BIOSTATISTIK

2017
 1 PENGANTAR BIOSTATISTIK

SAMPEL
PENGANTAR
BIOSTATISTIK PENGUMPULAN DATA

PENGOLAHAN DATA

ANALISA DATA

PENYAJIAN DATA
 PENGERTIAN
• Asal kata ‘statistik’ (bhs Latin) = ‘status’ = ‘ negara’  Angka-angka
tentang situasi ekonomi, politik, sosial, pendidikan, budaya,
penduduk.
• ‘Statistika’ (modern) = Metode yang dipakai dalam proses
pengumpulan, pengolahan, penyajian, & interpretasi data, yang
menghasilkan suatu kesimpulan (informasi) yang dapat digunakan
untuk pengambilan keputusan dalam situasi ketidakpastian
• Biostatistika’ = Aplikasi statistika dalam bidang kehidupan manusia
(Kesehatan, kedokteran, pertanian, psikologi, pendidikan,
dll)ngambilan keputusan dalam situasi ketidakpastian.
 PERAN BIOSTATISTIK
• Mengetahui pola penyakit pasien yg berkunjung ke RS (per bulan/th)
• Mengetahui proporsi penderita penyakit “X” di RS (per bulan/th)
• Memprediksi jenis pelayanan yang dibutuhkan oleh pasien di masa
yang akan datang (..utk penyediaan layanan kesehatan)
• Mengetahui proporsi penduduk yang belum memiliki Askes (..utk
jualan Askes swasta)
• Menguji apakah obat X lebih efektif dari obat Y
• Menghitung angka kematian maternal, angka kematian bayi, dll
• Menghitung indikator mutu rumah sakit
 POPULASI dan SAMPEL
• Populasi adalah seluruh penduduk/objek dalam suatu wilayah
administratif/institusi.
• Data bisa diperoleh dari seluruh penduduk Indonesia yang dikumpulkan melalui
kegiatan yang disebut sensus. (biasanya 10 th sekali)
• Kesimpulan atau hasil ukur dari data seluruh populasi disebut nilai parameter
• Sampel adalah bagian dari populasi, sample yang baik adalah yang
karakteristiknya sama dengan populasi.
• Apabila kita tidak mampu mengukur seluruh populasi (karena keterbatasan dana,
waktu, & tenaga), maka kita dapat mengambil sebagian dari populasi melalui
kegiatan yang disebut survey. (bisa tiap tahun)
• Kesimpulan atau hasil ukur dari data yang berasal dari sampel disebut
sebagai nilai statistik
 PEMBAGIAN STATISTIK
• Statistik DESKRIPTIF =
• Suatu metode dalam proses pengumpulan, pengolahan, penyajian, &
interpretasi data menjadi suatu informasi

• Statistik INFERENS =
• Suatu metode dalam menyimpulkan (generalisasi) ‘nilai sampel’ menjadi
‘nilai populasi’  Metode Induktif
 Data vs Variabel

• Variabel  suatu sifat yang dapat diukur, yang nilainya

bervariasi
• Data  kumpulan fakta hasil pengukuran / perhitungan
/ pengamatan

Variabel = Berat badan  Data = 60, 65, 68 kg

 TAHAPAN KEGIATAN STATISTIK
• Pengumpulan data (termasuk sampel)
• Pengolahan dan Analisa data
• Penyajian data dan Interpretasi
• Kesimpulan (generalisasi)
 JENIS DATA DAN SUMBER DATA

•JENIS DATA:
•Kualitatif = Kategorik = Data dalam bentuk kualitas (baik/buruk, tinggi/rendah) atau
pernyataan (setuju/tdk, Y/T) , kondisi (sakit/tidak), sifat (L/P), dll
•Kuantitatif = Numerik = Data dalam bentuk angka numerik
1.Kuantitatif Diskrit = Hasil menghitung (bulat)
2.Kuantitatif Kontinu = Hasil mengukur (bulat,koma)

•SUMBER DATA:
• Primer = Rancangan pengumpulan data dibuat oleh peneliti sendiri
• Sekunder = Rancangan pengumpulan data dibuat oleh orang lain/institusi
• Tersier = Kumpulan data dari berbagai laporan (Studi literatur, meta analysis)
 2 PENGANTAR BIOSTATISTIK

SAMPEL

SAMPLE PENGUMPULAN DATA

PENGOLAHAN DATA

ANALISA DATA

PENYAJIAN DATA
 SAMPLING
Ada 2 topik bahasan dalam sampling:
1. Metode pengambilan sampel (Sampling Design)
2. Perhitungan Besar sampel (Sample Size)

Ada 2 metode pengambilan sampel:

1. Random/Probability sampling
2. Non random/non probability sampling

Page 11
MENGAPA PERLU
SAMPLING?

