Topik:

Pengertian biostatistik
Tujuan
Manfaat
Ruang lingkup
Hubungan biostatistik dengan keperawatan
Jenis-jenis biostatistik
Statistika VS statistik
Statistika: seperangkat metode yg membahas cara
pengumpulan data, cara mengolah data, cara
menganalisa data dan cara mengambil keputusan.
Statistik : kumpulan fakta yg membentuk angka-
angka yg terbentuk dalam bentuk daftar atau
tabel yg menggambarkan suatu persoalan.
Statistika dalam Kehidupan Sehari-hari
Kemajuan ilmu pengetahuan dan teknologi tidak
dapat dipisahkan dari statistika

Jaeger (1990) menyimpulkan bahwa statistika

tidak dapat dipisahkan dari kehidupan para
peneliti, pendidik, manajer, analis olahraga, analisis
politik, pengusaha & hampir semua orang yang
terdidik.

Keperluan akan statistika berbeda-beda, baik

tingkat kedalamannya maupun jenis tekniknya
A. Pengertian Statistika
Statistika adalah bagian dari matematika yang secara
khusus membicarakan cara-cara pengumpulan, analisis dan
penafsiran data.

Biostatistik: cabang ilmu statistika yg berkaitan dg aplikasi metode

statistik pd persoalan bidang biologi dan kedokteran (kesehatan)
 Definisi
Biostatistik = Statistik Kesehatan
Statistik = Asal kata :

Status (Latin) = Negara

State (English) = Negara

Why State ?
 Statistik = Negara

Dulu digunakan untuk data2 yg berhubungan

dengan negara seperti :
statistik tenaga kerja, statistik kehutanan,
statistik pendidikan, dll
Sekarang berkembang ke seluruh aspek
kehidupan :
produk industri, teknologi informasi,
bisnis, hukum, dll
 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
 Contoh statistik
1. Suatu studi dilakukan untuk melihat efek
dari paparan gas CO terhadap polisi lalu
lintas.
 Contoh statistik
2. Dosen biostatistik STIKES ingin
mempelajari hubungan nilai ujian
Biostatistik dengan tingkat kehadiran
mahasiswa.
Statistika Kesehatan

Data /informasi yang berkaitan dengan

masalah kesehatan
Contoh :
AKI, Sarana kesehatan, cakupan
imunisasi, dll
B. Tujuan biostatistik
Menyajikan:
1.Morbiditas
2.Mortalitas
3.Fertilitas
4.Cakupan pelayanan kesehatan
5.Statistik kedokteran
6.Statistik keperawatan
TUJUAN STATISTIK
1. Memberikan gambaran/ ukuran
mengenai status/ derajat
kesehatan. Contoh:
Angka Kematian Bayi
Angka Kematian Ibu
TUJUAN STATISTIK
2. Untuk evaluasi program
kesehatan.
Contoh: Status Kesehatan
*10 th yll AKI = 125/100000
*Sekarang AKI = 75/100000
TUJUAN STATISTIK
3. Untuk merencanakan program
kesehatan
Contoh:
Didapat data pola penyakit di
suatu daerah Dasar
pengalokasian sumber daya
kesehatan
C. Kegunaan biostatisika
1. Menetukan besar masalah
2. Menentukan prioritas masalah
3. Merencanakan suatu program
4. Menentukan potensi masyarakat beserta
sumberdaya lainnya
5. Melakukan evaluasi thd suatu program
6. Melakukan analisis perbandingan
 D. Fungsi Statistika Kesehatan
Perencanaan program pelayanan kesehatan
Penyelesaian masalah kesehatan
Analisis berbagai penyakit selama periode waktu
tertentu (time series analysis)
Menentukan penyebab timbulnya penyakit baru yang
belum diketahui
Menguji manfaat obat bagi penyembuhan penyakit
(setelah hasil uji klinik dinyatakan berhasil)
Secara administratif dapat untuk memberi penerangan
tentang kesehatan kepada masyarakat
E. Ruang lingkup biostatistik
1. Mampu mengumpulkan data
2. Mampu mengolah data
3. Mampu menyajikan data
4. Mampu menganalisis data
5. Mampu menarik kesimpulan
khususnya dalam bidang kesehatan.
 F. Hubungan Statistik dg Keperawatan
Statistik sangat berhubungan dg keperawatan
karena:
Sebagai tolak ukur melakukan asuhan
keperawatan
Meningkatkan cara berpikir ilmiah bagi
perawat melalui penelitian-penelitian untuk
menemukan hal baru atau untuk pemecahan
masalah
Meningkatkan profesionalisme perawat dengan
meningkatnya tuntutan masyarakat
G. Jenisi-jenis biostatistik
1. Jenis Statistika berdasarkan pembahasannya:
a. Statistika matematika /statistika teoritis yang
lebih berorientasi pada pemahaman model &
teknik-teknik statistika secara matematis.
b. Statistika Terapan, yang lebih berorientasi pada
pemahaman intuitif atas konsep & teknik-teknik
statistika serta penggunaannya di berbagai
bidang.
2. Jenis Statistika berdasarkan Tahapan Tujuan Analisisnya:
a. Statistika Deskriptif
Bertugas hanya untuk memperoleh gambaran/ ukuran-ukuran
tentang data yang ada di tangan (ukuran sampel, ukuran
populasi)

