi ANC adalah nol berarti ibu tidak pernah datang untuk ANC, jika frekuensi denyut nadi nol berarti memang tidak memiliki denyut nadi, demikian seterusnya.

Pada data berskala rasio, nilai perbandingan dapat diterapkan dan ini tidak berlaku untuk data berskala interval. Sebagai contoh, jika frekuensi ANC ibu A adalah 3 kali dan Ibu B adalah 6 kali, maka bisa dikatakan bahwa frekuensi ANC ibu B, 2 kali lipat lebih sering dibandingkan dengan ibu A. Ini didapatkan dari

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

penghitungan 6/3 = 2. Jika Ibu S memiliki 8 anak, sedangkan Ibu K memiliki 2 anak, maka boleh dikatakan bahwa ibu S memiliki anak 4 kali lipat lebih banyak daripada ibu K.

Variabel dan Skala Pengukuran

Variabel didefinisikan sebagai suatu atribut yang menggambarkan orang, tempat, barang, atau ide. Nilai dari variabel dapat bervariasi atau berbeda dari satu entitas dengan lainnya. Sebagai contoh, tinggi badan adalah variabel karena

menggambarkan orang, dan dapat bervariasi antara orang yang satu dengan yang lainnya, misalnya: tinggi badan dari 10 balita adalah 80 cm, 80 cm, 85 cm, 86 cm, 89 cm, 95 cm, 95 cm, 97 cm, 97 cm, dan 99 cm. Kerawanan desa terhadap wabah DHF adalah variabel karena menggambarkan tempat, dan dapat bervariasi, misalnya: Desa A sangat rawan, Desa B tidak rawan, Desa C rawan, Desa D sangat rawan, Desa E tidak rawan, dan seterusnya.

Variasi dari nilai variabel berkaitan erat dengan empat macam skala data. Setiap variasi yang melekat pada variabel dapat berupa skala nominal, ordinal, interval, maupun rasio. Sebagai contoh, pada variabel jenis kelamin didapatkan 2 variasi data dengan skala nominal yaitu pria dan wanita. Pada variabel status gizi balita didapatkan 4 variasi data berskala ordinal yaitu gizi buruk, gizi kurang, gizi baik dan gizi lebih. Pada variabel sikap remaja putri terhadap ATM kondom didapatkan 41 variasi data berskala interval yaitu 0, 1, 2, 3, 4, 5, ., 40. Pada variabel frekuensi kekambuhan asthma didapatkan banyak variasi data berskala rasio, yaitu 0 kali, 1 kali, 2 kali , 3 kali, .. dan seterusnya.

Perlu dipahami bersama bahwa untuk satu variabel, variasi yang didapatkan bisa saja dibuat berupa skala nominal, ordinal, interval, atau rasio. Sebagai contoh, variasi dari variabel tingkat pengetahuan bidan di desa, dapat berupa skala nominal, ordinal, dan interval. Jika tingkat pengetahuan dinilai dari skor mentah hasil mengerjakan tes, maka data berskala interval, karena variasi yang mungkin adalah 0, 1, 2, ., 100. Jika skor mentah tadi dikategorikan menjadi 3, misalnya skor 0-55 adalah kurang, skor 56-75 adalah cukup, dan skor 76-100 adalah baik, maka jelas Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 6

bahwa data berskala ordinal. Jika skor mentah dikategorikan menjadi 2 (dikotomik), misalnya skor 0-55 adalah tidak memadai, dan skor 56-100 adalah memadai, maka data berskala nominal.

Pemilihan skala data seperti contoh di atas disesuaikan dengan kebutuhan. Sebagai contoh jika statistika digunakan sebagai alat untuk menilai kelayakan tingkat pengetahuan bidan di desa, maka cukup digunakan kategori memadai dan tida memadai. Tetapi jika tujuan yang diharapkan adalah untuk menilai tingkat pengetahuan bidan di desa sebelum dan sesudah pelatihan, maka sebaiknya digunakan skala interval. Misalnya skor sebelum pelatihan adalah 76 dan sesudah pelatihan 95, berarti tampak ada peningkatan. Dalam skala ordinal 76 dan 95 masuk kategori baik, sehingga dikatakan skor sebelum pelatihan adalah 3= baik, skor sesudah pelatihan juga 3= baik, jadi seolah-olah tidak terjadi peningkatan.

Referensi
Danapriatna Nana dan Setiawan Rony. 2005. Pengantar Statistika. Yogyakarta: Graha Ilmu Purwanto Heri. 1995. Pengantar Statistik Keperawatan. Jakarta: Penerbit Buku Kedokteran EGC. Sugiyono. 2007. Statistika Untuk Penelitian. Bandung: Penerbit Alfabeta. Anonymous. 2011. Statistics, Probability, and Survey Sampling.

http://www.stattrek.com Anonymous. 2011. Elementary Statistics and Probability Tutorials and Problems. http://www.analyzemath.com\statistics.html

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

Pada Bagian 1 telah dijelaskan bahwa statistika berkaitan dengan pengumpulan data, pengolahan data, penyajian dan analisa data, penarikan kesimpulan. Penjelasan tentang data telah disampaikan secara lengkap. Penjelasan yang perlu ditambahkan pada Bagian 1 adalah mengenai pengumpulan data, pengolahan data, serta analisis data. Ketiga materi ini seharusnya dijelaskan tersendiri pada ilmu tentang metodologi penelitian, namun karena berkaitan erat dengan statistika, maka dipandang perlu untuk dibahas secara sekilas. Untuk materi penyajian data akan dijelaskan tersendiri pada Bagian 2.

Pengumpulan data
Telah dijelaskan pada Bagian 1 bahwa data penelitian diambil dari suatu populasi atau sampel. Jika data diambil dari seluruh anggota populasi maka dinamakan sensus, sedangkan jika data diambil dari sebagian anggota populasi maka dinamakan sampling. Jadi sensus adalah pencatatan data secara menyeluruh (complete enumeration) terhadap elemen yang menjadi obyek penelitian, tanpa perkecualian. Sedangkan sampling adalah pencatatan data yang meliputi sebagian saja (sampel) dari elemen yang menjadi obyek penelitian. Dengan sampling, hasil yang diperoleh adalah nilai karakteristik perkiraan (estimate value) saja, dan atas dasar nilai perkiraan dari sampel inilah, kita dapat memperkirakan nilai sesungguhnya dari populasi. Maka, agar didapatkan nilai perkiraan yang baik, sampel yang diambil harus representatif (benar-benar mewakili populasi).

Pada sensus maupun sampling, diperlukan teknik pengumpulan data tertentu. Secara umum dikenal 3 macam teknik pengumpulan data primer yaitu wawancara, angket, dan observasi. Dalam bidang kesehatan kadang-kadang dimunculkan teknik tersendiri yaitu pemeriksaan. Sedangkan untuk memperoleh data sekunder digunakan teknik studi dokumentasi. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 8

WAWANCARA

Wawancara (interview) adalah teknik pengumpulan data berbentuk pengajuan pertanyaan secara lisan, dan pertanyaan yang diajukan dalam wawancara itu telah dipersiapkan secara tuntas, dilengkapi dengan instrumennya. Instrumen yang digunakan dalam wawancara adalah pedoman wawancara (interview guide). Berikut ini adalah contoh pedoman wawancara untuk mengumpulkan data tentang Alasan pemilihan profesi bidan, dan dukungan keluarga terhadap pemilihan profesi bidan.

