Oleh
H. Mohammad Basri,SKM, M.Kes
1
Pengasuh
mata kuliah
PENGANTAR 2
1. Metoda Statistika ( Sujana ).
Refere
2. Pengantar Statistika (Ronald E.Walpole). nsi
3. Statistical Process Control ( Vincent Gaspersz )
4. Metode statistik Non Parametrik Terapan ( P. Sprent)
5. Statistik Non Parametrik ( Sidney Siegel).
6. Biostatistics a Foundation for analysis in the health sciences
(Wayne W. Daniel)
7. Basic Allied Health Statistics and Analysis. (Greda Koch)
8. Statistical Methods for Rates and Proportions (Joseph L. Fleiss)
9. Sampling Techniques (William G. Cochran)
10.Introduction to statistical quality Control (Douglas C.
Montgomery)
11.Introduction to statistical analysis (Wilfrid J. Dixon).
3
Tujuan
Instruksional
Memberikan wawasan dan kemampuan
Umum pada mahasiswa untuk dapat
MENJELASKAN dan MENERAPKAN
prinsip dan proses penerapan
biostatistika dalam pelayanan
kesehatan KHUSUSNYA dalam
pelayanan Kes. Masy.
PENGANTAR 4
Materi
perkuliahan
1. PENGANTAR
2. PENDAHULUAN
3. PENGUMPULAN
DATA
4. PENGOLAHAN
DATA
5. PENYAJIAN DATA
6. ANALISIS
DATA
7. UJI HIPOTESIS
BIOSTATISTIK- GIA 5
Definis
i
Ialah KONSEP dan METODE yang
digunakan untuk mengumpulkan dan
interpretasi data mengenai suatu
bidang kegiatan tertentu dan menarik
kesimpulan dalam situasi dimana ada
KETIDAK PASTIAN dan VARIASI
PENDAHULUAN 6
Penge
KONSEP STATIS rtian
TICA
BIOSTA Teori
matematika
TISTIC VARIA
STATIS BEL
METODE
TICS
* Pengumpulan
Pengolahan
Analisis
Kesimpulan
PENDAHULUAN 7
Penge
Skala
rtian
Pengukuran
Pengolahan
data
PENDAHULUAN 8
KONSEP VARIABEL
MATERI ALAM DENGAN CIRI :
PENDAHULUAN 10
Skala
pengukuran
Variabel
Pengertian Dan Prinsip skala pengukuran variabel
PENDAHULUAN 11
Skala
pengukuran
JENIS SKALA
Variabel
OUTPUT SKALA PENGUKURAN
DATA UJI STATISTIK
PENDAHULUAN 12
Data
Apabila variabel dikumpulkan akan terbentuk
suatu data sehingga, Data tidak lain dari
kumpulan variabel.
Data Primer
Data Sekunder
Data Kuantitatif
Data Kualit atif
Data Intern
Data Ekstern
Data Crossectional
Data Berkala
Data Diskret
Data Kontinu
Data literal
Data Observasional
PENDAHULUAN 13
Data
Syarat data yang baik
1.Relevant
2.Obyektif.
3.Valid
4.Reliable
5.Tepat waktu
PENDAHULUAN 14
Prinsip
Pengumpulan
Dalam pengumpulan data perlu diketahui :
Pengertian Data
Tujuan pengumpulan Data
Unit Observasi Elemen atau obyek
yang akan dikumpulkan
Unit analisis Karakteristik yang
melekat pada unit observasi
PENGUMPULAN DATA 15
Jenis
Dalam pengumpulanPengumpulan
data dikenal dua Jenis:
Sensus. Data
Ialah apabila pengumpulan data dilakukan terhadap
seluruh elemen populasi satu persatu.
Data yang diperoleh disebut data sebenarnya, (true
value) atau sering disebut dengan Parameter .
Sampling.
Ialah apabila data yang dikumpulkan hanya sebagian
dari populasi.
Data yang diperoleh merupakan data perkiraan
(estimate value).
PENGUMPULAN DATA 16
Cara
Pengumpulan
Cara pengumpulan data adalah:
Cara Kuesioner.Data
Enumerator dan responden tidak terjadi
komunikasi pada saat pengisian kuesioner
(komunikasi satu arah)
Keuntungan : mudah dan murah
Kelemahan : Ancaman drop out tinggi.
Interview (wawancara).
Enumerator dan responden terjadi komunikasi
pada saat pengisian kuesioner.(komunikasi
dua arah
PENGUMPULAN DATA
Keuntungan : tidak ada ancaman17 drop out.
Kuesioner
Pengumpulan
Kuesioner adalah salah satu bentuk alat ukur yangData
digunakan
untuk mengumpulkan semua informasi yang diinginkan dalam
suatu penelitian atau pengumpulan data.
Kuesioner berisi :
Identitas wilayah
Identitas umum responden
Identitas Khusus responden
Bentuk Kuesioner :
Terstruktur :
- Close ended
- Open ended
Terbuka / bebas
PENGUMPULAN DATA 18
Contoh
DAFTAR PERTANYAAN
Kuesioner
LAMA HARI RAWAT PASIEN RAWAT INAP DI RS
PELAMONIA
A IDENTITAS WILAYAH KODE
1 Nomor Responden :
2 .