b. Statistika Inferensial (to infer = menyimpulkan)

Kita dapat menggunakan data & ukuran sampel untuk
melakukan inferensi tentang populasi (statistika inilah yang
disebut statistika inferensial)
 Berdasarkan asumsi mengenai distribusi populasi data yang
dianalisis, statistika dibedakan menjadi
1. Statistika Parametrik
Jenis ini didasarkan pada model distribusi normal

2. Statistika Nonparametrik
Statistik ini tidak didasarkan pada suatu model distribusi
tertentu

Statistika juga dibedakan berdasarkan jumlah peubah

(variabel) terikat (dependent variabel) yang dianalisis, yakni
menjadi statistika unvariat & statistika multivariat
 Statistika Deskriptif
Statistika deskriptif :
Membahas cara-cara pengumpulan data
Penyedehanaan angka-angka dari pengamatan
Pengukuran pemusatan dan penyebaran untuk
memperoleh informasi yang lebih menarik
Kegunaan statistika deskriptif :
Kumpulan data tersaji dengan ringkas dan rapi dan
dapat memberikan informasi inti
Data bisa ditampilkan dengan teknik grafik atau
numerik
Dapat mengukur dua karakteristik dari setiap
respondennya dan meneliti hubungan keduanya
Berperan penting dalam persiapan analisa data
Contoh Statistika Deskriptif
Salah satu dampak dari
belum membaiknya sektor
riil adalah tingginya
tingkat pengangguran di
Indonesia. Pada Agustus
2004, jumlah
pengangguran terbuka
mencapai 10,3 juta,
Februari 2005 sebesar
10,9 juta jiwa, dan
Februari 2006 mencapai
11,1 juta jiwa
 Statistika Inferensia
Statistika Inferensia :
Cara menganalisis data dan mengambil kesimpulan
Dapat menganalisis sebagian data (sampel) atau
keseluruhan data (populasi)
Dilakukan pendugaan parameter
Membuat dan menguji hipotesis
Membuat kesimpulan yang berlaku umum (generalisasi)
Empat karakteristik utama :
Pengamatan secara acak
Teknik penarikan sampel
Data dalam bentuk angka
Tujuan umum inferensia
 Contoh Statistika Inferensia
Bagaimana cara
Contoh Kasus : mendapatkannya ?
Pada tahun 1990, Apakah dilakukan survey
diperoleh data di Jawa pada 291.664 pencari
Barat terdapat 291.664 pekerja tersebut?
pencari kerja yang
memuat informasi cukup Dengan statistika
lengkap mengenai inferensia, sampel dipilih
karateristik pencari kerja secara random, misalnya
tersebut, namun data 2500 pencari kerja.
mengenai asal sekolah Sampel tersebut
tersebut tidak tercantum digunakan sebagai bahan
didalammnya. dugaan terhadap
keseluruhan pencari kerja
 Statistika Parametrik dan Non-
Parametrik
Statistika Parametrik :
Bagian dari statistika inferensia yang
mempertimbangkan nilai dari satu atau lebih parameter
populasi
Membutuhkan data yang berskala pengukuran minimal
interval
Berpijak pada asumsi spesifik mengenai bentuk distribusi
populasi yang diasumsikan normal
Statistika Non-Parametrik :
Bagian dari statistika inferensia yang tidak
mempertimbangkan nilai dari satu atau lebih parameter
populasi
Validitas tidak tergantung pada model peluang yang
spesifik dari populasi
Distribusi data tidak dapat diasumsikan normal
 Alat Bantu Komputer
Dengan bantuan komputer, peneliti dapat dengan mudah
melakukan perhitungan-perhitungan yang rumit dalam
melakukan analisis datanya
Program komputer memungkinkan melakukan komputasi dan
bahkan interpretasi data
Beberapa program komputer untuk statistik
SPSS (Statistical Package for the Social Science)
Microsoft Excel
Data-Text
SAS
BMD
 STOP..DILANJUTKAN BESOK
C. Pengukuran & Data Statistik

