Oleh :
Pembimbing :
dr. Gerson Andrew Warnares, M.Med., M.Phill.
Statistik: Biostatistik:
a. Marguerrite F. Hall
Suatu teknik yang digunakan untuk mengumpulkan data, menganalisa data dan menyimpulkan
dan mengadakan penafsiran data yang berbentuk angka.
b. Anderson & Bancrofi
ilmu dan seni mengembangkan dan menerapkan metoda yang paling efektif untuk
mengumpulkan, mentabulasi, menginterpretasi kan data kuantitatif sedemikian rupa sehingga
kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan dengan menggunakan
penalaran induktif berdeasarkan matematika probabilitas.
c. Sujana
Pengetahuan yang berhubungan dengan cara-cara pengumpuam fakta, pengolahan serta
penganalisanya, penarikan kesimpulan, penyajian dan publikasi dari data-data yang berbentuk
angka
d. Sudrajat
Ilmu pengetahuan mengenai cara dan aturan dalam hal pengumpulan data, pengolahan, analisa,
penarikan keseimpulan, penyajian dan publikasi dari kata-kata yang berbentu angka.
Kegunaan
Biostatistik berguna untuk memberikan informasi tentang:
1. Karakteristik populasi
• Berapa persen dari populasi yang menderita TB paru?
• Berapa rata - rata tekanan darah sistolik populasi obes (BMI> 30)?
2. Data Sekunder
Diperoleh dari orang / tempat lain.
Misal : RM RS. Lebih hemat waktu, biaya, tenaga. Tetapi
kadang tidak lengkap / tidak sesuai
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
Berat 80 kg = 2 x berat 40 kg
Konsep dasar statistik
1. Populasi adalah:
Seluruh unit/ subyek yang diteliti Subyek/unit berupa
individu, keluarga, puskesmas, RS, buku (cth: populasi
buku)
Konsep dasar statistik
2. Sampel adalah:
Bagian dari populasi yang karakteristiknya mewakili
populasi Pada populasi dengan jumlah sedikit, sampel
di random.
(Random artinya adalah setiap anggota populasi
punya kesempatan yang sama untuk terpilih)
ANALISIS
KORELASI
KORELASI
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif korelasi positif
sempurna sedang korelasi sedang sempurna
6 bi2
r 1
n (n 2 1)
Contoh ..
No Xi Yi Xi Yi Xi2 Yi2
1 10 3,00 30 100 9,00
2 10 2,50 25 100 6,25
3 15 2,00 30 225 4,00
4 10 1,50 15 100 2,25
5 5 1,00 5 25 1,00
n=5 Xi = 50 Yi = 10 XiYi= Xi2 = Yi2 =
105 550 22,5
5 (105) (50) (10) 25
r = 5 (550) (50) 5 (22,5) (10)
2 2
= (250) (12,5) = 0,447
Dari hasil ini ternyata didapat korelasi positif antara
jumlah sks (X) dan IPK yang didapat (Y).
KOEFISIEN DETERMINASI
ukuran untuk mengetahui kesesuaian atau ketepatan antara
nilai dugaan dengan data sampel.
bagian dari keragaman total variabel tak bebas Y (variabel
yang dipengaruhi atau dependent) yang dapat diterangkan
atau diperhitungkan oleh keragaman variabel bebas X
(variabel yang mempengaruhi, independent)
KOEFISIEN DETERMINASI
Koefisien Determinasi =
[ n Xi Yi ( Xi ) ( Yi ) ]2
r
2
n ( X 2
i ) ( Xi ) 2 n ( Y
i
2
) ( Yi ) 2
KOEFISIEN KORELASI GANDA
Untuk 2 variabel bebas (X1 dan X2 ) maka r dihitung dengan rumus:
r 2 y x1 r 2 y x2 2 ry x1 ry x2 rx1 x 2
ry x1 x 2
1 r 2 x1 x 2
X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19
Akan dibuktikan ada hubungan linier positif dan signifikan antara variabel X 1
dan X2 secara bersama-sama dengan variabel Y.