3 Propinsi :
4 ..........................................
5 Kabuptaen :
.........
6
Kecamatan :
7
Kelurahan/Desa :
Lingkungan :
Rukun Tetangga (RT) :
B IDENTITAS UMUM RESPONDEN
8 Nama :
9 Umur : . Tahun
10 Jenis Kelamin :
1. laki-laki
2. Perempuan
11 Suku bangsa :
3. Bugis
19
4. Makassar
5. Mandar
Contoh
DAFTAR PERTANYAAN
Kuesioner
LAMA HARI RAWAT PASIEN RAWAT INAP DI RS
PELAMONIA
C IDENTITAS KHUSUS RESPONDEN KODE
LAMA PERAWATAN dan KEPUASAN PASIEN
12 Sejak ibu masuk RS sampai sekarang telah mejalani
hari rawat selama . Hari
13 Selama ibu di RS maka perawatan yang ibu terima :
a. Sangat puas 1
b. Puas 2
c. Biasa-biasa saja 3
d. Kurang puas 4
e. Sangat tidak puas 5
SIKAP PERAWAT
14 Selama ibu dirawat di RS ini, maka kesan pelayanan
yang diberikan oleh para perawat adalah :
a. Sangat ramah.
b. Ramah
c. Kurang ramah
d. Tidak ramah
e. Lainnya (tulis)
..
20
Prinsip dan
langkah-langkah
Penyuntingan data (Editing)
- Dilapangan
- Pengolahan
Koding (Coding).
-. Koding kuesioner
- Buat daftar variabel
- buat daftar koding
- Pemindahan hasil koding
- Buat program entry / tabulasi data
PENGOLAHAN DATA 21
Contoh daftar
DAFTAR VARIABEL
variabel
No KODE LABEL VARIABEL TIPE DIGIT DESIMA
(Nama variabel) L
1 NOMOR Nomor urut responden Numerik 2 0
IDENTITAS WILAYAH
2 LURAH Kelurahan. String 1 0
1. Tamalanrea
2. Daya
DAFTAR KODING
23
Prinsip dan
langkah-langkah
PENGOLAHAN DATA 24
PENYAJIAN DATA
25
Bentuk
Penyajian Data
Penyajian data dilakukan dalam
tiga bentuk yakni :
Tabel (Tabular
presentation)
Grafik (Grafical
presentation)
Narasi (Textular
PENYAJIAN DATA
presentation)
26
Penyajian Dlm
bentuk Tabel
Pengertian :
Tabel adalah salah satu bentuk penyajian data,
yang tersusun secara sistematis dalam bentuk
baris dan kolom, serta bertujuan untuk
membandingkan data dalam bentuk:
Baris dengan baris
Kolom dengan kolom
Baris dengan Kolom.
PENYAJIAN DATA 27
Komponen
Tabel
Tabel. 1 Penjelasan tentang bagian-bagian dari
pada suatu tabel di STIK GIA, Tahun 2004
JUMLA Marginal
kolom
Marginal
kolom
H : Data primer
Sumber
Keterangan : * perlu penjelasan
PENYAJIAN DATA 28
Komponen
Tabel
Judul tabel :
Judul tabel hendaknya berisi tentang isi dari pada
suatu tabel seperti :
Unsur Apa ( Apa isi dari pada
tabel )
Unsur Dimana ( Tempat dimana
dilakukan )
Unsur kapan ( Waktu kapan
dilakukan )
PENYAJIAN DATA 29
Jenis-Jenis
Pembagian tabel: Tabel
Secara umum tabel terdiri dari dua
jenis yakni :
PENYAJIAN DATA 30
Contoh tabel
Tabel 2 Induk
Data umum perawat di rumah
2004
sakit (x) tahun
1 14 x
2 30 X
3 60 X
4 45 X
5 25 X
6 70 X
Sumber : Rumah Sakit
(x)
PENYAJIAN DATA 31
Jenis-Jenis
Tabel
Pembagian tabel:
PENYAJIAN DATA 32
Jenis-Jenis
Tabel
Jenis tabel special
PENYAJIAN DATA 33
Jenis-Jenis
Tabel
Tabel satu arah
Adalah tabel yang memuat
keterangan mengenai
karakteristik dari satu
variabel tunggal.
PENYAJIAN DATA 34
Contoh Tabel
Tabel 3
satu arah
Distribusi jenis penyakit yang dirawat
di Rumah Sakit ( X ) tahun 2004
ISPA 30 13,3
DBD 45 20,0
TYPHOID 50 22,2
TBC 25 11,1
DIARE 75 33,4
JUMLAH 225 100,0
PENYAJIAN DATA 35
Jenis-Jenis
Tabel
Tabel Dua arah
Adalah tabel yang memuat
keterangan mengenai
karakteristik dari dua
variabel dalam satu tabel.
PENYAJIAN DATA 36
Contoh Tabel
dua Arah
Tabel 4 Hubungan kualitas pelayanan dirumah
Sakit (X) menurut komitmen kerja perawat
tahun 2004
Kualitas pelayanan
Komitmen keperawatan RS (X) TOTAL
kerja Baik Kurang
perawat
PENYAJIAN DATA 37
Jenis-Jenis
Tabel
Tabel Tiga Arah
Adalah tabel yang memuat
keterangan mengenai
karakteristik dari tiga
variabel dalam satu tabel.