1. Pentingnya pengukuran dalam penelitian

Teknik statistik bukanlah prosedur yang dapat mengubah sampah

menjadi kertas atau pupuk yang berharga.

Pengukuran merupakan kegiatan untuk menyediakan data yang akan

dijadikan masukan dalam analisis statistika.

Validitas penelitian antara lain amat bergantung pada validitas data

yang diperoleh.

Jika data yang diperoleh tidak valid maka kegiatan analisis & penafsiran
data yang mengikutinya tidak valid.
Pengertian Statistika

Pengertian data
a. data kuantitatif (berupa angka)
- data diskrit (dari hasil perhitungan)
mis: FKIP memiliki 4 jurusan
- data kontinyu (dari hasil pengukuran)
mis: tinggi badan Khairunnissa 176 cm
b. data kualitatif (non-angka)
data dalam bentuk katagori/atribut

31
DATA/ DATUM
Keterangan yang dapat memberikan
gambaran tentang suatu keadaan populasi.
Hasil pengamatan suatu populasi :
- Status
- Informasi
- Keterangan
 Syarat Data :
Obyektif
Representatif
Up to date (kecuali utk
penelitian historis /
retrospektif)
 Menurut Sumber, data
dikelompokkan :
1. Data primer :
Data/ yang dikumpulkan sendiri oleh peneliti
( data langsung dari responden )

2. Data Sekunder :
a. Internal : data yang berasal dari lingkungan
sendiri ( medical record )
b. Eksternal :
Data yang diperoleh antar lintas sektor
( biro pusat statistik )
 Karakteristik data
Akurasi : data yang dikumpulkan setidak-tidaknya
harus mendekati sebenarnya.
(dinilai sebagai veliditas)
Presisi : pengukuran meskipun dilakukan berulang-
ulang oleh siapapun hasilnya tetap sama.(dinilai
sebagai reliabilitas)
Validitas eksternal : Karakteristik data sampel
harus sama dengan karakteristik data populasi.
Seberapa jauh bisa digeneralisasi termasuk ke
populasi lain
Validitas Internal :
 Validitias Internal :
Meliputi kemampuan dan keahlian dari
orang yang melakukan tugas, sensitivitas
alat diagnostik atau laboratorium.