PEDOMAN WAWANCARA : : : : :

Judul penelitian Peneliti

Inisial responden Umur Unit kerja

Pertanyaan:

1. Alasan apa sajakah yang menyebabkan Anda memilih menekuni profesi bidan? . . . . . . . .

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

2. Bagaimanakah dukungan keluarga Anda terhadap keputusan Anda untuk memilih profesi bidan? Jelaskan secara lengkap! . . . . . . . . . . . . . . . . . . . . . . . . . . .

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

10

ANGKET

Angket adalah cara pengumpulan data berbentuk pengajuan pertanyaan tertulis melalui sebuah daftar pertanyaan yang telah dipersiapkan sebelumnya. Jadi instrumen yang dibutuhkan adalah daftar pertanyaan yang biasa dinamakan kuesioner. Berikut ini disajikan sebuah contoh kuesioner untuk pengumpulan data tentang masalah mental emosional anak.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

11

KUESIONER MASALAH MENTAL EMOSIONAL (KMME)

Inisial anak Umur anak Jenis kelamin No
1

: : : Pertanyaan Ya Tidak

5 6 7

8 9

Apakah anak Anda sering terlihat marah tanpa sebab yang jelas? (seperti banyak menangis, mudah tersinggung atau bereaksi berlebihan terhadap hal-hal yang sudah biasa dihadapinya) Apakah anak Anda tampak menghindar dari teman-teman atau anggota keluarganya? (seperti ingin merasa sendirian, menyendiri atau merasa sedih sepanjang waktu, kehilangan minat terhadap hal-hal yang biasa sangat dinikmati) Apakah anak Anda terlihat berperilaku merusak dan menentang terhadap lingkungan sekitarnya? (seperti melanggar peraturan, mencuri, sering melakukan perbuatan yang membahayakan dirinya, atau menyiksa binatang atau anak-anak lainnya) dan tampak tidak peduli dengan nasihat-nasihat yang sudah diberikan kepadanya? Apakah anak Anda memperlihatkan adanya perasaan ketakutan atau kecemasan berlebihan yang tidak dapat dijelaskan asalnya dan tidak sebanding dengan anak lain seusianya? Apakah anak Anda mengalami keterbatasan oleh karena konsentrasi yang buruk atau mudah teralih perhatiannya, sehingga mengalami penurunan dalam aktifitas sehari-hari atau prestasi belajarnya? Apakah anak Anda menunjukkan perilaku kebingungan sehingga mengalami kesulitan dalam berkomunikasi dan membuat keputusan? Apakah anak Anda menunjukkan perubahan pola tidur? (seperti sulit tidur sepanjang waktu, terjaga sepanjang hari, sering terbangun saat tidur malam oleh karena mimpi buruk, mengigau) Apakah anak Anda mengalami perubahan pola makan? (seperti kehilangan nafsu makan, makan berlebihan, atau tidak mau makan sama sekali) Apakah anak Anda sering mengeluh sakit kepala, sakit perut, atau keluhan fisik lainnya?

10 Apakah anak Anda sering mengeluh putus asa atau ingin mengakhiri hidupnya? Apakah anak Anda menunjukkan kemunduran perilaku atau kemampuan yang sudah dimilikinya? 11 (seperti mengompol kembali, menghisap jempol, atau tidak mau berpisah dengan orangtua/ pengasuh) Apakah anak Anda melakukan perbuatan yang berulang-ulang tanpa alasan yang 12 jelas?

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

12

OBSERVASI

Observasi atau pengamatan adalah pengamatan terhadap obyek yang akan dicatat datanya, dengan persiapan yang matang, dilengkapi dengan instrument tertentu. Instrumen yang digunakan dalam observasi adalah lembar observasi. Salah satu di antaranya yang sering digunakan adalah daftar cocok atau daftar cek (check list). Berikut ini disajikan contoh check list untuk mengumpulkan data tentang keterampilan mahasiswa dalam mengukur tekanan darah.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

13

PEMERIKSAAN

Sebagian peneliti menganggap bahwa pemeriksaan tergolong sebagai observasi, sedangkan sebagian lagi menganggap sebagai teknik tersendiri. Contoh dari pemeriksaan adalah pemeriksaan tinggi badan menggunakan instrumen microtoise, pemeriksaan tekanan darah menggunakan manometer air raksa, pemeriksaan kadar hemoglobin menggunakan spektrofotometer, dan sebagainya. Berikut ini disajikan contoh pengkuran tekanan darah menggunakan manometer.

STUDI DOKUMENTASI

Studi dokumentasi adalah upaya untuk memperoleh data sekunder melalui dokumen. Jadi dokumen itu sendirilah yang menjadi instrumen. Sebagai contoh, data lama Kala I persalinan dapat diperoleh melalui partograf, data tentang status gizi balita dapat diperoleh dari KMS.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

14

Pengolahan data
Setelah data terkumpul, langkah selanjutnya adalah pengolahan data. Secara umum ada 3 tahap pengohanan data yaitu editing, coding, dan tabulating. Apabila data tidak memerlukan kode, maka tahap coding bisa dilompati.

EDITING

Secara umum, editing diartikan sebagai penyuntingan, jadi data disunting atau dikoreksi agar didapatkan hasil yang benar dan lengkap. Tidak jarang pada saat pengumpulan data didapatkan kekurangan atau mungkin juga kesalahan. Contoh kekurangan adalah ada salah satu item kuesioner yang belum diisi oleh responden sehingga hasilnya tidak lengkap, juga tidak benar, sehingga akan mempengaruhi

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

15

hasil penelitian. Contoh kekeliruan adalah jawaban YA diberi skor 0, padahal aturan yang telah ditetapkan sebelumnya adalah jawaban YA diberi skor 1, dan jawaban TIDAK diberi skor 0.

Jika kekurangan dan kesalahan tadi dibiarkan saja, tidak dikoreksi maka tidak mungkin didapatkan hasil penelitian yang bisa dipertanggungjawabkan secara ilmiah. Oleh karena itu tahap editing harus dilaksanakan, setelah diyakini data yang terkumpul sudah lengkap dan benar, barulah bisa berpindah ke tahap coding (jika dibutuhkan).

CODING

Coding diperlukan untuk pengolahan data dengan skala nominal dan ordinal. Sebagai contoh: pada proses pengolahan data variabel jenis kelamin, digunakan kode 1 untuk pria, sedangkan kode 2 untuk wanita. Untuk variabel status gizi, digunakan kode 1 untuk gizi buruk, kode 2 untuk gizi kurang, kode 3 untuk gizi baik, dan kode 4 untuk gizi lebih. Kadang-kadang proses penentuan kode memerlukan tahapan yang panjang. Sebagai contoh, untuk variabel tingkat pengetahuan yang dikumpulkan

menggunakan tes tipe obyektif sejumlah 20 item, jika diperoleh jawaban benar 055% maka dikategorikan kurang dengan kode 1, jika diperoleh jawaban benar 5675% maka dikategorikan cukup dengan kode 2, dan jika diperoleh jawaban benar 76-100% maka dikategorikan baik dengan kode 3. Dengan demikian, jika misalnya seorang responden mendapatkan 12 jawaban benar, maka persentase jawaban benar adalah 12/20 x 100% = 60%, sehingga kategori tingkat pengetahuan responden adalah cukup, dan akhirnya diberi kode 2. Tujuan dari pembuatan kode adalah agar proses tabulasi dapat dilakukan secara efisien, karena peneliti hanya memasukkan kode-kode saja. Pastilah sangat merepotkan jika kita memasukkan kategori secara lengkap ke dalam tabel, misalnya gizi baik, asfiksia ringan, dan sebagainya. Belum lagi resiko kesalahan penulisan ejaan, karena semakin panjang data yang dimasukkan akan semakin beresiko terjadi kesalahan.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

16

TABULATING Tabulating atau tabulasi berasal dari kata tabel, jadi jelaslah bahwa proses pada tahap ini harus menyediakan tabel. Pada tahap ini peneliti harus memasukkan data berupa kode-kode (untuk data nominal dan ordinal) ke dalam tabel yang disusun sesuai dengan kebutuhan. Data berskala interval dan rasio langsung dimasukkan ke dalam table tanpa melalui proses coding terlebih dahulu. Berikut ini adalah contoh proses tabulasi.