1. Populasi tidak terbatas

2. Sumberdaya terbatas (tenaga, dana, waktu)
3. Tidak mungkin diteliti semua (waktu dan ruang)
4. Adanya penelitian yang destruktif
5. Tidak perlu semua diteliti, ada metode sampling
yg didasarkan pada distribusi probabilitas

Metode
sampling

Menjamin sampel menggambarkan populasinya

Menjamin sampel mempunyai akurasi yang terukur
Menjamin sampling dapat dilaksanakan dg efisien
Page 12
 Langkah
PENGAMBILAN
SAMPEL
1
1.Menentukan tujuan studi 2

2.Menentukan populasi penelitian 3

•Populasi target, Populasi studi
•Sampling frame
•UNIT ANALISIS

3.Menentukan metode pengambilan sampel 4

5
4.Menghitung besar sampel sesuai metode

5.Memilih sampel
 TEKNIK •Sampel pertimbangan
SAMPLING (Purposive/judgemental)
•Sampel berjatah (Quota)
A. Non Random •Sampel seadanya
(Convenience)

B. Random (probability) sampling

•1. Simple random sampling (acak sederhana)

•2. Systematic random sampling (acak sistematik)
•3. Stratified random sampling (acak bertingkat):
-Sederhana (Simple stratified random)
-Proporsional (Proportional stratified random)
•4. Cluster random sampling (acak berkelompok)
•5. Multistages random sampling (acak bertahap)
 SIMPLE RANDOM SAMPLING

SIMPLE RANDOM SAMPLING

1. Tentukan populasi studi
2. Buat sampling frame (N)
3. Tentukan besar sampel
4. Pilih sampel sejumlah n secara random (Dengan Tabel-random atau
Komputer)

Rumus Random Sampling excel  “=RAND()*(100-1)+1”

 SAMPLING
• Sampling harus memenuhi 2-kaidah berikut:
1. Akurasi/valid/akurat
• Mengukur apa yang sebenarnya ingin diukur
• Tergantung dari metode mengambil sampel
2. Presisi/konsisten/reliable
• Mengambarkan ketepatan ukuran yang diperoleh
• Tergantung dari besar sampel

• Kesalahan yang sering terjadi adalah metode pengambilan sampel

sering kurang mendapat perhatian dibandingkan besar sampel
 BESAR SAMPEL
1. Jenis penelitian
• Eksplorasi awal  1 sampel mungkin cukup
• Generalisasi  harus representative
2. Skala-ukur variabel dependen
• Kategorik  Proporsi
• Numerik  Mean dan SD
3. Derajat ketepatan perkiraan yang diinginkan (presisi)
• Semakin tinggi akurasi ~ semakin besar sample
4. Tujuan Penelitian
• Estimasi
• Uji Hipotesis
5. Interval kepercayaan dan Kekuatan Uji
6. Teknik pengambilan sampel (SRS atau bukan SRS)
 Rumus Sample

n: jumlah sampel
N: jumlah populasi
e: batas toleransi kesalahan (error
tolerance)
 3 PENGANTAR BIOSTATISTIK

SAMPEL

PENGUMPULAN DATA PENGUMPULAN DATA

PENGOLAHAN DATA

ANALISA DATA

PENYAJIAN DATA
 PENGUMPULAN DATA
• Observasi
Pengamatan dengan form
• Wawancara
Tanya-Jawab dengan panduan pertanyaan
• Angket
Form isian yg harus dikirim balik via POS
• Pemeriksaan/pengukuran
Pengukuran TB atau BB
• Data rutin
Data fasilitas pelayanan (puskesmas, kelurahan)
• Polling
Jajak pendapat
 4 PENGANTAR BIOSTATISTIK