contoh : pemeriksaan Hb dg Haemometer

sahli oleh perawat, Validitas internalnya
beda dengan pemeriksaan Hb dg
Spektrometer oleh analis.
 Metode Pengumpulan Data :
a. Komunikasi (kuesioner dan wawancara)
Bersifat self report ( introspeksi terhadap
diri sendiri)
Kuesioner : - kuesioner pilihan
- Kuesioner isian
Wawancara : - wawancara bebas
- wawancara terpimpin
b. Observasi (pengamatan)
 Pengamatan
Dengan pengamatan data dapat dicatat
dengan segera dlm hal ini tidak
tergantung dari ingatan seseorang / data
lampau.
 Syarat-syarat pengamatan :
Mengetahui apa yang diamati
Perilaku dibuat dalam kategori-kategori
Unit yang digunakan dalam mengukur
kategori harus jelas
Harus punya derajat terapan atau
generalisasi
Besar sampel harus ditentukan
Pengamatan harus reliabel dan valid
 SKALA PENGUKURAN
Dalam mengumpulkan nilai dari
variabel perlu diketahui skala
pengukuran dari variabel tersebut.

Variabel adalah sifat yang akan

diukur atau diamati yang nilainya
bervariasi antara satu objek ke
objek lainnya.
 Contoh variabel

Untuk mengamati bayi baru lahir

variabel yang akan diamati adalah berat
badan, panjang badan (nilai ini bervariasi
antara satu bayi dengan bayi lainnya)
Untuk menilai kinerja perawat
variabel yang akan dinilai adalah
dokumentasi asuhan keperawatan
 Skala Pengukuran

1. Nominal
2. Ordinal
3. Interval
4. Rasio
 1. Nominal
Nilai dapat dibedakan/klasifikasi
pengamatan dapat dilakukan
Nilainya sederajat

Contoh: Jenis Kelamin, Agama

 2. Ordinal
Nilai dapat dibedakan
Ada tingkatan/ urutan pengamatan
dapat dilakukan tapi belum ada jarak.
Contoh: Pendidikan; SD, SMP, SMU
Status Ekonomi: Baik, Sedang,
kurang
 3. Interval
Nilai dapat dibedakan
Ada tingkatan
Ada jarak.
Contoh: Suhu/ temperatur
20 dan 40 (Panas 40 bukan berarti
2x20)
 4. Rasio
Nilai dapat dibedakan
Ada tingkatan
Ada jarak.40
Sudah ada kelipatan
Contoh: Berat badan

Berat 80 kg = 2 x berat 40 kg
 SKALA PENGUKURAN
SKALA

Sifat Ratio Interval Ordinal Nominal

Kelipatan + - - -

Selisih + + - -

Jenjang + + + -

Bedakan + + + +

Contoh Titer atb Sh udr pdidikn agama

PENYAJIAN DATA

48
 Tujuan Penyajian Data
Memberi gambaran yang sistematis tentang
peristiwa-peristiwa yang merupakan hasil
penelitian atau observasi,
Data lebih cepat ditangkap dan dimengerti,
Memudahkan dalam membuat analisis data, dan
Membuat proses pengambilan keputusan dan
kesimpulan lebih tepat, cepat, dan akurat.

49
 Cara Penyajian Data
Tabel
Gambar/Grafik

50
 Jenis Tabel Statistik

Tabel satu arah

Tabel arah majemuk
- Tabel dua arah
- Tabel tiga arah

51
http://abdulsyahid-forum.blogspot.com/2009/03/penyajian-data-
 Tabel satu arah yaitu tabel yang memuat
keterangan mengenai satu hal atau satu
karakteristik saja. Misalnya data Produksi kedelai
menurut jenis varietas yang ditanam.
 Tabel dua arah yaitu tabel yang menunjukkan
hubungan dua hal atau dua karakteristik yang
berbeda. Misalnya data Produksi kedelai menurut
jenis varietas dan daerah panen
 Tabel tiga arah yaitu tabel yang menunjukkan
hubungan tiga hal atau tiga karakteristik yang
berbeda. Misalnya data hasil pengamatan produksi
kedelai (ton/ha) menurut jenis varietas, daerah
panen, dan jenis tanah.
 Bentuk tabel dist frek relatif