No 1 2 3 4

Jenis Kelamin 1 1 2 1

Konsumsi Kalori Per Hari 5100 3450 4000 3950

Status Gizi 4 2 3 3

dst

dst

dst

dst

Keterangan: Kode jenis kelamin: 1= pria, 2= wanita Kode Status gizi: 1= gizi buruk, 2= gizi kurang, 3= gizi baik, 4= gizi lebih

Analisis data

Ada 2 macam metode analisis data yaitu secara deskriptif dan secara inferensial. Analisis data secara deskriptif dapat berupa distribusi frekuensi, nilai-nilai pemusatan, dan nilai-nilai penyebaran. Distribusi frekuensi digunakan untuk analisis data berskala nominal dan ordinal, sedangkan pemusatan dan penyebaran digunakan untuk analisis data berskala interval dan rasio. Berbagai metode analisis data di atas akan dijelaskan pada bagian tersendiri. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 17

Penyajian data

Proses penyajian data dapat dilakukan dengan 3 cara yaitu secara tekstular, tabular, dan grafikal. Penyajian tekstular hanya dijelaskan secara naratif, sehingga perlu waktu yang lebih lama untuk memahaminya. Penyajian secara tabular lebih mudah dipahami, daripada tekstular karena disusun secara sistematis menggunakan tabel, sehingga proses pembacaan menjadi lebih mudah. Penyajian secara grafikal juga lebih mudah daripada tekstular, juga sangat menarik karena setiap kategori dapat dibedakan dengan satu dengan lainnya dengan perbedaan warna.

Referensi

Anonymous.

2011.

Blood

Pressure

Measurement

Skills

Checklist.

http://www.docstoc.com/docs/48401937/BLOOD-PRESSUREMEASUREMENT-SKILLS-CHECKLIST Anonymous. 2011. Deteksi Dini Faktor Resiko Stroke Dalam Rangka Memperingati Hari Stroke Sedunia 2011. http://thesecretalert.files.wordpress.com/2008/12/ hipertension.jpg Anonymous. 2011. Status Gizi Versi KMS. http://creasoft.files.wordpress.com/ 2008/04/kms11.jpg Depkes RI. 2007. Pedoman Pelaksanaan Stimuasi, Deteksi dan Intervensi Dini Tumbuh Kembang Anak di Tingkat Pelayanan Kesehatan Dasar. Jakarta: Depkes RI. Sudijono Anas. 2006. Pengantar Statistik Pendidikan. Jakarta: PT Raja Grafindo Persada.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

18

PEMILIHAN MODEL ANALISIS DATA

Pemahaman tentang alat analisis data sangatlah penting, karena jika prinsip-prinsip pemakaian alat analisis tidak dipenuhi, walaupun alat analisisnya sangat canggih, hasilnya akan salah diinterpretasikan dan menjadi tidak bermanfaat untuk mengambil suatu kesimpulan. Model-model statistika untuk keperluan analisis data terdiri atas model-model statistika deskriptif dan model-model statistika inferensial. Model-model statistika inferensial dibedakan menjadi 2 macam yaitu model-model statistika parametrik dengan persyaratan yang ketat dan statistika non parametrik dengan persyaratan yang lebih longgar.

STATISTIKA
STATISTIKA DESKRIPTIF
FREKUENSI (DISTRIBUSI FREKUENSI, DISTRIBUSI FREKUENSI RELATIF, DISTRIBUSI FREKUENSI KUMULATIF) PEMUSATAN (MEAN, MEDIAN, MODUS, KUARTIL, DESIL, PERSENTIL, DLL) PENYEBARAN (RANGE, VARIANS, DEVIASI STANDAR, DLL)

STATISTIKA INFERENSIAL
STATISTIKA STATISTIKA PARAMETRIK NON (KOMPARASI PARAMETRIK DAN ASOSIASI (KOMPARASI DAN ASOSIASI Untuk Skala Interval & Rasio) Untuk Skala Nominal & Ordinal)

Gambar 1. Klasifikasi Statistika Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 19

Hal-hal yang harus diperhatikan ketika memilih alat statistika, adalah sebagai berikut: 1. Asal data, apakah berasal dari sampel (melalui sampling) ataukah dari populasi (dengan cara sensus) 2. Jika berasal dari sampel, teknik sampling apa yang digunakan, termasuk sampling probabilitas ataukah non probabilitas. 3. Jenis skala data, apakah nominal, ordinal, interval, atau rasio 4. Bagaimanakah hipotesis yang dibuat, apakah perlu uji satu arah ataukah dua arah kalau memakai statistika inferensial.

STATISTIKA DESKRIPTIF SEBAGAI ALAT ANALISIS DATA

Statistika deskriptif digunakan untuk jenis penelitian deskriptif. Statistika deskriptif adalah statistika yang berfungsi untuk mendeskripsikan atau menggambarkan obyek yang diteliti melalui data populasi maupun sampel sebagaimana adanya, tanpa analisis dan kesimpulan yang berlaku untuk umum (tanpa generalisasi). Statistika deskriptif digunakan untuk menyederhanakan data agar mudah dipahami. Data bisa disajikan dalam bentuk teks, tabel, baik tabel frekuensi maupun tabel silang, bisa juga disajikan dalam bentuk diagram atau grafik seperti diagram batang, diagram garis, dan sebagainya.

Statistika deskriptif dapat diterapkan untuk data dari populasi maupun sampel, baik sampel yang diambil dengan sampling probabilitas maupun non probabilitas, serta bisa digunakan untuk semua skala pengukuran, nominal, ordinal, interval, maupun rasio. Sebagaimana dipaparkan pada Gambar 1, secara umum penerapan statistika deskriptif dapat berupa: Frekuensi: o distribusi frekuensi, o distribusi frekuensi relatif, o distribusi frekuensi kumulatif,

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

20

o dan sebagainya Gejala pemusatan (tendensi sentral): o mean, o modus, o median, o kuartil, o desil, o persentil, o dan sebagainya. Gejala penyebaran (disperse/simpangan), berupa: o range, o varians, o deviasi standar, o dan sebagainya

DISTRIBUSI FREKUENSI

Pada umumnya distribusi frekuensi disajikan menggunakan tabel distribusi frekuensi, dengan alasan jumlah data yang hendak disajikan cukup banyak sehingga tidak efisien dan kurang komunikatif jika disajikan menggunakan tabel biasa. Berikut ini adalah contoh distribusi frekuensi pada data berskala ordinal. Tabel 1. Distribusi Frekuensi Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No 1 2 3 4 5 6 7 Umur 16-20 tahun 21-25 tahun 26-30 tahun 31-35 tahun 36-40 tahun 41-45 tahun 46-50 tahun Jumlah Frekuensi 2 10 13 10 8 5 2 50 21

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

Untuk keperluan analisis yang lebih kompleks, tidak jarang distribusi frekuensi dikembangkan menjadi distribusi frekuensi relatif dan distribusi frekuensi kumulatif. Pada distribusi frekuensi relatif, data disajikan dalam bentuk proporsi yang pada umumnya berupa persentase. Jika contoh pada Tabel 1 dikembangkan menjadi distribusi frekuensi relatif maka penyajian data berubah sebagaimana ditampilkan pada Tabel 2.