No X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2
1 10 7 23 230 161 70 100 49 529
2 2 3 7 14 21 6 4 9 49
3 4 2 15 60 30 8 16 4 225
4 6 4 17 102 68 24 36 16 289
5 8 6 23 184 138 48 64 36 529
6 7 5 22 152 110 35 49 25 484
7 4 3 10 40 30 12 16 9 100
8 6 3 14 84 42 18 36 9 196
9 7 4 20 140 80 28 49 16 400
10 6 3 19 114 57 18 36 9 361
Jumlah 60 40 170 1121 737 267 406 182 3162
1020 1020
r y x1 = 460 x 2720 1118,57
r y x1 = 0,912
n X 2 Y ( X 2 ) ( Y)
r y x2 = n ( X 2
2) ( X 2 ) 2 n ( Y 2
) ( Y) 2 =
10 (737) (40) (170)
r y x2 = 10 (182) (40) 10 (3162) (170)
2 2
570 570
r y x2 = 220 x 2720 773,56
r y x2 = 0,74
n X1X 2 ( X1 ) ( X 2 )
r x1 x 2 = n ( X 2
1) ( X1 ) 2 n ( X 2
2) ( X 2 ) 2 =
10 (267) (60) (40)
r x1 x 2 = 10 (406) (60) 10 (182) (40)
2 2
270 270
r x1 x 2 460 x 220 318,12
=
r x1 x 2 = 0,85
r 2 y x1 r 2 y x 2 2 ry x1 ry x 2 rx1 x 2
ry x1 x 2
1 r 2 x1 x 2
= 0,8354
= 0,914
Atau : Terdapat hubungan yang signifikan antara pendapatan dan jumlah keluarga dengan
pengeluaran untuk membeli barang A.
Statistik parametrik
• Prosedur pengujian hipotesis dan estimasi dengan menggunakan parameter mean dan
asumsi normalitas distribusi frekuensi
• Uji t, F (Anova)
Statistika non-parametrik
• Prosedur pengujian hipotesis dan estimasi tanpa menggunakan parameter mean maupun
asumsi normalitas distribusi frekuensi (distribution-free statistics)
Pre 77 66 80 95 74 79 72 67 60 60
Post 51 48 58 44 61 55 59 50 48 52
TEKNIK STATISTIK
Rumus statistik yang dipilih adalah :
d
t=
SD_d / √n
d = rata-rata deviasi / selisih sampel
sebelum dan sesudah
SD_d = standar deviasi dari deviasi /
selisih sampel 1 & 2
n = banyaknya sampel
TEKNIK STATISTIK
Hasil perhitungan dengan menggunakan Ms
Excel adalah sebagai berikut :
TEKNIK STATISTIK
Hipotesis :H0 = (μsebelum = μsesudah)
H1 = (μsebelum ≠ μsesudah)
Taraf signifikansi : α = 5% = 0,05
Statistik uji : Sign = 0,000
Sign = nilai P = hasil hitung
H0 diterima jika : sign > α
Keputusan :H0 ditolak,
karena nilai sign = 0,000 < α = 0,05
TEKNIK STATISTIK
Dari hasil perhitungan dengan menggunakan
Ms Excel untuk uji mean dua sampel
berpasangan menunjukkan nilai rata-rata
sebelum dan sesudah Terapi Akupunktur tidak
sama, di mana nilai : P = 0,000 < α = 0,05
sehingga H0 yang menyatakan bahwa berat
badan sebelum dan sesudah terapi akupunktur
adalah sama, ditolak.
PEMBAHASAN
Dari hasil analisis menggunakan Uji T Paired terhadap hipotesis yang sudah
dirumuskan dapat dinyatakan bahwa uji mean dua sampel berpasangan
menunjukkan nilai rata-rata sebelum dan sesudah Terapi Akupunktur tidak
sama, di mana nilai sign = 0,000 < α = 0,05 yang berarti bahwa ada
perbedaan yang signifikan hasil pemberian Terapi Akupunktur terhadap berat
badan pasien di klinik PUSPO.
Jadi, pemberian Terapi Akupunktur kepada pasien untuk menurunkan berat badan
di klinik PUSPO bermanfaat. Program penurunan berat badan melalui Terapi
Akupunktur perlu diterapkan di sarana pelayanan kesehatan.
2. Independent Sample T-Test dan Paired Sample T-Test
• Tujuan Uji-T dua sampel adalah untuk membandingkan
(membedakan) apakah kedua mean sampel tsb sama /
berbeda. Gunanya untuk menguji kemampuan generalisasi
(signifikansi hasil penelitian yang berupa perbandingan dua
rata-rata sampel).
1. Sampel berkorelasi
• Sampel yang bekorelasi biasanya terdapat dalam desain penelitian
eksperimen, sebagai contoh : membuat perbandingan nilai pre-test
dan post-test, membandingkan sebelum dan sesudah
treatment/perlakuan dalam eksperimen, dll.
2. Sampel tidak berkorelasi (independen).
• Sampel independen adalah sampel yang tidak berkaitan satu sama
lain. Contoh : membandingkan hasil tes SPMB ditinjau dari lulusan
SMA dan SMK, membandingkan penghasilan petani dan nelayan, dll.