PENYAJIAN DATA 38
Contoh tabel
tiga arah
Tabel 5 Distribusi karakteristik tenaga perawat menurut rumah
sakit pada Dinas kesehatan Kota Makasar tahun 2004
RS RSW
RS
Stellamaris
RS
Pelamonia
Sumber
JUMLAH: DKK Makassar
PENYAJIAN DATA 39
Penyajian Dlm
bentuk Grafik
Pengertian :
Grafik adalah salah satu bentuk
penyajian data dalam bentuk garis
atau gambar-gambar dengan tujuan
utama untuk memberikan kesan
visual pada data:
PENYAJIAN DATA 40
Penyajian Dlm
bentuk Grafik
Jenis-jenis Grafik:
1. Grafik Garis (Line Chart)
2. Grafik batang (Bar chart)
3. Grafik Lingkaran (Pie Chart)
4. Grafik peta (Cartogram)
5. Grafik Gambar (Pictogram)
PENYAJIAN DATA 41
Penyajian Dlm
bentuk Grafik
Grafik Garis.
Adalah salah satu bentuk penyajian data
dengan menggunakan garis, serta
bertujuan untuk :
Mempermudah penarikan kesimpulan
Melihat perkembangan sesuatu
Dasarnya adalah sistem salib sumbu.
PENYAJIAN DATA 42
Penyajian Dlm
bentuk Grafik
Jenis Grafik Garis.
Grafik garis tunggal (single line chart)
Grafik garis berganda (multiple line chart)
Grafik garis komponen beganda (multiple
compnent line chart)
Grafik garis persentase komponen berganda
(multiple persentage componen line chart)
Grafik garis berimbang netto (net balance
line chart)
PENYAJIAN DATA 43
Contoh Grafik
garis tunggal
Grafik. 1 Perkembangan kunjungan bumil sejak tahun
1977- 1983 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 44
Contoh Grafik
garis berganda
Grafik. 2 Perkembangan kunjungan bumil dan anak
sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 45
Contoh Grafik garis
komponen berganda
Grafik. 3 Perkembangan kunjungan penyakit DBD dan
non DBD sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 46
Contoh Grafik garis persentase
komponen berganda
Grafik. 4 Perkembangan persentase kunjungan yang meninggal,
luka berat dan ringan sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 47
Contoh Grafik garis
berimbang netto
Grafik. 5 Selisih perbedaan kunjungan pasien masuk
dan keluar sejak tahun 1997-2002 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 48
Penyajian Dlm
bentuk Grafik
Grafik Batang.
Adalah salah bentuk penyajian data
dengan menggunakan batang / balok
sebagai pengganti garis.
PENYAJIAN DATA 49
Penyajian Dlm
bentuk Grafik
Jenis Grafik Batang
Grafik batang tunggal (single bar chart)
Grafik batang berganda (multiple bar chart)
Grafik batang komponen beganda (multiple
compnent bar chart)
Grafik batang persentase komponen berganda
(multiple persentage componen bar chart)
Grafik batang berimbang netto (net balance
bar chart)
PENYAJIAN DATA 50
Contoh Grafik
batang tunggal
Pace of Disease Gene Discovery
1981 - 2000
PENYAJIAN DATA
51
Contoh Grafik
batang tunggal
Grafik. 1 Perkembangan kunjungan bumil sejak tahun
1997-1983 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 52
Contoh Grafik
batang berganda
The Observed Prevalence of CYP2C19
genotype within Geographically Dispersed
Populations
100
90 Caucasian
80 Saudi Arabian
70 African
Korean
60
Japanese
50
Chinese
40 Philippine
30 Aboriginal Australia
20 Indonesia
10 Thailand
Vanuatu
0
EM IM PM
PENYAJIAN DATA 53
Contoh Grafik
batang berganda
Grafik. 2 Perkembangan kunjungan bumil dan anak
sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 54
Contoh Grafik batang
komponen berganda
Grafik. 3 Perkembangan kunjungan penyakit DBD dan
non DBD sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 55
Contoh Grafik batang
komponen berganda
Grafik. 3 Perkembangan kunjungan penyakit DBD dan
non DBD sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 56
Contoh Grafik garis persentase
komponen berganda
Grafik. 4 Perkembangan persentase kunjungan yang meninggal,
luka berat dan ringan sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 57
Contoh Grafik garis persentase
komponen berganda
Grafik. 4 Perkembangan persentase kunjungan yang meninggal,
luka berat dan ringan sejak tahun 1997-2001 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 58
Contoh Grafik batang
berimbang netto
Grafik. 5 Selisih perbedaan kunjungan pasien masuk
dan keluar sejak tahun 1997-2002 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 59