Tabel 2. Distribusi Frekuensi Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No 1 2 3 4 5 6 7 Umur 16-20 tahun 21-25 tahun 26-30 tahun 31-35 tahun 36-40 tahun 41-45 tahun 46-50 tahun Jumlah Frekuensi 2 10 13 10 8 5 2 50 Frekuensi Relatif (Persentase) 4,00 20,00 26,00 20,00 16,00 10,00 4,00 100,00

Distribusi frekuensi kumulatif adalah tabel yang menunjukkan jumlah observasi yang menyatakan kurang dari nilai tertentu. Untuk memulai pernyataan kurang dari digunakan batas bawah dari kelas interval kedua. Pada contoh di atas, berarti diawali dengan kurang dari 21. Tabel 3 berikut adalah data pada Tabel 1 yang telah diubah menjadi distribusi frekuensi kumulatif. Misalnya kita ingin mengetahui berapa orang kader yang berusia 30 tahun ke bawah, maka kita langsung melihat frekuensi kumulatif kurang dari 31, yaitu 25 orang.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

22

Tabel 3. Distribusi Frekuensi Kumulatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No 1 2 3 4 5 6 7 Umur Kurang dari 21 tahun Kurang dari 26 tahun Kurang dari 31 tahun Kurang dari 36 tahun Kurang dari 41 tahun Kurang dari 46 tahun Kurang dari 51 tahun Frekuensi 2 12 25 35 43 48 50

Selain frekuensi kumulatif kurang dari, juga dikenal frekuensi kumulatif lebih dari, misalnya lebih dari 15 tahun, lebih dari 20 tahun, lebih dari 25 tahun, dan seterusnya sampai dengan lebih dari 45 tahun. Melalui cara yang sama dengan pembuatan distribusi frekuensi kumulatif kurang dari, secara mudah Anda dapat membuat tabel distribusi frekuensi kumulatif lebih dari. Buatlah contoh tabel ini untuk latihan.

Dapat pula kita menggabungkan distribusi frekuensi relatif dan distribusi frekuensi kumulatif, yang selanjutnya disebut distribusi frekuensi relatif kumulatif,

sebagaimana dicontohkan pada Tabel 4 sebagai berikut.

Tabel 4. Distribusi Frekuensi Kumulatif Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No Umur Frekuensi Kumulatif 1 2 3 4 5 6 7 Kurang dari 21 tahun Kurang dari 26 tahun Kurang dari 31 tahun Kurang dari 36 tahun Kurang dari 41 tahun Kurang dari 46 tahun Kurang dari 51 tahun 2 12 25 35 43 48 50 Frekuensi Kumulatif Relatif (Persentase) 4,00 24,00 50,00 70,00 86,00 96,00 100,00

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

23

GEJALA PEMUSATAN (TENDENSI SENTRAL)

Setiap penelitian selalu berkaitan dengan sekelompok data. Dalam penelitian akan didapatkan sekelompok data dari variabel tertentu. Misalnya akan didapatkan sekelompok data tentang variabel kompetensi psikomotorik KDPK dari populasi mahasiswa Tingkat I Akademi Kebidanan A sebesar 20 orang, sebagai berikut:

60, 70, 60, 70, 80, 60, 70, 60, 30, 60, 50, 40, 60, 60, 50, 30, 80, 50, 70, 50

Prinsip dasar untuk menjelaskan tentang kelompok yang diteliti adalah bahwa penjelasan yang diberikan harus benar-benar mewakili seluruh kelompok yang diteliti. Berarti pada contoh di atas, penjelasan tentang data kompetensi psikomotorik KDPK harus benar-benar mewakili seluruh kelompok mahasiswa Tingkat I Akademi Kebidanan A tersebut.

Salah satu teknik untuk mendeskripsikan data kelompok adalah berupa gejala pemusatan yaitu mean, median, dan modus.

1. Mean

Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari data kelompok tersebut. Mean diperoleh dengan cara menjumlahkan data seluruh anggota kelompok, kemudian dibagi dengan jumlah anggota kelompok. Formula untuk menghitung mean adalah:

Me = Mean = Jumlah Xi = Nilai X ke-i sampai dengan ke-n N = Jumlah anggota kelompok

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

24

Mean merupakan wakil dari keseluruhan nilai kelompok yang bersifat sangat dipengaruhi nilai ekstrim baik ekstrim kecil maupun ekstrim besar, sehingga hanya cocok untuk data terdistribusi normal (tidak ada nilai ekstrim).

Pada contoh di atas, nilai mean kelompok adalah:

60+70+60+70+80+60+70+60+30+60+50+40+60+60+50+30+80+50+70+50 = 58 20

Jika ada nilai ekstrim kecil (ada nilai sangat kecil yang jauh dari nilai-nilai lain yang ada) maka nilai mean akan mudah berubah. Sebagai contoh ada 2 mahasiswa yang memiliki nilai nol, maka mean adalah:

60+70+60+70+0+60+70+60+30+60+50+40+0+60+50+30+80+50+70+50 = 51 20

2. Median

Median adalah salah satu teknik penjelasan kelompok data yang didasarkan atas nilai tengah dari kelompok data yang telah disusun urutannya dari yang terkecil hingga yang terbesar atau sebaliknya dari yang terbesar hingga yang terkecil.

Pada contoh kelompok data kompetensi psikomotorik KDPK di atas, untuk mencari median data harus diurutkan sebagai berikut:

30, 30, 40, 50, 50, 50, 50, 60, 60, 60, 60, 60, 60, 60, 70, 70, 70, 70, 80, 80

Karena kelompok data tersebut berjumlah genap yaitu 20, maka nilai tengah dari kelompok data tersebut adalah pada urutan antara ke-10 dan ke-11, yaitu 60 dan 60. Maka median adalah (60+60):2 = 60.

Jadi untuk data berjumlah genap, posisi nilai tengah adalah posisi

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

25

Pada contoh di atas (N=20) adalah:

Jadi median =

= 60 (contoh di atas)

Jika kelompok data berjumlah ganjil misalnya berjumlah 19 orang sebagai berikut:

30, 30, 40, 50, 50, 50, 50, 60, 60, 60, 60, 60, 60, 60, 70, 70, 70, 70, 80

Maka maka nilai tengah dari kelompok data tersebut adalah pada urutan antara ke10 yaitu 60. Maka median adalah 60.

Kesimpulannya, untuk data berjumlah ganjil, posisi nilai tengah adalah

Pada contoh di atas (N=19) adalah:

= 10, Jadi median pada posisi ke-10 = 60 (contoh di atas).

Kelebihan median adalah tidak terpengaruh oleh nilai ekstrim. Jadi ada ataupun tak ada nilai ekstrim (baik ekstrim kecil maupun besar), nilai median tidak akan berubah. Sebagai contoh, bandingkan median dari 2 kelompok data berikut:

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

26

Kompetensi psikomotorik KDPK mahasiswa Akademi Kebidanan A (Pre-test):

0, 0, 30, 30, 40, 50, 50, 50, 50, 60, 60, 60, 60, 60, 60, 70, 70, 70, 70, 80

Kompetensi psikomotorik KDPK mahasiswa Akademi Kebidanan A (Post-test):

30, 30, 40, 50, 50, 50, 50, 60, 60, 60, 60, 60, 60, 60, 70, 70, 70, 70, 80, 80

Meskipun saat pre-test terdapat nilai ekstrim yaitu nol, namun nilai median pre-test dan post-test sama yaitu 60. Bandingkan dengan mean yang berbeda antara pretest dan post-test yaitu 51 dan 58.