SAMPEL
PENGOLAHAN DAN
ANALISA DATA PENGUMPULAN DATA

PENGOLAHAN DATA

ANALISA DATA

PENYAJIAN DATA
 PENGOLAHAN DATA
• PENGOLAHAN DATA
• Suatu proses atau perlakukan terhadap data, agar data tersebut mempunyai
makna dan bisa disajikan
• Pengolahan data : Manual, Komputer (Excel, SPSS), Sistem IT RS

• MANAJEMEN DATA
• Proses dalam memindahkan data ke dalam bentuk kode-kode tertentu dan
membuat transformasi (manipulasi) sehingga data tersebut bisa dianalisa
 ANALISIS DATA
Analisis data  Proses perhitungan matematis terhadap data sehingga data tersebut bisa
diinterpretasikan untuk pengambilan kesimpulan.

1. Analisa data DESKRIPTIF

a. Data Numerik/Kuantitatif
b. Data Kategorik/Kualitatif:

2. Analisa data ANALITIK (Uji Statistik)

a. Univariate (Uji statistik 1 variabel dengan suatu nilai tertentu)
b. Bivariate (Uji statistik hubungan antara 2 variabel)
c. Multivariate (Uji statistik hubungan antara beberapa variabel independen secara
bersamaan dengan 1 atau lebih variabel dependen
 5 PENGANTAR BIOSTATISTIK

SAMPEL

PENYAJIAN DATA PENGUMPULAN DATA

PENGOLAHAN DATA

ANALISA DATA

PENYAJIAN DATA
 PENYAJIAN DATA
Data dapat disajikan dengan berbagai macam cara:
1. Tekstular/Tulisan  Penyajian data dengan narasi (kalimat)
2. Tabel  Distribusi frek, distribusi relatif, tabel silang, dll
3. Grafik/Diagram  Bar, Histogram, poligon, box plot, scatter plot, line, pie,
dll

Pemilihan bentuk didasarkan pada tujuan penyajian

 PENYAJIAN DATA
PENYAJIAN TUJUAN JENIS
TULISAN Memberikan keterangan Narasi
secara tulisan
Memberikan keterangan -Master tabel (Dummy table)
TABEL
berbentuk ANGKA -Tabel silang (Cross-tab)
-Tabel distribusi frek.
-Mean, median, SD, min-max

Memberikan keterangan -Bar/batang

GRAFIK
untuk melihat -Pie/lingkar
PERBANDINGAN atau -Pictogram/gambar
TREND -Histogram, Poligon, Ogive
-Line/garis
-Box plot,
-Scatter plot
-Steam-and-leaf
 PENYAJIAN DALAM BENTUK TULISAN
• Tujuan:
• Memberikan keterangan dari keseluruhan prosedur, hasil-hasil, dan
kesimpulan-kesimpulan yang dibuat dengan menggunakan tulisan (text).
• Tidak dapat mencakup banyak gambaran angka statistik karena tidak efektif
• Contoh yg salah (menyajikan angka dg text):
Daerah Jawa-Madura dibagi menjadi 5 daerah, yaitu DKI Jakarta 560 km2, Jawa
Barat 46.317 km2, Jawa Tengah 34.206 km2, dan Jawa Timur (termasuk Madura) seluas
47.922km2
 PENYAJIAN DALAM BENTUK TABEL
• Tujuan:
• Menyajikan suatu agregate dari data-data numerik di dalam suatu bentuk tabel, dimana
data-data disusun dalam baris dan kolom sedemikian rupa sehingga dapat memberikan
gambaran atau perbandingan.
• Tabel yang baik harus sederhana dan self-explanatory

• Bagian-bagian dalam tabel:

• Nomor
• Judul (a title)
• Stub (Judul baris)
• Box head (Judul kolom)
• Body
• Total (kolom/baris)
• Foot Note
• Sumber data (source) utk data sekunder/tersier
 BAGIAN-BAGIAN TABEL
TABLE No... JUDUL….
STUB BOX HEAD Total

BODY

Total Grand Total

Foot Notes: Penjelasan lebih detail, Singkatan

Sumber Data: Data sekunder/tersier
 BAGIAN-BAGIAN TABEL

• Judul
 Biasanya ditempatkan di atas tabel, harus jelas, singkat, dan lengkap
 Judul yang baik akan menjawab: what, when, dan where