Contoh Grafik batang
berimbang netto
Grafik. 5 Selisih perbedaan kunjungan pasien masuk
dan keluar sejak tahun 1997-2002 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 60
Contoh
Grafik Pie
Grafik. 1 Perkembangan kunjungan bumil sejak tahun
1997-1983 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 61
Contoh
Grafik Pie
Grafik. 1 Perkembangan kunjungan bumil sejak tahun
1997-1983 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 62
Contoh
Grafik Pie
PENYAJIAN DATA 63
Contoh
Grafik Peta
< 1 000
1 000 to 9 999
10 000 to 99 999
100 000 to 999 999
1 000 000 or more
No Estimate
PENYAJIAN DATA 64
Contoh
Grafik Peta
PENYAJIAN DATA 65
Contoh Grafik
Gambar
= 2000
=
1500
=
1000
= 500
Keterangan : = 500
1
PENYAJIAN DATA 66
Penyajian dalam bentuk
teks (Narasi)
Penyaian dalam bentuk narasi :
Dimaksudkan untuk memberikan pejelasan suatu hasil laporan
baik berupa hasil penelitian, atau yang lainnya, dengan
sistematika sebagai berikut :
1. Topik / judul
2. Latar belakang
3. Tujuan
4. Metodologi
5. Ulasan Hasil yang dicapai
6. Kesimpulan
PENYAJIAN DATA 67
Terima kasih
sampai jumpa
pada kuliah
berikutnya
68
Jenis Analisis
Data
Analisis data dilakukan dalam dua
bentuk yakni :
Analisis Deskriptip
Analisis Analitik
ANALISIS DATA 69
Hasil
Pengolahan
Data
Hasil pengolahan data dapat
disusun dalam dua bentuk yakni :
ANALISIS DATA 70
Contoh Row
Data
Data disusun menurut urutan nomor observasinya sebagai
berikut : Data hasil pengukuran 35 orang Berat Badan Bayi
ANALISIS DATA 71
Contoh
Array Data
Data disusun menurut urutan besar kecilnya nilai pengukuran
Contoh Data hasil pengukuran 35 orang Berat Badan Bayi
ANALISIS DATA 72
Keuntungan
Array Data
Dengan array data dapat diketahui :
Nilai terendah : 2,7
Nilai tertinggi : 11,7
Nilai Range : 11,7 2,7 = 9
Nilai Frekuensi : (4,9 ; 4,9 dsl )
Petunjuk pengelompokan data.
ANALISIS DATA 73
Pengelompok
an Data
Tujuannya untuk memproleh
INFORMASI yang lebih
banyak serta
MEMPERMUDAH perhitungan
dan PENYAJIAN data
ANALISIS DATA 74
Pengelompok
Tabel 1 an Data
Distribusi frekuensi berat badan dari 35 bayi (Kg )
di Puskesmas Daya Makassar tahun 2003
1 1,0 2,99 1
2 3,0 4,99 8
3 5,0 6,99 14
4 7,0 8,99 9
5 9,0 10,99 2
6 11,0 12,99 1
JUMLAH 35
Sumber : Data primer
ANALISIS DATA 75
Terminologi dalam
pengelompokan Data
Class Interval ( 1,0 2,99 )
Class limit
Lower class limit ( bkb) ( 1,0 )
Upper class limit ( bka) ( 2,99 )
Class size
( Bka Bkb = 2.99 1,0 = 2 unit )
Class Mark = Mid point class (bkb+bka/2)
ANALISIS DATA 76
Terminologi dalam
pengelompokan Data
BESARNYA KELAS
Antara 6 - 20 kelas
Dengan rumus Sturgers
K = ( 1 + 3,3 log n )
Keterangan :
K = Jumlah kelas
n = Jumlah observasi
ANALISIS DATA 77
Jenis Analisis
ANALISIS DESKRIPTIP
Data
Data Kategori
Univariat
ANALISIS ANALITIK
Bivariat
Data Numerik Data Kategori
Univariat
Univariat
Bivariat Bivariat
Data Numerik
Univariat
Bivariat
ANALISIS DATA 78
Bilangan Relatif
Rasio
Adalah besaran hasil perbandingan antara dua angka.
Sifatnya relatif dan tidak merupakan indikator besarnya angka
yang dibandingkan.
Menyatakan besarnya tiap unit angka kedua terhadap unit
angka pertama
Bila diperkalikan dengan suatu Konstanta ( K ) ia berarti
Besarnya unit angka pertama per 100 atau 1000 unit angka
kedua.
Contoh :
50 laki-laki terhadap 40 perempuan berarti 125 laki-laki setiap
100 perempuan.
Atau : 50/40 x 100. ( index )
ANALISIS DATA 79
Bilangan Relatif
Proporsi
Adalah rasio yang menunjukkan bagian relatif dari angka total.
Dinyatakan dengan rumus :
a
----------
a+b
Keterangan :
a = laki-laki
b = perempuan
(a+b) = Total
ANALISIS DATA 80
Bilangan Relatif
Adalah proporsi Persen
yang diperkalikan dengan bilangan konstanta.
( K = 100 atau 1000 )
Contoh :
Diantara laki-laki dan perempuan terdapat 5 % perempuan
Sifat persen
1. Sebagai kesimpulan
2. Sebagai standarisasi
3. Perbandingan
ANALISIS DATA 81
Bilangan Relatif
Rate
Adalah rasio yang menunjukkan bagian relatif dari angka total
dimana angka total ini adalah mereka yang termasuk mengalami
resiko.
Keterangan :
a = laki-laki
b = perempuan
(a+b) = Total
R = Risk factor
Nilainya tidak pernah mencapai nilai 1 tetapi hanya berkisar antara 0.0
0.99.