3. Modus

Modus adalah teknik penjelasan kelompok yang didasarkan atas nilai yang sedang popular (yang sedang jadi mode) atau nilai yang paling sering muncul dalam kelompok tersebut. Pada contoh kelompok data kompetensi psikomotorik KDPK di atas, maka modus adalah 60 karena nilai inilah yang paling sering muncul yaitu 7 kali (lihat Tabel 5). Tabel 5. Kompetensi Psikomotorik KDPK Mahasiswa Tingkat I Akademi Kebidanan A Kompetensi Psikomotorik KDPK 30 40 50 60 70 80 Jumlah Jumlah 2 1 4 7 4 2 20

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

27

Berdasarkan penjelasan mean, median, dan modus di atas maka jelaslah bahwa cara penggunaan dari ketiga teknik tersebut harus disesuaikan dengan kondisi. Digunakan modus jika peneliti ingin cepat memberikan penjelasan mengenai kelompok, dengan hanya mempunyai data yang populer pada kelompok itu, sehingga teknik ini kurang teliti. Digunakan median jika terdapat data yang ekstrim di dalam kelompok. Sedangkan mean digunakan jika data di dalam kelompok cenderung merata (tak ada nilai ekstrim). Jika peneliti ragu-ragu untuk memilih teknik yang sesuai, maka sebaiknya ketiga teknik tersebut digunakan secara bersama-sama, Data yang merata akan memiliki nilai mean, median, dan modus yang hampir sama. Data dengan nilai ekstrim, akan menyebabkan nilai mean akan bergeser menjauh ke kanan atau ke kiri dari nilai median dan modus.

PENYEBARAN ATAU VARIASI KELOMPOK

Untuk mengetahui tingkat variasi yang ada di dalam kelompok dapat digunakan nilai range, varians, serta deviasi standar.

1. Range

Range atau rentang adalah jarak dari nilai terkecil hingga nilai terbesar sehingga dapat dihitung dengan selisih dari nilai terbesar dan terkecil. Maka formula untuk menghitung range adalah:

R = Range Xt = Nilai tertinggi Xr = Nilai terendah

Pada contoh di atas Range adalah = 80 30 = 50 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 28

Jika terdapat nilai ekstrim, maka range akan lebih besar, pada contoh di atas range ketika ada nilai ekstrim nol adalah 80 0 = 80

2. Varians

Varians dapat digunakan untuk menjelaskan homogenitas dari data kelompok. Jika nilai antar anggota kelompok tak jauh berbeda, maka kelompok cenderung homogen. Varians adalah jumlah kuadrat dari semua deviasi nilai-nilai individual terhadap rata-rata kelompok. Simbol dari varians untuk populasi adalah 2, sedangkan untuk sampel adalah s2.

Berikut ini adalah formula untuk menghitung varians untuk populasi.

Sedangkan berikut ini adalah formula untuk menghitung varians untuk sampel.

Agar lebih mudah, untuk menghitung varians maka digunakan tabel penolong sebagaimana dicontohkan pada Tabel 6.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

29

Tabel 6. Tabel Penolong Penghitungan Varians Untuk Kompetensi Psikomotorik KDPK No Kompetensi Psikomotorik KDPK Simpangan (X) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah 60 70 60 30 60 50 40 60 60 50 30 80 50 70 50 60 70 60 30 60 1160 2 12 2 -28 2 -8 -18 2 2 -8 -28 22 -8 12 -8 2 12 2 -28 2 0 4 144 4 784 4 64 324 4 4 64 784 484 64 144 64 4 144 4 784 4 3720 Simpangan Kuadrat

Jika seandainya data di dalam tabel penolong di atas berasal dari populasi, maka dapat dihitung varians sebagai berikut.

= 186

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

30

Jika seandainya data di dalam tabel penolong di atas berasal dari sampel, maka dapat dihitung varians sebagai berikut.

= 195,79

3. Deviasi Standar

Deviasi standar atau simpangan baku adalah akar dari varians. Deviasi standar untuk populasi diberi simbol , sedangkan untuk sampel adalah s.

Berikut ini adalah formula untuk menghitung varians untuk populasi.

Sedangkan berikut ini adalah formula untuk menghitung varians untuk sampel.

Karena simpangan baku adalah akar dari varians, maka Tabel di atas dapat juga digunakan untuk menghitung simpangan baku, yang selanjutnya hasil

penghitungannya adalah sebagai berikut.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

31

Jika seandainya data di dalam tabel penolong di atas berasal dari populasi, maka dapat dihitung simpangan baku sebagai berikut.

= 13,64

Jika seandainya data di dalam tabel penolong di atas berasal dari sampel, maka dapat dihitung varians sebagai berikut.

= 13,99

STATISTIKA INFERENSIAL SEBAGAI ALAT ANALISIS DATA

Sebagaimana ditampilkan pada Gambar 1, statistika inferensial diterapkan bagi data yang diperoleh dari sampling probabilitas yang benar-benar dapat mewakili populasi. Diharuskan menggunakan sampling probabilitas yang merupakan representasi dari populasi, karena hasil dari model statistika ini hendak digeneralisasikan bagi populasi.

Pada penerapannya, statistika inferensial menghendaki adanya hipotesis (dugaan sementara). Selanjutnya statistika inferensial ini berfungsi untuk menguji apakah hasil yang diperoleh dari sampel benar-benar dapat disimpulkan untuk populasi (generalisasi). Sehingga bisa dikatakan bahwa statistika inferensial adalah statistika yang berguna untuk menguji hipotesis, baik hipotesis yang bersifat komparatif (perbandingan atau perbedaan), maupun hipotesis yang bersifat asosiatif

(hubungan). Oleh karena itu implemetasi dari statistika inferensial adalah menerapkan berbagai macam uji statistik. Jika hasil uji statistika signifikan, maka

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

32

hipotesis diterima, berarti hasil analisis pada sampel tersebut dapat disimpulkan secara umum (generalisasi) bagi populasi.

Ada 2 macam statistika inferensial yaitu: Statistika parametrik yang dikhususkan bagi data berskala interval dan rasio, dari populasi yang berdistribusi normal. Statistika non parametrik yang dikhususkan bagi data berskala nominal dan ordinal, atau skala interval dan rasio yang bebas distribusi (tidak harus berdistribusi normal).

STATISTIKA PARAMETRIK

Telah dijelaskan pada bagian terdahulu bahwa statistika parametrik dikhususkan bagi data berskala interval dan rasio dari populasi yang berdistribusi normal. Uji-uji statistika yang diterapkan dalam statistika parametrik ditampilkan pada Tabel 7.

Tabel 7. Uji-Uji Statistika Untuk Statistika Parametrik

Bentuk Hipotesis Skala Data Komparatif 2 sampel Related (Berpasangan) Interval dan Rasio Paired Sample T-Test Independent (Bebas) Independent Sample T-Test Komparatif Komparatif >2 sampel Related (Berpasangan) One Way Anova Two Way Anova Independent (Bebas) One Way Anova Two Way Anova Pearson Product Moment Pratial Correlation Multiple Correlation Asosiatif

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

33

Isi dari tabel di atas adalah uji-uji yang sering dipakai, dengan demikian masih ada uji-uji statistika parametrik lain yang tidak tercantum. Penerapan dari uji-uji statistik di atas akan dijelaskan pada bagian tersendiri.