 Stub:
 Kolom paling kiri, termasuk kepala kolom tersebut
 Stub memberi suatu keterangan/penjelasan secara terperinci tentang gambaran pada tiap baris dan badan tabel

 Box head:
 Ini termasuk kepala kolom. Box head memberi keterangan/penjelasan secara terperinci tentang gambaran tiap kolom
dari badan tabel

 Body:
 Terdiri atas kolom-kolom dan hanya berisi angka-angka
 CONTOH TABEL
Distribusi Pasien Usila di rawat menurut Tingkat Pendidikan

Di RSCM, tahun 1994

Pendidikan Jumlah % absolute Frek. kumulatif % Kumulatif

Perguruan tinggi 3 3.0 3 3 .0
SMA 10 9.9 13 12.9
SMP 7 6.9 20 19.8
SD 44 43.6 64 63.4
Tak Sekolah 37 36.6 101 100
Jumlah 1 01 100 100

Sumber: Laporan Tahunan RSCM 1994

 PENYAJIAN DALAM BENTUK GRAFIK
• Grafik haruslah Sederhana & Self Explanatory
• Bagian-bagian Grafik
• Nomor
• Judul
• Aksis (sumbu X)
• Ordinat (sumbu Y)
• Plotting data
• Legend/Keterangan
• Sumber
 TEKNIK PEMBUATAN GRAFIK

• Apakah grafik telah memiliki judul ?

• Apakah judul sudah menggambarkan isi tabel, termasuk subyek, orang,
tempat dan waktu ?
• Apakah judul tabel telah didahului oleh Grafik ?
• Apakah ada numerator dan denominatornya, bila akan dilakukan
presentasi indikator mutu?
 BAR (GRAFIK BATANG)

• Dipergunakan untuk menyajikan suatu frekuensi dari data

kategorik/kualitatif
• Horizontal bar dan vertical bar yang akan dibuat tergantung pada ruang
yang tersedia untuk tiap-tiap bar tersebut
• Jenis:
• Single bar (1- variabel)
• Multiple bar (> 1- variabel)
• Component bar (>1- variabel, 100%)
 GRAFIK BATANG (BAR)

Cakupan Pemeriksaan Kehamilan

di Kabupaten Cianjur 1995
90
80
70
60
50
40
30
20
10
0 Periksa > 4 kali
Pernah periksa Periksa > 4 kali Periksa > 4 kali
+ sesuai 5 T
+ sesuai 5 T
+ pil Fe > 90
 GRAFIK BATANG DENGAN KELOMPOK

Cakupan Pemeriksaan Kehamilan di Jawa Barat 1995

100
90
80
70
Persen

60
50
40
30
20
10
0
Cirebon Cianjur Lebak Tangerang

Pernah periksa Periksa >= 4 kali Periksa >= 4 kali dan dapat 5T Periksa >= 4 kali, dapat 5T dan pil Fe >= 90
 Diagram Garis (Line) :
Jumlah Kasus DBD Menurut Bulan di RS

50

40

30

20 Kas us D BD

Batas atas = 33.9

10
Rata-rata = 20.4
Se O
Ja n Fe b M
ruaare Apri l Mei
Ag p te kto Nove DeBatas
mb semb
0 Ju n Ju bawah = 6.9
ua li u st mb be
ri ri t i us er r er er

Sigm a level: 3
 HISTOGRAM
• Dipergunakan untuk menyajikan suatu distribusi frekuensi dari data yang kontinue/kuantitatif/numerik
• Langkah-langkah:
• Membuat batas kelas yang sebenarnya (real limit) untuk tiap-tiap kelas interval. Contoh:
Kelas interval f real limit
13 –15 4 12,5 – 15,5
10 – 12 8 9,5 – 12,5
7–9 9 6,5 – 9,5
• Kelas interval digambarkan dengan sumbu horizontal dan frekuensi dengan sumbu vertikal. Setiap kelas digambarkan
dalam bentuk bar vertical
• Kelas terendah digambarkan paling kiri pada sumbu horizontal
• Skala frekuensi harus dimulai dengan angka 0
• Untuk data tidak berkelompok, setiap nilai harus dianggap sebagai interval
 HISTOGRAM
Distribusi Umur Ibu, Survei Cepat KIA
Cianjur, 1995