ANALISIS DATA 82
Analisis Deskriptip
Nilai tengah
Ialah suatu nilai yang
terletak paling
ditengah dari suatu
sebaran nilai dan
merupakan wakil dari
nilai-nilai yang ada Jenisnya :
didalam sebaran 1.Mean
tersebut. 2.Median dan
3.Modus.
ANALISIS DATA
83
Analisis Deskriptip
data
Untuk Nilai tengah
kategori hanya ada dua nilai
tengah yakni : MEDIAN dan MODUS.
Sedangkan untuk data numerik ada tiga
nilai tengah yakni : MEAN, MEDIAN dan
MODUS
Pada perhitungan nilai tengah untuk data
numerik dikenal data yang tidak
dikelompokkan dan data yang
dikelompokkan.
ANALISIS DATA
84
Analisis Deskriptip
Mean
Adalah nilai yang terletak DITENGAH-
TENGAH dari pada suatu distribusi
angka-angka.
merupakan nilai yang REPRESENTATIF
untuk suatu data dan paling sering
digunakan
Merupakan PENJUMLAHAN nilai-nilai
pengamatan dibagi dengan banyaknya
pengamatan yang dilakukan
Xi
Mean = ------------
n
Keterangan : Xi = Nilai observasi
n = Banyaknya observasi
70 + 69 + 45 + 80 + 56
Mean = ------------------------------------ = 64
5
70 5 350
69 6 414
45 3 135
80 1 80
56 1 56
Jumlah 16 fixi = 1035
70 70 - 64 +6
69 69 - 64 +5
45 45 - 64 - 19
80 80 - 64 + 16
56 56 - 64 -8
Mean = 0
64
N = Kelompok data
1.0 - 3.0 2 1 2
3.0 - 5.0 4 8 32
5.0 - 7.0 6 14 84
7.0 - 9.0 8 9 72
9.0 - 11.0 10 2 20
11.0 - 13.0 12 1 12
fi (xi)
Mean = ------------ = 6,34
n
Rumus lain
Median n = 2k + 1
Keterangan :
n = bilangan ganjil
k = bilangan konstan
x 8 / 2 ) + x (8 / 2+1) 9
Median untuk n = 8 = ---------------------------- = ----- = 4,5
2 2
Md terletak pada pengamatan yang ke 4,5 atau pada nilai
pengamatan = 8,5
N / 2 - fb
Md = ----------------- x c
f(Md)
Keterangan :
N = Jumlah observasi
Fb = jml frek. interval kelas dibawah kls median
F(md) = Jumlah frekuensi kelas median
C = Ukuran kelas
1 1,0 2,99 1
2 3,0 4,99 8
3 5,0 6,99 14 * f (Md)
4 7,0 8,99 9
5 9,0 10,99 2
6 11,0 12,99 1
JUMLAH 35
Sumber : Data primer
Contoh : 2, 3, 8, 9, 8, 8, Mo = 8
JUMLAH 35
6
Mo = 5 + (-------) x 2 = 6,1
6 + 5
115
Pengerti
Dikenal juga dengan istilah
an UKURAN VARIASI yang berarti
sejauh mana variasi hasil
pengukuran yang ada didalam
suatu distribusi kekiri dan kekanan
dari niali tengahnya tetapi masih
dapat dipercaya sebagai nilai-nilai
normal.
Sifat Range
1. Dipengaruhi nilai ekstrim.
2. Nilai lain yang ada didalam hasil pengukuran tidak
berpengaruh dalam penentuan range.
3. Tidak sempurna sebagai ukuran penyebaran.
ANALISIS DATA Nilai 119
Mean
Deviasi Ialah penyimpangan nilai masing-
masing hasil pengukuran ( Xi ) dengan
nilai rata-ratanya.
Keuntungan
Nilai setiap hasil pengukuran (xi) tetap
diperhatikan
Menggunakan nilai mutlak untuk
menghilangkan nilai negatifnya.
Mean = 6, 34 - 35 - = 55, 74
SR = ( 1/n ) ( Xi ) .f
SR = ( 1/35 ) ( 55,74 ) = 1.592
Mean = 50 0 = 1150
)
Variance = ( 1/n ) ( Xi-
Variance = ( 1/5 )
(1150) = 230
ANALISIS DATA Nilai 126
Variance Data berkelompok
Variance = ( 1/n ) (Xi- ).f
Contoh : data hasil pengukuran berat badan 35 bayi dalam kg
setelah dikelompokkan
Kelas Titik Frek. SR
(BB Bayi = kg) tengah ( fi ) ( Xi ) ( Xi ) (Xi ).f
01.003.0 2 1 02 - 6,34 = - 4,34 18,8 18,8
03.005.0 4 8 04 - 6,34 = - 2,34 5,5 44
05.007.0 6 14 06 - 6,34 = - 0,34 0,12 1,68
07.009.0 8 9 08 - 6,34 = + 1,66 2,75 24,75
09.0- 11.0 10 2 10 6,34 = + 3,66 13,4 26,8
11.013.0 12 1 12 6,34 = + 5,66 32,0 32
Data berkelompok
= ( 1/n ) ( X i ). f
= ( 1/35 ) (148.03 ) = 4,229
= 4,229 = 2,05
= ( 1/n ) ( Xi Md / Mo )
- 3 SD - 2 SD -1 SD Mean +1 SD +2SD + 3 SD
c
Varians = -------- s = interval kelas.