STATISTIKA NON PARAMETRIK

Telah

dijelaskan

pada

bagian

terdahulu

bahwa

statistika non

parametrik

dikhususkan bagi data berskala nominal dan ordinal atau interval dan rasio dari populasi yang tidak harus berdistribusi normal. Uji-uji statistika yang diterapkan dalam statistika non parametrik ditampilkan pada Tabel 8.

Tabel 8. Uji-Uji Statistika Untuk Statistika Non Parametrik

Bentuk Hipotesis Skala Data Komparatif 2 sampel Related (Berpasangan) Nominal Mc Nemar Independent (Bebas) Chi Square Fisher Exact Komparatif Komparatif >2 sampel Related (Berpasangan) Cochran Independent (Bebas) Chi Square Contingency Coefficient Phi Coefficient Ordinal Wilcoxon Signed Rank Test Mann Whitney U-Test KolmogorovSmirnov Median Test WaldWoldfowitz Friedman Median Extension Kruskal Wallis Spearman Rank Correlation Kendal Tau Kappa Asosiatif

Isi dari tabel di atas adalah uji-uji yang sering dipakai, dengan demikian masih ada uji-uji statistika non parametrik lain yang belum dicantumkan. Penerapan dari uji-uji statistik di atas akan dijelaskan pada bagian tersendiri.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

34

PENUTUP

Kegiatan yang tidak lepas dari analisis data, baik secara deskriptif maupun inferensial adalah penyajian data. Pada bagian selanjutnya akan dijelaskan tentang penyajian data dengan tiga macam cara yaitu pertama, secara tektular (disajikan secara naratif, kedua secara tabular (disajikan menggunakan tabel), dan ketiga secara grafikal (disajikan dengan grafik atau diagram).

REFERENSI

Nugraha Setiawan. 2005. Pengolahan dan Analisis Data. Bandung: Universitas Padjajaran

Purnomo Windu. 2005. Metode Penelitian Kuantitatif (Karya Tulis Ilmiah). Surabaya: Program Pasca Sarjana Universitas Airlangga.

Sugiyono. 2007. Statistika Untuk Penelitian. Bandung: Penerbit Alfabeta.

Anonymous.

2011.

Statistics,

Probability,

and

Survey

Sampling.

http://www.stattrek.com

Anonymous. 2011. Elementary Statistics and Probability Tutorials and Problems. http://www.analyzemath.com\statistics.html

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

35

Telah dijelaskan pada bagian sebelumnya bahwa data yang dianalisis dalam proses penelitian dapat disajikan dengan berbagai cara yaitu: Penyajian data secara tekstular Penyajian dengan cara ini cukup disampaikan secara naratif, misalnya menceritakan tentang hasil penghitungan mean, median, dan modus. Penyajian data secara tabular Penyajian secara tabular membutuhkan alat bantu tabel, supaya data dapat disajikan secara ringkas, sehingga lebih mudah untuk disimpulkan. Penyajian data secara grafikal Dalam hal ini, data disajikan ke dalam grafik atau diagram, supaya data dapat disajikan secara ringkas, sehingga lebih mudah untuk disimpulkan.

Dalam kegiatan penelitian, ketiga teknik penyajian data di atas dapat digunakan secara bersamaan, terutama jika terdapat banyak variabel di dalam penelitian tersebut.

PENYAJIAN DATA SECARA TEKTULAR

Pada teknik penyajian data secara tekstular, peneliti hanya menggunakan teks saja untuk menyajikan hasil analisis data. Sebagai contoh adalah penyajian data mengenai nilai mean, median, dan modus dari keterampilan kader posyandu dalam pengisian KMS, sebagai berikut.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

36

............. nilai-nilai pemusatan yang diperoleh adalah mean= 67,6; median= 68; sedangkan modus= 68. Ketiga nilai tersebut hampir sama sehingga

Untuk mendapatkan contoh lebih banyak dan variatif mengenai penyajian data secara tekstular, dapat dilihat pada hasil-hasil penelitian baik berupa laporan-laporan penelitian yang simpan diperpustakaan maupun artikel-artikel hasil penelitian yang dipublikasikan melalui jurnal-jurnal penelitian ilmiah.

PENYAJIAN DATA SECARA TABULAR

Penyajian hasil analisis data secara tabular banyak digunakan dalam berbagai penelitian. Tabel yang digunakanpun sangat variatif, bisa merupakan tabel biasa, bisa pula berupa tabel frekuensi. Jika dilakukan penyajian secara univariat (satu demi satu variabel), biasanya digunakan tabel distribusi frekuensi, distribusi frekuensi relatif, maupun distribusi frekuensi kumulatif. Jika dilakukan penyajian secara bivariat (kaitan antar 2 variabel) dan multivariat (kaitan antar >2 variabel), maka biasanya digunakan tabel silang. Agar lebih mudah untuk memahami penyajian secara tabular, gambar berikut dapat dijadikan sebagai pedoman pemilahan.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

37

TABEL BIASA

UNIVARIAT : - DISTRIBUSI FREKUENSI - DISTRIBUSI FREKUENSI RELATIF

TABEL
TABEL FREKUENSI

- DISTRIBUSI FREKUENSI KUMULATIF

BIVARIAT & MULTIVARIAT : - TABEL SILANG 2 VARIABEL - TABEL SILANG >2 VARIABEL

PENYAJIAN MENGGUNAKAN TABEL BIASA

Tabel biasa digunakan untuk menyajikan berbagai macam data dengan berbagai macam skala. Tidak ditemukan referensi khusus yang membahas ketentuanketentuan penggunaan tabel biasa. Jika tabel yang digunakan bukan tabel frekuensi, maka tabel tersebut adalah tabel biasa. Perlu diperhatikan bahwa tabel yang dibahas dalam bagian ini adalah tabel biasa khusus untuk penyajian hasil analisis data, jadi selain untuk keperluan penyajian hasil analisis data bukan termasuk tabel biasa ini, misalnya tabel rekapitulasi data mentah yang belum dianalisis.

Berikut ini adalah contoh penyajian hasil analisis data menggunakan tabel biasa.

Tabel 1. Nilai-Nilai Pemusatan dan Penyebaran dari Kadar Hemoglobin Ibu Hamil Trimester III di Rumah Sakit Paling Bagus Pemusatan Jenis Rerata Modus Median Nilai 11,8 12,0 12,0 Penyebaran Jenis Rentang Varians Deviasi Standar Nilai 2,9 4,0 2,0

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

38

PENYAJIAN

MENGGUNAKAN

TABEL

UNTUK

ANALISIS

UNIVARIAT

(MENGGUNAKAN TABEL DITRIBUSI FREKUENSI)

Pada bagian terdahulu mengenai analisis data menggunakan model-model statistika deskriptif telah diberikan contoh secara lengkap mengenai penggunaan tabel frekuensi bagi analisis secara univariat, antara lain: tabel distribusi frekuensi, tabel distribusi frekuensi relatif, dan tabel distribusi frekuensi kumulatif. Penyajian menggunakan tabel distribusi frekuensi seperti ini cocok digunakan untuk data berskala nominal dan ordinal. Kolom-kolom yang diperlukan untuk penyajian ini antara lain nomor urut (kalau diperlukan), variabel, frekuensi, dan persentase (jika nilai relatif dibutuhkan).