40
35
30
Persen

25
20
15
10
5
0
15-19 20-24 25-29 30-34 35-39 40-44 45-49
Umur (tahun)
 POLIGON
• Dipergunakan untuk menyajikan suatu distribusi frekuensi dari data yang kontinue /kuantitatif/numerik
• Permukaan area frekuensi poligon sama luasnya dengan histogram
• Dipergunakan untuk membandingkan beberapa distribusi frekuensi pada sebuah gambar
• Langkah-langkah:
• Membuat titik-titik tengah kelas interval yang berada pada bagian atas bar histogram. Kemudian titik ini
dihubungkan membentuk garis yang disebut frekuensi poligon
• Frekuensi poligon harus tertutup di kedua ujungnya, sebab merupakan area diagram dan harus sama luasnya
dengan bar histogram
POLIGON FREKUENSI
MULTI POLIGON FREKUENSI
 OGIVE
• Sebuah penyajian grafik frekuensi kumulatif dari sebuah aggregate data yang telah dikelompokkan
dalam sebuah tabel distribusi frekuensi
• Tinggi Badan dari 100 orang laki-laki

Tinggi Badan Jumlah Orang Frekuensi Frekuensi

(Cm) Kumulatif  kumulatif 

130 – 0 0 100
140 – 6 6 100
150 – 22 28 94
160 – 39 67 72
170 – 25 92 33
180 – 7 99 8
190 - 200 1 100 1
Total 100
OGIVE (INSIDEN KUMULATIF)
 Box plot
• Digunakan untuk membandingkan distribusi variabel numerik
• Box mewakili 50% data, atau kisaran interkuartil dari data (Q1—Q3)
• Posisi median dengan garis vertikal dalam box (Q2)
• Whisker merupakan perpanjangan pada nilai minimum dan
maksimum
• Box plot dapat menggambarkan:
• Lokasi nilai sentral (median)
• Dispersi (kisaran interkuartil dan range)
• Kemencengan distribusi yang terlihat dari garis median tidak ditengah box
BOXPLOT PERBANDINGAN LAMA HARI RAWAT
ANTAR DOKTER (Data Numerik/Kuantitatif)
16

14

12

10

2
1 2 3 4 5 6 7 8

Nomor dokter
 GRAFIK LINGKARAN (PIE)
(Data kategorik/kualitatif)
Berapa Kali Ibu Periksa Hamil, Cianjur 1995

6.8%

11.7%

1 kali
17.1% 2 kali
64.4% 3 kali
> 3 kali
 DIAGRAM/GRAFIK TEBAR (SCATTER PLOT)
 Hubungan antara 2 variabel numerik

• Dipergunakan untuk menyajikan sepasang pengamatan (paired observation) dari

dua variabel untuk memperlihatkan ada atau tidak adanya hubungan antara dua
variabel
• Tiap pasang pengamatan pada suatu individu disajikan sebagai sebuah data
diagram
• Skala X dan Y pada scater tidak perlu dimulai dari 0, sebab bukan skala frekuensi.
 DIAGRAM TEBAR (SCATTER PLOT)
140000

120000

100000

80000

60000
Current Salary

40000

20000

0
0 20000 40000 60000 80000 100000

Beginning Salary
 PARETO CHART (DATA KATEGORIK)
Penyebab Kematian di Rumah Sakit

140 100

Persen
90
120
80
100 70

80 60
50
60
40
Jumlah kasus

40 30
40
36 20
20 25

S
10

S
18

In

is
is
S

te
fe

te
is
10 10

K
N pen
0 0

m
ks
te

ec
eo c
m

i&

pe

el
pl er
si

ak
r

as na
pa

na
rk

aa
ul

m an
ra

fa
as

n
si

sa
t
i

n
Penyebab kematian
Penyebab Kematian di Rumah Sakit
 X-CHART
12.06

9.86
Rata-rata (hari)

7.65

Lam a perawatan

5.44 Batas atas = 8.74

Rata-rata = 7.65

3.24 Batas bawah = 6.56

1 2 3 4 5 6 7 8

Nomor dokter
Sigm a level: 3

Lama Hari Perawatan Menurut Dokter

TERIMA KASIH