12
Q1=25%
Q2=50%
Q3 = 75%
Q1 = Kuartil pertama
Artinya 25 % data nilainya dari Q1
Q2 = Kuartil kedua
Artinya 50 % data nilainya dari Q2
Q3 = Kuartil ketiga
Artinya 75 % data nilainya dari Q3
X1 = 30 X6 = 55 X11 = 85
X2 = 35 X7 = 60 X12 = 95
X3 = 40 X8 = 65 X13 = 100
X4 = 45 X9 = 70
X5 = 50 X10 = 80
2 ( 13 + 1 ) 28
Q2 = nilai yang ke ------------------ ----- = 7
4 4
= pengamatan yang ke 7 60
3 ( 13 + 1 ) 42
ANALISIS DATA Nilai
Q3 = nilai yang ke ------------------ ------
10,5
142 =
Desil
= Pengamatan yg ke X1 + 4 / 10 ( X2 X )
= 30 + 4 / 10 ( 35 30 ) = 31
Rumus :
3(Mean Mo)
SKP-2 = ---------------------
S
Manfaat
Menentukan bentuk kurva
Menentukan apakah suatu distribusi dapat
didekati dengan fungsi normal atau tidak.
Jenis :
Lepto kurtis.
Platy kurtis
Meso kurtis
155
KURAN KERUNCINGAN (Kurtosis)
Lepto kurtis.
Sebahagian besar frekuensi tertumpuk
pada interval yang pendek sekitar nilai
mean.
Contoh :
Mean 156
KURAN KERUNCINGAN (Kurtosis)
Platy kurtis
Frekuensi data tersebar merata pada seluruh kelas,
kecuali kelas pertma dan terakhir.
Contoh :
Mean
157
UKURAN KERUNCINGAN (Kurtosis)
Meso kurtis
Frekuensi data tersebar mendekati distribusi
normal
Contoh :
Mean
158
UKURAN KERUNCINGAN
( Perhitungan keruncingan
kurtosis )
Menggunakan moment ke 4 sekitar mean ( 4 ).
Rumus :
M 1/n fi ( Mi x )
4 = ------------- = --------------------------------
S S
Ket : - 1, 2, 3 dihitung lebih dahulu
- Mi titik tengah kelas
159
UKURAN KERUNCINGAN
( Perhitungan keruncingan
kurtosis )
Menggunakan Quartile koefisien of Kurtosis ( QCK )
Rumus :
( Q3 Q1 ) Ket : - Q Quartile
QCK = ---------------------- - P Persentil
P90 P10
Penilaian :
4 = 3 Normal
4 3 Lepto kurtis
4 3 Platy kurtis
Jenis Analisis
Analisis Univariat.
Analisis Bivariat.
Analisis Multivariat.
162
ANALISIS VARIABEL PENELITIAN
(Analisis Univariat)
Jenis Analisis
1. Analisis distrbusi frekuensi
2. Analisis deskriptip
Sifat
165
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Frekuensi Univariat Dgn Skala Nominal
Tabel.1 Distribusi Tempat Berobat Responden Pada Saat Sakit Di Wilayah Kerja Puskesmas
Bantimurung Kec. Bantimurung Kab. Maros Tahun 2002
Apabiladilihat
Apabila dilihatdistribusi
distribusitempat
tempatberobat
berobatpada
padaresponden
respondensakit
sakitmaka
makatabel
tabel33memperlihatkan
memperlihatkan
sekitar80,4
sekitar 80,4persen
persendari
dariresponden
respondenmemilih
memilihtempat
tempatberobat
berobatpada
padasarana
saranakesehatan
kesehatanmodern
modern
yangterdiri
yang terdiridari
dariBindes
Bindes/ /Pustu
Pustu/ /Manteri,
Manteri,Puskesmas,
Puskesmas,dan
dandokter
dokterpraktek.
praktek.Selebihnya
Selebihnyamemilih
memilih
berobatsendiri
berobat sendiridan
dantidak
tidakberobat
berobat 166
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Frekuensi Bivariat Dgn Skala Nominal
Tabel 2 Distribusi Kejadian diare 3 bulan terakhir Menurut sumber pencemaran Di wilayah kerja
Puskesmas Kecamatan Bantimurung Kabupaten Maros Tahun 2002
Dari tabel 2 diatas diperlihatkan kejadian diare menurut sumber pencemaran. Dari tabel
tersebut terlihat kejadian diare terbanyak terjadi melalui permukaan tanah yg
terkontaminasi,selanjutnya melalui septic tank. Ada sebanyak 39,7 persen yg sesungguhnya
tdk ada sumber pencemaran tetapi terjadi diare utk 3 bulan terakhir.