Biasanya penyimpulan isi tabel diarahkan pada proporsi yang paling besar, namun pada beberapa kasus, penyimpulan mungkin lebih tepat untuk diarahkan pada kategori-kategori yang istimewa (secara positif maupun negatif) yang biasanya dipandang cukup berarti meskipun tidak memiliki proporsi mayoritas. Tabel 2 dan Tabel 3 menampilkan contoh-contoh penyajian data secara tabular menggunakan tabel distribusi frekuensi.

Tabel 2. Distribusi Frekuensi Jenis Pekerjaan Kader Posyandu di Desa A, Kecamatan B, Kabupaten C, Tahun 2011 No 1 2 3 4 Jenis Pekerjaan Petani Pedagang PNS/ TNI/ POLRI Ibu Rumah Tangga Jumlah Frekuensi 16 6 0 2 24 Persentase 66,67% 25,00% 0,00% 8,33% 100%

Dari Tabel 2 di atas, kita dapat menarik kesimpulan berdasarkan proporsi mayoritas, misalnya: Dari Tabel 1 terlihat bahwa sebagian besar Kader Posyandu bekerja sebagai petani.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

39

Tabel 3. Distribusi Frekuensi Status Gizi Balita di Desa A, Kecamatan B, Kabupaten C, Tahun 2011 No 1 2 3 4 Status Gizi Gizi Buruk Gizi Kurang Gizi Baik Gizi Lebih Jumlah Frekuensi 1 10 36 3 50 Persentase 2,00% 20,00% 72,00% 6,00% 100,00%

Untuk contoh Tabel 3, jika misalnya kita menarik kesimpulan berdasarkan proporsi mayoritas, maka contoh kesimpulannya adalah: Mayoritas balita sudah memiliki status gizi yang baik. Kalau direnungkan secara mendalam, tampaknya penyimpulan seperti ini kurang tepat, karena kejadian kekurangan gizi (gizi buruk dan gizi kurang) yang dianggap menjadi masalah masyarakat tidaklah harus berada pada proporsi mayoritas. Masalah kekurangan gizi dengan proporsi >15,00% sudah menjadi masalah yang serius bagi masyarakat. Oleh karena itu, pada contoh di atas lebih tepat jika penarikan kesimpulan adalah sebagai berikut: Kejadian kekurangan gizi (gizi buruk dan gizi kurang) cukup besar yaitu 22,00% dari seluruh balita. Boleh juga disimpulkan: Meskipun sebagian besar balita memiliki status gizi baik (72,00%), namun kejadian malnutrisi (gizi buruk dan gizi kurang) cukup besar yaitu 22,00% dari seluruh balita.

PENYAJIAN

MENGGUNAKAN

TABEL

UNTUK

ANALISIS

BIVARIAT

DAN

MULTIVARIAT (MENGGUNAKAN TABEL SILANG)

Sebagaimana telah disinggung di atas, untuk penyajian hasil analisis data secara bivariat dan multivariat digunakan tabel silang. Penggunaan tabel silang

sesungguhnya mirip dengan penggunaan tabel distribusi frekuensi, namun pada tabel ini ditampilkan 2 variabel atau lebih secara bersama-sama. Seperti halnya tabel distribusi frekuensi, tabel silang juga diterapkan untuk penyajian data berskala nominal atau ordinal.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

40

Pada bahasan ini hanya akan diberikan contoh penggunaan tabel silang untuk 2 variabel. Pada tabel silang untuk 2 variabel, umumnya variabel bebas diletakkan pada posisi baris (judul di kiri), sedangkan variabel terikat diletakkan pada posisi kolom (judul di atas).

Pada tabel silang, proporsi (persentase) dapat dihitung dari frekuensi total, total baris, maupun total kolom. Namun, untuk membandingkan distribusi kategori pada variabel terikat berdasarkan variabel bebas, sebaiknya digunakan persentase berdasarkan total baris.

Berikut ini disajikan contoh tabel silang 2 variabel (Tabel 4) yang menunjukkan distribusi kejadian infeksi TORCH (variabel terikat) berdasarkan tempat tinggal ibu hamil (variabel bebas).

Tabel 4 Distribusi Insiden Infeksi TORCH pada Ibu Hamil Berdasarkan Tempat Tinggal di Wilayah Kecamatan A, Kota B pada Tahun 2011 Insiden Infeksi TORCH Positif f Kelurahan P Tempat Tinggal Kelurahan Q Kelurahan R Kelurahan S Jumlah 8 4 4 0 16 % 33,33% 25,00% 50,00% 0,00% 25,00% f 16 12 4 16 48 Negatif % 66,67% 75,00% 50,00% 100,00% 75,00% f 24 16 8 16 64 % 100% 100% 100% 100% 100% Jumlah

Dari tabel di atas dapat disimpulkan bahwa kejadian infeksi TORCH di Kecamatan A cukup besar yaitu 25,00%. Kelurahan yang memiliki proporsi terbesar infeksi TORCH positif adalah pada Kelurahan R yaitu 50,00% atau separuh dari seluruh ibu hamil yang ada di kelurahan tersebut. Mengapa dapat ditarik kesimpulan seperti di atas? Bukankah di Kelurahan P terdapat lebih banyak ibu hamil dengan infeksi TORCH positif yaitu 8 orang, Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 41

sedangkan di Kelurahan R hanya 4 orang? Kalau dicermati berdasarkan jumlah total ibu hamil di masih-masing kelurahan, di Kelurahan P ada 8 orang positif infeksi TORCH, namun jumlah ibu hamil di sini cukup banyak (24 orang), sehingga proporsinya hanya 33,33%. Sedangkan meskipun di Kelurahan R hanya ada 4 orang positif infeksi TORCH, namun jumlah ibu hamil di sini hanya 8 orang, sehingga proporsinya adalah 50,00%. Selanjutnya tentulah dapat kita pastikan bahwa 4 orang di Kelurahan Q lebih kecil proporsinya dibandingkan dengan 4 orang di Kelurahan R.

PENYAJIAN DATA SECARA GRAFIKAL

Penyajian data secara grafikal adalah penyajian data menggunakan grafik atau diagram. Seperti halnya penyajian secara tabular, penyajian secara grafikal ini bertujuan agar data bisa disajikan secara ringkas dan lebih informatif, sehingga lebih mudah dipahami dan disimpulkan. Ada beberapa macam penyajian data secara grafikal yaitu: diagram gambar, diagram pie, diagram batang, histogram, poligon frekuensi, diagram garis, ogif, diagram berserak, dan sebagainya. DIAGRAM GAMBAR

Diagram gambar mirip dengan penyajian menggunakan tabel, namun untuk setiap kelipatan tertentu dilambangkan dengan gambar tertentu. Secara visual, dengan cepat kita dapat melihat dan membandingkan frekuensi-frekuensi yang ada. Kelemahannya adalah kesulitan menyajikan gambar untuk frekuensi yang tidak tepat pada kelipatan tertentu, misalnya 1 gambar mewakili 100 orang, maka kita akan kesulitan menyajikan gambar secara akurat yang mewakili 82 orang.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

42

1. Desa Aman

2. Desa Tenteram

3. Desa Damai

4. Desa Sejahtera

5. Desa Bahagia

6. Desa Sentosa

Keterangan:

= mewakili 100 orang

Gambar 1 Jumlah WUS di Kecamatan Subur Berdasarkan Desa Tempat Tinggal Tahun 2010