Nilai Frekuensi Frekuensi Relatif (%)

Data

a-b f1 f1
Dimana:
c-d f2 f2

e-f f3 f3 fi
fi ' n
x100%
g-h f4 f4 f
i 1
i

i-j f5 f5

Jumlah n 100

55
Bentuk tabel dist frek kumulatif

Nilai Data Frekuensi Frekuensi Kumulatif

a-b f1 f1

c-d f2 f1+f2

e-f f3 f1+f2+f3

g-h f4 f1+f2+f3+f4

i-j f5 f1+f2+f3+f4+f5

56
 Bentuk tabel dist relatif kumulatif
Nilai Frekuensi Frekuensi Frek relatif
Data Kumulatif kumulatif (%)
a-b f1 f1 f1
c-d f2 f1+f2 f2
e-f f3 f1+f2+f3 f3
g-h f4 f1+f2+f3+f4 f4
i-j f5 f1+f2+f3+f4+f5 100

dengan f k
fi ' k 1
x100%
n 57
Contoh tabel dist frek, kum, rel, rel kum

58
 Jenis Grafik/Gambar
Grafik garis (line chart),
Grafik Batangan (bar chart),
Grafik lingkaran (pie chart),
Grafik gambar (Pictogram chart)
Diagram Pencar (Scatter diagram)

59
 Histogram
Untuk Data Kontinyu
 Diagram Garis (Line Diagram)
Untuk data diskrit
 Diagram Batang (Bar)
Data diskrit atau skala nominal atau skala
ordinal
Diagram Lingkar (Pie Diagram)
Data diskrit atau kategori.
Menggambarkan %
 Grafik Batang (Bar) 30
Grafik Garis (line)
30

20
20

10
10

Jumlah
Count

0
0 administrasi personalia produksi marketing keuangan
administrasi personalia produksi marketing keuangan
bidang pekerjaan
bidang pekerjaan

Grafik lingkaran (pie) Grafik Interaksi (interac

800000

keuangan
administrasi

700000

600000

personalia
500000
Mean gaji perbulan

Jenis kelamin
400000
marketing
laki-laki
produksi
300000
sangat jelek jelek cukup baik baik sangat baik
w anita
64
prestasi kerja
Grafik gambar

65
A. Modus
Merupakan nilai yang paling sering muncul dalam suatu pengukuran
- kasus sederhana
- kasus interval klas
b1
Mo b p
b1 b2
dimana:
b : batas bawah interval kelas dengan frekuensi terbanyak
p : panjang kelas
b1 : frekuensi terbanyak - frekuensi kelas sebelumnya
b2: frekuensi terbanyak - frekuensi interval kelas sesudahnya
B. Median
merupakan titik/ nilai yang membagi seperangkat data
menjadi dua bagian sama banyak

P(n/2-fk11)
Me= X11+
fi

dimana:
Me : Median
X11 : batas nyata bawah kelas median
p : panjang kelas
n : banyak data
fk11: frekuensi kumulatif interval kelas di bawah kelas median
fi : frekuensi kelas median
C. Rata-rata
Merupakan ukuran gejala pusat yang sering digunakan