167
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Frekuensi Bivariat Dgn Skala Ordinal
Tabel 3 Distribusi status kesehatan gigi dan mulut mnurut pengetahuan kesehatan gigi murid SD UKGS
di kecamatan Bantimurung kab. Maros tahun 2002
Analisis distribusi status kesehatan gigi dan mulut menurut pengetahuan kesehatan gigi murid,
seperti tabel 3 diatas memperlihatkan, dari 307 murid yang diobservasi terlihat persentase yang termasuk
status gigi dan mulut tidak sehat lebih besar ( 56,0 % ) dibandingkan dengan yang termasuk sehat ( 44,0 % ).
Dari tabel tersebut juga terlihat distribusi murid yang berstatus kesehatan gigi tidak sehat menurut
tingkatan pengetahuan persentasenya lebih besar dibandingkan dengan yang berstatus sehat.
168
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Analisis Deskriptip
Nilai tengah dgn skala nominal, ordinal, dan
interval / rasio
Tabel 4 Gambaran Deskriptip Nilai tengah dan Nili Sebar Tinggi Badan dan Prestasi
Belajar Murid Di Wilayah Kerja Puskesmas Bantimurung Tahun
PARAMETER VARIABEL
STATISTIK Tinggi Badan (Cm) Prestasi Belajar
Uji Hipotesis
Tujuan Analisis
Menilai perbedaan nilai sampel
dengan nilai populasinya, perbedaan
nilai observasi dengan harapan, atau
hubungan / perbedaan antara dua
atau lebih sampel. 170
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat)
Variasi nilai uji sangat tergantung pada :
Tujuan penelitian.
pertanyaan penelitian.
Skala pengukuran variabel
Jenis uji
Uji perbedaan ( test of differences )
Uji hubungan ( test of Association )
171
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Uji
Hipotesis
Metode Statistika Menurut Tujuan Studi dan Skala Pengukuran
TUJUAN STUDI PERTANYAAN PENELITIAN SKALA UJI STATISTIK
UKUR
Prinsip.
Variabel yang akan diuji berasal dari satu
sampel dan untuk selanjutnya karakteristik
yang ada didalam sampel dibandingkan dengan
karakteristik yang ada didalam populasi.
Pengelompokan / pengkategorian variabel
dilakukan menurut skala nominal.
173
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat)
Uji hipotesis untuk skala nominal
Prinsip.
Metode ststistika yang digunakan adalah uji
chi-square yang terdiri dari :
Chi-square untuk satu sampel.
Chi-square untuk dua sampel independent.
Chi-square untuk k sampel independent.
174
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat ) Uji Hipotesis
Cara penyelesaian
Untuk tabel 2 x 2 lakukan koreksi Yates dengan rumus :
( | O E | - 0,5 )
X ( corected ) = --------------------------
E
177
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat ) Uji Hipotesis
178
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Rumus Untuk SATU Sampel
( O E )
X = -----------
E
Keterangan :
O = Frekuensi Observasi
E = Frekuensi Harapan
DF = ( C 1 ) R 1 )
Frekuensi Harapan
Ialah proporsi obyek yang diharapkan sesuai / berada
dibawah hipotesis nol, dengan rumus sebagai berikut :
Tabel 5 diatas memperlihatkan hubungan antara variabel keadaan sumur gali dengan variabel kejadian
diare 3 bulan terakhir. Hasil uji yang telah dilakukan dengan menggunakan Chi-Square test, ternyata tabel
uji memenuhi syarat yakni tidak ada frekuensi harapan yang bernilai kurang dari 5, dan hasil yang
diberikan memperlihatkan X hitung lebih besar (24,628) daripada X tabel (3,841) dengan = 0,05 pada
DF=1 dengan nilai p = 0,000 (signifikan). Berarti keadaan sumur gali berhubungan dengan kejadian diare
3 bulan terakhir
181
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Contoh Uji satu sampel dgn frek. Harapan - 5
Tabel 6. Hubungan antara pemilihan pertolongan persalinan dengan kepercayaan
Keterangan :
a,b,c,d = Frekuensi observasi
n = Jumlah sampel untuk kedua kelompok
DF = ( C-1 ) R-1)
183
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
DF = Degree of freedom adalah besarnya kebebasan untuk
menetukan nilai sel dalam tabel bila besaran dalam tabel tela
diketahui.
Sampel harus berasal dari dua populasi yang berbeda dimana pada
masing-masing populasi, diobservasi karakteristik untuk dua
variabel yang sama.
SLTA PT a b a+b
SD SLTP c d c+d
JUMLAH a+c b+d 184 N
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Rumus untuk k sampel independent
( O E )
X = ------------------
E
Keterangan :
O = Frekuensi Observasi
E = Frekuensi harapan
DF = ( C 1 ) ( R 1 )
187
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Uji Hipotesis untuk skala nominal
- Hitung proporsi umur 70 kebawah ( P2 ).
Untuk 70 kebawah
DKI Jakarta = 1100 x 46.55 % = 512.05
Jwa Barat = 1300 x 46.55 % = 605.15
Jawa Tengah = 1300 x 46.55 % = 605.15
Jawa Timur dan = 1200 x 46.55 % = 558.60
DIY = 900 x 46.55 = 418.95
Hasil perhitungan frekuensi harapan dimasukkan dalam tabel
sebelumnya.
190
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
UJi hipotesis untuk skala Ordinal
Prinsip.
