PENGANTAR BIOSTATISTIK

UNTUK ILMU-ILMU KESEHATAN

1. Konsep Dasar Biostatistik

2. Statistik Inferensial
3. Uji Hipotesis
4. Tingkat Kemaknaan (a) dan
probabilitas pasti (p)
5. Kesalahan Pengambilan
Keputusan Statistik
6. Kuasa statistik
7. Pertimbangan pemilihan uji
statistik yang sesuai

Oleh :
Mochammad. Arief Tq,
MS. PHK
 Biostatistik

1. Statistik deskriptif : Pengumpulan , penataan dan penafsiran data :

tendensi sentral, simpang baku dan sebagainya.

2. Statistik Inferensial : Penarikan inferensi (kesimpulan) tentang

karakteristik populasi berdasarkan pengamatan data dalam
sampel : (a) Membuat dugaan tentang parameter populasi dan
(b) menguji hipotesis tentang karakteristik populasi.
Konsep Dasar Biostatistik

1. Unit Pengamatan

2. Populasi

3. Variabel

4. Data

5. Parameter : karakter populasi (mean,

varians,koef.korelsi)

6. Probabilitas

7. Ukuran Tendensi Sentral : mean, median, mode

8. Ukuran Dispersi : varians dan akar varians atau

simpang baku.
Statistik Inferensial
Sejauh mana bahwa perbedaan atau hubungan antar dua variabel
atau lebih dalam sampel benar-benar mencerminkan perbedaan
atau hubungan dalam populasi.

Misalnya :
Sejauh mana perbedaan tinggi badan rata-rata antara laki-laki dan
perempuan dalam sampel dapat mencerminkan perbedaan rata-
rata tinggi badan laki-laki dan perempuan dalam populasi ?

Makin besar ukuran sampel makin kecil kekeliruan membuat

kesimpulan dari sampel tentang karakteristik populasi
variasi antar sampel akan makin kecil
presisi akan meningkat.
Uji Hipotesis

Hipotesis dapat diartikan sebagai pernyataan tentatif/ sementara tentang

hubungan antar variabel yang menjadi permasalahan penelitian.

Hipotesis dapat dibedakan menjadi

Hipotesis konseptual
Hipotesis operasional (Statistik)

Operasionalisasi hipotesis menjabarkan hipotesis ke dalam variabel-

variabel penelitian yang operasional dan terukur .

Dapat di analisis dengan uji statistik yang sesuai (Hipotesis Statistik)

Langkah-langkah dalam Uji Hipotesis

1. Pengumpulan Data
Merupakan hasil pencatatan pengukuran terhadap variabel penelitian.
Skala pengukuaran variabel yang akan dianalisis (nominal, ordinal, interval
atau rasio).

2. Pemahaman Asumsi
Merupakan persyaratan yang harus dipenuhi ketika akan menggunkan uji
statistik .

3.Menetapkan Hipotesis Statistik (Ho) dan Hipotesis Alternatif (H1)

Ho : hipotesis yang dicoba untuk ditolak.

H1: hipotesis yang dicoba untuk tidak ditolak (diterima).

Notasi hipotesis dalam uji binomial adalah sebagai berikut :

(a) Dua sisi : Ho : p=po H1 : p po
(b) Satu sisi : Ho : p< po H1 : p > po
atau : Ho : p> po H1 : p < po
Lanjutan

4. Pengambilan Keputusan Statistik

Dalam kurva distribusi uji statistik ada 2 daerah yaitu
(2) daerah penolakan Ho dan (1) daerah penerimaan Ho.

(1) (1)

(2) (2) (2)

a=0,05 uji satu sisi a=0,05 uji 2 sisi

Daerah sisi kanan adalah daerah penolakan Ho pada
uji satu sisi untuk a = 0,05
Daerah sisi kanan dan kiri adalah daerah penolakan Ho pada
uji dua sisi untuk a = 0,05

Kesimpulnnya , bila Ho ditolak maka H1 benar . Sebaliknya bila Ho

tidak ditolak kesimpulannya Ho mungkin benar.
Tingkat Kemaknaan (a)

Nilai probabilitas tertentu yang dipakai sebagai patokan penolakan atau

penerimaan Ho, misalnya a = 0,01 atau 0,05.

Jadi jika kita temukan suatu nilai statistik uji lebih kecil atau sama dengan
a maka secara probabilitas kita menolak Ho.

Penetapan besar kecilnya nilai a harus mempertimbangkan kemaknaan

praktis hasil penelitian kelak.

Semakin besar nilai a akan semakin mudah kita menolak Ho (daerah

penolakan lebih luas) atau semakin mudah kita menerima hipotesis
alternatif.
Probabilitas Pasti (p)

Menunjukkan probablitias untuk memperoleh nilai sebesar atau

lebih dari nilai statistik hitung (teramati) hanya karena kebetulan.