X= X
n

Rumus lain yang dapat ditulis adalah:

n
X= fiXi
i-1
n

D. Menentukan Rata-rata dari sejumlah sampel

k
X= fiXi
i-1
k
ni
i-1
E. Hubungan antara Modus, median & Rata-rata
gambar dibawah menunjukkan perbandingan letak modus,
median & rata-rata dalam tiga macam bentuk distribusi
a. Data yang distribusinya simetris
Mo= Me= X

b. data yang distribusinya juling ke negatif

X < Me < Mo

c. data yang distribusinya juling ke positif

Mo< Me < X

X X Me Mo Mo Me X
Mo
Me

a = simetris b = juling - c=juling +

 Dalam kegiatan penelitian, rata-rata lebih sering digunakan
kepada ukuran lainnya karena peneliti tidak hanya hendak
menggambarkn keaadaan sampel, tapi juga ingin melakukan
referensi tentang keadaan populasinya

F. Kuartil, desil & Persentil

sejalan dengan konsep median kita juga memiliki ukuran
statistik yang dikenal dengan sebutan kuartil, desil &
persentil
Tiga nilai kuartil (K1, K2 dan K3), sembilan nilai desil (D1-D9)
dan 99 nilai persentil (Pi-P99)
K2 = D5 = P50 = Median, K1 = P25 dan D6 = P60
 Statistika sering disebut studi tentang variasi karena membahas
dan menyediakan cara-cara untuk menyelidiki variasi gejala alam
sosial serta membuat kesimpulan tentang hal-hal yang melatar
belakangi terjadinya variasi (Ferguson & Takane, 1989)
Para ahli statistika telah mengusulkan sejumlah ukuran yang
dapat membantu memahami variasi suatu perangkat data. Rentang
dapat diartikan sebagai selisih antara skor terbesar dan skor
terkecil pada suatu perangkat data

A. Rentang (R)
Merupakan ukuran yang paling sederhana dan kasar tentang
variasi suatu perangkat data. Rentang dapat diartikan juga
sebagai selisih antara skor terbesar dan skor terkecil pada suatu
perangkat data
 Rentang jarang digunakan utuk menggambarkan variasi perangkat data,
karena beberapa alasan berikut yang saling berkaitan (Shavelson, 1988:
Ferguson & Takane, 1989):
1. Rentang merupakan ukuran yang tidak stabil
2. Rentang tidak mencerminkan pola variasi suatu distribusi
data
3. Rentang bergantung pada besarnya sampel (n)

B. Rentang Antar Kuartil

RAK = K3-K1
= P75-P25
dimana:
RAK: Rentang Antar Kuartil
K1 : Nilai kuartil ke-1
K2 : Nilai kuartil ke-2
P75 : Nilai persentil ke-75
P25 : Nilai persentil ke-25
C. Rata-rata Simpangan
merupakan jumlah harga mutlak skor simpangan dibagi dengan
banyaknya data (n)
n
x = [Xi-X]
n=1

D. Variasi (s2) dan Simpangan Buku (s)

Merupakan dua buah ukuran yang paling sering digunakan
tentang variasi suatu perangkat data

Variasi adalah kuadrat dari simpangan baku, & sebaliknya,

simpangan baku adalah akar.
 Contoh, mengambil sampel yang terdiri dari 40 subjek dari
suatu populasi. Secara teoritis, populasi itu terdiri dari N
subjek (N= jumlah anggota populasi) yang memiliki
parameter tertentu. Seperti rata-rata () dan variasi (2).
Sampel dilambangkan dengan huruf n (disini n= 40). Secara
teknis, variasi sampel tersebut kemudian dapat ditentukan
dengan rumus:
n
S = (Xi -)2
2
i=1
n

dimana:
S2 : variasi sampel
Xi : skor (nilai) ke-I pada suatu perangkat data
: rata-rata populasi
n : jumlah sampel (banyaknya data)

Merupakan cara menentukan sampel yang tidak bias

terhadap variasi populasinya.
 Cara menentukan sampel yang tidak bias terhadap variasi
populasinya.
Variasi sampel dapat ditulis kembali menjadi rumus:

n
S = (Xi -X)2
2
i-1
n-1

Untuk jumlah data kecil dibagi n

Untuk jumlah data besar dibagi n-1
Simpangan baku adalah akar dua dari variasi seperti
terlihat pada rumus diatas. Simpangan baku yang sering
dilambangkan dengan huruf s untuk simpangan baku sampel
dan untuk simpangan baku populasi
makin bervariasi suatu perangkat data makin besarlah
simpangan bakunya, dan sebaliknya