Variabel yang akan diuji berasal dari sampel dan untuk
selanjutnya karakteristik yang ada didalam sampel dilihat
hubungannya. Antara satu variabel dan variabel lainnya.
Pengelompokan / pengkategorian variabel dilakukan menurut
skala ordinal.
Metode Statistika yang digunakan adalah uji Kendalls atau
yang terdiri dari :
Kendalls taua
Kendalls taub
Kendalls tauc
Spearman rank correlation
191
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendalls tau
Uji hipotesis untuk skala ordinal
Dikemukakan oleh Kendall pada tahun 1983 dan dikenal sebagai Kendall tau_a atau taua.
Baik
Sedang
Kurang
Jelek
193
JUMLAH
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendalls tau
Contoh kasus
Salah seorang dosen jurusan biostatistik FKM Unhas,
melakukan penelitian terhadap kolerasi antara neutrofil
darah dan neutrofil sumsum tulang penderita tumor non
hematologis. Untuk kepentingan tersebut maka kedua
sumber tersebut ( darah dan sumsum tulang ) diambil
untuk seterusnya dihitung kadar neutrofilnya dengan
hasil sebagai berikut :
194
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendalls tau
Tabel 1 Hasil pengukuran Neutrofil darah dan sumsum tulang penderita tumor non
hematologis sebelum diurut
195
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendalls tau
Uji hipotesis untuk skala ordinal
Penyelesaian
1. Judul penelitian :
Korelasi antara neutrofil darah dengan neutrofil sum-sum
tulang pada penderita tumor non hematology
2. Variabel penelitian : Neutrofil darah dan sum-sum tulang.
3. Rumusan masalah :
Adakah hubungan antara neutrofil darah dan sum-sum
tulang pada penderita tumor non hematologist ?
196
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendalls tau
Uji hipotesis untuk skala ordinal
Penyelesaian
4. Sampel : Penderita tumor non hematologist.
5. Hipotesis operasional :
Ho : Tidak korelasi antara neutrofil darah dan sum-sum
tulang.
Ha : Ada korelasi antara neutrofil darah dan sum-sum
Ho : l = 0
tulang.
Ho : l 0
Hipotesis matematik :
6. Kriteria pengujian hipotesis
Ho diterima bila harga z hitung lebih kecil dari tabel, dan Ha diterima
bila harga z hitung lebih besar atau sama dengan harga197z tabel.
(Analisis Bivariat) Kendalls tau
Langkah langkah penyelesaian
1. Susun urutan hasil penelitian pada tabel 1 diatas dalam susunan
tabel berikut ini :
Tabel 2 Hasil pengukuran Neutrofil Darah merah dan sumsum Tulang penderita tumor non hematologist
Setelah diurut
Hsl Urutan Rangking Y1 Hsl Urutan Rangking Y2
No. Ukur Rang ( R1 ) Ukur Rangk ( R2 )
Urut ( Y1) k ( Y2 ) ( Y2)
( Y1) Hsl. Arry No.Urut Hsl.non Penyesuaian
arry
N199
Ci = 59
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendalls tau
Uji hipotesis untuk skala ordinal
26
tau-a = ---------------------- = 0,124
15 ( 14 )
200
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
KD
tau-b =
-------------------------------------------------------
------------------------------------------------------------
[ { n ( n 1 ) / 2 T1 } { n ( n 1 ) / 2
T2 ] 201
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Kendall tau-c
Rumus umum yang digunakan ialah :
2m ( K D )
tau-c = -------------------------
n(m1)
Keterangan :
M = adalah bilangan terkecil diantara kategori dari variabel ordinal X
dan Y.
Yang digunakan untuk menghitung index korelasi ialah kendall tau-b
dan c, dimana nilainya hampir mencapai nilai ( + 1 ) dan ( - 1 ).
202
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Uji hipotesis untuk skala ordinal
Contoh hasil uji kendall tau.
Tabel 7 hubungan Status Kesehatan Gigi dan Mulut
menurut pengetahuan kesehatan Gigi Murid SD
UKGS
Pengetahdi Kecamatan Bantimurung
Status kesehatan Gigi Total Kab.
Hasil uji Maros
Signifikasi
uan kes. dan mulut Kendals
Gigi
Tahun 2002
Sehat Tidak
sehat
204
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Uji Hipotesis Untuk Skala Ordinal
Contoh hasil uji Kendall tau.
Tabel 8 Hubungan status kesehatan Gigi dan Mulut
menurut perilaku kesehatan Gigi murid SD UKGS di
Kecamatan Bantimurung Kabupaten Maros
Perilaku Status KesTahun tot 2002 Hsl uji Sign
Kes.Gig gigi & mulut al Kendals ifika
i Seh Tdk nsi
at sehat
Contoh :
Tabel 9 . Matriks Korelasi Status Kesehatan Gigi
dan Mulut dgn pengetahuan Kesh. Gigi, Perilaku
Kesh. Gigi dan Jenis Makanan Murid SD UKGS di
Kecamatan Bantimurung
Tahun 2002
VARIABEL n X SD Korelasi Signif.
Pengetahuan 307 10,33 1,75 -0,003 0,478
Perilaku 307 2,54 2,42 0,331 0,000
Jenis makanan 307 6,35 1,07 -0,003 0,479
209
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
211
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
213
Terima kasih
214