Contoh:
Judul : Perbedaan Hasil Belajar Matematika
Menggunakan Metode A dengan Metode B Siswa
Kelas X SMA Abu-Abu Tahun Pelajaran 2012/2013
• Pada penelitian tersebut kelas eksperimen (X1)
menggunakan metode A dan kelas kontrol (X2)
menggunakan metode B, jumlah siswa masing-masing
kelas adalah 15 orang. Ujilah apakah ada perbedaan
hasil belajar matematika menggunakan metode A
dengan metode B pada siswa kelas X SMA Abu-Abu
tahun pelajaran 2012/2013 tersebut ! Data seperti pada
tabel.
• Muncul output SPSS viewer menampilkan hasil
sebagai berikut:
Tabel Independent-Sample T Test yang pertama menguji
apakah kedua kelompok memiliki varians yang sama.
Hipotesisnya:
• Ho : kedua kelompok memiliki varian yang sama
• H1 : kedua kelompok tidak memiliki varian yang sama
• Nilai Sig (0,685) > 0,05 maka Ho diterima, artinya kedua
kelompok data memiliki varian yang sama.
• Tabel Independent-Sample T Test yang kedua menguji apakah kedua
kelompok memiliki rata-rata yang sama. Hipotesisnya:
• Ho : kedua kelompok memiliki rata-rata hasil belajar yang sama.
• H1 : kedua kelompok tidak memiliki rata-rata hasil belajar yang sama.
• Pada output diketahui Sig (2-tailled) = 0,000 < 0,05 maka Ho ditolak,
artinya kedua kelompok tidak memiliki rata-rata hasil belajar yang
sama. Bisa juga dengan membandingkan t hitung dengan nilai t tabel.
Chi Kuadrat (Chi Square)
Dalam uji kecocokan model derajad kebebasan (df) sama dengan jumlah kategori dikurangi jumlah estimator yang
didasarkan pada sampel dan dikurang 1. Yang dimaksud estimator parameter adalah parameter yang
diperkirakan nilainya, karena nilai parameter tidak dapat secara tepat ditentukan berdasarkan data sampel
yang tersedia. Jika dirumuskan menjadi:
df = k – m -1
dengan :
k : jumlah kategori data sampel
m : jumlah nilai-nilai parameter yang diestimasi
• Jika hipotesis nol menyatakan bahwa frekuensi-frekuensi observasi
didistribusikan sama dengan frekuensi harapan, tidak ada parameter
estimatornya. Dengan demikian nilai m = 0
Rumus 1
Tabel kontingensi
Uji Tabel Kontigensi
• Memuat data yg diperoleh dari sampel random sederhana dan diatur
berdasarkan baris dan kolom. Baik baris maupun kolom masing-masing
terbagi dalam kriteria-kriteria atau ketentuan-ketentuan. Nilai-nilai data
pada tabel kontigensi merupakan frekuensi observasi (fo).
• Dengan uji tabel kontigensi (contigenscy table test) kita dapat menguji
apakah dua variabel (baris dan kolom) saling independen atau tidak.
Gagasan ini didasarkan atas anggapan bahwa jika kategori-kategori saling
independen nilai frekuensi observasi mendekati nilai frekuensi harapan.
Perbedaan-perbedaan yang besar akan mendukung kita untuk menolak
hipotesis yang menyatakan tentang independen.
• Apabila banyaknya baris = r, banyaknya kolom = k, dan besarnya sampel n, nilai
frekuensi harapan baris ke I dan kolom ke j dapat diperoleh dengan rumus:
• Bila hasil perhitungan = 1, artinya tidak ada asosiasi antara paparan dan
penyakit
• Bila hasil perhitungan > 1, artinya paparan merupakan faktor resiko
penyakit, paparan meningkatkan resiko terkena penyakit tertentu.
• Bila hasil perhitungan < 1, artinya paparan memiliki efek protektif
terhadap penyakit, paparan melindungi atau mengurangi resiko
penyakit tertentu.
Contoh kasus :
• Sebuah penelitian kohort ingin melihat resiko orang yang
merokok untuk terkena kanker paru di Provinsi X. Pada awal
penelitian sebanyak 5000 orang yang merokok dijadikan
subyek penelitian dan 5000 orang yang lainnya sebagai
kelompok pembanding (tidak merokok). 20 tahun kemudian
diketahui diantara 5000 orang yang merokok 200 orang
diantaranya mengalami kanker paru, dan diantara 5000 orang
yang tidak merokok terdapat 50 orang yang mengalami kanker
paru. Hitung resiko relatif kelompok yang merokok untuk
terkena penyakit kanker paru dibandingkan dengan kelompok
yang tidak terpapar.
Tabel. Data penelitian kohort merokok untuk
terkena kanker paru di Provinsi X
Paparan penyakit Merokok Tidak merokok Jumlah
Kanker paru 200 50 250
Tidak kanker paru 4800 4950 9770
Jumlah 5000 5000 10000