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

43

DIAGRAM PIE

Diagram pie yang disebut pula sebagai diagram lingkaran, digunakan untuk menyajikan kategori-kategori data dalam satu variabel. Sebaiknya dihindari untuk variabel dengan jumlah kategori yang terlalu banyak. Jumlah kategori ideal untuk diagram lingkaran adalah 4 6. Gambar 2 menampilkan contoh penggunaan diagram lingkaran dari data yang tertera pada Tabel 6. Tabel 6. Distribusi Frekuensi Perkembangan Balita di Posyandu Melati Kelurahan Aman Kecamatan Sentosa Kota Sejahtera pada Tahun 2011 No 1 2 3 Perkembangan Sesuai Meragukan Penyimpangan Jumlah Frekuensi 26 10 14 50 Persentase 52 20 28 100

PERKEMBANGAN ANAK

Penyimpangan, 14, 28% Sesuai, 26, 52% Meragukan, 10, 20%

Gambar 2 Distribusi Frekuensi Perkembangan Balita di Posyandu Melati Kelurahan Aman Kecamatan Sentosa Kota Sejahtera pada Tahun 2011

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

44

DIAGRAM BATANG

Diagram batang dapat digunakan untuk satu atau beberapa variabel. Ketentuan bagi diagram batang adalah: 1. Bentuk boleh vertical, boleh pula horisontal. 2. Terdapat ruang di antara dua batang 3. Lebar batang harus sama 4. Dimulai dari titik nol

Berikut

ini

disajikan

contoh

diagram

batang

tentang

Distribusi

frekuensi

perkembangan anak prasekolah (Gambar 3), yang diambil dari data pada Tabel 6.

Tabel 6. Distribusi Frekuensi Perkembangan Anak Prasekolah di PAUD Kasih Sayang Magetan pada Tahun 2011 No 1 2 Perkembangan Normal Suspek Jumlah Frekuensi 36 14 50 Persentase 72 28 100

PERKEMBANGAN ANAK
40 30 20 10 0

36

14
Normal Suspek

Gambar 3. Distribusi Frekuensi Perkembangan Anak Prasekolah di PAUD Kasih Sayang Magetan pada Tahun 2011

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

45

HISTOGRAM

Histogram berasal dari data kontinyu, sehingga batang yang ada harus berimpit. Histogram disebut pula diagram luas dengan ketentuan sebagai berikut: 1. Tanpa celah antar batang 2. Luas seluruh batang adalah 100% 3. Setiap batang mewakili kelas interval tertentu. 4. Lebar setiap batang adalah proporsi setiap batang 5. Tinggi batang adalah frekuensi. 6. Luas setiap batang adalah proporsi dari luas seluruh histogram.

Histogram banyak digunakan untuk membandingkan frekuensi yang terdapat di dalam interval kelas dan untuk mengetahui kelas yang berinterval besar dan kecil.

Berikut ini disajikan contoh data tentang berat badan dan tinggi badan penduduk Dasawisa (Tabel 7) yang selanjutnya akan disajikan berupa histogram (Gambar 4). Histogram ini dibuat menggunakan perangkat lunak statistikal, sehingga proses pembuatannya efisien dan akurat. Perhatikan bahwa data tanpa kelas interval pada Tabel 7, diubah secara otomatis oleh perangkat lunak menjadi interval kelas.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

46

Tabel 7 Data Berat Badan dan Tinggi Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 Berat Badan 30 31 24 25 12 36 40 42 45 40 37 25 44 46 24 25 50 43 44 46 47 19 21 34 33 34 35 35 35 26 33 34 25 25 32 56 57 37 38 37 38 36 35 Tinggi Badan 150 156 123 126 65 178 180 180 185 181 179 124 190 191 123 125 191 183 188 189 189 90 111 170 160 171 175 176 100 130 160 160 125 123 160 190 190 187 170 178 188 180 172

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

47

12

10

Frequency

2 Mean = 35.1395 Std. Dev. = 9.58317 N = 43 0 10.00 20.00 30.00 40.00 50.00 60.00

BB

Gambar 4 Berat Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

48

POLIGON FREKUENSI

Bila titik tengah dari batang histogram dihubungkan satu dengan yang lainnya akan menghasilkan poligon frekuensi (Gambar 5). Poligon ini digunakan untuk membandingkan beberapa grafik.

Gambar 5 Berat Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

49

DIAGRAM GARIS

Diagram garis digunakan untuk menunjukkan trend (kecenderungan) menurut perjalanan waktu. Berikut ini disajikan kecenderungan tentang perkembangan jumlah peserta KB vasektomi dan tubektomi yang disajikan dengan diagram garis (Gambar 6).

5 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 y = 0.0224x + 1.2879 Vasektomi Tubektomi Linear (Vasektomi) Linear (Tubektomi) y = 0.0829x + 2.553

Gambar 6 Kecenderungan perkembangan peserta vasektomi dan tubektomi di kabupaten M Pada diagram garis biasanya disertakan persamaan yang dibuat berdasarkan pola dari garis yang telah ada. Persamaan tersebut digunakan untuk meramalkan frekuensi yang akan terjadi pada satuan waktu berikutnya. Pada contoh Gambar 6, prediksi frekuensi peserta vasektomi pada bulan Januari tahun berikutnya (bulan ke13) adalah:

Y= 0.0224X + 1.2879 = (0.0224 x 13) + 1.2879 = 0,3750 Jadi diprediksikan bahwa frekuensi relatif pada bulan januari untuk vasektomi adalah 0.3750%.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

50

OGIF

Ogif digunakan untuk menggambarkan distribusi frekuensi kumulatif, baik frekuensi kumulatif kurang dari yang disebut ogif positif, maupun frekuensi kumulatif lebih dari atau ogif negatif. Berikut ini disajikan contoh grafik ogif positif. Tabel 8. Distribusi Frekuensi Kumulatif Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No Umur Frekuensi Kumulatif 1 2 3 4 5 6 7 Kurang dari 21 tahun Kurang dari 26 tahun Kurang dari 31 tahun Kurang dari 36 tahun Kurang dari 41 tahun Kurang dari 46 tahun Kurang dari 51 tahun 2 12 25 35 43 48 50 Frekuensi Kumulatif Relatif (Persentase) 4,00 24,00 50,00 70,00 86,00 96,00 100,00

USIA KADER DESA SIAGA

120 100 80 60 40 20 0 Kurang dari Kurang dari Kurang dari Kurang dari Kurang dari Kurang dari Kurang dari 21 tahun 26 tahun 31 tahun 36 tahun 41 tahun 46 tahun 51 tahun Gambar 7 Distribusi Frekuensi Kumulatif Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 51

DIAGRAM BERSERAK

Diagram berserak atau diagram pencar atau scatter diagram digunakan untuk menggambarkan korelasi antara 2 variabel. Variabel bebas terletak pada sumbu X sedangkan variabel terikat pada sumbu Y. Korelasi positif didapatkan jika variabel bebas (X) meningkat dikuti dengan peningkatan variabel terikat (Y). Sebaliknya korelasi negatif didadapatkan jika X meningkat justru Y menurun.

Gambar 8 menunjukkan contoh dari korelasi positif.

Y-Values
120 100 y = 0.667x + 35.61 80 60 40 20 0 0 20 40 60 80 100 Y-Values Linear (Y-Values)

Gambar 8 Hubungan antara Nilai Kognitif dan Nilai Psikomotorik Mahasiswa Prodi Kebidanan Magetan Tentang Asuhan Persalinan Normal.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

52

REFERENSI

Sugiyono. 2007. Statistika Untuk Penelitian. Bandung: Penerbit Alfabeta. Anonymous. 2011. Statistics, http://www.stattrek.com Probability, and Survey Sampling.

Anonymous. 2011. Elementary Statistics and Probability Tutorials and Problems. http://www.analyzemath.com\statistics.html

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

53