S S 2
 Besaran variasi dan simpangan baku sangat bergantung pada
skala data. Data yang dicatat dalam skala satuan cenderung
memiliki simpangan baku yang lebih kecil daripada data yang
dicatat dalam skala puluhan
Perlu dicari suatu ukuran variasi yang tidak terlalu
tergantung kepada skala data. Masalah ini memunculkan
pemikiran untuk menggunakan rasio simpangan baku
terhadap rata-ratanya yang kemudian dikenal istilah
koefisien variasi (KV) yang dapat diperoleh dengan
menggunakan rumus
KV= s
X
Variasi antara suatu perangkat data dapat dibandingkan
dengan variasi perangkat data lain dengan cara
membandingkan kaefisien variasinya tanpa harus khawatir
terhadap skala datanya karena koefesien variasi telah
memperhitungkan perbedaan skala data.
E. Skor Baku (z)
merupakan skor mentah dikurangi rata-ratanya
skor baku (yang dikembangkan dengan z dan
dikenal dengan sebutan z-score) dapat diperoleh
dengan rumus
_
xi x
z
S

Statistika inferensial banyak menggunakan

distribusi normal baku (standart normal
distribution) sebagai model distribusi data yang
hendak dianalisis. Distribusi normal baku itu
tidak lain adalah distribusi seperangkat skor
baku (z) sehingga dikenal dengan istilah
distribusi z (z-distribution)
 6. Distribusi Normal

Distribusi normal dapat dipandang sebagai model atau dasar teori statistika
moderen
Distribusi normal adalah suatu model yang didefinisikan dengan rumus:
2
1 x

1
y e 2
2
Dimana
y = ordinat grafik
x = skor yang diperoleh
rata2 populasi
simpangan baku populasi = 3,1416
e = 2,7183
 Distribusi normal berbentuk lonceng (bell-
shape) sehingga sering disebut bell shape
distribution. Model ini memiliki empat
karakteristik:
Unimodal: satu modus
Simetrik : distribusi sebelum dan sesudah
median sama
Modus = Median = Mean
Asimtotik : kurva distribusi tidak akan
menyentuh absisnya
Daerah dibawah kurva normal

Luas daerah 0 ke z dapat diperoleh dengan:

1 2
z 1 x
e 2 dx
0 2
Luas daerah dibawah normal dari 0 ke z ditabelkan
Pada pengukuran 200 subyek yang diambil secara
acak dari populasi N=1000 menghasilkan:
Mean sampel = 40
Simpangan baku = 10

1. Berapa persen subyek yang memperoleh skor

antara 40 dan 55?
2. Berapa persen subyek yang memperoleh skor
di atas 55?
3. Berapa persen subyek yang memperoleh skor
di bawah 35?
4. Berapa skor yang dicapai oleh mereka yang
tergolong 10% terbesar?
Pada pengukuran IQ terhadap sampel 100 siswa
dari populasi 500 siswa menghasilkan:
Mean sampel = 120
Simpangan baku = 10
1. Berapa siswa yang IQ antara 120 dan 130?
2. Berapa jumlah siswa yg IQ diatas 130?
3. Berapa IQ mereka yg merupakan 5% siswa
tertinggi?
 Furqon, ph.D. , 2001, Statistika terapan
untuk penelitian, ISBN 979-8433-13-0, CV
Alfabeta, Bandung, 230p
Sugiono, Dr. & Eri ibowo S.Pd., Statistika
penelitian dan Aplikasi dengan SPSS 10.0
for Window, ISBN 979-8433-50-3, CV
Alfabeta, Bandung, 238p