Makin besar nilai statistik uji kemaknaan yang kita dapatkan, makin
kecil nilai p.

Bila nila p a Ho. ditolak

Contoh :
Sebuah studi menemukan bahwa hubungan antara kebiasaan minum
jamu X pada saat kehamilan dengan suatu kelainan kongenital,
bermakna dengan p=0,001. Artinya terdapat 1 diantara 1000 hasil
penelitian tersebut terjadi hanya karena peluang kebetulan.
Interval Keyakinan (Convidence Interval; CI )

Interval Keyakinan (IK) menyatakan suatu rentang nilai-nilai resiko relatif

pada tingkat keyakinan tertentu (1-a) dinyatakan dalam IK (1- a )

Interval Keyakinan yang tidak memuat nilai = 1 menunjukkan bahwa

hubungan antar variabel penelitian bermakna.

Contoh:
Suatu analisis data studi Kohor tentang pengaruh serangan epilepsi ibu
antenatal terhadap kejadian malfromasi kongenital janin menghasilkan
nilai Resiko Relatif RR = 1,63 dan IK 95% = 1,22 - 2,31.
Artinya :
Dengan tingkat keyakinan 95% ibu-ibu dengan riwayat epilepsi antenatal
mempunyai resiko melahirka bayi malformasi sebesar 1,2 2,3 kali lebih
tinggi daripada ibu tanpa riwayat epilepsi.
Kesalahan Pengambilan Keputusan Statistik

Kesalahan tipe I; yaitu menolak Ho yang sesungguhnya Ho benar.

Probabilitas terjadinya kesalahan tipe satu dinyatakan: a.

Kesalahan tipe II ; yaitu tidak menolak Ho yang sesungguhnya Ho salah.

Probabilitas terjadinya kesalahan tipe II dinyatakan : b.

Tabel : Empat kemungkinan dalam Uji Hipotesis

Sesungguhnya
Kesimpulan Uji Statistik Ho Benar H1 Benar

Benar Kesalahan Tipe II (b)

Tidak menolak Ho (tidak
bermakna secara statistik)
Menolak Ho (H1 Benar
(bermakna secara statistik)
Ho benar dan kita tidak H1 benar tetapi kita
menolak Ho tidak menolak Ho.
Kesalahan Tipe I (a) Benar
Ho benar tetapi kita H1 benar dan kita
menolak Ho menolak Ho
Kuasa Statistik (P)

Adalah probabilitas untuk menolak Ho ketika sesungguhnya Ho memang

salah.

Kemampuan untuk mendetekasi adanya perbedaan bermakna antara

kelompok-kelompok yang diteliti ketika perbedaan itu memang ada.

Kuasa (P) = 1-b

b kesalahan Tipe II

Misalnya untuk b sebesar 0,20 artinya ada peluang sebesar 20% untuk
membuat kesalahan tidak menolak Ho padahal Ho salah atau H1 benar.
Maka kuasa dalam penelitian itu sebesar 1-0,20 = 0,80. Dengan kuasa sebsar
0,80 berarti penelitian ini mempunyai kemampuan sebesar 80 persen untuk
dapat mendeteksi perbedaan antara kelompok yang diteliti jika memang
terdapat perbedaan.
 Pertimbangan Pemilihan Uji Statistik
yang Sesuai
1. Pertimbangan Uji Parametrik dan Non parametrik

Uji Parametrik (misalnya uji t dan uji F) memiliki asumsi yang lebih banyak
daripada uji nonparametrik untuk penggunaan yang sama.
Pemenuhan asumsi yang lebih banyak :
(a) makin besar kuasa statistiknya
(b) makin kecil kesalahan menarik inferensi ke populasinya
(c) makin sempit generalisasinya.

Contoh : Uji t memilki beberapa asumsi :

(d) Pengamatan dilakukan secara independen
(e) Sampel berasal dari populasi yang terdisitribusi normal
(f) Dalam analisis dua kelompok, populasi-populasi asal sampel harus memiliki
varians yang sama atau setidaknya diketahui rasio varians keduanya.
(g) Variabel diukur setidaknya dalam skala rasio atau interval.

Jika data yang dianalisis memenuhi semua asumsi , penggunaan uji statistik
parametrik merupakan pilihan utama.

Jika Data penelitian tidak dapat memenuhi sejumlah asumsi di atas Salah
satu alternatif penggunaan uji statistik nonparametrik .
Lanjutan.

2. Klasifikasi variabel yang akan dianalisis.

1. Variabel diukur dalam skala interval atau rasio

2. Parameter-parameter yang menggambarkan populasi seperti mean, median ,
mode dan simpang baku bisa dihitung.

Statistik parametrik.

1. Variabel diukur dalam skala nominal atau ordinal .

2. Yang bisa dihitung adalah frekuensi tiap-tiap kategori (atribut)

Statistik non-parametrik.
ATAS PERHATIANNYA
TERIMA KASIH